AI作为工具、认知与产业融合，其核心问题如何再思考？

AI核心问题讨论：工具、认知与产业的再思考 前两天与朋友老王和老张聊天，一起讨论了关于AI目前发展的问题。其中主要讨论了3个问题，现在总结如下。 核心讨论 AI到底是什么？ AI能否理解人类？ AI是否真正创造了产业价值？ 一、AI的本质：是概率机器，还是认知雏形？ 老王 认为，当前的AI并非真正的智能，虽然是大模型，但本质上仍然是基于概率统计的计算系统。计算机基于冯·诺依曼体系的0-1结构，在底层实现上依赖形式逻辑，通过概率统计进行计算与生成，尚未真正突破图灵测试，还不是真正意义上的“强人工智能”。这一观点与杨立昆基本一致：AI没有根本突破。 老王 指出，AlphaGo采用CNN+深度学习，体系相对明确；而当前的生成式LLM采用Transformer+深度学习，表达能力更强，但也更为宽泛，其技术路径未必代表人工智能的未来。 关于这一点，老张 认为，从系统角度来看： 限制智能的不是0和1，而是系统复杂度与结构。 老张 的看法是：老王 的总体观念没错，因为他自己此前也是这么认为的。但自去年下半年Claude Code在AI编程上的表现实在震撼，他的看法有所转变。老张认为，世界是不断发展变化的，0-1架构并不意味着无法突破，它同样可以在高层表达出类人的思维与情绪。人的大脑本质上也是电信号的复杂组合，只不过其规模和复杂度远超当前计算系统。如今的Agentic AI及Harness工程架构（如任务编排、上下文组织、状态管理、工具链整合等），正在从工具逐步向“类认知系统”演进。 我的看法：两人都对。目前的大模型AI本质上还是概率统计，并没有人类那样发散的思维。但AI发展很快，未来也许可以。 二、语言与认知：形式逻辑与非形式语言之争 老王 引用“道可道，非常道”：能够用语言表达的内容计算机才能理解，无法用语言表达的内容计算机理解不了。计算机理解的是形式语言，而人类有很多非形式语言，如抽象、意识、情绪、思维。老王 认为，尽管现在的LLM具备一定自监督和自我学习进化的能力，但目前的计算机依然无法表达非形式逻辑。 这一想法与老子相似：真正的“道”无法用语言表达，能表达出来的那不是那个“道”了。人类最高级的地方恰恰在于语法无法言说的东西，需要体会，且因人而异。维特根斯坦也有类似观点——语言即世界，凡能用语言说清楚的就能说清楚，说不清楚的那个真实世界我们无法理解。 老张 则持不同的立场： 无法完全表达 ≠ 无法逼近表达 老张 认为，“道”虽然无法真正说破，但可以无限逼近地描述，最终表达出非常接近的内容，那时也许就是我们可以理解的道。就像我们无法穷尽π，但只要精确到小数点后一定位数，计算误差完全够用了。维特根斯坦说“语言即世界”，也就是一切能表达的都可以通过语言来表达；如果无法表达，那么那个世界我们也无法真正理解和认知。既然可以表达，那么计算机也能理解我们的表达。AI不一定真正理解，但可以“表现得像理解”。也就是说，计算机用形式语言描述的世界虽是符号模拟，但当无限逼近真实时，又加上真实的世界我们也无从完全知晓，因此当计算机模拟得足够逼真时，我们可以说计算机的世界就是真实的世界。 我的看法：各有道理。语言是有限制的，无法完全地表述出真实的世界。我们可以体会和感受某种思想，而无法精确概括和定义。但足够丰富的形式逻辑也可能模拟出非常接近真实的世界。 三、AI产业：虚假繁荣还是必经之路？ 老王 从产业第一、第二、第三产业的角度指出：目前AI过度火热，存在虚假繁荣，是在自己的行业里内循环，而没有提升农业、工业等实业中的效率和效果。因此，当前的tokens经济存在一定隐患，需要认识到这一点，并把AI的能力赋能到实体经济中。 老王 的思想站在为实业服务的角度，本身没错。服务业（尤其是信息服务业）应该为实体经济提供赋能，即互联网+、AI+，而不是互联网和AI行业自嗨。当前token经济非常火爆，智谱AI、Minimax、Kimi如火如荼，确实存在一定的炒作和泡沫。 老张 则认为： 内部优化 → 工具成熟 → 行业渗透 → 产业升级 token算力目前主要服务的确实是AI和互联网行业内部，但只有经过内部AI化改造、摸清楚如何利用AI赋能之后，才能逐渐给实业界赋能。当前AI存在一定泡沫，但符合技术发展规律。AI仍处于自我进化阶段。相信不久的将来，AI就会渗透进各行各业，并为产业带来实际的价值。 我的看法：依然是各有道理。老王是站在当前状况说的，而老张看的是未来发展。当前算力经济与token经济的确过于火热，有很多的泡沫。但未来AI一定会服务好实体经济。