人工智能为何尚未产生真正的知识 - 必赢平台

知识的产生是人类文明进步的核心驱动力。当前，生成式人工智能凭借其强大的数据处理能力和计算资源，已能生成逻辑严密且具有实际应用价值的信息。在某些领域，其表现甚至超越了人类专家。人工智能的参与，不仅是科研工具的革新，更引发了一个深刻的问题：人工智能的“智能输出”能否被视为“知识”？更进一步说，人工智能是否有可能创造出真正意义上的知识？随着大模型技术的不断突破，这一极具争议的前沿话题日益受到学界的广泛关注。本期《学术争鸣》栏目将刊发两篇观点迥异的文章，聚焦此议题，阐述各自的见解，并期待更多读者参与这场思想的交流。

自大语言模型问世以来，人们越来越习惯于向人工智能提问、与其交流并从中获取答案。大语言模型常常引经据典、条分缕析、对答如流，仿佛源源不断地输出着“知识”。这不禁让人产生疑问：人工智能呈现给我们的这些信息，是否算得上真正意义上的知识？要回答这个问题，我们首先需要审视：当一个人被认为“真正知道”某件事时，我们究竟期待的是什么？

偶然正确不等于“知道”

让我们先思考一个著名的哲学难题。假设一个人看表，墙上的时钟显示3点，他相信现在是3点，而恰巧那一刻确实是3点。然而，这个时钟在12小时前就已经停摆了，他只是幸运地在正确的时间瞥了一眼。尽管他拥有一个真实的信念，并且看似有充分的理由——他看了时钟。但我们的直觉会毫不犹豫地认为：这不属于“知道”。这个人只是碰巧猜对了，仅此而已。

这类问题在哲学上被称为“葛梯尔问题”。它揭示了真正的知识并非仅仅是一个恰好为真的答案，而是一种认知上的成就。你的信念之所以为真，必须源于你认知能力的可靠运作，而非仅仅依靠运气。

那么，什么样的“认知成就”才算得上是真正的知识呢？至少需要满足以下四个条件：

首先是“理解”。仅仅知道“物体受热会膨胀”这一结论是不够的，还需要能够解释温度计为何能测量温度、铁轨之间为何需要预留伸缩缝、以及热气球为何能够升空。“理解”意味着能够把握事物背后的因果关系，并从原理层面推演出其来龙去脉。

其次是“可负责的证成”。当被追问“你凭什么知道”时，知识的拥有者能够给出合理的解释，并愿意为自己的回答承担责任。从这个角度看，运气不被视为知识，因为它绕过了说明和负责的环节。

第三是“与实在的接触”。知识不能脱离现实而存在，它必须植根于实际经验，或者能够随时接受现实的检验和修正。一个拒绝任何反驳的信念，即使在内部逻辑上是自洽的，也无法被认为是真正的知识。

最后是“一个在场的主体”。知识需要由一个“知者”来持有、审视和守护，这个人能够明确地表达“我相信”。

回顾中国传统文化，对“真知”的界定也与此相似。张载区分了“见闻之知”和“德性所知”，前者仅是感官积累的信息，后者则需要超越感官的局限，通过身心的修炼才能达到。王阳明更是强调“知而不行，只是未知”，意即知识若不能融入生活和行动，便不能算作真知。

由此可见，真正的知识不仅是正确的信息内容，更是一个主体需要持有、实践和承担的认知成就。它是“你”亲手掌握的，而不仅仅是“它”偶然吐露出来的。

AI生产的“知识”所缺失的要素

现在，让我们将目光转向当前的人工智能。当前最强大的大语言模型，其本质上是一个“下一个词预测器”。它通过学习海量人类文本中的统计关联，来推断在特定语境下最有可能出现的下一个词。其优化目标是“可能性”，而非“真实性”。理解了这一点，就抓住了理解AI的关键——它既令人惊叹，又在根本上存在缺失和局限。

首先，AI从不接受现实的检验。知识需要与现实相关联。科学家的假设需要通过实验来验证，现实有权判定其是否错误，而新知识恰恰是在这种“被否定”的可能性中诞生的。AI的处境截然不同：它的生成机制只关注“接下来怎么说最像样”，而不关心“事情的真相到底如何”。它从不坚持任何命题，也不处于一个可供检验的位置。更深层次的缺陷隐藏在意义的根源中。语言哲学中有一个经典问题：词语为何有意义？“苹果”之所以有含义，是因为我们见过、摸过、尝过苹果。词语与事物之间存在一条联系，将符号拉回到现实世界。但对于仅仅通过“阅读”文本而“成长”的模型而言，词语只与其他词语相连。当它写下“火”这个字时，背后没有任何被灼烧的经验作为支撑。哲学家称这种空洞的意义为“派生的意向性”。模型看似头头是道的“理解”，实际上是我们使用者投射进去的，并非其内在拥有。危险之处在于：一本“借来”的书，我们可以轻易辨别，但AI会主动回应、推理、追问，如同一个真正理解的心灵，这使得其意义的空洞比任何媒介都更难被察觉。

其次，“幻觉”并非错误，而是其固有的机制。回到前文的衡量标准：知识至少包含一个“信念”，即主体对某事真实性的认定和承诺。而当前的AI没有信念，它仅仅依靠“接下来怎么说最像样”，而不是“事情是否真实”。这就解释了最令用户困扰的“大模型幻觉”问题。AI会以说真话时同样笃定的语气，编造出根本不存在的引文、数据和事实。但问题不在于它“偶尔出错”，而在于其底层机制中，说真话和编造假话是同一个动作，都是在概率空间中选择最顺畅的延续。对AI而言，真假没有区别；利害和承诺更是无从谈起。

第三，流畅的“为什么”，并不等同于真正的理解。近年来的研究确实表明，大模型在内部习得了某些结构化表征，并非完全是“鹦鹉学舌”，这一点不应被轻易否定。然而，捕捉统计规律与把握因果关系之间，还存在一道鸿沟。AI能够流利地说出一长串“为什么”，但这未必是从原理推演出来的，也可能仅仅是对人类积累的海量“为什么”的重新组织。而真正的理解，意味着洞察事物为何如此，并能在全新的情境下做出判断。对相关性的捕捉，最终不等于理解的达成。它只是接近了理解的外在表现，却未必触及理解的内在本质。

第四，没有一个“我”在承担这份知识。如前所述，知识需要一个第一人称的“谁”。这个人拥有信念，为信念负责，并能反思自己的可靠性。哲学家称之为“反思性的知识”，即不只是碰巧信念正确，还能超越自身，审视自己何以可信。而当前的AI并没有这样的自我。它并不真正“相信”什么，也不“守护”什么，而是在每一次对话中被激活，又在对话结束后归于沉寂。张载的“见闻之知”和王阳明的“知而不行，只是未知”，在此充分展现了其意义：真正的知识总是与某种生活、某种行动、某种责任紧密相连。而当前的机器，并非如此。

AI目前仅是工具，远非知识生产者

当然，有人可能会反驳：如果将知识定义为“可靠过程产生的真实信念”，那么一个足够强大的系统，为何不能被视为“知道”？何况，随着多模态模型接入传感器并与物理世界互动，“接地”和“具身”等反驳的效力也在减弱。我们必须公正地承认：当今的AI已经成为极其强大的知识工具，在蛋白质结构预测、数学猜想验证等领域，确实参与了知识的发现。

围棋领域的AlphaGo以及新材料发现中的AI，常被用来说明AI已进入知识“生成”阶段的例证。不可否认，AlphaGo确实走出了人类棋手未曾充分认识的棋步，AI也在海量组合空间中筛选出了此前难以穷尽的候选材料。然而，这些工作所触及的，仅仅是知识生产的素材，而非知识本身。它们与生产知识之间，还隔着一道必经的门槛：人类共同体对其进行验证、解释和理论整合。AlphaGo的“第37手”之所以成为围棋知识，并非源于AI的判断，而是人类棋手群体反复复盘后赋予的理解；AI筛选出的候选材料，也需要经过实验、因果解释和理论重构，才能真正汇入知识体系。AI在这一链条中迈出的步伐，是从处理既有知识走向生成候选知识对象，但从“候选”到“知识”的这一步，仍然需要由人类来完成。而这一步之差，恰恰体现在“与现实接触”和“主体负责”之处：只有作为主体的人站在可供检验的位置上，才能为那个候选对象是否“为真”承担判断的风险。

我们注意到，近年来，一些被称为“AI科学家”或“AI研究员”的系统，已不再满足于回答问题，而是被赋予了一套闭环流程：自动检索文献、提出假说、设计实验、在真实设备上运行实验、收集数据、分析结果，甚至自行修正被证伪的猜想。在一些早期尝试中，这类系统已能在简单的化学合成路线设计和材料筛选任务中完成全流程，其产出结果经过人类科学家复核后，被承认具有真实的增量贡献。这似乎已经开始逼近“接受现实的检验”和“与实在接触”这两个门槛。然而，仔细审视，裂痕依然存在。一个发人深省的对比发生在2024年：某前沿AI系统在标准的化学推理基准测试中得分超过了人类博士的平均水平，但当研究人员将同一套题目中的试剂名称替换为虚构词汇，而保持逻辑结构不变时，AI的性能却断崖式下跌。它之所以能答对，是因为在训练语料中，这些模式频繁共现，它终究是在“匹配模式”，而不是在“把握因果”。因此，流畅的“为什么”和真正的理解之间，那道坎依然横亘在那里。

这个对比恰好为我们提供了澄清判断边界的机会：这不是一个关于“永远”的判定，而是一个关于“当下”的判断。就目前以语言模型为主体的人工智能系统而言，它们还远未具备作为一个“知者”去产生“真正知识”的资质。因此，我们可以做出这样的判断：今天的AI，是知识内容卓越的加工者和传递者，但还不是知识的生产者。它缺乏与现实负责的处境，没有属于自己的意义，没有朝向真理的信念，没有从原理出发的真正理解，也没有一个去持有、去守护这一切的主体。它只是将人类凝结成文字的知识，以惊人的规模重新组织、检索、再表达。今天的AI，最多停留在张载所说的“见闻之知”的层面，转述、重排着人类的见闻，远未达到“德性所知”，更无法触及王阳明“知行合一”中那个通过亲身实践获得，并能反过来指导行动的“真知”。

归根结底，AI生成的内容，只有结合人的理解，才能真正转化为知识。知识的生产是一项属于主体的事业，属于那种愿意面对世界、亲自检验并为自己言论负责的主体。而这样的主体，在今日的硅基世界，尚未觉醒。

(作者：吴小坤，系中国人民大学新闻与社会发展研究中心研究员、新闻学院教授)

必赢专注于体育赛事内容整合与资讯传播服务，平台聚合赛事动态、比赛数据与热点新闻内容，帮助用户快速获取重要赛事信息。必赢通过持续优化页面结构与内容更新方式，增强平台访问流畅度与资讯时效性，进一步强化品牌专业形象与服务能力。

必赢围绕实时热点资讯，不错过任何精彩瞬间不断创新，回应用户的真实需求。