博文

3.10.4、“感智境行”与AI构建的对应：感知、智能、评级、执行

已有 451 次阅读 2026-8-1 11:00 |系统分类:观点评述

「AI哲学」让人类“为自身立命”与“为AI立心”。

信念的“感知、智慧、境界、行动”模型与AI的“感知、智能、评级、执行”模型在结构和功能上具有显著的对应性和相似性。这两个模型虽然源自不同的背景——一个是人类认知和哲学领域，另一个是技术工程领域——但它们都在处理信息“输入、处理、评估、和输出”的过程，体现了从认识到实践的完整循环。

1. 感知（Perception）

信念模型：感知是信念的基础。在这个阶段，人类通过感官和直觉获取外界的信息。这包括对物理环境和社会情境的认知，以及对自己内心状态的觉察。

AI模型：感知同样是AI的基础。AI系统通过传感器（如摄像头、麦克风、自动驾驶的激光雷达等）或数据接口（如ChatGPT的文本输入）接收外部信息。这些信息可以是图像、声音、文本等多模态数据。AI的感知能力旨在模仿人类的感觉器官，将原始数据转化为可处理的信息或特征。

两者都强调了对外界信息的收集和初步处理，为后续步骤提供基础，均可能受到噪声或误导性信息干扰。无论是人类还是AI，准确而全面的感知都是确保后续决策正确性的前提。

2. 智慧/智能（Wisdom/Intelligence）

信念模型：感知是信念的核心。智慧涉及对感知到的信息进行深入思考和反思的能力，体现为逻辑推理、伦理判断及经验整合。它不仅包括知识的积累，更涉及如何运用这些知识来解决问题并做出明智的决策。智慧帮助人们在复杂的情境中找到最合适的解决方案。

AI模型：感知同样是AI的核心。智能指的是AI系统处理和分析数据的能力，通常基于机器学习/深度学习算法实现。通过对大量数据进行学习和训练，这种数据驱动的智能使AI能够识别对象、预测趋势，并基于已有数据做出决策。智能表现为模式识别、数据关联与预测（如图像的识别和分类，识别语音中的语义内容，大模型的数学解题能力）、以及反馈控制。

尽管人类智慧包含了情感直觉、价值道德判断和个人经验等主观因素，而AI智能则客观依赖于计算能力和算法优化（如强化学习的奖励机制），但两者都在努力提高理解和解决问题的能力。

3. 境界/评级（Level/Rating）

信念模型：境界指个人主观的心灵状态和精神层次，涵盖了价值观、信仰体系及对生活的整体态度。境界反映一个人对自我、他人、社会和宇宙的整体认知和感悟，决定了信念的高度和格局。

AI模型：评级模块根据预设的目标和标准，对智能模块的输出进行性能、能力、重要性、优先级等方面的客观评估，如自动驾驶六级划分（SAE标准，如下表）、自动驾驶的路径安全评分、推荐系统中短视频的优先级、大模型生成答案的置信度等，确定其质量效果、准确性、有效性和可靠性。

级别	名称	描述
L0	无自动化（No Automation）	人工驾驶。所有驾驶操作均由人类完成，车辆仅提供警告或辅助功能（如紧急刹车、车道偏离提醒等）。
L1	驾驶辅助（Driver Assistance）	辅助驾驶。车辆可控制转向或加减速中的一项，如自适应巡航或车道保持系统，但仍需驾驶员全程监控和干预。
L2	部分自动化（Partial Automation）	车辆可同时控制转向与加减速（如自动泊车、自动变道，如特斯拉Autopilot），但驾驶员仍需时刻关注路况并随时准备接管。
L3	有条件自动化（Conditional Automation）	在特定环境（如高速公路）下，车辆可实现完全自动驾驶，但在系统请求时，驾驶员需准备好接管，是“人机责任分水岭”。
L4	高度自动化（High Automation）	在限定场景（特定区域，如园区、矿山、城市固定路线，天气良好，限定车速）内，车辆可完全自动驾驶，无需人类干预；在超出设定条件时，车辆可安全停车或等待支援。
L5	完全自动化（Full Automation）	全场景无人驾驶。无需方向盘或人工干预，在所有道路和环境下都能实现完全自动驾驶，相当于“无人驾驶”终极目标。目前尚未大规模实现。

虽然人类的境界更多地涉及到精神层面，如主观体验和深层次的价值判断；而AI的评级则更注重客观标准，如基于预定义的标准和目标函数，但两者都提供了决策框架，用于指导下一步行动。

4. 行动/执行（Action/Execution）

信念模型：行动是将感知、智慧和境界转化为实际行为的实践过程。行动不仅是信念的验证，也是信念的强化。通过行动，我们可以将内在的信念具体化，从而在实践中检验和调整这些信念。

AI模型：执行指AI系统根据算法或模型所做出的决策执行具体动作或自动化操作，如控制设备或输出结果。比如，机器人接收到指令后移动物体，或者聊天机器人生成回复消息。

两者都强调了将抽象理论转化为具体实践的重要性，且都可调整或修正后续的感知（动态迭代）。但人的行动更依赖个体的主观意志，AI的执行则依赖程序指令。

两者的对应性分析简单列表如下：

信念模型（人类）	AI模型	对应性分析
感知	感知	均指信息接收能力。人类通过多感官获取信息，AI依赖传感器、文本输入等多模态数据采集。
智慧	智能	均涉及信息处理逻辑。人类智慧包含伦理判断和抽象思维，AI智能表现为算法推理、模式识别、反馈控制与决策。
境界	评级	均涉及对状态的评价、分类和优先级排序，确保符合预设的目标和标准。信念模型体现了个体精神层面的主观性，AI模型体现了基于数据和算法的客观性。
行动	执行	均指向行为实践和目标实现。人类行动受自主意志驱动，AI执行依赖控制系统和操作指令。

可以看出，这两个模型在结构和功能上具有显著的对应性和相似性。信念模型中的感知、智慧、境界和行动，分别对应AI模型中的感知、智能、评级和执行。这种对应性表明，无论是人类的信念构建还是AI的智能行为生成，都遵循类似的逻辑和过程。两者都强调从感知到行动的连贯性，且每个环节都依赖前一步的结果。

两者之间的对应性和相似性：

信息处理流程：两个模型在结构上对应和相似，都遵循“感知-处理-评估-行动”的逻辑链条。两个模型都遵循从获取信息（感知），到处理和分析信息（智慧/智能），再到对结果进行评估或定位（境界/评级），最后采取相应行动（行动/执行）的基本流程。

感知：都是通过接收外部信息来形成对环境的初步理解。

智慧/智能：都涉及对感知信息的处理和分析，生成对环境的高级理解。

境界/评级：都负责评估和调整理解的结果，确保其符合预设的目标和标准。

行动/执行：都将理解的结果转化为具体的行动，以实现目标。

目标导向性：无论是人类的信念系统还是AI系统，都是以实现某种目标为导向的。

环境适应性：两者均需在复杂场景中动态调整：人类需应对信息模糊性（如紧急情境下的谣言判断），AI需处理遮挡、低光等传感器噪声。

多模态协作：人类通过多感官整合提升认知（如视觉与语言结合），AI通过多模态大模型（如文本+图像输入）增强理解。

不断优化和学习：人类通过不断地学习和实践来提升自己的智慧和境界，从而更好地适应环境和实现目标。AI 也通过不断地学习新的数据和优化算法来提高智能水平和评级结果，以提升执行任务的能力和准确性。

易受影响性：AI的评级系统易受误导信息影响（如多轮劝说可改变AI对“地球是平的”的判断），这与人类信念的脆弱性相似。增强AI模型鲁棒性有多种方法，如在评级阶段增加信息溯源验证，构建多维评价体系避免单一指标驱动的执行偏差。

两者之间的差异性：（详细差异参考章节“5.9 人工智能（AI）与人类智能（HI）的区别”）

Ø主观性与客观性：信念模型中包含了个人的主观因素，如情感、价值观和动机，而AI模型则更加客观，基于数据和算法。

Ø自主性与编程性：人在信念模型中的行动是基于自主选择的，而AI的行动则是基于预先编程的指令。

Ø复杂性和多样性：人的智慧和精神境界具有复杂性和多样性，而AI的智能和评级则相对单一，受限于其设计和编程。

Ø伦理与价值观：人类“境界”包含道德维度（如慈悲、利他），而AI的评级机制仅依赖预设规则或数据分布。

Ø创造力边界：人类智慧能超越经验提出颠覆性理论（如广义相对论），AI创新受限于训练数据与算法框架（如大模型无法生成未训练概念）。

Ø自我意识缺失：AI的“执行”本质是概率驱动的任务完成，缺乏人类行动中的意图性与情感动机。

总之，两种模型在信息处理流程（输入→分析→评估→输出）和动态迭代逻辑上高度相似，这种相似性不仅有助于我们理解人类信念的构建过程，也为AI的设计和优化提供了理论基础。此外，人类模型的复杂性与AI的技术性也可以形成互补。未来AI若需接近人类认知水平，需融合伦理框架与开放式学习能力（如迁移学习），同时要注意规避固化和偏见的风险（如误导性信息引发的模型偏见）。

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）