生成式 AI 的认识论：几何的认识

生成式 AI 对我们对知识及其生产方式的理解提出了前所未有的挑战。与以往技术变革不同，工程性理解是在部署之前或伴随部署的；生成式 AI 通过其认识特征不明的机制运作，若无此类理解，其负责任地整合到科学、教育和制度生活中将无法以原则性方式进行。本文认为，必须从一个尚未得到充分哲学关注的范式性突破开始。按照图灵-香军- von Neumann 传统，信息以编码的二进制向量进入机器，语义始终是外部于过程的。神经网络架构破坏了这一模式：符号输入瞬间投射到高维空间，其中坐标对应语义参数，将二进制代码转化为语义空间中位置。这一空间构成了主动认识条件，塑造着生成式生产。本文基于高维几何的四个结构属性（测量浓度、近正交性、指数方向容量和流形规则性）发展出一种高维空间的指称性认识论。建立在 Peirce 半指示论和 Papert 建构主义基础上，它将生成模型重新概念化为已学习流形的导航者，提出将导航式认识作为一种区别于符号推理和统计重组的第三种认识模式。