感知·理知·自我认知

本书要处理的中心问题是：当现代科学越来越擅长从物理过程、神经机制和信息加工解释认知时，人的感知、理解和自我认识是否能够被完全纳入这种说明？如果不能，剩下的部分是什么，它为何重要？

这个问题容易被误解成“哲学反对科学”。事实上，科学能够解释光线怎样进入眼睛、神经系统怎样处理刺激、记忆怎样参与识别，也能建立识别和预测能力惊人的人工系统。真正需要辨明的是：一种关于机制的解释，是否已经穷尽了被解释的现象？知道视觉系统如何运行，是否等于知道一个人看见了什么？机器能够正确分类，是否等于它以人的方式理解了分类对象？一个人能够描述自己的性格和欲望，是否就已经认识了自己？

陈嘉映把这些问题重新放回生活世界。认识不是悬空的计算，而是有身体、有历史、有语言、有目的的存在者与世界打交道的方式。感知、理知和自我认知不是三间彼此隔绝的房间：我们怎样感知，受到已有理解和现实关切的塑造；我们怎样理解，扎根于共享的生活经验；我们怎样认识自己，又离不开自己所处的世界以及与他人的关系。

因此，本书最终通向的仍是苏格拉底式的问题：人应当怎样生活？这里的“应当”不能由认知效率直接推出。一个系统可以更快地计算、更准确地识别，却不因此知道什么值得追求。人的位置也不能仅靠与机器比较能力高低来确定。若人的价值只是若干功能的领先，那么机器一旦在这些功能上胜出，人的意义就会随之消失。本书试图表明，理解人的关键不在于寻找一种机器永远赶不上的技能，而在于看清人的认识始终嵌在生活、意义与责任之中。

一种影响深远的认识图景，把感知理解成由低到高的加工过程：外部世界提供刺激，感觉器官接收材料，心灵或大脑把材料整理为对象，理性再从对象中抽象出概念和规律。按照这幅图景，感觉偏于被动、零散和主观，理性则主动、系统而普遍。知识越摆脱具体感受和个人处境，似乎就越可靠。

这幅图景有充分的历史理由。近代科学通过测量、实验和数学表达，把大量现象从日常经验中分离出来，建立了远比常识精确的知识。颜色可以联系到光的物理性质，声音可以联系到振动，感知可以联系到神经活动。科学之所以成功，恰恰因为它不满足于“我看见什么”“我感觉怎样”，而要寻找可重复、可检验、可量化的机制。

问题出在一种越界：从“科学能够说明感知的许多条件与机制”，跳到“感知不过是这些机制”；从“智能活动可以分解为若干可实现的功能”，跳到“理解不过是功能的总和”。前一种说法是研究成果，后一种说法则包含哲学判断。它改变了我们对现象的定义，却常常以为自己只是在补充事实。

日常语言保留了另一种图景。我们会说看见一棵树，也会说看出一个人的不安；会说听见一句话，也会说听懂它的意思；会说知道自己的年龄，却不轻易说已经彻底认识自己。这些差异提醒我们，感知不只是接收刺激，理解也不只是获得信息。我们感知的对象往往已经带着用途、情境和意义：熟练的木匠看到木料的纹理，司机看到路况的变化，朋友从语气里听出迟疑。物理刺激可以相近，所见所闻却因经验、能力和关切而不同。

现代人工智能进一步加剧了这个问题。机器在识别、计算、检索、生成和博弈等任务中表现突出，使“智能是什么”从抽象问题变成现实问题。然而，如果我们只用任务成绩定义智能，就很容易把人的理知也重新描述成一组可替代功能。于是，问题不再只是机器能否像人，而是我们是否已经先把人理解成了机器。

首先要区分感觉与感知。感觉可以指身体受到刺激时的某种状态，如疼痛、明暗或冷热；感知则通常指向世界中的事物和情形。疼痛似乎发生在我这里，而看见一扇门则指向我之外的对象。不过，两者并没有绝对边界。身体感觉同样会进入我们对环境的把握，感知外物也离不开身体的位置、能力和运动。

其次要区分感知与关于感知的科学说明。“我看见前方有人”属于行动者对世界的直接把握；光学、神经科学对这一过程的说明，则把感知事件作为研究对象。两者都可以真实，却处在不同说明层次。前者回答我看见了什么，后者回答这种能力依靠什么机制实现。把机制说明当成日常经验的替代品，会混淆问题；反过来，用日常经验否认机制研究，同样站不住脚。

再次要区分智能、理性与理知。智能常表现为解决问题、适应环境或完成任务的能力；理性偏重推理的一致性、理由的可陈述性；理知则不仅是形式推演，也包括对事理的把握。一个系统可能高效地找到答案，却不必拥有与人相同的理由结构和生活背景。人也可能明白一个道理，却因欲望、习惯或处境而不照此行动。能力、理由和生活中的领会不能简单合并。

第四，要区分知识与理解。知道一个事实，不一定理解它为何如此；掌握大量事实，也不必然形成恰当判断。理解要求把事物放进关系、背景与因果结构中，有时还要求知道它对行动意味着什么。知识可以被整理成清单，理解则常体现为能否看出轻重、关联和例外。

第五，要区分自我信息与自我认知。知道自己的年龄、履历、偏好，属于关于自己的信息；认识自己却包含对欲望、能力、局限和价值取向的辨认。自我认知还有一种特殊的实践性：当我承认自己怯懦、虚荣或不诚实时，这个认识会进入我此后的选择，甚至改变被认识的那个“我”。自我不像石头那样，在观察前后保持原样。

最后，要区分“如何发生”与“意味着什么”。神经科学可以研究决定如何形成，心理学可以研究偏差怎样影响选择，但一个决定是否正当、某种生活是否值得，并不能由机制描述直接得出。事实说明与价值判断彼此关联，却不能相互冒充。

概念	精确含义	与其他概念的关系	在全书中的作用
感知	有身体的行动者在具体处境中对事物和情形的直接把握	以感觉能力为条件，又受经验、语言与关切塑造	说明人与世界的联系并非始于抽象表象
理知	对事理、关系、理由和意义的领会	扎根于感知与生活经验，不等同于计算或形式推理	连接认识论问题与“如何生活”的问题
自我认知	人在行动、反省和关系中理解自己的欲望、能力与方向	需要借助他人和世界，并会反过来改变自己	揭示认识主体同时也是实践主体
意义	事物在语言、行动和生活关联中呈现的可理解性	不能脱离物理条件，却也不能由物理描述单独给出	标示科学机制说明与人的理解之间的层次差异
智能	解决问题、适应情境或完成任务的能力	可被部分功能化和技术化，但不自动等同于理知	用于审视人与人工系统的比较标准
生活世界	人实际行动、交往并赋予事物轻重缓急的共同世界	是感知、语言、理解与价值判断的背景	防止把认识者抽象成无处境的信息处理器

本书的论证起点，是对感知经验的重新描述。我们通常不是先接收无意义的色块、声音和触感，再逐项推断出对象。成熟的感知往往直接面向有意义的事物：我们看到的是杯子、行人、阴云和来车，而不是一堆等待解释的感觉材料。这不表示感知从不出错，也不表示神经加工不存在；它只说明，从人的经验层面看，感知天然具有对象性和情境性。

由此得到第一个中间结论：感知不是封闭在主体内部的私人材料，而是主体向世界敞开的一种方式。错觉和误认并不能证明我们永远只接触内部表象。恰恰因为通常能够感知事物，我们才可能说某次感知出了错。真假之分依赖人与共同世界的联系，而不是以彻底隔绝为前提。

第二步从感知进入理知。如果感知已经受到经验、能力和情境的组织，那么感知与理解之间就不是一道整齐的分界线。一个初学者和一个行家面对同一对象，所获得的并非完全相同的“纯感觉”加上不同判断。行家的训练已经进入他的看与听：医生从症状组合中看出危险，乐手听出节奏和音准的细微偏移。这种差别既不是单纯感觉器官的差别，也不只是事后加上的理论，而是理解沉入了感知。

然而，理知并不因此被降低为感知。它能够超越眼前情境，借助概念、语言和推论把分散经验组织起来，追问原因、理由和整体关联。问题只在于，理知不能把自己的根拔掉。概念若彻底离开使用它的生活，可能仍能进行形式运算，却不再保有原先的意义。

第三步考察科学知识。科学通过抽象和理想化，从具体经验中分离出可测量的变量，这是它的力量而非缺陷。哲学需要警惕的不是抽象本身，而是忘记抽象经过了选择。科学模型为了说明某类规律，会暂时忽略目的、价值和第一人称经验；模型取得成功，并不意味着被忽略的方面从此不存在。一个人的悲伤有生理条件，也可以被心理机制研究，但悲伤所指向的失落、关系和人生经历，并不会因为机制说明而自动消散。

第四步涉及机器智能。若把智能定义为完成特定任务的能力，那么机器显然可以具有智能，而且常能超过人。否认这一点只会把人的独特性寄托在不断后退的能力边界上。但从任务能力推到人的理解，需要额外前提：任务结果是否足以构成意义理解？符号之间的有效转换，是否等同于符号在生活中的使用？一个系统能否因为输出恰当，就被认定为具有与人相同的关切、责任和自我关系？

这里的谨慎结论不是“机器绝不可能理解”，而是现有的成功首先证明了许多认知任务可以被功能化，并没有自动解决理解的哲学问题。机器怎样具有理解，需要结合其是否拥有持续的世界关系、行动处境和理由结构来讨论，而不能只凭一项任务的表现下判决。

第五步转向自我认知。外部对象可以通过改变观察角度来获得更多信息，自我认知却不能仅靠向内观察完成。我们未必最清楚自己的动机，常常要从行动后果、长期选择和他人的反应中才看见自己。自我认识因此既有第一人称的不可替代性，也需要第三人称的校正。别人不能替我决定我珍视什么，但我对自己的叙述也并非天然可靠。

进一步说，自我认知是一种实践。认识到自己“是什么样的人”，往往同时包含“愿意成为什么样的人”。如果自我只是一组已经完成的心理事实，那么认识自己就只是测量；但人能够对欲望作出评价，能够因承诺而约束自己，也能够重新理解过去。自我认知由此通向伦理：它不只求一份准确画像，也追问哪种生活值得认同。

整条论证最终汇合为一个结论：人的认识活动统一在有意义的生活之中。感知使世界向我们呈现，理知使我们把握事理，自我认知使认识者反过来审视自己的位置和方向。三者能够分析地区分，却不能被切割为互不相干的模块。

本书主要依靠概念辨析、经验描述、科学讨论与思想比较，而不是用单一实验为整套主张提供决定性证明。理解其材料时，首先要分清各自承担的任务。

日常语言和生活经验用于揭示概念的实际边界。我们怎样使用“看见”“知道”“懂得”“认识自己”，能够表明这些词并不对应同一种心理加工。此类材料的长处，是让抽象理论接受日常实践的检验；其限度则在于，语言习惯并非不可修正，也不能仅凭词语用法裁决所有科学问题。

认知科学和人工智能的发展构成重要对照。它们展示感知、识别、推理等活动可以在多大程度上被机制化和功能化，也迫使哲学放弃把人的特殊性安置在某种神秘能力中的做法。但这些成果主要证明某类功能可以实现，至于功能实现是否穷尽意义和理解，仍需要概念论证。技术成就既不能被哲学轻率否认，也不能直接替代哲学判断。

历史性的讨论则用于呈现理知地位的变化。理性曾被视为人之高贵所在，现代社会又越来越把理知转化为专业知识、计算程序和技术能力。所谓理知的“落幕”，不宜理解为人类不再推理，而应理解为一种关于理知的崇高图景受到动摇：理知不再被普遍相信能够独自为生活确定方向。科学知识持续增长，价值方向却未因此自动清楚。

书中的例子和类比主要用于建立直觉，而不是构成严格证明。行家与新手之见、人与机器之别、知道自己与知道外物之别，能够帮助读者发现旧图景遗漏了什么，却不能单凭一个例子证明普遍结论。它们的真实作用，是把过于顺滑的理论重新变成问题。

因此，本书最有力的证据并非某组孤立数据，而是多层说明之间的相互校正：科学机制必须容纳真实的经验差异，经验描述不能拒绝可靠的科学成果，哲学概念则负责判断不同说明是否回答了同一个问题。

感知不是世界留下的内部副本

把感知想成复制，容易制造一个难题：如果我们直接接触的只是内部图像，又怎样知道图像与外部世界相符？本书提供的转向是，不必先假定一道主体与世界的高墙。感知本来就是有身体的生命与环境发生联系的能力。它会失败，但失败发生在一个通常可接近的共同世界中。

这一洞见改变了认识论的起点。问题不再是孤立心灵怎样逃出自身，而是具体的感知能力怎样在不同条件下成功或失灵。它同时保留了科学研究的位置：科学可以研究这种世界关系的生理和物理条件，却不必把关系本身重写成封闭表象。

理解能够进入我们的看与听

理解并不总是发生在感知之后。训练、语言和生活经历会改变什么对我们显著、什么能够被辨认。我们不是在同一份中性材料上添加不同解释，而是可能从一开始就看到不同的关联。

这个洞见有两面。一面是解放性的：教育不只是灌输结论，也是培养看见差异和关联的能力。另一面则要求警惕：成见同样能够进入感知。人可能把期待当成事实，把熟悉的类别强加给陌生对象。因此，“感知已经包含理解”并不保证感知正确，反而要求我们追问形成这种理解的经验和制度背景。

理知的力量来自抽象，也受限于抽象

抽象使人能够越过具体场景，发现稳定结构，建立科学理论和技术系统。但每一次抽象都选择某些方面、搁置另一些方面。模型越精确地回答特定问题，就越不应被无条件推广成对象的全部存在方式。

这一洞见反对两种对称的错误：一种因模型不完整而贬低科学，另一种因模型有效而把模型当成现实全貌。成熟的理知不是拒绝抽象，而是记得抽象的来路、目的和边界。

自我认知是一种承担

关于自己的陈述与关于普通对象的陈述不同。说“我总是逃避冲突”，既可能是事实概括，也可能成为推卸责任的借口；说“我重视诚实”，不只是报告一种心理偏好，还意味着愿意接受言行一致性的检验。自我描述会进入行动，因此自我认知带有承担性质。

这使“认识你自己”不再是搜集更多人格标签。真正困难的部分，是辨认哪些欲望值得认同，哪些习惯需要改变，自己愿意对哪些关系和承诺负责。认识自己不是找到一个藏在深处、永不变化的真我，而是在不自欺的条件下形成可以负责的自我理解。

人的意义不能由能力排行榜决定

人与机器比较时，我们习惯寻找人仍然占优的项目：创造、情感、语言或道德判断。但只要比赛规则是功能表现，这些边界就可能移动。更根本的问题是，为何一定要用领先项目证明人的意义？

人的生活包含出生、成长、依赖、承诺、失败、死亡以及对共同世界的责任。这些不是一组等待夺冠的技能，而是意义问题得以发生的处境。机器能力越强，我们越需要辨明何种任务可以委托、何种判断仍需由人承担，而不是急于宣布人类胜负。

这套思想首先能够解释，为什么科学知识和第一人称经验经常出现貌似冲突的描述。疼痛可以同时是神经过程和一个人正在承受的痛苦；颜色可以同时具有物理条件和经验样态。不同描述不必互相排除，因为它们可能回答不同问题。冲突往往不是由事实造成，而是由某一层说明宣称自己已经穷尽全部现象造成。

其次，它能解释专业训练为何改变感知。训练不只是增加知识库存，还会重新组织注意和显著性，使人看出原先看不出的结构。这比“大家接收相同材料，只在事后解释不同”的模型更贴近日常经验。

再次，它帮助澄清人工智能争论。机器是否有智能，并非只能回答“有”或“没有”；更有意义的是追问所说的智能是哪一种能力，它如何实现，与理解、理由、责任和自我关系有何联系。这样既能承认技术成果，也能避免用单一指标取消概念差异。

最后，它说明了为什么自我认识不能由测评、数据和标签代替。外部工具能够提供镜子，揭示行为模式，却不能替一个人决定该认同什么、承担什么。自我认知的困难，不只是信息不足，而是认识者与被认识者是同一个正在生活、选择并改变的人。

一种竞争性解释是还原论。它认为，既然感知和思考依赖大脑，那么随着神经科学发展，经验和理解终将被完整说明。还原论的优势在于追求机制统一，能够提出可检验问题，避免用含混的“心灵”掩盖无知。但它常把“依赖于”推进为“等同于”。即使所有心理活动都有神经条件，也不意味着神经词汇能够取代关于理由、意义和责任的词汇。

另一种立场是功能主义：只要一个系统实现了恰当的输入、内部关系与输出，它由何种材料构成并不重要。功能主义特别适合解释人工系统为何能够拥有真正的任务能力，也避免把智能神秘化。它的困难在于，功能应当怎样划定。如果功能定义得足够丰富，生活背景、持续交往和自我修正也可以被纳入；如果功能只等于局部任务表现，那么它对理解的说明就可能过于单薄。争论的焦点不是机器由硅还是碳构成，而是完整的理解究竟需要何种关系结构。

第三种相邻立场强调纯粹内省，认为自我比外部世界更直接、更确定。它抓住了第一人称经验的特殊性：别人不能代替我感到疼痛，也不能完全替我陈述自己的理由。但人会自欺，会误解动机，也会事后编造连贯叙事。自我认知既不能取消第一人称权威，也不能把它变成绝对无误。较合理的看法，是让自我陈述、实际行动和他人反馈彼此校正。

还有一种浪漫主义式反应，把感知、身体和生活理解为天然真实，把理性、科学和技术视为异化来源。这种立场能够提醒我们关注被量化遗漏的经验，却容易把“未经反思”误当成“未被扭曲”。感受会受偏见影响，传统生活也并非天然正当。陈嘉映的思路更接近对理知的重新定位：理知需要承认自己的根和边界，但人仍需要借助它辨别感受、批评习俗并理解世界。

这套论述的首要边界，是概念分析不能替代经验科学。说明“感知”在日常语言中的用法，不能直接裁决大脑怎样实现视觉，也不能预测人工系统将发展出何种能力。哲学可以要求科学家不要混淆说明层次，却不能凭这种要求预先限制科学发现。

第二，生活世界并非天然统一。不同文化、职业和群体对同一事物的感知与理解可能明显不同。若强调共享背景而忽略冲突，就可能把某个群体的生活方式误写成普遍人性。共同世界不是现成的一致意见，而是人们能够争论、校正和共同承担后果的场域。

第三，感知包含理解，并不意味着所有感知都深受语言决定。婴儿和动物具有丰富的感知能力，许多辨别也发生在无法清楚言说的层面。因此，不能把“理解进入感知”夸大成“没有语言就没有世界”。更稳妥的说法是，人的成熟感知会受到语言与实践塑造，但这种塑造建立在更基本的身体能力之上。

第四，对机器理解的谨慎也不应变成以当前技术形态规定未来。若一种人工系统能够持续行动、形成自身与环境的历史、参与社会规范并对理由作出稳定回应，我们可能需要重新讨论“理解”的边界。哲学区分应保持开放，而不是把概念做成人类特权的围墙。

第五，自我认知的实践性可能被滥用。人固然能够改变自己，却并非所有限制都能靠反省克服。身体条件、经济处境、社会结构和历史创伤会真实限制选择。把“成为自己”说成纯粹个人工程，容易让人独自承担结构性问题的责任。

一个重要反例来自自动化的熟练行动。人在许多时候并不陈述理由，也能准确行动，这似乎削弱了理知与意义的联系。但它更可能说明，理解不总以显性的命题形式存在；长期训练可以把判断沉入身体和习惯。真正需要继续追问的是：这种行动能否在情境变化时作出调整，能否说明和修正自己的规范。

面对算法推荐，我们可以借本书追问：系统预测“我会点击什么”，是否等于它认识我？点击记录确实揭示行为倾向，却未必等于我愿意认同的欲望。预测越准确，越需要区分实际偏好、即时冲动与经过反省的价值选择。算法可以成为自我认识的镜子，也可能通过持续供给反过来塑造被预测的自我。

在教育中，这套区分提醒我们，知识传递不只是把结论装进头脑。真正的学习会改变学生看问题的方式，使他能辨认证据、关系和例外。但“培养眼光”也可能退化成让学生复制权威视角。教育的判断标准不应只是学生是否看到了教师所见，还包括他能否说明理由、接受反例并修正自己的观察。

在工作与自动化领域，机器替代某些任务不必被描述成人的整体贬值。更值得讨论的是，任务拆分以后，谁理解工作的整体目的，谁承担错误后果，谁有权修改目标。效率改进是真实收益，却不会自动回答工作应当服务于什么生活。

在公共决策中，数据模型能够提供不可缺少的预测和比较，但模型选择哪些指标，本身包含价值判断。把可测量性当成重要性的唯一标准，会使难以量化的尊严、信任和长期影响退出视野。反过来，仅凭个人感受拒绝数据，也会让决策失去校正。较好的做法是公开模型边界，并让经验、证据和价值理由在各自层面接受讨论。

1. 当一种理论说它“解释了”某个现象时，它解释的是发生机制、行为功能、主观经验，还是社会意义？这些层次是否被混在了一起？
2. 某个概念指的是能力、过程、结果还是评价标准？例如“智能”究竟表示能完成任务，还是能理解理由？
3. 一项研究证明的是相关关系、必要条件、实现机制，还是充分原因？结论有没有跨过证据能够支持的范围？
4. 一个模型为了获得清晰性，抽掉了哪些具体条件？这些被忽略的条件在何种情况下会重新变得关键？
5. 当人们说机器“像人”或“不像人”时，比较的是哪一种能力？为什么选择这一指标，它是否足以支撑关于人的整体结论？
6. 关于自己的判断来自即时感受、自我叙述、长期行动，还是他人反馈？这些来源发生冲突时，应如何相互校正？
7. 一个看似个人的选择，在多大程度上由身体、关系、制度和历史处境塑造？承认条件限制后，个人仍需承担什么责任？

• 问题
  • 科学与技术能够说明越来越多的认知功能
  • 机制说明是否已经穷尽感知、理解与自我认识
  • 人的价值能否由认知能力的比较确定
• 关键区分
  • 感觉不等于感知
  • 感知经验不等于感知机制
  • 智能不等于理知
  • 知识不等于理解
  • 自我信息不等于自我认知
  • 事实说明不等于价值判断
• 核心概念
  • 感知：人与世界的直接联系
  • 理知：对事理、理由和意义的领会
  • 自我认知：在行动与反省中形成的自我理解
  • 意义：事物在生活关联中的可理解性
  • 生活世界：感知、语言和价值判断的共同背景
• 论证
  • 感知天然指向世界中的事物与情形
  • 经验、能力和关切进入人的感知
  • 理知扎根于感知，又能借概念超越眼前情境
  • 科学抽象提供强大解释，但不自动构成现象全貌
  • 任务能力可以技术化，意义理解仍需单独论证
  • 自我认知会改变认识者，因此具有实践和伦理性质
• 材料
  • 日常语言用于辨明概念边界
  • 生活经验用于呈现感知和理解的实际结构
  • 认知科学用于说明机制与功能
  • 人工智能用于检验“智能”“理解”和“人”的定义
  • 历史视野用于说明理知地位的变化
• 洞见
  • 感知不是封闭主体内部的世界副本
  • 理解能够进入我们的看与听
  • 抽象既构成理知的力量，也规定其边界
  • 自我认知不是画像，而是一种承担
  • 人的意义不由能力排行榜决定
• 边界
  • 概念分析不能替代经验研究
  • 生活世界内部存在文化与权力差异
  • 感知受语言塑造，不等于完全由语言制造
  • 机器理解的问题应向新的事实保持开放
  • 自我形成受到身体条件与社会结构限制
• 最终指向
  • 连着感觉来理解世界
  • 连着世界与他人来认识自己
  • 连着自我认识追问何种生活值得承担