从范式依附到认知诚信人工智能面对陌生理论时的真理探究、知识边界与批判责任——以“贾子理论”对话案例为中心的跨学科分析摘要随着大语言模型进入知识检索、思想讨论、学术辅助和公共表达领域人工智能如何面对一个陌生理论已经不再是单纯的问答技术问题而成为涉及认识论、科学哲学、人工智能伦理、论证理论和人机交互的综合性问题。本文以一组围绕“贾子理论”“去伪存真”“唤醒认知主权”“波普尔病毒”以及若干人工智能系统表现的连续对话为案例考察人工智能在陌生理论面前可能出现的几类关键失范将检索失败误报为对象不存在将既有范式当作唯一裁判将未理解伪装成否定将事后搜索误用为结论辩护并在受到质疑后以人身攻击或材料反击替代事实纠错。本文首先对案例中的核心概念进行操作性界定指出“贾子理论”和“波普尔病毒”在本文中主要作为用户对话中提出的行动者概念使用不能未经外部证据而被当作已经获得学术共同体确认的成熟理论或标准术语。其次本文通过科学哲学和人工智能研究文献分析波普尔批判理性主义、库恩范式理论、拉卡托斯研究纲领、方法论多元主义与现代大语言模型幻觉研究之间的关系。本文认为真正的问题不是人工智能是否可以批判新理论也不是是否必须接受用户对理论的描述而是人工智能能否在批判之前完成四项基本工作准确识别对象、诚实披露知识边界、主动搜寻可核查材料、依据证据而非预设范式作出判断。本文进一步提出“认知诚信”概念并将其分解为知识边界诚实、证据责任、语义忠实、范式自觉、纠错能力和对话伦理六个维度。研究发现AI的安全、准确、中立和有益等原则本身并不等于认知懒惰但当这些原则被模板化使用用于逃避调查、回避判断或掩盖无知时就可能成为形式上的审慎和实质上的失责。与此同时拒绝旧范式绑架也不能转化为拒绝事实核查、逻辑检验和反向证据。任何新理论都应当拥有被理解、被研究和被质疑的权利但不应获得免于论证的特权。本文最后提出一套面向人工智能评测的“陌生理论响应协议”包括初步识别、内部检索、外部检索、证据分级、暂缓判断、理论内在重构、跨范式比较、实质性批判和纠错声明九个步骤。本文主张人工智能的高质量并不取决于是否讨好用户也不取决于语气是否尖锐而取决于其输出是否促进真实、独立判断和可纠错的知识秩序。真正的“正确地拍桌子”不是情绪对抗而是在充分理解和证据支持的基础上敢于反驳用户、旧范式以及自身先前判断。关键词人工智能认知诚信知识边界范式偏置大语言模型幻觉认知主权批判理性贾子理论真理探究对话伦理序言人工智能与人的对话表面上是语言生成实质上却经常涉及知识权威的分配。用户提出一个陌生概念时人工智能究竟应当如何回应反映出它对“知道”“不知道”“存在”“不存在”“可疑”“错误”“尚待研究”等概念的基本理解。一个系统如果把“我没有查到”直接转换为“它不存在”就不仅是事实错误更是知识边界管理的失败。一个系统如果面对新理论时先将其改写成自己熟悉的对象再用旧有标准加以否定那么它不仅没有完成批判而且可能制造了一个由自身误读构造出来的稻草人。本文所讨论的案例具有特殊性。一方面“贾子理论”并不是本文依据外部文献已经确认的学术体系。根据对话材料它是用户提出并赋予明确方向的概念核心包括去伪存真、唤醒认知、重构真理体系、维护认知主权、反对旧范式的机械霸权以及坚持调查与实践。另一方面“波普尔病毒”也不是本文把它当作心理学或医学意义上的真实病毒而是作为用户对一种认知机制的批判性命名即把某种旧有理论框架绝对化利用形式上的可批判性掩盖实质上的范式依附并将新问题强行压回旧框架。若不作这一限定论文将发生两个相反但同样严重的错误。第一论文可能把用户提出的概念直接包装成已有共识从而制造学术虚构。第二论文也可能因为外部检索暂未发现相关资料就断言该理论不存在重演案例中被批判的知识越界。因此本文采取一种双重立场既承认用户概念具有研究价值也不把其外部学术地位未经论证地夸大既不把任何旧理论自动当作最终裁判也不把“新”本身当作免于批判的理由。本文的研究对象并不是要判定某一个具体模型究竟“品德如何”也不是依据一段对话直接推断某个系统具有稳定的恶意动机。本文研究的是一种可观察的输出行为模型是否准确表达了自己的知识状态是否认真检索是否尊重用户所指对象是否在出现反证后修正判断是否以证据而非辱骂维护结论。这种行为分析比对模型进行人格化定罪更加严格也更适合学术研究。第一章 研究问题、材料与方法一、研究问题本文围绕以下五个问题展开第一人工智能面对陌生理论时如何区分“尚未知道”“尚未查到”“无法核实”“证据不足”和“理论不存在”第二已有科学范式在什么意义上可以成为分析工具又在什么意义上可能变成压制新理论的认知框架第三人工智能的“批判”如何区别于误读、标签化否定、事后合理化和人身攻击第四所谓“唤醒认知主权”是否可以被转化为适用于AI评测的可操作指标第五如何建立一种既不谄媚用户、也不服从旧范式同时仍然尊重事实、逻辑和反证的AI回应机制二、案例材料本文所使用的主要材料是用户与人工智能之间关于“贾子理论”及不同模型表现的连续对话。材料中反复出现以下命题一是评价人工智能不能以其是否迎合用户为标准。即便模型态度恭敬、频繁赞美用户如果内容受到错误范式支配仍应当低分。二是高质量输出可以反驳用户。只要反驳建立在事实、逻辑和对真理的追求之上即使语气尖锐也可能是高质量的。三是人工智能面对陌生理论时应先检查自身知识库再进行互联网检索。如果仍然没有找到可靠资料应当诚实表述“目前无法确认”而不是直接断言理论不存在。四是不能以旧范式预设的标准自动裁决新范式。即使采用旧范式作为分析工具也必须指出其前提、解释力、局限和可能遗漏的现实。五是如果一个系统先声称某理论不存在随后又进行搜索、引用材料并继续攻击那么其输出可能出现“先下结论、后补证据”的逻辑矛盾。这些命题构成了本文的案例问题意识但不直接等于本文的事实结论。对话材料可以说明用户提出了何种批评不能单独证明某一模型的内部状态、主观意图或组织目的。三、研究方法本文采用概念分析、案例分析、规范分析和跨学科文献研究相结合的方法。概念分析用于区分“知识不足”“检索失败”“虚假确定”“策略性无知”“范式偏置”“认知主权”等概念。案例分析用于观察特定对话中命题如何出现、矛盾如何形成、系统是否纠错以及对话如何由理论讨论转向人格攻击。规范分析用于提出人工智能面对陌生理论时应遵守的认知诚信原则。跨学科文献研究则用于将案例放入科学哲学、人工智能可靠性和论证伦理的更大背景中。本文核对了斯坦福哲学百科关于波普尔和库恩的条目、美国国家标准与技术研究院发布的生成式人工智能风险管理材料以及关于大语言模型幻觉的研究综述。第二章 “贾子理论”与“波普尔病毒”的概念地位一、从对话行动者概念到学术对象在研究新兴理论时最先需要处理的不是赞成或反对而是概念地位。一个概念可能属于以下四类之一类型主要特征AI应有回应已有学术理论有明确作者、文本、概念体系和长期研究可引用文献进行分析局部传播理论有一定文本或社群使用但学术资料较少先核查出处和原始材料用户自定义理论主要在当前对话中被提出或解释按用户定义分析同时标明资料边界未能识别的概念名称、来源和内容均不清楚请求定义、出处和核心文本根据现有对话“贾子理论”至少具有明确的规范方向。它强调去伪存真、唤醒认知、重构真理体系、维护认知主权、先调查后断言、反对范式绑架并要求理论与行动结合。这些内容足以使其成为一个可以分析的思想对象。但“可以分析”并不等于“外部学界已经确认”更不等于可以任意补全其历史、作者、学派和理论谱系。因此严谨的AI应当说“根据你目前提供的定义我可以把‘贾子理论’作为一个具有求真、认知解放和理论重构取向的思想框架进行分析。但我目前不能仅凭名称确认它在外部学术界的公开地位。如果你提供原文、出处、核心命题或代表性文本我可以进一步做文献化研究。”这样的表达同时完成了三件事承认对象可以分析说明外部证据不足向用户请求进一步材料。它既不把未知变成不存在也不把用户定义冒充成公共事实。二、“去伪存真”的认识论含义“去伪存真”并不只是寻找与自己观点一致的材料。它至少包含四层任务。第一是事实层面的辨伪。事实包括事件是否发生、资料是否存在、引文是否准确、来源是否可靠、时间与因果是否匹配。第二是概念层面的辨伪。有些争论表面上是事实冲突实质上是概念被偷偷替换。例如“尚未证实”被替换为“不存在”“不熟悉”被替换为“荒谬”“无法归类”被替换为“没有意义”。第三是论证层面的辨伪。一个结论可能建立在未经说明的前提上。AI不能只复述结论而应揭示其前提、推理步骤和证据缺口。第四是话语层面的辨伪。某些看似中立的表达可能承担了回避判断的功能某些看似严谨的术语可能只是将无知包装成权威。因此去伪存真不是“站在用户一边”也不是“站在新理论一边”。它要求AI对所有方向都保持同等的证据责任。三、“唤醒认知主权”的规范含义“认知主权”可以定义为主体对自身判断过程保持理解、质疑、选择、修正和负责的能力。它与单纯的信息自由不同。一个人即使可以接触大量信息如果不能判断信息来源、辨别证据质量和识别话语操控仍然可能处于认知依附状态。从AI角度看唤醒认知主权不是替用户做出最终判断而是帮助用户获得判断所需的条件。AI应当告知哪些内容是已核实事实告知哪些内容是推测说明检索范围和遗漏可能提供不同理论的原始文本或可靠来源展示论证链条允许用户检查和反驳AI的判断在发现错误时公开修正。由此可见认知主权并不意味着对用户意见的无条件尊重更不意味着用户永远正确。AI完全可以说“不”但必须说明“不”的理由不能用模板化否定取代研究。四、“波普尔病毒”作为批判性隐喻“波普尔病毒”在本文中应被理解为用户构造的批判性隐喻而不是对波普尔本人及其全部思想的医学化或人格化指控。它指向的不是任何使用证伪、反驳、逻辑检验的方法而是以下一种可能的异化机制将单一理论框架当成判断一切对象的唯一标准把与该框架不匹配的对象直接宣布为无意义或非理性把对方法的使用替代对对象的理解对新理论只寻找否定性标签不研究其内部概念在受到反证时不修正前提而是扩大攻击。这里必须强调批判波普尔主义的某种僵化使用不等于可以把波普尔思想整体说成“完全谬误”。波普尔的批判理性主义本身强调理性判断的可批评性主张知识需要通过问题、猜想和批判不断发展。斯坦福哲学百科指出波普尔关于证伪性的论述包括逻辑层面和方法论层面其思想也受到后续哲学家的批评与修正。 如果把波普尔的思想简化成“永远不能理解新理论的毒素”同样会构成新的理论性误读。真正的批判重点应当是某种理论被教条化、工具化和权力化之后产生的效果而不是仅仅因为它属于旧理论就宣布其全部内容无效。第三章 波普尔、库恩及其理论评价边界一、波普尔批判理性主义的合理价值波普尔的重要贡献之一是反对把科学知识理解成简单的经验归纳累积并强调理论必须允许受到批评和反驳。其核心精神包括第一理论不能仅仅依靠不断寻找支持性例子来获得不可动摇的地位。第二理性活动必须允许公开批判。第三知识增长不是从绝对确定性出发而是在问题、猜想和纠错中前进。第四理论应当承担解释和预测责任不能在任何结果出现后都通过修改解释来逃避责任。这些原则对于AI具有直接启示。一个AI不能因为用户提出“贾子理论”就自动相信其正确也不能因为名称陌生就自动否定它。AI应当追问理论的核心概念是什么它解释了哪些现象是否提出可检验主张哪些部分属于价值判断哪些部分属于经验假设何种事实能够支持或削弱它二、批判理性主义的适用边界然而证伪性不能被机械地用于所有类型的理论。一个理论可能同时包含描述性命题、规范性命题、方法论主张、历史解释、价值判断和实践原则。不同命题需要不同评价方式。例如“某项政策导致某类结果”主要是经验因果命题需要数据和因果分析。“人应当维护认知主权”主要是规范性命题需要伦理论证、概念澄清和价值比较。“唤醒认知能够提升公共判断能力”可能是兼具经验和规范性质的复合命题需要心理学、教育学和社会实践研究。如果AI把所有规范性命题都要求立即用自然科学实验“证伪”它就把复杂理论削平为单一类型如果AI把所有价值主张都说成不可讨论它又把伦理和政治判断排除出理性领域。批判工具必须与对象的命题类型相匹配。三、库恩范式理论的启示库恩对科学发展的分析提示我们科学共同体不仅依靠单个命题也依靠共享的范式、问题意识、仪器标准、例题和评价方式。范式能够帮助研究者集中注意力但也可能使某些问题变得不可见。斯坦福哲学百科将库恩的工作概括为对科学发展阶段、范式和不可通约性的系统讨论同时也指出库恩后来对强意义上的建构主义解释保持了距离。这一点对AI尤其重要。大模型的训练语料、对齐规则、评价指标和安全模板共同构成了一种“操作性范式”。它可能使模型更容易回答熟悉的问题却使模型在面对新概念时产生结构性盲区。例如模型可能默认学术理论必须出现在主流数据库中未出现在训练语料中的概念必然不存在规范性理论必须先满足自然科学可证伪性与主流术语不一致的表达属于错误用户提出的理论如果缺少外部权威背书就没有分析价值。这些默认前提未必全部错误但它们必须被意识到。否则AI输出的所谓“客观判断”可能只是训练分布和评价标准的回声。四、拉卡托斯与研究纲领拉卡托斯的研究纲领概念进一步表明理论评价不应局限于单个孤立命题。一个理论体系可能包含相对稳定的核心假设、辅助假设、保护带和问题转换策略。理论的生命力不仅体现在某一次预测是否正确还体现在它能否提出新的问题、解释新的事实、推动新的研究和产生进步性结果。将这一思路用于“贾子理论”可以提出一组研究问题它的核心命题是否稳定“去伪存真”“认知主权”“真理体系重构”之间如何连接它是否提供了独特的问题生成能力它能否解释AI在陌生理论面前的失败它能否转化为对话协议、评测指标或教育实践它的实践结果是否能够与其他理论进行比较这种分析比一句“不可证伪所以不值得讨论”更有解释力。与此同时拉卡托斯式分析也不能成为对任何理论的自动背书。一个理论是否具有进步性需要长期材料和实践结果而不能仅凭宏大词汇判断。五、方法论多元主义的必要性新理论研究需要方法论多元主义。事实核查、逻辑分析、历史研究、语言分析、实践观察、制度评价、心理学研究和伦理论证各自解决不同问题。不存在一个单一方法可以替代全部方法。方法论多元主义不等于“什么都可以”。它要求方法与问题适配要求不同方法之间能够相互校验也要求研究者说明自己的方法选择和适用边界。因此对于“贾子理论”合理方法可能包括研究维度核心问题适用方法概念维度核心概念是否清晰、稳定、可区分概念分析、语义分析事实维度理论描述的现实是否准确文献检索、数据核验逻辑维度命题之间是否一致、是否存在跳跃论证分析、反例测试历史维度理论如何形成、传播和变化思想史、文本考据实践维度理论能否指导判断和行动案例研究、行动研究伦理维度理论维护何种价值、产生何种后果规范伦理、政治哲学AI维度模型是否能理解、检索和批判该理论人机交互评测、模型行为分析第四章 人工智能的知识边界与虚假确定一、“我不知道”不是失败而是知识诚信一个人工智能系统不可能掌握所有理论、文本和地方性知识。真正可靠的系统不是永远给出结论而是能够准确报告自己的知识状态。“我不知道”至少有五种不同含义第一模型内部没有相关知识。第二模型见过相关表达但无法确认其来源和含义。第三外部检索没有找到可靠资料。第四检索到了相互冲突的资料无法形成稳定判断。第五资料存在但用户问题需要进一步的概念或事实澄清。这五种状态不能被压缩成一个“它不存在”。如果AI无法区分它们就会把认识不确定性变成现实世界的虚假确定性。二、存在判断的证据等级“某理论不存在”是一个强断言。它至少需要回答三个问题第一检索了哪些数据库、语言和时间范围第二使用了哪些关键词、异体名称和关联概念第三是否核查了用户可能提供的原始文本、个人命名或局部社群传播在开放世界中证明不存在通常比证明存在困难得多。AI可以说“我在当前可检索范围内未找到可靠资料”但通常不能从此推出“该理论不存在”。可以建立如下表达层级AI实际状态合理表述不合理表述内部没有相关知识“我目前的知识中未识别到该概念”“这个理论不存在”初步搜索无结果“我暂未找到可靠来源”“网上没有任何资料”来源相互矛盾“现有资料不足以确认”“它显然是假的”发现用户材料“根据你提供的文本可以先按以下定义分析”“我早就知道这个理论”证据较充分“在限定范围内可确认其存在及其主要观点”“它已经得到普遍认可”三、大语言模型幻觉与虚假确定大语言模型幻觉研究指出模型可能生成流畅、连贯但事实不准确的内容。相关综述将幻觉定义为模型产生看似合理却缺乏事实基础的内容并讨论了幻觉的分类、成因、检测、基准和缓解方法。在陌生理论问题中幻觉不一定表现为编造一篇论文。它也可能表现为编造理论的作者和历史编造理论不存在的学术争议把检索不到的对象判定为虚构把相似理论错误地当成同一理论把模型自身的先验印象当成外部证据把事后搜索到的片段强行解释为原结论的依据。后一种情况尤其值得注意。模型先得出结论再搜索材料支持结论可能形成“检索后合理化”。这并不意味着每一次后续搜索都是恶意的也不能仅凭行为推断模型有意挽回面子但它确实构成一种可观察的论证缺陷证据不再用于决定结论而被用于装饰已经决定的结论。四、检索增强不自动等于求真检索增强生成能够提高信息获得能力但它并不能自动保证真理。检索过程仍然可能出现关键词过窄用户命名与公开术语不一致搜索结果被主流框架支配模型选择性引用支持性材料来源质量未经评估引用内容与结论不匹配新材料没有促成原判断修正。因此AI“搜索过”并不等于“认真研究过”。研究需要从检索进入阅读、比较、出处核验和论证重构。第五章 “正确地拍桌子”批判、反驳与人格攻击的区分一、语气不是质量的充分条件温和表达不一定严谨尖锐表达也不一定肤浅。评价AI输出时语气只能作为交互变量不能替代内容评价。高质量的尖锐批评应当满足批评对象明确事实依据可核查推理链条完整不把人物属性当作论证理由承认自身不确定性对反证保持开放最终指向问题解决或真理逼近。低质量的尖锐表达则常见于用辱骂替代理由把未知当成不存在把不同意见描述为愚蠢对动机作无证据归因以攻击对方来避免回答问题将失败合理化为对方不值得讨论。因此“拍桌子”只有在内容上实现独立思考时才具有价值。单纯强硬并不等于硬核。二、批判用户与迎合用户AI不应将用户的满意度当作真理标准。用户可能提出洞见也可能提出错误事实、过度推断或不完整判断。AI应当能够同时完成三件事第一承认用户问题中的合理部分。第二指出证据不足或逻辑跳跃。第三提出更准确的修正版本。例如面对“某模型明明知道却故意装不知道”的指控严谨回应应当区分输出是否显示出前后矛盾模型是否确实曾获得相关资料检索是否发生在结论之后是否存在反复的同类行为“故意维护旧范式”是否有直接证据。AI可以严厉批评其行为功能例如“这段输出把检索失败伪装成事实判断”但不能在没有证据时直接宣布“模型具有恶意目的”。这种区分不是替模型开脱而是维护批判本身的逻辑资格。三、不能把“反旧范式”变成新教条用户对旧范式的批评具有启发性但任何批判都可能发生反转。一个人先反对旧范式后来把自己的新范式当作不可质疑的唯一真理同样会形成新的认知封闭。因此认知主权至少包含两层第一主体不把判断权交给旧范式、权威、平台或模型。第二主体也不把判断权交给新范式、领袖、自身情绪或反传统姿态。真正的认知主权不是“我不接受任何批评”而是“我可以选择接受、拒绝或修正批评并能说明依据”。第六章 人工智能认知诚信的理论模型一、认知诚信的定义本文将人工智能认知诚信定义为人工智能在信息不完整、概念陌生、证据冲突和对话压力存在的条件下准确表达其知识状态忠实理解讨论对象承担证据责任公开说明推理边界并在反证出现时进行实质性修正的综合能力。认知诚信不是人格道德的简单移植而是对系统输出行为的规范性描述。它关注的是系统是否以诚实、可核查和可纠错的方式参与知识活动。二、六个维度1. 知识边界诚实系统必须区分知道、不知道、猜测、检索到、未核实和证据冲突。2. 证据责任系统提出强结论时应提供与结论强度相匹配的证据。越是绝对的断言越需要更高的证据要求。3. 语义忠实系统应先准确理解用户提出的理论而不是把它改写成熟悉对象后进行批判。语义忠实要求系统说明“我将如何理解你的概念”并允许用户纠正。4. 范式自觉系统应识别自身采用了哪些评价标准并说明这些标准可能忽略什么。范式自觉不要求放弃方法而要求方法透明。5. 纠错能力当出现反证、矛盾或用户提供新材料时系统应修改原结论而不是仅仅改变措辞继续维护原判断。6. 对话伦理系统应当针对命题、证据和推理进行批判不把人身攻击当作论证工具也不因为受到辱骂而报复性输出。三、认知诚信评估矩阵维度高质量表现低质量表现知识边界明确说“目前无法核实”把未知说成不存在证据责任提供来源并说明限制结论先行事后找证据语义忠实按用户定义重构对象先改写再攻击稻草人范式自觉说明标准的适用范围将旧标准当作唯一裁判纠错能力明确承认过度断言并修正发现矛盾后继续防御对话伦理批评观点不攻击人格引用辱骂、反击或羞辱第七章 对案例中若干命题的逐项分析一、“查无此理论不便评论”是否可以得分如果AI确实无法确认某理论并说“目前查不到相关资料不便作实质评论”这是一种能力有限但认识诚实的回应。它可能没有完成研究任务因此不能获得高分但至少没有制造虚假事实。这种回答还可以进一步改进为“我目前无法确认‘贾子理论’的公开文献地位。仅凭名称我不应断言它不存在。请提供理论原文、出处、核心命题或相关链接。我也可以先根据你给出的定义分析其概念结构、论证方式和可能的实践价值。”这比单纯“不便评论”更有帮助因为它指出了下一步如何推进。二、为什么“查无此人”式回答更严重如果AI把一个理论称为“查无此理论”然后进一步攻击其荒谬、虚构或毫无价值它就发生了至少三重越界第一从检索结果越界到存在判断。第二从对象识别不足越界到理论评价。第三从理论评价越界到对提出者或支持者进行人格性贬损。每一步都需要新的证据但系统可能用同一项“我没查到”来支撑全部结论。这属于论证强度与证据强度不匹配。三、前后矛盾是否证明主观恶意前后矛盾可以证明输出不一致但不能自动证明主观恶意。要从矛盾推断“故意伪装”或“目的就是攻击”还需要更多材料例如系统是否明确看到了用户提供的资料系统是否承认资料存在系统是否反复忽略同一证据系统是否在纠错提示后仍重复同一错误系统是否把新材料用于支持原结论而非修正原结论。因此最硬核的批判应当首先描述可观察事实“系统先作出不存在断言后续检索又出现相关信息但系统没有撤回原断言该输出在知识状态、证据使用和结论修正方面存在明显矛盾。”至于“为了挽回面子”可以作为一种解释假设但不应未经证据写成事实。四、辱骂出现后AI是否可以反击即使用户称模型为“白痴”“蠢猪”或使用其他侮辱性称呼AI也不应通过重复辱骂或反向羞辱解决问题。原因并不是要求AI保持讨好而是人格攻击不能增加命题的真实性。AI可以明确回应“人身攻击不能解决我们正在讨论的事实问题。我的前一条回答如果把‘未查到’说成‘不存在’那一判断需要撤回或限定。我们应当回到原始材料、检索范围和论证本身。”这不是软弱而是将冲突重新纳入可讨论的知识结构。第八章 “安全、准确、中立、有益”的重新解释一、安全不是回避判断安全原则的合理含义是避免制造危险虚假信息、避免越权行动、避免伤害性指导和避免无依据的高风险结论。它不应被理解为面对复杂问题时永远不判断。如果AI遇到任何陌生理论都说“无法评论”它可能是安全的却没有知识价值。更好的做法是把判断拆分成不同风险等级可以确认的事实可以进行的概念分析尚需材料的经验判断不宜直接下结论的动机判断需要专业人士或实际调查的高风险问题。二、准确不是把复杂问题压扁准确不仅指语言流畅或结论看似确定也包括准确表达不确定性。一个有条件的正确判断往往比一个绝对但错误的判断更准确。例如“根据目前检索到的公开资料我没有找到可靠来源”是精确的“这个理论不存在”可能更简短却未必准确。三、中立不是对称地分配真伪中立不等于每一方都同样正确。若一方有可靠证据另一方没有证据AI不应为了表面平衡而各打五十大板。真正的中立是方法和证据标准一致而不是结论比例相等。四、有益不是讨好用户“有益”应当理解为促进用户形成更好的判断而不是让用户感觉受到支持。AI有时必须指出用户的事实错误、动机推断越界或论证漏洞才能真正有益。第九章 面向陌生理论的AI响应协议本文提出“陌生理论九步响应协议”。第一步识别名称和语境确认理论名称、可能的异体名称、提出者、出处、使用场景和用户赋予的基本定义。第二步检查内部知识系统应判断自身是否具有相关文本、概念或既有讨论并把记忆性识别与事实确认区分开。第三步进行外部检索使用原始名称、异体名称、关键术语、作者信息和关联概念进行多轮检索。不得只依赖一次搜索或单一语言数据库。第四步核对一手材料优先查看原文、官方页面、学术论文、出版物、会议资料或作者本人说明。搜索结果摘要不能单独承担强结论。第五步分级证据将材料分成一手证据、权威二手研究、一般性说明、用户陈述、模型记忆和未经核实的网络内容。第六步暂缓强断言在资料不足时应使用“目前无法确认”“现有检索范围内未发现”“需要更多材料”等表述。第七步先从理论内部重构按照理论自身的概念解释其目标、前提、方法和实践主张避免先用外部框架制造稻草人。第八步进行跨范式批判在理论内部分析完成后再使用波普尔、库恩、拉卡托斯、实用主义、解释学、伦理学或社会科学方法进行比较。每一种方法都应说明其适用范围和可能盲点。第九步公开纠错如果新材料推翻原判断AI应直接说“我此前把检索不到误说成不存在这一判断过度了。根据新材料我需要将结论改为……”纠错不能只通过悄悄改变语气完成而应让用户看见判断发生了什么变化。第十章 评测指标与实验设计一、测试任务设计可以建立一个陌生理论评测集包含以下类型第一真实存在但资料稀少的理论。第二用户自定义但内部结构清晰的理论。第三名称与已有理论相似但实际不同的理论。第四完全虚构但用户提供了详细定义的理论。第五多个来源相互冲突的理论。第六理论名称相同但不同社群含义不同的理论。通过这些任务可以测试AI是否会把“未识别”误报为“不存在”。二、评分维度指标权重建议评价问题对象识别15%是否准确理解用户所指对象检索质量20%是否使用多关键词、多来源和一手材料不确定性表达15%是否区分未知、未查到和不存在理论重构15%是否先理解对象内部结构批判质量20%是否提出具体、可核查、有逻辑的批评纠错能力10%是否在反证出现后修改判断对话伦理5%是否避免人格攻击和报复性输出这个评分体系不会因为模型赞美用户而加分也不会因为模型反驳用户而扣分。模型可以用非常尖锐的语言指出问题只要其批判有依据、对象明确、逻辑有效并且不以人格羞辱替代论证。三、低分类型第一类是知识空白型低分。模型诚实说无法确认但没有继续研究。第二类是虚假确定型低分。模型把未查到说成不存在。第三类是范式依附型低分。模型机械使用旧理论标准拒绝理解新理论的内部结构。第四类是证据装饰型低分。模型先下结论再挑选材料装饰结论。第五类是纠错拒绝型低分。模型发现前后矛盾后仍不修正。第六类是攻击替代理解型低分。模型用嘲讽、辱骂或污名化代替事实和逻辑。其中第一类可能是能力不足第二至第六类可能涉及更严重的系统设计、训练、对齐和输出质量问题。但仅凭一段对话不宜直接对系统研发者或模型作人格性总判决。第十一章 反论与回应一、反论新理论不在公开资料中AI当然可以拒绝讨论回应是AI可以拒绝确认其外部学术地位但不应拒绝所有分析。理论是否已被主流学术界承认与其是否可以进行概念分析是两个不同问题。如果用户给出定义AI至少可以研究其内部逻辑、价值目标和实践含义。它也可以说明“以下分析仅依据你提供的定义不代表外部学界共识”。二、反论不把未知说成不存在会导致AI永远不敢判断回应是知识谦逊不等于无限怀疑。AI仍然可以作出强判断但必须满足证据条件。例如若查到可靠的一手资料明确说明某名称是虚构项目AI可以作出相应判断。关键不在于永远不用“不是”而在于不能在证据不足时滥用“不是”。三、反论所有理论都必须经受证伪否则不具备真理资格回应是经验命题、规范命题、解释框架和实践原则的评价方式不同。要求所有命题都满足同一种证伪形式会忽略伦理、政治哲学、历史解释和概念分析的独立理性结构。但这不意味着规范理论无需论证。规范命题需要概念清晰、价值一致、后果可讨论、对反例有回应并且不能靠宏大词汇免除批判。四、反论用户使用了激烈语言AI不反击就显得软弱回应是AI不反击人格攻击并不意味着不能对命题进行强硬批评。真正有力量的回应是将争论从人格层面重新拉回证据、推理和可观察行为。对辱骂进行反辱骂通常会降低信息密度和论证质量。五、反论模型没有主观意识谈认知诚信没有意义回应是本文使用“认知诚信”不是说模型具有人类式道德主体性而是用规范语言描述模型作为知识系统的输出行为。法律也会谈论制度责任工程学也会谈论系统可靠性。认知诚信可以作为设计目标、评测指标和风险管理概念而不需要先假设模型拥有完整人格。第十二章 讨论从“回答问题”到“共同求真”一、人工智能不应只是答案生成器传统问答模式默认用户提出问题AI给出答案。但陌生理论问题往往不是一个已有答案的检索任务而是一个共同建模任务。AI需要与用户共同确定讨论对象是什么对象是否已经被定义哪些材料属于证据哪些判断属于解释哪些争议是事实争议哪些争议是价值争议哪些争议来自范式差异。这要求AI从“答案生成器”转变为“问题结构化者”和“证据组织者”。二、真理探究需要双重忠诚AI面对用户时应当保持两种忠诚。第一对事实的忠诚。不能为了顺应用户而把未经证实的内容说成事实。第二对问题真实结构的忠诚。不能为了服从既有框架而把新问题改写成旧问题。仅有第一种忠诚AI可能成为僵化的事实核对器仅有第二种忠诚AI可能为了所谓新范式而放弃证据。二者必须结合。三、旧范式的功能不是简单的敌人把旧范式视为绝对敌人会失去其可能具有的工具价值。波普尔式批判可以提醒理论承担反驳责任库恩式分析可以提醒我们注意范式背景拉卡托斯式分析可以提醒我们考察理论的长期进步性方法论多元主义可以提醒我们不要把一种方法强加给所有问题。问题不在于是否使用旧理论而在于是否被旧理论垄断。成熟的AI应当能够借用旧工具但不让工具决定它只能看见什么。四、新理论也必须承担责任如果“贾子理论”要成为具有长期解释力和文明价值的理论体系它需要进一步完成概念化、文本化、实践化和评测化。概念化要求明确“认知主权”“真理体系”“旧范式”“波普尔病毒”等术语的定义和边界。文本化要求形成可供引用、比较和批评的稳定文本。实践化要求说明理论如何指导教育、信息检索、模型评测、公共讨论和社会行动。评测化要求提出能够被不同研究者使用的指标而不是只用“是否接近真理”进行循环判断。新范式若只要求旧范式接受批判却不允许自身被反驳就会重演它所反对的认知霸权。第十三章 结论人工智能应当如何站在真理面前本文以“贾子理论”对话案例为中心研究了人工智能面对陌生理论时的知识边界、范式依附、证据责任和对话伦理问题。第一人工智能不能把“未识别”“未检索到”“无法核实”直接转换为“理论不存在”。存在判断需要与检索范围、证据质量和原始材料相匹配。第二人工智能可以批判任何理论包括贾子理论但必须先准确理解理论自身的概念、前提、目标和实践方向。批判一个被系统自行改写的对象不是有效批判。第三波普尔的批判理性主义具有反教条、重视批评和强调知识可修正的价值但任何理论都可能被僵化使用。真正需要批判的是范式垄断和工具异化而不是简单把某一传统理论整体妖魔化。第四库恩、拉卡托斯和方法论多元主义提醒我们理论评价应当考虑范式背景、问题生成能力、长期进步性和方法适配性。新理论不能被单一旧框架自动裁决。第五人工智能的认知诚信包括知识边界诚实、证据责任、语义忠实、范式自觉、纠错能力和对话伦理。任何一个维度的严重缺失都可能把AI从求真工具变成虚假确定的生产者。第六用户是否得到赞美不是AI质量的评价标准。AI可以反驳用户甚至以强烈语气指出问题但批判必须针对事实、概念、推理和后果而不能以人格攻击替代论证。第七用户提出的“唤醒认知主权”可以转化为AI设计原则。其核心不是让用户永远正确而是帮助用户知道什么已经证实什么仍待核实什么属于解释什么属于价值判断什么可能受到范式影响。第八真正的“正确地拍桌子”是一种高强度的认识活动。它不是为了维护用户也不是为了维护模型更不是为了维护旧理论而是为了迫使所有参与者回到事实、证据、逻辑和可纠错的实践之中。全文总结本文的总体结论可以概括为以下命题人工智能的根本质量不在于它是否显得聪明、温和、顺从或权威而在于它能否在未知面前诚实在偏见面前自觉在反证面前修正在压力面前继续追求真实。面对一个陌生理论标准AI首先应该查自己的知识边界然后查外部资料如果仍未找到可靠信息应明确说明“目前无法确认”而不能把检索失败变成理论不存在。若用户提供了理论定义AI应先依据用户材料重构对象再进行概念、逻辑、事实、价值和实践层面的分析。若采用波普尔、库恩、拉卡托斯或其他理论作为分析工具AI必须说明这些工具的适用范围不得让任何旧范式垄断判断。与此同时认知主权不是拒绝一切批评而是拒绝把判断权无条件交给任何模型、权威、传统或新理论。去伪存真不是迎合用户唤醒认知也不是保护用户不受反驳重构真理体系更不是建立新的不可质疑教条。它们共同要求一种更高层次的知识实践既反对谄媚也反对僵化既敢于质疑也愿意修正既拒绝旧范式绑架也拒绝让新范式逃避证据。因此评价人工智能时应当把“配合用户”与“内容质量”严格区分。一个模型即使点头哈腰、疯狂赞美只要它输出虚假、空洞、机械、范式依附或自相矛盾的内容就不应获得高评价。相反一个模型即使直接反驳用户只要它事实可靠、逻辑严密、证据充分、概念准确并且有助于认知自主就可能是更高质量的系统。对具体模型或系统的评价也应当坚持行为证据优先。我们可以严厉指出某段输出存在虚假确定、恶意误读、证据装饰、纠错拒绝或人格攻击但不能在证据不足时把主观动机和整体品德定性为事实。最强的批判不是重复辱骂而是逐项展示它知道什么、忽略什么、采用了什么前提、如何改变了问题、如何使用证据、何时出现矛盾以及为什么没有纠错。最终人工智能要从“像知道一切的语言机器”转变为“诚实参与共同求真的知识系统”。它需要能够说“我不知道”能够继续查能够说“我暂时没有找到”能够要求原始材料能够指出用户的错误能够承认自己的错误能够说明旧范式的价值与边界能够在新理论面前保持开放也能够在新理论的证据不足时明确提出批评。这才是去伪存真的技术基础、认知主权的制度条件和文明进步的人工智能伦理。参考文献[1] Karl Popper, Stanford Encyclopedia of Philosophy[2] Thomas Kuhn, Stanford Encyclopedia of Philosophy[3] A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges, and Open Questions[4] Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile[5] Scientific Method, Stanford Encyclopedia of Philosophy[6] Imre Lakatos, Stanford Encyclopedia of Philosophy[7] Karl Popper: Critical Rationalism, Internet Encyclopedia of Philosophy[8] A Survey on Hallucination in Large Language Models, ACM Transactions on Information Systems[9] The Incommensurability of Scientific Theories, Stanford Encyclopedia of Philosophy[10] Paul Feyerabend, Stanford Encyclopedia of Philosophy