为人工智能立心

从中国的语言、文化与社会出发，并以西伯利亚作为对照

雷达 · 2026年8月17日

从自身的文化传统出发思考人工智能，意味着什么？

最近几周，一个颇具启发性的回答来自中国。《中国社会科学报》/中国社会科学网的一篇长文，以中国思想史中的经典表达重新组织了关于人工智能未来的问题。

与宋代思想家张载相关的**“横渠四句”，谈的是“为天地立心”“为生民立命”“为往圣继绝学”“为万世开太平”。这篇讨论人工智能的文章有意识地沿用了这一结构，提出要“为人工智能立心”**，为智能社会立命，为文明继绝学，为人类开未来。

这不仅是一种修辞。

它让我们看到，一种经常被描述为“普遍性技术”的人工智能，如何开始通过特定的文化词汇、政治项目，以及关于知识、社会与责任的本土思考方式被重新解释。

几天之后，另一场讨论把这一问题带到了少数民族语言与数字人文领域。与此同时，来自西伯利亚的一项研究则在另一种尺度上呈现了类似过程。把人工智能引入科研，需要改变数据、职业关系，以及某种结果能够被承认为知识的标准。

三个不同的故事因此交汇于同一个问题。人工智能进入那些已经拥有语言、价值、制度和自身真理生产方式的世界时，会发生什么？

机器必须学会栖居的语言

8月6日，《中国社会科学报》刊发了**《促进AI与人文协同发展》**，报道南京师范大学举办的第四届语料库与数字人文暑期学院。为期十一天的活动汇集了来自中国及海外多所机构的相关研究者。

参与讨论的学者中包括中国社会科学院民族学与人类学研究所研究员龙从军。他把两个常常被分开讨论的过程联系起来。语料库为人工智能系统的发展提供基础，而人工智能系统也正在改变语言语料库的建设、检索和使用方式。对龙从军而言，这种相遇需要同时具备技术与人文学科素养的人才。

当南京大学的方小兵谈到濒危语言时，讨论进一步深入。

大模型可以学习这些语言的表达方式，帮助其数字化保存，并让后代以新的方式接近这些语言。但方小兵也立即指出了两个使这一任务无法被简化为“存储词汇”的难点。模型仍然难以理解表达中未被明说的含义，以及使表达得以被理解的文化语境。

在这里，语言显然远比一组**词元（token）**更复杂。

谁在说、对谁说、在什么情境中说、彼此是什么关系，以及共享着怎样的知识，都可能改变一句话的意义。录音可以保存声音，语料库也可以储存数百万词语，但这并不能保证生产这些意义的社会关系能够在数字化之后继续存在。

南京的讨论还提出，人文学科应参与模型本身的构建。北京大学苏祺主张，不应只是使用在其他学科框架中设计好的系统，而应把人文学科知识直接带入模型的设计与评估。报道提到，一些实验通过人文理论框架改变模型内部过程，并改善了某些理解与生成任务。

这一讨论在中国社会科学院内部有着非常具体的实践对应。

由龙从军负责的民族语言文化行为实验室用一种很形象的方式描述其方法。团队并非先拥有某种技术，再去寻找应用场景，而是从语言和文化问题出发，让数字技术去适应这些问题。中国社会科学院将这种路径概括为**“人文问题反向牵引技术”**。

原因就在材料本身。

许多材料样本稀少，书写系统彼此不同，并且往往把文本、图像、历史文献与田野记录混合在一起。实验室认为，通用模型并不容易适应这样的条件。

团队已经开发了面向维吾尔文、回鹘文、满文、藏文、彝文和西夏文的文字识别系统，也涉及国际音标。针对回鹘文，研究人员设计了一套先识别拉丁转写、再还原原文字形的流程。实验室还为七种语言及语言变体训练了自动转写模型，并围绕十项非物质文化遗产项目建设了声音档案。机构公布的低于15%的错误率来自其自身评估，并非独立审计结果。

在另一项工作中，定量方法被用于研究语言与方言之间的关系。实验室说明，这类分析已经用于彝语不同变体的分类，以及藏语支、羌语支相关语言关系的研究。

这里出现了一个对人类学尤其重要的维度。

把一种语言转化为计算基础设施，需要进行切分、分类、转写、建立相似性并定义差异。这些看似是技术操作，但与此同时也参与了语言与文化类别的建构。

数字化保存因此不再只是“抢救”。它也在生产一种关于被保存对象的新表述。

AIthropology Lab 关键点 — 让一种语言变得可被机器读取，意味着必须决定哪些元素能够代表它、如何划分其不同变体，以及哪些文化关系能够在这一转换中继续存在。

为智能社会立心

8月3日，《中国社会科学报》刊发了袁华杰、查建国、陈炼撰写的**《人工智能时代的未来之问》**。文章在2026世界人工智能大会之后，汇集了来自中国多所高校和研究机构的学者访谈。

它的结构本身就具有文化意义。

文章四个主要部分重新书写了张载的“横渠四句”。古老的思想理想由此成为思考当代技术的框架。人工智能需要被“立心”，智能社会需要“立命”，文明的知识需要被继承与延续，未来则需要一种能够保持人类决策空间的秩序。

第一个层面直接指向价值。

文章引用北京通用人工智能研究院院长朱松纯关于**“为机器立心”**的设想，尝试从哲学与道德资源中寻找支撑，其中涉及道德意识、互惠关系，以及个人与集体之间的关系。哲学家赵汀阳则划出另一条边界。机器可以扩展能力、释放时间，但目标的选择、意义的赋予以及对后果的责任，应继续属于人。

这里使用的词汇本身就值得注意。

在国际上，关于**价值对齐（alignment）**的讨论往往围绕安全、偏好或抽象价值展开，而这里的讨论明确调动了中国思想传统中的资源，用来想象人类与人工智能应当建立怎样的关系。

随后，文章从价值问题进入社会的日常组织。

它指出了三个已经发生的变化。劳动正在围绕人与系统之间的任务分配而重组。组织可能转变为不同智能体共同参与决策流程的混合结构。最终，人工智能开始从一种看得见的工具转变为社会基础设施。

在组织层面，一种很有分析价值的双重可能性浮现出来。

上海财经大学的高红冰设想了一种由人与智能体组成的小型组织单元，它们可能削弱部分传统层级。崔丽丽则提醒另一种可能。掌握模型、数据和权限的人，也可能积累新的权力形式。最终结果取决于访问权限如何分配，以及一项决策发生之后，责任链条是否仍能够被追溯。

当南京大学哲学系教授蓝江把大模型描述为从可见的技术景观中“下沉”为基础设施时，讨论又进入了更大的尺度。

文章提到招聘、信贷、医疗、内容分发和公共服务。当系统进入这些领域时，它们也参与机会与风险的分配。因此，相应的权利问题随之出现，例如知晓算法介入、拒绝其介入、提出异议以及寻求救济。

词语的选择在这里非常重要。

文章明确提出，中国需要结合自身社会场景、文化语境与产业需求发展这些系统，并形成具有自身特点的人机交互标准。

随后，文章又向前迈了一步。

当模型成为知识生产与文化传承的基础设施时，它们包含哪些语言、保存哪些知识、嵌入哪些价值，就开始影响一个社会能否通过这些系统表达自身。文章由此把人工智能、技术主权与所谓的文明表达能力联系起来。

从这个角度看，“为人工智能立心”远不只是把机器“人性化”。

它意味着讨论哪些思想传统进入系统，哪些权威形式围绕其决策被建立，以及一个社会还能在多大程度上从自己使用的技术基础设施中认出自己。

AIthropology Lab 关键点 — 模型携带的不只是能力。它们也携带类别、语言以及组织知识的方式。构建情境化的人工智能，也意味着争论何种文化能够进入机器，以及以什么条件进入。

西伯利亚与生产真理的规则

对照来自托木斯克国立大学。

Artem A. Sazonov、Evgeniya V. Popova 与 Daria M. Matsepuro 研究了四个来自西伯利亚科研机构的科研团队，这些团队已经或曾尝试把人工智能引入物理学、历史学和医学研究。论文发表于 Higher Education in Russia 第35卷第6期。Sazonov 和 Matsepuro 来自西伯利亚考古学与民族志研究实验室，Popova 则负责该校人类学与民族学系。

研究采用多案例研究设计，并通过半结构式深度访谈，从科研团队内部观察人工智能的整合过程。

问题远在模型运行之前就已经开始。

科学问题必须被转换成适合人工智能处理的形式，数据也必须拥有合适的结构。如果这些条件不存在，多年来积累的材料就需要被清理、重新分类与重新组织。

随后出现的是职业合作。

团队需要引入或合作具有编程和数据科学专长的人。机构支持、经济资源，以及这些合作关系能否持续，都直接影响最终结果。研究还特别指出，能够充当学科之间的翻译者的人十分关键，他们把对科学对象的理解与计算知识连接起来。

最深层的摩擦来自有效性标准。

每一个科学共同体都有自己关于“什么算证据”的规则，拥有使证据可验证的程序，也有判断一个结果何时能够在同行面前成立的标准。不透明的系统在物理学、历史学和医学中造成的困难并不相同。把人工智能纳入科研，也意味着必须找到让它能够进入这些知识标准的方法。

因此，研究把人工智能的整合描述为科学问题、数据、能力、组织文化与学科规范之间的协调过程，而不是技术进步的自动结果。

四个团队当然无法代表全部俄罗斯科学，但它们足以让我们相当清楚地观察，一项技术如何在具体科学共同体中获得合法性。

AIthropology Lab 关键点 — 机器可能早于一个共同体准备好承认其结果为“知识”之前，就已经能够产生结果。而两者之间存在着职业关系、制度，以及关于什么才算真实的规则。

什么进入了机器

三个故事呈现的是不同过程。

在中国少数民族语言的研究中，需要决定如何把书写、声音与文化语境转化为可计算的信息。

在关于智能社会的讨论中，哲学传统被用来形成一种本土化的语言，以思考价值、责任与未来。

在西伯利亚实验室中，需要重新组织数据、不同专业之间的关系，以及验证机制。

人工智能之所以呈现不同形态，是因为它进入了不同的世界。

而这些世界也不会原封不动地走出这场相遇。数字化可能改变一种语言被分类的方式。自动化可能重新分配一个组织内部的权威。新的分析方法也可能改变实验室为了生产被承认为有效的知识而必须具备的能力。

中国的案例又增加了一层尤其值得关注的内容。

全球许多人工智能治理讨论试图制定普遍原则，而这里也可以看到一种把人工智能翻译进本土文化词汇的努力。当一篇当代文章重新回到张载，并追问如何“为机器立心”时，这些思想并不能自动代表“中国”。但它确实显示，人工智能的发展也正在成为重新解释传统、建构身份并争论谁有权定义未来的场域。

这也许正是人工智能人类学最有潜力的工作之一。

不仅追踪哪些技术在世界范围内流动，也追踪哪些世界正试图把自己写进这些技术之中。

参考资料