两个看似毫无关联的“终结”放在同一个标题下被谈论时通常意味着它们的背后共享着同一套命运机制。拉丁语学术地位的终结指的不是拉丁语这种语言本身消亡了——它至今还活在植物命名法规、法律格言、医学术语和少数仪式场景里。真正终结的是它曾经拥有的那个显赫身份欧洲学术圈默认的写作语言、思维语言、知识流通语言。符号主义的终结则是指人工智能早期那个相信“智能可以被完全形式化为符号规则”的主流范式在统计学习面前失去了话语权。一个发生在语言史一个发生在技术史时间和领域完全不搭界。但把它们的细节摊开放在一起能看到几乎一模一样的衰亡逻辑。我花了一段时间把这两段历史摆在同一张工作台上观察越看越觉得这不是巧合。一个精致、完备、看起来最接近“真理”的表达系统如何在真实世界的复杂度、维护成本和替代品面前被一步一步架空。这篇文章想讲的就是这个剧本的具体结构以及我们拿它去观察当下的技术选型时到底能带走什么东西。1. 两个“终结”为什么值得放在同一个标题下1.1 拉丁语学术地位的“终结”到底终结了什么我们得先拆掉一个常见的误解地位终结不等于语言死亡。拉丁语在中世纪到近代早期的欧洲承担的角色远不止是一种外语。它是学术论文的标准语言、大学课堂的教学语言、国际学者之间的通信语言、甚至法律和医学的共同底层。那个年代的欧洲学者不管来自哪个地方只要会拉丁语就能在日内瓦、莱比锡、克拉科夫这些城市里读同一批教材写同一套辩论格式参加同一个学术对话。这个地位的终结其实是社会学意义上的终结。当一个年轻学者开始选择投稿语言时他不再是问“哪种语言更优雅、更准确”而是问“哪种语言能让我的文章被最多人读到”。一旦大量作者开始用活语言写作新知识就批量地长在活语言里。拉丁语并没有被明确废除而是在几代人的时间尺度上被无数个微小的投稿、授课、通信决策所抛弃。这正是“地位终结”最值得研究的地方它不是一场胜利者的宣判而是一次集体性的、无组织的迁徙。1.2 符号主义的“终结”又终结了什么符号主义是人工智能早期的主流信念。它的核心主张可以概括为一句话智能活动可以被符号、规则、逻辑来形式化表达。在符号主义看来人的推理过程和计算机执行程序本质上是一回事——都是按照显式规则对符号进行变换。如果你想让机器会下棋就把棋类规则写清楚想让机器会证明定理就把公理和推理规则写清楚想让机器能看病就把医学知识整理成“如果症状那么诊断”的判断规则。这个范式曾经是人工智能唯一的正统。但在今天人工智能的主流叙事已经明显转向了统计学习、神经网络和大规模数据驱动的方法。说它“终结”不是说研究逻辑推理、可解释AI、形式化验证的人一夜之间消失了而是说这个范式失去了对整个领域的定义权和资源动员能力。新一代研究者不会自愿选择这个方向经费不太流向这个方向重要成果不再以它为框架。这就是范式的终结而不是理论的全军覆没。1.3 一个共同的隐藏结构表达系统与知识生产者拉丁语和符号主义本质上都是某种“知识表达系统”。这类系统的命运不由它内部是否漂亮决定而由外部生态决定。再完美的表达系统也需要有人愿意学习它、使用它、维护它、扩展它。学习费用谁承担维护工作谁负责扩展速度能不能跟上新知识的诞生速度替代品是不是更便宜、更好入门、更能容忍真实世界的混乱这两个案例都指向同一个结论知识表达系统的生命力从来不在系统本身而在环绕着它的生产者和使用者身上。当生产者生态发生迁移系统的精致程度反而可能成为负担。2. 拉丁语是如何作为一个学术“通用层”垄断欧洲书写几百年的2.1 从地方语言到通用语言的两次变身拉丁语原本只是一个古代城邦及其周边地区的语言它在欧陆的扩张靠的是军事和政治版图的推进。大量行政文书、法律条文、军事命令用这种语言书写这给它打下了第一层“权力语言”的底色。后来帝国虽然瓦解但一种普世性的宗教体系继承了这层底色把它变成仪式语言和学术语言全欧洲受过教育的人都共用这一套文字系统。真正有意思的是第二次变身。在本地语言各自分化、彼此听不懂的欧洲拉丁语反而凭借“死语言”的身份具备了惊人的跨地域稳定性。它不再随口语流变词汇和语法被历代文人和教本反复打磨形成了一套高度规范的系统。教育体系也围绕它运转学者想要讨论哲学、神学、医学必须过拉丁语这一关。于是这套语言从政治工具变成了知识基础设施。2.2 稳定、精确、中立三张王牌与三块天花板拉丁语能垄断学术写作靠的是三张王牌但每一张同时也是天花板。稳定性因为不再是任何人的母语它不会因为日常口语的漂移而走样。五百年前写的文本五百年后依然能读。对强调传承的知识系统来说这是巨大的优点。但反过来它对新词汇、新表达的吸收也极其缓慢遇到新概念只能靠学者生造或借用速度跟不上新知识的分化。精确性拉丁语的语法层级非常严谨从句可以表达复杂的因果、让步、假设关系特别适合神学辩论和法学条文。但精密意味着高门槛。学生要花大量时间在动词变位和名词格位上很多人实际上是在用学一门乐器的方式学语言学习的实际收益远低于消耗。中立性它对所有欧洲人都不偏不倚没有“母语者优势”问题。可同样因为缺少母语者这套语言没有活水般的日常反馈。新语感、新用法、新变化都不容易进入系统它越来越像一座被维护得很好的老宅而不是一间不断被改建的房子。2.3 真正架空它的是大学、印刷术和民族市场当外部生态变化之后拉丁语的衰亡几乎是必然的。印刷术是第一个变量。它让书籍成本大幅下降读者群从少数精英扩展到城市中产。出版商天然想赚更多钱所以开始出版本地语言写的实用书籍、小说、科普读物这些内容的学习门槛远低于拉丁语。民族市场是第二个变量。当公共教育、司法行政、军事动员都依赖本地语言时学术共同体也开始分化。物理、化学、生物学这些正在迅猛发展的新学科需要不停创造新术语、快速交流新发现。用拉丁语写作就像穿着礼服做实验好看但太费事。学者们私下通信、公开演讲、课堂讲授开始转向更容易被大众听懂的语言。到这一步拉丁语并没有被发现有什么语法错误也不是因为它“不够优秀”纯粹是被新生态绕过去了。今天的我们提起它总觉得它古老又遥远但要意识到它曾经是我们今天所有人使用的学术语言的前身只是在一个又一个日常选择中被共同放弃了。3. 符号主义的黄金时代、裂缝与致命伤3.1 一个看起来无懈可击的出发点符号主义的吸引力在于它非常符合我们对“智能”的直觉。我们做数学证明、玩国际象棋、推导三段论时确实是在有意识地操纵符号。如果人类最高级的思维活动都可以还原成符号操作那么只要机器能高效地操纵符号它就有可能具备智能。这个想法在人工智能早期几乎是不可反驳的。这个方向最著名的理论支柱是“物理符号系统假说”一个物理系统只要能够表示符号、存储符号、识别符号的输入输出关系并按照规则对符号进行变换就足以产生智能行为。在当时的条件下这给了研究者一个清晰的研究纲领不要纠结于机器像不像人先把知识表示做出来把推理规则写出来然后让机器在这些规则上运算。顺着这条路线走下来的早期成果也确实亮眼有能自动证明数学定理的程序有试图解决各种通用问题的“手段-目的分析”程序有在窄领域里做化学谱图解释、影像分析、设备配置的各种专家系统。那个年代它们确确实实让人看到了机器替代专家的可能。3.2 专家系统真的在给企业创造价值很多人后来嘲笑专家系统说它脆弱、僵化、不可维护。但如果我们不尊重它当年的真实成就就很难理解它为什么曾经被视为主流。早期的专家系统不是一个实验室玩具而是被企业真金白银上过生产线的。比如化学领域的质谱分析系统能把实验数据导入配合质谱分裂规则给出候选分子结构血液感染诊断系统能根据病人的临床表现和实验室指标提出感染病原体的判断和用药建议还有计算机配置系统把几百条配置规则编码进去为客户自动生成合理的硬件清单据说每年能为企业节省上千万级的人力开支。这些系统之所以能成立靠的是把领域知识限制在一个极窄的范围里。窄到走路的范围只有那么两三条街规则库就能覆盖绝大多数情况所以准确率可以很高。就像拉丁语在神学和法学这两个稳定、封闭、书面化的领域里确实做到了其他语言做不到的精确表达。问题是一旦把街道拓宽到整个城市这种基于规则的覆盖方式就开始力不从心。3.3 致命伤知识获取、常识与规则维护符号主义真正的危机来自三个无法靠“再写一些规则”解决的内部问题。第一个是知识获取瓶颈。专家往往能熟练地做出诊断但很难讲清楚自己的决策依据是什么。问一名有二十年经验的维修工程师“你怎么知道这里坏了”他很可能说“经验”。经验是无法轻易转译成“如果那么”条目的而这种转译恰恰是知识工程最昂贵的一步。第二个是常识问题。真实的推理需要海量不成文的背景知识。想让机器理解“下雨了鸟飞不动”它需要知道鸟会淋湿、水会增加重量、羽毛被打湿会影响飞行。这些对人不言自明的事对机器都必须逐条写进规则库。早年就有研究者尝试穷举人类常识发现数量级远超想象很快就放弃了。第三个是规则维护问题。当规则库从几十条涨到几千条时规则之间开始互相冲突。新增一条规则可能破坏旧有规则的正确性修改一条规则可能引发一连串连锁反应。维护规则库的工程师很快发现自己不是在写规则而是在给一个不断膨胀的毛线球解结。这三个问题叠加在一起让符号主义在“封闭、小范围、规则清晰”的世界里战无不胜却在“开放、大规模、充满噪声”的真实世界里寸步难行。4. 从拉丁语到符号主义同构的衰亡四步曲4.1 第一步标准答案成为唯一入口一切垄断的开始都是标准答案先成为唯一入口。在中世纪的大学里拉丁语不是可选项而是必修的基础设施。不会拉丁语意味着你无法阅读经典、无法参与辩论、无法取得学位。在早期人工智能的圈子里符号主义和逻辑推理几乎是“人工智能”的代名词。你如果不用符号、不用知识表示、不用规则系统别人会认为你做的不是正经人工智能。这个阶段的共同特征是系统本身的好坏还没被充分检验但制度性力量已经替它锁定了用户。用户没有选择自然也就不会关心替代品是否存在。4.2 第二步真实世界的复杂度开始超过系统容量锁定期内的系统往往看起来很安稳但外部世界不会停下来。当新学科、新技术、新市场需求不断冒出来拉丁语的词汇生成速度和句法灵活性开始跟不上现代科学的分化速度。当一个标准化商业系统的业务规则从几百条增长到几万条符号主义的知识表示和推理框架也开始喘不过气。这个阶段最明显的信号是系统内部维护者开始频繁加班但系统对外表现却越来越像在“硬撑”。它不是被某一个具体问题击败的而是整体复杂度的水位线漫过了堤坝。4.3 第三步维护成本失控维护者开始用脚投票一个系统失去民心往往不是因为外人背叛而是因为核心维护者先跑了。学者们发现用拉丁语写一篇论文多花的时间足够用本地语言写两篇更重要的是用本地语言写能直接被更多同行读到得到的反馈更快学术影响力更大。规则库的维护工程师们也一样每修一条规则可能引发三条新冲突他们开始怀疑自己到底是在做人工智能还是在做无穷无尽的规则勘误。当最活跃、最优秀的生产者开始把时间投入其他语言、其他范式这个系统就进入了实质性的衰退期。它仍然会存在但已经不再代表“未来”了。4.4 第四步被更方便的替代品架空而不是被杀死拉丁语没有被任何制度宣布死刑符号主义也没有被某个大会投票表决出局。它们最终都输给了“更方便的替代品”。替代品的特征往往是不过分追求完美只追求够用不试图一次覆盖所有情况而是允许通过迭代不断改进容忍噪声、例外和不规范反而把这些当作默认状态。活语言就是这样的替代品——它允许方言、歧义、新词也因此在真实交流中占尽优势。统计学习和神经网络也是这样的替代品——它不追求完备的逻辑推导而是在海量数据中拟合出足够好的判断。所以最终的结局不是“被推翻”而是“被绕开”。一个系统还在档案室里被人研究但已经没有人靠着它开展新知识生产了。阶段拉丁语符号主义标准答案唯一入口大学、学术出版强制使用拉丁语“不推理不算人工智能”的研究纲领复杂度超过系统容量新兴科学词汇与句法更新迟缓常识规模、真实语义远超规则容量维护成本失控学习周期长、翻译成本高、产出比下降规则冲突、知识获取瓶颈、维护毛线球被替代品架空活语言、印刷市场、民族国家教育体系统计学习、神经网络、大规模语料驱动5. 为什么“完整规则”最终输给了“概率分布”5.1 拉丁语想消灭歧义真实世界却以歧义为常态拉丁语的语法设计本质上是在追求“书面的精确”。它愿意牺牲口语的便捷也要保证书面文本的语义足够稳定。这在宗教经典、法律条文这类必须逐字解读的场合里确实是巨大的优势。但真实世界的知识生产恰恰充满了歧义、省略、语境依赖和临时发明。化学家给新化合物命名物理学家给新效应起简写程序员给新框架造术语医生在病历里写只有同行才懂的省略——所有这些真实的知识交流场景都没有耐心等待一个权威语法体系来批准新词。活语言之所以能胜出恰恰因为它允许模糊先行、精确后补。它让使用者先完成交流再慢慢整理术语。而拉丁语式的系统强调先定规则再交流在快速演进的知识网络面前显得行动迟缓。5.2 规则系统想消灭例外例外却永远比规则多符号主义的理想是把世界变成一套可以覆盖所有情况的规则集合。但真实世界里的知识应用永远伴随着大量的例外和特殊情况。同一个病换了不同病人可能就得调整用药同一部法规换了具体场景解释就完全不同同一个产品配置遇到不同顾客的预算和偏好决策逻辑就分叉了。每遇到一个新例外规则系统就需要人工添加一条新规则。添加新规则时不只要写这条规则本身还要考虑它和既有规则可能发生的冲突、优先级、推演路径。随着系统规模扩大新增规则的边际成本不是在降低而是在急速升高。这就是组合爆炸的日常表现每多覆盖一个例外系统整体的复杂度增长得比收益快得多。5.3 数据驱动方法赢在“承认例外就是默认值”深度学习和大规模统计方法之所以能接管人工智能的主线核心不是因为它推理更严密而是因为它彻底改变了“对待例外”的方式。它不建一个规则库也不把例外一个个标记出来而是把例外当作样本的一部分在足够多的数据中把这些例外和常态的整体分布一起学进参数里。这相当于换了一种文化策略。拉丁语是语法学家不断修订语法书试图把语言所有用法都规范起来。统计方法则是把一个学者扔进巨大的语言环境里让他听足够多的真实对话、读足够多的真实文章然后自己学会在大部分情况下做出合理反应。后者不讲求每一次判断都有可解释的规则依据它只保证在绝大多数情况下足够可靠而“足够可靠”在实际工程里恰恰是最重要的。这种“肯认怂”的态度恰恰是那些追求完备的系统最做不到的。完整规则希望自己是法律概率分布只是诚实地承认自己是习惯法。6. 两个终结史带给我们三个可用的判断原则6.1 判断原则一看维护群体是否在流失判断一个知识表达系统是否进入终局第一个信号不是它是否失去逻辑上的优势而是它是否还能持续吸引新鲜血液。维护群体包括最优秀的创作者、研究者、教师、开发者、社区贡献者也包括资金和注意力。如果一个领域里最聪明的人开始把时间放到了别处课程容量在缩减新兴项目不再选用它作为底层方案那么无论这个系统看起来多精致它都已经在走向终结。拉丁语和符号主义都是在这个信号出现之后才一步步被边缘化的。反过来说只要维护群体还在稳定增长一个看起来粗糙的系统也可能野蛮生长。6.2 判断原则二看边际扩展成本是否失控第二个信号是扩展成本。每给系统增加一个新的能力单元成本是线性增长还是指数增长每写一条新规则是只需要考虑这一条还是需要检查它对其他所有规则的潜在影响每发明一个新词是马上能被同行接受还是要等一个漫长的审批流程边际成本一旦失控系统的真实生产力就停滞了。拉丁语的语法体系已经足够庞大但每增加一个新用法都意味着要权衡底色规则系统规模上万条之后新规则的加入是牵一发而动全身。相比之下神经网络通过反向传播调整参数每新增一个功能模块只需要提供更多数据和算力边际成本是相对平滑的。在快速变化的世界里平滑的边际成本本身就是竞争力。6.3 判断原则三看是否存在不可替代的刚性场景也不能简单地认为“已经被替代”就是“灭绝”。拉丁语到今天仍保留着几个刚性场景古典学文献研究、国际植物命名法规、某些法律格言体系、特定学术传统的文本基础。这些场景不依赖广泛使用只依赖极少数专业用户的高度精确需求。符号主义也有类似的保留地安全攸关系统的形式化验证、数学定理自动证明、需要严格保证的规则审计、知识图谱的搭建与对齐。在这些刚性场景里精确性比灵活性更值钱完备性比覆盖率更受重视。因此一个表达系统即便失去了主流地位只要它还能占据几个别人进不来的小房间它就会以“死而不僵”的状态长期存在。我们判断“终结”时要特别小心终结的究竟是垄断还是存在本身拉丁语终结的是垄断地位而不是存在符号主义终结的也是主导叙事而不是它所在的整个研究脉络。6.4 用这三问去看今天的技术选择这套判断框架放到今天的技术选型里异常好用。当你犹豫是否要深入学习一个新的框架、新的语言、新的大模型方案时先问三件事这个方案的维护者群体是在流入还是流出新增能力单元的边际成本是趋缓还是失控它是否占据了某个不可替代的刚性场景这三个问题能过滤掉大量“看起来很棒但生命力存疑”的选择。我自己见过不少技术发烧友被某个工具优雅的设计打动花了很多时间投入最后却发现维护者集体出走、社区逐渐停滞。反过来一些看着不够完美的方案因为维护群体庞大、迭代成本低、应用场景丰富反而活得非常长久。技术决策本质上不是比谁更“地表最强”而是比谁更能适应生态。最后想分享一点个人的体会。我过去总觉得“终结”是一个瞬间事件像断电一样拉下闸门灯就灭了一切都结束了。研究过这两段历史之后我发现真正的大规模终结从来不是瞬间断电而是一种缓慢的迁徙——是无数人在无数个小决定里陆续把注意力从旧系统转移到了新系统。拉丁语没有输给英语符号主义没有输给神经网络它们都是输给了新环境下的成本结构。所以我现在一听到“某某已死”这种话第一反应不是哀悼也不是庆祝而是去找那个系统的维护者还剩下谁再去看他们维护的成本有多高。答案几乎能说明一切。判断一个事物会不会走向终结与其问它是否完美不如去看看还有没有人愿意继续使用它、更新它、为它付出时间。这才是所有终结故事里真正的主角。