摘　要：在生成式人工智能时代，理解机器语言知识的本质和来源问题已成为哲学、语言科学与智能技术领域的一个重要议题。本文旨在通过对比人类儿童与机器的语言获得过程与机制，探讨当前先进的大模型在语言学习核心维度上与人类儿童的根本差异。儿童语言的获得依靠先天的语言习得装置及普遍语法、后天有限的语料输入以及丰富的社会互动与具身体验；而机器学习则立足于庞大的数据集、先进的深度学习算法和强大的计算资源。虽然最新的大语言模型在语言生成任务上表现出色，但其对语言的理解通常局限于模式识别，缺乏深层认知。同时，机器模型在语言学习过程中面临着与人类儿童相似的挑战：如何从不完美的数据输入中提炼出语言的深层结构。

关键词：生成式人工智能 机器语言 儿童语言 语言知识 柏拉图问题

摘　要：17-18世纪的科学革命以及所带来的“改天换地”的力量促使哲学发生了认识论转向，关于知识的来源与本质的唯理论与经验论之争成为了那个时代的哲学议题。直觉与演绎、天赋观念与天赋知识，他们围绕着这些概念和问题的方方面面，进行了旷日持久的讨论。本文试图把他们的争论聚焦于因果一点，以此切面来展现他们的立场和争论。鉴于他们之间的争论点在于是否应当把因果理解为一种天赋观念或者潜能，我们将考察当代关于儿童因果认知的研究成果，以之为基础来为这场绵延了数百年的“争论”提供一种“科学的”回答或者解决。

关键词：天赋论 因果 因果认知

摘　要：在机器学习领域，探索和模拟儿童的认知发展过程是一个研究方向。本文围绕机器认知和儿童认知的因果推断能力，分析了在机器认知系统中融入儿童认知发展理论的可能性。本文聚焦儿童认知和机器认知因果推断问题的方法论、认识论，首先论述在哲学和心理学传统中洛克和皮亚杰所进行的实验探索及其当代批评，其次，分析在当代人工智能和儿童心理学领域珀尔和高普尼克进行的理论探索。据此总结机器认知中的儿童视角正反两方面结论：从正面来看，儿童认知发展理论虽然为机器学习提供了有益的因果推理框架；从反面来看，直接将儿童认知理论运用于机器认知存在局限，忽视了机器智能的独特需求和发展路径。

关键词：机器认知 儿童认知 因果推断 智能