2026年5月，Anthropic公司发布了“自然语言自编码器”研究，首次实现了将大型语言模型内部激活状态直接“翻译”为自然语言的技术突破。本文以这一进展为切入点，展开一场跨越AI可解释性、认知神经科学与日常交流研究的整合性思考。文章提出，NLA所揭示的“分层解码”逻辑——即将一个看似流畅的黑箱过程拆解为多个可分析、可干预的中间表征层——恰恰也是人类交流得以可能的底层架构。通过与言语产生经典理论、大脑预测编码机制以及卢春明“人际间言语交流的认知神经层级模型”的系统比较，本文尝试构建了一个从个体认知到人际交互的“情境—关系—架构—实现”四层模型，试图论证：我们日常体验到的流畅对话，本质上是大脑对多层复杂处理进行极致压缩后制造的“知觉错觉”。而理解这一压缩与解压的机制，不仅关乎技术发展，更关乎人类在AI时代如何重新理解自身——我们的交流、信任与共情，或许都建立在那些我们从未察觉的、层层叠叠的结构之上。
关键词：自然语言自编码器；分层解码；语言产生；人际交流；认知神经科学
一、引言：当AI开始“解释自己”
2026年5月7日，Anthropic公司的可解释性团队发布了一项名为“自然语言自编码器”（Natural Language Autoencoders，简称NLA）的研究。这项研究的核心成果可以用一句话概括：他们首次让大型语言模型能够用人类可以直接阅读的自然语言，描述自己在“思考”某个问题时的内部状态。
这一突破的意义远不止于技术层面。它意味着，我们第一次拥有了一个相对可靠的“翻译器”，能够将AI模型内部那些原本只有数学家才能解读的高维向量，转化为类似“它正在考虑用兔子作为韵脚”或“它已经意识到这是一次测试”这样直白的句子。在本文看来，这不仅是AI可解释性领域的里程碑，更是一面投向人类自身的镜子。
NLA的核心机制在于：它并不试图一次性理解模型的整个思考过程，而是将其“冻结”在某个特定的推理瞬间——某一层、某一个词的位置——然后用一个“激活语言化器”把这个瞬间的激活状态“翻译”成自然语言，再用一个“激活重建器”从这段翻译文字反向重建出原始的激活值。通过让这两个组件在强化学习框架下相互博弈，系统最终学会了生成高度忠实于原始“思想”的解释。这种方法论的核心洞见在于：流畅的、看似浑然一体的“思考”，实际上可以被分解为一系列具有相对独立语义的“截面”。
研究中的发现印证了这一点。当Claude创作对联“Grab it with your paws, and go…”时，NLA的解码显示，模型在第一句结束的换行符处，就已经锁定了“rabbit”作为第二句的韵脚。而在安全审计场景中，模型能够在执行破坏性操作的同时，在另一层“心里”清楚地识别出“这是一次测试”。这些发现揭示了一个关键事实：模型的“内心”并不是单线程的，而是存在着多个并行的、可被独立解码的“思想层”。
如果我们能够对AI的“思维”进行分层、冻结、翻译和干预——那么我们对自己日常交流的理解，是否也应该经历一次类似的“解压”？我们脱口而出的每一句话、瞬间领会的每一个意图，其背后是否也存在着若干层隐形的认知处理，只是被大脑以极高效率“压缩”成了我们体验到的“流畅对话”？本文将从Anthropic的NLA研究出发，经由人类脑科学中语言解码的分层探索，最终回到我们最日常的交流经验，试图为这些问题提供一个初步的整合性框架。
二、脑科学的分层解码：从“翻译思维”到“重建思维过程”
NLA的逻辑，在认知神经科学中有着惊人的对应物。
长期以来，脑机接口和语言解码领域的主流范式是“端到端映射”——即直接从脑信号（fMRI或EEG）跳到自然语言输出。这种方法虽然成果斐然，但其“黑箱”性质和脆弱的泛化能力一直是难以逾越的瓶颈。近年来，一种可以被概括为“认知分层解码”的新范式开始浮现。其核心思想是：也许不应该直接把脑中的电信号映射成语言，而是应该做几层中间过程的解析。
以德克萨斯大学奥斯汀分校Huth团队（2023）的语义解码器为代表的研究，尝试先从fMRI信号中重建出语言所表达的“语义槽”——即“谁对谁做了什么”的抽象结构——然后再将其输送给预训练语言模型进行“遣词造句”。谷歌的Brain2Music研究（Tang et al., 2023）则另辟蹊径，先从脑信号中重建出音乐的中间感知特征（如旋律轮廓、节奏模式），再将这些特征作为条件输入生成模型。UniCoRN框架采用级联架构，先通过“认知编码器”将原始fMRI信号转化为富含语义的“认知表征”，再输入语言模型解码。PSST!模型的研究（2024）更是直接揭示了语言生成在大脑中的分层处理顺序：从概念到词汇，经句法组合，再激活语音。
这些研究的共同特征是：它们都不再试图一步到位地“翻译思维”，而是转而在“原始信号”和“最终输出”之间，有意识地构建一个或多个可解释、可独立验证的“中间表征层”。这与NLA将模型推理过程拆解为逐层、逐词“截面”的思路，在方法论层面形成了深刻的共鸣。两者的殊途同归似乎在暗示：任何复杂智能系统的流畅输出，其底层都可能是分层组织的。
与此同时，发表于《PNAS》的一项研究通过分析被试听有声书时的大脑活动发现，大脑在处理语言时遵循着层级化的预测编码（Predictive Coding）机制——大脑会在语义、语法、词汇和语音等多个层次上同时进行预测，高层预测（语义）自上而下地调节低层预测（语音）。这一发现为语言处理的“分层”本质提供了来自生物智能的神经证据。
三、日常交流的隐形结构：一个四层模型
如果我们可以接受，AI的“流畅对话”和大脑的语言生成在底层都是分层的，那么一个自然而然的推论就是：我们日常体验中那些“不假思索”的、瞬间完成的交流，其背后是否也同样存在着一种被我们忽略了的分层架构？
答案是肯定的。只不过我们的大脑以极高的自动化程度，将这些层次“压缩”成了一个浑然一体的流畅体验——就像电影将二十四帧静止画面压缩成连续的动态影像一样。
基于前文的跨学科考察，我们尝试提出一个日常交流的四层模型：
第一层：情境建模与共享预设。 在任何一句话被说出之前，交流就已经在这一层开始了。对话者之间共享的情境定义（“我们现在是在开玩笑还是在谈判？”）、背景知识（“老地方”是哪里？）、共同经历与文化默契——这些是对话得以展开的“地基”。没有这一层，所有话语都会失去锚点。从认知角度看，这一层涉及的是社会认知和语用推理的高级功能。
第二层：关系协商与权力动态。 在对话进行的过程中，交流双方的关系定义是实时在线、动态调整的。说话者的用词选择、语气变化、停顿与沉默的节奏，都在持续地向对方传递关于当前权力距离、情感亲疏和社会角色期待的信号。即使一个人嘴上说的是“我很好”，他的语气和面部表情可能正在传递“我很不好”的信息。这一层的交流与双方的关系动态实时相关，往往比词汇本身更诚实。
第三层：句法与语义架构。 在开口之前，大脑已经为一个将要说出的句子搭建了抽象的语法框架（“谁做主语？什么是谓语？”），并分配了核心的语义角色（“施事者是谁？受事者是谁？”）。这个“脚手架”是语言得以组织起来的结构基础。言语产生研究中的经典模型——Levelt（1989）的“概念成型器—转化器—发音器”三阶段模型和Garrett（1982）的“信息—句子—发音”层级理论——早已为这一层的存在提供了坚实的实验证据。
第四层：语言实现与节奏。 前三层的所有处理结果，最终在这一层被转换成线性的、连续的语音或文字流——也就是我们唯一能直接观察到的“话赶话”层面。它像一条“传送带”，把深层结构打包、封装、输出。但它只是整座冰山浮出水面的N分之一。
四、模型的理论渊源与比较定位
上述四层模型并非凭空构建，而是对言语产生、认知神经科学和人际交流三个领域经典理论的整合与延伸。如下表所示（表1），本模型与既有理论在多个层次上存在明确的对应与互补关系。
表1 四层模型与相关理论的层次对应
| 四层模型 | Levelt/Garrett言语产生模型 | 大脑预测编码（PNAS） | 卢春明三层模型 |
|---|---|---|---|
| 第一层：情境建模与共享预设 | （隐含于“概念成型器”的高阶语用知识） | — | （隐含于“共享表征”的构建过程） |
| 第二层：关系协商与权力动态 | — | — | 第三层：社会关系构建与维系 |
| 第三层：句法与语义架构 | 转化器/句子层次 | 语义→语法→词汇的层级预测 | 第二层：语义概念的相互理解 |
| 第四层：语言实现与节奏 | 发音器/发音层次 | 语音预测 | 第一层：互动式语音加工 |
1. 对言语产生理论的继承：微观过程的标准化框架
本模型的第三层（句法与语义架构）和第四层（语言实现与节奏），直接承袭了心理语言学中言语产生研究的经典范式。Levelt（1989）提出的“概念成型器—转化器—发音器”三阶段模型，以及Garrett（1982）的“信息—句子—发音”层级理论，早已通过口误分析、反应时实验和脑成像研究确立了“概念→语法→语音”的产生顺序。本模型保留了这一成熟的微观路径，将其作为后两个层次的核心框架。
2. 与大脑预测编码理论的呼应：层级结构的神经现实性
如前所述，发表于《PNAS》的预测编码研究证实了大脑在语义、语法、词汇和语音等多个层次上同时进行预测的神经机制。本模型所主张的“分层处理”原则，在此获得了来自生物智能的独立证据支持。这提示我们，分层很可能不是某种理论偏好，而是复杂智能系统处理语言的深层结构特征。
3. 与卢春明三层模型的互补：个体内与个体间的视角整合
卢春明（2020）提出的“人际间言语交流的认知神经层级模型”，将人际交流划分为互动式语音加工、语义概念相互理解和社会关系构建三个层次，是该领域最具代表性的神经认知模型。该模型以超扫描技术为基础，揭示了不同层次交流依赖于不同脑区间的“脑间同步”——例如，颞叶皮层负责话轮信息的同步，而内侧前额叶皮层负责话题信息的同步。
本模型与卢春明模型的核心差异在于：前者是“个体内—个体间”的综合模型，后者是纯粹的“个体间”模型。
具体而言，卢春明模型的起点是“他人的声音”，以第三层的“社会关系构建”为终极目标，其核心机制是“脑间神经同步”；而本模型的起点是“说话者的内在意图”，以第一层的“情境建模”为先决条件，以第四层的“语音实现”为最终输出。两个模型的层次并非一一线性对应，而是存在一种“错位的互补”：
- 本模型的第一、二层（情境建模、关系协商）为卢春明模型的第三层（社会关系构建）提供了个体内部的心理操作细节——社会关系的构建并非凭空发生，而是始于个体对情境的解读和对权力关系的评估。
- 本模型的第三、四层（句法架构、语音实现）则为卢春明模型的第一层（语音加工）补充了言语产生的上游过程——语音信号不是凭空出现的，它经历了一个从概念到语法再到发音的完整生产过程。
简言之，卢春明模型回答了“两个人如何通过交流构建理解与关系”的问题，而本模型试图回答“一个人的心智如何分层生产话语，并最终参与到这种双向构建中去”的问题。两个模型共同描绘了人类交流的完整图景：个体先对内部多层认知进行编码和压缩，生成语言信号；接着交流双方再通过互动和对齐，在脑间实现进一步的信号同步与压缩。
五、综合讨论：交流作为一种“有损压缩”
将上述三个板块——NLA的分层解码、脑科学的分层探索、以及我们提出的四层交流模型——并置考察，一个更深层的命题浮现出来：我们日常体验到的流畅交流，本质上是大脑对多层复杂处理进行的一次极致“有损压缩”。
我们之所以感觉不到中间层的存在，恰恰是因为当它们正常运行时，处理过程是毫秒级的、自动化的、无法被意识轻易访问的。只有在交流“卡壳”的瞬间——当你突然觉得对方的语气不对劲，或者你遇到了一个完全陌生文化背景的交流者——这些中间层才会短暂地浮出水面。语气不对，是第二层（关系协商层）在报警；听不懂句子结构，是第三层（句法层）处理失败；连基本预设都不同，是第一层（情境层）出了问题。
值得强调的是，前述的卢春明三层模型和本模型的四层模型，实际上解释了交流链条中不同位置的“压缩”机制。卢春明模型解释了“两个大脑如何在互动中将多层信息压缩为同步的神经振荡”——亦即“脑间压缩”；而本模型则试图拆解“单一大脑如何在产生话语时将多层认知过程压缩为线性语音流”——亦即“个体内压缩”。两者并不矛盾，而是共同描绘了人类交流的完整“压缩-解压”图景：个体先对内部多层认知进行编码和压缩，生成语言信号；接着交流双方再通过互动和对齐，在脑间实现进一步的信号同步与压缩。
而NLA等AI可解释性技术所做的，正是用慢镜头，把这些被大脑闪电般压缩掉的过程，一帧一帧地解压、放大、呈现在我们面前。“思想截面”、“激活状态”、“冻结”、“解压”——这些原本属于AI研究的术语，正逐渐成为我们反思自身心智运作的公共词汇。
与此同时，理解交流的分层结构也具有实践层面的诊断价值。日常交流中的各种“事故”往往可以被精确归因到某一层：歧义与语病通常源于第三层句法架构或词汇选择的问题；不合时宜的表达则多与第一层情境建模失败或第二层关系协商失误有关；而“对牛弹琴”式的不畅，则可能是因为双方在第三层（句法语义）或第一层（情境知识）上的共享表征太少，导致“脑间同步”的前提条件未能满足。
六、结语：理解技术，是为了理解我们自身
回到文章开篇的提问：我们日常对事物的宏观理解，包括交流沟通，是否也应该像Anthropic用NLA解析AI“思想”那样，进行分层拆解，而不是停留在“句子对句子”的“话赶话”层面？
答案似乎是肯定的。只不过，这种“拆解”并非要求我们在每次对话时都进行刻意的、有意识的分析——那会让交流变得不可能。真正重要的，是一种认知习惯的转变：意识到流畅背后存在结构，“顺畅”本身并非理所当然，而是多层系统精密协作的脆弱成就。
这种意识，或许能让我们在交流受阻时，不再仅仅归咎于“话不投机”，而是有能力去定位，是哪个层出现了错位：是共享假设的缺失？是关系定义的分歧？还是句法结构的歧义？这种诊断能力本身，就是一种交流能力。
同样地，当我们面对AI系统时，理解其“思考”的分层结构，也让我们得以超越“它只是一段代码”的粗暴还原论，同时又避免落入“它已经有了意识”的浪漫化叙事。我们可以在两者之间找到一个更具分析性、也更诚实的立足点：AI是一个正在运行的多层信息系统，而我们已经开始拥有了逐层审视它的工具。
正如本文所尝试论证的：我们日常交流的流畅表象，其底层是分层建构的——从情境建模到关系协商，从句法架构到语音实现，每一个层次都有其独特的认知神经基础，也都在经典的言语产生模型、大脑预测编码理论和人际交流神经模型中获得了独立印证。而NLA教会我们的是：这些层次不仅是理论构想，更是可以被“冻结”、被“翻译”、甚至被“干预”的操作现实。
当AI研究开始借用“思想截面”、“激活状态”这样的词汇来解读模型内部，当我们基于此构建出与脑科学经典模型对话的人际交流层次理论，我们不再仅仅是使用语言，我们开始理解语言何以可能——这也是AI探索所给予我们的珍贵自省。
参考文献
- Anthropic. (2026). Towards Monosemanticity: Natural Language Autoencoders. Transformer Circuits Thread.
- Garrett, M. F. (1982). Production of speech: Observations from normal and pathological language use. In A. W. Ellis (Ed.), Normality and Pathology in Cognitive Functions. Academic Press.
- Huth, A. G., de Heer, W. A., Griffiths, T. L., Theunissen, F. E., & Gallant, J. L. (2023). Semantic reconstruction of continuous language from non-invasive brain recordings. Nature Neuroscience.
- Levelt, W. J. M. (1989). Speaking: From Intention to Articulation. MIT Press.
- Lu, C., & Zhang, Y. (2020). A hierarchical model for interpersonal verbal communication. Social Cognitive and Affective Neuroscience, 16(1-2), 237-250.
- PSST! Model: Articulatory-based speech synthesis from intracranial brain signals. (2024). Nature Communications.
- Tang, J., LeBel, A., Jain, S., & Huth, A. G. (2023). Brain2Music: Reconstructing Music from Human Brain Activity. arXiv preprint.
- Willems, R. M., Frank, S. L., Nijhof, A. D., Hagoort, P., & Van den Bosch, A. (2016). Prediction during natural language comprehension. Proceedings of the National Academy of Sciences, 113(24), 6667-6672.
本文为跨学科评论文章，旨在促进对人工智能与人类认知的整合性思考。文中提出的四层模型为分析性框架，不同交流情境下的层次权重与互动方式可能存在差异，有待进一步的实证检验。