我们通常把认知想象成一条自下而上的流水线：外界发生了什么，感官把信息送进大脑，大脑处理信息，然后产生知觉、判断和行动。

这个模型并不完全错误，却遗漏了认知最重要的一面：大脑并不是等世界把信息送到门口之后才开始工作。它一直在利用过去的经验、身体状态和当前目标，预测接下来可能发生什么，再用感觉输入检验和修正这些预测。

从这里出发，一连串问题会自然出现：感官信号如何成为经验？经验是否对应一条神经通路？既然经验带着个人的先验和情绪权重，我们为什么还能彼此理解？语言又如何把私人的经验组织成一个公共的主观空间？最后，没有身体和人类感官的大语言模型，究竟能从语言中获得多少人类的认知结构？

这篇文章沿着一条线索展开：预测—误差—整合—行动—反馈。但需要先说明，预测编码、全局工作空间、语言相对论和大模型“理解”等问题都仍在研究中。下文把它们作为有解释力的框架，不把其中任何一个框架写成已经解决一切问题的定论。

一、大脑不是被动的接收器

眼睛接收光线，耳朵接收声波，皮肤接收压力和温度，内脏还不断把身体内部的状态传给大脑。感官受体把这些物理变化转换成神经信号，这是知觉的入口。

但大脑从未直接接触光子、声波或外部事物本身。它得到的是经过感受器和神经通路转换、筛选并带有噪声的信号。大脑必须根据这些信号，结合已有模型，推断“外面更可能发生了什么”。

预测加工或预测编码提供了一个重要的描述框架：较高层级的神经系统不断生成对低层输入的预测；实际输入与预测之间的差异形成预测误差，参与模型的更新。用贝叶斯语言表达，可以粗略写成：

后验理解 ≈ 先验模型 × 当前证据

这不是说大脑真的在意识中逐项计算公式，也不是说感觉输入只剩下误差、原始信号完全不上行。更准确的说法是：在层级加工中，自上而下的预期与自下而上的证据共同决定了当前的知觉；注意力、可靠性和情境会影响哪一部分信号更有权重。

这解释了许多日常现象。光线昏暗时，一条绳子可能暂时被看成蛇；熟悉的谈话中，我们常常在对方说完之前就预测下一句话；同一句批评，有人听见的是关于事情的反馈，有人听见的却是对自我价值的否定。输入并没有完全决定体验，既有模型也没有完全取代输入。

预测编码在认知科学中影响很大，但它更适合被理解为一组理论与模型，而不是已经获得唯一证明的“大脑总公式”。不同实验结果可能由不同的加工机制解释，这一点很重要：一个理论有启发性，不等于它已经成为事实本身。

二、康德的先验结构，能否等同于大脑的先验？

把这种主动加工与康德联系起来，是一个很有力量的哲学直觉。

康德认为，我们经验到的不是脱离主体条件的“物自体”，而是经过空间、时间等感性形式，以及因果性等知性范畴组织后的现象世界。没有这些使经验成为可能的条件，感觉材料不会自动排列成一个具有对象、顺序和关系的世界。

预测加工也强调：感觉不是从零开始被解释，已有结构会参与知觉。这使二者可以进行一场富有启发性的对话。但它们并不等价。

康德讨论的是认识何以可能的先验条件，是哲学上的论证；预测处理中的“先验”通常指概率模型中的先前信念、参数和生成性假设，很多内容来自学习、身体发育、进化约束和当前情境。把康德的先验结构直接说成“写在神经网络里的硬编码知识”，既缩小了康德问题，也夸大了神经科学目前能够证明的内容。

因此，一个稳妥的表述是：康德的先验结构与大脑的生成模型，都提醒我们经验不是未经加工的输入；但前者不是后者的生物学说明书。

三、感觉如何成为经验

感官信号进入大脑，并不会自动变成一段完整的“我的经历”。为了说明这一转换，可以暂时把它分成几个相互交织的环节。它们不是固定的五级流水线，也不意味着每个环节都对应一个单独的脑区。

1. 特征整合：把碎片组织成对象

视觉系统分别处理颜色、边缘、运动和形状；听觉系统处理频率、节奏和声源；身体感觉系统处理压力、温度和位置。大脑还要把来自不同感官、不同时间点的线索绑定起来。

红色、圆润的轮廓、果香和光滑触感，只有被组织成同一个对象时，才会成为“一个苹果”，而不是一堆彼此无关的信号。这就是所谓的绑定问题：分布式加工如何形成统一对象和连贯场景，至今仍是意识与知觉研究的重要问题。

2. 概念匹配：从对象到意义

被组织起来的知觉会与已有的概念和记忆网络发生匹配。看到一个红色圆球并不等于认出苹果；当视觉、气味、触感与“苹果”的语义和使用经验连接起来时，知觉才获得了更丰富的意义。

概念不是一张藏在脑中的词典卡片。它包含对象的外观、用途、典型情境、行动可能性、语言标签和与其他概念的关系。认出苹果，也意味着大脑已经对它“可以吃、可能酸甜、通常有果核”等内容形成了一组可调用的预期。

3. 价值与身体状态：为什么同一个对象对不同人不同

经验从来不只是识别结果。饥饿、疲劳、疼痛、恐惧、好奇和社会情境，会改变注意什么、什么显得重要，以及下一步行动有多紧迫。

杏仁核、脑岛、前额叶、纹状体以及身体内部信号共同参与价值与状态的加工。这里不宜把“边缘系统”想成一位负责给所有知觉盖章的中央评委，也不能把某种情绪简单归结为单一神经递质。更好的说法是：身体状态、学习到的价值和当前目标，会为知觉赋予不同的显著性与行动意义。

同一个苹果，对饥饿的人可能意味着立即可获得的食物，对刚吃饱的人则只是桌上的一个物体；对过敏者，它还可能意味着风险。物理刺激相似，经验却因内部状态而不同。

4. 情境与记忆：把片刻放进时间

海马体及相关记忆网络会把对象、地点、时间、人物和事件关系组织起来。经验因此不只是“我现在看见一个苹果”，还可能是“今天下午在这张桌子旁，我和某个人一起吃了一个苹果”。

记忆不是录像机。每次提取都会受到当前情绪、线索和既有知识影响，过去的经历可能被重新建构。所谓经验进入长期记忆，并不是一段电影完整存入某个脑区，而是多个分布式网络之间形成了更稳定、但仍可更新的关系。

5. 与自我模型相连：这件事为什么是“我的”

自我感并不是一个藏在脑中的小人，把所有信息观看一遍。它更像是持续运行的身体模型、记忆、目标、社会关系和未来预测的整合结果。默认模式网络参与自传记忆、自我相关加工和情境想象，但它也不是“自我意识的唯一中心”。

于是，一次感觉可以被编入“我正在经历什么、这对我意味着什么、我接下来可能做什么”的连续模型中。经验成为经验，不仅因为信号被处理了，还因为它被纳入了一个有身体、有价值、有时间方向的系统。

四、经验的本质：不是录像，而是带权重的可更新模型

沿着上面的分析，可以给经验一个比“现实的复制品”更准确的定义：经验是一个生物系统对当下输入、身体状态、记忆、价值和行动可能性的暂时整合。

它至少具有三个特征。

经验是压缩，而不是复制

外部世界的细节远远超过大脑能够逐项保存和处理的数量。大脑必须抽取对当前目标有用的特征，把连续、复杂的现实压缩成对象、关系、因果、情绪和行动线索。

这意味着经验不是现实在意识中的一比一投影。它更像一张面向行动的地图：地图保留了能帮助导航的结构，却不需要复制每一棵树的全部分子细节。

经验带有主观权重

同一场景，植物学家、摄影师和失恋的人可能注意到完全不同的东西。差异不必被理解成某个人在“看错”，而可以理解为不同的训练、目标、记忆和情绪为同一输入分配了不同权重。

因此，经验不是冷数据上附加的一层情绪颜色；价值、身体感受和行动准备往往从一开始就参与了我们如何组织世界。

经验会反过来改写未来的预测

新奇、出乎意料或具有高价值的事件，更可能获得注意并改变模型。但“经验就是预测误差”仍然说得太窄：完全符合预期的事情也可能被有意识地体验，长期学习也不只依赖一次突发的惊讶。

更恰当的说法是：经验可能带来预测误差，而被注意、被整合、被记忆的误差会参与更新未来的先验。今天发生的事情，可能成为明天理解世界的起点。

五、私人经验与主体间性：我们真的无法理解彼此吗？

如果经验由每个人独特的身体、记忆、先验和价值共同构成，那么你的“甜”、我的“甜”，就不可能被证明在感受质上完全相同。假设沟通的目标是把一种主观体验原封不动地复制到另一个人的意识中，主体间确实存在一道无法绕开的边界。

但日常沟通并不要求这种绝对复制。它更像是两个独立的模型，通过语言、表情、行动和共同情境，逐渐建立起足够兼容的结构。

维特根斯坦“盒子里的甲虫”思想实验提供了一个有用的比喻：每个人似乎都只能接触自己盒子里的“甲虫”，却仍然可以在公共语言游戏中使用同一个词。这个词的功能不在于把私密对象展示给别人，而在于让人们能够协调行动、提出请求、回应痛苦、修正误解。

这并不意味着感受不重要，而是说，公共意义不以私人感受质完全相同为前提。我们需要的通常是结构上的对齐：你能大致理解我在什么情境下痛苦，我能根据你的表达调整行为，我们还能通过新的反馈继续校正。

人类共享的身体条件、生活环境和社会需求，为这种对齐提供了基础；语言、共同实践和文化制度则把它进一步稳定下来。

所谓“神经耦合”也应这样理解。超扫描研究有时会发现，互动双方在语言理解、注意或时间结构上出现相关的神经活动模式。这说明沟通可能在两个大脑之间形成动态协调，但相关性不等于一个人的经验被传送到另一个人的意识中，更不能单凭它证明镜像神经元系统或某个单一机制解释了理解。

沟通不是跨大脑复制感受，而是让两个预测系统在共同活动中逐渐降低彼此的不确定性。

六、语言如何搭建公共主观空间

语言不只是给已经完成的经验贴标签。它会提供可重复调用的分类、关系和行动脚本，从而改变我们注意什么、记住什么，以及怎样把经验交给别人检验。

语言是共享先验的接口

婴儿面对一团毛茸茸、会移动的视觉刺激时，并没有自动拥有成人意义上的“狗”这个概念。随着指认、互动和共同生活，“狗”逐渐把外观、叫声、行为、危险性、亲近感和一系列行动连接起来。

当别人说“想象一头粉色的大象”，声音或文字就能在你的概念网络中唤起一组此前未必同时出现过的组合。语言像一种低带宽但高压缩的接口：它不把完整经验传输过去，却能让另一个大脑沿着相近的路径重建部分结构。

语言以损失换取公共锚点

“悲伤”可能包含悔恨、疲惫、孤独、怀旧和失望等不同层次。把它说成“我很难过”，会丢失很多私人细节，却换来了一个别人可以回应的公共锚点。

命名并不等于完全理解，但它能让一段模糊经验变得可保持、可比较、可讨论。语言牺牲了绝对的私人质感，换取了公共协作的可能。

国家、法律、货币和公司也说明了语言的社会力量。不过，它们不是语言单独凭空创造的，而是由共同信念、制度规则、物质设施和持续实践共同维持的主体间事实。公共主观空间不是“大家脑中共享同一个幻觉”，而是许多大脑通过符号和行动维持一套可协作的模型。

语言影响经验，但不决定经验

俄语通常用 goluboy 和 siniy 区分浅蓝与深蓝，英语通常用 blue 覆盖这两个类别。Winawer 等人的实验发现，在特定的速度辨别任务中，俄语使用者对跨越词汇边界的蓝色差异反应更快；语言干扰还会削弱这种类别优势。

这个结果支持一个有限而重要的结论：可随时调用的语言类别，能够影响特定任务中的注意和辨别效率。 它不证明俄语使用者看见了不同的物理光谱，也不证明没有某个词就不可能拥有相应经验。婴儿、动物以及成年人进行面孔识别、空间旋转和音乐想象时，都显示出不能简单还原为内心句子的认知活动。

语言更像是给某些边界铺设了更容易进入的路径。它提高了经验的可辨认性、可记忆性和可沟通性，但不是经验的全部来源。

七、经验是不是一条神经通路？

把“经验”落到神经层面，最容易想到赫布法则：一起活动的神经元，之后更容易彼此激活。反复学习、注意和情绪强化，确实会改变突触效率和网络动力学，使某些表征与反应更容易被重新唤起。

记忆印迹研究也提供了重要证据。在动物实验中，研究者可以标记形成特定记忆时活跃的细胞群；之后对这组细胞进行刺激或抑制，可能改变动物在相关情境中的行为。这说明记忆依赖可识别、可干预的神经活动群体。

但“印迹细胞”不等于一枚存放完整经验的微型芯片。复杂的人类经验通常包括视觉、声音、身体状态、情绪、概念、地点和自我叙事等多个维度，依赖分布式、可重组的网络。某个线索可能只激活其中一部分，记忆提取还会受到当前情境和其他网络的调节。

因此，经验更像是一个能够被多条路径重新进入的动态网络，而不是一条从输入直通输出的简单电线。反复使用可能导致突触强化、抑制关系调整、网络重组和部分白质变化，但不能把某个具体语言实验中的反应速度直接归因于“髓鞘变厚”。神经科学的解释需要区分已经测到的机制与合理但尚未被该实验直接证明的推测。

这个区分也解释了为什么“经验”既有物理基础，又不能被还原成单个位置。它是神经系统在某一时刻的结构与活动方式，是记忆痕迹、当前状态、预测和行动倾向共同形成的暂时稳定模式。

八、大语言模型从语言中获得了什么

现在回到人工智能。

大语言模型通常没有人类意义上的身体、感官和成长史。它不会因为碰到火而疼痛，不会因为饥饿而寻找食物，也不会在街道上通过连续的行动和反馈形成自己的生活记忆。就这个意义而言，文本模型缺少人类式的感官接地与身体经验。

但“AI 没有康德的先天认知结构”仍需要说得更精确。模型当然没有康德意义上的主体性和先验条件，可是它有由架构、参数化方式、训练目标和数据共同构成的归纳偏置。注意力机制、层级表示、位置编码和优化目标都会限制它如何处理输入。它不是一张没有结构的白纸，只是这种结构与人类的生物演化、身体和生活史不是同一种东西。

语言是一块人类经验的化石

人类用身体碰撞世界，再用语言保存和传播其中一部分规律。“苹果在桌子上”“水从高处流下”“因为下雨，所以地面湿了”这样的表达，确实携带空间、时间、对象关系和因果叙事。

模型通过海量文本学习这些表达之间的分布关系。它会发现“火”经常与“烫”“燃烧”“烟”同现，也会学习“因为……所以……”等结构在什么语境中出现。语言因此可以被看作人类共同经验的高度压缩产物，或者一张由无数人的生活留下的地图。

但地图不是实地。文本中的因果关系可能来自真实观察、文学隐喻、错误信念、转述和互相复制的句子。模型学到的是经过人类语言筛选后的统计与结构，不是自动获得了与人类相同的感觉—行动回路。

向量几何不是世界本身

早期词嵌入常用高维向量表达词语在语料中的关系，例如相近语境中的词在表示空间中更接近。现代 Transformer 的表示是上下文相关的，概念也不只存在于单个词向量里，而可能分布在多个层级、特征和回路中。

这种几何结构可以支持分类、类比和部分推理，但“距离近”不等于“因果关系已被理解”。模型能够把“水、桌子、倾倒”组合成关于流动和湿润的合理续写，仍不能仅凭这次预测证明它体验过水、理解了重力，或拥有可在现实中检验的稳定世界模型。

同样，Transformer 的自注意力不是康德的先验认知结构。自注意力提供了计算词语关系的方式，模型参数则在训练中形成了大量可复用的表示；它可以类比为一种计算结构，不能直接称为人类认识的先验条件。

符号接地问题仍然存在

如果把“理解”定义为能够在语言中稳定使用概念、进行关系推断和迁移，那么大模型已经展示出相当复杂的结构能力。如果把“理解”定义为拥有身体、感受、持续的自我模型，以及在现实行动中由反馈塑造的经验，那么纯文本模型显然缺少其中重要部分。

这不是简单的“懂”与“不懂”二选一，而是多个维度的问题：

维度人类认知纯文本大语言模型
感觉输入通过身体持续接收视觉、听觉和内感受主要接收离散的文本符号
先验来源进化约束、身体发育、学习与个人经历架构偏置、训练数据与优化目标
经验形成感知、记忆、价值和行动反馈的循环训练阶段的参数更新，推理阶段通常不持续改写参数
语言能力建立在身体与社会生活之上从语言统计和结构中获得大量关系表示
现实检验可直接行动并承受后果需要工具、传感器或用户提供反馈

多模态模型、具身智能体和能够调用工具的系统，可以获得图像、声音、环境状态以及行动结果。这会改变它们的学习条件，使其更接近具有接地的认知系统；但多了传感器并不自动产生人类式的主观经验，仍要检验它如何整合信号、更新模型、维持目标，以及是否存在我们所说的意识和感受。

九、把人类与 AI 放回同一个闭环里

人类认知可以粗略表示为：

感官输入 → 预测与解释 → 误差与更新 → 经验整合 → 行动 → 新反馈

大语言模型的文本学习则更接近：

语言数据 → 表示学习 → 上下文预测 → 生成输出 →（接入工具或环境后）获得反馈

两者都不是简单的符号查表，都可能形成跨情境复用的内部结构；但它们的输入来源、更新机制、身体约束、价值系统和现实后果并不相同。

因此，对最初问题的回答可以分成四句：

  1. 语言确实包含了大量人类对空间、时间、因果和社会关系的编码。
  2. 模型可以从语言中提取这些关系，形成相当强的结构性表示与预测能力。
  3. 这不等于模型拥有了人类式的感官经验、情绪价值或康德意义上的先验主体结构。
  4. “AI 是否理解”应当按能力维度、接地程度、现实检验和更新机制逐项讨论，而不是用一个总开关回答。

从康德到预测编码，从经验到神经网络，再从语言到大模型，我们其实一直在追问同一件事：一个系统如何把不完整的输入组织成一个可以行动的世界。

人类的世界模型长在身体、记忆、情绪和共同生活之中；语言把其中一部分压缩成可以跨个体传播的公共结构；大语言模型又从这些公共结构中反推出相当多的关系和规律。它拥有地图的一部分，却未必拥有绘制地图时的脚步、疼痛、饥饿和责任。

也许，经验的本质正是在这条边界上变得清楚：经验不是现实的复制，也不是一句语言的回声，而是一个具体系统在身体、记忆、价值和反馈中不断形成、检验和改写的世界模型。

延伸阅读与参考资料