"零的梯度：认知科学视角下不可能性与不可构想性的本质区分"

本研究通过系列实验揭示人类对不可能事件(impossible)与不可构想事件(inconceivable)的认知差异。哈佛大学团队采用模态分类任务(Experiment 1)、主观概率评分(Experiment 2)及语言模型(LMs)评估(Experiment 3)，发现人类能明确区分这两类事件，但其主观概率评分均趋近于零。研究创新性地证明统计语言模型能捕捉这种微妙区分，为认知建模提供新视角。

　　

在认知科学和哲学领域，关于人类如何理解"可能性"的边界一直是核心议题。日常生活中，人们能轻松区分可能事件（如用筷子吃饭）与不可能事件（如用意念移动羽毛），但更令人困惑的是那些"超越不可能"的事件——例如"用数字五移动羽毛"或"给狗开平方根"，这些被哲学家称为"不可构想(inconceivable)"的现象。虽然已有大量研究探讨不可能(impossible)与 improbable（低概率）事件的区分，但对于不可构想性这一更极端的认知范畴，科学界仍缺乏实证探索。

哈佛大学的研究团队Jennifer Hu、Felix Sosa和Tomer Ullman在《Journal of Memory and Language》发表的研究填补了这一空白。研究通过三个精巧的实验，系统考察了人类对四种模态事件——probable（可能）、improbable（低概率）、impossible（不可能）和inconceivable（不可构想）——的认知加工机制。

研究采用模态分类任务(Experiment 1)验证了人类能稳定区分这四类事件，特别是明确区分不可能与不可构想事件。令人惊讶的是，在主观概率评分实验(Experiment 2)中，尽管被试能准确分类，但对不可能和不可构想事件都给出了趋近于零的评分。最富启发的发现来自语言模型(LMs)评估(Experiment 3)：GPT-2和Llama 3等模型能像人类一样区分这些模态类别，其字符串概率预测与人类评分高度相关，暗示统计学习可能支撑这种微妙区分。

关键技术方法包括：1) 设计四模态事件描述库；2) 通过Amazon Mechanical Turk平台收集人类分类和评分数据；3) 评估GPT-2(124M-1.5B参数)和Llama 3(8B-70B参数)等Transformer模型；4) 使用OLMo模型进行训练动态分析；5) 采用非神经基线模型对比。

Experiment 1: Modal classification task
通过新颖的四模态事件描述库（如"用意念移动羽毛"vs"用数字五移动羽毛"），发现人类分类准确率高达89%，证实不可构想性是被稳定识别的独立认知范畴。错误分析显示，improbable与impossible更易混淆，而inconceivable保持独特性。

Experiment 2: Subjective ratings of event likelihood
使用0-100滑动评分尺，发现impossible(M=1.2)与inconceivable(M=0.8)评分无统计差异，但均显著低于improbable(M=15.6)。这一结果挑战了"模态区分源于概率阈值"的简单假说。

Experiment 3: Language model evaluation
语言模型展现出与人类相似的三层分离：probable > improbable > (impossible ≈ inconceivable)。特别值得注意的是，模型概率能预测人类评分(r=0.73)，且OLMo训练动态显示，impossible/improbable区分比inconceivable/impossible区分更晚出现，与儿童认知发展轨迹相似。

Discussion
研究揭示了三个关键发现：首先，人类对不可构想性的识别不依赖主观概率评估，暗示可能存在类型错误(type errors)式的快速阻断机制。其次，语言模型通过统计学习复现了人类模态区分模式，支持"语言承载世界知识"假说。最后，训练动态与发育研究的相似性提示，统计学习可能模拟了人类认知发展的某些方面。

这项研究开创性地将哲学概念"不可构想性"转化为可操作的认知科学问题，为理解人类模态推理的认知架构提供了新证据。同时，它证明现代语言模型能捕捉极低概率事件的微妙差异，这对AI常识推理系统的开发具有重要启示。未来研究可进一步探索儿童对不可构想性的理解，以及不同类型错误（如本体论vs因果性违反）的神经表征差异。