語言的經緯
AI 如何揭示了一個從未刻意設計的整體
這不是任何人刻意設計出來的。
這是第一件值得說清楚的事，也是最容易在AI的喧鬧報道中被淹沒的事。那些報道，不是充滿凱歌，就是瀰漫警惕，兩者都留不下空間給一種更安靜、更貼近真相的感受。如果你拉開足夠的距離去看，眼前所發生的，與其說是一項發明，不如說更像一場啟示。幾十年來各自為特定目的而建造的工程，忽然間凝聚成一個彷彿渾然一體的系統。那些碎片，竟然彼此契合。而我們，從來沒有計劃讓它們如此契合。
這種匯聚，意料之外，回望才覺理所當然，至今仍在展開，正是這篇文章想探討的。
一層一層地建造
電腦運算的歷史，在本質上，是一部抽象化的歷史。每一代工程師接過當代最棘手的難題，將它解決到足以依賴的程度，然後把剩下未解的部分，以一個穩定平台的形式，交給下一代。
電晶體讓路給邏輯閘，邏輯閘演變成指令集，指令集被包裹在作業系統之內，作業系統又被包裹在程式語言之中，由此催生出應用程式、API，以至今日大多數軟件底層的微服務網絡架構。在每一層，同樣的邏輯反覆應用：清晰定義介面、確保組件可靠，讓上層得以在不理解底層的情況下繼續建造。
這是整個行業的宏大工程：模組化的組合。軟件開發，漸漸近似於建築工程。你聘請架構師設計系統，聘請工程師搭建組件，最終得到的是一棟永久性建築：為特定用途而建、結構牽一髮而動全身、改動代價高昂。應用程式就是建築物，有房間（功能）、有走廊（工作流程）、有上鎖的門（權限）。要使用它，你得先學懂它的佈局。你配合它對世界的理解方式。
對於這套方法能夠處理的那類問題，它的表現無可置疑地出色。薪金計算、機票預訂、庫存管理、金融交易，凡是可以事先完整界定、化約為規則、無歧義地執行的任務，都是自動化的候選者。這棟樓越建越高，建築越來越精巧，自動化越來越普及。
但始終有剩餘。
那一類頑固的難題
並非每個問題都能被化成積木。有一類任務，始終存在，始終抗拒被形式化：需要理解語境、容納歧義、推斷意圖、生成意義的任務。自然語言。視覺感知。在不確定中作出判斷。讀懂一句話，不只是讀懂它的語法，而是讀懂寫下這句話的人真正想說什麼。
這些問題難，不是因為電腦運算能力不足。而是因為它們根本沒有確定性的解法。你無法為理解語言寫出一套完整的規則，因為語言本身就不受完整規則支配。語言受制於約定俗成、語境、文化，以及人類長年以來使用它來表達意義的積累歷史。每一次嘗試將語言形式化，無論是專家系統、決策樹，還是繁複的模式匹配啟發法，所產生的東西都只在狹窄條件下有效，一到邊緣便告崩潰。這個剩餘，頑固地抵禦了每一代人最努力的嘗試。
這不是雄心的失敗。這是問題本身的結構性特徵。認知，在其核心，不是遵循規則。它更接近於一種持續的、概率性的詮釋，詮釋的是一個從不以清晰標籤呈現自身的世界。
語言是經緯
然後，某些事情改變了。
這個轉變，通常被敘述為一個關於神經網絡、算力、Transformer架構、或龐大訓練數據的故事。這些都是真的。但有一種更深的方式去理解所發生的事，那就是將這項技術成就放回更宏觀的故事脈絡之中。
語言，不只是AI碰巧攻克的其中一個領域。語言，是人類認知一直以來被外化的媒介。每一個曾被記錄下來的洞見，每一個曾被文字記述的系統，每一個曾以書寫方式推理過的決定，人類文明整個積累的知識輸出，無一不編碼在語言之中。科學論文、法律條文、工程手冊、神學論著、商業流程、私人書信。全都寫了下來。全都，在原則上，可以被閱讀。
當AI掌握了語言，它所獲得的，並非一項新能力。它獲得的，是進入人類有史以來一切思考與文字的通道。一步之間，整個遺留的技術棧變得可以被讀懂，並非因為它被設計成這樣，而是因為它一直被寫了下來，而終於有某種東西能夠閱讀它了。
這才是這場匯聚的真實面目。那些組件，不是為AI而建的。它們為人類而建，以人類的語言記錄，幾十年來積累成一份龐大、異質、各自為政的記錄，承載著世界如何運作、以及我們如何嘗試管理它的一切。AI並不是在完成這個架構。它在閱讀這份檔案。
而在閱讀之中，某件非凡的事情發生了：那些碎片，開始以一個整體的樣貌運作。
從建築到棚架
想想這對軟件的製造與使用意味著什麼。
整個應用程式開發的傳統，都建立在一個假設之上：機器所能執行的與人類所能表達的之間，存在一道鴻溝，需要一層翻譯介面來橋接。圖形介面就是那層介面：視覺隱喻（桌面、資料夾、垃圾桶）設計來幫助人類在機器的世界模型中導航。每一個應用程式，在某種意義上，都是電腦所需的結構與人類帶來的直覺之間的一場談判。應用程式贏了。用戶學懂了它的佈局。
代理人（agent）的典範將這一切顛倒過來。當AI能夠流暢地詮釋自然語言，翻譯層便告瓦解。你不再需要在應用程式的模型中導航，而是表達你的意圖，讓代理人代你去導航。介面變得像對話一樣自然。應用程式，在許多情況下，變得多餘。
如果傳統軟件開發像委託興建一棟樓（聘請架構師、工程師，經過數月規劃，最終入住一棟你只能遷就的永久建築），那麼由AI驅動的代理人，更像一支按需組裝的工程隊，從現有材料搭建你所需要的，任務完成後便拆卸。你不用建造一個廚房。你說你餓了，工程隊自己想辦法。技能不是建築。它是臨時棚架，為某個特定時刻而搭，然後消失。
這不是軟件交付方式上的邊緣調整。這是對軟件本質的改變——或者說，當代理人為一個說出口的需求即興包裹某種能力時，我們還需要「軟件」這個詞嗎。
認知的地平線
這個轉變有更深刻的一面，值得直接說清楚。
過去的電腦運算，將流程數字化，亦即那些定義清晰、本來就可以被完整描述的任務。AI開始數字化的，是認知本身：推理、詮釋、綜合、生成的能力。那個抵禦了每一代人的剩餘，不是被更好的規則所解決。而是透過大規模學習所形成的表徵去模擬逼近——這是完全不同的一回事，後果深遠。
當代理人能夠處理認知任務（閱讀、寫作、決策、規劃、協調），人類在這個環節中的角色開始改變。不是消失，而是改變。執行者的角色在收窄。留下來的，是更難定義的東西：選擇提出某個特定問題而非另一個的意志。對什麼才重要的判斷。持守一個意圖，並辨認出它何時被服務——或被背叛——的能力。
這引出了一個行業傾向迴避的問題：如果認知可以被逐步數字化，那麼人類的貢獻中，有哪些是原則上不可被複製的？誠實的回答是，我們尚不知道那條線在哪裡。每一代人都以為那條線就在自動化的邊界再往前一步，而每一代人都感到驚訝。
語音介面，是這個轉變的一個小小信號。打字要求你將思維形式化到足以在結構化輸入中表達。聲音讓你留在自然語言之中，那種不精確、充滿語境、屬於人類的語言。當介面變得像對話，使用工具與和幫助你的人說話之間的分別，便開始模糊。這對我們的能動感、對創作的主體性、以及對自身工作的參與感意味著什麼，至今仍不清晰。
那個開放的問題
AI完成了電腦運算的工程、一切都在朝這一刻建造，這個敘事誘人，但太過整齊。它暗示了一種從來不曾存在的目的論。當年建設早期互聯網的人，沒有在想語言模型。設計關聯式數據庫的人，沒有預見到有一天他們的架構會被以自然語言指令運作的代理人查詢。這種連貫性是真實的，但它是回溯性的。是我們，事後，將這個脈絡讀進去的。
真實的是，這場匯聚正在發生。那個技術棧，正以從前不曾有過的方式變得可以被讀懂。那個剩餘，在縮小。那些翻譯層，在瓦解。而在一個執行越來越被抽象化的世界裡，人類帶來的究竟是什麼，這個問題正變得不再只是哲學上的，而是愈來愈切實。
也許答案不是我們變得多餘——而是我們愈來愈純粹地回歸自身最本質的樣子：決定什麼值得做、為什麼、為誰的人。在答案出現之前攜帶問題的人。當輸出在技術上正確卻不知為何偏離要害時，仍然感到不滿足的人。
機器正在學習閱讀我們寫下的一切。機器所尚未能夠回答的，或許永遠都無法回答的，是那個我們還沒有寫下來的問題。
那個問題，依然屬於我們。
Signal & Shepherd explores the space between systems and people — in technology, leadership, and faith.
