很多人对哲学家的印象还停留在书斋里思考人生、研究经典著作，很难想象他们在科技公司的工作状态。实际上，哲学家进入 AI 行业之后，承担的工作和技术团队形成了明显的互补，核心集中在两个方向，一是提升模型的推理能力，二是搭建模型的价值体系。
在提升推理能力方面，哲学训练带来的逻辑思维能力刚好适配大模型的长链推理需求。DeepMind 的高级哲学家伊阿宋・加布里埃尔就曾表示，哲学训练是改善 AI 长时间推理过程的强大机制，行业内一直头疼的 AI 幻觉问题，也能通过哲学方法得到缓解。简单来说，哲学讲究论证的严谨性和逻辑的一致性，而大模型生成内容时容易出现前后矛盾、编造事实的问题，用哲学的论证标准去约束和训练模型，能有效减少这类错误。
耶鲁大学哲学教授丹尼尔・格雷科从 2026 年 4 月开始兼职为 AI 公司训练大模型，他的日常工作很有代表性。通常的流程是，先给大模型输入一系列提示词，让模型生成回答，再由他对不同的答案进行评级，找出其中的逻辑漏洞或者论证错误。他最常用的一种训练方式，是主动设计容易让模型出错的问题，然后针对性地验证错误，再把这些数据反馈给模型，让模型在下一轮训练中修正同类问题。
耶鲁大学哲学教授丹尼尔·格雷科（Daniel Greco）
格雷科提到，早期的大模型在哲学问题上表现很差，稍微复杂一点的逻辑问题就会给出荒唐的答案，那时候找错误是很轻松的事。但随着模型快速迭代，现在要在最先进的模型里找到哲学错误，往往需要数小时的专业劳动，而且错误大多非常细微，不再是明显的胡言乱语。他曾经做过测试，向模型提出同时涉及拉姆齐式分析功能主义和神学设计论论证的问题，这两种理论通常不会出现在同一语境中，模型不可能直接复述训练数据，必须完成独立推理。最终模型给出的回答质量，甚至超过了他带的研究生。
除了训练推理能力，哲学家更受关注的工作是为 AI 搭建价值框架，也就是行业内常说的价值对齐，让 AI 的行为符合人类的道德标准。Anthropic 推出的 Claude 模型在 2026 年初发布的新宪法，就是由首席哲学家阿曼达・阿斯克尔主导完成的，其中融入了康德等哲学家的道德哲学思想，目标是让 Claude 拥有良好的品格。这份长达 84 页的文件明确了模型的行为准则，要求它在提供帮助的同时，保持诚实、体贴，遵循公认的价值观念。
OpenAI 也曾公开表示，在制定 ChatGPT 的行为规则时，咨询了数百名道德哲学家。谷歌 DeepMind 同样有专门的团队制定人工智能原则，这些原则的底层逻辑，很多都来自伦理学的经典理论。目前多家头部 AI 公司的核心团队里，基本都有哲学背景的成员，他们参与的不是边缘的公关工作，而是直接影响模型开发方向的核心决策。
当然，不是所有进入 AI 行业的哲学家都是全职员工。像格雷科这样的高校教授，很多是以兼职或者顾问的身份参与，还有的通过第三方机构提供哲学数据服务。收入方面，格雷科坦言报酬不错，但远远谈不上能改变生活，毕竟他只是兼职参与，主要工作还是大学授课。对很多学者来说，吸引他们参与的首要原因不是收入，而是好奇心，他们想亲眼看看，哲学思想到底能在技术发展中发挥什么样的作用。
哲学家参与 AI 开发的过程，也是两个学科不断碰撞、产生分歧的过程。其中最受关注的争议，就是 AI 到底能不能取代人类哲学家，以及哲学这项活动，到底是不是人类独有的能力。
这场争议的导火索，是格雷科发表的一篇文章，标题为《我是一名哲学教授，这就是我训练 AI 来取代我的原因》。这篇文章发出后很快引发了哲学圈的讨论，《纽约客》撰稿人、曾接受哲学博士训练的贝卡·罗斯菲尔德专门撰文反驳，认为格雷科混淆了提供现成的哲学论证与培养真正的哲学思考能力，AI 无法培养人对思想的品味，也无法完成哲学的具身实践。
针对这些质疑，格雷科也给出了自己的回应。他首先澄清，文章标题并非自己拟定，有夸大的成分，短期内哲学教授事实上是不可取代的。如果把哲学教授的工作拆开来看，有一部分确实可以被 AI 替代，比如文本生成和作业的初审批改。现在大模型已经非常擅长生成文本，只要经过资深教授的打分训练，完全可以承担第一轮的作业评语工作，帮老师分担程序性的事务，高校也能借此降低人力成本。
图自unsplsh
但另一部分工作是 AI 无法替代的，那就是人际联结和心理动机的塑造。大学的核心价值不只是传递知识，还提供了一种人际间的心理约束。学生愿意花时间读枯燥的原著，强迫自己完成困难的思考，很大程度上是因为要在课堂上面对教授和同学，在意他人的评价。人类不会在乎 AI 的看法，因此 AI 无法提供这种督促人进步的动力。这就像很多人花钱请健身教练，不是因为网上找不到训练动作，而是需要有人到场监督，提供坚持下去的动力。
更深层的分歧，在于对哲学本质的理解不同。反驳者认为，哲学是一种人类的具身实践，意义、品味和某些真理，只能通过人和人相处的鲜活经验来把握。而格雷科更倾向于认为，哲学和科学之间没有清晰的边界，很多哲学问题本质上是没有现成答案的基础问题，随着研究深入，会逐渐和科学问题衔接。因此他不认同某些哲学活动只能由人类完成的判断，至少在靠近数学、理论科学的哲学领域，语言模型已经展现出了参与的潜力，未来的能力边界还会不断拓展。
除了能不能取代的争论，另一个核心分歧是 AI 时代的道德裁决权问题。有观点担心，随着模型的伦理判断能力越来越强，人类最终会失去道德决策的主导权。格雷科认为，在应用伦理和法律推理这类领域，AI 甚至可能比人类做得更好，因为这类工作需要整合大量的文本、原则和案例，大模型在保持一致性和处理信息效率上更有优势。但这不意味着人类应该交出决策权，法律和伦理决策不只追求结果正确，还需要社会认可其合法性，人们很难接受完全由 AI 做出的重大决定。更合理的模式是人机协作，AI 负责分析和推理，人类保留最终的责任和决策权。
不同哲学流派在 AI 中的应用，也体现出了明显的差异。目前主流的方向有两种，一种是义务论，代表是 Claude 模型，它高度强调诚实，设定了明确的行为红线，无论什么情况都不能突破。另一种是结果主义，也就是功利主义，核心是追求整体利益最大化，比如自动驾驶遇到事故时，选择伤害最小的碰撞方案。从目前的趋势看，各国监管更倾向于义务论的思路，因为法律本身就是义务论的，明确规定哪些行为不能做，所以未来 AI 的价值体系也会更多向义务论倾斜。
当然，行业内也不乏对哲学家进厂的质疑。牛津大学 AI 伦理研究所的学者就提出，科技公司招聘哲学家，有伦理洗白的风险。对外宣传有哲学家参与伦理设计，很容易让公众觉得产品更安全、更有道德，但实际的开发过程中，商业利益往往还是排在第一位的，伦理团队的话语权未必有外界想象的那么高。再加上哲学研究本身是慢节奏的，讲究长期思考和反复论证，而 AI 行业发展速度极快，要紧跟市场需求，两种节奏的冲突本身就很难调和。
哲学家在硅谷走红的现象，刚好撞上了全球范围内的文科萎缩讨论。最近几年，很多高校的文科专业缩减招生，报考热度下降，不少人觉得 AI 时代文科更没用了，迟早会被淘汰。但哲学专业的意外走红，又给这个判断打上了一个问号。
纽约联邦储备银行的就业数据，是对文科无用论最直接的冲击。2024 年美国计算机专业毕业生失业率达到 7%，而哲学专业只有 5.1%。出现这种反转，核心原因是供需关系的变化。过去十几年计算机专业持续火热，大量学生涌入，毕业生数量快速增长，而 AI 技术的发展，又让一部分基础编程工作可以被工具替代，进一步压缩了低端岗位的需求。与此同时，AI 行业对伦理、逻辑、价值对齐这类能力的需求快速上升，而这些刚好是哲学专业的训练重点，自然就出现了人才缺口。
格雷科对此的判断是，大语言模型让生成文本变得极其廉价，任何人都能轻松产出大量听起来合理、立场各不相同的内容。在这样的环境下，判断哪些论证真正有说服力，哪些只是表面合理，哪些信息有价值，哪些是噪音，这种能力会变得越来越稀缺。而哲学教育的核心，就是训练人辨别、分析和评估论证的能力，从这个角度看，AI 时代哲学不仅不会贬值，反而可能变得更重要。
这个逻辑不只适用于哲学，也适用于很多文科专业。过去大家评价文科的价值，往往看重产出内容的能力，比如写文章、做策划、搞翻译。但 AI 出现之后，基础的内容生成工作效率被极大提升，单纯拼产出数量已经没有意义，真正的竞争力转向了内容质量的判断、方向的把控和价值的筛选。这些能力恰恰是文科教育中长期被忽略的底层能力，现在反而成了稀缺品。
不过这并不意味着文科专业可以高枕无忧。AI 对人类主体性的侵蚀，是一个无法回避的风险。如果人们习惯了把判断和决策都外包给 AI，自己不再主动思考，长期下来思考能力必然会退化。就像有了导航之后，很多人认路的能力下降了一样，如果所有问题都等着 AI 给答案，人的判断力只会越来越差，最终反而会被算法牵着走。
但事情也有另一面，AI 同样可以扩展人的能动性。一个知识全面、响应灵活的 AI 助手，能帮人处理很多原本无从下手的问题，让人有精力去探索更多可能性，提出更多有价值的问题。所以 AI 对主体性的影响不是单向的，既可能让人变得懒惰，也可能让人变得更主动，最终结果取决于人怎么使用工具，以及不同人的使用习惯。
对于想要选专业或者转行的年轻人来说，更理性的态度是不要盲目追逐热点。现在哲学专业看起来热门，但如果只是为了进 AI 公司去读哲学，很可能踩空。大学本科四年，加上读博的时间，至少要七八年，行业变化速度很快，现在的缺口等到学生毕业的时候可能已经填满了，就像前几年大家扎堆学计算机，现在反而就业困难一样。相比盯着热门专业，更重要的是培养可迁移的底层能力，比如逻辑推理、批判性思维、判断决策能力，这些能力不会因为技术迭代而过时，无论行业怎么变都能发挥作用。
从学术界的角度看，AI 也不会完全改变哲学学科的面貌。大学体系本身有很强的惯性，变化速度很慢，大多数哲学家还是会继续研究传统议题，比如古希腊哲学、政治哲学、伦理学基础理论，不会所有人都转向 AI 方向。未来的趋势是分化，会有越来越多的哲学家关注和研究 AI，参与技术发展，但传统哲学的研究也会继续延续，两者并行发展。
回看整个科技行业的发展历史，每一次技术变革都会引发关于专业价值、职业命运的讨论。从工业革命到互联网时代，总有一些专业被淘汰，也总有一些冷门领域意外迎来新的机会。AI 时代的哲学走红，本质上不是哲学突然变得有用了，而是技术发展到一定阶段，终于触碰到了价值、逻辑、伦理这些底层问题，不得不向人文领域寻找答案。
技术可以生成内容，却无法判断内容的好坏。技术可以给出选项，却无法替人类承担选择的责任。技术发展得越快，工具越强大，越需要人守住思考的底线，保持独立判断的能力。从这个角度看，AI 时代最珍贵的从来不是会用工具的人，而是知道该怎么用工具、用工具去做什么事的人。
Illustration: Simon Bailly
哲学过去被嘲笑没用，是因为它不直接生产具体的产品，不直接解决具体的技术问题。但它训练的思考方式，培养的判断能力，恰恰是所有技术最终的方向盘。未来的竞争，拼的从来不是谁生成的内容更多，而是谁能在海量的信息里保持清醒，做出真正有价值的判断。这或许就是哲学在 AI 时代，给所有人的启示。