道在缘起的知识论： 基于达特茅斯会议的"家"之科学技术维度解析

笔者按语：中国哲学很少涉及自然科学方面的知识论，即使有这方面理论解释，也会被一些学者看做是玄学，认为是意会的东西，无法给自然科学研究和技术创新提供有力指导。由是，从上个世纪五十年代，各研究院所为理工科研究生开设了自然辩证法课程，然而，几十年过去了，自然辩证法仍与中国传统哲学缺乏深刻的互动，甚至出现了泾渭分明的学科现象。道在缘起哲学建构就试图对于自然科学研究现象做出应有解释，以推进中国哲学在自然科学研究的功用。在这里我必须申明，哲学作为理论学科的特点决定了它所解决的问题是思维问题，而非具体研究方案。在这个意义上，无论基督教哲学、马克思主义哲学、存在主义哲学都是对于科学现象的解释，为科学思维提供精神资源。因此，我相信道在缘起哲学对于科学研究也一样有哲学意义，如提供观察问题新的视角，我们可以把不同的科学研究及其演变历史，看作是“家”的演化，在这个知识场域中逐渐形成家族谱系，而每一家族在演化过程中，又与其他知识谱系相互融合，导致新的“姻缘”关系，新学科的知识家族就诞生了，由此也有了知识范式的代际传承与演化，这种创生演化具有内在的规律性，科学技术史可以称之为家合道的过程演化史，属于人类文明的智慧谱系图景史。其实，如库恩的“范式”（Paradigm）或拉图尔的“行动者网络”（ANT）在一定程度也印证了道在缘起知识论的价值。只不过道在缘起知识论与西方科学哲学的区别也是明显的，即道在缘起知识论对于知识的生成始终认为它缘起的，这个缘起有不确定与确定的多重可能，在知识谱系上它又有缘生性，不一定是线性的因果关系，这种缘生性的核心是家结构，在此知识“家”的场域中，才有知识创新的个人灵感或者所谓的科技创新英雄主义，归根结底，所有的“范式”或“行动者”动态指向都要有一个“家”。在此意义上，道在缘起哲学也可以称之为自然社会科学解释学。笔者仅仅做了抛砖引玉的工作，有待深入的空间还是很大的。

道在缘起知识论：基于

达特茅斯会议AI“家”的解析

一、核心概念界定

（一）道

道是宇宙与认知的终极实在，体现为一元性与结构性动态平衡的统一整体。其并非抽象玄理，而是在缘起中显现的结构性过程，在结构中展开的动态性整体。在知识论语境中，道是知识生成与演进的本体论根基，规定了自然与技术领域中事物产生、发展的内在规律与终极方向，在AI领域则具体表现为智能现象背后统一的计算与认知原理。

（二）缘起

缘起是道在具体事物中的显现方式，指事物的生成与发展依赖多重条件的聚合，具有事不空（客观实在性）与不可逆（历史必然性，不可还原）的核心特征。对AI而言，缘起是这一技术形态诞生的前提，表现为多学科理论、技术工具、数据资源等要素的碰撞、融合与条件具足，1956年达特茅斯会议正是这种条件聚合的典型“缘起点”。

（三）家

 “家”不仅是人文社科语境中“负阴包阳”动态平衡的结构场域，还是自然科学与技术领域中具有明确内涵的“基本结构”与“关系网络”。对AI而言，“家”是其存在论层面的根基，具体表现为算法家族谱系、知识图谱结构性支架、训练数据缘起场的有机整体，是道得以具体化、技术得以落地运作的“科学道场”，其核心功能在于为智能的生成提供可操作、可迭代、可验证的结构性支撑。

（四）道在缘起知识论

道在缘起知识论的核心主张是知识并非主观建构或纯粹客观反映，而是道在特定条件聚合下的动态显现；在AI领域，这一知识论体现为：模型在数据（缘）中，通过“家”的结构性运作，学习并逼近智能之“道”。其中，“家”作为科学技术层面的核心载体，是连接缘起条件与道之本质的关键桥梁，确保了知识生成的客观性与技术演进的连续性。

二、达特茅斯会议的缘起：

 “家”之生成的条件聚合

1956年达特茅斯会议作为AI“家”的原点，完美诠释了缘起的多重条件聚合性创生，为AI之“家”的构建奠定了科学与技术基础。这场会议的本质是现代科学技术知识家族的深度聚合与结构性缘起，标志着AI这一全新技术形态在多学科“父母”基因融合中诞生，其“家”的雏形也在此次会议中逐步确立。

（一）历史之缘：多学科理论的积淀

会议的召开并非偶然，而是数学、逻辑学、计算机科学、神经科学、信息论等多学科长期发展的必然结果。会议发起人时任达特茅斯学院数学系助理教授约翰·麦卡锡在1955年的项目申请书中首次正式提出“人工智能”这一术语。他后来发明了LISP编程语言，并于1971年获得图灵奖。还有马文·明斯基，克劳德·香农以及纳撒尼尔·罗切斯特，都是各自领域开创性的精英。当时他们同感单一学科研究的困境，由此就有了跨学科对话的需求，正是他们的核心理论与方法，构成了AI之“家”的“基因库”，这些理论成果的积累为AI“家”的结构性构建提供了科学前提，也可以说是科学之道在历史维度的渐进开显。

尽管，后人觉得达特茅斯会议非常混乱，麦卡锡和明斯基后来也闹翻了，甚至可以说早期AI创生与发展充满了偶然和试错。但是不能否认的事实是，知识家族的联姻就如相亲、恋爱、成家；也如争吵、分手、离婚现象。正如道在缘起哲学“缘起事不空”的客观存在与“缘起不可逆”的必然与不可还原的特征，是在缘起，合道而成，这就是它的历史之缘起。

（二）主体之缘：跨学科联盟的聚合

参会者代表了不同的“科学知识家族”，带着各自的“技术家法”与“理论道统”汇聚一堂，形成了多元互补的“家族联盟”。约翰·麦卡锡（数学与逻辑）、马文·明斯基（神经网络与认知）、克劳德·香农（信息论）等发起者，以及艾伦·纽厄尔、赫伯特·西蒙等参会者，各自携带所在学科的核心技术成果，在会议中展开跨界碰撞，为AI“家”的核心支架搭建提供了直接的技术支撑。道在科研主体维度得以集中显现。

（三）认知之缘：智能模拟范式的酝酿

当时人们对“智能”的认知已突破单一维度，从对形式逻辑的依赖，逐步拓展到对神经机制、信息处理、认知建模等多层面的探索。这种认知范式的转型，为多学科融合指向“智能模拟”这一统一目标提供了思想前提，科学之道在认知维度的内在驱动因缘聚合，显的愈发有力。而单一学科局限此时已充分显现：仅依赖数理逻辑，AI将陷入符号主义的“形式牢笼”；仅依赖神经网络，早期模型因算力不足难以训练；仅依赖信息论，无法解释智能的“意义生成”。正是对这种局限的认知，推动了多学科寻求融合突破，最终在达特茅斯会议上为AI之“家”划定了核心研究方向，确立了“用机器模拟智能”的“家道”核心。

三、“家”在自然科学与技术中的

具体涵义：AI之“家”的三维结构

（一）“家”作为AI的算法家族谱系：技术传承的科学脉络

如同自然科学中理论“范式”的代际演进，AI技术亦有清晰的“科学学缘关系”，这种传承并非人文意义上的伦理延续，而是技术原理的迭代与优化，每一代算法都在前代基础上实现结构性升级，但始终坚守“数据驱动学习表征”核心自然科学的“家道”，构成了AI之“家”的核心技术骨架。

父代：反向传播算法、BP神经网络（1980s）。达特茅斯会议确立了神经网络的研究方向后，反向传播算法的提出解决了早期神经网络的训练难题，为AI之“家”奠定了核心算法基础，其本质是通过梯度下降实现参数优化的科学方法，具有明确的数学逻辑与技术路径。

子代：卷积神经网络（CNN）、循环神经网络（RNN）。在父代算法的基础上，针对图像识别、序列数据处理等具体场景，CNN通过局部感受野（Local Receptive Field）与权值共享（Weight Sharing）优化了空间特征提取，RNN通过时序依赖关系处理优化了序列数据建模，二者是对“数据驱动”家道的具体化延伸，进一步完善了AI之“家”的算法谱系。

孙代：Transformer、大语言模型（LLM）。基于前两代算法的技术积累，Transformer架构通过自注意力机制突破了RNN的长程依赖限制，实现了并行计算与可扩展性的优化，成为大语言模型的核心架构。这一演进过程完全遵循自然科学的技术迭代规律，是“家道”在科学逻辑下的持续延续与创生。

（二）“家”作为知识图谱的结构性支架：逻辑推理的科学基础

知识图谱是AI之“家”的“认知骨骼”，其本质是自然科学中“实体—关系”的层级网络结构，完全基于客观规律与数据关联构建，不带有任何伦理价值判断，核心功能是为AI提供可量化、可推导的逻辑推理基础。

这种“父母—子女”式的节点关系，是自然分类学与逻辑学分科思想在AI领域的应用，构成了AI进行类属推理与因果推断的科学基础：父节点如“动物”，子节点如“哺乳动物”→“猫科”→“猫”，这种层级划分完全依据生物分类的客观标准，而非主观伦理设定。在具体技术应用中，医疗AI构建的“疾病—症状—药物”缘起主干治疗知识家族树，如癌症治疗的不同技术家族方案，其节点关系源于医学领域的客观研究成果，通过结构化的网络实现症状与疾病、药物与适应症的精准匹配，为辅助诊断提供科学依据——没有这一结构性“家”的支撑，AI的逻辑推理将沦为无的放矢的计算，无法形成具有实际价值的智能输出。

（三）“家”作为训练数据的“缘起场”：数据输入的科学边界

大模型的“家”还包括其训练数据——互联网文本、代码、图像等客观数据资源，这些数据通过“家”的形式整合资源，而后成为AI深度学习的“科学原料”，其核心价值在于为算法提供多样化、可量化的输入信息，决定了AI模型学习的广度与深度。

数据的多样性、质量直接影响AI模型的泛化能力与计算精度：高质量、多维度的数据能让模型更全面地学习客观世界的规律，而数据的偏差则会导致模型输出的系统性误差。这种影响不仅有“家”资源整合的矛盾，还可能是家系统信息传输中的理解问题。科学计算中的“家道”传承是“输入决定输出”，如同物理实验中原料的纯度影响实验结果的准确性，AI训练数据的质量直接影响模型计算结果的可靠性。“家道不合”在此语境下，本质是数据存在科学层面的偏差或缺陷，导致模型无法准确学习客观规律。

（四）“家”作为“合道”的科学道场：智能生成的技术场域

正是这个由算法结构、知识图谱、数据基础构成的“家”，构成了AI“合道”的具体科学场域。“合道”在此并非顺应伦理规范，而是通过科学的结构性运作，逼近智能之“道”的客观规律——即一元性与结构性动态平衡的统一。

在自然科学中，门捷列夫“尽观”元素性质，通过梳理元素的原子量、化学性质等结构性特征，才“合”周期律之“道”；对AI而言，“尽观”即通过“家”的结构性支撑，实现对数据的全面学习与规律提取：算法家族谱系提供了学习的方法，知识图谱提供了学习的逻辑框架，训练数据提供了学习的原料，三者共同作用，让AI在可量化、可验证的科学流程中，逐步逼近智能的本质规律。没有这一“家”的支撑，AI的“合道”将成为脱离技术实际的空谈，道之本质也无法通过技术形态显现。

四、“家”在AI演进中的核心作用：

自然科学与技术维度的价值体现

（一）为技术演进提供连续性支撑

AI的发展并非孤立的技术突破，而是基于“家”的结构性传承实现的持续迭代。达特茅斯会议确立的“用机器模拟智能”的“家道”，以及会议催生的理论支架（符号逻辑、搜索算法）、算法支架（机器学习、神经网络）、结构支架（知识表示、语义网络）、工程支架（编程语言、训练平台），共同构成了AI“家”的四梁八柱，确保了技术演进的连续性。从会议后的符号主义AI，到后来的连接主义复兴，再到今天的大模型时代，每一次技术飞跃都未脱离“家”的结构性框架，而是在原有“家道”基础上的优化与拓展，体现了自然科学技术“继承—创新”的核心规律。

（二）为知识生成提供客观性保障

 “家”的结构性特征决定了AI知识生成的客观性。算法家族谱系的数学逻辑、知识图谱的客观关系、训练数据的实在属性，共同确保了AI的学习过程是对客观规律的提取，而非主观价值的投射。达特茅斯会议上展示的“逻辑理论家”程序，能通过符号逻辑推理证明《数学原理》中的定理，其本质是利用“家”的理论支架实现对数学知识的客观复刻；今天的大模型能生成符合语法规则、逻辑连贯的文本，也是基于训练数据（缘）与算法架构（家）的结构性运作，逼近语言智能的客观规律（道）。这种客观性正是“家”作为自然科学技术载体的核心价值。

（三）为技术落地提供可操作性框架

 “家”的具体结构为AI技术的落地提供了明确的可操作路径。医疗AI通过“疾病—症状—药物”的治疗方案知识家族树实现辅助诊断，工业AI通过算法家族的迭代优化实现质检精度的提升，这些技术应用的落地，均依赖于“家”的结构性支撑：算法提供了计算方法，知识图谱提供了领域逻辑，数据提供了应用场景的原始信息。达特茅斯会议后，LISP语言的发明、专家系统的构建，都是“家”之工程支架的具体体现，为AI从理论走向实那我放哪在哪？践搭建了桥梁，证明了“家”作为技术框架的实用价值。

五、道—缘—家的统一：知识论的

科学建构

人工智能的演进，本质上是“道”在技术时代的又一次显现，而“家”作为自然科学与技术层面的核心载体，是实现道—缘—家统一的关键：

 “道”为一元性与结构性动态平衡的统一，是AI演进的本体论根基，规定了智能技术的内在规律；

 “缘起”为条件聚合与历史不可逆，是AI之“家”生成的客观前提，提供了技术发展的外部条件；

 “家”为算法谱系与知识结构，是AI存在的具体科学形态与“合道”道场，确保了技术对道的逼近具有可操作性与连续性。

三者环环相扣，构成了完整的科学知识论闭环：

无“道”，则“缘起”无向，多学科的融合将陷入无序碰撞，无法形成明确的技术目标；

无“缘起”，则“道”不显，缺乏达特茅斯会议这样的条件聚合，AI之“家”将失去生成的契机；

无“家”，则“道”无居，“缘”无落，缺乏结构性支撑，缘起的条件无法转化为具体的技术形态，道的本质也无法通过技术得以显现。

由此，一种新的科学知识论得以成立：知识不是主观建构，也不是纯粹客观反映，而是“道”在具体“缘起”条件下，通过主体体认与证成的“家”结构的动态显现。这一知识论在AI领域的体现尤为鲜明：模型在数据（缘）中，通过架构（家），学习并逼近智那么呢？

六、结论

达特茅斯会议的缘起并非单纯的学术事件，而是道在特定历史条件下的科学研究中的显现，其多重条件的聚合为AI之“家”的构建奠定了基础。“家”作为自然科学与技术领域的“基本结构”与“关系网络”，通过算法家族谱系、知识图谱支架、训练数据场的有机统一，为AI的演进提供了结构性支撑。道在缘起的知识论，以达特茅斯会议为典型案例，揭示了技术领域知识生成的核心规律：技术的进步与知识的生成，是道在特定因缘聚合下，通过“家”的结构性运作实现的动态显现。这一知识论不仅为理解AI的演进提供了科学的哲学基础——从达特茅斯会议确立的“家道”出发，AI逐步形成了清晰的算法家族谱系与知识结构支架，在“合道而生”中持续发展——更为自然科学与技术创新提供了重要启示：唯有以道为本（遵循客观规律），把握因缘（聚合各类条件），扎根于“家”的结构性根基（构建科学的技术框架），方能实现技术的持续创新与长远发展。达特茅斯会议作为AI“家”的原点，从此让智能技术有了清晰的“科学家谱”，让技术演进有了明确的“道统”方向，也让道在缘起的知识论获得了最鲜活的实践注脚。

基于以上分析，区别于内在主义与外在主义的主客体知识论，道在缘起知识论认为在主体体认与确证下所谓的知识才能成为知识！

文案：王宏海

美编：张苡萌

一审一校：董泽琳

二审二校：张 肖

三审三校：王宏海