作者：邹晓辉^{0000-0002-5577-8245}

日期：2026年4月26日星期日

图0 图形摘要：论文核心框架的可视化总结。塞尔的中文屋仅包含符号规则（F₁），无法产生理解；双重形式化引入F₁与F₂的双向耦合，产生功能性语义理解；这五种哲学进路为人机互惠时代提供了研究路径。

（此处为图形摘要，展示：左侧原始中文屋（无理解），中间双重形式化F₁与F₂双向耦合，右侧涌现功能性理解，底部五种哲学进路。图中文字：“中文屋（Searle 1980）仅F₁→无理解”→“双重形式化：F₁符号层↔F₂亚符号层双向耦合”→“功能性理解（组合性、指称连贯、全局可用）”；底部：“计算层级多元主义、具身-生成耦合、IIT/GWT、神经符号重构、实践导向互惠”。）

摘要：约翰·塞尔1980年提出“中文屋”论证至今仍是强人工智能最难以逾越的哲学障碍。经过四十年的争论，其核心主张——单靠语法不足以产生语义——既未被驳倒，也未被完全证实，部分原因在于争论被框定为形式规则与神秘非形式属性之间的二元选择。本文提出一个新的组织框架：双重形式化。一个系统要满足合理的语义理解功能标准，只有当它可在两个不同但相互作用的层次上被形式化描述：一个是显式的、人类可读的符号规则系统（F₁）；另一个是连续的、分布式的亚符号表征动力学系统（F₂）。本文主张，双重形式化论题可解决文献中五个长期存在的难题：理解的运作定义缺失、计算层次混淆、感受质的第三人称困境、符号落地问题停滞以及论证循环结构。在双重形式化框架内重新解读中文屋，会发现塞尔的论证并没有否定强人工智能而是提供了一个建设性的约束条件：任何可行的机器理解都必须被双重形式化；而在新兴的人机互惠（human-AI mutualism）时代，这种理解恰恰是通过人类与人工智能在两个层次上的动态耦合而涌现出来的。本文进一步提出五种互补的哲学进路：计算层级多元主义、具身-生成动态耦合、信息整合理论与全局工作空间理论、神经符号重构、以及实践导向的互惠主义。每一种进路都在双重形式化框架内得到自然表达。最后，本文为在双重形式化人机互惠框架下进行人工智能哲学研究制定了一个未来议程，主张哲学的角色应从外部批判转向设计、评估和伦理治理。

关键词：中文屋论证；强人工智能；双重形式化；语义意向性；人机互惠；系统综述

约翰·塞尔在1980年《行为与脑科学》上发表的“心灵、大脑与程序”一文中提出的中文屋思想实验，已成为人工智能哲学中被引用最多、争论最广的一个论证[1]。该思想实验的场景众所周知：一个只懂英语的人被关在一间屋子里，里面有一本操作中文符号的规则手册。他按照规则操作，可输出与中文母语者无异的答案，但他自己并不理解中文。塞尔由此得出结论：任何执行程序的数字计算机，同样只是一个句法引擎，都不可能拥有真正的语义理解。因此，强人工智能（即：恰当编程的计算机人工智能它能够拥有心智状态）是虚假的。

图1展示了这个思想实验的基本结构。

图1 中文屋思想实验（Searle 1980）

（绘制一个矩形房间，内部一个小人（Man）和一本规则书（Rulebook），左侧箭头输入“？”（中文），右侧箭头输出“！”（中文），下方标注：“人遵循句法规则，不理解中文”。）

图1：中文屋思想实验。房间内的人按照规则书操作中文符号，产生与母语者无异的输出，但他本人不理解中文[1]。这一直觉泵直观地呈现了“句法不足以产生语义”的核心主张。

该论证的力量在于其表面上的简单性——它将整个计算主义纲领归结为一个直觉：遵循规则不能创造意义[2,3]。然而，尽管批评如潮，却从未达成共识，争论的规模之大以至于即使专家也常常难以把握全貌。

为什么中文屋论证一直没有被解决？部分原因在于它迫使我们直面意义、意向性和意识的本质。但是更深层的原因——本文将论证——在于塞尔和他的批评者都默认了一个虚假的两难困境：要么系统是一个句法引擎（显然无法理解），要么它拥有某种神秘的、非形式的属性从而获得真正的语义。本文提出第三种可能性：两种不同层次的、相互作用的形式化描述，能够共同实现任一层次单独都不具备的功能性语义能力。我称之为双重形式化论题。

双重形式化（DF，Dual Formalization）主张：一个认知系统要满足合理的语义理解功能标准，仅当它能够接受两个互补的形式化描述：一个是符号层（F₁）——由显式规则和离散符号组成；另一个是亚符号层（F₂）——由连续的、分布式的表征动力学构成，并且两者之间存在双向耦合。人类认知似乎就是双重形式化的（例如[4,5,6,7]），当代最成功的人工智能架构也是如此（例如[8,9,10]）。

如果DF论题是正确的，那么中文屋论证并没有否定强人工智能，反而是指明了任何有望实现理解的系统必须满足的一个必要条件：它必须是双重形式化的。塞尔最初的房间只包含F₁，因此缺乏理解。而一个双重形式化的中文屋——即增添F₂和耦合机制的屋子——原则上可以展示功能性理解。此外，在正在兴起的人机互助互惠时代[11,12,13]，问题从“孤立的人工智能是否理解”转变为“人类-人工智能联合体如何在两个层次上通过动态耦合共同实现理解”。

本文从DF视角对中文屋文献进行系统的批判性综述。第2节勾勒了该论证四个阶段的演变。第3节阐述DF框架并论证其必要性和充分性。第4节诊断五个长期存在的难题，并展示DF如何解决它们。第5节为人机互助互惠时代提出五种哲学进路。第6节概述未来研究议程。第7节总结。

塞尔最初的文章[1]附有《行为与脑科学》上的同行评论。出现了三种经典回应。

系统回应（Churchland 1990[14]; Lycan 1987[15]）主张：虽然房间里的那个人不理解，但整个系统（人+规则书+数据库）可能理解。塞尔的反驳是“内化”思想实验：如果那个人把规则书全部背下来，系统就缩化为他一个人，但他仍然不理解中文。因此，单纯分布并不能解决问题。这一回应，虽然指出了“系统大于部分之和”，但未能明确分布需要何种结构——这正是DF将要补充的。

机器人回应（Dretske 1981[16]; Harnad 1990[17]）提出：通过传感器和执行器把符号与外部世界因果地联结起来，就能为符号“落地”。塞尔反驳说：增加输入-输出通道并没有改变内部处理仍然是句法的本质。然而，DF认为，如果机器人的内部不仅有符号规则（F₁），还有亚符号动力学（F₂）并通过耦合与外部世界互动，则可能真正实现语义接地。

模拟回应（Harnad 1989[18]）区分了模拟认知和实例化认知：一个完美模拟飓风的计算机程序，不会产生雨水；同理，模拟理解也不等于真正理解。DF不否认这一点，但它认为充分“实例化”需要同时实现F₁和F₂。

到本阶段结束时，双方立场已固化：塞尔坚持“内在意向性”是大脑的生物属性[2]；对手们则认为功能组织（可能是分布式的）可能就足够。但正是这一僵局为DF的到来预留了空间。

联结主义（Rumelhart, Hinton & Williams 1986[4]; Smolensky 1988[5]; Elman 1990[6]）采用简单单元的并行网络和分布式表征取代了显式规则。这似乎削弱了塞尔的论证，因为，联结主义网络并不“遵循规则”——至少不是经典意义上的遵循规则。

Smolensky (1988)[5]引入了符号层/亚符号层的区分，认为亚符号层更为基础。这一区分直接启发了DF的F₁/F₂二分。Fodor 和 Pylyshyn (1988)[19]，则发表了一则著名的批判：联结主义缺乏系统性和组合性，除非它在更高层次上实现了一个经典符号系统。换言之，纯F₂是不够的，必须与F₁结合。

塞尔（1992[3]）不为所动：任何联结主义架构都可以在数字计算机上模拟，因此，仍属于同一类型的批评。然而，联结主义转向确实为双重形式化播下了种子——即可能需要两个层次的形式化描述协同工作。此阶段揭示了：仅有符号（F₁）不行，仅有亚符号（F₂）也不行；必须两者兼备。

深度学习在许多任务上已取得了超人类表现。词嵌入（Mikolov et al. 2013[10]）捕捉到语义关系作为向量算术。Transformer架构（Vaswani et al. 2017）和BERT（Devlin et al. 2019[9]）进一步模糊了统计模式匹配与理解之间的界线。在哲学上，意识的操作化定义出现了：全局工作空间理论（Dehaene 2014[20]）和信息整合理论（Tononi 2008[21]）提供了可测量的代理指标。Bender 和 Koller (2020)[22]认为大语言模型只是“随机鹦鹉”；Piantadosi (2021)[23]则反驳说，丰富的统计规律可以构成意义。这一争论，实质上是中文屋在LLM时代的重演：纯统计模式（类似F₂）是否足以产生理解？DF的答案是：必须加上显式的符号层（F₁）和耦合。

这一时期为将中文屋视为一个经验的（而非纯粹先验的）问题铺平了道路。

随着大型语言模型融入日常生活，分析单元从孤立的人工智能转向人机联合体。扩展心灵（Clark & Chalmers 1998[11]）和生成主义（Varela, Thompson & Rosch 1991[24]; Thompson 2007[12]; Noë 2004[13]）再次获得了重视。Kirchhoff (2018)[25]应用动力系统理论认为意义产生于结构耦合。

在这种互惠语境下，双重形式化不仅变成描述性的，而且成为规范性的：我们应该建造具有显式符号组件（透明、可验证）和强大亚符号学习器（灵活、鲁棒）且双向耦合的系统。中文屋不再是障碍，而是一个设计原则（2000年一种知识信息数据处理方法和2002年言和语的关系数据库落地验证过）。

图2展示了中文屋争论的四个阶段的时间线。

图2 中文屋争论的四个阶段时间线

（绘制水平时间线：标记1980、1990、2010、2020。四个节点上方分别标记：Phase 1 Foundational（基础阶段）、Phase 2 Connectionist（联结主义阶段）、Phase 3 PreLLM（大语言模型前）、Phase 4 Mutualistic（互惠阶段）。各阶段上方标注关键特征：系统/机器人/模拟回应、亚符号表征、深度学习/意识理论、人机互助互惠。）

图2：中文屋论证四十余年的四个阶段。从早期基础回应，到联结主义挑战，再到深度学习与意识的操作化，最后进入人机互助互惠时代。每个阶段都对“何为理解”提出了新的视角，但最终汇聚到双重形式化的要求。

令一个认知系统 S给定。一个形式化是对该系统的状态和转移函数的描述，使得系统的演化能够完全通过根据形式属性定义的规则对符号进行形式操作来描述（表1列出了关键概念）。

定义如下：F₁（符号层）：一个形式化 M₁=(Q₁,Σ₁,Γ₁,δ₁,q_0,1)，其中 Q₁是符号状态集合，δ₁是转移函数，并且该描述是人类可读的（显式规则）。F₂（亚符号层）：一个形式化 M₂=(X,f,h)，其中 X⊆R^d 是连续状态空间，f:X×R^m→X 是一个可微函数控制状态演化，h:X→Y 是输出函数。该描述并不要求人类可读。耦合 C：存在函数 ϕ:X→Parameters of δ₁和 ψ:Q₁×History→R^m，使得 F₂ 的状态调节 F₁ 的规则选择，而 F₁ 的符号输出影响 F₂ 的输入或学习。一个系统是双重形式化的，如果它承认这样的三元组 (M₁,M₂,C)。

表1 关键概念及其形式定义

图3展示了双重形式化框架的示意图。

图3 双重形式化框架

（绘制上下两个矩形框：上方蓝色框标注“F₁: Symbolic Level (explicit rules, discrete symbols)”；下方绿色框标注“F₂: Subsymbolic Level (continuous dynamics, vector representations)”。中间双向箭头：左侧向上标注“similarities”（相似度），右侧向下标注“constraints”（约束）。顶部标题“Dual Formalization Framework”，底部说明“Bidirectional coupling C enables functional semantics”。）

图3：双重形式化框架的核心结构。F₁提供显式规则与离散符号，F₂提供连续表征与学习动力学。二者之间的双向耦合（约束与相似度）使得功能性语义成为可能。

一个满足以下三个功能标准的语义理解系统必须同时拥有 F₁ 和 F₂：

组合泛化：理解已知成分的新组合的能力。

指称连贯性：内部状态与外部对象或事态之间的系统因果/信息关系。

全局可用性：报告内部状态并用于推理的能力。

F₁ 的必要性：组合泛化需要组合性句法和语义[19,22,23]。纯亚符号系统在系统性上表现不佳[26,27]。没有F₁，就无法解释人类语言的创造性组合。

F₂ 的必要性：纯符号系统是脆弱的，不能处理噪声输入或渐近学习。鲁棒的学习，则需要连续的、分布式的表征[4,8]。没有F₂，系统无法从模糊、不完整的数据中学习。

因此(组合性∧鲁棒性∧可报告性)⇒(F₁∧F₂)。

如果一个双重形式化系统在需要语义能力的任务上达到人类水平的表现，并且，满足上述三个标准，那么没有原则性的理由否认它具有功能性理解。这是一个经验假设，它得到了神经符号系统的支持，（例如[28,29,30]），这些系统显示出改进的组合泛化和可解释性。当然，这并不声称机器拥有了人类那样的感受质（qualia），而是说在功能等价的意义上，它们能够完成理解所要求的信息处理任务。

现在将DF应用于中文屋。假设房间里不仅有规则书（F₁），而且，还有一个实现训练好的神经网络的向量处理器（F₂）。规则书指示人计算向量相似度并用它们来选择合适的规则。人本身并不理解这些向量，但耦合后的系统（人+规则书+向量处理器+数据库）同时拥有 F₁ 和 F₂ 以及耦合。根据DF，该系统可以展示功能性语义理解。这不仅仅是系统回应——它具体指明了分布必须跨越两个性质不同的形式化层次，而且，二者必须双向耦合。

在此，总结五个持久问题及DF的解决方案。

表2 中文屋文献中的五个持久问题及其通过双重形式化（DF）的解决方案

塞尔的理解概念是质的、第一人称的、无法从第三人称测量的。批评者采用功能主义，但是双方无法对话。DF解决方案：DF将二元问题替换为一个功能能力向量（组合性、指称连贯性、全局可用性），使理解变成分级的、多维度的、经验上可处理的。这样，我们不再争论“是否真正理解”，而是，衡量系统在多个维度上的表现。

塞尔将“形式系统”视为单一整体，忽略物理层、算法/动力学层和符号层之间的区别[7]。DF解决方案：DF明确区分 F₁（离散符号）和 F₂（连续亚符号）。澄清所调用的层次，可以消解许多误解。

意识的硬问题表明没有第三人称的功能描述能够捕捉到“成为那个系统是什么样子”[31]。DF解决方案：DF采取功能-实用主义立场，搁置硬问题，专注于接入意识[32]和可报告理解。对于互惠时代的人工智能，我们关心的是能否信任一个系统执行语义任务，而不是它是否有内在感受性。这是一种务实的哲学承诺。

Harnad (1990)[17]指出，符号如果没有与非符号表征连接起来，就是没有意义的。纯 F₁ 未落地；纯 F₂ 没有符号可以落地。DF解决方案：通过耦合实现落地。F₂ 提供连续的、可与世界因果连接的（通过传感器或社会互动）表征；F₁ 提供组合结构。当 F₂ 向量与外部指称物相关，并且耦合允许这些相关影响符号操作时，问题就得到了实质性缓解。

塞尔的论证依赖于“房间里的人不理解”的直觉；批评者依赖于“系统可能理解”的直觉。双方都预设了一个前理论的、未经协商的理解概念。DF解决方案：DF通过提供一个独立于关于房间的直觉的框架打破了循环。我们询问：对于我们所关心的任务，需要什么样的功能或能力？然后我们设计和测试 DF 系统。争论变成了经验和工程（双重）导向的。

该进路[7,33,34,23]认为认知系统必须在多个层次上描述，没有一个可以还原为另一个。在DF中，F₁ 和 F₂ 都是真实且互动的。对于人工智能，设计具有可检查符号层和强大亚符号学习器的系统；伦理可锚定在符号层，自适应能力锚定在亚符号层。

生成主义[24,12,13]认为意义产生于动觉-感觉耦合。应用于中文屋：原始房间因为缺乏行动的历史而没有理解。一个具身且社会性嵌入的 DF 房间可实现理解。在互惠中，人工智能应被赋予虚拟身体和交互历史。

信息整合理论（IIT）[21]用量 Φ 度量整合程度；全局工作空间理论（GWT）[20]将意识通达描述为全局可用性。一个具有高 Φ 和全局广播的 DF 系统将成为意识和理解的候选者。这会把问题转化为测量问题。

神经符号人工智能[28,29,30,35]显式实现了DF。哲学的角色是澄清期望和批评设计选择。在互惠中，神经符号重构是建造可信赖合作伙伴的最直接路径。

受维特根斯坦[36]和近期人机协作研究的启发，该进路认为理解是由实践的参与者赋予的状态。一个系统如果能够参与符合期望的交流并能够被问责，那么它就理解了。DF 使得这种“被看作理解”成为可能，但不保证之；交互协议、反馈回路和问责机制至关重要。

表3总结了五种进路及其与DF的联系。

表3 人机互惠时代的五种互补哲学进路

五种进路是互补的。双重形式化DF研究计划应解决以下问题：

实现功能性语义所需的最小耦合强度。F₁ 是否可以从 F₂ 中涌现（例如通过符号提纯）。将 DF 扩展到大型语言模型。时间历史和发展中的作用。伦理意涵：权利、责任及过度归因的风险。

此外，未来还需要设计人机互助互惠的实验范式，量化测量“功能性语义理解”的指标，并将DF框架应用于实际AI系统的可解释性与安全性研究中。

中文屋论证一直是哲学质疑人工智能的最有力工具。本文论证了其持久力量源于一个正确但不完整的洞见：单凭语法不足以产生语义。双重形式化保留了这一洞见，同时容纳了当代人工智能的成就。在人机互惠时代，哲学的任务不再是终极性地回答中文屋，而是学会如何生活在其中——设计、栖居并批判性评估那些将塑造认知生活未来的双重形式化形式。

[1] Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417–424.[2] Searle, J. R. (1983). Intentionality: An Essay in the Philosophy of Mind. Cambridge University Press.[3] Searle, J. R. (1992). The Rediscovery of the Mind. MIT Press.[4] Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536.[5] Smolensky, P. (1988). On the proper treatment of connectionism. Behavioral and Brain Sciences, 11(1), 1–23.[6] Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211.[7] Marr, D. (1982). Vision. W. H. Freeman.[8] LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444.[9] Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. NAACL, 4171–4186.[10] Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. NIPS, 26, 3111–3119.[11] Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7–19.[12] Thompson, E. (2007). Mind in Life. Harvard University Press.[13] Noë, A. (2004). Action in Perception. MIT Press.[14] Churchland, P. S., & Churchland, P. M. (1990). Could a machine think? Scientific American, 262(1), 32–37.[15] Lycan, W. G. (1987). Consciousness. MIT Press.[16] Dretske, F. (1981). Knowledge and the Flow of Information. MIT Press.[17] Harnad, S. (1990). The symbol grounding problem. Physica D, 42(1-3), 335–346.[18] Harnad, S. (1989). Minds, machines and Searle. Journal of Experimental and Theoretical Artificial Intelligence, 1(1), 5–25.[19] Fodor, J. A., & Pylyshyn, Z. W. (1988). Connectionism and cognitive architecture: A critical analysis. Cognition, 28(1-2), 3–71.[20] Dehaene, S. (2014). Consciousness and the Brain. Viking.[21] Tononi, G. (2008). Consciousness as integrated information: A provisional manifesto. Biological Bulletin, 215(3), 216–242.[22] Bender, E. M., & Koller, A. (2020). Climbing towards NLU: On meaning, form, and understanding in the age of data. ACL, 5185–5198.[23] Piantadosi, S. T. (2021). The computational origin of representation. Minds and Machines, 31(1), 1–33.[24] Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind. MIT Press.[25] Kirchhoff, M. D. (2018). Autonomy and emergence in dynamical systems. Synthese, 195(8), 3599–3625.[26] Lake, B. M., & Baroni, M. (2018). Generalization without systematicity: On the compositional skills of sequence-to-sequence recurrent networks. ICML, 2873–2882.[27] Quélou, J. (2025). The hard systematicity challenge. Mind, 134(533), 1–32.[28] d'Avila Garcez, A., Gori, M., Lamb, L. C., Serafini, L., & Tran, S. N. (2019). Neural-symbolic computing: An effective methodology for principled integration of machine learning and reasoning. Journal of Applied Logics, 6(4), 611–640.[29] Mao, J., Gan, C., Kohli, P., Tenenbaum, J. B., & Wu, J. (2019). The neuro-symbolic concept learner: Interpreting scenes, words, and sentences from natural supervision. ICLR.[30] Manhaeve, R., Dumancic, S., Kimmig, A., Demeester, T., & De Raedt, L. (2018). DeepProbLog: Neural probabilistic logic programming. NeurIPS, 3749–3759.[31] Chalmers, D. J. (1995). Facing up to the problem of consciousness. Journal of Consciousness Studies, 2(3), 200–219.[32] Block, N. (1995). On a confusion about a function of consciousness. Behavioral and Brain Sciences, 18(2), 227–247.[33] Newell, A. (1982). The knowledge level. Artificial Intelligence, 18(1), 87–127.[34] Chalmers, D. J. (2011). A computational foundation for the study of cognition. Journal of Cognitive Science, 12(4), 325–359.[35] Evans, R., & Grefenstette, E. (2018). Learning explanatory rules from noisy data. Journal of Artificial Intelligence Research, 61, 1–64.[36] Wittgenstein, L. (1953). Philosophical Investigations. Blackwell.