#晚安#
创造通常涉及认知系统状态的转变，即从对世界的粗略体验转变为更复杂、更有条理地对外部世界的模拟。皮尔士认为这一过程同提出新的假设有关，通过提出新的假设，以一种建设性的方式与外部对象进行互动，从而通过实践创造出新的知识。因此，知识并非一系列确证无疑、永远正确的命题或断言，相反，它仅仅是可被证伪的假说，在这一点上，皮尔士同半个世纪后的波普尔形成了共鸣。可以说，在皮尔士和波普尔看来，提出新假设的能力构成了人类智能的核心支柱，因此对于人工智能知识生产潜力的考察同样需要从这一能力出发。现有人工智能的推理方式主要基于归纳推理和演绎推理，例如大模型基于对万亿文本中的句式和搭配，并以token为基本单位的整合归纳出“下雨天要打伞”“人饿了要吃饭”等规律，这种归纳的本质是从已有的大量信息中，提炼规律和计算概率，它不创造新东西，只是总结已观察到的东西。而在做推理题和数学证明时，大模型所用到的是演绎推理，例如已知“所有人都会死”和“苏格拉底是人”，大模型可推出“苏格拉底会死”。此般演绎推理的本质在于从既有规则和前提，推出已经蕴含在前提里的结论。这两大推理方式并不能够生产新的知识，正如皮尔士所言，“无论演绎还是归纳都无法为探究的最终结论贡献哪怕一丝一毫的实质内容”，因此，现有大模型本质上是对人类已有知识的处理与应用，它无法成为新知识的发现者。
——李梦柯、姜华《大语言模型能否成为独立的知识生产者——基于皮尔士符号学的批判性考察》
（图片由AI生成）