塞尔四十年前的“中文屋”思想实验，在大语言模型展现出惊人能力的今天激起了更深层的回响：一个能流畅对话的系统，真的“理解”了吗？当AI开始深度参与哲学讨论，传统以概念分析为主的心智研究正被推向一个与工程、实验和数据持续对话的新阶段。这份蓝皮书系统梳理了AI与认知科学哲学六十年的“双向奔赴”史，揭示了智能研究从思想实验到计算实验的范式转变。

1956年常被看作认知科学诞生之年。主导上世纪60-70年代的符号主义立场认为，任何智能系统本质上都是操作表征信息的物理符号的系统。在符号主义AI启发下，功能主义成为主流——心智状态由其功能角色定义，可以在不同物理基底上多重实现。塞尔“中文屋”论证试图表明不能称一个程序“理解”了符号，因为句法操作永远无法产生语义理解。

上世纪八十年代，联结主义迎来关键复兴。霍普菲尔德提出新型神经网络模型，鲁梅尔哈特与辛顿推广反向传播算法。符号主义的辩护者福多认为神经网络以“亚符号”方式运作，无法处理符合语法规则的人类高级思维。而联结主义者认为，大规模的亚符号交互完全可以在隐层中涌现出类似逻辑结构的表征——符号本身可以看成是高层次的幻觉，底层只要权重足够深、数据足够多，高层自然会产生理性结果。

上世纪八十年代末，布鲁克斯提出新式人工智能与具身推理，推动了认知科学哲学中的4E认知。所谓“4E”，分别指具身、嵌入、延展、生成四种认知观。4E认知颠覆了经典认知观，坚持认知不必以内在表征为核心，可以是感知与行动的直接耦合；大脑不再是孤立的符号处理器，而是整个耦合系统中的协调者。

近年来，预测加工理论为4E认知提供了形式化基础。其核心假设在于：神经系统本质上是一台分层级的预测引擎，其功能并非被动响应外部刺激，而是持续生成自上而下的先验预测，并将其与自下而上的感觉输入进行比对。该过程的核心驱动力在于最小化预测误差——通过调整生成模型使预测趋近感觉数据（感知与学习），或通过运动输出改变感觉采样环境（行动）。

弗里斯顿所提出的自由能原理主张，任何自组织生物系统的首要维持条件在于最小化其感觉状态与内部生成模型之间的变分自由能。由此，认知与生命调节过程在计算层面上获得了统一的形式化描述。感知、行动、注意和信念更新都在同一框架下获得一致的解释逻辑。

认知实验受限于实验室环境，使用简单刺激和有限变量。如今AI模型可以处理自然场景中的海量数据——从儿童语言习得中接触的真实对话，到驾驶时复杂的视觉环境，这让认知科学研究者得以在更贴近真实世界的条件下检验认知理论。

深度学习模型提供了前所未有的认知建模工具。它们不仅能模拟人类在特定任务上的行为，更重要的是，模型的内部表征可以与人脑神经活动进行直接比对。当研究者发现深度神经网络的层级激活模式与人类视觉皮层的响应特征惊人相似时，一种新的跨学科对话开始了。

预测编码理论认为大脑本质上是一个预测机器。这一思想在AI中得到了最纯粹的实现——自监督学习和大语言模型对下一个词元的预测任务，其核心正是“预测”。AI的成功为这一认知理论提供了强力佐证，也让神经科学家有了更具体的研究框架。

AI的介入让“意向性”概念面临重新审视。当人工系统闯入图景，意向性不再是一个“全有或全无”的属性，而更像一个连续的谱系——从最简单的传感器趋避到人类充满命题态度的内心世界，意向性有着程度和形态上的差异。这种连续谱系的观念消解了传统二分法的僵硬，将“理解”从“内心剧场有无”的终极审判转变为对行为模式、环境互动和历史过程的细致考察。

AI系统成为了检验意识理论的绝佳实验场。整合信息理论（IIT）认为系统意识水平等价于其整合信息的能力（Φ值）。在人工神经网络中计算Φ值，使研究者能将模拟的神经元网络作为对象观察意识指标。但报告也指出哲学困境：若AI系统计算出足以与人类匹敌的Φ值，我们是否应当赋予它道德地位？“他心问题”在人工智能时代幽灵重现，困扰的对象不再仅仅是他人之心，更是“他种智能体”之心。
AI与认知科学哲学的双向奔赴正在改变哲学研究的方式。过去像“意向性”“因果”“理解”这些词在哲学讨论中各说各话；但到了AI系统里，它们必须被转化为明确、可操作的算法或指标。过去关于心智架构的争论主要靠思辨和个案论证；现在不同理论背后的设计原则可以被做成不同的AI系统，在同一个复杂任务中比较。理论之争因此有了可操作的检验方式。更深一层的是，AI促使我们重新反思哲学活动本身——哲学现在需要和工程实践、数据实验保持持续的对话，它不再只是解释已有的心灵，而是要参与构造未来的心智。