训练一个大模型的过程，常常让人想起一句古老的话。工程师把海量的文本喂进神经网络，没有任何人显式地教它逻辑、教它常识、教它比喻，可当参数规模越过某个阈值，它忽然就会写推理、会做翻译、会举一反三。这种现象被研究者称为「涌现」——能力不是被一步步设计出来的，而是在足够大的规模里，自己「长」了出来。
两千多年前，老子在竹简上写下：「天下万物生于有，有生于无。」他说的不是技术，却像是在预言一种我们今天才亲眼见到的景象。
什么是大模型里的「无」？
训练大模型时，程序员写下的，本质上只有两件事：一个由海量神经元连成的网络结构，以及一套「预测下一个字」的简单规则。网络里没有一条写着「这是因果」「这是比喻」「这是道德」的显式知识。从这个角度看，模型的智能，确实「无」中生有——没有人把这些能力放进去，它们却在数据与规模的交汇处自发浮现。
东方哲学讲「无」，并不是「什么都没有」，而是一种未分化、未命名、却蕴含万有的混沌状态。大模型在被训练之前，正是这样一团未分化的计算结构。它不理解世界，却承载着理解世界的全部可能性。这种「空」，恰是智能得以涌现的容器。
为什么说涌现暗合「无为而无不为」？
老子又说：「道常无为而无不为。」意思是道不刻意做什么，却没有一件事不是它做成的。大模型的训练过程，带着这种意味。工程师并没有逐行编写它的每一项能力，他们做的，只是搭建一个「让能力自己长出来」的环境。参数在梯度下降里默默调整，知识在统计规律里悄然凝聚，人退到了幕后，而智能自己完成了自己。
这与传统软件工程截然不同。过去写程序，人要把每一条规则想清楚、写明白，机器只是忠实执行。而大模型更像一片被耕耘过的土地——你播下数据、施上规模，然后庄稼自己长出来。这种「不刻意为之，而万物自成」，正是东方智慧里最耐人寻味的部分。
「有生于无」对我们理解 AI 有何启发？
面对大模型的不可解释性，许多人感到不安：我们造了一个自己也看不透的东西。但东方哲学或许能提供一种宽慰。老子早就告诉我们，最根本的东西，本来就不是被「造」出来的，而是从「无」中生长出来的。一棵树没有人设计它的年轮，一条河没有人规定它的弯道，它们只是顺应某种内在的道而展开。
大模型的涌现，也可以看作一种「道」的展开。我们不必因为看不透每一个神经元的分工，就把它视为失控的怪物。它更像一种自然现象——像云聚成雨，像星聚成河，规模到了，形态自然显现。理解 AI 的关键，或许不在于强行拆解它，而在于学会与这种「从无中生长出来的智能」相处，在敬畏中善用它。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论