关注“在线学习”
获取更多资讯！
刊载信息
陈港.(2025).人机协同知识生产中的“美诺悖论”：辨识、转化与超越. 中国远程教育(9),14-28.
【摘要】在人机协同知识生产的过程中，存在与“美诺悖论”同样的知识探究和知识确证两种困境。一是如果人类存在对某事物的未知性，那么如何实现对这一未知事物的探究呢（Q1）？二是人类如何确证生成式人工智能生产的知识是“真知识”呢（Q2）？这两个问题构成了人机协同知识生产中的认知困境。通过综合分析认识论哲学与人工智能哲学，Q1可转化为个体如何在人机协同中成为一个好的知识探究的“引导者”，提升知识探究的有效性和针对性；Q2可转化为个体如何避免主观主义和无批判意识的双重困境，实现对知识的确证。基于预测加工理论，加强人类的元认知能力，是回应这两大问题的可能取径。立足于普鲁斯特元认知理论，在人机协同知识生产中，科研者可基于“情境—意图—行动—动机”四位一体的元认知应用模型展开行动，提升元认知的参与度，建构知识探究时“旁观者”与“参与者”的双重身份，统一知识确证时的内在心理状态与过程可靠性。
【关键词】美诺悖论; 人机协同知识生产; 元认知; 知识确证
一、
问题的提出
在人类思想史上，关于认知的起点、认知的确认等认识论基本问题一开始是以悖论的形式被人们讨论的。在柏拉图（Plato）的《美诺篇》中揭示了这种悖论的存在，即美诺（Meno）问苏格拉底（Socrates）：“你连它是什么都不知道，苏格拉底，又如何去寻找呢？你会把一个你根本不知道的东西当作探索的对象吗？哪怕你碰到它，你怎么知道它就是那个你不知道的东西呢？”苏格拉底回答道：“我知道你想说什么，美诺。你明白你正在提出一个什么样的争论者的论证吗？一个人既不能寻找他知道的东西，也不能寻找他不知道的东西。他不能寻找他知道的东西——因为既然他知道，也就不需要再去寻找——他也不能寻找他不知道的东西，因为他不知道自己要寻找什么。”（柏拉图, 2017, p.77）这里提到的两难在于：认知既不能从已知出发，也不能从未知出发。苏格拉底以“学习回忆说”回应这个悖论，认为知识是内在于灵魂深处的，学习是唤醒灵魂对知识的回忆。但苏格拉底的解释也陷入了同样的困境：如果你对相关知识并不知，你如何确定被唤醒的知识就是“真知识”呢？其实，“美诺悖论”提出了人类认识的两个矛盾问题：一个是认知探究的问题，人如何能去寻找自己无所知的东西呢？另一个是认知确证的问题，人如何确证自己所探究的知识是“真知识”呢？
随着人工智能技术的发展，生成式人工智能与人类的交互实践改变了人类探究知识和确证知识的形式。生成式人工智能呈现出一定的主体性特征（殷杰, 2024），开始作为一个“主体”与人类主体展开对话交互。已有研究一方面认同人机协同知识生产的价值，另一方面也揭示了人机协同知识生产存在的潜在风险，如生成式人工智能没有解决知识表示的形式化/非形式化论争的核心问题（刘纯懿 & 胡泳, 2024），其生产的知识乃是一种“无意识—用”之知识（姜华, 2024），会引发人类思维逻辑人工智能化、知识权威和知识标准混乱等潜在后果（刘海龙, 2024），造成无意义知识的泛滥（孙伟平 & 刘航宇, 2024），使人陷入“知识幻觉”而丧失了批判性思考（陈万球 & 罗一人, 2024）。在人机协同知识生产的过程中，似乎存在与“美诺悖论”同样的认知困境。一是如果人类存在对某事物的未知性，那么如何实现对这一未知事物的探究呢（Q1）？二是人类如何确证生成式人工智能生产的知识是“真知识”呢（Q2）？这两个问题构成了人工智能时代的认知困境。前者关乎知识的起点问题，即如何探究知识；后者关乎知识的确证问题，即如何确证知识的“真”。知识是教育活动的最基础单位，人机协同知识生产的探究起点问题和知识确证问题是数智时代教育必须回应的基本问题。本研究以“美诺悖论”为出发点，试图揭示人机协同知识生产过程中“美诺悖论”的新存在形式及其面对的新问题，并思考如何超越这些问题，为人机协同知识生产纠偏。
二、
Q1的廓清与转化
要回答上述两个问题，不仅需要在哲学层面把握认识论的基本原理，更需要在实践层面厘清人机协同知识生产模式的特性。前者的意义在于提供理论支撑，后者的意义在于提供实践根基。
（一）认知的“非二元性”
面对“美诺悖论”的Q1，西方主流观点认为其存在明显缺陷，并非绝对成立。多米尼克•史柯特（Scott, D.）认为美诺提出问题存在一个预设，即一个人的认知是完全空白的，缺乏对探究对象的任何了解（Scott, 2006, p.76）。但是这并非所有的认知状态。其中便涉及认知的“非二元性”，即认知并非只存在有知和无知，还存在一种“中间”状态。如个体可能拥有对某物或某现象的某些特别的理解，但是他对这种理解并不自知。同样地，玛丽•玛格丽特•麦卡贝（McCabe, M. M.）以类似的方式揭示了“美诺悖论”的缺陷。麦卡贝把个体的认知分为两种情形：1）要么我完全知道Q，要么我完全不知道Q；2）我既不完全了解Q，也不完全不知道Q（McCabe, 1999, p.55）。麦卡贝认为“美诺悖论”在第一种情形下是可以发生的，但大部分时候人们的认知状态其实是处于第二种情形的，即个体处于不充分认知的状态，此种情形下“美诺悖论”是不存在的。例如，“我”知道有“文化”这个概念，但是对“美国文化”的具体情况并不知道，但“我”并非无法去知道“美国文化”，因为“我”知道很多方式去探究“美国文化”。在这个意义上看，Q1往往只存在于某种“认知空白”或“完全不知道”的小范围内。
在现象学看来，Q1同样并非绝对存在。埃德蒙德•胡塞尔（Husserl, E.）认为，世界除了已知性和未知性之外，还存在“已知和未知的混合”。他将“已知性”和“未知性”的“始终混合”看作“任何一个（事物）感知”的特征，并且进一步看作“世界意识的基本结构”（倪梁康, 2007, p.83）。在胡塞尔看来，未知与已知可能随时发生转化，任何未知的在某种程度上是已知的。而在马丁•海德格尔（Heidegger, M.）那里，“领会”和“现身”构成了世界的“此之在”，是人们理解世界的基本方式。他提出，解释奠基于一种先行掌握之中。把某某东西作为某某东西加以解释，这在本质上是通过先行具有、先行视见与先行掌握来起作用的。解释从来不是对先行给定的东西所做的无前提的把握。（马丁•海德格尔, 2019, pp.213-214）从这个意义上看，人类的任何理解都不过是基于先前设定的东西，无预设的理解和解释是不存在的。人类对某物开始理解时是依赖于“先理解”的，并非对其一无所知，而是有所知的，尽管自我没有充分认识到这种“先理解”的存在。这意味着人的理解的发生并非通过知与无知的绝对状态，而往往依赖于知与无知的中间状态——“先理解”。
在汉斯-格奥尔格•伽达默尔（Gadamer, H, G.）的阐释学分析中，理解的问题并非简单的知与无知的问题，而是语言问题。他提出，一切理解都是语言的理解，一种被柏拉图描述为思维之本质的灵魂与自身的内心对话的语言现象（汉斯-格奥尔格•伽达默尔, 2011, p.230）。相对于知与不知的绝对状态，还存在一种理解的纯粹内在的“自明性”，即在某种情境下突然理解了某一语句及其意义。伽达默尔将其称为“默契”，即借助语言表达，个体可以理解某种他本不知的事物。他认为，凡存在的，绝不可能被完全理解。因为语言所引导的总是超出了陈述中所出现的东西。凡能被理解的，总要进入语言——当然它总要作为某种东西而被察觉。（汉斯-格奥尔格•伽达默尔, 2011, p.421）即由于语言所设定的关于意义和经验的界限，人类难以完全理解世间的所有存在。反过来说，人类如果试图去理解世间的所有——消解未知性，那么应该回到语言所设定的关于意义和经验的界限上，而不是立足于知与无知的绝对状态。这便驳斥了“美诺悖论”，因为在伽达默尔看来，世间存在知与无知的绝对状态以外的语言情形，只有充分把握这些语言情形，才能把握认知和理解的本质。
从人们对“美诺悖论”第一个问题的驳斥来看，人类实则存在三种认知状态：一是对某事物的完全知道；二是对某事物的不完全知道或不知道自己知道（拥有某些知识的信念但并不知道）；三是对某事物的完全不知道。人类主动探究问题时，其实集中发生在第二种认知状态下，即人是处于认知信念的“迷雾”中的。值得一提的是，认知信念的“迷雾”与迈克尔•波兰尼（Polanyi, M.）提出的默会知识存在显著区别，前者是指个体并不知道却具有一定信念的知识，后者是指无法言表却可以在行动中表达的知识。换言之，人类如何在认知信念的“迷雾”中探究知识，成为根本性问题。
（二）人类作为人机协同探究知识的“引导者”
在科学革命之前，对未知的探究被誉为哲学家的使命。其往往起源于哲学家提出的某一问题，如世界的本原是什么，思维与存在是什么关系，理论与实践是什么关系，等等，由此构成了哲学探究的各大领域。其主要依靠人类的理性能力，运用归纳演绎、逻辑推导、辩证法、实践论、现象学等方法开展知识探究。随着科学实验的兴起与发展，人类探索未知的过程变得更加系统化和专业化，强调通过科学方法探索未知世界。有学者曾指出，科学已经战胜了思辨哲学，并在知识领域逐渐地赢得崇高的社会声誉（伊曼纽尔•华勒斯坦, 1997, p.11）。在这一背景下，科学方法成为探究知识的主流方法。但这并不意味着哲学思辨的探究方式彻底消散，而是呈现出两者并存的样态，因为科学方法在根本上还是依赖于人类理性中的想象和推理等能力。
人工智能技术的出现改变了人类探究知识的方式，人类向生成式人工智能提问成为探索知识的起点。以大语言模型为基础的生成式人工智能具有丰富的语料库、数据库和知识图谱，其根据人类提出的问题能动地整合与改造已有知识。在这一过程中，人类原本需要进行的搜集、归纳、推理、演绎工作转由生成式人工智能代替。此种情形下，知识最基本的技术性问题，尤其是作为一切认识活动之前提的记忆问题，都被图灵束之高阁（贝尔纳•斯蒂格勒, 2010, pp.187-188）。对人类而言，以往探究知识的理性力量似乎变得不那么重要，重要的是人类提问的内容、形式和方式要适应生成式人工智能的思维。提问的内容决定了生成式人工智能探究知识的方向，提问的形式和方式影响了生成式人工智能探究知识的质量。同时，作为一个可被训练的智能模型，人类可通过不断地追问与呈现关键的提示词，提升生成式人工智能所生成知识的质量。因此，在人机协同知识生产模式中，人类探究知识的关键在于扮演好一个“引导者”的角色。作为知识探究的“引导者”，人类需要提出有效的、有深度的、适应生成式人工智能思维的问题，并与生成式人工智能交互、反馈、训练，实现人类智能与人工智能的双向驱动、协同共生。
根据上述分析，人机协同知识生产中的Q1，即如果人类存在对某事物的未知，那么如何实现对这一未知事物的探究呢？除去个体处于“完全不知道”状态，这一问题其实是不存在的。因为一旦个体能开始对某问题进行探寻，其实意味着他具有对这一问题的某种认知信念。因此，Q1可以转化为：人机协同知识生产中，个体拥有对某一问题的部分认知信念时，尽管其或许并不自知，如何更好地开始对这一问题的探究？换言之，个体如何在人机协同中成为一个好的知识探究的“引导者”，提升知识探究的有效性和针对性？
三、
Q2的廓清与转化
知识的确证论问题一直是一个悬而未决的议题。主流观点为内在主义和外在主义两种分化对立的确证论。在人机协同知识生产的情境下，不论是基于内在主义还是外在主义的确证论，对知识的确证都可能走向困境。
（一）知识确证的两种分野
“美诺悖论”的第二个问题，即如何确证知识的“真”，一直是西方知识论研究的重点议题。苏格拉底面对美诺的提问，主张通过辩论、诘难与启发的方式来获取知识，认为知识的获取和确证内在于人灵魂深处本有知识的唤醒。柏拉图进一步提出“回忆说”，认为人类知识是灵魂对以往经历的回忆，并将知识看作一种“真”的认知信念，开启了西方唯心主义先验论的先河。柏拉图关于知识的定义，被后来人称为知识的“三元定义”（简称“JTB理论”），即知识由信念、真与确证三个要素组成：1）命题p是真的；2）S相信p是真的；3）S的信念p是被确证的。（Chisholm, 1982, p.43）这一定义在西方知识论中发挥着经典性影响。
近代以降，随着数学和物理知识的发展，在承袭知识JTB理论的基础上，产生了两种知识论流派。一种是理性主义，代表学者有勒内•笛卡尔（Descartes, R.）、巴鲁赫•斯宾诺莎（Spinoza, B.）和戈特弗里德•威廉•莱布尼茨（Leibniz, G.W.），强调理性而非感性经验是获取可靠知识的根本途径，主张演绎推理和逻辑分析，将确定性和必然性视为知识的本质属性。如笛卡尔提出“我思即我在”，认为知识的确证在于怀疑和思考，通过怀疑一切来寻求真理。另一种是经验主义，代表学者有弗兰西斯•培根（Bacon, F.）和约翰•洛克（Locke, J.），强调感性经验而非理性是可靠知识的来源，主张经验观察和实验论证，但和理性主义一样将确定性和必然性视为知识的本质属性。如培根指出，我们必须做到对事物进行分剖和分解，可不是要用火，而是用推理和真正的归纳法，并辅以实验（弗兰西斯•培根, 2011, p.126）。
在理性主义和经验主义的基础上，人们对于知识的确证问题产生了不同的看法，主要包括内在主义和外在主义。内在主义主张信念的确证是个体内在心灵活动的结果，外在主义强调产生信念的过程与方法的可靠性（陈嘉明, 2004）。何为知识论的内在主义？约翰•普洛克（Pollock, J.）指出，“我们如何知道”是一个关乎什么使你的相信得以确证的问题（Greco & Sosa, 1999, p.383）。内在主义强调知识的信念的确证完全内在于人类的心灵活动，个体的内心因素和条件决定了一个信念是否得以被确证。内在主义的主要代表人物有罗德里克•M.齐硕姆（Chisholm, R. M.）、厄尔•柯内（Conee, E.）、罗伯特•费德曼（Feldman, R.）等人。在《知识论》中，齐硕姆使用了“无涉的”（indifferent）、“悬置判断”（counterbalanced）、“确定的”（certain）等概念系统论述了从个体内在心理状态出发建构的复杂信念状态对知识确证的重要影响。他将“知道”理解为“如果主体S相信命题h，并且S有h的充足证据，且h是真实的，那么S就知道了h”（Chisholm, 1966, p.6），认为个体的内在信念状态决定了个体对知识的确证。尽管内在主义中又分为融贯论、把握的内在主义和推论的内在主义，但基本都主张把知识确证的任务理解为构建一种内在信念。内在主义被批判的点表现为可能陷入主观主义的缺陷。
外在主义产生于人们对内在主义的批判之中，强调个体信念与外在世界的某种联系。大卫•马莱特•阿姆斯特朗（Armstrong, D. M.）在《信念、真理与知识》中指出，根据“外在主义”对非推论知识的说明，使一个非推论的真信念成为一种知识的东西，在于信念状态、所相信的命题以及使信念为真的状况之间存在的某种自然联系（Armstrong, 1973, p.157）。外在主义认为个体确证某一信念的过程，并不仅仅是个体内在信念在发挥作用，还包括个体与外在世界之间的某种自然联系。其主要代表人物有阿尔文•戈德曼（Goldman, A. I.）、阿尔弗雷德•艾耶尔（Ayer, A. J.）、马歇尔•施旺（Swain, M.）等人。信念之所以被确证，必然源于某些使其确证的过程或属性（Pappas, 1979, p.2）。这一理念也被称为可靠主义，即强调一个可靠的确证过程是知识的必要条件。在戈德曼看来，个体内在心理状态确证信念时所强调的实时性是不存在的，因为人类的大部分信念并非正在发生，而是处于记忆存储系统之中。所以他认为，内在主义会走向怀疑主义的结果（Goldman, 2001, p.213），只有依靠一个可信赖的、可靠的确证程序，才能减少错误信念的产生。艾耶尔同样认同这一理念，在《语言、真理与逻辑》中提出了“可证实原则”，认为知识当且仅当它在经验上是可以证实的，这个知识才是有意义的（A. J. 艾耶尔, 2006, p.导言2）。外在主义所面对的问题表现为如何确证认识过程是可靠的，因为所谓“正确的推理”在根本上还是依赖于个体内在的信念。
（二）人机协同确证知识的双重困境
人机协同知识生产不同于以往的知识生产模式，这一过程中，人工智能代替了人类去搜集、阅读和内化旧知识，以人类的提问为刺激点来整合知识，进而生成新知识。人机协同知识生产塑造了一种人类与人工智能相互赋能的认知形式，彻底改变了以往将人类作为唯一认知主体的情形，赋予了人工智能在某种程度上的“主体性”。但以生成式人工智能为代表的智能体，本质上属于基于大数据统计和算法学习的类人类神经网络模型，其生产的知识的性质存在复杂性。
一方面，从广义的知识定义来看，人们普遍认为人机协同生产的知识具有有效性和价值性，因为其满足了人类提问下的某种期许。例如在学术研究中，生成式人工智能帮助人类进行问题选择、研究设计、数据收集和分析、理论化和论文写作（Susarla et al., 2023）。另一方面，生成式人工智能生成知识是属于“有中生有”（肖峰, 2023）的过程，即从一种形态的“有”（输入的数据、训练中获得的数据）生成另一种形态的“有”（输出的数据，即作为回应的文本）。有学者认为，这并不是真正的思考与智慧生成，而仅仅是语言游戏（胡泳, 2023）。还有学者认为，生成式人工智能生产的知识是一种对于人类知识取平均值的知识，即目前知识的话语结构中出现概率最大、被最多人选择的表述（刘海龙, 2024）。同时，由于“算法黑箱”的存在，人类无法充分把握知识的来源和生成机制。生成式人工智能也缺乏对知识的文化及意义的理解，而只是根据训练数据的模型进行文本生成，因而不可避免地会产生生搬硬套、逻辑混乱的情况。因此，在人机协同知识生产的过程中，人类确证知识时实则面对着两种知识：一个是无用的知识，另一个是有用的知识。区分和确证这两种知识，是人类在人机协同知识生产中彰显主体性的重要表征。回答这一议题，需要回到人类确证知识的内在主义和外在主义的理论框架。
基于内在主义，人类确证知识的关键在于认知主体内在的心理状态和认知过程产生的自我信念感。在人机协同知识生产的情境下，人类确证知识是否有用的首要前提在于自身对这些知识的理解水平，即将人工智能生成的知识与自身内在知识结构的交融和对比，以及对知识内在逻辑性和合理性的考察。但人类难以明晰人工智能的推理逻辑与数据处理方式，无法在内在层面真正理解知识产生的来源与路径，也就无法充分根据自身的感知、内化、顺应等认知活动来完成对知识的确证。同时，人工智能生产的知识大多为可计算的知识（黄旦, 2023），无法充分与人类认知结构中的非形式化和非计算化的知识实现融通，可能干扰人类自身知识结构的连贯性与逻辑性，致使个体陷入内在认知的模糊与不确定性困境。
基于外在主义，人类确证知识的关键在于知识生产过程中的因果关系和可靠性带来的信念感。这意味着人类确证人机协同生产的知识时，需要对生成式人工智能的运行机制、数据来源和处理过程进行详细探究。当前人工智能的知识获取技术主要包括符号主义、联结主义和行为主义，符号主义主张将知识先在地植入智能系统中，然后根据这些先在的知识进行计算、推理、整合、预测等活动；联结主义主张通过不断的训练和学习来获取知识；行为主义侧重将知识行动化、具身化和语境化（肖峰, 2020）。在符号主义的知识获取技术下，人类确证知识需要对植入智能系统的初始知识进行溯源和审核；在联结主义的知识获取技术下，人类确证知识需要对智能系统不断地进行训练；在行为主义的知识获取技术下，人类确证知识需要考察知识与实践、身体、情境的关联性。遗憾的是，由于“算法黑箱”的存在，不论是基于哪一种知识获取技术，人类都难以追溯和确证知识生产的因果关系和过程的可靠性。结果似乎就只有一个，即人类“服从”于人工智能自身所标榜的科学性与权威性，无条件地认同这一过程的可靠性。但从人机协同知识生产的现实情况来看，知识的无用性和错误性情形并非不存在。
根据上述分析，人机协同知识生产的Q2，即个体如何确证人机协同生产的知识是“真知识”，面临内在主义与外在主义逻辑下的双重困境。倘若接受了内在主义的观点，对知识的确证可能陷入主观主义和怀疑主义的漩涡；倘若接受了外在主义的观点，对知识的确证可能依赖于人工智能推理过程的“可靠性”而丧失自主的批判性。两种情形下都可能确证虚假或错误的知识。因此，Q2可以转化为：在人机协同知识生产的过程中，个体如何避免主观主义和无批判意识的双重困境，实现对“真知识”的确证？
四、
加强元认知：回答Q1和Q2的可能取径
在现代认知理论中，预测加工理论（Predictive Processing Theory）认为大脑是基于贝叶斯定理编码的检验假说的精致机制，人类的认知是在主动探寻与验证中实现的。预测加工理论的核心主张可概括为：第一，认知并非大脑被动接纳信息，而是其主动对标相关预测模型；第二，认知包含多层级的预测模型，通过从低阶感官信号迈向高阶抽象概念来实现预测误差的最小化；第三，知识探究是动态的“假设—验证”过程，依赖于交互行为与内省行为的发生。雅各布•霍维（Hohwy, J.）指出，大脑不断致力于最小化其对来自世界的感官输入的预测误差（Hohwy, 2013, p.1），心智诞生于预测，并被预测所塑造（Hohwy, 2013, p.2）。在他看来，人类的期待驱动着感知、行动、注意力与世界的整合，从而促使预测误差最小化。这一过程除了知觉推断与逻辑推断之外，还存在内省推断（introspective inference）这一行为诱发认知的诞生。霍维认为，当出现意识体验与预期相悖的情形时，个体将启动内省机制对感官体验进行再校准。这种内省机制被视为一种无意识的推理过程，即存在某些隐藏的心理诱因、潜在的感官效应，以及能够产生预测误差的生成模型（Hohwy, 2013, p.245）。安迪•克拉克（Clark, A.）也指出，人类认知的发生实则依赖于一个自我维持的循环因果系统，在此系统中，行动持续选择新的感官输入，并在过程中整合环境结构与机遇（Clark, 2016, p.1）。其本质是通过行动选择优化感官输入，在动态交互中实现高效认知与行为调节的智能系统。预测加工理论认为人类认知的发生或心智的成熟是在人类不断的主动行为中实现的，而内省行为是认知行为中的重要环节。因此，有学者就此指出，预测加工理论的认知生成是一种“双重记账”（double bookkeeping）的模型：一方面是面向世界的预测与报错，另一方面是对自身经受的体验做出预测并尽力减少误差（徐竹, 2022）。预测加工理论为我们理解认知的发生提供了重要的理论借鉴。
基于预测加工理论，Q1和Q2共同构成了人机协同知识生产时认知的发生，回答这两大问题的关键在于通过交互行为与内省行为减少预测误差。在预测加工理论看来，大脑不仅仅是假设检验者，还是“自我审判的法庭”。如果用约翰•弗拉维尔（Flavell, J. H.）的话说，这种“自我审判”表现为对自己的感知、记忆、思维等认知活动的再感知，即“元认知”。但预测加工理论强调的内省行为不仅包含元认知行为，还有与外界环境交互中的内省与修正行为。值得一提的是，个体与外界环境交互中的内省与修正行为根源于元认知行为，因为没有个体对自身感知等认知活动的审察，前者也就无法发生。换言之，个体的元认知行为是推动“假设—检验”动态建构的根本力量，形塑着人们对知识的探究与确证。因此，在人机协同知识生产中，个体的元认知行为直接关系到其如何更好地探究知识和确证知识，即加强人类的元认知是回答人机协同知识生产中Q1和Q2的关键（如图1所示）。
图1 预测加工理论的过程模型
（一）元认知与Q1
回答Q1的关键在于厘清人机协同探究知识过程中存在的潜在困境。现阶段人机对话主要包括问答式对话、任务式对话以及一些闲聊式对话。问答式对话主要处理一些简单的认知问题，如获取知识、了解问题的答案、满足好奇心等。任务式对话主要处理一些工作指令，如撰写论文、生成图片与表格、完成编码等。闲聊式对话与前两者相比具有较大的跳脱性，往往不聚焦某个主题。但从表现上来看，人机对话的实质其实可以归结为任务式对话，即人类发布某项指令（提出问题），人工智能执行这一指令（回答问题）。这种对话形式的特点是人工智能作为一个被动者仅负责执行指令，而不会提出反对、修正、批判、质疑等，也不会出现任何价值判断和情感介入。因此，在人机协同知识生产中，人类作为“引导者”其实暗含了一种预设，即人类的指令具有强制性与权威性。这是人类主体性得以彰显的一面。但吊诡的是，人类为了提升人工智能生产知识的质量，开始学会适应人工智能的语言思维，逐步将自己的思维“机器化”，而丧失人类作为知识探究的“引导者”的先在性。其结果是，正如贝尔纳•斯蒂格勒（Stiegler, B.）所说的，产生一种“无知识的知识”，即作为未完成的知识的完成（贝尔纳•斯蒂格勒, 2019, p.236）。这种“无知识的知识”在根本上远离了人类的“存在”，是表面的、缺乏自主性和批判性的知识。这是人类主体性被遮蔽和异化的一面。在实践中，主体性得以彰显的一面和主体性被遮蔽的一面都可能走向一种无意义的知识探究。对于前者而言，人工智能无法对人类可能有误的指令和问题提出反驳和修正，在人类并不具备自我监察和发觉问题的能力时，人机协同所生产的知识便可能是有误的、无意义的。对于后者而言，人类的思维逐步“机器化”，其所探究出的知识将出现同质化、表面化、缺乏创新性的情形。
对此，人类欲成为一个好的知识探究的“引导者”，便需要克服这种双重困境。有学者就此指出，我们在利用自己预设的框架来思考事物的同时，还要对我们所设计的框架不断地进行再反思（费多益, 2022）。加强元认知能力，为克服这种困境提供了可能性。首先，元认知的自我察觉维度对于知识探究过程的修正与完善至关重要。人类需要在人机协同知识生产中对自己的思维状态、知识储备、认知偏见、认知缺陷等具有一定的自明意识。一方面，其在知识探究的开始阶段可提高提问的有效性和针对性；另一方面，其在知识探究的过程中可更加精准地引导人工智能弥补自身的认知空白，突破认知局限，避免陷入“无知识的知识”的陷阱。其次，元认知的自我监控维度在知识探究过程中不可或缺。人类需要实时监控人机协同知识生产中的人机对话行为和知识生成过程，这是人类自我察觉和调整策略的重要前提。一旦监控到明显的错误或可疑之处，便及时地改变提问方式，修正问题方向。最后，元认知的自我调节维度是促进人类成为一个好的知识探究的“引导者”的关键一环。当发现人机对话无法获取有效知识和所期待的知识时，或者发现人工智能的回答存在明显错误和可疑之处时，及时调整对话策略至关重要。通过发挥元认知的自我察觉、自我监控、自我调节作用，人类在人机协同探究知识中便更能充分发挥能动性，克服这一过程中可能出现的困境与障碍，提升知识探究的质量和效率。正如有学者指出的，作为主体的人既要以“旁观者”的身份审思人机协同学习对个体发展的利弊，也要以“参与者”的身份投身其中并在实践中规避其弊端（陈港 & 孙元涛, 2023）。元认知为人类在人机协同探究知识过程中成为“旁观者”和“参与者”提供了根本性的建构资源。
（二）元认知与Q2
回答Q2的关键在于人类确证知识时如何发挥“恰如其分”的主体性，既不走向极端主体性下的主观主义，也不走向主体性遮蔽下的非自主性和无批判性。从根本上来说，确证知识时达成“恰如其分”的主体性在于摆脱内在主义与外在主义非此即彼的理念。正如有学者指出的，内在主义与外在主义都暗含一个预设，即它们是先天预成的，其特性不会随着信念的改变而发生变化（费多益, 2015）。正是在这种预设下，内在主义和外在主义成为分化对立的存在。约翰•杜威（Dewey, J.）曾指出，知识乃是通过操作，把一个有问题的情境改变成解决了问题的情境的结果（约翰•杜威, 2019, p.228）。内在主义和外在主义只关注认识过程的最后结果，而忽视了认识过程中信念在不同问题情境下的动态建构。正是内在主义和外在主义认为知识确证是结果导向的价值倾向，造成了它们之间的对立与排斥。那么，倘若把知识的确证看作连续性、阶段性、发展性的过程，即关注从知识探究到知识生成这一过程中存在的某种复杂性、综合性的作用，而非内在主义与外在主义的结果导向论，是否可以达成“恰如其分”的主体性呢？
在人机协同知识生产的初始阶段，个体带着自身的原初信念投入对问题的探索中，原初信念发挥着指引方向的重要作用。随着这一过程的推进，个体接触到人工智能生成的新信息，理想情况下，知识生产将可能出现两种路向：一种路向是个体直接接纳了人工智能生产的信息，这些信息变成了个体所需的知识，并且个体完成了对这些知识的确证；另一种路向是个体的认知信念在新信息的影响下发生了变化，如怀疑、不确定、肯定部分、拒斥全部等信念产生，从而进一步为人工智能生产新信息提供方向指引，最后在这种不断的自我修正中完成知识确证。对于前者而言，个体的关于知识的信念是直接被确证的，其大多数发生在回答一些常识性问题或基础性问题的情形上。对于后者而言，其结果往往是在不断地修正自我、引导方向、深入探究中实现对知识的确证。这个过程中，个体实现对知识的确证其实并非基于单一的内在主义或外在主义的逻辑，而是在内在认知状态与过程可靠性的统一中完成的。因为个体每一次信念的调整如同在知识版图中放置一块碎片，个体不是单纯地依赖于直觉或者盲目信任人工智能，而是在内在认知信念的不断修正中，实现个体认知能力与人工智能的相互滋养，最终完成知识的确证。这个过程中，个体既没有被自我的原初信念所禁锢，陷入主观主义的沼泽，也并未在人工智能所谓的可靠性与权威性中迷失，丧失自主性和批判性，而是面对不同阶段的问题，灵活调适个体的认知信念。
因此，如何激发个体内在心理意识的主动性，实现信念的自我修正，是个体确证知识时达成“恰如其分”主体性的核心议题。一个人的内在心理状态是有意识的，是具有主动性的，其条件是个体知觉到他处于这个状态或处于某项事件之中（Rosenthal, 2005, p.26）。元认知能力恰恰是个体认识到自己认知状态的基石，这意味着加强个体的元认知能力至关重要。元认知有助于个体认真审视自己的原初信念和人工智能生成的知识，对人机协同知识生产的起始与过程保持警醒，及时察觉偏差并纠错，推动信念的自我修正，达成一种统融内在主义和外在主义的知识确证论。
（三）人机协同知识生产中的元认知应用策略：以学术科研为例
当代元认知理论的代表学者乔尔•普鲁斯特（Proust, J.）提出，元认知是指通过一种语境敏感的方式，使一个运作中的认知子系统对另一个子系统进行评估或表征的能力集合（Proust, 2013, p.13）。在他看来，元认知存在一种认识论语境上的敏感性。基于这一论点，他呼吁个体元认知的参与性（engaged character），心理学文献将其称为“活动依赖性”（activity-dependence）。他认为，将元认知定义为“对认知的认知”错过了自我评估的参与性特征：在评估自己在认知任务中的表现时，一个人是“在思考中思考”（thinking “with” thinking），而不是“对思考的思考”（thinking “about” thinking）（Proust, 2013, p.62）。他强调参与是个体有意识地提取启发式线索（heuristic cues）的基本遵循，是实现元认知监控与评估的关键。如何实现元认知的参与性？他认为，元认知中的参与不仅涉及模拟一个主要情境，还需要实际的行动、执行主要任务的意图以及对成功完成任务的动机（Proust, 2013, p.55）。普鲁斯特强调元认知是个体“在思考中思考”的过程，提出情境、实际的行动、执行任务的意图、完成任务的动机共同构成了元认知参与的基本过程。这一过程实际上是个体作为“知—行连续体”以动态耦合的方式完成对认知的监控与评估。普鲁斯特的元认知理论强调个体“在思考中思考”，为激发人机协同知识生产中人类的元认知提供了重要支撑。
在学术科研中，普鲁斯特“情境—意图—行动—动机”的元认知过程有助于为人机协同知识生产中的元认知应用提供实践启示（如图2所示）。
图2 人机协同知识生产中元认知参与模型
第一，在情境维度上，科研者应与人工智能协同创建知识图谱，利用知识图谱构建动态认知情境。知识图谱具有动态知识导航的作用（吴杨 等, 2025），有助于帮助科研者梳理知识盲区、关键争议、可能误区以及提供语境信息与知识联结点，为科研者提供一个催动元认知监控与调整的动态情境。
第二，在意图维度上，科研者应明确学术科研目的，使用目标管理工具逐步细化学术科研目的，并通过不断的自我提问校对学术科研目的。
第三，在行动维度上，科研者应逐步分解人机协同知识生产的流程，构建包括提出问题、数据运算、提取启发性线索、知识验证四个阶段的循环反思系统。科研者可预先制定针对这四个阶段的元认知任务清单，在各节点设置元认知触发机制，从特定情境出发重新组织知识与经验（何歆怡 等, 2025）。如在提出问题阶段，应结合现有研究评估研究问题的创新性与可行性；在数据运算阶段，应反思数据运算的方法与过程，监控数据的可能偏差；在提取启发性线索阶段，应及时记录可能影响知识结果的线索，关注现实中的启发性线索（如与他人的交流讨论、现实的模型或案例、社会生活与文化中的线索等）；在知识验证阶段，可使用KWL策略（What I Know、What I Want to Know以及What I Have Learned），列出自己期待的知识结果，进行多层次提问，激发元认知评估与调整。这四个阶段并非单纯地线性发展，而是在螺旋式上升中构成一个循环反思系统，最终完成学术知识的生成与确证。
第四，在动机维度上，科研者可将人机协同知识生产视为一种反馈学习，利用AI的反馈信息与自我评价的反馈信息提升自我效能感和关于知识的信念感。
通过在情境、意图、行动和动机上的元认知参与，科研者达成人机协同知识生产中的“在思考中思考”，这一方面有助于科研者在探究知识时建构“旁观者”与“参与者”的双重身份，提升提问的质量，从而成为一个好的知识探究的“引导者”；另一方面有助于科研者在确证知识时实现内在心理状态与过程可靠性的统一，提升知识确证的“科学性”，避免陷入主观主义和无批判意识。
参考文献
A. J. 艾耶尔. （2006）. 语言、真理与逻辑（尹大贻 译）. 上海译文出版社.
贝尔纳•斯蒂格勒. （2010）. 技术与时间. 2. 迷失方向（赵和平, & 印螺 译）. 译林出版社.
贝尔纳•斯蒂格勒. （2019）. 技术与时间. 1. 爱比米修斯的过失（裴程 译）. 译林出版社.
柏拉图. （2017）. 柏拉图全集（4）（王晓朝 译）. 人民出版社.
陈港, & 孙元涛. （2023）. 数智时代学生的主体性反思与重构——基于人技关系的思考. 中国电化教育（10）, 18-25.
陈嘉明. （2004）. 知识论研究的问题与实质. 文史哲（2）, 15-18.
陈万球, & 罗一人. （2024）. 生成式人工智能的“知识幻觉”及其风险治理探论. 上海市社会主义学院学报（4）, 38-51.
费多益. （2015）. 知识的确证与心灵的限度. 自然辩证法研究（11）, 19-25.
费多益. （2022）. 美诺悖论：知识何以拥有理性的保障? 哲学研究（7）, 88-96, 128.
弗兰西斯•培根. （2011）. 新工具（许宝骙 译）. 商务印书馆.
汉斯-格奥尔格•伽达默尔. （2011）. 诠释学2：真理与方法（洪汉鼎 译）. 商务印书馆.
何歆怡, 张文梅, & 陈丽. （2025）. 群智涌现：互联网推动知识生产模式转型的历史趋势. 中国远程教育（7）, 35-48.
胡泳. （2023）. 超越ChatGPT：大型语言模型的力量与人类交流的困境. 新闻记者（8）, 13-29.
黄旦. （2023）. 作为人类文明进程动因的媒介——从ChatGPT说开去. 新闻记者（6）, 3-10.
姜华. （2024）. 何种媒介，哪类知识：试析作为知识媒介的生成式人工智能. 现代出版（9）, 26-37.
刘纯懿, & 胡泳. （2024）. 人工智能的知识表示和智识极限——从形式化/非形式化论争谈起. 现代出版（9）, 16-25.
刘海龙. （2024）. 生成式人工智能与知识生产. 编辑之友（3）, 5-13.
马丁•海德格尔. （2019）. 存在与时间（陈嘉映 译）. 商务印书馆.
倪梁康. （2007）. 胡塞尔现象学概念通释. 生活•读书•新知三联书店.
孙伟平, & 刘航宇. （2024）. 生成式人工智能与知识生产方式的革命——从Sora的冲击波谈起. 思想理论教育（5）, 12-18.
吴杨, 吕钰琪, 杜钧, 牛红伟, & 郝佳. （2025）. 知识图谱驱动智能学习的内生逻辑. 中国电化教育（2）, 122-130.
肖峰. （2020）. 人工智能的知识哲学审思. 求索（1）, 87-94.
肖峰. （2023）. 生成式人工智能与知识生产新形态——关于三阶知识生产的探析. 学术研究（10）, 50-57, 2, 177.
徐竹. （2022）. 自我知识理论的预测加工选项. 科学技术哲学研究（2）, 9-14.
伊曼纽尔•华勒斯坦. （1997）. 开放社会科学：重建社会科学报告书（刘锋 译）. 生活•读书•新知三联书店.
殷杰. （2024）. 生成式人工智能的主体性问题. 中国社会科学（8）, 124-145, 207.
约翰•杜威. （2019）. 确定性的寻求： 关于知行关系的研究（傅统先 译）. 华东师范大学出版社.
Armstrong, D. M. (1973). Belief truth and knowledge. Cambridge University Press.
Chisholm, R. M. (1966). Theory of knowledge. Prentice Hall.
Chisholm, R. M. (1982). The foundations of knowing. University of Minnesota Press.
Clark, A. (2016). Surfing uncertainty: Prediction, action, and the embodied mind. Oxford University Press.
Goldman, A. I. (2001). Epistemology: Internalism and externalism. Wiley-Blackwell Publishers.
Greco, J., & Sosa, E. (1999). The blackwell guide to epistemology. Wiley-Blackwell Publishers.
Hohwy, J. (2013). The predictive mind. Oxford University Press.
McCabe, M. M. (1999). Plato’s individuals. Princeton University Press.
Pappas, G. S. (1979). Justification and knowledge: New studies in epistemology. Riedel Publishing Company.
Proust, J. (2013). The philosophy of metacognition. Oxford University Press.
Rosenthal, D. M. (2005). Consciousness and mind. Oxford University Press.
Scott, D. (2006). Plato’s Meno. Cambridge University Press.
Susarla, A., Gopal, R., Thatcher, J. B., & Sarker, S. (2023). The Janus effect of generative AI: Charting the path for responsible conduct of scholarly activities in information systems. Information Systems Research, 34(2), 399-408.
The “Meno’s Paradox” in Human-Machine Collaborative Knowledge Production: Identification, Transformation and Transcendence
Chen Gang
Abstract:In the process of human-machine collaborative knowledge production, there seem to be two dilemmas regarding knowledge exploration and knowledge verification, which are similar to the “Meno’s Paradox”. Firstly, if there is something unknown to humans, how can the exploration of this unknown thing be achieved (Q1)? Secondly, how can humans verify that the knowledge produced by generative artificial intelligence is “true knowledge” (Q2)? These two questions constitute the cognitive dilemmas in human-machine collaborative knowledge production. Through a comprehensive analysis of epistemological philosophy and the philosophy of artificial intelligence, Q1 can be transformed into how individuals can become good “guides” for knowledge exploration in human-machine collaboration and enhance the effectiveness and pertinence of knowledge exploration. Q2 can be transformed into how individuals can avoid the dual dilemmas of subjectivism and uncritical consciousness to achieve the verification of knowledge. Based on the theory of predictive processing, strengthening human metacognitive ability is a possible way to respond to these two problems. Based on Proust’s metacognitive theory, researchers can take actions based on the four-in-one metacognitive application model of “situation-intention-action-motivation” in the human-machine collaborative production of knowledge. It can improve the participation of metacognition, construct the dual identities of “spectator” and “participant” in knowledge exploration, and unify the internal psychological state and process reliability of knowledge confirmation.
Keywords:Meno’s paradox; human-machine collaborative knowledge production; metacognition; knowledge verification
作者简介
陈港，浙江大学教育学院博士研究生（通讯作者：1194912836@qq.com 杭州 310058）。
基金项目
国家自然科学基金2020年度重点项目“面向在线教育的群体智能支持下人机协同学习研究”（项目编号：62037001）
责任编辑：刘莉
期刊简介
《中国远程教育》创刊于1981年，是教育部主管、国家开放大学主办的综合性教育理论学术期刊，是中文社会科学引文索引（CSSCI） 来源期刊、全国中文核心期刊、中国人文社会科学期刊AMI综合评价（A刊） 核心期刊、中国科学评价研究中心（RCCSE） 核心期刊、中国期刊方阵双效期刊、人大复印报刊资料重要转载来源期刊，面向国内外公开发行。
本刊关注重大教育理论与政策，推动科技赋能教育，反映国际学术前沿，聚焦本土教育改革，注重学术研究规范，提倡教育原创研究。
地址
北京市海淀区复兴路75号
邮编
电话
010-68182514
电邮
zzs@ouchn.edu.cn
网址
cjde.ouchn.edu.cn
来源丨中国远程教育微刊
声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与我们联系，我们将及时更正、删除，谢谢。
热门跟贴