理解
理解（Understanding），又称为领会、了解、懂得、思维作用（intellection），是指一种心理过程，与诸如人、情形或讯息之类的某种抽象的或有形的对象相关，借此一个人能够对其加以思考，并且运用概念对该对象加以适当的处理。[1]
理解乃是概念化的界线。理解某一事物，也就是已经对该事物实现了一定程度的概念化。
在认识论和心灵哲学中，理解被视为比单纯的知识更为深层的一种认知状态：它不仅包括知道某个事实，还包括把握事实之间的联系、内在结构和因果关系。[2]
定义与辨析[编辑]
理解与知识这两个概念在哲学史上缺乏统一的定义。[3] 路德维希·维特根斯坦绕过了对知识或理解的正规定义，转而考察这些词在自然语言中的实际使用方式，从中识别出语境中的相关特征。[4]
有学者认为，单纯的知识本身价值有限，而在语境中知晓某事物才是理解——理解具有更高的相对价值。[5] 也有观点指出，认知上低于知识的某种状态也可以被称为理解。[2][6]
理解与知识的关系[编辑]
理解与知识之间的关系是认识论的核心议题之一。一个人可能拥有知识却不具备相应的理解——例如，知道某个事实但无法解释其内在机制或在不同情境中灵活运用。反之，一个人也可能在没有完备知识的情况下达到某种程度的理解——例如，基于直觉或对因果关系的把握做出准确预测。[7]
斯蒂芬·格林（Stephen R. Grimm）指出，理解比知识要求更高：它需要理解者实际"看到"或"把握"自身信念之间的内在联系。理解可以表达为对依赖关系的知识——知道某个原因如何导致某个结果。[8]
因果关系与理解[编辑]
彼得·利普顿在《最佳解释推理》中认为，理解往往源于对因果关系的把握——知道原因如何产生结果是理解的核心。[9] 然而，理解也可能来自非因果的来源——例如理解一个数学定理并非必须追溯因果关系，而是把握其逻辑结构中的演绎关系。[10]
金在权区分了"解释性知识"与形而上学依赖关系，认为理解涉及把握部分与部分之间以及部分与整体之间的关系。[11]
作为数据压缩的理解[编辑]
格雷戈里·蔡廷（Gregory Chaitin）在2006年的论文《理性的极限》中提出了一个颇具影响力的观点：理解即数据压缩。他认为，理解某事物意味着能够找到一组简单的规则来解释它。例如，我们理解昼夜交替的存在，是因为拥有一个简单的模型——地球自转——来解释大量的数据（亮度、温度、大气成分的变化）。通过使用一个简单的预测模型，我们压缩了大量的信息。[12]
蔡廷的这一观点为理解智能体的本质提供了新的视角。在尼洛·克里斯蒂亚尼尼的著作《捷径》中，这一点被用于解释机器可以以根本上非人类的方式理解世界——机器通过数据压缩形成的理解模式与人类基于概念和语义的理解存在本质差异。[13]
人类理解与人工智能理解[编辑]
人类理解与人工智能"理解"之间的区别是心灵哲学和人工智能领域的一个核心争论。约翰·塞尔于1980年提出的中文房间思想实验指出，一个仅按照程序规则操作符号的计算机并不真正"理解"它所处理的内容——它仅仅在句法层面上操纵符号，而缺乏语义理解。塞尔借此反驳强人工智能的主张，认为程序本身不足以产生理解或意向性。[14]
针对塞尔的论证，出现了多种反驳观点："系统回应"认为虽然房间中的人不理解，但整个系统作为一个整体可能理解；"机器人回应"主张将程序嵌入机器人中，使其能与环境互动，就可能产生真正的理解；"连接主义回应"则认为大规模的神经网络可能以不同于符号操作的方式实现理解。
近年来，大型语言模型（LLM）再次引发了关于机器理解的辩论。这些模型通过海量文本训练展现出令人惊讶的推理和生成能力，但批评者认为它们本质上只是复杂的模式匹配系统，而非真正的理解。蔡廷的压缩理论则为AI理解提供了一条不同的路径：如果理解就是数据压缩，那么机器的压缩模型构成了一种不同于人类的、有效的理解世界的方式，但其运作方式可能与人类的语义理解根本不同。[15]
有关理解的例子[编辑]
- 一个人如果能够做到对天气加以预测并对天气的一些特点加以解释等等之类的话，那么，就说这个人理解了天气。
- 如果一位精神科医生知道某位病人的焦虑及其原因，并且能够针对如何应对焦虑给予有益的忠告，那么，就说这位精神科医生理解了该病人的焦虑。
- 就某条命令来说，如果某个人知道这究竟是谁下达的命令，下令者的期望究竟是什么以及该项命令是否合法或者说正当等等，那么，就说这个人理解了这条命令。
- 如果一个人清楚某条消息所传达的信息内容，那么，就说这个人理解了当中的修辞、论据或某种语言。
- 如果一个人能够利用某一数学概念解决问题，尤其是那些此前未曾见过的问题，那么，就说这个人理解了这个数学概念。
参见[编辑]
参考文献[编辑]
- ^ Bereiter, Carl. Education and mind in the Knowledge Age. （原始内容存档于2006-02-25）.
- ^ 2.0 2.1 Kvanvig, Jonathan L. The Value of Knowledge and the Pursuit of Understanding. Cambridge University Press. 2003. ISBN 978-1-139-44228-2 （English）.
- ^ Zagzebski, Linda. The Blackwell Guide to Epistemology. Wiley. 2017. doi:10.1002/9781405164863.ch3 （English）.
- ^ Ludwig Wittgenstein, On Certainty, remark 42.
- ^ Pritchard, Duncan. Knowing the Answer, Understanding and Epistemic Value. Grazer Philosophische Studien. 2008, 77 (1): 325–339. doi:10.1163/18756735-90000852 （English）.
- ^ Elgin, Catherine Z. True Enough. MIT Press. 2017. ISBN 978-0-262-03653-5 （English）.
- ^ Pritchard, Duncan. Knowledge, Understanding and Epistemic Value. Royal Institute of Philosophy Supplements. 2009, 64: 19–43. doi:10.1017/S1358246109000046 （English）.
- ^ Grimm, Stephen R. Understanding as Knowledge of Causes. Virtue Epistemology Naturalized. Springer. 2014. doi:10.1007/978-3-319-04672-3_19 （English）.
- ^ Lipton, Peter. Inference to the Best Explanation. Routledge. 2003. ISBN 978-1-134-54827-9 （English）.
- ^ Kitcher, Philip. Two Approaches to Explanation. The Journal of Philosophy. 1985, 82 (11): 632–639. doi:10.2307/2026419 （English）.
- ^ Kim, Jaegwon. Explanatory Knowledge and Metaphysical Dependence. Philosophical Issues. 1994, 5: 51–69. doi:10.2307/1522873 （English）.
- ^ Chaitin, Gregory. The Limits of Reason. Scientific American. 2006, 294 (3): 74–81. doi:10.1038/scientificamerican0306-74 （English）.
- ^ Cristianini, Nello. The Shortcut: Why Intelligent Machines Do Not Think Like Us. CRC Press. 2023. ISBN 978-1-003-33581-8 （English）.
- ^ Searle, John R. Minds, Brains, and Programs. Behavioral and Brain Sciences. 1980, 3 (3): 417–424. doi:10.1017/S0140525X00005756 （English）.
- ^ Cristianini, Nello. The Shortcut: Why Intelligent Machines Do Not Think Like Us. CRC Press. 2023. ISBN 978-1-003-33581-8 （English）.