人工智能正在迅速进入产业、科研、教育与社会治理等领域。当机器从实验室走向更广泛的社会场景，人工智能哲学面对的也不再只是“机器能不能思考”这样的问题，而是如何理解技术能力进入现实之后所带来的新的知识关系、行动关系与人与机器之间的关系。

这要求我们既避免把技术能力的增长简单理解为某种“更高级的人类智能”，也避免因为机器与人的存在方式不同，就预先否定新的智能形式。真正重要的，是在技术发展与哲学反思之间保持一种开放而审慎的距离：既理解机器正在发生什么，也追问这些变化意味着什么。

而这种追问也需要进入中国自身的技术与社会经验。人工智能哲学不能只是重复既有的西方思想史，而应在与经典理论对话的同时，回应中国人工智能发展中的具体问题：当人工智能深度参与知识生产、科学研究和社会运行，我们应当如何重新理解知识、行动、责任以及人与技术的关系？

因此，人工智能的自主发展不仅意味着技术能力的自主，也意味着我们是否能够形成解释自身技术实践的概念与理论。这或许正是“DeepSeek时刻”之后，人工智能哲学需要面对的更长远的问题。

涌现之后：复杂科学如何进入人工智能哲学

前面的讨论更多是在追问人工智能是什么，以及我们应当如何理解它的能力。但当人工智能系统变得越来越复杂，仅仅分析某一项具体能力，可能已经不足以解释它为何会表现出这些能力。

大语言模型、AI for Science和具身智能所呈现出的一个共同现象是：系统最终表现出的能力，并不总能在它的单个组成部分中找到直接对应。语言能力并不简单存在于某一个参数之中，科学发现也不是某条预先写入的规则，复杂行动更不是单一模块独立完成的结果。

这使问题发生了转向：与其只问“机器有没有理解、知识或主体性”，我们还需要追问：这些性质究竟是在什么条件下产生的？

这正是复杂科学能够提供的视角。复杂科学长期关注从局部互动到整体结构的形成，以及系统如何在非线性反馈、多层次耦合和持续演化中产生新的宏观性质。将这一视角引入人工智能哲学，意味着不再只把AI看作一个完成任务的计算系统，而是把它放回模型、数据、训练、环境、身体以及人与社会的持续互动之中考察。

图5：复杂系统中的涌现：从微观互动到宏观系统行为。改绘自 Hilpert & Marchand（2018）。

由此，“涌现”不再只是描述AI能力的一种流行说法，而成为一个值得认真讨论的哲学问题：如果一种能力并没有被明确设计，却在复杂系统运行过程中出现，我们究竟应该如何理解这种新性质？

这也构成了本季读书会的一个重要切入点：从“机器具有什么能力”，进一步走向“能力如何成为可能”；从描述智能的表现，走向理解智能的生成。

本季读书会将从这一交叉视角出发，围绕智能、意识、语言、知识、行动与价值展开讨论。我们不预设人工智能最终会成为怎样的“智能主体”，而是希望在技术不断涌现之后，重新思考智能是什么、主体是什么，以及人与机器之间可能形成怎样的新关系。

读书会简介

当前，人工智能正以前所未有的速度不断重构人类的知识图景与认知边界。大语言模型的能力涌现、具身智能的实践进展、AI for Science的范式革新，让人工智能由人类工作与生活中的辅助性工具逐渐嵌入知识生产、认知活动与社会运转的复杂过程。当“智能涌现”从技术设想变为现实，一系列关乎智能本质、人工意识、知识生产与价值规范的深层问题随之浮现，以上问题早已超出自然科学的研究范畴，亟须在基础概念、研究框架与未来进路等方面进行哲学思辨，进而开展一系列跨学科对话与反思。

人工智能哲学作为联结技术实践与哲学思辨的交叉学科前沿领域，正是回应上述时代命题的核心场域。自1956年“人工智能”概念在达特茅斯会议上被正式提出以来，人工智能的技术进步常伴随着哲学层面的热烈讨论：从符号主义与联结主义的路径分野，到强人工智能与弱人工智能的本体之辩，再到数智时代的意识难题与伦理困境，人工智能哲学始终在技术高速发展的浪潮中锚定人文学科之于人工智能的坐标。面对“DeepSeek时刻”以来国内经济社会各行业各领域对人工智能的关切，构建兼具历史厚度、理论深度与现实关照的中国人工智能哲学自主知识体系，已成为加快高水平科技自立自强，引领发展新质生产力的价值性内生动力。

面对新一轮蓬勃发展的人工智能浪潮，集智俱乐部依托自身在复杂系统与人工智能领域的长期积累，发起本次“涌现之后：追问机器的智能、意识与知识”人工智能与哲学读书会，正是为回应时代关切，搭建技术与哲学深度对话的创新平台。本系列读书会将人工智能哲学理解为一个涉及心智哲学、逻辑学、伦理学、美学、科技哲学、语言哲学、知识论、现象学和STS（科学技术与社会）等方向的交叉研究域。十期讲座依次从人工智能哲学的方法论、思想史与概念基础出发，深入讨论归纳、具身认知、机器意识和大语言模型的符号意义，并进一步延伸至赛博格行动、价值对齐和AI驱动的科学发现。该系列试图超越对人工智能的单纯赞美或否定，在技术能力与哲学反思之间建立可以相互检验的公共讨论空间，从而理解人工智能正在创造何种新的智能形式、知识结构与人机关系。

读书会框架

你将收获

哲学框架：系统了解人工智能哲学的主要问题、思想传统与研究方法，辨析智能、意识、理解、知识、行动和价值等经常被混用的基础概念。

跨学科视野：从心智哲学、逻辑学、知识论、符号学、科技哲学、伦理学、STS与复杂科学等不同方向，重新审视人工智能的能力与边界。

现实判断：在技术乐观主义与技术悲观主义之外，建立分析人工智能争议的基本坐标，理解技术能力、哲学主张与社会影响之间的差异。

学术共同体：与来自人工智能、哲学、复杂科学及相关领域的研究者共同阅读和讨论，在持续对话中形成可以被检验、修正和发展的认识。

发起人团队

王东，北京工商大学马克思主义学院副教授，中国人民大学哲学博士，清华大学科技与社会研究所博士后。主要关注人工智能哲学，认知科学哲学，一般科学哲学与物理学哲学，著有《人工智能与科学发现——一种哲学探究》一书。

主题：AI4Sci的哲学反思

AlphaFold 能高精度预测蛋白质三维构象，却没有留下一条人类可读的定律。AI4Sci 每天都在产出新系统与新结果，但它们彼此是什么关系、各自触及科学发现的哪一层，仍缺一套共用的坐标。

本次分享想提供的正是这样一副坐标。按 AI 发挥的作用、带来发现的层级、与人类科学家的关系，可区分三个相互交织的阶段：作为计算工具的函数拟合，贡献主要落在发现新现象与经验定律；作为认知助手的自动科学发现，创造性仍被封闭在人类既有的概念系统之内；以及本次分享重点，主客体耦合的世界模型阶段。按能否模拟主体性与行动能力，大模型可分为主体模型与客体模型，两者正各自朝世界模型演进。当二者在共享的高维潜空间中深度耦合，假说生成、实验设计与初步论证便可在模型内部闭环完成，中间过程不必再转译为人类可读的符号，形成“潜符号化”研究范式。

由此带来三种哲学后果：在方法论上弱化了显性符号的中介地位并模糊了发现逻辑与辩护逻辑的边界；在认识论上加剧了模型不透明性问题并挑战了“解释优先”的知识标准；在本体论上提供了一种“生成实在论”的讨论框架。

耿之雍，中国人民警察大学马克思主义学院讲师，南开大学哲学博士，研究方向：人工智能哲学、科技安全，致力于人工智能跨学科研究，在相关领域发表多篇核心期刊论文，主持或参与完成各类研究课题8项。“这十年·青年讲”全国高校宣讲联赛学习宣传党的二十大精神讲师代表。

主题：智识涌现的结构：人工智能哲学的第一机称方法论

作为“涌现之后：追问机器的智能、意识与知识 |人工智能与哲学读书会”的首讲，本讲旨在回应数智时代人工智能哲学的方法论困境，尝试提出并阐释“第一机称方法论”，为第一季读书会跨学科讨论的展开起到抛砖引玉之效，呼应集智俱乐部“复杂科学与人工智能交叉融合”的学术底色。

目前，人工智能正以前所未有的速度不断重构人类的知识图景与认知边界。大语言模型的推理创作能力涌现、具身智能技术产品实现质的飞跃、AI for Science对知识生产全过程的深度参与，共同构成了“智识涌现”的客观现实。此时若仅基于第三人称外部观测范式开展人工智能哲学研究，既难以深入解释涌现现象的生成机制，亦无法回应“人工智能体产生意识何以可能”“如何界定某一人工智能体是否已达到通用人工智能的水平”等深层问题，也就难以解释复杂系统中智识能力的生成机制与涌现结构。

第一人称视角以“我”的人类体验为起点，强调主观感受、意向性和自我意识，但若将此视角直接移至人工智能体上则不甚恰当，这是由于人工智能体是否拥有作为“我”的体验是尚待解决的问题。第三人称视角以人类的客观观察为基础，将人工智能体视为审视对象，但此视角容易陷入彻底的行为主义或功能主义，将智能等同于外在表现，也就疏于考量“理解”与“意识”等概念的核心意涵。“第一机称”则试图在两者之间开辟第三条路径，承认人工智能具有不同于人类的内在组织形式，且不预设其具有类人的现象意识。它是一种作为解释性假设的内在视角，让我们能够追问如果一个人工智能体能够描述自身的自我意识、评估自身局限、在反馈中修正目标，我们是否可以在初步测试它的主观体验的前提下，分析这种自组织如何产生“智识涌现”。本讲尝试为后续人工智能概念考察、归纳问题、具身认知与人工智能意识等议题提供方法论参考，力求推动技术与哲学领域交流对话平台的搭建。

本讲核心参考文献

1. 达尔沃 S. 第二人称观点：道德、尊重与责任[M]. 章晟, 译. 南京: 译林出版社, 2015.

2. 赵汀阳. 当AI独立思想：人工智能的神话或悲歌[M]. 北京: 商务印书馆, 2026.

3. BODEN M A. AI: Its nature and future[M]. New York: Oxford University Press, 2016.

特邀主讲人

李静萱，华北电力大学马克思主义学院讲师，主要研究方向为科技哲学、认知科学哲学及人工智能伦理。参与国家社科基金项目等国家级科研课题2项，研究内容聚焦于科学哲学领域的关键问题与前沿方向，取得阶段性研究成果。近年来，以第一作者身份在《世界哲学》《自然辩证法通讯》等国内外学术期刊公开发表学术论文3篇，被人大复印资料全文转载1篇。参与撰写学术专著1部。

贾向桐，南开大学哲学院教授，南开大学哲学博士，研究方向：科学哲学、科学思想史与认识论研究，特别是关注当代科学认识论、方法论和科学哲学的最新发展动态研究。近年来，以第一作者或独撰形式在重要核心期刊发表论文八十余篇，在中央编译出版社、南开大学出版社、江苏人民出版社等出版著作多部。入选教育部新世纪优秀人才支持计划（2012）、南开大学“百名青年学科带头人培养计划”（2015）、天津市131创新型人才第一层次（2017）。

李熙，中南大学哲学系副教授，北京大学逻辑学博士。 主要学术兴趣包括基于通用强化学习模型AIXI的通用人工智能方面的研究、数理逻辑里柯尔莫哥洛夫复杂性相关的问题和计算主义哲学。 曾与集智俱乐部成员合著《科学的极致》一书。 主持国家社会科学基金青年项目《通用人工智能的哲学基础研究》。在中国社会科学、自然辩证法研究、科学技术哲学研究、逻辑学研究、Frontiers of Philosophy in China等杂志发表学术论文多篇。研究兴趣: 通用归纳、因果推断、形式化哲学。爱好游泳、乒乓球、看小说。

主题：人工智能中的归纳问题

自休谟对归纳推理的合理性提出质疑以来, 亨普尔"乌鸦怪论"、古德曼"绿蓝悖论"、"罗素火鸡"、"世界是五分钟前创立的"、"玻尔兹曼大脑"、"蒯因的翻译不确定性"等关于归纳和怀疑论的哲学讨论反复在问: 有限的观察数据如何筛选世界模型? 机器学习里的"天下没有免费午餐定理"也以更严格的形式说明: 没有归纳偏置, 就不存在普遍优于其他算法的搜索或优化算法. 那么, 人工智能究竟能否做归纳并吃到免费午餐? 深度学习的曲线拟合是否可以看作归纳? 首先, 什么是归纳? 皮尔士区分了演绎/归纳/溯因三种推理方式. Zahavy最近提出了一种立场: 大语言模型能进行演绎和归纳, 却缺乏科学发现所需要的"溯因跳跃". 溯因、归纳以及与之密切相关的类比、预测、压缩、解释、因果发现之间, 究竟是什么关系? 自回归模型最小化对数损失的训练过程等价于无损压缩. 压缩即预测? 压缩即泛化? 压缩即智能? 这些论述是否严格? Solomonoff把归纳还原为预测, 预测又可以转化为压缩, 压缩又支持泛化, 那么, 有了通用归纳, 溯因还有多远? 我们将从算法信息论的视角, 讨论大模型的归纳和溯因能力, 并回应一些经典的哲学问题。

本讲核心参考文献

1. MÜLLER M P. Algorithmic idealism: what should you believe to experience next?[J]. Foundations of Physics, 2026, 56(1): 11. DOI:10.1007/s10701-026-00913-1.

2. DELÉTANG G, RUOSS A, DUQUENNE P A, et al. Language modeling is compression[R/OL]. arXiv:2309.10668 [cs.LG], 2023. https://doi.org/10.48550/arXiv.2309.10668.

3. ZAHAVY T. Position: LLMs can't jump[C]//International Conference on Machine Learning (ICML). 2026.

薛少华，逻辑学博士，北京理工大学教育学院副教授，主要研究方向为激进具身认知科学、人工智能哲学、人机交互与电子游戏。目前担任中国自然辩证法研究会科学思想史专委会副秘书长，中国心理学会环境心理学专委会委员，中国人民大学哲学与认知科学交叉平台研究员。出版专著《知觉即行动》和译著《机器人伦理学》等；人工智能治理与智慧教育等领域多篇参政报告被全国政协和北京市政协等部门采纳；目前主持国家社科基金一般项目“驱动认知革命的激进具身认知理论及扩展研究”。

主题：具身智能算法与具身认知

当前主流人工智能，处理的其实都是脱离身体、脱离环境的符号和统计相关性。真正的智能靠的是身体在具体环境中不断应对世界的能力，这恰恰是具身智能浪潮试图补上的一课。本次讲座会以生态心理学家詹姆斯·吉布森提出的动缘（affordance）理论作为主线，依次谈到吉布森直接知觉理论和生态光学的理论根基，以及计算机视觉和机器人学领域如何在使用动缘概念时发生了偏移，导致了目前具身智能发展的现状与困境。这次讲座适合对认知科学、生态心理学、机器人学、具身智能和大模型落地应用感兴趣的听众。

本讲核心参考文献

GIBSON J J. The ecological approach to visual perception[M]. Boston: Houghton Mifflin, 1979.

吴倩彤，新加坡国立大学博士，中国科学院哲学研究所博士后研究员。曾在Synthese, Philosophical Psychology，Inquiry等国际知名刊物发表论文。曾任德国纽伦堡大学人工智能与哲学研究中心访问学者。主要研究领域为心灵哲学、应用认识论、人工智能哲学。

主题：大语言模型的意识问题

自2022年大语言模型（LLM）公开问世以来，人们日益关注大语言模型是否可能拥有人类式意识。迄今为止，既有学者主张这种可能性确实存在（例如 Blum & Blum, 2024；Chalmers, 2023），也有学者对此提出质疑（例如 Seth, 2025；Block, 2025；Rafiee & Sutton, 2026）。围绕核心问题——大语言模型是否可能拥有人类式意识——展开的大多数讨论，都集中于以下方面：能否在大语言模型中实现人类心智的内部状态或结构，从而使其产生人类式意识所必需的特征？本讲座提出了一个研究该核心问题的新视角。这个视角承袭了生成论传统（enactivist tradition；例如 Varela et al., 1991；Noë, 2004；Rafiee & Sutton, 2026），但又与之有所不同：它不仅强调身体在物理环境中的情境嵌入性，也强调人类个体在社会环境中的情境嵌入性，并将二者都视为人类式意识的重要要素。

本讲座关注 Nagel（1974）所提出的主观视角，把“我”与“他者”之间的区分视为人类式意识的关键，分析这种区分如何通过身体与环境之间的物理互动和社会互动得以形成，以及它如何促成某种意识内容——这种意识内容只能由处于环境之中的机制生成（enacted），而不能由第三方在某种机制中实现（implemented）。

本讲座将针对上述核心问题提出如下答案：意识在本质上具有关系性；如果缺乏能够生成这种关系性的相应机制，大语言模型就不可能拥有人类式意识。大语言模型之所以不具备这种机制，并不是因为实现其语言能力的机制永远不可能达到实现人类意识的机制那般“复杂”或“先进”的程度。真正的原因在于，大语言模型与人类所具有的不同机制会影响它们与环境互动的方式；正是这种差异，使得大语言模型既不可能、也没有必要独立拥有人类式意识。

周理乾，哲学博士，武汉大学哲学学院教授。主要研究方向为信息理论与信息哲学、心与认知哲学、生物学哲学以及复杂性及系统科学哲学。近些年力图利用自然化的符号学来理解信息、生命、认知与心灵。著有：

Information in a Physical World： How the meaningless becomes the meaningful？《社会知识论》。

主题：大语言模型的符号学

报告简介

由于大语言模型（LLMs）在语言生成上取得了巨大成功，LLMs是否真正地理解语言，拥有真正的意向性，又成为学者们争论的热点话题（例如Mitchell and Krakauer 2023; Kosinski 2024; Tulio Ribeiro et al. 2024; Shani et al. 2025）。大语言模型的成功很大程度上来自于Transformer模型中的注意力机制成功在统计学上处理了语境，把词/字/字母与词/字/字母之间的关联转换成了具有统计显著性的模式（patterns），实现了对语句的成功预测。认为这种模式匹配实现了语义的理解的观点依然无法回避“中文屋论证”。那么，问题就转变为，为什么纯粹的概率分布的匹配可以如此成功地处理语言？本次报告将论证， 理解LLMs的成功需要理解语言的符号学本质。语言作为规约符号，其指称/表征能力是分布式的，依赖于语词之间的指示关联（Deacon 1997; Zhou 2025）。这为LLMs提供了可以在统计上处理的形式特征。然而，要真正理解语言的语义，需要把握支撑语言的更底层指称关系——指示表征和像似表征。

参考文献

1. DEACON T. The symbolic species: the coevolution of language and the brain[M]. New York: W. W. Norton & Company, 1997.

2. MITCHELL M, KRAKAUER D C. The debate over understanding in AI's large language models[J]. Proceedings of the National Academy of Sciences, 2023, 120(13): e2215907120. DOI:10.1073/pnas.2215907120.

3. ZHOU L Q. Information in a physical world: how the meaningless becomes the meaningful[M]. London: Routledge, 2025.

胡甦，北京科技大学“科技与社会”讲师。关注现代化，本体论转向，后殖民研究。在国际学术出版社Routledge出版英文专著Modernization in Eastern Tibet。

主题：赛博格的行动边界：新的知识生产实践

科学研究的危机并非个体素质的滑坡，而是传统的知识生产与数智时代知识生产新范式之间发生了结构性错位。这一错位的根源，即是非人世界的能动性。当思考不再限定于“人”而从机械物质活动中交互得来时，判断从何出发？新的知识必然是触及“它者“的知识。随之而来的是：负责任的行动者是哪一个、负责任的行动何以可能？“责任”概念必须被重写。

本讲核心参考文献

1. HARAWAY D J. A cyborg manifesto: science, technology, and socialist-feminism in the late twentieth century[M]//HARAWAY D J. Simians, cyborgs and women: the reinvention of nature. New York: Routledge, 1991: 149-181.

2. GARFINKEL H. Studies in ethnomethodology[M]. Englewood Cliffs, NJ: Prentice-Hall, 1967.

詹好，厦门大学博士，山西大学哲学学院、逻辑与智能科学研究院讲师，腾讯研究院AI客座研究员，中国知识论学会理事。研究方向为大语言模型，深度学习，游戏人工智能，游戏哲学和人工智能哲学。近五年在ACL、Topoi、Drones、Axioms、Philosophical Psychology等学术期刊、顶会上发表论文十余篇。参与Synthese、Philosophy & Technology等国际期刊的审稿工作，担任山西大学哲学大模型以及厦门大学论证大模型的技术开发总负责人。

主题：大语言模型时代的价值对齐

价值对齐（Value Alignment）将学习人类价值观视为核心任务，是当前大语言模型研究与开发的首要任务之一。价值对齐研究形成了多种不同的技术路线，分别从监督微调、评价模型构建以及规则限制等不同层面来解决模型学习和遵循人类价值的问题。本次报告将介绍价值对齐的三类主流技术路线，分析其基本原理及发展过程，并讨论不同技术路线目前面临的主要问题。

本讲核心参考文献

1. LI J W, KIM J E. Superficial safety alignment hypothesis[C]//International Conference on Learning Representations (ICLR). 2026.

2. CASPER S, DAVIES X, SHI C, et al. Open problems and fundamental limitations of reinforcement learning from human feedback[R/OL]. arXiv:2307.15217, 2023. https://doi.org/10.48550/arXiv.2307.15217.

运行模式

「人工智能与哲学」读书会2026季正式启动

📅 时间规划：2026年8月26日开营，共持续10周左右。

🌐 参与形式：腾讯会议——每周三晚上19:30-21:30。

🎯 报名您将获得：

• 扫描二维码直达报名通道，锁定学习席位。

• 加入专属学员群，与读书会发起人、主讲人及优秀同行直接交流。

• 每期内容结束后可随时观看高清视频回放，支持反复学习与复习。

• 报名之后还可自荐成为主讲人，亲自分享。

报名参与读书会

读书会价格：299元

报名方式

第一步：微信扫码填写报名信息。

扫码报名

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加集智小助手Swarma Assistant微信，拉入对应主题的读书会社区（微信群）。

PS：

我们鼓励围绕复杂系统与人工智能及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区可享核心资源

成为会员即可解锁完整学习生态，包括：线上实时问答、全部课程录播回看、独家资料共享、高质量社群交流、第一手信息同步，以及通过参与共创任务获取积分等权益。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径

认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径

合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

相关内容推荐

1. 「人工智能与哲学」读书会推荐阅读材料

扫描下方二维码可跳转至集智斑图网站阅读文章：《人工智能与哲学》读书会推荐阅读材料。

本次读书会整理了一些可以阅读与体验的材料，帮助大家从不同角度理解人工智能与哲学。

阅读材料较长，为了更好的阅读体验，建议您前往集智斑图沉浸式阅读，并可收藏感兴趣的论文。

2.往期公众号相关内容推荐

• 走向意识科学：从现象之窗到理论之梯

• 意识的概念框架：我们的意识从注意图式产生？

• 量子认知系列哲学探索丨周五直播·意识科学读书会

• 意识研究全景：从哲学到科学丨附9篇必读文献，周五直播

• 大脑剧场：当神经元遇上哲学，解码“我们”的社会生存法则！