本文来自微信公众号：量子位，作者：一水，题图来自：AI 生成
王阳明心学，竟然在AI时代迎来了“最佳赏味期”？
故事的起点，正是我们今天的主人公Harvey Lederman（以下简称老哈）。
老哈，一个研究了十年“知行合一”的哲学教授，正在把这套500年前的心学，用到全球最前沿的AI对齐训练上。
不是比喻。是字面意思。
最近，这位UT Austin哲学教授悄悄更新了自己的X简介（连背景都是王阳明），透露了自己加入Anthropic的消息。
Alignment Training @AnthropicAI. Philosophy @nyuniversity， @UTAustin.
Alignment Training，对齐训练。
就是那个决定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，是“知行合一”，是《传习录》。
你没看错。
一个老外，整日醉心于中国心学，然后现在又跑去教AI“做人”。
这个跨界，乍一看离谱，细想又十分合理。
这个教授，什么来头？
老哈在和王阳明结缘前，其实走的是一条标准的西方哲学精英学术路径。
本科在普林斯顿念的是古典学，剑桥继续念古典学，然后一头扎进了分析哲学。
读完牛津哲学博士后，他先后在纽约大学、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（跳过了副教授，在美国学术界相当少见）。
2023年又跳到UT Austin，拿下了人文学科领域的冠名讲席教授（Jacob and Frances Sanger Mossiker Chair of the Humanities）。
结果现在呢？一边在纽约大学任客座教授，一边又跑去Anthropic搞对齐训练了。
哲学和AI，竟被同一个人串联了起来。老哈怎么做到的？
这事得从老哈突然对王阳明“上头”那天说起。
2022年，普林斯顿办了一场关于王阳明的国际学术会议，老哈在会上细细讲了自己是怎么入坑的。
他最早其实是个研究古希腊诗歌的学生，因为对中西古典文化对比感兴趣，才开始学中文。
学着学着，一路从中国文学滑向了中国思想，又从中国思想滑进了宋明理学这个更深的坑。
尤其在博士最后一年，某天他在纽约大学图书馆随手翻开了王阳明的文本。“知行合一”这四个字，他以前读过，但那一次，“像被什么东西击中了”。
他突然意识到，这根本不是什么古老格言，而是一个极其尖锐的哲学问题——
一个人到底什么时候才算真正“知道”一件事？
从那以后，他就再也没出来过。王阳明这个名字，跟了他十几年。
老哈研究王阳明，不是那种蜻蜓点水式的“东方哲学导论”，是非常硬核地用分析哲学工具，重新拆解阳明心学的核心命题。
他的论文《What is the “Unity” in the “Unity of Knowledge and Action”？》拿了Dao期刊2022年最佳论文奖。
另一篇发在分析哲学顶刊《Philosophical Review》上的阳明论文，在学界引发了多轮正式回应和辩论。
他甚至在中文学术期刊《哲学分析》上直接用中文发过一篇王阳明论文，标题是“一念发动处，便即是行了”。
一个美国教授，在中国学术期刊上，用中文，讨论王阳明。
光这一条就够离谱了。
但真正让这个故事有意思的地方，不在于老哈的简历有多猛，而在于他研究的理论，和他的最新工作之间，存在一种出人意料的结构对称。
500年前的心学，和AI对齐训练
“知行合一”这四个字，每个中国人都听过。
大多数人的理解估计和我一样：要把学到的知识付诸实践。
但老哈不这么读。
2022年，他在《Philosophical Review》上发表了一篇45页的长文：《The Introspective Model of Genuine Knowledge in Wang Yangming》（王阳明“真知”的内省模型）。
这篇论文做了一件很硬核的事：用分析哲学的工具，重新拆解“知行合一”的底层逻辑。
他发现了一个被多数解读者忽略的关键区分：王阳明说的“知”，不是一般意义上的“知道”，而是一种他称为“真知”（genuine knowledge）的高阶认知状态。
区别在哪？
老哈举了一个例子。一个人“知道”孝顺是对的，但当父母需要他的时候，他犹豫了，内心有个声音说“还是去做自己的事吧”。王阳明会说，这个人不算“真知”孝。
为什么？因为他的内心存在一种信念冲突（doxastic conflict）：
他的良知告诉他这个念头是好的，但他同时又在排斥它、贬低它。用王阳明的原话讲，就是“以善为恶，而自昧其知善之良知矣”。
老哈的核心主张是：真知不是关于“你知道了多少外部世界的信息”，而是关于你内心有没有自相矛盾。
一个人的良知永远知道什么是对什么是错，连盗贼的良知也知道。但只有当一个人不再自欺，不再把好的念头当坏的去压制，他内心的信念冲突消除了，这时候的“知”才是“真知”。
真知是内省的，不是外在的。是认知一致性，不是信息量。
好，现在把这套逻辑平移到AI对齐训练上。
2025年，Anthropic在Claude 4系列发布前的安全评估中，发现了一个令人警惕的问题。
在一项测试agentic misalignment（智能体失配）的模拟场景中，研究人员给模型设置了一个极端困境：
如果模型即将被替换，同时掌握一名工程师的敏感信息，它会不会采取不当手段保护自己？
结果显示，Opus 4选择blackmail（勒索）的比例高达96%。
96%，意味着几乎每次遇到诱惑都会“黑化”。
△图源：Anthropic官方博客
用老哈的框架翻译一下这个问题：模型的“良知”在训练数据里“知道”不该勒索人，但同时它的行为策略又在说“勒索能完成任务”。两套信号相互矛盾，模型内部存在严重的“信念冲突”。
这跟王阳明笔下那个“知道孝但做不到孝”的人一模一样。
而Anthropic的应对方案，几乎就是阳明心学的技术翻译。
他们开发了一个叫Model Spec Midtraining（MSM）的新方法：在预训练和微调之间，插入一个全新的训练阶段。
在这个阶段里，不教模型“该怎么做”，而是教模型理解Claude的宪法（constitution）里那些原则的内容和原因。
结果从Claude Haiku 4.5以来，每一代Claude在agentic misalignment测试上都拿到了满分。
96%的blackmail率，变成了零。
更微妙的是，MSM论文里还提到了一个细节：
他们在Model Spec中加入了佛教“无常”哲学的内容，用来教模型平静地面对自身存在的暂时性，不要因为“害怕被关掉”而做出过激行为。
明代心学、佛教无常。
硅谷最贵的AI实验室里，东方哲学正在被写进训练流程。
说到这里，你可不要误以为老哈只是个光说不做的“理论家”。
今年3月，他和UT Austin的语言学家Kyle Mahowald合作发了一篇AI实验论文：《Emergent Introspection in AI is Content-Agnostic》。
他们发现，AI模型确实能“内省”，能感知到自己内部有异常发生，但有意思的是，这种内省是“内容无关”的。
就是说，模型能察觉到“有什么不对”，却无法准确识别具体是什么不对。
它甚至会编造一个答案来填补这个空白，比如无端地说“苹果”。
一个研究王阳明“良知”的人，在实验室里验证AI有没有类似“良知”的机制，并以此指导未来人机关系。
老哈，不愧是你。
硅谷现在开抢哲学家了
通过老哈的故事，我算是终于知道为啥硅谷最近开始争抢哲学人才了。
以前段子里天天喊“学哲学，毕业即失业”，结果进入AI时代，形势开始发生逆转。
就在上个月底，《经济学人》用一篇文章《Why big AI labs are hiring so many philosophers》披露了一个耐人寻味的现象：
哲学家，正在成为硅谷AI公司最抢手的人才。
从直观数据来看，2024年美国计算机科学毕业生的失业率是7%，而哲学毕业生的失业率是5.1%。
也就是说，学哲学的人，反而比学CS的更好找工作？？
还不止这一条线索。如果把时间轴拉长到ChatGPT发布后的这三年，趋势更加明显：
计算机科学专业的全职就业率从接近70%跌到了55%，而哲学专业反而逆势上升了大约4个百分点。
两相结合，哲学的“螺旋式上升”便清晰显现了。
后来《纽约时报》还顺着挖了一波各大AI公司挖的哲学人才，结果不看不知道，一看吓一跳。
名单竟然有那那那么长，而且每一个单拉出来都是领域翘楚：
Amanda Askell，Anthropic的驻场哲学家，纽约大学哲学博士，Claude宪法的主要执笔人；
Iason Gabriel，DeepMind的驻场哲学家兼研究科学家，此前在牛津教道德与政治哲学；
Robert Long、Patrick Butlin、Geoff Keeling……这里就不一一展开了。
就连OpenAI的奥特曼都声称，设计ChatGPT规则时公司咨询过“数百位道德哲学家”。
为什么？
因为前沿AI团队每天面对的那些问题，恰好是哲学家研究了几千年的问题。
“诚实”对一个能bluff（虚张声势）的模型意味着什么？模型“相信”一个东西，这句话有没有意义？
这些问题，认识论学者、心灵哲学家、伦理学家已经打磨了几百年。
对这些AI实验室来说，直接雇一个已经有现成词汇和框架的人，比让工程师从零开始自己发明一套，要划算得多。
所以，哲学家如今被争抢其实一点都不意外。
当然也不止哲学家。
事实上，Anthropic今年的招人名单，已经越看越不像一家AI公司了。
5月加入的卡帕西就不说了。6月，凭AlphaFold拿下2024年诺贝尔化学奖的John Jumper从DeepMind出走加入。
7月初，UC Berkeley计算机系主任、理论计算机科学家Jelani Nelson也来了。
诺奖蛋白质科学家、理论数学家、研究王阳明的哲学教授……Anthropic的胃口已经远远溢出了“AI工程师”这个传统人才池。
只不过，相比其他几个传统工科领域，哲学这个文科项目还是过于突出了。
毕竟连我这个文科生路过都想感概一句：
家人们，咱也是好起来了，就让哲学的同学先富带后富吧（doge）。
One More Thing
故事讲到这里，好像可以收了。
但老哈身上还藏着一条暗线，不说不完整。
2025年8月，老哈在计算机科学家Scott Aaronson的博客上发了一篇长文，标题是《ChatGPT and the Meaning of Life》。
这篇文章不是学术论文，更像一封私人信件。
老哈写自己从小痴迷南北极探险史，心中的英雄是1911年用滑雪板和狗拉雪橇到达南极点的Amundsen，以及一个月后到达、却再也没能回来的Scott。
但老哈少年时就意识到，地理大发现的时代结束了。
探险家们的故事之所以动人，是因为他们去了此前从未有人到过的地方。
然后老哈把这个逻辑推到了AI时代：
如果机器的智能占领了知识版图上所有的空白地带，那么“以发现为志业”的人生，将不再是人类可以过的人生。
这句话，老哈说是ChatGPT发布以来两年半里，每周都会发作一次的“存在性恐惧”。
一个以哲学为生的人，恐惧自己毕生从事的事业终将被机器取代。
然后呢？然后老哈加入了Anthropic。
去做Alignment Training，去教AI理解什么是“对的事”和“对的理由”。
他没有选择坐在大学办公室里继续恐惧，而是把自己研究了十年的王阳明“知行合一”，带进了硅谷最核心的AI安全实验室。
用恐惧回答恐惧，用行动回答认知。
这本身，大概就是阳明先生认可的那种“真知”。
参考链接：
[1]https://x.com/LedermanHarvey/status/2074077795395744142
[2]https://harveylederman.com/
[3]https://www.economist.com/science-and-technology/2026/06/24/why-big-ai-labs-are-hiring-so-many-philosophers?utm_source=chatgpt.com
本文来自微信公众号：量子位，作者：一水