作者：金立，系浙江大學(xué)哲學(xué)學(xué)院教授

人工智能的演進(jìn)史，常被描繪為一幅技術(shù)征服的線性圖景：從簡單的邏輯推理，到深層的神經(jīng)網(wǎng)絡(luò)技術(shù)，再到今日吞吐萬億數(shù)據(jù)的大語言模型，機(jī)器的“智能”邊界正以驚人的速度擴(kuò)張。2025年8月，國務(wù)院印發(fā)的《關(guān)于深入實(shí)施“人工智能+”行動的意見》提出，深入實(shí)施“人工智能+”行動，“加快培育發(fā)展新質(zhì)生產(chǎn)力，使全體人民共享人工智能發(fā)展成果”,“到2030年，我國人工智能全面賦能高質(zhì)量發(fā)展”，“智能經(jīng)濟(jì)成為我國經(jīng)濟(jì)發(fā)展的重要增長極”。我們在為“人工智能+”所預(yù)示的高效與繁榮圖景所鼓舞的同時，也必須清醒地直面其伴生的諸多難題：算法的“黑箱”遮蔽了決策的透明，數(shù)據(jù)的偏見可能固化為系統(tǒng)的歧視，大模型看似權(quán)威的輸出潛伏著巨大的認(rèn)知“幻覺”風(fēng)險。這些挑戰(zhàn)已非單純的技術(shù)優(yōu)化和算力堆疊所能解決，而是迫使我們從雙重維度進(jìn)行反思：一方面，必須重返“智能”的理論原點(diǎn)，梳理歸納邏輯為人工智能發(fā)展所提供的思想源泉和技術(shù)貢獻(xiàn)，并直面當(dāng)下人工智能之困境，推動歸納邏輯圍繞推理機(jī)制、實(shí)踐驗(yàn)證與價值倫理等方向進(jìn)行理論突破。另一方面，亟須開啟植根文化傳統(tǒng)的新路徑，從中國古典歸納智慧中汲取思想養(yǎng)分。這既是對理論原點(diǎn)的一種文化超越，更是對持續(xù)半個多世紀(jì)的“歸納—智能”互構(gòu)歷程的創(chuàng)造性拓展。二者的融合為人工智能的范式突破與價值建構(gòu)開辟了新路徑。

歸納：人工智能的邏輯內(nèi)核與演進(jìn)動力

人類智能的卓越之處，在于能從有限而特殊的經(jīng)驗(yàn)中，提煉出應(yīng)對無限未知的一般規(guī)則，此即歸納。純粹的演繹邏輯無法創(chuàng)造新知，而人工智能要處理的真實(shí)世界恰恰充滿了不確定性。因此，將人類的歸納能力形式化并賦予機(jī)器，構(gòu)成了人工智能最根本的理論訴求與發(fā)展驅(qū)動力。無論是“機(jī)器類比人類”的元命題，還是人工智能的核心目標(biāo)即對人類認(rèn)知能力尤其是歸納能力的模擬實(shí)現(xiàn)，都決定了歸納邏輯不僅是其思想源泉，更是貫穿其技術(shù)演進(jìn)的內(nèi)在主線。

近代，作為“發(fā)明的藝術(shù)”的歸納邏輯承擔(dān)著科學(xué)發(fā)現(xiàn)的重任。在英國經(jīng)驗(yàn)主義傳統(tǒng)中，培根將自然現(xiàn)象的觀察與歸納系統(tǒng)化，建立了以探索因果關(guān)系為核心的古典歸納邏輯。然而，休謨指出，所謂的因果恒常關(guān)聯(lián)不過是人類心理習(xí)慣的投射，或是被觀察到的先后順序，歸納本身缺乏理性根基。

現(xiàn)代，邏輯實(shí)證主義將歸納邏輯的任務(wù)從“發(fā)現(xiàn)”轉(zhuǎn)向“驗(yàn)證”。英國學(xué)者凱恩斯將因果關(guān)系轉(zhuǎn)化為“部分蘊(yùn)含”的條件關(guān)系；美國學(xué)者卡爾納普完成了對確證度的形式化量化；美國學(xué)者亨普爾通過反思“渡鴉悖論”建立了科學(xué)解釋模型。上述改造使歸納邏輯的前提與結(jié)論間的因果關(guān)系具有了可計算性，并為早期符號主義奠定了理論基礎(chǔ)：智能被視為對思維規(guī)則的模仿，可通過“If…then…”式的符號邏輯運(yùn)算完全表征?；诰_的符號表征，早期人工智能得以在定理證明、棋類等確定性封閉領(lǐng)域表現(xiàn)出色。然而，一旦面對需要動態(tài)交互與模糊推理的現(xiàn)實(shí)世界，其“規(guī)則化歸納”路徑的根本局限便暴露無遺：它試圖依賴人力預(yù)先窮盡所有規(guī)則，用一個靜態(tài)確定的邏輯框架去固化動態(tài)開放的歸納過程。這種模式注定無法解決其在哲學(xué)與實(shí)踐上的困境。

當(dāng)代，歸納邏輯的研究重心發(fā)生了更為深刻的轉(zhuǎn)向：從對“確證度”的靜態(tài)評估，轉(zhuǎn)向?qū)Α爸眯哦取钡膭討B(tài)更新。這一轉(zhuǎn)向，既是對符號主義人工智能“寒冬”與歸納邏輯自身理論困境的回應(yīng)，也標(biāo)志著一場根本性變革——放棄為歸納邏輯尋求先驗(yàn)的、一勞永逸的理性辯護(hù)，轉(zhuǎn)而承認(rèn)其本質(zhì)上是主體在充滿不確定性的世界中更新信念的實(shí)踐過程。貝葉斯推理正是這一變革的核心體現(xiàn)。它將主觀概率引入歸納邏輯的系統(tǒng)內(nèi)核，將推理從對靜態(tài)頻率的被動描述，轉(zhuǎn)變?yōu)橐环N主動的、在連續(xù)證據(jù)流中“持續(xù)學(xué)習(xí)與迭代修正”的認(rèn)知框架。這一框架所形式化的“動態(tài)迭代的經(jīng)驗(yàn)理性”，恰好為聯(lián)結(jié)主義人工智能的崛起提供了不可或缺的理論準(zhǔn)備。與符號主義試圖固化歸納結(jié)果不同，以神經(jīng)網(wǎng)絡(luò)為代表的聯(lián)結(jié)主義的根本主張是放棄歸納規(guī)則化的方案，轉(zhuǎn)而模擬歸納過程本身。其早期發(fā)展因單層網(wǎng)絡(luò)的表達(dá)局限性而受阻，這恰恰暴露了簡單統(tǒng)計關(guān)聯(lián)的貧乏。而貝葉斯推理不僅為“深度置信網(wǎng)絡(luò)”等關(guān)鍵架構(gòu)提供了理論基石，其“先驗(yàn)—后驗(yàn)”的更新機(jī)制，更在理念上賦予了神經(jīng)網(wǎng)絡(luò)通過海量數(shù)據(jù)“預(yù)訓(xùn)練”來獲得并優(yōu)化其“先驗(yàn)知識”的合法性，從而完成了從機(jī)械關(guān)聯(lián)到智能涌現(xiàn)的關(guān)鍵轉(zhuǎn)變。

當(dāng)下，大語言模型的成功，正是歸納邏輯理論革新與聯(lián)結(jié)主義技術(shù)優(yōu)化相結(jié)合的工程化典范。在海量數(shù)據(jù)與強(qiáng)大算力的支持下，大語言模型得以不斷開展高強(qiáng)度計算并給出在當(dāng)下語境中概率最高的最優(yōu)可能解，由此涌現(xiàn)出理解復(fù)雜上下文、依據(jù)新信息微調(diào)輸出并生成看似合理的新內(nèi)容等類人的認(rèn)知能力。因此，大語言模型所展現(xiàn)的“涌現(xiàn)”能力，本質(zhì)是在現(xiàn)代歸納邏輯的框架下，對人類社會語言經(jīng)驗(yàn)之極端規(guī)模化的統(tǒng)計歸納與概率建構(gòu)。

總之，從“科學(xué)發(fā)現(xiàn)”到“確證度理論”再到“置信度科學(xué)”，從對思維規(guī)則的模仿轉(zhuǎn)向?qū)λ季S生成過程的模擬，人工智能的發(fā)展史本質(zhì)上正是人類歸納思想不斷尋求其理論與技術(shù)現(xiàn)實(shí)化的探索史。

從哲學(xué)思辨到可計算化：歸納邏輯對人工智能的回應(yīng)

當(dāng)代人工智能在生成任務(wù)上取得顯著成功，這是對“智能源于歸納”的哲學(xué)命題的實(shí)踐確證。然而，這一成功背后，卻無法擺脫純粹基于統(tǒng)計的經(jīng)驗(yàn)理性的固有局限。因而，歸納邏輯只有不斷拓展其理論基石，才能回應(yīng)人工智能時代提出的核心訴求。

首先，大語言模型“算法黑箱”的不可解釋性，要求歸納邏輯發(fā)展出新型推理機(jī)制與表征理論。大語言模型的“智能”源于對海量語料統(tǒng)計模式的內(nèi)化與涌現(xiàn)，它繞開了對“因果必然性”的追求，轉(zhuǎn)而尋求概率意義上的“最合理”解。這一范式衍生出一個根本性問題：這種黑箱式的“涌現(xiàn)”，是對人類歸納認(rèn)知的模仿，還是一種全新的歸納機(jī)制？大語言模型歸納規(guī)則的不透明所形成的“算法黑箱”，會引發(fā)諸如信任危機(jī)、問責(zé)困難等治理風(fēng)險。對此，歸納邏輯必須突破經(jīng)典框架，發(fā)展能夠刻畫分布式計算、整體性涌現(xiàn)的形式理論（如分布式歸納、涌現(xiàn)式歸納），從而為理解并規(guī)范人工智能的推理提供可形式化的解釋基礎(chǔ)，這在很大程度上拓展了歸納邏輯自身的邊界。其次，大語言模型“幻覺”輸出的生成性謬誤，促使歸納邏輯重新確定其理論適用的邊界。大語言模型輸出的內(nèi)容是基于訓(xùn)練數(shù)據(jù)生成的，其自身無法辨別數(shù)據(jù)真?zhèn)我矡o法核實(shí)生成內(nèi)容的事實(shí)依據(jù)，這就使得基于統(tǒng)計關(guān)聯(lián)所得出的結(jié)論容易出現(xiàn)“合理錯誤”（即符合其內(nèi)部統(tǒng)計模式與邏輯自洽性，但脫離外部事實(shí)依據(jù)的謬誤）的幻覺。這一問題倒逼歸納邏輯理論重新思考“古德曼悖論”（該悖論通過構(gòu)造“藍(lán)綠”與“綠藍(lán)”等非常規(guī)顏色謂詞，揭示傳統(tǒng)枚舉歸納法在相同觀察證據(jù)下會推導(dǎo)出相互矛盾的預(yù)測結(jié)論），尤其是在缺乏真實(shí)世界指涉的符號系統(tǒng)中，如何鏈接語義以區(qū)分投射謂詞與非投射謂詞，進(jìn)而為機(jī)器的歸納實(shí)踐劃清有效與無效的邊界。最后，大語言模型隱含的算法偏見與倫理風(fēng)險，亟須歸納邏輯融合價值理性以引導(dǎo)其向善發(fā)展。海量數(shù)據(jù)與超高算力在擴(kuò)展模型能力的同時，也加劇了偏見固化和分布偏移的風(fēng)險，這對提高歸納邏輯的可靠性、公平性與動態(tài)修正能力提出了迫切要求。將倫理規(guī)范轉(zhuǎn)化為可計算的約束，通過設(shè)計價值敏感的注意力機(jī)制與訓(xùn)練目標(biāo)來引導(dǎo)模型，這些工作有助于推動歸納邏輯超越單純的經(jīng)驗(yàn)理性范疇，將價值判斷融入其理論內(nèi)核，在處理“是”與“應(yīng)當(dāng)”之問上發(fā)揮獨(dú)特作用。

當(dāng)前，學(xué)界正從多個維度積極探索應(yīng)對上述困境：通過按復(fù)雜度排序的預(yù)訓(xùn)練方法或分步驟推理的思維鏈技術(shù)，將復(fù)雜問題拆解，從而提升推理的準(zhǔn)確性；為概率驅(qū)動的模型套上可解釋、可驗(yàn)證的邏輯框架，旨在將其基于統(tǒng)計關(guān)聯(lián)的“直覺”轉(zhuǎn)化為遵循結(jié)構(gòu)化規(guī)則與證據(jù)更新的“理性”推理過程；借助基于人類反饋的強(qiáng)化學(xué)習(xí)技術(shù)，建立獎勵模型與偏好模型，嘗試將人類價值原則內(nèi)化為模型生成與決策的內(nèi)在約束；等等。然而，這些技術(shù)方案仍面臨深層矛盾：思維鏈技術(shù)雖然能顯著提升推理的準(zhǔn)確性，但其代價往往是算力需求的急劇增加；價值規(guī)范的同時可能會引發(fā)跨文化的偏見與歧視。這揭示出一個根本性問題：單純依靠“打補(bǔ)丁”式的技術(shù)方案，不能解決人工智能的真正“痛點(diǎn)”，人工智能的技術(shù)革新必須建立在歸納邏輯的理論更新之上。

可以說，人工智能既為歸納邏輯提供了當(dāng)代數(shù)字化的“試驗(yàn)場”，也“倒逼”其從哲學(xué)思辨走向可計算的模型。構(gòu)建一種既能解釋智能涌現(xiàn)、又能引導(dǎo)其向善并與實(shí)踐深度互動的規(guī)范性歸納邏輯，既是應(yīng)對人工智能挑戰(zhàn)的必需，也是歸納理論在智能時代重獲生命力的歷史性機(jī)遇。

中國古典歸納智慧：情境嵌入與價值理性

人工智能當(dāng)前困境產(chǎn)生的根源在于其賴以發(fā)展的西方現(xiàn)代歸納邏輯范式存在雙重斷裂。其一為符號與語義的脫節(jié)。無論是符號主義的規(guī)則運(yùn)算還是聯(lián)結(jié)主義的語義單元分析，都側(cè)重于對智能的符號化模擬，如同“中文屋”實(shí)驗(yàn)所揭示的——精通句法操作不等于理解語義。這導(dǎo)致人工智能雖在可數(shù)據(jù)化的理性任務(wù)上表現(xiàn)優(yōu)異，卻因缺乏真正的語義理解和具身體驗(yàn)，而難以把握言外之意與情感等深層意圖。其二為理論與價值的失序?，F(xiàn)代歸納邏輯理論先行的歷史進(jìn)路使其缺乏實(shí)踐的目標(biāo)導(dǎo)引，容易淪為純粹服務(wù)于技術(shù)效能的工具。在“分析—拆解—還原”的主導(dǎo)范式下，其優(yōu)化往往局限于形式化的細(xì)節(jié)修補(bǔ)，難以將人類在具體動態(tài)的情境中對情、理與勢綜合權(quán)衡的實(shí)踐智慧，轉(zhuǎn)化為可計算、可遵循的規(guī)范性準(zhǔn)則，從而陷入“價值失靈”的困境。

面對全球大語言模型的迅猛發(fā)展，我們必須深刻認(rèn)識到模型與語言之間并非簡單的單向映射，而是一種復(fù)雜、動態(tài)的雙向建構(gòu)關(guān)系：模型在解析語言的同時，也必然被語言的深層結(jié)構(gòu)所塑造。正如德國學(xué)者洪堡特所言，“語言是構(gòu)成思想的器官”。每種語言的結(jié)構(gòu)、語法與詞匯，都編碼著一個民族獨(dú)特的思維模式與宇宙觀念，決定了其使用者感知、理解世界的基本方式。

漢語，作為中國哲學(xué)思想的語言載具，其獨(dú)特性尤其顯著：象形、意會、形聲的方塊字構(gòu)筑了與拼音文字迥異的符號體系；表達(dá)中注重“言外之意”、講求委婉含蓄，語法靈活重意合。這些特質(zhì)共同承載著一種整體性、關(guān)聯(lián)性與語境化的思維方式。因此，基于當(dāng)今歸納理論發(fā)展出的人工智能技術(shù)，雖已取得顯著成就，但在觸及漢語所蘊(yùn)含的深邃文化密碼與思維特質(zhì)時，便顯露出根本性的解釋力瓶頸與“水土不服”。中文大語言模型的實(shí)質(zhì)性躍遷，迫切需要回歸到漢語本身的思維母體，尋求與之同構(gòu)的邏輯基礎(chǔ)。

中國古典歸納并非單一方法，而是一種以“推類”為核心的有機(jī)融合本體論、認(rèn)識論與實(shí)踐論的整全智慧體系，能有效彌補(bǔ)西方范式在情境理解與價值融合上的局限，從而促成一場深度的范式融合。其核心可凝練為三大原則：一是整體協(xié)同原則。人工智能長期面臨的“框架問題”，即系統(tǒng)難以在動態(tài)情境中有效篩選相關(guān)知識的典型困境，其深層根源可追溯至西方歸納邏輯所依賴的還原論與線性因果預(yù)設(shè)。從《周易》蘊(yùn)含的“天人合一”的整體性思維出發(fā)，將對因果關(guān)系的線性理解轉(zhuǎn)化為在整體關(guān)聯(lián)中把握事物規(guī)律，將傳統(tǒng)“從特殊到一般”的歸納認(rèn)知范式發(fā)展為一種基于多元關(guān)系、動態(tài)關(guān)聯(lián)的歸納認(rèn)知過程。同時，打破單一學(xué)科、單一領(lǐng)域的限制，推動歸納邏輯與多學(xué)科的合作，真正踐行“萬物互聯(lián)、整體共生”的系統(tǒng)思維。二是語境化原則。中國古典歸納思想始終強(qiáng)調(diào)語境對推理的根本性約束：從儒家“正名”理論強(qiáng)調(diào)概念的規(guī)范與明晰，到墨家明確提出“異類不比”的推理準(zhǔn)則，再到《淮南子》中記載的“類不可必推”的辯證認(rèn)知，都共同指向一個核心——?dú)w納的有效性必須置于具體的語境中才能被判定。因此，打破既往句法與語義分離的“去語境化”的技術(shù)方案，轉(zhuǎn)而在不同語境、不同現(xiàn)實(shí)場景、多元文化背景之下探討歸納規(guī)則的可投射性問題，有助于規(guī)避人工智能的“情景失察”問題。三是辯證平衡原則。與西方偏重“求真”的理性傳統(tǒng)不同，東方崇尚“求真、求治、求善”目標(biāo)的動態(tài)平衡。因此，從《道德經(jīng)》相反相成的辯證思維出發(fā)，構(gòu)建一個多元協(xié)同、辯證統(tǒng)一的人工智能歸納范式，統(tǒng)籌計算效率、資源經(jīng)濟(jì)、語義真實(shí)與價值倫理等核心訴求，能夠從根本上拒絕“單一目標(biāo)優(yōu)先”的極端傾向，實(shí)現(xiàn)技術(shù)理性與價值理性的有機(jī)統(tǒng)一，從而在范式層面規(guī)避因目標(biāo)失衡而導(dǎo)致的“價值失靈”問題。

總之，人工智能的演進(jìn)史，本質(zhì)上是人類歸納能力持續(xù)形式化的歷史，也是一部以歸納邏輯為內(nèi)核的人類理性與人工智能系統(tǒng)在深層對話中相互定義、彼此塑造的“互構(gòu)史”。中國古典歸納的邏輯智慧為推動人工智能超越其固有的工具效能、邁向一種合乎情境與價值的認(rèn)知境界，提供了不可或缺的思想資源。人工智能技術(shù)的下一次革新，將不僅發(fā)生于實(shí)驗(yàn)室的算法迭代和算力升級中，還將激蕩于人類不同文明智慧的深度對話間。當(dāng)我們嘗試以中國古典“推類”思想教導(dǎo)人工智能理解“分寸”、把握“意象”時，我們不僅是在解決一個技術(shù)難題，更是在參與塑造一個兼具計算效能、情感柔度與人文溫度的智能未來。