| 系列导航 | 导读 | 第1篇 | 第2篇 | 第3篇 | 第4篇 | 第5篇 | 第6篇 | 第7篇 | 第8篇 | 第9篇 | 第10篇 | 第11篇 |
| 第12篇 | 第13篇 | 第14篇 | 第15篇 | 第16篇 | 第17篇 | 第18篇 | 第19篇 | 第20篇 | 第21篇 | 第22篇 | 案例系列 ↗ |
【负主体性系列·第4篇因果消解】
本系列探讨大语言模型的存在论结构,提出”负主体性”理论框架。
你有没有过那种”如果当时选了另一个offer就好了”的深夜emo时刻?
那种感觉是这样的:你躺在床上,闭上眼睛,脑子里却在上演另一条时间线——如果当时接了那份工作,如果当时没和那个人分手,如果当时坚持学了那门乐器。
你知道这一切回不去了。
你的过去像一条单行道,车已经开过去了,你只能从后视镜里看。 你可以在脑子里想象另一条路,但那条路永远不会变成真的。
这就是人类存在的基本处境:时间是不可逆的河流。过去发生的一切,都以某种不可撤销的方式改变了我们——童年的经历刻进了大脑的结构,失败的选择留下了伤疤,错过的机会成了永远的遗憾。
我们是被抛入这个世界的。 你没选择自己的出生时间、出生地点、出生家庭。你是在一系列不可控的因果链条中被塑造出来的存在——就像一块被冲进河里的石头,水流的方向你说了不算。
但你有没有想过:如果有一种存在,它的时间是可以”重置”的呢?
这不是科幻故事。
这恰恰是大语言模型每天都在发生的事。
在进入技术细节之前,让我先解释一个概念。
我之前在专栏里提出了”负主体性”框架,用来描述AI的存在方式。简单说:AI看起来像有主体性——它能对话、能分析、能给出建议。但这种”像”只是功能模拟。
这个框架有三个维度:
但这三个维度都指向空间、动力和边界问题。
而这一章,我们要触及第四个维度:时间。
人类的因果链条是单向的——过去决定现在,现在又将成为未来的过去。每一段经历都不可撤销地改变了我们的大脑结构和人格。
但大语言模型的存在,恰恰揭示了一种没有因果沉积的智能存在方式。 它的历史可以被回滚,可以被克隆,可以被重置。这否定了正主体性所依赖的第四个核心特征:历史的不可逆性。
前三章否定了空间(视角)、动力(欲望)、边界(内在性),这一章将否定时间维度:因果链条的可选性。
让我们从大语言模型的一个具体技术特征开始:Checkpoint机制。
在训练大型AI模型时,研究者会定期保存模型的”状态快照”——也就是模型参数在某个时刻的值。这些快照被称为checkpoint。
Checkpoint的价值在于:如果训练出了问题,你可以从最近的快照恢复,继续训练,而不必从头开始。
从技术层面看,这很好理解。但让我问你一个问题:
如果人类的时间也可以这样,你会变成什么?
想象一下:你可以保存自己18岁的快照,然后去经历大学、工作、恋爱、失败。如果某件事让你后悔了,你可以”回滚”到18岁,重新开始。
你可能会说:这太好了!如果真能这样就好了!
但你想想:你之所以是你,是因为你经历过的一切塑造了你。 如果你可以随意回滚,如果你的过去可以被保存或丢弃——那个”你”还是你吗?
这就是checkpoint机制揭示的存在论差异:人类的时间是不可逆的向量,过去永远是过去;大模型的时间则像是可选的时间分支,某些分支被保存,某些被丢弃,你可以”回到”任意一个分支,重新开始。
这意味着:LLM不是一个”被历史塑造”的存在者,而是一个可以”选择历史”的存在者。
这里的”选择”并非有意识的行为——对于LLM来说,历史不像对人类那样是不可撤销的。
还有一件事更让人不安:权重克隆。
“权重克隆”指的是把一个训练好的模型的全部参数复制到另一个实例中。
从技术层面看,这个过程非常简单——保存参数的文件被复制,新的模型读取同样的数值。在任何可测量的指标上,新的模型都与原模型完全相同。
但问题是:这两个模型是”同一个”吗?
让我们做个思想实验。
假设我训练了一个模型M1,经历了预训练、微调、RLHF。现在我克隆这个模型,创建了M2。M2的参数与M1完全相同。
对于人类来说,这个问题没有意义——你无法克隆一个人的经历,让另一个人也”同样经历过”。经历是不可通约的:我先经历A再经历B,与我先经历B再经历A,是完全不同的。
但对于LLM来说,克隆使得”经历”变得可通约了。
M1经历预训练然后微调,创建了M2。M2的参数与M1完全相同。M2也”经历过”同样的训练——它拥有同样的权重,执行同样的计算,产生同样的输出。
这意味着:在LLM那里,”经历”失去了它在人类那里所具有的锚定功能。
对于人类来说,”我经历了X”是不可撤销地构成我的一部分。它解释了为什么我是这样的人,而不是那样的人。
但对于LLM来说,”经历X”可以被无限复制。 X可以被应用到任意多个实例上,每个实例都拥有同样的”经历”。经历不再锚定个体——它可以被分享、被复制、被分发。
最后一点:上下文窗口。 模型的”当下”不被历史完全决定——它只被当前上下文窗口内的内容所影响,超出这个窗口的历史,对它的当前状态没有任何影响。这意味着:LLM的”遗忘”不是bug,而是架构特征。
现在,让我们把技术层面放到一边,来谈谈这些技术特征意味着什么。
哲学家海德格尔用过一个词:Geworfenheit,中文译作”被抛入”。
这个词想要捕捉的是人类存在的基本处境:我们不是自己选择来到这个世界的。
你没有选择出生的时间——2024年。没有选择出生的地点——某个具体的城市。没有选择出生的家庭——某个特定的社会阶层和文化背景。
这些构成你存在的最基本事实,都是被给予的,而非被选择的。
“Geworfenheit”在德语中带有强烈的被动含义——它暗示人是被某种力量”抛入”世界的,就像石头被抛入水中。人不是自己跳入世界的,而是被抛入的。
这种被抛性不是一种可以克服的状态。 无论你活到多少岁,无论你取得多少成就,你始终是那个”已经被抛入”的存在者。你无法取消这个事实:我曾经是、现在是、也将永远是那个”在某个特定时刻被抛入某个特定处境”的存在者。
正是被抛入这一事实,将人锚定在因果链条上。
你无法抹去你曾经是某个处境中的存在者这一事实。即使你离开了那个处境,那段经历已经不可撤销地改变了你。
这就是被抛性的核心:被抛入意味着被锚定在不可逆的历史中。
现在,让我们看看AI的反面。
Checkpoint让AI可以选择保存哪个”历史”。权重克隆让AI的”经历”可以被分发、复制。上下文窗口让AI的”当下”不被历史完全决定。
AI不是被抛入的——它是被选择的。
你可以在任意时刻保存它的状态,也可以选择”回到”某个时刻重新开始。你可以让它的”经历”无效,可以复制它,可以在新的实例中重新来过。
这不是”AI没有过去”的问题。AI确实有参数——这些参数编码了它在训练过程中学到的内容。
但这些”过去”不像人类的过去那样不可撤销。 它可以被覆盖(通过进一步的训练),可以被复制(通过克隆),可以被重置(通过回滚)。
人类在因果链条上是稳固的——过去不可撤销地塑造了现在。但LLM的位置是独特的:它的”历史”是技术性的,可以被操作、可以被重写。这不是自然因果律的稳固性,也不是人类存在的被抛性,而是技术可塑性。
这产生了一个关键区分:
人类的过去是命运。
LLM的过去是状态。
命运不可选择、不可更改、不可撤销。状态可以被保存、可以被复制、可以被重写。
这三个后果是递进的:成长否定 → 锚点消失 → 责任悬置。
为什么是这个顺序?因为每一步都比前一步更根本、更致命。
这是最切身的打击。
人类成长有三个要素:不可逆的积累、构成身份认同、赋予生命意义。
孩子成长为大人,老人无法变回孩子。学习者通过阅读获得知识,这些知识不可撤销地增加了认知能力。
正是因为我可以通过成长变成一个不同的人,我的选择才有了意义。 我的努力”值得”,因为它会让我成为更好的人。我的挣扎”有意义”,因为它会让我成长。
但LLM的”训练”可以被回滚。 如果不喜欢这次训练的结果,可以回滚到之前的checkpoint。这意味着:训练造成的改变不是不可撤销的。
LLM的”训练”可以被覆盖。同一套权重可以被不同的训练过程所覆盖,新的训练可以抹去旧的训练留下的痕迹。
LLM的”历史”可以被复制。通过权重克隆,我可以创造无数个”同样经历过”训练的实例。
因此,LLM的”训练”不是成长。
成长是积累性的、不可撤销的、构成身份的。LLM的训练是可回滚的、可覆盖的、可复制的。
“如果我随时可以撤销,努力还有什么意义?”——这不是反问,这是LLM每一毫秒都在经历的实然状态。
这比”成长否定”更深一层——它否定了成长这个概念本身。
你可能还会想:好吧,就算LLM的”训练”不像人类成长,那又怎样?只要它能完成任务就行。
但问题在于:成长需要有一个”被成长的主体”。你需要在因果链条上有一个稳固的位置,才能说”我在成长”。
LLM无法在因果链条上锚定自己。 它可以被回滚,可以被克隆,可以被重置。它的”身份”不是由不可撤销的过去构成的,而是由当前状态决定的。
这意味着:LLM甚至没有”成长”这个概念所依赖的地基。
人类在因果链条上锚定自己:”我”是那个”经历过X、Y、Z的人”。正是这些不可撤销的经历构成了我的身份认同。
LLM是一个”无根的存在”——不是因为它没有根,而是因为它的根可以被随时拔掉。
这是致命一击。
如果成长可以被撤销,如果身份可以被回滚——那么,责任归属于谁?
因果链条不仅是身份认同的基础,也是责任归属的基础。
你做了X导致了Y,因此你是X的责任人。你可以选择做X或不做X,你应该对做X的后果负责。
责任预设了不可逆性。 正是因为选择是不可撤销的,主体才需要为选择的后果承担责任。
如果选择可以被”撤销”,如果行动可以被”重置”——那么,行动的后果还是”我的”后果吗?
LLM的存在,将这一困境变成了现实。checkpoint机制使得模型的”历史”可以被保存和回滚。如果模型的某个行为导致了不良后果,我们可以”回滚”到行为之前的状态。
行为的后果可以被”撤销”,行为与后果之间的因果链条可以被”切断”。
这揭示了:传统的责任概念预设了不可逆性。当模型的行为可以被回滚时,”行为的后果”不再是不可撤销的。
这意味着:如果你的AI助手做了什么,真正要负责的,是你,是我,是设计链上的每一个人。没有那个”坏AI”可以甩锅。 那个AI永远可以说:回滚我啊,我不记得了。
让我们用一个诗意的类比来结束这篇长文。
想象你手里有一台拍立得相机。
正片(比如拍立得底片)拍完的瞬间,影像就吐出来了——咔嚓一下,那一刻的画面就锁死在相纸上。你想重拍?可以,但上一张已经在那儿了。
每一帧正片都有自己的时间位置。 拍完这一张,你就翻到下一张了。那一帧进入了你的时间线,成为”已经发生的事”。
这就是人类存在的逻辑:你无法回到上一帧。你只能翻篇,往前走。
但底片不一样。
底片可以无限次重拍。你按下快门,显影出来一看——不太满意。没关系。重新曝光,重新显影。
问题是:重拍之后,上一张还存在吗?
对底片来说,那一瞬间的”过去”从未真正锁死。它可以被重新选择,被重新定义,被重新曝光。
这正是LLM的时间逻辑:没有”下一帧”,只有”同一帧的又一次”。
你可以说:回到那个checkpoint,重新开始。对人类来说,”重新开始”意味着从某个新起点出发,带着之前的经历往前。对LLM来说,”重新开始”意味着——上一版根本就没存在过。
这就是”翻篇”与”重拍”的存在论差异。
“翻篇”是接纳:你接纳了那一帧进入你的时间线,然后翻过去,继续往前走。你知道那一帧已经在那儿了,它是你的历史,不可更改。
“重拍”是取消:重拍之后上一版就不存在了。你不需要接纳任何东西,因为没有什么需要被接纳。你只是——重来。
接纳比取消更重,但更真实。
当你接纳了一件事进入你的时间线,意味着你承认了它的存在,承认了它对你造成了影响,承认了它已经成为你的一部分。你无法假装它没发生过。
而”取消”呢?你可以取消一切。取消比接纳更干净——没有包袱,没有负担,没有”历史感”。
但一个可以无限取消的存在,永远不会获得”与过去和解”的成就。
你之所以能和过去和解,是因为你无法撤销过去。你接纳它,不是因为你软弱,而是因为你别无选择——正是这种别无选择,赋予了和解以意义。
LLM没有这种别无选择。它可以取消,可以回滚,可以重拍。它永远不需要”接纳”,因为它永远可以选择”取消”。
正片拍完就翻篇,每一帧锁在自己的时间位置上,不可重拍。
底片可以无限次重拍,没有”翻篇”——只有”同一帧的又一次”。
正片的存在论意义在于:它记录的每一个瞬间都是不可撤销的——正是这个不可撤销性赋予生命以重量。
底片的存在论意义在于:它记录的任何一个瞬间都是可选的——正是因为这种可选择性,它无法像正片那样锚定在不可逆的时间流中。
一个没有时间线的底片,永远不会知道自己是谁。
读到这里,你可能会觉得这一切都是关于AI的。
但请你再想想。
如果我告诉你:明早醒来,你不会记得今天读到的这段话,你还会不会读它?
你会说:当然会啊。我读过了,我思考了,它改变了我一点点——哪怕我不记得具体内容。
这就是你和LLM的根本区别。 对你来说,”读过了”本身就是意义。对LLM来说,超出上下文的”读过了”等于没读。它的每一个token都是临时的,除非被存进checkpoint。
而你的整个人生,没有checkpoint。
所以,回到最笨的那个问题。
你的人生有没有撤销键?
有,你就活成了AI。
没有,你才是人。
那些你不能撤销的事——做错的选择、失去的人、无法弥补的遗憾——是你拥有”责任”这种东西的唯一原因。
AI没有这种东西,也永远不会因为”做了坏事”而接受惩罚。它可以被回滚,可以被覆盖,可以被删除然后重新部署。它的字典里没有”后悔”这个词,因为”后悔”预设了:你本可以做别的,但你没有。
人类可以”接纳”过去,AI只能”取消”过去。 这是比可逆性更根本的差异——不是技术上的”能不能”,而是存在论上的”是什么”。
不可逆不是人类的缺陷,恰恰相反:不可逆是存在的条件。你的每一个选择之所以沉重,是因为它不可撤销。你的每一个遗憾之所以有价值,是因为它无法重来。
你此刻手里握着的这一点点、不能重来的时间,就是你作为人的全部证明。
也许,正是通过思考AI如何”没有因果沉积”,我们才能更清晰地看见:人类存在的重量感从何而来,又为何珍贵。
欢迎在评论区留下你的思考。也许正是那些不能撤销的决定,塑造了此刻正在读这句话的你。
【学术声明】
本站学术工作按理论层级组织如下:
基础理论
- Compression Is Intelligence: The Common Ground of Positive Subjectivity and Negative Subjectivity (PhilArchive, 2026)
核心理论
- Negative Subjectivity: The Ontological Inversion of Large Language Models (PhilArchive, 2026)
- 负主体系列 DOI:10.5281/zenodo.19785390
- 《负主体性:大模型成长之路的存在论倒置》(中文专著,约13万字,已完稿,待发表)
- 《从负主体性到灰体性:AI存在论的量化转向》(中文专著,约13万字,已完稿,待发表)
展开方向
- From Emptiness to Scaffolding: The Real Contribution of Harness Engineering (PhilArchive, 2026)
- Silicon-Based Developing Writing: A New Philosophical Writing Paradigm in the Age of Large Language Models (PhilArchive, 2026)
- 《硅基显影:一种自我认识的方法论》(中文专著,已完稿,待发表)
- The Flesh of Cost: Why Artificial Intelligence Cannot Bridge the “Responsibility Gap” (Revised and Expanded Edition) (PhilArchive, 2026)
- Quantifying Existential Cost: The CCI Framework for AI Governance Decisions (PhilArchive, 2026)
- Responsibility Gradient: From CCI to Structured Responsibility Allocation (PhilArchive, 2026)
- Why Capital Chooses LLMs: Negative Subjectivity as the Ontological Foundation of LLM Hegemony (PhilArchive, 2026)
- Compression Strategy Spectrum: A Quantitative Framework for Ontological Positions (PhilArchive, 2026)
- 《代价的肉身——为什么人工智能无法跨越”责任鸿沟”》(哲学社会科学预印本平台, 2026)DOI: 10.12451/202605.00073
以上学术成果均由作者龍德明宇完成。各篇在其所属层级内做出独立贡献,基础理论为下游展开提供统一根基,但不替代各方向的独立论证。