徐老師說現在的哲學需要在各個學科之間達成一種匯通，尋找交叉，比如現在的法學可能與神經醫學匯通來達成分析，不同學科的人說的話的專業概念不同，那麼哲學家需要做的就是在這之間尋找一個匯通，架起一個橋樑，把不同學科彼此間的合理有用成分拿來構成一種新的備用理論。我個人認為，哲學也可以稱之為“合學”，合天下之學，合各門類只之學，這就有點像太極兩儀
另，哲學較重視辯護，需要拿出證據，不是拿鬼畫符呼喲人，也是需要理性的，比如柏拉圖辯護廢話半天把人繞暈了是需要拿一個一個證據來作證的。
哲學是離經叛道中最寬容的學科，至少和理工科相比寬容的多，我這裡就跨行業拿一個詞來描述：容錯率高，哲學的容錯率相比其他學科較高，不要求完全和主要流派一直貫通保持一致。那麼我們正在說的AI是個例外，AI是自然學科裡的藝術，和哲學走在了一起。當圖靈測驗首次亮相，AI就已經蓄勢待發，圖靈測驗中描述到：能騙過人類檢測讓你覺得對面是活人的就是智能，確實，我們不能從什麼碳基結構來判斷人工智能，那不合理暫時也不可能，只能說我們達到一種以假亂真的形態，滿足我們的需要即可。
麥卡錫是AI教父，AI的起名者，和他同時期的諸多科學家不做提出了自然語言處理，人工神經元網絡等構想。
以上只是從歷史上來說明人工智能的哲學維度，下面從理論上來說
未雨綢繆就是對智能的一種看法，現在的專家系統也是
人工智能需要非常龐大的知識庫，分析出大量的解決方案，有人認為人工智能應該是人工大腦，要模擬大腦結構，於是有人工神經元網絡這種想法出現，AI科學缺乏刪除不同理論假設的決定性判定例，，如果是物理學，有一個物理學假設叫以太，但是以太風測量來證明這是錯誤的，但是要在AI中找這種證據就很難，它像一種工程學，AI科學家不做實驗，只做試驗，似乎在這一點上，AI更像工科，不像理科，只是把這個機器弄出來，看他好用不好用，能不能滿足用戶的需求，而能否滿足客戶的要求這是個沒有客觀標準的事情，這是社會學標準和人類學標準的事，各個學派對於其是否只能看法也不統一，於是這裡面就很混咋，難以分別其中的思辨成分，這就很像哲學。
另外，人類的思維是什麼，這種問題一般什麼學科研究的最多？有人說心理學，沒錯心理學想的是很多，但它是從威廉馮特那時候才從哲學裡面分出去的，它本身就是哲學的一個分支，人工智能不能過於關注人，需要一種抽象的思維方式，這樣對研究客戶更有用。
AI的研究目的，即是在人造機器上通過模擬人類的智能行為，最終實現機器智能。很顯然，要做到這一點，就必須對“何為智能”這個問題做出解答。
如果你認為實現“智能”的實質就是去儘量模擬自然智能體的生物學硬件。你就會去努力鑽研人腦的結構，並用某種數學模型去重建一個簡化的神經元網絡（這就是聯結主義者所做的）。現在我們都知道有一個類腦研究計劃，這種研究有複雜版本和簡單版本，複雜版本就是藍腦計劃一樣，把大腦運作的信息流程儘量逼真的模擬出來，比較簡單的就是簡化的神經元網絡。
站在專業的研究腦科學的立場上，神經元網絡很不神經，離真正的神經活動來說，它是高度簡化，但是站在很宏觀的立場上，至少你說神經元網絡也是受大腦的啟發和影響。這個路線很多人認為是對的，我認為可以做出一些成果，但是不要抱有太高的期望。
如果你認為智能的實質僅僅在於智能體在行為層面上和人類行為的相似。那麼你就會用盡一切辦法來填滿你理想中的智能機器的“心智黑箱”（無論是在其中預裝一個巨型知識庫，還是讓其和互聯網接駁，以便隨時更新自己的知識——只要管用就行）。
由此看來，正是因為自身研究對象的不確定性，AI研究者在哲學層面上對於“智能”的不同理解，也才會在技術實施的層面上產生如此大的影響。很明顯，這種學科內部的基本分歧，在相對成熟的自然科學那裡是比較罕見的。
閱讀更多 小玉玉真的什麼都不會 的文章
