乔姆斯基对语言、心智与深度学习的根本质疑

在这期与 Lex Fridman 的长谈中，诺姆·乔姆斯基从语言学、生物学与科学史出发，系统阐述了语言的本质、人类认知的边界，以及他为何对深度学习保持根本性的怀疑。这不仅是一场关于 AI 的讨论，更是一堂关于“什么是理解”的思想课。

语言首先是“内部系统”，而非交流工具

这一点之所以重要，是因为它直接挑战了我们对“语言是什么”的直觉理解。大多数人，包括很多工程师，默认语言的核心功能是交流。但乔姆斯基在访谈中明确区分了两种概念：语言作为外在表达的工具，以及语言作为大脑内部运作的系统。他强调，后者才是语言的本质。

在他的理论中，语言主要服务于思维，而不是对话。儿童在几乎没有系统输入的情况下，依然能快速掌握高度复杂的语法结构，这说明语言能力并非来自统计模仿，而是一种内在的生物禀赋。他用一句极具代表性的话概括这一点，大意是：“语言首先是用来和自己说话的。”外在交流只是附带功能。

这种观点也解释了为什么人类语言具有高度抽象、递归和结构依赖的特征。我们在思考假设、反事实、计划未来时，都依赖这种内部语言系统。乔姆斯基将其类比为视觉系统：我们不会把“看见”理解为学习到的技巧，而是一种自然生长的能力。语言同样如此，是人类认知架构的一部分，而不是文化发明。

结构依赖性：语言中最被忽视却最关键的规律

如果说“语言是内部系统”是总体立场，那么“结构依赖性”就是乔姆斯基给出的关键证据之一。这一点重要在于，它直接区分了人类语言能力与表层模式匹配之间的差别。

乔姆斯基指出，人类在学习语言规则时，从不依赖线性顺序，而是依赖抽象结构。例如，在英语中构造疑问句时，人类会自动选择主句的助动词，而不是句子中最靠前的那个。这种规则在儿童语言习得中普遍存在，即使他们从未被明确教导过。

他强调，这种现象在所有已知人类语言中都存在，说明它并非文化巧合，而是神经系统层面的约束。乔姆斯基直言不讳地表示，如果一个模型只能通过大量样本“猜中”正确形式，却无法解释为什么规则必须是结构依赖的，那它就没有触及语言能力的核心。他用近乎挑衅的语气指出：“找到一个不具备结构依赖性的自然语言，那将是革命性的发现。”但迄今为止，没有。

为什么深度学习是工程奇迹，却不是认知理论

在谈到机器学习时，乔姆斯基的态度既冷静又尖锐。这一部分重要，因为它直接回应了当代 AI 热潮中最常见的乐观叙事。他承认深度学习在工程层面取得了惊人的成功，但坚决反对将其视为理解心智或语言的科学理论。

他的核心批评在于，深度学习系统本质上是在做大规模的函数拟合。它们可以在特定分布内产生看似合理的输出，却无法解释规则从何而来，也无法区分“偶然正确”和“必然正确”。在语言问题上，这种方法尤其脆弱，因为语言的关键特性并不体现在频率最高的模式中。

乔姆斯基将这种方法与科学史中的牛顿力学作对比。牛顿不仅给出了预测工具，还提供了解释框架。而深度学习更多是“有效但不透明”的。他直言，当前很多关于“机器理解语言”的说法，其实混淆了行为相似性与认知机制本身。这种混淆，在他看来，是概念上的倒退。

认知的边界、工具的扩展，以及 Neuralink 的误解

当话题转向脑机接口和 Neuralink 时，讨论的重心从技术能力转向哲学边界。这一点重要，因为它触及了一个被频繁夸大的假设：技术是否能无限扩展人类认知。

乔姆斯基区分了两种扩展：工具性扩展与生物性扩展。望远镜、计算机显然极大增强了我们的能力，但它们并没有改变人类理解世界的基本方式。他认为，大脑接口即使在理想情况下，也更可能属于前者，而非彻底重塑认知结构。

他借助生物学与进化论指出，人类认知本身就存在内在边界，就像老鼠无法理解微积分一样，人类也可能永远无法理解某些真实存在的结构。这并非悲观主义，而是对自然的尊重。他用一种近乎平静的语气总结道，人类的伟大之处不在于无所不能，而在于在有限条件下创造意义。

总结

这场对话的价值，不在于给出关于 AI 的乐观或悲观结论，而在于提供了一套判断标准。乔姆斯基反复提醒我们：预测准确不等于理解，工具成功不等于理论成立。无论是语言、深度学习，还是未来的脑机接口，真正重要的问题始终是——我们是否在解释世界，还是只是在操纵符号。对今天的技术从业者而言，这是一种罕见而必要的清醒。

关键词： 乔姆斯基， 语言学， 认知科学， 深度学习， 人工智能

事实核查备注： Noam Chomsky：语言学家、认知科学家；Lex Fridman Podcast #53；核心概念：语言的内部系统、结构依赖性；技术名词：深度学习（Deep Learning）、机器学习、Neuralink（脑机接口公司）；观点属性：深度学习作为工程工具而非认知理论