人为智能的演进是当下最炙手可热的话题，若何让AI真正理解人类的说话与智慧，成为名符其实的“智能”？公认的尺度“图灵测试”若何真正得以实现？很多专家学者从分歧角度进行了钻研，提出了分歧的见解 。
在观察者网“2026答案秀·思想者春晚”的讲台上，上海财经大学人文学院院长王献华教授尝试回到人类创造文化的发源——文字的发现——对人为智能进行一项“逆向工程” 。他提出了名为“Nigiro Challenge”的测试规划——看这项“社会性虚结构字测试”中，人为智能能否沉新发现、创新并系统化构建一套对他们来说可表化的文字系统，来纪录他们的文化 。
作为钻研古代文化与楔形文字的专家，王献华教员的“脑洞”或能够从文科的角度为热点的“理科话题”提供一种能够借鉴的思路 。
王献华：极度荣幸来到这里，参与这样一个活动 。刚才曾毅教员、范勇鹏教员，别离从各自的专业角度会商了AI 。用勇鹏教员的话讲，“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，并且做的专业十吩飓 。
今天唐突来参加这个话题，我一向在想，对于一个文科生来说，AI的有关钻研是比力陌生的 。但很幸运的是，对于绝大无数的听多来说，我自己的钻研领域可能也是比力陌生的 。那么，这双沉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触——这个世界如同还是那样一个世界，但是时期如同不再是那个熟悉的时期了，所以我今天就唐突地、站在这“双沉陌生”的“文化自负”的角度，从楔形文字发源钻研的方向，提出一种针对通用人为智能的“终极”测试规划，我称之为“Nigiro Challenge” 。
我们先来一点布景知识 。从楔形文字、文字发源的钻研中，各人不要感触我们如同已经知路几千年前、上万年前过程的真相了，我们其实没那么有把握，汗青钻研始终如此，我们是逆推的 。目前就楔形文字的发源来说，只能比力明确地讲，与三种文字缘起前的景象有关：一个是所谓的“陶筹”，英文也叫Token；另一个是印章上的各类象形符号；再次是早期的数学系统 。我们根基以为这三种景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、近东这一带宽泛出现，重要职能是计数，好比羊的数量、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”中央，有点类似于我们此刻把钱或器材放在信封里而后封上蜡印，用来纪录买卖或纪录财富 。
在陶筹之表，印章是一个相对并行的技术系统 。早在公元前7000纪，西亚地域的人们就已经起头使用印章，把它盖在容器的封泥上，用来确认物品归属或保障买卖安全 。一路头印章图案比力单一，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能够覆盖更大的黏土表表，并且图案越发优美 。凭据我们有凭据的判断，它们大多由其时的机构人员使用，好比寺庙的治理者，用来在容器封泥、房门封泥上盖章 。在这个意思上，它也象征着权势与信赖，就像我们此刻的公章，一旦盖上就代表着某种权威和认可 。
再就是数学 。这个过程从钻研难度上更复杂，我们只能用后世的眼光来看 。现实上，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，我们依然发现，在最初的文字系统中，多种数学计数系统是并行的 。目前有的学者以为有5种，有的以为有6种甚至更多 。好比，我们称之为“S系统”的，用来纪录牛羊的数量；另表像?E“谷物系统”，是专门用来纪录容量的 。
约莫在公元前3500年到公元前3000多年，通常以为在这一时期，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 。我们能看到这个了局：一路头是纯数字的泥板，上面只罕见字符号 。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” 。好比，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”，上面没罕见字，但有粮食、布匹等其他一些我们不愿定认得的符号，我们此刻以为可能是商品标签，甚至可能是名片 。
凭据此刻的统计，约莫在公元前3200-3300年，早期的楔形文字符号或许有1900个左右，蕴含象形符号和所谓的“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 。固然我们此刻对早期的发音系统根基上一问三不知，但我们知路这个时辰的符号已经在使用转喻准则 �８夏芄慌卸�，暗示植物的符号能够用来暗示“花圃” 。但是否涉及音转等问题？有些问题我们有明确回覆，有些没有 。
我们或许回首了这样一个过程，这里面有一个极度关键的问题：学者们公认，文字的形成和发展、文字的发源，其实和社会复杂性的增长亲昵有关 。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，行政治理和社会治理的压力越来越大 。这时人们首先必要纪录出产、货物、劳动力等各类情况，文字在这个意思上应运而生 。人类发现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，在这个意思上，从今天回望从前，书写文字作为人类集体智能的结晶方式，正式登上了汗青舞台 。
刚好也是从这个角度，BB电子脑敞起头了 。刚才我已经提到，当我们讲“陶筹”时，在我们领域里用英文表白就是“Token” 。而在现代AI的大说话模型中，一个极为沉要的步骤事实上就是 Tokenization（词元化/分词） 。正是从这里，作为一衷祠发，我起头思考这样一个脑洞：若是说从陶筹到楔形文字、到文字的发现，人类实现了从具象计数到抽象符号的逾越，那么人为智能似乎在尝试通过对抽象符号的处置，回归那个复杂的、难以言说的具象生涯世界 。
人为智能要理解人类说话，某种意思上像一个逆向工程 。它把说话拆分成一个个最幼的、有意思的单元，这就是他们讲的Tokenization 。最起头的词元化是“词级”的，就是以空格或标点来宰割词语，但这种法子有好多问题，好比词汇表规模太大，无法处置生僻词或未登录词 。后来人们发展出“字符级”词元化，以字符为根基处置单元 。这样一来，词汇表规模缩幼了，但弊端也很显著：天生的序列长度太大，机械很难捉拿语义信息 。
此刻的主流是在此基础上发展的“子词”词元化，好比BPE、WordPiece、SentencePiece 。它的特点是在词和字符之间获得平衡：常见词保留整体，罕见的词可能分化成子单元 。
在词元化的基础上，必要一个壮大的模型来处置这些词元，这就是所谓的Transformer架构 。Transformer是一种基于自把稳力机造的神经网络架构，专为天然说话处置工作设计 。在Transformer之前，人们常用的是循环神经网络架构来处置词元，但它有个弊端：处置长文本时效能很低，由于它必要一步步处置每个词元，无法并行推算 。Transformer不一样，它能够并行处置输入序列，同时捉拿长距离词语之间的互有关系 。这有点像我们阅读文章时同时把稳高低文——其实我们想书也不是一个词一个词读的，是一页一页、一片一片读的 。所以在这个意思上，Transformer如同有点“人味”了——它能够同时处置整个文本序列，从而更好地理解语义 。这也是GPT等大型说话模型可能天生连贯流畅文本的关键地点 。
但事实上，早在上世纪90年代，就有哲学家提出：人为智能搞说话模型，真的能理解说话、占有智能吗？固然今天我们看到人为智能在说话处置方面获得了很大成功，但哲学家们提出了“符号接地问题”：纯正的符号系统内部操作，真的能赋予符号指称和意思吗？这是个哲学问题：人为智能是真的理解了说话，还是只是在统计符号之间的关系？
好比说，当人为智能输出“苹果”的时辰，它真的是知路苹果能够吃、有红色表皮、味路等属性，还是仅仅由于“苹果」剽个词时时和“水果”、“吃」剽些词一路出现？这是一个统计 。我想，这是我们对于大说话模型、人为智能一个比力底子的质疑地点 。这也是为什么此刻像李飞飞教员他们提出，真正的人为智能应该通过“具身交互”进建，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、观察来意识苹果，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”，让我有了一种激昂去寻找一个尺度：什么样的人为智能是我可能接受的、我愿意认可的？那我就要动用一点我自己的专业布景了 。我们必要一种测试规划，不论怎么，来判断人为智能（无论是基于大说话模型还是具身进建）是否真的占有可能和人类相比的智能水平 。
但很遗憾，我查了半天，发现此刻其实没有公认的尺度来检验可能到来的人为智能 。例如，搭载人为智能法式的机械人，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？各人稍微把稳一下都知路“图灵测试”——1950年艾伦·图灵提出的驰名测试：在基于文本的天然说话对话中，若是机械的行为与人类无异，以至于测试者无法分辨，那么是不是就能够以为机械拥有智能？但此刻凭据报路，不少人为智能系统都试图或宣称已经通过图灵测试，图灵测试自身如同有问题了 。
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） 。由于你这个图灵测试的游戏，事实上只不外是像一面镜子测试提问者的水平：你美丽，它照出来你就美丽；你丑，它照出来就丑；你提的问题有深度，AI的回覆就杰出；你的问题比力愚蠢，它出来的回覆就比力愚蠢 。
那么，思考到对图灵测试的这种反思，出格是思考到我们刚才提到的人为智能的“社会性”，我隆沉推出：有没有一种真正拥有终极意思的测试规划呢？这就是Nigiro Challenge 。各人可能已经看到，Nigiro就是“Origin”（发源）的反写，象征着对人类智能的逆向索求 。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规划，同时也让我们沉新审视人类智能诞生与发展的汗青？
学汗青的未免要“自恋”一些：人类的智能是在社会环境中逐步发展起来的，文字的发现就是一个很好的例子 。那么，具身的人为智能体，能不能在仿照的社会环境中，沉新发现、创新并系统化构建一套对他们来说可表化的文字系统，来纪录他们的文化故事呢？
Nigiro Challenge 的内容其实极度单一，就是针对所谓通用人为智能体的“社会性虚结构字测试” 。设想一下，人为智能体社会能否在与其他智能体的社会互动中，一步步发现出他们自己的文字？若是他们可能做到这一点，那是不是就意味着他们占有了（类似人类的）智能？从文字的角度，我愿意认可：若是一群智能机械人发了然一个他们的文字系统，我幼我感触也许能够认可这样的智能体应该被采取为人类社会的“合格成员” 。一个社会可能独立发现文字，固然不定是人类占有文化的唯一标志，但的确是人类文化有形的结晶 。
从文字的发源起头，我们回首了陶筹、印章、楔形文字，又探求了天然说话处置中的词元和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 。而人为智能的发展，事实上让我们沉新回过甚去思虑智能自身的性质 。也许我们在座的诸位始终不知路“人是什么”，但我们也许能够借着这个契机去思虑一下“智能是什么” 。
从我们略知一二的楔形文字发源故事，用逆向工程的方式，我感触我自己的专业如同忽然有了一个意表的宏伟上用处 。沿着大说话模型的蹊径持续发展，还是通过具身进建？这都不是我的专业，都必要持续钻研 。但是，Nigiro Challenge 至少也许会让我们在向着人为智能狂奔的同时，不忘回望一下我们人类智能的过往 。若是人类文化的汗青只是智能的升级，当通用人为智能体社会用我们不成能认得的、他们自己的文字纪录他们文化故事的时辰，那我们这些有肉身的人类，是不是也许就真的能够出场了？
本文系观察者网独家稿件，文章内容纯属作者幼我概想，不代表平台概想，未经授权，不得转载，不然将查究司法责任 。关注观察者网微信guanchacn，逐日阅读趣味文章 。
b站必看的片罗马诺表示，吉鲁在离开洛杉矶之后即将重返欧洲足坛，此前洛杉矶官方已经宣布了即将和这位法国前锋完成解约的消息。民营企业的科研人员作为第一作者及通讯作者，在顶级科学期刊上发表研究型论文，近年来不在少数。随着民营企业创新能力稳步提升，在部分优势领域开始挺进“无人区”并加速突破，成为新兴产业、未来产业的领跑者。b站必看的片《糖LOGO白桃少女》13日，以色列驻多国大使馆宣布，鉴于“最近的事态发展”，以色列派驻世界各地的使团将关闭，并暂停提供领事服务，直至另行通知。而MiniMax发布的MiniMax-M1系列模型引发广泛关注，其在处理百万级Token的长文本上实现了重大突破，并且其RL（强化训练）成本下降一个量级，成本仅53万美元（约380万元），推理效率则数倍于竞争对手。
20260409 ? b站必看的片因为经营的娃衣生意订单火爆，义乌店主谷女士近日成为众多媒体报道的对象，有媒体称她为新晋“义乌最牛老板娘”。这种火爆也让谷女士有些疲于应对。6月12日面对红星新闻记者采访时，她一再表示想要低调，不想出镜。《日本大片又大釉殳亮PPT图片大全下载》现年27岁的道格拉斯-路易斯去年夏天以5150万欧元的价格从维拉转会至尤文，但此后他代表尤文出场26次，其中仅有6次首发，0进球0助攻，表现令人失望。
20260409 ? b站必看的片全球首款6吨级倾转旋翼飞行器镧影R6000同样成为焦点。它集直升机垂直起降与固定翼飞机高速巡航于一身，无需跑道即可跨越4000公里航程，为未来交通出行开启全新想象。在1500公里的“门到门”距离上，传统民航+地面交通需耗时4小时，而镧影R6000仅需2小时即可点对点“一键直达”，效率提升一倍。《日本大片好看的影片有哪些》据刘女士回忆，2023年，她在江西一家机构做义工，认识了张某。彼时，双方打交道并不多，在一次机构活动中，按照要求，刘女士向张某登记了自己的姓名、手机号；张某以业务交流的名义，添加了她的微信账号。
京公网安备11010202000001号
