语言的边界，就是智能的边界?

唐戟歌德

——从维特根斯坦看大语言模型（LLM）的能力与瓶颈

20 世纪哲学家 Ludwig Wittgenstein 在其著作 Tractatus Logico-Philosophicus 中写下一句极具启发性的命题：语言的边界，就是世界的边界。

他的意思并不是说世界真的只有语言那么大，而是说：人类能够思考、理解和表达的世界，很大程度上被语言所限制。

当我们把这句话放到今天的大语言模型（LLM）身上，会发现它几乎像一把钥匙，直接打开了理解 AI 能力与局限的大门。

因为当前最先进的 AI，本质上正是一种建立在语言之上的智能系统。

一、LLM到底是什么？

所谓大语言模型（LLM），比如 GPT，其核心任务其实非常简单：根据已有文本，预测下一个最可能出现的词。

换句话说，它学习的是：

• 词与词之间的关系

• 句子结构

• 概念之间的语言关联

• 大量文本中的模式

通过训练数以万亿计的文字，模型逐渐形成一种能力：在语言空间中进行高度复杂的推理与组合。

因此，LLM 的智能本质可以理解为：

一种极其强大的语言统计系统。

但这也带来一个关键问题：

语言是否等于世界？

答案显然不是。

二、语言只是世界的“描述”

在人类认知中，语言只是理解世界的一种工具。

我们的认知通常经历这样一个过程：

世界 → 感知 → 概念 → 语言

例如：

• 看到火 → 感到热 → 形成“火会烫”的概念 → 用语言描述

• 看到苹果掉落 → 观察规律 → 建立物理理论 → 用语言表达

语言只是最后一步。

但 LLM 的情况完全不同。

它的学习路径是：

语言 → 语言 → 语言

它没有：

• 视觉经验

• 身体经验

• 物理互动

• 真实世界反馈

因此，大语言模型学习到的并不是世界本身，而是：

人类如何描述世界。

这就是所谓的“符号世界”。

三、语言无法表达全部知识

维特根斯坦曾提出一个重要观点：

有些东西只能被“显示”，却无法被“说出”。

比如：

• 骑自行车

• 游泳

• 演奏乐器

• 运动平衡

这些技能很难通过语言完全表达。

即使你写下几万字教程，一个从未骑过车的人依然很难学会骑车。

原因是这些知识属于一种特殊类型：

默会知识（Tacit Knowledge）

它存在于：

• 身体控制

• 感觉反馈

• 空间直觉

而不是纯粹的语言描述。

人类拥有身体和感官，因此能够掌握这种知识；

而仅依赖文本训练的 LLM，很难真正理解它们。

四、没有世界模型的智能

人类的理解依赖于一种非常重要的能力：

世界模型（World Model）

简单说就是：我们会在大脑中构建一个关于世界如何运作的模型。

例如：

• 杯子掉地会碎

• 火会烫

• 门被推会打开

这种能力在儿童两三岁时就已经出现。

而 LLM 的“理解”则主要来自文本统计。

例如，如果很多文本中出现：

“杯子掉地会碎”

模型就会学习这种语言关联。

但它并没有真正体验过：

• 重力

• 材料强度

• 物理碰撞

因此在一些情况下，它的推理更像是：语言推理，而不是物理推理。

这被称为：符号落地问题（Symbol Grounding Problem）

即：语言符号没有真正“落地”到现实世界。

五、为什么 LLM 很强，但仍有限

尽管存在这些局限，LLM 仍然表现出令人惊讶的能力：

• 写作

• 翻译

• 编程

• 总结知识

• 进行复杂对话

原因是：人类文明的大部分知识，本身就是以语言形式存在的。

历史、法律、文学、哲学、科学论文……

几乎全部是文本。

LLM 的本质其实可以理解为：对人类文本知识的一次巨大压缩。

它把互联网中的知识结构，压缩进一个神经网络中，并学会在其中进行组合与推理。

因此它在语言任务上表现得非常接近人类。

但这也意味着：它的能力上限，很可能被语言本身所限制。

六、突破语言边界的三条路线

许多 AI 研究者认为，如果想让 AI 走向更高层次的智能，就必须让它超越纯语言系统。

目前出现了三条重要探索路线。

1 世界模型 AI

由 Yann LeCun 等研究者推动。

目标是让 AI 学习：

• 物理规律

• 因果关系

• 时间与空间结构

而不仅仅是文本模式。

2 具身智能（Embodied AI）

让 AI 拥有身体，通过与世界互动学习。

例如机器人系统：

Tesla Optimus humanoid robot

通过操作物体、移动和感知环境，建立真实经验。

3 脑仿真路线

另一种思路是直接模拟生物神经系统。

例如：

• 果蝇神经连接图

• 小鼠脑图谱

希望通过复制生物结构来产生智能。

七、一个新的理解

从这个角度看，维特根斯坦的那句话可以有一种新的解释：

如果智能只存在于语言之中，它就永远无法完全理解世界。

而今天的大语言模型，其实正处在这个阶段：

它们生活在语言的宇宙里。

但真正的世界远远比语言复杂得多。

结语

大语言模型的出现，是人工智能历史上的一次巨大飞跃。

它让机器第一次能够在语言层面与人类深入交流。

但从哲学角度看，它仍然处在一个重要的边界上：

语言的边界。

未来人工智能是否能够突破这一边界，进入真正理解世界的阶段，也许将决定下一代 AI 技术的方向。