人工智能

LLM 的概念是语言驱动的符号近似，优势在文本概念操作，局限在现实验证和因果理解。幻觉反映概念空缺与语言生成的不匹配。本章通过与人类概念系统对比，系统性地分析了 LLM 的能力边界与本质特征。"

概念是运动的系统，而非静止的符号。它们通过锚定获得稳定，通过迁移扩展适用范围，通过变异适应新情境，同时在某些条件下对变化产生反动。这种动力学结构决定了认知系统既具有可塑性，也具有惯性与路径依赖。

我们习惯把“概念”当作一个统一的认知单位来讨论，但这实际上是一种压缩后的幻觉。不同概念在其生成机制、神经实现、使用方式以及验证标准上存在根本差异。感知型概念依赖连续输入的聚类与模式识别，而抽象型概念则依赖关系结构与符号操作；操作型概念嵌入行动与程序之中，而描述型概念则停留在表征与分类层面；社会性与规范性概念更进一步，它们并不直接来源于自然世界，而是嵌入在群体结构与规则系统之中。这种分类并非形式上的，而是结构性的：不同类型概念具有不同的“稳定性来源”。感知概念依赖统计稳定性，操作概念依赖过程可复现性，抽象概念依赖逻辑一致性，而规范性概念依赖社会共识与制度约束。因此，当我们讨论“理解一个概念”时，如果不区分其类型，就会产生严重的错配。例如，语言模型在描述型与抽象关系型概念上表现出强能力，但在操作型与具身感知型概念上则存在结构性缺陷。这并非能力不足，而是其训练与实现机制决定的“概念分布不均”。本章的核心结论是：“概念”不是一个对象，而是一个族（family）。只有在明确其类型、层级与功能之后，我们才能真正比较不同认知系统（人类 vs 模型），并避免在讨论中发生隐性偷换。

本章论证：我们之所以将概念视为“对象”，源于语言系统对认知过程的离散化，而非概念本身的真实结构。哲学传统未能解决概念问题的根本原因，在于缺乏与神经实现的有效对接。通过引入神经科学视角，本章提出：概念并不存在于某个固定位置，也不是一个可被直接调用的“节点”，而是一种在特定条件下可重复出现的神经活动模式。这种模式具有统计稳定性，但在具体实现上是动态且分布的。因此，“概念＝节点”的直觉需要被彻底修正。概念更接近于一种动力系统中的稳定模式，而非静态结构。理解这一点，是重新思考语言、思维与认知关系的关键前提。

本章的核心论点是：语言不仅表达概念，更在塑造概念之间的距离与连接方式。词汇决定我们如何切分现实，句法决定谁是主体与原因，搭配频率形成默认概念邻近，论证结构塑造思维延展的方向。这种路径结构不仅影响人类认知，也同样制约大语言模型的表现，使其在高频概念组合上异常流畅，在低频跨界连接上显得迟钝。理解语言的结构性力量，是理解思维边界与创新机制的关键一步。