冷门哲学成AI治理热门

背景

在2026年WAIC（世界人工智能大会）上，一个现象引人注目：哲学这个过去冷门的专业，成为AI领域讨论的焦点。大会多个论坛中出现哲学教授演讲、哲学主题讨论，以及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》将深度思考、科研可信和AI治理提到聚光灯下。几年前AI大会热议参数、算力和榜单，如今AI已能写论文、做数学证明、生成蛋白质构象、模拟社会，随之而来的问题日益逼近哲学层面：模型流畅回答是否等于真正理解？AI自主发现知识算不算科学家？人类能否相信AI发现的不可解释规律？这些追问促使哲学与AI深度交汇。

核心内容

哲学回归：智能之前，先有世界

复旦大学哲学学院教授孙宁在《心智与智能·青年生态论坛》上回溯了符号奠基问题（Stevan Harnad提出）和物理奠基假说（Rodney Brooks提出，认为“世界本身就是最好的模型”）。孙宁提出深度扎根于世界的智能需要身体、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，历史让失败沉淀为经验。他总结为：“智能之前，先有世界。心智之前，先有关系。”这为论坛定下基调。

AI做科学：自进化模型与数学证明

超衍智能创始人陈勇超展示了自进化模型：让模型自主想idea、写代码、跑实验、分析数据，沉淀成功/失败轨迹。其团队开发的Apex Search生成了34篇论文并提交至ACL、ARR等学术评审体系，约10篇有机会进入Findings或主会，两篇获得3.67分，高于约95%的人类投稿，甚至获得“领域内首项研究”等评价。但问题随之而来：复旦大学大数据学院教授魏忠钰指出，若AI一次生成并投稿几十篇论文，最终几篇高分，难以判断是系统能力达到顶级水平，还是碰巧发现了同行评议的薄弱环节。陈勇超自己也留下问题：AI能否产生Transformer级别的突破？海量科学发现如何评价？成果归谁？有害研究责任如何划分？

复旦大学上海数学中心准聘副教授王天栋提出更清晰的人机分工：AI擅长检索、归纳、寻找特例/反例，同时生成多条候选证明路径；数学家判断问题重要性、猜想价值，用严谨概念和结构约束结果；机器验证检查推理是否跳步、计算有无错误。即“AI扩大搜索空间，人定义价值，机器负责验证”。

生命科学：从静态结构到动态生成

上海科学智能研究院AI科学家杨自雄指出，AlphaFold解决了从序列推断静态结构，但蛋白质、RNA等生物分子始终在运动，功能取决于构象分布、状态转换和时间尺度。后AlphaFold时代目标从“预测一个结构”走向“生成一段动态”，模型需覆盖稀有构象、维持长时间结构稳定，并满足热力学、动力学和物理规律。但动态分子数据有限，评测体系有待完善。

AI与社会模拟：可信度与风险

上海人工智能实验室青年科学家瞿晶晶介绍了社会模拟平台Epitome，可一键生成上千个虚拟样本，将十年社会演变压缩至14小时，研究者可调整干预政策、群体关系等变量，快速观测长期影响。但风险在于大模型能模拟专家，却未必准确模拟具体家庭、地域和社会关系中的孩子；虚拟角色态度可能来自训练数据中的刻板印象而非真实社会规律。

浙江大学公共管理学院百人研究员蒋卓人分享警示数据：跨国信任研究中，大模型生成数据在国家均值层面相关系数超90%，但进入回归分析后显著性覆盖仅34%-37%，恢复国家类型时结果接近随机。模型宏观上像真实社会，但具体人群和因果关系中偏差暴露。此外，社会数据循环会放大偏见：现实偏见进入训练数据，模型参与招聘、教育、内容分发等，新结果又成为下一轮训练材料，缺少审计和纠偏则偏见不断放大。圆桌提醒：可以用大模型模拟社会，但别把模拟结果当成真实社会的声音。

治理与责任：技术、政策、伦理协同

《心智之问》圆桌提到攻击、有害生物研究、心理依赖等风险。复旦大学科技伦理与人类未来研究院青年副研究员朱林蕃指出当前AI治理面临“一管就死、一放就乱”困境，需技术、政策、伦理和国际合作找到更细致的解决方案。上海市青浦复旦未来技术研究院青年研究员马立鹏补充：AI缺乏“知道自己不知道”的元认知能力，需要哲学、教育学、计算机等学科共同参与。责任问题日益棘手：AI智能体拥有更强主动性，若无法独立担责，开发者、部署者、使用者、最终决策者之间如何划分责任？

《2026人文社会科学智能发展蓝皮书》与STRIDES框架

复旦大学国家发展与智能治理综合实验室牵头编写《2026人文社会科学智能发展蓝皮书》，提出AI进入科研后，最终不能只有语言流畅的论文，研究问题、数据字典、分析脚本、运行记录、审查意见、人工裁决都应保留，使他人可沿证据链重走一遍。蓝皮书提出STRIDES框架，在理论、方法、数据、执行、审查等环节设置检查节点，要求写明假设、定位证据、低置信度结论重新交人判断。在公共治理领域，区分代理型和辅助型两种AI嵌入模式：前者让算法一路参与决定输出，人只在故障或申诉时出现；后者中AI承担检索、计算、风险提示、方案生成，最终决定由人完成。强调“人在回路”不能只剩确认按钮，人需拥有介入权、纠偏权和解释权。

产业落地：从实验室到供应链

中国科学院深圳先进技术研究院研究员、森瑞斯生物科技创始人罗小舟指出，AI写代码、做数学可在计算机闭环，但生物制造需跨过数字世界与物理世界的坎。其团队依托投资超20亿元的深圳合成生物重大科技设施，用自动化设备充当“身体和手”，AI负责实验设计和决策，已用于角鲨烯、角鲨烷等产品，角鲨烯进入默克供应链，角鲨烷进入化妆品供应链。镁伽科技联合创始人张琰将AI落地物理世界的难点概括为“最后一公里”，需打通AI、软件系统、仪器设备和具体学科需求，让实验室仪器和机器人像电脑外设一样被控制，形成模型、自动化实验、数据反馈闭环。同时，新生产力改变生产关系：过去按环节收费，现在AI推动产业从过程交付走向结果交付，参与者共同对最终成果负责，需解决“怎么搞钱”和“怎么分钱”的问题。

关键要点

• 哲学成为AI治理热门：孙宁等哲学教授在WAIC上提出“智能之前，先有世界”，强调身体、环境、他者、历史对智能的基础性作用。
• AI自进化模型已能生成并通过同行评议的论文：Apex Search生成34篇论文，约10篇有机会进入顶级会议，两篇评分高于95%人类投稿，引发对科研评价和归责的思考。
• 人机分工模式：AI扩大搜索空间，人定义价值，机器负责验证（数学领域）；生命科学需从静态结构预测转向动态生成，面临数据稀缺和评测待完善。
• AI社会模拟虽有潜力，但存在严重偏差：大模型生成数据在宏观层面表现良好，但微观因果分析中偏差显著，且可能因数据循环放大偏见。
• AI治理需细致协同：技术、政策、伦理、国际多维度合作，避免“一管就死、一放就乱”；需建立元认知能力，明确责任划分（开发者、部署者、使用者、决策者）。
• 《2026人文社会科学智能发展蓝皮书》提出STRIDES框架，