提到人工智能的思想源头，大众首先想到图灵、维纳、麦卡锡，很少有人会把亚当·斯密与大卫·休谟和AI联系在一起。但事实上，这两位18世纪苏格兰启蒙思想家，是人工智能、人机环境系统智能背后隐形的思考者。他们讨论的不是代码、神经网络，而是人性、认知、社会秩序、自发涌现——恰恰是今天大模型、多智能体、人机协同系统绕不开的底层问题。
一、大卫·休谟：经验、归纳与AI认知的先天局限
休谟的核心命题：所有知识起源于感知经验；因果不是客观实在，而是人对反复出现现象的习惯性联想。这一点，刚好戳中当前大模型的本质。大模型本质就是在海量文本经验中统计共现关系，学习“习惯性关联”，它拟合的是相关性，而非真正理解因果。模型只能基于已有的数据经验做归纳，无法先天获得必然真理，这正是休谟问题在AI上的重现。
休谟还区分了印象（感知）与观念（认知），认为人的理性服务于情感与意图。放到人机环境系统框架里：机器擅长感知、统计、计算（对应“识”）；而价值判断、意图、意义赋予，来自人的主观体验（对应“意”）。机器可以生成无数关联，但意义本身无法单纯从数据中自动涌现，需要人在回路完成校准。
休谟的怀疑论也提醒我们：任何基于经验训练的智能系统，都存在归纳谬误。无论训练数据多么庞大，都不能保证在全新、对抗、异质环境下结论一定可靠，这就是AI幻觉、态势误判的哲学根源。
二、亚当·斯密：看不见的手，多智能体涌现与协同秩序
亚当·斯密最知名的“看不见的手”，描述一种奇妙现象：个体只追求自身目标，不需要中央顶层设计，大量个体交互之后，会自发涌现出整体秩序。这套自发秩序理论，正是当下多智能体AI、群体无人装备、人机协同体系的思想先驱。
斯密在《道德情操论》还提出“共情（同情）”机制：人通过换位思考理解他人的感受与动机。这刚好对应AI当前的短板：模型可以模仿共情的文字表达，但不具备真正的共情。智能体之间可以完成任务博弈、信息交换，但真正的价值共识，无法单纯依靠算法自发形成。
传统工程思维习惯自上而下设计全部规则；而斯密告诉我们，复杂系统很多全局特性，是局部交互涌现出来，不是预先写死的。这和动态本体论高度契合：静态本体是预先定义全部实体与关系；动态本体，是在人、机器、环境持续交互中，不断生成、删减、修正实体与关联，秩序是涌现而非预设。
但斯密同样强调：自发秩序不是无边界自由，需要规则、道德、制度作为约束。映射到AI治理：放任AI智能体自由博弈，会产生系统级风险；必须建立护栏、人在回路的约束机制，避免涌现出有害的全局行为。
三、二者合流：给人机环境系统智能提供思想基底
休谟回答个体认知如何产生、有什么边界；亚当·斯密回答大量智能主体交互如何产生全局秩序。两者合在一起，构成一套理解人机混合复杂系统的启蒙框架：
1. 无论是人还是AI，认知根植于经验，因果推断存在天然局限；
2. 多主体交互可以涌现出新的系统行为，无法完全通过局部规则预判；
3. 纯粹依靠个体/智能体的自发行为，不足以生成稳定、向善的秩序，需要人的价值、伦理、意图持续介入校准。
这也区分了古典启蒙智能观和现代计算智能：休谟与斯密理解的智能，从来不是孤立个体的推理能力，而是主体嵌入环境、主体之间相互作用的产物——这正是人机环境系统智能的核心主张。AI不只是一个孤立算法，而是人、机、环境相互耦合的开放系统。
四、对今天AI研究的启示
很多研究者幻想构建完全自主、脱离人的AGI。但休谟提醒我们：没有经验之外的纯粹理性；斯密提醒我们：自发涌现秩序离不开价值约束。
- 在大模型研究：要区分统计相关性（机器可习得）与因果、意义、共情（无法单纯由数据涌现）；
- 在多智能体/无人集群：重视涌现行为，同时不能放弃人的监督与边界校准；
- 在动态本体构建：实体与关系来自经验感知，随交互持续演化，不存在一劳永逸、静态固定的本体字典。
亚当·斯密与大卫·休谟虽然没有见过计算机，但他们思考的认知、经验、因果、群体涌现、价值约束，正是当下人工智能最深层的难题。他们是人工智能领域被遗忘的隐形思考者。现代AI的发展，某种意义上，就是用计算手段，去检验苏格兰启蒙思想家对认知与复杂系统的古老洞见。
休谟划定了机器认知的边界，斯密揭示了群体智能涌现的奥秘，两位启蒙思想家，是人工智能隐形的思想先驱。
热门跟贴