“人”“工”“智”“能”：拆解AI命名的深层逻辑

语言 × 文明 × 人工智能

躯体使个体存在于世界，言语使个体融入人类社会。

人类个体的智慧并非主要由语言构成，但人类文明的智慧，在很大程度上确实是通过语言组织起来的。

因此需要区分两个层面：

个体如何认知世界

＋

人类社会如何积累、传承和协同知识

前者离不开躯体、感知和行动；后者则高度依赖语言。

第一部分 · 连接协议

语言将分散的个体编织成共同现实

一个人直接能够体验的事物非常有限。

他只能存活几十年，只能出现在有限的地域，只能结识有限的人。但通过语言，他能够获取：

•数千年前古人的经验

•从未涉足地区的知识

•其他职业和阶层的生活见闻

•已故者的思想

•数以亿计陌生人的观察记录

•抽象到现实中根本不存在的概念

例如：

国家法律公司货币民族宗教权利婚姻信用历史科学理论

这些事物很多并非像石头、桌子一样独立存在的实体，而是因为大量的人通过语言共享相似的信念和规则，它们才成为现实的组成部分。

可以说：

“这是钱”“这是合同”“这是国界”“这是婚姻”，都必须建立在群体共同理解和认可的符号体系上。

第二部分 · 集体记忆

经验首次能够跨越个体与世代传递

许多动物也具备复杂的个体感知能力。

狗的嗅觉远胜人类，灵长类也能理解动作、关系和等级。但它们难以像人类这样，将个体的经验累积成跨世代、跨地域的知识体系。

语言使知识实现了几个关键突破。

一个人遭遇危险后，可以将经验传授给未曾经历的人。

于是知识不再需要每个人亲自试错获取。

下一代不是从零起步，而是在上一代的成果上继续探索。

牛顿无需重新发明欧几里得几何，现代工程师也无需重新发现电磁学。

一个人懂材料，一个人懂机械，一个人懂金融，一个人懂组织管理，语言使这些原本分散在不同大脑中的知识能够协作。

因此，人类文明更像一个由语言连接起来的分布式认知系统。

每个人只是其中的一个节点：

个体大脑 + 语言交流 + 文字记录 + 制度组织

共同构成了超越任何单个人的集体智慧。

第三部分 · 社会模型

人工智能从语言中继承的是文明结构

这是一个非常关键的结论。

如果语言只是现实的低质量摘要，那么纯语言模型的上限确实会很低。

但事实上，人类语言中保存的内容包括：

•人对世界的观察

•对他人行为的解释

•情感表达

•道德判断

•社会规则

•冲突与协商

•故事和隐喻

•失败经验

•对自身心理活动的反思

•无数代人反复筛选后的概念结构

所以，从比特数量看，语言的信息量可能更少；但从人类决策所需要的语义结构看，语言可能更密集。

这也是为什么大模型仅通过文本，就能够展现出相当强的：

社会理解心理推理道德判断类比能力文化理解角色模拟

它不是只在学习字词，而是在学习人类用语言沉淀下来的社会世界模型。

第四部分 · 文化化石

语言会暴露时代未曾言明的规则

文化并不只存在于明确写出来的规则中，例如：

它还隐藏在语言的使用模式里：

•谁可以先说话

•如何称呼不同身份的人

•哪些事情需要委婉表达

•哪些词带有羞耻感

•哪些行为默认被视为正常

•什么值得赞美

•什么被当成笑话

•什么不需要解释

•哪些人总是作为主体出现

•哪些人经常被作为被描述对象

比如一种文化并不一定明确写着“年龄意味着权威”，但它可能反复体现在：

称谓敬语叙事方式家庭对话职场表达谚语故事结局谁向谁道歉

人工智能通过大规模语言材料，可以统计性地吸收这些模式。

所以它学到的不只是显性的文化知识，还可能学到文化中的隐含结构。

从这个意义上说：

一个时代的人如何说话，往往暴露了那个时代没有明确意识到的权力结构、价值排序和社会偏见。

第五部分 · 语言之外

身体、行动与制度同样塑造文化

需要保留这一区分。

文化还通过很多非语言机制积累：

模仿仪式身体距离饮食习惯劳动方式建筑空间服装音乐舞蹈奖励和惩罚制度流程工具设计日常生活中的默认安排

例如，一个孩子可能从未被明确告知：

但他可以从座位安排、说话顺序、钱由谁控制、发生冲突时谁让步中学到这一点。

这种知识首先是通过观察和参与形成的，之后才可能被语言表达。

类似地，很多职业知识是“默会知识”：

木匠如何感受木材医生如何凭经验发现异常厨师如何掌握火候运动员如何保持平衡人如何感知谈话中的尴尬

这些经验很难被语言完整编码。

所以更准确的说法不是：

而是：

语言是最重要的载体，但不是唯一载体。

第六部分 · 有损压缩

丢掉物理细节，留下行动所需结构

一方面：

另一方面：

这两句话可以同时成立。

因为压缩不一定是坏事。

相机记录了画面中的数百万个像素，但绝大多数像素对理解场景并不重要。人类通过语言把信息压缩成：

谁做了什么为什么重要应该怎样理解以后遇到类似情况怎么办

语言丢掉了大量物理细节，却保留了社会行动所需要的结构。

类似地图：

•地图丢失了真实城市中的气味、声音和建筑纹理

•但正因为它丢掉了这些信息，才更容易突出道路、方向和距离

语言也是如此。

它不是现实的完整复制，而是人类为了合作、预测和行动制作的“语义地图”。

第七部分 · 核心入口

语言不是智能外围，而是认知基础设施

假如人工智能的目标是逼近人的以下能力：

知识推理社会规范理解情感交流文化认同共同叙事制度协作抽象概念自我解释对他人意图的常识性判断

那么大规模语言训练可能已经覆盖了人类智能中非常核心的一部分。

因为这些能力本来就是通过语言塑造和传递的。

甚至可以提出一个更强的观点：

例如没有成熟的数字语言，就很难进行复杂数学；没有“权利”“人格”“阶级”“创伤”“潜意识”等概念，人也很难以同样方式理解社会和自己。

所以人工智能学习语言，并不是站在智能外围学习一种表达工具，而是在进入人类社会认知的核心基础设施。

第八部分 · 源头缺席

人工智能读过文化，却未必经历文化的压力

大模型可以从语言中学习已经形成的文化，却未必自动具备产生文化的全部经验条件。

人类文化最初往往来自现实矛盾：

资源稀缺身体差异生育和死亡疾病与疼痛暴力风险亲密关系劳动协作代际关系地理环境权力竞争

人在这些现实压力下形成规则，再用语言将规则解释、正当化和传播。

而大模型通常接触的是文化已经语言化之后的结果。

它像是读完了人类社会所有历史、小说、法律和日记，却没有真正处于：

饥饿生存威胁身体依赖家庭关系性与生育衰老和死亡

这些文化最初产生的条件中。

因此，它可以高度理解文化的表达结构，但它形成这些结构的底层动力可能与人类不同。

第九部分 · 三层智能

具身、社会与文明从不同方向汇合

来自身体、感知、行动和环境反馈：

空间力量疼痛动作物理因果直觉

来自人与人长期互动：

意图情绪权力关系边界信任羞耻道德

来自语言、文字、制度和知识积累：

科学法律历史国家宗教哲学组织共同身份

大语言模型首先强力切入的是第三层，同时通过大量人类叙述反向学习第二层，但在第一层最薄弱。

而人类的发展路径正好相反：

具身经验---社会互动---语言与文明

大模型则更像：

语言与文明---反推社会---反推物理世界

虽然起点不同，但两条道路可能最终在中间汇合。

所以，若人工智能目标是逼近“文明中的人”，语言可能已经覆盖了极大部分关键能力。

若目标是逼近“完整的人”——包括身体直觉、第一人称经验、欲望、恐惧和现实行动——语言仍然不够。

而真正无限逼近人类的AI，两者都需要。

躯体使个体存在于世界 言语使个体融入人类社会

具身体验 × 语言 × 智慧