谢耘指出，诺奖得主辛顿在某些场合似乎呈现出敷衍走场的姿态。科学是严谨且需要全身心投入的领域，而辛顿的这种表现无疑是对科学精神的亵渎。科学的进步依赖于研究者们的专注与坚守，每一项成果都凝聚着无数的心血与努力。辛顿的敷衍行为，让人们看到了在名利光环下，可能会有一些所谓的“权威”背离了科学的本质。这不仅伤害了广大科研工作者的情感和努力，更会对科学的声誉和发展造成负面影响，这种对科学的败坏行为应引起我们的高度警惕和反思。

需要注意的是，对于此类事件的评价可能存在不同观点，应保持客观和理性的态度进行探讨。同时，也应尊重不同的学术观点和研究成果。

今年七月初，在上海一所著名高校任教的一位资深软件工程学者收到我新出版的《工具的苏醒——智能，理解与人工智能的本质》书后，我们有了下面这样一段在微信上的对话。

教授：“感谢您的大作，很多观点我认同。我属于AI悲观派，只认为AI做了简单重复劳动，复杂的话还是要人来解决，虽然可以做软件编程，但是对于它没见过的问题编码错误极大。”

我：“总有人出于其它目的去神话它。”

教授：“计算机界研究偏理论的乐观派多，偏工程的较现实。”

我：“但是偏理论的人也拿不出什么科学理论依据。都是他们个人的信念、猜测而已。我在书中对AI的‘理解’能力做了比较深入系统的剖析，至少我没有见到他们做过什么类似的理论分析来支撑他们的观点。”

“说曹操，曹操到”。

到了七月底，一个做投资与产业研究的朋友转发给我了图灵和诺贝尔物理学“双奖获得者”杰弗里·辛顿一篇有关人工智能主题的发言。辛顿可能就属于前面那位教授讲的人工智能乐观派。

看了辛顿讲演的材料后，我与这个朋友交流了感想。

我：“他这里经不起推敲的内容有点多。首先‘智能本质在于推理’就是有问题的。这是典型的西方文化唯理性论的思维，以偏概全。而且人工智能靠统计方法和暴力计算在工匠技艺上有再大的突破，也不等于科学原理的突破。”

朋友：“辛顿现在是走场专家，他的讲稿与刚刚前几天在英国讲的内容一模一样，内容不重要；同时，邀请他来的机构/组织，就是冲着双奖得主名号，内容也不重要（讲什么都是好，重要的是能出场）”

我：“这种做法会败坏科学的。”

朋友：“同意谢总意见。”

其实悲观也罢乐观也罢，对于从事科学与技术工作的人来说并不重要。重要的是要能够用科学的态度，实事求是地面对现实，而不是抛开客观的立场凭借主观的意愿去解释科学与技术——这是从事科学与技术工作的人必须遵守的本分。

在写作《工具的苏醒——智能，理解与信息技术的本质》一书中关于人类与人工智能大语言模型的“理解”异同一章时，我曾经向国内一位著名的人工智能学者做过请教。他在别人眼中可能属于“悲观派”，他对我讲了他的看法：“很多人都说大语言模型有理解能力，其实没有。它不懂概念，只懂概率；不懂概念推理，只懂概率计算。”

《工具的苏醒——智能，理解与信息技术的本质》，谢耘著

他的看法有合理之处，但是说大语言模型没有理解能力，我做完相关分析后觉得是过于武断了。人类的理解是基于事物之间多重的复杂关联形成的，包括因果关联，也包括语言文字符号层面的关联。大语言模型则是在文字符号层面对语言的内容做了多重的统计性关联。它显然远远没有覆盖人类理解中的所有关联，但是它同时又确实掌握了在文字符号层面的统计性关联。这也反映了人类的一部分理解。所以我们不能说大语言模型完全没有理解能力，它确实拥有了文字符号层面的统计性理解能力；同时也不能像辛顿两次断言的那样“大语言模型理解语言的方式与人类非常相似。”^[1]

因为人类对语言理解的根本性基础，并不在于文字符号层面的关联，而在于将文字符号所表达的内容与现实做正确的对应，这才是人类获得对语言所表达含义理解的核心关键所在。仅仅在文字符号层面做统计性关联，永远也实现不了文字符号所表达的内容与现实的对应。所以大语言模型与人类在对语言的理解上远远谈不上“非常相似”，而是有本质差异的。这也是“具身人工智能”试图在未来解决的问题。

从科学理性来看待人工智能的当下与未来，大体可以分为四个主线。

从其科学理论基础来看

图灵提出人工智能的“图灵测试”被认为是人工智能这个领域的奠基性工作。但是这个工作本身就不满足基本的科学规范，它是一种主观测试方式，违背了科学最基本的客观性要求。所以，图灵当年并没有给人工智能奠定一个科学的基础。^[2]直到今日，虽然有众多人献身于智能科学理论的研究，且著述极丰，但是人类依然没有能够找到符合现代科学规范的智能科学原理。

甚至对于什么是智能这个最基本的问题，学术界也没有一个准确的统一看法。辛顿在报告开篇第一页上的第一句话是：“智能的本质在于推理。”这个结论显然是经不起推敲的。

从牛顿的万有引力，到爱因斯坦的光速不变，再到普朗克提出量子概念，每一次科学的突破都来自于这些伟大科学家对世界的深刻“洞察”。洞察为后续科学借助推理发展提供了基础前提。如果智能的本质在于推理，那么给人类科学奠定基础的“洞察”将被置于何地？

西方文化有对于基于逻辑推理的“理性”迷信的传统，给逻辑推理以至高无上的地位。这是西方传统的一个重要局限。逻辑推理固然重要，但远远不是人类智慧的全部。

人工智能至今没有一个符合现代科学规范的基础理论，它依然是一个建立在现代科学技术成果之上如集成电路芯片的工匠技艺。辛顿和同样从事人工智能研究的霍普菲尔德一同获得诺贝尔物理学奖，是一个里程碑式的事件。但是这个里程碑并非是标志人工智能获得了科学理论方面的突破，而是一个现代科学基本原理发展进入停滞期的正式宣示。

自伽利略、牛顿开始，现代科学发展到20世纪70年代，基础原理性的突破便出现了停滞不前的局面。匪夷所思的多重世界猜想的提出，对据称充满宇宙的“暗物质”“暗能量”的观测，还有几乎是纯数学游戏的“超弦”理论的构建，都没有能够带来真正的突破。自二战后，人类学术论文在数量上成指数增长的同时，创新性以同样的速度在下降。^[3]

2024年诺贝尔物理学奖颁发给了两位与物理学极其勉强才拉上一点关系的人工智能领域里的学者，实际上是物理学界经过了半个世纪踟蹰不前后，终于以一种含蓄的方式公开承认人类对世界的基本认识，进入到了停滞的局面了，而且难以看到未来突破的希望。

从其依靠的技术原理来看

由于没有基本的科学理论，所以人工智能其实是一种基于经验的工匠技艺。在其发展之路上，尝试过多种方法。其中基于逻辑推理的方法曾经被寄予最大的期望，这与西方对逻辑推理的崇拜有密切的关系。而最后，在21世纪第二个十年，令业界意外的是，借助计算机的暴力计算，原理上非常传统、就事论事的统计方法大放异彩，成功地在应用层面而非理论层面，解决了原来许多难以解决的人工智能应用问题。

到今天为止，统计方法依然是人工智能的当家花旦。统计方法作为一种传统的就事论事的数学方法，有其自身的擅长与局限。这是可以用逻辑做比较清晰的分析的。但是出于各种原因，许多人在回避这件事。

2024年初，美国人工智能研究公司OpenAI正式发布视频生成模型Sora后，马上有人惊呼它是“世界模拟器”，已经能够自己发现并掌握物理定律了。这是这些人根据Sora的某些表现展开的想象，远远不是基于科学理性分析的结论，所以很快就不再被提起，甚至可能已经被遗忘。如果仅仅通过对数据的统计就可以发现和掌握物理定律，那么牛顿、爱因斯坦这些伟大科学家的贡献该当何伦？

“通用人工智能”指日可待等不断持续出现的喧嚣，也都是这种非理性想象的产物，或者是别有用心的炒作。

这些想象连科学幻想都算不上，因为严格意义上的科学幻想是基于已知科学原理的外推。

从信息技术应用的角度来看

从信息技术应用的角度来看，人工智能仅仅是信息技术应用的一个部分，是一个以完成人类大脑可以完成的比较复杂的任务为导向的技术和应用。所以如果画一张完整的图的话，它大概是下面的样子。其中“人的内意识”实质是人类大脑可以完成（意识）智能活动。

信息技术应用、人工智能及人类智能的关系

从图中可以看出，通常意义下的人工智能仅仅是信息技术应用的一小部分。人类创造技术工具，从来就不仅仅是为了替代人的劳动，而是为了拓展人类的活动所能覆盖的深度与广度。就好像我们依赖运载火箭将人类的步伐迈向了月球，借助旅行者号飞船，将人类的触觉伸出了太阳系。

信息技术无法完全实现人类的智能，不代表在具体的方面它不能超越人。事实上，计算机从诞生之日起，其计算能力就远远超过了人类，而计算是一种基本的智能活动。而且人类的所有工具，都在其擅长的方面超越了人类，否则它就没有存在的价值了。

所以，当我们站在整个信息技术产业来看的时候，我们不应该把自己的目光局限在人工智能只想着如何替代人类，而是应该将其放在整个信息技术应用的全局中，去探索信息技术将为人类的拓展做出怎样的贡献。

从人类文明发展的经验来看

在现代科学诞生之前的漫长岁月中，人类依靠的就是基于经验的工匠技艺来制造各种工具。那漫长的岁月有几个基本的特点：

首先是技术发展缓慢，因为它主要靠效率很低的试错过程去积累经验；

其次，技术的进步与突破无法预料，不论是方向还是性质都带有极大的偶然性；

再者，技术的复杂度十分有限。或许那些用鸟报时的钟表就代表了工匠技艺可以抵达的巅峰。靠经验创造出的工具，与科学指导下的发展，有着天壤之别。

类比总有局限，历史不会简单重复。人工智能不是处理物质性问题的传统工匠技艺，而是处理信息性（也是意识性）问题的、基于现代科学技术之上的、利用数学工具的现代工匠技艺。其发展可能比传统的工匠技艺更加灵活，复杂度更高，覆盖面更广。在可以预见的未来，借助暴力计算与人类的经验，信息技术应用会不断在所有人类活动的领域中，通过解决各种信息性的具体问题，拓展着人类活动的深度与广度。其带来的变化，可能是我们今天难以预料的。

但是有一个人类最大的梦想依然是遥不可及的，那就是制造出与人类具有同样意识能力的机器。因为我们没有这样的科学理论，大脑对于人类来说还是一个黑洞；历史经验也告诉我们，仅仅凭借经验性的工匠技艺，我们创造不出我们无法理解的东西；而且现有的人工智能的实践也没有提供我们可以实现这一目标的确实依据。

辛顿在其讲演中说：“我们就像养了只非常可爱的小虎崽的人。当它长大后，如果它想，可以轻易地杀死你。”其实，类似这种耸人听闻的说法，在人工智能发展历史上已经屡次出现，一点都不新鲜。每一次都没有任何科学的依据，因而一阵喧嚣后很快就被忘记。

在可预见的未来，计算机没有修炼成精的可能，人类万物之灵的地位无可撼动，除非自愿放弃。

现代科学经过了四百年左右的发展，终于遇到了“止境”。人类无可奈何地进入到了“后科学”时代，人类文化必将发生重大的变化。在科学出现之前，各种旁门左道、歪门邪道横行于世；进入“后科学”时代，类似的情形或许会再次出现，只是经过了改头换面：科学被不断地参入大量的杂质，其真理性不断地被稀释，“科学”不再理所当然地意味着“严谨”“严肃”及“负责”；歪门邪道与旁门左道堂而皇之披上了科学的外衣去蛊惑人心，去“指引”未来。

这是一个考验每一个人的认知能力的时代。

[1]谢耘著，《工具的苏醒——智能，理解与信息技术的本质》，第四章“理解‘理解’：人与机器学习的异同”，机械工业出版社，2025年4月

[2]“谢耘：人工智能至今仍不是现代科学，人们却热衷用四种做法来粉饰它”，观察者网时评，2025年5月21日

[3]Michael  Park，Erin Leahey & Russell J. Funk，“Papers and patents are becoming  less disruptive over time”，《Nature》，Volume 613 Issue 7942， 5 January  2023

本文来自微信公众号：底线思维，作者：谢耘