关于大语言模型能否实现智能的范式突破，学界的对立争论依然激烈。杨立昆（Yann LeCun）认为大模型与物理世界之间存在不可逾越的鸿沟；而我更倾向于杰弗里·辛顿（Geoffrey Hinton）和伊利亚·苏茨克维（Ilya Sutskever）的“表征涌现”观点，认为这更接近事实。

如果将人类有史以来积累的所有文本库视为一个整体，它实际上完整地代表了我们当下对世界的全部知识。这一点想必大家不会有异议。

这个总括性的知识库，自然也涵盖了对物理和数学的全部理解。

诚然，三岁幼童无需理解文字，就能快速感知物理规律（比如知道水杯掉在地上会摔碎）；一条狗也能灵活地接住飞盘。他们这种层面的物理直观，虽然不依赖语言文字，但实际上已经被囊括在人类的知识库中（例如通过物理学定律、生物学描述等形式被记录和理解）。

大语言模型通过 next-token prediction（下一个词元预测）的方式扫描和消化整体的人类知识，这是一个巧妙且自然的过程。读书需要一页一页地翻，内容需要一个字一个字地输入，这是必然的规律。大模型采用预测式阅读，即“边理解边读”。在这里，大语言模型的理解就是向量嵌入。在这一“阅读”过程中，语义逻辑被在高维流形中舒展铺开。对人类来说复杂的“顿悟”，在高维流形中其实是可以被线性展开的。

总体来说，大语言模型“吃下”了全人类的整体知识，并以一种不输于人类学习模式的方式“理解”了它。因此，在此基础上进一步探索新知，它起码不会比人类本身做得更差。

当然，目前唯一尚未被编码进入知识库的人类重要特征，是来自人的情绪与自我意识所驱动的对美学、舒适和自由的追求。这种目的性是由人体化学和生物质所引导和决定的。它不仅独立于纯粹的知识追求，更是赋予知识追求以目的和意义。

所以，我的核心观点是：大语言模型可能已经内建了物理世界模型，但它尚未包括人类的心智模型或者说认知模型。