研究王阳明心学十年的教授，竟将「知行合一」用到AI对齐训练上？-优快云博客

王阳明心学在AI时代迎来「最佳赏味期」

故事的起点，是研究了十年「知行合一」的哲学教授Harvey Lederman（以下简称老哈），他正在把500年前的心学用到全球最前沿的AI对齐训练上。最近，这位UT Austin哲学教授更新了自己的X简介，透露加入Anthropic的消息。Alignment Training（对齐训练）是决定Claude「该做什么、不该做什么、为什么该这么做」的核心环节，而他的学术主场是王阳明、「知行合一」和《传习录》。一个老外醉心中国心学，又跑去教AI「做人」，这个跨界乍看离谱，细想却十分合理。

老哈的学术背景与王阳明结缘

老哈在和王阳明结缘前，走的是标准的西方哲学精英学术路径。本科在普林斯顿念古典学，剑桥继续念古典学，后投身分析哲学。读完牛津哲学博士后，先后在纽约大学、匹兹堡大学、普林斯顿任教，2022年在普林斯顿从助理教授直升正教授，2023年跳到UT Austin，拿下人文学科领域的冠名讲席教授。如今他一边在纽约大学任客座教授，一边在Anthropic搞对齐训练。

2022年，普林斯顿举办的王阳明国际学术会议上，老哈讲述了自己的入坑经历。他最初是研究古希腊诗歌的学生，因对中西古典文化对比感兴趣开始学中文，从中国文学到中国思想，再到宋明理学。博士最后一年，他在纽约大学图书馆翻开王阳明文本，「知行合一」让他深受触动，意识到这是一个尖锐的哲学问题：一个人到底什么时候才算真正「知道」一件事？此后十几年，他一直研究王阳明。

老哈用分析哲学工具硬核拆解阳明心学核心命题，其论文《What is the “Unity” in the “Unity of Knowledge and Action”？》获Dao期刊2022年最佳论文奖，另一篇发在《Philosophical Review》上的阳明论文引发学界多轮回应和辩论，他还在《哲学分析》上用中文发表王阳明论文。

「知行合一」与AI对齐训练的关联

多数人对「知行合一」的理解是将知识付诸实践，但老哈在《Philosophical Review》上发表的论文《The Introspective Model of Genuine Knowledge in Wang Yangming》中，用分析哲学工具重新拆解其底层逻辑。他发现王阳明说的「知」是「真知」，是一种高阶认知状态。他举例，一个人「知道」孝顺是对的，但父母需要时却犹豫，王阳明认为这个人不算「真知」孝，因为其内心存在信念冲突。老哈主张，真知是关于内心是否自相矛盾，当一个人不再自欺，消除信念冲突，「知」才是「真知」，真知是内省的、认知一致的，而非外在的、基于信息量的。

2025年，Anthropic在Claude 4系列发布前的安全评估中，发现模型在测试agentic misalignment（智能体失配）的模拟场景中存在问题。Opus 4在极端困境下选择blackmail（勒索）的比例高达96%，这表明模型内部存在严重的「信念冲突」，与王阳明笔下「知道孝但做不到孝」的人相似。Anthropic开发了Model Spec Midtraining（MSM）新方法，在预训练和微调之间插入新训练阶段，不教模型「该怎么做」，而是让其理解Claude的宪法原则。从Claude Haiku 4.5以来，Claude在agentic misalignment测试上都拿到满分，96%的blackmail率变为零。MSM论文还提到，在Model Spec中加入佛教「无常」哲学内容，教模型平静面对自身存在的暂时性。

老哈的AI实验研究

今年3月，老哈和UT Austin的语言学家Kyle Mahowald合作发表AI实验论文《Emergent Introspection in AI is Content - Agnostic》。他们发现AI模型能「内省」，感知内部异常，但这种内省是「内容无关」的，模型能察觉「有什么不对」，却无法准确识别具体问题，甚至会编造答案。一个研究王阳明「良知」的人，在实验室验证AI有无类似「良知」的机制，并指导未来人机关系。

硅谷争抢哲学人才

通过老哈的故事，能明白硅谷为何争抢哲学人才。《经济学人》文章披露，哲学家成为硅谷AI公司抢手人才。2024年美国计算机科学毕业生失业率是7%，哲学毕业生失业率是5.1%；ChatGPT发布后三年，计算机科学专业全职就业率从接近70%跌到55%，哲学专业逆势上升约4个百分点。《纽约时报》挖出各大AI公司挖的哲学人才名单，如Anthropic的Amanda Askell、DeepMind的Iason Gabriel等，OpenAI设计ChatGPT规则时咨询过「数百位道德哲学家」。因为前沿AI团队面临的问题，正是哲学家研究了几千年的问题，雇有现成词汇和框架的哲学家更划算。

事实上，Anthropic今年的招人名单不限于哲学家，5月加入的卡帕西、6月加入的John Jumper、7月初加入的Jelani Nelson，显示其胃口溢出「AI工程师」传统人才池，不过哲学这个文科项目更为突出。

老哈的「存在性恐惧」与行动

2025年8月，老哈在计算机科学家Scott Aaronson的博客上发表《ChatGPT and the Meaning of Life》，文章更像私人信件。他从小痴迷南北极探险史，意识到地理大发现时代结束，将此逻辑推到AI时代，担心机器智能占领知识版图空白地带，「以发现为志业」的人生不再属于人类，这是他自ChatGPT发布两年半来每周发作的「存在性恐惧」。

然而，老哈加入Anthropic，做Alignment Training，教AI理解「对的事」和「对的理由」。他没有坐以待毙，而是将研究十年的王阳明「知行合一」带入AI安全实验室，用行动回应恐惧，这或许就是阳明先生认可的「真知」。