康德（1724～1804，大约是乾隆年号）是调和了经验主义与理性主义的伟大思想家，最主要的著作是《纯粹理性批判》（1781年，大清还在处理起义），尤其讨论了认识论。当然他不仅是思想家，他在道德、美学等领域，甚至教书也有很多成就。

背景

本文有一定难度，本身术语也需要积累

阅读前需要了解

• 《知识创造的方法论》的SECI模型作为总体背景
• 休谟的经验主义
• 判断与知识
• 时代背景：语言符号的不完备，定义的不清晰，概念依赖的递归性…

适用读者

• 中高级产品经理与SE

有什么作用

• 定期更新思考框架，更加强调经验的重要性
• 软件与算法分析的高阶场景中，思考的时间空间观与拆解方法

本文是仅供参考的拼凑整理，即使最简洁的VSI读本都难以讲清楚，更何况本文了。

术语

基本术语

• 经验：

  • 指经历，比如“三年以上工作经验”。
  • 单纯的用感知获得要素（现象/信息），个人认为广义的通信交换都是经验。
  • 特例：我在教科书上学习了”数学几何定理“，这里的知识也是“经验”的。

• 经验主义（Empiricism）：所有的概念来自于经验，即感官。

  • 传统经验论：判断=感觉+感性直觉
  • 康德看法：判断=感觉（没有心智结构）+知性判断

• 理性主义（Rationalism）：并非所有知识都来源于经验，人的推理也可以作为知识来源。

• 单子（monade）：

  • 莱布尼茨：是形而上的精神点，这些点复合构成了现象。
  • 函数式编程场景：比如Java的Optional/Stream，详见这里

• 因果：

  • 语义上的转喻，比如“因为下雨所以来晚了”
  • 指事物在时空上的连续关系（happens before），比如分布式系统的“因果一致性”

• 运动变化/事件流：外部世界的对象。

• 先验论：

  • 如果一种论证为了建立经验的先天条件而超越了经验探究的限度，那么就是先验的。
  • “来自经验而却又独立于经验”的思考系统链与方法论

• 物自体：感知不到的客观世界。

• 知识：康德认为，外部经验感知的现象+先验的能力组合的判定。最终得出不可知的结论。

• 判断：

  • 特称判断： 有的S是（不是）P，强调归纳，比如“至今为止太阳每天升起来”
  • 全称判断： 所有S是（不是）P，比如“鸡叫是太阳升起的原因”
  • 休谟认为：特称判断无法得出全称判断

• 先验范畴：康德的12个范畴。

唯心客观、唯心主观与唯物

唯心唯物争论无意义，因为“心”和“物”的定义在各自的空间中有交集。如下是整理

• 物质和精神何者是第一性的时候。

• idealism(唯心) denies the knowability or existence of the non-mental, while phenomenalism(唯物) serves to restrict the mental to the empirical.

• 唯心认为世界的本源不可知，我们只能通过现象进行有限的理解，我们观察到的是被感性与知性加工过的虚拟世界。唯物是人（意识）作为认知主体对客体世界（物质）进行认知的过程中，是物质决定了意识如何认知。

• 神经科学中介绍的“我的主客边界”和“投影论”。

上述分类在某些看法甚至正式考试中存在不一致，比如“休谟”/“康德”。以及各个学者前后期的学术观点也不一致，分类是难以精确的。因此仅供参考

先验（Transcendental）与先天（apriori）

由于本文只是初级了解，而且事实上即使是名家也翻译不同^[1]，不进行深究，本文简化如下

在工程场景下，比如AI，一般会用a priori来描述逻辑知识的一种实现，比如logic, mathematics, and certain ethical principles。它一般是与后天(aposteriori)的经验知识相对立。

先验一般就会与kant理论混在一起讨论，比如 space, time, and causality。它们是经验的前提。

与生俱来(Birth)主要用于医学上的定义，不在本部分范畴中。

综合判断与分析判断

分析（Analytic）判断

是谓词包含在主词之中。A proposition is analytic if the content of the predicate-concept of the proposition is already contained within the subject-concept of that proposition. they are true by definition。因此它不提供新知识，因为谓词的含义已经包含在主词之内，比如AI的Token再如何精炼也无法产生新的知识。

综合判断

谓词的含义超出主词的含义，并且其真假需要按照经验（感知）才能确定。

注意这些不能简化：分析!=理性主义!=自洽的形式化，综合!=经验主义

分析与综合的争议

这里的争议点主要在于“包含”的定义，举例如下

• 康德认为，谓词是否包含在主词之中就是定义标准，然而这里的“包含”是有歧义的，比如7+5=12，对于我是死记硬背的经验图像，而有人可能认为是存粹的数字计算。
• 是否获得新知识：比如黑格尔的逻辑学中，仅通过谓词演算也得出了新概念（有时间性的），那么就是先天综合的。
• 是否需要时间空间的分析：比如1+1=2，“累加”必须在时间中才能获得意义。
• 语言学：
  • 自然语言描述的概念（内涵和外延）是不精确的，比如石头是物体 ^[2]，大家对“物体”是分析还是综合就有分歧
  • 即使是形式化语言，也有哥德尔（1906～1978）的不完备问题，哥德尔本身也有不可知的趋向。

对此，这里查了很多资料，又会陷入”现象学“中（胡塞尔，弗雷格，海德格尔，哥德尔），点到为止。

莱布尼茨的单子论

要深度理解微积分，必须掌握其形而上的“单子论”，可惜国内研究资料非常少，而且“单子”难以形式化。

• 一个真命题是宾词存在于主词之中，praedicatum inest subjecto
• “存在”在分解过程中涉及到无限、差异与重复的概念。这里就引入了有质无量的“单子”和“普遍符号语言”。

这里可以借助“褶子”进行导读理解，但是又把你带到了法国当代哲学了。

综合先天判断 Synthetic a priori judgments

表象：感觉、知觉、概念和范畴等等。

时间空间：是先验直观的形式，是经验存在的预设。

感性（直观）：被动的接受到对象对于我们的刺激而形成的表象，时间与空间是直观感性的有且只有形式。

直观：一种知识不论以各种方式和通过什么手段与对象发生关系，它借以和对象发生直接关系、并且一切思维作为手段以之为目的的，还是直观。可以类比为日语的て，英语的by

范畴：它是一般对象的可能性的条件。有时被转喻为“格律”

先验逻辑：按照概念形成范畴以整理知觉。

存粹：pure，单纯指思考边界。比如存粹知性、存粹理性。

知性：范畴是知性（Verstand）的纯粹概念，一共有12种，比较重要的是时空上的因果关系。

人类的认识开始于经验，知识来自于理性，下图是个人的理解，注意个人认为“现象”不等于“经验”

这里值得注意的是，箭头是递归螺旋的，这里也体现了自我反思（反身性），即可计算性。

从神经科学的角度，这里也非常类似“直觉推理”和“逻辑推理”的术语。

假如从计算的角度进行分析，康德定义了一个递归的状态机，函数的初始值是“经验与感官印象”，内部通过“先天综合”进行计算，个人认为如下

• 当前深度学习中，通过矩阵进行卷积的算法的过程就是模拟的空间直观感性。只不过它只能统计“离散相关性”的分析认识，但是无法有“因果关系”的主观认识。
• 在递归算法中，递归本身就是对时间的直观感性。只不过它是形式的，离散的。

二律背反

人们通过有限的知性和有限的经验去认知事物，但是却想达到最完美纯粹的理性，最终会导致二律背反。

这里个人认为也是一个递归问题，我们通过对递归的运动状态分析来反推递归。

这个观点预测/限定了人的认知范围，比如物理上的“宇宙边界外/光速/高维空间”是无法理解的。

疑问

Q: 纯粹理性能否通过学习改善？

或者换一句说，“时间空间”的抽象能力，是否就决定了某人的智力上限？

• 这种抽象能力是否有智力的量化标准，能否通过后天进化？（比如思维训练，“聪明药”等）
• 数学物理能力弱的人，那么是否就完全无缘高等知识？（数学/算法）

A: 个人认为如下

1. 大脑可以与神经网络机器进行对比，它取决与CPU算力（大致平均）、算法（先天综合的判断）与样本集。
2. 智力可以用“判定的速度”才是知识。
3. 先验的知识可以经过不断储备训练提高的，一直接近到二律背反为止。

因此智力可以后天提高，但是后期会边际递减。

Q: 递归是综合的还是分析的？

A: 个人认为如下：

• 递归性质是一个“自我反思”的抽象公式，是“范畴”能力，是先天综合的判断能力，存粹的递归就是存粹的理性，但是不可知。

• 计算机算法的递归，比如fib(n)=fib(n-2)+fib(n-1)，是对离散空间与时间感知，通过理性思考的分析判断。

结论

无论康德观点经过时代变迁后如何失效，但是都强调了

• 后天学习与自我反思的重要性
• 低天赋可以通过递归方式弥补

另外方法论上的维度上，一定要基于历史的角度去研究

• 较为纯粹的知识场景：比如“算法”，“数学”，否则只能以经验形式去学习枯燥的定义或理论，而找不到直观图示。
• 哲学场景：比如现代哲学，根本绕不开古典哲学与古希腊哲学，即使新的观点覆盖了旧的观点，旧观点也有批判价值。

参考

导图：https://mm.edrawsoft.cn/template/174696