林峰：在大模型時代，我們繼續讀《控制論與科學方法論》｜雙體實驗室

大家好，我是船長。

在人工智能浪潮席卷全球的今天，我們似乎站在了一個前所未有的技術奇點。然而，在這場看似全新的革命背后，隱藏著一個思想源頭——控制論。我們是否真正理解AI的“智能”從何而來？又是否意識到，當前圍繞AI的認知混亂，其實早在半個多世紀前就已埋下伏筆？

林峰老師在《讀〈控制論與科學方法論〉》一文中，以金觀濤與華國凡兩位老師的這部經典著作為引，展開了對人工智能與管理學兩大領域的深刻對照。文章指出，盡管人工智能與管理學看似無關，卻共同根植于控制論的核心思想——即“智能”本質上源于反饋結構與自耦合系統維持的穩態。無論是AlphaGo的棋路，還是ChatGPT的對話，其底層邏輯仍是控制論中的負反饋機制。然而，當控制論從機器延伸至組織，一個根本問題浮出水面：智能是否必然伴隨主體性？

林老師進一步比較了兩個領域在面對“主體性”問題時的不同路徑。在管理學中，控制論催生了“學習型組織”與“系統思考”，圣吉在《第五項修煉》中引入“心智模型”，試圖在組織層面實現“群體修身”。而在人工智能領域，“世界模型”被視作實現通用AI的關鍵，卻同樣陷入“訓練”還是“修身”的認識困境。兩者都試圖將主體性納入系統智能之中，卻都未能真正跨越從“機器”到“主體”的哲學鴻溝。OpenAI提出的“超級對齊”問題，正是這一困境的集中體現——我們既幻想AI具備主體性，又希望將其牢牢控制在人類的價值函數中。

在AI技術高歌猛進的當下，重讀《控制論與科學方法論》具有深刻的現實意義。它不僅幫助我們追溯人工智能的思想譜系，更揭示出當前認知危機的哲學根源。當控制論的核心觀念被專業術語所遮蔽，當“智能”與“主體”在概念上持續混淆，我們亟需回到方法論的原點，重新審視何為學習、何為知識、何為真實。正如文章所指，金觀濤老師提出的“真實性哲學”或許正是走出這一迷思的路徑。在這個意義上，《控制論與科學方法論》不僅是一部科學方法論經典，更是一把鑰匙，引領我們在這個智能喧囂的時代，尋找理性與洞察的回歸。

圖：電影《機械姬》劇照

讀《控制論與科學方法論》

文/林峰

我們正處在一個人工智能大爆發的時代。在時代的喧囂中已很少有人了解，人工智能最核心的觀念均源自上世紀的控制論思想；而更少有人了解，如今對人工智能認知上的巨大混亂，同樣源自控制論思想。

《控制論與科學方法論》（以下簡稱為《控制論》）在2025年由廣東人民出版社再版了。這是一本40多年前的書，金觀濤和華國凡兩位作者開始寫作這本書的時候，都還是二三十歲年紀、初露鋒芒的青年學者。我自己初次接觸控制論是源自對管理學的思考，我寫作《“理解”供應鏈——系統論視角下的供應鏈概念》一書時，在眾多的控制論與系統論參考書之中，引用最多的就有《控制論》，此外還有金先生其他幾本重要著作——它們是對我的影響最大的作品。

今天，在這個人工智能風起云涌的時刻，當我重讀《控制論》，竟發現人工智能的研究領域和我當時研究的管理學領域，正在面對相同的方法論問題，也進入了相同的認識論迷霧。重讀《控制論》再次把我的思考帶回方法論思想的原點。而控制論整個學科最初的問題意識，也恰恰是從對“智能”的思考開始的。

圖：書籍封面《控制論與科學方法論》

控制論最基本的發現是認識到這種在“有組織系統”層面表現出來的“智能”，其背后的原理是基于維納所說的反饋結構，或者是基于艾什比所說的多層次自耦合結構的穩態。所謂的“學習”能力，正是基于這種尋找穩態的機制。艾什比有一本非常成功的著作直接命名為《大腦設計》。表面上非常神奇的各種“智能”，甚至是大腦的各種機制都可以被歸為某個非常簡單的機械結構。這是一個“從機器中趕走鬼魂”的過程。

在當下最先進的大語言模型中，負反饋結構仍然是整個模型的最核心部分，也是構成其“學習”能力的基礎架構。值得一提的是，與在控制論思想指導下所形成的各種工程領域一樣，“神經網絡”“深度學習”等工程概念越來越為人熟知，而過去老派的“控制論”概念卻逐漸被人遺忘。

人工智能的發展過程中一個始終懸而未決的問題是“主體性”問題。這有時被稱為“強人工智能”問題，后來討論較多的則是一個稍弱的版本——通用人工智能（AGI）問題。在2017年AlphaGo戰勝柯潔時，就曾掀起一個圍繞這一問題討論的小高潮。而更大規模的觀念沖擊則出現在2022年，在這一年的年末ChatGPT誕生了。不同于以往所有的人工智能，ChatGPT所代表的大語言模型可以處理自然語言的符號串，能和人進行無障礙的溝通。

圖： 人工人精功能網絡與大腦神經網絡

在此，我無意就大語言模型能否具有主體性的問題做過多展開，在這里，我們只討論當重讀《控制論》這本書時讓我體會到的一個問題：我們如何回到控制論的起點去看待這個認識論危機？有一個視角可能還未曾有人提出過，那就是當控制論觀念在人工智能和管理學這兩個不同的領域中得到充分發展貫徹時，各自的遭遇和結局。

為什么我能夠將管理學和人工智能這兩個看起來八竿子打不著的領域放在一起比較呢？因為一旦我們將這兩方面的研究共同回溯到最初控制論的方法論，就會發現，這兩個領域都在思考同一個控制論的核心問題：什么是組織（機器）的智能？而這個問題在進一步貫徹時，必將遭遇的一個新問題是智能與主體性的關系問題。

自泰勒的“科學管理”以及福特的流水線實踐以來，生產和企業組織越來越被等同為某種“機器”，而人則是“機器的附屬物”。控制論的理論體系一旦進入管理學領域，很自然地就會將企業和各種機構視作一種“組織”——即功能耦合體，繼而思考某種“組織智能”的問題。控制論視角下的機器與“科學管理”的機器有所不同。

控制論高度重視其中的系統功能耦合結構，相對于科學管理對因果長鏈的線性控制，控制論更重視互為因果，即因果網絡的結構。從而在過去科學管理“一次性調節”的“機器”觀念上更進一步，產生了基于“反饋調節”的“智慧組織”和“學習型組織”等全新的“機器”觀念。管理學控制論的開創者，如斯塔福德?比爾等人，提出過針對這種智能（他表達為“有活力”）的具體規劃（如可行系統模型）。這些模型看似高度復雜，但從控制論的方法論視角來看，其基本觀念都非常簡單——都是構造類似的負反饋與多層次自耦合結構。

圖：斯塔福德?比爾的可行系統模型示意圖

上世紀四五十年代，控制論甫一出現就立即作為一種新方法被運用到了社會學和管理學領域。杰伊·弗雷斯特的系統動力學在某種程度上是這一領域的集大成者。他的學生彼得·圣吉，則在暢銷書《第五項修煉》中將系統動力學中的核心觀念，包括很多的分析與仿真工具，全方位引入了管理學領域。所謂的五項修煉中最關鍵的“第五項”——“系統思考”，所說的正是控制論的一些基本觀念。

管理學模型與人工智能模型雖然在控制論視角下完全類似，或者說同構，但有一個方面存在明顯的差異：管理學模型中包含人，而人工智能的模型中只有冰冷的數據。這個差異導致管理學模型中的控制論要比人工智能更早地面對我們前面說的問題——智能和主體性的關系問題。主體性問題是控制論這一方法在貫徹時必定會遭遇的認識危機。這一危機最近出現在了人工智能領域，但在管理學領域早有預演。當我們重讀《控制論》，可以明顯意識到，這是老派控制論學者未曾認真處理的問題。甚至我們可以認為，無論是維納還是艾什比，他們寧可將這兩者混為一談。

我們回到前面的討論，來看圣吉對這一問題的處理。他將其老師弗雷斯特的“心智模型”觀念納入討論，作為他所說的“修煉”之一。多數人在讀圣吉的《第五項修煉》時，對他所說的“心智模型”基本是不得要領的。弗雷斯特本人是這樣描述由他所提出的心智模型的概念的：“人類使用有限的感官感知世界，并基于這些感知建立起一個內部的、簡化的世界模型。我們所做的決策和行動都是基于這個內部模型。”

圖：因果回路圖

當下人工智能領域在認識論層面討論最為熱烈的概念之一是“世界模型”，這被很多人工智能專家視作實現通用人工智能的一個先決條件。人工智能領域所說的“世界模型”，實際上正是弗雷斯特的“心智模型”。因此大家不必感到驚訝，首先在組織智能中討論“世界模型”的，并不是人工智能，而是管理學。

在人工智能中，對世界模型的討論涉及模型是否真正“理解”我們這個現實世界的問題。這是一個模型能否做出準確的“推理”和“規劃”的結構性基礎；是從基于概率相關性的“經驗試錯”式的學習，經由Judea Pearl所說的“因果之梯”上升為“因果推斷”的必要條件（特別是需要其提供“反事實”的可能性）。它也是“真實性擴張”的基礎，這種真實性擴張在人工智能領域通常用“泛化”，“通用”等概念來表達。

梅拉妮·米歇爾的這段描述比較全面，我們可以作為參考：“現有的人工智能系統似乎缺乏人類智能中的一個關鍵要素：關于外部世界的豐富的內在模型。現代認知科學的一條原則是，人類并不僅僅是條件反射機器；相反，我們在腦海中構建了針對物理世界和社會世界的抽象模型，這些模型反映了事件發生的原因，而非僅僅是事件間的相關性……更進一步說，我們不僅擁有關于外部世界和他人的心智模型，還有對自我本身的心智模型，使得我們可以評估并解讀自己的推理和決策過程。雖然關于這些模型如何在大腦中實現存在許多爭議，但無可置疑，它們是構成人類智能的基礎。”

圖：顱內宇宙

本文無意去探討“世界模型”這個目前為止仍然高度含混的概念的認識論本質。我們暫且僅僅將其當作某種比較研究的素材。為什么在管理學和人工智能這兩個看似不相關的領域，都在討論心智模型問題？

回到控制論的方法論，雙方其實都認識到了以下這兩個問題。所謂心智模型，它看起來似乎難以在“經驗試錯”的學習中獲得，正如前面提到的圣吉的說法，這是“從經驗（反饋）學習的錯覺”；對于真正“類人”的智能（在AI領域這涉及“理解”、推理、反事實、泛化等，而在管理學領域則涉及創新、領導力、觀念、溝通等）而言它似乎又不可或缺，無論這種智能是一個試圖實現通用人工智能的AI模型，還是某個“學習型組織”。說白了，它看起來與人的“主體性”息息相關。

圣吉給他自己的書取名叫《修煉》，這個中文譯名挺有意思，一眼看上去好像可以拆成兩個意思：訓練和修身。目前相當一部分的人工智能專家仍然認為，隨著機器學習模型的不斷改進，在大模型中還是可以“訓練出”世界模型的。根據我們前面的討論，這其實源自控制論從一開始就埋下的、對于“智能”與“主體性”的混淆。而圣吉似乎意識到，一旦“心智模式”涉及人的“主體性”，或者說某種觀念系統，就不是某種實然的訓練過程所能掌控的，而是要把目光轉向具有高度人文性的“修身”。圣吉在這一點上超越了以往管理學理論僅僅在所謂“行為科學”以及“社會心理學”等實然層面去討論“人的問題”的理論局限。但這個超越是否取得了認識論上的真正突破呢？遺憾的是，和人工智能領域的認知科學一樣，他們并沒能真正邁出這一步。

修身和訓練之間真正的微妙差別，必須在具備了對科學和人文這兩個領域相當深刻的洞察之后才能真正了解。雖然圣吉努力想從“東方哲學”中汲取資源來克服這一認知危機，但最終，他的管理學還是和人工智能研究一樣，掉入同一個認識論漩渦——“超級對齊”（Super Alignment）。心智模型，作為某種價值（觀念）體系的一部分，和其他諸如“共同愿景”之類一起，最后都成為組織的某種“群體修身”的對象。與儒生或佛教徒在純化其超越視野所規定的價值追求時所做的修身活動不同，當被作為一個群體而不是個體看待時，主體性則再次泯滅。

無論是“超級對齊”還是群體修身，其本質都是試圖把主體性再次納入到一個機器（組織）的智能之內——不管是稱之為“組織學習”也好，還是訓練也好。OpenAI公司超級對齊項目主頁上的這段話表明了其最核心的問題意識：“我們如何確保遠比人類聰明的AI系統遵循人類意圖？”這形成了一種吊詭的狀態：智能和主體的混淆使人產生了人工智能具備主體性的想象；與此同時，又試圖將一個被認為具備了主體性的對象納入到一個價值控制函數之中。

圖：電影《機械姬》劇照

控制論被稱為是一門邊緣學科，其對自然科學、社會科學甚至是藝術和文學創作都產生過極為深遠的影響。在《控制論》一書中我們可以感受到它作為一種普適性方法論的巨大威力。但在各個不同的專業領域，控制論的觀念發展到后期，都逐漸被各種更為專業化和碎片化的工程概念所取代，以至于控制論思想的主干脈絡幾乎銷聲匿跡。也許作為一種深刻的思想體系，當其核心思想在各個不同的專業領域被充分消化吸收之后，原本的主干脈絡逐漸消退也是正常的現象。這也從側面體現了一個理論體系的完備性和一致性。

但是，控制論的核心思想真的在完備性和一致性方面已經發展殆盡了嗎？我想不是的。人工智能本是控制論的直系后代，現在的人工智能專家很少提及控制論，然而人工智能遇到的認知困境卻根植在這個正在被遺忘的觀念系統之中。管理學控制論的困境也同樣如此。因此，在當下這個人工智能炙手可熱的時刻，重讀《控制論》有著深刻的意義，這可以讓我們回到原點，去找尋克服當下這一最為深刻的認知危機的哲學路徑。

歷史上重大的理論突破，總是和重大的認知危機相生相伴。人工智能的認知危機也必定會推動包括控制論在內的各理論體系獲得重大突破。但首先，我們必須對這個危機本身獲得最深刻的洞察。我結合人工智能和管理學兩個領域所做的粗淺的比較分析，也只是想表明，這個內在沖突本身有著深遠的歷史背景，當下的人工智能熱潮只是讓這個危機暴露得更加明顯而已。

20世紀的哲學革命曾經掃蕩了幾乎所有的傳統哲學，控制論作為一種哲學思想幸存了下來。但作為一種哲學，其和邏輯經驗論、語言學，以及分析哲學之間的內在關系，尤其是內在沖突，很少有真正透徹的分析。對當下的認知危機如果要獲得最深刻的洞察，就必須重回哲學革命和控制論思想，去尋找這其中隱藏最深的“觀念偏見”。

要回答什么是“主體性”的問題，克服當下認知科學和語言學在大語言模型沖擊下的認知危機，我們必須回到控制論思想的原點，重新思考什么是智能，什么是學習，以及什么是知識。《控制論》書中對黑箱認識論的思考提出了知識可靠性判別標準的問題。而知識的可靠性問題直接和“真實性”有關。當我們回顧邏輯經驗論對于“真實性”的思考，就必須重新反思什么是“符號”的問題，從而在包含符號與經驗雙重真實性的結構中去重新定位“主體性”，去回答什么是主體，什么是主體的自由。這正是金觀濤先生的“真實性哲學”為我們開辟的一條實現理論突破的路徑。

在大模型時代，我們重讀《控制論》，可以讓我們回到控制論思想的原點，把握從控制論到真實性哲學的思想脈絡，去體會哲學家對這其中種種內在矛盾的最為深刻的洞察和思考。

本文系來源于澎湃新聞2025年9月24日文《讀〈控制論與科學方法論〉》。為便于閱讀，部分段落做了拆分，推文導言為編者所擬，學術討論請以原文為準。文中部分配圖來源于網絡，如有侵權請聯系公眾號后臺刪除。

內容編校：穎睿

編發 審定：船長

聲明

雙體實驗室出品 如需轉載聯系后臺

歡迎轉發朋友圈 一起探索人文科技