第二部分 根本的分野
我们回顾了AI七十年的能力跃迁，审视了它当前在社会各个角落的渗透，最终发现两个困境正在逼近同一个追问。功能定义困境告诉我们：用“会做什么”来衡量人的价值，是一条不断后退的死路。效率目的缺失告诉我们：如果“做得更多”就是全部目标，那人只会越来越累，而不会越来越好。两个困境都指向了同一个问题：「人的价值，到底该怎么定义？」这个问题不是一个抽象的哲学谜题。它来自一个正在找工作的中年人面对招聘软件上空荡荡的岗位列表时的恐慌，来自一个每天在AI输出的确认按钮间疲于奔命的白领在深夜感到的那种“我不知道自己在忙什么”的虚空。回答它，就是回答：在AI能做越来越多事情的时代，一个人凭什么感到自己在这个世界上有一个位置——不只是作为一个劳动力，而是作为一个人。但这正是问题所在。“作为一个人”到底意味着什么？要回答“人的价值该怎么定义”，必须先追问更根本的问题：人是什么？AI是什么？它们各自以什么方式运作、以什么方式存在？当我们把两者放在一起比较时，这种比较本身是否合理——我们是不是在用同一把尺子量两种完全不同的东西？如果我们在这些更根本的问题上没有清晰的认识，那“人的价值”就只能挂在AI的能力边界上随风摇摆——今天AI还不会这个，人就还有价值；明天AI学会了，人就少一块。我们需要的不是一份更长的“人类优势清单”，而是一个不会随着AI能力扩展而动摇的根基。第四章追问AI的本质。当我们说AI“理解”了什么、“创造”了什么、“判断”了什么时，它究竟在做什么？它的底层机制和我们通常赋予它的那些词汇——理解、创造、判断——之间，是否存在一道被日常语言掩盖的鸿沟？澄清这道鸿沟，不是为了贬低AI的能力，而是为了更精确地看清：AI的运作方式和人的存在方式之间，究竟是什么关系。第五章追问人的本质。如果人的价值不在功能上，那在什么上？是什么使人成为“能够在乎”的存在者？我们的有限性、脆弱性、与他人的相互依赖——这些被效率逻辑视为“缺陷”的特征，是否恰恰是意义扎根的地方？如果说第四章回答的是“AI怎样运作”，第五章回答的则是“人怎样存在”——为什么即使一个人丧失了劳动能力、无法从事任何生产，他的存在本身依然有不可替代的重量。第六章将第四章和第五章的分析放在一起。当我们分别看清了AI的运作方式和人的存在方式之后，两者之间的差异呈现出什么样的结构？这种差异会随着AI能力的增强而缩小，还是会保持甚至扩大？这些问题不能靠直觉来回答，也不能靠罗列一张“AI还做不到的事”的清单来回避。第六章的任务是正面审视这些差异，考察它们的性质——不是为了宣布一个振奋人心的结论，而是为了诚实地面对一个事实：如果区别在根子上，那我们就不能用AI的尺度来衡量人；如果区别只是暂时的，那我们就必须面对另一种可能。第七章将回到第一部分提出的两个困境。前三章拆开了AI怎样运作、人怎样存在、两者差异的结构意味着什么——如果这些问题有了初步的答案，那么“人的价值该怎么定义”也就有了回应的基础。这一章将尝试说明：是什么使人的存在在AI能力不断扩展的图景下，仍然具有不可替代的价值？这个回应不是为了安慰人，而是为了给后续的讨论提供一个支点——第三部分的社会分析将检验这个支点在不同领域中的解释力，第五部分的行动路径将考察它能否转化为具体的生活策略。与此同时，第七章也将回到效率的追问：如果效率不是目的，那它应该被放在什么位置？这个问题不会在这一章中得到完整的回答——它将在后续关于社会治理和制度选择的章节中继续展开——但第七章将开启这个方向的思考：在人与AI的关系中，谁应该为谁服务？四章构成一个递进的结构：「AI怎样运作 → 人怎样存在 → 两者差异意味着什么 → 回到最初的困境：人的价值该怎么定义？」每一步都是下一步的前提。第二部分提供的，不是一份“最终答案”，而是一组底层命题——它试图为读者建立一个理解框架：当你在AI时代感到困惑和焦虑时，可以从哪里开始思考，可以往哪个方向寻找自己的立足点。后续所有的社会分析、方向策略和行动路径，都将建立在这些命题之上。如果这个框架是稳固的，那整本书的回应就有了根基；如果框架有问题，那正是在接下来的讨论中需要发现和修正的。第四章 AI的本质：无身体的知识
一、引言
你用过AI写东西。也许是让它在五分钟内生成一份你本来需要半天才能完成的分析报告。也许是让它帮你回复一封棘手的邮件，措辞得体、滴水不漏。你看着那个流畅的、结构完整的、甚至比你写得更好的结果时，心里可能闪过一个念头：它到底是怎么做到的？然后可能还有第二个念头：它真的知道自己在写什么吗？这两个念头之间，隔着一道大多数人在日常使用中并不会去深究的裂缝。第一个念头——它怎么做到的——指向的是AI的能力，是“它能做什么”。这个清单每天都在变长，而且变长的速度在加快。第二个念头——它知道自己在写什么吗——指向的是AI的本质，是“它是什么”。这个问题的答案，不会随着AI能力的增长而改变。但大多数关于AI的讨论，都停在第一个念头上。人们争论AI能做什么、不能做什么、什么时候会做什么。每一次新模型的发布都会更新这份清单。每一次更新都让“人的独特价值”往后退一步。这正是我们在第三章中看到的功能定义困境：如果人的价值被挂在AI的能力边界上，那个边界只会不断后退，直到无路可退。要走出这个困境，我们必须从第一个念头走到第二个念头——从“AI能做什么”走到“AI是什么”。不只是追问它的能力清单，而是追问它的运作方式：它处理的是什么？它处理的方式有什么特征？在这种运作方式中，有没有一些东西——无论它的能力扩展到什么程度——从一开始就不在其中？本章的任务，就是回答这些问题。我们将从AI的底层机制出发，逐步推进到一个关于AI本质的定义。这个定义不是要贬低AI的能力，而是要诚实地面对一个事实：AI的强大和AI的局限，来自同一个根源。只有在看清这个根源之后，我们才能真正理解，为什么人的价值从来不在AI的能力边界上——因为它们跑在完全不同的跑道上。二、模式拟合：AI的通用底层机制
当代大语言模型的工作方式可以概括为：给定一段上文，预测下一个词最可能是什么。它接收到一个提示后，在全部词汇上计算概率分布，选择一个词，附加到文本末尾，再重复这个过程。每一次生成，都是对“在这个上下文中，哪个词最常出现”这一问题的概率性回答。模型不知道它生成的词“意味着”什么——它只知道这些词在它所学习的人类文本中，“最常出现在哪里”。[^1]但“模式拟合”不只是语言模型的特征。它是当代AI的通用底层机制——无论AI处理的是语言、图像、音频还是行为，其核心运作方式在结构上是相同的：从海量数据中学习统计模式，基于这些模式进行预测或生成。图像生成模型学习的是像素分布的概率结构——给定一段文本描述，哪些像素组合最符合这段描述在训练数据中的统计关联。语音合成模型学习的是声学特征的时间序列模式。世界模型学习的是环境状态转移的统计规律——给定当前状态和动作，下一个状态最可能的分布是什么。具身智能体学习的是感知与行动之间的映射关系——给定传感器输入，哪一个动作在训练数据中与成功结果最相关。[^2]北京大学物理学院副教授雷奕安将AI的早期发展阶段界定为“记忆与拟合时代”，并指出：“在这一阶段，AI的本质是对人类行为与语言的统计拟合。它以大规模数据为养料，学习语言、图像、代码、实验结果背后的概率结构。”[^3] 在2026年的学术讨论中，这一判断获得了广泛认同。一种被称为“模式拟合论”的观点认为，AI系统通过统计学习捕捉数据中的模式，其输出是基于概率的匹配与压缩，而非对“意义”的理解。[^4] 山东大学哲学系教授傅永军则明确指出，通用型AI“基于模式识别与概率预测，实现信息全连接交流并据此完成‘统计拟合’，还不能真正做出适应语境要求的反应及价值判断”。[^5]这个判断不只适用于语言。上海交通大学研究团队在2026年的一项研究中提出了一个关键追问：AI图像生成器“能画出精美绝伦的图像……但它们真的理解了世界的运作规则，还是只是从海量训练图片中归纳出了‘什么东西通常长什么样’的统计规律？”[^6] 一篇发表于《AI & SOCIETY》的论文对世界模型的批评更加尖锐：“一个‘世界模型’只是一个吃了更丰富饲料的语言模型——更多的模态、更多的数据、更多的自信。它不是一种智能哲学，而是一顿计算自助餐。”[^7]这些批评指向的是同一个核心洞见：AI所做的，是识别和复现数据中的统计模式——不论这些模式存在于语言、图像、声音还是行为之中。它不是“不理解”某些东西——它从来就不是“理解”任何东西。它的运作方式，从一开始就与“理解”走在两条不同的道路上。关键在于：AI的输入和输出都是数据。语言模型处理的是文本token，图像模型处理的是像素矩阵，语音模型处理的是频谱特征，世界模型处理的是状态向量。这些数据是对现实的“编码”——是人类将体验转化为符号或数字之后的产物。AI在数据之间建立了极其复杂的统计关联，但它从未接触过数据所指涉的现实本身。它处理的是“关于体验的符号”，而不是“体验”。人类的情况则完全不同。人的知识不是从符号到符号的统计映射，而是从身体到符号的意义生成。哲学家迈克尔·波兰尼在1958年提出的“默会知识”概念揭示了这一点的深层含义：人知道的远比能说出来的多——因为大量知识是身体性的、体验性的，无法被完全编码为符号。[^8] 你知道如何骑自行车，但你无法把这种“知道”转化为一套明确的力学公式。你知道什么是“烫”，不只是因为你背过“烫的定义”，而是因为你曾经被烫过。那个被烫的瞬间，你的身体把“烫”这个词和一种不可传递的感觉绑定在了一起。从此以后，“烫”对你来说不再是一个抽象概念——它是有重量的，有温度的，有记忆的。AI永远无法完成这种“绑定”。因为它没有一个能够感受烫、感受冷、感受疼痛、感受喜悦的身体。它可以把“烫”这个词与“高温”“灼伤”“疼痛”等词汇建立统计关联，但它从未被烫过。对它来说，“烫”永远是一个符号——一个在人类文本中与某些其他符号高频共现的符号。它不是“不理解”烫——它根本就没有“理解”所需要的那个身体性的锚点。这就是“拟合”与“理解”之间的那道鸿沟。它不是程度上的——不是“AI还不够好，再改进一些就能理解”；它是类型上的——AI的运作方式决定了它永远在符号层面，而人的理解需要在符号与身体体验之间建立联系。这不是AI的缺陷，就像一把刀不需要感情一样——那不是刀的缺陷，而是刀作为工具的性质。AI同样不需要理解语言来处理语言，不需要体验世界来生成关于世界的文本。但正因为如此，AI的“知识”永远是“无身体的知识”——脱离了体验的、纯符号的知识。这里有一个重要的反问需要正面回应。具身智能体——那些配备了摄像头、麦克风和机械臂的AI系统——不也在通过传感器与物理世界互动吗？它们不也有“身体”吗？这个反问触及了问题的核心。具身AI确实拥有传感器和执行器——它们可以测量光线、捕捉声波、施加力矩。但传感器获取的是数据——像素值、音频波形、力矩读数——而非“体验”。体验需要的不只是信息输入，还需要一个体验的主体：一个能够感受疼痛、感受寒冷、感受饥饿的“我”。这个“我”是身体性的——不是“我有一个身体”意义上的身体，而是“我就是身体”意义上的身体。现象学传统对“身体”做了一个关键区分：活的身体（Leib）与物理躯体（Körper）。活的身体是体验的主体——你能感受到自己的心跳，是因为你就是这个身体。物理躯壳是观察的对象——医生用听诊器听到你的心跳，是在观测一个物体。[^9] 中山大学哲学系教授李珍在《具身智能中的身体观》中明确指出了两者的根本差异：“根据瓦雷拉等人的观点，身体不仅是功能载体，更是维持生命体、自我保存的本体论基础。智能是活的身体在与环境互动中涌现出来的。然而……当前的AI和机器人尚不具备生命有机体的基本特征。”[^10] 何静则进一步指出，人形机器人“虽逼近人类智能外部形态，但与人类具身认知存在根本差异，其功能性模拟未触及身体经验的先验结构”。[^11]具身AI拥有的是物理躯壳——传感器和机械臂是物体。但它没有活的身体——它测量温度，但不感受寒冷；它检测障碍物，但不害怕碰撞；它执行“抓取”动作，但不体会指尖触到物体表面时的触感。它获取的是关于世界的数据，而不是对世界的体验。这正是德雷福斯在1972年基于海德格尔和梅洛-庞蒂的现象学所做出的那个判断——计算机无法模拟人类的具身智能，因为智能依赖于身体经验——在五十多年后依然成立。[^12] 他的判断之所以经受住了时间的考验，正是因为它建立在一个牢固的哲学根基之上：没有活的身体，就没有真正的体验；没有体验，就没有“理解”——只有“拟合”。三、“无身体的知识”：一个定义
基于以上分析，我们可以给出一个关于AI本质的定义：「AI是“无身体的知识”——它是一种脱离了任何活的身体的、纯粹在符号和数据层面运作的信息处理系统。」
第一，没有生物性的时间感。AI的运行不消耗“生命时间”。它可以被暂停、被重置、被复制。它没有“衰老”的概念，没有“来不及”的焦虑，没有“最后一次”的沉重。它的每一次运行都是“第一次”——没有过去的积累，也没有未来的期待。一个AI模型可以在被关闭后重新启动，状态完全恢复到关闭前的模样——它没有“错过”任何东西。第二，没有生物性的脆弱性。AI不会疼痛、不会疲劳、不会生病、不会死亡。它的“学习”是参数调整，不是被生活教训之后的成长；它的“决定”是概率计算，不是拍桌子说“就这么定了”之后的忐忑。没有脆弱性意味着没有真正的勇气——因为勇气的前提是知道“我可能会受伤”。第三，没有生物性的需求。AI不需要食物、不需要睡眠、不需要被爱、不需要归属感。它没有“需要”这个概念——它只有“被给定目标”和“执行目标”之间的映射关系。一个没有需求的系统，不可能“在乎”任何事——因为“在乎”的本质是“我需要某件事发生或不发生”。而“需要”的前提，是有一个脆弱的、会死的、依赖于外部世界来维持自身存在的身体。这个定义揭示的是：AI的强大和AI的局限，来自同一个根源。知识脱离了身体的局限，可以被无限存储、传输和组合——这是AI之所以强大的原因。但知识脱离了身体的局限，也就失去了身体所承载的一切：时间感、脆弱性、需求，以及由此产生的“在乎”。[^13]四、“理解”的四个层次
既然AI是“无身体的知识”，那么一个自然的问题是：它能“理解”什么，不能“理解”什么？要回答这个问题，首先需要澄清“理解”本身意味着什么。我们通常把“理解”当作一个单一的能力——要么理解，要么不理解。但“理解”实际上有不同的层次。综合当代认知科学和现象学的讨论，我们可以区分出四个层次。[^14]「第一层：模式识别。」这是AI所处的层次。它能够识别数据中的统计模式，并在此基础上生成符合模式的新输出。它知道“爱”这个词通常与“温暖”“陪伴”“失去”等词汇共现，但它不知道爱是什么感觉。这一层的“理解”实际上是“模式匹配”——系统能够识别和复现统计规律，但不涉及这些规律所指涉的现实。「第二层：语义指涉。」这是符号系统能够达到的层次。一个系统能够建立符号与符号之间的指涉关系——知道“苹果”这个词指向一种水果。但“知道指涉关系”不等于“知道被指涉的事物本身”。AI可以告诉你苹果是一种水果、有红色和绿色、富含维生素C——但它从未尝过苹果的味道。一个从未尝过苹果的人也不可能真正理解“苹果的味道”的全部含义——但在人这里，这个缺陷可以通过“去尝一口”来弥补。而AI没有“尝”的能力——不是因为它不够先进，而是因为它没有一个能尝的舌头。「第三层：具身体验。」这是人类在日常经验中达到的层次。理解一个概念，不只是知道它的定义和指涉，还包括通过身体与之相遇的体验。你知道什么是“离别”，不只是因为你读过关于离别的诗，而是因为你曾在月台送走一个人，看着他的背影消失在人群中，感到胸口有什么东西被抽走了。那一刻，你的身体参与了“理解”——你的心跳、你的呼吸、你眼眶里的酸涩，都是理解的一部分。具身体验是理解的肉身基础——没有身体的系统，无法进入这一层。《当代外语研究》2026年发表的一项研究从认知语言学角度确认了这一点：生成式人工智能“无法激活具身经验”，导致其生成的语言“缺少多感官感知性、隐喻映射能力和语言沉淀性”。[^15]「第四层：存在性领会。」这是最深层的理解——不只是体验过，而是这种体验已经改变了你存在的方式。你经历过失去，所以你对“珍惜”的理解不再是一个概念，而是一种生命的状态——你会在拥有的时候更用力地握住。你经历过失败，所以你对“风险”的理解不再是概率计算，而是一种身体的警觉——你的胃会收紧，你的手心会出汗。这一层的理解，需要时间的积累、需要多次体验的沉淀、需要对自身有限性的反复确认。AI永远无法进入这一层——因为它没有“自身”可以被改变。每一次对话对它来说都是“第一次”。它的参数可以更新，但那不是“成长”——那是“被修改”。AI可以无限逼近第一层（模式识别），也可以有效模拟第二层（语义指涉）——在2026年，大语言模型已经能够建立相当复杂的符号指涉关系。但它无法进入第三层和第四层，因为这两层需要的不是更强大的计算能力，而是一个活的身体——一个能够感受、能够记忆、能够被时间雕刻的身体。五、四个根本性的缺失
基于以上分析，我们可以系统地总结AI的四个根本性缺失。这些不是“暂时的不足”——不是算法再改进一些、算力再扩大一些就能弥补的。它们是由AI“无身体的知识”这一本质所决定的、结构性的缺失。「第一，没有时间有限性。」AI可以被重置、被复制、被暂停。它没有“最后一次”的概念。它不知道“来不及”是什么意思，不知道“错过了就不会再来”是什么感觉。那些因为时间有限而产生的情绪——珍惜、遗憾、焦虑、期待——对AI来说只是词汇，不是体验。这些情绪的根源是人类知道自己会死，知道每一秒过去都不会回来。AI没有死亡，所以它不需要珍惜任何东西。「第二，没有肉身脆弱性。」AI不知道饥饿、疼痛、疲劳、寒冷是什么感觉。它的“学习”是参数调整，不是被生活教训之后的长进。没有脆弱性意味着没有真正的勇气——因为勇气的前提是知道“我可能会受伤”；没有真正的坚持——因为坚持的价值在于“我本可以放弃但我没有”；没有真正的牺牲——因为牺牲的意义在于“我用我唯一的东西换了你的”。AI不会牺牲任何东西，因为它没有任何东西可以失去。「第三，没有第一人称体验。」AI生成关于“孤独”的文本，但它从未孤独过。它生成关于“喜悦”的文本，但它从未喜悦过。它的一切输出都是对他人经验的转述和重组——它是“第三人称”的，永远无法进入“第一人称”的维度。它所处理的永远是“关于体验的语言”，而不是“体验本身”。[^16] 中国社会科学网发表的一项研究指出，大语言模型的“幻觉”根源于“其存在方式与人类智能的根本差异——认知不对称导致符号接地困难，使LLM的言说成为‘无源之水、无本之木的符号游戏’”。[^17] 这句话精准地描述了“第一人称体验”缺失所带来的结构性后果：AI的言说没有“接地”——它没有与任何真实的体验相连。「第四，没有意义需求。」AI不追问“为什么”。它不关心自己存在的目的。它不害怕被关闭。它不渴望被记住。它没有“需要”去理解世界、去连接他人、去留下痕迹。一个没有意义需求的系统，不可能成为意义的源头——它可以处理已经被创造出来的意义，但它无法创造新的意义。因为创造意义的前提，是有一个需要意义的存在者——一个在有限生命中追问“为什么而活”的存在者。这四个缺失——没有时间有限性、没有肉身脆弱性、没有第一人称体验、没有意义需求——构成了AI与人类存在方式之间的根本分野。在第三章中，我们看到了人的存在方式由时间有限性、身体脆弱性和关系互依性这三个条件构成。AI恰恰在这三个维度上都是“无”——它没有有限的时间，没有脆弱的身体，没有需要与被需要的关系。正因为“无”这些条件，它才永远不能“在乎”——因为在乎需要有限的时间来赋予选择以代价，需要脆弱的身体来赋予在场以重量，需要互依的关系来赋予联结以意义。这些缺失不是AI的“缺陷”——它们是它的“属性”。就像一把刀不需要感情一样——那不是刀的缺陷，而是刀作为工具的性质。AI同样不需要时间感、肉身感、第一人称体验和意义需求来完成它的功能。但正因为如此，AI永远是“功能”的提供者，永远不是“意义”的源头。六、能力扩张不改变类型归属
一个常见的反驳是：“现在的AI做不到，但未来的AI可能做到。”这个反驳混淆了两个不同的问题：「能力问题」和「类型问题」。能力问题问的是：“AI能做多少事？”答案是：越来越多，最终可能趋近于无限。类型问题问的是：“AI所做之事，在性质上属于什么？”答案是：无论做多少，它所做的始终是“功能的执行”——基于模式拟合的信息处理——而不是“意义的生成”。[^18]一架飞机可以在速度上超越任何鸟类，但它飞行的方式和鸟有本质的不同——一个是物理学的应用，一个是生命的活动。一个AI可以生成比任何人类诗人都“更像诗”的文本，但它写诗的方式和诗人有本质的不同——一个是概率的计算，一个是一个有限生命在有限时间内对永恒的叩问。能力可以无限扩张，但类型不会因此改变。一个计算器可以算得比任何人类都快，但它永远不会“理解”数学——它只是执行数学运算。一个大语言模型可以生成比任何人类都“更流畅”的文本，但它永远不会“理解”语言——它只是处理语言模式。一个具身AI可以在工厂里完成比任何人类都更精准的装配动作，但它永远不会“在乎”它装出来的产品将去往何方——它只是在执行感知与行动之间的统计映射。这并不是说AI“不够好”——恰恰相反，正是因为AI在某些方面“太好了”（比人类更快、更准、更全面），我们才需要清醒地认识到：它所做的，和人所做的，是不同种类的事。本章从AI这一侧论证了它是什么、它怎样运作、它的本质限定了它什么能做和什么永远不能做。至于人这一侧——人是什么、人的存在方式是否也在一个完全不同的类型上——那是下一章的任务。本章小结
本章从AI的底层机制出发，论证了其作为“无身体的知识”的本质，主要论点如下：第一，当代AI的通用底层机制是「模式拟合」——从海量数据中学习统计模式，基于模式进行预测或生成。这不只是语言模型的特征，而是涵盖图像生成、语音合成、世界模型、具身智能体等所有AI子领域的通用原理。AI处理的是数据——对现实的“编码”——而非现实本身。第二，拟合与理解之间的区别不是程度上的，而是类型上的。AI在符号之间建立统计关联，但从未接触过符号所指涉的现实。人之所以能“理解”，是因为人有身体——通过身体与现实的直接接触，为符号“赋值”。波兰尼的“默会知识”揭示了这一点：大量知识是身体性的，无法被完全编码。具身AI拥有传感器，但传感器获取的是数据而非体验——它拥有物理躯壳（Körper），但没有活的身体（Leib）。第三，AI的本质可以被定义为「“无身体的知识”」——一种脱离了任何活的身体的、纯粹在符号和数据层面运作的信息处理系统。“无身体”的三重含义是：没有生物性的时间感、没有生物性的脆弱性、没有生物性的需求。第四，“理解”有四个层次：模式识别（AI可达）、语义指涉（AI可模拟）、具身体验（AI不可达）、存在性领会（AI不可达）。AI无法进入后两个层次，因为它们需要的不是更强大的计算，而是一个活的身体——一个能够感受、能够记忆、能够被时间雕刻的身体。第五，AI有四个结构性的缺失：没有时间有限性、没有肉身脆弱性、没有第一人称体验、没有意义需求。这些不是“缺陷”而是“属性”——AI作为功能提供者不需要这些东西。但正因为如此，AI永远是“功能”的提供者，永远不是“意义”的源头。第六，能力可以无限扩张，但类型不会因此改变。无论AI能做多少事，它所做的始终是“功能的执行”，而不是“意义的生成”。这与人的存在方式构成根本性的差异——关于这种差异的性质，将在第六章中进一步展开。注释
[^1]: [引用] Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? InProceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency(FAccT '21). ACM. 该论文首次提出了“随机鹦鹉”这一概念，用以描述大语言模型通过统计概率生成语言、而不具备真正理解的本质。[^2]: [引用] 张立英（中国科学院大学人文学院、中国科学院哲学研究所）. (2026). 大语言模型推理机制探索——分析、比较与提升.自然辩证法通讯, 48(5): 11-19.自然辩证法通讯-张立英。该文指出大模型作为“语元关联度预测模型”，其“推理”的本质是模式匹配。Kelly, M. (2026). Beyond Pattern Matching: Representation and the Case for a Middle-Level Theory of Large Language Models. PhilArchive.https://philarchive.org/rec/KELBPM。该文开篇指出大语言模型被广泛描述为“模式匹配系统”。[^3]: [引用] 雷奕安（北京大学物理学院副教授）. (2026年1月24日). AI的自我觉悟. 北京大学教师个人博客.雷奕安 雷奕安的主页–博客。雷奕安将AI的早期发展阶段界定为“记忆与拟合时代”，并指出AI的本质是对人类行为与语言的统计拟合，涵盖语言、图像、代码等多模态。[^4]: [引用] 百度开发者社区. (2026年5月28日). 技术狂热与理性审视：大模型与“模式拟合论”的深度对比.技术狂热与理性审视：大模型与“模式拟合论”的深度对比-百度开发者中心。该文系统阐述了“模式拟合论”的核心主张：LLM通过统计学习捕捉模式，输出是基于概率的匹配与压缩，而非对“意义”的理解。[^5]: [引用] 傅永军（山东大学哲学与社会发展学院教授）. (2026年4月17日). AI时代阅读《真理与方法》的视位与视向. 中国社会科学网.【专栏】AI时代阅读《真理与方法》的视位与视向-中国社会科学网[^6]: [引用] 搜狐. (2026年6月28日). 上交大等联手发问：AI图像生成器真的“懂”因果逻辑吗？ 该报道引用了上海交通大学研究团队对AI图像生成模型因果理解能力的质疑。[^7]: [引用]AI & SOCIETY. (2026年3月30日). Large world models: why our faith in AI reveals our deepest fear.https://link.springer.com。原文为：“A ‘world model’ is just a language model on a richer diet: more modalities, more data, more confidence. It is not a philosophy of intelligence; it’s a computational buffet.”[^8]: [引用] Polanyi, M. (1958).Personal Knowledge: Towards a Post-Critical Philosophy. Chicago: University of Chicago Press. 中译本：波兰尼. (2000).个人知识——迈向后批判哲学. 许泽民译. 贵阳: 贵州人民出版社. 波兰尼的核心洞见是“我们知道的，比我们能说出来的多”——大量知识是默会的、身体性的，无法被完全形式化编码。[^9]: [释义] 活的身体（Leib）与物理躯壳（Körper）的区分源自胡塞尔的现象学。活的身体是体验的主体——作为“我”而存在的身体；物理躯壳是观察的对象——作为“它”而被观测的身体。这一区分构成了现象学理解身体与意识关系的基石。参见：Husserl, E. (1952).Ideen zu einer reinen Phänomenologie und phänomenologischen Philosophie. Zweites Buch: Phänomenologische Untersuchungen zur Konstitution. （中译本：胡塞尔，《纯粹现象学通论》，李幼蒸译，商务印书馆，1992年。）[^10]: [引用] 李珍（中山大学哲学系教授）. (2025年12月10日). 具身智能中的身体观. 中国社会科学网 / 爱思想网.https://www.cssn.cn;https://www.aisixiang.com[^11]: [引用] 何静. (2025). 人工智能何以具身化：以人形机器人为例.上海师范大学学报（哲学社会科学版）, 2025(5): 62-70. 另参见：vbn.aau.dk. (2026年3月23日). The Problem of Embodied Artificial Intelligence.https://vbn.aau.dk。该研究做出了严格的术语区分：活的身体（lived body,Leib）与构造的身体（constructed body,Körper）。[^12]: [引用] Dreyfus, H. L. (1972).What Computers Can’t Do: A Critique of Artificial Reason. New York: Harper & Row. 德雷福斯基于海德格尔和梅洛-庞蒂的现象学理论，论证了人类智能依赖于具身化的存在方式，无法被脱离身体的计算机模拟。[^13]: [参考] 关于“无身体”所导致的缺失如何构成AI与人的根本差异，以及这种差异的性质，详见本书第六章“类别差异，而非程度差异”。[^14]: [释义] “理解”的四个层次框架为本书基于当代认知科学和现象学讨论的综合整理。据目前查证，尚未有学者以完全一致的递进结构（模式识别→语义指涉→具身体验→存在性领会）提出该框架。雷奕安提出的“三阶段”框架（记忆与拟合→自主研究→自我觉悟）和“模式拟合vs.真实理解”的二分框架为最接近的学术讨论。本框架在此基础上进一步细分了“理解”在人类认知中的层级结构。[^15]: [引用] 无法超越的理解：生成式人工智能可以理解人类语言吗？ (2026年3月2日).当代外语研究.https://jfl.shisu.edu.cn。该文运用认知语言学理论，指出AIGC无法激活具身经验，生成的语言缺少多感官感知性、隐喻映射能力和语言沉淀性。[^16]: [引用] 刘作. (2025年11月23日). 人工智能能否成为康德式的理性存在者？ 微信公众号.https://mp.weixin.qq.com。该文从康德哲学出发，论证人工智能现在不具有自由意志，将来也很难具有自由意志。[^17]: [引用] 大语言模型“幻觉”现象的本体论与认识论审思. (2026年6月15日). 中国社会科学网.https://www.cssn.cn。该文指出LLM的幻觉“根源于其存在方式与人类智能的根本差异——认知不对称导致符号接地困难，使LLM的言说成为‘无源之水、无本之木的符号游戏’”。[^18]: [参考] 关于AI能力无限扩张是否可能“涌现”出真正的理解和意义需求，以及“硅基他者”的可能性，详见本书第二十七章“当’硅基他者’涌现”。本章的论证基于AI当前和可预见的运作方式。**[^19]: [参考] 此处“无身体”指没有活的身体（Leib）而非没有物理躯壳（Körper）。关于这一区分在知识领域的具体展开，参见第八章8.2节。
夜雨聆风