理解智能有两种互不相让的构图:一种说它像瑞士军刀,一堆专用零件各管一摊;另一种说它像一团水,牵一发而动全身,不能拆成独立零件。模块化与整体论之争,决定了我们该把智能拆来研究,还是整体把握。
模块化主张智能由哪些专用零件构成?
模块化观点认为,进化为不同任务长出专用处理器:脸识别、语言、空间、社交,各有专门的内部模块,彼此相对独立,一个坏了不影响别的。
这种图景清晰好研究:找到每个模块,弄清它的工作,智能就被逐项拆明白了。脑损伤的选择性缺陷也支持这种分工,某能力受损而其余完好。
模块化把智能变成一组可分别攻克的工程问题。
整体论为什么反对拆零件?
整体论反驳说,认知没有清晰边界,任何一个所谓模块都与全局相连,理解一个词要用到整个语言系统,做一个决定调动全部经验。拆出来的孤立零件已经不是原来那个。
证据是能力之间广泛互相影响:推理水平提高会带动方方面面,知识不是分装在抽屉里,而是网络式连通,牵一处动全身。
按整体论,模块化研究出来的是解剖标本,不是活的认知。
两种图景各抓住了什么真实?
模块化抓住了分工的事实:特定脑区确实专司特定功能,训练特定能力有可辨识的局部变化,全拆成网络也不符合观察。
在工程实现上,模块化也有实际好处:专用子系统边界清晰,便于调试、替换和隔离风险,这是当前多模块智能系统的常见设计思路。
整体论抓住了连通的事实:能力之间互相渗透,没有完全孤立的零件,全局结构确实影响局部表现。
真相可能在中间:有相对专门的分工,但分工之间高度连通,既不是独立抽屉,也不是完全无差别的一团。
大模型支持哪一种构图?
大模型是高度连通的整体网络,没有刻出来的专用模块,可它内部确实长出了功能上的专门区域,某些计算集中在特定单元。这像整体里自发涌现出的局部分工。
也就是说,整体连通的架构内部,可以自己长出模块化的功能结构。两种图景不是非此即彼,而是在系统不同尺度上同时成立。
这也给研究智能提供了一个尺度原则:在太细的地方看是连通的整体,在稍大的尺度上又能认出相对专门的功能块,换尺度换结论。
模块化与整体论之争的收获,是看到智能既不是零件拼盘,也不是混沌一团。它是连通网络中长出的相对分工,研究它既要拆开看,也要合起来看。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论