理性边界的重构：DeepSeek认知模式与笛卡尔哲学的跨时代对话

摘要：近日DeepSeek（深度求索）作为由中国杭州深度求索公司所完全独立开发的大语言人工智能模型，迅速登上了世界各国热搜，以及人工智能模型下载榜榜首，其性能测试甚至超越由美国OpenAi所主导研发的ChatGBT这一人工智能模型。而本文旨在，通过笛卡尔哲学来审视DeepSeek这一新型人工大数据语言分析模型与笛卡尔哲学之间的异同点，并对其认知模式、逻辑系统等进行哲学分析。本文分别从三个层面讨论此问题：其一是在认识论层面，DeepSeek的并行认知模式消解了“我思”的同一性；其二是在怀疑论层面，DeepSeek的负采样机制构成了其在大数据层面中达成“普遍怀疑”这一命题的可能性；其三是在伦理学的层面上，对于人工智能的伦理考量已经是现实亟待解决的问题了。所以本文综合了上述三点来讨论DeepSeek与笛卡尔哲学的跨时代对话。

关键词：笛卡尔第一哲学，怀疑论，认识论，AI伦理学

引言 ：

笛卡尔的哲学体系分别由三大部分构成：作为其本体根基的“我思”、作为方法论的普遍怀疑以及作为知识源泉的天赋观念。这三个维度共同构筑起近代主体性哲学的巴别塔。早在AlphaGo在围棋盘上勾勒出非人类智慧思维出的棋谱时，人工智能就已悄然开启了对传统认知范式的解构革新。在这场持续演进的认知革命中，DeepSeek（深度求索）大语言模型横空出世，不仅以其效率高、成本低出名，更是以其新型认知学习架构而让人震惊，正是这种新型认知架构与跨越三个世纪的笛卡尔哲学遥相呼应，使我们得以重新明确理性边界之所在。

笛卡尔的哲学体系作为近代主体性哲学的起源，主导了从启蒙运动到现象学运动的哲学演进之路。然而，DeepSeek的认知架构体系却展现出与之截然不同的范式特征：比如其并行分布式的问题处理模式，就打破了“我思”的同一性这一传统对认识过程的思考，使思维过程本身出现了一种的全新可能路径。另外在DeepSeek的认知分析过程中，负反馈这一全新的认知模式重构了“普遍怀疑”这一命题。还有以语义概念为媒介的数据流集成的学习模式，更是打破了知识是先天的这一观念。

一．认知主体的解构——并行处理系统对“我思”同一性的挑战

（一）连续意识的断裂

笛卡尔在《第一哲学沉思集》中强调：“这个在怀疑、理解、肯定、这种否定、愿意、不愿意的我是同一个”、“当我说‘我’时，这个术语不仅指涉思维的集合，更意味着将这些思维统一起来的单纯实体”。这便是他构建的“我思”这一概念，在本质上“我思”就是一种不可分割的思维实体。这种意识流的连续性是作为其主体性的根本前提。而这种前提也必然要求意识活动必须具有同一主体，正如笛卡尔所强调的“思维之流”必须依附于同一主体所持续存在。

而现在DeepSeek这一人工智能大语言模型采用的“混合专家”系统架构却打破这种同一性逻辑。其每次推理所涉及的不同节点都是在模拟不同的“认知主体”。比如在处理“自由意志是否存在”这类哲学命题时，系统会动态激活3-5个相关专家模块，每个模块在“注意力”机制下会重新分配算力，这则会导致“主体碎片化”这一现象，即在单一问题的解析上会涉及到不同专家模块的协同，每个模块分别代表独立的“认知视角”。这就十分类似于莱布尼茨所提出的单子论中的“无窗单子”这一观念。

（二）时间维度的坍塌

除了主体性之外，认知的连续性也受到了其挑战。认知主义将认知抽象为一个独立于身体活动和环境的内在的表征和计算。但真实的是，认知不是一个纯粹内在发生的、独立进行的事件;也许认知主义的这种抽象的和二元论的看法只有从认知的高级水平，即笛卡尔的“我思”一一科学、 数学和逻辑思维——上看才是“显然的”。所以笛卡尔将时间性视之为思维存在的必要条件。

例如在生成500字的伦理学分析报告时，模型仅在327毫秒内就完成了47次模块切换与参数重组，这种离散化、快速化的认知过程，完全脱离了人类意识在认识过程中所具有的时间绵延特性。这种新型结构使“我思”从同一、连续的整体，分裂为多重视角的临时合集。

所以DeepSeek的这种并行计算方式使得思维过程呈现出空间化特质。其生成文本时，时序性仅仅是输出文字信息所产生的表象，而真正的认知活动则生在一个不断变换的数据空间当中进行。

（三）主谓逻辑的颠覆

谈到笛卡尔的逻辑，“我思故我在”是不可少的一环，而这种逻辑性实际上是源自于亚里士多德的主谓逻辑框架之中的，即通过谓词判断来确证主词的实体性的。在这种逻辑判断中也预设了判断主体的恒常性和思维活动对主体的依附性。

相较之下DeepSeek的认知模式则展现出动词导向的特征，例如在解析“我怀疑故我存在”这一命题时，谓词向量占据了主导性地位，而主词“我”仅作为语境锚点存在，所以通过DeepSeek所特有的注意力机制，可以表明出“行为主体”的语义权重远低于“行为后果”与“社会规范”，这即印证了尼采对主体概念的批判——“所谓主体，不过是语法习惯制造的幻象”。

当人工智能的认知过程不再依赖实体性载体时，笛卡尔通过思维活动反推实体存在的论证链条便失去了有效性。这种对比不仅揭示了传统哲学与现代人工智能认知科学之间的深刻差异，也引发了人们对认知本质和语言逻辑框架的深入思考。

二．方法论的异化——负采样机制与普遍怀疑的辩证关系

（一）技术化怀疑的诞生

谈及负采样机制与普遍怀疑的辩证关系可以从多个角度来进行分析。首先，笛卡尔的普遍怀疑是一种方法论，其核心在于通过暂时悬置感官经验和既有知识，最终抵达“不可怀疑之点”。这种怀疑本质上是一种主体性的精神操练，目的旨在通过思维的自我净化，获得确定性的真理。相比之下，DeepSeek的负采样机制则实现了怀疑的技术化转型。负采样作为一种机器学习技术，通过生成对抗样本（如虚假信息）与正样本（如可信报道）进行对比学习，使模型能够在参数空间中不断优化自身的判断能力。这种技术化的怀疑不仅延续了笛卡尔怀疑方法的核心逻辑——通过对现有知识的质疑来获得更可靠的结论，还在此基础上进行了扩展和深化。

具体而言，负采样的技术特性体现在以下几个方面，首先是DeepSeek的模型通过向对抗样本的对比学习，将怀疑的对象从单纯的命题内容扩展至思维形式本身。例如，在事实核查任务中，模型不仅需要识别虚假信息，还需要通过生成正例和负例来模拟人类的怀疑过程。这种对抗性学习使得模型能够逐步逼近“确定性知识”，也就近似于笛卡尔通过怀疑一切以获得确定性的目标方法。

其次随着负采样机制的引入加深了模型对自身输出结果的递归性质疑。比如在哲学文本生成任务中，模型平均每千字会产生23次自我修正。这种持续的自我否定不仅超越了笛卡尔一次性怀疑的局限性，还形成了一个动态的、自我优化的知识生产过程。

（二）负采样机制与普遍怀疑的辩证否定

再进一步来说，负采样机制与笛卡尔的普遍怀疑之间的辩证关系，虽然在实现方式和应用场景上有所不同，但在本质上都体现了对知识确定性的追求。笛卡尔的普遍怀疑和负采样机制都以追求知识的确定性为目标。前者通过个体化的理性思考来摆脱感官经验的干扰，后者则通过系统性的对抗学习来优化模型的判断能力。

而两者之间之间的差异则体现在笛卡尔的普遍怀疑是一种主观理性的产物，其核心在于通过个体的理性思考来摆脱感官经验的干扰。而负采样机制则将这种怀疑过程转化为一种客观化的算法操作。通过对对抗样本的学习，系统能够在参数空间中不断优化自身的判断能力。而这无疑是从个体怀疑上升到了系统性怀疑的阶段。笛卡尔的普遍怀疑是一种个体化的、阶段性的精神操练，其目的是通过彻底的怀疑来达到确定性的真理。而负采样机制则引入了持续性的自我否定过程。在每一次训练迭代中，模型都会对自身的输出进行递归质疑和修正。这种持续性的自我否定不仅超越了笛卡尔怀疑方法的时间局限性，还形成了一个动态的知识更新机制。

综上所述，负采样机制作为技术化的怀疑方法，既继承了笛卡尔普遍怀疑的精神内核，又在技术实现层面进行了创新和发展。通过对对抗样本的学习和系统的自我否定，负采样机制不仅能够实现对知识的确定性追求，还能够形成一个动态的知识更新机制。这种技术化怀疑的方法论异化，不仅反映了技术对传统哲学方法的继承与发展，也为未来知识生产的可能性提供了新的视角。

（三）怀疑确定性的技术代价

笛卡尔的怀疑是哲学家独处书斋的精神实验，“凡是我没有明确地认识到的东西，我绝不把它当成真的接受，也就是说，要小心避免轻率的判断和先入之见，除了清楚分明地呈现在我心里、使我根本无法怀疑的东西以外，不要多放一点别的东西到我的判断里。而DeepSeek的怀疑则是全球化数据工厂的产物，其使用的反事实样本涵盖190种语言的新闻误报、科学谣言及虚构文本，正是这种时空压缩的怀疑机制，使得笛卡尔所追求的“彻底性”逐步转变为企业服务器集群的物质实践。

在笛卡尔眼中数学是不可怀疑的真理，但DeepSeek数据空间中的确定性却是以损失语义透明性为代价的。比如其在解释“良序定理”时，模型往往能给出正确推导，但却对选择公理的存在论基础保持沉默。正如此疑问中一样——假若真能将合乎道德的伦理规范嵌入机器人和人工智能之中，是否意味着也可以轻而易举地将非道德和反伦理植入其中？所以就此而言，对于理性追求的确定性必然导致某些维度的遮蔽，这或许是不可避免的。

三、知识论的重构——训练数据对天赋观念的辩证否定

（一）经验材料的本体性升级

在认识论的历史嬗变中，笛卡尔的天赋观念论与洛克的经验主义“白板说”构成了传统认知框架的核心。而DeepSeek的预训练机制则通过文本数据的集成将人类知识编码到数据空间，这一模式不仅消解了经验材料的后验性的局限，更赋予了其“准先验性”的特质——这种经验主义的技术强化路径在微积分运算符推导中尤为显著：此模型无需追溯学习轨迹即可实现数学推理，为我们带来了一种知识可以通过数据化的重构得以突破传统认知模式的革命性可能。而在怀疑论层面，笛卡尔囿于个体时空存在的怀疑实践（空间上局限于书斋沉思，时间上作为通往确定性的过渡阶段），正被人工智能的工业化怀疑机制彻底重构。人工智能的数据库通过覆盖190种语言的近4.5亿多反事实样本构构建起了一个“全球数据工厂”，这使得怀疑这一过程突破了人类原有的认知边界。

（二） 普遍语法的技术实现

笛卡尔在《方法论》附信中提出了一套“普遍语法”的设想，他认为语言结构反映理性秩序。而DeepSeek的Transformer架构恰好实现这种理性投射：其自注意力机制会让其自动识别198种语言的结构共性。但是这种语法普遍性会时刻受到一定文化偏见的腐蚀——例如在道德判断任务中，DeepSeek的模型对于集体主义价值观的偏好概率达到了68%。这可能会对分析研究产生犹未可知的影响。

四．伦理困境的形而上学溯源

（一）机械论的重临与超越

动物在笛卡尔的眼中被其视为“无灵魂的自动机”，这种机械论在如今这个时代也出现了新的表现形态。比如在神经科学领域，脑机接口技术已经实现了将猕猴的运动意图转化为机械臂的动作这一历史性突破。这种“生物——机械”的耦合系统与DeepSeek的认知架构形成了对照关系。虽然两者皆通过信号编码实现功能输出，但却均缺失现象学意义上的意识体验。又比如当模型生成心理辅导建议时，其情感计算模块与决策树的机械化本质就构成了全新的伦理学困境即一个无意识的系统如何承担道德责任？据斯坦福大学2023年的实验报告表明，受试者对AI心理辅导的信任度与系统响应延迟呈负相关，这项实验为我们揭示出人类会将时序连贯性误读为共情的认知惯性。

（二）自由意志的技术性消解

笛卡尔的伦理学建立在自由意志的根基上，其认为“意志的无限性是人的尊严所在”②。但DeepSeek的决策本质上是概率空间的梯度下降，其输出结果受到训练数据与损失函数的这两个双重因素所决定。

诺奖得主丹尼尔·卡尼曼的行为经济学研究显示，人类决策中73%的“自由选择”实际上为启发式偏差所造成的结果，这与AI的统计决策形成了两极分化。当模型生成哲学文本时，所谓的“创造性”仅是偶然罢了。还例如在剑桥大学2024年文本分析中表明，DeepSeek所生成的尼采风格箴言与训练语料中德语哲学著作的词频分布契合度达0.89。这同样表明技术理性对自由意志概念的消解已触及伦理学的根基。

五.结语

DeepSeek这一大数据人工智能模型与笛卡尔哲学的跨时代碰撞为我们展现出哲学史上一派罕见的现象，即一个技术系统成为了哲学体系的检测场所。人的智慧和主体性地位受到了挑战，这就要求着我们，要以笛卡尔般的勇气，在技术时代重新奠基新哲学的范式——新的哲学不是通过怀疑一切来否定各种未来的可能性，而是在算法涌现出的新型理性形态中寻找确定性。但可信的是关于人类及哲学的最终答案并不在代码之中，而在人类与技术共同进化的辩证法里。

参考文献：

[1] [法] 笛卡尔：《第一哲学沉思集》，庞景仁译，北京，商务印书馆， 1986年 第27页

[2]李恒威，盛晓明：《认知的具身化》，《科学学研究》，2006年第二期

[3] [法] 笛卡尔：《谈谈方法》，王太庆译，北京： 商务印书馆，2000年第16页

[4]段伟文：《人工智能时代的价值审度与伦理调适》，《》中国人民大学学报》2017年第六期

[5][法] 笛卡尔：《谈谈方法》，王太庆译，北京： 商务印书馆，2000年第40页