← #809

侯世达：类比是认知的核心

文章摘要

说明：本节内容基于 YouTube 页面可提取的官方元数据与官方简介，以及 HN 讨论中看过视频者的描述，并非逐帧观看后的转写。斯坦福官方简介很短，没有章节时间轴，因此下文不会声称讲座内部的具体论证细节。

这是一条 HN 上的「watching」条目，指向斯坦福大学官方 YouTube 频道的一段讲座录像。

视频元数据（从页面提取）：

标题：Analogy as the Core of Cognition（类比作为认知的核心）
频道：Stanford（斯坦福大学官方频道）
时长：4117 秒，约 68.6 分钟
上传日期：2009 年 9 月 10 日
播放量：约 57.1 万
分类：Education

斯坦福官方简介全文大意：在这场校长讲座（Presidential Lecture）中，认知科学家 Douglas Hofstadter（侯世达）考察类比在认知中所扮演的角色与所做的贡献，并用一系列类比本身来阐明他的观点。简介中同时给出了斯坦福大学、斯坦福人文中心（Stanford Humanities Center）和斯坦福 YouTube 频道的链接。

关于讲座年份的一点澄清：官方简介并未给出讲座的实际举办日期，页面上的 2009-09-10 是上传日期。HN 讨论中有两种标注——用户 esafak 在评论里给它打了 (2009) 的标签（即按上传年份），而 HarHarVeryFunny 在自己的长评中明确称”这场讲座 2006 年的日期”。两者并不矛盾：一般理解是讲座本身发生在更早，录像在 2009 年才被传到 YouTube。本文不对具体日期下断言。

演讲者与思想脉络（HN 讨论中被反复提及的背景，可与讲座标题互相印证）：Hofstadter 即《哥德尔、艾舍尔、巴赫》（GEB，中译《集异璧》）的作者。讨论中多位用户指出，这场讲座的内容与他的著作一脉相承：HarHarVeryFunny 推测它建立在 1995 年的《Fluid Concepts and Creative Analogies》之上，并指出 Hofstadter 后来还写了一本更直接主张这一论点的书——《Surfaces and Essences: Analogy as the Fuel and Fire of Thinking》（类比是思考的燃料与火焰），而那本书出版于这场讲座之后。

HarHarVeryFunny 概括了 Hofstadter 这一立场的激进之处，这也是整场 HN 讨论的靶心：在 Hofstadter 看来，类比并不是某种高层的认知加工过程，当然也不是基于语言的过程，而是从知觉开始一路往上的、”那个”认知过程本身——它正是我们最初得以形成对象范畴（object categories）的机制。另一位用户 AndrewRoxby 补充说，Hofstadter 在文本中明确论证范畴化与类比是同一枚硬币的两面、在功能上等价。

一条来自实际观看者的负面评价（如实转述，非本文观点）：HarHarVeryFunny 在看完视频后写道，他觉得内容”非常令人失望、浪费时间”，认为 Hofstadter 是个很差的演讲者，”这个视频里我们得到的只是一堆散漫的类比例子”。他把这一点与《Surfaces and Essences》遭受的主要批评联系起来——那本书同样主要是无穷无尽的类比举例，而没有兑现书名所宣称的主张。这条评价与官方简介中”用一系列类比来阐明他的观点”的表述在形式上是一致的，只是评价截然相反。

HN 评论精华

210 分、97 条评论。讨论几乎没有停留在”这个讲座讲了什么”，而是迅速分裂成两条主线：(1) 类比究竟是不是认知的核心，还是”预测”才是；(2) Hofstadter 的理论在 LLM 时代到底被验证了还是被绕过了。另有一条关于类比在沟通中是否有害的支线意外地很热闹。

主线一：类比 vs 预测——本帖最实质的学术交锋

HarHarVeryFunny 贡献了全帖最长、最有分量的反方论证。他承认 Hofstadter 的想法一贯有趣，但明确表示不同意：大脑的关键进化收益与功能是预测——这个超能力把我们从困在当下变成能”看见”未来，从被动反应变成能主动规划。他承认在预测之前必须先泛化/范畴化（Hofstadter 会把这称为类比），但认为实际机制是嵌入（embeddings）或类嵌入表征——相似输入有相似表征——加上联想式回忆提供从”视图/实例”到”身份/范畴”的泛化。他的核心提问是：“所以真的是类比一路向上，还是说我们的知觉与认知过程更适合被看作泛化与预测？” 后者不仅有直接明显的神经实现，也更符合我们预期存在的演化需求。他还给出了一个方法论上的诘难：”我用一句话就解释了基于预测的推理，而基于类比的解释要花一整本厚书。”
他随后把论证下沉到神经解剖层面：建议搜索 “cortical microcircuit” 了解皮层六层结构的垂直连接模式；皮层与丘脑构成回路（他顺带提到”最近关于 looped transformer 的讨论”），感官输入进入丘脑核心、皮层输出（预测）进入丘脑基质。他强调皮层微回路是真实的物理回路（层间突触连接的模式），而 Transformer circuits 更多是功能性而非物理性的。
killerstorm 提供了本帖最动人的一则经验证据，站在 Hofstadter 一边：他女儿 6 个月大时指着一条毛巾说”P”——她认出了之前在书上看到的小熊维尼。”想一想，这需要在两个非常不同的东西里认出共同点：书和毛巾质地、颜色都不同，你还得把被描绘的东西从背景里分离出来。”他的结论是”类比一路向下似乎是可信的。连’对象 vs 背景’和’图画 vs 纸张’本身就是一种类比。”
HarHarVeryFunny 回应说这同样可以仅仅被视为泛化，就像认出一个人向左看和向右看是同一个人。他向 killerstorm 抛出了那个核心问题：”既然大脑看起来就是为预测而造的，把这件事改称为类比制造能得到什么？有证据吗？”
killerstorm 的反驳是本帖最精彩的一击：”‘泛化’这个词太不具体了。类比制造指向一个更具体的机制：在表征内部识别特征的能力，以及用这些特征去调制联想式查找。也就是说，它不是简单的 D(x, y)（嵌入之间的距离），而更像 D(f(x), f(y))，其中 f 把表征投影到一个特定的特征空间。”他指出证据可以在 LLM 可解释性研究中找到——人们已经能把特征识别为具体的东西；也可以在我们自己的认知中找到——我们能说出两样东西是”怎么”相似的，或者在特征 F 的语境下找到与 Y 相似的东西。他补充说”预测”本身像个黑箱：如果只是预测感官输入，那既无法解释我们聚焦特定细节的能力，也解释不了为什么某些预测失败比另一些更可能发生。
abecedarius 对 HarHarVeryFunny 那句”有直接明显的神经实现”提出质疑：”如果这些回路的运作方式对你来说是显然的，我真的很想学。你是指 transformer-circuits.pub 那种分析层级吗？（那是好工作，但不是深刻的理解。）”他还提到 Hofstadter 当年曾把稀疏分布式记忆（Sparse Distributed Memory）作为一个有希望的开端加以引用，风格上与 HarHarVeryFunny 提到的嵌入颇为相似。

主线二：LLM 时代，Hofstadter 的理论成立吗？

ameliaquining 引入了一份关键的外部文献：Scott Aaronson 上周的博文，讨论 Hofstadter 的智能理论经受住了多少检验（该文主要谈自指而非类比）。这条引出了帖子里最长的一串子讨论。
jameshart 提出了一个被多人称赞的观察：”嵌入空间全都是关于类比的。我不明白为什么会有人否认 LLM 那个最基本的’怪圈’——它在评估一个上下文来选下一个词，然后在一个这个词已经被追加进去的上下文里重新评估。这在我看来一直就是侯世达式怪圈的精髓，所以侯世达式现象（自我表征等等）的涌现并不令人意外。”CPLX 回应说自己此前从没把这两者联系起来。
reasonableklout 概括了 Aaronson 的主张：”他的论点全都是关于’显式自指可能并不必要”，并引用 Aaronson 那句戏谑的话——”需要显式自指才能得到有说服力、能改变世界的对话式智能”这个想法，应该被埋进人类历史上最重要的错误想法的公墓里。
同一条评论里，reasonableklout 贴出了 Hofstadter 2023 年访谈中的自述，成为全帖情绪最沉重的一段。Hofstadter 表示 LLM 强化了”人类创造力等等来自大脑硬件”这一想法，但让他完全意外的是这些系统都是前馈的——神经元只朝一个方向放电——”我绝不会想到深刻的思考能从一个只朝一个方向走的网络里出来”。他说这让他觉得人的心智也许并不像他写 GEB 和《我是个怪圈》时想象的那样神秘而深不可测；他形容自己”感到被贬低了”，觉得自己是个”非常不完美、有缺陷的结构”，”不想说该被取代，但几乎就是那种感觉”。
calebkaiser 给了这段话一个非常有共情的读法，是本帖最受欢迎的解读之一：”我觉得 Hofstadter 对现代 LLM 的看法其实是深具人性和感人的。纵观他多年的作品，他的好奇心始终偏向人类思想。他本可以用完全不同的自指例子来写 GEB，但他选了历史上三个鲜明的人。当他把现代系统描述为’空洞的智能’时，我想里面有一点心碎，因为他认为这些系统与人有根本不同——那个不同把他所热爱的、怪圈里的那个’我’排除在等式之外了。”
antonvs 提出了尖锐的反问：”我对’空洞的智能’这类说法的本能反应是：它真的和人类有什么不同吗？为什么？”他指出当前 LLM 确实有很多限制——无法在上下文之外学习是一大局限，每个 prompt 字面上都在实例化一个新的智能实例——但”如果把这些限制考虑进去，在根本问题上它们和人类有多不同，我一点也不清楚：我们从训练数据中学习，我们按学到的东西来回应。事实上很多人相当像预训练模型——他们大部分学习发生在早年，之后除了比较有限的方式外不太更新。有终身学习者，但那是例外。”他的结论是：”那么这是不是只是在智能问题上的反机器偏见？”
pixl97 用一句话概括了这条线的气氛：”这符合我的理论——大多数人不会觉得 LLM 有智能，相反我们会发现人没有。”
esafak 给出了最不以为然的一条：”不管怎样，ML 早就靠 word2vec 搞类比了，那个著名的’男人之于女人，如同国王之于____‘可以用数学回答。这些东西现在看来挺古雅的。”
GMoromisato 提出了一个有趣的反事实：”讽刺的是，我认为他是对的！事实上他早期的一些实验，比如 Copycat，就是关于预测模式的，从那儿你能看到 next-token prediction 的影子。但我认为他始终坚持算法/逻辑的方法而不是纯统计的方法。如果他接受了’苦涩的教训’，我想他会站在 LLM 的最前沿。”
mentalgear 反驳说”苦涩的教训”自己也遭遇了一个苦涩的教训——纯粹堆数据和算力并没有通向 AGI；他认为各大实验室实际走的路是神经符号（neuro-symbolic），只是公开场合绝不会这么标注，以免承认 Gary Marcus 这类批评者是对的。hbogert 要求他详细说明依据，jephs 猜测他指的是”被 RL 训练成思维链推理的神经网络，思考 token 就是那个符号的部分”，同时表示”我不会说苦涩的教训已经失效了！如果你注意到的话，这些东西还在越做越大。”augment_me 给了一句冷评：”把一个随机嵌入称为神经符号表征，这跨度可不小。”
sim04ful 问了一个简洁的好问题：”LLM 里的怪圈在哪？”derac 的回答只有两个词：”目前在 harness 里。”
sodiumjoe 提出了一个方法论上的质疑，指向对 Hofstadter 的可能误读：”这篇博文里是不是有一个对 Hofstadter 的基本误读？我一直理解怪圈和 GEB 讲的是意识而不是认知。”

主线三：类比在沟通中是助力还是陷阱

这条支线由 hammock 引爆：”这对我来说太好笑了，因为很多人都知道，跟别人分享一个类比是输掉一场争论最快的方式，或者至少会把争论带进一个没有成效的地方。我想是 Scott Adams 说过，类比很适合用来解释，但用来说服糟糕透顶。”

Terr_ 给出了机制解释，并编了一个很妙的段子：”我觉得这只是因为每个类比都给怀有敌意的接收者开辟了第二条战线去挑毛病，当他们无视你在类比中划定的’什么重要、什么不重要’的边界时。”他的例子是：解释者说摘除脾脏就像拉开人形玩偶上的拉链、取出那颗小紫豆，两种情况都需要在相似位置开个口；敌意听者答：”胡说！豆子我在商店就能买到！那直接买个脾脏不就行了！不用开口！”
partyficial 给出了最简洁的定义：”每个类比按设计都同时有相似处与不同处。意图是聚焦相似处、忽略不同处。如果我说你的脸像月亮，我是说它明亮，不是说它在一百万英里之外。”
onthrowaway457 做了一个漂亮的回旋：”构造显式类比来说服，似乎是另外一回事。……在我看来，连你这句话本身的核心成分都扎根于类比。’输掉’一场争论、把它’带进’另一个’地方’是什么意思？没有地方，没有丢失的物品，但我们谈论这些抽象观念的方式，极大地依赖于对物理对象、空间和运动的理解。”
HarHarVeryFunny 借这条支线补了一刀给 Hofstadter：”如果我们整个知觉与认知过程都是基于类比的，你会以为这会渗透到我们的日常经验里。你会预期我们到处看见类比而不是共性——比如看着你的汽车发动机，看到你那支失利的足球队的全息影像飘在上面！”他还指出，我们实际使用类比时只有两种情形：(1) 传达另一种或更简单的视角；(2) 通过指出荒谬的比较来开玩笑。而玩笑这一条很有意思，因为它似乎构成了一半幽默的基础——打破预期——”而这真不是你希望一个自适应认知系统工作的方式。你需要看见世界中可预测的规律性，而不是看见让你发笑的荒谬相似性。”
dofm 站在了相反的立场，且说得颇为激动：”当人们在好的类比上挑洞、把这当作智力薄弱的证据，而不是与之协作、绕开它、或者提出能弥补其局限的重叠类比时，我会不合理地生气。而且类比里的那个洞，甚至可能是它最有价值的地方。类比有洞这件事本身不是信息。它当然有洞。”
jt2190 与他针锋相对：”你描述的正是我强烈建议在沟通中避免类比的原因：别告诉我一样东西像什么，告诉我它是什么。这迫使你真正思考如何精确而简洁地描述它。（编辑补充：听者会自己形成类比。）”dofm 回应说类比绝对是一种基础性的沟通技术，”但你必须选一个听者不需要先去琢磨的类比”。

主线四：类比的边界——一个关于”浅类比”的精彩案例

patcon 发帖说蛋白质折叠与叙事/讲故事之间有”奇特的同源性”，并表示自己在集体智能领域的工作正受此启发。gilleain 提出了谨慎的异议，并讲了一个从 Hofstadter 书中转述的轶事：60 年代有一项 AI 研究搭了一套规则系统，喂进”太阳↔原子核”“行星↔电子”的映射，跑完规则引擎，瞧！产出了太阳系与原子之间的类比。 但这是一个浅类比——电子并不在同一平面上按轨道运行，而是处在更复杂的”轨道”中，更好的描述是概率云。他的结论很克制：”用类比来推理很有趣也可以有用，只是它能做的事有限，尤其是当两个系统相距越远时。”

Jtsummers 给了这条线一句被广泛引用的格言式概括：“类比就像模型，有些有用，但它们全都是错的。”
z3c0 说得更直接：”因为它过度简化到了变成谬误的地步。两个足够复杂的系统很可能展现出足够多的相似之处来形成一个有用的类比，但这完全无法反映这两个系统不相像的那些方面。”
patcon 的长篇回应是全帖信息量最大的辩护之一。他以受过生化训练的身份表示不同意，并把自己的类比写成了一组对仗：蛋白质是一维化学结构，肽一个一个接到末端，在合适的化学环境中折叠成低能量的三维状态，并通过做功改变其环境；故事是一维语义结构，词一个一个接到末端，在合适的文化/认知环境中折叠成低能量的高维心智模型，并通过做功改变其环境。他说这直接导向了他的实际研究——对叙事流的滑动窗口做嵌入渲染以考察广播故事的形状，并在故事与文化介质的互动方式中寻找”活性位点”的类比物。最关键的是他报告了双向的收益：生物科学领域开发工具的人告诉他，他把他们的方法移植到遥远领域的做法，反过来启发他们改进了工具、去向自己的生物数据提出更好的问题。”所以这是非常富有成果的工作，我完全归功于沿着一个有洞察力的隐喻双向穿行。”gilleain 最后被说服了一部分：”你让我意识到，价值很大程度上在于尝试把工具与方法从一个领域移植到另一个领域。”

支线：Lakoff、GEB 与阅读体验

jshen 开场就指出这与 George Lakoff 的工作非常相似，推荐从《Metaphors We Live By》（我们赖以生存的隐喻，1980）入手。Dotnaught 说自己本科时上过 Lakoff 的课，”很有说服力”。HarHarVeryFunny 在自己那条批评长评的结尾也把这本书推为更经得起时间考验的替代读物。
goatlover 把 Lakoff 的论点接到了当下：”这在今天很切题，考虑到人们多么喜欢把 LLM 拟人化、把生物学和我们造的数字机器相比较。当然有相似之处。但关于隐喻式思维的要点在于，我们会因为把隐喻当成字面真实而被误导。”他还引申出一个有趣的推论：如果书中更强的主张成立，这可能影响一个外星物种的思考方式与我们的差异（因为我们很多隐喻有生物学基础），并给解码外星信号带来重大困难。
PaulDavisThe1st 顺着这个思路举了一个绝佳的例子：关于先驱者 10 号金属板的讨论中，有聪明人想到用脉冲星图来定义太阳/地球的位置；另一些聪明人则指出，用一条末端带箭头的线来指示位置，深深植根于人类狩猎技术的历史，对一个从未见过、甚至从未设想过箭（箭头）的对象来说，可能极难理解。
delichon 贴了尼采 1873 年《论非道德意义上的真理与谎言》中的一句：形成隐喻的驱动力是人最根本的驱动力，思考时一刻也无法摆脱它，否则就等于摆脱了人本身。louiereederson 补了另一句尼采：人们想要的”知识”不过是把不熟悉的东西追溯回熟悉的东西。
vonnik 用一句话概括了 Hofstadter 立场的日常版本：”每一个范畴和名词都是一个类比，把在至少某些细节上并不相同的东西统一起来。我们甚至看不见大多数类比，因为它们比空气还常见，也同样必需。”
关于 GEB 本身则演变成一条温情的怀旧线。bogzz 开玩笑说自己一直用那本书垫显示器，还没来得及读。CPLX 说自己九、十岁时读过一次完全没看懂，只翻艾舍尔的画；大学毕业后一位刚读完的物理系朋友说这本书改变了人生，他重读一遍，”深深后悔中间那 12 年把它放下了”。jjuran 讲了一条更完整的链条：小学同学带来艾舍尔《瀑布》的打印件，他贴在卧室墙上，父亲看到后借给他自己那本 GEB；第一遍只看画，第二遍读对话，第三遍试着读正文然后迷路了，大概第五遍（很多年后）才真正理解了哥德尔定理”至少有短暂的一瞬，然后它又消失了”。他把 GEB 归功为帮他做好了应对多层抽象的准备——”尤其是那次我要调试一个只在把模拟器跑在它自己的一个模拟实例里时才出现的崩溃（也就是三层深时会崩，两层时不会）”。card_zero 顺势接了个双关：”这是一本在很多层面上起作用的书。”bogzz：”在我这儿是眼睛的高度。”
iainmerrick 提供了实用建议：”也别觉得非得直接上 GEB。我认为他那本《科学美国人》专栏合集 Metamagical Themas 也很棒，而且好读得多。”qubex 则推荐：”《Surfaces and Essences》是我最喜欢的书之一，但《我是个怪圈》大概是他最深刻同时也最易读的。”