您想知说念的东说念主工智颖慧货，第一时辰投递

主理东说念主PaulMiddlebrooks曾与玄学家HenkdeRegt从上学时常被问到的一个问题，即你是否确实清楚了所学的常识谈起，之后谈到如何判断AI大模子是否具有清楚智力，科学能否被缱绻机取代等。介于上篇采访篇幅较长，话题略有跳动，本文将之再行梳理简化，并补充了对应的磋商解释，以飨读者。

科学清楚长久以表面为布景

在AI磋商专注于刷分，特出现时首先进水平SOTA时，玄学家HenkdeRegt教唆咱们贵重，与其纠结于机器是否领有东说念主类般的坚定，不如承认AI完全不错像东说念主类一样，领有真实的“科学清楚”。

因为在他的玄学框架下，清楚并非主不雅顿悟或常识堆砌。历久以来，东说念主们对“清楚”抱有两大树大根深的幻觉：他们认为清楚只在激情上的副家具，是一种细密的嗅觉。民众脑海中时常知道出这样一个极其脸谱化的科学家形象：他的头顶顿然亮起一个灯泡，高歌“哦，对了，我终于懂了！”而另一种极其泛滥的误读，则是将清楚等同于事实的堆砌。你对某件事情了解得越多，清楚也就越深。

▷UnderstandingScientificUnderstanding《清楚科学清楚》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）的科学玄学阐发注解，他在2017年出书的《清楚科学清楚》一书，早已成为该规模的经典之作。他指出清楚是一种极其硬核的推论智力——它死死锚定于主体的手段、所处的语境，以及表面的“可清楚性（intelligibility）”。

Regt的玄学觉悟，源于上世纪90年代他对“科学发现”的博士磋商。作为又名前物理学家，他将见识投向了：薛定谔与海森堡的世纪之争。

过去，薛定谔对海森堡矩阵力学（一种量子力学的描写，被评释和薛定谔的波能源学在数学上等价）不空闲，于是冷落了替代的波能源学。薛定谔相配强调清楚和表面的可清楚性。他认为矩阵力学是不可清楚的，因为矩阵力学完全由数学组成，相配详细，全是矩阵，故而无法可视化。

薛定谔肯定一个表面应该是可视化的，惟有当你能在脑海中酿成一个时空图像，瞎想一个原子的神志，它的结构如何，你智力真实清楚。这即是科学和物理学的宗旨，即提供这种清楚。

若某东说念主能基于某一表面，构造出对该表象的（梦想化）模子，并据此作念出（无需完整缱绻的）定性瞻望，则可认为他“清楚”了该表象。

Regt将这种玄学的执念，追思成了一种实证国法。在他看来，可视化是是深入清楚器具中的一把趁手武器，它确乎能大幅缩小东说念主类心智的判辨门槛，东说念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，清楚是情境化的，根底不存在放诸四海而皆准的清楚器具。你究竟能弗成清楚一个表面，完全取决于你手里持着什么手段，脑子里装着什么布景常识。

但“可清楚性”并不是一种玄学条目（比如鬼话“天地必须像钟表一样机械运转”），而是一种推论可行性（pragmaticusability）。它老练的是这个表面，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，他区分了科学可清楚性（scientificintelligibility）与玄学可清楚性（metaphysicalintelligibility）；后者可启发磋商（如惠更斯的机械论催生波动光学），但也可能进军新不雅点的汲取（如拒斥量子力学中的超距作用）。

随后，他冷落科学清楚是“可错的”（non-factive）。哪怕是那些千疮百孔、以致被评释是失误的表面（如燃素说），依然能在特定的详细层级上，为咱们提供极其强悍的清楚力。

为了将这套玄学国法落地，他在播客中抛出了经典的神经科学案例：咱们究竟该如何清楚“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说念主导的跨膜离子激流（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落拓传播的非线性声学脉冲（孤苦孤身一人波）。它源于细胞膜在液态与凝胶态之间的落拓相变；电信号、热效应与机械变形，不外是并吞场热力学风暴在不同维度的残影。

在这两个本质论上势不独立的表面眼前，HenkdeRegt认为，它们仍可协同增进清楚——尤其是通过“露馅对方视角中被忽视或掩盖的假定”。而评判这两个表面的标尺，毫不是谁掌持了十足真谛；而是去清点它们各自能回答若干极其奸诈的反事实问题？举例，霍奇金-赫胥黎模子必须咬住“细胞膜电容恒定”的前提；而热力学视角则抑止信徒们发出拷问：“如若膜电容根底不是常量，信号传播的深广叙事还会不会眨眼间坍弛？”

两种表面看似是破损的，但HenkdeRegt对于科学清楚，强调其瑕瑜事实性（non-factive）的。即使不完全相宜事实的表面，依然能够提供清楚。生物电视角，提供高精度机制细节（如通说念卵白结构-功能关系），但忽略动作电位奉陪的热效应（放热-吸热轮回）与机械效应（膜扩张-松开）；热力学视角，提供合资性框架，并露馅主流范式的隐含前提与解释缺口。

两种表面的碰撞推动冷落新问题（如：“膜肿胀对通说念构象有何反馈？”“热波动如何调制神经编码？”）。科学清楚的进步恰是源于这种欺诈视角各别进行相互批判（找出掩盖假定）与问题发现，而非简便的共鸣积聚。

开导一种操作性测试，

用于评估AI智能体的清楚智力

清楚并不是一个全有或全无的表象，而是一个渐进的流程。你不错领有不同程度的清楚。在谈判转向HenkdeRegt对于东说念主工智能是否具备清楚[2]谈判之前，需要强调这极少。HenkdeRegt的清楚表面不错被看作是行为主义的，它不关爱清楚者是否有激情表征，也不关注竣事清楚的里面机制或流程。从这个意旨上说，只消看某个AI智能体能否以某种面貌展示出使用信息所需的手段，就能判断它是否存在清楚。

该问题起原于2017年，HenkdeRegt被读者问起：“如若缱绻机生成了一个解释，它是否给咱们带来了清楚？”这访佛于数学入网算机生成的评释的问题，这些评释对于东说念主类来说过于复杂，以至于无法完全清楚，尽管某些臆想如故被评释，但莫得任何一位数学家能够完全清楚通盘这个词评释流程。那么，这是否仍然给咱们提供了这个臆想为何为真或为假的清楚呢？

为此，HenkdeRegt冷落测试。他设计一个“学生”正在向一位“素质”（不论是东说念主类如故AI）请教。素质的宗旨是向学生解释一个科学表面过头定性的特征及影响。另一位东说念主类（裁判）会在黧黑零丁评估学生在迥然相异的情境下，输出非无为解释的质料。学生先进行起初测试（裸考），再与素质互动，然后进行第二次测试。第二次测试诚然应涵盖调换的内原意方面，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进步程度，是素质有用向学生传递对表象清楚的智力体现。

▷图1：凭证回答问题的数目，不错将科学清楚不错被分散为不同的档次。一个能够回答科学界冷落的通盘问题（包括那些咱们尚未有谜底的问题）的智能体，标明其具有更高等次的（新的）科学清楚。来自[2]

这与图灵测试不同，图灵测试旨在贬责缱绻机是否能完成一些咱们认为是念念考所知足的范例。

播客中，HenkdeRegt还提到他与一位德国科学玄学家FlorianBoge的合作[3]，探讨东说念主工智能是否能通过某种面貌看出它们是否具有看法。文中谈到机器学习模子在高能物理实验数据中检测特殊（潜在的新物理表象），HenkdeRegt承认神经会聚是“黑箱”，但主张清楚是可搬动——即使机器领有的“看法”（找到的特殊）起初对东说念主类不可通约，仍可通过解释性接口竣事清楚迁徙，即图2冷落“东说念主机清楚协同”操作旅途。

▷图2：如何将机器学习的奏效应用，转机为东说念主类可清楚的科学清楚，分三步。第一步将探伤器纪录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）上运行深度神经会聚分类器，并将其输出解释为某种统计关系，第三步将统计关系（如特殊信号、似然比偏差）再行诱骗回可解释的物理表面模子（范例模子或BSM模子），以构建机制性解释。

科学是否不错被缱绻机取代，

要回答三类问题

播客还谈判了科学是否不错被缱绻机取代。HenkdeRegt指出有三种问题被用来评估机器的清楚智力。

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，这类问题老练机器或东说念主工代理是否能够构建对所关注表象的解释。

第三种是因果解释中的反事实法子。如若情况不同会怎么？你能定性地解释在这种特定面貌下情况更正后，这个表象会有哪些不同或者会发生什么吗？这些是用来评估机器清楚的三种问题类型。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，天地的终极谜底也毫不会是一个干瘪的“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，并更详备地论述了不错冷落的问题类型以及对这些问题的分类。他们邀请民众来评判这些问题的谜底，从而建造一个问答皆集，这最终组成了咱们的基准测试。

主理东说念主对此辩论说念：“由于“古德哈特（Goodhart）定律”，即一朝你立起了一个靶子，乐橙体育(中国)2026世界杯官方IOS|Android手机app下载这个基准就会变得过期。它会成为你所评估事物的不良方针，因为一朝你设定了标的，通盘致力都会磋磨在通过测试上。这意味着它弗成准确反应你真实想要评估的内容。”

HenkdeRegt指出，大说话模子所犯的失误，根源在于它们根底就莫得在脑海中搭建过任何“表面”。它们只是在落拓的概率瞻望中，极其诡他乡翻了车。比如问大模子单词“nineteen”包含若干个字母？它可能一起初蒙对了，但当你逼问一句“你细则吗？”它便会我方革新谜底。

比较之下，东说念主类在科学清楚中所犯的失误，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瞻望的。举例牛顿表面，它不错瞻望行星轨说念和许多表象，但在19世纪，咱们发现了水星轨说念中的一个特殊表象。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失误，但事实上，这样的失误促使了表面的修正。这是牛顿力学表面的一个律例，标明表面自己存在问题，即使事实不正确，它仍然不错有助于清楚。

而在大说话模子中，你很难找到失误产生的原因。大说话模子展现的失误对鞭策清楚莫得匡助，也不具有实用性。也许这是因为它们莫得一个不错清楚的表面来援助其输出的信息。也许是因为它们只是基于远大的统计语料库，对词语和标识进行下一句瞻望，从而进行统计性生成，而这并不需要任何可清楚的表面。因此，它们所产生的失误并不是那种“好吧，我显明你的表面起点，是以我能清楚你为什么这样说，而我的回答是……”的失误。更像是一个琐碎的、无须的失误，比如把红色说成蓝色，或者其他访佛的情况。

清楚中的可视化

与隐喻-清楚的档次与其实用性

在播客的临了，主理东说念主问说念：是否存在一种对清楚档次的类比？详细与清楚之间有什么关系？毕竟，咱们根底不需要去死死跟踪电脑里的每一个原子，就能极其精确地描写它的运转。咱们完全不错在迥然相异的详细维度上，去剖解并吞个系统。那么，详细的深度，是否波及了清楚的灵魂？

HenkdeRegt用他书中的一个例子答说念：19世纪的气体热力学表面模子中，物理学家极其冷酷地将分子或原子降维成了一个个莫得体积的“点”或无缺的“球体”，只是关注它们的质料和清楚，比如位置、速率等。这是一种暴力的详细，而执行上这些分子要复杂得多。此外，如若你用模子来暗示太阳系，即使是一个物资模子，把通盘行星都当作大小略有不同的无缺球体，并围绕太阳在椭圆轨说念上运行，这亦然一个详细，因为真实的行星要复杂得多。

天然，这是一个相配好的详细，因为太阳系在某种程度上是孤苦孤身一人的，简直完全按照牛顿定律运行，莫得受到其他干豫。因为在太阳系的深广行为上，你眼下的土壤与山脉，对于行星的宏不雅轨迹而言，根底毫意外旨。太阳系模子之是以极其强悍，恰是因为它剥离了通盘这些不足轻重的细节。用爱因斯坦的话来说，即是“科学家必须把事情尽可能简便化，但弗成过于简便。”梦想化模子的实用价值在于，使用这些简便的模子来瞻望更为容易。

表面自己具有不同档次的详细和梦想化，让主理东说念主将话题引入了公众的科学清楚上，HenkdeRegt指出，专科科学家，他们对某种表象可能有或多或少的清楚，但这种清楚是科学性的清楚。天然，这种清楚与他们的数学手段或其他各式手段联系。当咱们辩论公众对科学的清楚，或者从更闲居公众的角度来看，那些莫得专科科学家所具备的专科常识和手段的普通全球，他们的清楚，难说念即是另一种类型的次等清楚吗？

这并不是从普通清楚到民众清楚的单向路子。两者相配不同。民众清楚与民众清楚，在骨子里流淌着极其相似的血液。真实的清楚，从来都不是去像鄙吝鬼一样囤积孤苦孤身一人的事实——比如在街头去考问民众“地球究竟有若干岁”。这不外是对琐碎常识极其没趣的追赶。真实的科学清楚，是一种推明智力，是一种能够极其敏感地控制举座图景的判辨手段。

紧接着，HenkdeRegt谈到论文中的譬如[4]。磋商标明，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：民众（左）和非民众（右）科学著作中隐喻比例的平均值和范例差，来自4

举例，基因剪切率先是以一种促进交流的譬如而被冷落的，通过辩论，产生了诸如“信使DNA”、“翻译”等看法，这些看法于今仍然是譬如。但天然，东说念主们只是将它们视为时刻术语。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清楚的、与日常生存联系的譬如面貌来讲故事，这天然是一个促进公众清楚的器具。传达清楚，本质上即是传达手段：在这里，隐喻与其说是为了填喂常识，不如说是为了极其暴力地激活民众的“看法推明智力”。奏效的科普，毫不是极其骄傲地去阉割或稀释常识；而是去再行叫醒那些民众早已内化的判辨脚手架。

而对于民众来说，隐喻的作用有所不同，民众之间使用隐喻来描写科学表象时，这种隐喻的使用是顽固的隐喻。它不再被用来将你所辩论的表象与作为隐喻的实体进行类比，因为它当今如故成为时刻术语，你清楚的表象即是这个隐喻自己。

这种意旨的滑动，玄学家怀特海曾称之为“意旨滑移（slippageofmeaning）”罪行，如若你按字面清楚而不再坚定到它其实是一个隐喻，这会成为一个问题。许多科学家会健忘他们执行上是在用隐喻来清楚这个事物，因为他们以为这个事物即是表象，而执行上，它长久只是一个隐喻。

但在发现的流程中，尤其要相识到，隐喻对于民众科学家来说也不错作为清楚的器具。它们不错使表面变得了了易懂。举例，可视化是一种对公众清楚相配有用的器具，而数学则不太如斯。曾有这样一个驰名的说法：在浅显科学竹素中，每出现一个公式，就会使一半的读者失去敬爱。

而对大无数科学家来说，可视化亦然蹙迫的器具之一。比如费曼，他天然是最凸起的物理学家之一，对数学有深刻的清楚，但他通常领有一个视觉化的念念维，他的视觉瞎想力极其富足成效。

对此，主理东说念主指出：可视化并不是必须的，并不是每个东说念主都能用视觉图像来念念考。对此HenkdeRegt修起说念：确乎不必要。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，就像许多普通全球一样，使用可视化匡助清楚。这也体当今神经科学和人命科学中对于机制的争论中，如若你有一个机制的图示，你就能对系统有一个举座的概览，这会给你更多的知悉。

译者跋文

HenkdeRegt的不雅点，将科学清楚的中枢行动“可操作的心智模子”，让清楚从“科学家头脑中的闪光”变为可分析、可比较、可传承的推论智力。而隐喻是构建与传递清楚的通用器具。民众与公众的各别仅在于表面的内化程度与使用后果。判断清楚有无，看模子能否获取正确的信息及解释，是否救援反事实推理；判断清楚浅深，看模子是否是可在师生之间迁徙。清楚不必独属于东说念主，但必须“可团结、可进步”。科学清楚既是个体必须手段，亦然促成共同体的表率，科学是东说念主类管事，但东说念主类的规模，大约正在被咱们与机器的共构清楚所再行规则，若AI输出对东说念主类可清楚、可修正、可整合，则其已参与清楚程度。

原对话连气儿：

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.乐橙体育(中国)2026世界杯官方IOS|Android手机app下载，&deRegt，H.(2024).TowardsaBenchmarkforScientificUnderstandinginHumansandMachines.MindsandMachines，34(1).https://doi.org/10.1007/s11023-024-09657-1