近年来，各种人工智能大模型愈发广泛地应用于人们的日常生活之中，人们在被AI悄然改变生活方式的同时，也无形地将生活编码并不断塑造AI新的发展。在唯物史观的基础上建构人工智能的哲学认识论，既需要回答我们如何认识人工智能的哲学之问，更需要解答人工智能如何认识世界的科学之问，由此才能进一步探究如何处理人类与人工智能之间关系的时代之问。

　　机器大工业时代的认识论

　　马克思在《关于费尔巴哈的提纲》中指出：“人的本质在其现实性上是社会关系的总和。”唯物史观认识论的核心在于既历史性地把握社会存在的物质规定，又批判地透视物性背后的不可见之物，即当下发生、当下消解的活动以及通过实践建构的社会关系。从机器发展史来看，马克思曾在工艺学研究中敏锐地看到，机器的发明并不能只归功于某个科学家或机械师，而是“一般智力”的对象化存在。一方面，机器发明并不是一个纯粹的科学问题，其内部构造是对人类劳动分工组织形式的模仿：工人的挥锤动作被凝固化为一个零件、活劳动的生命能力被统一的蒸汽动力替代、工人与工人之间的协作关系被流水线化为零部件之间的关系、个体性工人代代相传的技能被抽象为普遍化的科学知识。在这个过程中，机器化大生产既模仿和替代了原有的分工形式，又创造了全新的工厂分工制度。另一方面，机器的运用和普及化更是一个社会性的过程，不仅需要各个行业建立起高度分工的组织条件，而且要建立在一定的生产力水平之上，远远高于生产供给的社会需求才会催生机器的普及化，这正是英国在19世纪进行跨国资本积累和贸易之后成为世界工业中心的核心原因。

　　不过，在资本主义条件下的机器必须不断加速发展和变革自身，马克思在19世纪看到的作为劳动对象化产物的机器发生了颠覆性的变化。在20世纪，科学仪器和技术不仅是人们认识世界的工具，而且已成为科学范式建立的“中介”，是人们看见世界的“眼镜”。

　　技术中介与科学认知

　　法国历史认识论的代表人物巴什拉提出“现象技术”的概念，用以说明科学研究的新成果不是被发现的，而是被科学仪器和工具建构、生产和过滤出来的。正如显微镜创造了微生物学这门学科一样，人类必须通过技术这副“眼镜”才能“科学”地认识世界。科学不仅作为仪器和工具成为人们认识世界的中介，而且抽象化为一种无形的理论先验地建构了新的世界图景。他提出了“理论先行”的认识规律，认为任何科学观察都必然预设了既定的、历史性的理论框架。从认识论层面来看，仪器和理论是使新的科学现象得以被认识的先决条件，若不掌握这些理论工具，便不可能获取对世界的科学认知。然而，理论总是具有时代性的，作为科学理论对象化产物的仪器同样如此，它们既构成了认识的基本条件，也成为限制人们突破科学范式的桎梏。因为旧的仪器是无法看到新的科学实验现象的，所以巴什拉提出“理论、仪器、现象”三元循环理论，用以突破科学上的认识论障碍。而列斐伏尔提出的“技术装置即中介”正是在这个意义上的理论延续，技术通过中介、运作与控制三种机制实现虚拟空间的生产与再生产，并成为连通虚拟世界与物理世界的桥梁。

　　到了21世纪，当我们遇到问题第一时间向生成式人工智能寻找答案时，是否还能清晰地分辨虚拟与现实？从存在论来看，不仅现实与虚拟之间的界限变得模糊，而且人们通过实践活动走向现实和追求答案的“道路”开始消失。从认识论来看，技术与机器不再停留于中介阶段，而在一定程度上构成了我们认识的“世界”本体。人们往往不再通过人工智能来认识世界，而是将人工智能的认识等同于现实世界。那么，人工智能是如何认识世界的？

　　人工智能如何认知范式

　　人工智能“认识”世界的核心在于机器学习，其底层逻辑不是对人脑的模仿，而是人工神经网络的建构，是简单函数通过多层嵌套叠加形成的数学模型。因此，它只是对信息的捕捉、编码和输出，不能构成传统意义上的人类的“认识”。如果说人类视觉看到的是三维图景中人与人、人与自然的社会关系，那么机器视觉看到的则是二维矩阵中不同数值之间的拓扑关系。

　　从认识过程来看，黑格尔曾在《逻辑学》中指出，人的认识过程是从质到量的过渡，人的认识是一种独特的“格式塔”过程，整体性的图式识别在先，细节性的纹理观察在后。同时，人类认识的特殊性还在于每个人的先天认识构架都是独特的，这导致每个人面对同一个事物会得出不同的认识结果。当然，这种认识方式的另一个结果是出错率比机器更高，但这在某种程度上构成了人类能够不断扬弃旧观点、创造新观点的认识基础。由于机器（人工神经网络）缺乏先天的认识构架，它的认识往往依赖于当下经验与已有数据库的匹配，其认识过程从细节纹理出发而非整体形状，且会赋予每个细节以相同的地位。如果我们将著名的格式塔三角形给它辨识时，就会发现它难以区分图形和背景，只能通过网络检索才能知道这是一个格式塔案例中的三角形。

　　从认识方式来看，当前的机器学习主要依赖于统计规律，其认识的逻辑是归纳而非演绎，这构成了人工智能与人类认识的本质差异。由于人工智能与人的认识方式存在质性的差异，因此人工智能的认识关键不仅在于更高效地抓取信息和加速运算，更在于对人类社会组织方式的学习与模仿。质言之，人工智能认识论的基础不是硬件和算法，而是人类的劳动与生产方式。众所周知，备受瞩目的无人驾驶汽车项目已经进入试点阶段。我们对其产生的好奇源自一种认识论式的发问：人工智能的认识能否人格化为一名驾驶员？这构成了从信息化的人工智能向物理形态的具身智能转换的关键。我们都知道，人在驾校里学习驾驶技能的核心是对车辆操纵与驾驶知识的熟悉，而这种知识性内容对于无人驾驶技术而言是相对简单的。无人驾驶应用的难点是对人类社会长时间以来所形成的伦理、规则与习惯的学习，这不仅包含能够被明确表达和记录的条例规则，而且内含了人们不自觉使用的“默会知识”（tacit knowledge）。这些习惯性伦理往往还呈现出地域化的区别，是人们在具体社会实践中无形建构的协作活动的产物。当我们在街上看到由于各种原因误入规定车道之外就不知所措的无人驾驶快递车之时，就证明了目前的机器学习模型并没有掌握人类的“变通”。因为这已经超出了意大利理论家所说的作为“一般智力”的技能与人类分离的范围，而是《庖丁解牛》中“游刃必有余”的活劳动能力，即海德格尔所谓的“此在”的本真状态。

　　历史地看，尽管人工智能在很多方面呈现出“拟人化”的特征，但是其本质仍然是一种机器，仍是以历史性的人类劳动与生产为基础的。因此，“人工智能如何认识世界”与“我们如何认识人工智能”其实是同一个命题的两个方面，人工智能认识论的关键不在于将人工智能作为认识主体进行观察，而在于在一定的社会存在中认识人自己，即人类如何生产AI世界，并通过AI改造现实世界的具体过程。在此基础上，我们才能进一步去思考未来可能取代人工智能的新范式究竟为何。

　　（作者系南京大学哲学学院助理研究员）