第一篇AI 的本体论机器究竟是什么核心命题AI 不是更聪明的软件而可能改变我们对智能和主体的定义。对应总问题AI 是工具、主体还是一种新的存在0. 三门课的坐标本文是AI 本体论 → AI 认识论 → AI 实践论三问体系的第一问三个问题层层递进本体论AI是什么本文认识论AI知道什么第二篇实践论AI能做什么第三篇AI 本体论「AI 是什么?」AI 认识论「AI 知道什么?」AI 实践论「AI 如何行动?」三问构成一个闭环不先界定是什么就无从谈知道什么不清楚知道什么就无法负责任地谈能做什么。1. 什么是智能先划分能力再谈理解智能这个词在讨论中被过度使用是许多伪问题的根源。逻辑上的第一步是把智能拆成可观察、可验证的成分能力而不是当作一个整体名词能力含义可观察判据计算按规则变换符号输入输出确定性推理从前提推出结论结论可由前提辩护学习从数据调整内部参数在新样本上泛化生成产出未见过的输出多样性与合理性这里有一个关键的逻辑区分必须点明表现performance≠ 能力competence。会回答问题是表现它可能来自真正的能力也可能来自对训练分布的统计拟合记忆检索。因此“看起来理解不能推出真的理解”——这是全文的第一块基石。2. 模型是什么三种竞争解释现代大语言模型LLM本质是一个参数化的概率函数给定上文输出下一个 token 的概率分布。数十亿参数代表的是压缩后的训练数据的统计规律。对模型是什么存在三种竞争解释知识库参数里存着事实性知识查询即检索。压缩器把海量语料压缩成一个可重建分布的表示。概率世界模型学到的是世界如何运转的统计近似能对未见输入做合理外推。三者不是互斥的而是从不同层次看同一个对象。逻辑上真正要紧的结论是“模型内存在某种表征” ≠ “模型理解该表征的含义”。一个表征是被训练出来的分布而不是外显的、可辩护的信念。理解与否需要更严的判据见下一节。3. AI 是否有理解符号主义 vs 连接主义这是本体论最激烈的战场两派经典立场符号主义理解 对显式符号规则的操作可解释、可验证。连接主义理解 从数据中涌现的分布式表征隐式、难以逐条解释。Searle 的中文房间揭示的逻辑要点是句法操作本身不产生语义。一个按规则查表回答的系统即使输出完全正确也可以没有任何理解。反方涌现论则指出当句法操作复杂到能在世界中产生正确的因果行为、并能泛化到新情境时语义或许就涌现了。本文不替读者下结论只提供一个最低判断标准理解的最低判据 能区分语义与语用 能在新情境正确迁移 能说明为什么。三者缺一就只能说表现得像理解而不能断言理解。4. Agent 是什么自主性从哪里来Agent 是模型加上三个部件后形成的更高级对象结果反馈模型 Model概率推理引擎Agent目标导向自主循环工具 Tool调用外部动作记忆 Memory跨轮持久状态Observe 观察Reason 推理Act 行动Agent 与传统软件对象有三点逻辑差异调用方向相反传统对象是被调用的Agent 是自己发起循环的。确定性不同传统对象输入输出确定Agent 每一步是概率采样。状态有无传统对象无跨调用记忆Agent 的 Memory 让多次交互间保持连续性。由此得到一个重要结论自主性不是凭空属性而是目标 循环 记忆 工具四个要素叠加后涌现的现象。5. AI 是主体吗一条判断链而不是一个标签对AI 是否为行动主体有从弱到强的四种立场工具论AI 永远是工具主体只能是人。功能主义只要功能上等价于心智就潜在地是心智。计算主义认知即计算AI 与心智同构。主体性论AI 可能拥有某种规范地位或人格。AI 是不是主体不是一个可以一锤定音的是非题而应当用一个可操作的判据链来定位。下面这张图把前面四节的结论串成一条判断流程——它刻意避免用像不像人这类拟人化标准而是用可观察的能力逐级判定否是否是否是否是是否具备目标导向的自主循环?工具 Tool能否在新情境迁移并说明理由?功能系统Functional System是否具备持续记忆与自我修正?强智能体Strong Agent是否拥有可归责的规范地位/人格?类主体候选Candidate Subject主体 Subject这张图的意义在于把本体论立场从信仰问题转化为可检验的能力问题——你可以不知道意识是什么但你能观察一个系统有没有目标循环、能不能迁移、会不会自我修正从而给出一致的定位。6. 结论与核心讨论回到开头的问题如果一个 AI 能持续记忆、制定目标、调用工具、修改自己的策略我们还应称它为工具吗本体论上严格的处理方式是工具—主体不是二分而是连续谱。我们不去发明拟人化词汇而是用可观察的能力判据把每个系统定位到谱上的合适位置。这样AI 是什么这个问题的答案就不是一个名词而是一个逐级可验证的定位结果。思考题会回答问题与理解问题的判据在你的日常判断里分别是什么你能否把它们写成一个可检验的清单一个系统拥有目标循环但没有记忆它处于你心中的哪个位置为什么