（本文為視頻的文字稿）

之所以談論這個話題，是因為當前人工智能的應用已經非?；馃?，很多人以為AI很快就會超過人類，但行業內很多專家對現在的人工智能存有質疑，認為這根本就不是智能。為何行業內外對此的看法差異這么大，普通人感受的是現在，專家看的卻是未來,專家其實看不清人工智能的未來。我認為,AI的未來需要從源頭來思考，源頭在于人工智能的理論層面，通過對理論的重新建構，我們也許可以找到人工智能未來發展的答案。我希望通過這個系列視頻，闡述我對人工智能理論層面的理解，以及“概念”作為我的AI理論的核心，對下一代人工智能發展具有的重要性。

不知道你們是怎么使用AI的。是用它查資料，還是做旅行規劃，或者是讓它根據你的一句話生成一個視頻。也不知道你們與AI交流是打字還是說話。文字、語音、視頻是不同模態的數據，又叫多模態，AI通過多模態的對齊，能夠理解不同模態的數據。這一切都得益于這幾十年來互聯網的發展，累積了巨量的數據供AI學習。業內把這種依賴數據的路徑稱為“數據驅動”，主要是基于大量數據，通過統計、機器學習等方法得出結論。

數據量有多大呢，以美國的ChatGPT為例，它的訓練數據達到45TB，相當于500億本書，幾乎是人類歷史上所有知識的總和。雖然有如此海量數據,AI仍舊不夠智能，如果不是中國的deepseek橫空出世，它今年就該進入寒冬期。

“數據驅動”路徑在理論層面存在著天花板，限制了現有AI的智力程度。一方面現在沒有更多的數據供AI使用，另一方面，“數據驅動”的路徑也已暴露出很多問題，如算力資源跟不上發展速度，“黑箱”現象，虛假信息污染網絡等等。這些問題，可以歸結到一個核心上，就是AI的可解釋性，可解釋性包含兩個方向， AI和人類的相互可理解?？山忉屝缘奶岣呖梢韵昂谙洹爆F象，信息真偽一目了然，同時也可以降低對數據和算力的需求。

AI的可解釋性已經超出“數據驅動”的技術范疇，行業將這種包含理解的新方式稱為“邏輯驅動”。邏輯驅動是通過規則、推理等方法得出結論。就像我們在使用deepseek時，它會給出思考過程，一步接一步，最后再輸出回答。Deepseek的轟動性成功，證明了與數據驅動相比，邏輯驅動在達到同等效果時消耗更少的算力，而且我們可以看到它是如何得出答案的過程。

但是，這是否就解決了前面說的那些問題了呢，我認為還不夠?，F階段的AI產品只能做為人類日常工作中的輔助工具，或生成一些不介意真假的快餐式內容，離人類設想中智能的AI還有距離。打個比方，我自己是按摩的重度用戶，面對同時有人手按摩和按摩椅按摩的情況下，我肯定選擇人手按摩，人手對疼痛點位的精準度更高，整體下來更舒服。

如果我們說現階段按摩椅是對人手按摩的低精度模仿，同樣的可以說現在的Deepseek是低精度版本的邏輯驅動，我們要探索如何實現高精度版本的邏輯驅動。高精度的標志是，人類可以信賴AI給出的答案，AI可以替代人類工作。從技術實現的視角來說，是AI如何理解人類的理解。從具體實現路徑來說，我們可以選擇通過AI模擬人類的理解，來理解人類的理解。換而言之，當我們能夠用AI模擬人類的理解時，可以認為AI和人類的理解已對齊。

下面，我來說說我的思路，談談如何用AI模擬人類的理解。

人類的理解，還得從邏輯驅動在人類大腦中的產生機制說起。在說機制之前，我們先介紹一個框架。邏輯驅動是用邏輯來推理，邏輯只是一種形式化工具，必須要有驅動的對象，邏輯和對象構成邏輯驅動就是一個框架的整體。舉例2*3=6的數學運算中，乘號、等號這種加減乘除是邏輯，數字2、3、6就是邏輯驅動的對象。2是第一個對象，3是第二個對象，6是第三個對象。邏輯和對象構成數學運算的整體，就是邏輯驅動的整體。如果我們要寫出這個算式，是不是必須從2開始寫，2是第一個對象，因此我們說邏輯驅動的整體從第一個對象開始?？蚣苷f完了，回到產生機制，那么大腦中邏輯驅動的第一個對象是什么。

這個時候，我們就要用到大腦信息加工理論。我們將外部信息進入大腦中看做邏輯的起點，因此感官接收到的外部信息就是邏輯驅動的第一個對象。你先感知到什么，然后在這個感知的基礎上進行邏輯推理。這個感知到的信息是什么屬于認知的范疇，因此認知是邏輯推理的基礎。在2*3=6中，2是第一個對象，是認知到的信息，6是第三個對象，是推理出的結果。

現在你已經理解了邏輯驅動的結構，我們再延伸一點，將這個結構延伸到人類的理解，看看理解在邏輯驅動中是什么。我們知道2是第一個對象，是大腦認知到的信息，現在它構成大腦的第一層理解。6是第三個對象，是邏輯推理出的結果，它構成大腦的第二層理解，也就是說人類的理解是多層理解共同構成。

我們先回到邏輯推理的基礎——認知?，F在的認知科學是個非常廣闊的范圍，我們這里說到認知，只是說認知科學中與人工智能相關的偏理論的內容，比如思維、表征、概念、推理等等，更聚焦在推理之前的認知階段——大腦表征。大腦表征是指外部信息在大腦中的編碼和存儲方式，它天然地將人類的視覺、聽覺、觸覺整合在一起。比如當你在吃火鍋時正嚼著毛肚，你是同時感受到毛肚的脆、香油的香、湯底的辣，脆香辣是不同感官的信息處理后的，由這片毛肚帶給你的感受，就是你當下感知引發的第一層理解，不需要你來推理。

人類對AI的期待是理解達到正常人類水平。它能理解你的意圖，以便它更好執行你分配的任務，這就需要AI真正地理解信息的意義。但是，理解和意義還不一樣，我們用吃毛肚的例子，來看看區別。脆香辣的感受是你的第一層理解，你覺得毛肚好吃是第一層理解后的意義；假設你推理出這家店的火鍋比其他家好吃，這是第二層理解；再然后，你認為以后可以常來這家店就是第二層理解后的意義。這個過程中，不止理解和意義有明顯不同，前后兩個意義也有所不同。假設這家店不好吃，你還愿意再來吃嗎。當然不會，好吃是這家店值不值得再來的基礎，同時這兩個意義構成意義整體，意味著信息也有多層意義。第一層理解后的意義是整個信息意義的基礎，可以叫它原始意義。

我們剛才梳理了外部信息進入大腦后，是怎樣從信息到理解再到意義的過程?，F在，我們就可以參照人類的大腦表征，將這個信息轉化成意義的過程，在AI上模擬，通過將多模態的信息統一表征后，獲得信息的原始意義，此時，我們就可以認為AI已經獲得對信息的第一層理解。

要去模擬大腦表征，我們會遇到一個難題：大腦表征在物理層面上是通過神經元、神經元的聯結和模式來實現的，用軟件來模擬，可以模擬神經元的神經層面活動，但神經活動中的信息應該怎么表示。這個問題類似于，有一條高速公路，雖然公路是為人和物資的運輸，但人和物資不能自己走過這條高速，只能搭載汽車通行。這個時候汽車是通行標準下的基本單位，高速公路對通行的管理，發卡、抬桿、測速、違章拍照，都是以一輛輛汽車為單位。如果人、物資、汽車是信息，通行中的高速公路是神經活動，那么裝載好的汽車就是神經活動中的信息單位。

現在我們的問題是，模擬大腦表征采用的信息單位是什么。我們可以從人類大腦表征中，看看有沒有類似的解決方案。在神經科學中，人類大腦表征的信息類型有感知信息、情感信息、語言信息、概念信息、記憶信息、空間與運動信息。在認知科學中，概念是思維的基本單元，意味著其他所有信息類型在思維時，都統一以概念形式表現。那么我們可以選擇概念作為模擬中的信息單位。雖然概念這個詞在日常生活中的使用，總是表達抽象，但在認知神經科學中，神經成像實驗下，是可測量的對象。日常中可知的，比如核磁共振的腦部掃描、腦電圖等等，都可以觀察到概念。人類的科學史告訴我們，凡是可測量的事物，就表示可以量化，既可以用模型模擬，又可以用數學驗證。這使得概念具有可模擬、可驗證的性質，成為打通人類與AI之間的橋梁。

因此，當我們從前面一路梳理過來，會發現如果想讓當前AI的邏輯水平從低精度進入高精度，就必須提高AI的理解水平；理解水平需要通過模擬人類的理解來提高，大腦表征是當下模擬的重點；大腦表征中的概念是人類和AI的統一的信息單位。如此可以得出：下一代人工智能的發展應該建立在概念的統一表示方法之上。

我們從宏觀層面上，說了概念在當下的時代背景中凸顯的重要性，再來說說微觀層面上，在對人類理解的模擬中，將概念建模，對人工智能的理解水平有何益處。

我們先來看看現在的AI的理解是怎么回事。現階段理解是基于多模態融合，利用大語言模型，主要是通過模態編碼映射到統一語義空間。但是，這個統一語義空間并不是人類普遍理解上的語義，它只是由一些搭載語義的基本單元，在幾何空間中的遠近關系構成的近似語義。這個基本單元一般是詞或句子。舉個例子，以前裝修客廳時，沙發正對電視機，中間放茶幾，是標準方式。現在提倡去客廳化的裝修風格，沙發圍聚在客廳，旁邊放小茶幾。在AI的理解中，前一種在語義空間中的沙發、電視機、茶幾的三個單元緊密相鄰，后一種在語義空間中的沙發和茶幾兩個單元緊密相鄰，這里沒有電視機單元。當我們給后一種打上“去客廳化”的標簽后，AI能夠輸出這個詞，讓你以為它理解輸出的裝修風格是去客廳化。事實上，AI只是輸出與后一種匹配的對象，并不存在理解。

AI怎么知道該輸出哪一種，現在的方法是AI基于人類的使用習慣，預測當前情況下，哪個風格的概率最高，就輸出哪個。顯然，首先要有人類使用習慣的數據，才能預測，而且預測的成功率取決于數據的數量和質量。以前小數據的情況下，很難預測成功，也就沒有數據驅動的路徑。近十年大數據發展迅猛，才使得大語言模型效果的凸顯。站在模擬的層面來看，大語言模型是依賴數據，借助語義的載體單元，統計得出近似的語義，最終從使用效果上的逼近來模仿人類。你可以想象成一個猴子在模仿你的動作，你肯定不會認為這個猴子理解動作的含義。

假設現在AI的理解已經達到全部理解的80%，數據驅動路徑下的大語言模型的理解上限也就是85%，沒有多大提升空間。那么概念能給邏輯驅動路徑帶來多大的提升，理解上限在95%。為什么概念能夠如此大的提升，是因為從模擬的層面看，概念模型是依賴認知模型，借助概念的表征，推理出語義，是真正的模擬人類而不是模仿人類，極大地消除了近似的誤差。

傳統上，對語義的研究，是從語言在人與人之間的使用開始的，因此，語義和語言捆綁在一起。以致于到現在使用大語言模型的多模態模型，也沒辦法將文字或語言等各種模態，與語義分離開。所謂與語義的分離，是指語義脫離使用場景而單獨存在。舉個最簡單的例子，是你心中想一句話“今天天氣真好”，但沒有說出來。這種情況下，你心中想的這句話，不是語言（雖然仍使用內心語言，但沒有語言對象），而是你頭腦中的思維。概念是思維的基本單位，因此，這句話是“今天”“天氣”“真”“好”這四個概念的組合，組合后的語義是強調的2025年3月31日天氣好。這個時候，思維中的概念是比語義更底層的，構成語義的單位。

語義的命名是語言學視角下的意義，但是多模態下的意義不只是對應語言，我們還是將語義還原到意義本身。這時，我們就說概念是意義空間中的基本單位，而多模態下的不同模態的單元，我們就說它具有某個穩定意義的詞、句子、圖形、波形。比如剛才那個“今天天氣真好”的例子，我們用圖形的模態來對應“強調的2025年3月31日天氣好”這個意義，可以是帶時間水印的藍天白云陽光普照的畫面來表示這個意義。這就是同一個意義下的多模態對齊。由于概念是個抽象事物，它并不能在意義空間結構之外單獨存在，因此，這些具有某個穩定意義的詞、句子、圖形、波形，在意義空間中的位置就是一個個概念。更簡單地理解是，你所能看到、聽到、接觸的，任何具有意義的事物，都包含三層，一層是模態，一層是概念，一層是意義。模態呈現的是直觀的事物，概念和意義則需要大腦信息處理后獲得，概念是連接模態與意義的中間層。

從概念所處的中間位置，我們可以理解到概念層必須保證所有模態層的直觀到的事物都有意義的對應，就是說不存在不能指稱的事物。哪怕在還沒有形成語言或文字時，只是被人類意識到“這里好像有個什么東西”的模糊程度，就已經可以被人類用“這個東西”的指代方式的概念思維到。從思維的視角來看，可以思維到的概念遠遠超過語言、文字或圖像的范圍?？伤季S是說思維對象的全部可能性空間，其本質是一切存在和可能存在的事物，無論是存在于現實中的真實事物，還是存在于人類想象中的真實事物，或者是可能存在于現實中的想象的非真實事物，都可以是思維對象。換句話說，模態只能對應清晰認識的事物，概念能對應清晰和不清晰的所有事物，概念比模態具有更完整的表達全部事物的優勢。

在人工智能的歷史上，曾經有段時間也是用計算機模擬人類，而不是模仿人類，那就是名噪一時的符號主義，它本質是數理邏輯，主張人類認知就是符號操作，思維就是符號計算。雖然符號主義天生就具有可解釋性，但后來它因為無法適應動態變化而影響力消退。直到近年來對人工智能的可解釋性要求的提高，使得出現神經網絡與符號主義的結合，出現了神經符號系統的發展方向。即便如此，神經符號系統中的符號仍是對應我所說的模態、概念、意義的三層的混合，并不能將三者分離，同樣不能表示不清晰認識的事物。

既然三層分離的設計更好，行業自然有人想到用概念來做具有理解的人工智能，最著名的是Yann LeCun提出的世界模型。他希望世界模型包含物理、社會、文化、認知等等多方面的理解，并且通過世界模型實現環境交互與常識推理。在他的領導下，Meta前不久推出的大概念模型，已經做到使用概念層解耦語言表示和推理，證明了同等效果下，該模型規模比大語言模型更小。他所構想的世界模型，是建立在概念的統一表示方法之上的，并且在人工智能的智能水平上，概念與傳統語言相比具有優勢。雖然不能知道這個模型中概念層的細節，但從效果和Meta自己的說法來看，我判斷它并未做到與語義的完全分離。就是說Meta家的大概念模型，在模態、概念、意義的三分離中，實現了模態與其他兩個的分離，尚未分離概念和意義。

在前面的描述中，從模擬人類和模仿人類的區別，看到模擬人類認知對理解的提升作用；進而歸納出人類認知中的三分離，采用模態、概念、意義與之對應；三分離中，概念能表達清晰和不清晰的所有事物，且連接模態和意義，順理成章成為下一代人工智能發展的方向。

人工智能雖然已經取得了炫目的成就，但它根基不穩，它的一切成就都建立在工程學之上，缺乏自身作為一門科學的理論基礎。一門學科只有具有自身的理論后，才能持久地發展下去。因此，希望人工智能行業的參與者能夠更多地關注理論的話題，參與到討論。

下面關于概念，我分三點說說我的看法。一個視頻不可能說清楚概念，只能簡單地提幾個與概念關系密切的詞，作為思考概念的切入點。

1.概念與事物

首先，一個思維中的概念，對應著一個思維對象，這個思維對象可以是任何一個事物。無論有形無形、具體抽象、過去未來、紀實虛構，都是事物，都可以有概念。

因此，我們想要找到概念的統一表示方法，就是在問事物的描述是什么。但是這個描述不能只是人類認識事物的描述，也應該包含事物自身的描述。

人類認識事物的描述，我們舉個例子。當你和朋友正在聊天，你朋友說：我今天剛買了一雙鞋。你問：什么鞋。她回答：靴子。例子中，當談話中使用“鞋”這個字時，你并不能通過這個詞來理解到朋友的準確意思，直到她使用“靴子”，你才能更明白?！把プ印笔菍@雙“鞋”的進一步描述，是“鞋”這個事物眾多類型中的其中一個類型，是能夠被人類快速識別出的類型。

這種方式不僅發生在例子中，現在計算機對概念“鞋”的建模，也是如此?！靶边@個概念下，包含著皮鞋、運動鞋、靴子、布鞋等等很多子概念。凡是這種描述方式，都劃分為人類認識事物的視角的描述方式。

那么，什么才是事物自身的描述。鞋是這個要描述的事物，鞋自身是以什么樣的方式的存在于世界中。如果我們在整個人類史的長河中，去找到鞋這個事物的第一次出現。哪怕在全球多個地方無關聯的出現，也能顯示出鞋這個事物自身的本質屬性。不管最早的鞋是木的、藤的、麻的，或是別的什么，它們始終有個共性，都是在腳底與地面之間起隔離作用，且固定在腳上。

雖然這樣的描述與我們通常的認知完全不同，會讓你覺得很怪異，甚至從識別效率來說毫無優勢，但它有一個顯著優勢，就是使得每個概念獲得唯一的、確定性的對應。

當概念因此而固定后，概念與概念之間，就不再只是懸浮的空間關系，而是包含現實世界意義的關聯。

那么我們要怎樣才能獲得世界中全部事物的自身的描述。這當然是個龐大的問題，但幸好人類已經從不同的角度在思考。在復雜系統中，人類思考事物是如何涌現的，或者說什么樣情況下涌現什么樣的事物；在現象學中，人類思考事物是如何在意識中顯現的，顯現的條件有哪些；在佛教唯識學中，人類思考事物是如何現行的，一個種子是如何與各種緣作用的。還有很多領域也如此。

這些看似不相關的領域，但卻是在對領域視域中的事物，進行事物自身的描述。

2.概念與時空

概念既然要描述事物自身是以什么樣的方式存在于世界的，它也必定包含能夠描述支撐世界存在的條件，比如時空。

但是，概念對時空的描述，只能是借由事物在時空的變化來表達時空的存在。比如我們說春夏秋冬，是說季節的循環更替的一個單位就是一年的時間。不能夠直接描述時空，其背后的原因是時空不屬于事物，我們就不展開了。

在這里，我們重點關注時空對概念的影響。既然概念中包含事物，事物又包含時空，那么時空可以作為概念的一種分類標準。

比如文字“小米”，可以指向三種不同的事物，吃的小米、小米公司、小米手機。在現在的方式中，文字主要是映射到語義空間，系統通過觀察發現吃的小米的語義與另外兩個距離遠，小米公司的語義中包裹著小米手機的語義，由此分離開三種事物。

如果是將文字映射到概念的意義空間，系統通過時空坐標知道吃的小米是農產品，小米公司是有成立日期的經營主體，小米手機是小米公司的產品，也是有使用年限的消費品。更直觀地是，三種事物在概念的意義空間中，小米公司與小米手機的關系，不是一個意義包裹另一個意義，而是存在關系的兩個意義。

可能“時空作為概念的一種分類標準”這樣的說法，難以想象如何做到。我們可以借用游戲來理解，游戲中的時間線和地圖空間，可以指代任何一個游戲中的場景，這種情況下，時空就是游戲的一種分類標準。

3.概念與意義

我們前面說的事物和時空，當事物在時空中的呈現被我們以概念的形式記錄在頭腦中時，我們就說頭腦中產生了一個關于這個事物的意義。

意義需要通過反例的襯托才能凸顯，比如，你的生活中，生活所需的衣食住行方方面面的物資，只要你打個響指就可以出現在你眼前，那么你頭腦中是沒有關于錢這個事物的概念，錢對你也沒有意義。即便是你聽說有人需要通過錢，才能獲得物資，此時你頭腦中有錢的概念，但這個錢的概念所產生的意義，存在于你聽說的傳聞中，對你的意義是一種獲得物資的可能性。

從這個例子中，我們可以看到，同一個事物對不同人有不同意義，取決于該事物與生活狀態的相關度。與此對應的是，同一個概念因為與生活狀態的相關度的不同，而被不同人分別記錄在不同的腦部位置。

這個是有證據的，在神經科學的關于大腦表征的實驗中，經過這么多年，不同國家、不同實驗室、不同實驗，科學家發現每個人對外部世界信息的表征都有自己獨特的模式。概念在大腦中的表征，涉及到不同腦區、不同網絡、不同層次的激發。腦區、網絡、層次，就意味著這個概念對你的意義的大小、范圍和程度。

當然大腦中的表征結構，也不意味著軟件中必須一模一樣的模擬，軟件更著重于功能的模擬。即使是這樣，也意味著我們軟件中現有的底層技術，已經不足以應對。

從前面的例子可見，概念和意義確實不同，對于任何可認識的事物，只有先將其概念和意義分離開，再根據概念在意義空間中的位置對齊意義，才能真正實現AI的理解與人類的理解一致。

好了，關于概念的話題我們暫時說到這，雖然我們并沒有說明概念的統一表示方式是什么，但至少朝著清晰概念的方向進了一步，基本說明了概念作為下一代人工智能的關鍵的原因。

總結一下：當下人工智能的數據驅動路徑下的可理解性已達到極限，下一代人工智能轉向邏輯驅動路徑，對可理解性的突破應該模擬人類認知中的大腦表征，將認識事物分離成模態、概念、意義三層去表征，才能達到AI的理解與人類的理解一致。