您想知谈的东谈主工智颖慧货，第一时候投递

主办东谈主PaulMiddlebrooks曾与玄学家HenkdeRegt从上学频繁被问到的一个问题，即你是否真实衔接了所学的学问谈起，之后谈到如何判断AI大模子是否具有衔接智商，科学能否被筹商机取代等。介于上篇采访篇幅较长，话题略有逾越，本文将之重新梳理简化，并补充了对应的筹议解释，以飨读者。

科学衔接长期以表面为布景

在AI筹议专注于刷分，高出面前发轫进水平SOTA时，玄学家HenkdeRegt请示咱们驻扎，与其纠结于机器是否领有东谈主类般的执意，不如承认AI完全不错像东谈主类一样，领有真实的“科学衔接”。

因为在他的玄学框架下，衔接并非主不雅顿悟或学问堆砌。经久以来，东谈主们对“衔接”抱有两大树大根深的幻觉：他们认为衔接只在心情上的副产物，是一种邃密的嗅觉。民众脑海中接续清晰出这样一个极其脸谱化的科学家形象：他的头顶陡然亮起一个灯泡，呐喊“哦，对了，我终于懂了！”而另一种极其泛滥的误读，则是将衔接等同于事实的堆砌。你对某件事情了解得越多，衔接也就越深。

▷UnderstandingScientificUnderstanding《衔接科学衔接》和作家HenkdeRegt

HenkdeRegt认为这两种说法都是错的。作为拉德堡德大学（RadboudUniversity）的科学玄学证实，他在2017年出书的《衔接科学衔接》一书，早已成为该限制的经典之作。他指出衔接是一种极其硬核的执行智商——它死死锚定于主体的技巧、所处的语境，以及表面的“可衔接性（intelligibility）”。

Regt的玄学醒觉，源于上世纪90年代他对“科学发现”的博士筹议。作为别称前物理学家，他将眼神投向了：薛定谔与海森堡的世纪之争。

曩昔，薛定谔对海森堡矩阵力学（一种量子力学的描绘，被证实和薛定谔的波能源学在数学上等价）不舒坦，于是建议了替代的波能源学。薛定谔绝顶强调衔接和表面的可衔接性。他认为矩阵力学是不可衔接的，因为矩阵力学完全由数学组成，绝顶概括，全是矩阵，故而无法可视化。

薛定谔投降一个表面应该是可视化的，唯有当你能在脑海中变成一个时空图像，瞎想一个原子的景色，它的结构如何，你能力真实衔接。这便是科学和物理学的办法，即提供这种衔接。

若某东谈主能基于某一表面，构造出对该景色的（理想化）模子，并据此作念出（无需完整筹商的）定性揣度，则可认为他“衔接”了该景色。

Regt将这种玄学的执念，纪念成了一种实证端正。在他看来，可视化是是广宽衔接器具中的一把趁手火器，它如实能大幅裁减东谈主类心智的领路门槛，东谈主们也不错将其应用于模子，加以使用并发展新的想法。

但他也指出，衔接是情境化的，根底不存在放之四海而齐准的衔接器具。你究竟能弗成衔接一个表面，完全取决于你手里执着什么技巧，脑子里装着什么布景学问。

但“可衔接性”并不是一种玄学条款（比如假话“天下必须像钟表一样机械运转”），而是一种执行可行性（pragmaticusability）。它检修的是这个表面，到底能弗成被科学家当作极其趁手的器具，去进行建模与推理？

故而，他区分了科学可衔接性（scientificintelligibility）与玄学可衔接性（metaphysicalintelligibility）；后者可启发筹议（如惠更斯的机械论催生波动光学），但也可能贫乏新不雅点的罗致（如拒斥量子力学中的超距作用）。

随后，他建议科学衔接是“可错的”（non-factive）。哪怕是那些千疮百孔、以致被证实是罪戾的表面（如燃素说），依然能在特定的概括层级上，为咱们提供极其强悍的衔接力于。

为了将这套玄学端正落地，他在播客中抛出了经典的神经科学案例：咱们究竟该如何衔接“神经信号的传递”？在这个战场上，存在两大阵营：

主流的生物电范式（以霍奇金-赫胥黎模子为尊）：认为动作电位是由电压门控离子通谈主导的跨膜离子洪流（钠离子涌入，钾离子逃离），信号的狂飙靠的是局部电流强行驱动的去极化。

热力学视角：声称神经信号根底不是电信号，而是沿着脂质双分子层豪恣传播的非线性声学脉冲（孤苦波）。它源于细胞膜在液态与凝胶态之间的豪恣相变；电信号、热效应与机械变形，不外是归拢场热力学风暴在不同维度的残影。

在这两个内容论上冰炭不相容的表面面前，HenkdeRegt认为，它们仍可协同增进衔接——尤其是通过“袒露对方视角中被淡薄或袒护的假定”。而评判这两个表面的标尺，绝不是谁掌执了充足真谛；而是去盘货它们各自能回答些许极其奸猾的反事实问题？举例，霍奇金-赫胥黎模子必须咬住“细胞膜电容恒定”的前提；而热力学视角则禁止信徒们发出拷问：“要是膜电容根底不是常量，信号传播的雄壮叙事还会不会短暂坍弛？”

两种表面看似是打破的，但HenkdeRegt对于科学衔接，强调其是曲事实性（non-factive）的。即使不完全妥当事实的表面，依然能够提供衔接。生物电视角，提供高精度机制细节（如通谈卵白结构-功能关系），但忽略动作电位跟随的热效应（放热-吸热轮回）与机械效应（膜扩张-消弱）；热力学视角，提供合伙性框架，并袒露主流范式的隐含前提与解释缺口。

两种表面的碰撞推动建议新问题（如：“膜肿胀对通谈构象有何反馈？”“热波动如何调制神经编码？”）。科学衔接的进步恰是源于这种哄骗视角各异进行相互批判（找出荫藏假定）与问题发现，而非简便的共鸣累积。

米兰体育官方网站

斥地一种操作性测试，

用于评估AI智能体的衔接智商

衔接并不是一个全有或全无的景色，而是一个渐进的进程。你不错领有不同程度的衔接。在筹议转向HenkdeRegt对于东谈主工智能是否具备衔接[2]筹议之前，需要强调这极少。HenkdeRegt的衔接表面不错被看作是行为主义的，它不良善衔接者是否有心情表征，也不关注收场衔接的里面机制或进程。从这个意旨上说，只须看某个AI智能体能否以某种景色展示出使用信息所需的技巧，就能判断它是否存在衔接。

该问题着手于2017年，HenkdeRegt被读者问起：“要是筹商机生成了一个解释，它是否给咱们带来了衔接？”这访佛于数学上钩算机生成的证实的问题，这些证实对于东谈主类来说过于复杂，以至于无法完全衔接，尽管某些意料照旧被证实，但莫得任何一位数学家能够完全衔接通盘证实进程。那么，这是否仍然给咱们提供了这个意料为何为真或为假的衔接呢？

为此，HenkdeRegt建议测试。他遐想一个“学生”正在向一位“教悔”（不管是东谈主类照旧AI）请示。教悔的办法是向学生解释一个科学表面过火定性的特征及影响。另一位东谈主类（裁判）会在黢黑零丁评估学生在绝不换取的情境下，输出非泛泛解释的质地。学生先进行开动测试（裸考），再与教悔互动，然后进行第二次测试。第二次测试天然应涵盖换取的内应承方面，但应包含不同的问题以确保测试的有用性。学生在第二次测试均分数的普及程度，是教悔有用向学生传递对景色衔接的智商体现。

▷图1：证据回答问题的数目，不错将科学衔接不错被辨认为不同的档次。一个能够回答科学界建议的所有这个词问题（包括那些咱们尚未有谜底的问题）的智能体，标明其具有更高级次的（新的）科学衔接。来自[2]

这与图灵测试不同，图灵测试旨在责罚筹商机是否能完成一些咱们认为是想考所知足的程序。

播客中，HenkdeRegt还提到他与一位德国科学玄学家FlorianBoge的合作[3]，探讨东谈主工智能是否能通过某种景色看出它们是否具有见解。文中谈到机器学习模子在高能物理实验数据中检测特别（潜在的新物理景色），HenkdeRegt承认神经收罗是“黑箱”，但主张衔接是可转换——即使机器领有的“见解”（找到的特别）开动对东谈主类不可通约，仍可通过解释性接口收场衔接迁徙，即图2建议“东谈主机衔接协同”操作旅途。

▷图2：如何将机器学习的成效应用，滚动为东谈主类可衔接的科学衔接，分三步。第一步将探伤器记载的原始电信号解释为粒子相互作用产生的能量千里积，第二步在低层物理数据（如粒子动量、角度）上运行深度神经收罗分类器，并将其输出解释为某种统计关系，第三步将统计关系（如特别信号、似然比偏差）重新迷惑回可解释的物理表面模子（程序模子或BSM模子），以构建机制性解释。

科学是否不错被筹商机取代，

要回答三类问题

播客还筹议了科学是否不错被筹商机取代。HenkdeRegt指出有三种问题被用来评估机器的衔接智商。

第一种称为“什么”类问题，这类问题评估机器是否能够获取正确的信息，从而给出解释。

第二种是“为什么”类问题，这类问题检修机器或东谈主工代理是否能够构建对所关注景色的解释。

第三种是因果解释中的反事实方法。要是情况不同会如何？你能定性地解释在这种特定景色下情况改变后，这个景色会有哪些不同或者会发生什么吗？这些是用来评估机器衔接的三种问题类型。天然，你还需要判断这些问题的谜底，这是一个完全不同的问题，在谈及这一段时HenkdeRegt笑到，这根底不是什么非黑即白的数学题，天下的终极谜底也绝不会是一个干瘪的“42”。

HenkdeRegt流露，在一篇尚未发表的后续论文中，他与几位硕士生在此基础上扩展了[2]这种的想法，并更详实地线路了不错建议的问题类型以及对这些问题的分类。他们邀请各人来评判这些问题的谜底，从而配置一个问答鸠合，这最终组成了咱们的基准测试。

主办东谈主对此评述谈：“由于“古德哈特（Goodhart）定律”，即一朝你立起了一个靶子，AG国际登录网址这个基准就会变得逾期。它会成为你所评估事物的不良蓄意，因为一朝你设定了标的，所有这个词发奋都蕴蓄合在通过测试上。这意味着它弗成准确响应你真实想要评估的内容。”

HenkdeRegt指出，大言语模子所犯的罪戾，根源在于它们根底就莫得在脑海中搭建过任何“表面”。它们只是在豪恣的概率揣度中，极其诡异域翻了车。比如问大模子单词“nineteen”包含些许个字母？它可能一出手蒙对了，但当你逼问一句“你细目吗？”它便会我方矫正谜底。

比拟之下，东谈主类在科学衔接中所犯的罪戾，可能会导向更多的发现。因为科学家是基于某一特定模子或表面去作念出揣度的。举例牛顿表面，它不错揣度行星轨谈和许多景色，但在19世纪，咱们发现了水星轨谈中的一个特别景色。之后爱因斯坦的相对论给出了正确解释。你不错认为，这可能是牛顿力学表面输出中的一个罪戾，但事实上，这样的罪戾促使了表面的修正。这是牛顿力学表面的一个限度，标明表面自己存在问题，即使事实不正确，它仍然不错有助于衔接。

而在大言语模子中，你很难找到罪戾产生的原因。大言语模子展现的罪戾对鼓动衔接莫得匡助，也不具有实用性。也许这是因为它们莫得一个不错衔接的表面来赈济其输出的信息。也许是因为它们只是基于纷乱的统计语料库，对词语和标志进行下一句揣度，从而进行统计性生成，而这并不需要任何可衔接的表面。因此，它们所产生的罪戾并不是那种“好吧，我昭彰你的表面起点，是以我能衔接你为什么这样说，而我的回答是……”的罪戾。更像是一个琐碎的、不消的罪戾，比如把红色说成蓝色，或者其他访佛的情况。

衔接中的可视化

与隐喻-衔接的档次与其实用性

在播客的终末，主办东谈主问谈：是否存在一种对衔接档次的类比？概括与衔接之间有什么关系？毕竟，咱们根底不需要去死死跟踪电脑里的每一个原子，就能极其精确地描绘它的运转。咱们完全不错在绝不换取的概括维度上，去剖解归拢个系统。那么，概括的深度，是否涉及了衔接的灵魂？

HenkdeRegt用他书中的一个例子答谈：19世纪的气体热力学表面模子中，物理学家极其火暴地将分子或原子降维成了一个个莫得体积的“点”或完好意思的“球体”，只是关注它们的质地和清爽，比如位置、速率等。这是一种暴力的概括，而履行上这些分子要复杂得多。此外，要是你用模子来暗意太阳系，即使是一个物资模子，把所有这个词行星都当作大小略有不同的完好意思球体，并围绕太阳在椭圆轨谈上运行，这亦然一个概括，因为真实的行星要复杂得多。

天然，这是一个绝顶好的概括，因为太阳系在某种程度上是孤苦的，简直完全按照牛顿定律运行，莫得受到其他打扰。因为在太阳系的雄壮程序上，你眼下的土壤与山脉，对于行星的宏不雅轨迹而言，根底绝不测旨。太阳系模子之是以极其强悍，恰是因为它剥离了所有这个词这些卑不足谈的细节。用爱因斯坦的话来说，便是“科学家必须把事情尽可能简便化，但弗成过于简便。”理想化模子的实用价值在于，使用这些简便的模子来揣度更为容易。

表面自己具有不同档次的概括和理想化，让主办东谈主将话题引入了公众的科学衔接上，HenkdeRegt指出，专科科学家，他们对某种景色可能有或多或少的衔接，但这种衔接是科学性的衔接。天然，这种衔接与他们的数学技巧或其他多样技巧联系。当咱们辩论公众对科学的衔接，或者从更平方公众的角度来看，那些莫得专科科学家所具备的专科学问和技巧的普通公共，他们的衔接，难谈便是另一种类型的次等衔接吗？

这并不是从普通衔接到各人衔接的单向路线。两者绝顶不同。民众衔接与各人衔接，在骨子里流淌着极其相似的血液。真实的衔接，从来都不是去像小器鬼一样囤积孤苦的事实——比如在街头去考问民众“地球究竟有些许岁”。这不外是对琐碎学问极其败兴的追赶。真实的科学衔接，是一种推明智商，是一种能够极其横蛮地把执合座图景的领路技巧。

紧接着，HenkdeRegt谈到论文中的譬如[4]。筹议标明，譬如不仅被用于民众化的科学普及读物，也在科学论文自己中被使用。它们的功能有所不同，但譬如无处不在。

▷图3：各人（左）和非各人（右）科学著作中隐喻比例的平均值和程序差，来自4

举例，基因剪切领先是以一种促进交流的譬如而被建议的，通过辩论，产生了诸如“信使DNA”、“翻译”等见解，这些见解于今仍然是譬如。但天然，东谈主们只是将它们视为时代术语。对于公众来说，科学家使用譬如是因为这样咱们就不错用他们能够衔接的、与日常活命相关的譬如景色来讲故事，这天然是一个促进公众衔接的器具。传达衔接，本质上便是传达技巧：在这里，隐喻与其说是为了填喂学问，不如说是为了极其暴力地激活民众的“见解推明智商”。成效的科普，绝不是极其自高地去阉割或稀释学问；而是去重新叫醒那些各人早已内化的领路脚手架。

而对于各人来说，隐喻的作用有所不同，各人之间使用隐喻来描绘科学景色时，这种隐喻的使用是阻滞的隐喻。它不再被用来将你所辩论的景色与作为隐喻的实体进行类比，因为它咫尺照旧成为时代术语，你衔接的景色便是这个隐喻自己。

这种意旨的滑动，玄学家怀特海曾称之为“意旨滑移（slippageofmeaning）”罪戾，要是你按字面衔接而不再执意到它其实是一个隐喻，这会成为一个问题。好多科学家会健忘他们履行上是在用隐喻来衔接这个事物，因为他们合计这个事物便是景色，而履行上，它长期只是一个隐喻。

但在发现的进程中，尤其要相识到，隐喻对于各人科学家来说也不错作为衔接的器具。它们不错使表面变得明晰易懂。举例，可视化是一种对公众衔接绝顶有用的器具，而数学则不太如斯。曾有这样一个着名的说法：在浮浅科学册本中，每出现一个公式，就会使一半的读者失去兴趣。

而对大多量科学家来说，可视化亦然进击的器具之一。比如费曼，他天然是最了得的物理学家之一，对数学有深远的衔接，但他不异领有一个视觉化的想维，他的视觉瞎想力极其豪阔成效。

对此，主办东谈主指出：可视化并不是必须的，并不是每个东谈主都能用视觉图像来想考。对此HenkdeRegt恢复谈：如实不必要。薛定谔认为可视化是必须的。我不这样认为。但同期咱们也不错看到，许多科学家，就像许多普通公共一样，使用可视化匡助衔接。这也体咫尺神经科学和人命科学中对于机制的争论中，要是你有一个机制的图示，你就能对系统有一个合座的概览，这会给你更多的瞻念察。

译者跋文

HenkdeRegt的不雅点，将科学衔接的中枢当作“可操作的心智模子”，让衔接从“科学家头脑中的闪光”变为可分析、可比较、可传承的执行智商。而隐喻是构建与传递衔接的通用器具。各人与公众的各异仅在于表面的内化程度与使用限度。判断衔接有无，看模子能否获取正确的信息及解释，是否赈济反事实推理；判断衔接浅深，看模子是否是可在师生之间迁徙。衔接不必独属于东谈主，但必须“可团结、可进步”。科学衔接既是个体必须技巧，亦然促成共同体的范例，科学是东谈主类行状，但东谈主类的畛域，好像正在被咱们与机器的共构衔接所重新礼貌，若AI输出对东谈主类可衔接、可修正、可整合，则其已参与衔接进度。

原对话衔接：

https://www.thetransmitter.org/brain-inspired/does-ai-understand-what-it-produces-henk-de-regt-explores-how-we-might-assess-understanding-in-machines-and-humans/

[1]Holland，L.，deRegt，H.W.，&Drukarch，B.(2024).Twoscientificperspectivesonnervesignalpropagation:howincompatibleapproachesjointlypromoteprogressinexplanatoryunderstanding.HistoryandPhilosophyoftheLifeSciences，46(4).https://doi.org/10.1007/s40656-024-00644-4

[2]Barman，K.G.，Caron，S.，Claassen，T.，&deRegt，H.(2024).TowardsaBenchmarkforScientificUnderstandinginHumansandMachines.MindsandMachinesag官方网站登录入口，34(1).https://doi.org/10.1007/s11023-024-09657-1