第三十八章　从大模型的三态地基，
到人的创造力地基

38.1 符号、逻辑、数学为何不只是AI外围课程

把人工智能带进课堂，可以从许多地方开始：学习一个界面的按钮，尝试一种提问方式，使用它修改文章，或者请它检查一道题目。这些活动具有直接用途，但它们并没有自动回答一个更根本的问题：我们究竟在同什么样的信息活动共同工作，哪些条件使这项活动能够产生可使用的知识？如果这个问题始终缺席，工具越便利，使用者也可能越难辨认便利究竟建立在什么之上。

《大模型的三态地基》把符号、逻辑与数学放到这一问题的中心。它提出的不是三项附加修养，而是一种信息发生的本体论读法：可辨认和可调用的单位、能够推进的序列、组织单位与序列的场态关系，共同构成理解大模型的三个入口。[3]本书接受这一研究定位，但进一步把关注点由理解机器推进到人的创造力根基。

假设一组学生请AI设计一个公共阅览角。机器可以很快输出区域名称、使用流程与座位安排。名称涉及什么被看成一个独立活动单位，流程涉及活动怎样承接，布局涉及连接、次序与整体结构。三个方面并不等候学生先上完三门课程才出现。它们已经在方案中工作，只是学生可能尚未意识到，自己接受了哪些划分、推进方式与整体规定。

如果AI把阅览角分为安静区、交流区与展示区，学生首先要问的不是名称是否漂亮，而是这些单位在实际活动中如何成立。安静与交流能否共存于相邻位置，展示是否会引来持续停留，入口是否改变了原先的声音分布？这些问题要求回到特征纠缠，而不是把三个标签当作三个天然存在的区域。符号学由此进入真实设计。

使用流程也不能因表达完整而被接受。先预约再进入，还是先查看空位再确认使用，会产生不同的序列；一个环节的等待怎样牵动另一个环节，临时讨论如何转换到集体交流，都需要研究。逻辑学在这里不只是检查句子有无自相矛盾，还要追问运行关系怎样成立，同时把方案推演与实际因果分开。

布局则要求整体研究。每个区域单独看起来合理，不等于三个区域同时运行仍然合理。出入口、通道宽度、座位使用、声源位置和活动时序之间可能形成整体约束。数学的作用不是事后为方案计算一个总分，而是使连接与限制能够明确表达，使不同方案可以接受同一条件下的比较。

以上是一项设计构造，不是已经完成的学校实验。它说明三门根学科可以在普通任务中同时进入，而无须等待一门名为符号学的课程排入课表。真正需要改变的，是学生面对AI方案时的知识活动：从接受一份结果，转为能够重开它的单位、推进与结构，并参与重新建立。

三门根学科因此不是理解AI之后才学的外围课程。它们是从使用结果进入结果发生关系的根本入口。但是，进入这些入口还需要SDE发生学作为共同根基，否则名称会再次变成词汇，逻辑会再次变成步骤，数学会再次变成数字。根学科的重要性不在于拥有新的课程招牌，而在于恢复完整知识所要求的关系。

38.2 三态定位与具体模型实现的区别

本体论定位与工程实现必须区分。前者研究一种信息活动怎样成为可辨认、可推进、可组织的存在；后者研究某种模型实际使用了什么算法、数据结构与计算过程。二者可以互相启发，却不能用其中一种表达直接替代另一种。把工程名词放进哲学框架，不等于已经解释了全部工程细节。

以原始Transformer论文为例，其注意力机制用查询、键和值之间的计算来形成加权输出，模型使用嵌入与位置表达等结构组织输入；解码端的生成又受到已有输出及遮蔽安排的约束。[11]这些是特定架构的技术规定。它们可以成为研究材料，却不能被直接认定为三门根学科在所有人工智能系统中的唯一实现。

尤其不能把一个token与一个概念机械等同。工程切分单位回答的是某个系统怎样编码和处理输入；一个概念的成立还涉及所指纠缠、使用条件、边界与公共辨认。同一个概念可以由不同表达承载，一个工程单位也可能在不同语境中参与不同含义。这里需要研究两种粒子化之间的关系，而不是宣布二者天然重合。

也不能把注意力权重直接命名为特征纠缠的全部内容。一个数值关系可以记录特定计算中的关联强弱，却没有因此包含对象的发生史、研究者的操作、任务的规范和现实检验。把权重叫作纠缠，若没有说明两者的映射及损失，只是一次名称替换。新的术语不能免除旧有的技术责任。

类似地，连续生成不等于有效推理。一个系统可以形成流畅序列，却在前提、对象指认或中间关系处出现失配。SDE逻辑学要求打开这些推进关系，不能以“它具有波态”作为链条正确的充分理由。波态定位告诉我们应当研究什么，不自动告诉我们一次具体运行是否可靠。

数学结构也不能替内容真实性担保。模型的计算可以遵守既定程序，但程序处理的输入可能不完整，任务目标可能错误，输出解释可能越界。工程内部的可计算性与外部知识成立之间，还需要具体的对应、检验与使用关系。本书以完整SDE理解知识，正是为了避免把其中某一层的完成误当作全部完成。

因此，对底本中的“三态公式”，应保留其作者已经说明的本体结构地位，而不把乘号读成一个可以直接代入数值的工程等式。[3]它表达三者的不可分割关系，尚需具体研究说明不同机器如何实现、丢失或改变这些关系。任何进一步的工程断言，都应另行承担技术证据。

这一辨析不是降低三态理论的意义，而是为它创造可工作的接口。本体论需要能够进入真实机制，又必须允许真实机制反过来修正自己的表达。只有当相同术语没有遮蔽不同层次，三门根学科才能帮助使用者理解AI，而不是为AI的神秘性增加另一套深奥说明。

38.3 AI生成结果与完整知识发生的距离

一段关于可达关系的漂亮解释，可以在几秒内出现；学习者对可达关系的理解，却不能由输出长度直接推定。如果学生不能分清直接相邻与多步可达，那么AI写出的证明即使正确，也只是为当前复合活动提供了一份可用表达，尚未证明学生已经进入了该知识的发生关系。

这里至少有三个不同对象。第一个是成品质量：表达是否正确、清楚、适用于任务。第二个是复合体能力：在人、AI、工具与材料共同工作的条件下，能否完成任务并处理变化。第三个是学习者的能力改变：他能否辨认关键条件、作出适当判断、在新的任务中重新进入关系。三者可以相互支持，却不能互相冒名。

设想学生甲直接保存AI给出的等价关系证明，学生乙先给出自己的判断，再用AI寻找反例，最后修改了“同组”的定义。两人最终提交的文字可能非常相近。但是，两份成品没有显示两人经历的差异。若要评价学习，就必须补入他们曾经辨认什么、放弃什么、保留什么，以及这些改变如何影响后续任务。

这也不意味着甲一定没有学习，乙一定深刻理解。甲可能已经在此前建立了相关知识，乙也可能只是跟随提示完成表演。过程记录提供证据入口，不是自动判定。真正的检验需要改变任务条件，例如将无向连接改为单向连接，观察学生如何调整同组条件，以及能否解释调整的理由。

更进一步，AI输出与完整知识之间的距离不只发生在学习者一侧。如果系统生成了一个看似可行的阅览角方案，却没有进入现场噪声、实际空间和使用者活动，那么复合体本身也可能只有方案信息。只有当真实测量、现场试用、意见反馈与方案修订参与进来，知识活动才向当前任务所需的完整关系推进。

这并不要求每一个答案都做无限多的实验。任务需要分层：一个低风险的措辞建议，与影响实际建设的空间方案，所需核验深度不同。完整性应当相对于被承担的任务与主张范围来判断，而不是无限追溯全部世界。合理封装可以节省成本，但封装必须有可靠性来源、适用范围和重新打开的条件。

本书前面提出的可重开学习单元，正是为这段距离建立接口。结论可以先被简洁使用，但在误解、条件变化或反例出现时，学习者能够回到必要的定义、差异序列、纠缠构型与检验记录。AI可以帮助展开这些材料，也可以帮助比较不同解释；它不能把接口存在本身当作理解已经发生。

因此，AI教育最需要防止的，并不是机器产生了太多结果，而是结果的便利掩盖了任务已经换成什么。原来要培养的可能是理解与创造，现在却只留下成品交付。基础性知识革命要求重新对齐对象：让结果成为进入发生的入口，而不是使结果取代发生并获得学习的全部名义。

38.4 从工具熟练走向根知识参与

工具熟练与根知识参与并非敌对关系。熟练操作可以降低进入成本，稳定的信息检索、文件管理和计算流程也能够支撑更深研究。问题只在于，不能把操作熟练看作唯一的基础，更不能因系统能够自动完成中间步骤，就认为学习者不再需要理解关键关系。

可以用四个层次安排同一个任务。第一层是调用：获得一个可用结果。第二层是检查：确认其对象、条件与基本推演。第三层是变更：改变材料或约束，观察原结果怎样失效或保持。第四层是重构：在旧结构不能承担新问题时，建立新的概念、逻辑或结构。四层不必由所有人每次完整走完，但课程应当让后几层有真实进入机会。

在阅览角任务中，调用层可以获得初步方案；检查层要求核对尺寸和使用假设；变更层可以加入轮椅通行、临时多人讨论或不同开放时段等新的约束；重构层则可能发现原先的固定分区不合适，需要把“区域”改为可按时段转换的活动单元。这里的新概念不是AI新造了一个名字，而是活动关系真的发生改变。

这个任务中的S、D、E必须具体。S包括实际显露的可用性、活动冲突及方案形式；D包括测量、比较、试用和修订所形成的关键差异序列；E包括空间、使用者、声音、规则和资源之间的特征纠缠。三方程关系不由三项清单自动完成，还要说明它们怎样互相规定，以及哪些改变可以辨认这种规定。

教师可以要求学生保存三个关键版本，而不保存全部无关对话。第一版记录最初认为问题是什么，第二版记录哪个反例或约束迫使问题改变，第三版记录新方案为何具有不同结构。这样的记录比聊天截图堆积更有解释力，因为它追踪的不是交流数量，而是发生中的关键选择。

在这一过程中，AI的功能应当随任务变化。它可以提出候选，帮助整理材料，编写检查程序，扮演一种被明确标注的质疑角色。但角色扮演不等于独立专家意见，自动生成的反例也需要检查。人与AI可以分工，却不能把未核实的权威感当作新的知识基础。

根知识参与还要求学习者能够把方法带到另一个对象上。阅览角结束以后，可以让学生分析借书规则、共同编辑或校园路径。迁移任务不是要求复述原方案，而是辨认新的单位、推进与结构，并说明哪些旧关系可以封装使用、哪些必须重开。这里的可迁移性需要观察，不能靠宣言确认。

让工具提供候选，而不替候选取消发生责任

三态地基进入AI使用，首先表现为提问方式的改变。使用者不只要求系统给出一个概念，还要求列出这个概念必须区分的相邻对象；不只要求推理，还要求指出每次推进依据的关系；不只要求一个模型，还要求说明改变对象辨认或组合规则以后，模型中哪些性质会失效。这些要求不是一套能够保证正确的万能提示，而是把根知识的研究任务交给复合活动。

以新概念研究为例，AI可以一次提出多个名称，但名称的优美程度不能作为接受标准。更有区分力的任务，是让系统用同一个名称分别解释一个典型例、一个边界例和一个反例。若三种解释不断改变定义，说明符号粒子的稳定性尚未建立。使用者需要先重建所指关系，再决定是否保留名称。这样，候选数量的增加才有机会转化为概念辨认的加深。

逻辑研究也可以采用类似安排。系统给出一条推广以后，应当同时构造一组满足原条件的对象和一组只改变一项条件的对象。前者检查它是否正确使用已有关系，后者检查它是否理解该条件的承重作用。若同一个结论在两组对象中都被机械保留，新的文字可能只是在复制结果，而没有进入发生关系。这个检验并不依赖相信系统对自身思考过程的叙述。

数学研究则要求把候选形式送入相应检验。一个小型运算可以用表格枚举，一个一般性质需要条件明确的证明，一个用于现实的模型还要接受操作与数据的核对。系统在不同角色下反复赞同同一表达，不能替代这些工作。角色提示可以帮助提出不同问题，却不能把同一个生成来源自动变成相互独立的证据来源。

因此，AI时代的根知识教育不是先禁用工具，再允许少量辅助，也不是默认所有判断都能交给工具。它要研究哪些部分已经形成可靠封装，哪些部分仍须展开，哪些错误能够由另一种实际检验揭露。计算、来源阅读、现场操作与形式论证各自承担不同责任。复合体的强大，来自这些责任真正接合，而不是来自界面上出现了多少位虚拟专家。

本章最终完成一个位置调整：三门根学科既是理解大模型的信息基础，也是人参与知识创造的入口。它们不能被压成AI技术的注脚，也不能脱离具体任务成为新的抽象崇拜。下一章将进一步研究，人的问题史、AI候选、工具与材料怎样形成一个能够承担创造及其责任的复合体。

章末来源与论证身份

[3]《大模型的三态地基》关于三态本体定位、非工程等式与AI教育的论述。[4]本书SDE发生学与创造力根知识总纲。[11]仅用于原始Transformer架构的简要技术定位，参见论文第3节；不外推为所有模型的唯一机制。阅览角及学生比较均为教学构造，未实施课堂实验。

本次增厚中的构造、条件分析与教学材料为本书的进一步展开，不作为三篇理论底本已经给出的结论。