程序员 Cheng Lou 最近分享了一个“迟来的顿悟”：大语言模型之所以擅长推理，是因为人类的推理能力本身就被语言所限制。不是语言擅长推理，而是推理从一开始就被语言所定义。媒介塑造了信息本身。
这个观点引发了激烈讨论。
反对者认为恰恰相反：人类进行大量非语言的抽象推理，而大语言模型只能通过生成 token 来“思考”，这正是它的局限。还有人举例：拿起一个不透明的瓶子晃一晃，你能从手感判断里面有多少液体，这种推理几乎无法用语言表达。
但 Cheng Lou 的回应很有意思：我们尝试直接建模这种“潜在推理”的努力并不顺利。从效率角度看，语言仍然是性价比最高的推理载体，所以我们最终选择了建模语言。
一位研究者提出了更深刻的视角：自然语言是人类十万年意识、推理和共识的压缩档案。大语言模型之所以能“推理”，是因为它在重建语言中蕴含的层级结构、组合性和因果关系。语言不是限制了推理，而是丰富地编码了推理。
有人指出了一个令人不安的事实：可怕的不是大语言模型像我们一样推理，而是直到另一种东西也擅长推理时，我们才意识到自己的“推理”有多少只是语言塑造的产物。
这场讨论的核心张力在于：语言究竟是推理的脚手架，还是推理的边界？
也许两者都是。语言既是我们思考的工具，也是思考的牢笼。我们用语言发明了数学符号、费曼图、范畴论，不断突破语言本身的限制。但每一次突破，最终又被新的符号系统所承载。
有人问了一个有趣的问题：如果 AI 最终发展出自己的语言，一种更适合推理、没有歧义、token 效率更高的语言，人类还能学会吗？
这让人想起电影《降临》里的七肢桶文字。语言不只是表达思想的工具，它重塑我们感知时间和因果的方式。
我们以为自己在用语言思考，但也许是语言在通过我们思考。
x.com/_chenglou/status/2022489656168976405