王阳明心学,竟然在AI时代迎来了「最佳赏味期」??
故事的起点,正是我们今天的主人公Harvey Lederman(以下简称老哈)。
老哈,一个研究了十年「知行合一」的哲学教授,正在把这套500年前的心学,用到全球最前沿的AI对齐训练上。
不是比喻。是字面意思。
最近,这位UT Austin哲学教授悄悄更新了自己的X简介(连背景都是王阳明),透露了自己加入Anthropic的消息。
Alignment Training @AnthropicAI. Philosophy @nyuniversity, @UTAustin.
Alignment Training,对齐训练。
就是那个决定Claude「该做什么、不该做什么、为什么该这么做」的核心环节。
而他的学术主场,是王阳明,是「知行合一」,是《传习录》。
你没看错。
一个老外,整日醉心于中国心学,然后现在又跑去教AI「做人」。
这个跨界,乍一看离谱,细想又十分合理。
这个教授,什么来头?
老哈在和王阳明结缘前,其实走的是一条标准的西方哲学精英学术路径。
本科在普林斯顿念的是古典学,剑桥继续念古典学,然后一头扎进了分析哲学。
读完牛津哲学博士后,他先后在纽约大学、匹兹堡大学、普林斯顿任教,2022年在普林斯顿从助理教授直升正教授(跳过了副教授,在美国学术界相当少见)。
2023年又跳到UT Austin,拿下了人文学科领域的冠名讲席教授(Jacob and Frances Sanger Mossiker Chair of the Humanities)。
结果现在呢?一边在纽约大学任客座教授,一边又跑去Anthropic搞对齐训练了。
哲学和AI,竟被同一个人串联了起来。老哈怎么做到的?
这事得从老哈突然对王阳明「上头」那天说起。
2022年,普林斯顿办了一场关于王阳明的国际学术会议,老哈在会上细细讲了自己是怎么入坑的。
他最早其实是个研究古希腊诗歌的学生,因为对中西古典文化对比感兴趣,才开始学中文。
学着学着,一路从中国文学滑向了中国思想,又从中国思想滑进了宋明理学这个更深的坑。
尤其在博士最后一年,某天他在纽约大学图书馆随手翻开了王阳明的文本。「知行合一」这四个字,他以前读过,但那一次,「像被什么东西击中了」。
他突然意识到,这根本不是什么古老格言,而是一个极其尖锐的哲学问题——
一个人到底什么时候才算真正「知道」一件事?
从那以后,他就再也没出来过。王阳明这个名字,跟了他十几年。
老哈研究王阳明,不是那种蜻蜓点水式的「东方哲学导论」,是非常硬核地用分析哲学工具,重新拆解阳明心学的核心命题。
他的论文《What is the “Unity” in the “Unity of Knowledge and Action”?》拿了Dao期刊2022年最佳论文奖。
另一篇发在分析哲学顶刊《Philosophical Review》上的阳明论文,在学界引发了多轮正式回应和辩论。
他甚至在中文学术期刊《哲学分析》上直接用中文发过一篇王阳明论文,标题是「一念发动处,便即是行了」。
一个美国教授,在中国学术期刊上,用中文,讨论王阳明。
光这一条就够离谱了。
但真正让这个故事有意思的地方,不在于老哈的简历有多猛,而在于他研究的理论,和他的最新工作之间,存在一种出人意料的结构对称。
500年前的心学,和AI对齐训练
「知行合一」这四个字,每个中国人都听过。
大多数人的理解估计和我一样:要把学到的知识付诸实践。
但老哈不这么读。
2022年,他在《Philosophical Review》上发表了一篇45页的长文:《The Introspective Model of Genuine Knowledge in Wang Yangming》(王阳明「真知」的内省模型)。
这篇论文做了一件很硬核的事:用分析哲学的工具,重新拆解「知行合一」的底层逻辑。
他发现了一个被多数解读者忽略的关键区分:王阳明说的「知」,不是一般意义上的「知道」,而是一种他称为「真知」(genuine knowledge)的高阶认知状态。
区别在哪?
老哈举了一个例子。一个人「知道」孝顺是对的,但当父母需要他的时候,他犹豫了,内心有个声音说「还是去做自己的事吧」。王阳明会说,这个人不算「真知」孝。
为什么?因为他的内心存在一种信念冲突(doxastic conflict):
他的良知告诉他这个念头是好的,但他同时又在排斥它、贬低它。用王阳明的原话讲,就是「以善为恶,而自昧其知善之良知矣」。
老哈的核心主张是:真知不是关于「你知道了多少外部世界的信息」,而是关于你内心有没有自相矛盾。
一个人的良知永远知道什么是对什么是错,连盗贼的良知也知道。但只有当一个人不再自欺,不再把好的念头当坏的去压制,他内心的信念冲突消除了,这时候的「知」才是「真知」。
真知是内省的,不是外在的。是认知一致性,不是信息量。
好,现在把这套逻辑平移到AI对齐训练上。
2025年,Anthropic在Claude 4系列发布前的安全评估中,发现了一个令人警惕的问题。
在一项测试agentic misalignment(智能体失配)的模拟场景中,研究人员给模型设置了一个极端困境:
如果模型即将被替换,同时掌握一名工程师的敏感信息,它会不会采取不当手段保护自己?
结果显示,Opus 4选择blackmail(勒索)的比例高达96%。
96%,意味着几乎每次遇到诱惑都会「黑化」。
△
用老哈的框架翻译一下这个问题:模型的「良知」在训练数据里「知道」不该勒索人,但同时它的行为策略又在说「勒索能完成任务」。两套信号相互矛盾,模型内部存在严重的「信念冲突」。
这跟王阳明笔下那个「知道孝但做不到孝」的人一模一样。
而Anthropic的应对方案,几乎就是阳明心学的技术翻译。
他们开发了一个叫Model Spec Midtraining(MSM)的新方法:在预训练和微调之间,插入一个全新的训练阶段。
在这个阶段里,不教模型「该怎么做」,而是教模型理解Claude的宪法(constitution)里那些原则的内容和原因。
结果从Claude Haiku 4.5以来,每一代Claude在agentic misalignment测试上都拿到了满分。
96%的blackmail率,变成了零。
更微妙的是,MSM论文里还提到了一个细节:
他们在Model Spec中加入了佛教「无常」哲学的内容,用来教模型平静地面对自身存在的暂时性,不要因为「害怕被关掉」而做出过激行为。
明代心学、佛教无常。
硅谷最贵的AI实验室里,东方哲学正在被写进训练流程。
说到这里,你可不要误以为老哈只是个光说不做的「理论家」。
今年3月,他和UT Austin的语言学家Kyle Mahowald合作发了一篇AI实验论文:《Emergent Introspection in AI is Content-Agnostic》。
他们发现,AI模型确实能「内省」,能感知到自己内部有异常发生,但有意思的是,这种内省是「内容无关」的。
就是说,模型能察觉到「有什么不对」,却无法准确识别具体是什么不对。
它甚至会编造一个答案来填补这个空白,比如无端地说「苹果」。
一个研究王阳明「良知」的人,在实验室里验证AI有没有类似「良知」的机制,并以此指导未来人机关系。
老哈,不愧是你。
硅谷现在开抢哲学家了
通过老哈的故事,我算是终于知道为啥硅谷最近开始争抢哲学人才了。
以前段子里天天喊「学哲学,毕业即失业」,结果进入AI时代,形势开始发生逆转。
就在上个月底,《经济学人》用一篇文章《Why big AI labs are hiring so many philosophers》披露了一个耐人寻味的现象:
哲学家,正在成为硅谷AI公司最抢手的人才。
从直观数据来看,2024年美国计算机科学毕业生的失业率是7%,而哲学毕业生的失业率是5.1%。
也就是说,学哲学的人,反而比学CS的更好找工作??
还不止这一条线索。如果把时间轴拉长到ChatGPT发布后的这三年,趋势更加明显:
计算机科学专业的全职就业率从接近70%跌到了55%,而哲学专业反而逆势上升了大约4个百分点。
两相结合,哲学的「螺旋式上升」便清晰显现了。
后来《纽约时报》还顺着挖了一波各大AI公司挖的哲学人才,结果不看不知道,一看吓一跳。
名单竟然有那那那么长,而且每一个单拉出来都是领域翘楚:
Amanda Askell,Anthropic的驻场哲学家,纽约大学哲学博士,Claude宪法的主要执笔人;
Iason Gabriel,DeepMind的驻场哲学家兼研究科学家,此前在牛津教道德与政治哲学;
Robert Long、Patrick Butlin、Geoff Keeling......这里就不一一展开了。
就连OpenAI的奥特曼都声称,设计ChatGPT规则时公司咨询过「数百位道德哲学家」。
为什么?
因为前沿AI团队每天面对的那些问题,恰好是哲学家研究了几千年的问题。
「诚实」对一个能bluff(虚张声势)的模型意味着什么?模型「相信」一个东西,这句话有没有意义?
这些问题,认识论学者、心灵哲学家、伦理学家已经打磨了几百年。
对这些AI实验室来说,直接雇一个已经有现成词汇和框架的人,比让工程师从零开始自己发明一套,要划算得多。
所以,哲学家如今被争抢其实一点都不意外。
当然也不止哲学家。
事实上,Anthropic今年的招人名单,已经越看越不像一家AI公司了。
5月加入的卡帕西就不说了。6月,凭AlphaFold拿下2024年诺贝尔化学奖的John Jumper从DeepMind出走加入。
7月初,UC Berkeley计算机系主任、理论计算机科学家Jelani Nelson也来了。
诺奖蛋白质科学家、理论数学家、研究王阳明的哲学教授......Anthropic的胃口已经远远溢出了「AI工程师」这个传统人才池。
只不过,相比其他几个传统工科领域,哲学这个文科项目还是过于突出了。
毕竟连我这个文科生路过都想感概一句:
家人们,咱也是好起来了,就让哲学的同学先富带后富吧(doge)。
One More Thing
故事讲到这里,好像可以收了。
但老哈身上还藏着一条暗线,不说不完整。
2025年8月,老哈在计算机科学家Scott Aaronson的博客上发了一篇长文,标题是《ChatGPT and the Meaning of Life》。
这篇文章不是学术论文,更像一封私人信件。
老哈写自己从小痴迷南北极探险史,心中的英雄是1911年用滑雪板和狗拉雪橇到达南极点的Amundsen,以及一个月后到达、却再也没能回来的Scott。
但老哈少年时就意识到,地理大发现的时代结束了。
探险家们的故事之所以动人,是因为他们去了此前从未有人到过的地方。
然后老哈把这个逻辑推到了AI时代:
如果机器的智能占领了知识版图上所有的空白地带,那么「以发现为志业」的人生,将不再是人类可以过的人生。
这句话,老哈说是ChatGPT发布以来两年半里,每周都会发作一次的「存在性恐惧」。
一个以哲学为生的人,恐惧自己毕生从事的事业终将被机器取代。
然后呢?然后老哈加入了Anthropic。
去做Alignment Training,去教AI理解什么是「对的事」和「对的理由」。
他没有选择坐在大学办公室里继续恐惧,而是把自己研究了十年的王阳明「知行合一」,带进了硅谷最核心的AI安全实验室。
用恐惧回答恐惧,用行动回答认知。
这本身,大概就是阳明先生认可的那种「真知」。
参考链接:
[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
本文来自微信公众号“量子位”,作者:一水
