哲學視域下的人工智能假設探析

閆坤如

一、人工智能及其研究范式

人工智能已成為21世紀最熱門、最前沿的新興技術，人工智能是通過對信息與符號進行加工以實現以機器方式再現人類的智能的目標程序。人工智能始于設計出智能的計算機程序，后來發展到模擬人類的思維，甚至能夠代替人類思維。人工智能的發展經過計算智能、感知智能層次，已經向著認知智能層次發展。智能機器越來越像人，甚至超過了人類的某些能力。思維是大腦的產物，構成大腦的物質與其他物質并無本質的區別，大腦的活動也應該可以由電腦原件來替代。

學者開始對人工智能技術本質，人工智能的社會影響、規范路徑等進行思考。對人工智能的研究不僅僅局限于對科學發展或者技術發展的反思，也涉及到對人工智能的哲學思考。“人工智能不僅是一個科學問題，而且是一個哲學問題，因為它在認識論中處于特殊的地位上，這個特殊性是：它把主體的認識能力轉化為認識客體，然后對之進行認識與模擬。”[注]陳步：《人工智能問題的哲學探討》，《哲學研究》1978年第11期。20世紀中葉，明斯基(Marvin Minsky)、麥卡錫(John Mccarthy)、西蒙(Herbert Simon，又譯司馬賀)與紐厄爾(Allen Newell)等人工智能學者為人工智能發展做出了貢獻。圖靈(Alan Turing)可以看作是人工智能的先驅，他1950年出版人工智能奠基之作《計算機器與智能》，圖靈提出智能機器具有人類智能的設想，“現在人們對于‘思維機器’的興趣是由一種通常稱作‘電子計算機’或‘數字計算機’的特殊機器引起來的。”[注]A.M.Turing，Computing Machinery and Intelligence，reprinted in Minds and Machines，ed.Alan Ross Anderson (Englewood Cliffs，N.J.：Prentice-Hall，1964)，p.7.人工智能基于圖靈機的基礎上，用數字計算機模擬智能行為。圖靈機的構造雖然簡單，卻為機器模仿人類智能指明方向，機器可以顯示出智能的行為。圖靈在“圖靈機”的基礎上，提出“機器是否能思考”的問題，還進一步給出一個具有可操作性的檢驗標準——“圖靈測試(Turing Test)”，引發了學者對于人工智能的哲學討論。圖靈測試的理論依據是人工智能機器應該能夠理解并學習模仿人類智能。人類可以制造出具有思考能力、語言理解能力、問題解決能力、領悟思想能力、語言運用能力、邏輯推理能力以及學習能力的智能機器，并且不久就會出現，西蒙提出“二十年之內，機器將能做到人所能做到的一切。”[注]Simon H A，The shape of automation for men and management，New York：Harper & Row.1965，p.96.明斯基也對人工智能取代人類智能充滿信心，“只需要一代人的實踐，創造‘人工智能’的問題就可以基本解決。”[注]Marvin L.Minsky，Computation：finite and infinite machines，American Mathematical Monthly，1967，p.75.

人工智能的目標是以機器方式取代人類智能，堅信計算機程序可以模擬人類思維的稱之為強人工智能(Artificial General Intelligence)；認為計算機程序完全不同于人類思維的稱之為弱人工智能(Artificial Narrow Intelligence)；認為計算機達到甚至超過人類的推理水平的稱之為超人工智能(Artificial Super Intelligence)。麥卡錫、紐厄爾與西蒙是符號主義人工智能(Symbolic AI)的代表人物，他們沿襲圖靈與馮·諾依曼的方法，相信計算機程序可以模擬人類智能。他們立足于對物理符號系統進行分析，著眼于程序的邏輯結構、符號操作系統以及編程語言，他們把人類的智能看成類似于計算機的信息符號系統，人類的認知由句法操作構成，符號主義試圖用計算機形成對世界的形式表述。人工智能的符號主義進路趨向于把機器學習當成是對一套預先確定的概念重新組合的過程。符號主義人工智能遭到約翰·塞爾(John Searle)的反對，他用“中文屋論證(Chinese Room Argument)”思想實驗反駁計算機具有人類智能，計算機只是能夠進行符號處理，并不能把握其語句與語詞的意義。

聯結主義人工智能(connectionism AI)又叫神經網絡人工智能(Neutral Network AI)，聯結主義主要以研究人腦的神經網絡和人腦神經網絡之間的聯結原理，代表人物是魯梅爾哈特(David Everett Rumelhart)與明斯基。聯結主義的核心議題是對人腦模型進行研究。明斯基著眼于神經網絡，認為人工智能研究應該從神經網絡角度出發，研制出與大腦中神經元聯結類型相一致的網絡。他認為思維是由許多不同的智能主體組成的層級機構，這些智能主體可以處理不同的情境信息。神經網絡研究的目的在于模擬人的智能，而不是簡單的物理連接機制。聯結主義認為神經元是人類智能的基本構成和傳遞單元，并不是簡單的符號可以模擬的。還有學者認為在符號主義人工智能與聯結主義人工智能研究范式之外，還有一種行為主義人工智能(Actionism AI)。行為主義人工智能主要通過行為主義的研究，使人工智能的技術產品主動地適應外部環境，同時根據搜集的外部數據調整自己的行為，以對外界做出反應，行為主義人工智能與符號主義人工智能以及聯結主義人工智能不同，它不依賴于算法和預先設定的程序。

人工智能的發展已經引發一場可以媲美于工業革命的技術革命，有人稱人工智能是西方的“芒果樹”，人工智能具有把人類從單調范圍的工作中解放出來的巨大作用。盧西亞諾·弗洛里迪(Luciano Floridi)在其著作《第四次革命——人工智能如何重塑人類現實》中，直接把“人工智能革命”稱之為“第四次革命”[注]盧西亞諾·弗洛里迪：《第四次革命——人工智能如何重塑人類現實》，王文革譯，杭州：浙江人民出版社，2016年，第5頁。，認為人工智能具有與哥白尼革命、達爾文革命同樣的“顛覆性”作用。人工智能就像伽利略發明望遠鏡對于整個天文學研究的意義一樣，人工智能對于如今科技的發展具有同樣劃時代的意義。

從學科分類來講，人工智能與人工智能哲學是不同的研究范疇，前者屬于自然科學范疇，后者屬于人文學科的范疇，但人工智能與哲學學科密切相關，比如，人工智能中的算法與邏輯學密切相關，涉及到哲學的方法論維度的研究；智能機器的意向性問題與心靈哲學以及認知科學相關等，人工智能與認知科學、心靈哲學、現象學以及邏輯實證主義等都有密切聯系。相較于人工智能技術的發展，對人工智能的哲學思考稍顯滯后。但對于人工智能的哲學思考可以澄清人工智能的概念，厘清人工智能的理論基礎，分析人工智能時代人與技術的關系，還可以促進人工智能技術的發展。因此，哲學視域下人工智能的理論思考是必要的。

二、人工智能本體論假設分析

人工智能哲學問題的研究重點不在于人工智能技術的實現，人工智能技術關注圖像識別、語音識別、深度學習、機器翻譯等人工智能技術如何在現實社會中實現，人工智能哲學關注與人工智能技術相關的哲學問題。人工智能哲學關注人工智能的本體論、認識論等哲學基礎問題。關心人工智能形式化問題、知識表征問題、意向性、自古希臘以來的主客二分問題以及人工智能是否具有道德主體地位等問題的哲學思考。

研究哲學視域下的人工智能，不得不提到希爾伯特·德雷福斯(Dreyfus H L)，他把人工智能從單純技術領域引入到哲學領域進行深入思考，他意圖挖掘人工智能的哲學基礎與理論假設，從而將人工智能與人類智能做了區分。德雷福斯反對人工智能具有取代人類的能力，立足于為人工智能發展奠定哲學基礎。他在1992年出版的《計算機仍然不能做什么：人工理性批判》，提出人工智能的生物學假設、心理學假設、認識論假設以及本體論假設。從海德格爾(Martin Heidegger)的存在現象學、梅洛·龐蒂(Maurice Merleau-Ponty)的身體現象學以及維特根斯坦(Ludwig Wittgenstein)對于語言的理解來分析人工智能，把人工智能引入到哲學家的視野。

德雷福斯認為人的功能就如同一個通用符號加工裝置的觀點基于以下四個假設：“生物學假設：在某一運算水平上，大腦與計算機一樣，以離散的運算方式加工信息；心理學假設：大腦被看作一種按照形式規則加工信息單位的裝置；認識論假設：一切知識都可被形式化，可以被編碼成數字形式；本體論假設：存在是一組在邏輯上相互獨立的事實，知識可以被編入計算機程序。”[注]Dreyfus H L，What Computers Still Can't Do：A Critique of Artificial Reason，MIT Press，1992，p.156.對人工智能哲學來說，其哲學基礎主要是基于本體論假設與認識論假設的分析與澄清。

人工智能是什么？人與人工智能的界限是什么呢？人工智能是基于物理機制還是基于邏輯與意義呢？這些問題都是基于人工智能本體論意義上的哲學思考。圖靈通過智能機器表明計算機可以處理所有的機械運算。宇宙是一個復雜的機械有機體，而人類是其中的一種，在人類這個機械體內部，思維扮演什么角色呢？紐厄爾與西蒙認為智能機器與人是一樣的，任何種類的智能活動都可以變成一套指令，因為在計算主義看來一切推理都可以歸結為計算，機器人可以復制人類智能行為，因此具有人類思維功能，但模擬人類思維的計算機并不是通過計算，而是靠測度物理量而運轉的。“可以看出這種方法并未假設計算機和大腦在‘硬件’上的相似會超出這樣一個范圍，即認為兩者都是通用的符號處理裝置，而且能為計算機變出程序來進行一些基本的信息處理，使他們的功能與大腦所進行的十分相似。”[注]Allen Newell and H.A.Simon，Computer Simulation of Human Thinking，The RAND Corporation，1961，p.9.如果人類理性可以變成計算機程序，就證實了把人看作是一種客體的認識。明斯基認為機器可以達到人類的思維水平，計算機程序與人類具有相同的作用，“當我們要求使用‘推理’時，并不意味著要求救于某種智能子程序而放棄對弈，組織搜索的程序將恰好是另一種啟發程序。差不多可以確定地說，這一程序和主體的程序基本上由同樣的對象和過程組成。”[注]Minsky M，Descriptive languages and problem solving，afips，IEEE Computer Society，1961，pp.215-218.

密勒(George Miller)、魯道夫·阿恩海姆(RodolfArnheim)與奎連(Ross Quillian)等人反對紐厄爾與西蒙等人的觀點，認為機器與人類具有本質區別，“在解決命題演算問題時，機器能夠做出忽略邏輯聯結符和符號順序中差別的決定。”[注]George Miller，Eugene Galanter，and Karl H，Pribram.Plans and the Structure of Behavior，New York：Holt，Rinehart and Winston，1960，p.190.機器與人類是不一樣的，具體表現在如下幾個方面：首先，機器與人在問題求解上的解題方式不同，“人和機器之間之所以有這種差別，是因為這項任務所要求處理的是拓撲關系，為此就必須忽略純粹的量度方面的關系。人腦完全適合于這種拓撲學特征。因為這些特征告訴我們事物典型特征，而不是事物的具體量度。”[注]Rudolf Arnheim，IntelligenceSimulated，Midway：University of Chicago，1967，p.87.其次，機器不關注語義，不能達到人類智能水平。“我們不相信行為理論或計算機模型，像已有的大多語言處理程序那樣，忽略或排斥語義而希望取得成功。無論程序的目的是否用來分析句子、翻譯語言或者回答自然語言問題，如果它不盡早地，經常地考慮語義事實，那么我看它便沒有可能接近人類的能力水平。”[注]Ross Quillian，Semantic Memor，in Marvin Minsky (ed.) Semantic Information Processing，Cambridge，the MIT Press，1968，p.262.再次，專家運用規則不可能獲得智能，同時，熟練的專家也不都是有意識地遵守規則。例如，人類一旦掌握了騎自行車的技巧，不會糾結于規則，無時不刻遵守規則并不是人類的行動和感知的基本方式，而機器則需要按照嚴格的推理模式進行編程，這與人類具有本質區別。塞繆爾(A.L.Sammuel)通過實證經驗檢驗機器與人類不同，他編寫了一個跳棋程序，論證機器不可能具有智能，因為機器只能做它被指令去做的事。即使智能機器能夠通過圖靈測試，哲學家們會懷疑智能機器僅僅是行為上與人類有相似性，通過圖靈測試的檢驗并未為智能具有思維屬性提供充分的解釋。

三、人工智能認識論假設分析

認識論是哲學的一個分支，研究知識的本質以及個人如何獲得知識。人工智能先驅明斯基關注認識論研究在人工智能哲學研究中的重要作用，“僅是建構一個知識基礎，具成為智能研究的重大問題……在這一領域中，我們需要花力氣做嚴格的認識論研究。”[注]Minsky M，A Framework for Representing Knowledge，The Psychology of Computer Vision.Patrick Winston，Pattern Recognition，1975，8(76)，p.193.對于人工智能的認識論研究來講，挖掘其哲學基礎尤為關鍵，“AI的認識論部分研究的是有關世界的哪些種類事實可提供給在給定的觀察條件下的觀察者，這些事實怎樣能夠表達在計算機的存儲器中以及有哪些規則可允許從哲學事實中得出合理的結果來。”[注]Mccarthy J，Epistemological Problems of Artificial Intelligence，Readings in nonmonotonic reasoning，DBLP，1977，pp.1038-1044.在認識論研究中，人類與機器在獲得知識方面的區別成為人工智能哲學研究的重點。

人工智能哲學認識論研究必須關注形式化與意向性問題。形式化根植于邏輯，邏輯主義者認為，只要能形式化的東西都可以通過計算機完成，“智能加工過程取決于主體掌握的知識，深刻的和首要的問題是要理解其中的運算與數據結構。”[注]Goldstein I，Papert S，Artificial intelligence，language，and the study of knowledge，Cognitive Science，1977，1(1)，pp.84-123.在人工智能形式化問題中，常識的形式化問題遇到困難，智能機器只是根據程序設定模仿人類行為，不能像人類一樣理解。

數理邏輯、形式邏輯和分析哲學等哲學流派，它們構成了人工智能中的符號主義的哲學基礎，甚至可以說是整個人工智能的哲學基礎，人工智能的認識論假設認為：一切知識都可被形式化，只要能理解的知識都可以通過邏輯表達來刻畫。“知覺必須做的事情就是以思維能夠理解的方式來表征世界。”[注]J.A·福多：《心理模塊性》，李麗譯，上海：華東師范大學出版社，2002年，第37頁。但機器獲得行為不叫理解，也沒有辦法理解。維特根斯坦在《哲學研究》提出“語言圖像說”，他認為指稱是否有意義，在于是否能夠被理解。如果只是指指桌子，說了聲“褐色”，那么孩子不會知道“褐色”指稱桌子的顏色，還是桌子的大小？指稱的是桌子的形狀，還是物體的種類，還是那個物體的名稱。威諾格拉德(TerryWinograd)認為“困難在于把哪些腳本、目標和策略是相關的以及它們怎樣相互作用的常識背景形式化。”[注]Winograd T，Computer Software for Working with Language，Scientific American，1984，251(3)，pp.130-145.所謂常識，指的是心智正常的都應該具備的基本知識，包括生存技能、勞動技能以及應該掌握的自然科學知識與人文社會科學知識等，像系鞋帶、踩自行車就屬于常識，把這些常識形式化非常困難。系鞋帶與騎自行車等技能在剛開始學習的時候都需要遵循規則，但在具備了這種常識之后，就不再去考慮規則。沒有理由認為獲得技巧時起作用的規則在后來的應用中起作用。即使在開始時遵守規則也并不表示任何時候都必須無意識地遵循這些規則，因此，常識難以進行形式化分析，機器如何解釋人類的常識也成為一個問題。

人工智能的發展必須澄清第二個認識論問題是關于意向性(intentionality)的問題。“意向性被看作是區分個體的人與機器的根本特征之一：機器和人可以做同樣的事情，但是人有意向性，而機器沒有。”[注]瑪格麗特·博登：《人工智能哲學》，劉西瑞、王漢琦譯，上海：上海譯文出版社，2001年，第10頁。意識只是腦的一種屬性，機器與人類可以具有相同的功能，但是機器沒有意向性，人具有意向性。人與機器有本質的區別，人具有理解能力，而機器沒有。這與“圖靈測試”不同，人與機器在圖靈測試中可以具有相同的反映或者相同的行為，但是這不是人與機器的本質的區別，人與機器的本質區別是人具有意識、具有理解能力，而機器只是根據程序的設計做出相應的反應與行為。計算機的認知與人類的認知是不同的，因為人類通常能夠理解他們所處理的信息。德雷福斯從現象學視角提出計算不同于認知，因為計算缺乏具身性(embodied)與現實性(situated)。德雷福斯認為符號主義站在笛卡爾的理性主義立場上。符號主義的認識論假設(epistemological assumption)是世界具有結構且知識都能夠被形式化。德雷福斯支持聯結主義，反對符號主義。聯結主義認為智能的過程來自于人類大腦的組織結構與運行模式，而不是源于計算機。不管是人工智能的符號主義進路還是聯接主義進路，抑或行為主義進路，必須要對人工智能進行本體論、認識論思考，才能澄清其哲學內涵。

德雷福斯從認識論、形而上學方面來思考人工智能的研究基礎。在德雷福斯看來，“支持符號信息加工的，不僅是笛卡爾和他的傳人們，而且是全部西方哲學”。[注]Dreyfus H L，Dreyfus S E.Making a Mind versus Modeling the Brain：Artificial Intelligence Back at a Branchpoint，Daedalus，1988，117(1)，pp.15-43.人工智能先驅紐厄爾和西蒙在論文《作為經驗探索的計算機科學：符號與搜索》中明確把其哲學基礎歸結為弗雷格(Friedrich Ludwig GottlobFrege)、羅素(Bertrand Russell)、懷特海(Alfred North Whitehead)的數理邏輯以及早期維特根斯坦的邏輯哲學，這揭示了人工智能與經驗論、邏輯主義緊密聯系，在人工智能的哲學分析中也應該關注與借鑒分析哲學的研究方法——概念分析與邏輯分析來進行研究。普特南(Hilary Putnam)提出：“談及人工智能的歷史從某種意義上而言也就是對于邏輯實證主義歷史的重述。”[注]Hilary Putnam，Words and Life，Edited by James Conant.Cambridge，Mass：Harvard University Press，1994，p.397.在德雷福斯看來，符號主義人工智能的基礎是邏輯學，是哲學中的理性主義，德雷福斯是邏輯還原論傳統的繼承者。基于神經網絡的聯結主義人工智能的基礎是統計學，把人工智能看作理想化的、整體論的神經科學。聯結主義與符號主義雖有區別，但它們具有共同理論假設：認知是一種信息處理方面的問題，而且這種信息處理是可計算的。信息的可計算、可推導與邏輯密不可分，這與卡爾納普的“哲學就是邏輯分析方法”的主張不謀而合。因此，對人工智能進行邏輯分析也是人工智能哲學中必不可少的。分析哲學的開山鼻祖弗雷格的研究原則中包括以下三個方面：其一，區分心理的東西與邏輯的東西；其二，絕不孤立地尋問一個詞的意義，只能在一個命題的上下文中尋問詞的意義；其三，區分概念與對象。其中第二個是語境原則這在人工智能與人的區別中非常重要，涉及到人工智能是否能夠理解的問題，以及人工智能理解與人的理解在層次與方式上的區別問題，這與分析哲學中的解釋與理解的區分緊密聯系，也可以通過分析語境依賴性來分析人工智能與人類的區別。從方法論上來講，弗雷格主張發現(discovery)與辯護(justification)的區分，心理學的方法本質上是發現的方法，通過內省、歸納、概括不能產生普遍必然的知識，而邏輯與數學是基于先驗的、分析的、必然性的知識，與心理因素無關。弗雷格的觀點與人工智能可以通過計算機程序，也就是邏輯或者數學程序來模擬人類思維觀點截然不同。卡爾納普拒斥形而上學以及主張邏輯句法與日常語言句法的區分與人工智能研究中的常識難以形式化問題的關聯；特修斯之船(The Ship of Theseus)悖論引出的同一性難題以及邏輯哲學中的谷堆悖論(The paradox of the valley pile)以及禿頭悖論(Bald paradox)引發關于人與機器的界限的思考；維特根斯坦后期以及擅長對日常語言進行分析的牛津學派關于理解的認識等等分析哲學的一些研究進路以及研究成果都在人工智能哲學認識論中具有重要的指導意義。因此，對人工智能的研究不僅僅局限于對科學發展或者技術發展的反思，也涉及到對人工智能的哲學思考。截至目前，對于人工智能的認知還處于結果未明階段，正如威諾格拉德在評價德雷福斯的《煉金術與人工智能》時說：“‘人工智能’在某些方面很像中世紀的煉金術。我們現在正處在把各種不同化合物倒在一起，觀察會發生什么變化的階段，還沒有提出令人滿意的理論。這個比喻是德雷福斯1965年作為對人工智能的譴責提出來的，它恰如其分，并不含有否定的評價意義……正是煉金術士們的好奇心與實際經驗為化學科學理論的可能發展提供了豐富的數據。”[注]Winograd T，On some contested suppositions of generative linguistics about the scientific study of language ：A response to Dresher and Hornstein's on some supposed contributions of artificial intelligence to the scientific study of language，Cognition，1977，5(2)，pp.151-179.人工智能的發展需要對于其中的概念加以澄清，需要對于哲學基礎的挖掘。人工智能發展與哲學緊密聯系，對于人工智能哲學基礎的研究能夠決定人工智能的發展方向。正如麥肯錫所言：“正如天文學繼開普勒發現了天體運行規律之后取代了星相學一樣，對機器的智能過程的經驗論方面的探索所發現的眾多原理將最終導致一門科學。”[注]Minsky M L，Papert S.Artificial intelligence，Oregon State System of Higher Education；distributor：Distribution Center，University of Oregon，1973，p.25.對于人工智能的哲學研究能夠促進人工智能的發展，同時也可以推動哲學研究的進步。學者在人工智能技術的研究之外，應該增加人工智能哲學研究這“失落的一環”。