人类拥有阅读文字的能力，即使文字被切碎并重新拼接，我们也能够不受影响地迅速识别相关内容；然而，这些人类一眼就能看懂的文字，却让AI模型几乎全军覆没。那么，在面对“可见不可读”的文字时，是什么造成了人类和AI理解上的差异呢？
2025年，来自新加坡科技研究局、新加坡国立大学、南洋理工大学、清华大学和南开大学等机构的研究团队发现了一个令人意外的现象1：将汉语成语的每个汉字横切、竖切，斜切，并重新拼接以进行视觉扰动，人类仍然能够读懂这些经过加工的文字，而GPT-5, Gemini，Claude，LLaVA等AI模型的识别准确率却大幅降低。这篇题为“Visible Yet Unreadable: A Systematic Blind Spot of Vision–Language Models Across Writing Systems”的论文不仅指出了人工智能技术目前的局限性，也从认知层面触及了一个更为根本的语言学问题：汉字具有怎样的性质，人类又如何保持对汉字符号的阅读“韧性”？
（时至今日，常用的AI模型仍然无法识别扰动后的汉字）
1Zhang, J., Xu, T., Deng, G., Hu, R., Qiu, H., Zhang, T., Guo, Q., & Tsang, I. (2025). Visible Yet Unreadable: A Systematic Blind Spot of Vision–Language Models Across Writing Systems. Agents4Science 2025 Spotlight Paper.
值得注意的是，该实验对中文和英文采取了不同的扰动方式：汉字被切碎后重新拼接，英文则是将单词分成两部分、用不同颜色渲染后重叠。这种设计差异并非随意为之，而是源于两种文字系统本质上的不同。可以设想，如果对英文也进行切碎拼接，它们就会退化为毫无意义的线条碎片，人类读者同样无法从中复原任何有效信息，而实验也就失去了对照价值。
（实验对英文与中文采取的不同扰动方式）
然而，同样被切碎重组，汉字的情况却截然不同。现代语言学的奠基人费尔迪南·德·索绪尔在《普通语言学教程》中对文字体系进行了划分，他指出，世界上只有两种文字体系，一是表意体系，二是表音体系，而汉字则是前者的典范。相较于表音文字能指（语音）与所指（概念）之间联系的任意性，“对汉人来说，表意字和口说的词都是观念的符号；在他们看来，文字就是第二语言。”2也就是说，在表音体系中，文字只是记录声音的符号，其字母本身并不具有意义，必须经由“形—音”的转化才能解读意义；而汉字作为表意文字，可以绕过语音，直接与概念产生联系，实现“形—义”的直接解读。因而，汉语的文字构成部件本身就具备意义。“氵”表示与水有关，“木”表示与树木有关，“钅”表示与金属有关。这些部件不是任意的符号，而是有意义的构形成分。
当一个汉字被切碎时，对人类读者来说，它们并不是无意义的线条碎片，而是“被切开的部件”，本身就携带着可供解读的意义信息。英文作为表音文字，切碎后人类与AI双双失效，而汉字被切碎后人类依然能够识别，这一差异恰恰证明，汉字作为表意文字，其部件本身承载意义、结构本身具有逻辑，赋予了人类一种从碎片中还原整体的认知能力。这正是汉字区别于表音文字的特殊性所在，也是本实验得以成立的根本前提。
2费尔迪南·德·索绪尔.普通语言学教程[M].高名凯译.北京：商务印书馆，1985年，51页。
表意文字的特性为汉字被切碎后仍能被人类识别提供了“意义前提”，而汉字的结构性与层次性则进一步解释了人类依靠何种规则将碎片化的部件重组还原。
汉字作为受规则支配的结构化符号系统，由笔画、部件与整字三个层次构成。其中，笔画是汉字书写的最小单位，部件则是由笔画组成的结构单元，整字是由部件按照一定空间关系组合成的完整汉字。这种层次性的结构意味着，汉字是由有限的构件按照有限的组合模式构成的符号系统，因此，其识别并不是对整体形状的识别，而是对结构关系的分析，我们解读汉字的过程实际上涉及对部件、空间关系和组合规则的综合处理。部件的位置，按照左右还是上下结构组合，这些空间关系本身就是汉字意义与识别的组成部分。相较于由字母线性构成的英文文字，汉字本身具有更多维度的结构辨识性，因此，被横向、纵向与斜向切割重组时，仍在很大程度上保留了相对完整的组成结构与空间关系，哪怕缺少部分部件并被拼接，读者也能够凭借先验能力进行辨认。而英文文字的扰动方式则受限于其线条性的分布，并没有可供辨识的结构，只能从中间“切断”并严格按照顺序前后相接，一旦扰乱顺序便会失去承载语音的功能，这也从另一个角度回答了上文中实验设计差异的问题。
（汉字的结构关系）
除了汉字结构性这一特征为还原汉字提供了推理依据以外，人们对“碎片属于哪一个字”的认知思考同样重要。徐通锵的字本位理论认为，印欧语有词和句两种基本结构单位，而汉语的基本结构单位则是字。汉字本身具有形、音、义的三位一体性，在汉字母语者眼中的认知中，字是一个完形单位，不仅是书写的基本单位，也是意义的承载单位。这就解释了为什么当字被切碎时，读者仍然会把它当作一个字来处理：字在认知中具有整体性，碎片会被自动归入某个“字”的框架之中。由此再次与表音文字对比：如果切碎的是拼音文字，读者通常也无法识别，因为拼音文字的视觉形态是线性的字母组合，字母本身不构成完形单位，读者没有“这个字母属于哪个词”的内化框架。而读者能够辨认被切碎重组的汉字，是因为“字”的框架提供了一个结构容器——碎片会被自动纳入这个容器的认知期待之中。这正是字本位理论所揭示的“字作为认知单位”的语言学基础。
（徐通锵及其论著）
由此，我们得出结论：人类能识别被切碎拼接的汉字，是因为汉字作为表意文字，其部件本身具有可解读的意义，读者能够对文字进行初步判断和意义推理；同时，汉字具有结构性与层次性，读者依赖内化的构形规则进行结构的复原。表意提供了“可切碎，可拼接”的前提，结构则提供了“怎么拼”的规则。两者共同构成了碎片化文字识别的完整机制。
对于汉字切割重组实验中，人类如何在干扰下展示识别汉字的“韧性”能力，该研究团队同样给出了自己的答案，识别文字的韧性依赖于一种被称为“结构先验”（Structural Priors）的能力，即书写符号由部分组成，并遵循支持从不完整输入中恢复的组合规则的预期。人在阅读时，会预期文字会由更小的有意义的部件组成（如汉字的偏旁部首），而这种对组合规则的预期，是与生俱来或后天习得的一种内化知识，它让人类能高效地处理不完整的信息。从语言学的角度来看，这种结构先验与组合先验的能力就是对汉语构形规则的内隐知识，包括：笔画的方向、顺序和组合规则（如“先横后竖、先撇后捺”）、部件的构成和功能（哪些是表义部件、哪些是表音部件）与整字的空间结构类型（左右结构、上下结构、包围结构）等等。熟练的汉语母语者已经通过长期的语言实践，将这些构形规则内化为无意识的认知能力。因此，当汉字成语被切碎时，读者通过结构推理得以识别。
（结构先验能力）
而AI模型读取汉字的系统性失效问题，则被研究团队解释为“视觉不变性的副产品”，而非符号性的识别。在总结英文单词与汉语成语的辨认情况时，研究团队提到，涉及高度重叠的字母结构或笔画碰撞的融合英文单词，会压倒当前的AI视觉解析机制；汉字的表意结构则加剧了这一认知问题。由此可见，由于缺乏结构化视觉认知的机制和先验的预期，当可识别性受到挑战时，AI的认知能力就会失效。表现在语言学角度，就是AI无法将图片中的汉字当做表意符号来认知，尽管能够通过深度学习进行汉字的组合拼接，但是仅限于汉字完整的情况，一旦受到干扰，AI模型仍会出现误读情况，缺乏对汉字结构规则的认知与预期。当图片中的汉字被切碎后，图片的像素矩阵发生了根本性变化，AI无法从中还原部件和结构关系。并且，AI缺乏“字”作为认知单位的框架，对汉字的处理既没有“形”的结构意识，也没有“义”的概念意识，无法将碎片化的文字归入“字”的认知框架。
此外，2025年的一项研究“Tokenization Changes Meaning in Large Language Models: Evidence from Chinese”3发现，大语言模型的分词机制（tokenization）会系统性地破坏对汉字语义部首的表征。具有相同语义部首的汉字往往共享相似的字节编码，而分词与部首之间的错位会破坏模型对汉字语义的理解。这意味着，由于AI模型的自身局限性，除了对于图片汉字的认知偏差以外，在编码的层面上也可能存在对汉字的误读。
3David A. Haslett. 2025. Tokenization Changes Meaning in Large Language Models: Evidence from Chinese. Computational Linguistics, 51(3):785–814.
“Visible Yet Unreadable”这一实验的意义，不仅揭示了AI的技术局限，也从反面印证了汉字作为一种表意符号系统的特殊性。这一发现同样对国际中文教育领域提出了若干值得深思的问题。
首先，AI识别汉字的局限提醒我们：技术工具不能替代对汉字本质的理解。当前国际中文教育领域正在经历深刻的数智化转型，人工智能模型这一技术手段正在改变汉字教学的方式。然而，汉字切割重组的实验使我们不得不反思，AI模型无法从符号系统的角度透彻地理解汉字，一旦经过变形便难以认出，其认知能力无法达到人类的基础水平。因此，AI技术虽然可以辅助教学，却不能替代对汉字本质的认知。
其次，汉字教学应当注重结构而非形状。在实际的国际中文教育中，应当帮助学生建立汉字整体架构的意识，理解汉字的构形规则以更好地理解并学习汉字。而在数智时代，大量普及的键盘输入减轻了学习者学习汉字的压力，但也带来了对汉字结构感知弱化的问题。因此，在人机协同的教育环境趋向下，AI技术可以承担机械与重复训练的工作，对于汉字深层次的结构理解才更应得到强调与重视。
最后，要立足汉语特质展开研究和对AI模型的处理。当前主流的视觉语言模型，其架构设计主要基于对拼音文字的认知，这种“拼音文字式”的处理逻辑被应用到汉字时，也会产生系统性失效。未来，如果要在AI中真正实现对汉字的理解，就需要在模型架构层面融入对汉字结构知识的表征与以识别为导向的先验能力，而这需要计算机科学家与语言学家的深度合作。语言学科对于智能应用的引导作用需要得到足够的重视。
让我们回顾这场实验，面对经过切碎和拼接的汉字，AI与人类表现出极大的认知差异。我们知道这种差距来源于人类内化的结构先验能力，人们能够辨认“木”指向树木，“氵”关联水流，左右结构、上下结构、包围结构各有其组合逻辑与表意功能，即使经过扰动与处理，也仍旧保有对汉字的预期视野。这场实验也同样提醒我们，汉字作为表意文字与结构性极强的符号系统，其独特的认知方式：一种从视觉结构中提取意义、从空间关系中解读信息的思维方式，为每一位汉语母语者、每一位中文教师和学生，日复一日地使用和传承。这种认知方式是汉字在智能时代不可替代的价值所在，也是国际中文教育推广的意义所在。
[1] Zhang, J., Xu, T., Deng, G., Hu, R., Qiu, H., Zhang, T., Guo, Q., & Tsang, I. (2025). Visible Yet Unreadable: A Systematic Blind Spot of Vision–Language Models Across Writing Systems. Agents4Science 2025 Spotlight Paper.
[2] 费尔迪南·德·索绪尔.普通语言学教程[M].高名凯译.北京：商务印书馆，1985.
[3] 帕默尔.语言学概论[M]．北京：商务印书馆，1983．
[4] 王宁.汉字构形学讲座[M].上海:上海教育出版社,2002.
[5] 王宁.汉字构形学导论[M].北京:商务印书馆,2015.
[6] 王宁.汉字构形理据与现代汉字部件拆分[J].语文建设,1997(03):4-9.
[7] 徐通锵.汉语字本位语法导论[M].济南:山东教育出版社, 2008.
[8] 崔希亮.汉语作为第二语言的习得与认知研究[M].北京:北京大学出版社,2008.
[9] David A. Haslett. 2025. Tokenization Changes Meaning in Large Language Models: Evidence from Chinese. Computational Linguistics, 51(3):785–814.
[10] 姜国权,郭忠志.国际中文教育汉字教学的数字化转型及实现路径[J].云南师范大学学报(对外汉语教学与研究版),2025,23(5)83-92.
资讯来源：微信公众号
