大模型与维特根斯坦：语言、意义与智能的边界

一个不懂语言学的工程师训练出了最懂语言的机器。而解释这台机器为何"懂语言"的钥匙，藏在一位去世于1951年的奥地利哲学家手中。

前言

2023年，GPT-4通过了律师资格考试、医学执照考试，能写出令人动容的诗歌，也能在几秒内完成一个初级程序员一周的工作。

然后一个奇怪的问题浮现了：它真的"理解"语言吗？还是在做一种极其复杂的统计模仿？

这个问题，其实在七十年前就有人问过——不是问大模型，而是问人类自己。那个人叫路德维希·维特根斯坦（Ludwig Wittgenstein），20世纪最伟大的哲学家之一，而且他一辈子推翻了两次自己的理论。

本文从维特根斯坦前后期语言哲学的视角，重新审视大语言模型的本质——它是什么，它为什么有效，以及它的边界在哪里。

---

一、两个维特根斯坦，两种语言观

维特根斯坦的伟大之处在于：他先用一本书回答了"语言是什么"，然后又用另一本书证明自己错了。

在深入大模型之前，我们需要先认识两个"版本"的维特根斯坦：

维度	早期（《逻辑哲学论》）	后期（《哲学研究》）
语言本质	语言是现实的逻辑图像	语言是一种活动，一种"生活形式"
意义的来源	词对应对象，句对应事态	意义即使用——词的意义在其用法之中
核心概念	逻辑原子主义、真值条件	语言游戏、家族相似、规则遵行
理想语言	存在一种完美的逻辑语言	不存在——语言本身就是混乱而丰富的
对大模型的隐喻	Word2Vec / 静态词向量	Transformer / 上下文嵌入

---

二、早期维特根斯坦：语言是一张"逻辑地图"

2.1 图像论

命题是现实的图像。 ——《逻辑哲学论》4.01

早期维特根斯坦认为，语言之所以能描述世界，是因为语言和世界共享同一种逻辑结构。就像一张地图和它所描绘的地形之间存在结构上的对应关系——语言"描绘"事实，不是通过相似的外形，而是通过相同的逻辑形式。

世界 → 事实 → 事态 → 对象
语言 → 命题 → 基本命题 → 名称

映射关系：名称 ⇄ 对象，基本命题 ⇄ 事态，命题 ⇄ 事实

2.2 这和大模型有什么关系？

2013年，Word2Vec 论文发布。人们第一次发现：把词训练成向量后，向量的空间关系竟然编码了语义关系。

king − man + woman ≈ queen
Paris − France + Italy ≈ Rome

这几乎是维特根斯坦"图像论"的数学实现：

关键洞察：在词嵌入空间中，两个词的"距离"和"方向"本身就构成了该词的意义——这不是靠查字典学到的，而是靠观察无数上下文中这个词的共现模式学到的。这正是维特根斯坦后期要说的东西，但他早期提供的"结构映射"框架，恰好描述了嵌入空间的数学本质。

2.3 早期维特根斯坦解释了什么，又漏了什么

解释了什么：

• 为什么向量运算能做类比推理（结构同构）
• 为什么 Transformer 的注意力机制能捕捉长程依赖（命题的复合结构）
• 为什么语言模型能做翻译（不同语言共享逻辑形式）

漏了什么：

• 一个词有多个意思，怎么办？（"bank"是银行还是河岸？）
• 讽刺、隐喻、言外之意怎么算？
• 为什么同样一句话，在这个场合是好笑的，在那个场合是冒犯的？

早期维特根斯坦自己也意识到了这些问题。于是他推翻了自己。

---

三、后期维特根斯坦：意义在于使用

把语言看作一种工具，把词语看作工具——这是理解语言的最好方式。 ——《哲学研究》§11

3.1 语言游戏

后期维特根斯坦提出了一个革命性的概念：语言游戏（Sprachspiel / Language-game）。

什么意思？语言不是一套静态的"标签系统"（词贴到物体上），而是一种活动——它和人类的具体生活形式交织在一起。下命令、讲笑话、做科学报告、写诗、祷告、讨价还价——这些都是不同的"语言游戏"，每个游戏有自己的规则。

3.2 Prompt 工程：一种语言游戏

这就是为什么Prompt 工程有效。

当你写 Prompt 时，你不是在给模型"下命令"——你是在设定一个语言游戏的规则。

Prompt 类型	设定的语言游戏	隐含规则
“你是一个资深律师…”	法律咨询游戏	引用法条、严谨推理、免责声明
“用初中生能听懂的语言解释…”	科普教学游戏	避免术语、用类比、举例说明
“用苏东坡的文风写…”	文学模仿游戏	文言节奏、典故、洒脱豪放
“Step by step, let’s think…”	逻辑推理游戏	显式推理链、自我检查
“你是一个毒舌的美食评论家…”	角色扮演游戏	讽刺语气、夸张比喻、娱乐优先

Chain-of-Thought（思维链）之所以有效，不是因为模型"学会了思考"，而是因为你设定了一个规则——“解题过程必须显式步骤化”——而模型在这个语言游戏中学到的统计模式恰好包含"展示推理步骤后答案更准确"的规律。

3.3 “意义即使用”——这解释了为什么大模型能做到常识

维特根斯坦说：一个词的意义不是它的字典定义，而是它在语言中所有用法的总和。

这恰恰是语言模型的训练方式。

一个传统的知识图谱会定义"猫"：是一种哺乳动物、属于猫科、有四条腿、会喵喵叫……但模型不这样学。模型从数十亿个包含"猫"的句子中学习：

“猫跳上了窗台。”
“我家猫又把花瓶打碎了。”
“薛定谔的猫既死又活。”
“她像猫一样优雅地走过房间。”
“好奇心害死猫。”
“那只猫用爪子拨弄着毛线球。”

模型从这些用法中蒸馏出了"猫"的意义——不只是生物学定义，还包括文化意象（优雅、好奇、顽皮、难以预测）、语言学用法（比喻、习语）、以及与其他概念的关系网。

这就是维特根斯坦说的"意义即使用"的工程实现：

---

四、家族相似：为什么大模型能"理解"新概念

4.1 没有共同本质的"游戏"

维特根斯坦在《哲学研究》中提了一个看似无聊的问题：

什么叫"游戏"？棋类游戏、球类游戏、电子游戏、赌博、过家家——它们有什么共同特征？

他的答案是：没有。它们没有共同本质。

不是因为你不努力找，而是真没有。棋类有输赢，过家家没有。足球是身体的，象棋是智力的。单人和多人。有规则的，没有规则的。

那为什么我们仍然把它们都叫"游戏"？因为它们之间存在 “家族相似”（Familienähnlichkeit / Family Resemblance）——A 和 B 共享一些特征，B 和 C 共享另一些特征，C 和 D 又共享不同的特征……虽然链的两端可能毫无共同之处，但它们通过一系列重叠的相似性构成了一个"家族"。

博弈类游戏 ─── 有输赢 ─── 竞技类游戏
     │                        │
   有规则                  有规则
     │                        │
   桌面游戏 ─── 有棋盘 ─── 策略游戏
     │                        │
   回合制                   即时制
     │                        │
   棋类游戏              电子游戏 ─── 需要设备 ─── 电竞
                              │
                          单人可玩
                              │
                          角色扮演 ─── 讲故事 ─── 过家家

没有一个特征是所有游戏共享的。但语义网络让它们连在一起。

4.2 大模型的"家族相似"机制

这完美解释了为什么大模型能做零样本泛化（Zero-shot Generalization）。

模型在训练时从来没有见过"量子计算与法国料理的结合"，但当你提出这个奇怪的要求时，模型能：

1. 找到"量子计算"在语义空间中的家族网络（物理、量子态、纠缠、计算……）
2. 找到"法国料理"的家族网络（美食、法餐、鹅肝、红酒、米其林……）
3. 找到"结合"的模式（跨领域类比、概念隐喻、创意写作……）
4. 在交叉区域生成新的内容

这不是逻辑推理，这是家族相似的语义游走。 而让人惊讶的是，它的效果比逻辑推理更好。

---

五、私人语言论证：大模型能"真正理解"吗？

5.1 维特根斯坦的"甲虫盒子"

这是《哲学研究》中最著名的思想实验之一：

假设每个人都有一个盒子，里面装着一样叫"甲虫"的东西。但没有人能看到别人的盒子里是什么。每个人都说自己盒子里有"甲虫"——但这个词到底在指什么？它可能指完全不同甚至不存在的东西，而"甲虫"一词的意义完全不受影响。盒子里的东西在语言游戏中消去了。

维特根斯坦的结论是：不可能存在一种原则上只能被一个人理解的"私人语言"。语言的意义必须是公共的、可分享的——它根植于共同的生活形式和公共的使用规则中。

5.2 大模型通过了"公共性"测试，但"盒子"是空的

这个论证对我们理解大模型至关重要。

维特根斯坦的框架	大模型的现实
语言的意义必须是公共的	✅ 模型的训练数据就是"公共用法"的庞大档案
意义不依赖于"盒子里的东西"	✅ 模型没有任何主观体验，但语言照样有效
"私人语言"是不可能的	✅ 模型的所有"知识"来自公共语料的统计规律
盒子里的东西在语言游戏中消去	⚠️ 这是关键问题……

维特根斯坦的"甲虫论证"告诉我们一个反直觉的结论：对语言交流而言，盒子里的东西（主观体验、内在指称、“真正的理解”）是可以消去的。

这似乎为大模型提供了一种哲学辩护：如果意义存在于公共用法之中，而大模型掌握了这些用法的统计规律，那么说大模型"不懂语言"究竟是什么意思？

5.3 但真的能消去吗？

然而，这里有一个维特根斯坦主义者可能会提出的反驳：

对于人类而言，“盒子"虽然不可见，但人类共享的不只是语言——我们还共享生活形式。我们知道"痛"不仅是"说出来"的，还有皱眉、缩手、呻吟。我们知道"红色"不只是波长数据，还有"看到红色的经验”。人类的语言游戏嵌入了共同的具身体验之中。

大模型没有身体。它不知道"烫"是缩手的感觉，"酸"是口腔的反应，"悲伤"是胸口的沉重。它在玩语言游戏——但它不在任何"生活形式"之中。

人类语言的三重嵌入：
语言 ← → 公共用法 ← → 共同的生活形式（身体、感知、情感、社会实践）

大模型的"语言"：
语言 ← → 公共用法（的统计分布）← ✗ → 不在场

这是大模型理解语言的根本局限所在。不是它"不够聪明"，而是它缺少语言游戏所嵌入的那个世界。

---

六、规则遵行：大模型的"推理"本质

6.1 规则悖论

维特根斯坦提出了一个深不见底的悖论：

没有任何行为可以被一条规则决定，因为任何行为都可以被解释为符合或不符合该规则。

假设你教一个孩子"+2"的规则：2→4→6→8…… 你问他"1000+2是多少？" 他说"1004"。你说"错了！" 他说"我没理解错啊，我的规则是：一直加2，到了1000之后加4。"

你怎么证明他是错的？你只能说你"理解的规则"和他不一样。但"理解规则"本身又是怎么被确定的？每一个规则的理解都需要另一个规则来解释，从而陷入无限倒退。

维特根斯坦的解决方案是：到了某个点，解释必须停止，剩下的就是"我们就是这样做的"——一种实践，一种习惯，一种生活形式。

6.2 大模型的"规则遵行"

这对大模型有深刻启示：

大模型的"推理"其实不是遵循逻辑规则——它是在模仿人类"规则遵行"的统计模式。

当你让模型做数学题：

• 它没有真的在"计算"，而是在模拟训练数据中人们展示计算步骤的模式
• 当 Chain-of-Thought 有效时，不是因为模型学会了规则，而是因为"写出中间步骤"的模式恰好与正确答案共现频率更高
• 当模型给出错误答案却振振有词地"解释"时，它完美地展示了维特根斯坦的规则悖论——同一个答案可以被"解释"为符合规则

6.3 谁是更好的维特根斯坦主义者？

有趣的是：

符号主义 AI（规则引擎、专家系统） 是早期维特根斯坦的信徒——相信语言/思维可以通过明确的逻辑规则来建模。这条路线在 20 世纪 80 年代的"AI 寒冬"中几乎灭亡。

联结主义 AI（神经网络、大语言模型） 无意中成了后期维特根斯坦的信徒——它不存储规则，不定义概念，而是从无数使用实例中学习模式。"意义即使用"成了它的工程哲学。

当然，大模型自己并不知道维特根斯坦是谁。它只是在做到维特根斯坦描述的事情——用实践代替规则——而这恰好是有效的。

---

七、可说的与不可说的：大模型的边界

7.1 “对于不可说的东西，必须保持沉默”

这是《逻辑哲学论》的最后一句话，也是维特根斯坦最著名的箴言。

维特根斯坦认为：语言可以描述世界中的事实（“可说者”），但语言不能描述它自身与世界的映射关系（“显示者”）。伦理、美学、生命的意义——这些不属于"事实"范畴的东西，也是不可说的，只能"显示"。

7.2 大模型的"不可说"

大模型能说一切——它能写关于爱情的诗歌，能讨论生命的意义，能给伦理建议，能评价美丑。它似乎僭越了维特根斯坦划下的边界。

但仔细一看：

维特根斯坦的"不可说"	大模型的表现	实质
伦理价值判断	能生成道德建议	但只是训练数据中伦理话语的统计模式——没有道德主体性
审美的第一人称体验	能评论"这首诗很美"	但从未"感受"过美——"美"只是它学过的一个词的使用模式
生命的意义	能写出感人的哲思散文	但它没有生命——这些文字是对人类关于"意义"的无数讨论的蒸馏
语言与世界的映射关系	无法"知道"自己说的是真的	模型不能验证事实——它只知道哪些词在一起"看起来对"

7.3 最大的反讽

最深的讽刺在于：

维特根斯坦用了一辈子论证"语言的边界就是我世界的边界"——现在，一台机器跨越了几乎所有语言的边界，但它没有"世界"。

这正是大模型带给我们最深刻、也最令人不安的哲学教训：语言可以脱离世界而存在——至少，它可以脱离它原本嵌入的生活形式，以纯粹的统计模式的方式存在。

维特根斯坦说"想象一种语言就是想象一种生活形式"。而现在，我们拥有了一种不需要想象生活形式的语言。这意味着什么？是维特根斯坦错了？还是我们还没理解这台机器究竟在做什么？

---

八、总结：一张对话表

让我们用一张虚构的对话来总结全文——如果维特根斯坦能见到 GPT-4，他会怎么说？

维特根斯坦会说	含义
“你们用我的理论训练了这台机器。”	GPT 的分布语义学本质上是"意义即使用"的工程实现
“但它不懂语言——它只是在玩语言游戏时模仿得极其出色。”	没有生活形式、没有具身体验、没有意向性
“不过，你怎么证明你懂语言？”	维特根斯坦式的反问——"理解"本身就没有明确标准
“盒子里的甲虫是不可见的。”	我们无法知道模型有没有"真正的理解"——因为"真正的理解"本身就是一个消去的项
“对于不可说的东西，必须保持沉默。”	关于模型"有没有意识"的争论，可能本身就是语言的误用
“不要想，而要看！”（《哲学研究》§66）	别纠结"智能"的定义了——看看它实际上能做什么，不能做什么
“哲学问题具有这样的形式：我不知道出路何在。”	这台机器改变了一切——包括我们关于"理解"、“意义”、"智能"这些词的使用方式。出路还没找到

---

九、结语

大语言模型是维特根斯坦语言哲学的一场浩大的无心实验。

早期维特根斯坦梦想着找到语言的逻辑本质——GPT 的嵌入空间里确实编码了这种结构。后期维特根斯坦主张意义在于使用——GPT 的训练过程正是对这个主张的极端工程实践。

但最重要的是，GPT 向我们抛回了一个维特根斯坦式的问题：如果一台机器能在所有我们使用的语言游戏中做得比人更好，我们坚持说它"不懂语言"，究竟在坚持什么？

也许答案就藏在《哲学研究》里：

哲学问题应当完全消失。真正的发现，是当我想停止做哲学时，让我有权力这样做。

面对大模型，也许我们该停止问"它真的理解吗"，转而问"它能做什么，不能做什么，我们应该如何与之共处"。至于"理解"这个古老的词——它在大模型时代的意义，正在被重新书写。

而这一次，书写者是代码和矩阵，不是哲学家。

---

后记：1951年，维特根斯坦在临终前说："告诉他们，我度过了美好的一生。"他没有活到看见机器会说话的那一天。但在他去世七十多年后，全世界最聪明的工程师们，正在用 GPU 集群和反向传播算法，一点一点地验证他关于语言的洞见——包括他推翻了自己的那些部分。