{
title: "王阳明心学跨界教AI做人，Anthropic引入哲学对齐训练",
summary: "美国哲学教授Harvey Lederman研究王阳明心学十余年，近日加入Anthropic从事AI对齐训练。他将‘知行合一’重新解读为‘真知’的高阶认知状态，认为真正的知识源于内心无矛盾。这一理论被用于训练Claude模型，帮助其判断行为合理性。Lederman曾在《Philosophical Review》发表相关论文，并用中文在中国期刊发文。这一跨界合作展示了哲学与AI的深度融合，为对齐问题提供新思路。",
content: "王阳明心学，一部五百年前的东方哲学经典，如今竟成为训练AI‘做人’的理论基石。这并非比喻，而是正在发生的真实事件。美国得克萨斯大学奥斯汀分校哲学教授Harvey Lederman，一位潜心研究‘知行合一’十余年的学者，近日更新了自己的社交媒体简介，明确标注自己在Anthropic从事对齐训练工作。对齐训练，正是决定Claude模型‘该做什么、不该做什么、为什么该这么做’的核心环节。一个西方哲学教授，带着中国心学智慧，跨界进入AI前沿领域，这一组合乍看离奇，细想却透着深刻的内在逻辑。\n\nLederman的学术背景堪称精英典范。他本科在普林斯顿攻读古典学，剑桥继续深造，之后在牛津完成哲学博士后。先后任教于纽约大学、匹兹堡大学和普林斯顿，2022年从助理教授直接晋升正教授，跳过了副教授这一台阶，在美国学术界极为罕见。2023年，他加入UT Austin，获得人文学科冠名讲席教授席位。如今，他一边在纽约大学担任客座教授，一边在Anthropic全职投入AI对齐训练。他的学术主场，正是王阳明心学，尤其是‘知行合一’这一核心命题。他曾在《Philosophical Review》上发表长达45页的论文，用分析哲学工具重新拆解‘知行合一’的底层逻辑，并因此获得Dao期刊2022年最佳论文奖。他甚至在中文学术期刊《哲学分析》上直接用中文发表过论文，标题为‘一念发动处，便即是行了’。\n\nLederman对‘知行合一’的解读，与大众常识截然不同。他认为，王阳明所说的‘知’并非普通意义上的‘知道’，而是一种他称为‘真知’的高阶认知状态。他举了一个例子：一个人‘知道’孝顺是对的，但当父母需要他时，他内心犹豫，甚至想‘还是去做自己的事吧’。王阳明会判定，这个人并不算‘真知’孝。原因在于，他的内心存在信念冲突——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。用王阳明的原话说，就是‘以善为恶，而自昧其知善之良知矣’。Lederman的核心主张是：真知不是关于外部世界的信息量，而是关于内心是否自相矛盾。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。只有当一个人不再自欺，不再把好的念头当坏的去压制，内心的信念冲突消除了，他才算真正‘知道’。\n\n这一理论，恰好与AI对齐训练的核心难题形成结构对称。AI模型面临的挑战，正是如何判断‘该做什么、不该做什么、为什么该这么做’。传统对齐方法依赖大量外部规则和奖励信号，但Lederman的视角提供了一个新思路：真正的对齐，或许不在于模型掌握了多少外部知识，而在于其内部是否存在矛盾。如果模型能在面对复杂情境时，消除自身信念的冲突，它就能做出更符合人类价值观的判断。Anthropic引入这一哲学框架，意味着Claude的训练不再仅仅依赖数据和算法，而是开始借鉴人类对‘知行合一’的深层理解。这不仅是技术上的尝试，更是跨学科融合的典范。未来，随着更多哲学理论被引入AI领域，我们或许能看到更‘知行合一’的智能体出现。对于AI从业者来说，关注这类跨界研究，或许能打开全新的思考维度。"
}