贾利军 徐韵 贺达豪 王宏
摘 要：
ChatGPT所代表的通用人工智能的爆火并非一夕之功，而是第三代人工智能选择经验主义路线后并经历长时间训练后的结果，其再次引起社会上关于“机器换人”的技术悲观主义思潮。但是究其本质，建立在抽样式科学基础上的人工智能其实是对此前三次科技革命的系统性整合，能够在多个领域推动人类社会发生巨变；
另一方面，通用人工智能以其在经验主义上对人类思维的模仿，依靠强大的逻辑计算能力也在技术层面上敲响了抽样式科学的丧钟。虽然如此，但这种建立在抽样式科学基础上的人工智能，仍然无法跳出抽样式科学因其原子论世界观所带来的可复制危机以及世界观分裂等问题，难以真正了解客观世界，而东方科学以其以道为核心的整体论世界观以及天人合一的方法论直面真实世界进行科学研究，通过对客观世界进行“易经模型化”，对世界进行更高层次、更高意义上的科学研究，能够很好弥合抽样式科学的不足，同时指出了未来科学发展的方向。
关键词：
ChatGPT；
通用人工智能；
西方科学；
东方科学
中图分类号：
G 2
文献标志码：
A
Devil or Angel：
Probing the Future of Artificial Intelligenceand Science from the Boom of ChatGPT
JIA Lijun1 XU Yun2 HE Dahao1 WANG Hong1
（1.Faculty of Economics and Management， East China Normal University， Shanghai 200241， China;2. Faculty of Education， East China Normal University， Shanghai 200241， China）
Abstract：
The boom of general artificial intelligence （GAI） represented by ChatGPT is not an overnight achievement， but the result of the third generation of AI relying on empiricism and training for a long time， which is triggering the technical pessimism of “machine substitution” in society. However， in essence， sampling-oriented artificial intelligence is a systematic integration of prior three scientific and technological revolutions， which can promote great changes in human society in many fields; on the other hand， general artificial intelligence， with its imitation of human thinking guiding by empiricism and employing mighty logical computing power， accelerates the death penalty of sampling-oriented science at technical level. Nevertheless， his kind of artificial intelligence built on sampling-oriented science o still cannot avoid the problem of reproducibility crisis and the split of world view caused by the atomic world view ， and therefore it is difficult to truly understand the objective world， while oriental science with its holistic view with the Tao as the core and the methodology of the unity of heaven and man directly face the real world for scientific research.Through applying “I Ching modeling” to mimic the objective world， the research is carried out at a higher dimension and mo， which not only fixes the problems of sampling-oriented research， but points out the future direction of scientific research development.
Key words：
ChatGPT; general artificial intelligence; western science; oriental science
1 問题缘起
2023年伊始，ChatGPT 3.5在科技领域引起的热潮，让人工智能再次成为社会关注的焦点。尤其是在人工智能自然语言处理（NLP）技术进步的背景下，ChatGPT便是依赖于能够开放式理解并且能够生成连贯文本的大语言模型（LLM）而产生的一种“看似能够理解人类的语言并且能够像人一样说话”的生成式人工智能（Generative AI）。有别于局限于某个领域、某项工作、某种技能的专用人工智能，如图像处理、汽车驾驶、环境清洁等，ChatGPT备受青睐并能够掀起对人工智能领域投资热潮的原因在于其开辟了AGI（Artificial General Intelligence）时代，即通用人工智能时代（令小雄，2023）。当下，科技界、投资界在为通用人工智能时代即将到来而欢呼的同时，值得注意的另一面是民间和社会关于“机器换人”的深深担忧，技术悲观主义的变种人工智能悲观主义的论调也随之再次出现（黄欣荣，2019）。
作为人文社科领域工作者，对于任何科学技术的进步乃至被认为将推动社会变革的科技界标志事件都应该保持审慎的态度，在ChatGPT风靡当下对其所属的人工智能乃至于其背后所代表的科学与技术进行理性的价值探索。
2 人工智能与技术悲观主义
2.1 什么是人工智能？
从学术语言上来看，人工智能（artificial intelligence）是数字计算机或计算机控制的机器人执行通常与智能生物相关的任务（Winston，1984），通俗来讲，像人一样去完成某项任务的机器。
我们不妨从其造词出发探索它的内涵。“人工智能”的本质体现在“智能”二字，智能是人类对自己思维能力、认知活动的统一叫法，属于人脑天然的功能，而“人工”则是说明这种所谓的“智能”并非同自然赋予人类的智能一样，其本质是人类通过研究自己的思维能力和认知活动进而使用自己所发明的机器完成模仿，两种智能并不能画等号。就像马克思所言，人类技术的本质是人体器官的延长，即用器物的手段将人体器官的功能延伸、放大。简而言之，人工智能便是对人类智能的模仿、放大和延伸。
对“智能”的理解还可以更进一步，因为它关乎人工智能发展的走向（我们可以从后续的人工智能发展历史中得知），智能是人类与他所处世界的一种关系认知，基于这种对“智能”的认知，我们可以和我们所处的世界和谐相处，所以智能是有高下之分的：我们对自身，对周遭世界理解得越多，据此形成的关系认知就越深刻，这样的智能就越高级。这在中国文化中就是道、象、器之间的高下差异。
2.2 新旧人工智能的交替：人工智能发展简史
根据黄欣荣（2018）和徐英瑾（2019）两位科技哲学专家的研究，人工智能概念早在1956年就被提出，分别在20世纪60年代和80年代掀起人工智能的浪潮，但是这两次人工智能的浪潮均未达到预期的效果，很快便进入低潮阶段，因此这两个阶段的人工智能又被称为旧人工智能。
既然人工智能是对人类智慧的模仿，从人类思维的不同模式出发，会产生出两种完全不同形态的人工智能——唯理论与经验主义。早期的人工智能选择了唯理论的路线，在正确知识的基础上，使用人工智能进行推演，这在一定程度上放大了人类的智力，但是由于各种技术局限，远没有达到人工智能所宣称的“智能”。“图灵测试”敲响了旧人工智能的丧钟，因为它通过给机器编程，让机器学会推理规则，依靠演绎逻辑，最多只能将正确的前提分解、推演，并将整体的正确性传导到部分，而不能推导出新知识（黄欣荣，2019）。而以专用人工智能AlphaGo和通用人工智能ChatGPT为代表的第三代人工智能（或称新人工智能）选择了更加符合人类基本认知模式的经验主义范式。ChatGPT的技术原理主要是在一个超大语料基础上预训练出大语言模型（LLM），采用从左到右进行填字概率预测的自回归语言模型，并基于prompting（提示）来适应不同领域的任务。其次，在新一代信息技术发展的基础上，计算机的内存和算力有了较大的突破，借助互联网、大数据以及智能感知，新人工智能能够将这种智能建立在经验数据的基础上并且通过海量的数据从而提炼出所需的经验与认知。综合来看，第三代人工智能从内部结构、运行机制和外部功能诸多方面来看，已经达到了通过“图灵测试”的标准。简言之，其基于经验主义的认知模式，利用大数据等技术，将智能建立在经验数据的基础上，通过数据挖掘、深度学习来获取经验和知识，从中提炼出智能所需要的理论和规律（黄欣荣，2018）。
2.3 人工智能悲观主义：人类脑力劳动真的能被替代吗？
值得一提的是，早在2021年华为所发布的盘古大模型以其接近2000亿的参数以及高达40TB的训练数据遥遥领先引起热潮的GPT3.5，不仅如此，相较于ChatGPT仅运用于聊天和内容生成的领域，华为盘古大模型早已被实际运用于科研和工业领域，并在工业、气象、金融等领域进步明显。以ChatGPT和华为盘古大模型为代表的新人工智能所预兆的新趋势可知，新人工智能将在更广泛的领域中给人类社会带来巨变，无论是科技发展的内在推动，还是各国政府的经济产业规划以及产业界的强力外力推动，都能够预见新的产业创新需要新一代的人工智能提供更加强大的发展动力（黄欣荣，2019）。刘大椿等（2019）认为，即将到来的第四次科技革命是本世纪来由移动互联网、大数据、机器人、计算机视觉、深度学习等智能化科技促成的以人工智能为核心的新一轮科技革命。随着智能化科技的发展，包括人在内的万事万物都会通过数据流联结为可以感知和回应环境变化的泛智能体，整个世界将有可能演变为复杂、泛在的智能化虚拟机器……于是，人工智能引发的失业论、替代论甚嚣尘上，这其实是每一次新技术的出现都会有人陷入悲观主义窠臼，人工智能悲观主义只是技术悲观主义的翻版（黄欣荣，2019）。
从表象来看，所谓人工智能就是在部分智慧作业领域可以替代人类的机器。而众所周知，即使我们自恋地认为科技高速发展的今天，我们人类对于整个世界还知之甚少，甚至我们对自身的理解也只是一个开端。有的科学家说我们对世界或自身的认知不足其全部的5%。當然，这种说法本身就存在着一个悖论：我们如果只了解5%，我们又是如何知道我们所了解的是这个整体的5%，但这的确反映了一个基本事实：世界或我们自身的本质，在今天学科体系之下还是一个未知数。
其实，这种忧虑本质上是一种杞人忧天。首先，人工智能所能解决的问题都是过往人类历史长河中已经发生且形成解决方案的问题。对于前所未有的原创性问题，它往往是力不从心的。也就是说，人工智能可以承载人类的过去，但是它无法承担开启未来的重任；
其次，问题解决的优化是一个无限逼近最优值的过程，问题解决得最优与否，本质而言是一个人本问题，基于计算机综合感受性与人之间的天壤之别，这就使得人工智能提供的最优方案，无论是以逻辑推导方式获得的方案还是以类人经验累积优化形成的方案，都与真正人类自身的解决方案有较大差距。尤其是在系统性问题上，值得一提的是，这种问题的系统性、有机性越高，这种差距就越为明显——这就像人类男/女朋友和机器人男/女朋友之间的差距。
3 西式科学：人工智能无法回避的短板
有意思的是，近年来，由于计算机技术的介入，尤其是人工智能的介入，人类社会正在从工业革命早期组合式发展模式日益转向社会各组成部分日益融合，以一个有机体而生发的发展模式。这就使得我们当下乃至今后面临的问题具有更高的有机性，这就要求问题的解决者，无论是人类还是人工智能具有更高的有机性。这对于后者而言，无疑是一个致命的短板：因为无论是早期的工业机器还是当下人工智能，依靠的基础都是西式科学。
3.1 四次科技革命历史回顾
著名科学哲学家托马斯·库恩提出“范式”这一概念并将其作为度量科学发展程度的重要标准，在此基础上，自文艺复兴以来，以牛顿为代表的原子论自然观确定了其主导地位，成为了近现代科学的主流范式（黄欣荣，2013）。简而言之，这种以“建立模型、抽象化和量化”为主要形式，通过数学与实验相结合的方式，最终建构一套完整的研究体系，也被称为理论科学和计算科学，其最本质的称呼是抽样式科学（贾利军，2022）。
理论科学的构建为人类社会的变迁带来了三次科技革命并产生了相應的产业革命，分别是蒸汽革命、电力革命以及信息革命。第一次科技革命发生于17～18世纪的英国，物理学特别是力学确立，在纺织产业领域动力机器开始登上历史舞台，开启了机器逐渐取代人力的历史。第二次科技革命发生在19世纪到20世纪初，热力学、电磁学等领域的理论突破，造就了以光和电为基础的机器得以产业化的基础，电力革命由此发生，电力革命的发生还意味着人类找到了运用自然力的普遍能源形式和普遍控制手段（刘大椿等，2019）。第三次科技革命，主要标志是20世纪80年代，计算机、网络等技术的发明和发展，其主要突破在于人类能够通过计算机对现实世界虚拟化并实现计算，进而解决现实中的部分问题。不难发现，历史上的三次科技革命尽管发生的领域不同，对社会的影响程度也不同，但是究其本质都是依赖于理论科学领域的突破。而当下人类即将经历的第四次科技革命，也是这种抽样式科学的进一步发展。
纵观四次科技革命的历史不难发现，推动其发生的基础并未发生改变，即四次科技革命均未改变自牛顿以来的抽样式科学范式，均是以“数学化”的形式对客观世界进行“理论假设、设计实验、建立模型、量化研究、输出结果”的研究，只是在四次科技革命的历史中，从原来的数理化天地生的学科划分，转向更宏观的领域开拓——第一/二次科技革命注重物质科技和能源科技的开发到第三/四次科技革命注重信息科技和生命科技，进而产生了部分融合科技（刘大椿，2019）。但是从第一次科技革命到最近的第四次科技革命没有发生像伽利略、牛顿等人初创理论科学那样的质变，只是在量变上做了足够的积累，这便是当下所言“科学”的本质，即在近代欧洲诞生的以牛顿力学为代表的自然知识类型——抽样式科学。
3.2 ChatGPT能否成为抽样式科学（西式科学）的巅峰？
由以上可知，新人工智能所代表的智能革命其实是对此前三次科技革命的系统性整合——对原有的产业群赋予类似于人的智慧，基于人工智能的核心将万事万物进行联网使之智能化并且提供整合式的解决方案，即通过足够多的训练原本需要人完成的“理论假设、设计实验、建立模型、量化研究、输出结果”的研究范式，可以通过深度学习这一范式的人工智能完成，并且人工智能可以不眠不休。
从ChatGPT的运用效果便可窥见，从前人们在互联网上检索信息面临着各自互为孤岛的信息源难以下手，但是经过大数据不断训练后的人工智能ChatGPT却可以依靠近似人类思维模式以及强大的计算能力快速筛选信息，并且识别需求，精准匹配整合型的方案；
其次，不光日常生活领域，就连尖端的科研领域，人工智能也大放异彩。根据国际顶级科学杂志《Nature》 可知，英国人工智能公司DeepMind所开发的AlphaFold2人工智能能够帮助科学家在未知蛋白质类似结构的情况下，以原子精度定期预测蛋白质结构，并且这种计算方法的准确性优于其他方法。这就是新人工智能所预示的智能时代，可以说，不久的将来，科学与技术都将迎来其巅峰时刻。
3.3 危机频现的西式科学
3.3.1 可复制性危机及其实质
科学追求的是以严谨的理论去建立对事实的研究，换句话说，科学建构的理论要经得起尽量多的数据和实验次数的检验。但是，可重复性危机（reproducibility crisis）的反复出现，无疑让科学的客观性和严谨性受到了严重的怀疑。Science杂志在2015年刊登的一篇文章试图复现一本优秀杂志上的100份相关实验，令人沮丧的是只有39%的实验得以复现；
Nature杂志也发布了类似的研究情况，其对1576名研究人员研究发现，超过70%的研究人员尝试复现他人的研究但是失败，其中超过一半的人难以复现自己的实验（Baker，2016）。有趣的是，抽样式科学的理论基础统计学通常认为如果一项研究的P值小于0.05，那么意味着这项研究拥有显著性，但是2017年一篇刊登在Nature上的文章却试图改变这种现状——来自统计学、心理学、经济学、社会学、生物学以及政治学等领域的72名学者建议将P值的门槛提高到0.005，以降低科学研究中的假显著性并提高科学研究在许多领域的可重复性，可见抽样式科学的理论基础也在可重复性危机下显得岌岌可危（Chawla，2017）。
谈论可重复危机的实质，需要转向对抽样式科学具体科研范式的探讨，即原子论世界观取消了真实世界的复杂性并消解了事物的复杂意义，加之其方法论对复杂系统的解释乏力（贾利军，2021）。正是有这种世界观和方法论的制约，抽样式科学在脑科学和神经科学等复杂科学领域难以取得实质性进展。
3.3.2 分裂的世界观带来分裂的世界图景
人类曾一度以为牛顿力学统一了世界，但是相对论和量子力学的出现，却将这种世界图景分裂了（蔡禹僧，2007），区别在于两个世界的时空观念的不同，即世界观是否具有时间性。
19世纪，理论科学的发展过程中，电磁学统一了电学、磁学以及光学，后续出现的相对论又是对牛顿力学和电磁学的统一。热力学和量子力学虽然能够实现部分统一，但是仍然存在無法还原的独特性；
其次，量子力学本身存在的概率性也让物理学家不肯承认其完备性；
再者，除了物理学内部的分裂，物理科学和生命科学之间也被视为存在着不可逾越的鸿沟（梁栋材，1993）。哈佛大学的David Raymond Layzer（1997）将这种分裂的世界图景（图1）根据所描述的自然过程是否存在时间性而分为两类，其中一部分是由量子物理所描绘的微观世界的无时间性，以及有时间性的自然过程，即按向低熵发展还是高熵发展又可分出两类。
从西式科学的发展历史可知，长期以来，其对客观世界的认识往往从假设出发或者从某一个具体的视角出发，而从未对客观世界进行整体的把握，从现实情况来看，其既缺乏理论依据同时也缺乏实践经验。正是受制于原子论视角，人们总是试图从基础原子或基础变量的角度寻找客观世界的本原，进而构建起理论的大厦，才造成当今在“时间”这个维度上的世界观的分裂，进而造成抽样式科学无法在理论上形成大一统。
西式科学的本质是由原子论世界观和还原论方法论决定的。在原子论世界观和还原论方法论的规制下，任何复杂的问题都可以看作不同数量简单问题的组合（原子论），因而任何复杂问题的解决也就是把这个组合的大问题拆分成一个个小问题的过程，通过对小问题的解答，最终形成各个解答方案的集成，就完成了一个复杂问题的解决（还原论）。
更进一步讲，当下纷繁复杂的抽样式科学，归根结底只是试图以极简的数学思想对客观真实的世界进行抽样实验，试图从不断的实验中寻找本质，但是这从根本上就否定了世界的复杂性。最近若干年复杂科学的兴起表明，这种抽样式科学发展达到了其边界，尤其是大数据和人工智能的发展，为抽样式科学敲响了丧钟——大数据和人工智能可以深度学习抽样式科学的思维逻辑并且通过海量的数据进行计算，为抽样式科学提供虚拟世界中巅峰视角（贾利军，2013）。这种模式已经随着类似AlphaFold2这样的人工智能不断被研制以及应用于抽样式科学研究中得到验证。
在意识到原子论世界观的局限性之后，科学界将目光转向了已经被忽视了几个世纪的整体论世界观，但是就整体论世界观而言，在科学界又有机械整体论和有机整体论的争论。机械整体论，其实是对原子论的一次升级，它认为事物不过就是一个钟表式的紧密耦合的机械系统，该系统的组成部分可以类同或者完全一样，故很容易得出母系统是多个子系统的叠加。而有机整体论认为有机系统由组成部分的整体与动态的互动关系所决定，具有松散耦合的特征，其次部分具有多元特征，因此高度互补。随着科技的发展，特别是复杂系统理论兴起的当下，有机整体论的观点日益得到重视。但是，虽然科学界已经认知有机整体论或许正确，但是如何把握它，使用什么研究方法，仍然是莫衷一是，有机整体论也仅停留在复杂系统理论中认为复杂系统的整体大于组成部分之和的概念之上，这也可以从一个侧面窥见当今科学的分裂图景的根源。
由此可知，除非当下人工智能所依赖的科学范式发生质变，否则这样的一种人工智能的上限就是对过往的总结和对特定问题基于历史的优化。这当然也是人类发展非常需要的，但这不是人类发展的决定性问题。
一言以蔽之，人工智能可以帮助人类更好地总结过往，与此同时，它又会加速我们人类社会面向未来的步伐，人类社会的有机性会进一步加强，由此生发出来的各种问题又会使得当下的基于西式科学范式的人工智能力不从心，所以我们需要一种包含而又高于这种科学范式的科学。而这一点，基于中国文化的东方科研范式会拥有更大的优势。
4 东方科学：以道御术追求和谐
如果将科学仅仅界定在抽样式科学的研究范畴下，这本身就是对科学的狭隘化。不过抽样式科学这条路径，在过去的几百年里，伴随着其理论大厦完善而产生的数次科技革命为人类社会带来了巨变，这不得不让人产生对抽样式科学的路径依赖，让人觉得抽样式科学才是人类认知客观规律进而利用客观规律促进人类社会发展的终南捷径。
近几十年，随着东西方文化的不断交融，世界学术界将研究的目光不断投向古老的中国文化。在物理学界，量子纠缠理论与中国道家老子哲学跨越千年实现对话；
在化学学界，两次获得诺贝尔化学奖的巴利·夏普莱斯认为《道德经》道出了“点击化学”的真谛……中国传统文化向世界揭示的正是抽样式科学无法触碰到的那个“黑箱”——整体，即客观世界。对于“整体”认知的分野，决定了东方科学与抽样式科学的根本区别。
4.1 以“道”为核心的整体观：用“道”弥合分裂的世界图景
东方科学是以道为核心对整体进行把握的，其中最具有代表性的描述便是老子在《道德经》的话语：“道生一，一生二，二生三，三生万物。”道是整体的起点，也是构造整体的要素，进而可知，道便是东方科学研究的起点，又是其研究的终极目标。此句想表达的意义首先在于整个世界的运转服从一个叫“道”的客观实在。“道”统帅一切客观事物，把持着一切客观规律，一切事物的发展，各种客观规律的内涵都是诞生于“道”。
但是，这种客观性只是相对的，并不完全脱离人类的主观认识。因此，从本体论视角来看，“道”兼有客观性与主观性特征，是客观与主观的有机融合，即“天人合一”的本意。这一有机融合理念在量子物理研究中得到有力证明，尤其是客观全面潜在性（不确定性）与主观特定实现性（确定性）的融合（Hahn & Knight， 2020）。
当了解到主观与客观实为一体的时候，再来观察人类的抽样式科学，不难发现其困境在于主观与客观的割裂，即人类试图寻找的理论本质是主观的事物，而面向的研究对象是客观的，两者本为一体，是人类的抽样式科研活动将其对立起来，故这种分裂的世界观导向了分裂的世界图景。这种人为将主观与客观对立的情况，庄周在《庄子·内篇·齐物论》中也有类似的描述：“天地与我并生，而万物与我为一。既已为一矣，且得有言乎？既已谓之一矣，且得无言乎？一与言为二，二与一为三。自此以往，巧历不能得，而况其凡乎。”“天地与我并生，而万物与我为一”指的便是主观与客观的有机融合，而“既已为一矣，且得有言乎？既已谓之一矣，且得无言乎？”两个反问句指向，既然主观和客观是有机融合的状态，那么主观与客观都存在于“一”这个整体内。而“言”指主观，“一”指整体，庄子认为，“言”（主观）与“一”（整体）相加便是“二”（主客分离），这种细分是无穷无尽的，最厉害的数学家“巧历”都不能数清，何况凡夫俗子，故这种主客分离的状态是无法达到认知事物本真的境界的，而抽样式科学恰恰走的便是这样一条科研之路。
想要弥合这种分裂的世界图景，唯有树立以道为核心的整体观，把握这个观念的重点便是理解其“动态性”，仍然需要回归老子在《道德经》中所言：“道生一，一生二，二生三，三生萬物。”
道生一。宇宙的终极规律“道”派生出了世间万物的源头“一”，“一”代表阴阳还未分化，宇宙洪荒时的状态。当事物处于“一”的阶段和状态时，它是混沌不分的。所以，这个时候如果采用原子论世界观以抽样的方式进行科学研究，那么由于样本与母体的同质性，你可以得到关于母体本质的认识，这就好像混沌一碗白米粥，喝一口就知道了满碗的味道。
一生二。阐述的是万物的本源开始分化出阴阳，阴阳是万事万物发展的基本要素和动力机制。所谓“两仪生四象”说的就是“二”这个层面的涵义，是万物从混沌开始形成基本的动力机制，即向阳多阴少或阴多阳少这样的方向发展，这也是四象的由来。对于科学研究而言，一生二告诉我们的是，任何事物的发展都被一对基本矛盾所左右。当“一生二”的阶段到来时，则是指事物摆脱了混沌状态，开始形成基本的系统。这个时候，如果采用系统整体论，以建模的方式就可以演化事物的变化，这就是中国文化中，“变通莫大乎四时”说法的由来。这就好像吃比萨，只有吃完具有结构代表性的一块三角形，才知道整个比萨的味道。
二生三。强调的是阴阳交，阴阳交合，客观事物的多样性开始呈现，其结果就是“三生万物”。三代表的状态就是阴阳交，阴阳交合之后，事物进入复杂性演变阶段，新生事物层出不穷，这个“三”就是“天、地、人”这样一个结构。
事物进入复杂性系统阶段，抽样和建模都无济于事。因为“三”相当于抽样式科学中的有机整体论阶段。在这个阶段，因为局部是整体生成的，所以“万物都在万物中”。
对应这个阶段，西方科学研究演进出了“质性研究”的范式，即以人为研究的主体和工具，以人的整体性来感受复杂系统的整体、本质的属性。
4.2 天人合一：主客一体，胜物而不伤
以道为核心的整体观向我们揭示了万事万物演化的规律，同时也回答了抽样式科学在“道生一”和“一生二”阶段“抽样”和“建模”的研究方法具有科学性的根本原因，也指明了事物发展到“二生三，三生万物”需要探索新的方法论才能完成宇宙真理的探索——“天人合一”便是通往“道”的方法指引。
“天人合一”作为中国古代哲学家认识事物的基本方法，以经过特殊训练、不同于常人的“圣人”为研究的主体，以人类自身某种特殊的临界状态作为研究的工具与方法，使用有别于现行文字体系的文化符号系统作为自身的语言系统，以“制器尚象”的方式进行实践研究。它认识事物的基本方式并不是通过一系列的推理或分析，而是通过“圣人”在一种“临界”或“超然”状态下的顿悟，即人与事物或现象融为一体之时的特殊视角与特殊效果，这在中国传统道家以及中国禅宗理念与实践中得到充分体现。
理论“圣人”的说法，顺承了质性研究中对研究者要求极高的特征，并不适用于大多数研究者。
这种“临界”或“超然”的状态依托的是人在思想和道德上极高的修养。
“天人合一”正是在一种内心保持极大的虚空与宁静，无功利追求的状态下，凭借内心直观来把握世界万物以达到与世间万物的契合。获得 2020 年诺贝尔物理学奖的数学物理学家罗杰·彭罗斯（Roger Penrose）指出，人脑结构和发生在量子水平上的各种效应之间一定存在着某种联系。
换句话说，人脑就像一台量子计算机，它们都是在整体水平上发挥作用。
彭罗斯还指出，人类之所以能够知觉到数学真理，是因为人类大脑的真正结构正好反映了这种真理，这和“天人合一”不谋而合，从物理学和数学的角度佐证了“天人合一”中强调超然状态下的“顿悟”的科学性。
“天人合一”除了是以“圣人”为主体的科研工作者的方法论，同时也回答了当下科技发展而引发的社会问题，即常言的人与自然的矛盾，其代表的是一种追求和谐的价值观。以往的科技发展，特别是前两次科技革命建立在极大的生态破坏的基础上，第三次科技革命虽然看似没有对自然生态进行破坏，但是其更新换代的速率和构建在此基础上的人类社会是一个极大消耗资源的“生命体”，而“天人合一”解释了主观和客观本为一体的实质，进而促进人与自然的和解，与当下的环保理念、可持续发展理念不谋而合，这便是庄子所言：“圣人用心若镜，不将不迎，应而不藏，故能胜物而不伤”。（《庄子·应帝王》）
4.3 再论科学的本质：以道求术，追求和谐
正如前文所言，科学其实并非只有抽样式科学这一种路径，如果只是把科学研究的路径一厢情愿地理解为抽样和建模，难免一叶障目难以把握客观世界的本质，更难以回答当下科学给人类社会带来的困惑——科技的发展带来的生态反制以及人工智能引发的失业担忧等。
电视剧《天道》主角对于中国传统文化的认知有这样的描述，用以形容当下科学的分野十分恰当：“有道无术，术尚可求，有术无道，止于术。”东方科学与抽样式科学近似于“道”与“术”的关系，两者并非对立关系。诚如之前论证的那样，东方科学基于对道的认知，根据万事万物演化的不同阶段的特性，进而可以使用不同的研究方法对客观规律进行把握：抽样式科学的“抽样”和“建模”等方法在事物发展的“道生一”和“一生二”阶段都是有其科学性的，但是这种方法对于“二生三，三生万物”万事万物演化表现出的复杂性却如同盲人摸象，其构建出的理论模型历经了一次次信任危机。
特别是，当下随着信息技术的发展，人工智能与大数据所构建的巅峰视角能够帮助人类更低成本、更高效地实现抽样式科学的研究目标：智能革命所昭示的未来将是美好的，数据成为可反复使用的无尽新资源，信息经济可实现零边际成本增长；
其次，智能机器不但承担了体力劳动，而且替代我们高效地完成智力劳动，人类从繁重的体力和智能劳动中解放出来；
最后互联网特别是移动互联网打破了时空的限制，将过去与现在、此在与他在融为一体，让人们实现了跨越时空的自由，它为共产主义提供了一个比较现实的社会模型（黄欣荣，2017）。
而抽样式科学所无法触及的那部分科学，其实回答了人类社会方向性的问题，即科学的目的和意义是通过人类无论是“圣人”还是“非圣人”对万事万物的洞察和把握，最终实现“天人合一”的和谐。
5 结语
以ChatGPT为代表的新人工智能的出现，本质是西式抽样科研的一次长足的进步，人类可以通过这种人工智能对人类历史发展过程中的经验进行总结，并进行优化，从而服务于人类的生产生活，这种总结与优化客观上的确可以把很多人从岗位上替换出来，但是这种替换不是淘汰而是解放。就像工业革命以后，机器化大生产替代了相当数量的手工工人，但是整个社会的工作机会是增加了还是减少了呢？同理，伴随着人工智能对人类重复性劳动的解放，随之而来的是基于这样的社会现实而生发出来更多、更新、更人性化的岗位。所以，局部产业调整带来的失业是有可能存在的，但是出现席卷整个人类的失业潮则是杞人忧天。因为超越了物质欲望消费之后，是没有上限的审美、精神需求，所能创造的产业规模是难以想象的。
所以说人工智能替代人类，造成全球全局性事件是一种刻舟求剑的思维。人类制造出的，相对于人类形而下的人工智能却可以替代人类？这无疑是比提着自己的头发把自己拎起来更可笑的想法。当然，我们需要警惕的是：伴随着机器智能成分的增加，机器毁灭人类的能力日益增强，可以说是“谈笑间，灰飞烟灭”。所以，我们要十二万分地关注人工智能掌握在谁的手里，它必须归属于光明。
参考文献：
［1］ 令小雄，王鼎民，袁健.ChatGPT爆火后关于科技伦理及学术伦理的冷思考［J］.新疆师范大学学报（哲学社会科学版），2023，44（4）：123-136.
［2］ 黄欣荣.人工智能悲观主义批判［J］.理论探索，2019（4）：23-29.
［3］ 黃欣荣.人工智能热潮的哲学反思［J］.上海师范大学学报（哲学社会科学版），2018，47（4）：34-42.
［4］ 徐英瑾.人工智能技术的未来通途刍议［J］.新疆师范大学学报（哲学社会科学版），2019，40（1）：93-104.
［5］ 黄欣荣.新一代人工智能研究的回顾与展望［J］.新疆师范大学学报（哲学社会科学版），2019，40（4）：86-97.
［6］ 刘大椿，成素梅，段伟文，等.智能革命与人类深度智能化前景（笔谈）［J］.山东科技大学学报（社会科学版），2019，21（1）：1-10，34.
［7］ 黄欣荣.复杂性范式：一种新的科学世界观［J］.系统科学学报，2013，21（2）：17-20.
［8］ 贾利军，徐韵，贺达豪.从形而下的大数据到形而上的易经：谈科研范式的殊途与同归［J］.科学与管理，2022，42（4）：66-73.
［9］ Open Science Collaboration. Estimating the reproducibility of psychological science. Science，2015，349（6251）， aac4716.
［10］ BAKER M. Reproducibility crisis［J］. Nature，2016， 533（26）：
353-366.
［11］ CHAWLA D S. Big names in statistics want to shake up much-maligned P value［J］. Nature，2017， 548（7665）.
［12］ 蔡禹僧著.哲学与科学的结构关系［M］. 2007.
［13］ LAYZER D. Cosmogenesis：
The Growth of Order in the Universe.1990.
［14］ 梁栋材.贝时璋教授与中国生物物理学［M］. 1993.
［15］ 贾利军，许鑫.谈“大数据”的本质及其营销意蕴［J］.南京社会科学，2013，309（7）：15-21.
收稿日期：2023-06-05
作者简介：贾利军（1973—），男，江苏徐州人，博士，华东师范大学经济与管理学部教授，博士生导师，研究方向：东方营销学、文化融合性人力资源理论；
徐韵（1976—），女，江苏泰州人，博士，华东师范大学副教授，研究生导师，研究方向：教育学；
贺达豪（1998—），男，四川广汉人，华东师范大学博士研究生，研究方向：东方营销学、文化融合性人力资源理论；
王宏（1988—），女，吉林四平人，华东师范大学博士研究生，研究方向：东方营销学、文化融合性人力资源理论。
