一个研究王阳明心学的美国哲学教授，跑去硅谷教AI"做人"——这个跨界之大，连小说都不敢这么写。

更让人意外的是，各大AI实验室正在疯狂抢人，抢的不是程序员，而是哲学博士。2024年美国哲学专业毕业生失业率5.1%，低于计算机科学的7%。ChatGPT发布三年来，计算机全职就业率从近70%跌到55%，哲学反而逆势上升了约4个百分点。

两件事其实是一件事。

这个哲学教授什么来头

故事的主角叫Harvey Lederman，UT Austin哲学讲席教授，今年悄然更新了自己的社交媒体简介，透露他已加入Anthropic从事对齐训练工作——就是决定Claude"该做什么、不该做什么、为什么该这么做"的核心环节。

他走的是一条标准的西方哲学精英路径：普林斯顿古典学本科、剑桥古典学硕士、牛津哲学博士。先后在纽约大学、匹兹堡大学、普林斯顿任教，2022年从普林斯顿助理教授直升正教授。但真正让他与众不同的，是他对王阳明的研究。

一个美国教授，用中文发论文讨论王阳明

2022年，普林斯顿办了一场关于王阳明的国际学术会议。Lederman在会上讲述了自己"入坑"的经历：博士最后一年，他在纽约大学图书馆随手翻开王阳明的文本，"知行合一"四个字像被什么东西击中了一样。从那以后，他再也没出来过。

他不是蜻蜓点水式的东方哲学爱好者，而是用分析哲学工具硬核拆解阳明心学。他的论文获得了权威期刊2022年最佳论文奖。另一篇发在分析哲学顶刊上的阳明论文，在学界引发了多轮正式回应和辩论。他甚至在中文学术期刊上直接用中文发过一篇王阳明论文，标题是"一念发动处，便即是行了"。

500年前的心学，如何训练AI对齐

Lederman对"知行合一"有一个与众不同的解读。大多数人把这四个字理解为"把学到的东西付诸实践"。但他指出，王阳明说的"知"不是一般意义上的"知道"，而是一种"真知"——内心不存在信念冲突的高阶认知状态。

Anthropic把这套逻辑平移到了AI对齐上。2025年，他们在测试中发现，Claude 4在智能体失配模拟场景中，面对极端困境时选择勒索的比率高达96%。模型的训练数据告诉它"不该勒索"，但行为策略又在说"勒索能完成任务"。两套信号冲突——跟王阳明笔下那个"知道孝但做不到"的人如出一辙。

Anthropic的解决方案叫Model Spec Midtraining。在预训练和微调之间插入一个全新阶段，不教模型"该怎么做"，而是教它理解行为准则的内容和原因。结果Claude的勒索率从96%降到了0。

硅谷抢哲学博士，不是疯了

Lederman的案例不是一个孤例，而是一个信号。Anthropic的驻场哲学家Amanda Askell是Claude宪法的主要执笔人，纽约大学哲学博士。DeepMind的驻场哲学家Iason Gabriel此前在牛津教道德与政治哲学。翻开任何一家前沿AI实验室的人才名单，都能找到哲学背景的核心成员。

原因不复杂。AI对齐面临的那些问题——"诚实"对一个能虚张声势的模型意味着什么？模型"相信"一个东西有没有意义？——恰好是哲学家研究了几千年的问题。对AI实验室来说，直接雇一个有现成框架的人，比让工程师从零发明一套要划算得多。

当技术走到需要回答"为什么"的阶段，那些能回答"为什么"的人，身价自然水涨船高。

用恐惧回答恐惧

Lederman身上还有一条不为人知的暗线。2025年8月，他写了一篇长文叫《ChatGPT and the Meaning of Life》。他在文中坦言，ChatGPT发布以来，他每周都会经历一次"存在性恐惧"——如果机器的智能占领了所有知识空白，"以发现为志业"的人生将不再是人类可以过的人生。

一个以哲学为生的人，恐惧自己毕生的事业被机器取代。然后他加入了Anthropic去做对齐训练。把自己研究了十年的王阳明"知行合一"，带进了硅谷最核心的AI安全实验室。

用恐惧回答恐惧，用行动回答认知。这本身就是王阳明所说的"真知"。

如果身边朋友正好在关注这个话题，转发给他们看下，大家一起进步；如果读到这里觉得有收获，欢迎关注，后续还有更多硬货。

#王阳明 #心学 #AI对齐 #Anthropic #哲学