在技术快速演进的背景下，人工智能系统显示出的认知能力正在冲击传统知识论的基本前提。最新研究指出，源自中国先秦时期的“推类”思想，或许能为破解该理论难题提供思路。问题的关键在于，主流人工智能系统主要依靠对海量数据中语义关联的统计来完成推理，其“知其然不知其所以然”的特征，使生成内容难以被传统知识论承认为严格意义上的“知识”。这一矛盾在需要复杂语境理解与价值判断的场景中更为明显，由此引发所谓“知识论危机”。
技术进步不断拓宽知识生产的边界——但知识能否成立——仍取决于是否经得起检验、是否能服务人的实践，并受公共规范约束。以“推类”为桥梁连接传统智慧与现代技术，有助于在争论中形成更具解释力和可操作性的共识：既看到新范式的能力与潜力，也为其建立必要的证据标准、责任机制与价值坐标，使智能工具真正成为可靠的认知伙伴。