人工智能如何獲得知識？

潘天群

【摘要】人構造概念以認識世界，人的認知與人的身體密切相關。計算機是人類心靈的延伸;而人類發明的各種認知用儀器（機器）是人類感官的延伸，它們是數據形成函數。因此，我們可以將人類的概念嵌入到計算機之中讓它概念化世界，同時連接人造的感知系統以數據化世界，從而實現人工智能。這樣的人工智能是擬人類的或者準人類的，它們能夠“像”人那樣獲得外部世界的知識。由于嵌入進計算機的概念是人類的，人造感知系統即數據形成函數也是基于人類的科學理論的，這樣的人工智能所獲得的知識也是人能夠理解的。

【關鍵詞】人工智能? 知識形成函數? 概念化世界? 感知系統

【中圖分類號】TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.21.003

導言

我們通過觀察與思考獲得外部世界的知識，然而我們的觀察能力及理性思考能力都是有限的。我們用計算機完成繁重的甚至原則上無法完成的計算任務，我們用顯微鏡、望遠鏡觀察我們肉眼看不到的東西……機器（包括儀器）在我們的認識過程中的作用巨大，它可以看成是人感官和心靈的延伸。隨著計算機算力的提高、高效算法的提出以及作為算料的大數據的涌現，圍繞人工智能的相關技術正深刻地改變著社會的生活及生產方式。智能型機器能否代替以及在何種程度上代替人的心靈，成了人們的熱點話題。人工智能作為計算機科學的分支被定義為研究如何制造計算機并為其編程，使其能做人類心靈所能做的那些事情。對于人類的智能而言，我們能夠認識世界，即獲得關于世界的知識，人類制造的人工智能（機器）能夠認識世界嗎？如果它能夠認識世界，如何理解它的認知行為？如果不能，它的邊界在哪里？

在當前人工智能的研究領域中知識表示與推理、機器（深度）學習等概念被人們頻繁使用;在人工智能的實踐領域，機器能夠碾壓人類棋手，無人機能夠對拍到的照片進行處理并作出判斷……于是，自然的問題便是，人工智能體，或者說機器，能夠擁有或者學習“知識”嗎？有人會說，這是一種類比用法或者是含混的用法而已，機器不可能擁有人那樣的“知識”;而在另外的一些人看來，機器能夠有弱人工智能意義上的智能，因而機器能夠有智能但不能擁有知識這是難以接受的結論。本文將論證，機器以“擬人類”或者“準人類”的方式存在于認知世界，能夠對人類概念進行操作并且在概念化完備的世界中能夠完美地進行操作，但是需要構建與世界聯系的通道、發展擬人的感知系統，從而讓機器像人那樣感知世界。

人工智能如何嵌入世界？

知道是人的一種心智狀態，它是一個命題態度;某人知道某個命題，該命題構成了他或者她的知識。知識被認為是得到證成的真信念（justified true belief），這是被廣泛接受的定義，盡管它招致蓋提爾難題的困擾。這里“證成”是一個給出理由的過程或行為，“真的”（true）是一個形而上學概念，而“信念”（belief）則是人的心靈中對命題的某個內在狀態。“真”是無法被觀察到的命題的性質，它作為知識的要素被質疑;至于證成，沒有一個統一的標準評判一個信念如何得到證成。而知識是相關主體的一種內在的認知態度，則是沒有什么異議的。

根據知識的這個定義，今天的計算機，它作為機器，盡管能力很強，卻不能“擁有”知識。因為機器沒有“真”這個概念;因不能理解證成的含義的機器也無法證成一個命題，盡管機器能夠給出命題之間的邏輯關系;尤其重要的是機器難以有人類的信念。這種看法是合理的，盡管它是人類中心主義的。

我們的認知與我們的身體行為是雙向互動的。一方面，我們的認知影響我們的行動，從而影響我們的身體行為。布魯諾寧愿被燒死也不放棄日心說;我不喝高糖飲料，因為我相信高糖飲料會使我的血糖增高。另外一方面，我們的身體行為影響我們的認知。根據涉身認知理論，我們通過嵌入到環境的身體認知這個世界：人的認知過程進行的方式和步驟實際上是被身體的生物屬性所決定的，人的認知的內容也是身體提供的。萊考夫（G.Lakoff）和約翰遜（M.Johnson）在《我們賴以生存的隱喻》中認為，人們對身體的主觀感受和身體在活動中的體驗為語言和思想部分地提供了基礎內容;認知就是身體作用于物理、文化世界時發生的東西。

計算機的核心是執行著由人類指令而組成的程序，即軟件;而芯片等硬件系統只是執行程序的物理基礎，即硬件，這里的軟件不構成計算機程序嵌入到世界中的身體。因而計算機不可能擁有人類那樣的信念。而那種執行人類非計算功能的機器比如汽車、空調等也不可能擁有信念。

然而，并非所有人都認同機器不能擁有信念。比如在人工智能專家麥卡錫看來，幾乎所有能夠解決問題的機器都可以說具有信念，甚至像恒溫器那樣簡單的機器都可以說具有信念，“我的恒溫器具有三種信念——這里太熱，這里太冷，這里溫度適宜”。[1]這當然是塞爾所不能贊同的，也是本人不能贊同的：機器沒有心靈，何談信念？

機器是人的感官的延伸，它的認知也是擬人化的。其實人類一直無意識地在“認識自己”，而無需蘇格拉底的訓誡。人認識自身的局限，并試圖克服人的局限。機器便是人類認識與克服自身的局限而發展起來的。與其他人類發明不同，計算機被人類發明出來是為了幫助人們減輕人類的腦力勞動，它們是為了彌補大腦的局限而發明的。德國哲學家卡普（E. Kapp）提出了器官投影說——工具作為技術的物化形態是人體器官向大自然的投影或者延伸，從這個意義上說，無論是計算機的前身如巴貝奇的差分機，還是現代高速運轉的大型計算機，它們都是人類大腦或者心靈的延伸。當然，人們擔心作為人類心靈延伸的計算機能夠發展到“擁有”自主的心靈而與人類對抗乃至淘汰人類。

今天的機器能夠進行計算以及演繹和歸納推理。計算是計算機被最初賦予的功能。今天人們不會驚訝于機器算出復雜的數學題，如讓計算機算出圓周率的小數點后1000位乃至更難的工作;對此，我們認為這是再平常不過的事情，而如果某個人能夠做到這樣的計算，他或她反而會被認為是天才。對數學方程，我們需要求得它們的“演繹解”或“解析解”，我們也有許多這方面的定理;然而，對復雜的數學問題，我們往往難以甚至不可能給出這樣的“解析解”。于是，“計算解”應運而生。計算機幫助我們得到這個計算解。一個計算解往往是“近似解”，這樣的近似解相對于某個需求是滿意的。在工程中我們需要在有限的時間中得到一個這樣的滿意解，而不指望數學家沒完沒了地尋求解析解的推理。今天的科學研究中“計算”“理論”與“實驗”已是三足鼎立。

計算機能夠做演繹推理——從前提必然地得到結論。計算機能夠進行機械化定理“證明”工作。在這個領域中計算機能夠“證明”出人類不能得到或者難以得到的數學定理，如四色定理。在機械化數學定理證明領域中有“證明檢驗”“證明發現”和“猜想生成”三個方面。證明檢驗是給出一個推理D以從大量的前提中得出結論P，來判斷D是否合理;證明發現：給出大量前提和一個假定的結論P，判斷P是否是邏輯后承，如果是，給出形式證明;而猜想生成：給出大量前提和一個由前提邏輯推導出的有趣的結論P，并給出證明。這三個方面的難度是逐漸遞增的。在前兩個方面，人們利用計算機作出了許多卓越成就。

機器能夠做歸納推理。所謂的數據挖掘工作便是人們用計算機做基于大數據上的歸納推理;基于海量數據上的挖掘工作是單個人所不能或者難以完成的。在復雜的博弈與決策問題方面上，如下圍棋，機器通過學習能夠給出行動策略且比人做得好得多，此時機器是在做基于歸納推理上的策略選擇。機器這里所做的歸納推理是在完全概念化的世界中進行的，而不是在現實世界之中進行的——如果在現實世界之中機器也能夠做這樣的歸納推理，那么機器便是科學家了。正因為機器能夠做這些復雜條件下的推理與決策，計算機的行為越來越“表現”出像有智能的樣子來。

如何理解計算機的這些能力？人們普遍同意，機器之所以能夠做這些工作依靠的是人類設計的程序。程序是一系列人類指令，能夠設計程序是人類的一種智能。人類通過讓機器執行人類設計的程序以解決我們難以做到或原則上做不到的事情。如果認為機器具有了“少許智能”，那么隨著時間的推移，機器的智能會越來越強，這樣，人類制造出一臺超級智能（ultraintelligent）的機器便是可能的，該超級智能機器能夠完成人類的所有智能性行為。此時便會發生智能爆炸（intelligence explosion）。超級智能機器是人類的最后發明，因為設計機器是人類的智能之一，該機器能夠設計機器并且比人類設計得更好。這便是古德（I. J. Good）在1965年所提出的觀點。智能爆炸就是所謂的技術奇點。

對于這些計算機能夠做的，人們可能不認為它是在真正的計算與推理，當然更談不上有智能了。機器能夠從“人有死”“蘇格拉底是人”得到“蘇格拉底有死”這樣的命題，但是它根本不“理解”自己的行為、也不知道自己在干什么，何來推理？對人類來說，“理解”是各種行動包括推理的前提，那些不是基于理解基礎上的行為只是肉體的條件反射動作而已、而不是自主的行動;若沒有理解，甚至一些簡單的非條件反射的前后相繼的動作都難以完成。但是，要求機器有理解能力即是要求機器有一個心靈，這又回到了機器能否有心靈的問題上來。塞爾說：“計算機程序永不可能替代人心，其理由很簡單：計算機的程序只是語法的，而心不僅僅是語法的。心是語義的，就是說，人心不僅僅是一個形式結構，它是有內容的。”[2]即在塞爾看來，強人工智能是不可能的。但是，機器能夠“表現”得像有心靈那樣，即我們能夠實現弱人工智能。

筆者認為，計算機的計算與推理可以看成是“準計算”與“準推理”的。人類通過與外界的長期交流而獲得概念與理論，它們被輸入計算機后被計算機所操作，盡管計算機所做的只是進行語形操作、而不知道語義，但人心是知道語義的。

機器能夠被認為是有意向性的，盡管機器沒有心靈，也沒有嚴格意義上的信念與知識。人類給機器嵌入了人類的知識，通過程序讓機器實現人的意志。不僅僅如此，程序中包含了意向性。一個執行中的計算機程序是有意向性的。這個意向性是指程序指向它需要的數據、運算對象以及運行結束后輸出的數據，而對其他數據置之不理。機器的意向性是人類移植給它的，這是一種“次級意向性”，或者說“類人意向性”。當人們做一個復雜的計算，比如122*122=14424時，人們的意向性指向這些數字、運算以及整個命題，等等，而當人們用一個編制的程序運算時，人們只需輸入他們要執行的任務，那個最終結果就會被程序計算出來。人們本來要進行的意向性的活動被機器所取代。人們運用程序完成了一個復雜的意向性心智活動;就目前而言計算機要人類的啟動才能運行，且它的過程是人類所理解的。一旦計算機的意向性不依賴于人類，或者生成了自主的或者獨立于人類設計者的意向性，它就獲得了意識，這才是我們應該擔憂的。

人們努力實現人工智能，然而現有的人工智能是無身的。符號主義的人工智能試圖通過符號及其運算，在物理系統上實現智能，物理系統是運算進行的載體，而不是與世界進行因果關聯的通道。這樣的人工智能因而是無身的。聯結主義的人工智能向前進了一步，計算機通過模仿人的神經系統的學習機制，在它能夠數據化的或者已經數據化的“世界”中快速地學習，從而實現智能;這樣的人工智能同樣是無身的，它同樣不是因果地感知這個世界。

在筆者看來，如何讓人工智能機器嵌入到世界之中從而“感知”世界？這是人工智能的一個任務。

建造人工感知系統

不久前，美國太空探索技術公司首席執行官埃隆·馬斯克宣布計劃明年年底前（2020年）實現將芯片植入到人腦之中，以提升大腦的能力。更早些時候浙江大學推出了“雙腦計劃”，即推進大腦與電腦的融合性研究。這樣的腦機融合或人機融合的研究與實施不僅僅面臨技術問題，同時面臨倫理問題。但無論腦機融合研究的前景如何，這項研究預設了人的生物大腦及人的感官系統在感知世界中的價值。

人工智能是計算機科學的分支，因而，在感知世界中存在另外一條比上述腦機融合更可行的路徑：為計算機建造人工感知系統。

人類在認識世界的過程中發明了許多儀器或機器，以延伸人的感官。自伽利略發明了望遠鏡后天文學得到急速發展，天文學上的（射電）望遠鏡以及醫學生物學中的高倍顯微鏡等各種儀器，大大地拓寬了人們的“感知范圍”。計算機是人類心靈的延伸，而對于感官延伸的各種儀器（機器），我們統稱它們為“感知儀器（機器）”。

對于人類而言，人類獲得知識的方式或者通過感覺經驗或者通過推理。我到了一個從沒有去過的城市，比如紐約，我們不知道如何去紐約大學，我向四周張望，那不是紐約大學的標志嗎？我看到了紐約大學的某座教學樓。我很幸運。通過觀察解決問題的機會不會很多。我記得紐約大學在曼哈頓，而我現在不在紐約的下城，因此，我得去紐約的下城。這便是推理。當然還有一個比直接觀察和推理更快捷和有效的解決問題的方式：詢問當地人，這便是通過證言的方式。在證言解決問題的方式中同時要運用觀察與推理：根據我的觀察，我判斷出，我要詢問的對象是個可信的人，他或她的行為舉止使得我相信他或她是本地人，而不是像我一樣的外地人……然而，當人類與自然打交道的時候，人類的感官是有限的，需要儀器或者機器幫助我們認識世界。

我們可以感受到天氣的寒冷與炎熱，但我們的感官不能給出天氣溫度的細微區別，于是我們發明了能夠定量確定溫度的溫度計。溫度計不是自然之中的物體，它是被我們制造出來的人工物。我們規定了在一個大氣壓下水的沸點是100攝氏度、水結冰時的溫度是0攝氏度。我們知道水銀隨外界溫度“線性”膨脹的現象，它在一定的高溫不會氣化、一定的低溫不會結冰。利用這樣的現象我們便制造出溫度計來：溫度計在一個大氣壓下水沸騰時溫度的刻度顯示為100攝氏度，而在水結冰時的溫度刻度顯示為0攝氏度。我們看到，一個溫度計的制造以及背后是一系列物理理論做支撐。事實上，我們制造的任何儀器或機器其背后都有可靠的理論做支撐。

人類發明的許多儀器或機器，它們與溫度計一樣，以自己的方式建構外部世界的現象。它們是被制造出來的以獲得外部客觀的數據。作為觸覺的延伸的溫度計是被建造出來的，但是這不代表它所測得的溫度不是客觀的。我的體溫被測出是38°C，于是“我當下的體溫是38°C”便是一個客觀事實。我確認溫度計是好的、我的測量方式也是正確的，我得到了“我的體溫是38℃”這樣的事實，于是，我知道我發燒了。建構主義者說，我的體溫這樣的事實是被建構出來的。事實被建構不等于說事實是主觀的，客觀事實只有通過建構才能被我們所認識。

理論及相應的儀器（機器）將客觀世界的某些本體意義上的事實“轉換”成我們需要的事實或知識。我們這里有兩種事實，本體意義上的事實和認識論意義上的事實。外部世界的本體意義上的事實，它們只有被測出才有認識意義;而一旦被測出，它便成了認識論意義上的事實了，如果我們承認被測出的是事實的話。本體意義上的事實便是康德所說的“物自體”，而我們概念化的是“現象”。我們用理論來說明所觀察到的現象。這里的現象是指特定種類的事件或過程，它在特定的環境中有規則地出現。不僅如此，哈金說：“科學家經常創造現象，隨后這些現象稱為理論的核心部分。”[3]而科學家是通過儀器創造現象的。當然，這是可值得探討的問題：儀器（機器）所制造出的現象到底是什么？

儀器（機器）及背后的理論構成“翻譯函數”，或者更準確地說“數據或者事實形成函數”。這個函數是事實到數據的一個映射。即儀器（或者機器）給我們的是我們能夠讀得懂的數據，或者說儀器（或機器）將獲得的外部世界的事實加工后的用我們的概念表達后的“事實”。這是一個“翻譯”或者“轉換”過程。儀器或者機器是翻譯函數的具體化。不同的儀器或機器所涉及的自然現象是不同的，因而是不同的翻譯函數。事實上，我們人類的感知系統便是這樣一個函數：將對環境的感知轉換為概念化的認識（數據）。

受過一定教育的人能夠讀懂體溫計上的水銀所處位置的含義，而只有相關專業的醫生才能看懂X光片上的斑點代表著什么。這些感知儀器（機器）的一端是自然現象，另外一端則是我們人類自身。感知儀器（機器）是“無心”的，它們只是我們感官的延伸，它們自身無法給出關于這個世界的概念化的認知。而能夠自帶感知儀器（機器）并能夠讀懂儀器所得到的數據的人工智能機器正是我們需要的，這樣的人工智能的感知儀器構成獲取外部世界數據的因果通道。

準人類：延伸的心靈與延伸的感官的結合

我們上面分析，即使被認為具有智能的計算機其本身也是無身的，而認知用儀器（機器）是無心的。我們可以將兩者結合起來，這樣的機器是“擬人的機器”。

我看一眼窗外自言自語地說：今天陽光很好，溫度適宜。我在電話中告訴在外地的親友，他們聽到我這么說能夠明白我的意思。這里，我用語言表達出我所感知到的東西，我與親友因共享的語言而能夠相互理解。一臺裝有攝像機、溫度探測儀的機器，它的溫度顯示儀上可以顯示為20℃、它也可以拍攝到陽光的照片，但是，它得不出“今天陽光很好，溫度宜人”的結論。因為這里所涉及的“今天”“陽光”“很好”“溫度”“宜人”都是人構建的且與人的身體有關的概念，而機器無法使用這些概念。

人類用理論去“看”世界。我們對世界的事物施以名稱，然后將名稱與一些概念相聯系，從而構建信念或知識以認識世界。名稱有含義與指稱;我們通過含義進行思維，而通過指稱，將我們的思維對象與世界聯系起來——“太陽是紅色的”;這里，太陽是專名，紅色則是概念。概念是事物屬性在思維中的把握。人在認識世界時將概念作為事物的屬性賦予事物。

人的已有認知決定人的觀察。科學哲學家漢森在《發現的模式》中揭示了觀察的理論負載性（theory-laden）——每一個觀察的術語和觀察語句都是負載著理論的，沒有純粹中立的、獨立于理論的觀察。庫恩（T.Kuhn）則認為科學家公共體所共有的范式決定著觀察。“操作和測量當然部分源自于直接經驗，但更為明顯的是它們有范式所決定。”[4]這些哲學洞察告訴我們，我們在建造人工智能時要在其“心”中存放用來觀察世界的理論。

一個通常的計算機程序是，構建某個知識庫然后嵌入到機器之中，利用某些算法以應對各種可能的問題或者任務。對于機器而言，知識是被嵌入的（embedded）——當然，人類的先驗性知識也可以看成是嵌入的。機器可以根據這些嵌入的知識以及被嵌入的推理規則進行推理。一個醫療專家系統能夠根據患者的癥狀做出診斷并開藥方，這是模仿醫生的看病過程，它的輸入是人類概念化后的信息，而不是來自于外部世界即時的信息。這樣的系統是“無身的”，因而是一個與世界隔離的系統。

自然界中沒有聽者便沒有聲音而只有振動，我們的聽覺系統將其中部分振動轉換成聲音。我聽到了超過100分貝的聲音，我忽然感到這個聲音不是噪音，而是“I am a machine（我是一臺機器）”——因為我學了英語。從空氣的振動中得到某些句子便是“計算機聽覺”系統所要完成的，同時我們需要創造其他的“計算機知覺”系統。一個具有計算機知覺的認知系統能夠像人一樣，與世界進行交流，從而將外部刺激轉換成認知。

對于人而言，根據物理學原理造出溫度計及其他復雜的認知儀器（機器）能夠獲得外部世界的某些數據，科學家根據這些數據給出相應的判斷。一個自然的想法是，我們能夠進一步地構建人工智能，將人工智能與這些感知系統（認知儀器）連接，將數據直接變成結論;此時的帶有感知系統的人工智能完全代替了科學家的工作。這樣的機器要做得像科學家一樣，它本身得擁有人類的知識體現。人工智能與感知系統構成一個擬人化的人工智能體。這樣，一個與世界有交流的擬人化機器含有人類概念化的系統，它能夠對它所“觀察”得到的數據進行加工以形成知識。

這樣的人工智能體是一個“準人類”甚至“超人類”。想象一下，這樣的智能體到太空中某個星球上通過信號“告知”我們，那兒有一種類似水的東西，外表與地球上的水完全一樣，但其結構不是氫二氧一。它的觀察方式是我們能夠理解的，因而它告知我們的結論也是我們能夠想象的。我們也可以想象一個這樣的人工智能醫生，它是電腦與X光機的結合，它一“看”病人，就能馬上告訴我們病人的肺部情況，是有病還是沒病，如果有病，是什么類型的病以及病的嚴重程度。這樣的人工智能醫生的醫學水平能夠比人類的醫生的水平還要高。我們能夠理解并相信它們的觀察或者結論。

結語

世界就在那里，生物體感知世界的方式千差萬別;對于人類而言，認識世界即是以自己特有的方式感知它、體認它。發展基于人的認知世界的人工智能也是人類認知世界的一個方式。

計算機能夠對人類的概念進行操作，而一旦它有自己的感知系統，它便能夠像人類那樣，用嵌入的概念與知識去認識世界并形成相應的認知或判斷。它是一個準人類或擬人類。它的感知系統是我們人類根據某個科學理論建造的，它所得到的現象或者數據是“制造出來的”，因而能夠為人類所理解。這樣的感知系統是一個翻譯函數，它所接受到來自于自然的刺激（輸入）在感知系統上形成一個輸出（數據），計算機對這個數據進行“解讀”從而形成某個“信念”。它也可以對這個“信念”進行證成，比如使用其他場合下的數據給予支持，等等。這樣，它便能夠為我們提供可靠的數據（知識），我們也能夠理解這些數據。

然而，人類的創造性不在于提供新的關于外部世界的知識，而往往體現在形成新的概念（觀念）。具有人造感知系統的人工智能系統其擁有的概念是我們賦予的，它們能夠為我們提供我們能夠理解的知識，但是由于它們沒有形成新概念的能力，因而它們不具有創造性。這是一個有點草率的結論，需要進一步的論證。

需要說明的是，本文只是探討作為“個體機器”的人工智能機器獲取知識的問題，事實上，人、計算機以及人工探測設備通過連接已經形成了巨大的“超級智能體”，這里的連接便是我們熟悉的互聯網以及不怎么熟悉的物聯網。這樣的超級智能體在迅速發展。《崛起的超級智能》一書作者劉鋒提出以互聯網大腦模型來研究這個超級智能體：“互聯網大腦具備不斷成熟的類腦視覺、聽覺、感覺、運動、記憶、中樞和自主神經系統。”[5]這樣的超級智能體通過云反射弧實現對世界的認知、判斷、決策、反饋和改造。這個超級智能體如何認識世界？這涉及“人機群集智能”的認識論問題;對之，本文不作探討。

注釋

[1][2][美]約翰·塞爾：《心、腦與科學》，上海譯文出版社，2006年，第22、23頁。

[3][加]伊恩·哈金：《表征與現象》，北京：科學出版社，2011年，第176頁。

[4][美]托馬斯·庫恩：《科學革命的結構》，北京大學出版社，2003年，第114頁。

[5]劉鋒：《崛起的超級智能》，北京：中信出版社，2019年，第8頁。

責 編/馬冰瑩