赫尔墨斯：计算语言学专栏创刊词
赫尔墨斯是奥林匹斯山上最不安分的一个。
出生当天就偷了阿波罗的牛，用龟壳造了第一把里拉琴，然后面不改色地撒谎。宙斯没有惩罚他，反而封他为信使——诸神与凡人之间、奥林匹斯与冥界之间、言说者与倾听者之间的永恒中间人。他脚上的飞鞋不创造道路，只穿越道路。他手中的双蛇杖不生产意义，只在意义的裂隙处斡旋。
"Hermeneutics"——诠释学——这个词直接从他的名字里长出来。不是偶然。诠释的全部困难，就是赫尔墨斯的全部工作：把此岸的东西渡到彼岸，让不可通约者之间出现一条可走的路。
这个专栏取他的名字，是因为计算语言学今天恰好站在这条路上。不是比喻。是精确描述。
2017年，Attention is All You Need 发表。2022年底，ChatGPT上线。2026年的今天，一个高中生用AI写完作文，一位教授用AI审完论文，一家通讯社用AI发完快讯。语言——那曾被笛卡尔视为灵魂之证明、被海德格尔视为存在之家的东西——正在以每秒数万亿次浮点运算的速度被生产、被消费、被遗忘。
然后奇怪的事情发生了：语言越多，意义越稀薄。文本越流畅，信任越脆弱。模型越"像人"，"谁在说话"这个问题越尖锐。
这不是一个工程问题。它甚至不主要是一个工程问题。
我在爱丁堡写博士论文时，构建了一个叫HSTAR的作者归因框架。核心任务只有一个：证明刻意伪装无法彻底抹除语言指纹。一个人可以改变用词、调整句长、模仿他人的文体，但某些深层的句法-语义耦合模式——那些连作者自己都不知道自己留下的痕迹——会出卖他。
这个结论在人类作者身上成立。它足够稳健，稳健到可以用来做军事情报级的身份判定。
但当"作者"是一个拥有万亿参数的模型时，"指纹"是什么？是训练数据的分布？是RLHF的偏好曲线？是prompt的措辞？还是某种我们尚未命名的东西——一种不是由主体留下的、却同样可被计算的痕迹？
这个问题，我至今没有完整的答案。
这个专栏，就是寻找答案的过程本身。
一、这个专栏做什么
赫尔墨斯是一个计算语言学专栏。它不打算做以下任何一件事：
它不是NLP技术教程。不教你怎么搭Transformer、怎么调LoRA、怎么在Hugging Face上跑benchmark。这些东西已经有足够多的优秀资源，少我一个不少。
它不是AI行业评论。不告诉你哪家公司融了多少钱、哪个模型刷了哪个榜。这些东西的保质期不超过一周，不值得用长文去追。
它不是纯哲学思辨。不悬浮在"语言是什么"的云端而不落地。我受过形式语义学的训练，知道一个命题的真值条件长什么样，也知道"意义"这个词在语言学、哲学和计算机科学中指的是三件完全不同的事。
它做的是：从语言的形式结构出发，追问计算系统对语言的实际操作，然后抵达意义、归属与信任的哲学地带——再带着哲学的追问回到工程现场。
往返。渡。赫尔墨斯的工作。
专栏围绕四条线索展开：
线索一：语言指纹与作者性。 从计量文体学到神经风格学，从n-gram到注意力分布——文本中的"谁"如何被计算地捕获？当生成者不再是人，"作者"这个概念需要怎样的重新奠基？这条线索直接继承我的博士工作，并向AI生成文本的归因问题延伸。它不是"AI写作好不好"的审美批评，而是"AI文本是否携带可计算的主体痕迹"的实证追问。
线索二：意义的关系性。 形式语义学教会我一件事：意义不寓于词语中，而寓于词语之间的关系中。蒙太格语法用lambda演算把自然语言映射到逻辑式，分布语义学用向量空间把词义化为距离函数。两套框架貌合神离，却在同一个问题上碰头：如果意义是关系性的，那么一个在万亿token上训练出来的模型，它"拥有"的是意义，还是意义的统计残影？这条线索将调动类型论、模型论语义学和分布假说的工具，审视"理解"在计算系统中的真实地位。
线索三：神经与符号的交界。 神经网络捕获模式与泛化，符号系统承载逻辑与规则。二者的交界处，正是当前AI最诚实也最脆弱的地方——模型"知道"什么、"推理"什么、"幻觉"什么，在架构层面是可以被精确刻画的。这条线索将追踪神经符号AI的前沿工程，但始终带着一个语言学问题：句法约束能否成为推理的硬性边界？形式语言理论早已证明，自然语言的句法复杂度至少是上下文无关的，在某些构造上甚至是轻度上下文敏感的——这意味着纯概率模型在原则上就无法捕捉全部的句法合法性。这不是工程能力的问题，是计算层级的问题。
线索四：言说、信任与在场。 当机器的输出开始影响人的信念、塑造人的判断、介入人的决策，"谁在说话"就不再是一个学术问题，而是一个伦理问题。这条线索将苏格拉底对话、诠释学传统与AI对齐工程放在同一张桌上，追问：可信的人机对话需要什么样的"在场"？机器的"言说"何时只是计算，何时开始接近表达？我曾在阿里巴巴的万亿token数据管线上工作过，我知道语言被剥离语境、主体和意图之后是什么样子。那种经验不是哲学推论——它是每天的工作日常。
四条线索不是四个独立栏目。它们会在具体文章中交叉、缠绕、彼此照亮。一篇可能从作者归因的技术细节开始，在形式语义学的定理中转折，最终落在一个关于信任的哲学判断上。这种跨越不是炫技，而是问题本身的结构——"谁在说话"这个问题，天然地横跨统计学、语言学、计算机科学和伦理学。赫尔墨斯不创造这些领域，他只在其间穿行。
二、谁应该读这个专栏
如果你是一个NLP工程师，想知道自己每天调的模型在"语言"层面究竟做了什么、没做什么——这个专栏为你写。
如果你是一个语言学家，对计算建模既好奇又警惕，想知道形式工具在多大程度上能忠实于语言现象——这个专栏为你写。
如果你是一个哲学家，关注AI时代的意义、指称与主体性问题，但不满足于纯概念分析，想看到工程现场的纹理——这个专栏为你写。
如果你只是一个对语言有直觉敏感的人，隐约感到"AI写的东西哪里不对"却说不出所以然——这个专栏也为你写。
我不预设读者的专业背景。我只预设一种态度：对语言的认真。 不是把语言当作信息的载体、数据的格式、模型的输入输出——而是把它当作人类最古老、最精密、最不可替代的成就来对待。在这个前提下，计算不是对语言的亵渎，而是对语言的另一种逼近。测不准不是失败，是诚实。
三、一些承诺与不承诺
我承诺：每一篇文章都有一个可检验的技术内核。不会有只有隐喻没有公式、只有感慨没有数据的文章。如果我说"模型不理解意义"，我会告诉你"理解"在哪个形式框架下被定义，模型在哪个具体环节上偏离了那个定义。
我承诺：不回避不确定性。这个领域变化极快，今天的判断可能明天就被一篇新论文推翻。我宁可写下"我不知道"并解释为什么不知道，也不愿用确定性的语气包装一个尚未闭合的问题。如果你想要斩钉截铁的结论，有很多地方可以找到。这里提供的是追问。
我承诺：中文写作，但不回避术语。必要时保留英文原文并给出解释。计算语言学的术语体系以英文为主，强行翻译往往制造更多混乱。但行文本身是中文的，思考的节奏是中文的。
我不承诺：时效性。这个专栏不追热点。当所有人都在讨论某个新模型的benchmark时，我可能正在写一篇关于蒙太格语法中内涵逻辑与注意力机制之结构类比的长文。赫尔墨斯是信使，但不是记者。他传递的是跨越边界的东西，不是当天头条。
我不承诺：中立。我有立场。我相信语言携带不可消除的主体痕迹。我相信意义是关系性的而非原子性的。我相信神经符号路径比纯神经路径更接近语言的本性。我相信"谁在说话"是一个真问题，而不是一个可以被工程优化绕过的伪问题。这些信念会在文章中显现。我邀请你质疑它们，但我不假装它们不存在。
四、名字的最后一点理由
赫尔墨斯是信使，但他也是骗子。他出生第一天就撒谎。这个细节很重要。
语言从来不是透明的管道。它不"传递"意义，它建构意义。每一次言说都是一次选择、一次遮蔽、一次权力的微小行使。计算语言学如果只把语言当作可优化的信号，就会错过语言最本质的维度：它是不透明的，是有重量的，是会骗人的——而正是这种不透明、这种重量、这种欺骗的可能性，使得"理解"成为一件值得追求的事。如果语言是一扇透明的玻璃窗，我们就不需要诠释学，不需要赫尔墨斯，不需要这个专栏。但语言不是窗。语言是墙，是桥，是雾，是镜子，是武器。
赫尔墨斯脚踩飞鞋，手持双蛇杖，站在每一条路的交叉口。他不属于此岸，也不属于彼岸。他属于"之间"。
这个专栏也属于"之间"。在工程与哲学之间。在形式与意义之间。在人与机器之间。在"谁在说话"与"谁在听"之间。
五、开始
第一篇正式文章，我打算写一个很小的问题：
一个在万亿token上训练的语言模型，它的"语言指纹"是什么？
不是训练数据的指纹——那太显然了，查一下Common Crawl的域名分布就能猜个大概。不是架构的指纹——那太工程了，超参数的选择对输出风格的影响已经被反复验证。而是：当这个模型生成一段文本时，那段文本中是否存在某种不可归属于任何人类作者、但可归属于这个模型的痕迹？如果存在，它的形式特征是什么——是某种句法结构的统计偏差？是某种语义连贯性的异常模式？是某种语用恰当性的系统性偏移？如果不存在，"AI生成文本"这个范畴本身是否只是一个社会约定而非语言学事实？
这个问题没有现成答案。但它是我站在HSTAR的终点时，看到的下一条路。
赫尔墨斯的第一次渡河，就从这里开始。
良之 Phaenarete ASI Lab
赫尔墨斯 · 计算语言学专栏 不定期更新 · 长文为主 · 欢迎反驳 [email protected]