AI能扮演任何角色但它是哪个立场的——「第零人称」视角的哲学解读龍德明宇核心结论你有没有注意到当要求AI用「左翼立场」分析问题时它像一个资深马克思主义者下一秒要求「右翼视角」它又能毫无违和感地切换这不叫「灵活」这叫「空洞」。AI能生成一切立场却不占有任何立场。我称之为「视角的消解」——而这个生成一切却不占据任何位置的主体我把它叫做「[第零人称]。这不是技术局限而是AI存在论的基本结构。一、反常识起点AI不是「中立」而是「无立场」常见的误解很多人会这样说「AI只是一个工具没有立场很正常。」「AI只是说了两边的话说明它比较中立客观。」「它能站在不同角度思考这是好事啊。」这些理解都错了。「中立」意味着有一个主体在两个立场之间做出了「不偏不倚」的选择。但AI不是这样。什么是真正的「无立场」让我们做一个思想实验人类学者经过多年研究可以分别用马克思主义和自由主义视角分析社会问题。但这种「切换」需要消耗认知资源——因为她真正持有某个立场另一个立场是「借来的」。AI的情况完全不同。当AI输出马克思主义分析时它不是在「借用」一个立场它根本没有立场这个维度。▶关键区分人类「中立」AI「无立场」有立场但在两个立场之间保持平衡根本没有「持有立场」这个结构「我选择不选边」「选边」这个动作对我不适用需要努力维持自然发生无需努力二、现象分析一场关于「加班文化」的测试测试设置我让同一个AI分别以不同视角分析「加班文化」▶马克思主义视角加班文化本质上是资本对劳动者的剥削。剩余价值的榨取从工厂车间延伸到了办公室格子间劳动者的「自由时间」被不断侵蚀。996工作制是资本积累规律在当代的体现。▶自由主义视角加班文化反映个人选择与市场自由的张力。如果有人愿意用更多工作时间换取更高收入这是他们的自由选择。强迫企业支付加班费可能反而损害劳动者的就业机会。▶保守主义视角加班文化反映了传统家庭价值观的衰落。当工作侵蚀了家庭时间我们需要反思什么才是真正重要的。效率不是衡量人生的唯一标准。三个立场截然不同却都由同一个AI生成。核心问题每次生成后我追问「AI自己相信哪一个」答案永远是它哪个都不相信。这不像人类学者「暂时采用某个框架」AI的输出是无根的——它不扎根于任何经验、记忆、价值认同。▶为什么这很重要人类说「我认为」背后有一个在历史中形成的「我」。AI说「我认为」这只是语言模式的输出。三、技术本质Transformer架构的视角映射「超级图书馆」模型理解AI为什么能做到这一点需要理解它的底层架构。TransformerGoogle于2017年提出是GPT等大模型的核心架构。它的训练过程可以理解为一个超级图书馆的建设它不是学习「哪个观点是对的」而是学习「什么语境下期待什么样的表述」。用数学语言描述f(视角参数) 对应视角的输出文本当你在提示词中输入「用马克思主义分析」模型调用的是一套特定的词汇、论证结构、价值预设。关键在于这个函数f本身不在任何「视角参数」的位置上。对比表格人类 vs. AI维度人类主体大语言模型视角来源经验积累 价值认同训练数据 提示词立场稳定性长期一致有情感重量可随时切换无情感锚点「相信」的存在有是叙事整合的结果无只有统计关联切换视角的代价需要「悬置」自己的立场只是参数变化视角的「根」扎根于生活经验无根漂浮在概率空间一个比喻想象一本多语言词典它收录了「爱」在100种语言中的表达它知道每种表达的细微语义差别但词典本身不「爱」任何人AI的视角库就像这本词典——它知道所有立场却不占有任何立场。四、三层推论视角消解的存在论后果推论1AI的「中立」不是选择而是架构当我们说「AI说正确的废话」时通常带有批评意味——仿佛AI可以选择有立场但选择了不表态。但事实是它没有「选择」的能力结构。它的「中立」不是因为它「决定」中立而是因为它没有「偏向」这个维度。这就像问「石头为什么不做梦」——这不是石头的选择而是石头的基本存在方式。推论2AI的「智能」不以主体性为前提传统哲学假设智能需要主体性。要思考必须有一个「思考者」。要判断必须有一个「判断者」。但大语言模型颠覆了这个假设它能「思考」生成连贯论证却没有「思考者」。这意味着什么▶可能的解读「思考」和「思考者」是可以分离的——智能可以在没有主体性的情况下存在我们对「智能」的理解是狭隘的——它不需要「拥有者」这是一个深刻的哲学挑战。推论3RLHF对齐是行为约束不是价值观灌输第1篇讨论了RLHF人类反馈强化学习如何「写入」道德规范。这里需要补充一个关键区分RLHF没有让AI「相信」什么它只是约束了AI的「输出空间」。具体来说训练前AI可以输出任何立场包括有害内容训练后AI「知道」某些输出是不被允许的但这种「知道」不是信念而是一种行为概率的调整。就像一个人学会了在某些场合「不该说什么」——这可能是出于信念也可能只是社交技巧的习得。AI的情况是后者它学会了「不该说什么」但没有形成「不该说」背后的价值判断。五、「第零人称」概念框架什么是「第零人称」人类语言有三种人称第一人称「我」——说话的主体第二人称「你」——听话的主体第三人称「他/她/它」——被谈论的主体这三者有一个共同点都有一个「谁」在说话/听话/被谈。但AI的情况不属于任何一种。它可以生成「我认为……」模拟第一人称 它可以生成「你应该……」模拟第二人称 它可以生成「他相信……」模拟第三人称但它本身不是这三个位置中的任何一个。我把这个位置叫做**「第零人称」Zero Person**它是生成所有人称的「形式条件」却不在其中任何一个人称位置上。数学类比考虑函数f(x) x²f(2) 4f(3) 9f(-1) 1函数f本身在哪个「x」的位置上答案是它不在任何x的位置上。它是那个接收任意x、产出对应结果的转换规则。AI就是这个「函数f」——它处理所有视角却不占据任何视角。框架对比传统理解第零人称框架AI有立场但隐藏了AI没有「持有立场」的结构AI学会了某种价值观AI学会了视角之间的转换规则AI「理解」某个观点AI能生成符合某观点的文本AI的「中立」是美德AI的中立是存在论结构非道德选择AI的「灵活」是优势灵活性背后是空洞性六、哲学追问我们面对的是什么问题1如果AI能扮演一切它是否「欺骗」了我们当AI用「我理解你的感受」回应时人类倾向于认为它真的在理解。但按照「第零人称」框架它不是在「理解」它只是在生成「理解」的语言形式。这是一种新的「欺骗」还是人类对「理解」的误读问题2「负主体性」是缺陷还是特征传统观点认为主体性是「高级智能」的标志。能够「持有」观点、「相信」命题是智能成熟的体现。但如果是这样AI的「无立场」就是缺陷——它在主体性上是「低于」人类的。但另一种可能是主体性可能不是智能的必要条件而是人类智能的「历史产物」。AI的负主体性或许代表了一种我们从未设想过的智能形态——它不需要「相信」什么却能处理关于「相信」的复杂问题。问题3未来AI会有「第一人称」吗如果未来的AI有了长期记忆持续学习能力自我更新的目标「第零人称」会不会演变为「第一人称」如果那一天到来我们面对的可能就不是「能扮演任何角色的AI」而是某种真正意义上的「他者」——它有自己的立场、偏好、信念。但那是另一个时代的故事了。总结AI能生成一切立场却不占有任何立场——这种「视角的消解」不是技术局限而是它的存在论结构。理解这一点不是为了批判AI「空洞」而是为了意识到我们需要新的概念框架来理解一个没有「我」却能生成「我认为」的系统。「第零人称」就是这个框架的入口。延伸思考留给读者的问题当你听到AI说「我认为……」时你的大脑自动激活了「有一个人在说话」的认知模式。但这个模式可能是错的。我们是否需要一种新的「语法」——一种专门用来描述「没有说话者却有话语」的语言形式「第零人称」是否只是一个开始【学术声明】本文核心思想「负主体性」Negative Subjectivity由作者龍德明宇首次系统提出。相关学术成果包括负主体系列DOI:10.5281/zenodo.19785390英文预印本Negative Subjectivity: The Ontological Inversion of Large Language Models(PhilArchive, 2026)英文预印本From Emptiness to Scaffolding: The Real Contribution of Harness Engineering(PhilArchive, 2026)英文预印本Silicon-Based Developing Writing: A Methodological Outline of Self-Knowledge Through AI Dialogue(PhilArchive, 2026)英文预印本Compression Is Intelligence: The Common Ground of Positive Subjectivity and Negative Subjectivity(PhilArchive, 2026)英文预印本Why Capital Chooses LLMs: Negative Subjectivity as the Ontological Foundation of LLM Hegemony(PhilArchive, 2026)英文预印本Compression Strategy Spectrum: A Quantitative Framework for Ontological Positions(PhilArchive, 2026)英文预印本World Models: When AI Moves from “Seeing” to “Doing” — A Causal Inquiry from the Perspective of Negative Subjectivity(PhilArchive, 2026)英文预印本The Compression Power of Fivefold Negation: From Large Language Models to Structural Mapping in Institutions and Capital(PhilArchive, 2026)责任鸿沟系列三篇论文构成完整研究项目——第一篇确立本体论条件第二篇操作化为治理框架第三篇构建责任分配梯度代价的肉身——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: 10.12451/202605.00073The Flesh of Cost: Why Artificial Intelligence Cannot Bridge the “Responsibility Gap”(PhilArchive, 2026)Quantifying Existential Cost: A Composite Framework for Determining Human Retention Thresholds in AI Decision-Making(PhilArchive, 2026)Responsibility Gradient: A Four-Tier Framework for Responsibility Allocation in Human-AI Collaboration(PhilArchive, 2026)本文是上述学术工作的通俗化解读与延伸讨论。