大型语言模型与语言意向性

像 Chat-GPT 或 LLaMa 这样的大型语言模型是否在有意义地使用它们产生的词语？还是它们仅仅是聪明的预测机器，通过生成统计上合理的文本来模拟语言使用？目前已经有一些初步尝试来回答这个问题，通过展示这些模型满足根据心理内容的元语义理论进入有意义状态的标准。在本文中，我将主张一种不同的方法——我们应该转而考虑语言模型是否满足我们最好的语言内容元语义理论所给出的标准。在此脉络下，我将通过将两个这样的理论应用于语言模型的案例来说明如何做到这一点：Gareth Evans (1982) 的命名实践说明和 Ruth Millikan (1984, 2004, 2005) 的目的语义学。在此过程中，我将论证，认为 LLM 未能满足心理意向性的合理条件从而使其输出变得毫无意义是错误的，并且语言意向性的一个显著特征——依赖于预先存在的语言系统——使得 LLM 输出具有意义这一合理结果成为可能。