自从大模型席卷全球之后，一本正经胡说八道（简称“一本胡八”）就几乎同步成了流行语。殊不知，要追溯一本胡八的源头，还得看我们语言学。
“Colorless green ideas sleep furiously”（无色的绿色念头狂怒地睡觉）是一代语言学大师乔姆斯基70年前的成名之作。开创“语法正确的一派胡言”体！
当你把这串一本胡八甩给ChatGPT 4o大语言模型时，它竟然秒回：“啊哈，这么说无声之歌也会静悄悄地跳舞喽？（Ah, and do silent songs dance quietly too?）”（当然事先需要给它一个指令：见到英文用中文回复）。
你要是觉得不过瘾，让它继续一本胡八，它轻轻松松给你来个串烧：
透明的黑夜在光明中奔跑。
沉默的音乐在空中回荡。
燃烧的冰雪在寒冷中冻结。
无形的手掌握住了风的脚步。
枯萎的花朵在生命里绽放。
……
机器会说话了。不仅会说话了。还会耍贫，会一本胡八！
让机器具备这样能力的，不是语言学家乔姆斯基，而是2024年诺贝尔物理学奖得主杰弗里·辛顿。
辛顿“让人意外”地得奖也就算了，还“不出意外”地狠批乔姆斯基，指责乔姆斯基误导了几代语言学，并直言“语言是可以学习的，而非像乔姆斯基所说的语言是人脑天赋”。乔老爷子挨批，不管是不是乔家大院的人，只要身在语言学大家庭，多少都会觉得不爽。
有人可能觉得辛老爷子很过分，但实际上从辛老的立场看，乔老爷子才是更过分的一方，乔老爷子鄙视统计语言学派久矣。去年还以95岁高龄撰文批ChatGPT是高科技剽窃。辛老爷子只不过近些年扬眉吐气后才可劲儿吼了几嗓子。撇开这类江湖八卦不论，辛乔之争其实应该引发语言学人更多的深层次思考：
语言学跟人工智能应该是什么关系？语言学研究的终极意义是什么？
我不揣浅陋，基于对人工智能神经派技术路线，以及对乔姆斯基语言学核心要义的粗浅理解，尝试用一个蹩脚的比喻，来解读辛乔之争的核心，其实，这关系着一个亘古难题：
鸡生蛋还是蛋生鸡？
1 辛老爷子与乔老爷子其实是同一个目标
人工智能，特别是大模型代表的“生成式人工智能”，和乔姆斯基的“生成语言学”，都冠以“生成”的帽子，绝非巧合，二者在深层次研究目标上实际完全一致，都是探究语言的生成机制。
乔姆斯基1950年代创立“生成语言学”时，提出的核心问题是：
人为什么会说话？
我第一次看到这个问题时，在头皮发麻的同时，瞬间想起了另一个同样“愚蠢”的问题：“苹果为什么会从树上掉地下？”
跟牛顿借助数学工具去解释物理现象一样，乔姆斯基发展出一整套数学方法，用形式文法（formal grammar）来解释语言的无限生成机制。在乔姆斯基提出形式文法理论的1950时代，正是人工智能作为一个学科初现雏形的年代。彼时一代宗师图灵把探讨“机器会思考吗”这个让他不爽的问题强行改成了“模仿游戏”：机器会模仿人说话吗？倡导用可观察的事实来替代仅呈口舌之快的无从验证式思辨。
如果把人说的话比作鸡蛋，上面的两个问题就成了：
（1）母鸡为什么会下蛋？
（2）咋搞出一个机器母鸡，让它下蛋？
对第一个问题，乔姆斯基毫不含糊地高呼：要研究母鸡！不要只盯着鸡蛋。在这之前，语言学家们一辈子就在盯鸡蛋。。。。。。
对第二个问题，图灵平静地预言：依我看，50年后机器能下蛋的概率不会低于70%。
乔老爷子作为语言学家，致力于回答第一个问题。辛老爷子作为人工智能学家，致力于回答第二个问题。而这两个问题，指向的是同一个目标：鸡生蛋！
2 辛老爷子跟乔老爷子其实是走同一条路
那么，通向“鸡生蛋”这个目标，有什么路呢？
其实现实世界中也只有一条路，就是蛋生鸡！
车轱辘话：要想鸡生蛋，鸡从哪儿来，还得从蛋来。
乔姆斯基虽然革命性地提出了“母鸡语言学”理念（专业说法就是“生成语言学”），但实践中的语言学研究，其实仍然是“鸡蛋语言学”（专业说法是“描写语言学”）。并没有因为乔姆斯基喊了个口号，语言学就立马从“研究鸡蛋”变成“研究母鸡”了。为啥？
真相是：这个世界上就找不到能观察的母鸡。能观察的只有遍地的鸡蛋。
要想实现“鸡生蛋”的目标，只能走“蛋生鸡”之路：通过观察鸡蛋，还原出母鸡的下蛋原理。
3 辛老爷子跟乔老爷子的走路姿势完全不同
乔老爷子观察鸡蛋的办法：派人去观察。人提出一个假设的树结构框架，据此观察鸡蛋的各种具体而微的特征，包括时间、空间上不同的鸡蛋的各种特征（相当于语言学中的方言研究、历时演变研究、语言学类型学研究等等等等），根据较为有限的人力观察结果，总结成“母鸡下蛋知识宝典”，就完成了“蛋生鸡”的壮举，配备了“下蛋知识宝典”的母鸡，就有“鸡生蛋”的能力。
辛老爷子观察鸡蛋的办法：派机器去观察。机器用多层巨型神经网络来模拟母鸡。通过机器强大的算力，不知疲倦地观察海量鸡蛋的各种具体而微的特征（比人力能观察到的多得多得多得多得多得多的特征），调适神经网络的超大规模参数，最终拟合出一个能下蛋的母鸡，让这个母鸡下的蛋非常符合真实鸡蛋的特征。这个母鸡没有任何显性的总结成册的“下蛋知识宝典”，但它训练有素的神经网络就是神奇地会下蛋。
我们通过实例来简略看看乔氏母鸡和辛式母鸡的工作原理：
乔氏母鸡：要生出“Colorless green ideas sleep furiously”这串鸡蛋，乔姆斯基构造的母鸡示意图如下。
乔氏母鸡像一棵倒着的树。乔老爷假设句子像树根生叶一样逐层展开，从小小的S种子出发，逐渐枝繁叶茂，最终叶子连缀成话说出。
辛氏母鸡：要生出“啊哈，这么说无声之歌也会静悄悄地跳舞喽？”这串鸡蛋，辛顿构造的母鸡示意图如下。
辛氏母鸡是一个巨大的神经网络。辛顿假设母鸡生下一个蛋总是依赖上一个蛋，你只要从左侧给母鸡一串鸡蛋，母鸡就能激活神经网络中各层的神经元节点，就像过电一样（极度魔界般神秘），从右侧生出一串新的鸡蛋，完美地对齐左侧的鸡蛋。
那么，乔氏母鸡跟辛氏母鸡，谁下蛋能力更强，谁称得上是母鸡中的战斗鸡呢？
4 乔氏母鸡跟辛式母鸡的区别：可控 vs 会学
走人力蛋生鸡之路得到的乔氏母鸡，是个理性鸡，符号鸡，知识鸡。知识鸡的特点实际上是完全照搬人类的理性（范畴、概念）思维特征，把人类假想的母鸡下蛋知识悉数记住，照章办事，流程透明，细节可控。用这种办法构造的知识鸡，是可靠的，不用担心安全问题。但知识鸡的缺点也非常突出，就是人类理性想出来的知识也常常不靠谱，不管用，下不出蛋。
走算力蛋生鸡之路得到的辛氏母鸡，是个经验鸡，神经鸡，学习鸡。学习鸡的特点是不理会人类的知识，自己从鸡蛋的特征中去学习揣摩母鸡的下蛋过程，观察了海量鸡蛋后，就能开始像模像样的下蛋了，但下蛋章程未知，黑箱操作，很难控制。用这种办法构造的学习鸡，不太可靠，安全问题让人揪心。但学习鸡的优点也非常突出，就是会学，学习能力强，泛化能力好，能适应复杂真实场景，下出各种各样的像是真的蛋（当然也包括一本胡八蛋）。
知识鸡重知识，轻学习；学习鸡重学习，轻知识。
多年来，乔氏母鸡力扛人类“知识”大山艰难前行，辛氏母鸡则配备神经网络“学习”利器，轻装上阵。得益于互联网海量鸡蛋可以观察，辛氏母鸡不断进化，终成暴发之势。特别是在2022年11月30日ChatGPT横空出世后，让全世界见识了这个母鸡中的战斗鸡。
靠人观察鸡蛋来推进“鸡蛋语言学”，最大的问题是，人会累。穷一人一生之力，实际上也观察不了多少鸡蛋，而全世界的蛋实在是太多太复杂了，人的主观性又强，观察鸡蛋，也跟盲人摸象类似，张三说这个鸡蛋是大头朝东，李四说这个鸡蛋是大头朝西，很容易吵得不可开交。蛋的描写工作进行得不顺利，就很难完成“蛋生鸡”的浩大工程。人为了形式上完成任务，有时候就会匆忙糊弄出一个鸡完事，这个鸡虽然也能下蛋，但不经折腾。
靠机器观察鸡蛋来推进“鸡蛋语言学”，最大的好处是，机器不知疲惫为何物，观察角度由机器自己决定，没有盲人摸象吵架的问题。而且观察速度极快，用GPU替换CPU之后，鸟枪换炮，日积月累，把全世界古往今来的鸡蛋观察了个底朝天，终于“察蛋成鸡”。依靠机器的大力出奇迹，辛顿仿佛一夜间飞跃“鸡蛋语言学”，高栖“母鸡语言学”的枝头。
5 鸡生蛋还是蛋生鸡：AI会终结这个问题吗？
真的很难回答。
“知识鸡”是正道？还是“学习鸡”是正道？
不学习怎么会有知识？没有知识怎么会学习？
乔老爷子和辛老爷子的理想都是搞“母鸡语言学”（鸡生蛋），但现实中，大家实际上都是只能搞“鸡蛋语言学”（蛋生鸡）。
只不过，两人的搞法完全不一样。让人大跌眼镜的是，机器搞得比人强。倚靠算力，眼看着就要完成“蛋生鸡”伟业了。而倚靠人力，现在“鸡”影子还看不真切。
真让读书人一声长叹：“有路茫茫向谁问，感君空有泪沾襟”。
据说，语言学的尽头是生物学。这里的生物，就是那只会下蛋的母鸡。而辛顿在做的，是把生物母鸡，替换成机器母鸡。乔家大院有人说可以不关心机器母鸡，只关心生物母鸡。如果把生物母鸡替换成机器母鸡这事真干成了呢？恐怕，生物学的尽头就是人工智能了。
假如有机会站在语言学和人工智能的尽头，回看来时之路，二者曾经互为主仆，也一度是友人，但无论如何不应该沦为路人。
辛氏母鸡还没完胜，乔氏母鸡也没尽输。大家加油！鸡蒜语言学加油！
鸣谢：ChatGPT 4o帮助制作了本文插图，并参与了例句生成。
注1：作为辛氏母鸡的阶段性代表，ChatGPT 4o还无法下出本文这样的蛋。这勉强可以作为辛氏母鸡尚未完胜的证据。
注2：如果是在比拼下蛋能力的赛道上只看结果，乔氏母鸡现在落后很多。但乔氏母鸡“知道”自己下蛋的每一个细节，在需要对下蛋过程进行精准控制的场合，乔氏母鸡也还有发挥空间。这大体可以勉强算是乔氏母鸡尚未尽输的证据。
上一篇：如果辛顿是对的
