大语言模型（LLM）正在深刻改变我们的生活，但对其本质的理解仍充满争议。近日，发表在《Communications Psychology》上的一篇观点文章指出，当前研究很大程度上依赖于隐喻——将LLM比作大脑、市场或复杂系统——这种策略虽能凸显某些特性，却也造成了认识上的碎片化和拟人化递归循环。
文章作者来自中国的研究团队，他们梳理了机械、行为、交互三个层面的隐喻，并指出每种隐喻都有其解释边界。例如，物理学的“涌现能力”描述无法预测LLM对社会公平的影响；而心理学测试虽然揭示认知偏差，却容易模糊机器能力与人类投射的界限。
为打破这种僵局，作者提出“机器经验主义”框架。该框架借鉴认知语言学家Lakoff和Johnson的体验主义哲学，认为LLM的“理解”并非模仿人类，而是在其Transformer架构下，从海量文本环境中建构出的独特认知形式。这要求我们将关注点从“LLM有多像人类”转向“LLM自身的逻辑是什么”。
文章呼吁，跨学科研究者需要审慎对待隐喻的适用性，避免无意识继承不恰当的假设。只有区分“LLM是什么”与“我们认为它像什么”，才能迈向更全面的理解。