A01 AI 作为认识论中介概念谱系 · 知识库

当你问 AI「这条数据合规吗」，它返回三段流畅的论证。你信了。问题是：你刚刚获得的，是关于合规的知识，还是关于合规的一段统计性模拟？ 你眼前这台机器，到底是你手里的一把尺子（工具），还是一个隔着电话线告诉你答案的人（证言者），抑或一台不断生成”看起来像答案”的文本机（生成器）？本节点要解决的问题不是”AI 准不准”，而是更靠前的一问：AI 在你和知识之间，到底插入了一个什么性质的中介？ 因为你对这个中介性质的判断，会直接决定你把它的输出当作”待核验的线索”还是”可信的结论”——而这个分类错误，是产品里所有 confidence display、citation 系统、human-in-the-loop 触发条件设计的认识论源头。

本节用的框架，是认识论中介的三分谱系（工具 / 证言者 / 生成器），叠加 Don Ihde 的后现象学人技关系类型学，作为整个 0431 专题的概念地基。

§0 为什么是「中介谱系」而不是「智能程度」

读者脑中的默认框架往往是一条智能光谱：AI 越强，越像人，越接近”真正知道”。这个框架是错的入口——它把问题设成了”AI 有没有理解”（一个我们短期内无解的形而上学问题，见 c13 - 幻觉的不可消除性与本专题中文屋讨论），却跳过了一个对 PM 立即可用的问题：不管 AI”内部”是什么，当用户透过它获取信念时，它在认识关系中占据了哪个位置。

位置，而非智能，决定了认识责任如何分配。一把尺子读错了，责任在读尺的人（他该校准、该复读）；一个证言者说错了，责任部分转移给说话者（他该被追责、可信度该被下调）；一台生成器吐出错误，连”谁错了”这个问句都失去了对象——它没有意向、不承担责任，却以命题的自然语言形式递给你一个看起来该被信任的东西。三种位置，三套完全不同的认识责任结构与产品义务。 把 AI 误放进错误的位置，就是误把 AI 输出当知识源——这是本节点的判断主轴。

后现象学给了我们更细的刻度。Ihde（Technology and the Lifeworld, 1990, Indiana University Press）把人-技术-世界的关系分四类：具身关系（透过技术感知，如听诊器，技术”退隐”）、解释学关系（读取技术产生的表征，如温度计，你读的是仪器的”文本”）、他者关系（与技术交互，世界退至背景）、背景关系（技术作为环境性的”缺席的在场”）。AI 中介的诡异之处在于：它同时横跨解释学关系（你在”读”它的输出）与他者关系（你在”对话”，把它当一个准主体）——这种横跨，正是它既不完全像尺子、也不完全像人的结构性根源。

§1 第一支：AI 作为工具（仪器认识论）

把 AI 当工具，是最保守也最安全的默认立场。仪器认识论传统里，Ian Hacking（Representing and Intervening, 1983, Cambridge University Press）确立了”干预”作为知识生产行为的认识地位；Bruno Latour（与 Woolgar 合著 Laboratory Life, 1979；Science in Action, 1987）则以符号学路径分析仪器——仪器产生可读的”铭文”（inscription），事实通过文本网络被构建。

工具立场的认识论馈赠是：信念责任完全留在用户这边。望远镜不”知道”星星，它只是延展了你的视觉；你看错了，是你没校准、没复看。把 AI 当工具，意味着它的每个输出都是”待你核验的原始材料”，而非”可直接信任的结论”。

但这里有个 Latour 与 Ihde 之间的真实分歧（de Boer, te Molder & Verbeek, 2021, Social Studies of Science 51(3):392–413）：Latour 把仪器看成”生产可传递文本的装置”（符号学/社会建构维度），Ihde 强调仪器对”现实”本身的构成性中介（本体论维度）。这个分歧对 AI 至关重要——如果 AI 只是文本生产装置，那它和搜索引擎同类；如果它构成了用户看待问题的方式（它的措辞、它的框定、它默认略去的选项），那”工具中立”就是幻觉。AI 比任何历史仪器都更深地落在 Ihde 这一侧：它不只是返回答案，它替你框定了什么算作”问题”。

§2 第二支：AI 作为证言者（证言认识论）

证言认识论问的是：我何时有理由相信别人告诉我的事？ 这一支最危险，因为它最诱人——AI 用第一人称、自然语言、流畅断言的方式说话，几乎天然地把用户拖进”听人说话”的认识姿态。

反还原主义（C. A. J. Coady, Testimony: A Philosophical Study, 1992, Oxford）主张：证言是类比知觉的独立知识来源，听者无需独立证据即可有理据地相信，只要”缺乏不信任的理由”。Jennifer Lackey（Learning from Words, 2008, Oxford）更进一步，论证证言能生成而非仅传递知识，并提出”二元论”——证言的辩护同时取决于说话者的认识状态与听者的证据评估。

问题在于：AI 满足成为证言者的条件吗？ Ori Freiman（2023, Episteme, Cambridge）给出了目前最清醒的回答：从对话式 AI 获取的信念，既非仪器性信念也非证言性信念，而应归为一个新类别——“技术性信念”（technology-based beliefs）。理由是：证言理论历史上以道德责任与意向性为前提（说话者须能被问责、能因撒谎而被追责），而 AI 缺乏这个条件；但它又以命题内容的自然语言形式递送信息，超出了传统仪器的范畴。

这里要做接受 + 边界式的对手回应。证言认识论的反还原主义者（Coady 传统）会说：你日常 90% 的知识都来自证言，你并不独立核验每条，凭什么对 AI 苛求独立核验？接受——人类认识系统确实建立在证言的默认信任之上，全盘核验在实践上不可能（Coady 的”火星人论证”正是此意）。但边界是：人类证言之所以可默认信任，是因为背后有一整套问责机制（撒谎有代价、可信度有声誉记账、Goldman 意义上的”传播门卫”在过滤）。AI 把证言的形式（流畅断言）和证言的问责基础（意向、责任、声誉）剥离开了——你拿到了一封没有署名、无法追责、却字字像真人写的信。把这种东西当证言信任，正是 Freiman 警告的范畴错置。

[!note] 跨域呼应 · Goldman 的”传播门卫” Alvin Goldman 的验真性社会认识论（Knowledge in a Social World, 1999, Oxford）把认识评估单元从个人扩展到社会制度与传播技术：编辑、审稿人、出版商是”传播门卫”，社会认识系统的好坏取决于它能否提高用户真信念的比例。把这个框架套到 AI 上，结论很硬：LLM 是一种新型传播门卫，但它内置的门卫机制（RLHF、安全过滤、概率采样）的优化目标不是真信念比例，而是”看起来有帮助且无害”——这两者在大多数时候相关，在关键时候分叉（见 c13 - 幻觉的不可消除性的谄媚幻觉与校准失败）。Goldman 框架还暴露了原框架未处理的难题：算法可靠性是分层的——对技术文档高度可靠，对少数语言、边缘群体知识系统性偏误。证言的”可信度”在 AI 这里不是一个标量，而是一张随话题剧烈起伏的曲面。这一支链入 0117社会学的知识社会学维度。

§3 第三支：AI 作为生成器（生成式认识论）

第三支是最贴近 LLM 实际机制、也最反直觉的立场：AI 既不是延展你感官的工具，也不是向你作证的人，而是一台条件概率分布上的文本采样器——它生成的是”在训练分布下最可能接续的 token 序列”，而”为真”只是这个目标的副产品，不是它的目标函数。

这个立场把 Searle 的中文屋（1980, Behavioral and Brain Sciences 3(3)）和”随机鹦鹉”批评（Bender et al., 2021）推到了认识论层面：句法操纵不等于语义理解，统计复现不等于知道。但要诚实——当代争议未决：Sabine Hossenfelder（2023）主张 LLM 在有限意义上具有理解（类似人类对量子力学不完整但非零的理解）；Hila（“The Epistemological Consequences of Large Language Models”, AI & Society, 2025, arXiv:2512.19570）区分内在主义辩护（生成”反思性知识”）与外在主义辩护（仅”动物性知识”），论证 LLM 是外在主义可靠论者——可靠传递已建立信息，但缺乏生成反思性知识所需的反思性辩护。

生成器立场的关键认识论后果与 Gettier 问题同构。Gettier（“Is Justified True Belief Knowledge?”, 1963, Analysis）证明：有辩护的真信念也可能不是知识——当信念为真出于偶然而非正确的认识路径时。AI 生成器恰恰制造了 Gettier 式结构：用户拿到一个正确答案，但 AI 的内部生成路径完全不透明（Paul Humphreys 的本质性认识不透明，Extending Ourselves, 2004, Oxford），用户无从判断这个答案是经由可靠的知识表征产生，还是训练数据里偶然的模式对齐。输出正确 ≠ 用户获得了知识——他获得的可能只是一个偶然为真的信念，认识论上一文不值。

§4 判断主轴：不辨中介性质 = 误把 AI 输出当知识源

90% 的人（包括产品团队）会在这四个点上搞错，每个都直接映射到产品义务：

#	症状	为什么会错	正确做法	真实反例
1	把生成器的流畅当证言者的可信	自然语言第一人称触发了人类默认的证言信任本能（Coady 的缺省信任在此被劫持）	在交互设计上降级输出为”待核验材料”而非”结论”，confidence display 默认不饱和	LLM 对争议事实给出流畅自信输出，用户反而对相异的真人证言产生可信度赤字（Sardelli, St Andrews〔来源：Aporia 期刊，年份待核实〕的自动化偏见→证言性不公类比）
2	把工具的”中立”当事实，忽略其构成性框定	误信 Latour 式”装置只产文本”，忽略 Ihde 式构成性中介	审视 AI 替你略去了什么选项、用什么措辞框定问题，而非只看它说了什么	AI 报告的”建议方案”列了 A/B 两条，用户没意识到方案 C 从未进入候选——框定即权力
3	用”输出正确”反推”用户获得知识”	混淆真信念与知识（Gettier 结构盲区）	设计可溯源链路（citation 系统）让用户能独立重走认识路径，而非只验证结论	GPT 答对”地球是圆的”，但 Fierro et al. (2024, EMNLP, arXiv:2410.02499) 调查 100 位哲学家/CS 学者后指出：当前 NLP 用”知识”一词时定义不一致，“答对”不蕴含”知道”
4	在同一交互里无意识地在三种位置间滑动	三种中介性质没有视觉/交互边界，用户分不清何时该核验	在产品里显式标记当前模式（检索性 vs 生成性 vs 推理性），不同模式触发不同 human-in-the-loop 阈值	同一对话框里”查文档”（接近工具）与”帮我判断”（接近证言/生成）共用一个 UI，用户用同一信任度对待两者

§5 产品 PM 视角补盲

工程视角只问”AI 准不准”，产品视角要问三个被工程忽略的点：

用户心理模型默认是证言者。 对话式 UI 的产品罪过在于：它用人类对话的全部社交线索（第一人称、礼貌、确定语气）把用户训练成”听人说话”。除非产品主动对抗这个默认，否则 confidence display 再精确也敌不过交互形态制造的信任暗示。
商业模式偏向制造”知识幻觉”。 让用户觉得”我已经知道了”比让用户觉得”我还得去核验”留存更高、NPS 更好。这是一个内生的、与认识论诚实相冲突的激励——citation 系统和不确定性外显在商业上是”摩擦”，需要被当作信任资产而非转化漏斗的损耗来定价。
合规边界随中介性质变化。 若你的产品在法律上把 AI 定位为”工具”，责任全在用户；定位为”证言/建议者”，则你可能承担误导责任。EU AI Act（2024-08-01 正式生效；高风险系统义务自 2026-08-02 适用）对高风险系统要求”有效的人类监督”——这个法律要求的认识论翻译，正是本节点的三分谱系：监督一个工具、监督一个证言者、监督一个生成器，是三件不同难度的事（详见本专题 verification vs rubber-stamping 节点）。

§6 对手框架回应 · Rick 未读的两个

后现象学的 Verbeek（道德中介论）。 Peter-Paul Verbeek（What Things Do, 2005；Moralizing Technology, 2011, University of Chicago Press）扩展 Ihde，论证技术不仅在认识层面中介现实，更在道德层面中介行为——工程师通过设计行使伦理。接受：AI 的中介从来不是认识论中性的，它的框定就是价值选择。边界：Verbeek 偏向”技术能动性”的浪漫化，对 PM 而言更操作化的问法不是”技术有没有道德能动性”，而是”哪些价值选择被无声地编进了默认输出”。
延展认知的怀疑论（Adams & Aizawa）。 Clark & Chalmers 的延展心智（“The Extended Mind”, 1998, Analysis 58(1):7–19）会说：若 AI 持续可获取、被自动认可、易于提取，它就构成你认知系统的一部分。Adams & Aizawa 的”联接-构成谬误”批评则反驳：从”X 与 Y 联接”推不出”X 是 Y 的组成部分”。接受：把 AI 当外部记忆确有延展认知的影子。边界：延展认知的成立条件是”自动认可”（automatic endorsement）——而这恰恰是本节点要拆掉的东西。一个不该被自动认可的生成器，若被用户当作延展心智无缝信任，那不是认知增强，而是 Gettier 化的认知外包。这一支与 0431 专题”认识依赖”节点对接。

§7 PM 决策启示

面试：被问”你怎么看 AI 幻觉”，不要停在”加 RAG”。升一层答：“幻觉是中介性质被误判的征兆——用户把生成器当证言者信任。产品的事不是消灭幻觉（不可能，见架构性论证），而是通过交互设计把用户的认识姿态从’听证言’拉回’核线索’。”
选型：评估一个 AI 功能时，先判定它落在三支谱系的哪一支，再决定 confidence display 饱和度、citation 强制度、human-in-the-loop 阈值。同一个模型，放在不同中介位置，产品义务完全不同。
复现：做 confidence 校准时，记住 Humphreys 的本质性不透明——你无法让用户”看懂”内部路径，只能给他可独立重走的外部路径（溯源、引用、对照），这是认识论上唯一诚实的 confidence。

§8 与已有节点的关系

对照 c13 - 幻觉的不可消除性：c13 已论证幻觉的架构性不可消除（Softmax 强制输出 + 概率采样 + RLHF 对齐税导致校准失败）。本节点做的是升维而非复述：c13 回答”为什么 AI 会编”，本节点回答”为什么用户会信”——把问题从模型侧的生成机制，迁移到用户侧的认识姿态错置。幻觉之所以危险，不只因为它存在，而因为它被一个误判了中介性质的用户当作证言接收。这是 c13 的”风险存在论”向”认识论病理学”的对话式深化。
对照 Polanyi 默会知识与提示工程的认识论张力：该节点指出”评测本身是默会的、LLM-as-judge 不可靠的认识论根本原因”。本节点补一个互补面——不仅评测是默会的，用户对 AI 输出的’信/不信’判断本身也高度默会（Polanyi 的”从-至”结构：用户从无数附属线索整合出”这听起来靠谱”的焦点判断，却说不清依据）。这正是流畅性能劫持信任的机制：流畅性是一个强烈的附属线索。两节点共享”can know more than we can tell”的张力，分别落在生产侧与接收侧。
与 0114认识论：本节点是 0114 中”社会认识论 / 证言 / 盖梯尔问题 / 可靠主义”几个概念条目在 AI 语境下的应用与延伸，可视为这些条目的”AI 用例分册”。
升级对照（不复述）：相较 Agent 与 RAG 等技术节点，本节点不在”怎么搭”层面，而在”用户透过它获得的是不是知识”这个认识论哲学层——它是 0418（审阅产品机制）、0427（知识产品）之下的地基。

§9 关联节点

核心（必读）

延伸（可选）

[!info] 待建概念清单（本专题登记，不在主库建 stub）以下概念在本节点被引用但 vault 中暂无对应节点，一律以普通文本呈现，登记待建，不建死链/概念卡/人物卡： Don Ihde（后现象学）、Bruno Latour（铭文/ANT）、Ian Hacking（干预）、Peter-Paul Verbeek（道德中介）、Alvin Goldman（验真性社会认识论 / 传播门卫）、C. A. J. Coady（证言反还原主义）、Jennifer Lackey（证言生成论 / 二元论）、Ori Freiman（技术性信念）、Edmund Gettier（JTB 反例）、Paul Humphreys（认识不透明性）、John Searle（中文屋）、Andy Clark & David Chalmers（延展心智）、Miranda Fricker（认识不公）。注意区分：vault 06人/ 的 Polanyi 节点是 Karl Polanyi（大转型），与 Michael Polanyi（默会知识）非同一人，本节点凡涉默会知识只链 Polanyi 默会知识与提示工程的认识论张力，不链 06人/Polanyi。

修订日志

R1 (2026-06-07)：首稿。建立工具/证言者/生成器三分谱系 + Ihde 后现象学叠加层；判断主轴四件套（4 点）；接入 Goldman 传播门卫（跨域）、Verbeek 道德中介与 Adams-Aizawa 延展认知怀疑论（两个对手框架，接受+边界）；与 c13、Polanyi、0114 显式升级对照（非复述）。Gettier 同构、Searle 中文屋、Freiman 技术性信念为核心调度。
R1.1 (2026-06-07)：WebFetch 核实两个 arXiv ID 并去除〔待核实〕——Fierro et al. (2024, EMNLP, arXiv:2410.02499) 标题/作者/年份全确证；Hila (arXiv:2512.19570) 确证为 AI & Society 2025 年发表，订正年份与论点表述。剩余 1 处未核实：Sardelli (St Andrews Aporia) 自动化偏见→证言性不公类比，仍标〔来源待核实〕。
2026-06-12 内审修复：§合规边界 EU AI Act 生效口径由模糊”（2024）“统一为”2024-08-01 正式生效；高风险系统义务自 2026-08-02 适用”（权威值，呼应总览 §8 QC #5）。Sardelli 来源仍诚实标〔来源待核实〕未动。