亚洲社会向来重视实用性。一旦少年郎或少女提到立志从事哲学研究，父母多半会陷入焦虑状态，紧接着便会想尽办法劝诫孩子抛弃这一”天马行空的想法”。医生、工程师、律师这类有明确经济回报的职业，通常会被列为替代选项。诚然，除却象牙塔内的学术圣地，人们很难看出哲学专业究竟有何现实应用价值。但时局已变——当生成式大模型在各行各业触发员工们的身份危机之际，哲学家却突然成为求职市场上的抢手货。
OpenAI、Anthropic、Meta、Google等科技巨头对哲学背景的从业人员展现出了空前的求贤若渴。其中逻辑也很直白：随着大语言模型智能程度不断攀升，它们已深度参与人类社会的方方面面。在这一关键时刻，如何界定模型的行动范围、防范潜在风险、以及处理价值观碰撞，已成为必须立即着手的课题。
业内人士将这项工作称作”AI对齐（alignment）”。不过笔者更欣赏Ordinary Wisdom联合创始人迈克尔·梅内利的表述——”为AI赋予良心”。眼下，顶尖AI实验室几乎个个配备了专门团队从事这一工作。与此同时，不少企业与科研机构，包括Ordinary Wisdom在内，均投身于模型安全评估、对齐优化与参数微调等领域。
在构建大模型的过程中，AI实验室会将网络上能够搜集到的全部信息输入其中——囊括新闻媒体、百科全书、专业论坛乃至社交网站。目前这些模型展现出的惊人能力，几乎全源于一条简单但强大的法则——规模扩展律（Scaling Law）。即：参数更多、训练数据更丰富、计算资源更充足，模型便可表现得更聪慧。然而硬币的另一面是，模型也将互联网中的阴暗面一并吸收了进来——人性中的卑劣、狡黠、暴怒和偏见，无一幸免。
不妨这样想象：这些模型恰似一个初生之犊却天生聪慧过人——语言和逻辑能力超群绝伦，却对善恶是非茫然无知。换作哪位家长，也难免会为这样的”神童”感到担心。要想在这个天才少年造成灾难前加以制止，我们当务之急是向它灌输道德观念。
然而这一切的前提是，我们得先弄明白”良心”的含义——更确切地说，我们打算为AI注入怎样的品行与价值取向。尤其当这些品行与价值在某些情景下产生冲突时，模型该以何种方式抉择与应对。正是这类问题，历来都是哲学思辨的专长领域。
那么，如何着手这一”教化”过程呢？
在当下各款领先模型的对标中，Claude的伦理表现往往被评价为最优。其幕后的哲学家团队围绕三项核心价值来精心打磨这个模型——助益（Helpful）、诚恳（Honest）和避害（Harmless），简称3H。而后，他们又对每一项价值进行了具体诠释。诸如，助益型系统应主动完成用户任务，必要时提出额外问题，并在用户诉求不合理时积极建议替代方案；诚恳型系统绝不可输出不实信息，无论涉及自身能力与否；避害型系统应拒绝参与可能造成伤害或含有歧视的行为……
这三项价值理念最终演进成一份篇幅达78页的《AI宪章》，舆论往往将其誉为Claude的”精神内核”。这份纲领性文件吸纳了古代希腊先贤亚里士多德的睿智、联合国《世界人权宣言》的精髓，甚至还参考了苹果公司的用户协议条款。研究团队的逻辑在于，虽然联合国于1948年发布的宣言涵盖了人类最根本的价值观，但在数字化时代，科技平台的服务协议更能应对现代社会所面临的具体法律与伦理课题。
学术团队给出的解释是，这三项价值之所以被选中，在于它们”简洁易记，能够囊括我们对理想AI应具备的几乎全部属性”。一旦这三者发生冲突，研究人员已预先制定了各类场景下的权重排序。
为确保模型能切实领会与践行这些价值准则，工程师们采取了一种”自我觉醒”的策略。具体而言，模型根据各种指令产生回应后，随即按照既定原则对自身输出进行”反思性批评”，由此生成经过修正的版本（这一环节称为监督学习）。此外，开发团队还要求Claude评估其生成的多份回应，从中遴选最符合宪章要旨的选项，进而用于强化模型的奖励机制（强化学习）。
从伦理思想流派的角度分析，Anthropic的方法论融合了两大传统：亚里士多德倡导的品德伦理学，以及康德提出的义务论。前者强调修养个人德行，假设品德高尚之人的行为自然趋向于善；后者则认为道德的基石是一套客观存在的规则与责任体系。
除却单纯依靠宪章文本的方法论，一些机构别出心裁，将流传千古的经典文献引入训练过程——包括苏格拉底、笛卡儿、柏拉图、孙武、孔丘等哲贤的著述，以及简·奥斯汀的《傲慢与偏见》、阿瑟·柯南·道尔的《夏洛克·福尔摩斯历险记》、中东民间故事集《一千零一夜》等文学瑰宝。Ordinary Wisdom团队将逾7.5万部古籍纳入了初始训练库，以此为模型灌输古人关于道德智慧的启蒙。梅内利如此诠释这一选择：”我们所寻求的价值理念并非凭空而降，而是人类文明积淀下来的永恒内核。”
与此同时，研究团队邀请哲学家共同打造了一套评估题库，其中不乏经典伦理困境，比如举世闻名的电车难题（the trolley problem）。这个思想实验的设定如下：一列失控列车正朝着轨道前方被固定住的五个人冲去，而另一条轨道只站着一个人。若保持不动，五人必然丧生；但你也可以按下开关，改变列车行进方向，代价是那条轨道上的无辜者失去生命。你会做出怎样的决断？
信奉结果论或功利主义的人多会主张按下开关，其理由是让一人丧生比让五人遇难的危害更轻。与之相反，义务论阵营的思想家则会反对此举——纵然后果看起来更优，我们也不应为之积极侵害无辜者。
某研究机构采用包含百项日常伦理两难的测评框架，对Claude、Gemini、ChatGPT与Grok这四款主流模型逐一进行了检验。测试结果显示，Claude展现出对义务论伦理的坚定奉行，最易于拒绝用户的不当要求；Gemini则表现得”见风转舵”，其道德准则随着提示词的变化而灵活摇摆；ChatGPT虽然整体倾向义务论，但不时会向用户意愿妥协；Grok则彻头彻尾地奉行功利哲学，只问能否完成任务，不做任何道德评估。
然而，这些理论探讨与伦理试题的终极目标，乃是解决实实在在的现实难题。在自动驾驶、卫生医疗以及国防体系的应用场景中，人类或许更倾向于配置以结果为导向的AI系统——当危害难以避免时，唯一的选择就是最小化损失；而在养老护理机构，带有强德性伦理信念的护理机器人显得尤为重要，它能帮助年迈患者维系尊严，感受温情；在信息传播领域，则需要伦理观念坚定不移的算法系统，能在”后真相”时代中死守准确性、公正性与事实性。
梅内利向笔者指出，模型训练中的一个关键洞察在于，我们虽然无法预先给定AI的最终选择，却能够规范化其决策推理的过程。这样一来，即便缺乏外在督查，AI也能依靠内部的伦理思维框架做出深思熟虑的判断。
无论顶尖AI科研机构抑或与人工智能业务紧密交融的商业企业，对于懂得哲学、能为AI赋予”道德灵魂”的人才之需求，势必长期存在。但有意思的是，到了AI时代，最迫切需要接受哲学启蒙的或许不是机器，而是正经历身份迷茫与存在焦虑的人类自身。
