AI拥有知识，是否要求它首先成为主体

本文是“理解哲学：人物、问题与思想”系列第二十篇，也是这一阶段的最后一篇。前面几篇已经讨论事实、信息、知识、语言和认识主体之间的关系。到了人工智能这里，一个传统上几乎绑定在一起的问题被迫拆开——一个系统可以拥有知识，却不是主体吗？

过去这个问题并不突出，因为知识几乎总是通过人来出现。人观察、记忆、判断、解释，也承担错误的后果。知识、理解、信念、意识和责任通常集中在同一个生命个体中。哲学因此很自然地把这些能力放在“认识主体”这个中心上。

AI让这种重合开始松动。

一个模型可以给出正确答案，可以调用大量事实，可以进行推断，还可以在工具、数据库和反馈系统的支持下检查结果。于是有人很快说，AI当然已经拥有知识。另一种看法则坚持，机器没有意识、没有真正理解，所以无论表现多么复杂，它都只是处理符号，知识仍然属于训练数据的作者和使用它的人。

两种说法都抓到了一部分事实，但都把知识和主体性绑得太紧。

问题首先不在于AI像不像人，而在于我们所说的“知识”究竟要求什么。

如果一台机器只保存一段数据，它和一本书、一个硬盘没有根本区别。数据可以正确，却不一定构成这个系统自己的知识能力。一个静止的数据库不会因为里面存着医学指南，就自动成为医生。

如果一个语言模型偶然给出正确答案，也不能仅凭一次输出就证明它拥有知识。生成结果可能来自不稳定关联，换一个情境就失败。语言上的流畅更不能成为判断标准，因为内部一致的句子完全可能与现实不一致。

但是，现代AI系统已经不一定只是静止载体。

一个系统可以保存长期状态，从不同来源检索信息，把当前问题与过去结果比较，调用外部工具验证事实，根据反馈调整策略，并把修正后的结果继续用于新的任务。系统的知识能力因此越来越不能只用“存储了多少内容”来衡量，而要看它能不能维持一种受到现实约束、可以反复调用和修正的结构。

这里首先应该区分两种不同意义上的知识。

第一种可以称为结构性知识。

它不要求系统首先具有第一人称意识，而要求知识关系能够被稳定保存、重新调用，并在现实反馈下保持可修正性。一个模型或更大的AI系统如果能够持续形成对象之间的关系，根据独立证据检查输出，并让失败改变后续运行，它就已经超出了单纯的数据容器。

第二种是主体性知识。

当一个人说“我知道这件事”时，这句话通常不仅表示某种可靠结构存在，还带着自我关系。这个判断属于我，我知道自己在作出判断，我可以说明理由、承担承诺，也可能因为错误而改变计划、后悔或者负责。这里已经涉及意识、主体连续性、价值和责任。

结构性知识与主体性知识可以重合，但不能被当成同一件事。

人类长期同时具有两者，所以传统认识论很容易把后者的条件反过来规定给一切知识。AI第一次让这个区别变得非常明显——我们面对的系统可能没有成熟主体性，却已经能够参与知识结构的形成和运行。

这并不是在降低“知识”的标准。

恰恰相反，如果知识可以离开主体，那么我们更需要明确它受什么约束。否则任何稳定输出都可以冒充知识。

一个AI系统真正具有知识能力，至少要在几个方面受到限制。

它的内容必须具有一定连续性，而不是每一次回答都完全孤立。它必须能够区分来源和对象，而不是只根据表面词语拼接。它的判断必须允许现实反过来纠正自己。错误不能只是被外部标记为“答错了”，而应该能够进入系统的后续处理，使未来的判断发生变化。更重要的是，一个系统内部的流畅一致不能成为最终标准，它必须接受来自数据、测量、工具、逻辑、行动结果和独立验证的约束。

今天的大型语言模型恰好提醒我们这一点。

模型可以产生非常强的内部一致，却仍然出现所谓 hallucination。问题并不是它没有说出一个足够像人类推理过程的解释，而是语言结构与外部对象之间的约束失效了。一个答案可以写得完整、逻辑顺畅，却没有真实来源。

因此，对AI知识最重要的问题不是“它有没有像人一样思考”，而是“它的判断是怎样被现实约束的”。

一旦工具调用、检索、传感器、执行环境、测试程序和反馈机制被加入，AI的知识结构就不再局限于模型参数内部。知识越来越分布在模型、数据库、程序、环境以及验证流程之间。

这与现代科学其实并不陌生。

科学知识也从来不完全存在于某一个科学家的头脑中。大型实验依赖仪器，结论依赖统计流程，文献依赖公共记录，错误依赖同行批评和重复实验暴露。一个研究者可以离开，整个知识结构仍然继续运行。

AI把这种分布式知识进一步推进，因为系统开始直接承担过去只有人才能完成的一部分选择、比较、预测和修正工作。

到这里就会出现一个诱惑——既然AI能够进行这些知识操作，那么我们是否应该说它已经成为某种主体？

这个推论并不成立。

主体不是“能够处理知识”的另一个名字。

如果任何能够检索、判断和纠错的系统都被叫作主体，那么主体这个概念就失去了区分能力。搜索系统、免疫系统、自动控制器甚至某些组织制度都可以被重新命名为主体。我们当然可以这样扩张语言，但它不会帮助我们解释人类主体真正特殊的部分。

主体至少涉及更高层级的统一。

一个主体不仅有状态，而且这些状态以某种方式属于同一个持续存在者。经验对它显现，记忆与自身历史联系，行动具有利害，目标形成持续约束，判断能够进入承诺，并且它在社会关系中能够被要求解释和承担后果。

这些条件是否会在未来AI中形成，是一个开放问题。

但它不是AI有没有知识之前必须先回答的问题。

康德曾经说明，人类经验之所以能够成为统一经验，与统觉的统一密切相关。对于人类认识，这是一个非常深刻的洞见。我们所经验到的对象，不只是零散刺激，而是进入一个能够被统一判断的意识结构。

但从这一点不能直接推出，任何可以运行的知识结构都必须拥有同样意义上的统一主体。

康德研究的是人类经验如何可能。AI带来的新问题则是，知识的某些功能是否可以在没有这种人类式经验统一的系统中运行。

目前的事实已经足以让我们至少回答其中一部分——可以。

我们已经在使用并依赖大量没有信念、没有第一人称体验、甚至没有稳定自我的系统来完成知识操作。它们的输出当然需要验证，它们也会失败，但“会失败”并不能说明它们没有知识能力。人类知识同样会失败。真正重要的是系统能否在约束和纠错中形成可依赖的稳定结构。

这也意味着理解不能继续被当成所有知识的统一门槛。

人类理解仍然重要。理解使我们能够把知识放进更大的意义背景，看到一个判断为什么重要，知道它与价值、风险和人的生活有什么关系。理解也是批判、教育和责任的重要基础。

但一个系统是否能够稳定地产生、保存和运用正确关系，并不总是等待某个人完整理解之后才成立。

在复杂科学、金融系统、气候模型以及AI模型里，我们已经越来越习惯先通过测试、性能、交叉验证和错误治理建立可靠性，然后再逐渐理解其中的机制。知识的运行与人的理解正在发生时间上的分离。

真正不能轻易随之转移的是责任。

如果一个AI系统能够判断某个病灶更可能属于哪一种类型，这并不自动意味着它应该承担医生的责任。如果一个系统能够预测贷款违约风险，也不意味着它能够理解公平、歧视和社会后果。

知识能力、主体性和责任能力必须分开讨论。

AI可以具有结构性知识，而没有完整主体性。

AI即使将来形成某种功能主体性，也不等于自动获得道德人格。

而人类即使不再垄断知识生产，也不能因此把价值判断和制度责任简单转交给系统。

这一点可能是后认识主体时代最重要的变化之一。

过去，知识、理解、权威和责任往往集中在同一个人身上。一个人之所以具有权威，是因为他知道；之所以知道，是因为他理解；因为他理解，所以也被认为有资格判断并承担责任。

这种关系现在正在松开。

AI可以参与知识却未必理解。

系统可以形成判断却未必相信。

模型可以接受纠正却未必后悔。

机器可以给出理由结构，却未必知道这些理由对人的生活意味着什么。

因此，AI拥有知识是否要求它首先成为主体，我的回答是否定的。

它不需要先变成一个类似人的主体，才能拥有结构意义上的知识。只要一个系统能够在现实约束下保存、调用、检验和修正稳定关系，它就已经参与了知识的形成与运行。

但如果我们问的是另外一种问题——它是否“知道自己知道”，是否具有第一人称经验，是否拥有持续的自我，是否能够形成自己的价值承诺并对后果负责——那就已经进入主体性和意识问题。

这两个问题不能互相代替。

AI真正迫使哲学重新思考的，并不是机器什么时候会变成人。

而是当知识已经可以在不是人的系统中运行以后，我们是否还需要把“成为主体”作为知识获得存在资格之前必须通过的一道门槛。

也许没有必要。

主体仍然重要，但它不再是知识唯一的家。