AI推理的起点是什么？不是物理或逻辑空间的初始位置，而是“问题”或“目标”

武汉理工大学：刘永红

AI推理的起点是什么？我认为，AI推理始于对问题或目标的敏感性和积极响应，它相当于人的思考的意愿，而非依赖物理或逻辑空间的初始位置或大数据。

为了解决问题，AI推理采用的技术手段是，从已有判断的前提出发，通过归纳（从具体到一般）或演绎（从一般到具体）展开，其过程是不透明的，使得人们难以准确判断或追踪AI的行为，其实，人们根本没必要知道，不是因为它复杂，而是它就是你的一个工具。举例来说：

你想做一个试验：去月球种土豆，于是你买了一张宇宙飞船的票，你的小心思并不在宇宙飞船的工作原理和飞船的技术功能上，而在去了是否有土豆吃上。”月球种土豆的问题“，可能深藏于你的脑海中，你的这个问题是AI推理起点的存在，但不值得你去崇拜AI，因为AI缺乏数据，只能通过尝试——失败——再尝试的方式来与你交流。

把“目标”看成“起点”是推理的反转，也就是逆向推理，举例来说，AI狂人马斯克，他定义“人类成为跨星球物种”，以此为目标，于是他反向推出“可回收火箭”是起点。AI能够“由果推因”，通过反向推导必要条件。

AI推理的起点不胜枚举。这些恰恰是AI生存的明智之举，也是AI走得更远的行动指南。这就引申出AI的三大主义（符号主义Symbolism、连接主义‌Connectionism和行为主义actionism），也许它们迷失在对“土豆”的幻想之中。

可以说，AI的三大主义并不完全是中国AI主义；它们并没有体现中国精神。AI的实用主义（亦称工具主义）才是富有道德意味的中国AI。从哲学上看，实在论者的观点往往来源于实用主义，其代表人物是杜威、培根、斯宾塞、穆勒等。此外，中国人有一个最显著特点，也就是对AI的各种主义拥有很强综合应用的能力，从其实质来说，就是实用主义的一种表现。如，融合符号推理与神经网络来突破大语言模型的推理瓶颈, 其核心范式：（1）Symbolic → LLM：利用符号方法构造或增强推理数据，辅助大模型训练；（2）LLM → Symbolic：让LLMs学会利用外部工具，例如符号求解器或程序执行器，增强推理能力；（3）Symbolic + LLM：构建神经网络与符号推理的混合端到端架构。See（Conference: IJCAI 2025 Survey Track. GitHub: https://github.com/LAMDASZ-ML/Awesome-LLM-Reasoning-with-NeSy）

如果我们把AI完全理性化和人性化，我们就无法把握AI的进程。我想，AI的发展是运用实用主义的思想和方法，实现智能化和高品质的内容生成。AI的实用主义将成为AI主义的主流，让我们拭目以待。

附录【‌‌百科】：

工具主义（实用主义）是一种哲学与科学哲学观点，认为‌观念、理论和科学模型并非对客观实在的真实描述，而是解决问题的工具‌，其真理性标准在于能否有效指导行动或预测现象 。

核心观点与定义

‌真理的实用性‌：思想、概念的真假取决于其能否指引行动取得成功，有效即为真理，无效即为谬误。

‌理论与实在的关系‌：科学理论不反映世界的真实状态，仅是连接可观察现象、进行计算与预测的辅助手段，与现实主义相对。‌‌‌

主要代表与流派

‌哲学领域‌：由美国哲学家‌约翰·杜威‌提出，广义上被视为实用主义哲学的别称，狭义特指其认识与真理理论 。

‌科学哲学‌：皮埃尔·迪昂等人主张理论仅为测量或解释现实的工具，强调其预测功能而非本体论真实性。

‌法学领域‌：工具主义法学认为法律是实现社会目的的工具，强调法律的人为性和可塑性，代表人物有庞德等。

杜威在《哲学的改造》《逻辑：探索的理论》等著作中，系统阐述了工具主义学说，明确反对将真理视为永恒不变的属性。该理论认为行为方法是认识的核心目标，在国际教育实践等领域均可见其工具主义思想的具体应用。