我们每天都在做决定。什么时候说话，什么时候沉默；相信谁，拒绝什么；选择一份工作，结束一段关系；投资一个尚不存在的未来，或者留在已经熟悉的地方。很多时候，我们甚至知道自己应该怎么做：知道应该运动，却还是躺在床上；知道一件事是错的，却还是去做；知道应该等待，却在焦虑中提前行动；知道信息不足，却不得不做决定。这意味着，一个长期困扰哲学的问题可能并不是“我们知不知道”，而是：

即使我们知道了，我们为什么还是不知道该怎么做？

这就是“实践之问”真正开始的地方。

一知道应该怎么做，为什么还是做不到？

古希腊哲学家苏格拉底曾提出一个看似极端的观点：人若真正知道什么是善，就会去做善。但我们的经验似乎恰恰相反，我们经常知道，却做不到。亚里士多德后来把这种现象称为 akrasia，通常译为“意志薄弱”或“失控”：一个人知道某件事更好，却仍然做出了自己认为不应该做的事情。

这暴露出一个重要问题：知识并不是行动的充分条件。知道吸烟有害，并不会自动让人戒烟；知道愤怒时不应该说重话，也不意味着下一次争吵时能够保持克制；知道长期投资的重要性，也不意味着市场暴跌时不会恐慌。于是，“应该做什么”和“实际做什么”之间出现了一条裂缝。这条裂缝，就是实践的起点。

二好的判断从哪里来？

行动并不只是执行一个已经存在的答案。更多时候，我们面对的是一种更困难的情况：没有明确答案。两家公司都不错，到底去哪一家？一个项目看起来很有潜力，但数据还不足。一个人值得信任吗？现在应该坚持，还是应该放弃？这些问题往往没有一条可以机械执行的规则。亚里士多德讨论实践智慧时使用了一个重要概念：phronesis，实践智慧。它不同于知道某条普遍规律，真正的实践判断，需要知道在这个具体情境中，现在应该做什么。同样一句话，在不同场合可能意味着完全不同的事情；同样一种策略，在不同的人、不同的时间、不同的环境中，也可能产生完全不同的结果。因此，好的判断并不只是拥有更多知识，它还意味着能够识别：什么知识与此刻有关，什么差异真正重要，以及什么时候应该行动。

三为什么有些东西只能通过实践学会？

我们可以读一百本游泳的书，却不会因此学会游泳；可以阅读无数关于领导力的文章，却依然不知道在一个真正困难的时刻应该怎样带领团队；可以研究无数关于投资的理论，却无法仅凭理论知道面对一次真正的崩盘时自己会怎样行动。这说明存在一种知识，并不完全以命题的形式存在。哲学家迈克尔·波兰尼后来把它概括为：“我们知道的，比我们能够说出的更多。”

骑自行车的知识很难完整地写成一套规则；医生面对病人的判断，也不只是把症状逐项输入一个公式；好的编辑知道一个标题“哪里不对”，却未必能够立即说出一条可以普遍适用的规则。这种知识存在于身体、经验、感觉、习惯和情境判断之中。所以实践提出了一个新的问题：

如果一种知识只有通过行动才能获得，那么“知道”究竟意味着什么？

四行动为什么总是在不确定性中发生？

如果所有事情都可以被完全知道，我们也许只需要计算：知道天气，知道结果，知道风险，知道别人会怎么做，然后选择最优方案。但现实并不是这样。我们经常必须在信息不完整的时候行动。创业者在产品真正成功之前就必须决定是否投入；科学家在证据尚不充分时决定下一步实验；政治家必须在无法知道全部后果的情况下做公共决策；一个人甚至必须在不知道一段关系最终会走向哪里的情况下决定，我要不要继续爱这个人。实践因此具有一种认识论上非常特殊的结构：我们必须先行动，才能获得一部分只有行动之后才可能获得的知识。这意味着行动并不只是知识的结果，行动本身也可以成为知识的来源。我们不是先把世界完全理解，再开始生活；很多时候，我们是在行动中逐渐理解世界。

五我们凭什么押注一个尚不存在的未来？

实践还有一个更深的问题：未来尚不存在。因此，我们无法真正“知道”未来会发生什么。但人类的一切重大行动，都在某种程度上是在押注未来。创业，是押注一种尚不存在的商业现实；科学研究，是押注某个尚未被证明的假设；政治改革，是押注一种尚未出现的社会秩序；教育孩子，是押注一个自己无法亲眼看到的未来；甚至结婚，也是在对一个尚不存在的共同生活作出承诺。

所以，行动不能只建立在“我知道”，它还必须回答：当我不知道的时候，我凭什么仍然选择？这里出现了风险、信念、想象、承诺和希望。它们并不是知识的低级替代品，恰恰相反，它们是人类能够进入未来的条件。

六实践不是把答案执行出来，而是在行动中创造答案

如果世界已经有一个确定的答案，那么实践似乎只是执行。但很多真正重要的问题并不是这样。一个新产品应该是什么样？一个组织应该形成什么文化？一个社会应该怎样改变？一件艺术作品应该如何完成？这些问题的答案往往不是事先存在的，你只有开始做，才知道下一步是什么。因此，实践与理论之间并不是简单的“理论，决策，行动”；很多时候，它更像“问题，假设，行动，反馈，修正，再行动”。

实践因此不是理论的附属品，它是一种生成知识、检验判断、改变现实的过程。我们不是拿着地图进入世界；很多时候，是走出去之后，才开始知道地图应该怎样画。

七一个想法如何真正改变另一个人的想法？

实践不只发生在身体和物质世界中，它也发生在人与人之间。一本书改变一个人的世界观，一句话改变一个人的决定，一个故事改变一个社会对某件事情的理解，一个新的概念出现之后，人们甚至可能开始以一种过去不存在的方式看待世界。所以，思想本身也可以成为一种实践。但这里又出现一个困难：我们如何真正改变另一个人的想法？说服与操纵之间有什么区别？教育与灌输之间有什么区别？一个人接受你的观点，是因为他看到了理由，还是因为你精准地利用了他的情绪？当我们能够越来越准确地预测什么信息能够改变一个人的判断时，这个问题会变得更加尖锐。

八AI 让“实践”第一次面对一个新的竞争者

AI 对实践提出的挑战，与它对知识提出的挑战并不完全相同。在知识领域，AI 让我们面对一个系统可能知道得比我们多，却无法让我们理解它为什么知道。而在实践领域，问题变成：如果 AI 不仅知道得更多，而且能够替我们判断下一步应该做什么，我们还需要自己实践吗？AI 可以给你下一步建议，可以分析风险，可以模拟不同方案，可以预测你的行为，可以替你写代码、做研究、制定计划、设计产品。于是，一个曾经属于人的能力开始被拆解：判断，建议，决策，执行。过去我们把工具交给机器；现在，我们开始把行动链条中的判断部分也交给机器。

九如果 AI 总能告诉我们下一步，我们还需要“不会”吗？

这会产生一个非常奇怪的变化。过去，人类的成长往往来自“不知道，尝试，犯错，反馈，学会”。但如果 AI 永远在旁边告诉我们“下一步应该这样做”，我们可能获得更高的效率，但也可能失去一些东西。因为有些能力并不是通过得到正确答案获得的，它们来自犯过错误、承担过后果、经历过失败、形成过判断。

如果 AI 替我们避免了大量错误，我们是否也同时失去了通过错误形成自己的能力？于是，“实践之问”出现了一个新的 AI 版本：

如果 AI 可以替我们完成越来越多的判断，我们是在获得更强的行动能力，还是正在失去形成判断能力的过程？

十AI 能够预测未来，我们还需要想象未来吗？

AI 越来越擅长预测。但预测未来与创造未来并不是同一件事。预测，是根据过去和现在推断什么最可能发生；而人类的很多重大行动，恰恰发生在最可能发生的事情之外。一个创业者创造一个市场，是因为他相信一个别人还没有看到的需求；一个科学家提出一个当时无人相信的假设，是因为他认为现有解释不够好；一个社会选择改变制度，是因为人们拒绝接受“未来只能如此”。

因此，实践并不只是选择概率最高的未来。它有时意味着选择一个尚不存在、甚至目前看来不太可能存在的未来，然后通过行动让它变得可能。这也是为什么想象力不是实践的反面。想象未来，本身就是改变未来的第一步。

十一实践之问最终问的，不只是“怎么做”

走到这里，我们会发现，“实践”并不等于行动技巧。它真正追问的是：当我们无法完全知道、无法完全确定、也无法保证结果的时候，我们凭什么行动？知识告诉我们什么可能是真的，价值告诉我们什么值得追求，社会告诉我们如何与别人一起行动，而实践追问：那么，现在呢？现在应该做什么？谁来判断？凭什么判断？如果判断可能错，我们还要不要行动？如果未来无法知道，我们凭什么押注？如果行动本身会改变我们对世界的理解，那么我们又怎样开始？这意味着，人类并不是先获得完整知识，再进入生活。我们是在不完整的知识、不确定的未来和有限的时间中，一边行动，一边成为我们自己。

十二AI 真正改变的，是“谁在行动”

AI 出现之后，实践问题变得更加直接。过去，工具主要扩展人的手；后来，机器扩展人的力量；互联网扩展人的连接。而 AI 开始进入一个过去属于人的区域：判断。它可以告诉我们该读什么、买什么、去哪里、雇谁、投资什么、如何表达、如何学习，甚至应该怎样安排一天。于是，实践之问最后必须面对一个新的问题：如果越来越多的行动由 AI 替我们判断，我们究竟是在使用 AI 行动，还是正在让 AI 参与决定我们成为怎样的人？这已经不是效率问题。因为效率只问“这样做是不是更好”，实践真正要问的是：

这是不是我选择的生活？

结语：从“知道”走向“成为”

“实践之问”处在这套问题地图的一个特殊位置。它承接知识，却不能停留在知识；承接价值，却不能停留在价值；承接社会，却不能只问制度。因为真正的生活，从来不是由“知道什么”构成的，而是由我们一次次选择做什么构成的。我们可能永远无法拥有关于世界的完整知识，也永远无法完全确定什么是最好的价值，更不可能找到一个可以替所有人解决分歧的最终制度。但我们仍然必须行动。于是，实践留下了一个也许无法被彻底回答、却必须不断回答的问题：在我们并不知道答案的时候，我们凭什么选择下一步？而当 AI 开始能够替我们回答“下一步应该做什么”时，这个问题变得更加迫切：

如果有人，或者某种机器，总能告诉我们该怎么做，我们还会不会知道，什么是我们真正想做的？