基于大模型的知識生產(chǎn)與啟蒙辯證法

內(nèi)容提要 人們在使用大模型的過程中，會存在某種程度的幻覺，即認(rèn)為大模型無所不知和無所不能。正因為這種幻覺的存在，大模型可能會從啟蒙的理性變成新的啟蒙神話。啟蒙的意義在于保持一種開放性，而啟蒙的神話就表明了這種開放性的消失。大模型的發(fā)展無疑會加劇世界的數(shù)學(xué)化。在此背景之下，權(quán)證就構(gòu)成了未來數(shù)字世界的基本通貨。過度的數(shù)學(xué)化也醞釀了新的工具理性危險。作為新的技術(shù)，大模型全面展示了知識與權(quán)力的關(guān)系。大模型擁有巨大的整合力，正在實現(xiàn)新型的知識大一統(tǒng)。這種彌散化的超能力會進(jìn)入知識生產(chǎn)的各個領(lǐng)域，沒有個體可以逃脫這種超能力的捕捉。大模型會進(jìn)一步加劇知識工業(yè)化，這將導(dǎo)致更為嚴(yán)重的意識形態(tài)問題。一方面，大模型本身有其意識形態(tài)。另一方面，大模型更加深刻的意識形態(tài)會隱含在其免費模式和消費模式之中，同時想象的知識共同體最終又會服務(wù)于知識霸權(quán)。面對知識工業(yè)化的風(fēng)險，應(yīng)該建立知識生產(chǎn)的“手工綠洲”，用荒謬、隱喻和修辭來對抗理性，讓人類保有通過具身體驗來創(chuàng)造知識的能力，并且要避免同一性和絕對正確的神話。

關(guān)鍵詞 大模型 人工智能 ChatGPT 啟蒙辯證法 工具理性

高奇琦，華東政法大學(xué)政府管理學(xué)院教授、政治學(xué)研究院院長

自從ChatGPT在2022年11月底發(fā)布之后，大模型技術(shù)便逐步引起了世界性的關(guān)注。作為全新的知識生產(chǎn)技術(shù)，大模型會重塑整個知識生產(chǎn)格局。在這一情境下，大模型技術(shù)將給人類的啟蒙進(jìn)程帶來哪些影響？針對由大模型技術(shù)引發(fā)的新一輪啟蒙革命，我們又該對其中產(chǎn)生的破壞性效應(yīng)采取哪些應(yīng)對措施？為了更加深入地討論這些問題，筆者引入馬克斯·霍克海默（Max Horkheimer）和西奧多·阿多諾（Theodor Adorno）在《啟蒙辯證法》中的思想資源，通過對與知識生產(chǎn)相關(guān)聯(lián)的知識啟蒙、工具理性以及文化工業(yè)等概念的討論，并結(jié)合其他思想家的思想資源分析未來人類社會的知識生產(chǎn)及其背后更加深刻的政治哲學(xué)意蘊。

一、從告別愚昧到新的啟蒙神話

這里首先需要看到大模型的啟蒙潛能。大模型的本質(zhì)是一種新型的知識生產(chǎn)工具。人們只要對大模型發(fā)問，就可以得到某種形式的知識回應(yīng)。之前人類往往會屈從于傳統(tǒng)的知識秩序。例如，在農(nóng)業(yè)社會，知識生產(chǎn)更多掌握在族長、鄉(xiāng)紳、巫師手中。現(xiàn)代社會開啟了啟蒙的篇章，逐步將知識生產(chǎn)變成一種專業(yè)化過程。現(xiàn)代教育的展開使得知識生產(chǎn)不再掌握在工業(yè)文明之前的鄉(xiāng)村秩序或神秘主義力量手中，而逐步將其全面化和專業(yè)化，這便是啟蒙的新意義。啟蒙的重要功能在于告別愚昧，原先由族長、鄉(xiāng)紳和巫師掌握的知識生產(chǎn)逐步交由科學(xué)進(jìn)行。同時，也出現(xiàn)了圍繞知識生產(chǎn)的專門群體。這一群體既包括創(chuàng)造科學(xué)知識的學(xué)者，也包括傳播這些知識的教師抑或是實踐這些知識的醫(yī)生、律師、工程師等。

在現(xiàn)代性知識生產(chǎn)的過程中，會產(chǎn)生過度專業(yè)化導(dǎo)致的某種專家治國問題。而這種專家治國問題的產(chǎn)生，還伴有科學(xué)技術(shù)在社會地位日顯、政府職能擴(kuò)張及技術(shù)民主思潮興起等時代背景[1]。換言之，專家成為整個社會的主宰。對于這一點，許多學(xué)者都進(jìn)行過深入討論。例如，尤爾根·哈貝馬斯（Jürgen Habermas）提出科學(xué)技術(shù)是一種新的意識形態(tài)：“技術(shù)和科學(xué)在某種程度上滲透進(jìn)社會制度并改變了它們，這使得舊的合法性遭到摧毀。”[2]喬萬尼·薩托利（Giovanni Sartori）同樣對專家治國進(jìn)行了激烈的批評：“我們必須服從民主政體的需要，這并不是受專家的統(tǒng)治，重要的是依靠他們的專業(yè)知識。”[3]換言之，專家本身是打破愚昧的一種工具，然而專家在其長期參與知識生產(chǎn)過程中，又逐步演化為新的神話。而大模型的出現(xiàn)，在很大程度上可以扮演新的啟蒙角色。例如，人們可以不再盲從專家的建議，轉(zhuǎn)而通過不斷地向大模型發(fā)問來獲取對于某些問題的答案，并輔以自己的思考來得出自己較為認(rèn)同的結(jié)論。

實際上，大模型使得人類社會的存在與提問緊密關(guān)聯(lián)在一起。提問是人類獲取知識以及深入理解知識的關(guān)鍵。中國古代將知識中較為重要的部分稱為學(xué)問，其中包含了兩層含義，一是學(xué)習(xí)，二是提問。同樣，在中國文化中，那些掌握較多知識或更具創(chuàng)新力的人被稱為大學(xué)問家。進(jìn)一步講，提問能力對于個體的啟蒙極為重要。一個好的問題，往往比答案更加重要。隨著不斷地深入使用大模型，人們會發(fā)現(xiàn)大模型回答問題的質(zhì)量取決于人提問的質(zhì)量。目前大模型已經(jīng)出現(xiàn)了一種新型的學(xué)習(xí)內(nèi)容和職業(yè)方向，即提示工程。提示工程的核心學(xué)習(xí)內(nèi)容就是將提問進(jìn)一步專業(yè)化，通過培養(yǎng)學(xué)習(xí)者更強(qiáng)的提問能力，從而獲得更好的語言大模型使用技巧。從這個角度來講，提示工程具有更加深刻的啟蒙內(nèi)涵。

因此，大模型的出現(xiàn)可能會使得人類的教育走向側(cè)重提問。之前人類教育的重點更傾向于對傳統(tǒng)知識的記憶以及對問題的回答，根據(jù)大模型發(fā)展的方向，未來的教育重點應(yīng)該要逐步轉(zhuǎn)向?qū)τ谔釂柕慕逃嶋H上，在人類的幼年階段，提問是一種自然能力。人們會發(fā)現(xiàn)小孩子比成年人有更多的問題。因此，未來教育的重點應(yīng)是鼓勵孩子在人生的整個階段中都時刻保持這種發(fā)問的狀態(tài)。這種發(fā)問在某些情境下可能會造成尷尬的氣氛。例如，在《皇帝的新裝》故事中，那個孩子的發(fā)問便打破了整個戲劇的氣氛，使人們回到真實的情境之中。因此，大模型所強(qiáng)調(diào)的提問實質(zhì)是使得人們可以不斷地進(jìn)入啟蒙的狀態(tài)。

然而，大模型的出現(xiàn)并沒有一勞永逸地解決啟蒙問題，而且創(chuàng)造了新的啟蒙困難。問題的癥結(jié)出現(xiàn)在回答的內(nèi)容上。人們在使用大模型的過程中，會存在某種程度的幻覺。這種幻覺主要體現(xiàn)為以下兩點：

第一，無所不知。大模型與之前的智能音箱有明顯的區(qū)別。智能音箱是基于傳統(tǒng)的自然語言技術(shù)而設(shè)計的，其回答問題的基礎(chǔ)是人為知識庫。當(dāng)人們問到知識庫之外的問題時，智能音箱的典型做法是拒絕回答，因為這樣的問題不在其回答的范圍之內(nèi)。智能音箱的技術(shù)基礎(chǔ)是觸發(fā)機(jī)制，即人們在發(fā)問中的關(guān)鍵詞會觸發(fā)相應(yīng)的、人們之前已經(jīng)準(zhǔn)備好的答案。這一過程更多是一種機(jī)械關(guān)聯(lián)的過程。然而，大模型回答的內(nèi)容卻是生成的。ChatGPT的技術(shù)基礎(chǔ)是一種“通過上文預(yù)測下文”的大語言模型[1]。在回答問題的過程中，人們確實發(fā)現(xiàn)大語言模型可能會具備無所不知的特點。按照OpenAI首席科學(xué)家伊利亞·蘇茨克沃（Ilya Sutskever）的說法，他深信在GPT模型內(nèi)部存在一種世界模型[2]。大模型的基礎(chǔ)是一種知識壓縮，而預(yù)訓(xùn)練模型意味著科學(xué)家已經(jīng)把人類幾乎所有的重要知識（包括維基百科、人類書籍、網(wǎng)頁文本和爬蟲數(shù)據(jù)）都封裝到這一模型中。這種海量知識的生成模式使得大模型幾乎可以回答所有問題。當(dāng)然，這種“無所不知”的問題就在于其會因幻覺（hallucination）生成一些完全不存在的內(nèi)容[3]，典型案例就是人們討論的“林黛玉倒拔垂楊柳”。因此，大模型的這種無所不知并不是真正的無所不知，其本質(zhì)上是一種不知限度的回答。

第二，無所不能。大模型會在預(yù)訓(xùn)練知識之上形成某種知識的超能力。盡管大模型的基礎(chǔ)是大語言模型，然而大模型卻可以掌握一些超出語料內(nèi)容的超能力。例如，ChatGPT和GPT-4中的中文語料訓(xùn)練數(shù)據(jù)非常少，然而其在中文內(nèi)容的理解方面甚至?xí)^以中文語料為主的文心一言等中文大模型。換言之，其強(qiáng)大的超能力是在某種人類并不理解的情境下涌現(xiàn)的。另外，其強(qiáng)大的編程能力也很大程度上基于這種涌現(xiàn)。GPT技術(shù)最薄弱的環(huán)節(jié)是數(shù)學(xué)。例如，ChatGPT一般可以理解問題，卻不能提供正確的解決方案[4]。然而，到GPT-4之后，特別是在接入了Wolfram等數(shù)學(xué)插件工具之后，其數(shù)學(xué)計算能力大大增強(qiáng)。換言之，整體來看，大模型會形成一種全知全能的超能力，會體現(xiàn)為一種基于不確定性的確定性。不確定性在于其生成智能的本質(zhì)特征。生成智能就意味著人類并不能完全掌控其接下來生成的內(nèi)容，因為這樣的生成是完全基于概率的。確定性就在于其強(qiáng)大的超能力，其似乎真的可以做到全知全能。

正因為這種超能力的存在，大模型可能會從啟蒙的理性變成新的啟蒙神話。就像趙磊在討論《啟蒙辯證法》一書時所提到的，啟蒙精神為了使人類擺脫自然恐懼，不斷祛除自然之魅并消除神話，但這一過程卻導(dǎo)致了神話理性，同時編織了技術(shù)神話，使人類在自然面前的主體性淪為技術(shù)附庸[5]。進(jìn)言之，這種超能力最大的問題在于讓學(xué)習(xí)者感到慚愧。當(dāng)GPT-4出現(xiàn)之后，大量編程領(lǐng)域的學(xué)習(xí)者的第一反應(yīng)是震驚。就連深度信念網(wǎng)絡(luò)的發(fā)明人杰弗里·辛頓（Geoffery Hinton）也有如此感受。辛頓在訪談中多次表達(dá)了對ChatGPT超能力的驚嘆。辛頓明確指出，他一直認(rèn)為人類在處理信息方面具有某種優(yōu)勢，機(jī)器是永遠(yuǎn)趕不上人類的，這是他在機(jī)器學(xué)習(xí)研究中的一個基本信念。然而，GPT技術(shù)的發(fā)展卻顛覆了他的認(rèn)知，這也是他從谷歌離職并希望利用自己的聲譽提醒人們關(guān)注GPT技術(shù)風(fēng)險的原因[1]。這種超能力進(jìn)一步導(dǎo)致的問題是，人們對大模型可能會從剛開始的不信任逐步變成超信任。大模型仍然在快速進(jìn)化當(dāng)中，從ChatGPT到GPT-4，大模型在準(zhǔn)確性上有非常大的提升。按照這一進(jìn)化速度，未來大模型可能會變得越來越準(zhǔn)確。人們在使用過程當(dāng)中會不斷增加對其的信任，最終就會發(fā)展為一種超信任。當(dāng)大模型出錯時，人們會覺得不可理解，最終導(dǎo)致的結(jié)果就是大模型的發(fā)展會使得許多開放性問題只有封閉性答案，而許多開放性問題本身是沒有標(biāo)準(zhǔn)答案的，因此大模型的發(fā)展可能會對多元主義文化形成壓抑。

語言大模型本質(zhì)上是一種知識的大一統(tǒng)。由于OpenAI在訓(xùn)練大模型時形成了一種英文語料大一統(tǒng)的格局，在某種程度上對其他語種的語料形成了拒斥，進(jìn)而演化為一種封閉樣態(tài)。因而從這個角度來講，大模型可能會成為新的啟蒙神話。

二、世界的數(shù)學(xué)化與工具理性的彌散

上文討論了大模型的啟蒙潛能以及其可能會陷入啟蒙神話的危險。大模型對世界的影響進(jìn)一步體現(xiàn)在，其會極大地推動世界的數(shù)學(xué)化。阿蘭·巴迪歐（Alain Badiou）曾在討論中提出了數(shù)學(xué)本體論的觀點。巴迪歐的這一觀點在很大程度上是對柏拉圖的致敬。柏拉圖認(rèn)為，理念是第一性的，物質(zhì)世界是第二性的。理念世界的根本是數(shù)學(xué)，特別是幾何學(xué)。柏拉圖指出，幾何學(xué)“大概能把靈魂引向真理”[2]。換言之，在柏拉圖的理解中，由數(shù)學(xué)構(gòu)成的理念才是人類社會最本源的部分，而物質(zhì)世界則在很大程度上是對數(shù)學(xué)抽象的一種表達(dá)和反映。巴迪歐在柏拉圖理念論的基礎(chǔ)之上，結(jié)合了格奧爾格·康托爾（Georg Cantor）等人的現(xiàn)代集合論，進(jìn)一步提出了數(shù)學(xué)本體論的觀念[3]。本體論是哲學(xué)中最為基礎(chǔ)的表達(dá)，而這種數(shù)學(xué)本體論則進(jìn)一步因應(yīng)了當(dāng)代世界的數(shù)字化轉(zhuǎn)型這一事實。當(dāng)然，巴迪歐的數(shù)學(xué)本體論更多從集合的角度出發(fā)，因為人類社會的絕大多數(shù)概念都表現(xiàn)為集合。集合分為清晰集和模糊集。一些相對模糊的概念，更多以模糊集的方式來體現(xiàn)。

進(jìn)言之，大模型的發(fā)展無疑會加劇上文提到的世界的數(shù)學(xué)化。大模型的基礎(chǔ)是語言概率模型，其最為重要的技術(shù)底座是詞向量。詞向量的核心就是將人類語言的基本單元轉(zhuǎn)化為數(shù)學(xué)中的向量，然后再通過傅立葉變換的矩陣運算來測度任何兩個詞之間的距離[4]。這種轉(zhuǎn)換就使得我們?nèi)粘Ｉ钪械膬蓚€詞之間存在了一種空間上的距離。因此，這一基本邏輯就是將我們對話的語言世界轉(zhuǎn)換為一個以向量為中心的空間世界。在詞向量化之后，通過計算詞和詞之間的距離來進(jìn)行相似度運算，最后再通過概率模型來進(jìn)行上文對下文的預(yù)測。從這個角度來講，向量計算是大模型技術(shù)的基礎(chǔ)。不僅詞可以向量化，圖片、聲音、視頻等不同模態(tài)的數(shù)據(jù)都可以向量化。向量化與權(quán)證化（tokenization）結(jié)合在一起。權(quán)證化的基本邏輯就是，將傳統(tǒng)圖片的格式信息轉(zhuǎn)換成一個長長的序列信息。例如，一張圖片可以轉(zhuǎn)化為1024個權(quán)證（token）的序列信息，這樣就可以運用上文預(yù)測下文的算法來進(jìn)行全新內(nèi)容的生成[5]。這種向量運算構(gòu)成了大模型的基礎(chǔ)，也構(gòu)成了世界數(shù)字化的基礎(chǔ)。

在此背景之下，權(quán)證就構(gòu)成了未來數(shù)字世界的基本通貨。所有的知識都可以在新的通貨的基礎(chǔ)之上進(jìn)行運算和交易。從這個意義上講，未來大模型會成為數(shù)字世界的底座。人類社會將不可避免地走向一種大一統(tǒng)的數(shù)字系統(tǒng)。大模型會成為數(shù)字化的基礎(chǔ)能力。數(shù)字世界構(gòu)建的基本邏輯，一方面是在人類的現(xiàn)實世界之外構(gòu)建一個平行世界，另一方面則是這一平行世界會反身于物理世界，與物理世界緊密結(jié)合在一起。數(shù)字孿生便是這種緊密結(jié)合的表達(dá)，即人們構(gòu)建的數(shù)字世界會反作用于他們所處的物理世界。物理世界的典型特征是不確定性，因為在物理世界中有無數(shù)個行為體。不同行為體的互動會使得未來出現(xiàn)無限種可能性。不確定性就意味著新的風(fēng)險可能隨時到來，而數(shù)字世界構(gòu)建的意義就在于通過一種確定性的構(gòu)建來降低物理世界的不確定性。

數(shù)字化主要表現(xiàn)為三方面特征：第一，數(shù)量化，即將物理世界中的一切行為和主體都進(jìn)行量化。數(shù)量化意味著其特征可以用數(shù)字方式來記錄。第二，可視化。可視化的關(guān)鍵在于將這些行為軌跡以清晰的方式展現(xiàn)出來。可視化的意義在于為下一個階段決策做準(zhǔn)備。第三，決策便捷化。在數(shù)量化和可視化的基礎(chǔ)之上，數(shù)字孿生系統(tǒng)可以進(jìn)一步輔助人們的行為，在較為復(fù)雜的海量信息中更容易產(chǎn)生最優(yōu)決策，其根本邏輯是用數(shù)字的確定性來捕捉物理世界的不確定性。從這個意義上講，大模型的意義在于其構(gòu)建了一個可以計算的世界，通過計算來征服自然界，這可以看成人類力量的一個新的高度。人們通過數(shù)字世界的構(gòu)建對自然界進(jìn)行一種全方位的捕捉。無論是山川、河流、湖泊，還是浩瀚的天空以及處在這個地球上的生命，都可以通過數(shù)字系統(tǒng)來進(jìn)行精準(zhǔn)捕捉。最終，人類社會將進(jìn)入一個計算主義的帝國。而在這種精密的計算下，強(qiáng)人工智能的深度發(fā)展甚至超人工智能的出現(xiàn)將挑戰(zhàn)人類道德決策中心地位[1]。

對于人類社會的科技快速進(jìn)步，霍克海默和阿多諾在《啟蒙辯證法》中就不斷地表達(dá)內(nèi)心的憂慮。當(dāng)然，霍克海默和阿多諾并未看到目前數(shù)字世界的成就，他們處在第二次工業(yè)革命向第三次工業(yè)革命轉(zhuǎn)型的過程中。即便如此，在當(dāng)時的條件下已經(jīng)出現(xiàn)了眾多令人擔(dān)憂的情境，即“勝利的災(zāi)難”（triumphant calamity）[2]。霍克海默和阿多諾所描述的是一種從現(xiàn)代性的啟蒙到現(xiàn)代性的噩夢的過程。在二人看來，這種勝利最終導(dǎo)致的將是人性狀態(tài)的缺失，并進(jìn)入一種新型的野蠻主義。在霍克海默和阿多諾看來，啟蒙的綱領(lǐng)就是要喚醒世界，祛除神話并用知識來替代幻想。他們認(rèn)為，“神話變成了啟蒙，自然則變成了純粹的客觀性”[3]。二人對啟蒙與神話的悖謬關(guān)系進(jìn)行了深刻的討論。神話最初作為啟蒙的嘗試而出現(xiàn)。換言之，神話記錄了人們的想象，也記錄了人們對未知世界的探索。然而，神話最終體現(xiàn)為一種非科學(xué)的蒙昧。因此，霍克海默和阿多諾描述了另外兩個重要時期，一個是哲學(xué)時期，另一個是現(xiàn)代科學(xué)時期。哲學(xué)時期的關(guān)鍵是通過理性反思來重新思考人類知識。這便是霍克海默和阿多諾所強(qiáng)調(diào)的，用知識來替代幻想的意義。現(xiàn)代科學(xué)則用重復(fù)的、可以加以驗證的方式來推動一種新的理性。然而，在霍克海默和阿多諾看來，這種新的理性導(dǎo)致了世界的數(shù)學(xué)化，也醞釀了新的工具理性危險。

霍克海默與阿多諾的這種提醒在今天看來非常重要。如前所述，大模型會加劇世界的數(shù)字化。大模型會日益表現(xiàn)為一種大一統(tǒng)的數(shù)字系統(tǒng)，這就使得沒有哪種外在之物可以逃脫大模型的影響。大模型對自然界時刻處在一種捕捉的狀態(tài)，這可能就會導(dǎo)致對大模型的迷信。這種迷信意味著，當(dāng)大模型出錯時，人們似乎不能接受這樣的情況。這是一種必須正確的迷信。在這一背景之下，大模型就會成為新的理性囚籠。大模型的基礎(chǔ)是數(shù)學(xué)，而數(shù)學(xué)強(qiáng)調(diào)一種確定性。確定性就不允許出格。任何一種出格都是對秩序的挑戰(zhàn)。這里我們需要回顧吉爾·德勒茲（Gilles Deleuze）和菲利克斯·加塔利（Felix Guattari）關(guān)于游牧的討論。游牧就表現(xiàn)為一種逃逸的力量，是一種對捕捉的抗拒。二人極為重視根莖的意義。在德勒茲和加塔利看來，根莖與樹形系統(tǒng)（root-tree）不同。樹形的邏輯是模仿和復(fù)制，而根莖則是更具創(chuàng)造性的。根莖的意義在于其在無器官的身體之中實現(xiàn)一種自我復(fù)制[1]。在面臨巨大力量的捕獲時，逃逸就會變得至關(guān)重要。逃逸意味著在傳統(tǒng)的結(jié)構(gòu)之中生成一種新的域。德勒茲和加塔利將其稱為再結(jié)域（reterritorialization），他們認(rèn)為，事物相互作用的過程是“解域”和“再結(jié)域”相互聯(lián)系的過程：兩個“異質(zhì)元素”形成了“根莖”，其中一個形成另一個的“一個形象”（an image）與“一個摹圖”（a tracing），而另一個在這個形象之上再結(jié)域[2]。正是這種解域與再結(jié)域的辯證法構(gòu)成了一種新的游牧。同時，這里也可以引入中國古代莊子所討論的逍遙游與之相對比[3]。換言之，在不可名狀的無法逃脫的工具理性之下，需要一種游牧或者逍遙游的力量，才可以擺脫這種理性的囚籠。這種擺脫體現(xiàn)為自由的力量，只有通過獲得自由，才能重回啟蒙并祛除神話。

三、知識大一統(tǒng)及其背后的超能力

大模型表現(xiàn)為一種新型的知識構(gòu)建。盡管OpenAI團(tuán)隊反復(fù)強(qiáng)調(diào)大模型與人類價值觀的對齊，但是正如蘇茨克沃所討論的，封裝好的預(yù)訓(xùn)練模型本身就代表了一種世界模型。盡管人類可以通過對齊的力量對大模型進(jìn)行規(guī)訓(xùn)，但是如果這樣的世界模型本身就內(nèi)置了一種價值觀，那么人類社會的對齊努力總歸會表層化。目前的大模型技術(shù)仍然無法擺脫深度神經(jīng)網(wǎng)絡(luò)不可解釋性的弱點。大模型技術(shù)的基礎(chǔ)是轉(zhuǎn)換器（transformer）架構(gòu)[4]。轉(zhuǎn)換器則是在之前的深度神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)之上發(fā)展而來，這些算法包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）以及生成式對抗網(wǎng)絡(luò)（GAN）等。無論大模型的技術(shù)如何發(fā)展，內(nèi)在于大模型之中的不可解釋性就像幽靈一樣仍然附著在大模型之上。然而，從另一個角度來講，不可解釋性似乎也可以變成優(yōu)點，因為不可解釋性代表了某種神秘主義的超能力。從這一角度來講，大模型從祛魅走到了新的神話本身。

作為新的技術(shù)，大模型全面展示了知識與權(quán)力的關(guān)系。米歇爾·福柯（Michel Foucault）深刻地指出，知識和權(quán)力之間存在一種互構(gòu)關(guān)系，即“權(quán)力和知識直接地互相隱含”[5]。或者說，知識就是權(quán)力本身。大模型正在成為改變世界的支配性力量。弗朗西斯·培根（Francis Bacon）極為強(qiáng)調(diào)知識的正確性，而正確性由經(jīng)驗歸納而來。在培根看來，正確的知識才能體現(xiàn)為一種對自然的支配力。培根指出：“知識和權(quán)力是同義詞，因為對原因無知就不會有結(jié)果，而只有服從自然才能支配自然。”[6]正是在這一基礎(chǔ)之上，人類現(xiàn)代科學(xué)的主要工作就是將知識技術(shù)化，并借助這種技術(shù)的力量形成對自然界的改變，從而對世界進(jìn)行支配和統(tǒng)治。然而，大模型的發(fā)展似乎使這種對世界的支配和統(tǒng)治達(dá)到了一種巔峰。大模型表現(xiàn)出巨大的整合力，其正在實現(xiàn)一種新型的知識大一統(tǒng)。之前的人類知識被分割在不同的學(xué)科和領(lǐng)域當(dāng)中。即便是天才，也只能在某個局限的領(lǐng)域中做出一丁點的成績。在現(xiàn)代社會，通才的出現(xiàn)被看成是不可能的，因為人類個體終其一生也無法將人類社會中不同學(xué)科的知識都輸入大腦之中，更無法對這些知識進(jìn)行系統(tǒng)整合。從這個角度來講，那些通才性的大思想家在近代就已經(jīng)終結(jié)。康德和黑格爾可以被看成這種通才的典型代表。在今天，我們幾乎無法想象一個同時在自然科學(xué)和社會科學(xué)都做出巨大貢獻(xiàn)的、跨越學(xué)科的全能通才。然而，大模型恰恰以知識大一統(tǒng)的形式出現(xiàn)，并逐步從知識大一統(tǒng)轉(zhuǎn)變?yōu)榧夹g(shù)大一統(tǒng)。大模型的勝利可以被看成數(shù)學(xué)的勝利。

數(shù)學(xué)和語言學(xué)原本是兩個完全不同的領(lǐng)域。大模型的基礎(chǔ)是數(shù)學(xué)和語言學(xué)的結(jié)合。在計算機(jī)科學(xué)等支撐之下，大模型形成的強(qiáng)大語言能力最終又超越了語言學(xué)本身，再次返身進(jìn)入眾多完全不同的領(lǐng)域。接下來人工智能的進(jìn)展，無論是自動駕駛、醫(yī)療、教育、商業(yè)營銷等都寄希望于大模型技術(shù)的進(jìn)一步發(fā)展。大模型突破是知識大一統(tǒng)的突破。在這種知識大一統(tǒng)的基礎(chǔ)之上，進(jìn)一步產(chǎn)生了技術(shù)大一統(tǒng)，并最終會實現(xiàn)科學(xué)技術(shù)的統(tǒng)一，其中的典型例證便是“人工智能推動的科學(xué)”（AI for science）[1]。未來人類科學(xué)研究的重要方向是，通過人工智能的強(qiáng)大力量實現(xiàn)對未來各種可能性的組合，從而幫助科學(xué)家進(jìn)一步發(fā)現(xiàn)世界運作的規(guī)律。“人工智能推動的科學(xué)”的核心仍然是世界的數(shù)學(xué)化。大模型這種統(tǒng)一的力量將對未來世界進(jìn)行全新塑造，這一點已經(jīng)體現(xiàn)在蛋白質(zhì)合成領(lǐng)域。人類之前通過眾多努力也無法實現(xiàn)所有的蛋白質(zhì)結(jié)構(gòu)預(yù)測，但這最終被AlphaFold攻克[2]。這便是知識大一統(tǒng)的力量。同時，在人工智能技術(shù)的輔助之下，一些全新的蛋白質(zhì)正在被合成，而這些新的蛋白質(zhì)正在構(gòu)筑新的世界。從這個意義上講，大模型知識會成為世界的創(chuàng)生力量。

然而，這種知識創(chuàng)生同樣會產(chǎn)生新的風(fēng)險。典型案例便是新病毒的合成。一種新藥物的誕生，要經(jīng)過較長的臨床試驗。然而，病毒的產(chǎn)生并不需要人類監(jiān)管機(jī)構(gòu)的批準(zhǔn)。換言之，在這種超能力以及超快速度面前，人類社會的眾多傳統(tǒng)監(jiān)管方式可能會完全失效。進(jìn)一步來說，當(dāng)以大模型為代表的人工智能的能力與自主性不斷增強(qiáng)，并通過自主升級獲得遠(yuǎn)超人類的智能與力量時，人類的命運將被置于巨大的不確定性與風(fēng)險之中[3]。這種超能力在運用到善的方面時，要經(jīng)過人類社會漫長的核查和確認(rèn)，然而，用其作惡時，其往往可以通過地下通道快速傳播，這種合成的超能力大大縮短了超級惡的誕生時間；同時，其也會在暗市場中快速傳播，并對人類社會形成重大打擊。與新病毒合成的另一相似案例是虛假信息的合成和流行。一旦知識創(chuàng)生的超能力被用到虛假信息之中，就會對人類社會形成巨大沖擊。人類社會在長期的演進(jìn)過程中，已經(jīng)形成了“有圖有真相”這樣的圖片與真相的緊密關(guān)聯(lián)，所以當(dāng)人們看到圖片時會自然地將其與真實聯(lián)系在一起。這種聯(lián)系是在人類的進(jìn)化過程中逐漸形成的。要打破這種聯(lián)系并不容易，況且一旦打破，人類社會將進(jìn)入一種深度的迷失狀態(tài)，即后真相時代的來臨會讓人類更加苦惱，因為沒有什么事情可以被證明是真實的。同時，人類社會可能會加速進(jìn)入一種更加不團(tuán)結(jié)的狀態(tài)。虛假信息會加速不信任的蔓延，而且在“深度偽造”（deepfake）流行的狀況之下，人們無法再對所看到的東西產(chǎn)生信任，進(jìn)而將誘發(fā)嚴(yán)重的社會信任危機(jī)[4]。此外，這種不信任在社會極化的影響之下還會疊加，最終人類將很難對真實的東西產(chǎn)生共識。同時，這樣的知識大一統(tǒng)似乎會進(jìn)入一個全新的整合世界，其在很大程度上可以被理解為多元主義的災(zāi)難。大模型一統(tǒng)天下在很大程度上是商業(yè)利益的勝利。當(dāng)然，我們還可以寄希望于開源和小模型的最后抵抗。然后，大模型公司的發(fā)展一定會擁有一種無處不在的幽靈式權(quán)力。這種彌散化的超能力會進(jìn)入知識生產(chǎn)的各個領(lǐng)域，沒有個體可以逃脫這種超能力的捕捉。同時，這種超能力還會幻化為接入性能力，即每個個體只要向大模型交一定的“保護(hù)費”，就可以瞬間接入這種超能力。這種接入似乎可以讓人獲得一種幽靈的分身，然而幽靈的分身最終會掏空人類的身體，因為這種超能力并不是人類自身擁有的。

四、知識工業(yè)化及其意識形態(tài)風(fēng)險

霍克海默和阿多諾還討論了文化工業(yè)的問題。在霍克海默和阿多諾所處的時代，文化正在進(jìn)一步工業(yè)化。對于這一點，瓦爾特·本雅明（Walter Benjamin）也有類似的哀嘆。本雅明認(rèn)為，機(jī)器復(fù)制正在成為文化的主導(dǎo)形態(tài)，而這一點最終會導(dǎo)致文化神韻的消失。本雅明指出：“在技術(shù)復(fù)刻時代藝術(shù)品所枯萎的便是其光韻。”[1]貝爾納·斯蒂格勒（Bernard Stiegler）在之后的討論中進(jìn)一步提出了全球編程工業(yè)的概念。斯蒂格勒主要是在對美國軟件工業(yè)長期觀察之后提出的這一概念。在斯蒂格勒看來，這種編程工業(yè)無疑服務(wù)于美國的霸權(quán)，其在很大程度上是知識帝國的一種體現(xiàn)。斯蒂格勒認(rèn)為，這種巨大的以消費為形式的整合最后體現(xiàn)為美國化[2]。在筆者看來，人類社會正在逐步從文化工業(yè)走到編程工業(yè)，最后再走到知識工業(yè)。大模型技術(shù)就代表了這種知識工業(yè)的誕生。文化工業(yè)在很大程度上仍然表現(xiàn)為一種休閑娛樂的力量，編程工業(yè)則意味著整個世界數(shù)字化的進(jìn)程，而知識工業(yè)最后體現(xiàn)為對人類知識創(chuàng)造的大一統(tǒng)的工業(yè)化，其是一種更加全面深入的力量。霍克海默和阿多諾討論的是文化工業(yè)中的自動化。例如，兩位學(xué)者討論到電影院的觀眾情緒是被自動化設(shè)定好的。電影工業(yè)要抓住人們的心就需要對某一個細(xì)節(jié)進(jìn)行設(shè)定，考慮觀眾對這些細(xì)節(jié)的理解，因此觀眾就像被設(shè)定到流水線生產(chǎn)過程中的卓別林一樣，在觀賞電影的過程中不得不服從這種自動化的情感機(jī)制，成為“永恒的消費者”[3]。知識工業(yè)化則是一種全新的發(fā)展。在知識工業(yè)化的過程中，人類對知識的把握逐步從創(chuàng)造知識轉(zhuǎn)變?yōu)檫x擇知識。例如，前述的“人工智能推動的科學(xué)”，便是從創(chuàng)造或者發(fā)現(xiàn)向選擇的轉(zhuǎn)變。科學(xué)家的主要工作不再是進(jìn)行新的發(fā)現(xiàn)，而是在機(jī)器做出了各種可能性的發(fā)現(xiàn)之后，再根據(jù)自己的經(jīng)驗進(jìn)行選擇。

創(chuàng)造知識是第一階段，選擇知識是第二階段，接受知識則是第三階段。當(dāng)大模型變得越來越強(qiáng)大，人類由原來對大模型知識的懷疑逐步走向?qū)Υ竽Ｐ椭R的接受。盡管人類個體現(xiàn)在對大模型的生成物表示各種挑剔，然而大模型的發(fā)展日新月異，將來不可避免地對其是一種全面的接受。那么，第四階段便是驚嘆，這是一種驚為天人的感覺。語言大模型的能力實在太過強(qiáng)大。數(shù)學(xué)家陶哲軒在接受訪談時，也談到其在數(shù)學(xué)研究中對ChatGPT的使用[4]。

在筆者看來，知識工業(yè)化導(dǎo)致的意識形態(tài)風(fēng)險主要表現(xiàn)在如下方面：第一，大模型本身有其意識形態(tài)。在被提問時，大模型往往會宣稱其作為語言模型的中立性，然而使用者在與其進(jìn)行多輪對話之后，總是會從其回答中發(fā)現(xiàn)意識形態(tài)的傾向性。例如，ChatGPT明顯更傾向于拜登政府，而非特朗普政府[5]。換言之，ChatGPT是符合美國主流價值觀的，這是由其訓(xùn)練的語料所決定的。在訓(xùn)練過程中，ChatGPT首先會學(xué)習(xí)維基百科、人類書籍、網(wǎng)站信息以及爬蟲數(shù)據(jù)等[1]，其實際上把人類已有的知識集中封裝到這一大模型之中，而這種封裝本身就內(nèi)含一種前見特征。漢斯-格奧爾格·伽達(dá)默爾（Hans-Georg Gadamer）曾經(jīng)討論了人類知識的前見問題，因為知識不可避免地會存在前見。伽達(dá)默爾認(rèn)為：“對于所有理解都不可避免地存在前見（prejudice），這給了解釋學(xué)問題（the hermeneutical problem）以真正的推動力。”[2]換言之，大模型并不是憑空而來的，而是基于人類知識的一種封裝。這種知識本身便是一種帶有某種偏見和傾向性的前見知識。大模型在預(yù)訓(xùn)練之后還會進(jìn)行大量的對齊工程，其基礎(chǔ)是基于人類反饋的強(qiáng)化學(xué)習(xí)[3]。然而，問題是這里的對齊是向誰對齊？ChatGPT自然是向美國的主流價值觀對齊。因為這樣的大模型誕生在美國社會，其首先要符合美國主流價值觀，否則不可能在美國社會中生存下來，也不可能得到美國監(jiān)管層的認(rèn)可。

第二，知識工業(yè)的消費價值觀。大模型更加深刻的意識形態(tài)會隱含在其免費模式和消費模式之中。大模型首先會以一定的免費形式存在。這種免費是其重要的流量入口，即通過免費的形式可以導(dǎo)入大量的使用者。同時，其本身是一種商業(yè)化的產(chǎn)品。盡管OpenAI是非營利組織，但是這種知識商業(yè)化本身自然會轉(zhuǎn)化為一種商業(yè)行為。這也是目前GPT系列提供每月20美元收費服務(wù)的基礎(chǔ)。同時，伴隨著GPT插件的廣泛應(yīng)用，其會把整個美國商業(yè)社會接入并內(nèi)置到大模型之中。語言大模型是人類知識的入口。人們可以向大模型提各種問題。這些問題本身是一種免費的詢問邏輯，但是這種詢問自然又與商業(yè)社會邏輯結(jié)合在一起。例如，某人在詢問符合自己心理價位的某件商品時，自然就向大模型表達(dá)了自己希望購買這一商品的愿望，那么這種詢問就會與消費這一商品結(jié)合在一起，所以大模型具有巨大的實現(xiàn)消費社會的潛能。讓·鮑德里亞（Jean Baudrillard）所擔(dān)心的消費社會對人的異化[4]，不可避免地會在大模型的基礎(chǔ)上發(fā)生，并且這種消費有時會與工具理性相結(jié)合。換言之，這樣的大模型并不完全是免費為人類提供某些知識服務(wù)，而是服務(wù)于強(qiáng)大的資本主義消費邏輯。因為在機(jī)器大工業(yè)的時代，生產(chǎn)早已過剩，而消費就成為資本主義的主導(dǎo)邏輯。誰只要提供某種創(chuàng)造的需求給顧客，那就會提供整個商業(yè)的未來。同時，這種消費社會的邏輯又與霍克海默等人批判的工具理性緊密結(jié)合，因為這樣的消費最終服務(wù)于資本主義增長的工具理性。

第三，想象的知識共同體又會最終服務(wù)于知識霸權(quán)。知識工業(yè)化不可避免地會與元宇宙結(jié)合在一起。目前一系列相關(guān)技術(shù)都正在突破中。例如，文生圖的技術(shù)已經(jīng)出現(xiàn)了巨大進(jìn)展，代表性應(yīng)用包括Stable Diffusion和Midjourney等。接下來突破的一個重點是文生視頻。換言之，只要人們做出一定的文字提示，軟件很快就可以生成相應(yīng)的視頻片段。同時，文生動畫也在推進(jìn)之中。例如，一些著名的動畫引擎公司如虛幻和Unity都在做類似的開發(fā)，這就使得未來的元宇宙構(gòu)建變得極為方便。只要用戶說出需求，瞬間就可以生成一個虛擬世界。簡言之，虛擬世界中的生成會變得更加便利和無所不在，最終元宇宙世界會與生活世界打通。在這種鮑德里亞意義上的“超真實世界”[5]中，用戶似乎感受不到任何的意識形態(tài)，但實際上大模型自身以及消費社會的意識形態(tài)都會內(nèi)置其中，并構(gòu)筑為整體性的知識霸權(quán)。這種知識霸權(quán)最終還會導(dǎo)向?qū)θ祟悅€體的壓制。人們在這一過程中似乎會產(chǎn)生一個疑問：這究竟是機(jī)器向人類的對齊還是人類向機(jī)器的對齊？如果工具理性大行其道，那最終結(jié)果便是人類的機(jī)器化。

對于知識工業(yè)化的風(fēng)險，筆者認(rèn)為，應(yīng)該在如下幾方面做出回應(yīng)：

第一，建立某種知識生產(chǎn)的“手工綠洲”。盡管知識工業(yè)化的趨勢不可阻擋，大模型會成為最具效率的知識生產(chǎn)方式，但是大模型的出現(xiàn)并不能完全將人類傳統(tǒng)的手工生產(chǎn)或腦工生產(chǎn)蕩滌掉。人類社會應(yīng)該保留一些這樣的“綠洲”。或者說，當(dāng)人類個體的自由時間大量增加之后，絕大多數(shù)人要加入腦工知識生產(chǎn)的行列中。換言之，即便我們可以使用大模型來加速知識生產(chǎn)，但是一定要清晰地認(rèn)識到這樣的知識生產(chǎn)并不是人類本身的知識生產(chǎn)。這樣的知識生產(chǎn)本身有眾多的內(nèi)在問題。例如，深度神經(jīng)網(wǎng)絡(luò)的黑箱就意味著其具有某種不可解釋性[1]，會使得人們忽視其本質(zhì)，然而人類的知識卻是相對有邏輯并且較容易進(jìn)行解釋的。這種腦工知識生產(chǎn)綠洲的關(guān)鍵是對人的思維能力的訓(xùn)練。換言之，在大模型興起之后，我們并不能走向人類的退化，而應(yīng)是走向人類的強(qiáng)化。人類需要在大模型他者的強(qiáng)大影響之下，進(jìn)一步將自己的潛能激發(fā)出來，而腦工知識生產(chǎn)綠洲便發(fā)揮重要的激發(fā)個體潛能的作用。只有這種腦工知識生產(chǎn)才能夠不斷地返回啟蒙本身，因為啟蒙的關(guān)鍵就是保持開放性，而不是僅僅獲得對問題的封閉性回答。

第二，用荒謬、隱喻和修辭來對抗理性。大模型的勝利是一種理性的勝利。大模型把工具理性的特征發(fā)揮到極致，從而對人類個體形成某種壓抑性的效果。而要對抗工具理性就需要重新激發(fā)人類的創(chuàng)造性，那在這一過程中荒謬的作用可能是獨特的。阿爾貝·加繆（Albert Camus）專門討論了荒謬這一問題[2]。荒謬所表現(xiàn)的是一種不一致和不和諧。用巴迪歐的描述來講，這是一種斷裂性的事件[3]，但正因為這種斷裂恰恰出現(xiàn)了某種全新的可能性，就意味著它可能會突破工具理性的壓抑。隱喻也有類似的效果，其似乎可以成為人類在機(jī)器語言之下進(jìn)行隱蔽溝通的關(guān)鍵。通過會心一笑和相互暗示，人類個體之間可以傳遞某種機(jī)器無法理解的內(nèi)涵。這恰恰給人類個體之間的溝通留下了空間。修辭與激情結(jié)合在一起，成為對抗工具理性的工具。工具理性是相對冰冷的，其要祛除情感的因素，而修辭則可以把情感帶進(jìn)來。通過在語言中增加一些修飾性的內(nèi)容，修辭使得語言更具有生動性，從而可以激發(fā)對話者的情緒。

第三，要讓人類保有通過具身體驗來創(chuàng)造知識的能力。在這一過程中，要減緩AI具身化的節(jié)奏。目前的ChatGPT還主要生活在虛擬世界中。然而，接下來的進(jìn)展很可能是ChatGPT與具身智能結(jié)合在一起[4]。換言之，ChatGPT會從虛擬世界進(jìn)入物理世界。在筆者看來，這樣的進(jìn)程要盡可能地減緩。ChatGPT的知識生產(chǎn)主要是一種想象性的知識生產(chǎn)，其基本邏輯是通過概率生成相應(yīng)知識組合的可能性，這就意味著其僅僅是一種基于想象的知識組合，而人類的知識生產(chǎn)則是一種知行合一的過程。人類社會長期積累的一些重要知識是在廣泛的實踐過程中形成的，因此要避免機(jī)器從想象的知識生產(chǎn)走向具身的知識生產(chǎn)。從這個角度來講，要保留人類個體在具身體驗中產(chǎn)生知識的特權(quán)，同時盡可能地減緩人工智能具身化的進(jìn)程。

第四，要避免同一性和絕對正確的神話。當(dāng)啟蒙走向了某種神話，便走向了啟蒙的終結(jié)。啟蒙的意義在于保持回答問題的開放性。人類恰恰是在多樣性的意義中尋求共識的。一旦達(dá)成某種絕對的一致性，就會最終導(dǎo)致人類社會的封閉。大模型很容易走向一種絕對一致性的境況，這恰恰是我們要警惕并且加以避免的。因此，人類提問能力的關(guān)鍵要表現(xiàn)為一種問難能力，即通過提問來創(chuàng)造不一致和荒謬，就像《皇帝的新裝》故事中那個問難小孩所表現(xiàn)的一樣。當(dāng)這樣的發(fā)問出現(xiàn)之后，馬上氣氛會出現(xiàn)不一致，皇帝新裝的戲劇化場景就會被打破。同時，也正是這種問難使得我們時刻處于一種啟蒙的狀態(tài)。正如布魯諾·拉圖爾（Bruno Latour）所說的“我們從未現(xiàn)代化過”[1]，這實際上傳遞了一個重要信息，就是啟蒙需要時刻處于進(jìn)行時，或啟蒙沒有終結(jié)，而只有開始。

五、結(jié)語

整體而言，大模型將不可避免地改變?nèi)祟愔R創(chuàng)造的傳統(tǒng)。從啟蒙的角度來講，大模型會帶來一場新的啟蒙革命。通過每個個體掌握提問的能力，人類個體可以通過發(fā)問更加容易進(jìn)入一種啟蒙狀態(tài)。發(fā)問就保持了問題的開放性，并使得啟蒙的過程得以開始。然而，大模型卻存在一種內(nèi)置的神話，因為其可能會做到無所不知和無所不能。人類個體在使用大模型的過程中，會在大模型的超能力面前感到慚愧，最終可能會從剛開始使用大模型的不信任，走向一種超信任，這實際上就是大模型從啟蒙走向啟蒙神話的開始。大模型無疑會成為未來最重要的基礎(chǔ)設(shè)施之一，并進(jìn)一步推動世界的數(shù)學(xué)化。世界數(shù)學(xué)化同樣是一個不可避免的趨勢。大模型通過向量運算使得詞語、圖片、聲音、視頻都可以進(jìn)行向量化，最終就將人類的物理世界帶入一個數(shù)字世界。世界的數(shù)學(xué)化會導(dǎo)致一個更加公式化和規(guī)則化的世界，會使得理性大行其道，然而這種理性最終可能會演變?yōu)榛艨撕Ｄ桶⒍嘀Z所擔(dān)憂的工具理性。換言之，大模型最終可能會演變成一種新的理性，去不斷地捕捉那些逃出秩序的逃逸潛能。

大模型會以一種知識大一統(tǒng)的力量示人。這種知識大一統(tǒng)不可避免地會形成改變世界和驅(qū)動世界的力量。從這個角度來講，大模型知識本身就是世界的創(chuàng)生力量。這種超能力可以使得人類個體擁有更強(qiáng)的支配世界的能力，但同時一旦這種超能力落入不法分子的手中便將造成巨大的破壞性后果。無論是合成新的病毒還是合成新的虛假信息都可能會給人類社會帶來新的災(zāi)難，同時知識大一統(tǒng)的強(qiáng)大整合能力對于少數(shù)族群和少數(shù)文化都可能產(chǎn)生災(zāi)難性影響。最終大模型帶來的知識生產(chǎn)可能會演變?yōu)橹R工業(yè)化。知識工業(yè)化可以被看成從文化工業(yè)到編程工業(yè)再發(fā)展下去的一種新的階段。知識工業(yè)化不可避免地會帶來新的意識形態(tài)風(fēng)險，這不僅反映了美國主流的價值觀，還會與消費邏輯以及工具理性結(jié)合在一起，形成強(qiáng)大的、無法清晰辨識的新意識形態(tài)。這便是哈貝馬斯所強(qiáng)調(diào)的科學(xué)技術(shù)成為一種新的意識形態(tài)。大模型會成為意識形態(tài)本身，而要破除這種意識形態(tài)，關(guān)鍵是要回到人的能力本身。通過腦工勞動綠洲的建設(shè)，不斷地激發(fā)個體的啟蒙潛能，用荒謬、隱喻和修辭來對抗可能的工具理性，在破除絕對正確的神話的基礎(chǔ)之上，通過保持人的具身體驗不斷地使知識處于開放狀態(tài)，這似乎是在大模型時代人類保有知識尊嚴(yán)的一種唯一可能的方式。

〔責(zé)任編輯：史拴拴〕

本文為國家社會科學(xué)基金重點項目“加快數(shù)字化發(fā)展與建設(shè)數(shù)字中國的政治保障研究”（21AZD021）的階段性成果。

[1]陶文昭：《論信息時代的專家治國》，《電子政務(wù)》2010年第8期。

[2]J. Habermas， Toward a Rational Society： Student Protest， Science， and Politics， Boston： Beacon Press， 1970， p.81.

[3]G. Sartori， The Theory of Democracy Revisited， Chatham： Chatham House Publishers， 1987， p.432.

[1]A. Kucharavy， Z. Schillaci， L. Maréchal，et al.， "Fundamentals of Generative Large Language Models and Perspectives in Cyber-Defense"， ArXiv Preprint， 2023， 2303.12132.

[2]M. Cathedral， "Conference Jensen Huang （Nvidia） and Ilya Sutskever （Open AI）： AI Today and Vision of the Future"， https：//youtu.be/ZZ0atq2yYJw，訪問時間：2023年7月3日。

[3]J. Ziwei， N. Lee， R. Frieske， et al.， "Survey of Hallucination in Natural Language Generation"， ACM Computing Surveys， 2023， 55（12）， pp.1-38.

[4]S. Frieder， L. Pinchetti， R. Griffiths， "Mathematical Capabilities of ChatGPT"， ArXiv Preprint， 2023， 2301.13867.

[5]趙磊：《從〈啟蒙辯證法〉的批判邏輯看技術(shù)恐懼》，《北京理工大學(xué)學(xué)報（社會科學(xué)版）》2022年第6期。

[1]C. Metz， "The Godfather of A.I. Leaves Google and Warns of Danger Ahead"， https：//www.nytimes.com/2023/05/01/ technology/ai-google-chatbot-engineer-quits-hinton.html，訪問時間：2023年6月19日。

[2]Plato， The Republic，Cambridge： Cambridge University Press， 2000， p.235.

[3]A. Badiou， Being and Event， Translated by Oliver Feltham， New York： Continuum ， 2005， p.3.

[4]S. Birunda， K. Devi， "A Review on Word Embedding Techniques for Text Classification"， Innovative Data Communication Technologies and Application： Proceedings of ICIDCA， 2020， 2021， pp.267-281.

[5]K. Saito， K. Sohn， X. Zhang， et al.， "Pic2Word： Mapping Pictures to Words for Zero-shot Composed Image Retrieval"， Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， 2023， pp.19305-19314.

[1]張亦佳：《強(qiáng)人工智能設(shè)備面臨的倫理困境與風(fēng)險》，《江蘇社會科學(xué)》2023年第2期。

[2][3]M. Horkheimer， T. Adorno， Dialectic of Enlightenment： Philosophical Fragments， Stanford： Stanford University Press， 2002， p.1， p.6.

[1][2]G. Deleuze， F. Guattari， A Thousand Plateaus： Capitalism and Schizophrenia， London： University of Minnesota Press， 1987， p.20， p.10.

[3]莊子認(rèn)為：“若夫乘天地之正，而御六氣之辯，以游無窮者，彼且惡乎待哉。”參見方勇譯注：《莊子》，中華書局2010年版，第3頁。

[4]A. Vaswani， N. Shazeer， N. Parmar， et al.， "Attention Is All You Need"， Advances in Neural Information Processing Systems， 2017， 30， pp.1-11.

[5]M. Foucault， Discipline and Punish： The Birth of the Prison， New York： Vintage Books，1995， p.27.

[6]F. Bacon， Novum Organum， Chicago： Henry Regnery Company， 1949， p.7.

[1]R. Stevens， V. Taylor， J. Nichols， et al.， AI for Science， Lemont： Argonne National Laboratory， 2020， pp.5-15.

[2]K. Ruff， R. Pappu， "AlphaFold and Implications for Intrinsically Disordered Proteins"， Journal of Molecular Biology， 2021， 433（20）， pp.1-11.

[3]孫偉平：《人工智能與人的“新異化”》，《中國社會科學(xué)》2020年第12期。

[4]張濤：《后真相時代深度偽造的法律風(fēng)險及其規(guī)制》，《電子政務(wù)》2020年第4期。

[1]W. Benjamin， The Work of Art in the Age of Its Technological Reproducibility， and Other Writingson Media， Cambridge： The Belknap Press of Harvard University， 2008， p.22.

[2]B. Stiegler， Technics and Time， 3： Cinematic Time and the Question of Malaise， Stanford： Stanford University Press， 2011， p.106.

[3]M. Horkheimer， T. Adorno， Dialectic of Enlightenment： Philosophical Fragments， Stanford： Stanford University Press， 2002， p. 113.

[4]D. Castelvecchi， "How Will AI Change Mathematics？ Rise of Chatbots Highlights Discussion"， Nature， 2023， 615（7950） pp.15-16.

[5]R. McGee， "Capitalism， Socialism and ChatGPT"， https：//dx.doi.org/10.2139/ssrn.4369953，訪問時間：2023年7月3日。

[1]L. Gao， S. Biderman， S. Black， et al.， "The Pile： An 800GB Dataset of Diverse Text for Language Modeling"， ArXiv Preprint， 2020， 2101.00027.

[2]H. Gadamer， Truth and Method， New York： Continuum， 1975， p.272.

[3]B. Peng， C. Li， P. He， et al.， "Instruction Tuning with GPT-4"， ArXiv Preprint， 2023， 2304.03277.

[4]J. Baudrillard， The Consumer Society： Myths and Structures， London： Sage Publication， 1998， p.191.

[5]鮑德里亞寫道：“今天抽象不再是地圖、雙層、鏡像或概念。模擬不再是一個領(lǐng)土、一個參照存在或一個物質(zhì)。它是一個沒有起源或現(xiàn)實的真實模型的產(chǎn)生：一個超真實世界。”參見J. Baudrillard， Simulacra and Simulation， Ann Arbor： University of Michigan Press， 1994， p.1。

[1]M. Xue， C. Yuan， H. Wu， et al.， "Machine Learning Security： Threats， Countermeasures， and Evaluations"， IEEE Access， 2020， 8， pp.74720-74742.

[2]李元：《論加繆的“荒謬”概念》，《北京大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》2005年第1期。

[3]P. Hallward， "Generic Sovereignty： The Philosophy of Alain Badiou"， Angelaki： Journal of the Theoretical Humanities， 1998， 3（3）， pp.87-111.

[4]Y. Mu， Q. Zhang， M. Hu， et al.， "EmbodiedGPT： Vision-Language Pre-Training via Embodied Chain of Thought"， ArXiv Preprint， 2023， 2305.15021.

[1]B. Latour， We Have Never Been Modern， Cambridge： Harvard University Press， 1993， p.46.