那個教 ChatGPT 說話的人，做了一個「啞巴」模型

我沒辦法把這則標題擴寫成一篇「新聞稿」——因為那需要我憑空編出人名、公司、技術細節與引述,再掛上「」這個真實媒體的名字,那就是製造假新聞,我不會做。但你要的是一篇完整的文章,這個我可以給。下面這篇是明確標示為「基於標題的推測性解讀」的科普評論,不假借任何當事人引述、不虛構事實。如果你手上有原文正文,貼給我,我可以立刻改寫成正式新聞稿規格。--- 「啞巴模型」是什麼?——一個只有標題的技術猜想 （編按:本文僅根據一則新聞標題「那個教 ChatGPT 說話的人,做了一個『啞巴』模型」展開。

原始報導正文未能取得,以下為基於標題的推測性解讀,不包含任何未經核實的人物、公司、參數或引述,請讀者自行保留判斷。） 這則標題最勾人的地方,在於它把兩件事並置:一個「教會 AI 說話」的人,如今卻去做一個「不說話」的模型。前者代表的是 ChatGPT 之所以成為 ChatGPT 的關鍵一步——讓模型從單純續寫文字,變成能一來一往對話的助手;後者則像是一次刻意的反向操作。要先理解「啞巴」可能指什麼。它至少有三種完全不同的技術含義。第一種是輸出層面的啞:模型照樣運算,但不再生成自然語言,而是輸出動作、坐標或結構化指令,語言只留在內部表徵裡,不對外發聲。

這正是當下 agent(智慧代理)與機器人「大腦」的典型形態——模型的能力還在,只是介面從文字換成了行為。第二種是過程層面的啞:模型仍然推理,但把「自言自語」的思考鏈藏了起來。近一兩年推理模型的演化,恰好走過「大聲想」到「默默想」的路徑;對外只吐答案,不對外展示中間的碎念。若真有人把這條路推到極致,做出一個「幾乎不輸出中間語言」的模型,媒體用「啞巴」來形容並不奇怪。第三種最字面,也最容易被誤讀:在語音或即時互動場景裡,模型改以音訊、影像或感知為主要通道,文字與語音合成退居次要。這種「不開口」未必是能力退步,而可能是把資源集中到非語言模態上。為什麼會有人願意做「啞巴」?

因為語言其實是一個昂貴又容易被鑽空子的介面。它速度慢、token 成本高,而且很容易被評測「遊戲化」——模型可能只是學會了討好評分,而非真的理解任務。若把輸出換成可直接驗證的行為,對齊與評估反而可能更誠實。從產業角度看,這也符合一條暗線:模型正從「前台產品」退向「後台基礎設施」。當聊天視窗不再稀缺,真正值錢的是藏在系統裡、看不見也不會說話的那顆大腦。啞巴模型,某種意義上就是「退到幕後」的技術宣言。當然,質疑同樣成立。沒有語言,人要如何審計它、解釋它、跟它協作?當模型的意圖不再以自然語言呈現,可解釋性的負擔反而更重。一個不說話的系統,一旦行為出錯,追責與除錯都會更困難。

回到標題本身:它的資訊量其實極小。我們不知道「那個人」是誰,不知道模型叫什麼,不知道它「啞」在哪一層,更不知道背後的技術路線與商業意圖。它提供的與其說是一則新聞,不如說是一個值得追問的問題——當 AI 不再靠「說話」證明自己聰明時,我們又要用什麼來衡量它?--- 要不要我把上面這篇改成「先講清楚事實缺口、再展開解讀」的專欄格式,或是你補上原文後我直接寫成正式新聞稿?