「教育强国」石中英等：人工智能时代的真理问题与教育责任

石中英等：人工智能时代的真理问题与教育责任

教育强国

★★★★★

摘要：近年来，人工智能引发了知识生产、传播与学习方式的重大变革，在为教育带来新机遇的同时，也深刻地影响了人类的真理观。在真理标准方面，生成式人工智能、人工智能与大数据技术驱动下的数字平台挑战了传统上符合论、融贯论与效用论的真理标准，试图通过复制重组人类已有知识与信念，以商业逻辑下的流量为标准重新定义真理；在真理认识方面，人工智能介入真理认识过程，突破了理性主义与经验主义的真理认识传统方式，同时带来知识生产过程不透明、不可解释等问题；在真理信念方面，人工智能挑战了真理存在、人类能够认识真理、人类具有追求真理的使命、真理具有广泛价值等传统真理信念。因此，人工智能时代，教育者需要承担相应的真理责任。一方面，应当提升自身真理素养，包括破解以往教育中教条主义真理标准的束缚；充分理解人工智能参与真理生产的机理；正确认识人工智能带来的真理观念转变，同时坚定对真理的信念等。另一方面，要引导学生在人工智能时代正确认识并探索真理，包括引导学生思考真理标准；帮助学生反思“流量真理观”，学会对算法推荐的信息加以甄别，确立人类在真理认识中的主体地位；加强人工智能素养教育，引导学生利用人工智能探索和追求真理；通过自由的批判式对话与人机融合共创的积极尝试，帮助学生建立对真理的信念，使学生成为真理的信奉者、追求者与捍卫者。

关键词：人工智能；大语言模型；真理观；教育责任

真理，即“真的信念”或“真正的知识”，是哲学界、科学界、教育界乃至整个人类社会的永恒追求。近半个世纪以来，人工智能的快速崛起给人类知识生产、传播与学习方式带来不可估量的影响，因而也对人类真理观发起了挑战。例如，基于大数据与推荐算法的数字平台通过筛选、塑造竞争性真相（competing truth）获得用户的注意，越吸引流量的内容越容易受到广泛关注，甚至被奉为“真理”；生成式人工智能基于大量人类语料自动提取语义关联度便能直接生成问题的答案，冲击了人类认识并探索真理的传统方式。这些问题的出现挑战着传统的真理标准、真理认识方式与真理信念。以认识、传播真理和引导学生追求真理为己任的教育者，也必须深思如何应对人工智能时代的真理问题以及如何通过教育引导学生确立新的真理观，并成为真理的信奉者、追求者与捍卫者。

一、人工智能对传统真理标准的挑战

要探讨真理问题，首先需要明确究竟什么样的知识能被我们当作真理，即真理的标准是什么。传统上，哲学中的真理标准之争主要聚焦于符合论、融贯论与效用论之间。

真理符合论是贯穿巴门尼德（Parmenides）、柏拉图（Plato）和亚里士多德（Aristotle）等并影响至今的主流观点，将真理视为对客观实在的正确反映。这种真理观认为，作为纯粹的认识主体的人与作为认识对象的自在世界间的一致是人获得真理的前提。因此，一个命题是真理，当且仅当它与客观事实相符合。这种真理标准天然地赋予真理一系列属性，例如，独立于且先于人类存在、客观性和唯一性。然而，对于如何判断“符合性”，真理符合论者往往陷入教条主义或神秘主义，认为对真理标准无从追问也无从评判。

真理融贯论则认为，真理在于一个信念系统内各个元素间的融贯关系。换言之，当且仅当某个信念能够毫无矛盾地被纳入一个相互融贯的、更普遍的信念系统时，它才为真。这种真理标准强调真信念间的相互支持以及真理的总体性和全面性，认为真理处于普遍相互联系又相互制约的整体之中，因而全面的真理性认识必定是一个相对完整的知识体系。然而，这种真理观对于什么是“融贯”、什么是判断信念基础或信念系统的标准等问题总是难以澄清。因此，融贯常常被视为是真理的一个必要非充分条件。

随着19世纪末20世纪初实用主义认识论的兴起，真理效用论逐渐得到关注。真理效用论认为，既然无法直接确定一种认识是否符合其对象或是否与信念系统融贯，便只能求助行动效果的检验，依据特定认识的行动能否成功成为判断其真理性的唯一标准。实用主义者主张抛弃符合论的“镜式真理观”，而将真理看成一个表示满意的形容词的名词化。真理的标准应与人们的信念和愿望一致，“是我们的信念和愿望形成了我们的真理标准”。对人们信念真伪的判断不能离开具体的行动效果，“任何抽象真理上的差别都不可能不表现为具体事实上的差别以及由于这种事实而造成某个人在某时、某地、以某种方式表现于行动效果上的差别”，而“所谓真，就是作为有效的工具”。然而，真理效用论是否意味着人类的日常实践经验足以成为真理的标准？实用主义者尚未给出令人满意的答案。长期以来，不同哲学流派之间的辩论使人们游走在这几种传统真理标准之间。如果说哲学论辩自上而下地推动了真理标准的转变，那么人工智能的兴起则通过转变人类知识生产与传播的方式自下而上地向人类的传统真理标准发起了挑战。

（一）生成式人工智能对传统真理标准的挑战

以生成式预训练转换模型（Chat Generative Pre-trained Transformer，以下简称ChatGPT）为代表的生成式人工智能以大规模预训练语言模型（以下简称大模型）为核心，利用自监督学习技术，基于人类大规模文本语料统计海量语元（token）之间的关联强度，并根据用户的提示自动提取大量语元关联度，用于预测语元直到生成完整的回答。从大模型的底层原理可以看出，其所生成的文本、图像、视频等多模态信息都是基于对人类语言痕迹的推断输出的，而非经过人工智能对世界本身的观察与分析所得。然而，人类语言及其背后的思维形式并非孤立的抽象存在。维特根斯坦（Wittgenstein，L.）认为，它们以主体际社会结构存在为条件，具有主体间可证明性及公共可检验、可证明、可传达性。因此，本质上，生成式人工智能追求的是与人类公共性知识的“符合”，而非对先于人类认知存在的、现成的、静止的、绝对的客观世界的“符合”。或者说，大模型的认识是以人类语言痕迹为对象，试图“对齐”人类已有知识与价值观念，以尽可能趋近对客观世界的反映，但其本身无法通过“心灵之眼”来直观世界的本质，亦无法通过对个别现象的感知与归纳获得对一般原理的认识。

这种与人类共识的一致性似乎表明，生成式人工智能捍卫着融贯论的真理标准——通过与人类其他普遍信念的关联性确保生成内容的真实性。根据用户输入的信息，大模型往往能够生成合乎人类常识的命题集合，并且命题间互不矛盾，能够形成自洽、完整的逻辑。然而，已有实证研究表明，尽管大模型在“单一输入—多个输出”的测试中表现出生成内容的高度重复性与一致性（consistency），但不同输出内容间的逻辑连贯性（coherence）较差，难以在符合逻辑的前提下生成额外的、连贯的信息。不仅如此，大模型的内容生成并非真正意义上基于逻辑表达式的推演，而是基于对世界知识（world knowledge）的存储与提炼，对人类已有经验进行不同形式的复现。在这种意义上，生成式人工智能并非是真正以基础信念为逻辑前提、以普遍的逻辑推理形式来实现融贯性的，其生成内容在逻辑完整性与严密性上仍存在较大局限。可以说，逻辑思维在生成式人工智能影响下的真理标准中未能得到充分重视。

从另一种可能性来看，生成式人工智能与人类已有经验的“对齐”是否会使人们偏向效用论的真理标准呢？诚然，脱胎于人类自然语言与生成技术的大模型汇集了人类实践智慧的结晶，其产出也具备人类自然语言的普遍特征，即往往具有一定的随意性与模糊性。在实用主义者看来，通过语言传达的任何理论都具有总结、概括旧事实并引导至新事实的用途。同时，这也意味着，任何理论都不可能是对实在的绝对的摹写，而是一种近似的概括。因此，各种观念之“真”就在于能够帮助人们“顺利地从一部分经验到另一部分经验互相发生联系”，更强调真理的有效性和在新旧经验之间的连续性。在这种意义上，目前大模型已经能够较为准确地理解用户在提示中蕴含的“旧信念”或“旧经验”，并通过较为严谨的统计与归纳，生成比原有信念更广泛的“新经验”，以帮助用户形成新的知识或信念。尽管大模型生成内容的准确性仍有很大提升空间，但从上述真理效用论的“连续性”标准来看，生成的信息有较高的概率使人基于旧经验获得满意的新信念，因而可视为“真”。然而，实用主义的真理标准对于“有效性”的检验主要来自“观察”，即通过直接经验检验新信念。而大模型目前只能为人们提供丰富的间接经验，缺乏具备“紧迫性、温暖性和亲切性”的直接经验，因为“代表事物的语言媒介不能唤起不在目前的和遥远的事物，使之进入目前的经验”。这可能使人逐渐适应一种依赖间接经验而不对信念进行实践检验的真理观。此外，真理标准也有赖于真理与人类实践活动之间的关系。在教育领域，随着生成式人工智能的广泛应用，师生在人机交互过程中对事物的认知可能停留在“是什么”的事实表层，而忽视了“为什么”的逻辑推演和“怎么样”的价值判断。如此看来，在生成式人工智能的影响下，真理的判断逐渐可能以“与人类已有知识相符”为标准，且这种一致性往往通过间接经验验证。这种真理标准在肯定真理的共识性与主体间可证明性的同时，也在一定程度上导致直接经验在人类真理标准中的缺位。

（二）基于人工智能与大数据技术的数字平台对传统真理标准的挑战

人工智能与大数据时代下，聊天通信软件、短视频应用、搜索引擎等数字平台对传统真理标准也可能产生一定的颠覆。不同于传统人类社会基于一致的时空坐标而具有“整齐划一的经验框架”，现代社会是由“电子媒介扮演核心的、基本角色的社会活动世界”，“跨越广阔的时间与空间领域的社会关系的联合”导致了生活的开放性、行动场景的多元化和权威的多样性。同时，现代人类社会的大多数现象往往都过于复杂，因而难以进行全面的描述。在某种意义上，我们通过数字媒介获得的信息大部分是“片面真相”。正如麦克唐纳（Macdonald，H.）在《后真相时代》中指出的那样：“很多时候，你可以通过许多方式描述一个人、一起事件、一件事物或者一项政策，这些描述可能具有同等的真实性。”多重的竞争性真相扑面而来，人们逐渐意识到，信息时代所谓的“真相”可能只是一种叙事，而非对客观实在的符合。这削弱了传统真理观下真理的确定性和唯一性。

同时，平台背后强大的推荐算法往往会依照大众偏好及用户使用行为筛选并推送个性化的信息与服务，在为人们获取信息提供便利的同时，也给人们对竞争性真相的甄别与反思蒙上重重迷雾。算法的信息筛选机制并非客观、中立的“工具”，也不以对客观实在的“符合”或实践有效性为判断标准。相反，这种机制通过大数据与商业逻辑，确保人们接收的信息尽可能与他们自身的信念和愿望一致：大数据捕捉用户的个人信息、偏好与使用行为，并将其量化加以分析，而平台的商品化机制对注意力、数据、用户和金钱四种不同类型的“货币”进行估值与交易，并借助大数据精准推送个性化信息与服务以获取用户更多的注意，从中获利。传统上，专家知识与专业规范是信息筛选的关键标准，而在人工智能驱动下的大数据时代，在线平台主要以用户“评分”、“点赞”、“打卡”、“关注”等行为为标准，决定特定内容或服务的可见性和可用性。这种信息甄别模式看似更民主，更贴合人们的信念与愿望，但并不等同于实用主义哲学意义上扎根于人类行动经验的信念与愿望，而是直接跳过事实判断或价值判断，以“流量”、注意为标准筛选信息。久而久之，倘若人们习惯于不加批判地被动接受算法推送的信息并将其奉为“真理”，就容易陷入“流量至上”的真理标准陷阱和“信息茧房”的认知危险之中。在这种意义上，人工智能时代的数字媒介从来就不是客观中立地反映世界的工具，其本身就在传递着令人警醒的信息：算法与注意力经济的时代中，真理标准正在受到相对主义与商业逻辑的挑战。

二、人工智能对人类真理认识的影响

如何追求并获得真理这一真理的认识问题，长期以来受到哲学家们的重视。传统真理观常常将“直观”作为最高的真理认识形式。这种对真理直接加以认识的观念又分为两大流派：理性主义传统和经验主义传统。理性主义传统认为，真理是超验性的存在，因此通向真理的道路就是一条纯粹思想的道路，与感性活动无关。苏格拉底（Socrates）和柏拉图认为，知识与真理具有同一性，求真即求知。真理就是理性的自我认识与自我觉悟，需要通过辩证法把人的认识从个别的事物引向普遍的原则。亚里士多德认为，真理只存在于陈述中，人作为陈述者这种主体，与他物的关系是陈述与被陈述、规范与被规范的关系。因而，追求真理就是追求正确的陈述，通过逻辑思维与他者建立合乎逻辑的关系，也即通过演绎处理概念或定义产生证明性和确定性的知识。经验主义传统则认为，理性主义的真理认识观可能会使人陷入毫无经验性根据的空泛论辩。洛克（Locke，J.）认为，人的心灵如同一张白纸，所有的观念都是通过感觉得来，因而人类追求真理的过程是从对个别现象的感知出发，经由归纳逐渐获得对一般原理的认识。因此，追求真理不能以某种原理或概念为起点，而应以直接的感性认识为起点，使人类理智从单纯的教条论辩中解放出来，直接面对事物，恢复对感性自然的好奇与兴趣。培根（Bacon，F.）认为，人类需要通过实验获得对自然事物的感知，每一步抽象、概括都需要可靠的感性经验作为根据。然而，归纳法作为一种证实而非证伪的推理逻辑，被波普尔（Popper，K.）等哲学家批判为缺乏逻辑合理性和排他性。波普尔认为，追求真理不是追求理论的可证实性，而是追求理论的可证伪性。可以看出，尽管这两种传统分别将理性直观的“思”与经验直观的“看”作为认识真理的方式，但都将“真理”与“知识”相联系，并强调对认识主体与认识客体的区分——认识主体一旦获得真理，那么这就是一种终极的、不必再接受置疑的知识。

如果说过去人们往往凭借理性思辨或归纳推理来获得“真正的知识”或“真理”，那么，人工智能对于真理的认识会产生怎样的影响？要考察这一点，需要基于几代人工智能的发展沿革，对当前人工智能与人类真理认识之间的关系进行厘清。

（一）人工智能介入人类真理认识的机制

人工智能是否涉及真理的“生产”？如果对上文论述的传统真理标准加以审视，答案基本是否定的。第一代人工智能是以知识为驱动的模型，尼尔森（Nilsson，N.）将其定义为“关于知识的科学，其本质是关于如何表示、获得、利用知识”。这种基于知识与经验的推理模型集合了教育与科学研究产生的理性知识以及专家的推理机制，善于从已有知识出发推出新的结论。然而，这也意味着第一代人工智能的所有知识都源于人类的输入，因而只能被应用于加工或生产确定性、充分性与静态性信息的特定领域。第二代人工智能基于人工神经网络和大数据，依靠专家经验对客观世界的信息进行自动观察与学习，进而完成分类、预测和生成等。但机器学习只能“区别”而不能真正“认识”事物，更注重预测效果或表层规律而非背后的深层机制。尽管这在某种程度上符合效用论的真理标准，但算法在捕捉系统性规律的同时也不免将许多偏离规律的个案视为“误差”排除在外，难以确保结果的可靠性、准确性和可推广性。第三代人工智能则是基于大模型，在海量无标注的人类语料中进行自监督的预训练，利用词向量间的距离表达文本语义关系。对于用户提出的问题，大模型对大量关联度进行综合，运用启发式统计的结果综合预测该问题的回答。然而，大模型易产生“幻觉”问题，需要通过检索增强生成技术和基于人类反馈的强化学习，即为大模型提供外部专家知识库使其尽可能生成准确且符合上下文的答案。因此，关于大模型生成的结果是否是“知识”仍具有不少争议，有学者将其视为对一阶知识（面对认识客体的“原创性知识”）与二阶知识（对一阶知识的推导与再现）进行整合、加工、模仿后形成的三阶知识——这不是对前二者的复述或拷贝，而是以新的表述对其加以展示。也有学者从社会知识论的视角出发，认为人工智能能够介入社会知识生产网络，参与人类知识的表征、发现与学习。但不管在何种意义上，截至目前，人工智能生成的结果仍在很大程度上依赖于人类共识性的真理，无法超越人类已有知识进行独立的真理生产。

（二）人工智能介入人类真理认识的有限性

尽管人工智能本身并不“生产”真理，但目前已经开始介入人类真理生产与传播的过程，其对真理的表征与延伸，模仿并遵循了人类探索真理的方法论——从理性主义传统强调通过逻辑推演产生可证明的确定的知识，到经验主义传统强调积累实验和观测数据，基于心灵的归纳习性探索并发现客观世界的定律。类似地，人工智能的发展也经历了从第一代基于专家知识库的演绎推理，到第二、三代基于大数据或海量语料进行归纳推理的方法论转向。因此，本质上，目前的人工智能也无法解决归纳法与演绎法在追求真理过程中的缺陷，因而延续了人类对客观世界认识的有限性。

这种有限性与不可靠性甚至可能被知识库与认识主体之间那层“不透明”的算法放大。传统上，作为认识主体的心灵与认识对象之间的透明性被默认为一切认识活动的前提。而目前机器学习大都通过相关性而非因果性统计学习规律，且多层级神经网络方法复杂性很高。这在理论与技术层面都决定了算法认知缺乏透明性。人们对于算法的依赖将使个体习惯透过“算法之窗”，以非直观、非具身的方式接受归纳得到的信息，放弃传统上通过直接经验或理性思考来直观认识事物的最高真理认识形式。

基于大模型的生成式人工智能更是以其新型推理与预测模式对人类传统意义上的真理认识提出了挑战。尽管从生成的结果看，大模型的输出内容往往符合人类常识与逻辑，但就生成机制而言，大模型的“推理”与人类知识生产的过程相去甚远，甚至算不上理性主义认识传统上的逻辑推演。首先，融贯论真理观下的真理认识是基于有限数量的自明命题，依照普遍的推理形式演绎，从而达到对某个实在问题完整、真实的描述。大模型则并非基于基本信念进行链条式的逻辑推演，而是主要将人类习惯性语言运用的形式化表达作为推理规则，基于给定语境下的语元关联度进行预测。其次，大模型依靠关联度生成的结果在逻辑连贯性与完整性上仍具有较大局限性，使用者仍需要自己通过逻辑推演产生提示词，才能生成更复杂、更系统性的真知。此外，这套推理模式不同于以往公理系统的强共识性实质语义，并不规定语元本身的直观含义，仅依靠语元之间的关联度进行计算，允许不同个体或情境对同一个语元产生不同理解。因此，也难以实现科学共同体所追求的统一、直观的理解。这种弱共识性知识表征方式也与大模型非概念化的特征有关。大模型目前不能进行概念化或逻辑判断——这恰恰是人类过去追求真理的重要途径。因此，生成式人工智能在一定程度上打破了过去基于概念、强共识、逻辑推演与直观认识的真理认识方式，凭借语境相关性和人类习惯性语言运用方式，尽可能呈现人类已有的真理或真理认识过程。

这种依赖语言和情境的认识方式打破了始于柏拉图的“直观式”真理认识，转向一种以“说”取代“看”或“思”的真理认识模型。这一点看似与哈贝马斯（Habermas，J.）的“民主论”真理观一致，即“真理的意义可以在与某种特定类型的言语活动的语用学的关联中得到阐明”。哈贝马斯认为，作为一种有效性主张的真理只有通过“说”才可能达到，这在原则上与任何确定性、私人性的体验区别开来。然而，尽管生成式人工智能基于大量人类语料生成具有公共性的知识，但这并不意味着算法内部进行着不同主体间的批判与讨论——后者才是哈贝马斯所认为的真理赖以产生的机制。换言之，大模型能够在对话中提供主体间可验证的东西或人类通过思辨与实践已获得的真理，但其本身并不能作为一个自觉的认识主体进行自我反思、批判与修正。因此，目前大模型难以取代传统的真理认识方式，只能够作为认识工具，为人类探索真理提供背景性知识、供检验的对象、规律总结与信息筛选等重要支撑。

三、人工智能时代应当坚守的真理信念

真理的标准与认识问题主要从认识论的角度出发理解真理。但真理问题本身并非仅是认识论意义上的。真理本身可以被理解为一种“真的信念”。在存在论意义上，对真理的热爱与不懈追求被视为人类生命的重要价值。始终朝向真理进发以获得对自然、社会、人的更真实理解，是激励人类社会不断进步的重要信念。如果人类社会缺乏求真的目标和对真理价值的信念，那么人类的思想与行动便可能陷入混乱。人工智能时代的到来也引发了人们对一系列真理信念的重新审视。

（一）人工智能时代对真理存在信念的坚守

符合论真理观中，真理的存在似乎是不言自明的——既然存在现成的、唯一的自在世界，就自然存在凭借人类理性反映世界本质的真理。经验主义同样认为存在一个现成的、绝对可靠的“感性自然界”，坚信以此为对象并与之同一的知识具有真理性。而对实用主义者而言，真理是能够提高有机体探索和适应环境能力的中介。只要人能够有效地对环境进行主动改造，其背后的观念、意义、概念等就具有真理性。这激励了人们不断在实践中发现真理、检验真理。在人工智能时代，目前的技术尚未给真理生产带来颠覆性突破。同时，大模型也尽可能确保其对真理的阐释和应用与人类对真理存在的信念保持一致，包括对已有真理的辩护与尊重，对尚待检验的命题持开放的态度等。从这一意义上来说，人类利用人工智能技术去探索真理与人类对真理存在的信念并不冲突，前者甚至能捍卫并支撑后者。

然而，大数据驱动下的“后真相时代”对“唯一真理”的存在信念发起了根本性冲击。在大数据技术驱动的数字平台上，人们常发现一件事情通常不止一种真实的表述方式，不完整的片面真相、与自身偏好或价值观一致的主观真相、通过言语行为引导人们相信的人造真相等竞争性真相层出不穷。在这种前提下，对“唯一真理”的信念反而是危险的：如果人们沉湎于算法塑造的“信息茧房”与“过滤气泡”（filtering bubbles），将与自身偏好及价值观一致的观念不加批判地视为唯一真理，而将其他观点视为异端，将会陷入主观主义和相对主义，或被误导性、片面性、歪曲现实的竞争性真相主导思想，从而加剧人类社会的分裂。当然，“后真相时代”并不一定滑向相对主义。相反，只要保留对话、判断和辩论的空间，人工智能时代的人们就能用可以被核实的“多元真理”代替“唯一真理”，深入自身，了解自身真正的信仰，从而坚定对“真理客观存在”的信念。

（二）人工智能时代对人能完全认识真理信念的坚守

以柏拉图、苏格拉底为代表的理性主义者认为，人作为认识主体能够没有距离地与真理世界共在。经验主义者则认为，随着知识的积累与实践的深入，人类终将完全认识客观世界。这一基本真理信念至今仍鼓舞着人类不断求真。在人工智能时代，数据、算法、算力在为人类提供必要的前提性知识与待检验知识的同时，也给人类直观认识世界带来不透明性与不可解释性的挑战：一方面，基于向量的整体性语义操作因缺乏实质语义而具有不可解释性；另一方面，目前机器学习难以在相关性与因果性间进行有效区分，无法把握因果的具体机制，因而机器认知对人类具有不透明性。从内在主义（internalism）的视角看，人工智能目前仅能在外部提示的意图控制下，基于概率预测进行答案生成，对人类语言进行模仿。这一过程中，人类原本认识真理所借助的自我觉察、自主规划、自我修正是缺位的。此外，人工智能生成的“知识”也有将个体知识、本土知识及缄默知识进一步边缘化的风险，而这些知识对认识真理具有不可替代的作用。随着人工智能在教育中的应用逐渐广泛，当人们日益依赖那些能被人工智能处理的显性知识，便可能会忽略从个体实践与反思中获得真理。因此，人类需要坚定对自身追求真理的主体地位的信念，而不能指望通过人工智能的“心灵”来认识真理。正确的态度是将其用于启发、辅助人类不断趋近于认识真理。

（三）人工智能时代对追求真理是人类使命信念的坚守

在传统真理观中，人的存在本身与真理具有同一性。人之为人，就是要作为主体去认识并对准自在物。巴门尼德认为，真理是真实生活的担保，是人的一种可靠的生存方式。追求真理不只是获取对人有用的知识，更是人的一种使命。因此，追求真理在根本上意味着人自身应有责任的觉醒，具有强烈的伦理色彩。而人工智能对追求真理的使命信念将带来怎样的影响，取决于人类如何看待并使用这项技术。如果人们普遍依靠算法推演生成的内容来获取“真理”，让渡作为认识主体的自主权，那么就可能满足于对已有知识与真理的表征与应用，将真理视为确定的、静态的、不必再验证的存在，淡化自身追求真理的责任意识。而若只是将人工智能作为知识生产的辅助性与启发性工具，对其进行批判性的反思与运用，并强化坚持不懈追求真理的精神，就能够在人工智能时代坚守“追求真理是一种人类使命”的信念。

（四）人工智能时代对真理价值信念的坚守

人类对真理的热爱源于对真理价值的肯定。传统真理观中，真理对人类生活而言至少具备以下几方面的价值。认识论价值，即真理是最具有确定性、能够经受反驳与公开检验的知识。伦理学价值，即人类的自由理性与真理是一切道德法则与道德判断的基础。在康德（Kant，I.）看来，对真理的追求使人依照“道德的绝对命令”行动，并派生出诚实、勇敢、公平、正义等美德。美学价值，即真理以现象世界之“美”为前提；同时，美是“作为无蔽的真理的一种现身方式”，与真具有存在论上的统一关系。政治与社会价值，正如福柯所指出的，复杂的权力关系需要在真理话语生产、积累、流通和运转的情况下建立和发挥作用；同时，人们在权力的影响与制约下进行真理的生产。人工智能时代，算法使人们逐渐接受以不透明、不可解释的方式产生的信息，并将其与自身信念和愿望的符合程度作为准绳，挑战了传统上真理的认识论价值。此外，由于真理的伦理学与美学价值长期以来受到忽视，真理与道德、真理与美之间的关系并未得到现代人充分的认识与反思。因此，在数字平台商业逻辑的驱动下，算法与利益捆绑、流量至上的真理价值观、对“真相”的操纵等现象层出不穷。这对于真理价值的信念提出了重大挑战：当今时代，我们是否还需要真理？真理的价值在于利益交换，固化偏见，还是为了更理性、更有道德的人类生活？这更需要人工智能时代的人们对真理的价值进行批判性反思，在认识活动、伦理活动等实践中体悟并确立对真理价值的信念。

四、人工智能时代教育者应承担的真理责任

人工智能对人类社会的真理发起了新的挑战，个体面对如何判断真理、如何认识真理以及需要怎样的真理信念等问题，需要进行新的反思。因此，以真理的认识、探索与传播为根本任务的教育者应当首先加强自身的真理素养，同时承担引导学生树立新的真理标准、指导学生利用人工智能正确认识并追求真理、帮助学生重新确立真理信念等责任。

（一）提升教育者自身的真理素养

第斯多惠（Diesterweg，F.）曾指出，教育要以热爱、追求真理为前提，要引导学生探求并检验真理。陶行知先生也曾说：“千教万教，教人求真。千学万学，学做真人。”他们都强调教育的真理责任。在人工智能时代，教师要引导学生正确应对真理问题，首先应当加强自身的真理素养。所谓真理素养，是指个体在真理认识、鉴别、辩护、应用等方面的综合能力，具体需要关注以下几方面。

一是接纳更民主化、多元化的真理标准。传统教育往往基于本质主义的视角看待知识，信奉教条主义的真理符合观，将真理视为具有必然性、确定性与唯一性的知识。在这种真理观的指导下，书本上记载的和教师讲授的知识往往被学生视为确定不疑的权威，对权威知识的机械记忆被视为认识并获得真理的主要方式。然而，这种教条主义真理观容易导致各类观点的绝对化、教条化，甚至导致理性的反思与批判在教育中的缺位。要破解这种教育理念，教育者需要反思在传统认识论与教育理念中占据主导地位的“镜式真理观”，建立向理性批判开放的“反本质主义”真理观。人工智能以其共识性、主体间可证明性及多元化的真理标准，为这一教育理念的转变提供了重要契机。具体而言，以ChatGPT为代表的生成式人工智能以人类语言痕迹为中介，根据人类语料不断整合并更新已有知识或经验，体现了动态化、共识性的真理标准；以大数据与推荐算法为核心的数字平台通过塑造多重竞争性真相，以“叙事”取代对客观实在的“符合”，削弱了传统真理观的唯一确定性。教师应当利用人工智能技术驱动的数字平台积极探索新知和竞争性真相，不断深化对学科知识和教育知识的理解。在此过程中体会人工智能时代多元化、共识性的真理标准，并反思其局限性，转变教条主义的教学理念与方法。

二是充分理解人工智能参与真理生产的机理。尽管人工智能生成的内容不能算作真理，但教育者必须充分认识到，目前人工智能已逐渐介入人类真理生产与传播的过程。近年来，人工智能已在诸多学科‌领域的真理探索中发挥重要的作用。例如，谷歌DeepMind团队开发的AlphaFold模型经历多次迭代后，在蛋白质结构预测领域取得显著成就；微软研究院推出的Lean编程语言为数学与逻辑证明提供重要的支持等。教育者应与时俱进，及时了解学科领域真理生产的前沿动态，并理解人工智能技术在其中发挥的作用。要做到这一点，就必须提升教师的人工智能素养（AI literacy）。作为当代数字素养的关键要素之一，人工智能素养不仅包含对人工智能相关知识的掌握，也包括对人工智能技术的有效利用能力和责任意识。教育者应当积极学习推荐算法的逻辑、机器学习的原理与应用、大模型内容生成机制等方面的知识，理解人工智能在知识表征与应用方面的优势及局限，主动利用新技术探寻真理，树立对信息主动筛选的批判意识。

三是正确认识人工智能带来的真理观念转变，同时坚定对真理的信念。教师的真理信念与其教学理念、教学目标的拟定、教学内容的组织以及教学方法的选择密切相关。同时，教师的真理信念通常以缄默知识的形式传递给学生。如果教师把学科知识视为绝对的、永恒的真理，将学科教学理解为对真理原封不动的传递，学生需要无条件接受这些真理，那么在知识唾手可及、传统真理观备受挑战的人工智能时代，这样的教学就会失去活力，学生的学习动机也难以被激发。然而，如果教师能积极拥抱人工智能时代多元化、民主化的真理观，并怀有不懈追求真理的热情，就会在利用人工智能探索新知的过程中坚持自身作为认识主体的地位，并用动态、演进的视角向学生呈现人类探索真理的过程。因此，教师教育应当注重对教师真理信念的培养，鼓励教师利用人工智能辅助真理认识和教学活动，在具有开放性、支持性的教师共同体中传递对真理及其价值的重要信念。

（二）引导学生在人工智能时代正确认识并探索真理

教育活动或“教化”本身就是朝向真理、不断解蔽的过程。面对新技术引发的一系列真理问题，教育者需要自觉承担教育责任，引导学生在人工智能时代树立正确真理观，具体体现在以下几方面。

一是激发学生对人工智能时代真理标准问题的思考。传统真理观影响下的学习观将知识视为静态、绝对的存在，将教科书和教师讲授的内容奉为具有权威性的真理。然而，由于缺乏对所学知识的有限性、条件性与相对性的了解，有的学生可能误将有限真理或部分真理当作全部真理来应用；由于并未以批判性、探索性的方式学习真理，学生可能误将工具性或假设性知识当作具有终极意义的真理，以致面对真实情境中的困难时束手无策。尤其在人工智能时代，真理标准可能经历从唯一走向多元、从封闭走向开放的变革，传统的学习观也将难以适应新时代的知识生产模式。因此，教育者应引导学生以开放的心态尝试人工智能技术，理解后现代主义的真理标准，破解本质主义真理观的束缚。更为重要的是，要引导学生反思人工智能影响下的真理标准：这些“知识”是如何得来的，它们究竟能否算作真理，与教科书上的表述有何异同，又当如何运用直接经验或自我觉知检验这些“知识”。

二是引导学生反思“流量真理观”，学会对算法推荐的信息加以甄别，确立人类在真理认识中的主体地位。作为数字时代的“原住民”，当代学生长期使用人工智能与大数据技术驱动的数字媒介，在与算法互动方面往往具有丰富经验。推荐算法依照大众偏好及用户使用行为筛选并推送个性化内容，在迎合用户需求、提供个性化学习体验的同时，也给学生鉴别真知提出了新的挑战。推荐算法容易使人在“信息茧房”中自给自足，沉溺于自己熟悉的文化或立场，忽视不同的声音。同时，以知识传播为己任的大众媒介也逐渐将流量赚取作为内容生产的主要目标，从而获取更多的商业利润。可见，如果放任学生被动地消费算法推送的信息而不加以反思、甄别，就容易陷入“流量至上”的真理标准陷阱。已有研究发现，青少年的短视频使用行为往往以被动接收算法推荐的内容为主，而这可能伴随认知能力的下降。因此，教育者应当引导学生在与算法互动的过程中意识到，人工智能并非客观、中立地反映现实的工具，要学会对接收的信息加以反思与鉴别。面对竞争性真相时，应引导学生对不同“真相”展开批判性讨论，深刻反思“刷屏”背后算法与资本的操纵以及公众的非理性驱动因素等。更为重要的是，教育者应当培养学生在媒介使用，尤其是与算法互动过程中的自主性，鼓励其尝试通过主动搜索信息、降低推荐页面的浏览频率等行动，打破“信息茧房”，确立自身主体地位。

三是指导学生利用人工智能探索和追求真理。在人工智能时代，如何帮助学生利用人工智能强大的技术力量去探索新的真理也是教育者至关重要的责任。教育者应培养学生的人工智能素养和数字素养，即公民与数字媒介接触、建立批判性的理解并发生互动的能力，从而帮助学习者实现从被动使用者到主动使用者、从消费者到数字公民的角色转变。因此，课程设计者应当将人工智能素养教育纳入基础教育与高等教育的课程体系，将其作为重要教学目标。学科教师也应当设计相应的教学活动，使学习者充分了解大数据及算法的原理与应用、大模型内容生成的特性与机制等方面的知识，理解人工智能在真理探索、表征与应用方面的优势及局限，培养学生利用新技术探寻真理的主动性以及面对人工智能供给信息时的批判意识。例如，指导学生在与大模型对话的过程中带着问题意识，学会设计一系列逻辑环环相扣、准确精练的提示词，帮助自己解答疑难或自学某项技能，同时主动反思、质疑内容的真实性与可靠性。尤其是在高等教育阶段，教育者更应该侧重引导学生发现大数据、大模型等技术在科研中的应用潜力，学会利用人工智能快速挖掘并管理大量数据的优势，提高科研和真理探索的效率，并利用新技术实现研究问题与研究方法的创新性突破。例如，对社会科学研究者而言，大模型具有模拟人类的思维、语言与记忆的优势，因而可以作为被试协助人类探索自身的认知与行为规律，这给科学研究的创新提供了重要契机。

四是帮助学生重建真理的信念。人工智能时代的真理问题表明，当代学习者所面临的知识生产与传播环境比以往更为复杂，其真理信念可能受到多重挑战。面对人工智能对传统真理观的破解，教育者首先应警惕学生产生相对主义真理观或真理信念淡漠化的倾向，并致力于通过批判式对话帮助学生重建对真理的本体性认识与信念。真理是对话的共同体的产物。要让学生在公平、开放、自由的环境中进行对话，对人工智能时代的竞争性真相、多元真理、归纳法的有限性等真理问题进行批判式交流，确立对真理及其价值的信念。同时，教育者需要着力培养学生作为人工智能时代数字公民的责任意识、批判性思维与审美能力，本着追求真理的使命信念，对人工智能技术进行批判性反思与运用，避免成为人工智能时代人云亦云的被动知识消费者。此外，教育者应当引导学生在利用人工智能探索真理的过程中认识到并充分讨论技术的局限性，如算法缺乏透明性、可解释性、自觉性等，并结合学科知识帮助学生了解人类探索真理的伟大事业，确立“人是认识真理的主体”的信念。通过鼓励学生尝试人与机器协同想象、创造与审美，引导学生体悟二者在真理认识与传播中不可替代的作用，从而积极探索通过人机融合共创，实现人类追求真理这一永恒理想的可能性。

【作者：石中英、徐子燕。其中石中英系长安街读书会成员、清华大学教育研究院院长】