我们每天都在说“我知道”：我知道今天会下雨，我知道这件事发生过，我知道这个答案是对的，我知道他为什么这么做，我知道这个世界是这样的。但很少有人停下来问一句：你凭什么知道？因为“知道”看起来似乎很自然。我们看见，于是相信；我们记得，于是相信；别人告诉我们，于是相信；一个理论能够预测，于是相信；一个答案是正确的，于是相信。但如果把这些习惯都暂时放下，一个更困难的问题就出现了：
我们究竟凭什么把某个信念称为“知识”？
这就是“知识之问”的起点。
一知道，不只是相信
我们当然可以相信一件错误的事情。一个人可能坚信某个谣言是真的，也可能碰巧猜对一个答案，却根本不知道为什么。所以，相信不等于知道。但反过来，什么样的相信才算知道？传统认识论长期围绕一个经典问题展开：知识是不是“有充分理由的真信念”？也就是说，一个人要真正知道某件事情，至少似乎需要三个条件：它是真的，他相信它，而且他有理由相信它。
但葛梯尔问题很快显示：即使一个信念是真的，也有理由支持，而且一个人确实相信它，它仍然可能只是碰巧正确。于是我们第一次清楚地意识到：
“答对了”和“知道了”，可能是两回事。
这条裂缝会贯穿整个知识之问。
二我们的经验可靠吗？
最直接的知识来源，是经验。我们看见一棵树，摸到一块石头，听见一个声音，感受到疼痛，于是我们认为：我亲自经验过，所以我知道。但第一卷“实在之问”已经告诉我们，我们的经验并不总是可靠。棍子插进水里看起来是弯的，远处的东西看起来更小，梦境可以让不存在的事情看起来真实发生，记忆甚至会随着时间不断重构。于是一个关键区分出现了：“我经历了某件事”，不一定等于“我正确地认识了某件事”。因此，知识之问开始追问：经验究竟能给我们多少知识？而当经验可能出错时，我们又需要什么来纠正经验？
三理性可以带我们走多远？
如果感觉会欺骗我们，也许理性能够成为更可靠的工具。数学就是最典型的例子：我们不需要观察一百万个三角形，才能知道某些几何关系成立；我们通过推理，就可以从一个前提得到另一个结论。于是，人类开始相信，也许真正可靠的知识并不来自经验，而来自理性本身。
但理性也有自己的边界。因为推理再严密，也只能告诉我们，如果这些前提是真的，那么这个结论就必须成立；它却不能自动告诉我们，这些前提本身为什么是真的。于是知识问题进入一个更深的循环：经验需要被证明，理性需要前提，前提又需要依据。我们似乎一直在追问“为什么”，而每一个答案，都可能产生下一个“为什么”。
四科学真的让我们越来越接近真理吗？
现代科学似乎给出了一个非常有力的解决方案。我们不再只依赖个人经验，而是进行实验，建立理论，提出预测，重复验证，让不同的人在不同的地方得到相似的结果。科学因此成为现代社会最重要的知识生产方式。但科学越成功，一个更困难的问题反而越清楚：科学理论越来越准确，是否就意味着我们越来越接近世界本身的真相？
牛顿力学曾经极其成功，后来相对论改变了我们对空间、时间和引力的理解，量子理论又改变了我们对微观世界的认识。于是我们不得不区分“一个理论能够有效预测世界”与“这个理论描述的东西，就是世界真实的结构”。科学可以不断产生更好的模型，但更好的模型，究竟意味着更接近真理，还是只是更有效地预测经验？这就把知识之问从“知识如何获得”，推进到了：
知识与真理究竟是什么关系？
五预测，是理解吗？
到了这里，一个非常现代的问题出现了：能预测，就等于理解了吗？我们可以准确预测某种现象发生，却不知道它为什么发生；一个模型可以非常有效，却没有告诉我们世界为什么具有这样的结构。所以，预测能力与理解能力可能并不是同一件事。
这一区分在 AI 时代变得尤其重要，因为机器越来越擅长预测。它可以预测消费者会买什么，预测蛋白质结构，预测某些疾病风险，预测语言接下来最可能出现什么，甚至在某些领域比人类专家做得更准确。但如果我们不知道它为什么得出这个结果，一个新的问题就出现了：它究竟是在帮助我们理解世界，还是只是让我们更准确地预测世界？于是，“知识”内部出现了一条重要的分界：预测不等于解释，而解释，也未必等于理解。
六正确答案，就是知识吗？
这会把问题进一步推向 AI。假设一个 AI 能够在某个领域持续给出正确答案，几乎从不出错；但当我们问“你为什么知道”，它只能给出一组我们无法理解的内部计算。那么我们面对的究竟是什么？一个真正“知道”的系统，还是一个极其可靠的答案生成器？
这迫使我们区分三个经常被混在一起的东西：得到正确答案，知道为什么答案正确，真正理解答案意味着什么。过去，我们很容易把这三件事情视为同一件事，AI 开始把它们拆开。这不是因为 AI 已经证明自己“不理解”，恰恰相反：
AI 让我们不得不重新问：理解究竟是什么？
七如果知识可以来自一个我们无法理解的系统呢？
这会把知识问题推向另一个边界。假设 AI 发现了一个人类从未发现的规律，它反复预测成功，其他实验也一次次验证，但没有任何人能够理解它是如何得到这个规律的。那么我们可以说“我们知道这个规律成立”，但我们似乎又不能说“我们理解这个规律”。于是出现了一个非常奇怪的知识状态：我们知道某件事情，却不知道自己为什么知道。
过去，人类知识通常默认：知识应该能够被解释、被传递、被理解。AI 可能让这种关系发生变化。未来的人类或许会越来越多地面对这样的知识：结果可靠，但理由不可理解。这时，我们究竟应该如何相信？
八语言是我们认识世界的工具，还是世界的一部分？
知识并不只来自观察和推理，它还通过语言存在。我们用“树”指向一种东西，用“意识”描述一种现象，用“自由”“正义”“智能”讨论抽象概念。但一个词究竟是什么意思？是它所指向的对象，是我们脑中的概念，是它在语言中的使用方式，还是一个共同体赋予它的意义？维特根斯坦提醒我们，词语的意义，与它在语言中的使用密切相关。于是，知识问题出现了另一个层次：
如果我们认识世界必须依赖语言，那么语言究竟是在帮助我们描述世界，还是也在塑造我们能够理解的世界？
这会直接影响我们理解 AI。如果 AI 能够非常熟练地使用一个词，它究竟是在理解这个词，还是只是在正确地处理这个词在不同语境中的关系？如果两者可以被区分，语言能力与理解之间，到底是什么关系？
九别人的话，什么时候可以成为我们的知识？
我们绝大多数知识，其实不是亲自验证得到的。你相信地球绕太阳运行，相信某个历史事件发生过，相信某种药物有效，相信某个科学实验真的做过。很多时候，你相信这些事情，是因为别人告诉了你。哲学把这种知识称为“证言知识”。问题是，什么时候我们有理由相信别人？
因为我们不可能亲自验证所有事情。现代社会之所以能够运转，本身就建立在巨大的知识分工上：科学家相信其他科学家的实验，医生相信医学研究，公众相信记者、机构和专家，我们甚至相信导航系统告诉我们道路在哪里。于是知识不仅是“我如何知道”，也是“我什么时候有理由相信别人知道”。AI 让这个问题变得更加复杂，因为未来我们会越来越频繁地面对一个新的知识来源：机器告诉我们。那么，一个我们无法理解、也无法亲自验证的系统，它的输出什么时候可以成为我们的知识？
十信息越多，我们就越接近真相吗？
互联网曾经让人类第一次拥有近乎无限的信息，AI 又把这种能力推向了新的规模。任何问题，都可以迅速获得大量答案。但信息增加，并不意味着知识必然增加。因为信息可能是重复的，是错误的，是相互矛盾的，甚至可能是由机器批量生成的。于是一个看似反直觉的问题出现了：当信息可以无限增加时，我们真正稀缺的究竟还是信息吗？
也许不是。我们更需要的是判断什么值得相信，知道什么值得追问，识别什么证据能够改变自己的信念。因此：
知识的核心，也许从来不是拥有更多信息，而是知道什么理由足以让我们改变自己的判断。
十一真理依赖于我们，还是独立于我们？
如果一个命题是真的，它为什么是真的？因为所有人都相信它？因为它符合我们的经验？因为它能够被科学验证？还是因为即使没有任何人相信它，它依然如此？这是知识问题最终会触碰的地方：真理究竟依赖于我们，还是独立于我们？如果全人类都相信太阳会围绕地球运动，这会让它变成真理吗？显然不会。但如果一个事实只有 AI 能够验证，而人类没有能力独立确认呢？问题就变得困难起来。我们可能会发现，知识可以依赖某种认识主体，而真理未必依赖它。于是，“真理是什么”与“我们凭什么知道真理”必须被彻底区分开。
十二我们真的能够证明自己知道吗？
最后，知识之问会回到一个非常朴素、却很难的问题：什么情况下，我们有义务证明自己的主张？在科学中，我们要求证据；在法庭上，我们要求举证；在日常生活中，我们却经常接受未经证明的判断。为什么？因为证明本身也是有成本的，我们不可能为自己相信的每一件事情都建立完整证据链。所以真正的问题不是“你能不能证明”，而是“在什么情况下，你应该证明”。
而 AI 可能进一步改变这一边界。如果一个 AI 长期做出正确判断，却无法提供人类能够理解的理由，我们是否仍然应该要求它解释？如果它无法解释，我们是否应该因此拒绝相信？如果我们最终不得不相信一个自己无法理解的系统：
我们获得的是知识，还是对知识的依赖？
十三AI 真正改变的，是“知道”的门槛
所以，AI 对知识问题最深刻的挑战，并不是“AI 知道得比我们多吗”，而是：当一个系统可以知道得比我们更多，却无法让我们理解它知道的东西时，“知道”究竟还意味着什么？过去，我们习惯把知识想象成一条链：观察，理解，判断，得出结论。AI 可能让这条链断开。我们可能直接得到从输入到结论，中间发生了什么，人类未必知道。
于是，一个新的知识结构开始出现：答案可以先于理解，甚至知识可以先于解释。这会迫使我们重新区分信息、正确、知识、解释、理解、真理。它们究竟是不是同一件事？如果不是，它们之间又是什么关系？
十四所以，“知识之问”真正问的是什么？
表面上，“知识之问”是在问“我们怎么知道”，但真正的问题更深：什么样的理由，足以让一个信念成为知识？我们依靠经验，依靠理性，依靠科学，依靠语言，依靠他人的证言，依靠模型，未来也越来越依靠 AI。但每一种知识来源，都可能有自己的边界。于是，我们最终必须面对三个问题：什么是真的？我们为什么相信它？什么样的相信，才配得上“知道”这个词？
第一卷“实在之问”问：世界究竟是什么？第二卷“知识之问”紧接着追问：我们凭什么说自己知道这个世界是什么？而 AI 让这道问题第一次变得异常迫近：
如果一个系统可以比我们知道得更多，却未必能够让我们理解它所知道的东西，我们还能够用什么标准，判断自己真的“知道”了吗？
