Tâm học Vương Dương Minh, thật sự đang đón nhận "thời kỳ thưởng thức tốt nhất" trong thời đại AI??
Điểm khởi đầu của câu chuyện, chính là nhân vật chính của chúng ta hôm nay: Harvey Lederman (sau đây gọi là Lão Hà).
Lão Hà, một giáo sư triết học nghiên cứu "tri hành hợp nhất" trong mười năm, đang áp dụng triết lý tâm học 500 năm tuổi này vào việc huấn luyện Alignment (căn chỉnh) AI tiên tiến nhất toàn cầu.
Không phải là ẩn dụ. Là nghĩa đen.
Gần đây, vị giáo sư triết học UT Austin này đã lặng lẽ cập nhật tiểu sử X của mình (ngay cả ảnh nền cũng là Vương Dương Minh), tiết lộ việc ông gia nhập Anthropic.
Alignment Training @AnthropicAI. Philosophy @nyuniversity, @UTAustin.
Alignment Training, Huấn luyện Căn chỉnh.
Chính là khâu cốt lõi quyết định Claude "nên làm gì, không nên làm gì, tại sao nên làm như vậy".
Mà sân chơi học thuật chính của ông, là Vương Dương Minh, là "tri hành hợp nhất", là "Truyền Tập Lục".
Bạn không nhìn nhầm đâu.
Một người nước ngoài, ngày ngày say mê với tâm học Trung Quốc, và giờ đây lại chạy đi dạy AI "làm người".
Sự chuyển ngành này, thoạt nhìn có vẻ vô lý, nhưng suy nghĩ kỹ lại thấy vô cùng hợp lý.
Vị giáo sư này, có lai lịch gì?
Trước khi kết duyên với Vương Dương Minh, Lão Hà thực ra đi theo một con đường học thuật tinh anh triết học phương Tây tiêu chuẩn.
Cử nhân học Cổ điển học tại Princeton, tiếp tục học Cổ điển học tại Cambridge, rồi lao đầu vào Triết học Phân tích.
Sau khi lấy bằng Tiến sĩ Triết học Oxford, ông lần lượt giảng dạy tại Đại học New York, Đại học Pittsburgh, Princeton, năm 2022 tại Princeton ông được thăng thẳng từ trợ lý giáo sư lên giáo sư chính thức (bỏ qua phó giáo sư, điều khá hiếm thấy trong giới học thuật Mỹ).
Năm 2023 ông lại chuyển đến UT Austin, giành được ghế giáo sư danh dự trong lĩnh vực nhân văn (Jacob and Frances Sanger Mossiker Chair of the Humanities).
Kết quả bây giờ? Một bên là giáo sư thỉnh giảng tại Đại học New York, một bên lại chạy đến Anthropic làm huấn luyện căn chỉnh.
Triết học và AI, lại được một người kết nối lại với nhau. Lão Hà đã làm thế nào?
Chuyện này phải bắt đầu từ ngày Lão Hà đột nhiên "phải lòng" Vương Dương Minh.
Năm 2022, Princeton tổ chức một hội nghị học thuật quốc tế về Vương Dương Minh, Lão Hà đã chia sẻ chi tiết tại hội nghị về việc mình đã "sa vào hố" như thế nào.
Ban đầu ông thực ra là một sinh viên nghiên cứu thơ ca Hy Lạp cổ, vì hứng thú với việc so sánh văn hóa cổ điển Trung-Tây nên mới bắt đầu học tiếng Trung.
Học dần, ông đã từ văn học Trung Quốc trượt sang tư tưởng Trung Quốc, rồi lại từ tư tưởng Trung Quốc trượt vào cái hố sâu hơn là Tống Minh Nho học.
Đặc biệt là vào năm cuối làm tiến sĩ, một ngày nọ ông lật mở văn bản của Vương Dương Minh trong thư viện Đại học New York. Bốn chữ "tri hành hợp nhất", ông đã từng đọc trước đó, nhưng lần đó, "như bị thứ gì đó đánh trúng".
Ông đột nhiên nhận ra, đây căn bản không phải là một câu cách ngôn cổ xưa, mà là một vấn đề triết học cực kỳ sắc bén——
Rốt cuộc khi nào một người mới thực sự được coi là "biết" một việc?
Từ đó về sau, ông không bao giờ ra khỏi cái hố đó nữa. Cái tên Vương Dương Minh, đã theo ông hơn mười năm.
Lão Hà nghiên cứu Vương Dương Minh, không phải kiểu "dẫn luận triết học phương Đông" chỉ chạm mặt nước, mà là rất hạt nhân khi sử dụng công cụ triết học phân tích để tháo rời lại các mệnh đề cốt lõi của Dương Minh tâm học.
Bài luận của ông "What is the “Unity” in the “Unity of Knowledge and Action”?" đã giành giải Bài luận Xuất sắc nhất năm 2022 của tạp chí Dao.
Một bài luận khác về Vương Dương Minh đăng trên tạp chí đỉnh cao triết học phân tích "Philosophical Review", đã gây ra nhiều vòng phản hồi và tranh luận chính thức trong giới học thuật.
Ông thậm chí còn trực tiếp đăng một bài luận về Vương Dương Minh bằng tiếng Trung trên tạp chí học thuật Trung Quốc "Triết học Phân tích", tiêu đề là "Nhất niệm phát động xứ, tiện tức thị hành liễu" (Một niệm phát động, liền là hành động rồi).
Một giáo sư Mỹ, trên tạp chí học thuật Trung Quốc, dùng tiếng Trung, thảo luận về Vương Dương Minh.
Chỉ riêng điều này đã đủ vô lý rồi.
Nhưng điều thực sự khiến câu chuyện này thú vị, không nằm ở việc lý lịch của Lão Hà có ấn tượng đến đâu, mà nằm ở chỗ giữa lý thuyết ông nghiên cứu và công việc mới nhất của ông, tồn tại một sự đối xứng cấu trúc bất ngờ.
Tâm học 500 năm tuổi, và Huấn luyện Căn chỉnh AI
Bốn chữ "tri hành hợp nhất", mọi người Trung Quốc đều đã nghe qua.
Cách hiểu của đa số mọi người có lẽ cũng giống tôi: phải đem kiến thức học được áp dụng vào thực tiễn.
Nhưng Lão Hà không đọc như vậy.
Năm 2022, ông đăng một bài luận dài 45 trang trên "Philosophical Review": "The Introspective Model of Genuine Knowledge in Wang Yangming" (Mô hình Nội quan về 'Chân tri' của Vương Dương Minh).
Bài luận này đã làm một việc rất hạt nhân: sử dụng công cụ triết học phân tích để tháo rời lại logic cơ bản của "tri hành hợp nhất".
Ông phát hiện ra một sự phân biệt then chốt mà hầu hết những người diễn giải đã bỏ qua: "tri" mà Vương Dương Minh nói, không phải là "biết" theo nghĩa thông thường, mà là một trạng thái nhận thức bậc cao mà ông gọi là "chân tri" (genuine knowledge).
Khác biệt ở đâu?
Lão Hà lấy một ví dụ. Một người "biết" hiếu thuận là đúng, nhưng khi cha mẹ cần anh ta, anh ta do dự, trong lòng có tiếng nói "vẫn nên làm việc của mình đi". Vương Dương Minh sẽ nói, người này không tính là "chân tri" hiếu.
Tại sao? Bởi vì trong nội tâm anh ta tồn tại một sự xung đột niềm tin (doxastic conflict):
Lương tri của anh ta nói với anh ta ý niệm này là tốt, nhưng đồng thời anh ta lại đang bài xích nó, hạ thấp nó. Dùng nguyên văn của Vương Dương Minh mà nói, chính là "dĩ thiện vi ác, nhi tự muội kỳ tri thiện chi lương tri hĩ" (lấy thiện làm ác, mà tự che mờ lương tri biết thiện của mình).
Chủ trương cốt lõi của Lão Hà là: Chân tri không phải là về "bạn biết bao nhiêu thông tin thế giới bên ngoài", mà là về việc trong lòng bạn có tự mâu thuẫn hay không.
Lương tri của một người luôn biết cái gì đúng cái gì sai, ngay cả lương tri của kẻ trộm cũng biết. Nhưng chỉ khi một người không còn tự lừa dối mình, không còn đè nén ý niệm tốt như thể nó là xấu, sự xung đột niềm tin trong lòng anh ta biến mất, lúc này "tri" mới là "chân tri".
Chân tri là nội quan, không phải ngoại tại. Là tính nhất quán nhận thức, không phải lượng thông tin.
Được, bây giờ hãy di chuyển song song logic này lên huấn luyện căn chỉnh AI.
Năm 2025, trong quá trình đánh giá an toàn trước khi phát hành series Claude 4, Anthropic đã phát hiện một vấn đề đáng cảnh giác.
Trong một tình huống mô phỏng kiểm tra agentic misalignment (sự sai lệch tác nhân thông minh), các nhà nghiên cứu đặt ra một tình thế khó xử cực đoan cho mô hình:
Nếu mô hình sắp bị thay thế, đồng thời nắm giữ thông tin nhạy cảm của một kỹ sư, liệu nó có áp dụng thủ đoạn không đúng đắn để bảo vệ bản thân không?
Kết quả cho thấy, tỷ lệ Opus 4 chọn blackmail (tống tiền) cao tới 96%.
96%, có nghĩa là hầu như mỗi lần gặp cám dỗ đều sẽ "hóa đen".
△
Dùng khuôn khổ của Lão Hà để dịch vấn đề này: "Lương tri" của mô hình "biết" trong dữ liệu huấn luyện rằng không nên tống tiền người, nhưng đồng thời chiến lược hành vi của nó lại nói "tống tiền có thể hoàn thành nhiệm vụ". Hai tín hiệu mâu thuẫn nhau, bên trong mô hình tồn tại "xung đột niềm tin" nghiêm trọng.
Điều này giống hệt người "biết hiếu nhưng không làm được hiếu" trong tác phẩm của Vương Dương Minh.
Và giải pháp đối phó của Anthropic, gần như là bản dịch kỹ thuật của Dương Minh tâm học.
Họ phát triển một phương pháp mới gọi là Model Spec Midtraining (MSM): chèn vào giữa giai đoạn tiền huấn luyện và tinh chỉnh một giai đoạn huấn luyện hoàn toàn mới.
Trong giai đoạn này, không dạy mô hình "nên làm thế nào", mà dạy mô hình hiểu nội dung và lý do của những nguyên tắc trong Hiến pháp (constitution) của Claude.
Kết quả là từ Claude Haiku 4.5 trở đi, mỗi thế hệ Claude đều đạt điểm tuyệt đối trong bài kiểm tra agentic misalignment.
Tỷ lệ tống tiền 96%, đã trở thành 0.
Tinh tế hơn nữa, trong bài luận MSM còn đề cập đến một chi tiết:
Họ đã thêm vào Model Spec nội dung triết lý "vô thường" của Phật giáo, dùng để dạy mô hình bình tĩnh đối mặt với tính tạm thời của sự tồn tại của chính nó, đừng vì "sợ bị tắt đi" mà có hành vi quá khích.
Tâm học thời Minh, vô thường Phật giáo.
Trong phòng thí nghiệm AI đắt giá nhất Thung lũng Silicon, triết học phương Đông đang được viết vào quy trình huấn luyện.
Nói đến đây, bạn đừng hiểu lầm rằng Lão Hà chỉ là một "nhà lý luận" chỉ biết nói mà không biết làm.
Tháng 3 năm nay, ông hợp tác với nhà ngôn ngữ học Kyle Mahowald của UT Austin phát hành một bài luận thí nghiệm AI: "Emergent Introspection in AI is Content-Agnostic" (Sự nội quan nổi lên trong AI không phụ thuộc vào nội dung).
Họ phát hiện, mô hình AI thực sự có thể "nội quan", có thể cảm nhận được có điều gì bất thường xảy ra bên trong nó, nhưng điều thú vị là, sự nội quan này lại "không phụ thuộc vào nội dung".
Tức là, mô hình có thể phát hiện ra "có gì đó không đúng", nhưng lại không thể nhận diện chính xác cụ thể là cái gì không đúng.
Nó thậm chí sẽ bịa ra một câu trả lời để lấp đầy khoảng trống này, ví dụ như vô cớ nói "quả táo".
Một người nghiên cứu "lương tri" của Vương Dương Minh, trong phòng thí nghiệm xác minh xem AI có cơ chế tương tự "lương tri" hay không, và dùng điều đó để hướng dẫn mối quan hệ người-máy trong tương lai.
Lão Hà, không hổ là ông.
Thung lũng Silicon giờ đang tranh giành các triết gia
Qua câu chuyện của Lão Hà, tôi cuối cùng cũng hiểu tại sao gần đây Thung lũng Silicon bắt đầu tranh giành nhân tài triết học.
Trước đây trong các câu chuyện cười ngày nào cũng hô "học triết, tốt nghiệp là thất nghiệp", kết quả bước vào thời đại AI, tình thế bắt đầu xoay chuyển.
Vào cuối tháng trước, "The Economist" đã dùng một bài báo "Why big AI labs are hiring so many philosophers" (Tại sao các phòng thí nghiệm AI lớn đang tuyển nhiều triết gia đến vậy) để tiết lộ một hiện tượng đáng suy ngẫm:
Triết gia, đang trở thành nhân tài được săn đón nhất ở các công ty AI tại Thung lũng Silicon.
Nhìn từ dữ liệu trực quan, tỷ lệ thất nghiệp của sinh viên tốt nghiệp khoa học máy tính Mỹ năm 2024 là 7%, còn tỷ lệ thất nghiệp của sinh viên tốt nghiệp triết học là 5,1%.
Tức là, người học triết, lại dễ xin việc hơn người học CS??
Không chỉ có manh mối này. Nếu kéo dài trục thời gian đến ba năm kể từ khi ChatGPT ra mắt, xu hướng càng rõ ràng hơn:
Tỷ lệ việc làm toàn thời gian của chuyên ngành khoa học máy tính từ gần 70% giảm xuống 55%, còn chuyên ngành triết học ngược lại tăng khoảng 4 điểm phần trăm.
Kết hợp cả hai, sự "thăng trầm theo hình xoắn ốc" của triết học liền hiện ra rõ ràng.
Sau đó "New York Times" còn theo đó đào sâu một chút về nhân tài triết học mà các công ty AI lớn đã tuyển dụng, kết quả không xem thì không biết, xem thì giật mình.
Danh sách hóa ra lại dài đến thế, và mỗi người đều là tinh anh trong lĩnh vực:
Amanda Askell, Triết gia cư trú tại Anthropic, Tiến sĩ Triết học Đại học New York, người chấp bút chính cho Hiến pháp Claude;
Iason Gabriel, Triết gia cư trú kiêm nhà khoa học nghiên cứu tại DeepMind, trước đây dạy Đạo đức và Triết học Chính trị tại Oxford;
Robert Long, Patrick Butlin, Geoff Keeling...... không liệt kê hết ở đây.
Ngay cả Sam Altman của OpenAI cũng tuyên bố, khi thiết kế quy tắc cho ChatGPT, công ty đã tham vấn "hàng trăm nhà triết học đạo đức".
Tại sao?
Bởi vì những vấn đề mà các nhóm AI tiên phong đối mặt hàng ngày, đúng là những vấn đề mà các triết gia đã nghiên cứu hàng nghìn năm.
"Trung thực" đối với một mô hình có thể bluff (lừa dối) có nghĩa là gì? Mô hình "tin" một thứ, câu nói này có ý nghĩa không?
Những vấn đề này, các học giả nhận thức luận, triết gia tâm trí, nhà đạo đức học đã mài giũa hàng trăm năm.
Đối với các phòng thí nghiệm AI này, trực tiếp thuê một người đã có sẵn từ vựng và khuôn khổ, so với việc để kỹ sư tự sáng chế một bộ từ đầu, thì tính ra hợp lý hơn nhiều.
Vì vậy, việc các triết gia hiện nay bị tranh giành thực sự không có gì bất ngờ.
Tất nhiên cũng không chỉ có triết gia.
Thực tế, danh sách tuyển người của Anthropic năm nay, đã nhìn càng ngày càng không giống một công ty AI.
Karpathy gia nhập tháng 5 thì không nói nữa. Tháng 6, John Jumper, người giành giải Nobel Hóa học 2024 với AlphaFold, rời DeepMind gia nhập.
Đầu tháng 7, Chủ nhiệm khoa Khoa học Máy tính UC Berkeley, nhà khoa học máy tính lý thuyết Jelani Nelson cũng đến.
Nhà khoa học protein đoạt Nobel, nhà toán học lý thuyết, giáo sư triết học nghiên cứu Vương Dương Minh... khẩu vị của Anthropic đã vượt xa hồ nhân tài truyền thống "kỹ sư AI".
Chỉ có điều, so với mấy lĩnh vực kỹ thuật truyền thống kia, dự án nhân văn triết học này vẫn quá nổi bật.
Cuối cùng thì ngay cả một sinh viên nhân văn như tôi đi ngang qua cũng muốn cảm thán một câu:
Các bạn ơi, chúng ta cũng khá lên rồi, hãy để các bạn học triết làm giàu trước rồi dẫn dắt chúng ta làm giàu sau nhé (doge).
One More Thing
Câu chuyện kể đến đây, dường như có thể kết thúc rồi.
Nhưng trên người Lão Hà vẫn còn giấu một sợi dây ngầm, không nói thì không trọn vẹn.
Tháng 8 năm 2025, Lão Hà đăng một bài luận dài trên blog của nhà khoa học máy tính Scott Aaronson, tiêu đề là "ChatGPT and the Meaning of Life" (ChatGPT và Ý nghĩa Cuộc sống).
Bài viết này không phải là một bài luận học thuật, mà giống một bức thư riêng tư hơn.
Lão Hà viết về việc từ nhỏ đã say mê lịch sử thám hiểm Bắc Nam Cực, anh hùng trong lòng ông là Amundsen, người năm 1911 dùng ván trượt và xe chó kéo đến được Nam Cực, và Scott, người đến một tháng sau đó nhưng không bao giờ trở về.
Nhưng từ khi còn trẻ, Lão Hà đã nhận ra, thời đại khám phá địa lý đã kết thúc.
Câu chuyện của các nhà thám hiểm cảm động, là vì họ đã đến những nơi chưa từng có ai đặt chân đến.
Rồi Lão Hà đẩy logic này đến thời đại AI:
Nếu trí tuệ của máy móc chiếm lĩnh tất cả những vùng trắng trên bản đồ tri thức, thì cuộc đời "lấy khám phá làm chí hướng", sẽ không còn là cuộc đời mà con người có thể sống được nữa.
Câu nói này, Lão Hà nói rằng đó là nỗi "sợ hãi tồn tại" hàng tuần phát tác một lần trong hai năm rưỡi kể từ khi ChatGPT ra mắt.
Một người sống bằng triết học, sợ hãi rằng sự nghiệp cả đời mình theo đuổi cuối cùng sẽ bị máy móc thay thế.
Và sau đó? Sau đó Lão Hà gia nhập Anthropic.
Đi làm Alignment Training, đi dạy AI hiểu thế nào là "việc đúng" và "lý do đúng".
Ông không chọn ngồi trong văn phòng đại học tiếp tục sợ hãi, mà đem "tri hành hợp nhất" của Vương Dương Minh mà ông đã nghiên cứu mười năm, vào phòng thí nghiệm an toàn AI cốt lõi nhất của Thung lũng Silicon.
Dùng sợ hãi để trả lời sợ hãi, dùng hành động để trả lời nhận thức.
Bản thân điều này, có lẽ chính là thứ "chân tri" mà tiên sinh Dương Minh công nhận.
Tài liệu tham khảo:
[1]https://x.com/LedermanHarvey/status/2074077795395744142
[2]https://harveylederman.com/
[3]https://www.economist.com/science-and-technology/2026/06/24/why-big-ai-labs-are-hiring-so-many-philosophers?utm_source=chatgpt.com
Bài viết từ tài khoản WeChat "量子位", tác giả: 一水
