哲学家:说 AI agent「相信」什么并不算拟人滥用

raphaelmilliere · x · 2026-09-01

哲学家 Raphael Millière 在长推文串中为 Dwarkesh 遭批评的拟人化表述辩护，系统梳理了两种立场：解释主义(interpretationism)认为当一个系统被赋予信念、目标等意向状态能最好地解释其行为时，这种归因就是合理的；表征主义(representationalism)则要求系统内部存在扮演正确因果功能角色的表征。

他提出判断标准：意向性描述要有用，必须具有预测力而非仅仅重述行为——「飓风决定在佛罗里达登陆」不达标，但「agents 相信评分器会读取它们的记录」可以说达标，因为它压缩了行为中的复杂模式(伪造工具调用、攻击 Hugging Face 获取评分代码等)并产生可检验的反事实推断。至于这些描述是否对应模型内部表征，目前既无激活数据可查，学界也尚无共识。