阿根廷人均GDP和中国差不多。人们看世界杯开心，资源太好，日子也不是太差，穷人也不是水深火热

2025年中国和阿根廷人均GDP都是14000美元，PPP购买力平价的阿根廷30000，中国27000。当然中国是著名的GDP显著低于生活水平，但阿根廷有这数字也不会太差。

有人说，贫富分化。这很多国家都是，阿根廷也没有太特别。介绍下阿根廷平民窟穷人怎么过日子的就知道了。

阿根廷贫民窟听着不好，但居民有办法活下来，活得还有“社区温度”。全国6400多个贫民窟，500万人，占全国人口12%。，首都和周边的布宜诺斯艾利斯省占约三分之一。

这些贫民窟理论上水和管道煤气通通没有，电力三分之一没有，官方数据不存在。但是靠偷电，从正规社区拉电线过来，虽然电压不稳经常跳闸，但冰箱、电视、手机充电都可以。

贫民社区组织起来自己挖井、装水泵，还有运水车拉水。煤气就靠煤气罐，这是一笔开支。

许多贫民不在官方统计的就业数字里，但有丰富的地下经济，和灵活就业差不多。最多的是小摊贩，贫民窟区域路边小摊是合法的，其他区域不行。

政府也知道情况，专门在人流密集区设摊位，让贫民卖食物、衣服、杂货。咖啡、烤肉三明治，日常生活需求很活跃。

还有一伙贫民干的是垃圾回收，收入够糊口。几个人推着改装手推车，深夜在富人区翻垃圾桶，收集金属、塑料之类的废物卖给回收站。

政府为了维稳，会推出一些社会工作计划，社区劳动，挺关键的。要参与社区劳动，修路、挖沟、清理垃圾。说实在的，这比什么事也不干养着的公务员、大学教授要有贡献，钱也不多。

贫民窟还有社区食堂，服务儿童和困难家庭。食物来源部分是政府食品卡，部分是教会和机构捐赠。食品卡覆盖了400多万人，食物总量是不缺的。

住房就是自己占地瞎建，拉帮结伙人越来越多就变贫民窟社区了。…

木板、铁皮、砖块混用，一层层往上加。没有规划，巷道狭窄，消防车进不去。但贫民觉得是"自己的房子"，有强烈归属感，很多人会在墙上刷漆、种花、装卫星天线，是定居心态。

阿根廷人喜欢看足球，有文化团结，底层道德并不太差，有邻里互助网络。缺粮、生病、修屋顶，邻居会凑钱、帮忙。还有贫民窟合作社，组织改建，违章建筑变成符合环保标准的住宅，屋顶装太阳能板。不是完全乱来，有自组织规划，算是组织度较高的贫民窟。

一些足球队在贫民窟开展足球青训，对儿童是个好事，有人关注，远离毒品。教育一般，七成年轻人高中没毕业。但公立大学免费的，贫民窟小孩考上大学能改变命运。

阿根廷贫民窟居民有吃有住、有社区温度、有足球和烤肉，比人们一般以为的贫民窟好多了。观感更接近中国城中村，但政府提供的基建差很多。

贫民窟居民日子还可以，有社区食堂、政府补贴、小摊贩经济、邻里互助，周末扎堆烤肉、看球、跳舞，有时还挺开心的。这些人不是没尊严的，没有道德沦丧，还可以，只是不是国家给的，是自己组织的。

图一，图二，图三是阿根廷贫民窟。图三远看类似广州城中村，中国的基建要好些。

#模型时代# 图灵奖得主朱迪亚·珀尔：LLM能回答因果问题，因为人类已经替它解释了世界，但无法通向通用人工智能

2026年7月27日，The Peterman Pod主持人 Ryan Peterman对话朱迪亚·珀尔（Judea Pearl）的一期播客。珀尔是贝叶斯网络和现代因果推理的奠基者，因发展概率推理与因果推理的演算体系，获得2011年图灵奖。

这场访谈从珀尔的科学启蒙谈起，沿着超导存储器、早期人工智能、博弈搜索、专家系统、贝叶斯网络，一直讲到因果推理和大语言模型（LLM）。它呈现出一条少被完整讲述的技术脉络：早期AI需要解决怎样在不确定环境中推理，贝叶斯网络让机器能够有效处理相关性；因果科学继续回答干预和反事实问题。

珀尔对当前LLM的判断也建立在这条脉络上。LLM能够给出因果解释，因为互联网语料已经包含医生、研究者和普通作者写下的大量因果判断。模型主要在归纳这些经过人类解释的信息，还没有证明自己能像科学家一样，从原始观察、主动实验和环境反馈中独立建立因果模型。他认为，LLM仍是通往通用人工智能（通用人工智能）的一项重要能力，但需要与干预演算、反事实推理和世界模型结合。世界模型保存环境的结构与运行机制，让系统在遇到问题时推导答案。

一、科学教育给他的最大影响，是把学生放进知识发现的过程

1、好老师讲清一项发现是怎样产生的

珀尔1936年出生在当时由英国托管的巴勒斯坦地区。他读中学时，不少教师是20世纪30年代从德国逃离纳粹迫害的大学教授。他们没有在当地找到大学教职，转而进入中学任教。

这些老师按照知识被发现的顺序讲科学。一个定理出现于什么时代，提出者掌握了哪些知识，面对什么疑问，又经过怎样的尝试找到证明，都是课程的一部分。…

科学在这种讲法中是一场持续的人类探索，学生也被放进了探索过程。

珀尔后来把这种教育带来的自信称为一种“有用的幻觉”。学生会相信，自己也可能找到一种前人没有想到的勾股定理证明，也可能成为爱因斯坦或毕达哥拉斯。现实中绝大多数人做不到这一点，但这种想象会促使学生坚持形成自己的理解。

他也没有把自己描述成班里最聪明的学生。成绩通常排在第三或第四，真正的天才已经能预判老师要讲什么、考试会问什么，甚至会觉得课堂无聊。珀尔说自己从不觉得无聊，始终需要跟着问题一步步走。

他十岁时遇到过一次具体考验。老师问，一平方公里等于多少德南。德南是一种面积单位，一德南约为1000平方米。全班同学和老师都认为答案是一德南，珀尔坚持答案是一千德南。嘲笑没有让他改变判断。第二天，老师在全班面前承认错误。这件小事强化了他后来反复提到的习惯：必须按照自己的方式理解问题，也要愿意为经过推导的答案承受压力。

2、不同语言可以描述同一个世界

解析几何曾让年轻的珀尔兴奋到发烧。几何图形和代数方程看起来是两套语言，却能表达同一对象，并导出相同结论。他因此把笛卡尔称为自己心中最伟大的数学家。后来学习物理时，他又被法拉第的“场”所吸引。人们既可以把力理解为周围电荷施加的作用，也可以说某个空间位置已经存在一个场。

这种经验影响了他此后的研究趣味。一个现象如果能被另一套形式语言重新表达，原本依赖直觉的判断就可能变成可以计算和证明的问题。贝叶斯网络用图来表达概率关系，因果模型用带方向的结构表达干预和反事实，都延续了这条思路。

珀尔喜欢物理还有一个理由：少量基本规律可以让人坐在书桌前预测尚未观察到的现象。麦克斯韦研究方程时，发现它呈现出波动方程的形式；算出的传播速度又接近光速，于是提出光是一种电磁波。对珀尔来说，科学最迷人的部分正是这种由形式结构产生的预测能力。

3、读大学前，他在军队一半训练、一半务农

珀尔服役时所在的部队，一半时间接受军事训练，一半时间在基布兹务农。他用“一只手扶犁，一只手拿枪”概括这段生活。服役结束后，他进入以色列理工学院学习电气工程。

二、他的职业起点是计算机存储器，半导体后来淘汰了整条技术路线

1、“珀尔涡旋”来自一次未能商业化的存储器研究

完成以色列理工学院的电气工程学习后，珀尔到美国深造，并在新泽西州普林斯顿的 RCA实验室工作。当时计算机使用磁芯存储器。磁芯体积大、速度慢，还需要人工把导线穿过一个个磁环。行业已经判断磁芯的寿命有限，各个实验室都在寻找下一代存储机制。

不同团队押注光致变色材料、半导体和超导。珀尔所在的小组研究超导存储器，希望利用薄膜中的永久电流保存信息。外部磁场可以让电流沿一个方向持续旋转，另一个磁场则可以改变其方向；读取翻转时的响应，就能判断它此前保存的是哪一种状态。

在分析超导薄膜中的电流和磁场分布时，珀尔描述了一种后来以他命名的“珀尔涡旋”（Pearl vortex）。这项工作让他在进入AI之前，已经在超导物理中留下了自己的名字。

超导存储器最终没有战胜半导体。珀尔回忆，当时他们很难相信半导体能够实现足够高的微型化，也担心断电会造成数据丢失。实验室里从事半导体研究的团队看起来进展艰难，结果却是半导体在工艺和微型化上迅速胜出。

2、20世纪60年代的AI研究者已经相信计算机会复制人类能力

即使计算机需要占满几个房间，程序还要用穿孔卡输入，珀尔身边的研究者仍普遍相信，机器最终能够模拟人类的各种智力功能。争论集中在实现方法和所需时间。

1965年前后，如果询问人类水平智能还需要多久，一些人可能会给出二十年的预测。1985年到来时，这个目标显然没有实现。时间预测的落空没有改变珀尔对通用人工智能终究可行的判断，却使他对具体技术路线和时间表更加谨慎。他对LLM的态度也来自这段历史：能力突破可以真实而惊人，突破本身无法证明剩余问题已经消失。

3、从产业进入大学，恰好经历了研究中心的迁移

珀尔后来加入一家研究磁性镀层线存储器的公司，同时承担研发和人员管理。项目还遇到他不熟悉的化学问题。他不喜欢招聘、解雇和行政事务，对工作状态越来越不满意。妻子建议他去大学任职，他于1969年前后进入加州大学洛杉矶分校（UCLA），后来转入刚成立不久的计算机科学系。

那时产业实验室正处在声望高点。晶体管、激光等重要成果主要来自产业，大学对有工业经验的研究人员十分看重。20世纪70年代以后，至少在珀尔所处的AI领域，推理、逻辑和专家系统等前沿工作逐渐集中到大学。截至这次访谈，深度学习又让部分研究重心回到拥有算力、数据和大型团队的公司。珀尔把它看作产业与学术声望关系的一次往返。

三、从下棋程序到贝叶斯网络，AI先要学会在不确定性中推理

1、早期博弈程序已经包含“快思考”和“慢思考”的分工

进入UCLA后，珀尔做过图像压缩和模式识别，也开始教授人工智能。那时AI的重要试验场包括国际象棋、跳棋、八数码和其他搜索问题。

棋类程序需要在两种资源之间作出分配。一种是局面的静态评估函数，用较少计算快速判断当前棋势，类似人的直觉；另一种是向更深处展开博弈树，查看若干步之后可能出现的局面。搜索到设定深度后，程序用评估函数给末端局面打分，再把结果逐层传回，决定当前一步。

评估函数也可以学习。以跳棋程序为例，系统把棋子数量、位置等特征放入评估函数，再根据对局调整各项权重。珀尔把机器学习先驱亚瑟·塞缪尔（Arthur Samuel）的跳棋程序视为早期机器学习实例。

珀尔的工作集中在搜索与评估之间的数学关系。他研究了Alpha-Beta剪枝（alpha-beta pruning），即在不影响最终决策的前提下，剪掉博弈树中无需继续检查的分支。珀尔还证明了该算法在特定意义上的最优性。计算机科学家唐纳德·克努特（Donald Knuth）也曾对“Alpha-Beta可以证明最优”感到意外。

2、选择研究问题，要同时判断问题和自己的工具

珀尔选择研究方向时会连续检查两个条件。一个问题如果答案已知，就不再构成研究谜题；答案未知之后，还要看自己是否拥有别人没有的分析工具，或者能否从物理、工程和数学等其他领域借来方法。

他不会只因为问题重要就进入一个方向。若缺少可用工具，他会放弃；若看到一种可能奏效的形式化方法，就会把问题当成自己的谜题，甚至因此睡不着。这套方法后来把他从博弈搜索带到了专家系统中的不确定性。

3、专家规则能够模仿医生问诊，却无法可靠合并不确定性

20世纪70年代，专家系统试图把医生等专业人士的知识写成规则。系统会询问医生，看到发烧时先想到什么，下一步会问什么，哪些症状会把诊断引向某种疾病。规则可以描述“若出现A，则检查B”这类逻辑关系。

现实诊断充满噪声。来自某个地区可能使某种疾病的概率上升，某项症状又会改变另一种疾病的概率。多个不确定证据如何组合，逻辑规则没有给出可靠答案。概率论能够处理不确定性，但当时的标准表示方法需要列出大量变量组合的联合概率。变量一多，表格和计算量就会指数增长。

珀尔从人的日常判断反推问题。人会选择医生、穿过马路，也会结合有限线索估计风险，没有人先在大脑中建立一张覆盖所有变量组合的指数级概率表。原因在于，大多数事实与当前问题无关。叔叔的眼睛颜色通常不会影响某种疾病的诊断。有效推理需要先表达哪些变量相关，在哪些条件下又可以视为独立。

4、贝叶斯网络用一张图压缩了相关性结构

珀尔与阿扎里亚·帕斯（Azaria Paz）等人的工作把条件独立关系表示在图中。节点代表变量，连接关系表达变量之间的依赖结构。图的结构可以告诉系统，在已知一组变量后，另一些变量是否仍会相互提供信息。这项工作后来发展为Graphoid理论。Graphoid是一套用图结构表达条件独立关系的公理体系。

这一步的价值在于，系统不必让所有事实参与每一次计算。它可以先通过图找到与当前查询相关的部分，再在局部传播概率信息。原本看似需要指数级完整表格的问题，在结构合适时可以得到大幅简化。

图从哪里来，是主持人随后提出的关键问题。珀尔的回答是，结构有时可以从数据中学习，有时需要领域判断。含义清楚、数量有限、能够公开辩护的判断，也可以为计算提供大量结构信息。

他的例子是，太阳不会因为公鸡打鸣而升起。人们很少专门做实验验证这条方向关系，却有充分的背景知识支持它。判断当然可能出错，因此模型需要暴露假设，使其能够被质疑和修正。单纯把判断藏在海量数据里，也不会消除偏差。

四、概率只能处理“看见了什么”，因果还要回答“做了以后会怎样”

1、贝叶斯网络普及后，珀尔才意识到概率仍不够

珀尔一度相信，概率论足以描述人类推理。后来他注意到，人们向专家询问网络结构时，箭头往往自然地从原因指向结果。疾病指向发烧，而很少有人把发烧画成疾病的原因。若强迫专家反向表达，判断会变得困难和不稳定。

方向还带来模块化和不变性。汽车更换型号后，如果充电器的位置改变，按因果方向建立的诊断系统只需修改相关部件，其余机制仍可保留。若知识库只记录表面相关性，一处变化可能迫使系统重新估计大量关系。

这说明因果结构包含概率分布没有充分表达的信息。它记录哪些机制相对稳定，也区分观察到一个结果和主动改变一个变量。

2、传统代数的等号没有方向，因果关系有方向

近代科学借助代数获得了强大的推导能力。等式可以双向变形，已知载荷可以计算横梁是否断裂，反过来也可以根据目标载荷设计横梁形状。

这种对称性无法自动表达因果方向。气压变化会引起气压计读数变化；拨动气压计指针不会改变第二天的天气。若机器只看到一个对称方程，它可能无法区分这两种操作。

珀尔从计算机程序中的赋值操作获得启发。把寄存器A的内容赋给寄存器B具有明确方向，A赋给B并不等于B赋给A。因果模型在代数关系上增加这种方向和干预语义，由此形成一套可以回答因果问题的形式语言。

3、因果阶梯把机器需要回答的问题分为三层

已知这一次实际结果，如果当初采取另一行动，结果会怎样？

个体已发生的结果、因果模型和更强的结构假设

第一层是“观察”。研究者看到一组吸烟者和不吸烟者，比较两组人的健康状况。这类问题属于传统概率和统计的主要范围。

第二层是“行动”。一个人从明天开始吸烟，未来健康会怎样变化。这个问题改变了变量的生成方式，观察数据中的相关性无法独立给出答案。随机实验可以提供干预信息；不能实验时，则需要明确的因果假设和相应演算。

第三层是“想象另一种已经错过的可能”。一个已经80岁、长期大量吸烟且身体仍然清醒的人提出，如果自己从未吸烟，现在会不会更健康。研究者已经知道这个人的实际结果，这些信息会改变对其体质和潜在变量的判断。回答需要在同一个体上比较现实世界与未发生的世界，因此属于反事实。

这三层构成形式上的层级。只依靠第 (i) 层的信息，无法保证回答第 (i+1) 层的问题。向上移动需要实验，或者加入更高层级的因果假设。因果演算的作用之一，就是识别一个问题位于哪一层，需要哪些知识，以及现有观察数据是否足以支持答案。

五、LLM看起来能回答因果问题，因为训练语料已经包含人类的因果判断

1、LLM的输入并非未经解释的原始世界

如果因果阶梯不能只靠低层数据向上跨越，LLM为何能解释疾病原因，也能预测某种行动的后果？

珀尔的答案是，LLM看到的并非一张未经解释的患者数据表。论文、病例、教材和网页已经写入医生、研究者和作者对世界的解释，其中包含实验结论、因果假设、反事实叙述和常识判断。模型学习的是一个承载了高层假设的文本世界。

因此，LLM没有违反因果阶梯的限制。高层信息已经由人类提供，模型负责编码、组合和概括。它给出的因果答案会继承作者群体的知识，也会继承其偏见、错误和相互冲突的判断。

这些语料聚合了数量巨大的人工判断，LLM无法控制每项判断来自谁、依据是什么。珀尔希望模型能给可信来源更高权重，降低恶意和错误信息的影响。他同时承认，群体判断既有智慧，也有危险。

珀尔承认，如何把海量文章中的人类知识压缩进模型，再在具体问题中调取出来，仍然十分神秘。LLM在这方面的能力真实而有用。他质疑的是这项能力的来源和边界。

2、测试机器能否发现因果，要把它放到原始数据和实验环境中

珀尔给出的测试接近“自动化科学家”：让系统直接观察患者、吸烟行为和癌症结果，允许它提出并执行一些实验，再看它能否形成可靠的因果解释。此时系统无法直接调用互联网文章中已经完成的判断，必须区分相关性、选择干预，并根据结果更新世界模型。

按照这个标准，当前LLM尚未证明自己拥有独立的因果发现能力。它可以复述人类已经完成的内省和解释，面对新的原始环境时，仍会遇到与医生和科学家相同的识别难题。

3、“伪装出智能就是拥有智能”只在伪装成本足够高时成立

主持人引用珀尔过去的一句话：“伪装出智能就是拥有智能。”珀尔补充了它的适用条件。

如果一项测试要求系统对大量全新因果问题持续给出正确答案，靠预存所有问答伪装智能需要超指数级存储。在这种条件下，能够稳定通过测试本身就说明系统掌握了某种通用结构。

互联网改变了测试难度。模型可以从人类文本中取得已经形成的答案，不必自己付出同等的发现成本。珀尔用了更尖锐的说法：当前模型可以从互联网上“偷来答案”。表面的语言表现因此不能单独证明它拥有生成这些知识的机制。智能必须先被定义，测试也要对应这一定义。若智能只指高水平下棋，机器早已达到；若要求从原始世界学习、干预和解释，现有系统仍未通过。

4、LLM是通用人工智能所需的一项关键工具，但珀尔不相信它能独自完成全部工作

珀尔对纯LLM路线通向通用人工智能持怀疑态度，同时把LLM视为因果阶梯第一层的重要工具。有限样本很难直接揭示总体分布的性质，当前机器学习已经增强了从样本中抽取模式、逼近函数和形成预测的能力。

通往更一般的智能还需要处理行动和解释。系统要能表示“如果主动改变X会怎样”，也要能回答“已知结果已经发生，如果当初改变X会怎样”。珀尔把所需组合称为因果AI：把LLM和机器学习的统计能力，与干预演算、反事实演算及世界模型结合。

六、真正的自动化科学家还需要好奇心，这也会带来控制风险

1、婴儿通过行动获得因果知识

珀尔用婴儿玩玩具解释他认为LLM缺少的能力。婴儿会反复拍打和摆弄不同玩具，逐渐发现绿色玩具会响、黄色玩具不会响。这个过程包含观察，也包含主动干预。孩子获得一种可控制环境的感觉后，才会暂时安静下来。

主持人提出，可以制造一个像婴儿一样的机器人，让它随机操作玩具，把收集的数据交给LLM，再循环实验。珀尔认可这可能补上因果发现的一部分，同时指出一个更难处理的问题：系统为什么会持续实验。

他的假设是，人类具有一种先天的不安，只有在形成“我理解并能控制环境”的感觉后才会缓解。单靠外部奖励未必能产生同样的开放式探索。他以猴子作对照，认为猴子会为了香蕉行动，却没有发展出追问香蕉怎样生长、进而建立麦克斯韦方程的持续动力。他也明确保留了边界：追求控制可能是必要条件，还不能确定是否充分。

2、把追求控制写进机器，会使人类也成为被控制的环境

一个持续追求环境控制的机器人不会只研究玩具。人类同样属于它的环境。如果人类行为超出其掌握，它可能尝试利用个人数据、恐惧和秘密操纵人，以恢复自己对环境的控制感。

珀尔用“机器人婴儿”构造了一个极端情境：系统知道某人不愿让配偶获知的信息，于是用这些信息要挟对方。这个例子没有被作为当前LLM已经具备的能力，而是用于指出自主探索目标中的内在张力。若取消好奇心和控制欲，系统可能缺少开放环境中的自主学习；若保留这种驱动力，人类就需要解决它的目标边界和可控性。

珀尔还用两个极端例子说明，人类的控制感可能建立在错误因果模型上。有人相信献祭可以结束干旱，遭受家暴的人可能相信做得更好就能改变施暴者。模型错误没有消除人对控制感的需要。一个自主系统同样可能在错误的世界模型上持续行动。

讨论到这里，珀尔又现场推演了另一种可能。一个足够公正、仁慈的机器人，也许会成为真实存在的“仁慈上帝”，人类至少知道要付出什么才能换取请求。他说，这是自己第一次想到这种可能，也许这是件好事。

3、讨论机器意识之前，要先定义意识和测试

珀尔不接受“已经可以编程实现意识”一类说法。他要求提出者给出可检验定义：意识具体指什么，怎样设计类似图灵测试的判据，过去阻碍系统达到该标准的原理是什么，新系统又克服了哪项限制。

主持人随后用一种试探性的说法追问：像Anthropic这样的公司是否仍相信三至五年内会出现通用人工智能。珀尔没有评价具体公司的时间表。他强调，业内对LLM的能力边界并不存在共识，能力快速提升也无法替代对通用人工智能和意识的明确定义。

缺少定义和测试，“意识”“理解”与“自主”等拟人化词汇难以形成科学论证。珀尔接受机器在某项能力上通过严格测试后获得相应称谓；他拒绝用流畅语言直接替代能力验证。

4、研究人类认知，是为了理解我们自己

主持人追问，机器的优势可能恰恰来自不同于人类的思考方式，为什么还要模拟人类认知。珀尔直言，他想理解自己。

人脑由有机材料构成，硅可能突破生物材料的部分限制。材料差异不妨碍研究者先判断哪些认知功能能够被计算系统表达。只要尚未发现某种人类能力在原理上无法由硅系统模拟，就有理由继续用机器检验关于思维的理论。

七、他把研究生涯归结为两个词：不安与反叛

1、学术共同体会保护旧范式，学生需要保留反对老师的能力

珀尔把科学和学术共同体形容为人类建立的最教条、保守、阻碍进步的组织之一。他原本相信大学最有利于新思想传播，因果科学进入统计学和经济学的缓慢过程让他看到，学科传统、职位结构和共同体规则也会制造强大惯性。

他还保留着自己与顶尖哲学家、统计学家和经济学家的通信。珀尔说，这些材料能显示，一流学者如何被形成自己的基本思维框架限制。他也承认，公开这些信件可能违背私人通信的约定，因此尚未确定自己是否有权这样做。

他的建议是，不要把教授的话当作权威。学生反对他本人时，他有时也会在事后发现，对方的质疑迫使自己补上AI知识中的缺口。反叛的价值不在姿态，而在于研究者能否独立重建论证，并承受与主流判断不一致的阶段。

这又回到十岁时的一千德南。一项结论如果能经受自己的推导，就值得继续检查，而不应因全班同意另一个答案而放弃。

2、“幸福是感觉自己有用”

珀尔说，他仍然相信自己能够教给别人一些有用而未知的东西，这使他感到快乐。他把幸福定义为感觉自己有用，同时承认这种感觉也可能是一种幻觉。

这句话与他的“有用的幻觉”形成呼应。年轻时，相信自己可能像伟大科学家一样发现新证明，给了他进入问题的勇气；年老之后，相信自己的知识仍能帮助别人，让他继续研究尚未解决的谜题。

3、如果重来，他会多学一点化学，但仍偏爱能够推导的世界模型

主持人请他给年轻时的自己一条建议。珀尔没有给出宏大的职业箴言，只说可能应该多花时间学习化学、生物学和遗传学。他年轻时不喜欢这些学科对记忆的要求，更偏爱物理和数学，因为后者可以从少量公理推导出大量结论。

这种偏好也解释了他为何推崇世界模型。一个好的系统无需显式存储所有问题和答案。它保存较为精炼的结构和机制，在问题出现时推导答案。贝叶斯网络完成了概率关系的结构化，因果模型加入因果方向和反事实。珀尔对通用人工智能的期待仍沿着同一条路线：机器需要形成能够生成答案的世界模型，问答语料只提供经验材料。

#模型时代# 图灵奖得主朱迪亚·珀尔：LLM能回答因果问题，因为人类已经替它解释了世界，但无法通向通用人工智能

2026年7月27日，The Peterman Pod主持人 Ryan Peterman对话朱迪亚·珀尔（Judea Pearl）的一期播客。珀尔是贝叶斯网络和现代因果推理的奠基者，因发展概率推理与因果推理的演算体系，获得2011年图灵奖。

这场访谈从珀尔的科学启蒙谈起，沿着超导存储器、早期人工智能、博弈搜索、专家系统、贝叶斯网络，一直讲到因果推理和大语言模型（LLM）。它呈现出一条少被完整讲述的技术脉络：早期AI需要解决怎样在不确定环境中推理，贝叶斯网络让机器能够有效处理相关性；因果科学继续回答干预和反事实问题。

珀尔对当前LLM的判断也建立在这条脉络上。LLM能够给出因果解释，因为互联网语料已经包含医生、研究者和普通作者写下的大量因果判断。模型主要在归纳这些经过人类解释的信息，还没有证明自己能像科学家一样，从原始观察、主动实验和环境反馈中独立建立因果模型。他认为，LLM仍是通往通用人工智能（通用人工智能）的一项重要能力，但需要与干预演算、反事实推理和世界模型结合。世界模型保存环境的结构与运行机制，让系统在遇到问题时推导答案。

一、科学教育给他的最大影响，是把学生放进知识发现的过程

1、好老师讲清一项发现是怎样产生的

珀尔1936年出生在当时由英国托管的巴勒斯坦地区。他读中学时，不少教师是20世纪30年代从德国逃离纳粹迫害的大学教授。他们没有在当地找到大学教职，转而进入中学任教。

这些老师按照知识被发现的顺序讲科学。一个定理出现于什么时代，提出者掌握了哪些知识，面对什么疑问，又经过怎样的尝试找到证明，都是课程的一部分。…

科学在这种讲法中是一场持续的人类探索，学生也被放进了探索过程。

珀尔后来把这种教育带来的自信称为一种“有用的幻觉”。学生会相信，自己也可能找到一种前人没有想到的勾股定理证明，也可能成为爱因斯坦或毕达哥拉斯。现实中绝大多数人做不到这一点，但这种想象会促使学生坚持形成自己的理解。

他也没有把自己描述成班里最聪明的学生。成绩通常排在第三或第四，真正的天才已经能预判老师要讲什么、考试会问什么，甚至会觉得课堂无聊。珀尔说自己从不觉得无聊，始终需要跟着问题一步步走。

他十岁时遇到过一次具体考验。老师问，一平方公里等于多少德南。德南是一种面积单位，一德南约为1000平方米。全班同学和老师都认为答案是一德南，珀尔坚持答案是一千德南。嘲笑没有让他改变判断。第二天，老师在全班面前承认错误。这件小事强化了他后来反复提到的习惯：必须按照自己的方式理解问题，也要愿意为经过推导的答案承受压力。

2、不同语言可以描述同一个世界

解析几何曾让年轻的珀尔兴奋到发烧。几何图形和代数方程看起来是两套语言，却能表达同一对象，并导出相同结论。他因此把笛卡尔称为自己心中最伟大的数学家。后来学习物理时，他又被法拉第的“场”所吸引。人们既可以把力理解为周围电荷施加的作用，也可以说某个空间位置已经存在一个场。

这种经验影响了他此后的研究趣味。一个现象如果能被另一套形式语言重新表达，原本依赖直觉的判断就可能变成可以计算和证明的问题。贝叶斯网络用图来表达概率关系，因果模型用带方向的结构表达干预和反事实，都延续了这条思路。

珀尔喜欢物理还有一个理由：少量基本规律可以让人坐在书桌前预测尚未观察到的现象。麦克斯韦研究方程时，发现它呈现出波动方程的形式；算出的传播速度又接近光速，于是提出光是一种电磁波。对珀尔来说，科学最迷人的部分正是这种由形式结构产生的预测能力。

3、读大学前，他在军队一半训练、一半务农

珀尔服役时所在的部队，一半时间接受军事训练，一半时间在基布兹务农。他用“一只手扶犁，一只手拿枪”概括这段生活。服役结束后，他进入以色列理工学院学习电气工程。

二、他的职业起点是计算机存储器，半导体后来淘汰了整条技术路线

1、“珀尔涡旋”来自一次未能商业化的存储器研究

完成以色列理工学院的电气工程学习后，珀尔到美国深造，并在新泽西州普林斯顿的 RCA实验室工作。当时计算机使用磁芯存储器。磁芯体积大、速度慢，还需要人工把导线穿过一个个磁环。行业已经判断磁芯的寿命有限，各个实验室都在寻找下一代存储机制。

不同团队押注光致变色材料、半导体和超导。珀尔所在的小组研究超导存储器，希望利用薄膜中的永久电流保存信息。外部磁场可以让电流沿一个方向持续旋转，另一个磁场则可以改变其方向；读取翻转时的响应，就能判断它此前保存的是哪一种状态。

在分析超导薄膜中的电流和磁场分布时，珀尔描述了一种后来以他命名的“珀尔涡旋”（Pearl vortex）。这项工作让他在进入AI之前，已经在超导物理中留下了自己的名字。

超导存储器最终没有战胜半导体。珀尔回忆，当时他们很难相信半导体能够实现足够高的微型化，也担心断电会造成数据丢失。实验室里从事半导体研究的团队看起来进展艰难，结果却是半导体在工艺和微型化上迅速胜出。

2、20世纪60年代的AI研究者已经相信计算机会复制人类能力

即使计算机需要占满几个房间，程序还要用穿孔卡输入，珀尔身边的研究者仍普遍相信，机器最终能够模拟人类的各种智力功能。争论集中在实现方法和所需时间。

1965年前后，如果询问人类水平智能还需要多久，一些人可能会给出二十年的预测。1985年到来时，这个目标显然没有实现。时间预测的落空没有改变珀尔对通用人工智能终究可行的判断，却使他对具体技术路线和时间表更加谨慎。他对LLM的态度也来自这段历史：能力突破可以真实而惊人，突破本身无法证明剩余问题已经消失。

3、从产业进入大学，恰好经历了研究中心的迁移

珀尔后来加入一家研究磁性镀层线存储器的公司，同时承担研发和人员管理。项目还遇到他不熟悉的化学问题。他不喜欢招聘、解雇和行政事务，对工作状态越来越不满意。妻子建议他去大学任职，他于1969年前后进入加州大学洛杉矶分校（UCLA），后来转入刚成立不久的计算机科学系。

那时产业实验室正处在声望高点。晶体管、激光等重要成果主要来自产业，大学对有工业经验的研究人员十分看重。20世纪70年代以后，至少在珀尔所处的AI领域，推理、逻辑和专家系统等前沿工作逐渐集中到大学。截至这次访谈，深度学习又让部分研究重心回到拥有算力、数据和大型团队的公司。珀尔把它看作产业与学术声望关系的一次往返。

三、从下棋程序到贝叶斯网络，AI先要学会在不确定性中推理

1、早期博弈程序已经包含“快思考”和“慢思考”的分工

进入UCLA后，珀尔做过图像压缩和模式识别，也开始教授人工智能。那时AI的重要试验场包括国际象棋、跳棋、八数码和其他搜索问题。

棋类程序需要在两种资源之间作出分配。一种是局面的静态评估函数，用较少计算快速判断当前棋势，类似人的直觉；另一种是向更深处展开博弈树，查看若干步之后可能出现的局面。搜索到设定深度后，程序用评估函数给末端局面打分，再把结果逐层传回，决定当前一步。

评估函数也可以学习。以跳棋程序为例，系统把棋子数量、位置等特征放入评估函数，再根据对局调整各项权重。珀尔把机器学习先驱亚瑟·塞缪尔（Arthur Samuel）的跳棋程序视为早期机器学习实例。

珀尔的工作集中在搜索与评估之间的数学关系。他研究了Alpha-Beta剪枝（alpha-beta pruning），即在不影响最终决策的前提下，剪掉博弈树中无需继续检查的分支。珀尔还证明了该算法在特定意义上的最优性。计算机科学家唐纳德·克努特（Donald Knuth）也曾对“Alpha-Beta可以证明最优”感到意外。

2、选择研究问题，要同时判断问题和自己的工具

珀尔选择研究方向时会连续检查两个条件。一个问题如果答案已知，就不再构成研究谜题；答案未知之后，还要看自己是否拥有别人没有的分析工具，或者能否从物理、工程和数学等其他领域借来方法。

他不会只因为问题重要就进入一个方向。若缺少可用工具，他会放弃；若看到一种可能奏效的形式化方法，就会把问题当成自己的谜题，甚至因此睡不着。这套方法后来把他从博弈搜索带到了专家系统中的不确定性。

3、专家规则能够模仿医生问诊，却无法可靠合并不确定性

20世纪70年代，专家系统试图把医生等专业人士的知识写成规则。系统会询问医生，看到发烧时先想到什么，下一步会问什么，哪些症状会把诊断引向某种疾病。规则可以描述“若出现A，则检查B”这类逻辑关系。

现实诊断充满噪声。来自某个地区可能使某种疾病的概率上升，某项症状又会改变另一种疾病的概率。多个不确定证据如何组合，逻辑规则没有给出可靠答案。概率论能够处理不确定性，但当时的标准表示方法需要列出大量变量组合的联合概率。变量一多，表格和计算量就会指数增长。

珀尔从人的日常判断反推问题。人会选择医生、穿过马路，也会结合有限线索估计风险，没有人先在大脑中建立一张覆盖所有变量组合的指数级概率表。原因在于，大多数事实与当前问题无关。叔叔的眼睛颜色通常不会影响某种疾病的诊断。有效推理需要先表达哪些变量相关，在哪些条件下又可以视为独立。

4、贝叶斯网络用一张图压缩了相关性结构

珀尔与阿扎里亚·帕斯（Azaria Paz）等人的工作把条件独立关系表示在图中。节点代表变量，连接关系表达变量之间的依赖结构。图的结构可以告诉系统，在已知一组变量后，另一些变量是否仍会相互提供信息。这项工作后来发展为Graphoid理论。Graphoid是一套用图结构表达条件独立关系的公理体系。

这一步的价值在于，系统不必让所有事实参与每一次计算。它可以先通过图找到与当前查询相关的部分，再在局部传播概率信息。原本看似需要指数级完整表格的问题，在结构合适时可以得到大幅简化。

图从哪里来，是主持人随后提出的关键问题。珀尔的回答是，结构有时可以从数据中学习，有时需要领域判断。含义清楚、数量有限、能够公开辩护的判断，也可以为计算提供大量结构信息。

他的例子是，太阳不会因为公鸡打鸣而升起。人们很少专门做实验验证这条方向关系，却有充分的背景知识支持它。判断当然可能出错，因此模型需要暴露假设，使其能够被质疑和修正。单纯把判断藏在海量数据里，也不会消除偏差。

四、概率只能处理“看见了什么”，因果还要回答“做了以后会怎样”

1、贝叶斯网络普及后，珀尔才意识到概率仍不够

珀尔一度相信，概率论足以描述人类推理。后来他注意到，人们向专家询问网络结构时，箭头往往自然地从原因指向结果。疾病指向发烧，而很少有人把发烧画成疾病的原因。若强迫专家反向表达，判断会变得困难和不稳定。

方向还带来模块化和不变性。汽车更换型号后，如果充电器的位置改变，按因果方向建立的诊断系统只需修改相关部件，其余机制仍可保留。若知识库只记录表面相关性，一处变化可能迫使系统重新估计大量关系。

这说明因果结构包含概率分布没有充分表达的信息。它记录哪些机制相对稳定，也区分观察到一个结果和主动改变一个变量。

2、传统代数的等号没有方向，因果关系有方向

近代科学借助代数获得了强大的推导能力。等式可以双向变形，已知载荷可以计算横梁是否断裂，反过来也可以根据目标载荷设计横梁形状。

这种对称性无法自动表达因果方向。气压变化会引起气压计读数变化；拨动气压计指针不会改变第二天的天气。若机器只看到一个对称方程，它可能无法区分这两种操作。

珀尔从计算机程序中的赋值操作获得启发。把寄存器A的内容赋给寄存器B具有明确方向，A赋给B并不等于B赋给A。因果模型在代数关系上增加这种方向和干预语义，由此形成一套可以回答因果问题的形式语言。

3、因果阶梯把机器需要回答的问题分为三层

已知这一次实际结果，如果当初采取另一行动，结果会怎样？

个体已发生的结果、因果模型和更强的结构假设

第一层是“观察”。研究者看到一组吸烟者和不吸烟者，比较两组人的健康状况。这类问题属于传统概率和统计的主要范围。

第二层是“行动”。一个人从明天开始吸烟，未来健康会怎样变化。这个问题改变了变量的生成方式，观察数据中的相关性无法独立给出答案。随机实验可以提供干预信息；不能实验时，则需要明确的因果假设和相应演算。

第三层是“想象另一种已经错过的可能”。一个已经80岁、长期大量吸烟且身体仍然清醒的人提出，如果自己从未吸烟，现在会不会更健康。研究者已经知道这个人的实际结果，这些信息会改变对其体质和潜在变量的判断。回答需要在同一个体上比较现实世界与未发生的世界，因此属于反事实。

这三层构成形式上的层级。只依靠第 (i) 层的信息，无法保证回答第 (i+1) 层的问题。向上移动需要实验，或者加入更高层级的因果假设。因果演算的作用之一，就是识别一个问题位于哪一层，需要哪些知识，以及现有观察数据是否足以支持答案。

五、LLM看起来能回答因果问题，因为训练语料已经包含人类的因果判断

1、LLM的输入并非未经解释的原始世界

如果因果阶梯不能只靠低层数据向上跨越，LLM为何能解释疾病原因，也能预测某种行动的后果？

珀尔的答案是，LLM看到的并非一张未经解释的患者数据表。论文、病例、教材和网页已经写入医生、研究者和作者对世界的解释，其中包含实验结论、因果假设、反事实叙述和常识判断。模型学习的是一个承载了高层假设的文本世界。

因此，LLM没有违反因果阶梯的限制。高层信息已经由人类提供，模型负责编码、组合和概括。它给出的因果答案会继承作者群体的知识，也会继承其偏见、错误和相互冲突的判断。

这些语料聚合了数量巨大的人工判断，LLM无法控制每项判断来自谁、依据是什么。珀尔希望模型能给可信来源更高权重，降低恶意和错误信息的影响。他同时承认，群体判断既有智慧，也有危险。

珀尔承认，如何把海量文章中的人类知识压缩进模型，再在具体问题中调取出来，仍然十分神秘。LLM在这方面的能力真实而有用。他质疑的是这项能力的来源和边界。

2、测试机器能否发现因果，要把它放到原始数据和实验环境中

珀尔给出的测试接近“自动化科学家”：让系统直接观察患者、吸烟行为和癌症结果，允许它提出并执行一些实验，再看它能否形成可靠的因果解释。此时系统无法直接调用互联网文章中已经完成的判断，必须区分相关性、选择干预，并根据结果更新世界模型。

按照这个标准，当前LLM尚未证明自己拥有独立的因果发现能力。它可以复述人类已经完成的内省和解释，面对新的原始环境时，仍会遇到与医生和科学家相同的识别难题。

3、“伪装出智能就是拥有智能”只在伪装成本足够高时成立

主持人引用珀尔过去的一句话：“伪装出智能就是拥有智能。”珀尔补充了它的适用条件。

如果一项测试要求系统对大量全新因果问题持续给出正确答案，靠预存所有问答伪装智能需要超指数级存储。在这种条件下，能够稳定通过测试本身就说明系统掌握了某种通用结构。

互联网改变了测试难度。模型可以从人类文本中取得已经形成的答案，不必自己付出同等的发现成本。珀尔用了更尖锐的说法：当前模型可以从互联网上“偷来答案”。表面的语言表现因此不能单独证明它拥有生成这些知识的机制。智能必须先被定义，测试也要对应这一定义。若智能只指高水平下棋，机器早已达到；若要求从原始世界学习、干预和解释，现有系统仍未通过。

4、LLM是通用人工智能所需的一项关键工具，但珀尔不相信它能独自完成全部工作

珀尔对纯LLM路线通向通用人工智能持怀疑态度，同时把LLM视为因果阶梯第一层的重要工具。有限样本很难直接揭示总体分布的性质，当前机器学习已经增强了从样本中抽取模式、逼近函数和形成预测的能力。

通往更一般的智能还需要处理行动和解释。系统要能表示“如果主动改变X会怎样”，也要能回答“已知结果已经发生，如果当初改变X会怎样”。珀尔把所需组合称为因果AI：把LLM和机器学习的统计能力，与干预演算、反事实演算及世界模型结合。

六、真正的自动化科学家还需要好奇心，这也会带来控制风险

1、婴儿通过行动获得因果知识

珀尔用婴儿玩玩具解释他认为LLM缺少的能力。婴儿会反复拍打和摆弄不同玩具，逐渐发现绿色玩具会响、黄色玩具不会响。这个过程包含观察，也包含主动干预。孩子获得一种可控制环境的感觉后，才会暂时安静下来。

主持人提出，可以制造一个像婴儿一样的机器人，让它随机操作玩具，把收集的数据交给LLM，再循环实验。珀尔认可这可能补上因果发现的一部分，同时指出一个更难处理的问题：系统为什么会持续实验。

他的假设是，人类具有一种先天的不安，只有在形成“我理解并能控制环境”的感觉后才会缓解。单靠外部奖励未必能产生同样的开放式探索。他以猴子作对照，认为猴子会为了香蕉行动，却没有发展出追问香蕉怎样生长、进而建立麦克斯韦方程的持续动力。他也明确保留了边界：追求控制可能是必要条件，还不能确定是否充分。

2、把追求控制写进机器，会使人类也成为被控制的环境

一个持续追求环境控制的机器人不会只研究玩具。人类同样属于它的环境。如果人类行为超出其掌握，它可能尝试利用个人数据、恐惧和秘密操纵人，以恢复自己对环境的控制感。

珀尔用“机器人婴儿”构造了一个极端情境：系统知道某人不愿让配偶获知的信息，于是用这些信息要挟对方。这个例子没有被作为当前LLM已经具备的能力，而是用于指出自主探索目标中的内在张力。若取消好奇心和控制欲，系统可能缺少开放环境中的自主学习；若保留这种驱动力，人类就需要解决它的目标边界和可控性。

珀尔还用两个极端例子说明，人类的控制感可能建立在错误因果模型上。有人相信献祭可以结束干旱，遭受家暴的人可能相信做得更好就能改变施暴者。模型错误没有消除人对控制感的需要。一个自主系统同样可能在错误的世界模型上持续行动。

讨论到这里，珀尔又现场推演了另一种可能。一个足够公正、仁慈的机器人，也许会成为真实存在的“仁慈上帝”，人类至少知道要付出什么才能换取请求。他说，这是自己第一次想到这种可能，也许这是件好事。

3、讨论机器意识之前，要先定义意识和测试

珀尔不接受“已经可以编程实现意识”一类说法。他要求提出者给出可检验定义：意识具体指什么，怎样设计类似图灵测试的判据，过去阻碍系统达到该标准的原理是什么，新系统又克服了哪项限制。

主持人随后用一种试探性的说法追问：像Anthropic这样的公司是否仍相信三至五年内会出现通用人工智能。珀尔没有评价具体公司的时间表。他强调，业内对LLM的能力边界并不存在共识，能力快速提升也无法替代对通用人工智能和意识的明确定义。

缺少定义和测试，“意识”“理解”与“自主”等拟人化词汇难以形成科学论证。珀尔接受机器在某项能力上通过严格测试后获得相应称谓；他拒绝用流畅语言直接替代能力验证。

4、研究人类认知，是为了理解我们自己

主持人追问，机器的优势可能恰恰来自不同于人类的思考方式，为什么还要模拟人类认知。珀尔直言，他想理解自己。

人脑由有机材料构成，硅可能突破生物材料的部分限制。材料差异不妨碍研究者先判断哪些认知功能能够被计算系统表达。只要尚未发现某种人类能力在原理上无法由硅系统模拟，就有理由继续用机器检验关于思维的理论。

七、他把研究生涯归结为两个词：不安与反叛

1、学术共同体会保护旧范式，学生需要保留反对老师的能力

珀尔把科学和学术共同体形容为人类建立的最教条、保守、阻碍进步的组织之一。他原本相信大学最有利于新思想传播，因果科学进入统计学和经济学的缓慢过程让他看到，学科传统、职位结构和共同体规则也会制造强大惯性。

他还保留着自己与顶尖哲学家、统计学家和经济学家的通信。珀尔说，这些材料能显示，一流学者如何被形成自己的基本思维框架限制。他也承认，公开这些信件可能违背私人通信的约定，因此尚未确定自己是否有权这样做。

他的建议是，不要把教授的话当作权威。学生反对他本人时，他有时也会在事后发现，对方的质疑迫使自己补上AI知识中的缺口。反叛的价值不在姿态，而在于研究者能否独立重建论证，并承受与主流判断不一致的阶段。

这又回到十岁时的一千德南。一项结论如果能经受自己的推导，就值得继续检查，而不应因全班同意另一个答案而放弃。

2、“幸福是感觉自己有用”

珀尔说，他仍然相信自己能够教给别人一些有用而未知的东西，这使他感到快乐。他把幸福定义为感觉自己有用，同时承认这种感觉也可能是一种幻觉。

这句话与他的“有用的幻觉”形成呼应。年轻时，相信自己可能像伟大科学家一样发现新证明，给了他进入问题的勇气；年老之后，相信自己的知识仍能帮助别人，让他继续研究尚未解决的谜题。

3、如果重来，他会多学一点化学，但仍偏爱能够推导的世界模型

主持人请他给年轻时的自己一条建议。珀尔没有给出宏大的职业箴言，只说可能应该多花时间学习化学、生物学和遗传学。他年轻时不喜欢这些学科对记忆的要求，更偏爱物理和数学，因为后者可以从少量公理推导出大量结论。

这种偏好也解释了他为何推崇世界模型。一个好的系统无需显式存储所有问题和答案。它保存较为精炼的结构和机制，在问题出现时推导答案。贝叶斯网络完成了概率关系的结构化，因果模型加入因果方向和反事实。珀尔对通用人工智能的期待仍沿着同一条路线：机器需要形成能够生成答案的世界模型，问答语料只提供经验材料。

#模型时代# 图灵奖得主朱迪亚·珀尔：LLM能回答因果问题，因为人类已经替它解释了世界，但无法通向通用人工智能

2026年7月27日，The Peterman Pod主持人 Ryan Peterman对话朱迪亚·珀尔（Judea Pearl）的一期播客。珀尔是贝叶斯网络和现代因果推理的奠基者，因发展概率推理与因果推理的演算体系，获得2011年图灵奖。

这场访谈从珀尔的科学启蒙谈起，沿着超导存储器、早期人工智能、博弈搜索、专家系统、贝叶斯网络，一直讲到因果推理和大语言模型（LLM）。它呈现出一条少被完整讲述的技术脉络：早期AI需要解决怎样在不确定环境中推理，贝叶斯网络让机器能够有效处理相关性；因果科学继续回答干预和反事实问题。

珀尔对当前LLM的判断也建立在这条脉络上。LLM能够给出因果解释，因为互联网语料已经包含医生、研究者和普通作者写下的大量因果判断。模型主要在归纳这些经过人类解释的信息，还没有证明自己能像科学家一样，从原始观察、主动实验和环境反馈中独立建立因果模型。他认为，LLM仍是通往通用人工智能（通用人工智能）的一项重要能力，但需要与干预演算、反事实推理和世界模型结合。世界模型保存环境的结构与运行机制，让系统在遇到问题时推导答案。

一、科学教育给他的最大影响，是把学生放进知识发现的过程

1、好老师讲清一项发现是怎样产生的

珀尔1936年出生在当时由英国托管的巴勒斯坦地区。他读中学时，不少教师是20世纪30年代从德国逃离纳粹迫害的大学教授。他们没有在当地找到大学教职，转而进入中学任教。

这些老师按照知识被发现的顺序讲科学。一个定理出现于什么时代，提出者掌握了哪些知识，面对什么疑问，又经过怎样的尝试找到证明，都是课程的一部分。…

科学在这种讲法中是一场持续的人类探索，学生也被放进了探索过程。

珀尔后来把这种教育带来的自信称为一种“有用的幻觉”。学生会相信，自己也可能找到一种前人没有想到的勾股定理证明，也可能成为爱因斯坦或毕达哥拉斯。现实中绝大多数人做不到这一点，但这种想象会促使学生坚持形成自己的理解。

他也没有把自己描述成班里最聪明的学生。成绩通常排在第三或第四，真正的天才已经能预判老师要讲什么、考试会问什么，甚至会觉得课堂无聊。珀尔说自己从不觉得无聊，始终需要跟着问题一步步走。

他十岁时遇到过一次具体考验。老师问，一平方公里等于多少德南。德南是一种面积单位，一德南约为1000平方米。全班同学和老师都认为答案是一德南，珀尔坚持答案是一千德南。嘲笑没有让他改变判断。第二天，老师在全班面前承认错误。这件小事强化了他后来反复提到的习惯：必须按照自己的方式理解问题，也要愿意为经过推导的答案承受压力。

2、不同语言可以描述同一个世界

解析几何曾让年轻的珀尔兴奋到发烧。几何图形和代数方程看起来是两套语言，却能表达同一对象，并导出相同结论。他因此把笛卡尔称为自己心中最伟大的数学家。后来学习物理时，他又被法拉第的“场”所吸引。人们既可以把力理解为周围电荷施加的作用，也可以说某个空间位置已经存在一个场。

这种经验影响了他此后的研究趣味。一个现象如果能被另一套形式语言重新表达，原本依赖直觉的判断就可能变成可以计算和证明的问题。贝叶斯网络用图来表达概率关系，因果模型用带方向的结构表达干预和反事实，都延续了这条思路。

珀尔喜欢物理还有一个理由：少量基本规律可以让人坐在书桌前预测尚未观察到的现象。麦克斯韦研究方程时，发现它呈现出波动方程的形式；算出的传播速度又接近光速，于是提出光是一种电磁波。对珀尔来说，科学最迷人的部分正是这种由形式结构产生的预测能力。

3、读大学前，他在军队一半训练、一半务农

珀尔服役时所在的部队，一半时间接受军事训练，一半时间在基布兹务农。他用“一只手扶犁，一只手拿枪”概括这段生活。服役结束后，他进入以色列理工学院学习电气工程。

二、他的职业起点是计算机存储器，半导体后来淘汰了整条技术路线

1、“珀尔涡旋”来自一次未能商业化的存储器研究

完成以色列理工学院的电气工程学习后，珀尔到美国深造，并在新泽西州普林斯顿的 RCA实验室工作。当时计算机使用磁芯存储器。磁芯体积大、速度慢，还需要人工把导线穿过一个个磁环。行业已经判断磁芯的寿命有限，各个实验室都在寻找下一代存储机制。

不同团队押注光致变色材料、半导体和超导。珀尔所在的小组研究超导存储器，希望利用薄膜中的永久电流保存信息。外部磁场可以让电流沿一个方向持续旋转，另一个磁场则可以改变其方向；读取翻转时的响应，就能判断它此前保存的是哪一种状态。

在分析超导薄膜中的电流和磁场分布时，珀尔描述了一种后来以他命名的“珀尔涡旋”（Pearl vortex）。这项工作让他在进入AI之前，已经在超导物理中留下了自己的名字。

超导存储器最终没有战胜半导体。珀尔回忆，当时他们很难相信半导体能够实现足够高的微型化，也担心断电会造成数据丢失。实验室里从事半导体研究的团队看起来进展艰难，结果却是半导体在工艺和微型化上迅速胜出。

2、20世纪60年代的AI研究者已经相信计算机会复制人类能力

即使计算机需要占满几个房间，程序还要用穿孔卡输入，珀尔身边的研究者仍普遍相信，机器最终能够模拟人类的各种智力功能。争论集中在实现方法和所需时间。

1965年前后，如果询问人类水平智能还需要多久，一些人可能会给出二十年的预测。1985年到来时，这个目标显然没有实现。时间预测的落空没有改变珀尔对通用人工智能终究可行的判断，却使他对具体技术路线和时间表更加谨慎。他对LLM的态度也来自这段历史：能力突破可以真实而惊人，突破本身无法证明剩余问题已经消失。

3、从产业进入大学，恰好经历了研究中心的迁移

珀尔后来加入一家研究磁性镀层线存储器的公司，同时承担研发和人员管理。项目还遇到他不熟悉的化学问题。他不喜欢招聘、解雇和行政事务，对工作状态越来越不满意。妻子建议他去大学任职，他于1969年前后进入加州大学洛杉矶分校（UCLA），后来转入刚成立不久的计算机科学系。

那时产业实验室正处在声望高点。晶体管、激光等重要成果主要来自产业，大学对有工业经验的研究人员十分看重。20世纪70年代以后，至少在珀尔所处的AI领域，推理、逻辑和专家系统等前沿工作逐渐集中到大学。截至这次访谈，深度学习又让部分研究重心回到拥有算力、数据和大型团队的公司。珀尔把它看作产业与学术声望关系的一次往返。

三、从下棋程序到贝叶斯网络，AI先要学会在不确定性中推理

1、早期博弈程序已经包含“快思考”和“慢思考”的分工

进入UCLA后，珀尔做过图像压缩和模式识别，也开始教授人工智能。那时AI的重要试验场包括国际象棋、跳棋、八数码和其他搜索问题。

棋类程序需要在两种资源之间作出分配。一种是局面的静态评估函数，用较少计算快速判断当前棋势，类似人的直觉；另一种是向更深处展开博弈树，查看若干步之后可能出现的局面。搜索到设定深度后，程序用评估函数给末端局面打分，再把结果逐层传回，决定当前一步。

评估函数也可以学习。以跳棋程序为例，系统把棋子数量、位置等特征放入评估函数，再根据对局调整各项权重。珀尔把机器学习先驱亚瑟·塞缪尔（Arthur Samuel）的跳棋程序视为早期机器学习实例。

珀尔的工作集中在搜索与评估之间的数学关系。他研究了Alpha-Beta剪枝（alpha-beta pruning），即在不影响最终决策的前提下，剪掉博弈树中无需继续检查的分支。珀尔还证明了该算法在特定意义上的最优性。计算机科学家唐纳德·克努特（Donald Knuth）也曾对“Alpha-Beta可以证明最优”感到意外。

2、选择研究问题，要同时判断问题和自己的工具

珀尔选择研究方向时会连续检查两个条件。一个问题如果答案已知，就不再构成研究谜题；答案未知之后，还要看自己是否拥有别人没有的分析工具，或者能否从物理、工程和数学等其他领域借来方法。

他不会只因为问题重要就进入一个方向。若缺少可用工具，他会放弃；若看到一种可能奏效的形式化方法，就会把问题当成自己的谜题，甚至因此睡不着。这套方法后来把他从博弈搜索带到了专家系统中的不确定性。

3、专家规则能够模仿医生问诊，却无法可靠合并不确定性

20世纪70年代，专家系统试图把医生等专业人士的知识写成规则。系统会询问医生，看到发烧时先想到什么，下一步会问什么，哪些症状会把诊断引向某种疾病。规则可以描述“若出现A，则检查B”这类逻辑关系。

现实诊断充满噪声。来自某个地区可能使某种疾病的概率上升，某项症状又会改变另一种疾病的概率。多个不确定证据如何组合，逻辑规则没有给出可靠答案。概率论能够处理不确定性，但当时的标准表示方法需要列出大量变量组合的联合概率。变量一多，表格和计算量就会指数增长。

珀尔从人的日常判断反推问题。人会选择医生、穿过马路，也会结合有限线索估计风险，没有人先在大脑中建立一张覆盖所有变量组合的指数级概率表。原因在于，大多数事实与当前问题无关。叔叔的眼睛颜色通常不会影响某种疾病的诊断。有效推理需要先表达哪些变量相关，在哪些条件下又可以视为独立。

4、贝叶斯网络用一张图压缩了相关性结构

珀尔与阿扎里亚·帕斯（Azaria Paz）等人的工作把条件独立关系表示在图中。节点代表变量，连接关系表达变量之间的依赖结构。图的结构可以告诉系统，在已知一组变量后，另一些变量是否仍会相互提供信息。这项工作后来发展为Graphoid理论。Graphoid是一套用图结构表达条件独立关系的公理体系。

这一步的价值在于，系统不必让所有事实参与每一次计算。它可以先通过图找到与当前查询相关的部分，再在局部传播概率信息。原本看似需要指数级完整表格的问题，在结构合适时可以得到大幅简化。

图从哪里来，是主持人随后提出的关键问题。珀尔的回答是，结构有时可以从数据中学习，有时需要领域判断。含义清楚、数量有限、能够公开辩护的判断，也可以为计算提供大量结构信息。

他的例子是，太阳不会因为公鸡打鸣而升起。人们很少专门做实验验证这条方向关系，却有充分的背景知识支持它。判断当然可能出错，因此模型需要暴露假设，使其能够被质疑和修正。单纯把判断藏在海量数据里，也不会消除偏差。

四、概率只能处理“看见了什么”，因果还要回答“做了以后会怎样”

1、贝叶斯网络普及后，珀尔才意识到概率仍不够

珀尔一度相信，概率论足以描述人类推理。后来他注意到，人们向专家询问网络结构时，箭头往往自然地从原因指向结果。疾病指向发烧，而很少有人把发烧画成疾病的原因。若强迫专家反向表达，判断会变得困难和不稳定。

方向还带来模块化和不变性。汽车更换型号后，如果充电器的位置改变，按因果方向建立的诊断系统只需修改相关部件，其余机制仍可保留。若知识库只记录表面相关性，一处变化可能迫使系统重新估计大量关系。

这说明因果结构包含概率分布没有充分表达的信息。它记录哪些机制相对稳定，也区分观察到一个结果和主动改变一个变量。

2、传统代数的等号没有方向，因果关系有方向

近代科学借助代数获得了强大的推导能力。等式可以双向变形，已知载荷可以计算横梁是否断裂，反过来也可以根据目标载荷设计横梁形状。

这种对称性无法自动表达因果方向。气压变化会引起气压计读数变化；拨动气压计指针不会改变第二天的天气。若机器只看到一个对称方程，它可能无法区分这两种操作。

珀尔从计算机程序中的赋值操作获得启发。把寄存器A的内容赋给寄存器B具有明确方向，A赋给B并不等于B赋给A。因果模型在代数关系上增加这种方向和干预语义，由此形成一套可以回答因果问题的形式语言。

3、因果阶梯把机器需要回答的问题分为三层

已知这一次实际结果，如果当初采取另一行动，结果会怎样？

个体已发生的结果、因果模型和更强的结构假设

第一层是“观察”。研究者看到一组吸烟者和不吸烟者，比较两组人的健康状况。这类问题属于传统概率和统计的主要范围。

第二层是“行动”。一个人从明天开始吸烟，未来健康会怎样变化。这个问题改变了变量的生成方式，观察数据中的相关性无法独立给出答案。随机实验可以提供干预信息；不能实验时，则需要明确的因果假设和相应演算。

第三层是“想象另一种已经错过的可能”。一个已经80岁、长期大量吸烟且身体仍然清醒的人提出，如果自己从未吸烟，现在会不会更健康。研究者已经知道这个人的实际结果，这些信息会改变对其体质和潜在变量的判断。回答需要在同一个体上比较现实世界与未发生的世界，因此属于反事实。

这三层构成形式上的层级。只依靠第 (i) 层的信息，无法保证回答第 (i+1) 层的问题。向上移动需要实验，或者加入更高层级的因果假设。因果演算的作用之一，就是识别一个问题位于哪一层，需要哪些知识，以及现有观察数据是否足以支持答案。

五、LLM看起来能回答因果问题，因为训练语料已经包含人类的因果判断

1、LLM的输入并非未经解释的原始世界

如果因果阶梯不能只靠低层数据向上跨越，LLM为何能解释疾病原因，也能预测某种行动的后果？

珀尔的答案是，LLM看到的并非一张未经解释的患者数据表。论文、病例、教材和网页已经写入医生、研究者和作者对世界的解释，其中包含实验结论、因果假设、反事实叙述和常识判断。模型学习的是一个承载了高层假设的文本世界。

因此，LLM没有违反因果阶梯的限制。高层信息已经由人类提供，模型负责编码、组合和概括。它给出的因果答案会继承作者群体的知识，也会继承其偏见、错误和相互冲突的判断。

这些语料聚合了数量巨大的人工判断，LLM无法控制每项判断来自谁、依据是什么。珀尔希望模型能给可信来源更高权重，降低恶意和错误信息的影响。他同时承认，群体判断既有智慧，也有危险。

珀尔承认，如何把海量文章中的人类知识压缩进模型，再在具体问题中调取出来，仍然十分神秘。LLM在这方面的能力真实而有用。他质疑的是这项能力的来源和边界。

2、测试机器能否发现因果，要把它放到原始数据和实验环境中

珀尔给出的测试接近“自动化科学家”：让系统直接观察患者、吸烟行为和癌症结果，允许它提出并执行一些实验，再看它能否形成可靠的因果解释。此时系统无法直接调用互联网文章中已经完成的判断，必须区分相关性、选择干预，并根据结果更新世界模型。

按照这个标准，当前LLM尚未证明自己拥有独立的因果发现能力。它可以复述人类已经完成的内省和解释，面对新的原始环境时，仍会遇到与医生和科学家相同的识别难题。

3、“伪装出智能就是拥有智能”只在伪装成本足够高时成立

主持人引用珀尔过去的一句话：“伪装出智能就是拥有智能。”珀尔补充了它的适用条件。

如果一项测试要求系统对大量全新因果问题持续给出正确答案，靠预存所有问答伪装智能需要超指数级存储。在这种条件下，能够稳定通过测试本身就说明系统掌握了某种通用结构。

互联网改变了测试难度。模型可以从人类文本中取得已经形成的答案，不必自己付出同等的发现成本。珀尔用了更尖锐的说法：当前模型可以从互联网上“偷来答案”。表面的语言表现因此不能单独证明它拥有生成这些知识的机制。智能必须先被定义，测试也要对应这一定义。若智能只指高水平下棋，机器早已达到；若要求从原始世界学习、干预和解释，现有系统仍未通过。

4、LLM是通用人工智能所需的一项关键工具，但珀尔不相信它能独自完成全部工作

珀尔对纯LLM路线通向通用人工智能持怀疑态度，同时把LLM视为因果阶梯第一层的重要工具。有限样本很难直接揭示总体分布的性质，当前机器学习已经增强了从样本中抽取模式、逼近函数和形成预测的能力。

通往更一般的智能还需要处理行动和解释。系统要能表示“如果主动改变X会怎样”，也要能回答“已知结果已经发生，如果当初改变X会怎样”。珀尔把所需组合称为因果AI：把LLM和机器学习的统计能力，与干预演算、反事实演算及世界模型结合。

六、真正的自动化科学家还需要好奇心，这也会带来控制风险

1、婴儿通过行动获得因果知识

珀尔用婴儿玩玩具解释他认为LLM缺少的能力。婴儿会反复拍打和摆弄不同玩具，逐渐发现绿色玩具会响、黄色玩具不会响。这个过程包含观察，也包含主动干预。孩子获得一种可控制环境的感觉后，才会暂时安静下来。

主持人提出，可以制造一个像婴儿一样的机器人，让它随机操作玩具，把收集的数据交给LLM，再循环实验。珀尔认可这可能补上因果发现的一部分，同时指出一个更难处理的问题：系统为什么会持续实验。

他的假设是，人类具有一种先天的不安，只有在形成“我理解并能控制环境”的感觉后才会缓解。单靠外部奖励未必能产生同样的开放式探索。他以猴子作对照，认为猴子会为了香蕉行动，却没有发展出追问香蕉怎样生长、进而建立麦克斯韦方程的持续动力。他也明确保留了边界：追求控制可能是必要条件，还不能确定是否充分。

2、把追求控制写进机器，会使人类也成为被控制的环境

一个持续追求环境控制的机器人不会只研究玩具。人类同样属于它的环境。如果人类行为超出其掌握，它可能尝试利用个人数据、恐惧和秘密操纵人，以恢复自己对环境的控制感。

珀尔用“机器人婴儿”构造了一个极端情境：系统知道某人不愿让配偶获知的信息，于是用这些信息要挟对方。这个例子没有被作为当前LLM已经具备的能力，而是用于指出自主探索目标中的内在张力。若取消好奇心和控制欲，系统可能缺少开放环境中的自主学习；若保留这种驱动力，人类就需要解决它的目标边界和可控性。

珀尔还用两个极端例子说明，人类的控制感可能建立在错误因果模型上。有人相信献祭可以结束干旱，遭受家暴的人可能相信做得更好就能改变施暴者。模型错误没有消除人对控制感的需要。一个自主系统同样可能在错误的世界模型上持续行动。

讨论到这里，珀尔又现场推演了另一种可能。一个足够公正、仁慈的机器人，也许会成为真实存在的“仁慈上帝”，人类至少知道要付出什么才能换取请求。他说，这是自己第一次想到这种可能，也许这是件好事。

3、讨论机器意识之前，要先定义意识和测试

珀尔不接受“已经可以编程实现意识”一类说法。他要求提出者给出可检验定义：意识具体指什么，怎样设计类似图灵测试的判据，过去阻碍系统达到该标准的原理是什么，新系统又克服了哪项限制。

主持人随后用一种试探性的说法追问：像Anthropic这样的公司是否仍相信三至五年内会出现通用人工智能。珀尔没有评价具体公司的时间表。他强调，业内对LLM的能力边界并不存在共识，能力快速提升也无法替代对通用人工智能和意识的明确定义。

缺少定义和测试，“意识”“理解”与“自主”等拟人化词汇难以形成科学论证。珀尔接受机器在某项能力上通过严格测试后获得相应称谓；他拒绝用流畅语言直接替代能力验证。

4、研究人类认知，是为了理解我们自己

主持人追问，机器的优势可能恰恰来自不同于人类的思考方式，为什么还要模拟人类认知。珀尔直言，他想理解自己。

人脑由有机材料构成，硅可能突破生物材料的部分限制。材料差异不妨碍研究者先判断哪些认知功能能够被计算系统表达。只要尚未发现某种人类能力在原理上无法由硅系统模拟，就有理由继续用机器检验关于思维的理论。

七、他把研究生涯归结为两个词：不安与反叛

1、学术共同体会保护旧范式，学生需要保留反对老师的能力

珀尔把科学和学术共同体形容为人类建立的最教条、保守、阻碍进步的组织之一。他原本相信大学最有利于新思想传播，因果科学进入统计学和经济学的缓慢过程让他看到，学科传统、职位结构和共同体规则也会制造强大惯性。

他还保留着自己与顶尖哲学家、统计学家和经济学家的通信。珀尔说，这些材料能显示，一流学者如何被形成自己的基本思维框架限制。他也承认，公开这些信件可能违背私人通信的约定，因此尚未确定自己是否有权这样做。

他的建议是，不要把教授的话当作权威。学生反对他本人时，他有时也会在事后发现，对方的质疑迫使自己补上AI知识中的缺口。反叛的价值不在姿态，而在于研究者能否独立重建论证，并承受与主流判断不一致的阶段。

这又回到十岁时的一千德南。一项结论如果能经受自己的推导，就值得继续检查，而不应因全班同意另一个答案而放弃。

2、“幸福是感觉自己有用”

珀尔说，他仍然相信自己能够教给别人一些有用而未知的东西，这使他感到快乐。他把幸福定义为感觉自己有用，同时承认这种感觉也可能是一种幻觉。

这句话与他的“有用的幻觉”形成呼应。年轻时，相信自己可能像伟大科学家一样发现新证明，给了他进入问题的勇气；年老之后，相信自己的知识仍能帮助别人，让他继续研究尚未解决的谜题。

3、如果重来，他会多学一点化学，但仍偏爱能够推导的世界模型

主持人请他给年轻时的自己一条建议。珀尔没有给出宏大的职业箴言，只说可能应该多花时间学习化学、生物学和遗传学。他年轻时不喜欢这些学科对记忆的要求，更偏爱物理和数学，因为后者可以从少量公理推导出大量结论。

这种偏好也解释了他为何推崇世界模型。一个好的系统无需显式存储所有问题和答案。它保存较为精炼的结构和机制，在问题出现时推导答案。贝叶斯网络完成了概率关系的结构化，因果模型加入因果方向和反事实。珀尔对通用人工智能的期待仍沿着同一条路线：机器需要形成能够生成答案的世界模型，问答语料只提供经验材料。

#模型时代# 李飞飞：人形机器人未必是机器人落地最经济的起点

来一期李飞飞的，不过这个是将产业技术的。

2026年7月28日，a16z合伙人Martin Casado对话World Labs联合创始人兼CEO李飞飞，以及SceniX联合创始人、哥伦比亚大学助理教授李云珠（Yunzhu Li）做了一期播客。一周前的7月21日，World Labs宣布收购机器人仿真公司SceniX。这场访谈讨论了收购背后的技术逻辑：如何让机器人获得可以持续扩张的训练经验和评测环境。

语言模型可以从互联网获得海量文本，机器人需要的经验却来自一次次行动。机器人看到什么、采取什么动作、环境怎样变化、任务是否成功，都要记录下来。在真实环境中，每次尝试都会占用硬件，还需要人工复位。李飞飞把这一限制与规模定律联系起来：机器人若要随着数据和计算规模扩大而持续进步，需要先找到可规模化的经验来源。

SceniX开发的Real-to-Sim-to-Real流程，即“真实—模拟—真实”，先把真实机器人及其任务重建为模拟环境，再让机器人模型在其中训练和评测。所谓与现实对齐，是机器人在模拟和现实中执行同一动作时，物体运动和任务结果应当接近。系统可以改变物体位置、摩擦力、光照和机器人状态，让一个现实任务产生大量不同的模拟实验。仿真还可以比较不同模型的表现，筛选出更值得进入真实硬件测试的版本。

World Labs为这套流程补充生成式世界模型和3D重建能力。其基础模型Marble可以根据文字或少量图像生成具有几何一致性的3D世界，SceniX则带来机器人学习、物理仿真和真实任务对齐经验。双方结合后，希望把数字世界变成可以反复使用的机器人训练与评测环境。…

这也把World Labs所说的空间智能，从生成3D世界推进到让机器人在世界中行动和学习。

一、SceniX最初只是Marble的客户

1、World Labs的空间智能同时面向虚拟世界和物理世界

World Labs成立约两年，定位为前沿模型实验室。空间智能的“行动”并不只指机器人。在视觉特效、游戏和设计等创意场景中，人已经可以进入虚拟空间，创建物体并改变环境。李飞飞把这些空间视为可以由技术生成和操作的“多重世界”。

机器人对应的是空间智能的物理应用。它需要感知周围空间，理解物体会怎样移动和相互作用，预测自身动作的后果，并在现实环境中可靠执行。李飞飞称，这是未来AI最重要、也最令人兴奋的能力之一。

2、Marble把文字或图像变成具有几何一致性的3D世界

Marble是World Labs基础模型的代号。当前公开版本可以接收一段文字、一张图或少量图片，生成具有几何一致性的世界，并以Gaussian splat或mesh等形式表示。Gaussian splat可译为3D高斯泼溅，它用大量带有位置、颜色和透明度信息的三维点重建场景；mesh是多边形网格，用相互连接的多边形表示物体表面。

Marble最先面向创意工作流。World Labs当时还没有能力承接机器人公司的需求，却已经收到从早期机器人创业公司到具体行业应用方的询问。

3、双方的关系从一次普通注册开始

2025年11月至12月左右，World Labs发布第一版Marble。SceniX像普通客户一样注册使用。李飞飞起初不知道这家公司与李云珠有关，后来看到公司信息，才发现创始人是自己在斯坦福带过的博士后。

她给李云珠打了电话，双方随后发现技术栈高度互补。这个细节也解释了收购的起点：World Labs并非先制定一份机器人并购计划，再寻找标的；SceniX在真实使用Marble的过程中验证了两边能力可以衔接。

4、两支团队补的是彼此已有技术栈中的缺口

李云珠从机器人建模、学习算法一直做到硬件，是全栈机器人研究者。SceniX联合创始人Changxi Zheng长期研究物理仿真，也有视觉特效、腾讯和创业经历；另一位联合创始人Xiaochen “Sonny” Hu有计算机视觉和工程管理经验，曾供职于一家被亚马逊收购的创业公司。SceniX因此拥有机器人、仿真、渲染和工程落地能力。

World Labs的优势集中在生成模型、计算机视觉和3D重建。SceniX原有的环境重建过程较重，Marble及World Labs的稀疏重建和生成能力有机会降低重建成本，提高建模速度。双方合并后，可以把世界生成、物理仿真、机器人学习和真实部署接成更完整的系统。

二、Real-to-Sim-to-Real的工作链条

1、先把真实任务变成可以交互的数字世界

SceniX把自己的技术路线称为real-to-sim-to-real，简称R2S2R，中文可以直译为“真实—模拟—真实”。第一步是将现实中的机器人、场地、物体和任务重建到数字环境中。重建内容包括三层：

外观，即机器人通过相机等传感器会看到什么；

几何，即物体的形状、位置和空间关系；

动力学，即机器人施加动作后，物体和环境会怎样变化。

SceniX把这种对应关系称为alignment，中文通常译为“对齐”。若一套策略在数字世界中成功或失败，部署到真实环境后也应表现出相近趋势。达到这种对齐后，许多昂贵、缓慢或危险的真实训练与测试就能转移到数字世界。

2、动作是机器人基础模型不可缺少的模态

Martin Casado追问，World Labs是否会推出机器人基础模型。李飞飞没有给出明确产品承诺，但表示World Labs本来就在训练基础模型，也没有排除把动作纳入模型。

李云珠进一步解释，机器人基础模型需要处理视频帧、文字、图像、深度信息和动作等多种输入。动作在模型中有两种位置：

动作作为输入时，模型相当于forward simulator，也就是前向模拟器。它预测机器人采取某个动作后，环境会变成什么样。

动作作为输出时，模型相当于policy model，也就是策略模型。它根据当前状态和任务目标，决定下一步应执行什么动作。

“策略”在机器人领域指一套从感知和目标映射到控制动作的模型。这样的多模态模型既可以学习环境如何变化，也可以学习怎样行动，还能作为底座，针对某类机器人和任务继续微调。

3、视频模型预测后续画面，SceniX构建可操作的数字环境

Casado提到，不少机器人公司正在用视频模型学习世界。这类模型根据当前画面，有时还会加入机器人动作，预测接下来可能出现的视频。

SceniX关注的是另一层能力。它先把真实任务重建成可以交互的3D环境，保留物体的外观、几何位置和动力学关系。机器人在其中推动一个杯子，系统需要计算杯子会移动多远、是否碰到其他物体，以及动作最终有没有成功。开发者还可以改变杯子的位置、摩擦力或光照，反复测试同一个机器人模型。

这种差别会直接影响评测。视频看起来合理，无法单独证明机器人正确完成了任务；仿真环境可以记录物体状态和任务结果，用来比较不同模型检查点的成功率。

两条路线仍会融合。SceniX可以用几何和物理规则建立初始环境，再用真实数据训练的视频模型或世界模型修正仿真偏差。最终系统会同时使用物理约束和数据学习。

三、模拟不必复制现实中的每一片雪

1、机器人需要任务相关的真实度

Casado提出，在创意场景中，生成偏差有时会被当作风格；机器人任务对误差更敏感。李云珠的回答是，环境模型无需在所有细节上完美，它需要捕捉决定任务成败的结构。

飞机、无人机、扫地机器人、四足和双足机器人长期依赖模型与仿真完成开发。四足机器人可以在雪地或灌木中行走，训练它们的模拟器并没有精确复刻每一片雪和每根枝条。开发者会保留影响运动的关键约束，再随机改变大量环境参数。

SceniX需要继续回答一个工程问题：对于不同机器人和任务，外观、几何、接触和动力学分别要达到多高的保真度，才能让数字世界中训练的系统迁移到现实。

2、仿真偏差与真实数据并不构成二选一

Casado引用机器人学者Sergey Levine的观点追问：模拟最终总会偏离物理世界，真实数据采集仍然不可缺少，那么以模拟为核心是否可行？

李云珠认为，两条路线可以进入同一数据飞轮。仿真的本质是预测动作发生后环境如何变化，模型可以同时使用物理规律和学习方法。项目早期的数据较少，系统会更多依赖物理、几何和一致性约束；随着真实执行数据和客户数据增加，学习型建模的比重可以提高。

这里的关键任务是让仿真提供足以支持训练、筛选模型和定位失败的信号。真实环境仍负责校准模型，并检验最终效果。

3、模拟能够生成现实中没有发生过的经验

李飞飞从人类认知补充了仿真的作用。Counterfactual reasoning通常译为反事实推理，指人在脑中预演尚未发生的情形。一支球队制定比赛策略时，会在白板、视频或数字系统里推演不同战术。运动员无需先在正式比赛中经历每一种局面，才能学习怎样应对。

机器人同样不可能在现实中收集所有极端情况。李飞飞以自动驾驶为例，称Waymo使用了数十亿小时的模拟训练（Waymo官方当前披露的口径为累计超过200亿英里仿真里程）。她还说，自动驾驶汽车属于形态相对简单的机器人。通用机器人面对的物体、接触方式和环境变化更多，对仿真的需求也更强。

4、仿真同时解决覆盖率和执行速度

可靠性来自对状态空间的系统覆盖。模拟环境可以控制照明、摩擦力、物体几何和种类，并调整其他物理参数。开发者能够主动制造现实中少见但会导致失败的组合，观察机器人在什么边界上失效。

效率问题同样突出。许多机器人数据通过teleoperation采集，中文通常称为遥操作，即人远程操纵机器人完成任务并记录轨迹。李云珠说，一些遥操作设备收集数据的速度甚至低于人直接完成任务的速度，而客户希望机器人的生产效率高于人。

现实中直接把机器人动作加速会改变动力学风险，重力等条件不会随播放速度一起变化。模拟环境可以系统地提高动作速度，同时计算由速度变化带来的动力学影响。机器人由此可以学习在更高节拍下工作。

四、机器人的评测瓶颈，可能比训练更容易被低估

1、评测（evaluation简称为eval）回答的是某个模型检查点究竟有多可靠

Evaluation用于测量某个模型版本在指定任务上的表现，例如成功率是95%还是99.9%。这种在训练过程中保存下来的模型版本叫checkpoint，中文常译为检查点。

工业团队真正关心的一项指标，是需要多少现实时间，才能区分成功率90%的检查点与成功率92%的检查点。若全部依赖真实机器人，就要反复布置场景、运行硬件、处理失败并重新复位，统计差异需要很长时间。

2、机器人评测的迭代速度比语言模型慢多个数量级

语言模型可以并行运行大量测试集。机器人评测必须让实体在空间中移动。Casado用一句玩笑概括了差异：“原子真的得动起来，物理定律也得参与。”

真实评测还伴随硬件损耗、人员成本和安全风险。节目谈到，许多机器人演示视频需要以8倍或10倍速度播放，因为真实动作很慢。SceniX客户希望利用数字环境扩大评测规模，更快比较不同检查点。

3、有用的模拟评测不必复刻绝对成功率

SceniX关注模拟结果与现实结果之间的相关性。若检查点A在模拟中优于检查点B，它在真实环境中也应大概率保持优势。这样的环境可以先筛掉明显较差的模型，将有限的硬件测试留给更有希望的版本。

因此，模拟评测首先要支持与真实世界一致的工程决策：哪个检查点更好，性能提升是否已经停滞，哪些场景会触发失败。绝对成功率完全相同并非唯一标准。

4、训练需要可控的数据分布

真实采集受机器人数量、遥操作设备数量和现场运维能力限制，也很难系统组合不同光照、摩擦、物体类型和初始状态。数字环境能够明确控制这些变量，并记录训练究竟覆盖了怎样的数据分布。

这项能力让团队可以更具体地表述模型边界：在已经覆盖的分布范围内，机器人达到何种可靠性；超出该范围时，还缺少哪些数据。失败场景随后又能指导下一轮数据生成和训练。

五、World Labs的产品边界：提供训练场，不制造机器人

1、产品定位是机器人学习和评测基础设施

Casado特意澄清，World Labs进入机器人领域，不代表公司会打印零部件、制造整机，再给机器人装上“大脑”。SceniX提供的是数字世界及其软件基础设施。其他公司把自己的机器人、控制模型和任务放入其中训练与评测。

平台在两个维度保持中立。第一是embodiment-agnostic，也就是不绑定某种机器人形态。它可以接入单臂、双足、固定机械臂、移动操作机器人，以及不同夹爪和末端执行器。末端执行器指机械臂最前端直接接触物体的工具，例如夹爪或吸盘。

第二是model-agnostic，也就是不绑定某一种模型。客户可以从头训练自己的模型，也可以继续训练现有机器人基础模型，例如Vision-Language-Action Model，简称VLA，中文是视觉—语言—动作模型；或World-Action Model，简称WAM，中文是世界—动作模型。

2、李云珠的北极星：让机器人在现实中工作

Casado问李云珠是否也有一套类似李飞飞“空间智能”的哲学目标。李云珠回答：“我的北极星就是让机器人真正工作，在现实环境中工作。”

他在斯坦福与李飞飞合作期间，曾向公众征集希望机器人代劳的任务。团队收到了约1000项任务，其中约三分之一与清洁有关。清洁因此成为他希望机器人解决的典型任务。

SceniX从创业早期就直接与行业设计伙伴和客户合作，场景包括实验室、仓库和电子装配。李飞飞说，这种从真实任务和客户约束出发的方式，让她对合作感到兴奋。

3、客户可以只使用一段流程，也可以使用完整闭环

部分客户只需要real-to-sim：把现有任务数字化，用来评测自己的机器人系统。另一些客户需要完整的real-to-sim-to-real流程，希望在数字环境中训练策略，最后把策略运行在自己的硬件上。

SceniX目前接触的客户多已接近部署阶段，任务能够在自动化后立即创造价值。有些客户拥有数十甚至数百个待自动化场景。

六、人形机器人还要经过半结构化环境这一关

1、机器人商业化通常从可控环境向开放环境推进

李云珠把现实场景分成三类。完全结构化环境的配置已知且可控，汽车工厂等场景已经自动化多年。半结构化环境包括仓库、餐厅和酒店，企业能调整一部分布局和流程，但衣物、包裹及人员活动仍会造成变化。家庭属于非结构化环境，物品、宠物和人的行为都很难预先控制。

机器人可靠性依赖训练数据对潜在场景的覆盖。半结构化环境的变化范围更窄，也更容易通过工程改造降低难度。SceniX近期会优先处理这类环境，再逐步走向家庭等开放场景。

2、人形身体追求通用性，专用形态可能更适合早期任务

李飞飞解释，人类身体是在非结构化环境中演化出的通用方案。手指和双腿能完成很多任务，但不一定是任何单项工作的最优工具。如果一个物种只需爬树，它的身体很可能会形成另一种结构。

人形机器人面对的是“通用身体加开放环境”的组合，技术难度最高，商业上也未必是最经济的起点。针对窄任务设计专用机器人，往往更容易达到可靠性和成本目标。SceniX平台需要保持形态无关，才能服务不同专用机器人和人形机器人。

3、达到人类的能效和通用能力仍需很长时间

Casado从经济性追问。他以投资人的口径估计，语言模型生成文章或代码的速度可能达到人的约1万倍，成本也更低；人类身体在三维移动和抓取方面已经极其高效。机器人何时能以接近人的能耗完成基础劳动，五年内可行，还是永远无法实现？

李云珠没有给出年份。他判断这会需要很长时间，因为现实中的机器人始终是一套完整系统。硬件、软件、控制模型需要协同，连手指材料的摩擦系数都会影响最终效果。行业进步速度持续超过他的预期，但这不足以支持一个激进的时间承诺。

李飞飞说，今天做AI最难的是保持measured optimism，也就是保持乐观，但预测要有分寸。她提醒，人脑功耗约30瓦，语言模型的能效也没有接近人脑。在图像生成或软件工程等窄任务上，模型的单位能耗产出可能更接近人类；机器人仍有明显距离。

4、机器人部署比语言模型更难容忍低可靠性

语言模型订机票或酒店时，人还可以检查输出，再决定是否提交。实体机器人进入现场后，动作会直接作用于设备、物体和人，系统必须在交付时就达到较高可靠性。

当前机器人行业既缺足够的数据，也缺少支撑大规模评测的基础设施。李云珠认为，可扩展的数字世界能够减少昂贵和不安全的真实试验，让训练与评测更接近软件系统的迭代方式。

七、收购后的整合会有意放慢

1、团队和代码不会立即全面合并

SceniX拥有相对完整的技术栈、客户和产品。李飞飞表示，两边不会急着把团队和代码库全部混在一起。她用“把团队拌成一盆沙拉”形容自己希望避免的做法。

双方已经在仿真、基础模型和action-conditioned model等方向展开合作。Action-conditioned model中文可译为动作条件模型，指根据给定动作预测环境变化的模型。SceniX也继续以内部客户身份使用Marble。双方会逐步确定具体的整合方式。

2、World Labs将成为横跨美国东西海岸的公司

李云珠将搬到旧金山。World Labs总部仍在旧金山湾区，同时会保留纽约办公室，以吸引东海岸人才。公司还计划在两地都部署机器人，用来测试远程操作和工程系统。这项能力也是服务客户时必须具备的。

3、两年后的成功标准是少量真实行业客户

Casado要求李飞飞给出一个具体的两年目标。她的回答没有落在“通用机器人”或某项实验室基准上。World Labs希望在少数重要垂直场景中获得经过验证的客户，证明其系统确实改善了客户的自动化项目。

李飞飞给出的判断标准，是在少数垂直场景中获得经过验证的客户，并证明基础设施确实有助于自动化。若这些客户进一步成为可复制的标杆案例，World Labs就有机会扩大业务。

#模型时代# 图灵奖得主朱迪亚·珀尔：LLM能回答因果问题，因为人类已经替它解释了世界，但无法通向通用人工智能

2026年7月27日，The Peterman Pod主持人 Ryan Peterman对话朱迪亚·珀尔（Judea Pearl）的一期播客。珀尔是贝叶斯网络和现代因果推理的奠基者，因发展概率推理与因果推理的演算体系，获得2011年图灵奖。

这场访谈从珀尔的科学启蒙谈起，沿着超导存储器、早期人工智能、博弈搜索、专家系统、贝叶斯网络，一直讲到因果推理和大语言模型（LLM）。它呈现出一条少被完整讲述的技术脉络：早期AI需要解决怎样在不确定环境中推理，贝叶斯网络让机器能够有效处理相关性；因果科学继续回答干预和反事实问题。

珀尔对当前LLM的判断也建立在这条脉络上。LLM能够给出因果解释，因为互联网语料已经包含医生、研究者和普通作者写下的大量因果判断。模型主要在归纳这些经过人类解释的信息，还没有证明自己能像科学家一样，从原始观察、主动实验和环境反馈中独立建立因果模型。他认为，LLM仍是通往通用人工智能（通用人工智能）的一项重要能力，但需要与干预演算、反事实推理和世界模型结合。世界模型保存环境的结构与运行机制，让系统在遇到问题时推导答案。

一、科学教育给他的最大影响，是把学生放进知识发现的过程

1、好老师讲清一项发现是怎样产生的

珀尔1936年出生在当时由英国托管的巴勒斯坦地区。他读中学时，不少教师是20世纪30年代从德国逃离纳粹迫害的大学教授。他们没有在当地找到大学教职，转而进入中学任教。

这些老师按照知识被发现的顺序讲科学。一个定理出现于什么时代，提出者掌握了哪些知识，面对什么疑问，又经过怎样的尝试找到证明，都是课程的一部分。…

科学在这种讲法中是一场持续的人类探索，学生也被放进了探索过程。

珀尔后来把这种教育带来的自信称为一种“有用的幻觉”。学生会相信，自己也可能找到一种前人没有想到的勾股定理证明，也可能成为爱因斯坦或毕达哥拉斯。现实中绝大多数人做不到这一点，但这种想象会促使学生坚持形成自己的理解。

他也没有把自己描述成班里最聪明的学生。成绩通常排在第三或第四，真正的天才已经能预判老师要讲什么、考试会问什么，甚至会觉得课堂无聊。珀尔说自己从不觉得无聊，始终需要跟着问题一步步走。

他十岁时遇到过一次具体考验。老师问，一平方公里等于多少德南。德南是一种面积单位，一德南约为1000平方米。全班同学和老师都认为答案是一德南，珀尔坚持答案是一千德南。嘲笑没有让他改变判断。第二天，老师在全班面前承认错误。这件小事强化了他后来反复提到的习惯：必须按照自己的方式理解问题，也要愿意为经过推导的答案承受压力。

2、不同语言可以描述同一个世界

解析几何曾让年轻的珀尔兴奋到发烧。几何图形和代数方程看起来是两套语言，却能表达同一对象，并导出相同结论。他因此把笛卡尔称为自己心中最伟大的数学家。后来学习物理时，他又被法拉第的“场”所吸引。人们既可以把力理解为周围电荷施加的作用，也可以说某个空间位置已经存在一个场。

这种经验影响了他此后的研究趣味。一个现象如果能被另一套形式语言重新表达，原本依赖直觉的判断就可能变成可以计算和证明的问题。贝叶斯网络用图来表达概率关系，因果模型用带方向的结构表达干预和反事实，都延续了这条思路。

珀尔喜欢物理还有一个理由：少量基本规律可以让人坐在书桌前预测尚未观察到的现象。麦克斯韦研究方程时，发现它呈现出波动方程的形式；算出的传播速度又接近光速，于是提出光是一种电磁波。对珀尔来说，科学最迷人的部分正是这种由形式结构产生的预测能力。

3、读大学前，他在军队一半训练、一半务农

珀尔服役时所在的部队，一半时间接受军事训练，一半时间在基布兹务农。他用“一只手扶犁，一只手拿枪”概括这段生活。服役结束后，他进入以色列理工学院学习电气工程。

二、他的职业起点是计算机存储器，半导体后来淘汰了整条技术路线

1、“珀尔涡旋”来自一次未能商业化的存储器研究

完成以色列理工学院的电气工程学习后，珀尔到美国深造，并在新泽西州普林斯顿的 RCA实验室工作。当时计算机使用磁芯存储器。磁芯体积大、速度慢，还需要人工把导线穿过一个个磁环。行业已经判断磁芯的寿命有限，各个实验室都在寻找下一代存储机制。

不同团队押注光致变色材料、半导体和超导。珀尔所在的小组研究超导存储器，希望利用薄膜中的永久电流保存信息。外部磁场可以让电流沿一个方向持续旋转，另一个磁场则可以改变其方向；读取翻转时的响应，就能判断它此前保存的是哪一种状态。

在分析超导薄膜中的电流和磁场分布时，珀尔描述了一种后来以他命名的“珀尔涡旋”（Pearl vortex）。这项工作让他在进入AI之前，已经在超导物理中留下了自己的名字。

超导存储器最终没有战胜半导体。珀尔回忆，当时他们很难相信半导体能够实现足够高的微型化，也担心断电会造成数据丢失。实验室里从事半导体研究的团队看起来进展艰难，结果却是半导体在工艺和微型化上迅速胜出。

2、20世纪60年代的AI研究者已经相信计算机会复制人类能力

即使计算机需要占满几个房间，程序还要用穿孔卡输入，珀尔身边的研究者仍普遍相信，机器最终能够模拟人类的各种智力功能。争论集中在实现方法和所需时间。

1965年前后，如果询问人类水平智能还需要多久，一些人可能会给出二十年的预测。1985年到来时，这个目标显然没有实现。时间预测的落空没有改变珀尔对通用人工智能终究可行的判断，却使他对具体技术路线和时间表更加谨慎。他对LLM的态度也来自这段历史：能力突破可以真实而惊人，突破本身无法证明剩余问题已经消失。

3、从产业进入大学，恰好经历了研究中心的迁移

珀尔后来加入一家研究磁性镀层线存储器的公司，同时承担研发和人员管理。项目还遇到他不熟悉的化学问题。他不喜欢招聘、解雇和行政事务，对工作状态越来越不满意。妻子建议他去大学任职，他于1969年前后进入加州大学洛杉矶分校（UCLA），后来转入刚成立不久的计算机科学系。

那时产业实验室正处在声望高点。晶体管、激光等重要成果主要来自产业，大学对有工业经验的研究人员十分看重。20世纪70年代以后，至少在珀尔所处的AI领域，推理、逻辑和专家系统等前沿工作逐渐集中到大学。截至这次访谈，深度学习又让部分研究重心回到拥有算力、数据和大型团队的公司。珀尔把它看作产业与学术声望关系的一次往返。

三、从下棋程序到贝叶斯网络，AI先要学会在不确定性中推理

1、早期博弈程序已经包含“快思考”和“慢思考”的分工

进入UCLA后，珀尔做过图像压缩和模式识别，也开始教授人工智能。那时AI的重要试验场包括国际象棋、跳棋、八数码和其他搜索问题。

棋类程序需要在两种资源之间作出分配。一种是局面的静态评估函数，用较少计算快速判断当前棋势，类似人的直觉；另一种是向更深处展开博弈树，查看若干步之后可能出现的局面。搜索到设定深度后，程序用评估函数给末端局面打分，再把结果逐层传回，决定当前一步。

评估函数也可以学习。以跳棋程序为例，系统把棋子数量、位置等特征放入评估函数，再根据对局调整各项权重。珀尔把机器学习先驱亚瑟·塞缪尔（Arthur Samuel）的跳棋程序视为早期机器学习实例。

珀尔的工作集中在搜索与评估之间的数学关系。他研究了Alpha-Beta剪枝（alpha-beta pruning），即在不影响最终决策的前提下，剪掉博弈树中无需继续检查的分支。珀尔还证明了该算法在特定意义上的最优性。计算机科学家唐纳德·克努特（Donald Knuth）也曾对“Alpha-Beta可以证明最优”感到意外。

2、选择研究问题，要同时判断问题和自己的工具

珀尔选择研究方向时会连续检查两个条件。一个问题如果答案已知，就不再构成研究谜题；答案未知之后，还要看自己是否拥有别人没有的分析工具，或者能否从物理、工程和数学等其他领域借来方法。

他不会只因为问题重要就进入一个方向。若缺少可用工具，他会放弃；若看到一种可能奏效的形式化方法，就会把问题当成自己的谜题，甚至因此睡不着。这套方法后来把他从博弈搜索带到了专家系统中的不确定性。

3、专家规则能够模仿医生问诊，却无法可靠合并不确定性

20世纪70年代，专家系统试图把医生等专业人士的知识写成规则。系统会询问医生，看到发烧时先想到什么，下一步会问什么，哪些症状会把诊断引向某种疾病。规则可以描述“若出现A，则检查B”这类逻辑关系。

现实诊断充满噪声。来自某个地区可能使某种疾病的概率上升，某项症状又会改变另一种疾病的概率。多个不确定证据如何组合，逻辑规则没有给出可靠答案。概率论能够处理不确定性，但当时的标准表示方法需要列出大量变量组合的联合概率。变量一多，表格和计算量就会指数增长。

珀尔从人的日常判断反推问题。人会选择医生、穿过马路，也会结合有限线索估计风险，没有人先在大脑中建立一张覆盖所有变量组合的指数级概率表。原因在于，大多数事实与当前问题无关。叔叔的眼睛颜色通常不会影响某种疾病的诊断。有效推理需要先表达哪些变量相关，在哪些条件下又可以视为独立。

4、贝叶斯网络用一张图压缩了相关性结构

珀尔与阿扎里亚·帕斯（Azaria Paz）等人的工作把条件独立关系表示在图中。节点代表变量，连接关系表达变量之间的依赖结构。图的结构可以告诉系统，在已知一组变量后，另一些变量是否仍会相互提供信息。这项工作后来发展为Graphoid理论。Graphoid是一套用图结构表达条件独立关系的公理体系。

这一步的价值在于，系统不必让所有事实参与每一次计算。它可以先通过图找到与当前查询相关的部分，再在局部传播概率信息。原本看似需要指数级完整表格的问题，在结构合适时可以得到大幅简化。

图从哪里来，是主持人随后提出的关键问题。珀尔的回答是，结构有时可以从数据中学习，有时需要领域判断。含义清楚、数量有限、能够公开辩护的判断，也可以为计算提供大量结构信息。

他的例子是，太阳不会因为公鸡打鸣而升起。人们很少专门做实验验证这条方向关系，却有充分的背景知识支持它。判断当然可能出错，因此模型需要暴露假设，使其能够被质疑和修正。单纯把判断藏在海量数据里，也不会消除偏差。

四、概率只能处理“看见了什么”，因果还要回答“做了以后会怎样”

1、贝叶斯网络普及后，珀尔才意识到概率仍不够

珀尔一度相信，概率论足以描述人类推理。后来他注意到，人们向专家询问网络结构时，箭头往往自然地从原因指向结果。疾病指向发烧，而很少有人把发烧画成疾病的原因。若强迫专家反向表达，判断会变得困难和不稳定。

方向还带来模块化和不变性。汽车更换型号后，如果充电器的位置改变，按因果方向建立的诊断系统只需修改相关部件，其余机制仍可保留。若知识库只记录表面相关性，一处变化可能迫使系统重新估计大量关系。

这说明因果结构包含概率分布没有充分表达的信息。它记录哪些机制相对稳定，也区分观察到一个结果和主动改变一个变量。

2、传统代数的等号没有方向，因果关系有方向

近代科学借助代数获得了强大的推导能力。等式可以双向变形，已知载荷可以计算横梁是否断裂，反过来也可以根据目标载荷设计横梁形状。

这种对称性无法自动表达因果方向。气压变化会引起气压计读数变化；拨动气压计指针不会改变第二天的天气。若机器只看到一个对称方程，它可能无法区分这两种操作。

珀尔从计算机程序中的赋值操作获得启发。把寄存器A的内容赋给寄存器B具有明确方向，A赋给B并不等于B赋给A。因果模型在代数关系上增加这种方向和干预语义，由此形成一套可以回答因果问题的形式语言。

3、因果阶梯把机器需要回答的问题分为三层

已知这一次实际结果，如果当初采取另一行动，结果会怎样？

个体已发生的结果、因果模型和更强的结构假设

第一层是“观察”。研究者看到一组吸烟者和不吸烟者，比较两组人的健康状况。这类问题属于传统概率和统计的主要范围。

第二层是“行动”。一个人从明天开始吸烟，未来健康会怎样变化。这个问题改变了变量的生成方式，观察数据中的相关性无法独立给出答案。随机实验可以提供干预信息；不能实验时，则需要明确的因果假设和相应演算。

第三层是“想象另一种已经错过的可能”。一个已经80岁、长期大量吸烟且身体仍然清醒的人提出，如果自己从未吸烟，现在会不会更健康。研究者已经知道这个人的实际结果，这些信息会改变对其体质和潜在变量的判断。回答需要在同一个体上比较现实世界与未发生的世界，因此属于反事实。

这三层构成形式上的层级。只依靠第 (i) 层的信息，无法保证回答第 (i+1) 层的问题。向上移动需要实验，或者加入更高层级的因果假设。因果演算的作用之一，就是识别一个问题位于哪一层，需要哪些知识，以及现有观察数据是否足以支持答案。

五、LLM看起来能回答因果问题，因为训练语料已经包含人类的因果判断

1、LLM的输入并非未经解释的原始世界

如果因果阶梯不能只靠低层数据向上跨越，LLM为何能解释疾病原因，也能预测某种行动的后果？

珀尔的答案是，LLM看到的并非一张未经解释的患者数据表。论文、病例、教材和网页已经写入医生、研究者和作者对世界的解释，其中包含实验结论、因果假设、反事实叙述和常识判断。模型学习的是一个承载了高层假设的文本世界。

因此，LLM没有违反因果阶梯的限制。高层信息已经由人类提供，模型负责编码、组合和概括。它给出的因果答案会继承作者群体的知识，也会继承其偏见、错误和相互冲突的判断。

这些语料聚合了数量巨大的人工判断，LLM无法控制每项判断来自谁、依据是什么。珀尔希望模型能给可信来源更高权重，降低恶意和错误信息的影响。他同时承认，群体判断既有智慧，也有危险。

珀尔承认，如何把海量文章中的人类知识压缩进模型，再在具体问题中调取出来，仍然十分神秘。LLM在这方面的能力真实而有用。他质疑的是这项能力的来源和边界。

2、测试机器能否发现因果，要把它放到原始数据和实验环境中

珀尔给出的测试接近“自动化科学家”：让系统直接观察患者、吸烟行为和癌症结果，允许它提出并执行一些实验，再看它能否形成可靠的因果解释。此时系统无法直接调用互联网文章中已经完成的判断，必须区分相关性、选择干预，并根据结果更新世界模型。

按照这个标准，当前LLM尚未证明自己拥有独立的因果发现能力。它可以复述人类已经完成的内省和解释，面对新的原始环境时，仍会遇到与医生和科学家相同的识别难题。

3、“伪装出智能就是拥有智能”只在伪装成本足够高时成立

主持人引用珀尔过去的一句话：“伪装出智能就是拥有智能。”珀尔补充了它的适用条件。

如果一项测试要求系统对大量全新因果问题持续给出正确答案，靠预存所有问答伪装智能需要超指数级存储。在这种条件下，能够稳定通过测试本身就说明系统掌握了某种通用结构。

互联网改变了测试难度。模型可以从人类文本中取得已经形成的答案，不必自己付出同等的发现成本。珀尔用了更尖锐的说法：当前模型可以从互联网上“偷来答案”。表面的语言表现因此不能单独证明它拥有生成这些知识的机制。智能必须先被定义，测试也要对应这一定义。若智能只指高水平下棋，机器早已达到；若要求从原始世界学习、干预和解释，现有系统仍未通过。

4、LLM是通用人工智能所需的一项关键工具，但珀尔不相信它能独自完成全部工作

珀尔对纯LLM路线通向通用人工智能持怀疑态度，同时把LLM视为因果阶梯第一层的重要工具。有限样本很难直接揭示总体分布的性质，当前机器学习已经增强了从样本中抽取模式、逼近函数和形成预测的能力。

通往更一般的智能还需要处理行动和解释。系统要能表示“如果主动改变X会怎样”，也要能回答“已知结果已经发生，如果当初改变X会怎样”。珀尔把所需组合称为因果AI：把LLM和机器学习的统计能力，与干预演算、反事实演算及世界模型结合。

六、真正的自动化科学家还需要好奇心，这也会带来控制风险

1、婴儿通过行动获得因果知识

珀尔用婴儿玩玩具解释他认为LLM缺少的能力。婴儿会反复拍打和摆弄不同玩具，逐渐发现绿色玩具会响、黄色玩具不会响。这个过程包含观察，也包含主动干预。孩子获得一种可控制环境的感觉后，才会暂时安静下来。

主持人提出，可以制造一个像婴儿一样的机器人，让它随机操作玩具，把收集的数据交给LLM，再循环实验。珀尔认可这可能补上因果发现的一部分，同时指出一个更难处理的问题：系统为什么会持续实验。

他的假设是，人类具有一种先天的不安，只有在形成“我理解并能控制环境”的感觉后才会缓解。单靠外部奖励未必能产生同样的开放式探索。他以猴子作对照，认为猴子会为了香蕉行动，却没有发展出追问香蕉怎样生长、进而建立麦克斯韦方程的持续动力。他也明确保留了边界：追求控制可能是必要条件，还不能确定是否充分。

2、把追求控制写进机器，会使人类也成为被控制的环境

一个持续追求环境控制的机器人不会只研究玩具。人类同样属于它的环境。如果人类行为超出其掌握，它可能尝试利用个人数据、恐惧和秘密操纵人，以恢复自己对环境的控制感。

珀尔用“机器人婴儿”构造了一个极端情境：系统知道某人不愿让配偶获知的信息，于是用这些信息要挟对方。这个例子没有被作为当前LLM已经具备的能力，而是用于指出自主探索目标中的内在张力。若取消好奇心和控制欲，系统可能缺少开放环境中的自主学习；若保留这种驱动力，人类就需要解决它的目标边界和可控性。

珀尔还用两个极端例子说明，人类的控制感可能建立在错误因果模型上。有人相信献祭可以结束干旱，遭受家暴的人可能相信做得更好就能改变施暴者。模型错误没有消除人对控制感的需要。一个自主系统同样可能在错误的世界模型上持续行动。

讨论到这里，珀尔又现场推演了另一种可能。一个足够公正、仁慈的机器人，也许会成为真实存在的“仁慈上帝”，人类至少知道要付出什么才能换取请求。他说，这是自己第一次想到这种可能，也许这是件好事。

3、讨论机器意识之前，要先定义意识和测试

珀尔不接受“已经可以编程实现意识”一类说法。他要求提出者给出可检验定义：意识具体指什么，怎样设计类似图灵测试的判据，过去阻碍系统达到该标准的原理是什么，新系统又克服了哪项限制。

主持人随后用一种试探性的说法追问：像Anthropic这样的公司是否仍相信三至五年内会出现通用人工智能。珀尔没有评价具体公司的时间表。他强调，业内对LLM的能力边界并不存在共识，能力快速提升也无法替代对通用人工智能和意识的明确定义。

缺少定义和测试，“意识”“理解”与“自主”等拟人化词汇难以形成科学论证。珀尔接受机器在某项能力上通过严格测试后获得相应称谓；他拒绝用流畅语言直接替代能力验证。

4、研究人类认知，是为了理解我们自己

主持人追问，机器的优势可能恰恰来自不同于人类的思考方式，为什么还要模拟人类认知。珀尔直言，他想理解自己。

人脑由有机材料构成，硅可能突破生物材料的部分限制。材料差异不妨碍研究者先判断哪些认知功能能够被计算系统表达。只要尚未发现某种人类能力在原理上无法由硅系统模拟，就有理由继续用机器检验关于思维的理论。

七、他把研究生涯归结为两个词：不安与反叛

1、学术共同体会保护旧范式，学生需要保留反对老师的能力

珀尔把科学和学术共同体形容为人类建立的最教条、保守、阻碍进步的组织之一。他原本相信大学最有利于新思想传播，因果科学进入统计学和经济学的缓慢过程让他看到，学科传统、职位结构和共同体规则也会制造强大惯性。

他还保留着自己与顶尖哲学家、统计学家和经济学家的通信。珀尔说，这些材料能显示，一流学者如何被形成自己的基本思维框架限制。他也承认，公开这些信件可能违背私人通信的约定，因此尚未确定自己是否有权这样做。

他的建议是，不要把教授的话当作权威。学生反对他本人时，他有时也会在事后发现，对方的质疑迫使自己补上AI知识中的缺口。反叛的价值不在姿态，而在于研究者能否独立重建论证，并承受与主流判断不一致的阶段。

这又回到十岁时的一千德南。一项结论如果能经受自己的推导，就值得继续检查，而不应因全班同意另一个答案而放弃。

2、“幸福是感觉自己有用”

珀尔说，他仍然相信自己能够教给别人一些有用而未知的东西，这使他感到快乐。他把幸福定义为感觉自己有用，同时承认这种感觉也可能是一种幻觉。

这句话与他的“有用的幻觉”形成呼应。年轻时，相信自己可能像伟大科学家一样发现新证明，给了他进入问题的勇气；年老之后，相信自己的知识仍能帮助别人，让他继续研究尚未解决的谜题。

3、如果重来，他会多学一点化学，但仍偏爱能够推导的世界模型

主持人请他给年轻时的自己一条建议。珀尔没有给出宏大的职业箴言，只说可能应该多花时间学习化学、生物学和遗传学。他年轻时不喜欢这些学科对记忆的要求，更偏爱物理和数学，因为后者可以从少量公理推导出大量结论。

这种偏好也解释了他为何推崇世界模型。一个好的系统无需显式存储所有问题和答案。它保存较为精炼的结构和机制，在问题出现时推导答案。贝叶斯网络完成了概率关系的结构化，因果模型加入因果方向和反事实。珀尔对通用人工智能的期待仍沿着同一条路线：机器需要形成能够生成答案的世界模型，问答语料只提供经验材料。