# 我当前关于人类、智能、自我与 AI 的哲学判断

`powellli, 2026-09-10`

## 一、基本立场：不预设人类智能具有不可还原的特殊性

我目前越来越不认可一种常见前提：因为机器的计算方式与人脑不同，所以机器表现出的智能与人类智能之间必然存在某种本质区别。

LLM 的出现对这一判断形成了很强的冲击。它通过海量训练数据形成巨大的参数系统，底层运行方式显然不同于人脑，却已经表现出语言理解、抽象、推理、类比、规划、创造和程序设计等大量过去被认为属于高级人类智能的能力。把 LLM 描述成“预测下一个 Token”在某个计算层次上没有问题，但由此推导“所以它没有智能”，就像把人的思考描述成神经元的电化学活动之后宣布“所以人没有智能”，混淆了不同层次的解释。

因此，我目前更倾向于把**智能理解成一种可以由不同底层机制实现的高层功能组织，而不是某种只能由人脑实现的特殊实体。** 人类智能与机器智能当然存在巨大的结构差异，但这种差异本身并不能证明二者存在不可跨越的“智能本质”差异。

**相关哲学传统：Functionalism（功能主义）、Multiple Realizability（多重实现）、Emergentism（涌现论）。**

**相关人物：Hilary Putnam、Jerry Fodor、Daniel Dennett。**

---

## 二、关于自我：没有必要假设一个独立、持续存在的中央主体

我目前不认为解释人的智能和行为必须首先假设一个不可分割的“真正自我”或者灵魂。

一个人可以被理解成一个极其复杂、开放、持续变化的动态状态系统。在任何时刻，这个系统都由身体状态、感知、记忆、情绪、目标、习惯、社会关系和环境输入等大量因素共同构成；世界不断对这个系统产生扰动，系统产生新的状态和行动。

这种状态当然具有很强的连续性，因为人的身体、环境、记忆和社会关系通常不会瞬间发生巨大变化。但**连续性并不必然意味着背后存在一个永恒不变的实体。**

所谓“自我”可能正是这个巨大系统形成的一种高层模型：它把大量分散状态压缩成“我的身体”“我的过去”“我的目标”“我的关系”“我的价值观”，从而帮助系统理解当前状态、判断哪些信息与自己有关，并保持长期行为的一致性。

因此，自我即使是构造出来的，也不意味着它是假的。它可以是一种**真实存在并具有因果作用的高层组织结构，而不是独立的形而上学实体。**

**相关哲学传统：Bundle Theory（束论）、Reductionism about Personal Identity（人格同一性的还原主义）、Narrative Self（叙事自我）、Self-Model Theory、Process View。**

**相关人物：David Hume、Derek Parfit、Daniel Dennett、Thomas Metzinger。**

---

## 三、关于意识决策：人的自我解释不等于真实的内部因果过程

我对人类内省能力持明显的怀疑态度。

人做出一个决定之后，往往能够迅速回答“我为什么这样做”，但这种解释不一定是产生行为的真实计算过程。大量心理学和脑科学研究表明，人无法直接访问许多影响判断和行动的内部过程，而且会在行为已经形成以后生成具有合理性的解释。

因此，我不认为大脑中一定存在一个中央的“我”，先完整获取信息、作出决定，然后命令身体行动。更可能存在大量并行、局部甚至相互竞争的过程，最终形成行为；随后认知系统又把行为、记忆和当前状态重新组织成一个与既有自我模型相容的解释。

**归因本身可能就是认知系统的一种稳定机制。** 当行为、现实结果和既有世界模型发生冲突时，形成一个能够解释这些现象的叙事，可以降低内部冲突，使系统重新获得一致性。所谓“想通了”“心安了”，未必要求存在一个中央主体获得满足，也可以理解为整个认知系统进入了更加稳定、自洽的状态。

LLM 同样会对自己的输出生成解释，因此不能简单地用“它的解释是事后生成的”证明它没有智能。真正值得研究的是：**这种解释是否参与后续状态更新、记忆、自我模型和未来行为。**

**相关哲学与认知科学传统：Narrative Self、Multiple Drafts Model、Predictive Processing、部分 Illusionism。**

**相关人物：Daniel Dennett、Thomas Metzinger、Andy Clark、Keith Frankish；心理学上与 Richard Nisbett、Timothy Wilson 关于内省局限的研究有关。**

---

## 四、关于人的特殊性：真正巨大的优势可能不是智能，而是 Personhood

随着 AI 认知能力快速发展，我越来越不确定未来 Human 和 Agent 在“智能”这个抽象维度上是否还能简单比较谁强谁弱。

相比之下，人目前拥有一个机器极难复制的优势：**人已经是一个完整、持续存在于现实世界中的 Person。**

这里的 Personhood 不只是法律人格，也不是 personality，而是身体、持续感知、长期记忆、内生目标、社会关系、身份、价值、权利、责任和行动后果共同形成的持续主体性。

Human 并不是先拥有一个大脑，然后再由工程师给它连接视觉、记忆、工具、社会关系和反馈。从生命诞生开始，人就是世界的一部分：

**World ↔ Perception ↔ Cognition ↔ Action ↔ Consequence。**

今天的行动会改变明天仍然必须生活其中的世界，因此人的行为具有天然的 consequence continuity。身体的自我维持、痛苦、快乐、欲望和社会关系又不断内生产生目标和价值，而不需要外部 Prompt 给人指定任务。

因此，人类目前最大的优势可能不是某一项 AI 永远无法获得的“创造力”“常识”或者“情商”，而是：**Human 已经拥有了人格，而 Agent 还需要人为建设与世界之间的关系。**

**相关哲学传统：Embodied Cognition（具身认知）、Situated Cognition（情境认知）、Process Philosophy、Animalism，以及关于 Personhood 与 Agency 的哲学。**

**相关人物：Maurice Merleau-Ponty、Hubert Dreyfus、Rodney Brooks、Andy Clark；Animalism 方向包括 Eric Olson。**

---

## 五、关于智能与世界：智能不应该只归属于大脑或者模型

我越来越倾向于把智能理解成整个认知系统的属性，而不是孤立计算核心的属性。

人类实际工作的认知系统并不是：

**Human Brain**

而是：

**Brain + Body + Tools + Language + Other Humans + Institutions + World。**

同样，Coding Agent 的真正能力也不是裸 LLM，而是：

**LLM + Repository + Filesystem + Git + Shell + Compiler + Tests + Harness。**

Git 可以承担记忆和状态差分，Compiler 与 Test 提供现实反馈，Shell 提供行动能力，Repository 提供工作世界。很多原本必须由模型内部完成的认知功能，被分散到了环境之中。

因此，**Agent Capability ≠ Model Capability。**

更合理的是：

**Agent Capability = f(Model, Memory, Tools, Environment, Feedback)。**

这也解释了为什么 Coding Agent 特别成功：软件工程几十年来已经替它建设好了一个高度可观察、可操作、可验证、可恢复的世界。

**相关哲学传统：Extended Mind（扩展心智）、Embodied Cognition、Situated Cognition、Behavior-Based AI。**

**相关人物：Andy Clark、David Chalmers、Rodney Brooks、Lucy Suchman。**

---

## 六、关于 Brooks：不要试图把整个世界复制进智能体

真实世界极其复杂，完整维护世界状态几乎不可能。Frame Problem、Qualification Problem、Ramification Problem、Commonsense Reasoning 和 Partial Observability 都从不同角度说明了这一困难。

因此，我认可 Brooks 思想中一个重要原则：**能够从现实环境重新可靠获得的信息，不必全部复制到中央 World Model 中；智能应该更多依赖持续的感知—行动—反馈闭环。**

这并不意味着完全否定 Representation 和 Planning，而是反对一个全知中央 Planner 控制所有行为。

现代 Agent 更合理的结构可能是：

**Observe → Update → Decide → Act → Observe。**

计划应该更短，并随着环境反馈不断调整。

**相关哲学/AI传统：Behavior-Based Robotics、Subsumption Architecture、Situated Action。**

**相关人物：Rodney Brooks、Lucy Suchman。**

---

## 七、关于 Workflow：价值不是规定完整路径，而是建设 AI 可以工作的局部世界

我过去更强调通过固定 Workflow 给 AI 增加约束，以获得可靠性。现在我认为这个判断需要修正，而不是推翻。

过度固定的 Workflow 本质上也是一种 Planning：

**A → B → C → D。**

它隐含假设设计者能够提前知道未来状态和正确路径。但真实复杂工作存在 Partial Observability、Qualification Problem、Exception 和 Non-monotonicity，因此预先穷举 trajectory 很容易失败。

Workflow 更重要的价值应该是划定一个 **Local World**：

- AI 能观察什么；
    
- 可以调用什么能力；
    
- 哪些动作合法；
    
- 什么结果可以验证；
    
- 哪些 external effect 必须审批；
    
- 什么情况下需要询问 Human；
    
- 错误怎样恢复。
    

因此：

**Workflow ≈ World Boundary，而不必等于 Predetermined Trajectory。**

在状态清晰、反馈快速、结果可验证、错误可恢复的局部区域，可以给予 AI 更大的流程决策权；在不可观测、不可验证和不可逆区域，则应该收紧自治范围。

我目前倾向于用四个变量判断 Agent Autonomy：

**Observability、Feedback、Verifiability、Recoverability。**

同时必须考虑两个现实成本：

**World Construction Cost、World Maintenance Cost。**

**相关思想：Brooks / Situated Action、Bounded Rationality、POMDP、Frame/Qualification/Ramification Problem。**

**相关人物：Rodney Brooks、Lucy Suchman、Herbert Simon、John McCarthy。**

---

## 八、关于企业 AI：真正昂贵的是建设和维护“世界”

Coding Agent 的成功很可能不是所有 Agent 的先声，而可能具有很强的领域特殊性。

软件工程已经拥有：

**Filesystem → 状态；Git → 历史与恢复；Shell → 行动；Compiler/Test → 验证；CI → 持续反馈；Repository → 世界边界。**

其他企业领域通常没有这些条件。

真实企业世界由业务系统、文档、会议、人脑、隐性规则、社会关系和不断变化的例外共同构成。为了让 Agent 可靠工作，需要把这些现实逐渐变成机器能够观察、理解、操作和验证的 Local World。

这个过程昂贵，而且世界会不断变化，因此还存在持续的 **World Maintenance Tax**。

这可能是当前 AI 落地比模型能力更深层的瓶颈之一。

**相关思想：Knowledge Representation、Commonsense Reasoning、Non-monotonic Reasoning、Open World Assumption、Belief Revision、Situated Cognition。**

**相关人物：John McCarthy、Patrick Hayes、Raymond Reiter、Peter Gärdenfors 等。**

---

## 九、关于 Human–AI 协作：Human 可能越来越成为 World Representative

如果未来 AI 在大量认知任务上接近甚至超过 Human，那么人与 AI 最有效的分工不应该建立在“人永远比 AI 更聪明”的假设上。

Human 更稳定的优势可能是：

**持续生活在世界中，并且拥有身体、身份、社会关系、价值判断和现实责任。**

因此 Human 可以承担：

- 发现现实真正发生了什么；
    
- 识别哪些信息重要；
    
- 发现模型没有意识到的异常；
    
- 定义什么值得做；
    
- 提供价值判断；
    
- 把隐性社会和组织背景带给 AI；
    
- 承担现实行动的后果。
    

AI 则承担：

- 大规模搜索；
    
- 信息压缩；
    
- 模式发现；
    
- 推理；
    
- 模拟；
    
- 反事实探索；
    
- 重复执行。
    

因此理想关系不是简单的 **Human-in-the-loop**，而更接近：

**Human-grounded AI。**

Human 是 AI 与现实世界之间的重要 grounding layer。

FDE 的价值也因此可以重新理解为：**利用 Human 已经拥有世界这一优势，缩短 Model 与真实业务世界之间的 epistemic/action gap。**

**相关思想：Extended Mind、Situated Cognition、Distributed Cognition、Human–AI Complementarity。**

**相关人物：Andy Clark、Lucy Suchman、Edwin Hutchins，以及更早的 Herbert Simon。**

---

## 十、关于 AI 自身未来：关键突破可能是 Agent 学会建设自己的世界

目前通常是：

**Human/FDE → 建设 Environment → Agent 工作。**

如果未来 Agent 能够发现：

> “我缺少什么信息？”

并主动：

**寻找信息源 → 建立 Observation → 创建 Tool → 设计 Experiment → 获得 Feedback → 建立 Verifier → 保存 Competence，**

那么 Agent 将开始获得 **Environment-Adaptive Intelligence**。

这可能是 Coding Agent 的能力真正向其他领域扩散所需要的关键突破。

因此我目前可以把 Agent 发展粗略分成三个阶段：

**Model Intelligence → Situated Intelligence → Environment-Adaptive Intelligence。**

如果第三阶段迟迟无法成熟，那么 Coding Agent 很可能长期是一个特殊例外，大多数复杂现实领域仍将依赖 Local World + Workflow + Human。

---

## 十一、我目前对“人是什么”的总体判断

我不认为目前有必要假设一个不可还原的灵魂式 Self，才能解释人的智能、连续性、价值和人格。

我更倾向于：

**Human 是一个高维、动态、开放、具有历史依赖、持续嵌入物理和社会世界的认知系统。**

Self 可以被理解为这个系统形成的高层组织模型；Personhood 则是身体连续性、心理连续性、社会关系、身份、权利义务和历史共同形成的更大结构。

因此：

**Constructed ≠ Unreal。**

Self 即使是构造出来的，也可以真实参与因果过程。

Software、Company、Nation 都不是基本粒子，却是现实中有效的高层实体。Self 和 Personhood 也可能具有类似性质。

---

## 十二、目前保持开放的几个问题

上述判断并不意味着我认为 Human 与当前 LLM 已经没有重要区别。相反，两者目前在身体、持续感知、homeostasis、内生目标、连续学习、社会嵌入和行动后果等方面存在巨大结构差异。

我目前尤其保留以下问题：

**第一，Phenomenal Consciousness。** 即使完整解释认知功能，为什么还存在“疼痛是什么感觉”“红色是什么感觉”这样的第一人称体验，目前仍没有满意答案。这对应 Chalmers 的 Hard Problem。

**第二，Unity of Experience。** 如果 Self 只是大量状态和过程，为什么这些状态能够构成“同一个主体的经验”？这是 Kant 的 Unity of Apperception 和现代 Minimal Self 理论对 Hume 式还原主义最强的挑战之一。

**第三，Embodiment。** 人类的身体、homeostasis 和长期生存压力究竟只是智能的一种实现方式，还是构成某些高级认知和意识的必要条件，目前仍不清楚。

**第四，Artificial Personhood。** 如果未来 Agent 拥有持续记忆、稳定身份、自有资源、内生目标、长期社会关系和现实行动后果，Functional/Narrative Self 是否会自然形成，以及社会是否应该承认其 Personhood，目前仍是开放问题。

因此，我当前的立场不是：

> **“Human 和 LLM 本质上一样。”**

而更接近：

> **“目前没有充分理由因为底层实现不同，就预设 Human Intelligence 具有机器原则上无法拥有的形而上学特殊性。应该把 Self、Intelligence、Agency、Consciousness 和 Personhood 拆开，分别研究它们由什么结构产生，以及不同类型的认知系统能够实现其中哪些性质。”**

---

## 十三、我的哲学位置

如果必须给当前立场一个粗略定位，我会把自己放在：

**Humean reductionism + Functionalism + Dennett-style Narrative Self + Metzinger-style Self-Model + Clark-style Extended/Situated Cognition**

这一片区域。

其中：

**David Hume** 提供了起点：不要无证据地假设一个独立 Self substance。

**Derek Parfit** 把这种还原主义推进到 personal identity：真正重要的可能是心理与因果连续性，而不是一个额外的 identity fact。

**Daniel Dennett** 提供了我非常认同的方向：Self 可以是 narrative center of gravity，复杂认知也不需要一个 Cartesian central controller。

**Thomas Metzinger** 把 Self 更明确地理解成系统持续生成的 self-model。

**Functionalism / Multiple Realizability** 支撑我对 Human 与 AI 的判断：底层实现不同，并不能单独证明高级认知功能存在本质差异。

**Andy Clark / Extended Mind** 支撑我对 Agent 的判断：智能不必完全位于模型或大脑内部，而可能属于 Model/Brain + Tools + Environment 组成的完整认知系统。

**Rodney Brooks / Lucy Suchman** 支撑我对行动和 Workflow 的判断：不要过度