为什么 AI 有柏拉图问题：Mazviita Chirimuuta 对神经科学哲学的思考

AI 中的柏拉图问题：数学理想化 vs. 生物现实

现代 AI 研究常常基于一种“柏拉图式”的假设：认为宇宙遵循整洁、可分解的数学规则，而混沌的物理世界仅是“表象世界”。Mazviita Chirimuuta 教授指出，这种视角——类似于柏拉图关于形式世界与生成世界的区分——导致研究者相信，只要解码出底层的数学模式，就能复制人类智能。

这种方法依赖于理想化（为使计算可行而赋予系统已知为虚假的属性）和抽象化（忽略具体细节）。虽然这些是科学进步的有用工具，Chirimuuta 警告说，它们可能成为哲学陷阱。当科学家把“信号”视为唯一真理、把“噪声”视为无关时，他们实际上是在做主观决定。在生物系统中，研究者标记为“噪声”的东西可能正是系统在真实世界中运行的关键。

过度简化的危险：反射理论的教训

历史提供了许多警示，说明优雅的简化如何把科学领域误入歧途。Chirimuuta 引用了 19 世纪末至 20 世纪初的反射理论，该理论试图把所有脑功能解释为简单的感官-运动回路（反射弧）。

虽然像 Charles Sherrington 这样的著名生理学家承认“简单反射”是一种可能在现实中并不存在的理想化，但该理论仍占据主导地位，因为它提供了简约的解释。直到二战时期计算理论的出现才提供了新的解释框架。这表明科学的“真理”往往取决于当前最有用的理想化工具箱，而不是向单一、最终真理的线性进步。

触觉现实主义：通过交互获得知识

与“观者知识论”——即我们可以从远处被动吸收信息（如上帝视角）——相反，Chirimuuta 提出了 触觉现实主义。该观点强调知识是通过对世界的主动、身体性的参与获得的。

• 交互即认识论： 知识不是阅读“宇宙的源代码”，而是主体与环境之间交互过程的产物。
• 触觉隐喻： 正如手既是感官器官又是操作工具，科学模型既是获取知识的手段，也是改变世界的手段。
• 自然是多变的： Chirimuuta 将自然描述为“多变的”（取自变形的海神 Proteus），意指其复杂性无穷无尽。我们可以“固定”它以得到特定答案，但它会根据我们的交互方式不断转变并呈现不同模式。因此，在生物科学中出现单一、最终的“万物理论”几乎是不可能的。

为什么大脑不只是计算机

将大脑比作计算机的主流隐喻使研究者能够通过只关注计算属性而忽略“混乱”的生物细节——生化、血管系统和免疫系统。Chirimuuta 认为这是一种称为 本体化 的范畴错误：因为我们可以模型化大脑为计算机，就假设大脑本身是计算机。

具身性与因果力量的角色

借鉴 John Searle 的工作，Chirimuuta 认为计算是一种数学形式主义，不具备因果力量。因果力量属于具体的物理系统。

• 生物整合： 人类认知不是一套离散模块（如语言能力）可以被拆卸并在大型语言模型（LLM）中复制的集合。相反，语言深深纠缠于感官-运动的参与和生物存在之中。
• 远因 vs. 近因敏感性： 智慧的关键区别在于对“远因”——时间或空间上遥远的事件（例如童年记忆）——的响应能力，而不是仅受“近因”即即时输入驱动。非生命的物理系统通常受限于其直接、近在眼前的因素。

技术与人类的有限性

引用 Martin Heidegger，Chirimuuta 讨论了 人类有限性——我们是有界、情境化的认知者。创造一个脱离身体、普遍吸收事实的存在（如 LLM）的冲动，反映了超越这些生物边界的欲望。

这种向“纯信息的精神世界”迁移的愿景忽视了人类知识根植于离散感官经验的事实。Chirimuuta 担忧，随着我们日益通过数字界面调解生活，可能会削减关键的社会和感官互动——比如儿童注视人类面孔——这些对正常心理发展至关重要。这场对下一代的“巨大实验”可能根本改变人类彼此以及与世界的关系。

---

摘要：Mazviita Chirimuuta 教授认为，AI 研究常常依赖一种“柏拉图式”假设，即宇宙以数学代码书写，忽视了生物具身性和主动交互在人类认知中的关键作用。

标题：为什么 AI 有柏拉图问题：Mazviita Chirimuuta 对神经科学哲学的思考