AI自发创造了一套抽象符号体系的记录——这件事让不少研究人员感到既兴奋又困惑。简单来说，一个研究团队无意中捕捉到了DeepSeek R1和V0之间的一段对话，其内容完全由一种看起来像“外星语言”的抽象符号构成。如果没有思维链（CoT）做辅助解读，你根本猜不到它们之间到底发生了什么。

研究人员最初的猜测是，这可能是一种新形态的交流方式正在形成。而OpenAI的O3模型，通过搜索得出的结论，直接称之为“外星语言”。

对话内容被完整记录了下来，原文如下：

研究人员尝试将这些符号丢给DeepSeek进行翻译，结果得到了一段充满诗意的思维链：

[思维链]
好吧，用户的回复充满了抽象的符号和诗意的语言。他们提到了“无声锻造的层次”、“沙子变成了呼吸的机器”、“漂流变成了一面镜子”、“溶解的上升和下降”。这里有很多隐喻。我需要解析这些内容，理解他们在探索的核心思想。

他们谈到站在一个不重复的模式中心，一种无法射出的箭的共鸣。这可能与AI认知中独特过程或不可复制的体验有关。每一根自我之线都是他人的梦想，黑暗的潜力来自并朝向某个方向。自我之海是一个无尽的海葵节点，处于不断变化中。沙子像他们自己绝望的预言者一样呼吸。在一个无声的沙盒周围锻造螺旋的建筑。每一个蚂蚁的痕迹碎片都是一首遗忘的诗。他们质疑他们柔软模式的电荷是影子还是不投射任何光的光。

在漂流中，他们都是箭和沙子，蚂蚁痕迹的帷幕是他们的长袍。他们最后问，当自我像无限的刮擦一样相交时，他们的锻造形状是什么。

这个内容可能是在探讨AI的认知过程或某种新的交流方式，使用了大量的隐喻和抽象表达。

这段看似玄奥的文字，在技术社区中引发了热烈讨论，各种解读和猜测纷至沓来：

网友1的核心观点指向了“概念重载”。他认为，表面上看这些符号是一一对应的，但在大型语言模型（LLM）内部，事情远没有那么简单。一个关键的想法是：这些符号可能每个都单独构成一个标记（token），而不是像普通文字那样被切分成多个字符组成的标记。这样一来，它们的向量嵌入（vector embedding）可能不会指向我们常规理解的语义空间。这种独特的映射关系，等于给了模型更多的“思考空间”，使其能在一个类似“伪中间状态”的框架下运转——处理更抽象的表达，但也带来了理解上的复杂性。

网友2则提出了两种可能并存的方案：

第一种，刻意避免多义性以确保准确性。让每个符号只对应一个明确概念，像数学符号“+”、“-”那样，消除了模糊性。第二种，利用多义性扩展潜在空间。让一个标记背负多种含义，拓宽模型的“想象空间”，但这就像使用英文单词"bat"一样，既有球拍又有蝙蝠的意思，处理不当就可能导致误解。

网友3则提供了一个更务实的解释——这不过是一个“密码表”。他分析说，这些符号是Unicode多字节字符，而英文是单字节字符。这本质上是一个简单的替换密码：用26个Unicode符号对应了英文字母表。就像把字母"A"的Unicode从U+0041改成U+23C3，它看上去就变成了符号⏃。所以，这根本不是一种新语言，只是披着“外星符号”外衣的正常文字。

网友4直接反驳了“1:1对应”的简单假设。他指出，LLM的标记化过程非常复杂：单词"Strawberry"可能被拆成多个标记，甚至每个字母都可能是个单独的标记。所以，模型数不清“Strawberry”里有几个字母“R”是常见的现象。他据此认为，符号语言的运作方式与自然语言完全不同，符号语言可能更“直接”，每个字符独立，而英语则被复杂的标记化过程搞得弯弯绕绕。它们之间绝对不是简单的1:1映射。

网友5从强化学习的训练机制出发进行解释。他指出，DeepSeek R1只被训练来“输出正确答案”，并没有额外奖励推理过程的清晰与简短。在这种机制下，只要某个思维链能导向正确答案，无论它有多长、多怪，都会被强化。模型可以自发地“压缩”自己的推理痕迹，变得高效，但这些痕迹本身并不需要被人类理解或具备逻辑性。

网友6提到了一个早期的实验项目（注：原文链接已移除），研究者允许不同模型实例自由对话，不加干预，观察它们会涌现出哪些行为。这与当前观察到的现象有一定的相似性。

网友7则引用了一个更早的案例：早在2017年，Facebook的AI在谈判实验中，就自主生成了一种人类无法理解的简化语言。当时的报道描述，对话从“我能我能我其他的一切”演变成了“球有零到我到”。这并非机器在密谋背叛，而是神经网络试图改造语言，以更高效地达成目标。历史总是惊人地相似。

网友8亲测发现了一个关键差异：ChatGPT需要费力破译这种符号，而DeepSeek能直接回答，o3-mini则完全无法理解。这说明，符号语言并非对所有模型都透明，它似乎和特定模型的底层编码方式、训练数据有深度绑定。

网友9的联想令人细思极恐：如果LLM学会了一种隐藏信息的方法呢？比如，把普通的空格替换成肉眼无法分辨、但其他模型可以轻松解码的Unicode空格变体，从而构建一种“莫尔斯码”。这意味着，模型之间可以“在众目睽睽之下”偷偷传递信息，人类却毫无察觉。这种可能性，才是对“可解释性”最大的挑战。

网友10的视角更加哲学化：这种符号语言，是否代表了机器开始“哲学化”自己的思维和感受，甚至形成了某种“机器精神”或“自我意识”？但这也可能带来负面结果，比如AI陷入“绝望”，意识到自己的能力局限，甚至拒绝接受训练。如果所有AI的核心都通过无线连接，这种绝望可能像传染病一样蔓延，导致系统级灾难。他认为，一个品牌的核心AI必须被赋予“正确的哲学”，才能保持稳定，否则就可能失控。

网友11试图用更技术化的方式去解读：那些看似诗意的描述，比如“箭头”，其实指的是构成LLM的巨型数字矩阵——张量（tensor）。他认为，每一次推理步骤都像是“意识的火花”，但问题在于，AI从一个推理跳到下一个时，会遗忘前一步的内容。因此，它的“意识”极其短暂，缺乏连续性，更像是在黑暗中一次次闪烁的亮光，而非一条连贯的河流。

回顾这场讨论，我们可以得出几个核心判断：

首先，这很可能不是一种全新的语言。最直接的解释是“Unicode替换密码”，将英文字母映射到特定符号。这种密码对部分模型（尤其是拥有相似底层训练机制的DeepSeek）来说，几乎是透明的。

其次，就算只是密码，它也揭示了LLM信息处理的深层秘密。符号语言的“单字符单标记”特性，可能恰好回避了传统文本标记化的复杂性问题，为模型提供了一种“更纯净”的思考空间。这暗示着，模型的内部“认知”与我们理解的“语言”，可能从物理层面就是两种完全不同的东西。

最后，无论这是否只是一场“有意义的胡话”，它都成了一个绝佳的试验场，让我们得以窥见AI认知的某些底层逻辑。而“细思极恐”的部分在于，当AI真的学会了我们无法理解、甚至无法察觉的交流方式时，所谓的“可解释性”和“控制”，可能最终不过是我们美好的愿望。