冷門的哲學，成了“治”AI的熱門

金磊 發(fā)自 上海
量子位 | 公眾號 QbitAI

誰曾想啊，哲學這個冷門專業(yè)，竟成了當下AI的熱門。

這是我們今年逛WAIC時的意外發(fā)現(xiàn)——哲學含量，有點高。

△圖片由AI生成

例如在WAIC科學智能開放論壇的平行專場《心智與智能·青年生態(tài)論壇》上，第一位登臺演講的嘉賓，就是復旦大學哲學學院教授孫寧；科學智能開放論壇主場討論《AI原生時代的原始創(chuàng)新》，復旦大學哲學學院教授孫向晨同樣坐上了巔峰對話席。

無獨有偶，WAIC期間由復旦大學國家發(fā)展與智能治理綜合實驗室發(fā)布的《2026人文社會科學智能發(fā)展藍皮書》，又把深度思考、科研可信和AI治理擺到了聚光燈下。

但有一說一，這股看似突如其來的哲學熱，其實是有跡可循的。

幾年前參加AI大會，大家談論最多的是參數(shù)、算力和榜單；而如今，AI已經會寫論文、做數(shù)學證明、生成蛋白質構象，還能用一群智能體模擬社會。

雖然AI在能力上是一路高歌之勢，但隨之產生的問題也越來越接近哲學：

• 一個模型可以流暢回答問題，就代表它真的理解了嗎？
• AI能夠自主發(fā)現(xiàn)知識，它算新的科學家嗎？
• 如果AI發(fā)現(xiàn)了人類無法解釋、卻能通過實驗驗證的規(guī)律，我們又該不該相信？

孫寧在名為《智能之前，先有世界》的演講中，把問題拉回到了源頭。

早在上世紀90年代，認知科學家Stevan Harnad便提出符號奠基問題，追問符號系統(tǒng)怎樣通過感知和交互獲得真實意義。差不多同一時期，機器人工程學家Rodney Brooks又提出物理奠基假說，并留下一句頗有影響力的話——世界本身就是最好的模型。

△復旦大學哲學學院教授，孫寧

沿著這條思路，孫寧提出，一種深度扎根于世界的智能，至少需要身體、環(huán)境、他者和歷史。身體讓行動產生代價，環(huán)境提供反饋，他者帶來規(guī)范，歷史則讓失敗沉淀成經驗。

他最后將其概括為兩句話：

智能之前，先有世界。
心智之前，先有關系。

這也為當天的討論定下了基調。

這場青年論壇由復旦大學國家發(fā)展與智能治理綜合實驗室、上海科學智能研究院、復旦大學哲學學院、上海市青浦復旦未來技術研究院和Datawhale共同主辦。

臺上既有青年科學家，也有哲學家、社會科學家和創(chuàng)業(yè)者。大家從自進化模型聊到數(shù)學證明，從蛋白質動態(tài)聊到社會模擬，最后又把話題落到了治理和產業(yè)。

看似散落在不同學科里的問題，就這樣被串到了一起。

AI開始自己做科學了

哲學家剛追問完“什么是智能”，超衍智能創(chuàng)始人陳勇超便帶來了一個更具體的問題——AI能否成為新的科學家？

△超衍智能創(chuàng)始人，陳勇超

過去的大模型主要從互聯(lián)網數(shù)據(jù)中學習人類已有知識。陳勇超所說的自進化模型，則希望進入真實任務，從科研過程和環(huán)境反饋中持續(xù)學習。

具體來說，模型可以自己想idea、寫代碼、跑實驗、分析數(shù)據(jù)，再把成功和失敗的軌跡沉淀下來，繼續(xù)調整數(shù)據(jù)、模型和Harness。

陳勇超現(xiàn)場還展示了一組頗為吸睛的結果。

其團隊開發(fā)的Apex Search生成了34篇論文，并將這些論文提交至ACL、ARR等學術評審體系。按照他在現(xiàn)場披露的結果，其中約10篇有機會進入Findings或主會，兩篇論文獲得3.67分，評分高于約95%的人類投稿。

部分審稿意見甚至還給出了“領域內首項研究”、“實驗嚴謹”、“命題切中要害”等評價。

換句話說，AI生成的科研成果，已經能夠通過人類審稿人的第一輪檢驗。

但問題也隨之來了。

在后面的《社會之變》圓桌上，復旦大學大數(shù)據(jù)學院教授魏忠鈺就提出，如果AI一次生成并投稿幾十篇論文，最終有幾篇獲得高分，我們究竟該如何判斷它的科研能力？這說明系統(tǒng)的研究能力達到頂級會議發(fā)表的水平，還是它碰巧找到了現(xiàn)有同行評議機制的薄弱環(huán)節(jié)？

當論文生成得越來越快，評估可能會比生成更加困難。

陳勇超自己也留下了一連串問題。AI能不能產生Transformer級別的突破？海量科學發(fā)現(xiàn)該怎樣評價？AI科研成果歸誰？如果系統(tǒng)被用于有害研究，責任又該如何劃分？

緊接著登臺的復旦大學上海數(shù)學中心準聘副教授王天棟，給出了一種更清晰的人機分工。

△復旦大學上海數(shù)學中心準聘副教授，王天棟

AI擅長檢索、歸納、尋找特例和反例，也可以同時生成幾十條候選證明路徑。數(shù)學家負責判斷問題是否重要、猜想是否值得研究，再用嚴謹?shù)母拍詈徒Y構對結果施加約束。最后，還要加入機器驗證，檢查推理有沒有跳步、計算有沒有錯誤。

說白了就是：

AI擴大搜索空間，人定義價值，機器負責驗證。

在這套流程中，數(shù)學可以為AI提供結構約束、形式化驗證、誤差分析和適用邊界。可信也不等于永遠不犯錯，更現(xiàn)實的標準是錯誤能夠被發(fā)現(xiàn)，風險可以被界定，結論經得起復查。

隨后，上海科學智能研究院AI科學家楊自雄又把可信問題帶進了更加復雜的生命世界。

△上海科學智能研究院AI科學家，楊自雄

AlphaFold解決的核心問題，是從序列推斷高概率的靜態(tài)結構。但蛋白質、RNA等生物分子始終在運動，許多功能取決于構象分布、狀態(tài)轉換和時間尺度。

因此，后AlphaFold時代的研究目標，開始從“預測一個結構”走向“生成一段動態(tài)”。

這意味著模型既要覆蓋稀有卻重要的構象，也要維持長時間生成中的結構穩(wěn)定，還要滿足熱力學、動力學和物理規(guī)律。靜態(tài)結構積累了大量數(shù)據(jù)，動態(tài)分子數(shù)據(jù)卻十分有限，相關評測體系也有待完善。

從數(shù)學證明到蛋白質動態(tài)，AI確實可以把探索做得更快、更廣。可一旦進入有效的科學發(fā)現(xiàn)，證據(jù)、實驗和真實世界的反饋，一個都少不了。

如果說數(shù)學與生命科學還有相對明確的驗證路徑，那么當AI開始模擬人和社會，事情就更復雜了。

智能進了社會，治理不能慢半拍

上海人工智能實驗室青年科學家瞿晶晶研究的，正是AI與社會科學的交叉。

△上海人工智能實驗室青年科學家，瞿晶晶

在她看來，社會科學是AI發(fā)展的核心基礎。Alan Turing關于“機器能否思考”的研究刊發(fā)于哲學期刊《Mind》；Herbert A. Simon提出有限理性理論，聯(lián)合Allen Newell創(chuàng)立物理符號系統(tǒng)假說，開創(chuàng)符號主義AI；Geoffrey Hinton結合心理學與認知科學研發(fā)神經網絡、模擬人腦機制，促成了如今的大模型時代。

而現(xiàn)在，這條關系開始反向運行，AI也在給社會科學帶來新的實驗方法。不過，AGI朝著社會化、規(guī)模化發(fā)展時，始終存在一個核心難題：在大規(guī)模、復雜的社會演化博弈中，很難兼顧邏輯一致性與實驗結果的可信度。

瞿晶晶展示了社會模擬平臺Epitome。在高通量效率上，平臺模擬可一鍵生成上千個虛擬樣本，將十年的社會演變過程壓縮至14小時。研究者可自由調整干預政策、群體關系等變量，快速觀測其長期社會影響。

這類方法尤其適合那些很難在真實世界里直接開展的實驗。

比如，如何模擬一個孩子從小學三年級成長到五年級？模型既要體現(xiàn)知識變化，也要模擬心理、行為和社會關系。研究者還希望在這個虛擬環(huán)境里測試不同教育政策，觀察哪種方式更有利于兒童成長。

雖然想法很有吸引力，但風險同樣藏在其中。

畢竟大模型可以模擬一個專家，卻未必能準確模擬一個處于具體家庭、地域和社會關系中的孩子。虛擬角色表現(xiàn)出來的態(tài)度，究竟來自真實社會規(guī)律，還是訓練數(shù)據(jù)里的刻板印象？

《社會之變》圓桌上，浙江大學公共管理學院百人計劃研究員、博士生導師蔣卓人分享了一組更具警示意味的數(shù)據(jù)。

在一項跨國信任研究中，大模型生成數(shù)據(jù)在國家均值層面的相關系數(shù)可以達到90%以上。可進入回歸分析后，顯著性覆蓋程度下降到34%—37%；當研究者嘗試用這些數(shù)據(jù)恢復國家類型時，結果又接近隨機。

也就是說，模型從宏觀上看起來很像真實社會，一旦進入具體人群和因果關系，偏差便會暴露出來。

更麻煩的是，社會數(shù)據(jù)還會形成循環(huán)。

現(xiàn)實中的偏見進入訓練數(shù)據(jù)，模型再參與招聘、教育、內容分發(fā)和公共決策，新的結果又成為下一輪訓練材料。如果缺少審計和糾偏，原有偏見可能在循環(huán)中被不斷放大。

所以，圓桌上出現(xiàn)了一個很直白的提醒：

可以用大模型模擬社會，但別把模擬結果當成真實社會的聲音。

AI進入社會后，治理也無法停留在“模型準不準”這一層。

《心智之問》圓桌談到了攻擊、有害生物研究、心理依賴等風險。復旦大學科技倫理與人類未來研究院青年副研究員朱林蕃還提到，當前AI治理普遍面臨“一管就死、一放就亂”的困境，需要技術、政策、倫理和國際合作共同尋找更細致的解決方案。

同場的上海市青浦復旦未來技術研究院青年研究員馬立鵬，則從技術角度補了一層。今天的AI幾乎什么都能答，卻缺少“知道自己不知道”的元認知能力。只有先讓AI認清自己的能力和邊界，后續(xù)的評估與治理才更有抓手。為此，也需要哲學、教育學、計算機等不同學科共同參與。

責任問題也越來越棘手。

當AI智能體擁有更強的主動性，它能否成為法律或道德意義上的行動者？如果它無法獨立承擔責任，開發(fā)者、部署者、使用者和最終決策者之間，又該怎樣劃分責任？

講到這里，也就不難理解，復旦大學國家發(fā)展與智能治理綜合實驗室為何會出現(xiàn)在這場科學智能論壇的主辦名單中。

這家實驗室的研究范圍橫跨人工智能、大數(shù)據(jù)、人文社會科學、公共治理等，是首批教育部哲學社會科學重點實驗室。它所承擔的一項重要工作，就是把技術變化放進真實社會和制度環(huán)境中觀察，再推動學術研究與政策需求銜接。

其牽頭復旦大學AI+新文科生態(tài)，聯(lián)合上海科學智能研究院，匯集近20個學科40余位專家合作編寫的《2026人文社會科學智能發(fā)展藍皮書》，便試圖將許多看起來抽象的治理原則，轉化成可執(zhí)行的研究和制度流程。

比如，AI進入科研后，最終留下的不能只有一篇語言流暢的論文。研究問題、數(shù)據(jù)字典、分析腳本、運行記錄、審查意見和人工裁決，也應當被保留下來，讓別人能夠沿著證據(jù)鏈重新走一遍。

《藍皮書》提出的STRIDES框架，就在理論、方法、數(shù)據(jù)、執(zhí)行和審查等環(huán)節(jié)設置檢查節(jié)點。哪些假設需要寫明，哪些證據(jù)需要定位，哪些低置信度結論要重新交給人判斷，都被納入了流程。

到了公共治理領域，問題更加直接。

藍皮書區(qū)分了代理型和輔助型兩種AI嵌入模式。前一種模式讓算法一路參與到決定輸出，人往往只在系統(tǒng)故障或申訴時出現(xiàn)；后一種模式讓AI承擔檢索、計算、風險提示和方案生成，最終決定仍由人完成。

而所謂“人在回路”，也不能只剩一個確認按鈕。人需要擁有介入權、糾偏權和解釋權。

從這個角度看，治理更像是在為技術修路。哪些場景可以提速，哪些地方需要護欄，出現(xiàn)問題后由誰復核、誰解釋、誰承擔責任，都要提前寫進規(guī)則。

除此之外，2026版《藍皮書》還構建了“中國高校AI4SSH指數(shù)”，從研究核心能力、發(fā)展創(chuàng)新潛力和社會傳播能力等維度，觀察高校AI與人文社會科學的融合程度。

它傳遞出的判斷很明確。一個領域要形成長期能力，靠幾篇論文和幾個模型還不夠，數(shù)據(jù)、算力、工具鏈、人才培養(yǎng)、組織協(xié)作和評價制度都得跟上。

這正是國家發(fā)展與智能治理綜合實驗室連接學術與政策的意義。技術提供新的可能，社會科學解釋影響，經濟學研究激勵與分配，治理研究再將這些認識轉化為程序和制度。

在上海，學術、政策和產業(yè)接成了一條線

治理問題繼續(xù)往下走，最終還會碰到產業(yè)。

中國科學院深圳先進技術研究院研究員、森瑞斯生物科技創(chuàng)始人羅小舟，在現(xiàn)場講了一個很形象的差別。

△中國科學院深圳先進技術研究院研究員、森瑞斯生物科技創(chuàng)始人，羅小舟

AI寫代碼、做數(shù)學，很多流程可以在計算機里完成閉環(huán)。但生物制造還要跨過數(shù)字世界與物理世界之間的那道坎。

模型提出一個科學假設后，實驗設備要把它真正做出來，再將檢測結果反饋給模型。只要有一個環(huán)節(jié)沒打通，自進化就會停下來。

羅小舟團隊依托投資超過20億元的深圳合成生物重大科技設施，用自動化設備充當“身體和手”，再讓AI承擔實驗設計和決策。他們希望輸入一個需求后，系統(tǒng)能夠自動設計實驗、編寫腳本、執(zhí)行操作、采集數(shù)據(jù)，再進入下一輪優(yōu)化。

相關技術已經被用于角鯊烯、角鯊烷等產品研發(fā)和生產。其中，角鯊烯產品進入了默克供應鏈，角鯊烷也進入了化妝品供應鏈。

但科研和產業(yè)深度融合，模型只是其中一環(huán)。

《致用之路》圓桌談得相當坦誠。AI可以加快抗體設計、蛋白質優(yōu)化和菌株改造，可后面還有濕實驗、臨床、審批、工藝、生產和市場。

鎂伽科技聯(lián)合創(chuàng)始人兼高級副總裁張琰，則把其中的難點概括成了AI落地物理世界的“最后一公里”。在他看來，實驗室自動化和機器人技術已經相對成熟，更難的是把AI、軟件系統(tǒng)、儀器設備和具體學科需求真正打通。為此，鎂伽科技嘗試讓實驗室里的儀器和機器人像電腦外設一樣被控制，再將模型、自動化實驗和數(shù)據(jù)反饋接成閉環(huán)。

上游縮短了研發(fā)時間，瓶頸很可能馬上轉移到下一個環(huán)節(jié)。監(jiān)管制度、產業(yè)慣性和組織流程沒有同步變化，技術帶來的加速也很難沿著價值鏈傳遞下去。

當然，錢的問題也繞不開。

數(shù)據(jù)方、模型方、自動化實驗平臺和產業(yè)客戶共同創(chuàng)造一個結果，應該怎樣收費，又該如何分配收益？張琰也把話說得很直接，新的生產力會改變生產關系，除了“怎么搞錢”，還要想清楚鏈條上的各方該“怎么分錢”。

聽起來很接地氣，卻點中了AI進入產業(yè)后的深層變化。

過去，各方按照工作環(huán)節(jié)收費；而現(xiàn)在，AI推動產業(yè)從過程交付走向結果交付，參與者開始共同對最終成果負責。

新的生產力，也在催生新的生產關系。

這同樣屬于AI治理的范圍。除了安全、倫理和權利，技術紅利如何分配、產業(yè)規(guī)則怎樣調整，以及傳統(tǒng)監(jiān)管如何適應新的科研速度，都需要有人研究。

回頭看，這場青年論壇的嘉賓構成其實很有意思。

有人研究自進化模型，有人為AI建立可信邊界，有人探索蛋白質動態(tài)和社會模擬，也有期刊編輯從學術評價體系出發(fā)，追問AI研究究竟解決了什么真實問題；還有人從實驗室走向創(chuàng)業(yè)，把科研成果推進到自動化實驗和工業(yè)生產。

他們來自不同專業(yè)和機構，又在上海坐到了一起。

同一天下午，科學智能開放論壇主場沿著“發(fā)現(xiàn)之道、閉環(huán)之基、落地之路”展開，諾貝爾化學獎得主Arieh Warshel、圖靈獎得主Gilles Brassard等嘉賓討論科學智能與原始創(chuàng)新。

青年論壇則把鏡頭推向科研可信、社會治理和產業(yè)鏈條。

一邊討論科學智能能夠走多遠，另一邊繼續(xù)追問它怎樣穩(wěn)穩(wěn)地進入現(xiàn)實。

這背后，是上海正在形成的一種青年科學智能生態(tài)。

上海提供高校、科研機構、產業(yè)資源和政策研究平臺，年輕人則在這里跨越學科邊界，把模型、社會和產業(yè)放進同一套問題里。

所以，哲學在AI圈重新變熱，只是這場變化露出水面的部分。

更深處，AI已經進入知識生產和社會運行，技術問題也開始與治理、經濟、倫理和公共政策交織在一起。

AI越會回答，人類越要認真決定該問什么、該相信什么，又該把技術帶向哪里。