AI 犯错皆无用？深度解析机器理解的本质
您渴望获取的 AI 核心干货，即刻为您呈现
主持人 Paul Middlebrooks 曾与哲学家 Henk de Regt 从求学时期常被追问的一个议题切入：你是否真正融会贯通了所学知识？随后，话题延伸至如何甄别 AI 大模型是否具备理解力，以及科学工作能否被计算机取代等。鉴于前篇访谈篇幅冗长且话题跳转较大，本文对此进行了重新梳理与精简，并补充了相关研究阐释，以供读者品读。
科学理解始终依托于理论背景
当 AI 研究界一心扑在刷榜、旨在超越当前最先进水（SOTA）之时，哲学家 Henk de Regt 提醒我们，与其纠结机器是否拥有人类般的意识，不如正视 AI 完全可能像人类一样，具备真正的“科学理解”。
因为在他的哲学架构中，理解绝非主观的顿悟或知识的简单堆砌。长久以来，大众对“理解”存有两大顽固错觉：其一认为理解仅是心理层面的副产品，是一种豁然开朗的愉悦感。人们脑海中常浮现出刻板的科学家形象：头顶灯泡骤亮，高呼“哦，我懂了！”另一种普遍误读，则是将理解等同于事实的累积。似乎你对某事知晓越多，理解便越深。
▷《理解科学理解》一书及其作者 Henk de Regt
Henk de Regt 指出这两种观点均有偏差。身为拉德堡德大学（Radboud University）的科学哲学教授，他在 2017 年出版的《理解科学理解》已成为该领域经典。他强调，理解是一种硬核的实践能力——它紧紧锚定于主体的技能、所处语境以及理论的“可理解性（intelligibility）”。
Regt 的哲学觉醒，始于上世纪 90 年代他对“科学发现”的博士研究。作为前物理学家，他将目光投向了薛定谔与海森堡的世纪之争。
当年，薛定谔不满海森堡的矩阵力学（一种量子力学描述，虽被证与波动力学数学等价），遂提出替代的波动力学。薛定谔极度看重理解与理论的可理解性。他认为矩阵力学不可理解，因其纯由数学构成，过于抽象且满是矩阵，无法可视化。
薛定谔坚信理论应当是可可视化的，唯有能在脑海中构建时空图像，想象原子模样及其结构，方能算作真正理解。这正是科学与物理学的宗旨，即提供此类理解。
若某人能依据某理论，构建出对该现象的（理想化）模型，并据此做出（无需繁琐计算的）定性预测，便可认定他“理解”了该现象。
Regt 将这种形而上学的执念，提炼为一条实证法则。在他看来，可视化虽是众多理解工具中的利器，确能大幅降低人类心智的认知门槛，让人可将其应用于模型，加以利用并衍生新念。
但他也指出，理解是情境化的，根本不存在放之四海而皆准的理解工具。能否理解某理论，全取决于你掌握何种技能，脑中储备何种背景知识。
然而，“可理解性”并非形而上学的苛求（如妄言“宇宙必如钟表般机械运转”），而是一种实践可行性（pragmatic usability）。它审视的是该理论能否被科学家视作趁手工具，用以建模与推理？
因此，他区分了科学可理解性（scientific intelligibility）与形而上学可理解性（metaphysical intelligibility）；后者虽可启发研究（如惠更斯机械论催生波动光学），但也可能阻碍新观点接纳（如排斥量子力学中的超距作用）。
随后，他提出科学理解是“可错的”（non-factive）。即便是那些漏洞百出、甚至被证实错误的理论（如燃素说），仍能在特定抽象层级上，提供极强的理解力。
为将这套哲学法则落地，他在播客中抛出经典神经科学案例：究竟该如何理解“神经信号传递”？此战场上存在两大阵营：
主流生物电范式（尊崇霍奇金 - 赫胥黎模型）：主张动作电位由电压门控离子通道主导的跨膜离子洪流（钠入钾出）引发，信号狂飙依赖局部电流强驱的去极化。
热力学视角：宣称神经信号非电信号，而是沿脂质双分子层疯狂传播的非线性声学脉冲（孤立波）。它源于细胞膜在液态与凝胶态间的剧烈相变；电信号、热效应与机械变形，不过是同一场热力学风暴在不同维度的残影。
面对这两个本体论上水火不容的理论，Henk de Regt 认为二者仍可协同增进理解——尤其是通过“暴露对方视角中被忽视或掩盖的假设”。评判标尺绝非谁掌握绝对真理；而是盘点它们各自能回答多少刁钻的反事实问题？例如，霍奇金 - 赫胥黎模型须咬住“细胞膜电容恒定”前提；而热力学视角则逼迫信徒拷问：“若膜电容非常量，信号传播的宏大叙事是否瞬间崩塌？”
两种理论看似冲突，但 Henk de Regt 关于科学理解强调其非事实性（non-factive）。即使不完全符合事实的理论，依然能提供理解。生物电视角提供高精度机制细节（如通道蛋白结构 - 功能关系），却忽略动作电位伴随的热效应（放热 - 吸热循环）与机械效应（膜膨胀 - 收缩）；热力学视角则提供统一框架，并暴露主流范式的隐含前提与解释缺口。
两种理论碰撞推动新问题提出（如：“膜肿胀对通道构象有何反馈？”“热波动如何调制神经编码？”）。科学理解的进步正源于这种利用视角差异进行的相互批判（找出隐藏假设）与问题发现，而非简单的共识累积。
开发一种操作性测试，
用于评估 AI 智能体的理解能力
理解并非全有或全无的现象，而是一个渐进过程。你可拥有不同程度的理解。在转向 Henk de Regt 关于人工智能是否具备理解 [2] 的讨论前，需强调此点。Henk de Regt 的理解理论可视为行为主义的，它不关心理解者是否有心理表征，也不关注实现理解的内部机制或过程。就此意义而言，只要观察某 AI 智能体能否以某种方式展示使用信息所需的技能，即可判断其是否存在理解。
该问题