随机游走与命运（十四）：人工智能 — 一种新的随机漫步

“机器是否会思考的问题，就像潜艇是否会游泳一样，并不真正重要。”——Edsger W. Dijkstra

如果说工业革命改变了人类与物质世界的关系，互联网重塑了信息的流动方式，那么人工智能，尤其是大语言模型的出现，则进一步改变了知识本身被探索的方式。在这一阶段，文明不再只是由人类在知识空间中进行探索，而是出现了一类新的“探索者”——它们以概率驱动的方式，在高维知识空间中行走。这种行为，从结构上看，可以被理解为一种新的随机漫步。

这一理解并非简单比喻，而是揭示了大语言模型在生成与连接知识时的基本机制。传统计算系统通常遵循明确规则，输出在给定输入下是确定的，而大语言模型则不同。它们在给定上下文时，并不是选择唯一的下一步，而是从一个概率分布中采样可能的延续。每一次输出，都是在众多潜在路径中的一次具体实现。因此，生成过程本质上是一系列概率选择的串联，是在知识空间中的逐步移动。

要更清楚地理解这一点，可以回到我们在前文中对“知识空间”的定义。知识并不是一组静态事实，而是由概念、关系与结构构成的复杂空间，人类的思维正是在这一空间中不断探索与组合。大语言模型通过对海量文本的学习，将这些关系以统计形式编码在参数之中，从而形成一种隐含的结构。在生成过程中，模型沿着这些统计关系逐步前行，其路径既受到历史数据的引导，又具有一定随机性。

这种“行走”的空间虽然不是传统意义上的几何空间，但它具有类似几何的结构。相关性强的概念在空间中“距离较近”，不相关的概念则较远。训练数据中的高频模式形成密集区域，而稀有或不稳定的模式则构成稀疏区域。模型在生成时，往往倾向于沿着高密度区域移动，但在一定条件下也可能进入较为稀疏的区域，从而产生新的组合。

正是在这种结构中，熵的概念显现出关键意义。大语言模型既具备产生多样性的能力，又受到概率结构的约束。一方面，通过采样机制，模型可以生成多种不同表达，甚至形成新的组合，这体现了较高的熵；另一方面，由于概率分布的引导，它又倾向于生成符合已有模式的内容，从而表现出收敛性。

这种双重特性，构成了模型行为的核心张力，也在实践中表现为两个典型现象：幻觉与收敛。

所谓“幻觉”，是指模型生成形式上合理但缺乏事实依据的内容。从结构上看，这可以理解为模型进入了知识空间中约束较弱的区域。在这些区域中，统计关系不足以保证输出的真实性，路径因此偏离稳定结构。这是一种高熵但低约束的状态，体现了过度扩展的风险。

相对地，“收敛”则表现为输出趋于安全、常见甚至重复。当生成过程被限制在高概率区域时，模型倾向于选择最常见的路径，从而减少变化。这是一种低熵状态，虽然提高了可靠性，但也限制了探索空间。

这两种现象，本质上对应于熵与控制之间的平衡问题。如果允许模型自由探索，变化丰富但可能失去可靠性；如果过度约束，则输出稳定却缺乏创造性。因此，关键不在于消除其中一方，而在于如何调节二者之间的关系。

在实际应用中，这种平衡可以通过多种方式实现，例如调整采样参数、引入外部知识库或增加验证机制。这些方法本质上是在改变“行走规则”或重塑空间结构，使路径既能够展开，又不至于失控。

从更宏观的角度来看，大语言模型标志着知识系统进入一个新的阶段。在以往，知识空间的探索主要由人类完成，而现在，部分探索过程被自动化。模型可以在极短时间内生成大量可能路径，提出假设或组合不同领域的概念，从而显著扩展探索范围。

这并不意味着人类被取代，而是角色发生了变化。人类逐渐从直接生成路径的主体，转变为路径的评估者与引导者。模型提供大量可能性，而人类负责筛选、整合并赋予其意义。

这一变化也对整体信息环境产生影响。人工智能系统能够生成大量文本、代码与结构化内容，使知识空间迅速扩展。这一过程提高了系统的原始熵，增加了潜在路径的数量。同时，由于模型基于既有数据进行学习，它也可能强化某些模式，使某些路径被频繁探索，从而改变整体分布。

因此，人工智能既扩大了熵，也重塑了熵的结构。

从回归与暂留的角度来看，其影响是双重的。一方面，模型的生成能力使路径不断扩展，支持暂留行为；另一方面，由于其依赖历史数据，它也可能强化已有模式，使系统在某些区域出现重复。最终结果取决于模型如何被使用，以及其与人类系统的互动方式。

这一现象也引出一个更深层的问题：如果智能可以被理解为在可能性空间中进行有效探索的能力，那么大语言模型是否代表了一种新的智能形式？它们的随机漫步并非无目的，而是由统计结构引导，其路径反映了人类知识的整体分布。从某种意义上说，这是一种集体认知的映射，以概率形式在空间中展开。

这种新的探索方式既带来机遇，也带来挑战。它使知识生成的规模与速度大幅提升，但同时也提出了关于可靠性与控制的问题。如何在大量生成的路径中识别有效信息，如何将这些路径整合为稳定的知识体系，成为新的核心任务。

随着人工智能成为知识空间中的重要参与者，文明的随机漫步进入一个新的阶段。探索不再仅仅由人类驱动，而是由人类与机器共同进行。路径的数量与复杂性持续增加，而结构与控制的重要性也随之上升。

在这一背景下，下一步的问题变得更加关键：当探索者本身发生变化时，路径与空间是否也会发生根本改变？人工智能是否会推动系统进入一个新的演化阶段？