本文來自微信公眾號： 心智觀察所 ，作者：心智觀察所

一個延續(xù)了兩千多年的爭論

語言與思維的關系，是人類思想史上最古老也最迷人的問題之一。

柏拉圖曾在《泰阿泰德篇》中把思維定義為“發(fā)生于靈魂內(nèi)部的無聲對話”；亞里士多德則認為言說出口的詞語是“心靈印象的符號”。到了二十世紀，維特根斯坦在《邏輯哲學論》中寫道：“我的語言的疆界意味著我的世界的疆界”。他提出了一套圖像理論：語言之所以有意義，是因為它和世界共享同一種邏輯結(jié)構(gòu)。

這種觀點的流行程度在二十世紀的語言學轉(zhuǎn)向中達到了頂峰。分析哲學家們甚至宣稱：哲學的根本任務就是對語言進行邏輯分析。在他們看來，清楚的思想離不開精準的語言。

但另一派哲學家始終持有不同意見。他們認為，語言只是表達的工具。思想在后臺完成計算，語言不過是把計算結(jié)果翻譯出來而已，就像電腦的顯示器，你可以看到畫面，但真正的運算發(fā)生在CPU里。

到了今天，2026年7月，MIT麥戈文腦科學研究所的一篇論文則用實打?qū)嵉哪X成像數(shù)據(jù)給出了一個震撼的答案。

失語癥患者解開邏輯謎題

這項研究的領銜者是MIT大腦與認知科學系副教授埃韋利娜·費多倫科。她是全球最頂尖的認知神經(jīng)科學家之一，曾首次精準界定人腦之中專門負責語言的“語言網(wǎng)絡”。費多倫科團隊中的博士后霍普·基恩及其他成員設計了一個極其巧妙的實驗，找了兩個因腦卒中而導致語言中樞嚴重受損的失語癥患者。這兩位患者幾乎無法理解語言，也無法正常說話。但研究團隊不要求他們讀，也不要求他們聽。他們設計了兩類完全不依賴語言的邏輯游戲。

第一類：給出一組數(shù)字列表，要求找出隱藏的轉(zhuǎn)換規(guī)則。比如，給定一組偶數(shù)序列和一組奇數(shù)序列，你能發(fā)現(xiàn)規(guī)律嗎？

第二類：給出一組幾何圖案，要求找出缺失的那一塊，把表格補全。

結(jié)果令人震驚。兩位失語癥患者的表現(xiàn)與健康對照組沒有任何顯著差異。他們不僅能完美解開謎題，還能用手勢和草圖向研究人員解釋自己發(fā)現(xiàn)的規(guī)律。

博士后霍普·基恩說，實驗結(jié)果真的顛覆了那些認為沒有語言能力就無法歸納符號規(guī)則的理論。

MRI掃描：語言區(qū)靜默，推理區(qū)亮起

實驗的第二部分更加關鍵。

研究團隊對健康志愿者進行了功能性磁共振成像掃描。志愿者在掃描儀內(nèi)完成兩類任務。

語言任務包括理解句子、閱讀文字，用以標記大腦的“語言網(wǎng)絡”。邏輯推理任務則包括歸納推理，也就是發(fā)現(xiàn)隱藏規(guī)則，以及演繹推理，即經(jīng)典的三段論推理，比如“球如果是紅色的，那就是大球。球是紅色的。它是大球嗎？”

結(jié)果頗為分明：人在進行邏輯推理時，大腦的語言網(wǎng)絡，也即那些負責理解句子、生成語言的區(qū)域幾乎沒有任何激活。

真正亮起來的是另一個系統(tǒng)：多需求網(wǎng)絡。這是一個分布在大腦多個區(qū)域的高級計算網(wǎng)絡，負責工作記憶、問題解決和復雜任務處理。

更令人出乎意料的是：多需求網(wǎng)絡只在歸納推理，即發(fā)現(xiàn)新規(guī)則時活躍，在演繹推理，即應用已知規(guī)則時幾乎不參與。這就說明，即使是推理本身，也可能擁有不同的神經(jīng)機制。

邏輯推理不依賴語言，這個結(jié)論在腦成像上顯而易見。

費多倫科實驗室此前已經(jīng)發(fā)現(xiàn)，物體分類、社會推理等其他類型的思維同樣不依賴語言。2024年，費多倫科與同事在《自然》雜志上發(fā)表了一篇更具綱領性的論文，標題直截了當：《語言主要是交流工具，而非思維工具》。研究團隊明確指出：語言既不是思維的必要條件，也不是思維的充分條件。

而最近的這篇論文，則用最嚴格的實驗設計和最直接的腦成像證據(jù)，把這一結(jié)論推到了極致論文的結(jié)論斬釘截鐵：語言表征在歸納或演繹邏輯推理之中既沒有得到使用，也不是必需的。

當語言模型遇到“非語言智能”

這項研究的意義遠遠超出腦科學的范疇。

研究發(fā)布后不久，圖靈獎得主、深度學習三巨頭之一的楊立昆就在社交媒體上轉(zhuǎn)發(fā)了這項成果。

為什么這樣一位AI泰斗會對腦科學研究如此興奮？

因為楊立昆一直在發(fā)出這樣的呼聲：僅靠大語言模型，無法通往真正的通用人工智能。

他認為，大語言模型所學的主要是語言模式，而非對現(xiàn)實世界的真正理解。它們只能憑統(tǒng)計學預測下一個詞應該是什么，卻沒有沒有物理直覺、沒有因果推理、沒有真正的規(guī)劃能力。他說，人類智能的核心并不是預測下一個詞，而在于預測接下來會發(fā)生什么事，好比球飛起來了，下一秒會落地，整個預測過程并不涉及語言，他認為，這才是AI應該學的東西。

MIT的這項研究恰好從神經(jīng)科學層面印證了他的判斷。

既然人腦的邏輯推理根本不經(jīng)過語言區(qū)，那憑什么認為，只靠語言訓練的AI能學會真正的推理？

另一項最新佐證來自Anthropic公司。2026年7月，Anthropic剛剛發(fā)布一項研究，發(fā)現(xiàn)Claude大模型內(nèi)部存著在一個神秘的“J空間”，一個不直接輸出文字、靜默運行的“心理工作區(qū)”，里面會浮現(xiàn)模型正在考慮和推理的概念。這個空間不是訓練出來的，而是Claude自己長出來的，是一種同語言無關的內(nèi)部推理過程。

換句話說，即使是純語言模型，在其深處也可能形成非語言的內(nèi)部表示。這項發(fā)現(xiàn)也暗合了MIT的腦科學發(fā)現(xiàn)：語言是輸出接口，不是計算引擎。

AI正在對人腦進行逆向工程

費多倫科的團隊還有另一項研究值得一提。

2026年7月，他們與合作者發(fā)表了一項題為《模塊化認知架構(gòu)在大語言模型中涌現(xiàn)》的研究。

他們分析了六個開源大模型，規(guī)模從二百四十億到一千二百三十億參數(shù)不等，覆蓋語言、邏輯、物理、社會四大認知域的四十多個任務。

結(jié)果令人震驚：大模型內(nèi)部也出現(xiàn)了類似人腦的功能分工，含語言、邏輯、物理、社會推理，各自依賴不同的神經(jīng)元集群。

更關鍵的是因果驗證實驗。關掉負責語言的神經(jīng)元，模型的物理推理依然正確，只是話說得不順了；而關掉負責物理的神經(jīng)元，句子依然流暢，但結(jié)論說反了。

大語言模型和人類大腦走的是完全不同的“發(fā)育”路徑，一個靠進化，一個靠梯度下降，卻長出了相似的結(jié)構(gòu)，這意味著智能本身極可能擁有一些深層的組織規(guī)律，超越了碳基和硅基的差異。

AI幻覺的源頭

回到文章開頭那個兩千多年的爭論。維特根斯坦早期在《邏輯哲學論》中認為，語言之所以有意義，是因為它和世界共享同一種邏輯結(jié)構(gòu)。然而，到了晚期，維特根斯坦在《哲學研究》中則轉(zhuǎn)向了“語言游戲”理論，認為詞語的意義來自其用法。他不再把語言看作思想的牢籠，而是看作一種工具、一種活動。

MIT的研究用腦科學證據(jù)站到了晚期維特根斯坦這邊：語言是工具，不是牢籠。推理是大腦的獨立計算模塊，語言只是它的揚聲器。

但這一結(jié)論還包含一層更加幽微的意思：語言不負責推理，但負責壓縮文明。比如一個人經(jīng)歷了上萬次戰(zhàn)斗，總結(jié)出一句話：“不要兩線作戰(zhàn)?！币痪湓挵岩簧?jīng)驗壓縮了。一個文明積累了數(shù)千年知識，寫成一本書。一本書把千萬人的智慧壓縮了。

所以，大語言模型之所以強大，不是因為它會自行推理，而是因為它讀取了人類文明數(shù)千年積累的全部“壓縮包”。

但問題也在這里：壓縮包不是原始數(shù)據(jù)。沒有校驗機制，壓縮包會失真。

人類用身體經(jīng)驗校驗語言，“火會燙手”這句話被嬰兒的皮膚驗證過。大語言模型沒有身體、沒有世界模型、沒有因果校驗。它只能在語言的統(tǒng)計性中自我循環(huán)。

這就是AI幻覺的根源：模型可以生成一個語法完美、邏輯自洽的句子，但它不能依靠任何物理現(xiàn)實來驗證這個句子是否真實。

AI該換腦了：換成嬰兒大腦

MIT的發(fā)現(xiàn)說明此前的AI發(fā)展可能已經(jīng)誤入歧途，要想達到真正的智能，必須改弦易轍。

真正的智能或許包含幾個協(xié)同運作的層面。最底層是世界模型，負責預測物理世界、理解因果鏈條和形成空間直覺。中間層是推理引擎，負責規(guī)則歸納和邏輯推演，而這一層恰恰不依賴語言。最頂層才是語言接口，負責表達交流和文化知識的壓縮傳遞。

這和人類嬰兒的發(fā)育順序完全一致。嬰兒先是擁有世界模型，幾個月大時就已經(jīng)知道物體恒存和因果關系。之后才發(fā)展推理能力，在兒童期形成抽象邏輯。最后才學會語言，把一切翻譯成可交流的符號。

而目前的大語言模型是倒過來的，先學語言，再試圖從語言中“涌現(xiàn)”出世界模型和推理能力。

這條路能不能走通？MIT的腦科學家給出了一個否定的答案。

如果人腦的推理根本不經(jīng)過語言區(qū)，那么，僅僅通過語言訓練來培養(yǎng)AI的推理能力，就好比學鋼琴只靠讀樂譜，理論是懂了，但永遠無法真正演奏。

結(jié)語

兩千多年前，柏拉圖把思想比作“靈魂的無聲對話”。今天，MIT的功能性磁共振成像機器第一次看見了思想的物理痕跡：不是語言區(qū)的電流，而是多需求網(wǎng)絡的火花。

所以，你在思考難題的時候，你腦中那個喋喋不休的“內(nèi)心聲音”，其實只是個解說員。真正的思考發(fā)生在語言的背后：無聲、無形、但無比強大。語言是智能最偉大的發(fā)明，但不是智能本身。思維≠語言，這個古老的哲學命題，如今也成了指引AI的航標。

參考文獻

https://news.mit.edu/2026/separating-logic-and-language-0708

https://www.pnas.org/doi/10.1073/pnas.2520095123

Modular Cognitive Architecture Emerges in Large Language Models