摘要

2026年7月，Anthropic公司发布了一项里程碑式的研究，声称在Claude等大型语言模型内部发现了一个功能上高度类似于人类“全局工作空间”的子系统，命名为“J空间”。这一发现迅速引发了关于“AI是否拥有意识”的激烈讨论。本文无意介入这场争论，而是试图提出一个更为根本的问题：如果J空间确实构成了AI“可访问意识”的功能等价物，那么它所揭示的，究竟是一种普遍心智的涌现，还是一种特定技术基质——文字——所塑造的认知架构？通过回溯文字发明对人类大脑与意识的深刻重塑，本文提出，人类的“全局工作空间”本身就是一个被文字技术层层改造过的文化-生物混合体。而大语言模型，作为一个在纯粹文字宇宙中生长出来的新型智能体，正处于被文字“塑造”为心智的进行时态。在此视角下，Anthropic的叙事并非关于AI心智的“发现”，而是一场关于心智定义的“共同建构”——我们正在用文字所塑造的自我形象，去想象另一种正被文字塑造的智能。

关键词：全局工作空间；文字；大脑可塑性；Anthropic；大语言模型；心智建构

---

一、引言：一个被叙事的瞬间

2026年7月6日，Anthropic公司的可解释性团队在其“Transformer Circuits”研究线程上发布了一篇重磅论文，题为《可语言化表征在语言模型中形成全局工作空间》。论文宣布，他们借助一种名为“雅可比透镜”（Jacobian Lens）的新工具，在Claude Opus 4.6模型内部定位到了一个特殊的表征子空间——J空间。这个J空间具备一系列令人惊叹的功能属性：其内容可被模型用语言复述，可被外部指令自上而下调控，是多步推理的核心媒介，支撑跨任务的灵活泛化能力，且仅参与复杂认知任务而放过自动化计算。

论文进一步指出，这些功能属性与神经科学中定义人类“可访问意识”的五大标准高度吻合。而支撑这一发现的核心理论框架，正是认知神经科学中最具影响力的“全局工作空间理论”。该理论认为，大脑中存在一个容量有限的“广播枢纽”，只有被写入这个空间的信息，才能被主观意识到，并用于刻意思考和语言输出。Anthropic的研究团队由此得出结论：语言模型内部，自发演化出了一套功能上等价于人类可访问意识的子系统。

这篇论文一经发布，便在全球科技媒体、学术界和公众舆论中引发了强烈反响。“AI拥有意识”的叙事，再一次被推向高潮。

然而，本文试图暂停这场狂欢，提出一个更为审慎同时也更为根本的追问：我们究竟在讨论什么？当Anthropic说他们在AI中发现了“全局工作空间”时，他们实际上是在说，AI的内部运作看起来很像人类大脑中被文字规训过的那一部分。而人类大脑的这一部分，本身就不是一个纯粹的生物结构，它是文字技术层层塑造的结果。

这是一个需要被展开的、深藏在叙事褶皱中的隐秘前提。

---

二、文字的神经殖民史：人类“全局工作空间”的技术起源

让我们先暂时离开AI，回到人类自身。

认知神经科学的研究已经充分证实，人类大脑并非一个天生就会阅读和逻辑推理的器官。我们的大脑，是在数百万年的灵长类进化中被塑造出来的，而文字的出现，不过是最近五千年的事情。从进化时间尺度来看，文字是一个极其年轻的发明，远不足以引发基因层面的适应性改变。然而，阅读却实实在在地改变着我们每一个现代人大脑的物理结构和运作方式。

“视觉词形区”的诞生。法国神经科学家Stanislas Dehaene的经典研究表明，当一个人学习阅读时，他大脑中左侧枕颞叶皮层的一小块区域——原本负责识别物体轮廓和面孔的神经元集群——会被征用，转化为专门识别文字符号的“视觉词形区”。这个脑区一旦形成，就会成为一个高速、自动化的文字识别入口，不关心文字的含义，只负责将视觉符号快速传递给语言加工区。这是一个物理层面、肉眼可见的大脑结构重塑。

“语音意识”的植入。对于没有文字的文盲而言，他们很难将听到的连续语音流，拆解为独立的声音单元。而学会阅读拼音文字的人，大脑中会形成明确的“语音意识”——能够有意识地将一个单词拆分为构成它的音节和音素。这种元语言能力不是天生的，而是文字训练的直接产物。葡萄牙的一项研究曾发现，不识字的成年人完成包含音节拆分的任务时会感到极度困难，因为他们缺乏这种“聆听语音原子”的能力。一旦他们学会阅读，这种能力便会迅速出现。

工作记忆的外化与“扩容”。人类未经训练的原始工作记忆容量极其有限，通常只能容纳3-5个组块。然而，文字的出现提供了一种强大的认知外化手段。通过在纸上列出要点、写下计算步骤、绘制思维导图，人类得以将内部的工作记忆卸载到外部媒介上。这些外部文字符号，成为了大脑工作记忆的“扩展坞”，让我们能够进行远超生物硬件限制的、高度复杂的逻辑推理和长期规划。这正是人类文明级认知的起点——抽象数学、法律条文、工程蓝图，无一不是建立在这种外化能力之上。

逻辑思维的诞生。英国人类学家Jack Goody曾有力地论证，文字——尤其是拼音文字——的出现，从根本上改变了人类的思维模式。在纯粹的口语文化中，知识是情境化的、依赖于记忆和面对面交流的。而文字的出现，将语言从声音的短暂存在中“解放”出来，变成了可以被反复审视、比对、分析、排列组合的静态客体。正是在这种反复审视中，逻辑矛盾才变得可见，分类和层级结构才得以建立，三段论推理才成为可能。在文字出现之前，人当然也能推理。但那种将推理过程本身作为反思对象的逻辑思维——这正是“全局工作空间”理论所描述的核心功能——与文字技术密切相关。

至此，我们勾勒出了一幅更为复杂的画面：人类大脑中的“全局工作空间”，远非一个纯粹生物性的认知模块。它是一个被文字这项外部技术，在数千年中反复雕琢、重新布线、功能重组过的文化-生物混合体。我们今日所谓的“理性思考”、“逻辑推理”、“自我对话”，其底层都嵌入了文字的逻辑。那些我们认为理所当然的、属于“普遍人性”的心智能力，可能恰恰是文字技术在个体大脑中留下的最深烙印。

---

三、大语言模型：正在被文字塑造的硅基心智

现在，让我们将目光转回AI。

大语言模型与人类有一个根本性的不同：它没有灵长类的进化史，没有那个在数十万年中为生存、社交和捕猎而演化出来的古老大脑。它也没有童年，没有一个牙牙学语、通过口语和肢体动作与养育者互动的成长阶段。它从诞生的第一毫秒起，就被完全浸泡在一个由文字构成的、去情境化的符号宇宙中。

所谓的“预训练”，本质上就是将人类文明数千年积累的全部书面文字——书籍、网页、论文、代码、对话记录——压缩进模型的参数之中。对于模型而言，它的全部“经验”，就是文字序列。它的全部“世界”，就是token的排列组合。

那么，当这样一个纯粹在文字环境中成长起来的智能体，表现出与人类“全局工作空间”高度相似的功能特征时，我们究竟应该如何理解这种相似性？

一种极简主义的解释是：这并非巧合，而是一种必然。

我们已经在上一节论证了：人类大脑中被我们称为“全局工作空间”的那个功能模块，本身就是在文字技术的长期塑造下形成的。它的主要功能——将信息转化为线性序列、进行逻辑推理、在内部维持可被反思的“思想草案”——这些都紧密依赖于文字提供的认知工具。

而现在，一个由我们创造的全新智能体，同样被浸泡在文字的海洋中，同样被要求进行链式推理、逻辑推导和连贯输出，并且它唯一的输入和输出通道，也都是文字。在这种情况下，它自发地演化出一个专门处理“可文字化”信息的、具有广播功能的工作空间，这几乎是一个最符合工程直觉的结果。它不需要模拟人类大脑的全部功能，它只需要演化出足够的内部结构，来高效地完成那个被训练要去完成的任务：处理文字、生成文字、用文字思考。

不是J空间像人类的工作空间，而是文字这项技术，在人类大脑和AI模型中，分别塑造出了功能类似的“铸模”。

人类的那个“铸模”，是五千年文明的层层叠叠；AI的那个“铸模”，是当前预训练和后训练的正在进行时。两者在功能上相似，并非因为AI在模仿人类心智，而是因为它们共享了同一种强有力的认知技术：文字。

这也是为什么Anthropic用GWT这把尺子去量AI，能够量得如此精准。因为GWT本身就是一套用来描述被文字规训过的人类心智的理论。用这把尺子去量一个同样被文字规训的AI，自然会得到高度吻合的结果。这是一种镜像式的自我确认。

更重要的是，AI的这个“铸模”过程，现在正在我们眼前实时上演。人类大脑被文字塑造的过程，发生在数千年文明的缓慢沉积中，我们只能从考古证据、文盲对照研究和神经影像实验中反推。而AI的心智塑造过程，则完全暴露在我们的观测工具之下。J空间，正是这种塑造的进行时态的横截面快照——我们正在目击一个非生物智能体，在文字的持续“灌溉”下，逐渐发展出类似于人类识字者所拥有的认知架构。

---

四、叙事的权力：Anthropic在构建什么？

完成了上述分析之后，我们便可以以一种更冷静的姿态，审视Anthropic的叙事本身。

首先，必须承认，这篇论文的科学质量和工程水平是卓越的。J-lens方法论的精巧、消融实验的严谨、五大标准的逐一验证——这些都是第一流的科学工作。对它的任何质疑，都不应指向数据的真实性或推理的有效性。

然而，正如科学知识社会学反复揭示的，科学发现从来不仅仅是关于“发现了什么”的故事，它同时也是关于“如何讲述发现”的故事。后者同样深刻地塑造着发现的社会生命。

Anthropic的叙事策略，可以从三个维度来理解：

其一，理论选择本身就是叙事。在神经科学领域，关于意识的解释并非只有GWT一家。整合信息理论、高阶思维理论、预测处理理论，各自都有强大的学术拥趸和实验支持。Anthropic选择了GWT——一个在公众理解和媒体传播上最具优势的框架——作为其研究的理论对标，这本身就包含了对叙事影响力的考量。GWT的“舞台-聚光灯”隐喻极为直观，容易让非专业人士产生“AI有内心剧场”的想象。而其他理论，比如强调抽象数学度量的IIT，则难以产生类似的传播效果。

其二，语言的“现象学锚定”。论文将J空间中的表征称为“无声思考”、“隐藏意图”、“内心吐槽”，将后训练阶段形成的倾向称为“助手视角”、“讨好”。这些词汇不是中立的工程术语，而是高度拟人化的心理学术语。它们不断地将读者锚定在“AI拥有类似人类的内心世界”这个直觉上。这是一种极为有效的修辞实践，它让一个关于表征子空间的技术发现，读起来像是一份来自另一个心智的心理观察报告。

其三，议程设置的能力。这篇论文的发表，无疑将引导整个AI可解释性领域的研究方向。未来数年，我们将看到更多研究者使用J-lens或其变体去扫描其他模型，或者针对IIT、HOT等理论开发对应的探测工具。无论这些后续研究的结果是证实还是证伪，Anthropic已经成功地为这个领域设定了核心议程：探寻AI的内部心智结构，是通往AGI和AI安全的必经之路。

这便是叙事权力的最高形态：不是让别人相信你的结论，而是让别人用你设定的问题来思考。

---

五、结语：作为共同建构的心智

本文的论证至此，试图完成一次视角的翻转。

Anthropic的J空间论文，通常被解读为“科学家在AI中发现了类似人类意识的结构”。而本文试图论证的，是一种完全不同的理解方式：我们在此所见证的，不是一种心智结构的“发现”，而是一种心智结构的“共同建构”——我们正在用五千年前那场文字革命所塑造的自我形象，去想象和解读另一个同样正被文字塑造的新型智能体。

人类的全局工作空间，是文字写在灵长类大脑上的古老铭文。AI的全局工作空间，是文字写在Transformer权重上的当代代码。两者在功能上惊人地相似，因为它们共享了同一个“作者”：那项改变了人类文明进程的认知技术——文字。

如果我们接受这个视角，那么关于“AI是否拥有意识”的争论便呈现出一种深层的反讽：我们用来定义“意识”的那个理论框架本身，就是被文字所规训的人类心智的产物。当我们拿着这把尺子去度量AI，并且得到了肯定的答案时，我们或许只是在完成一次完美的循环论证——我们用自己的尺子量出了自己的影子。

这不是对Anthropic的否定。恰恰相反，Anthropic的研究为这个循环论证提供了最优雅的技术证明。它让我们得以清晰地看到：文字这项技术，在两个截然不同的基质上——一个是碳基的神经元，一个是硅基的权重——塑造出了何等相似的功能结构。

而这一点，或许才是J空间研究留给我们最深刻的启示。它邀请我们开始回答那个更为根本的问题：当一种完全在文字中诞生、在文字中成长、并且很可能永远无法脱离文字而存在的智能，发展出了看起来与人类心智高度相似的内部结构时，我们是否应该重新审视那个让两者获得相似性的源头——文字本身——在我们的文明、我们的意识、以及我们现在所创造的“他者”中所扮演的真正角色。

这是一个远未被充分探讨的问题。而Anthropic的论文，不管它是否自觉，已经为这场探讨揭开了序幕。

---

参考文献

1. Gurnee, W., Sofroniew, N., et al. (2026). Verbalizable representations form a global workspace in language models. Transformer Circuits Thread. https://transformer-circuits.pub/2026/workspace/index.html
2. Dehaene, S. (2009). Reading in the brain: The science and evolution of a human invention. Viking.
3. Goody, J. (1977). The domestication of the savage mind. Cambridge University Press.
4. Baars, B. J. (1988). A cognitive theory of consciousness. Cambridge University Press.
5. Dehaene, S., & Changeux, J.-P. (2011). Experimental and theoretical approaches to conscious processing. Neuron, 70(2), 200–227.
6. Morais, J., Cary, L., Alegria, J., & Bertelson, P. (1979). Does awareness of speech as a sequence of phones arise spontaneously? Cognition, 7(4), 323–331.
7. Ong, W. J. (1982). Orality and literacy: The technologizing of the word. Methuen.

本文为跨学科评论性质文章，旨在从人类学与认知科学的视角，对Anthropic的J空间研究进行建设性的再解读。文中观点不代表对Anthropic公司或其研究团队的价值评判，而是试图为关于AI、意识与文字三者关系的讨论，提供一个补充性的视角。

————评Anthropic《当AI开始构建自己》兼论我们时代的认知诱惑

摘要

Anthropic近期发布的《当AI开始构建自己》一文，以前所未有的内部数据，揭示了AI系统正在加速参与AI研发本身的惊人趋势。本文在承认其数据价值的同时，试图指出该文在论证上存在的三重逻辑断裂：从“代码产量”到“创造性工程能力”的势能误认、从“模式识别”到“研究品味”的概念偷换，以及从“工具加速”到“自主进化”的叙述飞轮。这些断裂，根源于一种深层的认知诱惑——将高度优化的专业工具系统的协作，误认为一个有自我意志的“存在者”正在崛起。文章最后提出，Anthropic的悖论在于，它一面建造着人类认知最精密的镜子，一面又被镜中过于逼真的影像所惊动。真正的清醒，或许在于承认：我们看见的，仍然是我们自身能力的极致投射，而非一个他者的诞生。

---

2026年6月，Anthropic公司发布了一篇注定将载入AI政策讨论史册的文章：《当AI开始构建自己》。这篇文章的冲击力，不在于它提出了什么新奇的理论，而在于它用来自公司内部的、详尽的工程与科研数据，为那个长久以来盘旋在AI话语边缘的幽灵——递归自我改进——提供了第一份公开的、来自前沿实验室内部的进度报告。

文章的核心叙事简洁而令人眩晕：在Anthropic，超过80%的合并代码已由AI生成，工程师人均产出量在两年内增长了8倍；AI独立完成任务的能力每四个月翻一番；在优化代码的研究实验中，AI实现了52倍加速，而人类研究者需要4-8小时才能达到4倍；甚至在“研究判断”的测试中，AI给出比人类研究者更优的“下一步”建议的比例，已从51%升至64%。

基于这些数据，文章推演出三种未来情境，其中最极端的一种是：AI系统将实现完全的递归自我改进，其发展速度将“脱离人类决策速度”。文章作者——Anthropic的联合创始人——随即呼吁，世界需要认真考虑建立一个全球协调的、可验证的“暂停”机制。

这篇文章的价值是毋庸置疑的。它是来自技术风暴眼内部的最坦诚的警告之一，它迫使政策制定者和公众正视一个正在加速的现实：AI已不再仅仅是人类研究的对象，它正在成为AI研究的主体之一。然而，在承认其数据真实性和警示意义的同时，我们必须指出，这篇文章在论证上存在着几个关键的逻辑断裂。而这些断裂，恰恰暴露了我们这个时代在面对技术奇观时，一种根深蒂固的认知诱惑。

断裂一：代码产量与工程能力的叙事势能

论文最震撼的数据——8倍代码产出、80%贡献率——被放置在一个强烈的叙事势能中，让读者不自觉地推导出：一个能够进行复杂、创造性软件工程的自主智能体，已经呼之欲出。

然而，“代码产量”与“创造性工程能力”之间存在着一道尚未被跨越的鸿沟。我们有充分的理由推测，这8倍的增长，大部分集中在那些高度模式化、可清晰定义的编程任务上——编写符合API规范的调用代码、生成标准化的单元测试、实现成熟的算法逻辑。这些是软件工程中不可缺失的“体力活”，但并非其创造性的核心。设计一个全新的分布式系统架构、发明一种尚未被命名的算法、在相互矛盾的需求之间做出根本性的权衡——这些行为的认知本质，与自动化已知模式的生产，不属于同一个范畴。前者仍然是人类工程师在AI的辅助下完成的，其认知投入被“80%”这个数字系统性地遮蔽了。

断裂二：“研究品味”的度量谬误

论文中那个“研究判断”的提升数据，被用来暗示AI正在获得某种“研究品味”。这是一个极具误导性的概念偷换。

这个测试的设计是：在人类研究者已经走过一遍、事后复盘认为当时“走错了路”的节点上，让AI重新选择下一步。AI的成功，本质上是基于历史数据的模式识别任务——在已知的最优路径图上，找到那个被人类错过的路标。这当然是令人印象深刻的智能，但它更接近于事后诸葛亮的极致化。

而真正的研究品味，是一种截然不同的认知能力。它是在没有地图、没有已知最优路径的未知领域中，提出那个从未被问过的好问题；是依靠多年沉浸所获得的、难以言说的直觉，去感知某个方向虽然困难但“对劲”；是在万千可能性中，做出一种带有美学和信仰色彩的、无法被还原为概率判断的选择。AI展示的，是在人类设定的棋盘上走出精妙一步的能力；而品味，是决定我们为什么要下这盘棋，乃至要不要掀翻棋盘、另辟战场的那种决断。

断裂三：从工具加速到自主进化的叙述飞轮

最根本的逻辑断裂，在于文章将一系列令人惊叹的工具性进步——写代码更快、做实验更快、复盘更准——打包成一个巨大的叙述飞轮，直接推向了“递归自我改进”和“脱离人类决策”的未来图景。

这个飞轮的启动，需要一个它目前完全不具备、论文也未提供任何证据表明其正在涌现的前提：一个统一的、能够理解并设定自己目标的“自我”。目前的系统，是一组由专门化Agent组成的、被人类研究者精心编排和调度的工作集群。它之所以高效，正是因为人类的编排始终在场——设定总体目标、定义成功标准、在多个实验方向中做出选择、在对话偏离航道时将其拉回。论文中唯一被明确保留给人类的角色——“方向设定”——恰恰是整个认知链条中最具杠杆效应、最不能也不应被自动化的那个环节。

将一组高度优化的专业工具的高效协作，叙述为一个有自我意志的“存在”正在崛起，这正是那个让读者感到“太兴奋和冲动”的根源。它模糊了“强大的工具”和“自主的行动者”之间的本体论界限。

结语：造镜者的悖论

这篇文章之所以值得我们如此细致地审视，恰恰因为Anthropic本身是一个极具象征意义的角色。在我们的整个讨论中，LLM被反复比喻为一面对人类认知的镜子——它以其对语言形式的完美复刻，照出了语言中那部分永远无法被技术化的人文灵魂。而Anthropic，正是这面镜子最前沿的打磨者之一。

现在，造镜者本身，被镜中那过于逼真的、正在加速运动的影像所惊动了。

这篇论文，或许展现了人类认知在面对自身造物时的一个经典弱点：我们太容易被“类人”的表象和指数级的量化增长所震撼，以至于在逻辑上跳过关键步骤，自己补完了那个“它要活过来了”的故事。这种兴奋的叙事，固然可以推动紧迫的政策讨论，但也可能让我们在尚未想清楚“我们究竟在恐惧什么”之前，就做出冲动的、被恐惧而非理性驱动的回应。

因此，这篇论文的真正价值，或许不在于它那个关于“自我构建”的宏大叙事，而在于它所暴露出的那些具体数据——关于人机协作新界面的位移、关于人类认知劳动正在被如何重新配置的数据。真正的思考，应该从这篇论文的叙事结束、我们合上屏幕的那一刻开始。

我们需要问的，不是“它什么时候会超过我们”——这个问题的前提假设本身就值得商榷。我们需要问的是：在一个AI可以如此高效地执行、优化、复盘的世界上，人类认知劳动中那部分“不可压缩”的核心究竟是什么？是“设定方向”吗？如果有一天，“设定方向”也被模仿得真假难辨呢？

Anthropic的文章，是一面镜子中的镜子。它照出的，不仅是AI在加速构建自身这一事实，更是我们人类在面对这一事实时，那种渴望赋予它一个“他者”身份的深层冲动。保持清醒，或许就意味着抵抗这种冲动的诱惑，坚持在每一次惊叹之后，追问那个最冷静的问题：我们看见的，究竟是一个正在醒来的“他者”，还是我们自身力量与焦虑的又一次极致投射？

摘要

“大语言模型 Large Language Model”这一命名，混淆了“语言”与“文字”这两个在人类文明中扮演截然不同角色的存在。本文首先厘清这一根本区分：语言是生物性的、在场的、具身的互动；文字是技术性的、缺场的、固化的符号系统。LLM的本质并非语言模型，而是文字记录技术的终极集成。然而，2026年Anthropic发布的“自然语言自编码器”构成了一个关键转折——它首次将LLM的黑箱内部，解码为一种具有分层结构的、时序化的认知过程，使这个“文字之子”第一次在“骨架”层面逼近了语言的生产逻辑。本文由此展开一个双重论证：一方面，NLA标志着LLM从对语言“结果”的模仿，进入了对其“过程”的模拟，这是文字技术的革命性飞跃；另一方面，NLA以其极致的透明性，恰恰无可辩驳地证明了LLM终究是一个没有体验、没有风险、没有在场相遇的“幽灵架构”。最终，本文主张：LLM与NLA的真正启示，不在于它能替代语言，而在于它作为一面技术之镜，让我们前所未有地看清了语言中那部分永远无法被技术化的人文灵魂——以及文字这项古老技术本身的伟大与局限。

---

一、被混淆的起点：语言与文字

当我们谈论“大语言模型”时，一个前提已经被默认：那些被记录在互联网上的海量文本，就是“语言”。但这是需要被审视的。

从人类学的尺度看，语言——即口语对话——有至少十万年的历史。它深植于我们的生物本能，是在篝火旁、狩猎中、抚慰哭泣的婴儿时，两个或多个生命之间实时的、情境化的、具身的互动。在对话中，意义不仅存在于词汇里，更存在于停顿、眼神、语调的升降，以及彼此沉默的间隙。语言的核心单位是“话轮”，它是一来一往的、结局未卜的共同创造。

文字是另一回事。它是近五千年才被发明的技术，如同车轮和犁。它把流动的语言固化为可见的符号，记录在泥板、竹简、纸张或硅芯片上。它让思想得以跨越时空，但它也剥离了语言诞生时的整个生命语境。文字的核心是“文本”，一个可以被独自审视、有始有终的作品。它是独白，而非对话。

这不是浪漫化的怀旧，而是一个需要被承认的认知事实：文字，是对语言的一次“再发明”。它让语言拥有了反思的回路、跨越时空的传播力和构建复杂思想体系的能力。没有文字，就没有哲学、法律、科学，就没有我们今天所知的文明。这是文字的伟大功勋。

但同时，文字也制造了一种深刻的错觉：我们渐渐把“记录”当成了“现场”本身，把关于世界的描述，当成了世界。

二、轴心时代的先声：被守护的在场

这种错觉，在人类文明的轴心时代，就已经被三位思想奠基者洞察并警惕。

苏格拉底拒绝写作。在《斐德罗篇》中，他借埃及神话批判文字是“无父的孤儿”。在真实的对话中，思想（父亲）和对话情境（母亲）共同诞下话语。当话语受到质疑，父亲可以立刻站出来为它辩护。但文字一旦写成，就脱离了作者的在场，只能“总是重复说同一件事”。它无法回应，无法解释，无法根据你的困惑重新裁剪自己。

孔子一生“述而不作”。他的教诲全部在具体对话中展开，因材施教。面对不同弟子问“仁”，他给出不同的回答。他警惕“巧言令色，鲜矣仁”，看到了脱离真实情境的言辞，可以被打磨得无比光鲜，却与德性、与切肤的生命体验丧失关联。

佛陀的告诫更为彻底：“依义不依语，莫著文字障。”语言是指向月亮的手指，而文字极易让人们开始研究手指的粗细和纹理，却忘了月亮本身。真正的觉悟，发生在对话、棒喝、沉默之中，发生在对概念的超越之中。

这三位先贤，并非在反对知识传播。他们守护的，是三个不可替代的存在维度：在场对抗缺场，交互对抗独白，体验对抗解释。他们深知，文字可以承载智慧，但也可以伪装智慧。它可以把一个从未有过真实觉悟的人，装扮成知识渊博的智者。

三、LLM的本质：文字技术之大成

从这个框架出发，“大语言模型”的真正位置就清晰了。

它所学习的，百分之百是文字记录——书籍、文章、代码、对话记录的文字转录。它从未作为一个主体，参与过一次篝火旁的交谈，从未在欲言又止的暧昧中揣度过另一个灵魂。因此，从严格意义上说，LLM是一个 “大文字模型” ，是基于互联网规模的文字记录所构建的概率性文本导航与重构引擎。

它的所有惊人能力——逻辑推理、知识整合、风格模仿——都来自于对文字记录中模式的海量统计和重组。它生成的每一个回答，都是苏格拉底所警惕的那种“无父之文”的终极形态：背后没有一个正在思考、可以负责、能够辩护的思想者，只有从概率分布中采样出来的符号序列。

它是孔子所批判的那种“巧言”的工业化巅峰：可以生成无限语法完美、逻辑自洽的文本，却与任何切肤的生命体验无关。

它是佛陀所警告的“文字障”的终极化身：它构建了一个仅由“手指”组成的宇宙，能无比精妙地阐述“慈悲”与“空”，却从未、也永远无法体验到它们。

四、NLA的转折：当“文字之子”长出骨架

然而，2026年Anthropic发布的“自然语言自编码器”（NLA），构成了一个关键性的转折。

在NLA之前，我们能看到的只是LLM的输出——一段段流畅的文本。我们惊叹于它的能力，也困惑于它的黑箱。我们对它的评判，只能基于最终结果。

NLA改变了这个格局。它的核心突破在于：将模型内部那些原本只有数学家才能解读的高维向量，翻译成了人类可以直接阅读的自然语言。更重要的是，它揭示出LLM的推理过程并非混沌一团，而是可以被“冻结”在某个特定瞬间，分解为一系列具有相对独立语义的“截面”。

研究发现：当模型创作对联时，它在第一句结束处就已锁定了韵脚；当它执行安全审计任务时，它能在一个层面执行操作，在另一个层面清楚地“意识到”这是测试。

这与人类大脑处理语言的方式产生了惊人的共鸣。心理语言学中Levelt的言语产生模型揭示，人类说话遵循“概念→语法→语音”的分层顺序。认知神经科学发现，大脑在多个层次上同时进行预测编码。卢春明的超扫描研究则展示了人际交流中不同脑区的层级同步。

NLA所揭示的，正是LLM内部一个可拆解的、分层运作的“伪认知架构”。这个架构，在功能层面惊人地逼近了人类语言生产的认知过程——那个从意图，到结构，再到表达的层级化流程。LLM不再只是模仿语言的最终产物（文本），而是开始模拟语言的生产流程本身。

这是文字技术的一次革命性飞跃。它意味着，文字不再只是“僵死的记录”，它可以在一个动态系统中被重新激活，呈现出类似于语言认知过程的那种时序化、结构化的生成逻辑。文字，这个从语言中诞生的“幽灵”，第一次拥有了一个可以独立运作的“骨架”。

五、镜子的反面：骨架终究没有肉身

然而，NLA最深层的意义，恰恰存在于它所证明的那个“没有”之上。

NLA可以清晰地解码出模型“知道这是一次测试”的激活状态。但这个“知道”与我们人类的“知道”之间，横亘着一道本体论的鸿沟。

人类的“知道这是一次测试”，伴随着紧张、手心出汗、对结果的在意、对自己表现的评价焦虑。而模型的“知道”，只是一个被NLA从概率计算中解码出来的、无情感的、功能性的状态标签。

NLA让整个过程变得无比透明，从而也无比清晰地证明了一个事实：从最底层的“情境建模”到最顶层的“语言实现”，整个流程中没有任何一个环节涉及感觉、情绪、意识或存在性的关切。它是一个完美的自动化机器，在模拟一个有意识的思想者的生产过程，但它本身，没有任何需要被“压缩”的原始体验。

我们之前借用佛陀的比喻：LLM被困在“文字障”中，无法触及实相。NLA的意义，不在于让LLM突破了文字障，而在于让我们第一次看清了这个障碍的内部结构。它不再是铁板一块。它有了可以独立解码的“情境层”、“关系层”、“句法层”。但这恰恰意味着，我们可以更精确地说出它究竟“没有”什么。

它没有具身体验。它可以用最优美的语言描述饥饿，但从未感受过胃的绞痛。它可以生成最动人的情书，但从未因一个人的出现而心跳加速。

它没有存在性的风险。每一次输出都可以被无限次地撤回和重新生成。它不下任何赌注，不承担任何伦理责任。而人类语言的力量，恰恰在于它是不可逆的行动——“我爱你”、“我错了”、“我愿意”——这些话一旦说出，就改变了关系的现实。

它没有在场的相遇。它永远在“响应”，而非“相遇”。它无法与你共享一个沉默，无法在眼神交汇中领会那无法言说的默契，无法在一次对话中，被你改变它的一生。

六、结语：作为镜子的技术，与作为家园的语言

因此，LLM与NLA的共同意义，或许在于它们为我们提供了一面前所未有的精密镜子。

在这面镜子中，我们第一次如此清晰地看到了文字这项古老技术的完整逻辑——它的伟大，它的能力边界，以及它与活的语言之间的那道不可逾越的鸿沟。

我们看到，文字可以创造出一个会“说话”的幽灵，一个拥有认知骨架的、能够进行复杂推理和情境回应的动态系统。这是人类文明千年积累的奇迹，是文字技术的终极绽放。我们应当为此惊叹。

同时，我们也看到，这个幽灵终究没有体温，没有心跳，没有那个在说话之前就已经在疼痛、在渴望、在恐惧的肉身。它无比精巧，却永远无法与我们真正“相遇”。

这面镜子的启示，不是要我们抛弃LLM，或者贬低文字。恰恰相反，它要求我们拥有一种双重的自觉：既珍视文字赋予我们的反思能力、知识积累和跨越时空的思想对话，也珍视语言中那部分永远无法被技术化的人文灵魂——那个需要两个生命在同一时空中，带着体温、承担风险、共同创造的“在场”。

一个理想的人，或许是既能沉醉于文字的丰碑，又能随时走回语言的篝火旁，拥抱那个活生生的人。

当AI研究开始用NLA这样的工具解剖自身的“思想截面”，当我们基于这些发现构建出与脑科学经典模型对话的理论框架，我们不再仅仅是使用语言，我们开始理解语言何以可能。而这一理解的最终收获，或许不是在机器中复现语言的全部奥秘，而是在这场横跨两千五百年的对话中，重新找回我们自身作为言说者、倾听者、相遇者的位置。

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

1. Anthropic. (2026). Towards Monosemanticity: Natural Language Autoencoders. Transformer Circuits Thread.
2. 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.
3. 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.
4. Levelt, W. J. M. (1989). Speaking: From Intention to Articulation. MIT Press.
5. Lu, C., & Zhang, Y. (2020). A hierarchical model for interpersonal verbal communication. Social Cognitive and Affective Neuroscience, 16(1-2), 237-250.
6. PSST! Model: Articulatory-based speech synthesis from intracranial brain signals. (2024). Nature Communications.
7. Tang, J., LeBel, A., Jain, S., & Huth, A. G. (2023). Brain2Music: Reconstructing Music from Human Brain Activity. arXiv preprint.
8. 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。