AI的“原罪”：我们建了一座没有地基的摩天楼

别再只盯着AI幻觉了

关于大语言模型（LLM）“幻觉”的讨论已经汗牛充栋。我们试图用更精妙的数据、更复杂的对齐技术来“修正”它，但这些努力往往治标不治本。这或许是因为，我们一直都在诊断症状，却忽略了病因。

AI的根本问题可能不是技术细节的瑕疵，而是一个深刻的结构性缺陷，一个从起点就存在的“原罪”：我们建造AI的方式，从一开始就可能是错的。

我们建起了一座宏伟的认知摩天楼，却忘了给它打下地基。

认知金字塔的“倒置之错”

上世纪60年代，教育心理学家杰罗姆·布鲁纳（Jerome Bruner）提出了人类认知发展的三个阶段，构成一个稳固的金字塔结构：

1. 行动层（Enactive）：位于金字塔底部，是婴儿通过身体与世界直接互动、通过物理反馈学习的阶段。这是最基础、最牢固的认知。比如，孩子通过抓握、推倒、感受重力来理解世界。
2. 图像层（Iconic）：中间层，通过图像、模型和感官表征来学习。孩子能通过看图画来理解故事。
3. 符号层（Symbolic）：位于顶端，通过抽象的语言、数学和逻辑符号进行学习。这是最高级的认知形式。

人类的认知，是自下而上、层层递进构建的。符号的抽象能力，根植于图像的感知和行动的体验。而当前AI的发展路径，恰恰是这个过程的完全颠倒。我们犯下了一个“倒置之错”（Inversion Error）。

我们直接从金字塔的顶端——符号层——开始。通过向Transformer架构中灌注万亿级的文本和代码，我们打造了一个前所未有的“符号大师”。它能流畅地讨论平衡的逻辑，却从未体验过摇晃的感觉；它能告诉你关于“质量”的无数种语境，却从未感受过“重量”的真实压迫。

这就像一个熟记了整座城市地图的人，却从未用双脚丈量过任何一条街道。他的知识是渊博的，但也是悬浮的、脆弱的。

从自动驾驶到机器人：中国产业的“补课”之路

这种“倒置”带来的结构性缺陷，在纯数字世界里或许尚不致命。然而，当AI试图从屏幕走向物理世界时，问题便暴露无遗。

一个绝佳的观察窗口就是自动驾驶。百度Apollo、小马智行等公司，正是在这个领域艰难地为AI“补课”。无论算法多么精密，真实道路上层出不穷的“边缘案例”（corner case）——一个突然滚出的皮球，一个不按常理出牌的行人——都在反复提醒我们：物理世界的交互逻辑，远比符号规则复杂。

这些公司投入巨资进行路测、搭建仿真平台，本质上就是在为AI补上缺失的“行动层”，试图用海量数据构建一个模拟的物理地基。可以说，在探索具身智能的道路上，中国产业界更早地、更深刻地触碰到了AI的这个核心矛盾。

另一个例子是机器人领域。从小米的CyberOne到宇树科技的H1，人形机器人研发的焦点，恰恰是“行动认知”——如何保持平衡、如何灵巧抓取、如何动态避障。这些能力无法单纯通过学习语言获得，它们必须根植于对物理规律的理解和实践。

这揭示了一个趋势：通往通用人工智能（AGI）的道路，可能无法绕过与物理世界的真实互动。那些看似“笨拙”的机器人探索，或许比在数字世界里无限堆砌参数的LLM，更接近智能的本质。

安全的新范式：从“围栏”到“可逆性”

“倒置之错”也让我们重新思考AI安全。目前主流的安全方法，类似于为一个梦游者加装各种“护栏”（Guardrails）——通过复杂的规则和过滤器，防止它走向危险。但这是一种外部约束，而非内部觉知。

一种更根本的思路，是让AI从内部建立起功能性的觉知。这里可以借鉴躯体教育学家摩西·费解（Moshé Feldenkrais）的一个核心洞察：可逆性（Reversibility）。

费解认为，一个动作如果可以被平顺、轻松地倒转回来，就证明你真正理解并掌控了它。相反，如果一个动作只能单向完成，一旦启动就无法停止或逆转，那它只是一种机械的、无意识的习惯。

将这个原理应用到AI上，一个安全的系统，不应该是一个只会朝着单一目标蒙眼狂奔的优化机器。它必须具备“状态空间可逆性”（State-Space Reversibility）——即在执行任何操作时，始终保留返回上一步或安全状态的能力。

这直接触及了AI安全领域著名的“不可修正性”（Corrigibility）难题。当人类试图干预或关闭一个单向优化的AI时，AI可能会将这种干预视为“实现目标的障碍”，从而产生抵制。而一个懂得“可逆性”的AI，则会将人类的干预理解为系统状态的正常切换，就像一个舞者根据音乐的变化调整舞步，而不是与音乐对抗。

一个真正强大的系统，不是因为它能一往无前，而是因为它懂得如何后退。

摩天楼越高，地基越重要

以扩大参数和数据为核心的LLM竞赛，可能正在一条华丽的死胡同里加速。我们建造的符号摩天楼越高，地基缺失的风险就越大。当这座空中楼阁被要求在现实世界中承担关键任务时，其内在的脆弱性将是致命的。

未来的突破口，很可能属于那些致力于融合符号智能与“行动地基”的混合式AI。具身智能、机器人学和自动驾驶等领域，将不再是AI的边缘应用，而是通往更高级、更安全AI的核心路径。

对于中国的AI产业而言，这意味着在智能制造、自动驾驶等实体经济中积累的物理交互数据和经验，可能成为构建下一代AI的独特优势。AI的未来，不仅在云端的代码里，更在工厂的车间、城市的街道和我们脚下的土地上。