2026.01.19

AI泡沫的致命漏洞：大模型不是真正的智能

馬克·扎克伯格高呼“通用超智能已經(jīng)在望”，Anthropic的CEO Dario Amodei 則堅(jiān)信，“到2026年，AI在多數(shù)重要領(lǐng)域?qū)⒈戎Z獎(jiǎng)得主更聰明”；而Sam Altman更是激進(jìn)地宣稱，OpenAI已經(jīng)握住了通往AGI（通用人工智能）的鑰匙，即將借此加速全人類的科學(xué)發(fā)現(xiàn)。

 

聽上去，我們正站在一場(chǎng)“技術(shù)神跡”的門檻上。但如果你從這些宏大敘事中抽身，哪怕只是認(rèn)真審視一眼當(dāng)下最強(qiáng)大的模型，無論是ChatGPT、Claude還是 Gemini，一個(gè)冷冰冰的事實(shí)就會(huì)浮出水面：

 

它們本質(zhì)上只是“超大型語言補(bǔ)全機(jī)”，而非真正的“通用智能”。

 

這并非對(duì)技術(shù)的傲慢，也不是情緒化的反駁。這是神經(jīng)科學(xué)、認(rèn)知心理學(xué)以及 AI行業(yè)內(nèi)部那些冷靜的“反叛者”們共同指向的結(jié)論。

 

那個(gè)正在被數(shù)萬億美元撐起的AI泡沫，其邏輯深處最致命的漏洞，恰恰就埋在這個(gè)不起眼的認(rèn)知錯(cuò)位里：我們混淆了“說話流暢”與“真正思考”。

 

1、它在擬合，而非思考

 

今天被捧上神壇的大語言模型（LLM），底層邏輯其實(shí)樸素得令人驚訝。

 

無論它們被包裝成“全能助手”還是“虛擬科學(xué)家”，其核心運(yùn)作機(jī)制只有一個(gè)：將互聯(lián)網(wǎng)時(shí)代積累的海量文本（token）吞噬殆盡，學(xué)習(xí)這些字符之間復(fù)雜的統(tǒng)計(jì)關(guān)聯(lián)，然后當(dāng)你給出一個(gè)提示詞時(shí)，預(yù)測(cè)“下一個(gè)最可能出現(xiàn)的詞是什么”。

 

換句話說，這是一場(chǎng)關(guān)于概率的游戲。The Verge曾一針見血地指出，這些系統(tǒng)本質(zhì)上是“語言模式的統(tǒng)計(jì)預(yù)測(cè)器”。

 

它們最擅長(zhǎng)的事情，是給你一段上文，然后補(bǔ)全一個(gè)“看起來極像人類所寫”的下文。

 

這當(dāng)然是一種驚人的能力。當(dāng)算力被堆疊到天際，數(shù)據(jù)量達(dá)到極致，量變引發(fā)了質(zhì)變。它們寫出的代碼、郵件、甚至十四行詩(shī)，足以讓大多數(shù)人類汗顏。

 

但這里存在一個(gè)巨大的認(rèn)知陷阱：會(huì)補(bǔ)全句子，并不等于會(huì)思考。

 

要看清這個(gè)差別，我們需要回到一個(gè)更本質(zhì)的問題：在人類的大腦里，語言和智力，到底是一回事嗎？

 

2、語言并非思維的本體

 

長(zhǎng)期以來，我們有一種直覺：語言是思維的載體，甚至語言就是思維本身。但神經(jīng)科學(xué)最新的研究，正在無情地拆解這個(gè)直覺。

 

去年，麻省理工學(xué)院（MIT）的Fedorenko教授聯(lián)合多位學(xué)者在《自然》雜志發(fā)表了一篇極具分量的文章，標(biāo)題很直白：“語言主要是溝通工具，而不是思維本身。”

 

當(dāng)我們處理語法和詞匯時(shí)，大腦中一個(gè)特定的“語言網(wǎng)絡(luò)”會(huì)被激活；但當(dāng)我們解數(shù)學(xué)題、進(jìn)行邏輯推理或解決復(fù)雜問題時(shí)，忙碌的卻是另一個(gè)完全不同的區(qū)域——“多重需求網(wǎng)絡(luò)”。而在揣摩他人意圖、進(jìn)行社交推理時(shí)，負(fù)責(zé)的又是“心智理論網(wǎng)絡(luò)”。

 

這兩個(gè)系統(tǒng)在空間和功能上是高度分離的。最極端的證據(jù)來自那些不幸患有失語癥的病人。

 

研究發(fā)現(xiàn)，即便腦損傷導(dǎo)致一個(gè)人的語言能力嚴(yán)重受損，甚至完全無法說話或理解句子，他依然可能保留解數(shù)學(xué)題、進(jìn)行因果推理、通過圖像理解他人意圖的能力。

 

這一結(jié)論對(duì)當(dāng)前的AI路線是毀滅性的：既然把人類大腦里的“語言模塊”拔掉，人依然能思考，那么反過來說，僅僅在機(jī)器里把“語言模塊”堆到極致，并不意味著你就造出了一個(gè)會(huì)思考的大腦。

 

這一點(diǎn)在嬰兒身上同樣得到了印證。發(fā)展心理學(xué)家Alison Gopnik的研究顯示，在學(xué)會(huì)說話之前，嬰兒就已經(jīng)是一個(gè)個(gè)“小科學(xué)家”了。

 

他們通過觀察、試錯(cuò)、統(tǒng)計(jì)與修正，在腦海中構(gòu)建對(duì)物理世界和他人意圖的直覺理論。

 

語言后來不僅沒有創(chuàng)造這些認(rèn)知，反而是依附于這些認(rèn)知之上，成為一種分享和加速的工具。

 

而現(xiàn)在的LLM在做什么？它們?cè)谡Z言這條單一的支線上狂飆突進(jìn)，在大腦的“語言網(wǎng)絡(luò)”維度上堆出了一個(gè)龐然大物，但在“多需求網(wǎng)絡(luò)”和“心智理論網(wǎng)絡(luò)”所對(duì)應(yīng)的推理、規(guī)劃、感知能力上，卻依然是空心的。

 

3、從神話回歸常識(shí)

 

有趣的是，連AI行業(yè)內(nèi)部的精英們，也開始難以維持“只要把模型做大就是 AGI”的敘事了。

 

最顯著的信號(hào)來自Yann LeCun。作為Meta的首席AI科學(xué)家和圖靈獎(jiǎng)得主，他最近宣布將精力投向一家新創(chuàng)業(yè)公司，核心目標(biāo)直指LLM的軟肋。

 

LeCun直言不諱：純靠大語言模型的路線，不足以帶來真正的人類級(jí)智能。他所推崇的未來是“世界模型（world models）”——一個(gè)能理解物理規(guī)律、擁有持久記憶、能進(jìn)行長(zhǎng)鏈條推理和規(guī)劃的系統(tǒng)。

 

這其實(shí)是在補(bǔ)課。行業(yè)正在意識(shí)到，AI需要從“會(huì)講故事”進(jìn)化到“知道世界如何運(yùn)作”。

 

今年，一個(gè)由圖靈獎(jiǎng)得主Yoshua Bengio等大佬組成的小組，更是給“通用人工智能”列出了一張殘酷的體檢表。

 

在這個(gè)包含知識(shí)、語言理解、推理、感知、記憶、規(guī)劃等十個(gè)維度的“蜘蛛網(wǎng)指標(biāo)”中，當(dāng)前的主流模型雖然在“知識(shí)”和“語言”上得分驚人，但在長(zhǎng)期記憶、穩(wěn)健推理和真實(shí)世界感知上卻嚴(yán)重“偏科”。

 

甚至連曾經(jīng)高喊“2026年超越諾獎(jiǎng)得主”的Dario Amodei，最近也在采訪中松口，承認(rèn)“AGI”這個(gè)詞更多是一種營(yíng)銷術(shù)語。

 

這聽起來，就像是給兩年來高燒不退的AI泡沫寫下的一份含蓄的悔過書。

 

4、困在“死去的隱喻”里

 

為什么單純堆砌文本數(shù)據(jù)，無法涌現(xiàn)出真正的智能？

 

哲學(xué)家理查德·羅蒂曾說：“常識(shí)其實(shí)是一堆已經(jīng)死掉的隱喻。”真正的創(chuàng)新，往往源于對(duì)既有常識(shí)的不滿，源于發(fā)明新的隱喻來重新描述世界。

 

大模型的困境恰恰在于此。它們的訓(xùn)練目標(biāo)是“預(yù)測(cè)下一個(gè)最可能的詞”，也就是在海量的語料中尋找既有的統(tǒng)計(jì)結(jié)構(gòu)。這使得它們成為一個(gè)極致的“常識(shí)倉(cāng)庫(kù)”或“陳述性知識(shí)庫(kù)”。

 

但人類智能中大量至關(guān)重要的部分是“程序性”和“情境化”的。你是如何學(xué)會(huì)騎自行車的？你在談判桌上如何讀懂對(duì)手那個(gè)轉(zhuǎn)瞬即逝的微表情？你是如何感知深夜小巷里那種“不對(duì)勁”的氛圍？這些知識(shí)從未被完整地寫進(jìn)書本，也就從未被模型真正習(xí)得。

 

更深層的問題在于創(chuàng)新?？茖W(xué)哲學(xué)家?guī)於髟岢?ldquo;范式轉(zhuǎn)換”的概念。愛因斯坦提出相對(duì)論，并不是在牛頓力學(xué)的舊書堆里通過統(tǒng)計(jì)關(guān)聯(lián)“算”出來的，而是他跳出了舊有的敘事坐標(biāo)，建立了一套全新的解釋框架。

 

而LLM的工作機(jī)制決定了，它是在“把現(xiàn)有的知識(shí)和隱喻壓榨到極致”。它沒有對(duì)常識(shí)感到“不滿”的動(dòng)機(jī)，也沒有跳出訓(xùn)練數(shù)據(jù)分布的機(jī)制。

 

因此，它能寫出一篇完美的相對(duì)論科普文章，卻很難在沒有數(shù)據(jù)投喂的情況下，成為下一個(gè)愛因斯坦。它在已知分布內(nèi)無比流暢，但在未知領(lǐng)域卻寸步難行。

 

5、錯(cuò)把工具當(dāng)物種

 

當(dāng)我們理解了這些，再看當(dāng)下的資本狂歡，一種巨大的錯(cuò)配感油然而生。

 

過去兩年，全球科技巨頭將數(shù)百億美元砸向數(shù)據(jù)中心，把GPU視為新時(shí)代的石油。支撐這一切的敘事邏輯是：“我們?cè)趧?chuàng)造一個(gè)新物種”。

 

如果你相信LLM等于通用智能，那么這些投入就像當(dāng)年鋪設(shè)電網(wǎng)一樣，是通向未來的基建。

 

但如果LLM本質(zhì)上只是一個(gè)“超強(qiáng)語言界面”加上“人類知識(shí)壓縮機(jī)”，那么它更像是一個(gè)超級(jí)搜索引擎，或者一套極致自動(dòng)化的Office套件，而不是通往超智能文明的門票。

 

這就是泡沫的核心：我們用“新物種”的宏大敘事，在給“語言自動(dòng)化工具”定價(jià)。

 

從商業(yè)角度看，大模型無疑是成功的，它將深刻改變內(nèi)容生產(chǎn)、編程和客服等行業(yè)。但這屬于生產(chǎn)關(guān)系的升級(jí)，而非生產(chǎn)力形態(tài)的顛覆。

 

真正的問題是，僅僅靠“寫字、寫代碼、畫圖”這些功能，能否撐起如今對(duì)算力、芯片和未來市值的全部想象？

 

如果未來十年我們發(fā)現(xiàn)，AI更多是讓我們工作更快的工具，而不是接管世界的“新人類”，那些被炒上天際的資產(chǎn)又該如何重估？

 

對(duì)于普通的旁觀者而言，也許現(xiàn)在是時(shí)候給大腦做一點(diǎn)“降噪”處理了。我們可以欣然使用這臺(tái)史上最強(qiáng)的“知識(shí)壓縮機(jī)”，享受它帶來的便利，但不必急著把它供上神壇。

 

真正的智能革命——那個(gè)能感知、能行動(dòng)、能像人一樣在復(fù)雜世界中推理的“世界模型”，或許還在更遠(yuǎn)的未來等待著我們。

上一篇：EDRStartupHinder可阻斷Windows 11啟動(dòng)時(shí)的殺毒軟件與EDR服務(wù)

下一篇：電信網(wǎng)絡(luò)安全變革的支點(diǎn)：零信任