Michael Tomasello:人类语言建立在共同行动能力之上

原标题Michael Tomasello: Human language rests on shared agency

这位发展心理学家解释合作和视角转换为何对能动性重要,以及语言模型可能跳过了什么。

MTMichael Tomasello嘉宾 · Duke University
频道
Machine Learning Street Talk
发布
2026年11月19日
视频
1:06:34
阅读
12 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

发展心理学家 Michael Tomasello 认为,人类语言建立在追求共同目标和理解他人视角的能力之上。他描述的一项实验中,听不到彼此声音的孩子创造了共同手势;语言模型则从人类已经创造的语言开始。他不排除通往强大 AI 的其他路径,但建议研究智能体在形成约定之前如何协调行动。他还区分了基本的目标导向控制、规划、自我监控和共同行动。

  1. 1不可预测的情况需要灵活决策Tomasello 将呼吸等内置程序与面对不可预测的猎物、捕食者及其他行动者时的决策作比较。
  2. 2规划需要监控行动的层次他提出,执行过程能够预见错误并表征尚不存在的情况;大型类人猿还具有进一步的反思层次。
  3. 3松鼠可以在起跳前放弃一跃Tomasello 将松鼠的灵活行为解释为借助想象结果进行规划,并认为这是超越基本控制的一步。
  4. 4共同行动意味着共同目标和角色他认为,人类伙伴可以监督彼此的贡献,并共同注意面临的障碍。
  5. 5不能说话时,孩子会创造手势在一项视频通话研究中,孩子发明手势并将其调整为共同约定;模型则在他人已经创造的语言上训练。
  6. 6连贯话语可能为模型提供可利用的信息Tomasello 说,语言模型处理视角转换的能力比他预期的强,并想知道如果随机打乱句子顺序,模型会表现如何。
  7. 7图灵测试不足以证明能动性他仍不确定生物基础是否必要,但认为机器需要具备远超模仿对话的能力。

要点建议

  1. Tomasello 认为,共同目标、共同注意和互补角色使合作不只是智能体之间的相互反应。
  2. 无法说话时,孩子可以创造共同手势,说明约定如何帮助人们协调行动。
  3. 语言模型或许能够从连贯的人类话语中学习,而不必先发展出创造这些话语的社会能力。
  4. 要区分基本控制回路、规划、为计划寻求信息,以及为共同目标展开合作。
  5. Tomasello 认为,仅凭图灵测试不能证明机器具有能动性。
全文

按章节阅读整理后的全文

只看原始文稿
01

为何不确定环境需要行动者

Tomasello 将灵活决策与不确定性联系起来,并比较主动追求目标与固定的刺激反应。

环境不可预测时,生物需要一种评估情况并选择行动的方式。发展心理学家 Michael Tomasello 借此研究能动性如何演化,以及人类如何学会相互协调。

Tomasello 说,他的兴趣始于在 Emory 观察黑猩猩,发现它们与两岁儿童既相似又不同。在 Max Planck 研究所,他的团队将儿童与大型类人猿置于可比较的实验情境中,寻找社会和认知能力的细微差别。

呼吸等可预测且必不可少的活动可以内置于生物体。Tomasello 说,在不可预测的情况下,演化更倾向于产生一种能够评估环境、灵活决策的机制。捕食者、猎物、竞争者及潜在合作者等其他行动者尤其难以预测。

Tim 问,能动性是否既包括因某种理由行动,也包括实现预期结果的能力。具有目标的控制回路是这一想法的最简形式;更复杂的行动者似乎还有额外的控制层次。

Tomasello 用恒温器作具体类比,但认为活的行动者不只是刺激反应机器。生物会追求目标,并在策略失败时尝试其他办法。有些动物还能抑制行动、寻找信息或重新考虑计划。

这种控制不要求摆脱生物学约束。追逐猎物的动物在其生物适应范围内仍有选择空间;控制系统说明了感知、目标和行动如何组织起来,而不必假设大脑里还有另一个决策小人。

02

交通灯说明了什么是控制

智能交通灯需要感知、目标和选择行动的方式。恒温器展示了这种组织的一部分,却不是完整的行动者。

Tomasello 会问学生如何让定时交通灯变聪明:它需要感知车辆、设定交通流目标,并根据观察到的状况与目标之间的差距决定如何改变灯号。

蜘蛛网或蚁群的复杂性本身不能证明存在灵活控制。Tomasello 说,生物可以凭专门的适应方式在演化中取得成功;对他的能动性解释而言,关键是根据眼前情况调整行动。

Tim 想知道恒温器或扫地机器人是否应算作行动者。Tomasello 同意自己也不会这样称呼它们:它们只展示了他想解释的基本组织形式。这个类比的价值是让控制机制变得具体,而不用诉诸神秘的内在决策者。

03

机器能获得更强的能动性吗?

Tomasello 讨论了规划和自我监控的层次。他对当前 AI 系统仍不确定,并建议以动物为模型。

Tim 提到优化的局限,问机器最终能否比人类更有能动性。Tomasello 不确定:早期 AI 设想的是与感知、目标和行动分离的计算大脑,而无人机和自动驾驶汽车如今已在某些方面类似行动者的组织形式。

一个可能缺少的要素是执行层:观察正在进行的注意和行动、预见错误并制定计划。Tomasello 将其称为不同的组织层次,而非一项孤立技能。规划与假设检验需要表征尚不存在的情境。

他认为大型类人猿还具备另一层能力:反思计划,判断是否需要更多信息,并评估资源用得是否合理。具有感知、目标和执行监控能力的机器,或许更有理由被认为具有能动性。

人类的基本目标也受到生物学塑造,因此在他看来,设计者提供目标并不会自动取消机器的资格。他希望机器遇到陌生情境时能形成新目标;研究自然行动者或许能帮助探索这一方向。

Tim 问,没有专门为某种能力设计的组件能否涌现出出人意料的 AI 能力。Tomasello 说自己缺乏判断具体 AI 系统的技术知识。在演化中,对生拇指这样的特征可能先服务于一种功能,后来又在新情境中得到创造性应用。

04

学习和先天影响只是更大系统的一部分

在 Tomasello 看来,学习服务于适应性决策。生物和文化影响选择,却不能解决目标之间的每一次冲突。

他认为 AI 研究可能过于强调学习本身。在他的解释中,学习服务于行动者的适应性决策。语言模型从语言这一复杂的人类成就出发,他不确定支撑语言的能力是否都能被跳过。

他把这个问题比作过去关于生命是否需要特殊物质的争论。他说,生物和非生物由相同的基本元素构成,只是组织方式不同。同样,能动性的重要问题在于各部分如何组织。

Tim 问,如果基因或社会力量塑造我们,目标又从何而来?Tomasello 将生物和文化视为强大的影响因素,而非对个人选择的完整解释。它们可能朝不同方向拉扯,最终仍需要行动者在其中作决定。

他说,喜欢甜食并不会迫使正在节食的人吃冰淇淋。同样,遵守承诺可能与帮助受伤的孩子发生冲突。他用这些例子说明,各种影响会给决策增加权重,却不会预先解决每一场冲突。

05

专门动机如何与一般决策过程相遇

Tomasello 接受人有专门的倾向,但不认为所有思维都由独立模块构成。情绪会影响选择,却不总是决定选择。

话题转向演化心理学家提出的观点:心智拥有专门模块,例如选择伴侣和寻找食物的不同机制。Tomasello 接受专门倾向的存在,却不认同一切都是模块化的更强主张。

他认为,感知、注意、记忆和学习能够跨领域发挥作用;当专门动机发生冲突时,决策者必须作出取舍。在通往人类的谱系中,他认为哺乳动物会在这些动机的影响下灵活决策。

他把情绪形容为演化在天平上施加影响:对蛇的恐惧可能打断其他目标,但另一种紧迫威胁也可能改变反应。Tim 将此与 Mark Solms 关于感受帮助应对不确定性的观点联系起来。

06

他为何避免用单一标准衡量智能

他认为,以学校表现为中心的定义可能忽视动物的专门能力。他更愿意说清正在讨论哪种认知能力。

Tomasello 不愿把一般智能视为一个显而易见的单一能力。他认为这一概念的历史与学校中的语言和抽象能力测试有关,并举出松鼠记忆食物藏处、鸟类辨别声音和黑猩猩使用工具等专门能力。

Tim 问,能动性是否也可能是同样过度简化的标签。Tomasello 回答,控制系统为他提供了具体的物理组织模型,而他更难为一般智能指出类似机制。他更愿意使用规划、学习和认知等具体术语。

07

从基本控制到反思计划

Tomasello 提出通往人类的演化路径上有不同的能动性层次,并以爬行动物、哺乳动物和大型类人猿为比较例子。

Tomasello 概述通往人类的演化路径上的能动性层次,而非给所有动物作完整分类。由于无法直接研究已灭绝的祖先,研究者使用现存的模式物种,同时承认它们与祖先并不完全相同。

他将爬行动物作为相对基本的目标导向控制的模型。他认为哺乳动物多了一个能表征可能结果并进行规划的执行层。松鼠看似决定不做一次危险跳跃,转而选择另一条路,便是他想解释的行为类型。

规划可以让一种可能的策略先在想象中失败,而不是在行动中失败。Tomasello 举出松鼠想办法突破喂鸟器障碍的例子,说明灵活行为;他也将其内部组织方式表述为自己的解释。

更高一层是元认知或理性能动性,Tomasello 说这种能力在大型类人猿身上可以看到。它们能够在行动前寻找更多信息,或放弃困难问题,转而选择成功概率更高的方案。

他将这些变化与不同的不确定性来源联系起来:独居爬行动物会遇到难以预测的猎物;群居哺乳动物争夺资源;大型类人猿还可能需要智胜彼此。这是他对观察到的差异提出的演化解释。

08

共同目标带来不同形式的能动性

人类合作者能够协调角色、共同注意并考虑不同视角。文化约定既约束成员,也赋予他们能力。

他认为,人类增加了一种独特的共同行动能力。伙伴能够接受共同目标,理解各自角色,并在角色没有履行好时纠正彼此。这不同于仅仅对另一个行动者作出反应。

合作还需要共同注意:双方都注意到障碍或机会,并知道彼此正在一起关注它。Tomasello 将此与视角转换联系起来,即理解同一对象可以被看作一只狗、一个动物或一只宠物。

他认为,将他人观点与自己的观点对照,有助于形成视角的概念。在一个思想实验中,完全独自长大的孩子虽然会接触世界,却缺少另一个人同时提供的不同解释。

文化通过语言、约定、规范和制度扩展共同行动。这些东西会约束成员,也给他们提供无需自己发明的资源。例如,一个人学会语言后,可以用它创作诗歌。

Tomasello 引用比较儿童与黑猩猩协作任务的实验。他说,儿童可能继续帮助对方,直到双方都得到奖励,也可能纠正伙伴的角色;而他所举例子中的黑猩猩得到自己的奖励后便停止。

09

模型使用语言之前,孩子会创造约定

一项研究中,孩子在通话失去声音后发展出共同手势。Tomasello 建议研究协调如何成为人工智能体的基础。

他每天使用语言模型,但区分使用现有语言与创造语言约定。在一项研究中,研究者让视频通话中的孩子无法听到声音,孩子便发明手势并相互调整,直到形成共同约定。

Tomasello 认为,共同注意和共同承诺可能是语言约定得以产生的基础。他不排除通过其他路径获得实用语言能力,但建议在研究成熟语言模型的同时,也从简单协调出发研究语言。

Tim 问,AI 智能体是否最终能通过社会互动创造约定。Tomasello 提到对共同承诺的建模研究,并认为早期协调挑战可能要求每个参与者考虑对方的预期。

在猎鹿的例子中,每个人可以独自追求较小的收益,也可以在另一人加入时共同争取更大的收益。每个人都必须判断对方是否参与。约定可以提供共同预期,从而解决这类协调问题。

10

视角如何影响词语、语法和指向

讲者讨论他人的视角如何改变一个人说的话。Tomasello 也思考连贯话语在语言模型训练中的作用。

Tim 问及从多个视角获得知识。Tomasello 引用哲学家 Donald Davidson:另一个人的观点可以让我们发现自己错了,这与自己发现错误有所不同。他认为社会互动对这种能力的发展很重要。

同一只动物可能被称作狗、宠物,或者简单地称作“她”,取决于听者和双方的共同背景。这不只是给对象分类,还是让描述适应当前情境中重要的事情。

Tomasello 认为,语法也承载视角。“打破窗户的是 Fred”可以纠正认为肇事者是 Mary 的人;主动句和被动句则可以从狗或猫的角度呈现同一事件。

语言模型处理某些视角转换的能力似乎比他预期的强。他想知道,如果把训练句子随机打乱,让句子之间的逻辑与因果联系消失,会发生什么。他说,一次 AI 研讨会上大家预期结果会差很多,但承认没人知道答案。

Tim 认为人类叙事会围绕行动者的目标与障碍展开。Tomasello 回到儿童说话之前发展的能力:只有说话者与听者共享足够背景、能够推断意图时,指向手势才能传达具体意思。

一个指向可能表示“你姐姐在那里”,也可能表示“图书馆开门了”,取决于双方知道什么。Tomasello 提醒,说语言模型无法理解指向可能并不公平,但他建议研究共同背景和简单协调,作为构建更具能动性机器的一条路径。

11

制度与欺骗都依赖共同预期

货币和公职依赖人类的共同认可,而合作也可能遭到欺骗利用。群体忠诚同样可能带来分裂。

Tim 问,人类创造越来越抽象的共同制度时会有哪些风险。Tomasello 说,货币、总统等职位以及公司都依赖共同认可。社会共识改变时,一张纸币即使还在,也可能不再具有货币功能。

这些制度虽然依赖人类创造的类别,却能产生真实影响。Tomasello 随后认为,政客可以利用人们关注他人想法的倾向,通过重复和声称观点得到广泛认同来影响公众;他以 Donald Trump 为例。

在他的解释中,谎言之所以有效,是因为人们通常预期没有明显动机欺骗自己的人会合作。他将这种预期与自己对黑猩猩的描述作比较,并说合作倾向可能被利用。

群体内部的合作可以与群体之间的冲突并存。Tomasello 认为,人类演化出了对熟悉的“我们”的强烈归属感,如今面临的挑战是在多个群体相互依存的世界中扩展共同行动能力。

12

市场是行动者吗?机器又需要具备什么?

Tomasello 认为市场结果由个人决策交互产生,对把资本称为行动者持谨慎态度。他说图灵测试不足以证明机器具有能动性。

Tim 问资本或市场本身是否应被理解为行动者。Tomasello 更愿意把人看作决策者,他们的相互作用产生涌现结果。每个人都想尽快回家可能造成堵车,即使没有人打算制造堵车。

他还以通货膨胀和市场崩盘为例,说明集体结果如何由个人选择产生。他认为,政策制定者在设计减少不利结果的规则时,需要理解个人选择与整体模式之间的联系。

Tim 觉得从行动者的层次分析市场很有用。Tomasello 接受这是一种说法,但对于资本是否真的拥有目标、并在未达到目标时调整行为,他仍持保留态度。

被问到一个系统能否表现得像有能动性却实际上没有时,Tomasello 提到 Daniel Dennett 的意向立场,并说自己不确定。单凭图灵测试远远不够,但一台展现全部相关能力的机器或许可以算作行动者。

生物材料、激素和神经元是否必要,对他而言仍是未决问题。他回忆哲学家 Ned Block 提出的问题引发的一场讨论:在机器是否必须由“肉”构成这个问题上,现场没有达成共识。

同频道的其他文章

1:37:08EN → 简体中文
Machine Learning Street Talk· 2026年11月2日播客 · 2 人对谈Joscha Bach:意识、因果模式与机器心智嘉宾 Joscha Bach · 主持 Tim Scarfe一场关于机器意识假说、行为测试局限和不同心智理论的讨论。ConsciousnessPhilosophy of MindCognitive Science+1
1:33:33EN → 简体中文
Machine Learning Street Talk· 2026年10月26日播客 · 6 人对谈Kevin Hartnett:Lean、数学证明与 AI 验证的边界嘉宾 Kevin Hartnett, Leonardo de Moura, Kevin Buzzard, Jeremy Avigad, Paul Lessard · 主持 Tim ScarfeLean 的故事展示了数学家如何检查日益复杂的论证,也说明正确的形式化证明仍会留下关于意义与理解的问题。MathematicsSoftware engineeringMachine Learning
47:55EN → 简体中文
Machine Learning Street Talk· 2026年10月10日播客 · 2 人对谈人工生命、进化与有趣世界的搜索嘉宾 Akarsh Kumar · 主持 Tim ScarfeAkarsh Kumar 介绍 ASAL 和 Core War 中的一项进化实验。AI researchEvolution
1:10:10EN → 简体中文
Machine Learning Street Talk· 2026年10月1日播客 · 2 人对谈语音智能体如何学习对话节奏嘉宾 Tsung-Hsien (Shawn) Wen · 主持 Tim ScarfePolyAI 的 Shawn Wen 讨论轮次判断、嘈杂音频和检查 AI 输出的工作。AI agents企业 AI
1:14:20EN → 简体中文
Machine Learning Street Talk· 2026年9月29日播客 · 2 人对谈Lean、AI 与机器检查证明的边界嘉宾 Leonardo de Moura · 主持 Tim ScarfeLean 创建者 Leo de Moura 讨论可信内核、规格与人的判断。MathematicsAI research
43:43EN → 简体中文
Machine Learning Street Talk· 2026年9月26日播客 · 2 人对谈智能体能改进自己的研究运行框架吗?嘉宾 Zhengyao Jiang · 主持 Tim ScarfeZhengyao Jiang 讨论 Weco 的实验、留出测试与局限。AI research智能体工程Reward hacking