我們越是對人類知識實踐的復雜性有深入了解，就越會發(fā)現(xiàn)AI只能生產有限類型的科學知識，解決有限的科學問題。AI主要不是拓展了人類知識的廣度，而是提升了人類生產知識的速度和精度。

原文 ：《在人類知識實踐中省思AI4S》

作者 |中山大學哲學系（珠海）副教授 阮凱

圖片 |網絡

德米斯·哈薩比斯和約翰·朱珀被授予2024年諾貝爾化學獎，讓AI驅動的科學研究（AI for Science，簡稱AI4S）再一次受到學術界和社會的關注，彰顯了人工智能與科學研究的深度融合是當代科學的重要發(fā)展方向。2023年我國科技部已啟動“人工智能驅動的科學研究”專項部署工作，也表明我國對這項新興研究領域的重視。

在人類知識實踐中把握AI4S的限度

AI4S的優(yōu)點常被人們追捧，其局限卻較少被討論，從知識視角審視當前AI4S實踐，可以發(fā)現(xiàn)三項突出的局限性。

知識類型的局限。由于深度學習的特點，AI善于生產高準確性的預測知識和分類知識。而科學知識的類型多種多樣，如因果知識、自然規(guī)律知識、測量知識（如測量光速）與規(guī)范知識（如規(guī)定一米有多長），這些科學知識是目前的AI不善生產的，如果把科學這個限定詞拿掉，將有更多類型的知識是AI難以生產的。我們越是對人類知識實踐的復雜性有深入了解，就越會發(fā)現(xiàn)AI只能生產有限類型的科學知識，解決有限的科學問題。AI主要不是拓展了人類知識的廣度，而是提升了人類生產知識的速度和精度。

解釋世界的局限。目前AI4S的主要工作模式是數據—算法—輸出預測結果，該模式難以對預測結果給出具體解釋，同時也無法獨立生產有普遍解釋力的科學理論。與此相對，人類科學的重要特征是尋求對萬事萬物的優(yōu)秀解釋，如波普爾指出：“至少有一個哲學問題，所有好思考的人都感興趣。這就是宇宙論問題：理解世界——包括作為世界的一部分的我們自己和我們的知識——的問題?！痹谒磥恚軐W與科學的共同使命是更好地解釋世界，理解世界也是為了更好地行動。恩格斯也提醒我們科學理論在提供整體性解釋方面的重要作用：“理論自然科學把它的自然觀盡可能地加工為一個和諧的整體，如今甚至連最沒有思想的經驗主義者離開理論自然科學也寸步難行?！?/p>

數據質量的局限。雖然數據的收集、傳播和儲存在今天更容易，以致很多人以為我們完全進入了大數據時代，但實際并非如此?！赌戏街苣?025年1月對數據標注員做了一次深度報道，標題是“縣城里的數據標注員：有多少智能，就有多少人工”，這個富有概括力標題提醒我們，數據凝聚了人類艱辛的智力勞動。相較于一般數據，科學數據對于數據的質和量有更高的要求，科學數據的背后是科學家，我們能根據科學家占總人口的比重大致想象科學數據占總數據的比重。換個視角看，為何AI4S研究率先在生命科學中開花結果，也是因為生命科學的數據庫建設得較為完備，但其他科學并非都如此。

在人類知識實踐中找準AI4S的位置

波普爾曾感慨：“人類的知識現(xiàn)象無疑是我們宇宙中最偉大的奇跡?！比祟愔R現(xiàn)象既令人驚嘆、無比重要，又極為復雜，所以哲學家在科學哲學、認識論、知識論等領域不斷地思考著人類知識。AI4S是人類生產科學知識的新實踐，它在知識問題上啟示我們：人類知識是一個有機整體，知識系統(tǒng)的各個部分互相聯(lián)系，統(tǒng)一于人類認識世界和改造世界的需要。

第一，AI4S的局限性印證了它應是人類知識實踐的有機組成部分。明確和把握AI4S的主要局限，能幫助我們揚其長避其短，使科學家更好地判斷何時利用AI進行科學研究，何時采取傳統(tǒng)的科學研究進路。當科學研究需要進行預測和分類，且解釋活動不那么重要、數據質量得到充分保證時，AI4S是一個有效的知識生產方式。例如，預測蛋白質結構、中期天氣預測、新材料發(fā)現(xiàn)就滿足上述條件，因此它們也成了AI4S的重要應用。從人類知識實踐的整體視角看，知識生產的條件多種多樣，人類對知識的需求也豐富多元，因此對AI4S的一個合理定位是，它將成為人類知識實踐新的組成部分。

第二，AI4S仍依賴理論知識和實驗知識等人類知識。當科學家利用AI生產各種預測性知識時，也非常依賴人類既有的知識。在數據處理環(huán)節(jié)，科學家需要預處理數據?？茖W數據與互聯(lián)網數據有所不同，它們都是科學家觀察實驗活動的產品，如科學家設計AlphaFold用的是蛋白質數據銀行儲存的數據。在算法設計環(huán)節(jié)，科學家需要以專業(yè)的理論知識設計優(yōu)秀的訓練算法，如AlphaFold并不是純數據驅動的模型，其算法設計還要依賴相關的物理和生物化學規(guī)律。在算法評估環(huán)節(jié)，科學家還要繼續(xù)利用實驗數據、科學理論和經驗來綜合評估算法，使算法及其預測結果經得起實驗和理論的雙重檢驗。

第三，人類知識系統(tǒng)能幫助我們評價AI4S生產的相關性結論，進一步解釋相關性。聯(lián)結主義AI的發(fā)展借鑒了大量的統(tǒng)計學研究，AI也擅長做各種相關性分析。圖靈獎得主朱迪亞·珀爾（Judea Pearl）提到一個有趣的例子：“一個國家的人均巧克力消費量和該國諾貝爾獎得主的人數之間存在強相關。這種相關性顯然是很愚蠢的，因為不管我們怎么想象，吃巧克力看起來都不可能導致我們獲得諾貝爾獎?！盇I可以通過大數據分析得到很多類似的相關性結論，面對無數個相關性結論，只有人類知識系統(tǒng)才能幫助我們認識到哪些相關性有價值，哪些沒太大意義。借助人類既有知識，我們能有效評估這些相關性的價值，清楚解釋相關性的深層原因，如富裕國家的人民更能消費得起巧克力，諾貝爾獎級別的研究往往需要經費、人才和制度支持，發(fā)達國家更容易滿足這些條件。

我們應堅持何種知識觀

知識論、科學哲學的核心內容是對人類知識實踐的思考，這些研究領域包含了很多深刻、富有解釋力的知識觀。然而，當AI4S成為新的知識生產實踐時，我們就不得不思考傳統(tǒng)知識觀是否能完全解釋新的實踐，新的實踐又是否會挑戰(zhàn)傳統(tǒng)知識觀中的某些具體觀點。新實踐與舊理論的碰撞自然會產生很多新問題，如人是否是知識生產和科學發(fā)現(xiàn)的唯一主體，算法生產的概率性知識是否是真知識，科學知識發(fā)現(xiàn)的邏輯是單一的還是多元的。它們都可以歸結一個大問題：AI4S背景下人類的知識觀是否需要更新以及如何更新？鑒于篇幅原因，筆者嘗試對解決這一大問題提出框架性方案。

堅持實踐本位的知識觀。馬恩經典理論主張知識要以實踐為地基，如恩格斯所言：“在科學上，一切定義都只有微小的價值。要想真正詳盡地知道什么是生命，我們就必須探究生命的一切表現(xiàn)形式?！币蓝鞲袼沟乃悸?，在科學中探究實踐要比定義有價值得多，要想真正詳盡地知道什么是知識，我們就必須探究人類知識實踐的一切表現(xiàn)形式。我們不必著急給知識下定義，不必在認識活動之前預設知識應當有一個永恒不變的形而上學定義，而應從知識生產實踐出發(fā)，比較新舊知識生產實踐，總結新知識生產實踐的特征，最終發(fā)展和更新我們的知識觀。從一個反面案例看，蓋梯爾之后部分英美知識論之所以陷入困境，也和他們過度執(zhí)著知識定義而忽略知識實踐，特別是科學知識生產的前沿實踐有關。

堅持開放多元的知識觀。正因為人類的知識生產實踐是開放多元的，我們的知識觀也應當是開放多元的。對過往科學哲學的整體性考察，有助于我們堅持一種開放多元的知識觀，只有不把某種知識論信條奉為絕對真理，我們的知識觀才能打開枷鎖，不斷獲得新發(fā)展。舉例來說，AI4S是一種人機協(xié)作的科學知識生產，這種人機協(xié)作體現(xiàn)為人與AI各自發(fā)揮著不同的作用，科學家要負責問題定義、數據預處理、算法設計與評估、結果解釋等工作，AI也要承擔計算密集型任務，如果我們用20世紀物理學革命后形成的知識觀來審視新的知識生產實踐，就必然會陷入困境。

堅持以人為本的知識觀。在知識歸屬層面，AI4S所生產的知識仍是人類的知識，而非AI的知識；只有人類能對AI4S有整體把握，AI只是被人使用而已。在問題解決層面，AI4S解決的是人的問題，而非AI的問題?？茖W家提出人類共同關切的問題，思考AI能做哪些工作，并借助它更快更好地解決問題。例如，在Nature最近發(fā)表的一些AI4S論文中，開篇話常常是“蛋白質對生命至關重要”“天氣預報對于科學和社會都很重要”，這表明當前的AI4S實踐仍以人類需求、人類問題與人類價值為前提。在科研規(guī)范層面，和傳統(tǒng)知識生產實踐一樣，AI4S實踐也要遵循人類的倫理規(guī)范，當人類為AI4S設計具體的倫理規(guī)范時，以人為本自然應當成為最基礎的設計原則。綜合來說，人是AI4S的受益者，也是負責者，如何保障AI4S的健康發(fā)展并使其融入人類求知的事業(yè)，將是一個重大的時代問題。

[本文系國家社科基金重大項目“數字智能技術與哲學發(fā)展及知識生產范式變革研究”（24&ZD320）階段性成果]

文章為社會科學報“思想工坊”融媒體原創(chuàng)出品，原載于社會科學報第1967期第6版，未經允許禁止轉載，文中內容僅代表作者觀點，不代表本報立場。

本期責編：程鑫云

《社會科學報》2026年征訂

點擊下方圖片網上訂報↓↓↓