人工智能本质上只是一种“次生智能”

郭文茗北京大学教育学院教育技术系长聘副教授

9月份，世界人工智能领域的Big Story是美国关于AI末世论的激烈争吵。事件的主要脉络见附录一。

AI末日论这个“狼来了”的故事，已经讲了好多年了。本以为故事效应会逐渐递减，没想到这一轮AI末日论在美国引起了这么激烈的争论，甚至涉及到AI下一步发展路径的问题。

其实，AI末日论本质上只是一个用智能神秘性包装的网络安全问题。每次“狼来了”，总是先有1-2位程序员或研究员神秘兮兮地表示，我看到了！说的好像前沿AI实验室发生了灵异事件一样，让人毛骨悚然。但最后爆出的实际危害，不外乎网络攻击、自迭代编程、隐私泄露，或者在对话框中输出了几句威胁毁灭人类的话等等。如果去掉智能这一层神秘外衣，这些事件本不足以引起世人产生AI灭绝人类的恐怖想象。

显然，这个“狼来了”故事屡试不爽的法宝就是智能这层神秘的外衣。要破除AI末日论这个魔咒，就必须梳理清楚技术与智能的关系。

智能是一个复杂而又困难的研究课题，研究领域涉及心理学、哲学认识论、技术哲学、媒介环境学和教育技术学等多学科领域（研究现状见附录二），到现在为止，心理学和脑科学还不能完全解释大脑认知的奥秘。

好在，关于技术与人类智能演变的历史，已经梳理出清晰的脉络，从中可以清晰地分辨人工智能与人类智能的差别。相关证据主要来自哲学认识论、技术哲学、媒介环境学和教育技术学等学科。本文择其要点，简单概述技术与人类认知发展的逻辑关系，关键的历史节点，从而厘清人工智能的本质，探讨人工智能下一步发展的主要方向。

先说结论：

人类智能不是仅凭“赤裸裸的脑力”，而是一直依赖技术工具的辅助。
人类智能是一种“原生智能”。
人工智能是一种“次生智能”。
人工智能场景化应用有可能抛弃大语言模型底座，采用基于场景的、更精准的小数据集。
AI4S、AI4SS、AI4E等细分领域，有很大的发展空间。

人类智能并非仅凭赤裸裸的脑力

而是依赖技术工具才变得越来越强大

人工智能耗费巨额资金和人力，试图模仿、超越人类智能。那么，人类智能一定是非常复杂，非常强大的？恰恰相反，单纯依靠脑力的人类智能非常弱小。

1.单纯依赖脑力的人类智能非常弱小

一个人生下来自带眼耳鼻舌身等感知系统，可以通过看听闻触摸等观察和感知周围环境，获得对世界的第一手的经验认知。然而，受到人的寿命时长和行走范围的限制，这种直接的观察和感知是非常有限的。终其一生，一个人对世界的认知也不会超过其生活的时间和空间范围。

一个生下来，没有学会说话、写字和学习的人，其智力能达到什么水平？

在拿破仑时代，法国人在原始丛林中发现了一个野孩子，带回巴黎交给一个语言学家训练。由于错过了语言发展期，这个孩子终生没有学会说话，智力也一直没有得到发展。1970年，法国新浪潮导演弗朗索瓦·特吕弗执导和主演的电影《野孩子》展现了这个真实的事件。

所以，培根在《新工具》序言中写道，人并非仅凭赤裸裸的（naked）脑力认知世界，而是依赖工具。培根身处印刷技术变革时期，或许是基于对不识字的人和能读书的人的观察，让他认识到，仅凭“赤裸裸的脑力”，人所获得的智能是非常有限的。

20世纪以来，人类学和媒介环境学的研究表明，培根所说的工具，指的就是口头语言、文字、印刷机、广播电视和计算机等这一类信息传播技术，在传播学领域被称为媒介技术。剑桥大学的人类学家杰克·古迪（Jack Goody）很早就把口语和文字称为智力技术（Technology of the Intellects）。

2.智人第一次认知革命：口头语言带来的知识爆炸

人类智能的第一次认知革命出现在数万年前口头语言诞生的时候。具体的时间已经无法考证，现有的多种说法都是猜测。

技术与人类智能的第一次认知革命的关系是如此的简单清晰，不难理解。

假定一个原始部落有ABC三个智人。在口语诞生前，智人A在狩猎采摘的时候，观察到动物吃了植物1死了，于是，A知道“植物1”有毒。同理，B知道植物2有毒；C知道植物3有毒。但他们相互无法表达和分享。所以，A一早出去，很可能因为吃了植物2或植物3，就回不来了。当时，人的生活跟动物没有太大的区别。

口语诞生以后，A、B、C用口语把自己的个人知识“说”出来，集中到一起，ABC都知道了植物1、植物2、植物3有毒，如图一所示。于是，每个人关于有毒植物的知识得到了成倍的增长，爆发了第一次认知革命。英国技术哲学家卡尔·波普尔把这个依靠口语和记忆建立起来的集体知识空间称为“客观知识世界”。

图1 口头语言与智人的第一次认知革命

口语对人类智能发展产生了两方面的革命性影响。第一，“客观知识”大大降低了智人死亡的风险，改善了原始智人的生存状况，让人与动物的生活开始出现越来越显著的差别。第二，从0到1，创建了属于人类群体共有的“客观知识世界”。与造物主创造的自然和人不同，这是完全由人类创造的“知识”空间。

自此，人类智能有了两个来源：第一，个人依赖与生俱来的生物“传感器”对周围环境的直接感知。第二，通过“听与说”（口语信息传播技术）从群体知识中获得的智慧。用公式可以表达为：

人类智能 = 生物感知 + （基于口语的）客观知识

3.技术的不断创新，推动了人类智能的发展

在口头语言之后，人类又发明了文字、印刷技术、电子媒介和数字媒介。由于每一种新媒介技术的性能总会超越上一代旧媒介技术，带来更好的表征、记录、汇集和传播的特性，推动了“客观知识世界”数量和质量的不断发展，从而推动了人类智能不断达到新的高度。

从人类生物进化的时间尺度来看，在6000年的时间里，人类“赤裸裸的脑力”并没有发生太大的突变，但依靠技术创建的“客观知识世界”已经从口语诞生初期那几条简单的植物学知识，扩展成今天学科门类繁多、浩瀚璀璨的人类知识体系，推动人类智能出现了几次明显的跃迁式发展：

人类智能 = 生物感知+ （基于手抄书的）客观知识

= 生物感知+ （基于印刷书的）客观知识

= 生物感知+ （基于互联网的）客观知识

今天，一个文化人脑子里对世界的认知大多数来自于阅读，而不是亲眼所见、亲身观察。这再次证明了培根的观察，人并非仅凭赤裸裸的脑力认知世界……

人类智能的发展一直借助于技术工具这个事实启示我们：人类智能和人工智能不是两个对等的概念，人工智能是对手抄羊皮书和印刷书图书馆的替代，将辅助人类智能出现新一轮“跃迁”式发展。人类智能和人工智能属于两种不同的“智能”。

人类智能：一种“原生智能”

人类智能发展面临的另一个挑战是：所有的认知客体都是不说话的。

由于所有的认知客体都“不说话”，人类要表达、交流对世界的观察，首先就必须借助口语、文字等技术，为事物创造对应的符号表征。从苏格拉底最早对事物下定义、柏拉图的“观念论”和亚里士多德的“范畴”，一直到20世纪维特根斯坦的语言哲学、海德格尔的“存在”等，都是在讨论“（不说话的）事物-符号”这一对关系，这是哲学认识论的起点。日常生活中使用的树、狗、车、植物等概念，都不是一个简单概念，而是对应一类事物、一个范畴。

用语言、文字表征认知客体，相当于用语言、文字为“不说话”的自然物做标注（label）。这一层标注体现了人类对世界的第一层认知，参照“原生口语”的翻译，可以称之为“原生智能”（Primary Intelligence）。如图2所示。

图2 用语言为不说话的自然物做标注

由于每一种媒介技术的特性不同，标注使用的具体符号、准确性、复杂程度等也各不相同，影响了人类智能的发展水平。

在口语时代，人们用声音为植物命名。统一的名称为原始智人交换信息，汇集知识奠定了基础。

在古希腊进入书写时代后，古希腊哲学家从无到有，创造了大量书面词语和学术概念，很多概念一直沿用至今。知识工程中的实体、谓词这两个概念就是亚里士多德造出来的。

15世纪谷登堡印刷机发明以后，文字、数字、几何图形还有地图、解剖图等都可以大批量、精准印刷，极大地丰富了知识表征和传播中的语言形态，不仅推动了现代科学技术的大发展，还为现代社会人类的大规模协作提供了精准的时间、空间刻度。

1.大地经纬坐标系

地球表面并不存在一条、一条的经线和纬线。随着地图印刷技术的发展和大航海时代全球航行的需要，人类创造了一组数字坐标，为地球上每一个点做了一个“标注”。有了这套“标注”系统，就可以在地图上注明哪个地方有暗礁、哪个地方有矿藏。

带有标准经、纬坐标的印刷地图还为人类提供了一个知识生产的容器。世界各地的人按照一套统一的标准，测量本地的地理和地质状况，然后，把数据装进一个个对应的格子里，形成了整全的世界地图，创造了现代人才有的“世界观念”。

2.全球同步计时网

时区和全体统一计时系统原本也是不存在的。世界各地的人通过观察太阳、月亮的升起和降落，来确定各自的生活节律。日晷就是按照太阳的影子来计算时间。早期世界各地有着各自不同的计时系统，人们日出而作、日落而息。

19世纪火车发明以后，由于两地（或多地）时间的不统一，世界上每年都要发生若干起火车相撞的恶性事故。建立一个绝对同步的、全球统一计时网，变成了一个迫在眉睫的事情。19世纪下半叶技术创新的热点就是发明计时器。爱因斯坦在瑞士联邦知识产权局工作的时候，审核的专利中很大一部分都在讨论时间和计时问题。

全球统一计时网的建立，不仅解决了火车跨时区运行的问题，也为今天飞机、轮船、快递等提供了一个精准同步的计时工具。现代生活中的各项事务无不依赖这个全球统一计时网。时间，也是人类为（不说话的）世界打上的一套“标注”。

3.近代科学的每一次突破，都伴随着一套新的科学语言的诞生

伽利略说：科学的语言是数学！笛卡尔发明了坐标系，开普勒利用弟谷留下的天文观测数据，用椭圆拟合和表达天体运行的轨迹。牛顿发明了微积分，用于表征和研究物体运动的规律。

1787年《化学命名法》的出版，是化学从中世纪炼金术变成一门现代科学的标志。化学家终于可以用化学元素、化学分子式和化学方程式这一套规范的“化学语言”来表征物质的构成，描述物质的变化，制造新的化合物。

1953年，英国科学家沃森和克里克基于女科学家富兰克林拍摄的DNA晶体的X射线衍射照片，提出了双螺旋结构和碱基配对理论。之后，生物学家用A、T、G、C四种碱基字母表示DNA序列，这是人类遗传基因的表征语言。人类基因组由约30亿个碱基对构成，其数量已经超出了人的可读范围，无论从DNA序列中识别基因片段，还是进行基因序列的比对，都必须借助生物信息学工具。双螺旋结构、ATGC碱基字母、DNA序列、生物信息学工具和Alphafold等蛋白质折叠工具合在一起，构成了生物基因科学的研究范式。

以上案例表明，人类在认识世界的过程中，通过观察、汇集、辩论、验证等复杂的认知过程，创造语言，并用语言为“不说话”的自然对象做标注。维特根斯坦的话应该倒过来读：人类认知到达哪里，语言就创造到哪里。

语言是人类智能独特的创造，是人类智能的认知成果。进入数字时代之后，多模态语言变成了人工智能的“输入”原材料。与GenAI再生成的语言表征相比，人类智能具有第一性特征，是一种原生智能（Primary Intelligence）。

GenAI：一种“次生智能”

人工技能技术的出现，与数字媒介技术的特性有着密不可分的关系。

建立在数字媒介技术基础上的信息传播系统，使用了两套表征符号。一套是在人机交互界面上显示的文字、数字、音乐、图、表格等多模态表意文字系统，这套符号是供人类阅读和理解的。另一套是芯片上的数字电信号，也就是通常所说的01二进制符号（如图3所示）。这套符号是供软件程序调用和处理信息使用的。

图3 数字媒介环境下的两套符号

怎样把人类发明的多种模态的表意符号输入给计算机，变成可以在芯片上用01二进制字符串表达的形式？

1.汉字的信息化

个人电脑刚出现的时候，只能处理英文字母不能处理方块汉字。英文字母数量少，用1个字节就可以表示1个字母。汉字不仅数量多，而且是方块字，至少要用2个字节才能表示一个汉字（如图4 左）。上世纪80年代，汉字信息化曾经是中国信息化发展的一大难题，当时有人提议，废除方块字改用汉语拼音。1987年，王选先生领衔的北大团队成功研制出了方正汉卡和汉字激光照排系统后，汉字信息化的问题才得到彻底解决。

图4 汉字和图形的数字化表达

2.地图和照片的数字化

地理信息系统推动了从印刷地图到数字地图的格式转化。为了表征多维地理信息，地图学家提出了一系列地理信息编码模型，为数字导航系统、谷歌VR地图系统、智能驾驶系统等提供了精准的数字定位信息。

数码相机、手机拍摄的技术基础是图片的数字化表达（如图4 右）。这种数字化表征，为人脸识别的智能应用奠定了基础。

以人脸识别为例，在交互屏幕上，人看到的是两张脸；AI系统从芯片上调取的是两个jpg格式的01二进制文件。通过对两个01二进制文件的模式识别运算，AI就可以计算两个文件的相似度，并按照一个特定的阈值，输出“是”同一张脸或者“不是”同一张脸的结论。

语音识别也类似。在交互界面上，人的体验是“说一句话，频幕上出现对应的文字”，所以，AI听懂了人话。在另一端，AI接收到的是一个MP3格式的01二进制符号文件；AI从中识别特定的声音波形，然后在屏幕上输出相应的汉字。

3.对语言、图片的数据标注

文字、地图、图片的01二进制格式转化，解决了输入和输出问题，但没有解决语义层的表征问题。

语义表征比较复杂。在自然语言中，语义既包括一句话里主语、谓词、宾语等词语之间的关系；也包含句子与句子之间的逻辑结构（例如三段论推理），还包括更复杂的段落结构，如教科书的章节结构等。知识图谱、Palantir的本体论等都是从语义层面上，对内容、工作流等进行标注。

视觉图片中也包含语义结构。对会谈画面中座次关系的分析，是政治学和社会学中经常使用的一种分析方法。在智能驾驶情景下，在一张摄像机抓取的街头场景中，不同灰度、不同色彩的像素构成的物体中，有人、有车、有墙、有沟，需要用人工“拉框”的方式，标出不同形状物体对应的真实对象。

GenAI采用的Transformer架构，本质上也是通过对天量语料的大规模统计分析，对词语关系和一定语义关系的一种标注。这种标注无法完全表达自然语言中多层、丰富的语义关系，因而会出现幻觉。

综上所述，人类智能是创造口语、文字、数字、图标等多模态表征语言，去标注（Label）“不说话”的自然，这是第一层标注。GenAI是对人类创造的多模态语料做标注（Label），这是第二层标注。标注后的多模态语料输入GenAI后，通过统计分析等处理后，再生成语言表征和计算机代码等人工智能应用，如图5所示，因此，GenAI是一种寄生于人类智能基础上的“次生智能”（Secondary Intelligence）。

图5 两层标注：人创造多模态语言标注自然，人工智能标注人类多模态语言

4.不存在超越人类智能的、普适性的人工通用智能（AGI）

智能生产过程中的两层标注，每一层都会发生信息失真。

首先，人类用语言对自然的“标注”是不完备的。大自然“从不说话”，人类对自然的认知和表达从来没有得到自然的“回应”，包括那些人类信为真理的科学知识，也从未得到过自然的认可。即使最值得信赖的、经过实验验证的科学知识，跟自然的本质可能也存在差异。第二，对人类多模态语言表达的数字格式转化、人工标注，都可能存在语义信息的二次损失。

现在有一种观点认为，利用具身智能的持续观察、持续学习能力，是制造超越人类智能的人工通用智能的途径。

这个方案可行吗？No！

具身智能搭载的望远镜、显微镜、红外线和超声波等传感器的观察范围可以超越人的眼睛和耳朵，但对观察信息的表征、分析和计算等，仍然使用的是人类创造的概念、统计单位和计算方法，将仍然受限于人类智能。

语言对世界“标注”的不完备性决定了人类知识是一个“不完备”系统。人类的通用智能（General Intelligence）就是保持对世界的好奇心，随时准备面对不确定性，通过持续探索，来解决人类面临的问题。

人类通用智能的这种动态性决定了不存在一种超越人类智能的人工通用智能（AGI），场景化应用是人工智能下一步的主要发展方向。场景化应用一方面减低了问题的复杂度；另一方面要求极高的可信度和可靠性。从计算成本和回报率两方面看，大语言模型都不是最合适的解决方案。

未来，人工智能的场景化应用有可能抛弃大语言模型底座，而采用基于场景的、更精准的小数据集。

结语：真正的危险与真正的挑战

原生智能和次生智能的分野，打破了美国前沿AI实验室为资本运作而刻意营造的那一层神秘面纱。但是，人工智能给人类生命和财产安全带来的风险和危害是客观存在的。

人工智能比口传、文字、印刷等传统媒介更先进，具有更优良的技术性能，为知识表征、组织结构、传播与利用等带来了一系列新的可能性，必将给现有产业、社会分工合作体系、知识体系等带来一系列冲击、挑战和变革。其中，既蕴藏着巨大的发展机遇，也隐藏着前所未有的风险。

1.当知识脱离纸张，装进“芯片”后，就可以嵌入、组装到各类工业产品和传统的家用电器中，推动工业进入到4.0/5.0时代。AI与杀伤性武器的结合和动力设备的结合，对AI可信度提出了更高要求，是AI治理的重点领域。

把AI和汽车、AI与无人机组装到一起，提供了更便捷的服务。但是，一旦智能操控系统遭遇病毒攻击，就可能出现茱莉亚·罗伯茨主演的电影《断网假期》中那一幕无人驾驶汽车连续相撞的事件。如果系统被黑客恶意操控，撞向某一类特定目标，这些具有动力的汽车和微型飞机，就有可能变成一种危及人类生命和财产安全的破坏性武器。

AI在军事领域的应用也是一个高利害的领域。以无人机为例，“微型机+摄像头+AI识别系统”组装在一起，已经在军事对抗中发挥了巨大的威力。目前，这种高利害的AI应用主要还是依托Palantir公司的本体论架构——一种可信AI架构，而不是GenAI。因此，Palantir的CEO亚历克斯·卡普也是对这一波“AI末日论”提出了最严苛批评的人。在CNBC的专访中，卡普都快要爆粗口了。

AI作为一种软件技术，本身不会危及人类生命安全。但是，AI+杀伤性武器、AI+动力设备的组合，确实可能对人的生命安全造成伤害，这是一种真实存在的危险，也是AI治理的关键环节。

2.现代社会的运转高度依赖金融、物流等大规模信息系统。一旦系统遭遇黑客攻击，就可能造成局部或者全局性的混乱，危害人类生命和财产安全。

在口语诞生以后，当两个单独的个体通过交流和对话，建立了认知协作和劳动协作后，诞生了最早的社会组织。随着文字书写、印刷技术和互联网的发展，人类社会的规模逐渐从原始部落发展到城邦、松散大帝国、现代国家，以及全球化时代。这种大规模协作严重依赖金融、物流等全球信息传播网络。一旦信息系统遭遇黑客攻击，就可能造成局部或全局性的混乱，危害人类生命和财产安全。

GenAI加剧了信息系统的安全风险，这是一种真实存在的危险。

3.人工智能下一步发展面临的真正挑战：清洗和重构人类知识体系

人类一直借助于技术认知世界，技术性能的优劣也一直影响着“客观知识世界”的表征和处理功能。与旧技术相比，新技术通常拥有更先进的性能。历史上，每当新媒介技术出现的时候，都会对建立在“旧技术”基础上的人类知识进行一轮重构。

口语时代留给人类的文化遗产是《荷马史诗》《山海经》这类口传的神话诗歌。
在口语-书写的变革中，诞生了希腊哲学，出现了“诗与哲学之争”。
在手抄-印刷的技术变革中，诞生了文艺复兴、现代科学革命和启蒙运动，出现了实证主义哲学对中世纪经院哲学的批判。

现在，数字媒介和人工智能又将对建立在印刷技术基础上的分科知识体系，带来一轮改造和重构。

现在大学的分科体系是在印刷机发明以后，在400年的时间里逐步形成的。16世纪以来，隐身于世界各个角落的手稿被纷纷挖掘出来，批量印刷；大航海的航船又把世界各地的宗教、科学、技术、植物、地理等知识带回欧洲，汇集到印刷所里。纵向、横向两方面的知识积累，在欧洲产生了一次巨量的“知识爆炸”：从来没有人见过这么多书。“读什么”成了一个巨大的难题。

于是，有学者开始编写图书分类目录——就像互联网时代的Yahoo或者Google的导航系统一样，在书海里为人导航。400年来，海量的图书被分门别类地装进了不同的分类目录中，大学的图书馆也按照这样分类目录来编制书目。这套图书分类目录与大学专业之间存在着一种相辅相成的关系，体现了一个人的有限经验与宏大的人类（集体）知识体系之间一种奇妙的互动关系。

大学分科体系从诞生的第一天起，就一直在遭受批判。矛盾是显而易见的。在大学里，一个人必须完成一个条块的专业课程，才能拿到毕业文凭。但当他/她走上社会以后，遇到的就业、育儿、理财等所有人生问题都需要全科知识。

20世纪以来，这套分科体系已经遭到一系列批判。代表性的有胡塞尔的《欧洲科学的危机》、查尔斯·斯诺的《两种文化》、约翰·霍根的《科学的终结》和1996年出现的“索卡尔恶搞事件”。

近年来，世界学术界普遍流行的绩效考核制度和GenAI工具的诞生，使大量重复造“新词”、“水”论文的现象进一步恶化。如果不加区分地、用昂贵的算力去统计、分析这些内含矛盾、冲突、重复的“知识”，真是一个巨大的浪费。

如何辅助人类，荡涤糟粕、重构人类知识体系是人工智能下一步发展的真正挑战。与古希腊人、文艺复兴人不同，现代人要处理的“旧知识”体量太大，体系太复杂了，必须借助于AI工具的支持。在清理“旧知识”，创新知识体系方面，AI4S、AI4SS、AI4E等细分领域任重道远。这是一个需要人类智能和人工智能协同发挥作用的应用场景，是人工智能下一步发展面临的真正挑战！

这个依靠AI工具重建的用词准确、语义结构清晰的知识网络，将是支持人类智能社会运转的技术基础设施和知识基础设施。

4.在基础和通识教育领域，应当适度控制人工智能的应用

有两方面原因。第一，人不是与生俱来就拥有高阶智慧的。婴儿需要接受语言、文字、数学、科学的教育，才能成长为一个拥有高阶智慧的人。AI的智能来自“训练”，婴儿也同样需要接受训练。第二，人类智能的训练语料是用口语、文字、数字、方程式、分子式等表意符号表示的，人只有掌握了这些表意符号，才能操作AI，理解AI生成的内容。

因此，针对特定人群、在特定的教育场景下，禁止使用AI是一种负责任的措施，而不是一种落后的行为。人工智能本质上只是一种“次生智能”图8

附录一：2026年9月“AI末日论”事件的脉络

2026年9月8日：Jacob Coxon宣布从Anthropic辞职，在社交平台发布警告，称前沿AI公司竞相研发超级智能是在赌博，推文浏览量超1.7亿次。同日，Anthropic“对齐”负责人Evan Hubinger响应说，团队真的相信AI可能杀死所有人，个人判断十年内概率超10%。

2026年9月12日：Anthropic的CEO达里奥·阿莫迪发表长文《We Must Pace the Frontier》，明确提出必须放慢AI模型的发展速度。伊隆·马斯克和萨姆·奥尔特曼立即响应，三巨头罕见一致地支持AI发展减速。

对这轮AI末世论提出最严厉的批评的是英伟达的黄仁勋和Palantir的CEO亚历克斯·卡普。

2026年9月14日，在洛杉矶All-In Summit会场，黄仁勋戏剧性地接听了特朗普总统的电话，特朗普严厉批判鼓吹AI风险的是骗局，黄仁勋回应AI不会接管世界。

2026年9月17日，在CNBC对Palantir CEO亚历克斯·卡普（Alex Karp）专访中，卡普对“AI末日论”提出了尖锐批评，其愤怒溢于言表，都快要爆粗口了。Alex Karp分享了两个重要观点。第一，企业客户抱怨在Token上投入大量资金，企业有价值的知识产权也暴露给了大模型，最终获得的收益太少。第二，前沿AI实验室的宗教般的理念近乎讹诈：AI太危险了，所以必须掌控在我们手里，我们理应拥有世界上所有的知识产权。

Palantir是世界领先的可信AI应用层公司。今天，世界上关键的金融应用、无人机军事行动无不建立在Palantir的本体架构基础上。Palantir培养了4000多名世界上最优秀的FDE工程师，致力于建立可信的AI应用。对于一家认认真真做可信AI的公司，碰上前沿AI实验室对用户和市场的讹诈，其愤怒可想而知：为世界提供可靠的产品，难道不是私营企业基本的底线吗？面对达里奥·阿莫迪把“不负责任”包装成宗教信仰的能耐，Alex Karp连呼“佩服”。

附录二：各学科关于智能研究的状况

在现有学科分类体系中，与“智能”相关的研究主要涉及以下学科：

1.心理学和脑科学

心理学19世纪才创立，主要研究大脑的功能和信息处理方式，关注个人的认知（cognition）行为。心理学对人类认知奥秘的揭示，远未达到物理学的“伽利略时刻”、化学的“拉瓦锡时刻”，或者生物学的“双螺旋时刻”。美国认知心理学家罗伯特·加涅就曾经澄清，认知心理学的“长时记忆”“短时记忆”等概念是受计算机体系结构启发提出的一个假说。“这些结构及其活动仍然主要以假设的方式存在，尚无法与大脑具体的位置或运作相联系”（注释1），属于一种理论假说。心理学为人工智能贡献了很多概念，带来了很多启发，但两者的关系仅此而已。

2.哲学认识论

在心理学之前，认识论（epistemology）一直是西方哲学研究的核心问题。从2000多年前的柏拉图的“观念论”、亚里士多德的“工具论”，到笛卡尔的“我思故我在”、洛克的“白板论”，一直到维特根斯坦的“语言哲学”、海德格尔的“装置”和斯蒂格勒的“持存”，都在讨论认知论/知识论的问题。

因为一直讨论不清楚，西方哲学家制造了一大串跟认识论有关的诘屈聱牙的概念。这既是西方哲学的遗产，也是一个巨大的认知负担。笔者最近几年阅读了大量西方哲学研究者讨论AI的论文，他们在“如数家珍”地引用西方哲学家的论述和概念的过程中，也不知不觉地掉进了西方哲学的思维定势。

3.英国技术哲学家卡尔·波普尔的“三个世界”理论

卡尔·波普尔在批判西方哲学认识论传统的基础上，首次把依赖技术工具建立起来的知识空间独立出来，提出了“世界3：客观知识世界”的概念，建立了“三个世界”的多元认识论框架。按照这个框架，人头脑中大部分知识并非来自个人的主观感受，而是来自全人类积累的“客观知识”。

这样就把人类智能的来源分成了两部分：（1）依赖人的生物感知系统获得的对世界的直接观察。心理学主要研究这部分个体智能的奥秘。（2）从“客观知识世界”获得的人类群体智慧。哲学认识论主要研究这部分群体智慧的形成。

波普尔阐述了“客观知识世界”对语言、文字的依赖，但没有系统地分析技术变革与“客观知识世界”发展的关系。

4.媒介环境学研究

媒介环境学派讨论了从口语到广播电视的技术变革对修辞学、阅读、图书出版等方面的影响。该学派名气最大的学者是麦克卢汉，但贡献最大的是瓦尔特·翁和伊丽莎白·爱森斯坦，这两位学者都毕业于哈佛大学历史系。

瓦尔特·翁仅用一句话就道尽了整个西方哲学认识论困惑的根源：“大自然从不明言‘事实’：‘事实’只出现在人类设计的语言表述中，用以指称周围真实世界里那张无缝的网络。”（注释2）

伊丽莎白·爱森斯坦对印刷机与现代知识产业、教育体系的形成进行了资料详实的阐述，令人信服地呈现了在印刷技术影响下，近现代社会、知识产业和现代教育制度的发展。

注释1：[美]罗伯特·加涅著，皮连生等译，学习的条件与教学论[M]，华东师范大学出版社，1999，p14,p69.

注释2：[美]瓦尔特·翁著，何道宽译，口语文化与书面文化[M]，北京大学出版社，2008，p51. 英文原文的表述为：Nature states no ‘facts’: these come only within statements devised by human beings to refer to the seamless web of actuality around them.

推荐阅读

腾讯研究院：

👇 点个“在看”分享洞见