刊林擷思

三、科學研究第五范式——人工智能知識生產

人工智能驅動的科學研究大大提高了科學發現的效率和速度，推動了人類知識生產的革命性變化。如果說數據驅動的人工智能是科學研究的工具，那么智能驅動的科學研究將引發知識生產的范式革命。2024年5月，英國皇家學會發布了《AI時代的科學：人工智能如何改變科學研究的本質和方法》報告，提出：“人工智能的最新發展表明，科學研究的方法可能會發生變革。這些變化集中在使現有的任務更有效率，改變產生知識的過程，或啟用新的發現機制。”大模型的知識生產不僅引發研究的立論根基的變革，還引發認知主體和知識內容的改變，更引發認知工具的變革，從而對知識生產產生革命性影響。

1. 知識生產的邏輯起點由現象變為數據

智能驅動的大模型知識生產為何能夠成為科學研究的第五范式，主要在于其立論根基和邏輯起點發生了重大變革，知識生產的根基和起點由現象轉變為數據。前四種科學研究范式不管研究宏觀世界的物質形態還是研究微觀世界的量子、分子、原子等，不管是對于物理學、化學、生物學、天文學等知識的增長，還是關于生活本領和技能的默會知識的生產，都是屬于經驗現象的研究，而智能驅動的大模型的知識生產，則不局限于現象層面，而是深入到數據層次，這涉及認知層次的改變。數據、現象雖然都可以認識世界，但對世界的理解層次是不同的。現象指的是自然界或者社會中事物呈現的外部樣態，不需要處理就可以被人類觀察到。數據主要是以數字、文字、圖像或者影音視頻等形式出現，數據可以描述或者解釋現象，數據不能從物體表面獲取，需要通過觀察、測量或者記錄才能刻畫。如果把知識生產的內容局限于現象層面則需要揭示現象背后的規律，需要尋找現象背后的因果關系。例如，“天空是藍色的”是人類觀察到的現象，如果對此現象進行解釋，需要找到現象背后的因果關系，只有分析現象背后的原因才能對現象本身進行科學解釋。知識生產的起點是現象，知識生產往往需要先提出問題，然后再引導人們去思考如何解決問題。基于現象的知識生產采用歸納法、演繹法或類比法等邏輯方法進行，通過這些知識生產的方法，深入探索現象背后的規律，新知識得以產生。因此，基于現象的知識生產是一個不斷提出問題、尋找因果關系、解決問題的過程。而基于數據的知識生產與基于觀察的知識生產在研究方法、研究內容、研究過程等方面截然不同。如果認為知識生產的立論根基和邏輯起點是數據，其預設是數據表征世界，數據表征的鏡像世界和真實世界是同一個世界，數據表征了世界，人類將不再直接去觀察現象，而是通過挖掘數據之間的相關關系來發現和揭示自然界和社會的規律。知識生產的邏輯起點是數據，而不再是現象背后的因果關系，只要關注相關關系、分析相關關系就可以解釋現象。這是對知識生產的出發點和源頭的顛覆，顛覆了科學知識的起點是問題的傳統觀點。

從現象到數據引發了知識生產立論根據和邏輯起點的革命性變化。知識生產的立論根基是數據，知識生產只關注數據，而不關心原因，只關注從數據中能得到什么知識。由于知識生產的立論根基是數據，那么知識生產只關注知識生產的可靠性，不再追求知識是否是可驗證的真信念；只關注知識的可知性，不關注知識的確定性；只關注知識的相關性，不關注知識的真理性。相較于認為知識生產是通過觀察，只關注事實，而非真正關注事物，數據相對于現象是更深層的因素。只有深入到數據層面才能揭示事物的本質，關注現象只能使認識停留在事物表面，而數據是理解和揭示事物間關系的關鍵。

2. 大模型引發知識圖景變革

知識的觀念是人類對于知識的基本態度和基本看法。由于大模型知識生產方式的不同，知識的觀念發生革命性變化。前科學范式時期的知識是通過講故事解釋自然現象，例如，中國神話自然觀用有意識、有想法的“雷神”和“電母”來解釋閃電、打雷等自然現象。到了科學范式時期，通過觀察現象，用數據工具計算或科學研究方法產生知識，如開普勒通過大量的觀測數據發現行星運動的三大定律，證明哥白尼的“日心說”，開普勒通過軌道定律、面積定律以及周期定律刻畫了地球圍繞太陽運動的規律。大模型引發我們對知識觀念的重新思考。首先，嚴格決定論的世界圖景被打破。嚴格決定論起源于 18 世紀的法國啟蒙運動，嚴格決定論的世界圖景認為世間萬物皆遵循因果關系，每一個結果或者事物都有其原因，沒有無原因的事件，萬物都受自然界規律的支配，自然界的規律就是機械物理的因果關系，人和人之間的關系也可以用因果關系來解釋。拉·梅特里的哲學著作《人是機器》提出，人的肌體和心靈的一切活動都是機械運動的一種表現，都是身軀上各種“機器”機械作用的結果，受自然界規律的嚴格支配。智能驅動范式下的不確定性使嚴格決定論失效，“所謂的‘不確定性’，就是在認識進入更深層次時，傳統建立在因果性基礎之上的決定論的不可能”。科學是科學家在實驗室中建構出來的科學，實驗室條件具有可控性，實驗室科學相對來說具有穩定性，但它不能把自然界的所有條件都考慮在內，因此是相對不完整的，實驗結果也未必能與自然界通約。其次，知識觀念發生革命性變化。知識往往被認為是來源于科學實證、邏輯推理和經驗驗證，是能夠解釋現象、解決問題的。隨著大模型的發展，知識的觀念也在發生變化，赫拉利提出“科學革命并不是知識的革命，而是‘無知的革命’”。這是對科學革命的知識觀念的變革。科學知識具有不確定性、模糊性和隨機性，是不可預測的，需要數據挖掘技術和深度學習等大模型技術從海量信息中提煉有價值的信息，填補知識空白。再次，知識不再是必然性的。大模型知識生產是基于相關關系而非因果關系，大數據之父維克托·邁爾 - 舍恩伯格就提出：“大數據時代最大的轉變，就是放棄了對因果關系的渴求，取而代之關注相關關系。”因果關系預設的是知識的普遍必然性原則，而相關關系預設的是知識的或然性轉向，這導致了人類在認識論上的轉變。從追求因果性知識到追求相關性知識的轉變，知識不再是一味追求真理性，而是追求逼真性和實用性。數據挖掘是知識生產的過程，數據挖掘的是相關關系，因此相關關系成為知識生產的方式，大數據對相關關系的追求影響著人們對知識觀念的理解。只要知道“是什么”，而不需要知道“為什么”。因果關系雖然有的是概率相關關系的一種獨特形式，但嚴格意義上標志著確定性科學的改變。這就顛覆了千百年來人類的知識論思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。大模型的知識生產改變了知識的世界圖景。

——摘自閆坤如《大模型知識生產革命及其哲學反思》，《思想理論教育 》2025 年第4期