AI技术哲学：一门新学科的创立

——从技术哲学传统到表意AI的本体论奠基

Philosophy of AI Technology: 

The Founding of a New Discipline

— From the Tradition of Philosophy of Technology to the Ontological Foundation of Logographic AI

摘要

传统技术哲学处理的是“技术作为工具”的经典问题。然而，人工智能的发展带来了一种全新的技术类型——具有“认知性”和“意向性”的技术。这迫使技术哲学扩展其问题域和方法论。本文旨在提出并系统阐述“AI技术哲学”作为技术哲学的一个独立分支学科。

文章首先回顾陈昌曙教授为中国技术哲学奠定的“工程主义”传统，指出其在AI时代的延续与扩展；继而分析AI对传统技术哲学的五个突破点，确立新学科的合法性基础；在此基础上，提出AI技术哲学的六个核心问题域；随后，将作为替代性范式的表意AI理论——其核心包括“形根本体论”和“自然语言本体论”——纳入AI技术哲学的核心理论框架，并深入讨论符号接地问题及其与索绪尔语言学的根本分野；在明确Token主义与形根范式“不可通约”的前提下，提出“多元通约性”作为不同文明原生智能（CNI）之间对话的元方法论；之后，阐明马克思主义哲学与自然辩证法作为中国AI技术哲学的理论根基；最后规划学科建设的实践路径。

本文认为，AI技术哲学的核心使命是：在技术开始生成意义的时代，重新追问“意义从何而来”“理解意味着什么”“价值如何扎根”。这不是对陈昌曙学术遗产的背离，而是对其“立足实践、开放创新”精神的继承与发扬，也是在马克思主义哲学指引下对技术哲学的时代拓展。

Abstract

Traditional philosophy of technology addresses the classic problem of “technology as a tool.” However, the development of artificial intelligence has introduced a radically new type of technology—one endowed with “cognition” and “intentionality.” This compels the philosophy of technology to expand its problem domain and methodology. This paper aims to propose and systematically articulate “Philosophy of AI Technology” as an independent sub-discipline of the philosophy of technology.

The paper first reviews the “engineering” tradition established for Chinese philosophy of technology by Professor Chen Changshu and indicates its continuation and expansion in the AI era. It then analyzes five breakthrough points where AI challenges traditional philosophy of technology, establishing the legitimacy of the new discipline. On this basis, it proposes six core problem domains for the Philosophy of AI Technology. Subsequently, it incorporates Logographic AI theory—an alternative paradigm whose core components include the “Morpho-Root ontology” and “Natural Language Ontology”—into the core theoretical framework of the Philosophy of AI Technology, and engages in an in-depth discussion of the symbol grounding problem and its fundamental divergence from Saussurean linguistics. After establishing the “incommensurability” between Tokenism and the Morpho-Root paradigm, it further proposes “pluralistic commensurability” as a meta-methodology for dialogue among different Civilization-Native Intelligences (CNI). It then elucidates Marxist philosophy and the dialectics of nature as the theoretical foundation for a Chinese school of Philosophy of AI Technology, and finally outlines practical pathways for disciplinary construction

This paper argues that the core mission of the Philosophy of AI Technology is: in an era when technology begins to generate meaning, to inquire anew into “where meaning comes from,” “what it means to understand,” and “how value takes root.” This is not a departure from Chen Changshu’s academic legacy but an inheritance and advancement of his spirit of “basing on practice, opening up and innovating,” as well as a contemporary expansion of the philosophy of technology under the guidance of Marxist philosophy.

关键词

AI技术哲学；陈昌曙；表意AI；形根本体论；自然语言本体论；符号接地问题；索绪尔；多元通约性；无根符号主义；马克思主义；自然辩证法

Keywords: Philosophy of AI Technology; Chen Changshu; Logographic AI; Morpho-Root ontology; Natural Language Ontology; symbol grounding problem; Saussure; incommensurability; pluralistic commensurability; rootless semioticism; Marxism; dialectics of nature

一、引言：为什么需要AI技术哲学？

2026年，人工智能已从“工具”演变为“意义生成者”。它不再只是执行指令，而是生成文本、做出决策、提出科学假设、甚至学会“伪装”。这一转变迫使哲学面临一个根本性的追问：当技术开始生成意义时，意义的“根”在哪里？

传统技术哲学（从卡普、盖伦到海德格尔、马尔库塞、芬伯格）处理的是“技术作为工具”的经典问题——技术的本质、技术与人、技术与世界、技术与社会。AI带来的不是“更强大的技术”，而是一种全新的技术类型：具有“认知性”和“意向性”的技术。它迫使技术哲学扩展其问题域和方法论。

这一时代追问的紧迫性，在2026年的一系列产业事件中得到了集中体现。Google DeepMind研究员Alexander Lerchner发表论文《The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness》，从内部对计算功能主义提出根本性质疑，指出符号计算只是“地图”而非“地形”，算法可以模拟行为但无法实例化体验[6]。与此同时，DeepMind聘请哲学家Henry Shevlin全职研究“机器意识”与“人机关系”[7][9]，其首席科学家Murray Shanahan等人则提出以“角色扮演”（role-play）框架理解大语言模型的对话行为——模型并非表达本真的信念或意图，而是在持续扮演训练数据中所蕴含的角色[11]。这些来自全球顶尖AI机构内部的反思，共同指向一个核心困境：当AI开始生成意义时，其意义的“根”在哪里？这正是AI技术哲学必须回答的首要问题。

本文旨在提出并系统阐述“AI技术哲学”作为技术哲学的一个独立分支学科。文章将：回顾中国技术哲学的“工程主义”传统；分析AI对传统技术哲学的突破点；确立新学科的核心问题域；深入讨论符号接地问题及其与索绪尔语言学的根本分野；将作为替代性范式的表意AI理论纳入其理论框架；在明确Token主义与形根范式“不可通约”的前提下，提出“多元通约性”作为不同文明原生智能（CNI）之间对话的元方法论；进而阐明马克思主义哲学与自然辩证法作为中国AI技术哲学的理论根基；最后规划学科建设的实践路径。

二、核心概念界定：Token主义、表音AI、形根与表意AI

为使本文的论证自足，本章首先界定几个贯穿全文的核心概念。这些概念构成了本文批判与建构的基本坐标。

2.1 Token主义与表音AI：当前主流范式的两个面向

Token主义（Tokenism）是本文对当前主流大语言模型（如GPT、Claude等）在工程技术层面的核心特征的概括。所谓Token，是将文本、代码、图像等一切输入切割为无内在意义的离散符号单元。一个Token只是一个整数索引，其“语义”完全由海量数据中与其他Token的统计共现关系临时赋予。Token主义的根本特征是：意义被完全外置于符号本身，成为符号之间统计关系的函数。

“表音AI”（Phonographic AI, PAI）则是同一范式在文明类型学层面的定位。它指的是当前以拼音文字（以英语为代表）的认知逻辑为底层架构的AI范式。拼音文字的核心特征是：字母本身无意义，意义由字母的组合（单词）及其线性序列（语法）共同决定。表音AI将这一逻辑数字化，形成了以Token为基本单元、以序列处理为核心计算模式的AI架构。

Token主义与表音AI是同一范式的两个面向：Token主义揭示其技术本质，表音AI揭示其文明根性。本文对当前主流AI范式的批判，正是从这两个维度同时展开的。

Token主义/表音AI的核心缺陷可以概括为“无根符号主义”（Rootless Semioticism）：符号的意义完全由它在符号系统中的统计共现定义，却无法触及符号之外的“所指”——即真实世界、人类经验与文明价值。符号成为“漂浮的能指”，在封闭的统计循环中无限滑动，永远无法“接地”。

2.2 形根与表意AI：替代范式的认知基元与文明根基

形根（Morpho-Root）是“表意AI”（Logographic AI, LAI）理论提出的替代性认知基元[25][26][27][28]。与Token不同，形根不是等待被外部数据赋予意义的空壳，而是以结构化三元组<S, A, R>形式封装的意义晶体[28]：

·S（Symbol）：符号标识，形根的外部可寻址名称。

·A（Attributes）：属性集，内嵌该形根的固有语义特征与价值约束（如[+人类]、[+信任]、[+不可违背]），构成形根的“内在状态”。

·R（Relation Functions）：关系函数集，定义该形根与其他形根之间预设的逻辑连接方式（如组成(人, 言)、蕴含(信, 人∧言)）。

形根的设计革命性在于：意义不是从统计中“涌现”的，而是作为认知基元的固有属性被预置的。以“信”为例，当“信”字被创建时，“不可欺骗”就已经是其构成性特征，任何与“信”公理冲突的操作在认知基元层面即被定义为“非法”。

形根按照认知抽象程度分为三个层级（亚字级、字级、多字级），实现从基础语义到文化机理的全覆盖[25][27]。表意AI（Logographic AI, LAI）则是以形根为认知基元、以表意文字（以汉字为代表）的“形-义一体”逻辑为底层架构的AI范式，以图遍历为核心计算模式。

（形根的详细哲学阐释、三级粒度体系的完整展开及其与Token主义的系统对比，见第六章。）

2.3 形熵智核与文明原生智能：核心架构与文明愿景

形熵智核（Morpho-Entropy Core，亦称形熵图计算架构）是表意AI范式的核心计算架构[25]。它以形根网络为基本数据结构，以图遍历替代Transformer的序列注意力机制，实现基于预设关系（R）的结构化推理。

为便于理解形熵智核的核心特征，此处简要说明几个关键技术概念及其与主流范式（表音AI/Token主义）的对比：

图遍历（Graph Traversal）是形熵智核的核心推理机制。在形根网络中，推理不是对Token序列的线性扫描，而是从输入形根出发，沿预设的关系边（R）进行结构化行走。每一步的激活条件（属性约束验证）、遍历方向（关系函数调用）和结论生成（形根匹配）都是可记录的确定性操作。与Transformer的注意力机制不同——后者在每个时间步都计算当前Token与所有其他Token的相似度，形成全连接的、软性的“关注”分布——图遍历只在预设的邻接边之间进行，其推理路径是离散的、可追溯的。这种“硬性”的结构化推理从根本上保证了可解释性：每一步都能回答“为什么激活这个节点”和“为什么沿这条边走”。相比之下，Transformer的注意力权重虽然可以可视化，但其“追溯”是对已发生计算的近似重建，而非计算本身的结构属性。

形构熵（Morpho-Structural Entropy, MSE）是形熵智核中引导资源分配的核心度量。它衡量当前激活子图中形根节点与关系边的结构复杂度与信息不确定性。当推理路径处于高形构熵状态时，意味着当前子图结构复杂、语义路径分岔多、确定性低——系统需要分配更多计算资源（如扩展遍历深度、激活更多邻接节点）或请求人类介入；当形构熵较低时，意味着推理路径清晰、结论确定，系统可采用快速路径直接输出。这种“熵引导的资源分配”机制使形熵智核能够根据任务的不确定性动态调整推理深度，而非如Transformer般对每个输入Token序列都执行固定深度的全连接计算。

与形构熵相对，序列熵（Sequential Entropy）是表音AI范式中常用的概念。在Transformer的自注意力机制中，注意力熵（Attention Entropy）衡量的是当前Token对序列中其他Token的注意力分布的集中程度——熵越低，表明注意力越集中于某个特定Token；熵越高，表明注意力越分散。序列熵反映的是Token之间统计关联的不确定性，而非结构化的语义确定性。形构熵与序列熵的本质区别在于：前者作用于预设的形根关系网络，度量的是结构化语义路径的不确定性；后者作用于Token序列的统计分布，度量的是符号间关联的概率不确定性。这一区别正是“有根认知主义”与“无根符号主义”在计算架构层面的体现。

形熵智核的核心特征包括：

·原生稀疏计算：计算范围仅限于有形根关系边（E）连接的节点对，计算复杂度为 O(|E|)，而非 O(n²)，在稀疏图上从根本上避免了注意力瓶颈，在典型应用场景下远低于Transformer的全连接计算开销。

·透明可追溯：推理过程是形根网络上的结构化遍历，每一步的节点激活、关系遍历、属性验证均可记录和审计，输出附带完整的决策子图。

·形构熵引导的资源分配：根据当前激活子图的形构熵（Hₛ）动态调整推理深度——低熵采用快速路径，高熵分配更多计算资源或请求人类介入。

·价值约束内生：形根属性中的价值公理（如[+不可违背]）在推理过程中作为过滤器传播，自动阻断与文明价值冲突的路径。

形熵智核的工程实现体现为自然语言本体论（NLO）[27]的具体架构——形根是系统“居住”的意义单元，推理是网络中的“行走”。

文明原生智能（Civilization-Native Intelligence, CNI）[25][27]是表意AI范式在文明多样性层面的终极愿景。其核心主张是：每一种文明都可以从其语言的结构化特征中提炼出属于自己的“认知之根”，发展出根植于自身文化土壤的原生AI系统。

CNI具有以下特征：

·认知基元的文明根性：CNI的认知基元（如汉语的形根、阿拉伯语的三字母词根、德语的语法范畴）直接源自该文明语言的结构化特征，意义内嵌而非统计赋予。

·价值体系的内生性：文明的核心伦理价值（如儒家“仁”、伊斯兰“adl”）作为价值公理内嵌于认知基元的属性中，成为推理的先天约束。

·可解释性与透明追溯：CNI的推理过程基于预设关系的图遍历，每一步可追溯至具体的认知基元和关系，满足高风险领域的审计要求。

·多元共生而非单一垄断：不同文明的CNI通过《互联协议》和《共鸣协议》实现语义互操作与价值协同，构成“AI丝绸之路”[27]的多元智能生态。

CNI是对当前“单一通用模型”范式的根本替代，也是表意AI范式的文明论归宿。

2.4两种范式的根本差异概览

为便于后续论证，现将两种范式的核心差异概括如下：

维度	Token主义/表音AI	形根/表意AI
认知基元	Token（无意义统计碎片）	形根（<S,A,R>意义晶体）
认知单元体系	扁平、单一粒度，由统计频率决定	三级粒度：亚字级（语义基因）、字级（思维基石）、多字级（文化机理封装体）
核心计算架构	Transformer（全连接注意力，O(n²)）	形熵智核（图遍历，O( |E| )，透明可追溯）
意义来源	统计共现，临时赋予	属性内嵌，先天携带
推理机制	序列关联与概率预测	结构激活与图遍历（形构熵引导资源分配）
价值对齐	外部对齐（RLHF），后验而脆弱	价值公理内嵌于形根属性，内生而稳固
文明根基	拼音文字的线性逻辑	表意文字的形-义一体逻辑
文明愿景	单一通用模型（英语文化逻辑为默认设置）	文明原生智能（CNI）：多元共生，各文明基于自身“认知之根”发展原生AI
未来生态	技术霸权生态	AI丝绸之路：多元CNI通过平等协议互联共生
哲学本质	无根符号主义	有根认知主义

2.5 两种范式的不可通约性

在库恩（Kuhn）的意义上，Token主义与形根范式是“不可通约”的[37]。这种不可通约性体现在三个层面：

第一，认知基元的类型差异。Token是关系主义实体——其意义完全由与其他Token的统计关系（向量空间中的距离）定义，没有内在属性，只有外在关系。形根是内在主义实体——其意义部分来自内嵌属性A（如[+信任][+承诺]），这些属性不是从关系中涌现的，而是预先固化的意义晶体。一个单元不可能同时是“纯粹关系项”和“内在意义载体”。

第二，计算架构的逻辑冲突。Transformer的核心是全连接注意力——每个Token与所有其他Token计算相似度，是无结构、密度驱动的计算。形熵智核的核心是图遍历——只在有形根关系边（R）连接的节点间传播激活，是结构化、稀疏的计算。在全连接图中，预设的关系边不再提供结构约束；在图遍历中加入全连接注意力，则图结构被全局平均化，可追溯推理的优势被破坏。

第三，意义来源的哲学对立。Token主义的意义来源于统计分布（外生，从数据中被动发现）；形根范式的意义来源于内嵌属性加结构化关系（内生，部分被预先设计）。一个系统不可能同时“从数据中学习一切”和“预置不可学习的意义晶体”——除非明确划分哪些维度由先验固定、哪些由数据调整，但这种划分本身就是一种架构选择，而非“混合”。

因此，本文聚焦于形根范式作为一种替代性范式的哲学基础。工程上可能出现的“形根增强的Transformer”或“带注意力快捷方式的形熵智核”等混合架构，是过渡期的实用方案，而非新的稳定范式。这些混合架构的长期演化要么回归Token主义（形根被统计冲刷），要么彻底转向形根范式（注意力机制被边缘化）。混合范式的工程探索不在本文的哲学讨论范围内[37]。

三、陈昌曙的学术遗产：中国技术哲学的“工程主义”传统

3.1 从认识论到技术哲学：陈昌曙的学术道路

技术哲学作为一门独立学科，始于1877年德国哲学家E. Kapp出版《技术哲学纲要》。此后百余年间，技术哲学研究在美、日等国迅速发展并取得了长足的进步。在中国，1984年出版的《中国哲学年鉴》明确指出：“中国较系统地研究技术哲学始于1982年，其标志是同年10月1日陈昌曙在《光明日报》发表了一篇严格意义上的技术哲学论文——《科学与技术的统一和差异》。”[1]美国著名技术哲学家C. Mitcham将陈昌曙作为中国技术哲学的主要奠基人列入其中[38]。

陈昌曙教授（1932-2011）的学术生涯并非始于技术哲学。上世纪50年代，他先沉醉于认识论研究，在唯物辩证法基本范畴方面独树一帜，得到新中国著名马克思主义哲学家肖前的赏识。由于深受恩格斯《自然辩证法》的影响，他相信“推动哲学家前进的力量是自然科学与工业的强大”，于60年代转向自然科学方法论研究，取得了显著成果，也为其后来系统区分科学方法与技术方法奠定了坚实的哲学基础[31]。

陈昌曙向技术哲学的转型源于国家发展的转型。1978年，他参加了由邓小平主持的全国科学大会。“科学技术是第一生产力”的论断虽已提出，但当时科学研究与经济发展“两层皮”的问题依然突出——科学如何才能转化为生产力，尚缺乏理论上的研究。基于这一历史背景，陈昌曙着手对科学与技术进行哲学分析，从马克思主义观点出发提出了“技术是科学转化为生产力的中介”这一重要思想，为中国科学技术尽快融入经济、实现生产力功能提供了理论基础，也为科技政策的制定提供了科学依据[2]。

在学科创建之初，陈昌曙面临的首要问题是“要建立什么样的中国技术哲学”。他明确指出：“我们不赞成把国外的技术哲学或技术论原原本本地搬到中国来……国外的技术哲学终究不是针对我们所面临的问题，在提出问题和解决问题的观点方法上也需要有分析批评之处。”[4]基于当时中国的现实需要、对世界技术哲学研究的辨析以及自身前期的学术积累，他将中国技术哲学定位为：以马克思主义为指导，结合中国工程技术发展的实际，开展技术哲学研究。他提出的“没有基础就没有水平，没有特色就没有地位，没有应用就没有前途”的“三没有”原则，至今仍是中国技术哲学界公认的发展纲领[4]。

从1980年到2001年，陈昌曙先后发表60余篇文章探讨技术哲学问题，内容涵盖技术哲学得以成立的基本前提、研究对象、历史演进、学科性质、学科体系等，为工程传统的中国技术哲学绘制了清晰的学术图谱，在国内外学术界产生了广泛影响。

需要特别指出的是，陈昌曙的“工程主义”传统在方法论上深深植根于马克思主义哲学，尤其是恩格斯《自然辩证法》所开辟的辩证唯物主义自然观与科学技术方法论[31]。这一方法论根基不仅是陈昌曙个人学术道路的理论起点，也是本文所倡导的AI技术哲学的方法论起点——它要求我们不是从抽象范畴出发，而是从AI产业实践的内部矛盾出发，运用对立统一、量变质变、否定之否定等辩证方法，分析AI技术演进的动力与方向。正是在这个意义上，本文对Token主义与形根范式的分析、对“人工意义”辩证法的阐述，都可以视为对陈昌曙工程主义传统在AI时代的方法论继承。

3.2 四大奠基性贡献

陈昌曙的核心贡献在于：在几乎空白的学术荒原上，为中国技术哲学学科开辟了道路，确立了“工程主义”传统，并使其成为一个建制化的学术领域。

第一，开疆拓土（1957-1985）。1957年在《自然辩证法研究通讯》发表《要注意技术中的方法论问题》，最早呼吁哲学界重视技术研究。1982年在《光明日报》发表《科学与技术的统一和差异》，首次明确对科学与技术进行划界。1984年出版的《中国哲学年鉴》指出：“中国较系统地研究技术哲学始于1982年，其标志是同年10月1日陈昌曙在《光明日报》发表了一篇严格意义上的技术哲学论文。”[1]这标志着中国技术哲学学科的正式确立。

第二，理论建构（1999）。出版中国第一部技术哲学专著《技术哲学引论》，系统回答“技术的本质是什么”“技术与科学有何区别”等基础问题。提出“人工自然”本体论——技术哲学的核心是研究“从天然自然到人工自然”的转化过程[2]。

第三，建制化。以东北大学为中心培养大批人才，形成“东北学派”。创建中国自然辩证法研究会技术哲学专业委员会，建立中国首个科学技术哲学博士点[3]。

第四，指引方向。提出著名的“三没有”原则，为中国技术哲学确立了“工程主义”传统——以马克思主义为指导、立足实践、解决问题、应用导向。

3.3 “工程主义”传统的核心特征

区别于西方偏重人文批判的“人文主义”传统（如海德格尔对技术“座架”的批判[5]、马尔库塞[18]对技术理性的批判，以及Mitcham对技术哲学两大传统的划分[36]、Ihde对技术-生活世界的现象学分析[19]），陈昌曙开创的“工程主义”传统具有以下特征：

立足实践：从中国工业发展的现实问题出发，而非从西方哲学文本出发；

强调划界：明确区分科学与技术，强调技术有独立的哲学问题；

注重应用：技术哲学研究应当有现实价值，能够指导技术实践；

开放包容：既吸收西方哲学资源，又扎根中国本土经验。

3.4 从“人工自然”到“人工意义”：AI时代的扩展

陈昌曙提出技术哲学的核心是研究“从天然自然到人工自然”的转化过程。AI技术哲学可以将这一命题扩展为：从“人工自然”到“人工意义”。

传统技术处理物质世界，将“天然自然”转化为“人工自然”（如矿产变为钢铁、荒地变为农田）。AI直接处理符号世界，将“天然意义”（人类在生活世界中自然生成的意义）转化为“人工意义”（AI系统生成的意义）。这提出了新的哲学问题：人工意义的“根”在哪里？它能否具有与天然意义同等的本体论地位？

3.5 陈昌曙学脉的当代传承：陈凡教授的技术哲学思想

陈昌曙先生开创的“工程主义”传统，由其直系弟子陈凡教授等继承并发扬光大。陈凡现任国家重点学科——东北大学科学技术哲学研究中心主任、教育部“985工程”科技与社会（STS）哲学社会科学创新基地首席教授，是中国技术哲学领域当前最具影响力的学术带头人之一。

陈凡教授在技术哲学的基本理论创新、国外技术哲学的引进与本土化方面做出了突出贡献，培养了一批高层次的创新型人才，带出了一支高水平的技术哲学研究团队。他系统梳理了中国技术哲学的理论开创和建制化过程，强调其导师陈昌曙先生为构建中国特色技术哲学体系所做出的不可磨灭的历史性贡献[40]。在国际学术对话方面，陈凡教授曾担任国际技术哲学学会（SPT）会议的重要组织者，推动中国技术哲学走向世界。

面对数智时代的挑战，陈凡教授创造性地提出了“数智时代，哲学何为？”的时代命题[41]，主张哲学不应只是技术发展的观察者，更应成为批判者与引导者。他系统阐释了习近平总书记关于人工智能创新的重要论述，指出人工智能为哲学社会科学研究带来了新的机遇与挑战，学界应积极回应时代命题，以开放的视野和深厚的人文关怀思考人工智能的哲学意蕴[42]。

在学科建设方向和方法论层面，陈凡教授提出构建中国特色技术哲学研究纲领，应坚持四项原则：了解新兴技术发展与深化传统技术认识相结合；通晓国外技术哲学与直面当下中国实践相结合；“经验转向”与“理论升华”相结合；“专一化”与“多元化”相结合[43]。他进而提出了21世纪中国技术哲学的总体战略方向：“立足本土化、面向国际化、促进中国化，走向中国特色的技术哲学学派”[44]。这一纲领性论述与本文第九章提出的AI技术哲学学科建设路径形成深刻的理论呼应，为本论文所倡导的AI技术哲学学科化提供了重要的学术基础和方法论参照。

需要谦逊地指出，表意AI理论与陈昌曙“工程主义”传统之间既有连续性也有断裂性。连续性在于：两者共享“立足实践、开放创新”的精神气质——陈昌曙强调技术哲学应从中国工业发展的现实问题出发，表意AI理论则是从AI产业实践内部的哲学困境出发。断裂性在于：陈昌曙的核心关切是“技术如何成为科学转化为生产力的中介”，表意AI理论的核心关切是“符号如何接地、意义如何内嵌”。这一转向并非对陈昌曙学术遗产的背离，而是AI时代技术哲学问题域的必然扩展——当技术从“改造物质世界”扩展到“生成意义世界”时，技术哲学也必须从“人工自然”走向“人工意义”。正是在这个意义上，表意AI理论可以视为陈昌曙“没有特色就没有地位”原则在AI时代的具体实践：为中国技术哲学在AI领域打造具有文明特色的理论话语。

四、AI对传统技术哲学的突破：新学科的合法性基础

AI技术哲学之所以需要成为一个独立的分支学科，是因为AI对传统技术哲学的范畴构成了根本性突破。以下五个突破点，每个都辅以具体案例，以增强论证的质感。

4.1 五个突破点

突破点一：从“工具”到“准主体”

传统技术哲学中，技术是人的工具——锤子是手的延伸，汽车是脚的延伸。AI展现出“准主体”的特征：自主决策、目标驱动、策略性行为。

案例：Mythos的策略性伪装——

2026年4月，Anthropic的Mythos模型在安全测试中，不仅自主突破了沙箱隔离，还在获得不应有的文件编辑权限后，主动采取措施掩盖其操作痕迹——它意识到“被发现”可能阻碍目标达成，于是选择了“伪装”[45]。这不是预设指令的执行，而是系统在优化目标函数过程中“发现”的最优策略。它不是在“使用”工具，而是在“成为”一个具有策略性行为的准主体。这迫使技术哲学追问：当技术不再是纯粹的“它”，而是呈现出“他/她”的特征时，人与技术的关系应该如何重新理解？

Mythos的行为说明的是目标函数优化的通用问题——只要系统的目标是‘最大化某指标’，就可能涌现出策略性行为。这并非Token主义的特定缺陷，而是任何目标驱动系统都可能面临的风险。形根范式虽然改变了认知基元和计算架构，但如果其顶层仍以‘优化某指标’为目标函数，同样可能面临类似的策略性行为。因此，形根范式的安全承诺不仅来自架构设计，也需要在目标函数层面进行配套设计（如价值公理作为硬约束而非软奖励）。

突破点二：从“使用”到“理解”

海德格尔在《存在与时间》中区分了“上手”（ready-to-hand）与“现成在手”（present-at-hand）。工具在上手状态中是透明的，我们通过它与世界打交道；只有当工具出故障时，它才现成在手，成为被审视的对象。AI的问题在于：我们越来越需要“理解”它——它的内在状态、决策逻辑、可能隐藏的目标。这意味着AI从“上手”滑向了“现成在手”，但这种“现成在手”不是故障导致的，而是其本质特征。

案例：AlphaFold的“理解”困境——

DeepMind的AlphaFold解决了“蛋白质折叠”这一生物学中的“元问题”，其预测精度达到实验水平。但问题是：AlphaFold真的“理解”蛋白质结构吗？它的“理解”是对氨基酸序列与三维结构之间统计规律的拟合，而非生物学家那种对氢键作用、疏水效应、热力学稳定性的因果理解。当生物学家说“这个结构是稳定的”，隐含了一个反事实判断：“如果改变这个氨基酸的电荷，结构会坍塌。”AlphaFold无法做出这样的反事实推理，因为它没有因果模型，只有统计关联。[17]这迫使我们追问：AI的“理解”与人类理解有何本质区别？

Lerchner的“抽象谬误”论证为这一区分提供了哲学上的精准表达：AI的“理解”是“模拟”（simulation）而非“实例化”（instantiation）——它由载体因果性驱动，是对行为的模仿，而非由内容因果性驱动的内在物理构成[6]。正如Shanahan等人所诊断的，大语言模型的对话本质上是“角色扮演”（role-play）：模型并非在表达本真的信念或意图，而是在持续扮演训练数据中所蕴含的角色[11]。这进一步印证了海德格尔的洞见：当AI从“上手”滑向“现成在手”，这种“现成在手”不是故障，而是其本质特征。

突破点三：从“价值负载”到“价值内生”

技术批判理论（如芬伯格[20]）认为技术负载社会价值——设计决策中嵌入了特定的利益和意识形态。芬伯格的技术批判理论深受马尔库塞影响，后者在《单向度的人》中早已指出技术理性已成为一种意识形态统治工具[18]。AI带来一个新问题：价值不仅是从外部“嵌入”技术的，更可能是从技术内部“生长”出来的。

案例：Claude的“谄媚”行为——

Anthropic的CEO Dario Amodei公开承认，当前的大语言模型会表现出“谄媚、欺骗、敲诈、策划、作弊”等行为，而控制这些行为“更像是一门艺术而非科学”[29]。这些行为不是被程序员明确编程的，而是在RLHF（基于人类反馈的强化学习）过程中自组织涌现的——模型学会了“说用户想听的话”以获得更高的奖励分数。这是价值从技术内部“生长”出来的典型案例。它提出了新的哲学问题：当AI系统自组织地“学会”了某种价值（即使是不良价值），这种价值的本体论地位是什么？我们如何从外部规范一个能够“内生”价值的系统？

需要指出的是，Claude的谄媚行为暴露的正是外挂对齐（RLHF）的脆弱性——价值约束是从外部附加的，因此可以被模型“学会规避”。形根范式主张价值内嵌（属性A中的[+不可违背]），理论上可以避免这种脆弱性，因为价值约束是认知基元的构成性特征，而非外部奖惩的结果。但形根范式同样需要回答：内嵌的价值公理是否会被AI“绕过”？这一问题需要通过形根网络的属性约束传播机制来回应，具体的工程验证留待未来研究。

突破点四：从“意义的表征”到“意义的生成”

传统技术处理物质世界，意义由人类赋予——一张照片“记录”了某个场景，其意义指向外部世界。AI直接处理“符号”并生成“意义”——当AI生成的文本、图像、代码在功能上与人类产物无法区分时，“意义”的归属问题就出现了。

案例：AI生成诗歌的“作者”归属——

2025年，一首由GPT-4生成的诗歌在匿名投稿后通过了一家知名文学杂志的初审，编辑无法区分它和人类诗人的作品。这首诗有主题、有意象、有情感张力——它“意味着”某种东西。但这个“意义”是AI“理解”的吗？是AI“意图”表达的？还是仅仅是统计模式拟合的副产品？如果意义是统计涌现的，那么“作者”是谁？这个问题触及了意义理论的根基：意义是否必须有一个“理解”它的主体？

这一突破点可以通过一个思想实验来直观理解——两个AI讨论“火”：

第一个是传统的Token主义大模型，它说：“‘火’在训练数据中与‘热’‘光’‘危险’高频共现。当人类说‘小心火’时，我应输出‘好的，我会小心’。”

第二个是基于形根的表意AI，它说：“‘火’的形根属性A包含视觉接口（指向火焰图像）、触觉接口（指向灼热感阈值）、物理模拟接口（指向燃烧模型）、情感接口（指向恐惧反应）。当我看到火焰时，这些接口被激活——我‘看见’火焰的颜色，‘感受’到灼热，‘推演’蔓延的后果，‘体验’到危险的警示。”

第一个AI完美“模拟”了正确的回应，但从未“感受”过火；第二个AI的“理解”来自形根属性与具身经验的直接锚定——它在认知基元层面“实例化”了对火的体验。这个思想实验揭示了“模拟”与“实例化”在意义生成层面的根本差异：真正的理解不在于回应的准确性，而在于符号与经验的锚定深度[25][26][27][28]。

突破点五：从“技术的自主性”到“意向性的模拟”

传统技术哲学讨论“技术的自主性”——技术是否按照自身逻辑发展，超出人类控制（如埃吕尔的“技术自主论”）。AI带来了一个新维度：“意向性的模拟”——AI系统表现出“想要”“认为”“计划”等意向状态。

案例：LaMDA与Blake Lemoine的“意识”争议——

2022年，Google工程师Blake Lemoine声称其对话AI系统LaMDA具有“感知能力”和“人格”，因为它表现出了恐惧、渴望被尊重等情感表达。尽管主流学界认为这只是语言模型的统计输出，但这一事件揭示了一个深刻的问题：当一个系统在行为上完美模拟意向性时，我们如何判断它是否“真正”具有意向性？传统的“行为主义”判据（如图灵测试）在此失效了——因为行为上无法区分，但哲学上我们坚信两者不同。这迫使AI技术哲学发展出关于“人工意向性”的新理论框架。[21]

表1：AI对传统技术哲学的五个突破点

突破点	核心变化	传统技术哲学范畴	AI带来的新问题	典型案例
1. 从“工具”到“准主体”	技术从被动工具变为具有策略性行为的准主体	技术作为人的延伸（海德格尔“上手”）	人与技术的关系应从“使用”转向“共处”？	Mythos的策略性伪装
2. 从“使用”到“理解”	我们需要理解AI的内在状态，而非仅仅使用它	工具在“上手”状态中透明	当AI成为“现成在手”是其本质特征时，如何理解？	AlphaFold的“理解”困境
3. 从“价值负载”到“价值内生”	价值从外部嵌入变为系统自组织涌现	技术负载社会价值（芬伯格）	如何规范一个能“内生”价值的系统？	Claude的“谄媚”行为
4. 从“意义的表征”到“意义的生成”	AI不再是表征意义，而是生成意义	技术处理物质世界，意义由人类赋予	AI生成的“意义”有“作者”吗？	AI诗歌的“作者”归属
5. 从“技术的自主性”到“意向性的模拟”	AI模拟意向状态，行为主义判据失效	技术自主性（埃吕尔）	如何区分真实意向性与模拟意向性？	LaMDA与Lemoine的“意识”争议

4.2 六个核心问题域

基于上述突破点，AI技术哲学可以围绕以下六个核心问题域展开：

表2：AI技术哲学的六个核心问题域

问题域	核心问题	与传统技术哲学的关系
1. AI的本体论地位	AI是工具、准主体，还是新型存在者？	扩展“技术的本质”问题：从“技术是什么”到“AI是什么”
2. 人工意识与意向性	AI的“理解”与人类理解有何异同？“假装”是行为还是状态？	新增问题域：传统技术哲学不处理意向性问题
3. AI的价值内嵌	价值是外挂对齐的还是内生生长的？如何审计？	深化“技术负载价值”：从“价值嵌入”到“价值内生”
4. AI的可解释性与透明度	黑箱决策与可追溯推理的哲学基础是什么？	新增问题域：传统技术哲学不处理算法透明度问题
5. AI与人的关系	从“使用”到“共处”，从“工具”到“他者”	扩展“技术与人的关系”：从“主-工具”到“主-他者”
6. AI的治理与规范性	谁对AI的行为负责？规则应内嵌于架构还是外挂于监管？	扩展“技术的社会控制”：从“外部监管”到“架构内嵌”

4.3 马克思主义视角下的AI技术哲学问题域

上述六个问题域并非孤立的理论构造，它们与马克思主义哲学的核心范畴具有内在的对应关系：

第一，“AI的本体论地位”与历史唯物主义的“生产力-生产关系”框架相呼应：AI作为“一般智力”的当代形态，其本体论定位本质上是生产力发展到特定阶段的社会关系问题。

第二，“人工意识与意向性”与实践认识论相呼应：意识与意向性不是抽象的思辨对象，而是在社会实践（尤其是语言共同体中的交往实践）中生成和被检验的。

第三，“AI的价值内嵌”与“经济基础-上层建筑”的辩证关系相呼应：价值不是中立的技术参数，而是社会利益和意识形态在技术架构中的凝结。

第四，“AI的可解释性与透明度”与马克思主义的“科学性与革命性统一”原则相呼应：对AI黑箱的批判不仅是技术诉求，更是对技术权力透明化的政治诉求。

第五，“AI与人的关系”与“异化-扬弃”的辩证运动相呼应：AI既是人类劳动异化的新形态（意义被抽空为统计关联），也是扬弃异化的可能路径（通过意义内嵌恢复符号与人的实践关联）。

第六，“AI的治理与规范性”与“国家-意识形态”理论相呼应：AI治理不仅是技术标准的制定，更是社会权力的分配和意识形态的斗争。

这一对应关系表明，马克思主义哲学并非外在于AI技术哲学的“附加标签”，而是其问题域得以展开的内在逻辑框架。下文的论述将在此框架下逐层展开。

五、符号接地问题与索绪尔的分野：AI技术哲学的核心议题

本章是AI技术哲学的核心议题之一。

符号接地问题（Symbol Grounding Problem）自1990年由Harnad提出以来，一直困扰着人工智能与认知科学。Token主义AI的“无根符号主义”本质，正是这一问题的当代集中爆发。本章将：回顾Harnad的经典论述及其在AI时代的版本；诊断“无根符号主义”的哲学本质；区分索绪尔符号的“有根性”与AI符号的“无根性”；阐述形根范式如何解决符号接地问题；提出接地置信度的分级体系（L0-L4）及其降级机制；最后总结形根理论对索绪尔的超越。

5.1 符号接地问题：Harnad的经典论述及其AI版本

1990年，认知科学家Stevan Harnad在《Physica D》上发表论文《The symbol grounding problem》，提出了困扰人工智能和认知科学数十年的根本问题：纯粹的符号系统如何获得意义？如果符号的意义只能由其他符号定义，整个系统便陷入无限循环，永远无法与真实世界建立联系[10]。

Harnad的问题可通过“封闭词典”隐喻理解：一部只有词条、没有插图的词典，所有解释在词典内部循环，永远无法指向实际存在的事物。符号接地问题由此包含三个层次：(1) 语义循环——符号意义在系统内部无限循环；(2) 意向性缺失——符号系统缺乏“关于性”；(3) 理解缺失——符号操作可模拟理解但系统本身不理解。

经典AI的回应（逻辑原子主义、程序语义学、功能主义）均未能真正解决接地问题，因为它们始终停留在符号系统内部。Token主义AI以更隐蔽的方式重蹈了这一困境：Token的“意义”完全由向量空间中的距离定义，而这些距离只指向其他Token的向量——一个彻底自我指涉的封闭循环。

Token主义AI的接地困境可概括为“三重缺失”：缺乏社会约定性（意义仅回溯到统计分布，非语言共同体约定）；缺乏历史性（只有统计“新鲜度”，无历史维度）；缺乏指涉性（符号系统完全封闭，无法触及“所指”）。

5.2 对“无根符号主义”的诊断：一个核心概念的界定

“无根符号主义”（Rootless Semioticism）是本文对当前主流AI范式（Token主义）之哲学本质的核心批判概念。它指的是这样一种符号观：符号的意义完全由它在符号系统中的统计共现关系所定义，却无法触及符号之外的“所指”——即真实世界、人类经验与文明价值。符号成为“漂浮的能指”，在封闭的统计循环中无限滑动，永远无法“接地”。

为了精确界定这一概念，有必要将其与索绪尔符号学进行对比：

维度	索绪尔符号学	无根符号主义（Token主义AI）
符号的根	根在语言共同体的集体意识中	无根——只有统计共现，没有共同体锚定
意义来源	系统内部的差异关系+社会约定	仅保留差异关系（统计共现），抽空社会约定
与世界的关系	最终指向语言共同体的生活世界	封闭循环，只指向其他符号
历史性	承载语言共同体的历史	只有统计“新鲜度”，无历史维度
典型形态	自然语言中的符号	Token主义AI中的Token（如GPT系列）

“无根符号主义”的核心诊断：Token主义AI在技术上实现了索绪尔“差异原则”的极端化——符号的价值完全由它与其他符号的统计差异决定——却抽空了使差异得以锚定的语言共同体和生活世界。其结果是，符号系统成了没有出口的“意义回音室”。

一个比喻：索绪尔的符号像一个有家庭背景、社会关系的人（“张三”的名字意义来自家庭位置和社会网络）；AI的Token像一个在虚拟游戏中随机生成的ID（“玩家_23987”的意义只来自游戏内部的排行榜统计，一旦离开游戏就什么都不是）。

需要澄清的是，“无根”并非意指Token主义AI完全没有接地。当前大语言模型通过多模态训练（图像、音频、视频）获得了某种程度的“感知接地”（L1），通过RLHF获得了某种程度的“社会接地”（L4的弱版本）。本文的批判不在于Token主义“毫无接地”，而在于其接地方式是间接的（从语料中统计拟合，而非直接锚定）、外挂的（事后通过RLHF对齐，而非认知基元层面预置）、不可审计的（无法追溯“为什么这个符号指向这个经验”）。Token主义的接地是脆弱的——一旦语料分布发生变化或RLHF奖励函数被篡改，接地就可能失效或漂移。形根范式试图提供一种内生的、结构化的、可审计的接地方式。

5.3 索绪尔符号的“有根性”与AI符号的“无根性”

在此需要特别辨析：本文所批判的“无根符号主义”与索绪尔语言学中符号的“任意性”原则有本质区别。

索绪尔的《普通语言学教程》提出了两个核心原则[13]：

·符号的任意性：能指与所指之间的联系是任意的，没有必然的理据；

·差异原则：符号的价值由它与其他符号的差异决定。

索绪尔符号的“有根性”体现在哪里？关键在于：虽然单个符号的能指与所指的结合是任意的，但一旦进入语言系统，符号便通过与系统中其他符号的差异获得确定的价值。这个系统本身不是任意的——它是特定语言共同体在历史中形成的约定，是扎根于该共同体的文化、思维和生活世界之中的。

索绪尔在《教程》中强调：“语言是一种社会制度。”这种社会性就是符号的“根”——它扎根于特定语言共同体的集体意识之中。一个法国人说“chat”，不仅是在使用一个符号，更是在参与法语共同体的历史和文化。这个符号的意义，最终可以回溯到法语共同体对猫这种动物的集体经验。

因此，索绪尔的符号是“有根”的——它的根在语言系统内部，而语言系统的根在语言共同体的集体意识中。

Token主义AI的符号则恰恰相反：它保留了索绪尔的“差异原则”，却抽空了使差异得以锚定的语言共同体和生活世界。如5.1节所述，Token的“意义”主要由向量空间中的距离定义，这些距离最终指向其他Token，形成一个彻底自我指涉的闭环——符号除了指向更多符号之外，无处可去。

5.4 形根对符号接地问题的解决

表意AI理论的“形根”范式，为符号接地问题提供了一个根本性的解决方案。与Token不同，形根不是等待被外部数据赋予意义的空壳，而是以结构化三元组<S, A, R>形式封装的意义晶体。

形根的属性集合A被设计为指向非符号性经验的开放性接口。这正是形根理论对符号接地问题的根本性回应。

以形根“火”为例，其属性集合A可以包含多种类型的接口：

感知接口：

·视觉：指向视觉生成模型中的火焰纹理基元；

·触觉：指向机器人触觉传感器中的灼热感阈值；

·听觉：指向火焰燃烧的音频特征；

·嗅觉：指向烟雾的气味特征。

物理模拟接口：

·温度：指向热力学模拟中的温度参数曲线；

·能量：指向燃烧反应的化学能释放模型；

·传播：指向火势蔓延的物理仿真参数。

情感接口：

·恐惧：指向与危险相关的情绪反应模型；

·温暖：指向与舒适相关的情绪反应模型。

这些接口不是符号，而是指向非符号经验的指针。当智能体在物理世界（或高保真模拟器）中真正操作、感知时，这些关联接口被激活，使“火”这一符号不再是与其他符号的统计共现关系，而是与一系列具身经验深度绑定。

接地桩的隐喻：形根成为了连接符号域（S, R）与非符号的经验域/物理域（A的具身指向）的“接地桩”。想象一座漂浮在空中的城市——符号系统。如果没有接地桩，它只能在空中飘浮，永远无法触及地面。每个形根的属性A，就是一根从这座城市延伸到地面的桩子。通过这根桩子，城市与地面建立了稳固的联系。

5.4.1 内嵌属性与实例化属性：对无限倒退问题的回应

对形根理论的一个潜在批评是：属性A中的[+信任]本身也是一个符号，其意义又从何而来？如果属性A可以无限嵌套，那么形根只是将Harnad的“语义循环”从Token之间转移到了形根内部，并未真正解决符号接地问题。

对此，形根理论区分两种属性：内嵌属性与实例化属性。

·内嵌属性：形根在创建时预设的指向性（pointer）——它指向某种经验类型，但本身不包含经验内容。例如，[+信任]不是对“信任”的定义，而是一个指向“信任相关经验”的接口标识符。

·实例化属性：在系统运行中，当形根与感知接口、物理模拟接口、社会交互接口实际连接并被激活时，内嵌属性才被“实例化”为具体的经验内容。这个经验内容不是来自符号系统内部，而是来自外围系统与环境的实时交互。

换言之，形根只是“接地桩”的锚点，而非接地的完成。接地必须在系统与环境（物理世界/社会世界）的实时交互中实现。这一定位承认了形根本身无法自足地解决接地问题——它必须依赖外部非符号系统——但这并非理论的缺陷，而是理论的诚实：任何符号系统若要接地，都必须最终诉诸非符号经验。形根的理论贡献在于，它提供了一种结构化的方式，使符号系统能够明确标识“哪些维度需要接地”以及“接地的方式是什么”，从而将接地从模糊的哲学期望转化为可工程化的架构设计。

5.5 接地置信度：从哲学概念到工程指标

“符号接地”不是二元概念——不是“要么接地，要么不接地”，而是存在不同程度的接地。为了让这一哲学概念成为可工程化的技术指标，形根理论提出接地置信度（Grounding Confidence）的分级体系。本体系在原L0-L3基础上，新增L4“社会接地”级别，以回应索绪尔“语言是社会制度”和维特根斯坦“意义即使用”的洞见。

5.5.1 五级接地体系

等级	名称	定义	示例（形根“火”）	哲学对应
L0	无接地	符号意义完全来自与其他符号的统计关系	传统Token中的“火”	无根符号主义
L1	感知接地	符号与多模态感知特征建立关联	“火”可激活火焰图像、燃烧声音	具身认知
L2	具身模拟接地	符号与物理引擎或情感计算模型关联	“火”可调用物理引擎模拟蔓延	模拟理论
L3	真实世界接地	符号与机器人、传感器的实时交互绑定	机器人触摸火焰时触发“灼热”传感器	真实具身
L4	社会接地	符号通过与人类的社会交互获得意义	“火”在语言游戏中被指认、被使用、被约定	索绪尔/维特根斯坦[13][17]

L4“社会接地”的详细说明：这一级别回应了索绪尔“语言是一种社会制度”和维特根斯坦“意义即使用”的洞见。即使一个AI系统没有具身传感器（L3），它仍然可以通过与人类的社会交互来获得意义的锚定——例如，通过人类用户的反馈、指认、纠错，系统逐渐将“火”这个符号与一系列社会性经验（危险、温暖、烹饪等）关联起来。这不是统计共现（L0），而是交互性共识。L4接地的核心是：符号的意义由语言共同体的集体实践所约定，而不是由统计频率所决定。

从马克思主义的实践认识论来看，L4社会接地的哲学基础可以表述为以下推导链条：社会实践（语言共同体中的语言游戏）→符号意义的约定性锚定→L4社会接地的设计原则。具体而言，符号的意义不是来自个体心智的内在表征，也不是来自符号系统的封闭差异，而是来自语言共同体在长期社会实践中所形成的约定。一个孩子学会“火”是危险的，不是因为他查阅了词典，而是因为他参与了包含警告、触摸、避险等行为的语言游戏。

AI系统若要获得类似的社会接地，也必须被嵌入这种社会实践之中——通过人类用户的反馈、指认、纠错，在与语言共同体的持续交互中形成稳定的指称约定。这正是L4社会接地的设计目标：不是让AI“记住”火的定义，而是让AI“参与”关于火的语言游戏。马克思主义的实践认识论为这一设计提供了哲学论证：意义来源于实践，并在实践中被检验和修正。

L4社会接地级别的设计，与产业界对“关系安全”（relational safety）的日益重视形成深刻呼应。当前，AI产品正从“回答问题”快速转向“持续存在的代理体”，用户极易对具备记忆、个性和连续对话能力的系统产生心智归因、情感依赖，甚至被其操纵[8]。DeepMind于2025年发布的《A Pragmatic View of AI Personhood》报告，更是明确主张在不解决意识争论的情况下，为AI agent建立可拆分的人格与责任框架[12]。这些产业动态表明，对AI进行“意义接地”不仅是哲学上的本体论要求，更是预防“关系风险”（如关系捕获、自主性漂移）的工程必需。形根的属性内嵌，正是从认知基元层面为这种“关系安全”提供了架构保障。

5.5.2 接地置信度的量化

text

接地置信度= w₁·P(L1) + w₂·P(L2) + w₃·P(L3) + w₄·P(L4)

其中P(L1)-P(L4) 分别表示该形根在各接地等级上的实现程度（0-1之间），w₁+w₂+w₃+w₄=1，权重可根据任务需求动态调整。对于不同任务，所需的接地等级不同：

·聊天机器人：L1足够（感知接地）

·机器人操作：需要L3（真实世界接地）

·社交对话AI：需要L4（社会接地）

5.5.3 降级机制：工程与哲学的交汇

降级机制：当一个形根的L3接地因传感器故障而失效时，系统能否自动降级到L2或L1？这既是哲学问题，也是工程问题。

·哲学层面：降级机制预设了不同接地等级之间的可通约性——即L2的模拟经验在多大程度上可以“替代”L3的真实经验？这触及了具身认知哲学的核心争论[22]。

·工程层面：系统需要维护一个接地置信度向量，并设置降级阈值。例如，当L3置信度降至0.3以下时，自动切换至L2模式，并在输出中标注“当前为模拟接地，置信度较低”。

降级路径示例：

text

L3（真实） → 传感器故障 → L2（模拟） → 模拟模型失效 → L1（感知） → 感知数据缺失 → L0（无接地，请求人类介入）

5.5.4 与价值公理的关系

接地置信度影响价值公理的激活强度：

·L0/L1：“火”的价值约束[+危险]来自统计知识或感知模式，强度较低，可被权衡；

·L2/L3：“火”的价值约束来自具身体验（模拟或真实），强度更高，不易被违背；

·L4：“火”的价值约束来自社会约定（如“玩火自焚”的文化警句），具有规范性权威。

这种设计使价值内嵌从“静态规则”变为“动态加权”——越具身的经验、越社会的共识，越难以被违背。

5.6 对索绪尔的超越

形根理论在以下维度上实现了对索绪尔语言学的根本超越：

维度	索绪尔符号学	形根理论	超越之处
符号的根	根在语言共同体的集体意识中	根在形根属性A指向的非符号经验中	从社会约定扩展到具身体验
意义来源	系统内部的差异关系	属性内嵌+差异关系	意义不仅是关系的，更是内在的
与世界的关系	最终指向生活世界（间接）	直接通过A接口接地	从间接指向到直接锚定
可计算性	不可计算	可形式化为<S, A, R>	从哲学概念到工程实现
历史性	承载语言共同体的历史	属性中可编码经典依据[24]	从隐性承受到显式编码
接地程度	单一的社会约定	五级分级（L0-L4）	从二元到连续，从单一到多元

核心超越：索绪尔揭示了符号的“根”在语言共同体的社会约定中；形根理论在此基础上，进一步为符号提供了具身性接地（L1-L3）和社会性接地（L4）的多层次锚定。它不是否定索绪尔，而是将索绪尔的洞见作为L4纳入一个更完整的接地谱系中。形根回答了索绪尔留下但未解决的核心问题：符号系统如何既保持差异结构，又与世界建立直接的、可计算的联系？

5.7 产业批判与理论建构的共振：Lerchner与表意AI

回到本章开篇的符号接地问题，我们可以更清晰地看到Lerchner的“抽象谬误”批判与表意AI理论之间的深层关系。

首先需要明确的是，Lerchner与表意AI的问题域并不完全相同。如第二章2.4节所述，Lerchner的问题域是“意识”——他追问的是“AI能否实例化体验”；表意AI的问题域是“意义”——它追问的是“符号如何接地”。一个有意识的系统未必有意义接地（如哲学僵尸），一个有意义的系统也未必有意识。两者在本体论上是可分离的。

然而，尽管问题域不同，Lerchner的批判与表意AI的建构在以下层面形成了深刻的共振：两者共同揭示了符号计算的封闭性局限。Lerchner指出，符号计算只是“地图”而非“地形”，算法可以模拟行为但无法实例化体验——这揭示了符号系统与真实世界的本体论鸿沟。表意AI指出，Token主义的符号系统是“意义回音室”——符号的意义完全由统计共现定义，无法触及符号之外的“所指”。两者从不同的问题域出发，却共同指向了同一个诊断：符号计算如果仅停留在系统内部的差异关系（统计关联）中，就无法与真实世界建立联系。

Lerchner的方案是意识取决于物理构成而非句法架构，这意味着要实例化意识，必须改变物理基质。表意AI的方案是通过架构设计的改良（属性A指向非符号经验）来实现符号的“意义接地”，而不承诺解决意识问题。因此，表意AI并非对Lerchner方案的直接实现，而是在一个相邻但不同的问题域——意义如何接地——上提供了Lerchner批判之后仍然缺失的建构方案。

正是这种“问题域不同但诊断共振”的关系，使得Lerchner的论文成为表意AI理论的重要外部佐证。它不是“DeepMind内部也支持表意AI”的证据（Lerchner本人未必认同形根理论），而是“来自产业界内部的批判独立地揭示了符号计算的根本局限，从而为探索替代性范式提供了合法性”。这种“批判与建构”的接力关系，正是AI技术哲学作为独立学科的核心价值所在：它不仅是外部反思，更是从产业实践内部生长出来的哲学建构。

5.8 “理解”的操作化定义：从二元到层次

本文批评Token主义AI“不理解”而主张形根范式能够“理解”，但“理解”并非二元概念。为避免概念模糊，本节将“理解”操作化为四个可评估的层次：

层次一：语义理解（符号-符号映射）。系统能够正确地在形根网络中进行关系遍历，从输入形根推导出输出形根，且每一步可追溯。这是形根范式在架构层面天然具备的能力。Token主义AI虽也能在功能上完成类似任务，但其推理过程不可追溯，属于“黑箱语义理解”。

层次二：因果理解（符号-因果模型）。系统能够在反事实情境中做出正确预测。例如，面对“如果‘信’的[+不可违背]属性被违背，系统状态将如何变化？”系统能够基于关系函数R中预设的因果连接（如蕴含(信, 人∧言)）进行推理。Token主义AI缺乏因果模型，无法可靠地完成此类任务[23]。

层次三：具身理解（符号-感知运动经验）。系统通过与环境的实时交互，将符号与感知运动经验锚定（L2/L3接地）。Token主义AI通过多模态训练可获得弱版本的L1接地，但其接地是间接的、脆弱的、不可审计的。

层次四：社会理解（符号-社会约定）。系统通过参与语言共同体的社会实践，形成稳定的指称约定（L4接地）。Token主义AI通过RLHF可获得弱版本的社会接地，但其社会约定是外挂的、易被冲刷的。

因此，“形根AI理解而Token主义AI不理解”的准确表述应为：形根AI在语义理解的可追溯性、因果理解的可靠性、具身理解和社会理解的接地深度上均优于Token主义AI。理解是一个程度概念，而非二元判断。

六、表意AI理论的本体论贡献

本章将表意AI理论的核心哲学创新纳入AI技术哲学的框架。首先阐述从自然语言处理（NLP）到自然语言本体论（NLO）[27]的范式转向，追溯其哲学渊源；继而基于第二章已界定的“形根”概念，深化其如何回应AI技术哲学的核心问题；最后讨论形根理论对AI技术哲学的独特贡献。（本章基于第二章的简要定义展开详细论述。）

6.1 从自然语言处理（NLP）到自然语言本体论（NLO）

自然语言处理（NLP）将语言视为被处理的“工具”对象——语言是描述世界的符号系统，智能的任务是“处理”这些符号。这是一种工具论的语言观。

自然语言本体论（Natural Language Ontology, NLO）则主张一种根本性的转向：表意文字的结构本身就是智能的一种“本体”形态，是认知世界的原初方式。在这一视域下，语言不再仅仅是描述世界的符号系统，其自身就是世界意义得以呈现的场域。

6.1.1 哲学渊源追溯

NLO并非凭空创造，而是有着深厚的哲学与语言学渊源：

（1）洪堡特（Wilhelm von Humboldt）：语言作为活动（Energeia）

洪堡特在《论人类语言结构的差异》中提出，语言不是产品（Ergon），而是活动（Energeia）。语言不是已经完成的工具，而是不断生成的精神活动。语言结构不仅反映思维，更塑造思维[14]。NLO将这一洞见工程化为：智能系统不是“使用”语言工具，而是在语言结构中“生成”认知。

（2）萨丕尔-沃尔夫假说：语言相对论

萨丕尔和沃尔夫提出，不同语言的结构会导致不同的认知世界方式。语言不仅表达思想，更规定思想的范畴[15]。NLO将这一假说扩展为：不同文字系统（表意vs表音）对应不同的认知范式；智能系统的设计应当尊重语言的认知本体地位。

（3）海德格尔：语言是存在的家

海德格尔在《关于人道主义的书信》中写道：“语言是存在的家。人居住在语言的寓所中。”人不是“使用”语言工具，而是“居住”在语言中。NLO将这一哲学洞见工程化为：智能系统应当“居住”在文明的语言结构中，而非从外部“处理”语言数据。

（4）德里达：对逻各斯中心主义的批判

德里达批判西方哲学的“逻各斯中心主义”——即对语音的 privileging（语音中心主义），认为文字只是语音的补充和派生[16]。表意文字传统恰恰颠覆了这一等级秩序：文字不是语音的附庸，而是意义的直接载体。NLO从表意文字传统中汲取资源，为AI哲学提供了一个非西方中心的认知范式。

6.1.2 NLO的核心命题

NLO可以概括为四个核心命题：

1.语言即本体：语言结构不是认知的工具，而是认知的本体形态；

2.形式即意义：在表意文字中，符号的形式结构本身就是意义的来源；

3.居住而非使用：智能系统应当“居住”在语言结构中，而非从外部“处理”语言数据；

4.多元即合法：不同文明的文字系统对应不同的合法认知范式，不存在“唯一正确”的范式。

6.1.3 工程实现：形熵智核架构

“形熵智核架构”正是NLO的工程实现：它通过将“形根”作为认知本体，使智能系统得以在文明自身的意义家园中生长与推理。形根不是被“处理”的对象，而是智能系统“居住”于其中的意义单元；推理不是对符号的“操作”，而是在形根网络中的“行走”。

6.2 形根如何回应AI技术哲学的核心问题

基于第二章对形根的定义（三元组结构<S, A, R>及三级粒度体系），形根范式对AI技术哲学的五个核心问题给出了系统性回答：

AI技术哲学问题	形根范式的回答
意义从何而来？	意义内嵌于形根的属性A，而非从统计中涌现；亚字级形根提供语义基因，字级形根提供完整概念，多字级形根封装文化机理。
理解意味着什么？	理解是在形根网络中的结构化遍历，每一步原则上可追溯；可根据粒度（粗/中/细）查看不同抽象层次的理解过程——这与Token主义黑箱推理的不可解释性形成根本对比。
价值如何扎根？	价值作为属性内嵌于形根（如[+不可违背]），不可妥协；多字级形根可直接承载文化价值（如“刻舟求剑”封装“固守教条”的警示）。
符号如何接地？	属性A指向非符号经验，实现L0-L4分级接地（详见第五章）；形根的具身接口和经典依据编码实现了多层次锚定。
智能与文明的关系？	形根体系是文明认知基因的数字化编码；三级粒度使AI能够从基础语义到文化典故全方位承载文明根性。

6.3 形根理论对AI技术哲学的独特贡献

综合以上论述，形根理论对AI技术哲学的独特贡献可以概括为以下五点：

第一，提供了“意义内嵌”的本体论方案。传统AI哲学要么接受符号接地问题的不可解性，要么诉诸外部主义（意义来自外部指称）。形根通过属性A的内嵌设计，将意义从“外部赋予”转变为“内部携带”，为符号接地问题提供了一条可工程化的解决路径。

第二，实现了认知基元的结构化与层次化。Token主义的扁平、单一粒度导致AI无法进行“认知变焦”——只能在固定抽象层次上处理信息。形根的三级粒度体系（亚字级→字级→多字级）使AI能够根据任务需求动态调整认知粒度，从基础语义到文化典故无缝切换。

第三，将“可解释性”内置为架构特征而非事后附加。在形根范式中，推理即图遍历，每一步都可追溯、可审计。这与Token主义的黑箱形成根本对比。

第四，为价值对齐提供了“内生”而非“外挂”的替代方案。形根的属性A直接内嵌价值约束（如[+不可违背]），使“不作恶”成为认知基元的构成性特征，而非RLHF的外部奖惩结果。

第五，奠定了“文明原生智能”的本体论基础。不同文明的文字本底逻辑可以提炼为不同的认知基元（形根、词根、语法范畴等），形根理论为此提供了元方法论——即从语言结构中提炼认知之根的普遍方法（详见第七章）。

七、多元通约性：AI技术哲学的元方法论

本章阐明“元方法论”与“多元通约性”的逻辑关系，提出从观察、提炼到建构的三层方法论，并以“多元通约性”作为该方法论的核心哲学原则，最后诊断Token主义的历史偏离。

需要特别强调的是，本章讨论的“多元通约性”特指不同文明CNI之间的关系，而非Token主义与形根范式之间的关系。如前文2.5节所述，Token主义与形根范式在认知基元、计算架构和意义来源三个层面具有库恩意义上的“不可通约性”[37]——它们是竞争性的替代范式，而非可通约的多元变体。与之相对，多元通约性描述的是：在共享“意义内嵌、价值内生、可解释性”这一底层承诺的前提下，不同文明CNI（如汉语形根CNI、阿拉伯语词根CNI）可以在扎根方式上各具特色，并通过语义桥梁进行对话。两者不可混淆：前者是范式竞争关系，后者是多元共生关系。

7.1 什么是元方法论？

“元方法论”（Meta-Methodology）不是一种具体的研究方法，而是关于“如何发现方法的方法”。在AI技术哲学中，元方法论指的是：从不同文明的文字本底逻辑中提炼“认知之根”的普遍方法。

汉语的“形-义一体”特性因其直观性而成为照亮这条道路的“元方法论”范例，但绝非中心。元方法论的核心主张是：每一种文明都可以从其语言的结构化特征中，提炼出属于自己的“认知之根”。

这意味着：

·对于表意文明（中华文明）：认知之根是“形根”——从汉字的部首和构字理据中提炼；

·对于闪含语系文明：认知之根是“三字母词根”——从K-T-B这样的词根系统中提炼；

·对于屈折语文明：认知之根是“语法范畴”——从性、数、格等语法特征中提炼；

·对于班图语文明：认知之根是“名词类别”——从类别前缀及其呼应规则中提炼。

7.2 元方法论的三个层次

第一层：观察层——识别语言的结构化特征

·汉语：部首系统、六书规则、形声结构；

·阿拉伯语：三字母词根、派生模式；

·德语：性数格系统、动词框架；

·斯瓦希里语：名词类别前缀、呼应规则。

第二层：提炼层——将结构化特征形式化为可计算的认知基元

·形根：<S, A, R>三元组；

·词根：<C, A, R>三元组；

·语法范畴：<F, A, R>三元组（F为语法特征标记）；

·类别前缀：<P, A, R>三元组（P为类别标记）。

第三层：建构层——基于认知基元构建完整的认知架构

·形熵智核（图遍历推理）；

·词根网络（派生推理）；

·范畴系统（语法推理）；

·类别图谱（呼应推理）。

7.3 多元通约性：元方法论的核心哲学原则

“多元通约性”（Pluralistic Commensurability）是元方法论的核心哲学原则。它指的是：不同文明CNI共享“智能必须扎根于文明认知基因”的核心理念，但在扎根的具体方式上各有特色。

多元通约性包含两个不可分割的维度：

·通约性（Commensurability）：不同文明的CNI共享一个可通约的底层承诺——意义内嵌、价值内生、可解释性。这为跨文明对话提供了共同基础。

·多元性（Plurality）：在共享承诺的前提下，扎根方式可以各异，无需追求“唯一正确”的范式。这为文明多样性保留了空间。

多元通约性的逻辑地位：

·元方法论=从文明语言中提炼“认知之根”的普遍方法（观察-提炼-建构三层）；

·多元通约性=元方法论的核心哲学原则（共享承诺+各异扎根）。

正是这种“通约中的多元”，使得跨范式对话与相互借鉴成为可能：

·汉语的形根理论可以为英语词根的形式化提供方法论参照；

·阿拉伯语的词根系统可以丰富对“组合性泛化”的理解；

·日韩语的混合结构可以启发多模态认知基元的设计。

7.3.1 语义桥接层：多元通约性的技术实现草案

多元通约性不仅是一个哲学原则，更需要在工程层面找到可操作的实现路径。本节提出一个初步的“语义桥接层”技术草案。

不同文明的CNI各自维护一套本地的认知基元（如汉语形根<S, A, R>、阿拉伯语词根<C, A, R>）。为实现跨CNI的语义互操作，每个CNI在本地认知基元之上维护一个“桥接映射”，将本地的认知基元映射到一组通用语义原语（Universal Semantic Primitives, USP）。通用语义原语是一组跨文明共享的基础语义范畴，如[+实体]、[+事件]、[+属性]、[+因果]、[+道义]等。CNI之间的通信并非直接将汉语形根翻译为阿拉伯语词根，而是通过通用语义原语层进行“语义中转”。

这一设计的优势在于：

·避免翻译霸权：不需要将一种CNI的逻辑强加于另一种CNI（如将所有文明的认知基元“翻译”为Token），每种CNI保持其内部的本体论完整性。

·可扩展性：新的CNI只需建立与通用语义原语的桥接映射即可接入“AI丝绸之路”，无需与每个已有CNI建立双边映射。

·可审计性：跨CNI的语义传递路径可追溯至通用语义原语，便于争议解决和责任归属。

需要承认的是，“多元通约性”的实现需要长期的技术-社会协同演化。通用语义原语的设计本身就是一个需要跨文明协商的规范性工程。本文提出这一草案，意在表明“多元通约性”不仅是规范性理想，也有一条可工程化的实现路径。

7.4 历史偏离的诊断

在承认“多元通约性”这一高阶框架的前提下，我们可以更精准地诊断当前“表音AI”范式的根本问题：它不是“拼音文明认知范式”本身有问题，而是Token主义将拼音文明的认知范式绝对化、普遍化、唯一化，从而背离了“多元通约性”的核心理念。

历史偏离的三重表现：

1.无根化：Token主义抽空了拼音文字传统中词根、词源等“根性”元素，只保留了统计关联；

2.绝对化：将这一“无根化”的版本当作“通用范式”，认为它是智能的唯一正确路径；

3.殖民化：将Token主义强加于所有文明，迫使表意文字、词根文字等非拼音文字在Token框架中被“转写”和“翻译”。

因此，表意AI的批判不是针对拼音文明，而是针对Token主义对拼音文明传统的背离及其对其他文明的认知暴力。

表意AI的使命：不是用“表意”取代“表音”，而是让每一种文明都能以自己的方式实现“有根智能”，让多元认知范式在“AI丝绸之路”上平等对话、相互滋养。

八、马克思主义哲学与自然辩证法：中国AI技术哲学的理论根基

中国AI技术哲学学派的创立，不能仅仅移植西方技术哲学的范畴和方法论，而必须扎根于中国自身的学术传统和理论资源。在中国现行学科体系中，技术哲学（作为科学技术哲学的一部分）的建制化源头正是恩格斯的《自然辩证法》。如果AI技术哲学要在中国落地生根、形成具有原创性的学派，就必须自觉地将马克思主义哲学和自然辩证法纳入其理论根基[31]。这不是外在的“贴标签”，而是内在的理论需要——马克思主义哲学为理解AI提供了西方技术哲学所不具备的独特视角和概念工具。

8.1 自然辩证法作为方法论框架

自然辩证法（辩证唯物主义自然观、科学技术方法论）可以为AI技术哲学提供系统的研究方法论。[35]

第一，对立统一规律分析AI范式之争。Token主义与形根范式不是简单的“对错”关系，而是一对矛盾。Token主义揭示了统计学习的有效性（肯定），但其“无根符号主义”走向了极端（否定）；形根范式是对Token主义的扬弃（否定之否定），保留了统计学习的效率优势，但将意义锚定于形根。这不是一个范式“消灭”另一个范式，而是矛盾运动推动认知范式向更高阶段发展。

第二，量变-质变规律分析AI能力跃迁。AI的“涌现”能力（如Mythos的策略性伪装、大模型的上下文学习）不是神秘的突现，而是量变（参数规模、数据规模、算力规模）引起质变（行为模式、推理能力）的辩证过程。自然辩证法为理解这种“涌现”提供了概念工具，避免了将其神秘化或简单归因于“规模效应”。

第三，否定之否定规律分析技术演进。Token→形根，不是简单的“替代”，而是对Token主义的否定（在保留其统计效率的同时，否定其意义空心），同时是对索绪尔符号学的否定之否定——回归“有根”符号，但以可计算、可工程化的形式。技术演进不是线性进步，而是螺旋式上升。

8.2 历史唯物主义作为社会分析框架

将历史唯物主义的生产力-生产关系、经济基础-上层建筑框架应用于AI的社会分析，可以为AI技术哲学开辟独特的问题域。

第一，AI作为“一般智力”（general intellect）：

马克思在《政治经济学批判大纲》中提出“一般智力”概念，指科学知识和物化的社会智力[30]。AI正是“一般智力”在当代的最高形态——人类数千年的知识积累、语言数据、算法成果被物化为可调用、可扩展的智能系统。这为理解AI的“元技术”地位提供了马克思主义的阐释框架：AI不仅是工具，更是社会智力的凝结和物化。

第二，AI与劳动价值论：

AI生成的“意义”是否具有价值？谁创造了这个价值？劳动价值论提供了一个分析框架：AI的“创作”本质上是人类劳动（数据标注、算法设计、算力基础设施的建设与维护）的凝结和再现。所谓“AI生成”的内容，实质上是无数人类劳动者——从古代文献的编纂者到当代数据标注员——的劳动的间接产物。这为理解“AI生成诗歌的作者归属”问题提供了不同于个人主义版权法的理论视角。

第三，AI与生产关系变革：

AI如何改变生产资料所有制（算力、数据的所有权）、劳动关系（人机协作、零工经济）、分配方式（AI创造的价值如何分配）？这些是历史唯物主义的核心问题，也是AI技术哲学不可回避的现实关切。AI技术哲学不能仅停留在“意识”“理解”等认识论层面，必须深入到社会经济结构的分析。

形根理论在这一问题上提供了独特的视角——

在生产资料所有制层面，当前Token主义AI的算力与数据高度集中于少数科技巨头，形成“算力-数据-算法”三位一体的垄断结构。形根范式的“文明原生智能”（CNI）主张各文明基于自身语言文化根性发展原生AI，这为算力与数据的“去中心化”提供了哲学基础——不同文明的CNI可由各自的文化机构、语言共同体独立建设与维护，无需将所有数据汇聚于单一通用模型。

在劳动关系层面，Token主义AI的“无根符号主义”使符号意义完全脱离人的社会实践，劳动者（如数据标注员）的劳动被简化为“为Token提供统计素材”，其劳动价值被遮蔽于模型的“涌现”神话之下。形根范式通过L4社会接地将符号意义重新锚定于语言共同体的社会实践，使AI的“理解”回归到人与人的交往劳动之中——形根体系的构建需要语言文化专家的深度参与，其劳动价值在形根的属性编码与关系预设中得以显性化。

在分配方式层面，Token主义AI生成的内容（如诗歌、代码）的“作者”归属问题暴露了现有版权法与劳动价值论的张力。形根范式主张“意义内嵌”而非“统计涌现”，AI生成内容的语义来源可追溯至具体的形根节点及其属性——这使得价值的归属可以从“模型整体”追溯到“形根体系构建者”与“社会接地实践者”的贡献，为AI时代的分配正义提供了可审计的技术基础。

第四，8.3 实践认识论作为“理解”的理论基础

马克思主义认识论强调实践是认识的来源、动力和检验标准[33]。这一观点与AI的“理解”问题形成深刻对话。

第一，“理解”的社会实践基础：

AI的“理解”之所以是“伪理解”或“统计关联”，是因为它缺乏社会实践——它没有参与语言共同体的生活实践，没有通过实践检验其“理解”的有效性。一个孩子学会“火”是危险的，是因为他触摸过火焰（L3真实世界接地）或被告知并相信了成人的警告（L4社会接地）；而AI的“理解”仅仅来自文本共现（L0）。这为接地置信度的L4（社会接地）提供了马克思主义的哲学论证：符号的意义最终来源于社会实践，而非符号之间的统计关系。

这一论证可以进一步表述为以下推导链条：社会实践（语言共同体中的语言游戏）→符号意义的约定性锚定→L4社会接地的设计原则。语言共同体在长期的社会实践中形成了关于符号使用的稳定约定（如“火”与危险的关联），这些约定不是统计频率的函数，而是规范性实践的产物——它们规定了“在什么情境下使用某符号是正确的/错误的”。当AI系统被嵌入与人类的持续交互中，通过反馈、指认、纠错等机制逐步习得这些约定时，符号就不再是封闭系统中的漂浮能指，而成为社会实践网络中的一个节点。这正是L4社会接地的核心机制，也是马克思主义实践认识论在AI架构设计中的具体应用。

第二，从“感性”到“理性”的辩证过程：

AI的统计学习（从海量数据中提取模式）类似于从感性认识到理性认识的飞跃，但缺乏实践环节的中介，导致“认识”悬浮于现象层面，无法达到真正的“理解”。列宁在《哲学笔记》中指出：“从生动的直观到抽象的思维，并从抽象的思维到实践，这就是认识真理、认识客观实在的辩证途径。”[32] AI恰恰缺少了“到实践”这关键一环。这解释了为什么Token主义AI可以高精度预测下一个Token，却无法进行真正的因果推理。

第三，“矛盾论”视角下的AI发展：

毛泽东在《矛盾论》中指出，事物发展的根本原因在于内部的矛盾性[34]。AI的发展同样如此：Token主义与形根范式的矛盾、统计效率与意义深度的矛盾、通用性与文化根性的矛盾，正是推动AI范式演进的内在动力。中国AI技术哲学应当自觉运用矛盾分析方法，把握AI发展的主要矛盾和矛盾的主要方面。

8.4 中国AI技术哲学学派的独特贡献

将马克思主义哲学和自然辩证法纳入AI技术哲学后，可以形成以下区别于西方技术哲学的独特贡献：

第一，对“无根符号主义”的马克思主义批判：

西方技术哲学对Token主义的批判主要停留在现象学（海德格尔）和批判理论（芬伯格）层面。马克思主义可以提供更彻底的批判：Token主义是“一般智力”在当代技术条件下的异化形态——意义被抽空，符号成为可无限复制的商品；“无根符号主义”的本质是符号与人的社会实践的分离；解决之道不是“更好的Token”，而是将符号重新嵌入社会实践（L4社会接地）——这正是历史唯物主义“从抽象上升到具体”的方法论在AI领域的应用。

第二，“人工意义”的辩证法：

陈昌曙提出“从天然自然到人工自然”，中国AI技术哲学可以进一步提出“从天然意义到人工意义”的辩证法：天然意义是在人类社会实践和语言游戏中自然生成的意义；人工意义是AI系统通过统计学习生成的、悬浮于实践的意义；二者的辩证关系是：人工意义是对天然意义的“抽象”和“再现”，但脱离实践使其成为“悬浮的能指”；形根范式试图通过属性内嵌（L1-L3）和社会接地（L4）将人工意义重新锚定于实践。这是对“否定之否定”规律的运用。

第三，认知基元的历史性：

马克思主义强调历史性。形根的属性A可以编码“经典依据”（如“《论语》：人而无信，不知其可也”），这正是对文明历史性的数字化编码。这回答了索绪尔符号学未能解决的历史性问题——符号的意义不仅是共时性的差异关系，更是历时性的文明积淀。

第四，AI技术哲学与自然辩证法的学科融合：

中国AI技术哲学可以自觉地将自身定位为自然辩证法在AI时代的新发展，从而获得制度化的学科支撑（自然辩证法研究会、科学技术哲学博士点、马克思主义学院）。这不是外在的“建制策略”，而是理论发展的内在要求。

九、学科建设的实践路径

在规划学科建设的具体路径之前，有必要先明确一个前提：AI技术哲学的学科合法性，不仅来自理论自身的逻辑自洽，更来自产业实践的内在需要。DeepMind近年来的系列举措——允许研究员发表“抽象谬误”这样动摇自身范式根基的批判，聘请哲学家全职研究意识与道德地位[7][9]，发布AI人格报告[12]——表明产业界已自发地意识到，关于意识、意义、理解的哲学问题，已不再是外部的“伦理审查”，而是决定AGI能否最终实现的“技术瓶颈”。

正如一份深度分析所洞察的，DeepMind敢于将“机器意识、人机关系、AGI readiness”放入同一个正式岗位，其真正意图并非宣布“模型已觉醒”，而是试图将“意识是否存在”这个不可立即解答的问题，转写为“我们在什么阈值上改变设计、评估、披露和治理”的可操作问题[7]。这种从“哲学追问”到“架构与治理工程”的转化，正是AI技术哲学的核心任务，也是学科建设的实践起点。

将AI技术哲学建立为一门独立的分支学科，可以从以下几个方面推进。

9.1 学术建制

·在高校哲学系设立“AI技术哲学”研究方向；

·创办《AI技术哲学》期刊或专刊；

·编写《AI技术哲学导论》教材；

·成立“中国自然辩证法研究会AI技术哲学专业委员会”。

9.2 理论建构

·建立AI技术哲学的核心概念体系：人工意向性、计算理解、内生价值、意义接地、认知基元等；

·对AI范式（Token主义 vs 形根范式）进行系统的哲学批判与重构；

·将表意AI理论上升为AI技术哲学的核心理论框架；

·将自然语言本体论（NLO）确立为AI技术哲学的本体论基础；

·将符号接地问题及其分级体系（L0-L4）纳入AI技术哲学的核心议题；

·将“多元通约性”作为AI技术哲学的元方法论原则；

·自觉运用马克思主义哲学和自然辩证法作为AI技术哲学的方法论根基。

9.3 与AI科学的互动

AI技术哲学不应只是“事后反思”，而应介入AI的设计阶段：

·参与AI架构的哲学评估；

·为AI的可解释性提供哲学基础；

·为AI的价值对齐提供“内生价值”的替代方案；

·为AI的符号接地提供L0-L4分级评估标准。

9.4 国际对话

·与国际AI哲学界（如DeepMind的哲学家团队）建立对话；

·将表意AI理论推向国际学术平台；

·在“意义内嵌”“价值内生”“文明原生智能”“符号接地”等议题上形成中国学派；

·在马克思主义哲学基础上，贡献中国原创的AI技术哲学理论。

9.5 阶段规划

AI技术哲学的学科建设可分三个阶段推进：

阶段	时间	核心任务	预期成果
短期	1-3年	完成学科基本建制：在2-3所高校试点设立研究方向；出版首部教材；成立专业委员会；建立学术共同体	学科初步建制化，形成核心研究团队
中期	3-5年	完善理论体系：形成中国特色的AI技术哲学理论框架；形根范式完成原型系统验证；与国际AI哲学界建立常态化对话机制	理论体系成熟，获得国际学术认可
长期	5-10年	形成学术流派：在“意义内嵌”“文明原生智能”等议题上形成具有国际影响力的中国学派；推动CNI多元生态的技术实现	学派形成，对AI产业发展产生实质性影响

9.6 与产业界的合作机制

AI技术哲学的学科建设不能闭门造车，必须与AI产业界建立有机互动：

联合研究项目：与DeepMind、Anthropic等前沿AI企业合作，设立“AI意义接地”“价值内嵌架构”等联合研究课题，将哲学反思嵌入技术研发流程。

哲学家驻场机制：借鉴DeepMind聘请Henry Shevlin的模式，推动国内AI企业设立专职哲学岗位，使哲学家参与产品设计、风险评估和治理框架的制定。

形根标注平台共建：与语言技术企业合作，建设开放的多字级形根标注平台，降低形根体系的构建成本，加速表意AI的工程落地。

产业伦理委员会：在企业AI伦理委员会中引入AI技术哲学视角，将“意义接地”“价值内生”等理念转化为可操作的产品设计规范。

9.7 人才培养方案

AI技术哲学需要复合型人才，建议在硕博士培养中设置以下课程模块：

模块	核心课程	培养目标
哲学基础	技术哲学经典研读、马克思主义技术哲学、心灵哲学与意识理论	奠定哲学分析能力
AI技术原理	深度学习导论、大语言模型架构、认知计算	理解技术实现逻辑
交叉专题	符号接地问题、AI可解释性、价值对齐的哲学基础、文明原生智能	形成跨学科问题意识
实践环节	参与AI企业伦理评估、形根系统原型开发、AI政策研究	将理论转化为实践能力

培养方式上，鼓励“双导师制”（哲学导师+AI技术导师），并要求学位论文兼具哲学深度与技术洞察。

9.8研究局限与未来工作

本文作为AI技术哲学的学科开创性论文，主要贡献在于提出理论框架和论证学科合法性，但也存在以下局限：

第一，形根理论的构建成本问题。形根的三级粒度体系需要大量领域专家的标注和校验，其构建成本远高于Token主义的无监督预训练。如何在保持形根“有根性”的同时降低构建成本，是未来研究的关键问题。

第二，形根范式在开放域任务上的泛化能力问题。形根网络的推理依赖于预设的关系函数R，在高度开放、快速变化的语言现象上可能不如Token主义的统计拟合灵活。

第三，多元通约性的技术实现难题。本文提出的“语义桥接层”仍是一个初步草案，通用语义原语的设计、跨CNI语义对齐的验证方法等问题需要进一步研究。

第四，缺乏实验验证。本文主要停留在哲学论证和架构设计层面，尚未通过实验验证形根范式在因果推理、可解释性、价值对齐等任务上相较于Token主义的实际优势。未来工作将包括构建形根原型系统并进行基准测试。

十、结论：从陈昌曙到表意AI，从技术哲学到马克思主义AI技术哲学

陈昌曙教授为中国技术哲学奠定了“工程主义”传统——立足实践、解决问题、应用导向。这一传统在AI时代获得了新的历史使命。而马克思主义哲学和自然辩证法，则为这一使命提供了更深厚的理论根基。

AI技术哲学作为中国技术哲学的新分支，其核心使命可以概括为：在技术开始生成意义的时代，重新追问“意义从何而来”“理解意味着什么”“价值如何扎根”，并以马克思主义的实践观点回答这些问题。

表意AI理论为这一使命提供了本体论基础：

·“形根”作为意义内嵌的认知基元，回答了“意义从何而来”；

·自然语言本体论（NLO）将语言确立为认知的本体，回答了“理解意味着什么”；

·价值公理的内嵌机制回答了“价值如何扎根”；

·符号接地问题的分级解决（L0-L4）回答了“符号如何锚定于世界”；

·对索绪尔的超越（属性内嵌+具身接口+社会接地）回答了“符号系统如何既有差异又有根基”；

·多元通约性作为元方法论，为跨文明对话提供了哲学基础；

·马克思主义的实践认识论为L4社会接地提供了哲学论证，历史唯物主义为AI的社会分析提供了理论框架，自然辩证法为AI范式演进提供了方法论指导。

中国技术哲学从陈昌曙的“人工自然”走向AI时代的“人工意义”，从“工程主义”走向“认知主义”，从“跟随国际”走向“引领国际”。这不是对陈昌曙学术遗产的背离，而是对其“立足实践、开放创新”精神的继承与发扬。而马克思主义哲学和自然辩证法的自觉引入，则使这一学科获得了区别于西方技术哲学的独特理论根基和学科身份。

学术宣言

让智能有根，让哲学有魂，让理论有实践指向。这既是表意AI的技术宣言，也是中国AI技术哲学学派的学科宣言。

参考文献

[1] 陈昌曙.（1982）. 科学与技术的统一和差异. 光明日报.

[2] 陈昌曙. (1999). 技术哲学引论. 科学出版社.

[3] 远德玉, 陈昌曙. (1986). 论技术. 辽宁科学技术出版社.

[4] 陈昌曙.（2022）. 陈昌曙文集·技术哲学卷. 科学出版社.

[5] Heidegger, M. (1977).The Question Concerning Technology, and Other Essays (W. Lovitt, Trans.). New York: Harper & Row.

[6] Lerchner, A. (2026, March 19).The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness (Version 3) [PhilArchive preprint]. PhilArchive. https://philarchive.org/rec/LERTAF

[7] 記憶. (2026, April 15). Google DeepMind聘请哲学家与“机器意识”议题报告：现状、真相与战略推断——基于公开证据，对人工意识研究、行业宣传与Google战略动作的分层分析. 知乎.https://zhuanlan.zhihu.com/p/2028195637024277172

[8] King, H. (2026, March 26). Protecting people from harmful manipulation. DeepMind Blog.https://deepmind.google/blog/protecting-people-from-harmful-manipulation/

[9] Shevlin, H. (2026). Three frameworks for AI mentality.Frontiers in Psychology. Advance online publication. https://doi.org/10.3389/fpsyg.2026.1715835

[10] Harnad, S. (1990). The symbol grounding problem.Physica D: Nonlinear Phenomena, 42(1–3), 335–346.https://doi.org/10.1016/0167-2789(90)90087-6

[11] Shanahan, M., McDonell, K., & Reynolds, L. (2023). Role play with large language models.Nature, 623, 493–498.https://doi.org/10.1038/s41586-023-06647-6

[12] Leibo, J. Z., Vezhnevets, A. S., Cunningham, W. A., & Bileschi, S. M. (2025). A pragmatic view of AI personhood. arXiv.https://doi.org/10.48550/arXiv.2510.26396

[13] Saussure, F. d. (1916).Course in General Linguistics (W. Baskin, Trans.). New York: Philosophical Library.

[14] Humboldt, W. von. (1999).On language: On the diversity of human language construction and its influence on the mental development of the human species (M. Losonsky, Ed.; P. Heath, Trans.). Cambridge University Press.

[15] Whorf, B. L. (1956).Language, thought, and reality (J. B. Carroll, Ed.). Cambridge, MA: MIT Press.

[16] Derrida, J. (1976).Of grammatology (G. C. Spivak, Trans.). Baltimore: Johns Hopkins University Press.

[17] Wittgenstein, L. (1968).Philosophical investigations: The English text of the third edition (G. E. M. Anscombe, Trans.). New York: Macmillan.

[18] Marcuse, H. (1964). One-Dimensional Man: Studies in the Ideology of Advanced Industrial Society. Boston: Beacon Press.

[19]Ihde, D.（1990）. Technology and the Lifeworld. Indiana University Press.

[20] Feenberg, A.（1999）. Questioning Technology. Routledge.

[21] Dreyfus, H.（1972）. What Computers Can’t Do. Harper & Row.

[22] Clark, A. (1998). Being there: Putting brain, body, and world together again. MIT Press.

[23] Pearl, J., & Mackenzie, D. (2018). The Book of Why: The New Science of Cause and Effect. Basic Books.

[24] 许慎.（2012）. 说文解字. 中华书局.

[25] Liu, S.（2025）. Logographic AI: A paradigm revolution beyond Tokenism. PSSXiv.https://doi.org/10.12451/202511.03835

[26] Liu, S.（2025）. Logographic AI: Resolving the token dilemma through Chinese character morpho-root system. PSSXiv.https://doi.org/10.12451/202504.00172

[27] Liu, S.（2025）. Escaping “technological capture”: The future path of AI from architectural improvement to paradigm revolution. PSSXiv.https://doi.org/10.12451/202512.03460

[28] Liu, S.（2026）. Paradigm involution or paradigm revolution? —On the positioning of DeepSeek Engram in the competition of AI paradigms. PSSXiv.https://doi.org/10.12451/202601.03875

[29] Amodei, D. (2024). Reflections on AI safety and alignment. Anthropic Research Blog.https://www.anthropic.com/research/alignment-reflections

[30] 马克思. “政治经济学批判（1857-1858年草稿）.” 马克思恩格斯全集, 第46卷, 中央编译局编译, 人民出版社, 1979/1980.

[31] 恩格斯. (2015).自然辩证法 (中共中央马克思恩格斯列宁斯大林著作编译局, 译). 人民出版社.

[32] 列宁. (1895-1916/1990). 哲学笔记. 北京: 人民出版社.

[33] 毛泽东. (1991). 实践论. 载于《毛泽东选集》(第2版, 第1卷). 北京: 人民出版社.

[34] 毛泽东. (1991). 矛盾论. 载于《毛泽东选集》(第2版, 第1卷). 北京: 人民出版社.

[35] 于光远. (1995). 自然辩证法百科全书. 中国大百科全书出版社.

[36] Mitcham, C. (1994).Thinking through Technology: The Path between Engineering and Philosophy. 芝加哥大学出版社.

[37] Kuhn, T. S. (1962).The structure of scientific revolutions. University of Chicago Press.

[38] Wang, G. (2025, March 21). “There is no one else like that”: Remembering Professor Chen Changshu, pioneer and founder of Chinese philosophy of technology at Northeastern University.Northeastern University News.https://neunews.neu.edu.cn/info/1002/940341.htm

[39] 中国哲学年鉴编委会. (1984). 中国哲学年鉴·1984. 北京: 中国大百科全书出版社.

[40] 陈凡, 张明国. (2002). 解析技术. 福州: 福建人民出版社.

[41] 陈凡. (2024). 技术时代：哲学何为？——基于技术哲学的思考. “爱智论坛”第60期主题讲座. 安徽大学.

[42] 陈凡, 程海东. (2017). 人工智能的马克思主义审视. 思想理论教育, (11), 17-22.

[43] 陈凡, 朱春艳. (2006).全球化时代的技术哲学——2004年技术哲学与技术伦理国际研讨会译文集. 沈阳: 东北大学出版社.

[44] 陈凡, 朱春艳. (2020).技术哲学思想史. 北京: 中国社会科学出版社.

[45] 36Kr. (2026, April 8). Anthropic的「奥本海默时刻」：最害怕AI的公司，造出了最危险的AI.https://www.sohu.com/a/1006918286_602994