超越大語言模型:物導向哲學路徑下的意義生成*

鄭保章,付曉婧

(大連理工大學 人文學院,遼寧 大連 116024)

一、引 言

目前,大語言模型(large language models,LLMs)已能完成復雜的自然語言處理任務,如語言翻譯、情感分析、問題回答和文本生成等,這意味著一些需要人類的原創性工作可能被人工智能替代。但機器的創造可以替代人類創造嗎?人類創造并非只是冗雜負累的工作生產,而是人類主體自由的體現,是人類意義世界的基礎。因此,這一問題不僅涉及實然性問題(即基于概率計算或元素重組等底層邏輯的智能生成能否媲美人類創造),更涉及應然性問題(即機器的智能生成會給人的意義世界帶來何種影響,人類能否依賴于它。若不能,人類何以超越大語言模型的生成邏輯,維護自身意義世界)。

從實然性方面看,大語言模型目前展現的生成能力已在生成分析預測、識別模擬、多模態數據生成等方面表現卓越。如DeepMind的AlphaFold預測了超百萬物種的2億多蛋白質結構[1],GPT-4被訓練生成文本和圖像雙模態。正如Sonya Huang、Pat Grady與大語言模型GPT-3合作的文章中所寫:“一種強大的新型大語言模型使機器能以可信的、有時甚至是超人類的結果進行書寫、編碼、繪制和創造?！盵2]然而,仍有相當多的人對大語言模型的生成能力保持質疑,此類質疑敏銳地指出了生成問題與“思考世界”“生成解釋”的關聯。如本德(Emily Bender)、格布魯(Timnit Gebru)等指出,大語言模型是“隨機鸚鵡”[3],它們只是在模仿文本,而不是思考世界。另有學者認為大語言模型不理解語言,它只是語料庫模型[4]。喬姆斯基(Noam Chomsky)的“普遍語法理論”(universal grammar)可為此提供支持。這一理論堅持人先天被賦予一種普遍語法,即生成復雜語句和連貫思維的能力,它尋求的不是統計數據間的粗暴關聯,而是生成解釋。但上述質疑并不能從實然性方面否認大語言模型的生成能力,因為大語言模型通過語料學習到的可能不止數據組合的概率那么簡單。如肯尼斯(Kenneth Li)等人就以棋盤游戲走法訓練大語言模型,發現其似乎自行建立了棋盤方格的內部模型。認知哲學家查爾莫斯(David J. Chalmers)由此推論:“大語言模型通過訓練,以減少字符串匹配的預測誤差,這中間可能需要各種其他過程,包括對世界進行抽象處理?！盵5]同時,大語言模型可利用推理算法如整數線性規劃法(integer linear programming,ILP)、馬爾可夫邏輯網絡法(Markov logic network,MLN)和神經網絡算法如記憶網絡法進行簡單的邏輯解釋[6]。所以,從實然性角度看,大語言模型并非完全不可能思考世界或是進行解釋。但問題不是那么簡單,“思考世界”包括思考抽象世界或生活世界,“生成解釋”又涉及生成邏輯解釋和意義闡釋。大語言模型雖然可以從大量人類文本中找尋邏輯,并構建抽象世界模型,但它無法像人類一般全心投入生活世界,并為此種生存構造意義。從應然性角度出發,機器的智能生成實則貶低了人賴以生存的意義世界。

二、意義之闕如:大語言模型底層技術的生成局限

人的現實生存需要意義,以此生成一層關系之網確證自身在世界中的位置,而這種關系又需要某種“超越”的外部之物作為支撐。大語言模型對人類意義世界的貶斥是雙重的,一方面它脫離了“物”,進一步切斷了人與萬物、人與世界的關聯;另一方面其生成邏輯將自身封閉于現有范式內,從而喪失了“超越”之維。

(一)大語言模型符號表征下的“物”的退隱

無論是大語言模型所處理的自然語言,還是其轉碼后生成的程序語言,究其本質都是對物(包括實在物、現象或事件)的符號表征,但符號顯然不是物本身,事實上回溯人類符號語言的發展史,我們看到的是詞與物不斷分離、物不斷隱退的過程。大語言模型所輸出的語言,實則是符號抽象化的最大體現,符碼在復雜的智能系統中自行運轉輸出文本、圖像,而這一切并非對自然物的模擬,而只是對人類文本符號的再度符號化。符號脫離了人與物,從而構成一個懸浮的能指鏈?；仡櫲祟惙栒Z言的發展史,一個很明顯的特點是,最初的符號建立在它與物的相似性之上。?？略凇对~與物》中總結了四種相似性:適合、仿效、類推和交感[7]?！斑m合”指物之間的鄰近,事物在關聯中屬性相通;“仿效”指不受位置約束的契合;“類推”微妙地聯結了前面兩種相似性,事物間的適合被仿效,拓展出無數的關系;“交感”是一種同一性力量,使事物間相互吸引,性質逐漸趨同。人們根據這些相似性構建符號秩序,試圖把握物與物之間的關聯,因而,符號實則只是在標示事物間的關聯,其對事物的代指消弭了物本身而轉向了物之間的關聯。然而,這種關聯是絕對客觀的嗎?為何要構建這種關聯?威廉·弗盧瑟(Vilém Flusser)從生存主義的維度提供了一種解釋:“符號像一種假設,是人類為尋找意義而人為構造的體系?！盵8]75如果符號的設定是為了塑造意義,那它當然不是絕對客觀的,它圍繞著主體視域展開,體現著人之意圖。但這同時存在一種辯證關系,人們通過符號確認自身在世界中的位置,而符號系統又只是因人而存在,那么,符號系統實則在人與現實事物之間樹立了一層隔膜。從這一角度出發,簡單回顧人類符號語言轉變之過程大致為:從原始圖像、自然語言到書面文字,再到機器轉碼所輸出的文本圖像。最初原始圖像根據相似性對自然事物進行模擬表征。文字語言使符號進一步抽象化,并以線性的謂詞邏輯將之關聯起來,原來對相似性的模擬變成了根據邏輯規則的形式推演,由此線性的因果邏輯被權威化,符號間的形式關聯受到重視,而符號與事物間的代指關系被漠視。再到機器代碼通過將自然語言解碼重新編碼,以至于符號進一步抽象化,如此一來,人與物之間的隔膜愈漸厚重。顯然,符號所顯現的世界,以及語言所言說的世界,從來都是對物的閹割。但人們最初符號化的目的是試圖為自身生活編織一層意義之網,即通過符號把握自身與世界的關系,在最初詞與物的切近中,總有源自物的維度為這種關系提供支撐。當物被抽離,這層意義之網就變得極為脆弱。據此,大語言模型似乎是符號抽象化的激進版本,它進一步隔離了人與物,使得人與世界的關系陌生化,正如周豐所說:“每一種陌生化形式在馴化了人們的感知并被人們習以為常后,還會有新的陌生化形式出現?！盵9]這種陌生化消磨著人們理解世界的支點,沖擊著人類的意義世界。

(二)大語言模型底層邏輯下的“超越”之維的缺失

人工智能發展到大語言模型的過程并非一蹴而就,從數符計算到統計概率以及神經網絡和強化學習,其底層技術被不斷調整,同時也反映出不同的哲學立場。一方面,以數符計算實現智能機器的路徑很早就被提出。如哲學家萊布尼茨就曾提出“通用語言”(universal language)的設想,即創造一套能表達思想及事物的符號系統,借助符號從而演算推導出各種知識。之后,希爾伯特(David Hilbert)提出了“判定性問題”(entscheidungs problem),即是否存在一系列有限的程序步驟,可判定任意一個給定形式化命題的真假。圖靈由此將計算與智能關聯起來,進而在其1950年發表的著名的《計算機器與智能》(ComputingMachineryandIntelligence)[10]一文中,提出讓計算機器模擬人的思維的設想。然而這涉及兩個主要問題:其一,將各種任務轉化為計算式描述是困難的;其二,數學直覺的不可或缺性以及算法不完全,即人心的形式化思維超出有窮機器的能力,同時還存在一些人心不能判定的數論問題。另一方面,有一條可歸結為經驗主義路徑。經驗主義放棄了數符計算所要求的確定性,將知識的來源歸結為一般感性經驗,從而更靈活地依循不確定的感性經驗進行決斷。將經驗主義路徑落實于技術層面主要依靠兩個底層理論,即貝葉斯概率論和控制論。先談概率論。經驗主義的機器智能其實質是在擬合數據和概率分布曲線,它遵循的是概率論。著名的“休謨問題”曾對因果關聯的必然性提出質疑:因果推理的基本形式是“若A,則B”,然而過去有限的經驗顯然不足以推證未來事件的發生,這涉及歸納的合理性問題。因果聯系雖不是必然,但由果溯因、由因推果往往是人們的思維慣性,人們信任這種思維并將之視為現實生活的常識基礎。貝葉斯(Thomas Bayes)看到了因果關聯的現實性,以概率論將休謨斬斷的因果再度連接。貝葉斯推理是一種對概率進行估計的概率推理形式[11],它可作為由果推因的數學工具。簡單而言就是,“若A,則X%可能為B”,在A的情況下,根據概率X推導可能性最大的B,這就是目前流行的大語言模型的主要輸出原理。再說控制論,控制論可謂系統工程的重要理論基礎,維納(Norbert Wiener)等人最早在《行為、目的和目的論》(Behavior,PurposeandTeleology)中將控制看作一種目的和行為反饋調節的系統循環,這一理論提供了一條實現機器智能的自動化路徑,即通過嘗試、測試和調整操作而以類似人類的方式執行任務。目前大語言模型基于的核心技術——神經網絡和強化學習,體現了控制論在技術應用上的優勢[12]。神經網絡指的是許多非線性映射函數的多層加權組合。這些組合的權重最初是隨機設置的,通過不斷調整加權系數,使得神經網絡擬合特定的函數映射[13]。強化學習則定義了智能機器可能的狀態和動作集,然后設定獎勵函數。機器會使用一些相對簡單的規則來探索不同系列動作的獎勵,據此更新機器動作策略,直到完成任務。目前,大語言模型的優越性恰恰顯示出經驗主義路徑的優勢。

但是,無論是計算路徑還是經驗路徑,以大語言模型為代表的機器在智能生成上都存在著很大的局限性。前者必須將特定任務標示為機器可以理解的通用語言,這需要大量人類工作,同時還存在算法不完全性問題。后者減少了人類的參與,其決策能力依循的是經驗概率與獎勵函數,通過對大量數據的學習而自動迭代進化,從而放棄了對確定性的執著,靈活地模擬人的經驗決策,甚至依照人類期望發現人類未曾發現的“知識”,例如前文提到的DeepMind的AlphaFold成功預測超百萬物種的2億多蛋白質結構。但是,這種“知識”依然受限于算法底層設計與人類期望,無法打破現有范式,因而不具備根本的“超越”性。如果說,計算路徑類似于柏拉圖哲學執著于理念世界,執著于第一原理的確定與永恒,經驗路徑就類似于現代哲學從理念世界轉向了經驗世界,確定性的大廈已轟然崩塌,一切知識只在或然關系中被建構,但現實的人走的卻更像是現象學超越論的道路,緣此道路而求索的是世界可理解性的條件,從而是開放的、追求意義和“超越”的。

三、“超越”之困境:大語言模型相關主義預設的隱含矛盾

事實上,大語言模型哲學立場的根本癥結就在于,它在對相關主義的基礎預設激進化演繹的同時,也暴露出其內在的局限性。一方面,大語言模型以“相關主義循環”的方式將自身封閉于字面主義的符號表征與經驗主義的現有范式內,使“超越”之維不再可能。另一方面,大語言模型智能生成功能對現實架構的滲透性影響超出相關主義的可理解范疇,這必將沖擊長久以來人類從單一主體視域出發建構的意義世界。

(一)相關主義循環:大語言模型基礎預設的封閉性

重提“超越”之物是件很難的事。古希臘語前綴“meta-”本有“超越”之義,因而“metaphysics”(形而上學)通常被視作超出物理世界的科學。古代西方哲學圍繞著形而上學展開,但隨著古典哲學的認識論轉向,形而上學被視為神秘主義濫調被丟棄,“超越”之維因被視為主體無法思及之處而被避而不談。梅亞蘇(Quentin Meillassoux)將這種轉向后的哲學統稱為“相關主義”(corrélationisme)。相關主義的癥結在于,它使得主體性與客體性作為相互獨立的兩個領域來進行思考的方法是無效的?！啊嚓P主義式的我思’將思考封閉在與存在的相互關系之中,不過是思考與自身的關系上覆蓋著的偽裝而已”[14],其思想總是內在于現實和反思之中,無法突破性地把握外部。這種哲學雖不會武斷認定物自體不存在,但它不再談及物自體的任何事。它以一種“相關主義循環”(cerclecorrélationne)的方式將自身立于不敗之地,因而當我們在思考某物時,依賴一種主客相關式的思考,無論是“思考能思與所思間的相關性(現象學),還是思考語言與所指物間的相關性(分析哲學)”[15]。如此,思維與語言正是“相關主義”的鎖鏈,任何事物只能經由思維或語言被表征出來。更準確地說,我們只是被思維或語言表征之物包圍,只能在“相關主義”內部,而真正的外部實則成為了對我們而言永遠封閉的外部。既然外部已經不再可能,“超越”也不再可能。

人們是站在相關主義的哲學立場去構建大語言模型的,由于只有被納入邏輯和語言內之物才是可思維的,因此人們試圖讓大語言模型學習語言并模擬邏輯思維。這種模擬使大語言模型逐漸走向可集成多場景的復雜生成任務的通用人工智能(artificial general intelligence)。在微軟發布的論文中,研究者對OpenAI開發的多模態大語言模型(GPT-4的早期版本)進行了能力測評,他們指出GPT-4在各種領域和任務上表現出了卓越的能力,包括抽象、視覺、編碼、數學、醫學、法律、理解人類的動機和情感等[16]?；蛟S在廣泛的任務范圍內,大語言模型可以達到或優于人類水平。但大語言模型所借助的符號表征是高度簡化的,它只是借用可字面化的屬性去描述物。試著想象一下大語言模型如何描述一顆星星:距地球約X光年,直徑Y公里,表面溫度N攝氏度,或者將之描述為感覺屬性,如發出藍綠光芒、地表粗糙等。但現象學已經指出,上述描述不過是一些性質而非物本身,事物會側顯出不同的性質,但其自身總有一個不變的物的內核,就像我們從不同角度觀察杯子,卻不會大費周折地思考“此刻的杯子與轉動前的杯子有80%的相似,根據這種相似它們可以被泛稱為同一個杯子”?，F象學實際上已經告訴了我們感覺物與其感覺性質間的區別,符號永遠缺乏物的依附,換言之,它只看到前景而忽視背景。一種忽視背景的生成不具有根本的創造性,這是由于它無法突破現有范式。

(二)視域局限:相關主義預設與不可解釋性

大語言模型哲學預設真正的吊詭之處在于,人們以相關主義構建它,卻無法站在相關主義的立場上解釋它。早在20世紀威廉·弗盧瑟分析現代傳播結構時,便從側面揭示了人與機器的深層矛盾。他指出:“在以科學和技術為主題的樹形話語結構下沒有真正的接收者,因其傳遞的話語超出了人的記憶能力……最終只能依靠人為的、人工智能式的記憶體才能被儲存?！盵8]25即是說,伴隨科學知識的不斷專業化,人類早已失去了對整體知識的把控,而人工智能卻可以憑借其龐大的儲存空間和計算能力編碼或重組這些內容。顯然,于人類而言,大語言模型類人工智能不僅具有超人類的知識要素儲備和驚人的編碼重組能力,而且已經表現出難以解釋的涌現功能(如在零樣本情況下的類比推理能力[17])。當然,也有哲學家如沃爾夫岡·霍夫基希納(Wolfgang Hofkirchner)明確指出,“運算的產物(過程、邏輯和結果)已經變得不可預測……因此被工程師錯誤地稱為涌現,盡管算法過程的每一步都遵循一個確定的規則”[18]。無論涌現功能是否存在,這些觀點至少表明,人類自己構造的大語言模型,卻成為了我們無法思及的外部,且更重要的是,這一外部對于我們而言不是無關緊要的。

兩千多年前,普羅泰戈拉的那句“人是萬物的尺度”雖備受后世詬病,但伴隨人與自然的不斷抗衡,人逐漸將自身理性凌駕于自然之上。笛卡爾以“我思”(cogito)將主體視域設立為存在的支點,康德以“人為自然立法”捍衛人的主體尊嚴,而伴隨科學技術的高速發展,人類高舉實踐理性大旗改造開發自然,從這方面看,主體理性即人類近代文明之桂冠。然而如前所述,現代知識話語呈樹狀結構發展,當個人不得不局限于單數主體的認識論視域時,大語言模型卻以海量儲備吞噬下人類知識的累累碩果,并以高速的算率將之分解、編碼、重組,繼而以某種形式生成新信息。當大語言模型滲入人類社會的方方面面之時,這也必將破壞長久以來人們從單一的主體視域出發建構的整個存在論。正如趙汀陽所言:“這意味著一個存在論巨變:單向的存在論有可能變成雙向的存在論(甚至是多向的)?！盵19]這觸碰到了哲學的基本問題,近代哲學反對傳統形而上學的絕對性,使存在論受制于思想的界限,存在只有經過主體的反思才得以顯現,因而存在論的問題只是思想的自相關問題。這種存在論涉及主體的創造,人們由此創造出了以人為中心的意義世界,因此當這種存在論發生巨變時,人們的意義世界也必將隨之顫動。正如路易斯維爾大學網絡安全教授揚波爾斯基(Roman V. Yampolskiy)所言:“ChatGPT等語言模型可能構成生存性風險?！盵20]我們有必要對其保持警惕,審視其顛覆性影響,超越其內在邏輯。面對大語言模型類人工智能的強大生成功能,我們必須去重新審視它、超越它。對此,一條大有希望的路徑是突破相關主義的哲學預設,去追問“超越”之維的外部之物。

四、“超越”之取徑:物導向哲學對大語言模型生成邏輯的突破

針對上述相關主義的思維局限,發軔于21世紀的思辨實在論(speculative realism)掀起了當今歐陸哲學的實在論思潮,前文所提的梅亞蘇即這一思潮的重要代表。他力圖以人類思維框架之外的科學語言獲取關于客體實在的絕對知識,把思維對外部的認識論的缺陷轉向存在內部的無理由屬性,借助康托爾集合理論的“超限數”(the transfinite),論證了這樣一種“非全體性”世界的存在[21],認為純粹偶然的外部可以在數學思辨之下被思考。我們暫不談這一路徑可行與否,只談在大語言模型時代這一路徑即便觸及了“超越”的外部,也不能對人類的獨特性作出辯護,數學思辨最大限度地將對物的思考與人相隔離,它指向的是一個冰冷的、無關乎人的世界?；蛟S,現代哲學所需的轉向不是拋卻相關主義,而僅僅是為這種“相關”去中心,以一種“物導向”(object-oriented)的方式在對廣泛的外在的他物承認的基礎上,維護人類獨特的意義世界。

(一)以物觀物:以物導向哲學重新審視大語言模型

在思辨實在論思潮下發展起來的物導向哲學可以為人們提供一條新的思考路徑,這一路徑首先得益于思辨實在論的另一代表學者哈曼(Graham Harman)的“物導向本體論”(object-oriented ontoglogy)。該理論認為,事物間的存在模式與作用方式遠超出人類思維所限定的范疇。哲學不應受限于相關主義的視域,對物體間性避而不談。在哈曼這里,“物”既不可被“向下還原”(undermine)為其組成部分和內部結構,又不可被“向上還原”(overmine)為其效用、影響或是數學化的屬性的總和,當今自然科學的成功很大程度上依賴的是“雙向還原”(duomine),即一方面將事物分解為其基本的構成要素,另一方面以數學化的方式去把握一切。這種方式看似提供了關于世界的可靠解釋,但忽略了許多非物理意義上的物,更難以回答意義的問題。由此可見,哈曼的“物”,指的是比其組成部分或其在世界上的效應的總和都多出來一些的東西[22]24-35。根據這種“新萬物理論”,一切形式的存在,人類和非人類的、精神性和物體性的,都可被看作是物?；蛟S只有更包容地看待紛繁迭出的自動化智能機器以及由此出現的玄妙新奇的新的生活方式,人們才能深入追問自身存在于世的獨特意義,而以物導向哲學反觀大語言模型至少在以下兩方面具有積極作用。

一方面,避免看待大語言模型的兩種錯誤態度。一種傾向于輕視它,這是由于我們以向下還原的方式將大語言模型看作它的內在結構和程序機制,這種方式消解了大語言模型本身,并將之化約為其組成部分,讓我們盲目地認為自己可以掌控大語言模型的運作機制。另一種傾向于將其神秘化,這是以向上還原的方式將大語言模型看作它的外在表現,如當看到ChatGPT生成具有情緒傾向的文本時懷疑其具有了某種“意識”。這兩種態度會讓我們情緒化地看待大語言模型,前者無法解釋大語言模型的涌現現象,后者會導致人們對大語言模型神秘功能的無端恐慌。而從物導向哲學出發,大語言模型本身不可還原為其組成部分,它具有比其組成部分更多的功能(如涌現現象),但又不等同于其效用,因此大語言模型作為物,擁有主權生命和內在潛力。只有基于此種認識,人們才能審慎面對大語言模型,在警惕其弊害的同時積極挖掘并利用其功能。

另一方面,物導向哲學可突破相關主義的局限,通達超越維度。物導向哲學實則繼承并發展了康德的物自體理論?？档聞澐至爽F象與物自體,將人的認識能力限制在了現象層面,物自體是人類思維無以通達之外部。哈曼承認實在物本身擁有永遠無法被把握的內在性,但事物的實在與事物的感覺屬性并非一回事。思維不可能直接把握實在,但憑借美學活動,卻能以“替代因果”的間接方式走入實在內部,以一種替代的方式破除相關主義,通向超越性的外部。

(二)萬物互聯:大語言模型時代的意義生成之路徑

人類何以站在物導向哲學的角度,實現對大語言模型生成方式的“超越”呢?哈曼以奧爾特加·加塞特(José Ortega y Gasset)“柏樹就像死去火焰的魂靈”的隱喻為例[22]60,說明在藝術活動中,“我”將像一個演員般投身于隱喻所展現的戲劇體驗中。由此,“我”作為不會缺席的實在物(real object),替代了“柏樹”這一缺席的實在物,并承擔起隱喻中“柏樹”的感覺性質(sensual qualities),于是,“我”仿佛正是隱喻中的“柏樹”如火焰般燃燒。據此,哈曼指出,在藝術活動中,重要的存在物并非那缺席的實在的樹,而是讀者和火焰的感覺性質組成的“聯合實在”(amalgamated reality)。通過“聯合實在”,我們可以實現真正創造性的“超越”,這種“超越”亦是對大語言模型生成方式的突破,對封閉范式的突破。哈曼認為,“范式不僅是實在的,而且它始終以背景媒介的方式在場”?？茖W知識總是關于某種范式的,范式實則是關于知識的一系列無法描述的假定,關鍵在于“承諾(commitment)”[22]178。這是一種非真的信念,僅在假定尚未被完全理解時才能發揮作用,且注定會被更好的范式取代。大語言模型只能依循某種范式運轉,因而它無法為新的范式做出承諾,它的生成也就無法為知識帶來真正的創新。而物導向哲學堅持實在論,它要求我們面對現實,尋求事物獨立于其感知者和言說者的實在性,它指示給我們的不是某種范式下差異體系的表面,而是獨立于其他相關物的某事物本身,是事物的深度。所以,物導向哲學不會將自身封閉于現有知識范式內,而是對“超越”維度保持開放。

那么,人類何以在這種“聯合實在”的基礎上,構建意義世界呢?

嚴格說來,哈曼的哲學在某種層面上是一種扁平的本體論,即取消了人作為主體的優先地位,強調物的平等,重視物體間性。但這種物體間性關系并非對稱的,其實質是一個物剝奪另一個物之性質的過程。如前文中的例子,是柏樹剝奪了火焰的性質,而非相反。所以,人對某物的感知與這個物與其他物的互動必然有本質上的差別。那些認為物導向哲學漠視人的想法是不對的。物導向哲學所強調的平等是所有物平等的獨立與特殊,而非均值的等同。哈曼視博格斯特(Ian Bogost)為物導向哲學的同道者。誠如博格斯特所言:“對世界無私的,幾乎全身心的投入,使我們得到滿足,在慷慨而非自私的引領下,我們將做出新的發現?！盵23]物導向哲學提示人們以平等的、美學的方式探析物之間的“聯合實在”,據此可以從兩個方面去設想大語言模型時代意義生成的可能路徑。

其一,從人與機器的聯合實在出發。這要求人們拒絕將機器簡化為其工具屬性,即人們離開無意識的工具理性狀態,去接觸物本身。海勒斯(Katherine Hayles)在《思辨美學與物導向探問》中提出一種方式,即以想象力的投射,在現有理性經驗證明的基礎上盡可能地模擬物自身體驗與感知世界。她同樣從博格斯特那里得到啟發,認為盡管博格斯特贊許哈曼的路徑,但他表明面向對象的描述可以從證據的基礎上發展出來?！安└袼固馗信d趣的是人眼在低光強狀態下的感知與數字圖像傳感器感知的差異。在探索這些差異的過程中,他打開了一種可能性,即通過對非人類物體如何體驗世界的細致描述,或者說,即非人類物體在世界中存在的方式,來充實面向物的方法?！盵24]這種方法的深刻意義不在于探索一種無足輕重的人機關聯,而在于推測機器如何與世界相遇,由此擴展自身感官閾限。大語言模型時代,這種想象力投射的方法論是,人們需要大量的,從科學、技術或工程來源的知識,促成自身與大語言模型類智能機器的想象投射,進而在這種聯合的基礎上構建一種跨物種的交互邏輯和創造性實踐。

其二,從人與人的聯合實在出發。如前所述,相關主義的底層預設往往會導致人們對物的忽視,那些被忽視的物不僅包括非人之物,還包括作為特殊物的“他人”。目前,大語言模型預訓練所基于的龐大文本來自人類群體的智慧碩果,其卓越的生成能力在于它攝取了人類文明現有的知識存儲和分類邏輯。人們對目前大語言模型強大生成功能感到恐慌,是因為大語言模型的智能源自人類群體的智慧,而人作為單數個體卻無法吸納如此繁多的知識信息。但事實上,人類從來都不是各自為營的生物,人類社會若被向下還原為原子式的個體實則不堪一擊,當然,若被向上還原為固化的歷史敘事也將忽視其間偶然性的譜系斷裂。人類文明最耀眼的光輝恰恰在于人與人的聯合實在,這種聯合既能夠使人們重視特殊的“他人”,正視那些脫離傳統范式下的個體靈感或不同話語,又能以美學的方式,促使人們基于彼此間的共情進行交流與協商,使人們在協同并進中譜寫群體的文明并創造賴以生存的意義世界。

五、結 語

大語言模型在智能生成上的突出表現沖擊著人類的意義世界,其根本原因在于人類創造是人們通過構建關系之網塑造意義世界的基礎,而大語言模型已在部分智能生成任務上可取替人類創造。它在排擠人類創造的同時,也沖擊了長久以來人類從單一主體視域出發建構的意義世界。人類何以將具有難以解釋的涌現功能的智能機器納入可理解的范疇,人類何以突破大語言模型的內在生成邏輯維護自身意義世界,這些都是智能技術時代人類必須直面的問題。

事實上,大語言模型的生成邏輯在對相關主義的基礎預設激進化演繹的同時,已然暴露出其內在局限性,它以“相關主義循環”的方式將自身封閉于字面主義的符號表征與現有的固定范式內,使“超越”之維不再可能?；蛟S,當今時代正呼喚一種“物導向”哲學來為人類創造添注新的活力,這種哲學的意義在于它為傳統的主體中心視域提供了解縛的可能。它將外部的“超越”之物的存在重新納入可闡釋之范疇,這種“超越”的雙重性既將大語言模型視為可闡釋之物,又號召以聯合實在的美學方式突破大語言模型所基于的相關主義生成邏輯,從而真正開辟出“超越”大語言模型的意義生成之路。