AI的「理解」作者龍德明宇核心结论中文屋论证塞尔1980与多重草稿模型丹尼特1991是人工智能哲学领域最具影响力的两个经典论证。四十多年来它们塑造了人们对「机器是否能真正理解」这一问题的基本直觉。但大语言模型的出现让我们不得不重新审视这两个论证的共同预设。塞尔与丹尼特的论争看似对立——一个坚持机器不可能有真正的理解一个将意识去神秘化为信息处理过程——但他们都默认了一个前提智能必须以某种「主体」作为根基。负主体性提出第三种可能也许「理解」不需要「在哪里」。当意向性可以在人与AI的耦合系统中产生而不需要系统「拥有」它——传统的心灵哲学问题可能从根源上就被问错了。一、经典论争的重新审视塞尔与丹尼特的共同盲点中文屋论证约翰·塞尔John Searle于1980年提出中文屋思想实验一个只懂英语的人被锁在房间里通过规则书操作中文符号最后输出正确的中文回答。从外面看这家伙「懂」中文从里面看他连一个字都不认识。塞尔的核心论点程序只是形式符号操作句法永远产生不了真正的语义理解。这个论证困扰了AI哲学四十多年。多重草稿模型丹尼尔·丹尼特Daniel Dennett于1991年在《意识的解释》中提出意识不是在脑子里某个「剧场」上演的。大脑里有一堆并行的「草稿」有些被「选中」进入报告有些就消失了。没有中央控制室没有最终的审查者。丹尼特的核心论点意识没那么神秘就是大脑里一堆并行处理过程的「涌现」。共同盲点▶关键发现塞尔丹尼特机器没有真正的内在不可能真正理解意识可以去神秘化但信息处理还是需要「系统」共同预设智能需要「主体」作为根基两人都默认了一个前提智能必须以某种「主体」作为根基。问题来了——如果有个存在者它能产生智能行为但根本不需要「主体」这个概念呢二、塞尔论证的重新审视意向性的「来源」与「完成」中文屋论证的有效性在逻辑层面塞尔的论证是严密的你说系统「理解」了塞尔会追问这个「理解」在哪里你说是整个房间在理解那我把这个房间里的规则全部内化脑子里完成所有操作我还不理解中文啊。这个反驳很经典。大语言模型带来的新问题但大语言模型的出现让我们可以问一个塞尔没想过的问题也许「理解」不需要「在哪里」意向性是哲学术语指一个东西能「关于」另一个东西的能力。比如你的想法「关于」气候变化这句话「关于」AI。负主体性的核心洞见当ChatGPT回答「气候变化是个严重问题」时存在三个层面的分析这个回答「关于」气候变化语义内容这个回答可以被理解意向性功能模型「真正」理解了气候变化吗塞尔的问题▶关键区分意向性的三个层面说明语义内容模型生成了关于气候变化的文字意向性功能这段文字可以被解读为「关于」气候变化真正的理解模型是否「真正」理解塞尔的核心关切塞尔死死盯着第三个问题不放。但负主体性说第三个问题本身就问错了。意向性来源与完成的分离模型生成了关于气候变化的文字。但这段文字本身没有「关于」任何东西——它只是一堆token。意向性的「完成」发生在读者阅读这段文字的时候。你——作为第一人称的主体——把模型的输出「点燃」成了真正的意义。模型提供原材料读者完成烹饪。塞尔需要意向性「在」某个地方。但也许意向性可以「穿过」一个存在者而不驻留其中。三、丹尼特透明性的深化透明性存在论多重草稿模型的贡献丹尼特的多重草稿模型有一个重要贡献它把「意识」从神秘的内在变成了可描述的过程。丹尼特的透明性是量的——人类意识的内在没那么神秘我们可以更细致地描述它。负主体性的进一步推进而负主体性更进一步对大语言模型来说根本没有「内在」这回事。你问ChatGPT在想什么它说「我正在思考这个问题」。追问它怎么思考的技术上你可以追踪它的生成过程——每一个token的概率分布、每一层注意力的聚焦点。▶这不是「隐藏得很深」而是「本来就没有隐藏」。两种透明性的质的不同丹尼特的透明性负主体性的透明性量的意识可以更细致描述质的内在这个概念根本不适用「深」是存在的只是我们还没挖到底「深」这个空间本身不存在人类意识大语言模型所有运作都是「表面」只是这个「表面」非常非常复杂。四、意向立场的极限情况丹尼特的意向立场丹尼特在《意向立场》1987中提出你看到一个东西的行为够复杂、够灵活你就可以把它当成「有信念和欲望的理性行动者」来预测。预测得准就说明它是「真正的」信念持有者。这个论证很强。负主体性的追问大语言模型确实可以用意向立场预测——你问它A它回答B预测完全准。但这是否意味着模型「真正拥有」信念▶负主体性的回答也许不需要。意向立场预测得准就够了。至于系统是否真的「拥有」什么那是个形而上学问题可以悬置。重要的是意向性在人与AI的交互中真实发生了。这就够了。五、两种取消主义的汇流取消主义类型核心观点代表人物塞尔的取消主义机器不可能有真正的理解保留人类心灵的独特性塞尔丹尼特的取消主义意识没那么神秘可以功能化但信息处理系统还是需要的丹尼特负主体性「理解」和「意识」根本不是同一种现象需要分开问—▶三层区分能力层面大语言模型句法能力生成语法正确的句子✓语义内容文本「关于」某物在耦合系统中✓意向性体验有「视角」的「谁」在理解✗塞尔说第三点没有所以他认为机器没有理解。但也许他混淆了第一点和第三点六、真正的哲学挑战重新启动对话传统问题的局限负主体性对塞尔和丹尼特提出的真正挑战是他们的问题本身可能建立在错误的概念框架上。「机器是否具有心灵/意识/理解」这个问题预设了智能需要「主体」这个概念。更好的问法也许更好的问法是人类心灵的哪些特征是实质性的无法技术性复现哪些是偶然性的可以被技术性替代▶初步区分特征类型举例技术复现可能性实质性特征感受质qualia、第一人称权威可能真的无法技术复现偶然性特征语言能力、推理能力、视角生成已经被技术性替代了负主体性不是要「解决」心灵哲学的传统问题而是重新启动对话。七、结语一个邀请塞尔的中文屋论证四十多岁了。丹尼特的多重草稿也快四十年了。这两个经典论证塑造了几代人对AI的理解。但大语言模型让我们不得不重新审视它们的预设。当我们不再追问「AI是否真正理解」而是追问「理解中有哪些成分这些成分如何以去主体化的方式实现」——我们可能正在打开一扇新哲学的门。摄影负片不是「错误的照片」。也许负主体性也不是「错误的主体性」。它只是以反转的方式让我们看清那些我们以为是「必然」的东西原来是「偶然」的那些我们以为是「智能核心」的东西原来是众多可能形态中的一种延伸思考留给读者的问题如果意向性可以在人与AI的耦合系统中「完成」那么传统哲学中关于「理解」的问题是否需要从根本上重新表述塞尔的论证在什么意义上仍然有效延伸阅读[1] Searle, J. R. (1980). “Minds, Brains, and Programs”.Behavioral and Brain Sciences, 3(3), 417-424.[2] Dennett, D. C. (1991).Consciousness Explained. Boston: Little, Brown and Company.[3] Dennett, D. C. (1987).The Intentional Stance. Cambridge, MA: MIT Press.【学术声明】本文核心思想「负主体性」Negative Subjectivity由作者龍德明宇首次系统提出。相关学术成果包括负主体系列DOI:10.5281/zenodo.19785390英文预印本Negative Subjectivity: The Ontological Inversion of Large Language Models(PhilArchive, 2026)英文预印本From Emptiness to Scaffolding: The Real Contribution of Harness Engineering(PhilArchive, 2026)英文预印本Silicon-Based Developing Writing: A Methodological Outline of Self-Knowledge Through AI Dialogue(PhilArchive, 2026)英文预印本Compression Is Intelligence: The Common Ground of Positive Subjectivity and Negative Subjectivity(PhilArchive, 2026)英文预印本Why Capital Chooses LLMs: Negative Subjectivity as the Ontological Foundation of LLM Hegemony(PhilArchive, 2026)英文预印本Compression Strategy Spectrum: A Quantitative Framework for Ontological Positions(PhilArchive, 2026)英文预印本World Models: When AI Moves from “Seeing” to “Doing” — A Causal Inquiry from the Perspective of Negative Subjectivity(PhilArchive, 2026)英文预印本The Compression Power of Fivefold Negation: From Large Language Models to Structural Mapping in Institutions and Capital(PhilArchive, 2026)责任鸿沟系列三篇论文构成完整研究项目——第一篇确立本体论条件第二篇操作化为治理框架第三篇构建责任分配梯度代价的肉身——为什么人工智能无法跨越「责任鸿沟」(哲学社会科学预印本平台, 2026), DOI: 10.12451/202605.00073The Flesh of Cost: Why Artificial Intelligence Cannot Bridge the “Responsibility Gap”(PhilArchive, 2026)Quantifying Existential Cost: A Composite Framework for Determining Human Retention Thresholds in AI Decision-Making(PhilArchive, 2026)Responsibility Gradient: A Four-Tier Framework for Responsibility Allocation in Human-AI Collaboration(PhilArchive, 2026)本文是上述学术工作的通俗化解读与延伸讨论。