从生物演化到算法涌现

　　——人脑、语言与大语言模型的跨学科比较

　　杨思琴（语言研究所）

　　2022年ChatGPT的问世，标志着人工智能正式跨入“大语言模型时代”。人工智能在自然语言理解、生成与逻辑推理等领域展现出令人惊叹的能力，深刻重塑了人类的生活图景。然而，这种犹如黑箱般的算法奇迹，虽然在外部表现上无限逼近人类智能，却将一个更大的困惑推到了我们面前：由高维向量和概率预测组成的数字系统，究竟如何模拟出人类的语言与思维？欲解开这一黑箱，单一的技术视角已然显得捉襟见肘，我们必须将目光从硅基算力转向碳基生命，追溯智能的真正源头。

　　语言演化的生物奇迹

　　人脑是人类语言的生物载体，理解大语言模型的智能，有必要追溯人类语言能力的生物学起源。这一演化历程可上溯至约300万年前的南方古猿时期。彼时，人类祖先的脑容量仅约450毫升，与现代人类1250—1450毫升的脑容量相去甚远。约200万年前，早期人类逐渐开始直立行走。这一改变重塑了人类声道结构，使咽腔得以扩大，为调控气流、发出复杂语音奠定了解剖学基础。与此同时，火的使用与熟食的习惯，降低了人类对强健咀嚼肌和发达牙齿的依赖，这一适应性改变为舌头和发音器官腾出了灵活的运动空间。这种发声结构的优化使得人类能够精细控制气流，发出远比其他灵长类动物更为复杂多样的语音，从而为后续语言系统的形成奠定了基础。

　　考古学证据表明，大约50万年前，人脑的容量显著增加，已达1100—1400毫升，接近现代人的水平。脑容量的大小是语言进化中的重要限制因素，因为较小的脑容量不足以支撑语言学习所需的复杂神经网络。如果将人脑比作一个管理系统，管理数十人的“小国”仅需简单机制，而管理拥有860亿个神经元的“大国”，则必须设立不同层级的管理与协调机构。脑容量的扩张，为处理复杂信息、构建层级繁多的神经网络提供了生理基础。在此基础上，人类发展出稳健的语言递归能力，即利用有限规则，通过嵌套组合创造无限句子的能力。

　　脑神经科学研究表明，人类发达的前额叶皮层与语言相关脑区，为处理复杂的语法规则和语义关系提供了生理学支持。语言不仅是大脑认知复杂性的具象体现，更是一个在交流互动与文化传承中逐步完善的符号系统。在词汇、语法与表达能力的动态平衡中，语言遵循省力原则，通过语法规则整合词汇关系，表达日益复杂的思想。总之，正是生理功能与社会需求的共同作用，催生了语言这一独特的符号系统。

　　大语言模型的架构理论

　　人类语言的演化是一场历经数十万年、伴随文明沉淀的漫长旅程。然而，当我们把目光转向人工智能，从1936年图灵提出图灵机概念，到今天大语言模型展现出的惊人能力，这一跨越仅用了不到百年。这种飞速跃进，得益于对人类智慧成果的数字整合与跨学科理论的深度融合。

　　20世纪50年代，诺贝尔奖得主Hubel和Wiesel通过实验揭示了大脑视觉皮层的层级处理机制，即大脑对信息的加工是从简单的边缘特征提取开始，再逐级整合形成对复杂场景的理解。他们发现，神经元具有高度选择性，简单细胞对特定位置的明暗边界有反应，而复杂细胞则可以检测特定方向的边缘和运动。这一发现揭示了大脑处理信息的多级、逐级整合路径，为后来深度学习神经网络的诞生奠定了基础。受此启发，Yann LeCun等学者引入了卷积神经网络，模仿人脑的分层处理结构。尽管这一架构主要应用于视觉领域，但它所确立的“从底层特征到高层语义”抽象过程的思路，成为深度学习起步阶段的核心范式。

　　语言学理论则为机器的“语言能力”提供了先导暗示。乔姆斯基提出的“普遍语法”理论认为，人类语言共享一个深层结构，这种内在的语言能力是人类心智的基础。尽管大语言模型并非依赖固定的语法规则编程，但其通过海量数据的统计学习才捕捉到人类语言深层的结构规律。因此，生成语法关于深层结构与表层结构转换的理论，在大语言模型的统计驱动生成中得到了某种程度的映射。

　　不过，当我们揭开大语言模型的表现外壳，会发现其技术内核已经发展出独特的运行逻辑。当前，主流大语言模型基于Transformer架构，其核心创新在于自注意力机制。这一机制打破了传统模型按顺序处理文本的局限，允许模型在处理每个词时关注输入序列中的所有其他词，并根据相关性分配权重。通过词嵌入技术，语言被转化为高维向量空间中的数学运算，模型在这个空间中“按图索骥”，通过概率预测生成文本。这种基于统计关联的生成模式，虽然在效果上惊人地逼近人类语言，但其底层逻辑与人脑是否真正同构，引出对二者本质差异的深思。

　　人机智能的本质差异

　　尽管大语言模型在众多任务上表现出色，但将其与人脑进行深入比较，我们仍能发现二者的本质差异。这种差异不仅体现在智能的形态上，更深植于认知的底层逻辑之中。

　　在学习与知识的获取机制上，二者遵循不同的路径。人脑通过视觉、听觉、触觉等多感官与物理世界实时互动，能在有限的样本中高效学习；其知识以神经元连接的方式分布式存储，处于持续更新与重塑中。反观大语言模型，它缺乏感官通道，只能依赖海量文本进行统计学习，需要远超人类一生阅读量的数据来“喂养”。其知识被静态地压缩在权重参数中，训练完成后难以低成本更新，缺乏人脑那种动态的自适应能力。

　　更核心的差异体现在对意义的理解与因果推理上。人类的语言理解深深扎根于具身经验之中。人们因为在现实世界中触碰过、感受过，才真正理解了词语背后的物理指涉，从而具备真实的因果推理能力。而大语言模型的理解，本质上是在高维向量空间中计算词语共现的统计关联。它能完美模仿因果推理的语言表达，但由于缺乏与真实物理世界的多模态交互，其生成的文本并不指向任何现实体验。因此，在面临需要严格逻辑推演或跳出训练数据分布的情境时，大语言模型往往容易暴露出缺陷。

　　大语言模型依赖数据统计而缺乏具身体验的技术路线，直接导致二者在运行效率上的天壤之别。人脑依靠高度优化的生物化学机制，仅需约20瓦的能量就能同步支撑语言、感知、运动与规划等复杂功能；而大语言模型由于只能依靠暴力计算来弥补“具身体验”的缺失，其训练与推理需消耗兆瓦级的电力与庞大的算力集群，资源消耗极其巨大。

　　归根结底，大语言模型是一个基于海量数据进行模式匹配的工程奇迹，而人脑则是一个借助具身认知完成意义建构的生物系统。大语言模型参数虽可量化，却以概率运算驱动决策，认知过程如同封闭的算法黑箱；人脑的神经机制虽深奥晦涩，却依托真实经验形成具备指向性的认知与理解。当下，大语言模型仅停留在模式拟合层面。因此，深入剖析人脑与大语言模型的本质差异，探寻二者认知机制的内在区别与互补潜力，不仅是人工智能迈向真正智能的前提，更是实现人类与技术协同发展的关键。

　　揭示人脑与大语言模型在认知逻辑与运行机制上的特征与差异，单一学科视角已然不足，必须依托神经科学、语言学与人工智能的深度融合。这将是一场围绕智能本质展开的跨学科探索。其中，神经科学立足生物认知本源，深入剖析人脑学习、记忆、意识的内在机制，为人工智能架构的革新提供生物学依据；语言学聚焦人类语言的独特性，揭示语义建构、逻辑推理与符号表达的底层规律，为弥补大语言模型的意义缺失、完善语言认知能力提供理论支撑；而大语言模型作为前沿技术载体，能够以强大的模拟运算能力，验证人脑认知机制的相关假说，实现理论研究与技术实践的双向互补。

　　纵观发展历程，人类智能历经数百万年自然演化，形成以具身认知为核心的独特智能体系。而今，大语言模型的飞速发展标志着智能形态迈入全新阶段，开启了生物智能与人工智能共生的全新纪元。人工智能的兴起，也促使人类重新审视自身的语言本质、认知逻辑与智能边界。