大语言模型的派生性理解及其实践限度——基于维特根斯坦语言游戏观的考察
张磊
摘要(Abstract):
大语言模型的发展使“机器是否理解语言”成为现实问题。从维特根斯坦语言游戏观来看,大语言模型既具有较强的形式语言能力,也能借助语料与反馈重构人类语言实践中的部分语境关系,因而不能被简单判定为“完全不理解”;但其意义来源、运行标准及行为后果仍依赖于人类实践。据此,可将其语言能力界定为“派生性理解”,即真实但非自主、具有程度差异和构成性依赖的理解功能。其派生性体现在语料、运行和规范三个层面,实践限度则表现为尚未形成自主生活形式,不能独立维持语境—情境连续统,也不能承担规范责任。该框架适用于依赖人类目标、评价和责任安排的大语言模型及其扩展,但不排除未来人工系统形成自主实践理解的可能性。
关键词(KeyWords): 大语言模型;语言游戏;生活形式;派生性理解;语境重构
基金项目(Foundation): 教育部哲学社会科学研究重大课题攻关项目“人工智能的哲学思考研究”(18JZD013)
作者(Author): 张磊
参考文献(References):
- [1]王天恩,王金伟.人工智能大模型接地的凸显:理解的语境—情境关联[J].贵州大学学报(社会科学版),2025,43(4):1-9. [2]Shanahan M. Talking about large language models[J]. Communications of the ACM,2024,67(2):68-79. [3]王天恩.人工智能的人类创造:从功能模拟到机制重构[J].福建论坛(人文社会科学版),2025,(10):64-74. [4]Hacker P M S. Wittgenstein:Meaning and Mind[M]. 2nd ed. Chichester:Wiley-Blackwell, 2019. [5]维特根斯坦.哲学研究[M].李步楼,译.北京:商务印书馆,2000年. [6]Baker G P, Hacker P M S. Wittgenstein:Rules, Grammar and Necessity:Essays and Exegesis of§§185–242[M]. 2nd ed. Oxford:Wiley-Blackwell, 2009. [7]Mahowald K, Ivanova A A, Blank I A, et al. Dissociating language and thought in large language models[J]. Trends in cognitive sciences, 2024, 28(6):517-540. [8]王天恩.语言理解的数字智能功能模拟和语境重构[J].山西师大学报(社会科学版),2025,52(6):89-97. [9]Bender E M, Koller A. Climbing towards NLU:On Meaning, Form, and Understanding in the Age of Data[C]//Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics.Online:Association for Computational Linguistics,2020:5185-5198. [10]Harnad S. The symbol grounding problem[J]. Physica D:Nonlinear Phenomena,1990,42(1-3):335-346. [11]Searle J R. Minds, brains, and programs[J]. Behavioral and brain sciences,1980,3(3):417-424. [12]王天恩.语境—情境连续统的数字智能“理解”探见[J].广东社会科学,2026,(3):96-106.
- (1)Good Old-Fashioned Artificial Intelligence的缩写,通常译为传统符号主义人工智能。它主要指20世纪中后期人工智能研究中的一种技术路线:认为人工智能可以通过显性符号、逻辑规则和程序推理来实现。也就是说,只要把知识表示成符号,再用规则对这些符号进行操作,机器就可以表现出推理、判断、解题等智能行为。 (2)BERT是Bidirectional Encoder Representations from Transformers的缩写,是一种基于Transformer架构的预训练语言模型,主要用于文本分类、问答、文本蕴含等自然语言理解任务。