[智能应用]AI如何才能通过“终极考验”？让它重走人类来时的路 [复制链接]

人工智能的演进是当下最炙手可热的话题，如何让AI真正理解人类的语言与智慧，成为名符其实的“智能”？公认的标准“图灵测试”如何真正得以实现？许多专家学者从不同角度进行了研究，提出了不同的见解。
在观察者网“2026答案秀·思想者春晚”的讲台上，上海财经大学人文学院院长王献华教授尝试回到人类创造文明的起源——文字的发明——对人工智能进行一项“逆向工程”。他提出了名为“Nigiro Challenge”的测试方案——看这项“社会性虚拟造字测试”中，人工智能能否重新发明、创新并系统化构建一套对他们来说可外化的文字体系，来记录他们的文明。
作为研究古代文明与楔形文字的专家，王献华老师的“脑洞”或可以从文科的角度为热门的“理科话题”提供一种可以借鉴的思路。
王献华：非常荣幸来到这里，参加这样一个活动。刚才曾毅老师、范勇鹏老师，分别从各自的专业角度讨论了AI。用勇鹏老师的话讲，“作为文科生也来凑一下这个话题”——我也是文科生，一个真正的老文科生，而且做的专业非常偏。
今天冒昧来参与这个话题，我一直在想，对于一个文科生来说，AI的相关研究是比较陌生的。但很幸运的是，对于绝大多数的听众来说，我自己的研究领域可能也是比较陌生的。那么，这双重的陌生是不是反而就显得“熟悉”一些了？
再加上我们最近的感受——这个世界好像还是那样一个世界，但是时代好像不再是那个熟悉的时代了，所以我今天就冒昧地、站在这“双重陌生”的“文化自信”的角度，从楔形文字起源研究的方向，提出一种针对通用人工智能的“终极”测试方案，我称之为“Nigiro Challenge”。
我们先来一点背景知识。从楔形文字、文字起源的研究中，大家不要觉得我们好像已经知道几千年前、上万年前进程的真相了，我们其实没那么有把握，历史研究永远如此，我们是逆推的。目前就楔形文字的起源来说，只能比较明确地讲，与三种文字缘起前的现象有关：一个是所谓的“陶筹”，英文也叫Token；另一个是印章上的各种象形符号；再次是早期的数学系统。我们基本认为这三种现象和文字的缘起有关。
用来记录交易的陶筹
先说陶筹。在公元前8000年，陶筹就已经在西亚、近东这一带广泛出现，主要功能是计数，比如羊的数量、粮食的收成。到公元前4000纪，陶筹变得复杂起来，有时会出现穿孔、刻痕。更有意思的是，人们会把陶筹放到黏土“信封”中间，有点类似于我们现在把钱或东西放在信封里然后封上蜡印，用来记录交易或记录财产。
在陶筹之外，印章是一个相对并行的技术系统。早在公元前7000纪，西亚地区的人们就已经开始使用印章，把它盖在容器的封泥上，用来确认物品归属或保证交易安全。一开始印章图案比较简单，后来变得复杂，出现具体的图像、动物、人物。
同样在公元前4000纪中期，滚筒印章出现了。这种印章的优势在于可以覆盖更大的黏土表面，而且图案更加精美。根据我们有依据的判断，它们大多由当时的机构人员使用，比如寺庙的管理者，用来在容器封泥、房门封泥上盖章。在这个意义上，它也象征着权力与信任，就像我们现在的公章，一旦盖上就代表着某种权威和认可。
滚筒印章可覆盖更大黏土表面， 多用于容器封泥 、房门封泥等 ，可能由机构人员使用 ，图案含场景或简单设计
再就是数学。这个过程从研究难度上更复杂，我们只能用后世的眼光来看。实际上，到了公元前4000纪末、公元前3500年到公元前3000年这个时期，理论上文字已经出现，我们仍然发现，在最初的文字系统中，多种数学计数系统是并行的。目前有的学者认为有5种，有的认为有6种甚至更多。比如，我们称之为“S系统”的，用来记录牛羊的数量；另外像ŠE“谷物系统”，是专门用来记录容量的。
大约在公元前3500年到公元前3000多年，一般认为在这一时期，楔形文字在此前提到的陶筹、印章及数学系统发展的基础上出现了。我们能看到这个结果：一开始是纯数字的泥板，上面只有数字符号。后来人们会在数字旁边加上一到两个表意符号，这就成了“数字+表意符号”。比如，一个数字“5”旁边加上一个代表“羊”的符号，意思就是有五只羊，这有点像我们到超市的购物账单。这个时期我们称之为乌鲁克四期。同时，乌鲁克四期还出现了“标签”，上面没有数字，但有粮食、布匹等其他一些我们不一定认得的符号，我们现在认为可能是商品标签，甚至可能是名片。
乌鲁克四期的标签
根据现在的统计，大约在公元前3200-3300年，早期的楔形文字符号大概有1900个左右，包括象形符号和所谓的“矩阵符号”——矩阵符号类似于我们汉字中的偏旁，组合成一个符号以提供更多语义信息。虽然我们现在对早期的发音系统基本上一无所知，但我们知道这个时候的符号已经在使用转喻原则。基本上可以判断，表示植物的符号可以用来表示“花园”。但是否涉及音转等问题？有些问题我们有明确回答，有些没有。
我们大概回顾了这样一个过程，这里面有一个非常关键的问题：学者们公认，文字的形成和发展、文字的起源，其实和社会复杂性的增长密切相关。到了公元前4000年纪的下半叶，南部美索不达米亚社会变得复杂，行政管理和社会管理的压力越来越大。这时人们首先需要记录生产、货物、劳动力等各种情况，文字在这个意义上应运而生。人类发明文字的能力并不是到这个时期才有，但文字的大规模出现，其实和这个时期人类作为集体的发展有关系。从计数到表意，从图画符号到与语音系统结合，在这个意义上，从今天回望过去，书写文字作为人类集体智能的结晶方式，正式登上了历史舞台。
恰恰也是从这个角度，我们的脑洞开始了。刚才我已经提到，当我们讲“陶筹”时，在我们领域里用英文表达就是“Token”。而在现代AI的大语言模型中，一个极为重要的步骤事实上就是 Tokenization（词元化/分词）。正是从这里，作为一种启发，我开始考虑这样一个脑洞：如果说从陶筹到楔形文字、到文字的发明，人类完成了从具象计数到抽象符号的跨越，那么人工智能似乎正在尝试通过对抽象符号的处理，回归那个复杂的、难以言说的具象生活世界。
人工智能要理解人类语言，某种意义上像一个逆向工程。它把语言拆分成一个个最小的、有意义的单元，这就是他们讲的Tokenization。最开始的词元化是“词级”的，就是以空格或标点来分割词语，但这种办法有很多问题，比如词汇表规模太大，无法处理生僻词或未登录词。后来人们发展出“字符级”词元化，以字符为基本处理单元。这样一来，词汇表规模缩小了，但缺点也很明显：生成的序列长度太大，机器很难捕捉语义信息。
现在的主流是在此基础上发展的“子词”词元化，比如BPE、WordPiece、SentencePiece。它的特征是在词和字符之间取得平衡：常见词保留整体，罕见的词可能分解成子单元。
在词元化的基础上，需要一个强大的模型来处理这些词元，这就是所谓的Transformer架构。Transformer是一种基于自注意力机制的神经网络架构，专为自然语言处理任务设计。在Transformer之前，人们常用的是循环神经网络架构来处理词元，但它有个缺点：处理长文本时效率很低，因为它需要一步步处理每个词元，无法并行计算。Transformer不一样，它可以并行处理输入序列，同时捕捉长距离词语之间的相互关系。这有点像我们阅读文章时同时注意上下文——其实我们读书也不是一个词一个词读的，是一页一页、一片一片读的。所以在这个意义上，Transformer好像有点“人味”了——它可以同时处理整个文本序列，从而更好地理解语义。这也是GPT等大型语言模型能够生成连贯流畅文本的关键所在。
但事实上，早在上世纪90年代，就有哲学家提出：人工智能搞语言模型，真的能理解语言、拥有智能吗？虽然今天我们看到人工智能在语言处理方面取得了很大成功，但哲学家们提出了“符号接地问题”：纯粹的符号系统内部操作，真的能赋予符号指称和意义吗？这是个哲学问题：人工智能是真的理解了语言，还是只是在统计符号之间的关系？
比如说，当人工智能输出“苹果”的时候，它真的是知道苹果可以吃、有红色外皮、味道等属性，还是仅仅因为“苹果”这个词经常和“水果”、“吃”这些词一起出现？这是一个统计。我想，这是我们对于大语言模型、人工智能一个比较根本的质疑所在。这也是为什么现在像李飞飞老师他们提出，真正的人工智能应该通过“具身交互”学习，也就是通过感知、行动与世界互动，从而解决符号接地问题。好比我们通过触摸、品尝、观察来认识苹果，而不仅仅是通过书本上的文字。
作为一个文科生，看到AI的这种“茫然”，让我有了一种冲动去寻找一个标准：什么样的人工智能是我能够接受的、我愿意承认的？那我就要动用一点我自己的专业背景了。我们需要一种测试方案，不管怎样，来判断人工智能（无论是基于大语言模型还是具身学习）是否真的拥有能够和人类相比的智能水平。
但很遗憾，我查了半天，发现现在其实没有公认的标准来检验可能到来的人工智能。例如，搭载人工智能程序的机器人，我们到底要不要把它当作人类社会的一员、真正的智能体呢？大家稍微注意一下都知道“图灵测试”——1950年艾伦·图灵提出的著名测试：在基于文本的自然语言对话中，如果机器的行为与人类无异，以至于测试者无法区分，那么是不是就可以认为机器具有智能？但现在根据报道，不少人工智能系统都试图或声称已经通过图灵测试，图灵测试本身好像有问题了。
图灵
通过对图灵测试的反思，有学者提出：图灵测试的问题在于，它应该叫做 “Gnirut”测试（把“图灵”反过来写）。因为你这个图灵测试的游戏，事实上只不过是像一面镜子测试提问者的水平：你漂亮，它照出来你就漂亮；你丑，它照出来就丑；你提的问题有深度，AI的回答就精彩；你的问题比较愚蠢，它出来的回答就比较愚蠢。
那么，考虑到对图灵测试的这种反思，特别是考虑到我们刚才提到的人工智能的“社会性”，我隆重推出：有没有一种真正具有终极意义的测试方案呢？这就是Nigiro Challenge。大家可能已经看到，Nigiro就是“Origin”（起源）的反写，象征着对人类智能的逆向探索。是否有可能找到一种测试，不仅为测试AI通用智能提供一种可能方案，同时也让我们重新审视人类智能诞生与发展的历史？
学历史的难免要“自恋”一些：人类的智能是在社会环境中逐渐发展起来的，文字的发明就是一个很好的例子。那么，具身的人工智能体，能不能在模拟的社会环境中，重新发明、创新并系统化构建一套对他们来说可外化的文字体系，来记录他们的文明故事呢？
Nigiro Challenge 的内容其实非常简单，就是针对所谓通用人工智能体的“社会性虚拟造字测试”。想象一下，人工智能体社会能否在与其他智能体的社会互动中，一步步发明出他们自己的文字？如果他们能够做到这一点，那是不是就意味着他们拥有了（类似人类的）智能？从文字的角度，我愿意承认：如果一群智能机器人发明了一个他们的文字系统，我个人觉得也许可以承认这样的智能体应该被接纳为人类社会的“合格成员”。一个社会能够独立发明文字，虽然未必是人类拥有文明的唯一标志，但确实是人类文明有形的结晶。
从文字的起源开始，我们回顾了陶筹、印章、楔形文字，又探讨了自然语言处理中的词元和Transformer。最后，我们作为一个脑洞提出了 The Nigiro Challenge。我们已经讲过，文字的出现体现了人类智能的发展。而人工智能的发展，事实上让我们重新回过头去思考智能本身的本质。也许我们在座的诸位永远不知道“人是什么”，但我们也许可以借着这个契机去思考一下“智能是什么”。
从我们略知一二的楔形文字起源故事，用逆向工程的方式，我感觉我自己的专业好像忽然有了一个意外的高大上用处。沿着大语言模型的路径继续发展，还是通过具身学习？这都不是我的专业，都需要继续研究。但是，Nigiro Challenge 至少也许会让我们在向着人工智能狂奔的同时，不忘回望一下我们人类智能的过往。如果人类文明的历史只是智能的升级，当通用人工智能体社会用我们不可能认得的、他们自己的文字记录他们文明故事的时候，那我们这些有肉身的人类，是不是也许就真的可以退场了？

王献华教授关于人工智能的观点总结
王献华教授作为研究古代文明与楔形文字的文科专家，从独特视角探讨了人工智能相关话题，提出诸多新颖观点，具体内容如下：  
人工智能相关研究背景与自身参与契机
研究热潮与疑问：人工智能演进是热门话题，让AI真正理解人类语言与智慧成为关键，图灵测试的实现标准也备受关注，众多专家从不同角度研究并提出见解。
自身参与契机：在观察者网“2026答案秀·思想者春晚”讲台上，王献华教授回到人类创造文明的起源——文字发明，对人工智能进行“逆向工程”，提出“Nigiro Challenge”测试方案。他认为自己作为文科生，研究领域对多数听众陌生，在AI研究陌生的情况下，这种“双重陌生”或许能带来新思路，于是从楔形文字起源研究方向提出针对通用人工智能的“终极”测试方案。  
楔形文字起源相关背景知识
与文字缘起相关的三种现象
陶筹：公元前8000年在西亚、近东广泛出现，主要功能是计数，如记录羊的数量、粮食收成等。到公元前4000纪变得复杂，出现穿孔、刻痕，还会被放在黏土“信封”里记录交易或财产。
印章：公元前7000纪西亚地区开始使用，盖在容器封泥上确认物品归属或保证交易安全。图案从简单到复杂，出现具体图像、动物、人物。公元前4000纪中期出现滚筒印章，可覆盖更大黏土表面，图案更精美，多由机构人员如寺庙管理者使用，象征权力与信任。
数学：研究难度复杂，只能用后世眼光看待。公元前4000纪末到公元前3000年文字出现时，多种数学计数系统并行，有学者认为有5种，有的认为有6种甚至更多，如“S系统”记录牛羊数量，“ŠE‘谷物系统’”记录容量。
楔形文字的出现：大约在公元前3500年到公元前3000多年，在陶筹、印章及数学系统发展基础上出现。一开始是纯数字的泥板，之后数字旁加上表意符号成“数字 + 表意符号”，如数字“5”加代表“羊”的符号表示五只羊，此时期为乌鲁克四期，还出现了可能是商品标签甚至名片的“标签”。公元前3200 - 3300年，早期楔形文字符号大概有1900个左右，包括象形符号和“矩阵符号”，符号使用转喻原则，但早期发音系统基本未知。
文字形成与发展的关键因素：文字的形成和发展与社会复杂性的增长密切相关。公元前4000纪下半叶，南部美索不达米亚社会复杂，行政管理和社会管理压力增大，人们需要记录生产、货物、劳动力等情况，文字应运而生。人类发明文字能力早已有之，但大规模出现与集体发展有关，书写文字是人类集体智能的结晶方式。  
人工智能处理语言的方式及存在问题
词元化
词级词元化：最开始的词元化是“词级”的，以空格或标点分割词语，但存在词汇表规模太大，无法处理生僻词或未登录词的问题。
字符级词元化：后来发展出“字符级”词元化，以字符为基本处理单元，词汇表规模缩小，但生成的序列长度太大，机器难捕捉语义信息。
子词词元化：现在主流是在此基础上发展的“子词”词元化，如BPE、WordPiece、SentencePiece，在词和字符之间取得平衡，常见词保留整体，罕见词分解成子单元。
Transformer架构：在词元化基础上需要强大模型处理词元，Transformer架构基于自注意力机制，专为自然语言处理任务设计。此前常用循环神经网络架构处理词元，但处理长文本效率低，无法并行计算。Transformer可并行处理输入序列，同时捕捉长距离词语相互关系，类似人类阅读文章注意上下文，能更好理解语义，是GPT等大型语言模型生成连贯流畅文本的关键。  
存在的问题：上世纪90年代哲学家提出“符号接地问题”，质疑人工智能搞语言模型是否真能理解语言、拥有智能。纯粹的符号系统内部操作能否赋予符号指称和意义存疑，人工智能可能只是在统计符号之间的关系，而非真正理解语言。例如人工智能输出“苹果”，不知其是否知道苹果的属性，还是仅因“苹果”常与“水果”“吃”等词一起出现。因此李飞飞等人提出真正的人工智能应通过“具身交互”学习，通过感知、行动与世界互动解决符号接地问题。  
对图灵测试的反思与“Nigiro Challenge”测试方案的提出
对图灵测试的反思：目前没有公认标准检验可能到来的人工智能，图灵测试是1950年艾伦·图灵提出的著名测试，在基于文本的自然语言对话中，若机器行为与人类无异，测试者无法区分，则认为机器具有智能。但现在不少人工智能系统试图或声称已通过图灵测试，该测试本身存在问题。有学者提出图灵测试应叫“Gnirut”测试，认为它像镜子测试提问者水平，提问者水平决定AI回答质量。
“Nigiro Challenge”测试方案
方案含义：考虑到对图灵测试的反思和人工智能的“社会性”，王献华教授提出“Nigiro Challenge”，“Nigiro”是“Origin”（起源）的反写，象征对人类智能的逆向探索。该方案是针对通用人工智能体的“社会性虚拟造字测试”，即想象人工智能体社会能否在与其他智能体社会互动中，一步步发明出自己的文字。
方案意义：若人工智能体做到这一点，或许意味着拥有类似人类的智能。从文字角度，若一群智能机器人发明文字系统，王献华教授个人认为可承认其为人类社会“合格成员”。社会独立发明文字虽未必是人类拥有文明的唯一标志，但确实是人类文明有形的结晶。此方案不仅为测试AI通用智能提供可能方案，还能让我们重新审视人类智能诞生与发展的历史，在向着人工智能发展的同时回望人类智能过往。

要让AI真正理解人类智能，最根本的“终极考验”是让它像人类文明演进一样，从零开始重新发明文字系统，完成从具象计数到抽象符号的跨越。

🔍 起因
当前对AI是否具备“真正智能”的判断，普遍依赖图灵测试等交互式标准，但这些方法已显不足。随着大模型在语言生成上的进步，人们更关心AI是否能理解意义本身，而不仅仅是模仿表达。为此，有学者提出应跳出现有技术框架，回归人类文明起源——尤其是文字的诞生过程，作为衡量AI认知能力的新标尺。

🧩 核心方案：Nigiro Challenge
上海财经大学人文学院院长王献华教授提出了一项名为 Nigiro Challenge 的思想实验，主张让AI经历人类创造文字的历史路径：

从最原始的计数工具（如陶筹）出发；
经历印章符号和早期数学系统的演化；
最终自主发展出一套可记录交易、表达概念、甚至承载语音的符号体系。
这不仅是技术测试，更是社会性虚拟造字实验：AI需在模拟环境中，为满足复杂协作需求，自发构建并系统化其“外化记忆”形式。

⚙️ 关键机制对比
演化进程阶段    人类历史表现    AI对应能力
计数标记    使用陶筹（Token）记录羊群数量 2    分词处理（Tokenization），将语言拆解为最小单元 1
符号表意    印章图案代表所有权或身份 2    图像识别与语义关联
数字+标签    泥板上出现“5头牛+牛形符号”组合 2    多模态融合：数字与图像联合建模
抽象书写    发展出楔形文字，具备音节与语义结合功能 3    自主生成可扩展、可传播的符号系统
（补充说明）今天的AI虽能高效处理“token”，但它是自上而下的工程结果；而真正的“智能”应体现在能否自下而上地重新发明token的意义构造过程。

💡 启示与挑战
这项考验的本质，是检验AI是否具备集体智能演化的能力：

它不只是个体学习，而是需要在多主体互动中形成共识；
不仅是模式识别，更是为了应对社会复杂性而主动创新；
不止于模仿人类语言，而是能创造出属于自己的“文明基础设施”。
若AI能在无预设规则的环境下，因应协作需求而自然演化出类似文字的符号系统，则意味着它真正掌握了意义建构这一人类智慧的核心机制。

✅ 下一步
目前该挑战仍处于理论构想阶段，尚未有实际实施案例。但它指明了一个方向：未来评估AGI（通用人工智能）的标准，不应局限于问答准确率或创作能力，而应观察其是否具备从具象到抽象、从个体到社会的认知跃迁能力。