心智、语言和机器维特根斯坦哲学和人工智能科学的对话徐英理老师所著旨在回答：维特根斯坦哲学能为解决AI的核心难题提供怎样的启发？知识表征系统：如何让机器存储和运用知识。人工视知觉：如何让机器像人一样看懂世界。自然语言处理：如何让机器理解人类语言。本书详细剖析了AI的两大主流技术路线符号人工智能（传统派）：认为智能就是物理符号系统的逻辑运算，通过编写规则模拟推理。联结主义（新派）：受神经科学启发，通过人工神经元网络，让机器从海量数据中自己学习主流AI假设环境规则是封闭完备（如围棋），但现实充满例外。维特根斯坦指出规则无法决定自身应用应优先发展纳思系统这类非单调推理技术，让AI学会在信息不完备时做合理默认和假设大模型靠统计相关性生成语言，但维氏强调意义即使用。仅靠海量文本无法让AI真正理解真正的语义必须扎根于机器与环境、身体的具身交互即生活形式，否则永远只是高级鹦鹉学舌AI最大的瓶颈不是算力，而是常识——是维特根斯坦所说的生活形式中不言自明的背景能力，这也许是未来AI最难跨越的鸿沟。

维特根斯坦哲学有种内在的综合特质，即其哲学总是试图为天下所有的问题提供一种统一的解决方案。这种学术风格对于一盘散沙的AI研究现状来说，乃是一种相当稀缺的思想质量。

人工智能科学——如果它还配称为一门科学的话——的特点之一即：它并不像物理学、化学等成熟学科那样具有某种起码意义上的统一性。换言之，关于“智能是什么”，“人工智能是什么”，“人工智能的基本实现手段是什么”等关涉学科定位的基本问题不同的AI学派之间的分歧几乎是无法调和的（这种分歧，恐怕要远大于量子力学中的哥本哈根解释和隐变量解释之间的分歧）

人类真实的智能活动都会依赖说不清楚的背景知识，而程序员不把事情说得清清楚楚就编写不了程序，这就构成了人类的现象学体验与机器编写的机械论预设之间的巨大张力。

语言的意义在于使用，而当前AI的语言处理仅停留在句法层面，无法真正理解语义；人类智能依赖公共生活形式，而AI缺乏具身性体验，难以形成真正的意向性。

真正的智能不是知道的东西多，而是能以微见著，落叶知秋通过少量信息做出准确判断，这和靠海量数据堆砌的作弊式正确完全是两回事。

机器是在缺乏真正的‘生活形式’ 的前提下运作符号的，因此机器的‘智能’始终是派生的、隐喻意义上的智能

理解不是一种内在的心理状态而是一种在特定语境下恰当回应的能力将理解从内在黑箱转向了可观察的行为任何规则都无法决定它自己的应用方式

语言的意义不在于它所指代的对象而在于它在具体语言游戏中的使用常识并非一个可以被编码的知识数据库，而是一种嵌入在生活实践中的背景能力（如分辨纸杯与哑铃对AI极难，对人类却轻而易举）

今天万众期待的ChatGPT，只是新时代的“牛顿炼金术”，本质是基于大数据的“最正确的”模仿输出，与人类语言机制运作的本质通过少量核心规则与词汇掌握创生海量表达的潜能——完全是两回事。把智能等同于数据量的堆砌，和靠提前拿到高考题目拿高分没有任何区别，根本不是真正的智能。

大家把人工智能吹嘘得好像很厉害，其实它一点都不厉害，还有一堆问题没有解决，你去担心它毁灭人类干什么？这就和堂吉诃德一样，把风车当作怪物，自己吓唬自己。 真正要担心的不是失控的人工智能，而是要去警惕人工智能生成的算法机制

未来通用人工智能的核心路径不是大数据或物联网，而是基于小数据的、绿色的、天然具有跨学科色彩的技术，这种技术能从根本上断绝数据上传云端导致的隐私泄露风险。

智能的本质从来不是算力的堆砌，而是对生命、对世界、对意义的理解。 AI永远无法替代人类的意义生成能力，比如艺术创作中的情感表达、基于生存意志的价值选择。部分引自全书