徐扬生谈人工智能突破口：从哲学看差异
人工智能与东西方哲学思想
——根据徐扬生教授在2026年1月24日翔龙鸣凤科学论坛上的主旨演讲整理
徐扬生
各位朋友，早上好！很高兴在今天的分享中与大家交流。过去40年里，我一直从事人工智能与机器人的研究。做着做着才逐渐意识到：人工智能的发展与哲学思想并非毫无关联，尤其是东西方在理解世界、看待问题的方式上存在差别，这也让人工智能的讨论变得更有意思。因此，在收到论坛邀请之后，我愿意和大家做一次分享。我要先说明，这并不是系统、面面俱到的讲解，甚至也不敢保证每个细节都绝对正确；我更希望把它当作一次开放的交流与探讨，向各位请教。
我认为，东西方哲学思想对人工智能确实具有指导意义。我们正在搭建的世界模型，需要回答许多问题：模型究竟如何构建？什么才算智能？又该用什么方式去衡量智能？怎样才算“更好的”智能？AI和人的边界在哪里？AI是否应该成为人们心中那种“乖孩子”？我们究竟在追求什么？追求真理，还是追求共识？这些问题如果不先厘清，AI的未来走向很可能就会不同。
今天我们先从哲学谈起。粗略地说，哲学大体可以分为三大部分：
一是本体论：世界是什么；
二是认识论：我们如何认识世界；
三是价值论/伦理学：我们如何在这个世界中生活——也就是人与人、人与世界、人与自然的关系。
当然，这种划分只是比较宽泛。例如逻辑学，也可以算在认识论之中；美学是否属于哲学，有人认为算，有人认为不算；统计学呢，我当年和一些做数学的朋友聊起，他们通常不把统计学当作数学的一部分，但也有人会把统计学纳入数学体系。我学统计学时，确实是在数学课上完成的。
我的哲学起步主要来自读书自学，而且比正式做科研还要早。到现在，大概已经有50年的时间了。在这漫长的过程中，我遇到两件很“奇妙”的事：
第一，东西方哲学的起源时间大体接近：从西方的苏格拉底传统、犹太思想，到东方的孔子、老子、孟子、庄子，再到印度的佛陀，大体都集中在公元前500年前后。这几乎是同一时期发生的事情，确实很让人惊讶。
第二，东西方哲学的侧重点差别很大：西方更突出认识论和本体论；而东方更多偏向价值论，对认识论涉及较少，严谨性也不够突出，庄子算是例外。
我先提这些，是因为人工智能的发展几乎会同时触及这三块内容。
下面我把每一部分的差异再展开讲一讲：
先说本体论。在西方，本体论往往更强调理性、客观、确定以及“可被认识”。所谓可被认识，是指这个世界似乎终究可以被弄明白、被说清楚，这一点当年也曾给过我很大的鼓励。相比之下，东方哲学并没有给人同样坚定的信心。东方本体论更强调整体、动态、关联以及万物同源。它特别关注各部分之间的牵连：比如房间着火，不止一处会受影响，整栋房子都会跟着遭殃。
再说认识论。西方认识论的核心是理性逻辑：一件事需要讲清“为什么”，也就是要讲道理。东方认识论则更坦率地承认：它不一定强调“为什么”。东方哲学家当中，较为典型的例外是庄子，他往往也会解释“我为什么这么说”。整体而言，东方更重视直觉的体认，而体认本身很重要：主体与客体之间并不是简单对立，而是融合与共情；人的感受都与“心”相关。东方哲学也强调对真理的直接把握：真理并不是通过理性分析得出，也不是靠数据整理或语言逻辑拆解出来的，而是由体验抵达。比如我看到一个男生而爱上他，这不是先用逻辑推演出来的，也很难解释“为什么会爱”，这类感受常常无法用语言完全说明。
大家可能已经知道，现在这一轮人工智能主要从大语言模型出发，但我想强调：语言并不是万能的。语言当然重要，但它距离智能还差得很远。真正的真理，往往难以仅靠语言说清。也因此我们需要数学。当然，你也可以说数学同样属于一种语言，但它也并非万能。我的学生有时会说：“对不起教授，我可能没有讲清楚。”我会回应：“你讲得很清楚，但你是用语言讲的。有些东西本来就不是语言能讲透的。”同样是“美”，你看两分钟哑剧，没有一句台词，却能看得明白，而且每个人的感受也会不同。所以语言不是万能的。
与此同时，体验同样关键。东方哲学尤其强调体验。今天早上我在鱼池旁散步时一直在想：鱼儿知道人是怎么走路的吗？它能理解人走路时的痛苦与快乐吗？朋友们，你并不能要求鱼去理解这些，因为鱼没有那样的体验。反过来，人也无法亲身体验鸟的痛苦与快乐。很多人说鸟每天歌唱所以“很欢乐”，但你真的知道它欢乐吗？如果人工智能没有走到体验这一步，它就很难真正达到我们所说的智能——这是我从东方哲学中得到的启发。
最后谈价值论。对西方而言，“价值”最终往往会落到一句话：人活在世界上的意义是什么？我们在世界中追求的是什么？西方人更看重真理；东方人更强调善，追求的是生命与道德的完善。从这个角度看，西方偏“真”，东方偏“善”，差别主要来自切入问题的视角不同，但两者本质上都属于对人的智能的理解。
我给大家讲个故事：有两个小和尚，早晨走在寺庙院子里，发现一条蛇正在吞吃青蛙。小和尚A上前把蛇赶走，他认为这是罪过；小和尚B则觉得不该管：成千上万的蛇每天都在吃青蛙，你能管得了吗？于是两人去请教老和尚，究竟谁对谁错。老和尚说，小和尚A是对的，因为他的心是慈悲的；小和尚B也对，因为他放下了执着，尊重自然运行的规律，不要强行阻断，蛇终会有它的归处。一个强调“慈悲”，一个强调“放下”。佛家更重视前者，道家更偏向后者：前者是“有为”的美，后者是“无为”的悟。而禅宗则把二者的交集放在一起，这就是东方哲学。若用西方哲学的眼光去看，二者会被截然分开：小和尚A若是对的，那小和尚B就是错的；小和尚B若是对的，那小和尚A就是错的。
朋友们，对与错、好与坏的评判标准并不相同，而这种差异，和人工智能、大语言模型、世界模型的走向关系非常大。
从整体上看，西方往往把世界当作“物”来理解。比如今天在座有不少化学家，化学研究时会把各类事物当作“物质”来分析。木桌也是“物”，它可以拆到分子和原子，进而算出化学组成；人体同样如此，也可以做类似拆解。只要是物质，就能按这种方式被分析。
而东方则更倾向把世界当作“人”来看。器物有心，强调情感与联系。
再展开说：从西方哲学角度，世界上的“物”都在遵循某种“规律”存在。例如人是生命体，需要进食来维持生命活动，所以会有胃；猪也是生命体，也要进食，因此也有胃。于是猪的胃和人的胃具有相同功能，猫、兔子、蛇等也同理。西方哲学因此更容易把世界上的事物归为同一类来做分析。
从东方哲学角度，则更强调天人合一，器物有心，认为每一样东西都有“心”。冬天到了，风一吹树叶落下，是因为树“感到冷”；果实如果也“感到冷”，就不会成熟。
我特别喜欢庄子《山水》里的一句话：“物物而不物于物，念念而不念于念”。我的理解是：所谓“物物”，是说人们在使用或操控物质时，不能只把它当作冷冰冰的“物”，那并不是真相；所谓“念念”，是说人们管理自己的念头时，也不能执着于念头本身，否则事情反而做不成。也就是“应无所住，而生其心”：一旦把心固定住，就会变得刻意，反而成为障碍。这也正是东方哲学的思想。
刚才提到，东方哲学讲“器物有心”，而“心”到底在哪里？我去过香港不少古旧书店，反复琢磨这个问题，前后大约用了13年。
从汉字的形成谈起：大概在商朝时期、公元前1300年左右，凡是身体部位的名称，往往会带有“月”字旁（古代“肉”的意思）。比如肝、胆、胃、腹、脚等。唯一的例外是“心”字。我平日研究学习书法，知道古人造“心”字时并没有“月”字旁，后来在文字演变过程中，才逐渐形成了两个点。
那问题就来了：经过3300年，“心”字这两个点究竟指向什么？里面那点，想必对应身体里生物意义上的心脏；那么外面的那点又在哪里？
你再看一批与“心”相关的字：愛、恨、思、怨、性……就会发现凡是带“心”的汉字，往往都有两个端点。当它们做动词时，常常都是及物动词：比如“爱”和“恨”，你必须说清楚是爱什么、恨什么，后面总会接一个具体对象。
再举个例子：假如全世界只剩下一台手机在你手里，其他人都没有手机，你这台手机还能用吗？它无法联系别人，那它就没有意义。朋友们，“心”也一样：它需要有“第二者”。只有当有了另一个端点，心才能建立连接——这就是我想说的，“心”外面那个点。
所以，“心”可以理解为万物之间的连结体。这也是东方哲学的一条重要思想：就像我们手里的手机，本身就是大家互相联络的连结点。
东西方哲学对人工智能的发展会产生很大的影响，因为人工智能本身就蕴含大量哲学问题。未来哲学家可能会特别忙，当然前提是：哲学家得是有思想的哲学家。
那我先向人工智能提出一个哲学问题：什么是“智能”？
从西方哲学的角度看，“智能”本质上可以理解为技术的拆解与重构。当前的AGI，追求的是超越人类理性能力，并扩展可解决问题的范围。以我的理解，它最终也是让人的效率提升。比如下围棋：如果能把对手所有招数与技术拆解清楚，那么打败对方就会容易得多。过去可能要花上成百上千个小时，而在AI辅助下，就不必花那么久了。因此，西方哲学更像是在做拆解，强调效率，基础是“理性”。
而东方哲学谈“智能”，更多围绕人性。人是有灵性的，机器不应以超越人类为核心，而应该让人机共生。AI应该承担辅助角色，帮助人类完善生命的体验。
因此朋友们，这个问题的回答可以是两面的，并不存在绝对的对错。就像一瓶矿泉水：有人认为它是透明的白色，有人觉得它很“冷”，两种说法都成立。这其实就是东西方哲学的区别：看待事物的角度和思路不同，于是形成的世界模型也会不一样。
而人工智能，本质上就是在搭建世界模型。
我20年前写过一本书《Human Behaviour Learning and Transformer》。书里提到：所谓人工智能，就是在记录人的行为，从而去发现背后的智能。这大概也就是当时乃至今天很多人工智能的常见套路。
由此又引出两个很尖锐的哲学问题：
第一，你到底想发现背后的是哪一种智能？是技能、策略、记忆、直觉还是逻辑？不同的答案，会把AI引向完全不同的方向。
第二，什么样的行为才算“好”？举例说，有A、B、C三个学生在学开车，每人轮流开10分钟，老师很快就能排出名次。但这里有个关键问题：每个人的评分标准不同，每个人对什么是“好”的理解也不同。把这个问题放到人工智能的发展中，就是一个很严峻的难题。对于像围棋这类约束强、边界明确的活动，“好”的定义相对清晰：赢就意味着好，规则也很明确。但当我们把范围扩大到更广泛、更抽象的行为，统一标准就变得困难。因此，今天的AI如果只在某个特定领域做世界模型，许多问题确实还能“糊弄过去”；但一旦要做更大的世界模型，情况就不会这么简单了。
所谓 Value Alignment（价值对齐），本质就是要把“什么是好”的标准对齐。比如不同的老师用不同方式评价学生开车“好不好”，结论可能完全不同，并不是谁绝对正确、谁绝对错误，而是因为他们各自的价值尺度、关注点以及判断权重并不一致——这也正是价值对齐长期“没有完成时”的最常见分歧原因。