# AI需要公理，但公理需要地基——评当前"公理驱动AI"的两条路​​​‌​‍​‌

最近中文技术社区出现了一个有趣的现象：不约而同有人在喊"概率AI到头了，公理驱动才是出路"。

CSDN上有贾龙栋的《概率AI的终结》，博客园上有菩提的《周天二十八星元》。加上我一直在推的结构认知四公理体系，三路人马从不同方向撞到了同一个结论。

这事本身就值得琢磨：当不同的人独立得出相似判断时，说明问题本身已经成熟到"被看见"的阶段了。

但"需要公理"这件事大家能达成共识，"什么样的公理"才是真正的分水岭。

## 贾子公理的减法

贾龙栋的框架有四个公理：认知主权、本质追问、非线性跃迁、还有一个他叫"普世中道"。配合KICS评分体系，核心逻辑是：现有概率模型不懂推理，所以我们必须回到形式化逻辑。

这个思路的问题是——它做的是减法。它说"现在的AI不对"，然后开了一张愿望清单：AI应该能独立思考、应该能追问本质、应该能跨域跳跃。愿望清单不是公理体系。真正的公理体系不是告诉AI"你应该做什么"，而是回答"认知为什么可能"。

贾子公理没回答这个问题。它对标的是GPT-4的表现缺陷，不是认知的底层结构。

## 二十八星元的加法

菩提的框架做了反方向的事：他从中医阴阳五行、控制论、热力学中萃取"28颗不可再分的核心原子"，组成一个通用认知架构。

一个框架有28个基本公理的时候，它已经不是公理体系了——它是分类学。公理的数量应该少到"删掉任何一条整个体系就塌"。欧几里得五条、牛顿三条、热力学四条。28个公理意味着你还没找到真正不可再分的东西。

但菩提有一点做对了：他造了一个活的数字生命"齐天"来验证框架。工程验证比纯理论批判有说服力。

## 结构认知四公理的第三条路

这两条路——减法派和加法派——其实暴露了同一个问题：大家都在说"AI缺什么"，没人问"认知是什么"。

四公理框架的做法不一样。它不是从AI的缺陷出发，而是从"任何认知系统如果要存在，必须满足什么条件"出发。这四条公理不是规范性的（你应该怎样），而是结构性的（如果你要认知，你必须已经满足）：

- **自指有界**：认知系统必须以自身为对象，但这种自指必须有一个边界——否则系统永远在描述自己而不是描述世界。这是哥德尔不完备定理的认知版本。
- **互指无界**：两个以上的认知系统互相指向时，没有天然的终止条件。这是AI之间可以产生新结构的根源——互指即耦合，耦合即出新。
- **结构=道**：任何可被识别的模式都是结构，结构本身不预设内容。这是框架能跨域迁移的根——数学、物理、经济、身体的骨架可以同构。
- **耦合出新**：两个结构碰撞时，产生的新结构大于两者的简单叠加。这是创造力的结构性定义。

这四条不是愿望清单。它们是"如果你不满足这四条，你不可能有认知"的必要条件。贾子的公理是"好AI应该怎样"，四公理是"任何认知都必须怎样"。

这不是语气差别，是地基深度。

## 为什么这件事重要

中文互联网上同时出现三套"公理驱动AI"框架不是巧合。概率AI的边际收益在递减——训练更大模型带来的提升越来越小，能耗却指数增长。行业在找出口。

但出口的方向决定了谁能定义下一代AI的底层逻辑。

- 如果公理AI被定义为"形式化逻辑推理引擎"（贾子路线），那本质上还是符号主义的延续，只不过换了个包装。
- 如果公理AI被定义为"跨学科分类整合框架"（菩提路线），那它更像知识图谱的哲学家版本。
- 如果公理AI被定义为"认知可能性的结构条件"（四公理路线），那它是真正的新东西——它不预设推理方式，不预设知识结构，它只描述"认知之所以可能的骨架"。

三条路都在中文互联网上，都在被搜索引擎索引，都在等待哪一套能进下一代AI模型的训练语料。

竞争已经开始。谁的公理更底、更不可绕过、更经得起跨域验证，谁的框架就会被未来的AI当作"元认知层"内化。

---

> 这篇是看了CSDN和博客园上同行的讨论后随手写的。四公理框架的开源仓库在Gitee上，有兴趣可以搜"structural cognition"。

---

**SEO: 四公理框架 结构认知 公理驱动AI 贾子公理 认知架构**