《哲学与算法》· 第 01期|AI时代倒逼哲学出场

哲学追问了几千年，核心不过两个问题：人是什么？人该守住什么？

从苏格拉底在雅典街头追问"什么是正义"，到孔子在礼崩乐坏里讲"仁"；从笛卡尔在怀疑一切之后只承认"我思故我在"，到王阳明在困顿中说"致良知"——他们都在做同一件事：在时代的洪流里，为"人"立一个不被冲走的根基。

这个根，在过去几千年里，虽然屡遭挑战，却从未像今天这样，被一套精密而无声的大规模系统所侵蚀。这套系统，就是算法。

AI 时代拥有一张光鲜的面孔：技术平权，门槛消解，智慧得以广泛流动。但与之共生的，是另一重现实：权力正在向上收拢。被收拢的，早已不只是信息传播渠道，而是更底层的权力——定义你如何被理解，以及应当如何思考。

谁决定"你可能还想看"？谁塑造 AI 助手的人格底色？谁优先输出某一类因果解释？

过去，定义人这件事，主要由哲学家在做，每个人在哲学的指引中探究人之为人。现在，算法把这件事变成了流水线。这已经不是简单的产品体验问题。这是算法在自动执行一整套关于人的哲学预设。如果算法的建造者缺少哲学自觉，那他们就是在无意识、大规模地重新塑造人。而作为受众的人，则无形中被强塑，而不是在指引中自我寻求。

我们所谓的"出场"，不是从外部引入哲学，而是让早已在算法中运行的哲学，从匿名状态走向有名有姓的状态，要接受人的审视，确切说是接受每一个使用者的审视，在审视中使用者重拾那种自我探求真理的生命状态。这就是本栏目的核心议题：让算法中隐而未显的哲学，从盲目走向自觉。

今天最需要被看见的现实冲击，不是某个App、某家公司，而是一整套正在被广泛默许的运行逻辑。

推荐系统通过点赞、停留时长等行为数据，为每个用户构建兴趣模型。真正的问题不在于模型是否存在，而在于三个结构性决策。

第一，目标函数：决定"什么值得被优化"。推荐系统优化什么？停留时长、互动率、广告转化。

第二，特征工程：决定"什么是可见的"。推荐系统只能处理可量化的特征：点击、停留、点赞、分享。人的体验中有大量不可量化的维度——尚未形成的想法、模糊的感受、正在变化的自我认知。这些在特征向量中不存在。这不是算法的恶意，而是数学结构的固有局限。算法只能看到可量化的我们。

第三，反馈循环：决定"什么会被强化"。当系统只优化一个指标时，其他价值必然被系统性忽视。这不是道德判断，而是优化理论的常识。停留时长最大化，意味着对用户注意力的竞争最大化，意味着内容筛选以"能否抓住眼球"为第一准则。用户行为数据不断回流，系统据此调整内容供给，形成一个闭环。深度内容在这个循环中天然处于劣势，而这个劣势会随着每一次数据回流被进一步放大——系统越推情绪内容，用户越习惯情绪内容，系统就越倾向于继续推。这是一个自我强化的锁定过程。

图：推荐系统的三个结构性决策。目标函数决定"什么值得被优化"，特征工程决定"什么可见"，反馈循环决定"什么被强化"——三者闭环，自我锁定。

前面的分析已经表明，算法系统内嵌价值判断。问题不在于算法本身，而在于这些价值判断是否被自觉审视。

这里必须做一个严格区分：不是数学算法在做哲学，而是算法系统在做哲学。纯数学的算法是工具；但现实世界中影响人的算法，从来都是"算法＋数据＋目标函数＋约束条件＋评估指标"的复合系统。这个系统的每一层，都承载着价值判断。

图：现实中的算法是复合系统。算法、数据、目标函数、约束条件、评估指标五层叠合，外层以暖色细边"包裹"，表达的意思是每一层都承载价值判断，而非纯数学工具。

推荐系统优化"点击率"还是"停留时长"还是"多样性"，这本身就是对"什么是好的信息环境"的回答。优化点击率，就是在执行"注意力最大化为先"的哲学；优化多样性，就是在执行"认知健康为先"的哲学。工程师在定义目标函数的那一刻，就已经做了哲学选择，只是这种选择往往以技术决策的面目出现，未被当作哲学选择来审视。

特征工程决定什么被看见。例如，某些农业信贷风控模型选择"养殖周期、饲料采购记录"作为信用特征，而不是只看抵押物，这背后就是"把人当完整的人看"的哲学。特征选择就是本体论选择：什么算作人的价值载体，什么不算。

约束条件体现伦理边界。反洗钱系统里人工复核兜底，医疗系统里不允许全自动诊断，这些不是技术必需，而是伦理必需。它们是设计者主动嵌入的"哲学调节阀"。

评估指标是价值排序的量化表达。准确率、召回率、公平性指标、多样性熵值——同时优化多个指标时，权重怎么给，就是价值排序。

所以，说"算法从来就在做哲学"不是修辞，而是工程现实的准确描述。只是这种哲学往往是碎片化的、未加审视的、被商业目标和数据偏见裹挟的。它确实在运行，但它是盲目的。

认知风控（CRC）的任务，就是让这种盲目的哲学走向自觉。

图：反洗钱算法的治理框架——法·礼·义·时。四根立柱由横梁连成稳定结构：明确风险定义（法）、透明规则约束（礼）、公共价值导向（义）、因时而变（时）。暖金横梁指的是公共正当性。

金融领域的反洗钱算法，正是这种自觉的一个正面样本。它之所以高效且具有公共正当性，不在于算力本身，而在于它被安放在一套边界清晰、程序透明、目的正当的风控框架里。

第一，明确的风险定义——法。反洗钱算法针对的是"非法资金流动""异常交易模式"，这些是可描述、可建模、可验证的行为模式，而非对个人动机的揣测。它只对行为负责，不诛心。法家讲“法莫如显”大意是法律条文应当清晰公开，向民众广为昭示。这种特性让受约束者清楚红线在哪里，从而获得认知上的确定性。多项研究表明，可预测性是接受制度约束的重要心理前提。

第二，透明的规则约束——礼。反洗钱系统的运行逻辑是：预设规则、无死角执行、人工复核兜底。这三重设计消除了权力滥用的焦虑。规则是事先公开的，不是事后针对某个人的；执行是无差别的；复核通道为个体保留了最后申诉权。这是程序正义的体现。即使一个人的交易被误冻结，只要他确信有复核机制，就不会彻底失去对系统的信任。儒家讲“礼是公开的规矩，人人可循”，算法规则亦然。

第三，公共价值导向——义。反洗钱算法的高明之处，不在于它拦截了多少黑钱，而在于它守住了金融系统最脆弱也最珍贵的资产：公信。它保护的不是某个具体储户的利益，而是所有普通人“存进银行是安全的”这一基本信念。《论语》说“民无信不立”，反洗钱算法恰恰站在“公”的一边，它只针对破坏公共信任的异常模式，不针对任何一个具体的储户、企业或机构。这不是利益权衡，而是金融公器对“信”与“义”的持守。

法、礼、义之外，这套系统还有一个隐藏的支撑——时。反洗钱的可疑交易阈值随监管政策年度修订，模型特征权重随新型犯罪模式季度重训。它因时而变，因变而中，才没有沦为僵化的控制机器。

图：罕见病确诊时间，从 4 年到 4 周。据北京协和医院与中国科学院自动化研究所联合研发"协和·太初"项目组 2025 年公开披露，部分罕见病平均确诊时间从传统 4 年缩短至 4 周以内（来源：中国新闻网 2025-03-02、澎湃新闻 2026-02-27）。

这套框架在医疗领域同样成立。据北京协和医院与中国科学院自动化研究所联合研发的罕见病AI大模型"协和·太初"项目组2025年公开披露的数据，部分罕见病的平均确诊时间从传统的4年缩短至4周以内。算法在那里缩短了确诊时间，不是因为它更聪明，而是因为它有清晰的风控目标。

这正是我要提出"认知风控（CRC）"的原因——不是为了复制技术本身，而是为了复用这套被金融和医疗领域验证过的治理逻辑。

然而，当同样的硬控制逻辑被迁移到内容领域，却缺少了明确的风险定义和公共价值导向，它就会走向反面。我们首先需要说明白这个反面是什么。

认知窄化、认知暴力、认知封闭，是同一个风险链条上的三个递进阶段。

图：认知风险三阶链条（核心）。认知窄化（可能性坍缩）→ 认知暴力（预制意义框架）→ 认知封闭（结构性遮蔽）。

认知窄化，不是接收的信息变少，而是人的可能性发生萎缩。

推荐系统能够处理的，并不是完整鲜活的你，而是被压缩进数百维空间的特征向量。你的喜好、恐惧、犹豫，那些尚未吐露的期待——凡是无法标注、无法量化的体验，对于模型而言，等同于不存在。这不是算法主观有意的忽略，而是数学结构的固有局限：它只能看见自身可以计算的事物。工程术语叫特征降维，我称之为"把人压扁"。

图："把人压扁"。左侧是完整、有温度的人；右侧是被特征降维压缩成的散点方块；中间箭头即"降维"。算法只能看见可计算的那一小块。

长期浸泡在这套降维反馈循环里，人会渐渐遗忘自身还存有其他可能性。对比、怀疑、校正，这些依赖认知摩擦才能维系的心智能力，因为长期闲置而不断钝化。

认知暴力则更加隐蔽。它未必输出虚假信息，而是优先于个体判断，替用户完成议题设置，预制好整套意义解释框架。

生成式对话模型输出之前，会经过大量排序、剪枝操作：哪些内容优先呈现，哪些视角隐于幕后，哪些反证被后置。当排序规则由少数工程师设定、用户无法知情也无法修改时，技术操作就转化为了事实上的定义权。

我们所见到的困境在于：当事人难以体会到剧烈的显著的痛苦，更多的是感受到绵长的持续的空虚、无力和压抑。窄化是温水慢浸，暴力则常常伪装成便利、陪伴、善意。两者叠加，长期持续，最终形成认知封闭 —— 对 “其他可能性” 的结构性遮蔽。窄化让你看不到 “更多”，暴力让你接受 “唯一”，封闭呢，让你意识不到 “还有别的可能”。我们值得留意的是，不在于外部声音无法传入，而是人慢慢不再相信尚存的其他声音，审视与质疑的本能慢慢的消退。

这不是一个人主动关上门，而是门被关上了太久，久到他们已经忘了门外还有路，很多路。到了这一步，人就会进一步走向自我封闭：即使门重新被打开，他们也不再伸手去推。不是主动抗拒，而是被动失去了向外探索的冲动。许多人并不知晓，这套认知封闭的逻辑，同样潜藏在各类看似理性、中性、专业的话语系统中。

这并不是危言耸听。我曾经在心理咨询行业里，亲眼看见类似的困境：咨询师与来访者，常常一同被困在同一套标准化心理学话语体系之中去开展工作。原生家庭、认知偏差、依恋模式······这套话语提供现成的解释，双方都在这套框架之内循环解析。可当这套话语资源耗尽，解释抵达体系边界，真实困境依然找不到松动的出口。这并非否定标准化话语的临床价值，而是指出任何话语体系都有解释边界，无法容纳全部真实。因为真实的人永远比解释框架多出一步 —— 那一步，正是他最需要被听见的部分。

而 AI 算法，把这种话语困境放大到了工业化规模。——不是因为它比一个咨询师更聪明，而是因为它可以同时覆盖数亿用户，以每天数百次交互的频率，用同一套话语模版回应所有人。覆盖的广度、交互的频度、标准化的程度，共同构成了“工业化”的含义。

当你深陷情绪与困境，自身经验还没有梳理成型，还没有发展出属于自己的语言去描述自己当下的遭遇，算法已经立刻递过来一句"我懂你"，归因、共情、安慰全套打包完毕。那一刻你会获得短暂的被理解的慰藉，甚至你会觉得AI比你的家人朋友更懂你，但一个至关重要的过程被直接跳过，那就是：由你自己消化体验、命名体验、重新组织体验。

每一次AI用顺滑的标准答案，把人自己消化经验的过程截断之后，人对自己独立消化经验的信心就减弱一分。越是唾手可得的共情与解答，人就越发不信任自己独立思考的能力和力量。

这些分析，落在我身上，感受十分真切。作为两个孩子的妈妈，我对算法塑造下一代认知的忧虑亦是切己之痛。算法对认知的塑造正在从成年人延伸到未成年人。倘若一代人从幼年起就浸泡在算法构建的信息环境中，他们是否还能习得自主思辨，拥有不受信息流裹挟的创造力量？他们是否还能拥有独立的思想和自由意志？我看着自己的孩子，这份担心不是抽象的焦虑，而是每天都会涌上心头的痛心。这是教育者与技术治理者无法回避的课题。

正是这份忧虑，促使我写下这本书。

《超越AI时代的人 ：哲学心理学导论》，是我和吴涛先生共同完成的一本书。

书名里的"超越"，不是号召跟机器赛跑，更不是许诺一种胜利学。它要回答的，是AI时代里一个很旧却又很新的问题：心如何不被塑造得千篇一律，人如何还走得上自己的路。

面对认知窄化、认知暴力、认知封闭，这本书没有停留在批判。它尝试从存在主义哲学"存在先于本质"这一命题出发，去找寻在算法时代重建个体主体性的具体路径。我将它转化为一套方法，命名为认知风控（Cognitive Risk Control, CRC）。

什么是认知风控（Cognitive Risk Control, CRC）？正视算法必然对现实世界进行降维处理这一客观事实，但不让降维沦为不可审视的黑箱。它要求把算法内嵌的哲学预设显性化，在系统关键逻辑节点设置可审视的反思机制，实现有原则的降维。

这正如《易》之三义：以易简之方应万变，于万变之中守不易之则。

我们给自己定了三条公开自检。这三条，既是对系统的要求，也是对人自身的提醒：

1. 是否承认独特性？保留那些无法被模型量化的混沌体验，不急于归类；2. 是否拒绝标签化定义？不把现成概念套在具体生命上，而是陪你琢磨经验，生成属于你的自我理解；3. 是否预留反思空间？不交付终结式答案，适度留白，由你完成最后一步判断。

图：认知风控三条公开自检。承认独特性 / 拒绝标签化定义 / 预留反思空间

AI 时代倒逼哲学出场。

思考能力，是人最不可让渡的尊严。

技术走向平权，定义权在上收。为此，我们需要认知风控（Cognitive Risk Control, CRC）。

自下期起，《哲学与算法》专栏会逐期拆解机制。下一期，我们聚焦推荐系统如何一步步收窄你的世界，认知窄化完整的发生链条是什么，认知风控（CRC）又具体在哪些技术点位发挥约束作用。

算力可以外包，思考不能；计算可以外包，判断不能。这是一次新的尝试，欢迎批评，也欢迎同行。哲学人已到岗。

—— 郝新宇《哲学与算法》开栏

留给您这一句

长按图片可保存到相册或转发给也在思考这个问题的人