# Scott Aaronson：大语言模型不需要内置自指，智能是训练时顺带冒出来的

> 原标题：LLMs and Self-Referentiality

- 来源：Hacker News 首页
- 发布时间：2026-09-02T00:20:06.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/54494
- 原文：https://scottaaronson.blog/?p=10046

## 摘要

Scott Aaronson 在博客中提出，LLM 的成功并不需要显式构建自指能力，模型谈论自身只是预训练带来的副产品。他认为 Hofstadter 在《哥德尔、埃舍尔、巴赫》中把智能秘密归于自指和怪圈的观点未获验证，真正被印证的是预测、压缩与 Kolmogorov 复杂度这条思路。他同时指出，意识与主观体验仍是未解之谜，自指或许与之相关。

## 推荐理由

Aaronson 指出大语言模型的自指能力是预训练副产品，而非刻意内置，这为理解 Hofstadter 怪圈理论与当前 AI 成功路径的落差提供了背景。

## 锐评

Aaronson 这个观察挺扎实，LLM 里没人专门塞自指，模型能聊自己就是预训练的副产品，跟会聊宝可梦、板块构造是同一件事。GEB 那套怪圈理论当年影响了一整代人，现在看它顶多解释了意识，没解释智能。被验证的是预测和压缩这条线，Kolmogorov 复杂度那套。我信这个判断，因为它能解释为什么 scaling 一路推下去就冒出了对话能力，不需要额外加什么结构。自指模块这块预算可以省了，数据和算力照旧。
