「AI哲学」让人类“为自身立命”与“为AI立心”。

AI的拟人化和超人化是技术发展的必然趋势，也是人类对自身认知和未来想象的反映。它们通过重构主义（详细介绍请见章节“2.31  结构主义、解构主义、WHY重构主义：看山是山、看山不是山、看山还是山”）和虚构主义（Fictionalism）的双重作用，深刻改变人类与AI、知识、技术以及自身的关系。

拟人化强调AI与人类的相似性，是指将AI赋予人类特征，使其在行为、语言、情感、甚至道德判断上接近人类。通过模仿人类的思维和行为模式，AI被设计为能够与人类自然互动。

具体地，AI的拟人化是指通过3D技术、自然语言处理、以及交互技术，使机器能够以类似人类的方式与用户进行交流，甚至使之看起来像具有人类特质或情感的实体。拟人化有助于人类更好地理解和接受AI，促进AI技术的普及和应用。例如，人形机器人和智能助手等AI产品在设计上往往采用拟人化的形态和语言，以更好地与人类进行交互和沟通。又如，ChatGPT等生成式AI通过对话形式展现出类似人类的智能和知识水平。这种拟人化的目标是让用户在与AI交互时难以区分其与人类的差异。

AI超人化则超越了拟人化的范畴，强调AI在某些方面超越人类能力，例如计算速度、数据处理、模式识别等；这也反映了AI的独特优势，例如在复杂决策、大规模数据分析或危险环境中的表现，以及解决人类无法独立完成的难题。例如，AI可以通过“机-机”直接交互实现更高效的任务执行和知识整合，或者能预测用户需求并提前做出响应。这种超人化不仅体现在知识的广度和深度上，还体现在其能够整合多源信息、快速学习和适应新环境的能力。而超人化的消极方面体现在：当AI在某些领域表现出超越人类的能力时，人类可能会产生自卑感或无力感，甚至放弃对自身的提升和发展；此外这也可能加剧社会不平等，并引发对技术失控的担忧。

AI对人类知识的重构（详见章节“2.32.5  大模型是AI对人类知识的第一次真正重构”），以下图的3D重建为图示，即先把海量的人类知识进行压缩（寻找结构、合并、精炼），并打成有结构的碎片（图A）；然后再通过设置平滑条件和连续参数，根据新应用的需求（图B），把压缩精炼后的碎片重建（Reconstuct）拼合（图C）出新的语句。重构的这个“压缩、打散、再拼合”的过程也可被称为编码（Encode）和解码（Decode）过程。

图1-1  原始结构先被打散（解构），然后在新姿态（新视角）下拼合（重构）（图片来源：Robert W. Sumner）

AI通过其强大的数据处理和生成能力，试图重构人类的知识体系，将人类的认知、情感和社会规则编码到机器中。这种重构并非简单复制，而是通过技术手段重新组织、整合和优化人类知识，形成新的知识结构，甚至发现人类难以察觉的知识关联和模式，使其更高效地应用于实际问题。AI可以通过分析海量数据，快速生成新的知识、观点、解释和洞见，拓展了知识的边界和深度，甚至在某些领域超越人类的认知能力。这也重构了传统的知识生产方式，例如通过机器学习从海量数据中发现新的规律。

重构主义强调知识的动态性和碎片化，将碎片化的已有知识整合为系统化知识。AI在这一过程中扮演了重要角色，它不仅能够提供碎片化的信息，还能通过算法和模型将这些信息重新组织和扩展，形成新的知识体系。AI不仅仅是被动的数据处理工具，而是积极参与到知识的生成、传播和应用过程中。但这也可能引发对AI的过度依赖，不过这同时也能促使人类重新思考自身的独特性。

AI能够基于已有的知识和数据，生成看似合理但实际上可能并不存在的虚构内容和虚拟世界，如生成虚构的故事、艺术作品、历史事件，甚至创造出独特的虚拟知识体系和规则等。例如，一些AI写作工具可以创作小说、诗歌等文学作品，AI绘画工具能够生成各种风格的艺术画作，这些作品往往融合了人类已有的创作风格和元素，但又具有一定的创新性和虚构性；虽然基于现实世界的知识和逻辑，但又有其独特的虚构和想象成分。

AI在生成逼真的图像、视频等多媒体内容方面的能力，使得人类可以轻松地创造出虚拟的世界和场景。这些虚拟内容虽然并非真实存在，但它们在某种程度上反映了人类对现实世界的认知和想象。这种虚构能力不仅丰富了人类的文化生活，还可能对科学研究产生新的启发，通过模拟和创造新的场景，推动科学技术的创新和突破。

拟人化AI也带有一定的虚构性，它创造了一种“类人”的假象（情感幻觉），尽管当前的AI并不真正具备人类的情感和意识。这种虚构性有助于人类与AI建立情感连接，拉近了人类与技术的距离，但也可能模糊人类与机器之间的界限，引发伦理和身份认同问题。另外，超人化AI也带有一定的虚构性，它创造了一种“无所不能”的假象，尽管AI的能力仍然受限于算法和数据。也即，AI可以进行以下的虚构：

虚构的情感：AI生成的内容虽然基于数据和算法，但在特定语境下可以被视为具有一定的人工“情感”。

虚构的权威：AI可能创造一种“虚构的权威”，即人类对AI生成内容的信任和依赖。

虚构的未来：AI可能创造一种“虚构的未来”，即人类基于AI的预测和模拟来规划未来。

AI的虚构让其生成的知识或信息可能并非完全基于现实，而是基于算法和数据的推测或创造。例如，ChatGPT可能会生成不存在的知识或错误的信息（信息污染），甚至带有意识形态偏见。这种虚构主义对人类知识体系构成了挑战。一方面，AI生成的虚假信息可能导致知识的误导和错误传播；另一方面，它也提醒人类需要加强对AI生成内容的批判性思维和甄别能力。

虚构化的知识也可能导致人类对现实世界的误解或误判。一方面，当虚拟内容与现实世界存在显著差异时，人类可能会产生困惑或迷茫，甚至对现实世界产生怀疑和不满。另一方面，AI生成的虚构内容可能会模糊真实与虚构的界限，引发人们对知识真实性和可靠性的思考，特别是当AI生成的信息与真实信息难以区分时，人们需要更加谨慎地辨别和判断知识的来源和真实性，这也促使人类重新审视知识的定义和价值，进一步思考如何在虚构与真实之间建立合理的认知框架。

AI虚构主义的风险：

误导与操纵：虚构的内容可能会被用于误导公众或操纵舆论，特别是在政治、商业等领域。例如，虚假新闻或伪造的社交媒体帖子可能会引发社会恐慌或信任危机。

伦理与法律问题：虚构内容的生成和传播引发了诸多伦理和法律问题，如知识产权、隐私保护、责任归属等。如何规范和监管这些内容是一个亟待解决的问题。

最后，我们简单作一下未来展望：

人机合作模式：未来，AI与人类的合作将成为知识生产的主要模式。人类将利用AI的强大计算能力来弥补自身思维的局限，同时通过批判性思维和创造性思维来引导AI的发展。

对齐机制：对齐机制用于确保AI目标与人类伦理一致，防止虚构性权力失控。

知识的动态性：AI将推动知识的动态性和多样性。知识不再是固定的，而是通过人机互动不断生成和重构的。

综上所述，AI的拟人化和超人化正在深刻改变人类的知识生产方式，同时也带来了虚构主义的挑战。重构主义为理解这一变化提供了理论框架，而人类需要在人机合作中保持理性、警惕、和批判性思维，以应对AI带来的机遇和挑战。

大模型，尤其是深度学习领域中的大型语言模型（如GPT系列、BERT等），可以被视为AI对人类知识的一种独特而强大的重构（“重构主义Reconstructionism”的介绍请见章节“2.31  结构主义、解构主义、WHY重构主义：看山是山、看山不是山、看山还是山”）。它通过技术手段重新组织、整合和呈现人类积累的知识体系，从而改变了知识的生产、传播和应用方式。

1．大模型如何重构人类知识

知识的整合与压缩：大模型通过海量数据的训练，将分散的人类知识（如文本、语言、文化等）整合到一个统一的框架中。这种整合不是简单的堆砌和存储知识，而是通过算法逻辑（如通过数学建模和概率分布）对知识进行优化和关联，形成更系统、更高效的知识体系，并将知识压缩为一种可计算的形式。

知识重构的含义：重构并非简单地复制或存储知识，而是通过新的技术手段和算法逻辑，对知识进行重新编码、组织、整合、优化和创新，使其更适合当前和未来的需求。大模型不仅学习了语言的规则和结构，还吸收了大量的事实性知识、概念、观点等。这种整合过程使得模型能够以连贯、一致的方式回答问题或生成文本，即使这些信息原本分散在不同的来源、不同领域。

语义理解：大模型通过对大量文本的学习，获得了对语言深层语义的理解。这意味着它们能够捕捉到词语、句子和段落之间的复杂关系，以及这些元素如何共同构成意义。这种语义理解能力是人类知识重构的关键部分，因为它允许模型在理解和生成文本时考虑到语境和上下文。

知识推理：虽然大模型主要依赖统计模式来生成文本，但它们也表现出一定程度的推理能力。这体现在它们能够根据已知信息推断出新的结论，或者在不同情境下应用规则或原则。这种推理能力虽然不同于人类的逻辑推理，但仍然是对人类知识的一种重要重构，因为它允许模型在回答复杂问题时超越简单的信息检索。

知识的动态化与语境化：传统知识通常是静态的（如书籍、百科全书），而大模型能够根据具体问题和语境动态生成知识。它能够理解上下文，提供更具针对性和实用性的知识输出。

知识的去中心化：大模型打破了传统知识权威（如专家、机构）的垄断，使知识变得更加民主化和普及化。任何人都可以通过与大模型交互获取知识，降低了知识获取的门槛。

2．重构的特点

效率提升：大模型能够快速处理和分析海量信息，提供即时反馈，极大地提高了知识获取和应用的效率。

知识的泛化与迁移：大模型能够将某一领域的知识迁移到其他领域，展现出强大的泛化能力。例如，它可以将语言学的知识应用于编程，或将历史知识应用于社会科学分析。

知识的非线性呈现：传统知识通常是线性组织的（如书籍的章节结构），而大模型能够以非线性的方式呈现知识，更符合人类思维的跳跃性和关联性。

跨领域、多模态知识融合：大模型可以同时处理来自文学、科学、技术等多个领域的文本，从而实现跨领域的知识融合。例如，它可以在回答问题时结合医学知识和生物学知识，提供更全面的解答。大模型还结合了图像、音频等多模态数据，进一步丰富了知识的维度。

个性化与定制化的实时知识生成：大模型可以根据用户的特定需求，生成个性化的知识内容。这种个性化不仅体现在内容的选择上，还体现在知识的呈现方式上。在教育领域，大模型可以根据学生的学习进度和特点，生成个性化的学习计划。在商业领域，大模型可以根据企业的具体需求定制化生成市场分析报告或营销文案。而且，知识都是实时生成的，例如在新闻报道中，大模型可以根据最新的事件动态生成相关的分析和评论。

3．重构的局限性

知识的表面化：大模型虽然能够生成流畅的文本，但其对知识的理解仍然停留在表面，缺乏真正的深度和洞察力。尽管它们能够回答广泛的问题，但在某些特定领域或复杂问题上，它们的性能可能不如专家系统或专门设计的算法。某种程度上，生成式AI大模型也可被视为知识的“高级自动补全”、“高级复制”、“高级复现”。

知识的偏见与错误：AI大模型的知识重构依赖于大量的训练数据，如果数据本身存在错误、偏见或不完整，可能会导致错误的知识重构，或者其输出的知识不够准确或公正，或者含有对某些群体或观点的偏见。

知识的去主体化：大模型的知识生成过程缺乏人类的主体性和创造性，更多是对已有知识的重组而非创新。

透明度与可解释性：AI的决策过程往往是黑箱式的，难以解释其背后的逻辑。这使得人们对AI重构的知识产生怀疑，尤其是在涉及高风险领域时。

4．重构的意义

对人类认知的扩展：大模型不仅重构了知识本身，也扩展了人类的认知能力，使人们能够更高效地处理复杂问题。

推动知识创新：大模型通过整合和优化知识，能够为知识创新提供新的思路和方法。例如，在文学创作中，大模型可以为作家提供灵感和创意。

对知识生产的革命：大模型改变了知识生产的方式，从传统的专家主导转向数据驱动和算法生成。

对社会的深远影响：大模型的重构作用正在重塑教育、科研、文化等领域，推动社会向更加智能化和数字化的方向发展。

5．未来展望

人机协作的新模式：AI改变了知识的生产方式，从人类主导转向人机协作。大模型的重构作用将促使人类与机器形成新的协作关系：人类负责创造性思维、价值判断和校验把关，机器负责知识整合和计算。

知识的伦理与治理：随着大模型对知识的重构，如何确保知识的准确性、公正性和透明性将成为重要议题。

总之，AI大模型的发展既让机器更贴近人类，又让人类的某些能力得到飞跃，同时在知识的重构和创新上展现了独特价值。大模型对人类知识的重构既是技术进步的体现，也是社会变革的推动力。它既带来了效率与便利，也提出了新的挑战与思考。在未来，如何平衡技术的潜力与伦理的约束，将是人类需要共同面对的问题。

更详细内容，请见本书的完整版。如果你有任何感想，请在评论区留言，一起讨论。

“AI哲学一吴怀宇”（中国科学院博士、北大博士后）作者主页：www.OpenDAI.org；邮件：huaiyuwu@sina.com

视频号/公众号：AI哲学一吴怀宇中国科学院（人工智能哲学）

支持单位：