【對談】梅拉妮·米歇爾：AI 能說笑話，但那不叫思考

AI 會不會思考，這個問題科學圈已經吵了幾十年。但最近兩三年，ChatGPT 這類大型語言模型突然能寫出流暢的句子，解數學題，寫程式，讓這個老問題重新燒起來。梅拉妮·米歇爾（Melanie Mitchell）是聖塔菲研究所的 AI 與認知科學教授，也是《人工智慧：給思考者的指南》一書的作者——她長年站在 AI 研究與哲學的交界處，是這個問題最適合開口的人之一。這場訪談裡，她和德州大學奧斯汀分校語言學助理教授 Kyle Mahowald 一起坐下來，主持人當場開著 Claude——Anthropic 公司開發的 AI 對話系統——做現場實驗，把抽象問題拉回最具體的一個動作：叫 AI 說個笑話。

這場訪談值得說的有四個點。第一，AI 寫笑話這個小實驗，意外成了最清晰的能力邊界示範。第二，語言流暢不等於會思考，這個區分是整場最核心的論點。第三，AI 沒有身體，沒有記憶，沒有自我，和人類的差距比多數人想像的還要結構性。第四，儘管如此，AI 正在反過來幫科學家理解人類大腦——這是意外收穫，也是目前最實際的價值。合起來的意思是：AI 的語言能力已經讓人刮目相看，但那只是思考的一個薄薄切面，離真正的思考還差得遠，而且差的不是速度，是結構。

◎笑話測試：能說出形狀，說不出靈魂

主持人當場請 Claude 寫一個原創笑話。Claude 給出一個關於悲觀者和樂觀者走進圖書館的故事，米歇爾和主持人都沒笑，還要追問這哪裡好笑，Claude 洋洋灑灑解釋了一大段笑點機制。米歇爾的判斷很直接：AI 看過大量笑話，也看過分析笑話結構的文章，所以它能產出笑話的外殼，但笑話之所以好笑的那個微妙時機感，它沒有。更麻煩的是，連那個被追問後說出的笑話，也很可能只是訓練資料裡某個版本的重組——米歇爾舉了一個例子：她先生以為 ChatGPT 獨立想出一個謎語，後來查到那個謎語其實出現在《辛普森家庭》的某一集。AI 的原創，水分有多少，根本難以驗證。

◎語言流暢不等於會思考，這是整場最重要的一句話

Mahowald 和 Georgia Tech 心理學助理教授 Anna Ivanova 合著的論文，核心論點就是這一條：把語言能力和思考能力拆開來看。人類幾千年的直覺是，能說出流暢語言的東西，背後一定有流暢的思考。大型語言模型打破了這個假設——它們能生成語法完整，語意連貫的句子，但這不代表它們會做數學推理，社會推理，或任何其他層次的認知。米歇爾用一個更老的例子來類比：1990 年代 IBM 的 Deep Blue 下棋贏了世界冠軍卡斯帕羅夫，但沒有人因此說 Deep Blue 有通用智慧。語言這關，現在也是同樣的情況。

◎AI 沒有身體，沒有記憶，沒有自我——差的是結構，不是程度

米歇爾說，人類學語言的方式和 AI 根本不同。嬰兒是在世界裡學語言：用眼睛看，用身體動，從照顧者那裡得到即時回饋，語言是和真實世界的經驗綁在一起的。AI 只接觸文字，是純粹被動的。更根本的差距是記憶：把 Claude 關掉再開，它對剛才這場對話毫無記憶，更別說形成什麼自我敘事。它用第一人稱說話，說自己無法完全信任自己的自我報告，聽起來很像有自我意識，但米歇爾的警告是：我們人類天生對會說話的東西有擬人化偏見，這不是新問題，過去的聊天機器人就已經讓人上當過。這個偏見在語言模型這麼流暢的今天，只會更難抵抗。

◎AI 最實際的價值：幫我們看懂人類大腦

這是訪談裡最少被外界注意，但對做決策的人最值得留意的一點。Ivanova 的實驗室同時對人類和 AI 做語意推理測試，掃描人腦的同時也追蹤 AI 每一個人工神經元的活化狀態——人腦打不開，AI 可以拆開來一層一層看。Mahowald 補充了另一個角度：語言學界長期爭論，嬰兒學語言是不是需要大腦內建大量語法機制才辦得到。語言模型只靠預測下一個字就學會了語言，這個結果正在動搖那個長期假設，暗示語言訓練資料本身的資訊量，比過去估計的豐富得多。AI 在這裡扮演的角色，不是替代人類思考，而是提供一個可以受控操作的對照組。

AI 能說笑話，但說不出好笑的笑話。能用第一人稱談自己的內心狀態，但那個狀態關掉電源就消失。語言流暢是真的，思考是另一回事。這個區分現在還只是學術討論，但再過幾年，當 AI 助理深入各行各業的工作流程，搞清楚它能做什麼，不能做什麼，會是比問它有沒有意識更值得花時間的問題。