今天跟 Claude 聊天的时候，我问了一个自己也觉得有点异想天开的问题：能不能教大猩猩学习使用大语言模型？
这个问题初听起来像是在开玩笑，但仔细拆解之后，它指向了一个非常严肃的认知结构问题。大猩猩 Koko 在 Francine Patterson 的研究中被报告掌握了超过一千个手语词汇，能理解大约两千个英语口语词汇，甚至在她的宠物猫 All Ball 被车撞死之后签出了”sad, cry, sleep”这样的组合（来源）。倭黑猩猩 Kanzi 更进一步——他自发地学会了使用 lexigram 键盘上超过三百个符号来与人类研究者交流，甚至能够理解新颖的英语口语句子（来源）。如果给一只受过符号训练的大猩猩一个触屏界面，上面放满词素图标，让它通过点选来组合”输入”，然后 LLM 的输出被翻译成图标序列——这个交互在物理层面上是完全可行的。
但科学界对 Koko 的语言能力存在相当大的争议。语言学家 Geoffrey Pullum 曾经称 Koko 的所谓语言能力是”神话般的”，认为她做的事情无非是随机地产生手势（来源）。Herbert Terrace 在他著名的 Nim Chimpsky 研究中提出了”聪明的汉斯”效应——大猩猩可能只是在读取训练者无意识的肢体语言暗示，而非真正理解符号的含义（来源）。即使按照最慷慨的解读，学术共识也是：Koko 使用了很多手语符号并且理解了相当多的内容，但她没有展现出语法和句法——而语言学家把这两者视为人类语言的定义性特征。
真正的瓶颈在于认知架构。大猩猩能掌握词汇，但在语法递归和长距离依赖上几乎没有表现。Koko 能说”me sad”或者”candy give me”，但她说不出”如果明天下雨的话我想待在室内，因为上次淋雨之后我生病了”。这意味着即使大猩猩能跟 LLM 交互，它们能提出的 prompt 大概也就停留在两三个词素拼接的层面上，而 LLM 返回的复杂长文本对它们来说基本是不可解码的。这个交互的本质是把 LLM 当成了一个特别耐心的、永远在线的对话伙伴，而非真正意义上的”学习使用 LLM”。
然后我意识到，这件事可以做一个类比：大猩猩对于 LLM 的理解，就好比人类对于神级文明的理解。
这个类比之所以锋利，是因为大猩猩面对 LLM 的困境是结构上的缺失，而非程度上的差距。它的认知架构里从根本上就缺少处理递归语法和抽象符号操作的模块。它能感知到 LLM 在”回应”它，能从中获得某种实用价值，比如得到食物或者得到情绪回应，但它永远无法理解这个回应是怎么生成的，甚至无法理解”生成”这个概念本身。如果把这个结构映射到人类和假想的神级文明之间的关系上，那瓶颈可能根本不在智力和知识层面，而在于人类的认知架构里缺少某种我们甚至无法命名的维度——就像你没办法跟大猩猩解释”递归”，因为它的大脑里就没有装载这个概念的硬件。
而且这里面还藏着一个更不舒服的推论。大猩猩不知道自己不理解 LLM——它甚至不具备”我不理解这个东西”这个元认知能力。如果人类和神级文明之间的差距也是这种性质的，那我们可能也不知道自己不理解。我们会用现有的概念框架去”解释”神级文明的技术，就像大猩猩可能会把 LLM 的回应理解为”那个发光的板子在跟我说话”。我们会构建出一套自洽的、让自己满意的解释，但这套解释和真实的底层机制之间的关系，可能就像大猩猩的理解和真实的 transformer 架构之间的关系一样——形式上有某种对应，本质上是一个完全不同层级的简化投影。
沿着这条线再走一步，就自然走到了费米悖论：如果宇宙这么大、这么老，为什么我们什么都没听到？
学术上最常被讨论的解释之一是所谓的”动物园假说”（Zoo Hypothesis）。这个概念由 MIT 射电天文学家 John Ball 在 1973 年提出，大意是外星文明可能在刻意地避免与我们接触，就像人类设立自然保护区一样，让我们在不受干扰的情况下自行发展（来源）。但动物园假说有一个预设：它假定外星文明对我们有某种”政策”——它们知道我们在这里，并且做出了不干预的决定。
我觉得实际的情况可能比这冷得多。一个人类学家不会特意跑去研究撒哈拉沙漠里某一个特定蚁穴的第 37 号工蚁在干什么，因为这件事对他来说根本不构成一个值得分配注意力的事件。如果存在认知尺度和关注粒度跟我们完全不在同一个层级的文明，那”联系”这个概念本身可能就不成立了。蚂蚁通过信息素交流，它们的整个通信协议都建立在化学分子的浓度梯度上。人类的无线电信号穿过蚁穴的时候，蚂蚁不会把它识别为”信号”——这个信号在蚂蚁的认知世界里根本不作为一个”事物”存在。那么同理，如果存在一种文明的通信方式建立在我们尚未发现的物理现象上，我们用射电望远镜去”搜索”外星信号这件事，可能就像蚂蚁用触角在空气中试图”嗅”到 WiFi 信号一样，在方法论的层面上就已经注定失败了。
但这还不是最让人不安的部分。最让人不安的部分来自两个假设的联合推论。
第一个假设：生命形式的存续时间在宇宙尺度上极其短暂。第二个假设：技术大爆炸与信息交流量的大小成正相关。
把这两个假设放在一起，得到的是一条极其陡峭的指数曲线——一个文明从”学会用火”到”技术奇点”之间的时间窗口会随着信息交流量的增长而被压缩得越来越短。人类从语言到文字用了大概几万年，从文字到印刷术用了几千年，从印刷术到互联网用了几百年，从互联网到大语言模型用了几十年。Ray Kurzweil 把这种现象称为”加速回报定律”（Law of Accelerating Returns）：技术进步的速率本身在以指数级增长，范式转换的周期大约每十年缩短一半（来源）。每一代技术都站在前一代的肩膀上，而信息交流的基础设施——语言、文字、印刷、互联网——每一次升级都大幅增加了文明可以同时处理的信息交流量，这反过来又加速了下一次升级的到来。
这个加速直接导向了一个关于”可探测窗口”的推论。一个文明向宇宙中泄漏可被远距离探测的电磁信号的时间窗口，其实是非常狭窄的。人类开始大规模发射无线电信号大概是一百年前的事情。而我们现在已经在从广播式的高功率全向发射转向定向的、低功率的、加密的通信方式——5G 的蜂窝信号在几公里之外就衰减到了噪声以下，光纤通信根本不向外辐射。Grokipedia 上一篇关于费米悖论的综述指出，人类的”射电时代”——以大规模电磁泄漏为特征的阶段——只持续了大约一百年，之后定向通信或先进的屏蔽技术就可能使信号在星际距离上完全不可探测（来源）。John Smart 在 2012 年发表于 Acta Astronautica 的”超越假说”（Transcension Hypothesis）中更进一步：他认为所有足够先进的文明都会从向外扩张转向向内发展，在空间、时间、能量和物质的极小尺度上不断压缩，最终进入某种类黑洞的状态——他预测人类的电磁泄漏窗口可能短至两百年（来源）。而就在这个月，arxiv 上出现了一篇题为 “SETI’s blind spot: Technological Acceleration and fleeting technosignatures” 的论文（2607.07413），直接用指数增长模型量化了这个可探测窗口如何被技术加速压缩到近乎为零（来源）。
如果你把这些线索串在一起，会得到一个非常荒凉的图景。假设银河系在过去一百亿年里产生过成千上万个技术文明，每一个都经历了类似的加速过程——从产生可探测的电磁泄漏到信号消失的窗口只有一两百年。一两百年相对于银河系一百亿年的历史，是五千万分之一。这意味着在任意一个给定的时间截面上，恰好处于”射电可探测窗口”内的文明数量可能小到统计意义上为零。每一个文明都像一朵烟花，在夜空中亮了一瞬间就熄灭了。银河系可能曾经到处都是烟花，但它们在时间轴上彼此错开，永远没有两朵同时亮着——所以每一朵烟花在向外看的时候，看到的都是一片沉默。
Frank Drake 本人就认为文明的寿命（他称之为 Drake 方程里的 L 参数）是决定我们能否探测到外星信号的最重要因素。Sebastian von Hoerner 在 1961 年估算技术文明的平均寿命大约是六千五百年（来源）。但如果技术加速的趋势是普遍的——如果信息交流量的增长驱动技术爆炸是一条普适的定律，而非地球文明的特例——那六千五百年可能都太乐观了。一个文明从发出第一个无线电信号到”消失”（无论是物理意义上的灭亡，还是认知意义上的”超越”），可能只需要几百年。
这个解释的精妙之处在于它不需要任何特殊的假设。它不需要大过滤器——不需要假定生命起源有某个概率极低的瓶颈步骤。它不需要动物园假说——不需要假定外星文明有任何关于我们的”政策”。它不需要暗黑森林——不需要假定文明之间存在猎杀动机。它只需要两个非常朴素的前提：生命存续短暂，信息交流量驱动技术加速。这两个前提加在一起，就自然地解释了为什么宇宙这么大、这么老，而我们却什么都听不到。
而且这些文明可能并没有”消失”——它们的存在形式可能经历了一次相变，从物理空间中的实体变成了某种纯信息结构，或者某种跟物理宇宙的交互方式完全不同于电磁辐射的东西。它们可能还在那里，但它们跟物理宇宙之间的耦合方式已经变得对我们来说完全不可观测了。就像蚂蚁不知道 WiFi 信号的存在，因为蚂蚁的感知模态里根本没有对应的通道。
这就回到了最开始的那个类比。大猩猩面对 LLM，人类面对神级文明，蚂蚁面对我们——在这条认知鸿沟的阶梯上，每一级都以为自己站在最高处。每一朵烟花都以为自己是唯一的一朵。