喬姆斯基舌戰群儒：意識黑洞、時空消亡與語言先天論

意識是否注定是科學無法觸及的黑洞？人工智能的發展能否跨越深度學習的極限，邁向真正的思維與理解？而在物理學前沿，一種激進的新觀點正不斷浮現：如果時空并非宇宙的基本構件，那么我們對現實、心靈乃至語言的理解是否都建立在即將崩解的框架之上？

語言學中的“語法”概念如今被廣泛借用至游戲、敘事與思維模式中，這種術語的泛化究竟揭示了認知的共性，還是暴露出我們理解力的邊界？與此同時，先天數學結構的存在與否，也在挑戰我們對人類心智可塑性與普遍性的假設。

現代語言學奠基人、語言學家諾姆·喬姆斯基（Noam Chomsky）曾接受過一場堪稱經典的線上對談，回答了來自多位頂尖學者如約夏·巴赫（Joscha Bach）、卡爾·弗里斯頓（Karl Friston）、與唐納德·霍夫曼（Donald Hoffman）、阿維·勒布（Avi Loeb）、蒂姆·莫德林（Tim Maudlin）及菲利普·高夫（Philip Goff）等人的深度提問。圍繞認知科學的根本問題、時空觀的哲學沖擊、語言與數學的先天結構、意識理論的路徑選擇，以及術語泛化所引發的思維反思等主題，喬姆斯基分享了他的最新看法。接下來，請隨我們一道，進入這場關于認知深水區的探索。

諾姆·喬姆斯基

Noam Chomsky

美國麻省理工學院榮譽教授，語言學家、哲學家、認知科學家

現代語言學的奠基人。喬姆斯基提出了生成語法理論，認為人類大腦中存在先天的語言習得機制，這一理論徹底改變了語言學的研究方向。他的著作《句法結構》（1957年）標志著現代語言學的誕生。喬姆斯基的研究不僅在語言學領域產生了深遠影響，還推動了認知科學、心理學和人工智能的發展。他因在語言學和認知科學領域的卓越貢獻，獲得了多項榮譽，包括美國國家科學院院士、美國文理科學院院士等。

問題清單：

? 認知科學中最關鍵的未解之謎

? 深度學習是否可達類人智能？

? 構建具人類水平智能系統是否需要“意識”？

? 對意識本質的哲學立場：可知或神秘？

? 有意識機器之間是否能“對話”？

? 時空如果不是基本存在，對心身問題有何影響?

? 有意識AI是否會發展出超越人類語言的獨立社會？

? 普遍語法與“新歸納之謎”的歷史淵源

? 語言意義的兩種可能結構：基礎概念 vs. 關系網絡

? “語義成立而語法崩潰”是否可能？

? 人類是否具備先天數學概念？

? 泛心論是否更符合簡潔性原則？

? 泛化的語言學“語法”概念，是否對應了神經心理學共性？

認知科學與智能本質

約夏·巴赫

Joscha Bach

德國認知科學家和人工智能研究員，現任Liquid AI公司人工智能戰略家

巴赫博士的研究專注于認知架構、情感與動機模型以及人工通用智能（AGI）。他是MicroPsi認知架構的主要開發者，該架構通過模擬人類情感和認知過程，推動了人工智能的發展。他的著作《合成智能原理》（牛津大學出版社，2009年）探討了智能的本質。巴赫還獲得了2015年麻省理工學院媒體實驗室的Templeton獎，表彰他在人工智能哲學方面的貢獻。

約夏·巴赫：認知科學中最關鍵的未解之謎是什么？近五年您對AI的認知有何更新？

喬姆斯基：判定“最關鍵未解問題”的標準有很多種。對一線科學家而言，最關鍵的問題通常處于認知邊界——那些你略有頭緒、已有研究路徑但尚未真正解決的難題。按這個標準，每個領域都存在無窮無盡的未解之謎，具體問題取決于你的研究方向，外人可能難以理解這些問題的意義。我想，你真正指向的是那些影響深遠的根本性問題——能引發重大突破的謎題。這類問題也不少，但此刻我想到最關鍵的是“自愿行為的本質問題”。

幾年前，頂尖研究者埃米利奧·比齊（Emilio Bizzi）和羅伯托·雅米安（Roberto Jamian）在Daedalus：Journal of the American Academy期刊發表了一篇權威綜述*。他們梳理了學界對此問題的已有發現與未解之處，并在文末提到了一個生動的比喻：“我們已掌握操縱木偶的提線（指行為執行的神經機制），但無論如何實驗——無論是神經層面還是其他層面——我們完全無法解釋幕后的‘操縱者（puppeteer）’是誰。比如，我此刻決定抬起手指而非不動，或選擇用這個答案而非那個答案回應問題，驅動這些選擇的根源究竟是什么？”這是個影響深遠的難題，我認為它完全未被解決。

*Bizzi, Emilio, and Robert Ajemian. "A hard scientific quest: Understanding voluntary movements." Daedalus 144.1 (2015): 83-95.

當然，許多科學家覺得答案已經明朗——認為這無非是復雜物理定律決定的。他們稱之為“復雜到無法處理的結構性現象”。可這種觀點在我看來是空洞且不可驗證的。如果這種解釋能讓你安心，沒問題。但它實際并未解答任何問題。所以我認為，這仍是一個徹底的未解之謎。

關于AI的認知，基本上沒有更新。原因很簡單：過去五年AI的發展，與我對智能本質的理解毫無關聯。AI確實在許多領域進步了，但這些進展碰不到我關心的核心問題。舉個例子：深度學習近期在蛋白質折疊等重大科學難題上取得突破，這些成果本身很有價值——但其所用方法根本不觸及AI的本質。至少在我深耕的語言學領域，我不認為存在任何突破性進展。

?圖1：ChatGPT（Chat Generative Pre-trained Transformer），基于GPT系統大模型構建，是OpenAI采用“從人類反饋中強化學習”訓練方式，ChatGPT的本質是提高人腦對各種信息資料進行收集、整理、計算、分析等能力的智能工具，是為人腦“觀念建構”提供豐富、精準的方案、圖式等資料或條件等的工具體系。圖源：arxiv.org/abs/2212.09597

現在有很多被媒體熱捧的所謂“成就”，但只要深入審視——比如GPT系列（圖1）、Lambda這類模型——就會發現它們本質上空空如也。這些成果證明了什么？無非是些把幾臺超級計算機砸向50TB的數據后扒出來的表層規律，再把這些碎片拼湊起來，就唬得人們以為程序在干正事。在我看來毫無趣味。

尤其是，這些程序連解釋智能的最低標準都達不到：真正的科學解釋必須回答兩件事——“現象為何這樣”以及更根本的“現象為何不那樣”。

打個比方：假如我在物理學會宣布自己有個偉大理論，能囊括所有已知未知的自然定律，且理論極其簡潔——“一切皆有可能”（Anything goes）——你覺得能拿獎嗎？當然不能！因為它根本解釋不了“為何現象不是其他形態”。

而這正是當下所有AI系統都在干的事！它們處理“違背語言基本法則的胡說八道”時，和處理真實語言效果一樣好甚至更優——這恰好證明：無論它們在做什么，都與人類語言認知的真相無關。在我看來，我所熟悉的所有系統都存在這個問題。所以，沒有什么成功是令人驚訝的。

至于實用的成就？確實有。像被我用來克服聽力障礙依賴的實時轉錄軟件，就是項偉大發明，但它絲毫沒能揭示人類理解句子的機制。這些成就既不讓我驚訝，也不足以更新我的認知——它們只是把某些功能提升了十三倍的實用技術罷了。

約夏·巴赫：當前深度學習路徑，能否通過擴展優化達到類人智能；抑或需徹底放棄現有框架，從頭構建新范式？

喬姆斯基：不，我認為深度學習與心智運作模式毫無關系。它當然極具實用性——蘊含大量精深的數學成果和重要技術突破——但這一切針對的是另一套完全不同的系統，而非心智本質。其核心缺陷正如我前面所述，現有模型根本無法區分“心智如何運作”與“心智如何不運作”。

若一個系統連最基礎的判別能力都不具備，那它根本未觸及心智運作機制的核心解釋。以我深耕的語言學為例：GPT系列等系統在處理“真實語料”和“胡言亂語”時表現得同樣出色。這與那個“物理學會上大放厥詞”的例子如出一轍：號稱“能解釋萬物”的理論，從語言的定義角度來看，其實未能揭示任何語言的本質。

約夏·巴赫：對于人類水平的學習、思考與創造的系統的構建，意識是否是其關鍵？

喬姆斯基：某種程度來說，意識確實是人類學習、思考與創造過程中的組成部分——但可能并非主導部分。無論是所謂的學習、思考或創造，我們絕大部分的心智活動都處于意識無法觸及的層面。有巨量的認知活動，在我們完全意識不到且無法意識到的領域運行，而意識會零星介入其中某些環節。因此，任何試圖復現人類思維方式的系統，必然需要引入意識要素。

但當我們說“人類水平”時，問題就變得復雜了。這預設了一個前提：何為“人類水平”？若無法明確定義該標準，此問題便無從解答。據我所知，“人類水平”目前僅能模糊描述為“人類特有方式”。理論上，“人類水平”理應涵蓋那些通過非人類途徑卻達到同等效果的系統，但這又要求我們精準“這一水平”所具有的特征。而這一點，我至今未見任何有效界定。

約夏·巴赫：您是否仍屬“神秘主義”陣營——認為人類永遠無法理解意識本質？

喬姆斯基：首先澄清：我從不認為“人類永遠無法理解”。恰恰相反，我認為我們對心智與意識的理解已取得相當成果。當然，也存在眾多懸置已久的問題，有些連站得住腳的假說都尚未形成。

正如我引用比齊（Emilio Bizzi）、阿杰米恩（Robert Ajemian）與明斯基（Marvin L. Minsky）研究時提出的核心詰問：“某些認知難題，究竟是人類可解的謎題，還是超越了我們固有的認知邊界？”這得回到一個前置問題：人類究竟是普通生物體，還是超越生物范疇的存在？

我的立場是前者。若承認人類屬于生物體，其認知能力必有與生俱來的邊界——就像視覺范圍受限于波長，認知范圍受限于神經機制的本質屬性。

比如，大鼠在實驗中經由研究人員訓練，可破解多種迷宮，但面對“素數迷宮”（需在素數岔路口右轉）則徹底失效，這是因為素數概念天然超出嚙齒類動物的認知閾限。又比如，我家后院里住著的沙漠螞蟻，它們的大腦很小，但卻擁有人類無法企及的認知能力，比如導航能力。人類或可憑儀器模擬，但永遠無法像螞蟻那般感知路徑，這即是我們的生物性認知牢籠。

?Robert Leighton

如果人類確實是普通生物體，意識研究的終極命題便會浮現：對“自愿行為”（或其他意識特征）的解釋本身，是否已超出人類認知能力的范疇？這是必須通過實證解答的科學問題。阿杰米恩等杰出學者正致力探索此領域，盡管尚未突破，但我們無從判定這是因難題本身超出人類認知極限。答案尚未可知。

卡爾·弗里斯頓

Karl Friston

倫敦大學學院神經學學院教授，現任維康信托基金會神經影像中心科學主任

長期致力于腦成像技術與認知機制研究。作為預測編碼理論先驅，他發明的統計參數映射（SPM）、體素形態測量法（VBM）和動態因果建模（DCM）等技術成為神經科學領域標準工具。其提出的自由能原理與預測加工框架，試圖構建認知科學的統一理論，相關成果影響覆蓋人工智能、精神病學等多個領域。弗里斯頓是當今被引用次數最多的科學家之一，2016 年在Semantic Scholar列出的十大最具影響力的神經科學家排名中位列第一。

卡爾·弗里斯頓：如果將“對話”定義為，通過問答消除對世界或彼此的認知不確定性，那么機器（即有意識的造物）能否實現彼此間或與人類的“對話”？為此是否需要共享相同的表現型（phenotype）與經驗？

喬姆斯基：既然提到“有意識造物”，我們不妨先看自然界的實例。樹木便是現成的有意識的自然造物！它們通過化學信號互動，共享某種基于進化史的共同敘事——這恰是由于它們擁有相似表現型與生存經驗。但討論“機器對話”時需牢記，當我們談論“機器”時，我們指的不是物理對象，而是程序。

?圖2：左，艾倫·圖靈（1912-1954），英國計算機科學家、數學家，“計算機科學之父”、“人工智能之父”。右，艾倫·圖靈的著名論文《Computing Machinery and Intelligence》，開創了當代人工智能領域。

艾倫·圖靈（Alan M.Turing）在1950年發表了一篇著名的論文《計算機器與智能》（Computing Machinery and Intelligence），他提出了一個問題“機器能思考嗎？”（Can machines think?），他本意指的是“是否存在思考的程序？”而由于“思考”的概念不夠清晰，他又提出了另一個近似概念“模仿游戲”（imitation game）。所以，當我們問機器這些有感知能力的人造物是否會相互交流時，我們實際上是在問，是否存在可以相互交互的程序？

我認為是存在的。為什么會不存在呢？樹木可以做到。我們可以構建一個可以做到這一點的程序。它們必須共享某種共同點，否則將無法交互。它們確實有經驗，它們會受到環境的影響，具有相同類型的表型。從某種意義上說，它們之間會有一些共同之處，所以在我看來，就我的理解而言，我可能遺漏了一些東西。在我看來，剩下的問題則是，我們可以構建能夠提出并回答問題的程序嗎？

設想中的“消除不確定性”對程序而言純屬偽命題，因為程序本身沒有關于世界的確定性的概念。使用這些程序的人可能會發現，它們確實解決了一些關于世界的不確定性，就像蛋白質折疊程序確實解決了一些關于世界的不確定性一樣。或者，比如說一個定理證明程序，它使用蠻力來證明定理，從公理開始，從最短到最長，遍歷所有可能，只要是個定理最終就能得到一個證明。這確實可以消減與數學相關的不確定性，但這種認知僅限于人類，而程序對此一無所知。

時空與物理學的認知革命

唐納德·霍夫曼

Donald Hoffman

美國認知心理學家和科普作家，現加州大學歐文分校的認知科學教授

霍夫曼運用數學模型和心理物理實驗研究意識、視覺感知和進化心理學。他的研究課題包括面部吸引力、形狀識別、運動和顏色感知、感知的演化以及身心問題。他合著了兩本技術書籍：《觀察者力學：感知的形式理論》提出了一種意識理論及其與物理學的關系；《汽車照明與人類視覺》將視覺科學應用于汽車照明。他的著作《視覺智能：我們如何創造我們所見》向廣大讀者介紹了現代視覺感知科學。

唐納德·霍夫曼：若接受時空并非基本存在，這會對身心問題（mind-body problem）有何哲學啟示？

喬姆斯基：我有一個建議，大家不要探討身心問題，因為這類問題根本不存在。

當然，身心問題曾經存在過，笛卡爾對此進行了經典的闡述。笛卡爾在其《哲學原理》（物理學部分）中聲稱，他能夠解釋世界的各個方面，包括人類的大部分屬性。而他所遵循的正是當時所謂的機械哲學——“哲學本身就意味著科學”。

?圖3：解決身心問題的不同方法。身心問題是一個傳統的哲學問題，討論心靈與物質之間的關系，探討心靈如何透過身體，與外在世界進行互動，相互影響。

機械科學，是從伽利略到牛頓都秉持的科學基本概念，其基本概念是世界是被構建出的復雜結構。當時的歐洲，技藝精湛的工匠創造了各種結果精妙的物體如齒輪、杠桿等，它們表現出類似于人類或其他動物的能力。因此，笛卡爾錯誤地認為，他的物理理論可以解釋這個框架內的幾乎所有自然現象。

但這在奎因（Quine）等科學家看來是根本行不通的。牛頓試圖用術語解釋一切（事實上這也是他早期的貢獻之一），他發現有些事物確實無法用機械論來解釋，例如語言。人類在日常交流和思考中，能夠構建前所未有的思維表達，這些表達適用于特定情況，但并非由情況引起。這顯然是人類行為的正常屬性，卻不屬于機械科學的范疇。

?Hollow Bones - Bandcamp

因此，他提出了一個新的基本理論——思維實體（res cogitans）和精神實體（thinking substance）。而“這兩種實體是如何相互關聯的？”這一身心問題也由此衍生。但這個問題也被牛頓解決了，他提出一個大膽的發現：笛卡爾意義上的物體，以及任何類似于早期現代科學意義上的物理實體，其實并不存在——這個結果在牛頓本人看來也是“離經叛道的，任何具有科學常識的人都無法接受它”，為此他用盡余生試圖去證明。也正是在這種背景下，牛頓發表了他那句著名的言論：他“并未提出任何假設”，只是提供一個數學理論，而不是物理理論。

后來，牛頓的觀點得到了他的同代人比如惠更斯、萊布尼茨的關注、理解和認同。隨著時間的推移，牛頓的數學理論最終被接受了，科學家們對這個理論以及它所描述的內容是否可理解失去了興趣。這個問題消失了，身心問題也隨之消失了。

身體的概念，最佳的莫過于約翰·洛克（John Locke）所提出的：有機物質具有我們無法想象的屬性，比如行動以及無接觸的相互作用，因此它也可能具有思考之類的屬性。他把這一概念置于神學背景下，我們暫且不談。

?約翰·洛克（John Locke，1632—1704）是英國啟蒙時代的著名哲學家，被譽為“自由主義之父”。他主張經驗主義認識論，認為人的知識來源于經驗，心靈如同“白板”，所有觀念都來自后天感知。在政治領域，洛克提出自然權利理論，強調生命、自由和財產是不可剝奪的權利，政府的合法性源于人民的同意。他還倡導社會契約論，認為人民有權推翻違背契約的政府。他的思想對啟蒙運動、美國獨立革命和法國大革命產生了深遠影響，奠定了現代自由主義和民主制度的基礎。

18世紀，“思考物質”（thinking matter）產生了廣泛的探討：物質的哪些屬性導致了思考？這些物質位于哪里？到底是什么構成了世界？這些問題我們至今仍幾乎沒有答案。所以，我不認為，身心問題有了牛頓之外的其他定義，至少在經典意義上。

阿維·勒布

Avi Loeb

以色列裔美國理論物理學家，致力于天體物理學和宇宙學的研究

勒布現為哈佛大學教授，自2007年起擔任哈佛大學天體物理中心理論與計算研究所所長。他是“伽利略計劃”負責人，致力于搜尋外星技術證據。2017年提出星際物體“奧陌陌”（Oumuamua）可能為外星科技產物，2023年其團隊在太平洋發現疑似太陽系外物質，同年參與墨西哥聽證會展示外星遺骸研究。他主張外星文明可能通過高維空間旅行，并推測外星AI可能與地球AI存在聯系。

阿維·勒布：假設我們開發出有自主意識、能相互交互的AI系統，它們會發展出自己的親屬關系，比人類語言更先進、無法被人理解的語言，甚至建立自己的人工智能系統社會嗎？

喬姆斯基：探討此問題的前提，是厘清何為“有自主意識的AI系統”。若將“自主意識”定義為“能響應環境刺激、根據情境調整行動、且能與其他個體互動的系統”，那么存在許多具有感知能力的系統。人類、動物、甚至樹木都算得上：森林中樹木會傳遞化學信號，根據鄰樹的狀態調整生長模式，這難道不正是某種意義上的“自主意識”？可樹木既未發展親屬制度，更未創造語言。

所以問題關鍵在于：AI系統與自然系統的本質區別何在？所謂AI系統，無非是計算機可執行的理論體系編就的程序。那么，我們實際在問：人類能否創造出“有意識的理論”（sentient theories）？這又繞回老問題：完整的意識理論是否在人類認知能力范圍之內發展出來？如果我們承認自己僅是普通生物體而非天使，答案可能是“能”也可能是“不能”——正如螞蟻永遠解不開素數迷宮。出于這些原因，我不知道該如何進一步探究這個問題。

語言與數學的先天之網

蒂姆·莫德林

Tim Maudlin

紐約大學教授，美國科學哲學家

專注于物理學基礎、形而上學和邏輯學研究。他同時是基礎問題研究所（Foundational Questions Institute）的成員，并創立并領導約翰·貝爾物理學基礎研究所（John Bell Institute for the Foundations of Physics）。

蒂姆·莫德林：古德曼“新歸納之謎”（Goodman's New Riddle of Induction）認為，自然語言須存在某種先驗約束才可被習得。您提出普遍語法理論時是否受到他的啟發？若屬實，您仍認為普遍語法（universal grammar）是表達該約束的正確方式嗎？

喬姆斯基：古德曼謎題是在提問何種謂詞（predicates）具有可投射性（projectable），能用于構建定律式陳述并預測未來。

他著名的“綠藍悖論”（grue）便是一例：

謂詞“綠藍性”（grue），被定義為在時間t之前代表“綠色”，而在t后代表“綠藍色”，然后以此來觀察祖母綠寶石（emerald）。我們可能對“綠藍色”有不同的判斷，表現為對時間t的預測有所不同。

古德曼據此揭示：green具有自然投射性（projectable），因其獨立于時間條件描述本質特性；而grue因依賴人為設定的時間節點喪失此特性，成為無法確證的偽類律假說。

在古德曼推導此理論那段時期，我剛好是他的學生，但這段淵源與普遍語法毫無關系。坦白說，我從未完全認同他對可投射性差異的論證。

?圖4：左，納爾遜·古德曼（1906-1988）在20世紀40年代和50年代發現“綠藍悖論”。右，古德曼提出一個新的顏色詞“綠藍”（green-blue，grue）。

我也熟知古德曼著作中論及的休謨（Hume）的歸納難題（古德曼的詮釋略失精準）——歸納的有效性根植于動物本能，即人類憑本能直覺選擇特定謂詞進行歸納推理。是的，我認為這是進行歸納的唯一答案。然而，普遍語法無需依賴此洞見。

五十年代主流語言學家如布魯姆菲爾德（Bloomfield）主張“語言習得是訓練與習慣的產物”，哲學界亦持類似觀點。但當觀察真實語言獲得過程（以嬰兒與黑猩猩對比為例），這些理論即刻瓦解。真實的語言習得，與休謨所說的基于動物本能的語言習得，截然不同。嬰兒憑借先天能力從零散語料中高效習得語言，而同樣語料對黑猩猩僅僅成為噪音。此差異必歸于某種“動物本能”或者“先天能力”。既然承認此先天能力存在，建構其理論便是理性必然——“普遍語法”即此理論的代稱。這如同呼吸般基礎的邏輯：若你接受人類嬰兒與黑猩猩存在先天差異（事實如此），便只能如此推論。至于“是否正確”？我實難設想替代方案。

蒂姆·莫德林：字典中每個詞都由其他詞定義，這似乎意味著：要么存在無需定義的基礎概念（如語言公理），要么詞義本質上是詞語間的關系網絡。是否僅有這兩種可能？

喬姆斯基：首先要厘清：是人類自然語言，還是人為建構的形式化系統（如元數學或量子力學理論）？兩者答案截然不同。

在人為建構的形式化系統中，確需基礎概念作為定義根基。元數學如是，物理學形式化體系亦如是。這種情境下，語言公理的存在成立。

但對于人類自然語言？此問題根本不成立！因為字典中的詞本就沒有定義。翻開最詳盡的牛津詞典，其中所謂“定義”實為暗示性解釋。它提供線索，誘使你調動與生俱來的語言直覺去猜測詞義——真正完成理解的是人腦，字典幾乎毫無貢獻。

不妨用實例點明：即便嘗試定義最簡詞匯如“書”、“桌”、“河”、“貓”——其意義網絡都復雜得驚人。更深刻的是，嬰兒未經體驗即能習得這些詞義，其習得效率遠超經驗范疇（實驗研究可證）。這引向更深難題：人類究竟如何構建基礎詞義？答案尚未揭曉。

回到核心，日常詞匯根本不存在定義，定義僅適用于人為構建的技術術語。例如當學者引入“張量”（tensor）這類術語時，其定義才隨之確立。自然語言則完全不同：生活中自然習得的詞匯（即非技術術語）毫無定義可言。它們通過復雜網絡相互關聯。盡管某些詞可能更具基礎性，但絕無證據表明存在有限公理集，能夠像形式系統般支撐整個語言體系。

補充一個我們如何使用詞項（Lexical items）有關的有趣工作，單詞其實不是真正的正確單位，而是最小的語義項目。學界存在兩種理論解釋人類如何運用最小語義單位（簡稱為“單詞”）：

一種是主流詞庫模型（standard theory），即主張人腦存儲具體詞匯構成心理詞庫，理解語句時從中提取調用。

另一種是紐約大學神經語言學家亞歷克·莫蘭特（Alec Marantz）提出的莫蘭特生成規則說（alternative theory），我們儲存的不是單詞而是單詞規則，且這與這個單詞是否存于詞庫中無關。其神經科學與心理語言學等證據表明，存儲實體實為生成規則本身。

因此，可能存在一個單詞如“blik”，它不存在于詞庫中，但其處理機制與真實詞匯完全相同。這是一個非常有趣的科學問題。

亞歷克·馬蘭茨

Alec Marantz

紐約大學（NYU）語言學和心理學系教授，紐約大學格羅斯曼神經科學研究所成員

他的研究主要集中在語言的神經基礎，尤其是語言處理和生成的神經機制。他還研究形態學（morphology）和句法學（syntax）如何在大腦中實現。Marantz 教授的主要觀點之一是關于語言的“替代理論”（Alternative Theory），這一理論挑戰了傳統的語言學觀點，認為語言的形態學和句法結構可能并非完全由語言輸入決定，而是大腦在語言處理過程中主動構建的。他通過腦成像技術（如 MEG 和 fMRI）研究語言的神經基礎，試圖揭示語言生成和理解的神經機制。

亞歷克·馬蘭茨：像“Colorless ideas that swim furiously”這樣的句子證明了這類表述，句法結構的合理性可與語義荒誕性并行不悖。那么在排除成語慣用語后，是否可能存在語義成立卻語法崩潰的情況？這種現象能在數學物理領域發生嗎？

喬姆斯基：數學史上這類反例不勝枚舉，無數定義模糊的數學陳述卻曾發揮重大意義。就拿算術或幾何來說，它們在基本概念尚未明確的情況下，就研究了數千年且卓有成效。而實際上，“算術”的基本概念，直到19世紀60年代才有了現代意義上的良好定義，這是由戴德金（Dedeck）和皮亞諾（Peana）給出的；幾何學直到1900年左右由希爾伯特（Hilbert）才得以形式化。在此之前，它們一直被有效地使用著；直到形式化之后，它們才得以明確。

一個著名的例子是極限的概念。17世紀，牛頓和萊布尼茨的微積分就是基于一些直觀的極限概念。事實上，在數學史上一直存在一場關于“牛頓的證明是否在零的使用上存在”含糊不清的爭論。在一行中，牛頓用“0”表示零；而在另一行中，他用“0”表示盡可能小的數，因為他沒有極限理論。關于這一點，一直存在長期的爭論。

據數學史記載，似乎當時英國數學家努力試圖厘清這些概念，而實際上直到19世紀中葉才真正完成。歐洲大陸的數學家基本上對此置之不理。高斯、歐拉以及其他偉大的數學家們，他們基于定義模糊的概念發展了大部分經典分析學，而英國數學家們大多受阻，因為他們沒有清晰的概念。所以，當然，你可以想象到這樣的情況。實際上，這樣的例子有很多。

諾曼·懷爾德伯格

Norman Wildberger

澳大利亞新南威爾士大學數學教授

他用“quadrance”（平方距離）和“spread”（角度的正弦平方）替代傳統三角學中的距離和角度，避免使用無理數，使幾何問題的解決更加代數化和邏輯簡潔。

諾曼·懷爾德伯格：是否存在語言學證據，能證實人類具有普遍（或近乎普遍）的先天數學概念（innate mathematical notions）？若“概念”措辭不當，應如何有效框定此問題？

喬姆斯基：當然。算術知識就是一個典型的例子，曾是達爾文和華萊士之間一場著名辯論的主題。他們都認為算術知識是普遍存在的，盡管它顯然不可能是通過自然選擇形成的。華萊士提出在進化過程中存在某種新的力量在起作用。達爾文不愿意接受這一觀點。顯然，算術知識一定是先天的。根本無法通過學習得知整數是無窮無盡的。

有理由相信，算術能力可能與語言能力有著相同的起源。最簡單的語言會有一個單一的詞匯項和一個最簡單的規則——內部合并，這會產生后繼函數和加法的基礎。某種誕生了人類獨有的遞歸枚舉能力的大腦重組，為語言和算術提供了共同的基礎。

而數學就是另一回事了。克羅內克有一句著名的評論，說上帝創造了自然數，而人類創造了其余的數學，這可以理解為算術是先天的，而人類的創造力（不管那是什么）創造了集合論以及其后的數學。

行為主義陷阱與意識新徑

菲利普·高夫

Philip Goff

英國泛心論哲學家，杜倫大學哲學教授

主要研究興趣為心靈哲學、意識哲學以及實在本質的問題。具體來說，他關注的是意識如何成為科學世界觀的一部分。他主張泛心論（Panpsychism），即認為意識是宇宙的基本且普遍存在的特征，而不僅僅是復雜生物大腦的產物。Goff 認為，泛心論是解決心身問題（mind-body problem）的最佳途徑，因為它避免了物理主義（physicalism）和二元論（dualism）所面臨的困境。

菲利普·高夫：羅素認為，物理學僅揭示物質行為，卻未觸及其內在本質。既然關于物質內在本質的唯一信息是，大腦中的物質具有意識屬性（experimental），那么大腦之外的物質要么同樣具有意識本質（即泛心論），要么具備全然未知的神秘屬性。而基于簡潔性原則，泛心論顯然應是更優解。您如何看待這一論證？

喬姆斯基：簡潔性需視理論框架與證據尺度而定。所以，讓我們接受當代哲學中普遍接受的基本框架，這個問題正是在這個框架中產生的。

讓我們先審視此問題的預設根基——大衛·查爾莫斯（David Chalmers）對意識的“簡單問題”與“困難問題”的劃分。例如，“觀看夕陽是何體驗”是一個“困難問題”，而簡單問題則是“哪些神經學、遺傳學或其他特性參與了對夕陽的意識形成？”

但我始終質疑此劃分的合理性。倘若問我此刻所見夕陽的具體體驗，我能描繪細微至“左上角紅暈喚起愉悅感”的神經反應；但若抽象追問“觀夕陽的普遍體驗”，我無法想象該如何回答這個問題。而當一個問題沒有一個可公式化的答案，它就不是一個真正的問題，而只是一種疑問形式的語言表達。正如追問“事物為何發生”，這是疑問形式，卻并無真實問題，因為根本無法構想有效的答案。

所以，這個困難問題并不存在。而我們需要面臨的是一個簡單問題：當我意識清醒地觀看夕陽時，腦內發生了什么？

對此可有兩種回應：泛心論斷言，萬物有靈；取消論聲稱，意識純屬幻覺。但我預見第三條路徑：意識是人類與高等動物的特定屬性，而非我眼前這張木桌的固有特質。那么，認為意識僅存于人類與動物而非木桌的理論，是否不如泛心論簡潔？

我要強調的是，簡潔性完全取決于我們掌握的證據維度。設想未來某天，我們真正破解了所謂“簡單問題”的謎底，假設我們發現了構成意識瞬間的神經生物學屬性，解析了相關的遺傳編碼機制，明確了無意識心理活動的運作方式，最終成功劃出人腦與木桌的涇渭。那么，這種綜合所有科學發現的理論框架，必將成為最簡潔的解釋。

而泛心論將在這種知識圖景下徹底喪失其簡潔性優勢。泛心論在無證據前提下預設：基本粒子具意識屬性。而當前所有證據均表明，意識僅與物質世界的特定組織結構綁定。因此，理論簡潔性永遠取決于你要解釋的對象范圍。當我們基于“簡單問題”研究的突破獲得全維度證據時，我堅信存在著遠比泛心論簡潔的理論路徑。

菲利普·高夫：人們談論敘述和故事的語法或電子游戲的語法，比如玩家潛意識中根深蒂固的常見比喻和模式，幾乎在每款電子游戲中都被廣泛使用。這種泛化的“語法”與語言學中的語法概念是徒具形似，還是存在共通的神經心理學基礎？“語法”概念的邊界究竟何在？

喬姆斯基：沒有明確的答案。我們可以將術語擴展到更廣泛的用途，比如“星星的語言”。這不是武斷的，但沒有明確的原則。“語法”這個術語，如果沒有任何隱喻的延伸，它本身就太不精確了，不能用于學習語言。所以它被賦予了一個技術意義，就像在科學中一般所做的那樣。

作者后記

編譯完這場與喬姆斯基的對話，感觸最深的是他對當前AI發展路徑的冷靜審視。他犀利地指出，像GPT這類模型只是龐大的統計引擎，能從海量數據中抓取關聯性，卻無法觸及人類認知的核心——它們無法解釋“行為為何如此而非他樣”，甚至處理胡言亂語時也顯得“得心應手”，這恰恰暴露了其與真正智能的本質距離。他更提醒我們，人類作為生物體，其認知能力存在天然邊界（就像螞蟻無法理解素數），這為意識等終極問題的可解性蒙上了一層陰影。

編譯中也留下不少疑問：喬姆斯基提到的“自愿行為”背后那個神秘的“操縱者”究竟是什么？普遍語法理論在解釋語言習得上的邊界又在哪里？霍夫曼的“時空消亡”觀點又該如何深刻影響我們對意識的理解？這些問題遠未塵埃落定。若想深入了解這些前沿議題，喬姆斯基的經典著作《句法結構》（Syntactic Structures）仍是理解其語言學思想的基石。這場對話像一束探照燈光，照亮了認知科學深水區中那些龐大而待解的謎團。

為保證閱讀體驗，本文對聽稿進行了適當地編輯。原對話指路：https://youtu.be/GxZp6890hQk

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、等。