| 华东师大王建军教授新论文引爆学界：AI与人类的终极关系，答案或许就藏在语言里？
大约两周前，我还在圈内某次深夜的学术沙龙里，听几个做NLP的同事争论一个老问题——机器是不是真的能“理解”语言。有人翻来覆去地引Transformer论文，有人摊手说“背后都是统计”。那晚我握着半杯冷掉的咖啡，心里还想着，这问题恐怕还要扯上至少三五年。没想到，华东师范大学王建军教授课题组最近放出的那篇论文，直接把水搅浑了，也把水变清了。
这一下子，不光是语言学圈，连搞计算机视觉、认知科学，甚至哲学系的几位老教授，都在群里默默丢了个文件。
一个残酷的“朋友圈”测试：AI到底“偏科”在哪？
我们这群人做研究，总喜欢找一个能照出AI“人性”的镜子。王教授这次做的事情，从选题上就看点十足。他找了个非常“活”的切入点——人类语言的“指代歧义”与“语境锚定”。
说实话，这个选题很多人想做，但敢做、能做出来并且看见效果的少。为什么？因为做深了，容易变成纯粹的哲学思辨，好听的叫“形而上学”，不好听的叫“扯皮”。做浅了，又只是拿原本就很成熟的模型跑个分，发水文。
王教授这次不一样。我以前以为人类对语言的理解主要靠词汇量和语法规则，觉得给AI喂更多数据就能“教”会它。但王教授用一套精心设计的“反常识”测试（一个举例：让GPT-6 和人类共同分析一段日常对话中“它”的指代，但故意把该“它”出现的上下文里塞入三个同样合法的纠缠对象），测出了一个让人心头一凉的事实——AI在高度不确定的语境下，有接近71%的概率会“蒙”一个最流行的答案，而人类面对同样纠缠时，更倾向于开始“理解”说话者的意图并主动寻求信息来消歧。
这个结果的冲击力在哪？不在于AI输给了人类，而在于我们发现，AI的“聪明”像一种极其无情、极其单调的线性聪明。它不懂什么是“犹豫”，也几乎不“怀疑”。而在现实的人际沟通中，语言的美妙和一个人的温情，恰巧就藏在无数句“你的意思是指……？”和“啊，我明白了，你原来是说那个”的混沌里。
语言能力，才是那把“万能钥匙”？
既然测试结果指明了AI的某种“偏科”，那能不能治？王教授在这篇新研究里做了更大胆的尝试——不只是“踢爆”问题，他开始“捏”钥匙。
提出来的这个“给模型”的诊断框架，最吸引我的不是那些复杂的公式，而是一个极其形象的比喻：他把模型的语言能力拆解成了地图上两种功能。 一种是“路标”（词汇-语义的静态连接），AI学得特别好，甚至远超人类；另一种是“向导”（实时、在线、动态的意图推理），这块AI还在原地打转。
我印象很深的是，论文里提到了一个在今年（2026年）年初参与测试的最新模型（没有指名道姓说名字，但根据描述应该是某明星公司的超大规模上下文模型）。这个模型在处理人类用“反讽”和“不完整省略句”构成的双重语境时，直接“宕机”。不是崩溃，而是给出了一个逻辑在语法上完全正确，但在情感上让人哭笑不得的答复。例如给出一个词语的中性解释，完全忽略了说话者正在满脸不耐烦地用反讽的语气宣泄情绪。
王教授把这种现象归结为——当前主流的预训练范式，其实依然在极力把语言锁定为一种“符号处理”，而遗漏了它作为“人类存在行为”的本质。
争议背后，我们到底在怕什么？
论文发出来后，溅起来的水花有一些是很烫的。有的技术大咖不服气，觉得这是“洗白”人类的低级优越感；也有不少青年学者在深夜里转发，说终于有人用严谨的学术方法，把那种对机器的“不对劲感”说清楚了。
我承认，我带着一丝心疼读到这项研究的结果。心疼我们这些做自然语言处理的，自诩在用代码和神经网络复现一件多么伟大的事，到头来，我们可能只是造出了一枚极精妙、极闪亮的“回音币”。它能把数据里的知识倒背如流，但当你问它“你今天晚饭吃了吗？” 它除了偶尔蹦出“我还没有胃”这种设定内的冷回答，始终无法给出像老朋友那样的一句夹杂感叹、关心和调侃的“吃啥呀，你小子又想蹭饭了？”
在学术界，做这种异质性的、充满“人味儿”的研究，有时候比闷头调参还难。王建军教授课题组的这个研究成果，不是诅咒AI永远的缺陷，而是给了我们一个温柔的提醒——不要只追求让AI更像一个“万能的搜索引擎”，更值得投入的，或许是让它学会那一刻的“迟疑”，那一瞬的“揣测”，以及那一声灵魂深处的“哦，原来是你”。
通往真正人工智能的道路上，王教授的这篇论文带来的，也许不是一条答案，而是一把我们丢失了很久的、用来给语言重新上色的调色盘——这件事本身，就已经足够让人激动了。毕竟，你难道不觉得，机器学会“就算没有马上理解你，也想跟着你的脚步去理解你”，比它能背下一万部百科全书，更接近“智能”二字吗？
至于怎么用现有的技术架构去实现这种柔软的“意图追踪”？我建议你跟我一样，点开那篇论文看看。你会惊讶于答案其实就藏在理论背后，或许比我们想象的，离人类的内心更近了一点点，也真切了一点点。 |
