思想本身就是一种语言的涌现？

萨皮尔-沃尔夫假说（Sapir-Whorf hypothesis）认为，一种语言的结构和词汇可以塑造语言使用者对世界的感知和概念。

前苏联心理学家列夫-维果茨基（Lev Vygotsky）认为，虽然思维和语言开始时是不同的系统，但在儿童成长过程中它们会融合在一起。他认为，没有语言的中介，复杂的抽象思维是不可行的。

米歇尔-福柯（Michel Foucault）和雅克-德里达（Jacques Derrida）等哲学家强调了话语（有别于语言）的构成力量。在福柯看来，话语划定并限制了我们可用的思想范畴。

此外，马丁-海德格尔（Martin Heidegger）认为，语言通过我们 "说话"，而不是相反。在他看来，语言是 "存在之屋"：它塑造并促进我们对世界的理解。

当然，许多动物都会推理，但没有一种动物能像人类那样深入而复杂。

这表明，语言的建构对于推理的关键作用可能比我们意识到的更大。虽然先天智力对于利用语言工具至关重要，但这也是一种后天学习的技能。

连贯的语言本身就是推理
这意味着语言不仅是推理不可或缺的组成部分，而且也许是调解和改进推理的一种奇妙方式？

也许高级或复杂的推理是语言的一种涌现 属性。

也就是说，人类及其进行任何复杂推理的能力，实际上就是语言。

那么我们为什么不去研究语言的产生呢？

语言大模型不是鹦鹉学舌
它们可以为人类的推理提供启示。

从本质上讲，语言大模型LLM 可以被视为加权统计模型，能够生成令人信服的文本。这让一些人给它们贴上了 "随机鹦鹉 "的标签，因为它们并不像人类那样进行推理，或者很多人认为它们根本就不会推理。

一些专家认为它们缺乏 "世界模型"，或认为 LLM 缺乏意义和自我意识等属性，而这些属性是以人为中心的推理理解，与人类意识密切相关。

其实，我们可能正在见证一种新的智能形式，它挑战了我们的基本信念，即智能必须与人类认知相似才能被认定为 "理性"。

随着语言大模型 LLM 的发展和模型规模的不断扩大，也许我们根本不应该困惑为什么我们会看到这些与推理有关的 "突现属性"。

智能建模
建模===预测===控制
压缩===智能===预测

数学早已告诉我们这一点。
LLM 可以预测复杂的语言，因此它们是智能的。

人工神经网络实际上理解输入并使用智能来产生输出，一次一个令牌。
人工智能知道它要去哪里，你在它的立即输出中看不到它，并且它会在每次推理时重新初始化。
这实际上可能类似于你一次说一个词时大脑中的推理方式。

人工智能经过训练可以产生完全令人满意的输出，而不是单个标记。

这本身就需要在更深层次上抽象和理解概念