人工智能的演进是当下最炙手可热的话题，如何让AI真正理解人类的语言与智慧，成为名符其实的“智能”？公认的标准“图灵测试”如何真正得以实现？许多专家学者从不同角度进行了研究，提出了不同的见解。 在观察者网“2026答案秀·思想者春晚”的讲台上，上海财经大学人文bv官网 研究所院长王献华教授尝试回到人类创造文明的起源——文字的发明——对人工智能进行一项“逆向工程”。他提出了名为“Nigiro Challenge”的测试方案——看这项“社会性虚拟造字测试”中，人工智能能否重新发明、创新并系统化构建一套对他们来说可外化的文字体系，来记录他们的文明。 作为研究古代文明与楔形文字的专家，王献华老师的“脑洞”或可以从文科的角度为热门的“理科话题”提供一种可以借鉴的思路。 王献华：非常荣幸来到这里，参加这样一个活动。刚才曾毅老师、范勇鹏老师，分别从各自的专业角度讨论了AI。用勇鹏老师的话讲，“作为文科生也来凑一下这个话题”——我也是文科生，一个真正的老文科生，而且做的专业非常偏。 今天冒昧来参与这个话题，我一直在想，对于一个文科生来说，AI的相关研究是比较陌生的。但很幸运的是，对于绝大多数的听众来说，我自己的研究领域可能也是比较陌生的。那么，这双重的陌生是不是反而就显得“熟悉”一些了？ 再加上我们最近的感受——这个世界好像还是那样一个世界，但是时代好像不再是那个熟悉的时代了，所以我今天就冒昧地、站在这“双重陌生”的“文化自信”的角度，从楔形文字起源研究的方向，提出一种针对通用人工智能的“终极”测试方案，我称之为“Nigiro Challenge”。 我们先来一点背景知识。从楔形文字、文字起源的研究中，大家不要觉得我们好像已经知道几千年前、上万年前进程的真相了，我们其实没那么有把握，历史研究永远如此，我们是逆推的。目前就楔形文字的起源来说，只能比较明确地讲，与三种文字缘起前的现象有关：一个是所谓的“陶筹”，英文也叫Token；另一个是印章上的各种象形符号；再次是早期的数学系统。我们基本认为这三种现象和文字的缘起有关。 先说陶筹。在公元前8000年，陶筹就已经在西亚、近东这一带广泛出现，主要功能是计数，比如羊的数量、粮食的收成。到公元前4000纪，陶筹变得复杂起来，有时会出现穿孔、刻痕。更有意思的是，人们会把陶筹放到黏土“信封”中间，有点类似于我们现在把钱或东西放在信封里然后封上蜡印，用来记录交易或记录财产。 在陶筹之外，印章是一个相对并行的技术系统。早在公元前7000纪，西亚地区的人们就已经开始使用印章，把它盖在容器的封泥上，用来确认物品归属或保证交易安全。一开始印章图案比较简单，后来变得复杂，出现具体的图像、动物、人物。 同样在公元前4000纪中期，滚筒印章出现了。这种印章的优势在于可以覆盖更大的黏土表面，而且图案更加精美。根据我们有依据的判断，它们大多由当时的机构人员使用，比如寺庙的管理者，用来在容器封泥、房门封泥上盖章。在这个意义上，它也象征着权力与信任，就像我们现在的公章，一旦盖上就代表着某种权威和认可。 再就是数学。这个过程从研究难度上更复杂，我们只能用后世的眼光来看。实际上，到了公元前4000纪末、公元前3500年到公元前3000年这个时期，理论上文字已经出现，我们仍然发现，在最初的文字系统中，多种数学计数系统是并行的。目前有的学者认为有5种，有的认为有6种甚至更多。比如，我们称之为“S系统”的，用来记录牛羊的数量；另外像?E“谷物系统”，是专门用来记录容量的。 大约在公元前3500年到公元前3000多年，一般认为在这一时期，楔形文字在此前提到的陶筹、印章及数学系统发展的基础上出现了。我们能看到这个结果：一开始是纯数字的泥板，上面只有数字符号。后来人们会在数字旁边加上一到两个表意符号，这就成了“数字+表意符号”。比如，一个数字“5”旁边加上一个代表“羊”的符号，意思就是有五只羊，这有点像我们到超市的购物账单。这个时期我们称之为乌鲁克四期。同时，乌鲁克四期还出现了“标签”，上面没有数字，但有粮食、布匹等其他一些我们不一定认得的符号，我们现在认为可能是商品标签，甚至可能是名片。 根据现在的统计，大约在公元前3200-3300年，早期的楔形文字符号大概有1900个左右，包括象形符号和所谓的“矩阵符号”——矩阵符号类似于我们汉字中的偏旁，组合成一个符号以提供更多语义信息。虽然我们现在对早期的发音系统基本上一无所知，但我们知道这个时候的符号已经在使用转喻原则。基本上可以判断，表示植物的符号可以用来表示“花园”。但是否涉及音转等问题？有些问题我们有明确回答，有些没有。 我们大概回顾了这样一个过程，这里面有一个非常关键的问题：学者们公认，文字的形成和发展、文字的起源，其实和社会复杂性的增长密切相关。到了公元前4000年纪的下半叶，南部美索不达米亚社会变得复杂，行政管理和社会管理的压力越来越大。这时人们首先需要记录生产、货物、劳动力等各种情况，文字在这个意义上应运而生。人类发明文字的能力并不是到这个时期才有，但文字的大规模出现，其实和这个时期人类作为集体的发展有关系。从计数到表意，从图画符号到与语音系统结合，在这个意义上，从今天回望过去，书写文字作为人类集体智能的结晶方式，正式登上了历史舞台。 恰恰也是从这个角度，我们的脑洞开始了。刚才我已经提到，当我们讲“陶筹”时，在我们领域里用英文表达就是“Token”。而在现代AI的大语言模型中，一个极为重要的步骤事实上就是 Tokenization（词元化/分词）。正是从这里，作为一种启发，我开始考虑这样一个脑洞：如果说从陶筹到楔形文字、到文字的发明，人类完成了从具象计数到抽象符号的跨越，那么人工智能似乎正在尝试通过对抽象符号的处理，回归那个复杂的、难以言说的具象生活世界。 人工智能要理解人类语言，某种意义上像一个逆向工程。它把语言拆分成一个个最小的、有意义的单元，这就是他们讲的Tokenization。最开始的词元化是“词级”的，就是以空格或标点来分割词语，但这种办法有很多问题，比如词汇表规模太大，无法处理生僻词或未登录词。后来人们发展出“字符级”词元化，以字符为基本处理单元。这样一来，词汇表规模缩小了，但缺点也很明显：生成的序列长度太大，机器很难捕捉语义信息。 现在的主流是在此基础上发展的“子词”词元化，比如BPE、WordPiece、SentencePiece。它的特征是在词和字符之间取得平衡：常见词保留整体，罕见的词可能分解成子单元。 在词元化的基础上，需要一个强大的模型来处理这些词元，这就是所谓的Transformer架构。Transformer是一种基于自注意力机制的神经网络架构，专为自然语言处理任务设计。在Transformer之前，人们常用的是循环神经网络架构来处理词元，但它有个缺点：处理长文本时效率很低，因为它需要一步步处理每个词元，无法并行计算。Transformer不一样，它可以并行处理输入序列，同时捕捉长距离词语之间的相互关系。这有点像我们阅读文章时同时注意上下文——其实我们读书也不是一个词一个词读的，是一页一页、一片一片读的。所以在这个意义上，Transformer好像有点“人味”了——它可以同时处理整个文本序列，从而更好地理解语义。这也是GPT等大型语言模型能够生成连贯流畅文本的关键所在。 但事实上，早在上世纪90年代，就有哲学家提出：人工智能搞语言模型，真的能理解语言、拥有智能吗？虽然今天我们看到人工智能在语言处理方面取得了很大成功，但哲学家们提出了“符号接地问题”：纯粹的符号系统内部操作，真的能赋予符号指称和意义吗？这是个哲学问题：人工智能是真的理解了语言，还是只是在统计符号之间的关系？ 比如说，当人工智能输出“苹果”的时候，它真的是知道苹果可以吃、有红色外皮、味道等属性，还是仅仅因为“苹果”这个词经常和“水果”、“吃”这些词一起出现？这是一个统计。我想，这是我们对于大语言模型、人工智能一个比较根本的质疑所在。这也是为什么现在像李飞飞老师他们提出，真正的人工智能应该通过“具身交互”学习，也就是通过感知、行动与世界互动，从而解决符号接地问题。好比我们通过触摸、品尝、观察来认识苹果，而不仅仅是通过书本上的文字。 作为一个文科生，看到AI的这种“茫然”，让我有了一种冲动去寻找一个标准：什么样的人工智能是我能够接受的、我愿意承认的？那我就要动用一点我自己的专业背景了。我们需要一种测试方案，不管怎样，来判断人工智能（无论是基于大语言模型还是具身学习）是否真的拥有能够和人类相比的智能水平。 但很遗憾，我查了半天，发现现在其实没有公认的标准来检验可能到来的人工智能。例如，搭载人工智能程序的机器人，我们到底要不要把它当作人类社会的一员、真正的智能体呢？大家稍微注意一下都知道“图灵测试”——1950年艾伦·图灵提出的著名测试：在基于文本的自然语言对话中，如果机器的行为与人类无异，以至于测试者无法区分，那么是不是就可以认为机器具有智能？但现在根据报道，不少人工智能系统都试图或声称已经通过图灵测试，图灵测试本身好像有问题了。 通过对图灵测试的反思，有学者提出：图灵测试的问题在于，它应该叫做 “Gnirut”测试（把“图灵”反过来写）。因为你这个图灵测试的游戏，事实上只不过是像一面镜子测试提问者的水平：你漂亮，它照出来你就漂亮；你丑，它照出来就丑；你提的问题有深度，AI的回答就精彩；你的问题比较愚蠢，它出来的回答就比较愚蠢。 那么，考虑到对图灵测试的这种反思，特别是考虑到我们刚才提到的人工智能的“社会性”，我隆重推出：有没有一种真正具有终极意义的测试方案呢？这就是Nigiro Challenge。大家可能已经看到，Nigiro就是“Origin”（起源）的反写，象征着对人类智能的逆向探索。是否有可能找到一种测试，不仅为测试AI通用智能提供一种可能方案，同时也让我们重新审视人类智能诞生与发展的历史？ 学历史的难免要“自恋”一些：人类的智能是在社会环境中逐渐发展起来的，文字的发明就是一个很好的例子。那么，具身的人工智能体，能不能在模拟的社会环境中，重新发明、创新并系统化构建一套对他们来说可外化的文字体系，来记录他们的文明故事呢？ Nigiro Challenge 的内容其实非常简单，就是针对所谓通用人工智能体的“社会性虚拟造字测试”。想象一下，人工智能体社会能否在与其他智能体的社会互动中，一步步发明出他们自己的文字？如果他们能够做到这一点，那是不是就意味着他们拥有了（类似人类的）智能？从文字的角度，我愿意承认：如果一群智能机器人发明了一个他们的文字系统，我个人觉得也许可以承认这样的智能体应该被接纳为人类社会的“合格成员”。一个社会能够独立发明文字，虽然未必是人类拥有文明的唯一标志，但确实是人类文明有形的结晶。 从文字的起源开始，我们回顾了陶筹、印章、楔形文字，又探讨了自然语言处理中的词元和Transformer。最后，我们作为一个脑洞提出了 The Nigiro Challenge。我们已经讲过，文字的出现体现了人类智能的发展。而人工智能的发展，事实上让我们重新回过头去思考智能本身的本质。也许我们在座的诸位永远不知道“人是什么”，但我们也许可以借着这个契机去思考一下“智能是什么”。 从我们略知一二的楔形文字起源故事，用逆向工程的方式，我感觉我自己的专业好像忽然有了一个意外的高大上用处。沿着大语言模型的路径继续发展，还是通过具身学习？这都不是我的专业，都需要继续研究。但是，Nigiro Challenge 至少也许会让我们在向着人工智能狂奔的同时，不忘回望一下我们人类智能的过往。如果人类文明的历史只是智能的升级，当通用人工智能体社会用我们不可能认得的、他们自己的文字记录他们文明故事的时候，那我们这些有肉身的人类，是不是也许就真的可以退场了？ 本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。
京公网安备11010202000001号
