AI 时代维根斯坦的语言游戏

一句话主张：大模型是一台"无规则的规则玩家"。它没有私人意义，但它被无数语言游戏压印出了用法。我们这些做产品、做 Prompt 的人，本质上是在给它写新的规则书。

1. ChatGPT 让哲学家重新上班

2022 年底，OpenAI 把一个能写诗、能 debug、能陪你聊苏格拉底的模型推到了几亿人面前。半年之内，哲学教授们发现自己的工作有了新搭子——不是同行，而是这个奇怪的"概率水母"。

为什么？因为 AI 的几乎所有争议都能追溯到一个老问题：机器有没有"理解"？

这个问题在 1953 年被一位剑桥哲学家换了一个角度回答。他叫路德维希·维特根斯坦，他在《哲学研究》第一句就把我们拉到了工地上：

"我教他……一边指着石头，一边教他说'石头'这个词。"（《哲学研究》§1）

他不是说石头背后有一个叫"石头概念"的东西在闪烁。他说的是：词的意义，就是我们拿它去做的那些事。

维特根斯坦管这叫"语言游戏"（Sprachspiel）。语言不是一个静态的词典，而是一堆随场合变化的小游戏：点菜、下命令、念诗、骂人。

2. 重读《哲学研究》：用法即意义

维特根斯坦晚年的核心主张可以压成两句话：

• 词的意义就是它在语言中的用法。
• 不要在用法背后找什么"本质"。

他举了一个特别工程师的例子：工地上 A 喊"板子！"，B 递给他一块木板。如果 A 说的是"板子！"但是想要的是水泥板，B 就会愣住，然后纠正他。这里的"板子"既没有一个柏拉图式的"板子理念"，也不在 A 脑子里。它就在两人共同遵守的游戏规则里。

他还说过一句被引用到烂的话："我的语言的界限，就是我的世界的界限。"（§5.6）——这句话在 AI 时代尤其要小心地读。它不是"我想不到的就不能说"，而是"我能用得动的语言，就构成了我能生存的世界"。

这给我们一个非常实在的判断框架：一个 AI 能不能"理解"一个词，不在于它脑子里有什么，而在于它能不能在这个词该出场的地方正常出手。

3. AI 里的语言游戏：从规则到概率

那么问题来了：大模型到底有没有规则？

显式的规则书？没有。大模型没有一张写好的"板子→木板"的字典。它的内部是一堆从语料里学来的权重，几十亿个浮点数。这些权重可以看成是"无数次语言游戏的痕迹"。

打个不严谨但好用的比方：

• 维特根斯坦的语言游戏像棋——你学棋，先学规则，再做死活题。
• 大模型的"语言游戏"像一只看了几亿盘棋、但没人告诉它规则的狗。它"会下棋"，但你问它马走日，它不一定能说出规则——它会在该跳马的位置跳马。

这就是为什么维特根斯坦的"用法即意义"在 AI 时代变得既有用又危险：

• 有用：它让我们放弃"模型是否真的懂"这个伪问题，去看它能不能在正确的位置上做出正确的动作。
• 危险：它也容易让我们把"看起来像用法"误认成"用法"——模型在 99% 的场合都按某游戏规则出手，剩下那 1% 就是幻觉。

所以今天我们谈 AI 的"理解"，是在谈一种功能性理解：它在统计意义上"用法对齐"得足够好，好到可以参与我们的语言游戏。

4. Prompt：是咒语还是规则书

Prompt 工程被很多人当咒语——换几个关键字、堆一些 emoji，模型就乖乖听话。这是一种误解。

从语言游戏的视角看，Prompt 是一份局部规则书。你在告诉模型："这一局我们要玩的是这个游戏。请按这个游戏的玩法出牌。"

一段有效的 Prompt，通常会包含三类信息：

1. 角色定义：模型扮演谁、面向谁说话。这是维特根斯坦说的"上场"——不同的上场就有不同的玩法。
2. 任务约束：哪些事能做、哪些事不能做。这对应的是规则边界。
3. 样例与格式：给出输入—输出示例。这是最贴近"用法"的部件——你不是在解释规则，你是在示范怎么玩。

举一个最小例子。把同一个问题交给模型：

• 咒语式："请扮演一个资深工程师，回答下面问题。"
• 规则书式："你是一个有 10 年后端经验、熟悉 Go 和 Postgres 的工程师。回答使用中文，先给结论再给原因。如果不确定，明确说'我不确定'。"

后者赢在显式规则覆盖了"该游戏的玩法"，不是更"恭敬"，而是更"对局"。

5. 多 Agent 与工具调用：扩展棋盘

维特根斯坦还有一个反直觉的观察：语言游戏不只一种，没有哪个游戏是"真正的语言"，所有游戏都是"家族相似"的一团。

对应到 AI 时代，这个判断几乎是字面意义上的：

• 一个 Agent 是一种游戏：研究员 Agent 用搜索 + 阅读 + 总结的玩法。
• 多 Agent 是把多个游戏拼在一个棋盘上：研究 Agent 把材料交给写作 Agent，写作 Agent 把草稿交给审核 Agent。
• 工具调用是给游戏加新棋子：调用搜索是加了一只"眼"，调用 Python 解释器是加了一只手。

每一次工具调用，本质上都在回答同一个问题：在这一局里，"查"和"算"分别是哪个动词？这是在给一个本来只会"说"的模型，加上一堆原本不属于"说话"这个游戏的动词。

这也是为什么我越来越不喜欢"Prompt 工程师"这个头衔。真正的工程不是写更好的咒语，是设计更好的游戏。

6. 家族相似与嵌入空间

维特根斯坦举过一个反本质主义的例子：游戏。棋牌、足球、扑克、过家家，它们之间没有共同的"游戏本质"，只有一层一层的家族相似——有的有得分，有的有对手，有的有规则书。

今天的大模型把这件事做了几何化。词变成向量，向量在嵌入空间里按"用法"分布。语义相近的词在空间里靠近，反之远离。我们甚至可以直接看一个名词在模型语境里被什么动词搭配，画出一张"用法地图"。

幻觉在这种视角下特别好理解：模型在嵌入空间里走出了一段没有真实游戏支撑的距离。它在"语义上连续"，但在"用法上脱节"。

所以 RAG（检索增强）这种工程手段可以这样理解：把外部的"用法证据"贴回到这段距离上，让模型重新落到正确的游戏里。它不是在让模型"更有知识"，而是在给模型配齐它该有的棋谱。

7. AI 时代的"意义即使用"

把维特根斯坦拿来用，不是为了装高雅。是因为他这套工具，今天真的能解决我们工程上的几个具体问题：

• 评估模型时，不要只看"答案对不对"，要看它在该用法的位置上是不是稳定出手。同一个 prompt 的微小扰动会不会让它瞬间出戏？
• 设计产品时，把"用法场景"显式化。让模型知道这是客服局、那是教学局、那又是创作局。少让它做万金油。
• 设计评测集时，多收集"边缘用例"——那些看起来荒唐但确实会出现的输入。它们正是模型脱离家族相似的高发地段。

回到开头那句话：词的意义就是它在语言中的用法。大模型没有私人意义，但它的用法对齐质量，可以被训练、被测量、被产品化。

8. 和维特根斯坦一起做产品

维特根斯坦在《哲学研究》的最后一句说："我读过的东西里，凡是我说不出来的地方，我就只能含糊其辞。"

如果你今天做的是 AI 产品，那么反过来也成立：

凡是用户说不出来、你也含糊其辞的地方，模型也一定会含糊其辞。

工程师的工作，就是把这些含糊的地方一条条钉清楚——变成 Prompt、变成规则、变成工具、变成评测集。这件事做完，AI 就会从一只"会下棋但不会讲规则的狗"，变成一个虽然仍有边界、但能在牌桌上稳定出牌的搭档。

维特根斯坦大概不会去做产品。但他的语言游戏，比任何一份产品需求文档都更诚实地提醒我们：意义不在词里，不在脑子里，只在用法里。

---

延伸阅读

• Wittgenstein, Philosophical Investigations（重点 §1–§7, §66, §108, §241）
• Kripke, Wittgenstein on Rules and Private Language（规则怀疑论的经典讨论）
• Wei et al., Chain-of-Thought Prompting（把"推理用法"显式化的代表工作）
• Schick et al., Toolformer（工具调用 = 往语言游戏里加新棋子）