冷门的哲学，成了“治”AI的热门

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 冷门的哲学，成了“治”AI的热门 衡宇 2026-07-19 20:34:01 来源： 量子位 智能进了社会，治理不能慢半拍 金磊 发自 上海 量子位 | 公众号 QbitAI 谁曾想啊， 哲学 这个冷门专业，竟成了当下AI的热门。 这是我们今年逛WAIC时的意外发现——哲学含量，有点高。 △图片由AI生成 例如在WAIC科学智能开放论坛的平行专场 《心智与智能·青年生态论坛》 上，第一位登台演讲的嘉宾，就是复旦大学哲学学院教授 孙宁 ；科学智能开放论坛主场讨论《AI原生时代的原始创新》，复旦大学哲学学院教授 孙向晨 同样坐上了巅峰对话席。 无独有偶，WAIC期间由复旦大学国家发展与智能治理综合实验室发布的《2026人文社会科学智能发展蓝皮书》，又把深度思考、科研可信和AI治理摆到了聚光灯下。 但有一说一，这股看似突如其来的哲学热，其实是有迹可循的。 几年前参加AI大会，大家谈论最多的是参数、算力和榜单；而如今，AI已经会写论文、做数学证明、生成蛋白质构象，还能用一群智能体模拟社会。 虽然AI在能力上是一路高歌之势，但随之产生的问题也越来越接近哲学： 一个模型可以流畅回答问题，就代表它真的理解了吗？ AI能够自主发现知识，它算新的科学家吗？ 如果AI发现了人类无法解释、却能通过实验验证的规律，我们又该不该相信？ 孙宁在名为《智能之前，先有世界》的演讲中，把问题拉回到了源头。 早在上世纪90年代，认知科学家Stevan Harnad便提出符号奠基问题，追问符号系统怎样通过感知和交互获得真实意义。差不多同一时期，机器人工程学家Rodney Brooks又提出物理奠基假说，并留下一句颇有影响力的话——世界本身就是最好的模型。 △复旦大学哲学学院教授，孙宁 沿着这条思路，孙宁提出，一种深度扎根于世界的智能，至少需要身体、环境、他者和历史。身体让行动产生代价，环境提供反馈，他者带来规范，历史则让失败沉淀成经验。 他最后将其概括为两句话： 智能之前，先有世界。 心智之前，先有关系。 这也为当天的讨论定下了基调。 这场青年论坛由复旦大学国家发展与智能治理综合实验室、上海科学智能研究院、复旦大学哲学学院、上海市青浦复旦未来技术研究院和Datawhale共同主办。 台上既有青年科学家，也有哲学家、社会科学家和创业者。大家从自进化模型聊到数学证明，从蛋白质动态聊到社会模拟，最后又把话题落到了治理和产业。 看似散落在不同学科里的问题，就这样被串到了一起。 AI开始自己做科学了 哲学家刚追问完“什么是智能”，超衍智能创始人 陈勇超 便带来了一个更具体的问题—— AI能否成为新的科学家？ △超衍智能创始人，陈勇超 过去的大模型主要从互联网数据中学习人类已有知识。陈勇超所说的自进化模型，则希望进入真实任务，从科研过程和环境反馈中持续学习。 具体来说，模型可以自己想idea、写代码、跑实验、分析数据，再把成功和失败的轨迹沉淀下来，继续调整数据、模型和Harness。 陈勇超现场还展示了一组颇为吸睛的结果。 其团队开发的Apex Search生成了34篇论文，并将这些论文提交至ACL、ARR等学术评审体系。按照他在现场披露的结果，其中约10篇有机会进入Findings或主会，两篇论文获得3.67分，评分高于约95%的人类投稿。 部分审稿意见甚至还给出了“领域内首项研究”、“实验严谨”、“命题切中要害”等评价。 换句话说，AI生成的科研成果，已经能够通过人类审稿人的第一轮检验。 但问题也随之来了。 在后面的 《社会之变》 圆桌上，复旦大学大数据学院教授 魏忠钰 就提出，如果AI一次生成并投稿几十篇论文，最终有几篇获得高分，我们究竟该如何判断它的科研能力？这说明系统的研究能力达到顶级会议发表的水平，还是它碰巧找到了现有同行评议机制的薄弱环节？ 当论文生成得越来越快，评估可能会比生成更加困难。 陈勇超自己也留下了一连串问题。AI能不能产生Transformer级别的突破？海量科学发现该怎样评价？AI科研成果归谁？如果系统被用于有害研究，责任又该如何划分？ 紧接着登台的复旦大学上海数学中心准聘副教授 王天栋 ，给出了一种更清晰的人机分工。 △复旦大学上海数学中心准聘副教授，王天栋 AI擅长检索、归纳、寻找特例和反例，也可以同时生成几十条候选证明路径。数学家负责判断问题是否重要、猜想是否值得研究，再用严谨的概念和结构对结果施加约束。最后，还要加入机器验证，检查推理有没有跳步、计算有没有错误。 说白了就是： AI扩大搜索空间，人定义价值，机器负责验证。 在这套流程中，数学可以为AI提供结构约束、形式化验证、误差分析和适用边界。可信也不等于永远不犯错，更现实的标准是错误能够被发现，风险可以被界定，结论经得起复查。 随后，上海科学智能研究院AI科学家 杨自雄 又把可信问题带进了更加复杂的生命世界。 △上海科学智能研究院AI科学家，杨自雄 AlphaFold解决的核心问题，是从序列推断高概率的静态结构。但蛋白质、RNA等生物分子始终在运动，许多功能取决于构象分布、状态转换和时间尺度。 因此，后AlphaFold时代的研究目标，开始从“预测一个结构”走向“生成一段动态”。 这意味着模型既要覆盖稀有却重要的构象，也要维持长时间生成中的结构稳定，还要满足热力学、动力学和物理规律。静态结构积累了大量数据，动态分子数据却十分有限，相关评测体系也有待完善。 从数学证明到蛋白质动态，AI确实可以把探索做得更快、更广。可一旦进入有效的科学发现，证据、实验和真实世界的反馈，一个都少不了。 如果说数学与生命科学还有相对明确的验证路径，那么当AI开始模拟人和社会，事情就更复杂了。 智能进了社会，治理不能慢半拍 上海人工智能实验室青年科学家 瞿晶晶 研究的，正是AI与社会科学的交叉。 △上海人工智能实验室青年科学家，瞿晶晶 在她看来，社会科学是AI发展的核心基础。Alan Turing关于“机器能否思考”的研究刊发于哲学期刊《Mind》；Herbert A. Simon提出有限理性理论，联合Allen Newell创立物理符号系统假说，开创符号主义AI；Geoffrey Hinton结合心理学与认知科学研发神经网络、模拟人脑机制，促成了如今的大模型时代。 而现在，这条关系开始反向运行，AI也在给社会科学带来新的实验方法。不过，AGI朝着社会化、规模化发展时，始终存在一个核心难题：在大规模、复杂的社会演化博弈中，很难兼顾逻辑一致性与实验结果的可信度。 瞿晶晶展示了社会模拟平台Epitome。在高通量效率上，平台模拟可一键生成上千个虚拟样本，将十年的社会演变过程压缩至14小时。研究者可自由调整干预政策、群体关系等变量，快速观测其长期社会影响。 这类方法尤其适合那些很难在真实世界里直接开展的实验。 比如，如何模拟一个孩子从小学三年级成长到五年级？模型既要体现知识变化，也要模拟心理、行为和社会关系。研究者还希望在这个虚拟环境里测试不同教育政策