內容來源：2026年5月16日，筆記俠PPE（政經哲）書院于杭州良渚舉辦的PPE26級課程第一模塊《AI社會學》精華筆記。

分享嘉賓：張笑宇，筆記俠PPE（政經哲）書院26級課程AI社會學模塊導師、新銳科技史學者。

責編| 修排版| 拾零

第 9626篇深度好文：11852字 | 25 分鐘閱讀

思維方式

筆記君說：

AI，為什么取代不了感覺、直覺、品味和行業問題意識？

筆記俠PPE（政經哲）書院26級課程AI社會學模塊導師、新銳科技史學者張笑宇從哲學史的角度，給出了一條更根本的思考路徑：今天計算機科學能做什么、不能做什么，早在兩千年的哲學追問中就已經被框定了邊界。

而真正讓人得以守住的，無法在AI取代被取代的，是一種叫默會知識的東西：那些你知道但說不出來的感覺、直覺、品味與判斷。AI可以窮盡一切語言可表達之物，卻無法觸及那些“結構上就是說不出”的經驗質感。

與AI賽跑的關鍵，是你能不能持續產生它學不會的東西。

一、默會知識：

AI真正替代不了的東西

今天的人工智能到底不能替代什么？其實有人給了我們答案。

這個人叫邁克爾·波蘭尼，20世紀50年代的社會學家。他提出了一個概念，當時沒有人工智能，他也不是針對人工智能寫的。

但2014年至今，隨著人工智能火爆，越來越多學科參與進來，有人發現：這個人講的一個東西，確確實實是今天人工智能替代不了的。

這個東西叫默會知識（Tacit Knowledge）。

什么叫默會知識？就是那些我們知道但說不出來的東西。我們知道的總是比我們說出來的要多。而且這“說不出來”里面，有一部分在結構上就是說不出。

他舉了幾個例子。你迎面走來一個人，你判斷他是不是你的熟人。你不是看到了他的眼睛、眉毛、鼻子才認出來的，你是先看到這個人的整體，走路的姿態、臉型甚至氣質，走近了認出來了。

實際上你可能跟這個人生活了很多年，都沒注意到他這有顆痣，那有個胎記。你不是靠把它明明白白分成很多部分來辨認的，你是憑一種感覺。這就是默會知識。

再比如做事的直覺，你的品味，你的身體掌握。仔細想想，你是怎么學會游泳的？怎么學會騎自行車的？

一定有一個階段：你可能看了很多視頻，自由泳應該這樣，蛙泳應該那樣，但你的身體就是搞不過來。練了很久，突然有一天，你“嘩”一下就開竅了。但跟別人介紹你怎么學會游泳的，你還是只能說“練多了自然就會”。

波蘭尼說，我們不否認有些東西經過代代積累、代代進步，也能慢慢被說出來。但還有一些東西，它就是說不出來，因為你的注意力根本不在那。

他舉了一個例子：一個技藝精湛的鐵匠用錘子砸釘子，這個人的注意力不在錘子和釘子上，他的腦子里根本沒在想釘子，他在想這個鎧甲做完之后應該是什么樣子。

你讓他把注意力放在錘子和釘子上，完蛋了，他一注意就會砸到自己的手。所以他說：有些默會知識，結構上就是說不出來。

既然默會知識在結構上說不出來，而我們今天的AI是大語言模型，說不出來的東西沒有進入語料，AI就掌握不了。

這里要做一個關鍵區分。

維特根斯坦講的是“不可說的事情”，比如玄學、冥想體驗，你說不出來，也不知道怎么驗證。但默會知識是：你說不出來，但你知道。

你能產生可辨認的后果。這個人能不能合作，這個事能不能做，你心里有感覺，你說不出來，但你能拍板。這就是兩者的區別。

我們講的“提煉默會知識”，本質上是盡可能地拓展默會知識的文本投影。

有一些東西能夠明確說出來，而且說出來的東西就是準的，這叫從默會知識變成了顯白知識。

有一些東西沒有辦法100%說出來，但你可以找到一些辦法寫下來。雖然寫下來的依然不是100%原意，但你去跟它互動，不斷地投入精力，你可以接近它，這就是默會知識的文本投影。

它不是百分百的默會知識，但它是個影子。你看著那個影子，可以想象它原來的主人是怎么動的，然后學到那個主人的舞步。

1.3種默會知識

進一步，有一位學者叫哈里·柯林斯，他在2010年寫了一本書叫《默會知識與顯白知識》，把默會知識分成了三種。這個分類非常關鍵。

第一種是關系型默會知識。

它是派生出來的關系，比如整體和部分的關系。你跟愛人生活了很多年，你說“幫我拿一下那個”，他就幫你拿過來了，你不需要說出來，他知道你要什么。

這種默會知識，今天的AI其實已經能理解一部分，只要上下文足夠，你跟它說得雖然模糊，它可以理解。

第二種是身體型默會知識。

就是剛才舉的例子，怎么學會游泳，怎么學會騎自行車。今天的具身智能正在通過捕捉人類身體姿態，往這個方向去進步。

不過我個人認為，目前具身智能還沒有突破核心瓶頸，不知道什么時候能真正落地和商業化，但它確實在處理這一塊的任務。

第三種是集體性默會知識。

比如你對行業的洞察，你這個行業普遍的問題意識是什么。比如你做學術或做藝術，你的品味是什么。這個東西其實可以教，但沒有辦法用語言的方式教，你只能耳濡目染、身體力行、言傳身教。

柯林斯說，今天AI最大的問題是不具備集體性默會知識。

更要命的是，AI從一開始就把人類社會的海量規則預訓練進了模型里。它分辨不出來，哪些規則是人類經過默會知識產生的軟規則，哪些是像牛頓定律一樣的硬規則。

我自己就有切身體會。我現在用AI寫書效率很高，但有一個特別難受的問題：我希望它的思維方式和我的方式盡可能接近，但我就是提煉不出來。一個優秀的人對他所在行業有大量背景知識和洞察，這些東西AI實驗效果非常差。

我現在的辦法是讓AI反過來問我“你為什么這么寫？”“你怎么思考的？”它來問我，逼我把自己之前說不出來的東西說出來。我自己做的時候其實也沒想過，就是很自然的動作。當它問我的時候，我才意識到：原來我不那么做是有原因的，這樣它就能學會一些。

但我認為，它學會的東西本質上只是默會知識在文本中的投影。而人是可以不斷再生產新的默會知識的。

比如今天我給大家講課，我會觀察大家的表情，判斷哪一部分大家感興趣、哪一部分可以省略。我現在就有這個感覺，也不一定記得住，但后面我可能就下意識自然調整了。只要我持續上課、持續跟大家聊天，我就可以不斷產生新的默會知識。

所以這就是人和AI的賽跑。今天很多人問，AI有什么東西是替代不了人的？

文獻證據很明確：默會知識替代不了。AI是語言模型，默會知識不在語言里。

怎么辦？你可以讓AI提煉你的默會知識在文本里的特點，但歸根結底，提煉出來的水平取決于那個做“提煉”的人的水平。

有人問，默會知識和顯性知識哪個更高級？不是高級不高級的問題。

舉個銷售的例子就清楚了：銷售要去簽單，他需要兩部分知識，一部分是對產品的專業知識，另一部分是人際交往的知識。你不能說人情世故比專業知識高級，但人情世故是專業知識的配套，這就是默會知識和顯性知識之間的關系。

2.默會知識的動態競爭：人與AI的賽跑

默會知識有兩個核心特征：第一是并顯，第二是動態。

什么是動態？你不斷地跟AI交流，可能把原來你說不出來的東西說出來了。但你反過來不斷地跟人交流，你又在不斷地產生新的默會知識。

所以你的競爭力，取決于你生產默會知識的速度和質量，與AI吸收默會知識的速度和質量之間的競爭關系。你跑不贏它，就被它淘汰；你跑得贏它，就永遠能掙它“表面”那部分錢。

今天很多用AI的人會意識到：你自己其實是AI的瓶頸，或者說AI的上限。因為默會知識這一塊AI起不來，只能你來補充，你的默會知識水平，就是AI能力的天花板。

張笑宇老師為同學們在新書上簽名

但這個過程不是單向的。用AI確實是一種交互，可以互相提高。就像你帶一個博士生，他有一些想法，你受他的刺激、受他的啟發，你的上限也被提升了。

我自己在用AI的時候也經常有這樣的體驗。通過這種交互，你提升了你的上限。

二、為什么學AI，要懂一些哲學？

計算機科學，是對哲學思維的工程化實現。今天我們聊哲學，總覺得特別高大上、特別難懂。但研究任何一門學科，都要回到它最初誕生時的原問題。哲學的元問題是什么？就是你在沒有字典和教材的時候，怎么說話。

今天你要搞清楚什么叫哲學，打開瀏覽器搜索，或者直接問AI，它給你一個定義，不管是百度百科還是維基百科，都是從教科書里抄來的。但人類文明之初，沒有這些東西。

有一個故事我一直沒找到確切出處，但印象深刻：一個雅典居民，旅行了一輩子，回到家鄉時已經不會說雅典話了。他站在碼頭上，問來來往往的人：這個東西用雅典話怎么說？人家就告訴他一個詞。

這個故事講的，正是哲學最初的問題意識：你在每天使用“信息”“美”“丑”“善”“惡”這些詞，但讓你給它下一個精準的定義，在沒有字典、沒有教科書的情況下，你的思考起點是什么？

這是我們要回到的第一性原理。

張笑宇老師在授課中

1.第一性原理的內容：矛盾律

今天“第一性原理”這個詞很流行。但每次我講課都問：第一性原理的內容是什么？

得到的答案往往是描述性的——思考事情的本質、尋找事情的本源、一切的出發點。這些都對，但它們是描述，不是內容。

第一性原理的內容，明明白白寫在亞里士多德的《形而上學》：同樣屬性，在同一情況下，不能同時屬于又不屬于同一主體。凡是逐節追求證明的人，總是逼到最后一條規律為止；終極規律自然地成為其他一切原理的起點。

“同樣屬性，在同一情況下，不能同時屬于又不屬于同一主體。”用這句話，用今天的話說，就是矛盾律。

什么意思？很簡單：柯洲在這個時間、這個節骨眼上，他就不是張笑宇。聽起來像一句廢話，但仔細想，我們用這條原理可以怎么討論問題？

柏拉圖《理想國》開篇就在討論一個問題：什么叫正義？

蘇格拉底當時在一位有錢人家里，酒足飯飽，問什么是正義，主人說：正義就是欠債還錢。你欠了別人的東西，就該還給他。

蘇格拉底喜歡抬杠，立刻反駁：你欠了朋友一把刀。今天想起這事，想還給他，結果你朋友正在跟他老婆生氣發火。你把刀還給他，這是正義嗎？

同學們在課堂上認真思考

主人說：顯然不是。

你看，在一種處境下正義是欠債還錢，在另一種處境下它又不是。這違背了矛盾律——你不可能既說“正義是欠債還錢”，又說“它不是欠債還錢”。

當你發現這個矛盾，你就知道自己必須再往前問一步：正義一定有比欠債還錢更精準的定義。

亞里士多德的意思是，只要掌握了矛盾律，我們就能在混亂的世界中往前分析，得到更精確的結果。這就是人類理性的第一課。

今天這個事太常見了，人人都說擁抱AI是先進生產力，但擁抱AI之后有沒有變得更焦慮、更煩躁？

人人都說學AI，不學就落伍了，有沒有可能學了照樣落伍？

如果有，那就說明“學不學AI”和“是不是先進生產力”之間的必然聯系還需要往前進一步分析。

這不過是矛盾律罷了，2500年前就寫在書里了。

今天所有人都在講第一性原理非常重要，但問內容是什么，沒幾個人知道。

當第一個人類發現這條原理時，那確實是劃時代的、驚天動地的。當時的人很興奮，覺得只要你掌握了它，就能沿著它一步步走下去，直到發現全部真理。

2.從“存在巨鏈”到“惡魔的欺騙”：西方哲學的演進

柏拉圖的“理念論”奠定了“真實存在于不變之物”的傳統，亞里士多德將之發展為以原因和必然性串連起的世界圖景。

感官世界是流變的影子，唯有“理念”是真實而恒定的存在。

同學們聚精會神地聽課

于是，柏拉圖在西方哲學里誕生了一個非常重要的概念——存在巨鏈（The Great Chain of Being）。從無機物到神，萬物按照“存在的完美程度”被排列為一條不可斷裂的因果鏈條。

這個“存在巨鏈”背后是“必然巨鏈”，一切現象都可追溯到第一原因——理性的工作是沿著這條鏈條向上回溯。

蘇格拉底、柏拉圖、亞里士多德是一個學派，他們認為：只要你把第一性原理、把矛盾律搞清楚了，就一定能弄清世界上所有東西到底是什么樣子，而且最后一定只有一個原因。

一旦你說“這個東西既是什么、又不是什么”，就說明你還沒搞明白背后的道理。搞明白了，真理就只剩一個，真相只有一個。

按照這個邏輯，世間萬物順著鏈條追溯，最終都指向一個東西。用他們的說法，叫“至高無上的神”。到了中世紀，這個概念自動替換成了“上帝”。

這就是貫穿兩千年西方哲學的概念：存在巨鏈。

到了近代，笛卡爾給它裝了一個新的起點。他把“我思考”作為理性主義的新地基，將認知的地基從外部世界轉移到主體內部。

他說：我理性的第一出發點，是我自己的思維。不用管肉體，只要思維澄明，就可以通達上帝。

笛卡爾用來論證這個觀點的最有名思想實驗，叫“惡魔的欺騙”：假設世界上存在一個惡魔，能夠欺騙你的一切感官，什么東西是它欺騙不了的？

你有一刻覺得這東西是熱的，它告訴你是冷的；你有一刻覺得是香的，它告訴你是臭的。它甚至能欺騙你的念頭。那有沒有什么東西，它無論如何欺騙不了？

你知道自己在思考。

它要欺騙你的前提，是首先有一個“你”，而且你在思考。你不思考，它就騙不了你。這就是笛卡爾那句名言的出處，拉丁文原話：Cogito ergo sum——“我思，故我在”。

懷疑一切之后，唯有“正在懷疑的我”無法被懷疑——這是新的第一原理。

同學們向張笑宇老師提問

從“我思”這個連惡魔都欺騙不了的基點出發，笛卡爾認為可以推導出整個世界的一切。

3.休謨的反駁與維特根斯坦的轉向

對這種理性主義，最有名的反駁來自英國經驗論代表大衛·休謨。

休謨問了一個問題：你們天天討論上帝、第一推動力（筆記俠注：由亞里士多德提出，指一切事物運動的最終原因和目的。他認為運動是永恒的，必然存在一個“第一推動者”，它自身不動，卻是所有運動的源頭，常被理解為“善”“理性”或“神”），但你能不能分清楚，它到底只是你想出來的一個方便的說法，還是你真的能夠驗證的實在？

他舉了一個思想實驗，他說在遙遠的遠方有一棵樹，這個樹你看不見也摸不著，它散布在茫茫的叢林里，每當你想找到它確認的時候，你會發現這根本不是那棵樹，那這個樹到底是存在還是不存在？

換到世俗生活里也一樣。你說“真正的愛情不存在”，我反駁，你說“那是因為你沒遇到真正的愛情”。問題是，你沒遇到，你咋知道它存在？

休謨的結論很簡單：不管那棵樹在不在森林里，只要你沒遇到它，它跟你沒有半毛錢關系。真正的愛情可能存在于宇宙某個角落，但只要你一生中遇不到它，你琢磨這事干嘛？這就是經驗論的出發點。

觀念只能來自于經驗，人類觀念只有三個源泉：相似性、臨近性、因果關系。嚴格意義上的因果，只存在邏輯和數學；其他領域的因果，本質上是相似性或臨近性。因此，理性是有局限的。

到了20世紀，哲學又迎來一次大轉向：語言轉向。

維特根斯坦說，所有哲學問題，歸根結底都是語言問題。說白了，是因為我們用某種方式說話，才產生了這些問題。

希臘文和拉丁文里系動詞am/is/are語法功能極強，詞的位置隨便換，只要動詞固定就不影響句意，詞與詞的關系嚴格依賴系動詞。

如果你換一種語言，比如中文。中文不一樣，詞序一換，意思完全相反。不同語言用語言的方式完全不同，中文里甚至沒有這樣的系動詞結構，你怎么能說這東西就是探索一切真理的出發點？

所以維特根斯坦說，我們之所以希望在碎片之間建立聯系，不是由世界的本質決定的，而是由我們的思考方式決定的——因為我們用語言思考，我們希望在語言之間建立邏輯關聯。

本質上，我們生活在語言之中，思考也生活在語言之中。

事實的邏輯圖像就是思想，于是，思想就是那些有意義的命題。有意義，就是可以和事實建立起一一對應的關聯。命題和命題之間，可以通過邏輯和數學建立起真值關系，這方面亞里士多德的第一性原理作為判斷工具沒有任何問題。

但語言中還有不可說的事情，對于這些事情，我們只能保持沉默，這是理性主義的最后邊界。

脫離語言的思考可能存在，但沒法討論。就像一個參禪的朋友說他在冥想中見到了釋迦牟尼，這對他個人修行確實有效果，但一旦要變成語言交流，就是“此中有真意，欲辨已忘言”了。

三、計算機科學，

是對哲學思維的工程化實現

理解了哲學史和計算機科學史之間的關聯，就能理解一個核心問題：計算機能做什么、不能做什么？人工智能能做什么、不能做什么？

有大量的第一性原理，在數學和哲學上已經被框定了。有些問題你根本不用費時間討論，浪費時間。

計算機有沒有意識？人工智能有沒有意識？人工智能能不能處理玄學問題？不能。就這么簡單。

維特根斯坦講得很清楚：世界圖景中，不可說的事情要保持沉默。今天的大模型是大語言模型，對不可說的事情它就是沒辦法處理，邊界非常明確。

1.圖靈測試的哲學來源

將哲學史映射到人工智能簡史，必須回到1950年圖靈的論文《計算機器與智能》。這篇論文被看作人工智能學科的基礎，但它發表在一本哲學期刊上。

全篇沒有任何復雜的數學公式，也沒有復雜的工程學問題，只講了一個很簡單的道理。

圖靈當年在劍橋教書時非常年輕，沒有課的時候就去隔壁蹭維特根斯坦的哲學課。

維特根斯坦知道他是少年天才，時不時把他叫起來問：圖靈，這個問題你怎么看？圖靈發表觀點，維特根斯坦不同意，兩個人就吵一架。

吵了幾輪之后，我懷疑正是因為這些爭論，圖靈在寫那篇論文時，開篇大意是：

今天有人想討論機器能不能思考。如果我們像兩千年來哲學家那樣，先去定義“思考”，然后討論“思考的本質”或者“心智”，那再吵兩千年也沒有結果。

他換了一個思路：我們假設一個游戲，屋里有一男一女，外面有一個聽眾。男的想騙聽眾，讓他以為自己是那個女的在跟他說話；女的則試圖阻止這種欺騙。游戲就看男女誰能贏。

現在，把其中一人換成機器，如果機器能在游戲中贏過人類，我們就可以以此判定機器“會思考”。

這就是今天熟知的圖靈測試。

一個熟讀哲學史的人，一看這個思路，馬上就知道它從哪里來的。它來自休謨的理論，我們有兩種認識世界的方式：

一種是本質主義，追問“這個東西是什么？正義是什么？美的本質是什么？”渴望找到一個終極本質，然后進行理性推演和形式推導，最后列成數學規則。

另一種是經驗主義，不論有沒有那個本質，我們在工程上都可以做到讓你分辨不出來。

再進一步追問：當你和另一個人討論哲學問題，你們倆有思想，你們進行思想碰撞的時候，你是先跟他討論“思想的本質是什么”嗎？你是先搞清楚思想的定義，再來跟他聊的嗎？不是。你是跟他聊出來的。

張笑宇老師在授課中

討論、對話和碰撞本身，就是人思考的方式。

圖靈認為，任何東西能思考時，其表現出來的東西，也就是被別人的經驗感知到的東西是什么？答案就是對話。這也是圖靈測試的來源。

2.圖靈測試：跳出本質主義，確立工程學標準

在很長一段時間里，人們認為要做智能機器，必須先搞清楚哲學規則，三段論、范疇論，全搞清楚，把人類認知和理性規則一條條輸入給機器，才能把會思考的機器做出來。

但圖靈說：你不需要這玩意兒，哲學家搞了兩千年都沒搞明白，你們一堆工程師去搞這個，純屬浪費生命。黑貓白貓，能通過圖靈測試就是好貓。

這就是這篇論文最重要的意義：它在工程學上，以休謨經驗論為基礎，確立了一條人人可用的工程學標準。

我們不用去討論“思考的本質是什么”“哲學的規則是什么”，也可以把東西做出來。

從此，“思維”不再是哲學家的形而上問題——它變成了工程師可以構造的對象。邏輯、計算、機械三者首次在同一個框架中合流。

事實上，AI就是這么被做出來的。

大語言模型為什么能有智能表現，原理上還沒有那么清楚，但工程學上已經實現了。頭部大語言模型在2024年基本上都已經通過了圖靈測試。

我們不用再爭論了，難道非得規定機器要能思考，首先得有一個靈魂、有意識，才能叫思考嗎？不需要。我們只需要看，它聊得是不是跟人一樣好，就可以了。

四、人工智能的四條路：

行為主義、符號主義、連接主義和涌現原理

從圖靈這篇論文，到真正落地工程，中間經歷了很多波折。研究人工智能主要有四大范式。

1.行為主義（控制論）

控制論把智能視作對環境的反饋調節，從神經元到機器人，從感知到行動的閉環。

20世紀80年代錢學森從海外引進控制論時，和系統論、混沌論并稱“三論”，非常熱門。但由于控制論早在五六十年代就因為自動化機器人和管理應用成為顯學，今天一般不把它歸入人工智能范疇。

但控制論的祖師爺維納本人是個思想家，他的思想對我們理解人工智能時代、計算機智能時代人與機器的關系，至今仍然極其重要。

我甚至認為，今天討論思想這一塊，不管是Geoffrey Hinton（杰佛里·辛頓）、Ilya Sutskever（伊利亞·蘇茨克維），還是Elon Musk（埃隆·馬斯克），甚至Richard Sutton（理查德·薩頓），都沒有超越維納的范疇。

你今天去讀維納，依然非常有意義。

2.符號主義

符號主義相信智能可以被編碼為符號操作，以“推理即搜索”、“專家系統”為代表，在20世紀70-80年代為主流路線。

從哲學上說，符號主義想要還原從柏拉圖到19世紀形式數學家們那一整套想法：人的思維本質上可以表達為一系列邏輯規則的組合，只要不斷窮盡這個組合，就能不斷接近人類智能，讓機器越來越像人一樣思考。

但他們很早就知道這條路上限在哪里，20世紀初，哥德爾和圖靈在同一天前后發表了兩篇論文，討論的是同一個主題：形式邏輯本質上是不完備的，它不能窮盡人類的一切思考。

哥德爾說：任何足夠強的形式系統，都必然存在它自身無法判定真假的命題。任何形式系統都是不完備、不自洽、不一致。

符號主義者的態度是：我知道有上限，但今天的機器離上限還很遠，不斷去發展它，能把上限推到很高。

20世紀70年代到80年代，符號主義確實是人工智能研究的主流，因為它實實在在做出了東西。

它做出了定理證明器：僅靠一套規則，就能把羅素《數學原理》中的定理證出來。也做出了最早的機器翻譯成果和聊天機器人。

回過頭看那個時代，跟今天很像：搞工程的人非常樂觀，覺得只要把規則往前推，最后能解決人類一切認知問題；搞哲學的就很懷疑，說機器上限比你們想的低。

80年代之前大家都不信哲學的警告，80年代之后反而信了。

3.聯結主義與涌現原理

聯結主義的路線很簡單。

50年代腦神經科學有一個大進展：人腦神經元細胞結構很簡單，一堆細胞，有一個電流脈沖，越過閾值就往外釋放一次，沒越過就不釋放。

某種程度上，跟計算機的0和1是類似的。從感知機到深度神經網絡，讓大量簡單單元自組織出復雜行為，不再從規則出發，這是當下范式的源頭。

當時的想法是：把它鏈接得足夠多，它就能“涌現”出智能。我們不知道這是怎么發生的，但我們能把東西做出來。結果，這條路真的跑通了。

今天很多人討論“涌現現象”。涌現這個詞不是人工智能發明的，是生物學里早就有的概念。

涌現的定義很簡單：當系統的規模足夠大，規則足夠簡單且明確，系統就可以出現躍遷現象，過了某個階段突然就升維了。解釋不了為什么能升維，也不知道升維之后變成什么樣，只知道升維后的結構不能用升維前的結構來理解。

有一本書叫《涌現：萬物從何而來》，是斯坦福一位物理學家寫的，核心論點是：從宇宙大爆炸到計算機發明，一切其實都是涌現。

生命、意識、社會、文明、智能——這些現象都不是由設計者從外部賦予的，而是在大量簡單單元的相互作用中自發組織出來的。

生物學在過去半個多世紀里不斷驗證這一點。

生命的誕生怎么解釋？原始地球海洋像一鍋原始湯，里面一堆分子，有一批不知道怎么回事聚合成蛋白質雛形，經過幾千年的暴雨雷電，有些大分子聚合起來后出現了一個東西，讓它親和某些物質、排斥某些物質，出現新陳代謝。

有了這個，就能自我維系，甚至自我繁衍、自我進化。到現在我們也不知道這些是怎么發生的，但在工程學上可以復現——1960年代美國科學家在實驗室復原了原始大氣和海洋的條件，模仿閃電，幾十天后大分子自己就出現了。

再比如器官的分化。對一個單細胞來說，最好的生存策略是變成癌細胞，因為癌細胞可以無限繁殖。但當規模足夠大，細胞并沒有統一選擇這條路，而是分化成了血液細胞、神經元細胞、骨骼細胞，再集合成復雜的器官個體。

螞蟻群體也是，單個螞蟻的規則極其簡單，就是遍歷算法，挨個試。今天計算機科學里的蟻群算法，就是模擬螞蟻搜索路徑的方式。

認知可能也是涌現出來的。有兩篇論文討論的是：動物關于自我、關于主體和客體的認知能力，有可能是涌現的。

比如變色龍，前面飛了只蒼蠅，它的大腦在計算蒼蠅的飛行軌跡。它自然而然會發現，要處理兩種系統：一種是控制不了的（蒼蠅怎么飛），另一種是能控制的（舌頭怎么伸）。由這兩種神經元的計算方式，可能涌現出對客觀世界和主觀世界的認知。

過去，舊的預設是人類智能源于靈魂、自由意志或某種特殊本質，而AI是冷冰冰的計算，因此機器永遠無法真正“思考”；

現在，新的命題是人類智能也是大規模并行計算的涌現現象，AI智能和人類智能在底層機制上是同源的。

涌現不是一個像牛頓三大定律那樣有明確數學公式和適用范圍的科學定律，它可以說是一種信念，但被反復觀察和驗證過。

① Scaling Law：規模法則

在AI里，我們也觀察到了涌現，這就是著名的規模法則（Scaling Law）。

介紹規模法則之前，先簡單講大語言模型的三個核心概念：Tokenize（分詞）、Embedding（嵌入）和Attention（注意力）。

Tokenize（分詞）是把人類使用的所有詞，拆成表達意義的最小單元“Token”。比如predict，在英文里是一個詞，但會被拆成兩個Token：Pre（前）和dict（說），合起來“提前說”就是預言。

Embedding（嵌入）是在數學空間里賦予每個Token一系列向量關系。大語言模型不懂man（男人）和woman（女人）是什么詞，但在向量空間里，它發現man和woman之間的距離，跟king（國王）和queen（皇后）之間的距離是類似的。

它從來不理解詞義，它只理解詞和詞之間的關系。向量越精確，越能在數值空間定義它的位置。

Attention（注意力）就是注意力分配。根據輸入，只要算法分配了足夠好的注意力，就能自然地把Token連成一句話。

模型本質上都是在優化“預測下一句話”的概率。這里說的“好”，不是概率最大化，概率最大化導向的是最平庸的結果，因為人類認知的分布是正態分布。

今天的大語言模型希望的是不平庸，它要滿足幾個指標：第一，它符合人的用語習慣；第二，逐漸向人類認可的精英表達概率靠攏。

因此，大語言模型出現了明顯的Scaling Law（規模定律）。

Scaling Law（規模定律）就是：預訓練模型規模足夠大、參數足夠多，超過一定閾值后，表現會突然躍升。

2022年有10篇論文發表，講大語言模型的認知出現了明顯的Scaling Law（規模定律）。當參數從10的22次方躍升到10的24次方，認知水平和智力水平一下子提高，好像從小學生直接變成大學生。它解釋不了為什么，但知道擴大參數規模有用。

問題在于，參數規模、算力和智力表現之間，是指數和線性的關系：算力是指數級提升，智力水平只是線性提高。這不可持續，到了一個時間點成本會過高。

Scaling Law（規模定律）今天有兩點含義：第一，模型規模超過一定閾值，智力突然躍升；第二，只要算法正確，指數級堆高算力，智力水平會線性提升。

頭部模型廠認為這個規律依然存在，但堆高算力和參數的成本實在太高了，已經過了純靠融資的階段，必須進入系統化的商業化路徑。但我認為，商業化基本已經成功了。

② 給今天做AI落地的人的提醒

涌現的方法論，雖然脫胎于我們對智能的理解，但本質上已經是新的方法論、新的世界觀。

由這個認識可以推導出一個重要判斷：今天很多人對AI Agent（智能體）很感興趣，嘗試加各種Skill和規則文檔。

但有了上面的認識，你就會知道這些東西只是腳手架，不解決根本問題，它不能讓你的模型一直變聰明。

那些推銷Agent的人有很多話術，說模型能自己不斷進化，“養好了就能越來越聰明”。實際上不是這樣。模型的聰明程度有一個上限，這個上限是基座模型（基模）決定的。

可以這樣比方：今天的大語言模型在能力上相當于清華北大博士畢業生，你搭的Skill和文檔體系，相當于給他做了入職培訓。他本來很聰明，但不知道你這個行業怎么干，你用這套東西教會了他。但不代表你教了他，讓他自己去跑，他就能跑成專家。

所以我一直強調兩點：第一，不推薦中小企業去“養”自己的模型，這背后有巨大的成本問題；

第二，你學了東西、用了東西就夠了，不需要焦慮。你焦慮的東西，很可能是基模層面還沒解決的，這是OpenAI這些公司負責去解決的。你沒有幾千億美元可以燒，就別操這個心了。

涌現這條路大概率是正確的。雖然目前只是信念，但大概率是對的。

至于它的上限是不是超越人類目前能承擔的成本，這要分兩點看：一方面你可以據此判斷AI現在的上限在哪，確定你的戰略和商業模式；另一方面也得看開，這一代不行，也許再過20年，算力、參數或能源出現突破，規模又可以繼續往前走。

我相信我們大部分人一生中能看到超級智能。我對超級智能的定義是：AGI（通用人工智能，下同）是能勝過99%的人，超級智能是能勝過100%。

AGI今天可以說已經存在了，但超級智能的技術路徑還看不到解法。然而我相信，最終當我們發現答案時，很可能也是遵循著涌現這個法則。

結語

人工智能不是神，它也有跨不過去的坎。AI擅長的是處理一切能被語言清晰地表達出來的東西，那些有明確規則、能形式化的計算，它比人強太多。

但人身上真正寶貴的那部分，叫作默會知識，就是你心里明明白白，可就是說不出來的直覺、品味、手感、判斷力，這些東西在結構上就進不了語料，AI自然也就學不會。

所以，與其整天焦慮會不會被AI取代，不如換個思路看：這其實就是一場人和AI之間的賽跑。比的是你能不能持續產生新的、它暫時還學不會的默會知識。

你用AI的時候，其實你才是它的天花板，你的見識、你的判斷、你在行業里泡出來的那種說不清道不明的經驗感，決定了AI能幫你到什么程度。

今天我們深嵌于一個新的時代，科技、經濟、哲學、政治都在經歷持續變革和深刻重塑的復雜社會與商業環境之中。而真正困住絕大多數人的核心挑戰，恰恰是：我們的認知框架、組織形態和行動邏輯，還停留在“前全球化時代”“前AI時代”。

面向新全球化時代、AI新時代，筆記俠PPE（Philosophy哲學、Politics政治學、Economic經濟學，三學科交叉培養體系）課程，正是為理解這樣的復雜系統而生。

在這里，你能理解以AI為核心的科技經濟和智能商業，更能理解AI作為一種文明力量的哲學本質；你能看懂新格局下的國際貿易與經濟政策，更能看懂其背后國際政治與全球治理模式的深層博弈；你能洞察商業的規律，更能洞察文明進程與人性的永恒法則。

這，正是第五代企業家應有的一套完整的“認知操作系統”。駕馭技術、洞察世界、扎根中國、修煉心力，在應對時代重重挑戰中尋找屬于你的決策底牌。

穿越變革的舊世界，找到時代的新大陸，從【PPE：未來3年和AI時代的決策底牌】開始。

*文章為作者獨立觀點，不代表筆記俠立場。

好文閱讀推薦：

分享、點贊、在看，3連3連！