编程语言描述过程，无法描述世界。

编程语言是人类最伟大的发明之一

编程语言是无歧义的。 x = 3 + 4 无论何时何地运行，结果都是7。 没有解释的余地。

编程语言是可验证的。 语法错误在编译前就能捕获。 类型错误在运行前就能捕获。 测试一旦运行，结果要么通过，要么失败。

编程语言是图灵完备的。 一切可计算的事物都能表达。 只要有足够的时间和内存，任何过程都能描述。

这个系列中指出的自然语言的局限——歧义、不可验证、缺乏结构——编程语言全部解决了。

那么，用编程语言来表达AI的上下文不就行了吗？

不行。

编程语言描述的是过程

下面是有效的Python代码。

def calculate_revenue(units_sold, unit_price):
    return units_sold * unit_price

这段代码清晰、可验证、可执行。 但它表达的是什么？

“将销售数量乘以单价，得到收入。”

这是一个过程。一种方法。是HOW。 它描述的是当输入到来时该做什么。

现在试着表达以下内容。

“三星电子2024年第三季度的收入为79万亿韩元。”

这不是过程。这是事实。是WHAT。 什么都不执行。它描述的是世界的状态。

用Python怎么表达这个？

samsung_revenue_2024_q3 = 79_000_000_000_000

把一个数字赋值给了一个变量。 能运行。但这不是描述，而是存储。 这段代码不知道：

  • “三星电子"是什么类型的实体。
  • “收入"是什么意思。是财务指标，还是物理量？
  • “2024年第三季度"是时间、版本，还是标签？
  • 79万亿韩元这个值的来源是什么。
  • 这个值有多确定。

变量名 samsung_revenue_2024_q3 让人类可以猜测其含义。 对机器来说，它只是一个任意字符串。 改成 xyzzy_42，执行结果完全一样。

在编程语言中，变量名不承载含义。 含义存在于代码之外，存在于程序员的脑海中。

更精细的方式也无济于事

创建一个类不就行了吗？

class FinancialReport:
    def __init__(self, company, metric, period, value, currency):
        self.company = company
        self.metric = metric
        self.period = period
        self.value = value
        self.currency = currency

report = FinancialReport("삼성전자", "매출", "2024-Q3", 79_000_000_000_000, "KRW")

好了一些。有了结构。 但问题依然存在。

company 是字符串"삼성전자”（三星电子）。 “Samsung Electronics”、“SEC"和"005930"都指同一家公司。 代码知道吗？不知道。 它只能比较字符串是否相等。

metric 是字符串"매출”（收入）。 “매출”、“매출액"和"revenue"是同一个东西吗？ 代码不知道。字符串不同，所以它们就是不同的。

定义一个schema不就行了吗？ 用Enum管理公司列表，管理指标列表。 可以。能运行。

那现在试着表达以下内容。

“李舜臣是伟大的。”

opinion = Opinion("이순신", "was", "위대했다")

这是什么？ 一个字符串"이순신”（李舜臣）和一个字符串"위대했다”（伟大的）绑在了一起。 这不是在表达"李舜臣是伟大的”， 而是在存储"이순신"和"위대했다"。

代码不知道"위대했다"（伟大的）是什么意思。 “위대했다”（伟大的）和"훌륭했다"（优秀的）是否相近， “비겁했다”（懦弱的）是否相反—— 代码无从知晓。

像财务数据这样的结构化事实还勉强可以应对。 评价、语境、关系、抽象描述——这些都超出了编程语言的表达范围。

代码不知道自己在做什么

def process(data):
    result = []
    for item in data:
        if item["value"] > threshold:
            result.append(transform(item))
    return result

这段代码执行得完美无缺。 但这段代码是做什么的？

是在过滤收入数据？ 是在筛选病历？ 是在清洗传感器数据？

代码本身不知道。 data、value、threshold、transform——全是抽象名称。 这段代码属于财务系统还是医疗系统， 取决于代码之外的上下文。

可以写注释。 但注释是自然语言。机器无法理解。 注释和代码不一致，编译器也不会发现。 注释是给人看的，不是给机器看的。

当AI接收代码作为上下文时，这个问题直接显现。 因为代码没有自我身份， AI每次都必须通过推理来重建它的身份。 因为是推理，所以有成本，而且可能出错。

根本原因

编程语言无法描述世界，这不是设计缺陷。 是因为目的不同。

编程语言的目的是向机器下达过程指令。 “当这个输入到来时，执行这个操作。” 编程语言的语义学是执行的语义学。 每一条语句都被解释为"机器做什么"。

x = 3 是指令"在名为x的内存位置存储3"。 if x > 0 是指令"如果x大于0，则执行下一个代码块"。 return x 是指令"将x的值返回给调用者"。

全是动词。全是行为。全是过程。

“三星电子是韩国的企业"不是动词。 不是行为。不是过程。 它描述的是世界处于什么状态。

编程语言中没有为此留出位置。 可以存入变量，但那是存储，不是描述。 存储的值的含义不在代码的管辖范围内。

JSON、YAML、XML呢？

不是编程语言，那数据格式呢？

{
  "company": "삼성전자",
  "metric": "매출",
  "period": "2024-Q3",
  "value": 79000000000000,
  "currency": "KRW"
}

有结构。字段是显式的。 但没有含义。

“company"是否表示企业，JSON不知道。 “삼성전자"和别处的"Samsung Electronics"是否是同一个东西，JSON不知道。 这个JSON对象和那个JSON对象是否描述同一个实体，JSON不知道。

JSON提供结构，但不提供含义。 它是键值对，不是实体-关系-属性。

定义schema会好一些。 JSON Schema、Protocol Buffers、GraphQL。 字段类型被定义了，必填性被定义了，引用被定义了。

但这些全是为特定系统设计的结构。 不是通用的知识表示。 财务数据schema无法表达对历史人物的评价。 医疗数据schema无法表达企业间的竞争关系。

每个领域一套独立的schema。 每套schema一套独立的工具。 schema之间没有互操作性。

这一局限在为什么MD/JSON/XML不够用中有更详细的讨论。

LISP呢？

读到这里的人中，有些可能已经想到了一个反例。

LISP。

(is 삼성전자 (company korea))
(revenue 삼성전자 2024-Q3 79000000000000)
(great 이순신)

S-expression是树结构， 代码即数据，数据即代码。 同像性（homoiconicity）。

事实上，早期AI全部基于LISP。 SHRDLU、CYC、专家系统。 用LISP表示知识，运行推理引擎。 似乎是对"编程语言无法描述世界"的历史性反证。

但这个反例因三个原因而不成立。

LISP知道的与程序员规定的

在 (is 삼성전자 company) 中，is 表示"是……“这种关系—— LISP并不知道这一点。 是程序员这么规定的。

把 is 换成 zzz，LISP毫不在意。 (zzz 삼성전자 company) 对LISP来说是完全有效的表达。

LISP提供的是结构——一种叫S-expression的树。 但结构中承载的含义不是语言赋予的，而是程序员赋予的。 这和JSON不知道其键的含义本质上是一样的。

提供结构与内嵌含义是两回事。

CYC的30年

最雄心勃勃地尝试这一点的项目是CYC。

始于1984年。 试图用LISP表示通用知识。 数百万条规则由人工输入。

30年证明的不是可行性，而是局限性。

每个领域都必须手工设计本体。 跨领域互操作行不通。 无法跟上自然语言的灵活性。 规模越大，维护一致性就越接近不可能。

用LISP"能做"知识表示，这没错。 “做得好”——这一点被30年的成果所否定。

如果不eval，就没有理由使用LISP

最根本的问题。

LISP的力量在于 eval。 因为代码即数据，所以数据可以被执行。 元编程、宏、运行时代码生成。 这才是让LISP成为LISP的东西。

但对 (is 삼성전자 company) 执行 eval 会发生什么？

它变成一个函数调用——将 삼성전자 和 company 作为参数传递给名为 is 的函数。 不是描述，而是执行。

要用于知识表示，就不能eval。 如果不eval，就没有使用LISP的语义。 只是借用了S-expression的语法而已。

这不是"用LISP描述世界”， 而是"用LISP的括号记法存储数据”。

LISP作为编程语言的语义——执行的语义—— 仍然是为描述过程而设计的。 借用语法并不会改变语义。

描述世界的语言需要什么条件

编程语言描述过程。 数据格式提供结构但没有含义。 即使LISP也只是借用语法，没有描述的语义。

那么，描述世界的语言需要什么？

实体的身份。 “三星电子"必须拥有唯一标识符。机器必须知道它和"Samsung Electronics"是同一个东西。不是字符串比较，而是身份的同一性。

关系的表达。 在"三星电子是韩国的企业"中，必须能够表达"韩国的企业"这一关系。不是变量赋值，而是关系的描述。

描述的自我描述。 这个描述是关于什么的、谁说的、以什么时间为准、有多确定——这些都必须包含在描述本身中。在代码之内，而非之外。

领域独立性。 财务数据、历史事实、主观评价、抽象关系——都必须能用同一种格式表达。不是每个领域一套独立的schema，而是一种通用结构。

编程语言不具备这四个特性。 因为编程语言不是为此而造的。 它们是为描述过程而造的。

自然语言能做到这四点。但充满歧义。 我们需要的，是将自然语言的表达范围与编程语言的精确性结合起来。

总结

编程语言无歧义、可验证、图灵完备。 但无法描述世界。

编程语言描述的是过程。 “当这个输入到来时，做这个。” 全是动词，全是行为。 “三星电子是韩国的企业"不是行为。 编程语言中没有为此留出位置。

代码不知道自己的身份。 它属于哪个领域、执行什么目的—— 代码中没有记录。

JSON、YAML等数据格式提供结构，但没有含义。 LISP可以借用语法，但没有描述的语义。 CYC用30年尝试基于LISP的知识表示，证明的是局限性。

描述世界需要实体的身份、关系的表达、描述的自我描述、领域独立性。 编程语言不是为此而造的。 自然语言能做到，但充满歧义。 我们需要的，在两者之间的某处。