知識的幻象：人工智能與知識變遷

關鍵詞：人工智能；知識的定義；知識的來源；知識的分類

一、引言

“他們身處豐饒之中．卻逐漸饑餓致死。”阿瑟·克拉克（Arthur C．Clarke）在《2001：太空漫游》中這樣描述猿人的處境。猿人們身處物產豐饒的自然之中，但食物對它們來說“不只非能力所及，也非他們想象所及”這句話，也是對如今人類獲取知識處境的描述。對今天的人來說，知識唾手可得：人們遇到問題可以直接用搜索引擎檢索答案，還可以利用最新的人工智能技術，向ChatGPT等語言大模型提問，讓人工智能生成對特定問題的回答。人們通達知識的手段越來越豐富、越來越便捷。然而，對人類來說，這是真正的有知嗎？在算法、算力、數據三要素的支持下，人工智能獲取知識的能力已經超過人類，在知識領域，人類好像又回到了荒野之中：人工智能給出的回答從哪里來？可靠性如何？會產生什么樣的后果？知識的邊界被人工智能拓展到了何方？許多問題的答案已經超出了人類能力和想象所及。

亨利·基辛格（Henry Kissinger）認為，人工智能“將改變我們作為理性生物的經驗，并永久地改變我們與現實的關系”。隨著社會整體被壓人數據狀態，人們當下所面對的是一種超真實，一種由數據構建的、無實體根源的真實。現實不再是一個客觀的物理世界，而是變成了一系列由技術創造、維持并操縱的體驗和感知。人們生活在擬真化社會之中，在真實消解的過程中，社會的歷史性、否定性與公共性逐漸消失。

擬真化社會首先表現為超真實體系的產生與擴展，超真實將取消真實成為新的現實。在超真實環境中，符號形象大于事物本質，知識隨之成為幻象。知識幻象首先表現為知識真實性的消解，涉及知識的生成、驗證、傳播和接受等各個環節。人工智能技術已經嵌入知識生產與傳播的各個環節，而人類尚未完全把握技術自身的運作邏輯，技術在不斷地塑造知識。由于技術運作的透明度問題，信息篩選與組合存在不可知性，算法黑箱之類的現象使得技術生成的知識的真實性難以確證。人工智能算法支持下的深度偽造技術，已經超越文本操縱，拓展至音視頻領域，真假難辨的信息與知識充斥網絡平臺。然而，在知識驗證階段，人們依然依靠人工智能。大量人工智能系統被設計來辨識虛假信息和校驗事實，它甚至被應用于專業學術領域。這相當于人工智能系統的自我校驗，進一步增強了知識的不確定性。在知識傳播的過程中，內嵌于其中的人工智能技術決定了哪些信息值得被關注，哪些應該被隱藏或忽視，進而逐漸改寫了知識傳播的邏輯和秩序。

人工智能開發的初衷，是要研發出一種像人一樣思考的機器，讓它完成人類所能完成的工作以及人類所不能完成的工作。在“完成人類所能完成的工作”方面，人工智能模仿人腦結構、模仿人類語言，開發者們還試圖讓人工智能從事“創作”：寫作、繪畫、攝影……人類還希望人工智能實現與人類的“價值對齊”，反對人工智能技術應用中存在的不平等現象。然而，人工智能的表現備受質疑，人工智能的創作呈現出一種對人類已有創作的“重組”或“窮舉”。人類的偏見和人類的科學知識一樣，被編碼進了人工智能的數據庫和訓練集，人工智能表現出歧視而非平等的價值傾向。與此同時，人工智能在“完成人類所不能完成的工作”方面有所突破，在人類思維領域以外發現了新的知識域。我們需要重新思考人工智能對人類知識的影響。

二、什么是知識

（一）從古典到現代：知識的普遍性與確定性

人類尋求對知識的確證，知識的理想形態應當是可判斷的：人們經過判斷，得出對事物相對穩定的認識，這樣的知識是確定的、可靠的。在知識論層面，知識的確定性原則并不是天然成立的。古希臘哲學家首先將知識的確定性問題作為討論對象，在一代代哲學家的論述中，知識的確定性問題在不同層次和角度得以展開，知識的確定性原則不斷得到論證。

1．知識是關于事物的普遍觀念

在古希臘城邦，公開的辯論在公民事務中具有重要地位。智者教授修辭和辯論術，為追求辯論的勝利，智者的代表普羅泰戈拉（Protagoras）否認人具有關于眾神是否存在的任何知識，宣稱“人是萬物的尺度”，這是在說萬物的尺度是人的感覺，事物就是人感覺的那樣，那么每個人的意見都是正確的，每個人都可以為自己的觀點辯護。普羅泰戈拉的觀點一方面促進了城邦的辯論活動，另一方面卻走向了相對主義：事物沒有確定的尺度，人的感覺怎樣，事物就是怎樣，人憑借感覺就可以獲得知識。而不同的人有不同的感覺，那么究竟何種知識才是正確的？普遍性知識的問題開始出現，這也就是蘇格拉底面對的問題。蘇格拉底反對智者的相對主義感覺論，把雅典城邦的衰落歸因于智者：“人是萬物的尺度”消除了是非、善惡的界限。與教授詭辯術的智者一樣，蘇格拉底同樣采取對話的形式來闡明自己的觀點，但蘇格拉底的對話往往以“是什么”為主題，如“什么是美”“什么是正義”“什么是勇敢”，等等。也就是說，蘇格拉底追求的知識是關于某物的定義或概念，是使某事物成為該事物的本質規定，在此意義上的知識是具有確定性和普遍性的。在《泰阿泰德》中，柏拉圖記載了蘇格拉底和泰阿泰德的對話。蘇格拉底向泰阿泰德提問“知識是什么”，泰阿泰德的第一次回答是幾何學和制鞋術之類的學問和技藝。在《大希庇亞篇》中也有類似的情況，蘇格拉底向希庇亞提問“美是什么”，希庇亞只能回答出“什么東西是美的”。“是什么”的問題就是要從關于具體事物的感性經驗中提取出確定的普遍概念，人如果像智者一樣僅有流動的感性意見，就無法形成真正的知識，這奠定了知識的基本形式。

蘇格拉底確定了知識的形式，但沒有對知識的定義作出規定，他的弟子柏拉圖區分了信念和知識：信念介于知識與無知之間，是可真可偽的，知識是絕對真實的。他在《美諾篇》中提出真的、正確的信念，真信念和知識都是正確的，但兩者不同，知識永遠留在我們心上，真信念卻不穩定，有時在我們心上出現了，有時又跑掉了，因此關鍵的問題是如何將真信念轉變為知識。柏拉圖的回答是通過“關于原因的推理”將前者“綁定下來”。由此，“得到證成的真信念”成為對知識的經典定義。也就是說，知識由信念、真與確證三個要素組成。這既是對知識確定性原則的強調，也是提供通達知識確定性的途徑。“得到證成”在今天看來是容易理解的，現代科學有實驗觀測的方法，我們可以驗證和判斷某種信念的真偽。但柏拉圖所述的“關于原因的推理”則有別于今天的一般理解，這種推理不是從外部世界的經驗中得來的，而是天然就有的。柏拉圖認為“整個自然是同類的”，可以通過邏輯推理由此及彼，認識它們普遍的“理念”。理念論劃分出兩個世界，引出了現象與本質、感性與理性、經驗與超驗等一系列知識論問題。

柏拉圖將理念與事物分離所帶來的一系列問題，被亞里士多德稱為“分離問題”。亞里士多德認為不存在獨立于事物之外的理念，知識建立在對可感世界的體驗之上，要對事物本身進行觀察和實踐，這種獲取知識的方法其實就是今天人們所熟悉的科學方法，亞里士多德也被后人稱為“科學之父”。在亞里士多德那里，邏輯推理是科學的方法和工具，是客觀的形式和規則，推理論證是從經驗著手的，而不是像柏拉圖那樣將推理作為主觀思維形式。邏輯三段論是亞里士多德邏輯學最重要的內容，一個三段論就是一個包括大前提、小前提和結論三個部分的論證。最為人熟知的一個三段論是：人是有死的（大前提），蘇格拉底是人（小前提），蘇格拉底有死（結論）。亞里士多德認為，把所有推理都化為三段論的形式，就可以避免一切謬誤，由此得到的知識是科學知識，科學知識始終是有根據的、確定的。

2．尋找知識的確定性基礎

近代自然科學的誕生伴隨著其和教會、神學的斗爭，弗朗西斯·培根（Francis Bacon）追求的就是讓神學和哲學分開，建構一個適于科學發展的知識論。培根是近代第一個自覺地把知識問題作為思辨對象的哲學家。培根繼承了亞里士多德一切知識來源于感覺經驗的基本原則。而感覺具有局限性，要依靠科學實驗來彌補感覺的缺陷。人們通過實驗獲得關于事物的認知后，還要運用人的理性能力進行加工。培根主張從經驗上升到理性，把經驗和理性結合起來，經驗和理性能力的“離異”給科學知識的發展造成了阻礙，真正的知識是“經驗與理性的聯姻”。

勒內·笛卡爾（Rene Descartes）在數學研究中發現，基本的數學公理一旦確定，就可以從公理出發演繹出其他一切原理，如果公理是可靠的，那么整個數學知識體系也是可靠的。由此，笛卡爾認為一切知識都必須建立在完全或完美的確定性基礎之上。笛卡爾將人類知識形容為一棵“知識樹”：形而上學是根，物理學（自然哲學）是樹干，醫學、力學、倫理學等應用學科是枝葉和果實。他面對的問題是，經院哲學衰落，作為根基的形而上學卻眾說紛紜，不具備確定性的基礎。因此必須找到具有普遍必然性的基本原理，來建立科學的哲學體系。笛卡爾對一切知識和觀念采取普遍懷疑的方法，由此找到了第一原理“我思故我在”：一切都是可以被懷疑的，但只有我思是無可置疑的。笛卡爾用懷疑的方式排除了知識，只保留了認識的主體，這也是人的主體性得到確立的過程。然而，主體不是知識的有效保證，認識主體與認識對象分離，人們就無法確認知識和對象的一致性，也就不能把握任何知識的確定性，知識的確定性問題仍然沒有得到解決。

以笛卡爾為代表的唯理論哲學家認為感覺經驗不可靠，知識不能建立在不可靠的基礎之上，只能從理性中固有的天賦觀念中推演出來。而經驗論哲學認為一切知識歸根結底都來源于感覺經驗，理性只起到整合感覺經驗的作用。這個時期的自然科學也分為理論科學和實驗科學，各自為唯理論和經驗論提供新的依據。約翰·洛克（John Locke）批判唯理論和宗教神學的天賦觀念論，致力于在天賦觀念以外探討人類知識的起源、確定性和邊界。在他看來，人具有形成觀念和知識的天賦，但觀念和知識不是天賦。洛克提出“白板說”，將人最初的心靈比作一塊“白板”，是經驗在心靈上留下痕跡，從而形成觀念和知識。知識是人心對兩個觀念是否契合的知覺，知識不能超出觀念的范疇。在洛克這里，知識為真的保證是觀念之間的契合。但感覺觀念又來源于外部事物，如何保證知識和知識外部對象的一致性？洛克既承認感覺經驗來源于外部事物，又堅持知識僅存于觀念的范圍之內，就遇到了這樣的矛盾。

大衛·休謨（David Hume）將實驗哲學的方法和經驗主義的原則貫徹到底，得出了帶有懷疑主義的結論：人類自認為擁有的關于世界的知識大都是或然性的，但這就是我們作為人類能夠得到的全部。他在哲學史上第一次系統質疑了因果關系和歸納法的有效性，從而對哲學和科學產生了顛覆性的影響。在休謨看來，所有的人類知覺內容可以被劃入兩個范疇：來自直接經驗感受的“印象”，以及根據臨摹原則形成的“觀念”。前者是后者的充分和必要條件，人類所有的認知內容，說到底都來源于經驗感受。同時，觀念和觀念之間通過相似關系、時間或空間中的接近關系，以及因果關系產生關聯。這些關聯其實并不是事物和事物之間一種客觀存在的必然關系，而只是人的心靈習慣性地用“原因”這樣的觀念，給其他觀念建立聯系。這個結論無疑給現代科學帶來了巨大的挑戰。因為人們通常認為，現代科學是建立在經驗觀察和歸納推理基礎上的，是基于經驗觀察的因果推理。但如果休謨是對的，因果推理反映的僅僅是人類在處理經驗觀察時的習慣做法，并不反映事件之間的必然關聯，那么科學知識就永遠不可能是確定有效的。這就是休謨為后世哲學家留下的兩個著名難題，歸納法問題和因果關系問題。

隨著近代科學的發展，包括歐幾里得幾何學和牛頓物理學在內的精確哲學使人們相信科學知識實際上是確定的，理性有能力獲得知識，只是哲學沒有成功對此進行證明。康德直面休謨提出的懷疑論，跳出經驗論和唯理論的局限，解決科學知識的確定性問題。康德對經驗論和唯理論進行整合，他認為，一方面，知識必須建立在經驗的基礎之上，另一方面，認識的主體人類本身有先天的認識形式。判斷是人類先天認知形式的運用和展開，康德提出真正的知識是判斷。康德承認知識發源于感覺經驗，這些經驗質料無形無象、混沌一團，他稱之為“雜多”。人類的認知能力捕獲這些質料后，開始對其進行深度加工，賦予它們空間結構和概念結構，最終產出可靠的判斷，也就是知識。判斷是人類認知的最基本形式和唯一途徑，能夠滿足知識的客觀性、必然性和普遍性的要求。就像哥白尼把天體運動的中心從地球轉換到太陽，康德把知識的確定性問題轉換為人類先天認識形式的問題，康德哲學被稱為哲學的“哥白尼革命”。康德的任務轉換為證明人類理性具有先天認識形式，而且這些先天認識形式構成了經驗和知識的先天條件。他把專門研究主體先天認識形式的哲學稱為“先驗哲學”。康德認為，凡是不涉及認識對象而只涉及在認識對象之前認識方式的知識，就是先驗的。“先驗哲學”討論的內容是人的認識結構在經驗發生之前已然具備了哪些能力，這些能力又如何發揮作用。在先驗感性論中，康德證明空間和時間是人類感性的先天直觀形式；在先驗分析論中，康德證明知性范疇是人類知性的先天認識形式。經由知性范疇，康德為知識提供了統一的基礎和根據。

但休謨問題仍然在自然科學領域發揮著影響。在現代物理學的發展過程中，科學家開始認為，物理學定律、公式只是科學家之間的協定，而不是自然界的客觀反映。基于此，科學家們接受邏輯實證主義，反對形而上學。面對此種知識背景，同時受到達爾文生物進化論的啟發，卡爾·波普爾（KarlPopper）提出一種知識進化論。在生物進化論中，生物通過基因調節的試錯法努力作出各種改變以適應環境，同樣，知識的增長也屬于科學認識論的試錯法，人們通過對知識理論的不斷批判發現錯誤、排除錯誤。知識的最終目的就在于尋求真理，尋求客觀上正確的說明性理論。知識客觀上都是推測性的：人們接受客觀知識，是因為它比其他理論經受了更好的檢驗。科學方法就是優選理論。在波普爾的知識論中，知識的確定性意味著“對于實際目的來說足夠確定”，確定性與我們對信念的可能后果的期望有很大關系，波普爾的知識論揭示了一種作為總體的人類知識，知識在科學證明的過程中不斷實現其確定性。

對知識是什么、如何驗證知識的思辨本身就是在呼喚知識的確定性。知識具有普遍性，知識是可驗證的，人類理性具有先天認識形式，總體上知識是客觀的……知識的確定性原則在人類思辨過程中不斷得到強調和確立。在總體性意義上，人類生活在變動不居的、紛繁復雜的世界之中，不確定性意味著混亂、風險，甚至危機。在不確定性中尋找確定性，是人類生存不可或缺的悖論形式，對知識的追求彰顯了人類應對不確定性的本能欲求，知識的確定性原則就是人類生存的確定性原則。作為知識生產新的方式，人工智能在人類知識域中的表現，給知識的確定性原則帶來了一場深刻的挑戰。

（二）人工智能時代：知識的幻象

1．深度學習算法：知識確定性的動搖

在科學領域，知識的確定性原則指引著人類追求知識的精確性。人工智能開發的出發點就是以更精確的方式提取事物的特征。構成人工智能的三要素是算法、算力和數據，人工智能的表現日新月異，背后是三要素的升級。其中，算法指機器用于解決問題的方法。以神經網絡為基礎的深度學習是目前最流行的人工智能算法。一方面，人工智能新算法的出現與應用，使得人類對精確性的追求更進一步，人類通達知識的能力顯著提升；另一方面，深度學習的人工智能以一種新的方式生產知識，使得人類難以對知識的精確性進行驗證，進而沖擊了知識的確定性基礎。

在深度學習以前，早期的AI模型主要是基于統計學的數學模型。這些數學模型需要專家根據特定領域的知識和推理方法來設計特征，因此這種人工智能又被稱為專家系統。例如，程序開發者把農業專家具有的關于農作物生長的知識，農作物種類、溫度、濕度等編碼進專家系統，該系統模擬農業專家的診斷推理過程，這樣建立起來的農業專家系統就可以像真正的農業專家一樣對農作物的生長進行診斷。專家系統從設計到應用，包括應用過程中的輸入與輸出過程，都可預測、可追溯，因而可以通過程序步驟判斷專家系統的可靠性。

專家系統依賴于特定領域的專業知識，專家通過科學方法獲得專業知識，程序開發者再將專業知識編碼進專家系統，其中每一步都存在精確性問題。專家系統時期，人工智能的開發主要是將專家的知識或思想轉化為更加精確的計算機語言。與計算機語言相比，人類知識或思想是概念性的和不精確的，進而導致轉化和應用過程中的不精確，因而人類思想的概念性和不精確性被認為是人工智能發展的障礙。從專家系統到機器學習，則發生了根本轉變，人工智能的開發從把人類的思維編碼到機器中轉變為讓機器自主學習。

計算機神經網絡模擬人腦的神經網絡，以期實現類似于人腦的功能。神經網絡的本質是模擬特征與目標之間的真實關系函數。在神經網絡中，每一層神經元學習到的是前一層神經元值更抽象的表示。其通過抽取更抽象的特征對事物進行區分，以更好地對對象進行分類。專家系統的實際使用效果已經被深度學習超越，但專家系統使用的特征具有現實可解釋性，神經網絡計算出的特征則不能和任何具體的可解釋性概念聯系起來。

計算機神經網絡往往是多層級的，包含大量參數，交互十分復雜，即使有完整的計算過程，人類思維也無法解釋計算機神經網絡的運作。研發人員很大程度上依賴經驗和試錯來開發和改進他們的模型，因此他們形象地稱自己為“煉丹師”“煉金術士”等。以ChatGPT為例，即使是開發者也無法解釋ChatGPT的生成邏輯，OpenAI使用GPT-4成功解釋了GPT-2中30多萬個神經元，也就是讓人工智能來教會人類如何理解人工智能。人類在用自己不理解的東西解釋另一個不理解的東西。在應用端，習慣于向ChatGPT尋求問題答案的用戶往往也不會深究ChatGPT得出答案的過程。

人工智能直接挑戰了知識的可驗證性。人工智能可以在人類思維能力以外發現新的事實。如果把人工智能視為認識工具，那么這代表著人類認識能力的進步。然而人工智能的空間處在人類思維能力以外，這就意味著無法以人工智能以外的方式進行驗證。在人工智能領域，包括其發生應用、生產知識的一切領域，人類獲得新知識的同時，知識的確定性基礎也在動搖。

2．計算機語言：精確卻不可讀

2022年11月，OpenAI發布了能夠使用自然語言與人類交互的生成式人工智能模型ChatGPT，迅速引發了熱烈討論。此后，ChatGPT不斷迭代，一系列受ChatGPT啟發的大模型人工智能陸續發布，2023年也因此被稱為“人工智能元年”。在專家系統時期，人類思維與語言的概念性和不精確性被視為人工智能的阻礙。深度學習的人工智能繞過人類語言，直接用計算機數據學習世界的特征。ChatGPT的語言機制是把人類語言作為機器學習的對象，在人類文本和算力的支持下，用計算機語言提取人類語言的特征，主要是語詞之間的概率，再按照概率生成類似于人類語言的文本。也就是說，盡管ChatGPT表現出與人類相似的語言功能，能夠¨像人”一樣與人對話，但這種對話并不是基于相互理解，人工智能只是根據概率進行輸出。目前的ChatGPT時常會犯低級錯誤，但無論表現如何，其使用的低成本和便捷已經在人類生活中產生了影響。對作為地球生物的人類來說，語言是一個突出特征，語言和思想不可分割。ChatGPT的廣泛應用引申出一系列問題：思想的表達需要語言，那么ChatGPT在使用與人類相同的語言時，也是有思想的嗎？如果人工智能是無思想的工具，那么人工智能生成的是“無思想的語言”嗎？在ChatGPT生成文本時，語言和思想相分離了嗎？

卡爾·波蘭尼（Karl Polanyi）認為語言是一種思維模式，是一種“由簡單的指稱、重組和解讀機制所產生的巨大心靈力量”。語言作為思維模式在科學知識生產中發揮效用，“科學是日常言語的擴展，即增加了科學的系統命名，但它們主要依靠的符號操作是已被記載的知識的系統積累，是用新的觀點對這些知識進行重組和再思考”。盡管ChatGPT用人類語言輸出文本，但在深度學習的人工智能系統內部，它使用的是計算機語言，并且這種計算機語言不再像專家系統那樣對人類語言進行轉譯，而是直接收集數據并進行計算。計算機語言可以在一定程度上編碼人類語言，與人類語言相比更精確，但對人類來說卻不可讀。深度學習的計算機語言帶來了一種全新的知識生產機制。人工智能知識生產的具體環節，因人工智能語言的不可解讀，而難以進行追溯和驗證。

人工智能語言已經偏離人類對語言的定義。深度學習的人工智能沒有語法，人工智能在識別和生成人類語言時不從語法的角度進行解析。在人工智能語言中，數學統計取代了自然語言邏輯，統計語詞之間的概率關系意味著人工智能關注的是詞和短語，而不是語法。而對人類語言來說，自然語言的語法具有重要意義。語言的表層結構決定語音形式，而深層結構提供述謂、修飾等語法關系。語法由生成深層結構的規則與將生成深層結構的規則映射到相關表層結構的規則構成。即便是在日常的普通句子中，語法關系也十分復雜，因為在將深層結構轉換為表層結構的過程中，發生了一長串的轉換。語法的深層結構是實在的心智結構，深度學習的人工智能沒有語法，不僅是人工智能語言與人類語言區別的直接表征，也是人工智能與人類心智的本質區別。

3．人工智能擬真：消失的主體

深度學習的人工智能將現實世界數據化，在數據的基礎上用神經網絡算法提取現實世界的特征，為人類提供一種全景式的擬真。自2022年11月OpenAI發布ChatGPT后，ChatGPT不斷迭代，越來越多的人開始使用ChatGPT生成文本。而ChatGPT只是OpenAI邁出的第一步，OpenAI的開發重點從文本生成逐漸過渡到圖像生成。2024年，OpenAI發布新的生成式人工智能模型Sora，Sora能夠根據提示詞生成60秒的連貫視頻。Sora備受影視制作行業的關注，Sora不僅是視頻生成工具，更是“理解和模擬現實世界的模型的基礎”。

讓·鮑德里亞（Jean Baudrillard）在1981年出版了《擬像與擬真》，標志著他完成了從符號政治經濟學到媒介批判的轉向。在結構主義語言學的視角下，鮑德里亞用“擬像”和“擬真”作為媒介批判的出發點。在鮑德里亞那里，就如同政治經濟學中的價值是被需求建構的，而不是具體的有用性，指涉物意義上的世界只能被看作符號的現實展開，這種展開就是“擬像”。媒介在其中作為一種普遍抽象的形式，對現實進行潛在書寫。當擬像與真實沒有任何關聯，不再表征任何現實時，它就是純粹的擬真，而擬真體系是主體陷落的，符號之間的彼此關系形成了完整的自足性，而不再代表任何主體。在當時，鮑德里亞認為互聯網是最契合從擬像走向擬真的媒介。

如今的人工智能已內嵌于互聯網之中：搜索引擎、推薦算法、流量機制……人工智能算法加持下的大數據根據用戶畫像通過互聯網進行內容推送，即使用戶不主動使用人工智能技術，也處于人工智能編織的信息繭房之中。在平臺經濟中，人工智能算法為商家、服務者、消費者賦值，被算法評估為“優質”的商家能夠在平臺獲得更多曝光機會，被算法評分更高的網約車司機更有機會接到被算法評估為“優質”的行程訂單。社會的、信息的、經濟的，各個層面的意指關系都在人工智能的運算中展開，人的主體性陷落，一種人工智能主體開始建立。

Sora將使得超真實的模型更進一步。超真實意味著事物形象復活而本質消失，意味著近代認識論哲學意義上的“真實”消失，建立在“擬真”之上的知識隨之成為“幻象”。笛卡爾通過“我思故我在”，在人的思維的確定性中確立了人的主體性原則，而在人工智能的知識幻象中，人的意義體系被算法重構而消解，人工智能擬真最終為人類帶來一種主體性的消失。

三、知識的來源

對知識確定性意義的理解，不意味著人類知識的生成和傳承嚴格遵循確定性邏輯。某一信念之所以成立，有可能是本人在推理或實踐中的確證，也可能是經過了他人的確證，出于某種原因，此人是可信的。還有可能，某信念對個體或群體來說是不證白明的。以上這些因素可能出現在同一個確證過程中，人類知識生成是諸因素互動中的多樣性呈現。整體意義上，可以在紛繁復雜的知識生成過程中提取出兩種具有代表性的知識來源：理性和信仰。“任何宗教都不僅是宇宙論，同時也是對神圣事物的思索。如果說哲學和科學產生于宗教，那是因為宗教起初替代了哲學和科學。”在愛彌爾·涂爾干（Emile Durkheim）看來，理性和信仰都來源于社會實在，兩者都力圖將事物聯系起來建立它們的內部關系，將它們分類，使它們系統化，但兩者的知識圖式和觀察方法卻完全不同。

（一）理性

尼采這樣描述蘇格拉底哲學以來人們對理性精神的崇尚：“他本著上述對于事物本性的可探究性的信仰，賦予知識和認識一種萬能妙藥的力量，并且把謬誤理解為邪惡本身……自蘇格拉底以降，由概念、判斷、推理組成的機制，被當作最高的活動和一切能力之上最值得贊賞的天賦而受到重視。”理性精神從古希臘城邦中孕育出來，成為貫穿人類社會歷史的基本要素，結出了名為科學的碩果。那么，這種理性精神是如何起源的呢？或者說，為什么這種理性精神起源于古希臘，而不是世界的其他地區？基于考古發現，讓一皮埃爾·韋爾南（Jean-Pierre Vernant）在《希臘思想的起源》中作出了相對合理的解釋：哲學是城邦的女兒。古希臘城邦這一特殊的體制則產生于克里特一邁錫尼文明的衰落之后。克里特一邁錫尼文明與當時世界上的東方文明相似，出于某種原因，可能是自然環境的變化導致人口的遷移，也可能是戰爭原因，最終克里特一邁錫尼文明衰落了。隨著文明一同衰落的，是和其他古老文明一樣的中央集權制度以及傳統觀念。古希臘城邦在舊文明的灰燼之中建立起來，在雅典形成了比較完善的城邦民主制度。城邦公民以公開辯論的方式共同參與政治生活，理性精神在思想自由和鼓勵言說的環境中誕生了。理性精神及后續成就表明了人類面對世界的一種基本自信：人類思維有能力理解世界的實質。

在西方歷史中，理性精神并不總處于主導地位，在中世紀，理性受到信仰的挑戰，基督教教廷逐漸形成了對學術研究的壟斷。在古希臘哲學傳統中人們努力去認識的自然世界，在基督教教徒那里成為神秘的、上帝的造物。對上帝的信仰中，神學家總是要面對信仰和理性之間對立和沖突的問題。在基督教早期，教父查士丁（Justin Martyr）將古希臘哲學中的邏各斯理解為上帝的內在理智和永恒智慧，邏各斯普照世界，向所有人啟示真理，因此異教徒（如蘇格拉底、柏拉圖）也能擁有邏各斯，從而認識真理。后來的經院哲學則試圖用理性的邏輯方法論證基督教教義，其中的一個重要論題就是證明基督教信仰的前提——上帝存在。托馬斯·阿奎那（Thomas Aquinas）在《神學大全》中援引亞里士多德的四因說，用五種方式證明上帝存在，以理性論證上帝的嘗試最終在神秘主義思潮中失敗。但從客觀上講，即便是在一切對世界的認識都基于對上帝信仰的黑暗的中世紀，理性的火種仍作為文本被保留在封閉的修道院中，作為思想方式也仍存續于基督教哲學當中。同樣在中世紀，理性的火種傳到了阿拉伯帝國。阿拔斯王朝發起了一場大規模的翻譯運動，得益于中國人傳授的造紙術，阿拉伯人將希臘文明、波斯文明和印度文明的智慧翻譯成阿拉伯文。這個時期的伊斯蘭世界成為理性精神的中心，在8至13世紀迎來了黃金時代。穆斯林哲學家繼承了古希臘哲學家的遺產，用理性方式討論心靈、智慧、道德、信仰等問題。包括數學、天文學、光學、化學、醫學在內的多個領域都產生了具有重要意義的成果。

近代哲學在批判經院哲學的基礎上發展起來，笛卡爾以“我思故我在”重新確立了人類理性的地位。同時，近代哲學也從經院哲學那里繼承了唯名論和唯實論的對立，理性認識的對象和理性獲得的知識被區分。這使得近代哲學中的理性精神與古希臘的理性精神得以區別：在古希臘人那里，人和自然一體，自然是理性直觀的，還沒有出現知識與知識對象的對立。在近代的理性精神中，人和自然相分離，人成了自然的主人，人有能力認識自然、改造自然。近代科學精神和方法逐漸建立起來，科學的進步和關于自然的觀念在互動中相互促進和強化。現代學者們將這樣一種理性精神概括為“工具理性”，它驅動了現代科學知識的生產，卻在人類價值等方面遭遇了困難。

（二）信仰

信仰同樣是一種理解世界的方式，人類智識的形成本身就有信仰的參與。“人類有賴于宗教的不僅是大量的知識內容，還有這些知識得以闡發的形式。”涂爾干在考察原始宗教的過程中發現，范疇是經由宗教信仰形成的知識闡發形式，一些基本范疇，包括時間、空間、類別、數量、原因、實體、人格等觀念，是原始人類在宗教信仰中產生的。這些關于范疇的知識之所以不直接形成于經驗，是因為范疇是最普遍的觀念，由世世代代的集體經驗累積而成。如果人們沒有同樣的時間、空間、原因、數量等觀念，那么人們的心靈不可能產生聯系。社會要想生存下去，不僅需要一定的道德一致性，還需要最低限度的邏輯一致性。“社會時間、社會空間、社會類別以及因果關系就應該是相應范疇的基礎。”在集體的宗教儀式中，共有的心理狀態得到激發、維持和重塑，這也是關于范疇的知識不斷強化的過程。而這種過程不是純粹非理性的，因為原始人并不認為這是在無力理解世界的情況下選擇盲目相信，對原始人來說，這是理解世界最直接的、最好的辦法。

中國的上古巫術在性質上是信仰的，“誠則靈”是巫術活動的根本準則，它要求卜筮者、卜筮的對象必須進入敬畏、誠心的情感狀態。卜筮以復雜的數字演算為方法，服務于巫君的統治，因而這種情感狀態又和圖像、計算等客觀冷靜的認知因素交織在一起。《周易》中有“天地定位，山澤通氣，水火相濟，雷風相薄”，這些文字記錄的內容可能是人們對自然世界的經驗認知。李澤厚認為可能是巫術活動中“對各類自然事物的想象性的驅使”將自然對象轉變成符號性的操作系統，這表現出了“人在神秘演算中的主導權和主動性”。在強烈的情感和信仰之中有數字系統、歷史事件等理性因素。

盡管信仰與理性往往被視為對立的兩種因素，但在許多情況下，兩者同時存在而又難以分離，我們可以將它們看作人類思維活動的兩種傾向，而不是兩個完全獨立的要素。神經科學也揭示出，在人類大腦中，沒有專門負責信仰的區域，只有日常使用的神經網絡，理性和信仰只是在強度和流程上有所不同。塔拉勒·阿薩德（Talal Asad）從學術史的角度，指出宗教并不和現代生活完全脫離：“在19世紀大部分進化論的思想里，宗教被看作早期人類的狀況，現代的法律、科學和政治從此狀況中產生出來并變得與之無關。但在20世紀，大多數人類學家放棄了維多利亞時代的進化論觀點，許多人挑戰理性主義的觀點：宗教只是原始的，因而是落后的制度形式，我們在現代生活中有了更真實的形式（法律、政治、科學）。”

（三）人工智能

人工智能本身是人類知識生產的成果，而當人工智能加入知識生產領域以后，一些知識生產的現象則難以用理性和信仰兩種傳統知識源進行剖析。人工智能知識生產既不是理性過程—一它超出了人類理性能力的范疇，其作用也與信仰的作用不同——它沒有人類敬畏、嚴肅等情緒的參與，因而也不是某種理性和信仰互動的結果。人工智能駕駛系統根據路況和算法作出駕駛決策的過程，沒有人類思維、判斷力的參與，對使用者來說，這是—種對技術的信任，而這種信任是否可以稱為某種程度的信仰呢？既然人工智能已經部分地獨處于人類思維領域以外，我們或許可以將人工智能視為理性與信仰之外的第三種知識來源。

人類理性和信仰的知識生產，盡管可能是曲折的、不完美的，但人類長久以來都是知識生產的唯一主體。人類被頌揚為“一件多么了不得的杰作，多么高貴的理性，多么偉大的力量，多么優美的儀表，多么文雅的舉動，在行為上多么像一個天使，在智慧上多么像一個天神、宇宙的精華、萬物的靈長”。當人類不是理解或駕馭現實的唯一主體，知識也不只源自理性與信仰的作用，人類主體的角色是否會隨之改變？人類不得不開始思考與其他智慧體、與現實世界的關系問題。行動者網絡理論為此提供了一種新的視角，在知識生產中，所有人類或非人類的參與者，包括非人的實體、技術系統、觀念等在內，都被視為具有能動性的“行動者”，他（它）們通過相互關聯的網絡推動知識生產，人類和人工智能一樣，都是知識生產網絡中的節點。但無法忽視的是，在非人的因素中，人工智能具有無與倫比的特殊性。智慧生命是人類對人工智能終極形態的想象，因而在知識生產中，人工智能可以被視為與理性和信仰相并列的知識來源。

在認可人工智能作為一種新的知識來源的前提下，才存在討論人工智能創造力問題的空間。英國認知科學家瑪格麗特．A．博登（Margaret A．Boden）將人類創造力劃分為探索型、組合型、變革型三種。探索型創造力拓展已知事物的邊界，擴展其可能的極限，人類97%的創造行為屬于探索型創造行為。神經網絡人工智能最擅長的任務就是模式識別，生成式人工智能可以根據特定的風格生成文本和圖像。人工智能在棋類游戲中的表現，也說明其擅長探索型創造，其能力在某些方面甚至超過了人類。在組合型創造中，已有的內容以新的方式組合在一起。在人工智能繪畫軟件Midjourney中，使用者可以將不同的藝術風格組合在一起，還可以用古典的藝術風格生成現代主題的圖像。不過這里出現的問題是，在Midjourney生成圖像的過程中，創造力來源于輸入提示詞的使用者還是人工智能？這涉及著作權法中的著作權歸屬問題，法學界已經展開了諸多討論。變革型創造力要求打破已有的規則和認知，創造出前所未有的知識。何種創造可以稱得上具有變革性意義？這個問題本身就難以回答，進而我們也就難以判斷人工智能在人類能力以外找到的知識是否具有變革性。因而，對知識本身進行分類，而不是對創造力進行分類，能夠展開更多討論的空間。

四、知識的分類

（一）顯性知識、默會知識與隱性知識

正如人類心智建立在人類生理和心理條件之上，人工智能生產知識需要數據、算法、算力、能源等各項條件。其中，數據是人工智能知識生產的“養料”。當前人工智能的核心成長邏輯就是龐大的數據集和超強算力，簡單來說，在同等條件下，向人工智能投喂的數據越多，人工智能的表現就越好。也就是說，人工智能面向的是數據化了的那部分現實。ChatGPT等語言大模型是深度學習算法的最早成果，人類語言是這類文本生成模型的養料，也是人工智能面向現實進行運算的中介。

但人類語言不是人工智能數據集的唯一來源，外接了傳感器的人工智能可以直接獲取關于現實的數據，就像人類通過感覺器官獲得關于現實的直接經驗一樣。而這部分直接來源于現實的數據的規模，遠遠大于人類語言的數據規模。盡管人類語言有悠久的歷史，但能夠作為人工智能養料的“語料”是有限的。人工智能預測組織EpochAI的研究人員估計，人工智能開發公司可能會在2026年之前耗盡高質量的文本訓練數據。而同樣可以作為人工智能養料的、人類生產的圖像資源可能在2030年到2060年之間耗盡。

基于不同性質的“養料”來源，在知識域中，人工智能與不同種類的人類知識發生不同的互動關系，并且形成了關于知識的新的可能性。

波蘭尼提出，在人的知識活動中，還活躍著另一種與認知個體活動無法分離、不可言說、只能默會的認知功能。波蘭尼不認同笛卡爾“清楚且明晰的觀念”的學說，認為人類知識存在不可明確說明的部分，這在一定程度上是人類語言表達的缺陷帶來的。比如射箭比賽運動員明白如何調整身體以精準射出箭矢，卻很難講明作出某種調整的原因。那是一種言語難以描述的感覺，是在多次練習中形成的肌肉記憶。波蘭尼指出：“我知道我完全明白如何做這些事情，雖然我只以工具的方式知道那些細節，并且在焦點意識上完全忽視了它們，因此我可以說，我知道這些東西，盡管我無法講明或完全無法說出我知道的是什么。”波蘭尼將這部分知識稱為“默會知識”，與之相對，可以用言語描述的那部分知識則是“顯性知識”。

能夠用人類語言表述的顯性知識是人工智能最早的“養料”，早期的專家系統人工智能就在很大程度上依賴著人類顯性知識的輸入。與專家系統不同，對于深度學習的人工智能系統來說，以文本符號形式輸入的顯性知識，和通過各種傳感器獲得的數據信息一樣，都將經過層層神經網絡，最終提取出的是新的特征。對人類來說具有直觀性的顯性知識，對人工智能來說卻是非直觀的。在人工智能那里，顯性知識不是語言和現象之間的關聯性，而是描述顯性知識所用語言內部的關聯性，或者說是顯性知識的語言概率。顯性知識與現實直接的問題被人工智能轉換為純粹的、上一個字符和下一個字符之間的概率問題。

與顯性知識相對，默會知識是人類語言表達不可能或者不充分的領域。在人工智能的專家系統時期，人類語言的這種不精確和模糊的特性，被視為人工智能發展最主要的阻礙。默會知識難以用語言表達，在人類之間的傳授要經過實踐上的示范，而不能僅靠學習規則，因而難以被輸入到專家系統中去。默會知識一度是人工智能難以涉足的領域。而深度學習的人工智能則可以從數據化了的現實中提取出這類默會知識，如人工智能可以收集和分析運動員的身體數據和運動數據，識別運動員的動作模式，從而提取運動員無法用語言表達的默會知識，包括運動員通過練習獲取的肌肉記憶和直覺性運動思維等。

人類產出知識的能力遠超過反思知識的能力，人類知識的生產除了理性思維的參與，還有非理性因素的參與，包括創造力、靈感、直覺、審美等，這些非理性因素本身在一定程度上也是默會的。作家可以教授遣詞造句和安排隋節的技巧，但靈感和創造力難以被傳授。默會知識有著個人化的特征，在關于知識生產本身的默會知識當中，這種個人化特征尤為突出。人工智能能夠以人類作品為對象進行深度學習，領會這些作品的特征，還能夠依據這些特征輸出新的作品，但人工智能獲取的始終不是關于人類創造力本身的知識。人工智能深度學習的底層邏輯就是在諸現象中提取一般特征，靈感、創造力、直覺等默會知識具有高度的個體性和偶然性，深藏于每個人類個體的生命歷程當中，這是采取共性和必然性邏輯的人工智能難以觸及的領域。

人工智能在人類理性思維能力以外生成的知識對人類來說是不可知的，不能通過人類的感性和知性等獲取，我們將之稱為隱性知識。在這里，隱性知識并不和前面所提到的顯性知識相對應，而是一種人類尚未通達的知識。就獲取方式來說，隱性知識可以完全脫離人類已有的知識成果，讓人工智能直接面對現實進行深度學習。

2016年，DeepMind開發的人工智能圍棋程序AlphaGo戰勝圍棋世界冠軍李世石。對人類來說，圍棋有超過4，000年的歷史，而人工智能經過短時間的深度學習，就能夠超越人類4，000年智慧的累積。2017年，AlphaGoZero拋棄已有的人類棋譜，在自我博弈中獨立發現圍棋的規則和策略，在三天的自我訓練中就打敗了舊版的AlphaGO。DeepMind公司以《在沒有人類知識條件下掌握圍棋游戲》為題，公布了AlphaGoZero這一成果。類似地，麻省理工學院開發的人工智能程序成功獨立地找到一批用于對抗金黃色葡萄球菌的新抗生素，而在這之前的60年中，人類在抗生素領域都沒有取得任何重要進展。

人工智能給人類知識領域帶來了新的突破，但是這些隱性知識卻伴隨著黑箱問題。黑箱這個詞被控制論者用來表示任何一部過于復雜的機器或者任何一組過于復雜的指令。他們在黑箱所在的地方畫上一個小盒子，以表示此處除了輸入和輸出以外不需要知道任何其他的事情。對用戶來說，使用人工智能僅需輸入提示詞并獲取結果，不需要思考人工智能輸出結果的邏輯。然而這其中的邏輯對于開發人員來說也是未知的，不可解釋的隱性知識加劇了人類對人工智能的不信任，尤其是在醫療健康等要求嚴格的領域。2022年6月，中國國家衛健委和國家中醫藥局聯合發布《互聯網診療監管細則（試行）》，其中第21條明確指出：“處方應由接診醫師本人開具，嚴禁使用人工智能等自動生成處方。”

（二）地方性知識與全球性知識

地方性知識是文化人類學者克利福德·吉爾茲（Clifford Geertz）提出的概念。吉爾茲在田野調查中發現，在西方式的知識體系之外，還存在著各種各樣未進入課本和詞典的本土文化知識。這些文化知識具有高度的地域性特征，如巴厘島的原住民按照長幼為孩子命名為“頭生的”“二生的”“三生的”“四生的”，接著第五個孩子也叫“頭生的”，第六個叫“二生的”，這種循環式的稱謂體現著巴厘島文化中往復無窮的生命觀念。就此還可以舉出許許多多的例子，如中華飲食文化中的“鮮”，在英文中無法實現準確的表達，只有一個日語外來詞umami可以勉強描述，但這個日語詞更多指向海帶中的味精帶來的鮮味，顯然，在中文語境中，“鮮”的含義更為豐富。地方性的知識說明了人類文化的多樣性，我們不能始終用一種方法、一種眼光考察和學習具有地方性和多樣性特征的人類知識。然而，目前人工智能在收集人類知識、提取特征、輸出知識的過程中，人類知識的地方性特征可能被消解。

數字基礎設施的不平衡將帶來人工智能訓練過程中的不平衡。在人工智能知識生產的起始階段，地方性知識就可能因為數字基礎設施發展的不平衡而被排除在知識生產過程之外。ChatGPT的數據來源主要是互聯網上的大量文本數據，包括維基百科、新聞文章、博客日志、論壇帖子等。在與用戶的交互過程中，ChatGPT還將根據反饋不斷進行優化。在數字基礎設施完善的地區，人們更有條件使用數字信息網絡，在互聯網上采取具有地方性文化特色的行動。經由具有特定文化屬性的用戶，地方性知識被吸納進互聯網數據庫，進而被人工智能訓練集捕獲。缺少數字基礎設施，就相當于缺少被人工智能“看見”的機會。

地方性知識在人工智能知識生產中的邊緣化和消解，反映出部分區域性或民族性文化在文化話語體系中的弱勢地位，同時也是對這種知識一權力體系的強化。盡管數字技術往往以普惠性作為價值目標，互聯網上的公開資源被視為數字技術普惠性的體現——全世界的學生都可以通過互聯網學習哈佛等頂尖大學的公開課程。然而，這種普惠性的前提是數字基礎設施的完備。這方面的“馬太效應”非常明顯，在數字傳播中具有優勢的是那些原本就具有強勢地位的地方性知識。這在人工智能技術中體現得更為直接：ChatGPT的訓練集中包括不同語言的語料，而英語和其他語言相比有更大的數據量，ChatGPT從而對英語有更好的建模能力，在生成文本時，英語文本輸出的表現更好。

在全球化進程中，地方性知識不是一個封閉概念，而是處于互聯互通的人類知識網之中。15世紀地理大發現之后，此前局限于地域的地方性知識以及較為分散的區域性知識交往圈，開始出現密集的全球互動，并最終伴隨資本主義世界市場體系的形成而匯聚為人類的知識之網。知識的全球化是地方性知識跨文化互動的過程，全球性知識是在這一互動過程中形成的文化反應與概念建構。包括人工智能在內的數字技術，加速了知識全球化的進程。全球性知識要求真正多元的文化交流互鑒，實現互相尊重、普惠共享的人類價值目標。一方面，人工智能大語言模型使得構建一個吸納人類全部知識文化的全球性知識體系成為可能；另一方面，目前的人工智能還難以引入人類的價值目標，而是遵循算法邏輯，哪種文化的語料更豐富，人工智能就將表現出哪種文化的特征，存在以地方性知識取代全球性知識的風險。

五、結語

密涅瓦的貓頭鷹總在黃昏起飛。思想是后置的，人類對技術的應用也總是走在對技術認識之前。人工智能已經深度介入人類的日常生活，我們要對人工智能及其生產的隱性知識進行哲學層面的反思。在人工智能生成的知識域中，知識由各種模式生成，擬真原則替代了現實原則，人類的知識在人工智能系統中被重新解構。知識生產的主體也成為數據要素的—部分，主體與客體之間的界限被消除，主客體辯證法不復存在。以“我思故我在”建立起的人類主體性被消解，人類陷入某種第二存在。

與理性秩序不同，擬真體系的運行方式是技術性的。在擬真體系的代碼操縱下，建立在真實性、普遍性與確定性基礎之上的知識成為幻象，世界成為數據的集合，這遮蔽著人類的思想與行為，人類正在變成“無思想的生物”。技術逐漸從社會“脫嵌”，不再受控于人類，反過來，人成為技術體系的一部分，技術的本質決定著人的發展。技術以理性之名支配一切，人類思維能力逐漸弱化，內含于其中的批判與否定精神隨之消逝。和理性一樣，個體的情感與意志也受限于技術體系。對身處其中的人們來說，“接收”就是“接受”，反思的空間被無限擠壓以致完全消失。由此，技術以一種絕對控制的姿態將異質聲音和多元視角統一起來，個體的獨特性被同質化的話語壓抑。理性、情感、意志等構成“人之尊嚴”的重要特質，也在這一過程中被逐漸弱化。人的不確定性意味著人不停地自我生產，人的自身不斷地在歷史長河中發生變化。

作為“他者”的人工智能，將帶給人類怎樣的文明？