目标的句法与语义：认知科学中的目标表征新视角

认知科学与计算机科学长期以来都把“目标”视为组织和指导有目的行为的核心认知状态。一篇发表于 arXiv 的新论文《The syntax and semantics of goals》提出了一个颇具启发性的分析框架：不应仅把目标当作对行为的约束条件，而应把它看作一种具有句法与语义结构的表征。这一视角把目标研究与语言学、逻辑学中的经典问题联系在一起，也为智能系统的目标设计打开了新的讨论空间。

目标为何是一种“表征”

在传统理解中，目标是一种认知状态，它与世界知识灵活组合，从而生成有目的的行为。论文强调，目标本质上是组合性的表征（compositional representations）——它们的内容与理性行为直接相关。换句话说，目标不是孤立的信号，而是像语言中的句子一样，由更基础的成分按某种规则组合而成。

这一定位很关键。当我们把目标看作表征时，就不得不追问它的“内容”是什么、如何被编码、以及不同编码方式之间的差异。这与语言学中区分“句法”（形式如何组织）与“语义”（形式指向什么意义）的做法高度一致。作者正是借用这一对概念，来剖析目标的形式与含义。

句法-语义界面的类比

论文最具洞察力的地方，是把目标研究映射到语言学与逻辑学中的句法-语义界面（syntax-semantics interface）。在语言学中，同一个意义可以由不同的句法结构表达，而句法结构的表达能力也存在边界。目标同样如此。

表达力的问题

作者指出，一个值得追问的问题是：某种“目标语言”是否**足够有表达力（expressive）**来刻画我们关心的行为？如果一种目标表征无法描述某类行为，那么无论智能体多么聪明，都无法把该行为设定为目标。这直接关系到智能系统设计中目标规范语言的选择。

等价性的问题

另一个问题是：不同的目标表征是否可能刻画相同的行为？这类似于逻辑中不同公式可能在语义上等价。若两种形式不同的目标最终导向一致的理性行为，那么它们在语义层面是等价的。区分形式与意义，能帮助我们识别哪些差异是本质的，哪些只是表述上的冗余。

**句法-语义界面（syntax-semantics interface）**是形式语言学与逻辑学中研究形式结构如何映射到意义的核心议题。句法层面关注符号的排列规则与结构关系（如语法树、推导规则），语义层面则关注这些结构在模型或世界中的解释（如真值条件、指称对象）。两个句法结构不同的表达式可能拥有相同的语义（例如主动句与被动句），而同一句法结构也可能对应多种语义解读（歧义）。将这一界面引入目标研究，意味着我们需要同时考察目标的"写法"（用何种语言、何种逻辑公式表示）与"含义"（该表示对行为的实际约束是什么），而不能将两者混同——这是避免目标规范失真的理论前提。

从约束到设计空间

过去人们通常把目标视为固定的、对可取行为施加约束的东西。论文提出了一个反转视角：我们也可以研究对目标表征本身的约束。

这意味着目标不再是一个孤立的给定项，而是位于一个更大的**设计空间（design space）**之中。不同的目标表征在表达力、设计方式和计算效率之间存在权衡：有的表征简洁但表达力有限，有的表达力强却难以高效计算。作者综合了多项刻画不同目标表征属性的工作，认为它们都是这个设计空间中的不同坐标点。

对 AI 系统而言，这种框架有实际意义。无论是强化学习中的奖励函数、规划系统中的目标条件，还是大模型的指令遵循，本质上都是在选择某种目标表征。理解这些表征的形式与语义特性，有助于避免“看似指定了目标，实则无法表达真实意图”的隐患。

在 AI 领域，目标表征的具体形式横跨多个技术范式：强化学习使用标量奖励函数或势能塑形（reward shaping）；经典规划使用 PDDL 等一阶逻辑语言描述目标状态；逆强化学习（IRL）则试图从行为中反推目标；大语言模型时代则出现了自然语言指令作为目标的新形式。每种形式都有其表达力边界——例如，线性奖励函数无法表达某些非马尔可夫性质的目标，而自然语言目标虽灵活却难以形式化验证。论文所提出的"设计空间"框架，正是要为这些异质性的目标表征提供统一的比较坐标，使研究者能够在表达力、可计算性与可解释性之间做出有据可查的权衡选择。

形式与意义分离的价值

论文在结尾讨论了区分目标“形式”与“意义”的三重价值。

其一，它能揭示我们对目标所做的隐含假设。当形式与意义被混为一谈时，很多设计假设是不自觉的；显式区分二者，能让这些假设浮出水面。

其二，它有助于研究高层认知与动机之间的交互。目标处在认知与动机的交汇处，把目标作为表征来分析，可以更清晰地刻画它如何被更高层的推理调用、又如何驱动行为。

其三，它能分离出不同目标观念的变化维度。不同学科、不同系统对“目标”的理解各异，而句法-语义框架提供了一套统一的坐标，让这些差异可以被系统地比较。

小结

这篇论文没有提出具体的算法或模型，而是提供了一个概念性的分析视角：把目标当作有句法与语义结构的表征来研究。它把认知科学、语言学、逻辑学与 AI 中的目标问题联系在一起，强调表达力、等价性和设计效率等基础问题。对于关注智能体目标设定、奖励规范与意图对齐的研究者来说，这一框架提供了一种更结构化的思考方式——先问“目标是什么形式、指向什么意义”，再谈如何实现。

背景补充

**组合性（compositionality）**是语言学与认知科学中的核心原则，最早由弗雷格（Gottlob Frege）系统阐述：一个复杂表达式的意义，由其组成部分的意义以及它们的组合方式共同决定。这一原则解释了为何有限的词汇与语法规则能产生无限多可理解的句子。将目标视为组合性表征，意味着复杂目标可以由更简单的子目标按结构规则构建，而整体目标的语义可以从部分语义系统地推导出来。这与传统强化学习中将奖励函数视为标量信号的做法形成对比——后者往往难以分解和解释，前者则天然支持目标的层次化分析与迁移。