第一章 引言
随着生成式人工智能技术的爆发式发展，它正在以前所未有的深度融入到社会生产和生活实践当中，这一技术现实迫切需要学界对它的本体论属性进行确证研究，以明确它的存在本质和地位[1]。目前学术界对于生成式算法本质的研究已经取得了一些成果，但是现有的确证路径仍然存在着明显的认知偏差和理论疏漏，主要表现在过分依靠功能主义视角来描述，而忽略了技术存在本身所具有的内在逻辑和独立性。因此，本文把“本体论确证批判”当作研究的中心问题，试图从批判的角度出发，去发现生成式算法在构成和运行过程中所遭遇的本体论难题。本文的研究视角会从单一的技术应用分析中跳脱出来，转而对算法存在的基础进行哲学上的思考，整体的分析框架也包含了从技术原理解析到哲学价值评价的全部逻辑链条。文章的主要研究创新点就是建立一个系统的批判性评价指标体系来评价现有的确证理论是否有效。全文的论述逻辑脉络是背景梳理、问题剖析、理论批判、重构确证，用严谨的学理分析给生成式人工智能的规范化应用赋予有力的理论支撑，为后面章节的系统深入探究打下良好的基础。
第二章 生成式算法本体论确证的核心框架与研究图景
2.1 生成式算法本体论确证的核心概念界定
生成式算法的本体论确证，是个跨学科的学术概念，它探究的是生成式模型在逻辑上同现实世界的存在状态之间的对应和建构关系。传统的计算机算法主要依靠确定性的逻辑推理和封闭的规则来执行指令，而生成式算法的本体论确证更多地是在概率空间中讨论它对于潜在数据的涌现性创造以及存在合法性基础。在此基础上，生成式算法就被定义为利用深度学习架构，通过对训练数据概率分布特征的学习，从而能够自主产生与原始数据有统计相似性的新内容的智能系统。本体论确证就是对上面算法生成的结果进行哲学层面的审查，主要是确证它的输出内容的本质属性以及它在本体论地位上的归属。实体预设指的是在算法建立之前，对数据所指向的现实世界对象做出的先在性假设，它是算法理解世界的逻辑起点；关系建构指的是在算法运算过程中，通过参数调节、网络连接等手段建立起来的实体之间的复杂联系。这一系列概念互相联系，实体预设是确证的前提，关系建构是确证的过程，本体论确证是对这个过程及其结果的最终逻辑判断，一起构成了本研究批判性分析的话语基础。
2.2 国内外相关研究的演进脉络与现有范式局限
自从生成式算法出现之后，学界对于它的本体论属性研究就有着明显的阶段演进脉络。在早期的技术乐观主义时期，国外的研究者大多把算法看作是一种高效的中立工具，重视它的功能性本体地位，并且随着技术的不断更新，学者们也转而采用功能主义的范式，认为算法是对人类思维过程的一种计算模拟，主要研究它在图灵测试中的表现。之后社会建构论范式兴起，研究视角扩大到算法作为社会技术实体的嵌入性上，发现数据和权力的关系会对算法本体产生重塑的作用。国内的研究起始于技术引进和伦理审视，初期主要关注技术应用的规范，近些年来才渐渐深入到算法的主体性以及意识哲学的研究当中，形成了从工具论到实体论的多种认知图景。但是上述现有的范式在确证逻辑上都存在着共同的缺陷。首先，大部分研究仍然被“主客二分”的传统认识论所束缚，不能解释生成式算法在生成过程中所表现出的非确定性主体特征；其次，现有的确证大多依靠外部的功能性结果，忽略了算法黑箱内部的运作机制以及本体生成的内在一致性，造成确证过程缺少逻辑闭环。对于算法本体属性的简化处理以及深层次的逻辑断层，不能很好地回答技术现实所提出的问题，因此，创建起一个更加系统、多维的本体论确证和批判体系就显得十分必要。
第三章 生成式算法本体论确证的多维批判
3.1 实体预设维度：生成结果的“存在性”虚化批判
3.1.1 预训练参数的隐性偶发性对本体实在性的消解
在以Transformer架构为代表的预训练大模型训练机制当中，本体的实在性首先要遭遇来自参数形成过程的根本性质疑。从技术原理上来说，就是用大量的数据去喂养模型，用反向传播算法和梯度下降的方法来不断地更新模型内部的上千亿个参数权重。这并不是一个线性的确定性累积，在极高维的向量空间里做复杂的映射。由于训练数据量非常大，硬件计算环境存在并行计算和浮点数运算精度的限制，在模型架构和训练数据集不变的情况下，参数权重每一次微小的变化都具有不可完全复现的隐性特点。隐性偶发性指的是预训练阶段参数的最终状态并不是对客观实在的唯一、稳定的反映，而是在一定的计算路径下得到的“落点”。实际的大模型测试案例显示，在相同的初始条件下多次进行预训练，最后得到的参数集很难达到绝对的比特级一致。参数生成的非同一性直接否定了传统本体论里实体属性要保持稳定实在性的基本要求，使生成式算法的本体变成一个不断移动的变量，不能用固定的参数集来确定它的确定的实体地位。
3.1.2 生成内容的溯源缺失动摇实体同一性确证基础
传统本体论理论认为，任何一个实体要想确立自己的客观地位，就必须有一个可以追溯的同一性确证基础，也就是能够清楚地说出它的构成要素是从哪里来的，又是怎样发展起来的。但是生成式算法的技术实现大多依靠概率统计模型和深度神经网络，它的主要操作步骤就是对大量的训练数据中的特征进行无监督或者半监督学习，然后通过复杂的参数权重调整来得到输出。本质就是去语境化的数据重组，造成生成的内容缺少对内容要素来源的可追溯链路。溯源缺失在实际应用中主要表现为内容拼接、逻辑幻觉和无明确创作主体溯源等，造成输出结果常常是碎片化的、虚构的。对于这个问题，目前本体论确证研究缺少有效的技术手段和判定逻辑，不能给任意生成结果提供符合传统实体同一性要求的判定依据，即不能证明生成结果和某个客观实在之间存在稳定的对应关系。由于缺少了可以追溯的来源链路，生成内容不能通过同一性检验，存在性的虚化直接导致实体维度的本体论确证失去了赖以生存的底层支撑基础，生成结果不能被纳入传统实体的范畴。
3.2 关系建构维度：生成逻辑的因果链条断裂批判
3.2.1 概率性拟合替代本质性关联的本体论错位
传统的符号人工智能依靠规则推理，用预先设定好的逻辑规则来建立事物之间的本质联系，这样的建构逻辑严格遵守因果律，保证了知识推导的确定性以及可解释性。生成式算法运行在一个完全不同的逻辑框架里，它的核心就是概率性的拟合机制。它不需要对事物本质有深刻的理解，而是通过大量的训练数据，用复杂的神经网络模型来计算数据分布的统计规律，找到输入变量和输出结果之间概率上最优的映射路径。生成逻辑本质上就是对数据表层相关性的数学逼近，而不是对因果链条的内生性建构。在实际运用当中，由于机制的不同而产生了严重的本体论错位，即把统计概率层面的联系当作本体论层面的事物本质联系。典型的表现就是生成的内容出现语义错配或者违背常识，比如生成的图像中人物手指的数量不对，物理光影的逻辑有误，在文本生成中出现逻辑上自相矛盾的叙述。这些现象说明算法没有对“什么是真”进行本体论的确认，只是模仿了人类表达的概率分布形式。因此，现有的本体论确证研究如果忽视了这一根本差别，把概率拟合当作认知的本质联系，那么它所得出的结论就完全失去了严谨性，不能准确地反映生成式算法的智能本质和内在限制。
3.2.2 多模态生成中要素耦合的非必然性背离确证要求
多模态生成式算法的运行机制就是把文本、图像、音频这些异构数据映射到同一个潜在特征空间里，从而达到要素的耦合和重组，这在技术上叫做多模态语义对齐。主要的操作步骤有数据特征的提取、跨模态向量的映射、用概率来联合生成。但是从操作实现的角度来说，生成逻辑主要是依靠统计相关性而不是事物内在的必然因果联系，也就是算法只计算不同模态数据在训练集中出现的频率，而不理解其中的逻辑联系。由于技术特性造成的多模态要素耦合的非必然性，在实际应用中会出现要素错位、属性不匹配等具体的例子，生成的图像不能很好地对应文本描述的细节，或者音频情感与画面氛围完全相反。基于概率拼凑的关联是随机的、不稳定的，它只能模仿数据的外在形式，不能证明内容之间存在客观事实的逻辑一致性。因此，多模态生成中松散的、非必然的要素耦合，完全违背了传统本体论确证对于事物关系必须具有稳定必然联系的根本要求，切断了事物之间真实的因果链条，造成生成结果在真理性上存在根本性的逻辑缺陷。
3.3 价值锚定维度：生成式算法本体论确证的合法性悖论批判
价值锚定维度的批判要冲破单纯的技术事实逻辑，深入到生成式算法本体论确证背后的价值合法性层面来展开剖析。生成式算法的本体论确证，本质上就是试图把算法由“工具”变成“主体”的一种价值锚定过程。其基本思路就是假定算法具有独立的创作意图和认知能力，然后赋予它类似人类的合法主体地位，把它生成的数据内容确认为具有独立属性的作品。该种操作路径虽然符合技术智能化的发展趋向，但是其中包含着一种深刻的内在自反性悖论。当完成了本体论地位的确证之后，就会马上产生无法调和的价值矛盾。一方面，如果算法被认定为独立的创作主体，将会造成知识产权归属的混乱，破坏了人类中心主义法律体系中权利的基础；另一方面，这种确证很容易成为技术责任主体的避风港，使算法背后开发者和使用者以“算法自主性”为借口，达到实质的责任逃逸。价值锚定不能解决算法所造成的伦理问题，因为它把错误的合法性当作前提，使技术治理陷入逻辑死胡同。因此，从价值角度来说，生成式算法的本体论确证在逻辑上是无法自洽的，它所引起的合法性悖论成了对这一理论最有力的批判。
第四章 结论
本文对生成式算法本体论确证范式进行梳理和复盘，对以统计概率、数据拟合、深度神经网络为主的技术路径进行了详细的分析。经过研究发现，目前的确证范式普遍存在把“算法功能”等同于“存在本质”的逻辑滑坡，对本体论进行简化处理之后，算法在复杂的语义理解和因果推理上就不能达到传统哲学意义上的完全确证。生成式算法的技术本质决定了它的输出结果是依靠数学联系而不是逻辑真值来决定的，这就从根本上否定了解决“是其所是”的本体论问题的可能。因此本文得出结论，在目前的技术属性之下，生成式算法不能完成符合传统本体论标准的完全确证，它的生成过程一直存在着本体论地位的模糊性和不确定性。就未来的研究而言，应该从传统的实体确证转向对算法的“关系属性”和“交互效用”的研究，不再把算法看作是绝对的实在，而是在具体的应用场景中去考察它的功能稳定性以及伦理边界。同时本研究也存在着一定的局限性，主要是从逻辑角度进行哲学批判，对于具体工程实现的复杂性考虑不够。后续的研究可以结合认知科学的最新成果，在人机协同认知框架下重新定位本体论，给生成式技术的规范化使用赋予更深层次的理论支持[4]。
参考文献
\[1\]严淼. 生成式人工智能会成为"哲人王"吗?[J]. 2025.
\[2\]李全兴, 吴国林. 论生成式人工智能理解的可能进路——基于德雷格特的科学理解视角[J]. 2026.
\[3\]李凌, 白硕扬, 熊思琪. 生成式人工智能主体资质的本体论辨析[J]. 中北大学学报(社会科学版), 2025, 41(4): 76-82.
\[4\]余快. 生成式人工智能介入动画创作的本体论嬗变与批判性审视[J]. 艺术研究(哈尔滨师范大学艺术学报), 2025(6): 104-106.