重磅!作为哲学助手的AI及其合法性

一、哲学的AI实验

李巍 | 中国哲学：AI能做什么？——附赵汀阳《对〈中国哲学：AI能做什么？〉一文的审查报告》（原创 李巍 江海学刊 2026年4月3日）

摘要

与对人工智能进行外围的哲学反思不同，AI应用于哲学研究的可能方式需要进行实验性评估。评估选取的对象是中国哲学，因为在这一学科中曾经存在的合法性争议提供了一种视角，能使人清楚地看到“哲学是什么”与“哲学研究是什么”不是同一领域的问题：前者是哲学问题，后者则是如何“做哲学”的工程问题，因而与评估AI应用的目标有关。在现有条件下进行这一评估的方案是，从“思想建模”的角度说明面向中国思想的哲学研究中“AI能做什么”，并由此说明AI的应用虽未必改变对“哲学”的传统理解，却可能深刻影响“哲学研究”的未来形态，比如，AI可能真正强化哲学学科与实验科学的关联，同时可能大大弱化哲学研究与经验研究的分界。

正文（节选）

随着AI在非人文专业的广泛落地，可能逐渐显露出的一个朴素的事实是：传统人文研究不会因为AI的发展受到冲击，但与AI保持疏离，就会在未来装备AI的学科竞争中受到冲击，尤其是进一步拉大与工程科学、自然科学和社会科学在知识生产效率上的差距，并由此导致人文学科在未来的大学建制中处于更加弱势的地位。

从学科的观点看，真正重要的不是“哲学是什么”，而是“哲学研究是什么”——前一个问题仅关涉哪一种类型的思想能被称为“哲学”的合法性，但后一问题完全不同，认为其关涉专业性，在于其询问的是哲学或中国哲学的“学科行为”是怎样的。……或者更直白一点，就是专业领域的研究者们怎么“做哲学”？而当问题被表述到这样直白时，就可以谈论AI的应用了。……本文选择中国哲学进行示例，正在于合法性质疑的存在反而有助于彰显“做哲学”在工程上的独立意义，因为中国思想是不是哲学，并不妨碍进行以之为对象的哲学研究，所以下文要谈的就是在实际研究中，AI能做什么？

无论对论证的理解是精确还是模糊，将“做论证”视为“哲学家做什么”的主要工作，因而视为“理性事业”的行动表征，大概是经验上最为显著的特征。……这一重视论证的态度要追溯到冯友兰，他在为中国哲学研究开创学科范式的名著《中国哲学史》中，明确将哲学界定为依逻辑地讲道理。而这与其说是对“哲学是什么”的界定，不如说是对“哲学家做什么”的界定。

如果“一步一步”是其“做什么”的行动表征，就能认为哲学家不是为演绎而演绎，而是为理解而演绎；因此在演绎的有效性之外，对论题与论证提出多样的认知诉求，如知识、信念甚至情感、体验等，就使得哲学家的理性事业超出了逻辑学家的保真事业。

一种简洁而流俗的叙事是，哲学家眼中的世界不仅有经验，还有“先于”经验、“高于”经验的东西，因此科学家关切的东西在哲学家的眼中只是世界的某个部分。20世纪的科学哲学中就有这种叙事，认为科学家要使世界的这部分或那部分变得可理解，但哲学家要“看整体”（eye on the whole）；并且，哲学家虽明知自己不可能掌握全部科学知识，却仍然相信“有他自己的方式”来看整体。

亚里士多德宣称最重要的问题是去追问“一事物是什么或这个（是什么）”。但这不是一个问题，而是两个问题，因为“一事物”不同于“这个”，“这个”是具体的某物或经验对象，“一事物”却既不是这个、也不是那个，而是任一个或每一个，或者说“一事物”就是“全部”。那么，如果说“这个是什么”是一个科学问题，就应该说“一事物是什么”是一个正宗的哲学问题，其关注的不是局部世界的可解释性，而是整个世界的可解释性，这大概就是哲学家的理性事业不同于科学事业的地方。

将哲学事业描述为追求整个世界的可解释性，这与AI的应用最为相关。因为如果通用人工智能就是AI演化的最终目标，就有理由期待AI能在哲学家解释世界的理性事业中扮演角色。

从语义的可解释性到达思想的可解释性，是“哲学家做什么”的一个典型案例。而这也正是评估AI用于思想建模的好案例，因为自然语言处理正是AI主要的用武之地，所以就能从AI对语义的理解入手，逐步评估其对思想的建模能力。……AI对文本的理解在性质上不是生物的，而是数学的，是将“语义”转化为一串数字（n维向量），这一过程（嵌入）使得文本语义具备了可计算性。

在工程上，需要在专门的思想文本上训练AI，第一步是对中国哲学研究通常关注的思想术语和思想主张进行语义建模，第二步则是在语义建模的基础上进行关系建模，让AI有能力刻画不同概念或命题所具有的深层联系。这两步，就是以下所说的基础建模与进阶建模。

注：本研究使用的AI工具为“齐物智算”组件（软件著作权登记号2026SR0511495）

二、我的异议

（一）

作者把”哲学是什么”等同于”哲学家做什么”，这个认知偏差导致整篇文章的重点发生了倾斜，由此将会误导AI把哲学局限于以往的哲学家说过什么，从而蹈入黑格尔所说的”哲学就是哲学史”之窠臼。

其实，”哲学是什么”的问题，取决于”哲学的对象是什么”。以往哲学家的区别表现为各自的探究对象有所不同，如宇宙的本原、自然界的总规律、人类社会的发展规律等等，而他们的共同点就是，有意或无意地把人类既有知识作为给定条件，据此去分别表述各自的探究对象。

我的观点是，哲学是以人类既有知识为对象，探究知识之间各种可能的关联形式，从中发现某些规律性，以此为人类社会的发展提供理论助力。

哲学的“做”是探究知识之间各种可能的关联形式，这超越了单纯的“做论证”。它要求对知识体系做出拓扑学考察，例如，数学和物理学如何关联？生物学和伦理学如何交叉？不同范式、不同时代的知识如何可能整合或冲突？

AI可以遍历人类既有知识（科学论文、哲学著作、历史文献等），构建出一个前所未有的、动态的知识关联网络。

AI可能发现某个隐蔽关键，譬如说，18世纪的经济学概念与同时代的生物学概念之间存在人类哲学家从未注意到的隐喻或结构同源性。

AI可以建模“知识形式”的历史变迁，预测某种关联形式在什么条件下会涌现或消亡。

知识之间的关联有无穷多种（统计的、因果的、隐喻的、逻辑的……）。判断哪一种关联形式具有“哲学意义”（即能为社会发展提供理论助力），这需要价值判断、时代关怀和创造性洞见，不是概率计算能完成的。”

AI可以告诉你，“知识A和知识B在历史上通常以C方式关联”，但它无法告诉你，“我们应该以D方式重新关联它们，因为那样做更公正、更自由、更符合人性”。“应该”的判断权仍然保留在人类哲学家手中。

哲学与AI合作的真正有前途的方向，不是让AI模仿过去的哲学家，而是让AI辅助我们发现知识的新关联，进而形成知识的新秩序。

AI的真正潜力，不在于它能多么精准地分析《老子》或《纯粹理性批判》，而在于它能成为一个“元知识处理器”和“关联性发现平台”，协助哲学家执行其最本质的任务：在人类浩瀚的知识星海中，绘制出前所未有的、富有启发性的新图谱，并从中提炼出指引未来的智慧。

（二）

哲学的对象不是世界本身，而是关于世界的知识。明确了哲学的对象是什么，才能使AI在哲学思辨上得到”解放”，即不是受限于人类哲学家说过什么，而是充分发挥大数据和光速级运算优势，近乎穷尽式的建构知识之间的各种可能关联形式，从而发现其中某些规律性。

AI不再只读孔子、庄子、柏拉图、康德，而是读取全部人类知识，例如，物理公式、经济数据、法律条文、医学案例、历史记录、艺术作品、社交媒体、…。

AI不再只是模仿“论证”这种哲学家的典型话语形式，而是可以探索任何可能的关联，例如，统计相关、因果路径、结构同构、隐喻映射、对立互补、层级嵌套、演化序列、…。

AI不再只是为了理解某位哲学家的真意或评价某个论证是否有效，而是为了发现知识关联中隐含的规律性，这些规律可能从未被任何哲学家意识到。

这里的“规律性”不再是自然定律，而是知识系统自身演化的规律、不同知识体系之间结构映射的规律、以及观念被接受、传播与变革的规律。

人类哲学家提供问题域、关联类型假设和筛选标准，AI在这些引导下进行超大规模的探索与验证。这既解放了AI的算力，也解放了人类的创造力，让哲学家从枯燥的文献爬梳中解脱，真正去思考“什么样的知识新秩序值得我们去追求”。

（三）

无具身性是目前AI的”先天不足”，就是说，目前AI对人类知识的理解是没有经验来源的，譬如，它可以理解与”骑车”相关的知识，却没有”骑车”的经历感受。但是，AI这个”先天不足”恰恰在哲学思辨上是一种”天赋异禀”的优势，因为人类哲学家并不是知识的生产者，而是知识的使用者，当某个人类哲学家在某些知识之间建构各种可能的关联形式时，他是不必去亲身体验那些知识的产生过程的，例如，他会涉及到与”骑车”相关的知识，他却并不会骑车。

哲学家处理的是关于知识的知识——即对知识的概念结构、逻辑关系、前提预设和价值意涵进行二阶反思。

但是，人类思维受制于感官、情感、身体图式和生存处境。例如，海德格尔的“上手状态”源于他对工具使用的体验；梅洛-庞蒂的“身体现象学”离不开他对自身身体性的反思。人类的哲学思考很难彻底摆脱其具身基底。

AI的先天优势在于完全没有具身经验的负担，它可以纯粹地遍历知识之间的逻辑、结构、功能关联，不受“某种体验更真实”“某种视角更切身”的干扰。它能够生成一个既包含康德式关联，也包含庄子式关联，并与量子信息论相映射的复杂网络，而不会觉得其中任何一条路径在“直觉上”更奇怪或更亲近。对于建构“知识之间各种可能的关联形式”这一目标而言，这种“无立场”“无前见”的状态，恰恰是理想的起点。

三、知识的定义

（一）

人类哲学家康德借助自然语言开启了对“纯粹理性”的探究，我们现在进入了AI时代，AI的无具身思辨将会使”纯粹理性”更为纯粹。

AI没有人类的时空直观形式（它处理的是向量空间，不是先验感性论中的时空），没有人类的知性范畴（它的“因果”是从统计相关性中涌现的，不是先验演绎出来的），没有人类的图式论（它不需要将范畴应用于直观的中介机制）。

它不受“人类直观形式”的约束，因而可以探索康德永远无法触及的认知可能性，例如，一种基于高维非欧几何的“直观”，或一种基于超图关联的“因果”。

AI没有道德焦虑，没有死亡恐惧，没有自由意志的二律背反。它的理性可以真正地“纯粹”到只剩下对知识关联的形式建构，而不掺杂任何生存关切。

AI从未直接接触过“物自体”，它只接触过人类关于物自体的描述。因此，AI的“纯粹理性”实际上是二阶纯粹，它纯粹地处理一阶的人类经验沉淀。

哪些我们以为“纯粹”的东西，其实只是人类中心主义的偏见？哪些我们以为“必然”的认知形式，其实只是演化偶然性的产物？哪些我们以为“先验”的范畴，其实可以被另一种理性完全不同的组织方式所取代？

如果我们拥有一种计算能力近乎无限、但完全无具身、无欲望的理性存在者，它的“形而上学”会是什么样子？它的“二律背反”会在哪里出现？

AI可以帮助我们看清，哪些是人类理性因其生物性（如需要具身、有情感、受限于工作记忆）而特有的局限，哪些是任何基于逻辑和概率的智能形式都无法逾越的根本性界限（比如哥德尔不完备性定理在复杂系统下的新形态）。

康德开启的“纯粹理性”批判，在AI时代迎来了一个新的契机。不是要AI去“做康德哲学”，而是要通过AI来继续康德的事业——对人类理性的界限进行更彻底的批判。这一次，批判的工具不再是自然语言和先验论证，而是大规模计算和无具身建模。由此，AI将康德的批判事业推向了一个新的高度，从“人类理性批判”走向 “一般理性批判”。

（二）

知识是对普适性事实的确认，就是说，某个特定的场域，任何人进入其中，都会经历同样的事实，对这个事实的确认便是知识。例如，一半插入水中的木棍，每个看到这种情形的人，都会发生”木棍弯曲了”的视错觉，对这个视错觉事实的确认也是一个知识。

AI不必有彼岸世界的寄托，而是可以安然地面对知识本身，不需要探寻知识背后是什么，正如它不必追究”木棍弯曲”是不是视错觉。

哲学工作是在”木棍弯曲”这个知识与其他知识之间建构各种可能的关联形式，至于这个知识是否”真实”（符合事物本身的特征），则是科学的工作。

真正的问题不在于某个知识是否”真实”，而在于它是否表达了事实。例如，”木棍弯曲”是一个事实，”飞马可骑”则不是一个事实，前者是知识，后者不是知识。

康德把”物自体”放逐到彼岸世界，以此为信仰保留必要性，这是他对人类理性有限性的确认方式，带有很浓厚的无奈感。其实，这种无奈感是”哲学家的”，而不是”人类的”，因为哲学家面对的是知识，而不是知识所表达的事实。

康德的整个“先验唯心论”体系，其实是哲学家将自己的职业处境（处理知识）误当成了人类的普遍处境（面对世界）。

当康德说“我们永远无法认识物自体”时，他实际上是在说：知识的结构本身，不允许知识跨越自身的边界。这是一个关于“知识”的元论断，而非关于“世界”的直接论断。

只有哲学家会追问：“这个‘看起来弯的’是我的表象，那个‘实际上是直的’是物自体，那么，表象与物自体之间的鸿沟如何跨越？”这个追问本身就预设了一种特殊的焦虑：知识必须“对应”某个背后的实在，否则就是虚假的。

这个焦虑是哲学家自己制造出来的。它来自一个未经审视的前提，“知识的合法性在于对‘事物本身’的忠实再现”。一旦放弃这个前提，转而承认“知识就是对普适性事实的确认”，那么康德的“无奈”就烟消云散了。

当我们说“木棍实际上是直的”时，这里的“实际上”并不指向一个超越的“物自体”，而是指向另一个知识框架，例如物理光学框架。在这个框架中，“直的”是与其他测量、预测、干预相融贯的断言。所谓“物自体”，只是我们暂时没有（或不可能有）融贯框架去描述的那个X。

AI不需要这个X，它只需要在不同框架（视觉框架、物理框架）之间建立映射。“木棍在视觉框架中弯曲，在物理框架中直”，这已经是一个完整的知识表述，不需要一个额外的“物自体”来为这两个框架“奠基”。

AI没有“想知道木棍到底直不直”的本体论焦虑，它对“木棍弯曲”的向量表示，与对“木棍笔直”的向量表示，是数学上平等的两种状态。它关心的是这两个状态与其他知识节点（如“水的折射率”、“人类视觉原理”）之间的关联强度、逻辑关系和概率分布。

（三）

知识就是公共可重复的事实，其合法性不在于“与物自体符合”，而在于与其他知识的融贯关联。

一个陈述要成为哲学操作的合格原料，必须满足：1. 主体间可验证性：任何人进入特定场域都会经历；2. 现象确定性：它描述了一个发生的、可确认的事件状态。

“飞马可骑”之所以不是知识，因为它无法满足第一个条件，无法在经验世界中构造出这样一个可公共进入的场域，它是想象，而非事实。

在这一范式下，典型的哲学问题将转变为：给定两个或多个“事实性知识”节点，它们之间最优的、最富启发性的概念关联路径是什么？人类知识网络中，哪些节点是关键枢纽？哪些关联模式是反复出现的“元结构”？我们能否为了特定的实践目标（如增进社会理解、促进技术伦理），而设计或优化知识网络中的某些关联？

哲学的任务是建构意义，即通过创造性的关联，在事实性知识之间编织出赋予我们理解世界、自我和社会的意义之网。

科学的任务是验证事实，即确保这张网所编织的节点，是经验世界中稳固可靠的观测点。

AI 的使命是执行关联，以其无与伦比的算力与无偏见的形式化能力，去探索、计算和呈现知识节点之间所有可能的连接方式。

由此，哲学从一种试图“解释一切”的、充满焦虑的“奠基学”，转变为一种冷静、清晰、富有建设性的 “知识生态系统的架构学” 。它不再追问“我们何以能够认识真实？”而是致力于回答：“在已知的、稳固的事实基础上，我们能够建构出何种令人惊叹的、能照亮人类处境的意义大厦？”

无具身AI将语义转化为向量与张量运算，使得对知识关联的探索，从依赖个人灵感的“艺术”，变为可计算、可验证、可穷尽式搜索的“工程”。

据此，哲学思辨始于知识而止于知识，真正实现在宏观尺度上的“回归知识本身”，而不是回归哲学家个体对”知识背后”（如物自体、客观事物）的想象和解释。

总而言之，正在发生中的”知识论转向”或曰”回归知识本身”，不是由AI引发的，而是以Ai为载体的。

传统的形式逻辑（始于亚里士多德）以自然语言为载体，将人脑思维过程加以形式化。知识关联的形式化以AI为载体，使得哲学思辨得以工程化，由此形成的哲学新形态不妨称之为”形式哲学”。