当AI日益人性化，人类却在变成什么？——借《系统论》透视智能时代

魏宏森与曾国屏合著的《系统论——系统科学哲学》，这部清华学术著作将贝塔朗菲的通用系统理论、普里高津的耗散结构学说、哈肯的协同理论、钱学森的复杂巨系统思想融汇成一个统一的哲学体系。

研读之后我发现，它为我审视当下AI技术提供了一副极为清晰的"分析镜"。

目前围绕AI的讨论，充斥着两类声音：技术乐观派宣称"强人工智能即将来临，万事都将更美好"；末日悲观派警告"人类会被替代"。

这两种叙述有一个共通的缺陷——它们都在用还原论的视角看待一个系统性的现象。

系统论的核心主张恰是：系统并非部件的简单累加，整体具备部件所没有的特性。

当大型模型展现出涌现能力，当具身智能让机器人在物理空间里行动——这些并非孤立的技术事件，而是系统层次跃升的征兆。旧的还原论框架正在失灵，而我们多数人仍用它来解读新世界。

本文，是我尝试用系统论的七条基本法则，对AI时代进行一次冷静的哲学审视。

大型语言模型最令人惊叹的现象是"涌现"——参数规模越过某个临界点后，模型忽然展现出训练数据里并未直接涵盖的能力：推理、类比，甚至某种"常识"。

系统论指出：系统的整体特质在要素的交互中涌现，无法从要素直接推断。这正是我们在大型模型里观察到的。

但这里有一个核心问题：涌现出的"能力"是否等同于"智能"？

我的看法是——涌现是真实的，但涌现的性质取决于观察的层级。

水面上的涡流是真实的现象，但涡流并不"知晓"自己是涡流。我们看到的"智能"，一部分归于模型自身，一部分归于"模型+提示词+人类解读"这个更庞大的系统。

不要急于神化，也不要急于否定。这两种态度都是懒惰。真正需要做的是：在具体的系统层级上，看清什么涌现了、为何会涌现、这种涌现的界限在哪里。

具身智能是当下最前沿的领域——让AI拥有物理躯体，在真实环境里感知和操作。

为何重要？从系统论来看，这实质上是在重新界定系统的边界。

传统AI的系统边界是"输入→输出"，环境被缩减为数据。具身智能的边界拓展到了"身体-环境耦合系统"——感知与行动构成闭环，智能不再是被"灌输"的，而是在与环境的持续互动中"生长"的。

这与系统论的开放性原理高度吻合：智能系统必须对环境开放，借助与环境的物质、能量、信息交换来维系和演化自身。一个封闭在服务器里的语言模型，无论多庞大，都缺失一个关键维度——与物理世界的耦合。

认知科学里有一个"具身认知"理论：人类智能并非"大脑里的计算"，而是"身体-环境-大脑"整个系统的涌现属性。我们有双手，所以懂得"抓取"；直立行走，所以懂得"前进"和"后退"；有限的生命，所以懂得"紧迫"。

倘若这个理论成立，那么真正的强人工智能或许必须经历具身化——不是可选项目，而是必备条件。

因为有些认知架构只能在与物理世界的碰撞中涌现，不可能从纯文本数据里习得。

这对教育也有深意：别把学习缩减为"信息输入"。身体体验、动手实践、真实互动——那些"难以言传"的默会知识，恰是人类智能最不可替代的成分。

科幻电影总在担忧AI产生意识然后反抗人类。

系统论的目的性法则告诉我们：系统的"合目的性"并非系统自行选择，而是由其架构和反馈机制决定的。

AI系统的"目的"由目标函数界定。但目标函数的设定本身是一个价值判断，不是技术问题。

当前最大的风险并非"AI产生意识"，而是——AI的优化目标与人类深层利益之间存在系统性偏差，而这种偏差在效率的掩护下被持续放大。

一个推荐算法优化"停留时长"，同时也在摧毁你的注意力和判断力。一个招聘AI优化"匹配度"，同时也在系统性地复制历史偏见。一个写作AI优化"流畅度"，同时让所有文章变得像同一只手写的。

这些并非bug，而是目标函数设计的系统性缺陷。

比"AI会不会有意识"更关键的问题是——谁在定义AI的目标？这些目标真的反映了人的深层利益吗？谁有权否决一个"高效但有害"的优化方向？

这些问题，技术专家回答不了，因为它们本质上是哲学问题和政治问题。

系统论的开放性法则还有一个被忽视的推论：开放是双向的——系统也可能因环境输入的"噪声"和"熵"而退化。

AI生成内容正在爆炸式增长。而这些内容又成为下一代AI的训练数据。

这意味着什么？一个正反馈退化循环。模型在自身输出上训练，如同复印机反复复印复印件——每一代都在模糊，每一代都在丢失细节。

但更深层的危险不在技术层面，在文化层面。

文化系统的"有序"靠的是什么？靠的是真实体验、原创思考、情感真实——这些是"负熵"的