MIT發(fā)現(xiàn)人腦推理不依賴(lài)語(yǔ)言，LLM 路線走反了？楊立昆轉(zhuǎn)發(fā)力挺

語(yǔ)言與思維的關(guān)系，是一個(gè)延續(xù)數(shù)千年的問(wèn)題。從哲學(xué)、語(yǔ)言學(xué)到認(rèn)知科學(xué)，人們始終在爭(zhēng)論：人類(lèi)究竟是否依賴(lài)語(yǔ)言進(jìn)行思考？

不少研究者認(rèn)為，語(yǔ)言是思維的重要載體。畢竟，邏輯命題可以拆解為多個(gè)子成分，再按照層級(jí)關(guān)系組合成復(fù)雜的規(guī)則，這與自然語(yǔ)言的句法結(jié)構(gòu)有著相似之處。

但 MIT 麥戈文腦科學(xué)研究所最新發(fā)表于 PNAS 的一項(xiàng)研究，為這一爭(zhēng)論提供了新的證據(jù)。最近，由副教授 Evelina Fedorenko 領(lǐng)銜的研究發(fā)現(xiàn)，人腦進(jìn)行邏輯推理時(shí)，負(fù)責(zé)語(yǔ)言處理的腦區(qū)并不會(huì)被激活；即使語(yǔ)言能力嚴(yán)重受損的患者，在邏輯推理任務(wù)中的表現(xiàn)也與健康人基本一致。換句話(huà)說(shuō)，至少對(duì)于邏輯推理而言，語(yǔ)言和思維在大腦中似乎走的是兩條相對(duì)獨(dú)立的通路。

值得注意的是，這項(xiàng)研究的意義不局限于腦科學(xué)。隨著大語(yǔ)言模型快速發(fā)展，“語(yǔ)言是否等于思維”也成為 AI 領(lǐng)域持續(xù)討論的問(wèn)題。研究發(fā)布后不久，圖靈獎(jiǎng)得主 Yann LeCun 也在社交媒體上轉(zhuǎn)發(fā)了麥戈文腦科學(xué)研究所的成果。

長(zhǎng)期以來(lái)，LeCun 一直認(rèn)為，僅依賴(lài)文本訓(xùn)練的大語(yǔ)言模型學(xué)到的主要是語(yǔ)言模式，而非對(duì)現(xiàn)實(shí)世界的真正理解。相比繼續(xù)擴(kuò)大語(yǔ)言模型規(guī)模，他更主張發(fā)展具備世界模型（World Model）、規(guī)劃和推理能力的新一代 AI 架構(gòu)。因此，這項(xiàng)關(guān)于“語(yǔ)言系統(tǒng)并非人類(lèi)邏輯推理基礎(chǔ)”的研究，也與他長(zhǎng)期倡導(dǎo)的技術(shù)路線形成了一定呼應(yīng)。

（來(lái)源：UCLA）

研究做了什么

這項(xiàng)研究試圖回答一個(gè)核心問(wèn)題：人腦在進(jìn)行邏輯推理時(shí)，是否需要調(diào)用語(yǔ)言系統(tǒng)？

MIT 博士后研究員、論文第一作者 Hope Kean 與 Evelina Fedorenko 認(rèn)為，雖然人們高度依賴(lài)語(yǔ)言來(lái)表達(dá)推理過(guò)程：從提出問(wèn)題到解釋結(jié)論。但真正完成推理的，未必是語(yǔ)言系統(tǒng)，而可能是一套獨(dú)立的神經(jīng)機(jī)制。

圖 ｜ Hope Kean 與 Evelina Fedorenko（來(lái)源：MIT）

她們的理由是，邏輯推理需要高度精確的規(guī)則運(yùn)算，而自然語(yǔ)言本身往往存在歧義；此外，語(yǔ)言是沿著詞語(yǔ)順序線性展開(kāi)的，而邏輯推理則常常需要在多個(gè)信息之間建立復(fù)雜的非線性關(guān)系。

為了驗(yàn)證這一假設(shè)，研究團(tuán)隊(duì)設(shè)計(jì)了兩組實(shí)驗(yàn)。

第一組實(shí)驗(yàn)與 University College London（UCL）神經(jīng)科學(xué)家 Rosemary Varley 團(tuán)隊(duì)合作，對(duì)象是兩名因中風(fēng)導(dǎo)致嚴(yán)重失語(yǔ)癥的患者。他們的語(yǔ)言理解和表達(dá)能力均受到嚴(yán)重?fù)p傷。

研究人員刻意避開(kāi)語(yǔ)言，設(shè)計(jì)了一系列完全依賴(lài)邏輯而非文字的推理任務(wù)。例如，參與者需要觀察兩組數(shù)字列表，找出其中隱藏的轉(zhuǎn)換規(guī)則（如逆序排列、刪除大于某個(gè)數(shù)的元素等），再將這一規(guī)則應(yīng)用到新的數(shù)字序列；另一項(xiàng)任務(wù)則要求他們根據(jù)已有圖案推斷規(guī)律，補(bǔ)全矩陣。

結(jié)果十分明確：盡管語(yǔ)言能力嚴(yán)重受損，這兩名患者在邏輯推理任務(wù)中的表現(xiàn)與健康對(duì)照組沒(méi)有顯著差異，甚至還能通過(guò)手勢(shì)和草圖準(zhǔn)確表達(dá)自己發(fā)現(xiàn)的規(guī)則。正如 Kean 所說(shuō)，這一結(jié)果“真正顛覆了那種認(rèn)為沒(méi)有語(yǔ)言能力就無(wú)法進(jìn)行符號(hào)規(guī)則歸納的理論”。

由于失語(yǔ)癥患者十分罕見(jiàn)，尤其是同時(shí)符合研究要求的病例更少，因此研究團(tuán)隊(duì)又進(jìn)一步通過(guò)功能性磁共振成像（fMRI）對(duì)健康成年人進(jìn)行了驗(yàn)證。

參與者需要在掃描儀中完成多項(xiàng)任務(wù)，包括與第一組實(shí)驗(yàn)類(lèi)似的規(guī)則歸納游戲，以及經(jīng)典的三段論推理（例如："如果球是紅色的，那么它是大的；球是紅色的；那么球大嗎？"）。與此同時(shí)，研究團(tuán)隊(duì)還利用專(zhuān)門(mén)設(shè)計(jì)的實(shí)驗(yàn)，分別定位每位參與者大腦中的語(yǔ)言網(wǎng)絡(luò)，以及負(fù)責(zé)復(fù)雜問(wèn)題求解的"多需求網(wǎng)絡(luò)"（multiple demand network）。基于這些腦成像數(shù)據(jù)，研究人員能夠直接比較：人在進(jìn)行語(yǔ)言處理和進(jìn)行邏輯推理時(shí)，究竟調(diào)用的是不是同一套神經(jīng)系統(tǒng)。

最終，腦成像結(jié)果進(jìn)一步印證了前一組實(shí)驗(yàn)的發(fā)現(xiàn)：無(wú)論是歸納推理（發(fā)現(xiàn)隱藏規(guī)則）還是演繹推理（判斷邏輯結(jié)論是否成立），語(yǔ)言網(wǎng)絡(luò)都沒(méi)有出現(xiàn)明顯激活。

（來(lái)源：MIT）

更出乎研究團(tuán)隊(duì)意料的是，此前一直被認(rèn)為承擔(dān)邏輯推理的重要腦區(qū)——多需求網(wǎng)絡(luò)，只在歸納推理任務(wù)中表現(xiàn)出顯著活動(dòng)，在演繹推理過(guò)程中卻幾乎沒(méi)有參與。Kean 表示，這一現(xiàn)象仍有待進(jìn)一步研究，也將成為團(tuán)隊(duì)下一步工作的重點(diǎn)。

越來(lái)越完整的證據(jù)鏈

事實(shí)上，這并不是 Fedorenko 實(shí)驗(yàn)室第一次得出類(lèi)似結(jié)論。

過(guò)去幾年，她的團(tuán)隊(duì)持續(xù)研究語(yǔ)言與高級(jí)認(rèn)知之間的關(guān)系，并陸續(xù)發(fā)現(xiàn)，物體分類(lèi)、社會(huì)推理等多種認(rèn)知活動(dòng)，同樣不依賴(lài)語(yǔ)言系統(tǒng)。這項(xiàng)關(guān)于邏輯推理的新研究，則進(jìn)一步補(bǔ)上了一塊關(guān)鍵拼圖：至少在人腦中，語(yǔ)言和推理似乎由彼此獨(dú)立的神經(jīng)系統(tǒng)承擔(dān)。

就在這項(xiàng)研究發(fā)表前一周，F(xiàn)edorenko 團(tuán)隊(duì)還在《神經(jīng)科學(xué)雜志》（Journal of Neuroscience）發(fā)表了另一項(xiàng)大規(guī)模研究。研究團(tuán)隊(duì)對(duì) 772 名健康成年人進(jìn)行了功能性磁共振成像（fMRI）掃描，繪制出迄今最完整的人腦語(yǔ)言網(wǎng)絡(luò)圖譜。結(jié)果顯示，人腦中對(duì)語(yǔ)言具有選擇性反應(yīng)的區(qū)域共有 17 個(gè)，分布在額葉、顳葉、小腦和海馬體等多個(gè)部位，但全部加起來(lái)僅占灰質(zhì)總體積不到 4％，平均約 22 立方厘米。

（來(lái)源：jneurosci）

這一發(fā)現(xiàn)意味著，語(yǔ)言并沒(méi)有像人們想象中那樣“接管”整個(gè)大腦。考慮到人腦經(jīng)歷了數(shù)百萬(wàn)年的演化，而語(yǔ)言出現(xiàn)不過(guò)幾萬(wàn)年，研究團(tuán)隊(duì)認(rèn)為，語(yǔ)言更像是在既有神經(jīng)系統(tǒng)之上新增的一套專(zhuān)門(mén)模塊，而非整個(gè)認(rèn)知系統(tǒng)的基礎(chǔ)架構(gòu)。

將兩項(xiàng)研究放在一起看，可以一個(gè)共同的大結(jié)論：一方面，語(yǔ)言網(wǎng)絡(luò)本身只是大腦中相對(duì)緊湊的一組功能區(qū)域；另一方面，人腦完成邏輯推理等高級(jí)認(rèn)知任務(wù)時(shí)，也并不會(huì)依賴(lài)這一網(wǎng)絡(luò)。這進(jìn)一步支持了 Fedorenko 團(tuán)隊(duì)近年來(lái)不斷提出的觀點(diǎn)——語(yǔ)言是人類(lèi)最重要的交流工具，但未必是思維本身的載體。

這一結(jié)論也具有現(xiàn)實(shí)意義。Fedorenko 強(qiáng)調(diào)，語(yǔ)言障礙并不等于智力障礙。許多失語(yǔ)癥患者依然能夠下棋、做數(shù)獨(dú)、管理家庭財(cái)務(wù)，只是難以將自己的思考過(guò)程表達(dá)出來(lái)。然而在現(xiàn)實(shí)生活中，他們的語(yǔ)言困難常常被誤解為思維能力下降。類(lèi)似的誤解，也發(fā)生在發(fā)育性語(yǔ)言障礙者、口吃者以及非母語(yǔ)使用者身上。

對(duì) LLM 意味著什么？

但這項(xiàng)研究之所以引發(fā) AI 領(lǐng)域關(guān)注，并不是因?yàn)樗苯幼C明了大語(yǔ)言模型的局限，而是提出了一個(gè)更值得思考的問(wèn)題。

今天的大語(yǔ)言模型幾乎完全建立在文本之上：它們通過(guò)預(yù)測(cè)下一個(gè) token 學(xué)習(xí)世界，以文本作為輸入，也以文本作為輸出。然而，它們卻能夠完成數(shù)學(xué)證明、代碼生成、邏輯推理等一系列復(fù)雜任務(wù)。研究論文也提到，ChatGPT、Claude 等模型已經(jīng)能夠“令人信服地模擬某些類(lèi)型的人類(lèi)推理”。

但這項(xiàng) MIT 研究表明，人腦完成這些推理時(shí)，真正參與計(jì)算的并不是語(yǔ)言系統(tǒng)。這意味著，人類(lèi)與大語(yǔ)言模型可能正在沿著兩條不同的路徑實(shí)現(xiàn)相似的能力：一種依賴(lài)自然語(yǔ)言，另一種則建立在與語(yǔ)言相對(duì)獨(dú)立的神經(jīng)機(jī)制之上。

這一發(fā)現(xiàn)，也與近年來(lái) AI 領(lǐng)域越來(lái)越受到關(guān)注的一種思路形成了呼應(yīng)：語(yǔ)言未必是智能本身，而更像人與世界交互的接口。對(duì)于真正能夠進(jìn)入現(xiàn)實(shí)環(huán)境的 AI，僅依賴(lài)語(yǔ)言模型或許并不足夠，還需要具備世界建模、規(guī)劃和預(yù)測(cè)等能力。

類(lèi)似的觀點(diǎn)也出現(xiàn)在今年的 ICML 2026 上。AMI Labs 聯(lián)合創(chuàng)始人 Pascal Fung 在主題演講中表示，大語(yǔ)言模型只是通過(guò)人類(lèi)留下的文本間接理解世界；對(duì)于真正需要進(jìn)入現(xiàn)實(shí)環(huán)境的 AI 智能體，僅靠語(yǔ)言遠(yuǎn)遠(yuǎn)不夠，還需要能夠直接建模物理世界的世界模型。

不過(guò)，這項(xiàng)神經(jīng)科學(xué)研究并不能據(jù)此否定大語(yǔ)言模型的發(fā)展路線。人腦的實(shí)現(xiàn)方式，并不一定就是機(jī)器實(shí)現(xiàn)智能的最優(yōu)方式——正如飛機(jī)能夠飛翔，卻并不需要像鳥(niǎo)一樣扇動(dòng)翅膀。事實(shí)上，大語(yǔ)言模型在數(shù)學(xué)、代碼和復(fù)雜推理基準(zhǔn)上的能力仍在持續(xù)提升，它們是否已經(jīng)在內(nèi)部形成了一套不同于自然語(yǔ)言的抽象表示，目前仍是 AI 研究中的開(kāi)放問(wèn)題。

因此，這項(xiàng)研究真正提供的，或許不是一個(gè)關(guān)于 LLM 的結(jié)論，而是一個(gè)新的參照系：如果自然智能最終將語(yǔ)言與推理分離，那么未來(lái)人工智能是否也需要在語(yǔ)言模型之外，引入更加獨(dú)立的世界建模、規(guī)劃與推理機(jī)制？

研究團(tuán)隊(duì)將這一方向稱(chēng)為“思維地理學(xué)（geography of thought）的新前沿”。對(duì)于 AI 而言，這片前沿同樣值得繼續(xù)探索。

1.https://mcgovern.mit.edu/2026/07/06/separating-logic-and-language/

2.https://news.mit.edu/2026/separating-logic-and-language-0708

3.https://doi.org/10.1523/JNEUROSCI.0638-25.2026

注：封面/首圖由 AI 輔助生成