夜雨聆风
AI真的「懂」你说的话吗?双关语背后藏着一个更深的问题
AI真的「懂」你说的话吗？双关语背后藏着一个更深的问题
当你对AI说「这道菜真是要命的好吃」，它不会叫救护车，这说明它懂语言。但当你说「他这个人很圆滑」，它能感受到你语气里那点轻蔑吗？理解字面意思和理解语言，是两件完全不同的事。
有一个测试语言模型的经典方式：给它讲一个冷笑话，然后问「你觉得这个笑话好笑吗」。几乎所有模型都会说「好笑」，然后解释笑点在哪里。但它说「好笑」的时候，和你真正笑出来的那一刻，中间隔着一条很深的沟。这条沟的名字，叫做语言的多义性。
双关语，是语言的压缩炸弹
双关语在语言学里有个更正式的名字：语义歧义。一个词，同时携带两种以上的意思，哪种意思是「真正的意思」，取决于语境、说话人的意图，以及听者的文化背景。比如英语里那个著名的例子：「Time flies like an arrow; fruit flies like a banana.」这句话可以被解析成至少三种不同的语法结构，每种结构意思都不一样。对人类来说，第一次读到会愣一下，然后恍然大悟，然后觉得有趣。这个「愣一下」的瞬间，其实是大脑在快速排列组合所有可能的解释，然后选出最合理的一个。
早期的自然语言处理系统对付这类问题的方式很笨：穷举规则。程序员手动列出一个词的所有可能含义，再列出所有可能的消歧规则。遇到新的双关就崩。这条路走到尽头，是一堵叫做「组合爆炸」的墙——语言里的歧义太多，规则永远写不完。
现代AI的破局方式：用概率替代规则
大语言模型换了一条路。它不试图「理解」每个词的意思，而是学习：这个词在什么位置跟什么词一起出现。训练数据里「苹果」和「手机」同时出现的次数，远多于「苹果」和「水果摊」同时出现的次数——当你说「苹果发布会」，模型会自动往科技方向靠。这不是真正的理解，这是统计上的猜测。但猜测的准确率高得惊人，高到让人产生「它懂了」的错觉。
1536
GPT类模型中，每个词被编码成的向量维度数（以某版本为例），每个维度都在捕捉语义的某一个侧面
隐喻的处理方式类似，但更复杂。「他是一头狮子」，没有人真的以为在说动物学。大脑会自动完成从字面意思到隐喻意思的跳跃，这个跳跃背后是几十年的文化积累。语言模型在海量文本里见过足够多的「他是一头狮子」之后，也学会了这个跳跃。但这里有个微妙的陷阱：它学会的是「这个表达通常用来夸人勇猛」，而不是真正理解「勇猛」这个概念和「狮子」这个动物之间的联系为什么成立。
「
语言模型学的是语言的影子，而不是影子背后的那个人
」
它真正卡住的地方：新鲜的隐喻和文化私货
现有AI处理语言的短板，在两类情况下会暴露得很彻底。第一类是全新创造的隐喻。训练数据里没见过的比喻方式，模型会直接按字面处理，或者给出一个奇怪的解释。有人曾经用「他的笑容是一把瑞士军刀」测试过几个主流模型，得到的回答五花八门，大多数都在努力解释「多功能」这个角度，但完全错过了这个比喻里那种隐隐的锋利感。
第二类是文化私货，尤其是小圈子黑话和时代性语言。「绷不住了」「栓Q」「这也太顶了」，这些词的真实含义不在词典里，在某一代人的集体记忆里。语言模型如果训练数据里这类语料不够，就会闹笑话。更麻烦的是，这类语言更新速度极快，今天的新词，明年可能已经是老梗。模型的训练是有截止日期的，语言却不停着。
一个更值得问的问题
1统计规律可以模拟理解，但无法替代理解
2语言的意义不只存在于文本里，还存在于使用语言的人和他们的生活里
3AI处理语言的边界，本质上是人类语言复杂性的一面镜子
但这里有个反直觉的地方：我们也许高估了「真正理解」的门槛。人类在处理语言的时候，同样在做大量的统计推断。你之所以能秒懂「这道题把我整不会了」，不是因为你对语言有什么神圣的领悟，而是因为你在特定的语言环境里泡了足够长的时间，积累了足够多的模式。从这个角度看，人和模型的区别不是「理解」vs「不理解」，而是训练数据的来源不同——一个来自生活，一个来自文本。
●语言理解的本质，可能比我们想象的更「机械」——只是人类的「机械」运行了二十几年，已经快到感觉不出来了
这不是在替AI辩护，也不是在贬低人类语言能力。这是一个值得认真对待的问题：当我们说AI「不懂」双关语和隐喻，我们到底在说它缺少什么。是计算能力？是数据？是某种我们暂时还描述不清楚的东西？如果是第三种，那这个问题的答案，可能不只是AI领域的问题，而是语言学、认知科学，甚至哲学共同需要面对的问题。
✦ 小结
AI处理双关语和隐喻的方式，本质上是用统计概率模拟语义直觉。它能猜对大多数情况，但在新鲜隐喻和文化语境面前会露馅。更有趣的问题不是「AI懂不懂语言」，而是：我们所谓的「懂」，究竟是什么。