新闻活动 | AI²2026系列讲座第二场:如何分辨大语言模型是“鹦鹉学舌”还是“推理者”?

当AI给出精准答案，是真的“理解”题意，还是仅在海量数据中复刻模式？这不仅是用户的直观困惑，更是AI领域的核心哲学议题。

2026年4月17日，《人工智能与创新》（AI²）2026系列讲座第二场圆满落幕。本次讲座特邀阿姆斯特丹自由大学哲学专家勒内・范・沃登伯格教授、丹尼尔・F・布拉克博士（主讲人），以“如何分辨大语言模型是‘鹦鹉学舌’还是‘推理者’”为题，展开一场深度跨学科思辨，吸引哲学、人工智能、认知科学、法学等领域学者与从业者在线共研。

讲座聚焦核心争议：仅凭行为表现或机制指涉，能否判定大语言模型（Large Language Model，LLM）具备心理状态？嘉宾深入剖析卡佩伦与德弗2025年提出的“全盘论”（Whole Hog Thesis）——该主张将LLM视作拥有信念、知识、欲望、意图的完整认知主体，摒弃机制与理论标准，仅以行为观察为判断依据。但两位专家直指其认识论困境：模型行为可欺骗观察者，营造出拥有心理状态的假象；即便LLM与早期机器人ELIZA的差异在于行为规模与持续性，可规模本质依托底层机制，若否定机制指向，便无权以规模区分推理与模仿，怀疑论者更可将其归为单纯统计模式匹配。

为何纯行为观察走不出认知僵局？一方面，无机制分析则无法验证心理状态的涌现；另一方面，人类推导心理状态的背景条件，在LLM中完全不成立，套用人类认知逻辑评判机器本就存在逻辑偏差。

现场互动直击痛点，有参与者提问：“LLM给出正确答案，能否作为理解的依据？”布拉克博士明确回应：正确答案本身，不是证据。如同词典、搜索引擎能返回正确结果，却无人认为其具备“理解”能力，判断的关键，是建立“理解”的本质标准，而这正是当下学界待解的难题。

针对方法论困境，布拉克博士引入了哲学界成熟的最佳解释推理（IBE）框架：将“LLM是真正推理者”与“LLM是统计模式匹配器”两种解释对比，综合行为表现、错误类型、泛化能力、对抗鲁棒性（Adversarial Robustness）等全维度证据，目前来看，统计模式匹配的解释更贴合神经网络机制，也更具说服力。

本次讲座并未断言LLM有无心理状态，而是打破“非黑即白”的认知误区，指出“全盘论”无法有效判定模型认知本质。既提醒大众勿被AI流畅输出迷惑——“看起来像理解”绝不等于“真理解”，也为AI研发、政策制定、行业应用提供关键启示：技术评估不能唯正确率，关键领域落地需警惕“表面智能”，普通用户更应保持理性审视。

本次讲座是《人工智能与创新》（AI²）2026系列讲座的第二场活动。AI²期刊始终秉持“为人工立心、为智能立命”的核心理念，本次讲座为探究大语言模型认知本质开辟全新思辨视角。后续系列讲座将持续邀约国内外顶尖学者，对话人工智能与创新前沿议题，敬请期待。

了解更多与AI²、IDEAS相关的学术科研信息，请点击以下链接：

2026年AI²讲座合集

2026年AI²译介计划合集

2024年IDEAS讲座合集