人工智能的哲學思想探源

閆坤如

〔摘要〕 人工智能飛速發展，正在改變人類生活，推動人類進步。人工智能學者從認知科學、心靈哲學以及控制論等不同視角對人工智能進行研究，但對于人工智能哲學根源的追溯與厘清較少。古希臘畢達哥拉斯主義的數論思想、亞里士多德演繹邏輯系統與分析哲學中的邏輯分析與語言分析方法以及簡單性哲學原則為人工智能研究綱領、研究框架以及研究方法等奠定了基礎，哲學核心問題決定了人工智能的研究進路。只有對人工智能的哲學思想源流進行追溯與探究，才能理解人工智能的理論基礎，以更好地把握人工智能的發展規律并合理預測人工智能的發展趨勢。

〔關鍵詞〕 人工智能，數論，簡單性原則

〔中圖分類號〕N1?? ?〔文獻標識碼〕A〔文章編號〕1004-4175（2020）02-0005-06

人工智能發展如火如荼，學者除了對人工智能技術本質、人工智能社會影響、發展路徑及倫理問題等進行研究之外，還關注人工智能中的哲學問題。對人工智能的研究不能僅僅局限于技術層面及科學基礎層面的反思，也要涉及對人工智能的哲學思考。博登指出：“在科學家族中，沒有一門學科比AI與哲學的關系更密切。”? 〔1 〕3人工智能與哲學緊密聯系，特別是心靈哲學與語言哲學，認知科學與認知心理學等學科也為人工智能發展奠定了科學基礎。迄今為止，對于人工智能哲學的研究還沒有形成完整的理論體系，學者多從哲學視角對人工智能中的問題進行探討，從哲學思想源流挖掘人工智能基礎的著述不多。筆者嘗試從人工智能的數論基礎、邏輯學、分析哲學基礎以及簡單性原則等視角分析人工智能的哲學思想根源。

一、數論哲學為人工智能提供質料基礎

人工智能先驅西蒙與紐維爾作為人工智能符號主義（symbolicism）學派的代表，他們的研究著眼于計算機程序的邏輯結構、符號操作系統以及編程語言，這與古希臘哲學家畢達哥拉斯學派的“數論”思想一脈相承。在畢達哥拉斯看來，數是萬物的本原，萬物皆數。“按照普羅克洛在《歐幾里德〈幾何原理〉注釋》中，‘數學這個詞也是畢達哥拉斯學派首先使用的” 〔2 〕268。畢達哥拉斯將科學研究的基礎建構在數學的基礎之上。畢達哥拉斯哲學思想的核心即“數”是萬物的本原。按照畢達哥拉斯的數論思想，與其說水、火、土等都是萬物的本原，不如用一個簡單詞“數”來解釋萬物的存在。

“數是萬物的本原”包含著萬物之中存在著某種數量關系的含義，不管是天體結構、音階音律以及建筑結構等萬物都存在數量關系。畢達哥拉斯學派認為數是宇宙的元素，科學研究就是尋找紛繁復雜現象之后的數量關系。例如，物理學是研究事物運動方面的數量關系，幾何學是研究事物點、線、面、體之間的數量關系等。他們將事物的本質歸結為數的規律，認為事物的本質就是數。按照亞里士多德“四因說”來看，畢達哥拉斯的“數”既是構成事物的形式因，又是構成事物的質料因。質料因指的是構成事物的原始質料，就好比建造房屋用的磚木石瓦，形式因即構成事物的樣式和原型，就好比造房屋的圖紙或建筑師頭腦里的房屋原型。這樣的思想家（畢達哥拉斯主義學派）認為數既是事物的質料、同時又是形成事物的變化和它們的不變狀態的形式” 〔3 〕21-22。因此，數對于事物來說，既是質料因又是形式因。

畢達哥拉斯的哲學思想還表現在數的和諧論。他認為萬物包括宇宙在內都由數構成，并且萬物可以還原為數;他還認為宇宙是和諧的，并把和諧的宇宙稱為“科斯摩斯”。科斯摩斯原意就是“秩序”的意思，認為世界存在內在秩序與內在規律，人類可以通過數量之間的關系找到世界的既定秩序。

畢達哥拉斯的“萬物皆數，數之和諧”思想既具有本體論含義，也具有方法論意味。他的哲學思想影響了古希臘科學的發展，亞里士多德的邏輯學體系、歐幾里德的幾何學體系、托勒密的天文學體系、蓋倫的醫學體系這四大古希臘的科學成就皆受畢達哥拉斯主義哲學思想的影響。不但如此，畢達哥拉斯的哲學思想還影響了西方整個自然科學的發展。達芬奇、哥白尼、開普勒、伽利略、牛頓等人都自稱是“畢達哥拉斯主義者”。達芬奇認為天體是一架服從確定自然法則的機器，自然界有確定的規律;15-16世紀帶有畢達哥拉斯主義成分的新柏拉圖主義者把自然事物的行為解釋成數學結構;哥白尼日心說體系的理論基礎也是依據畢達哥拉斯主義哲學理論來構造行星運動簡單、和諧的天體幾何學模型;開普勒認為自己是畢達哥拉斯主義者，他的目標就是追求造物主心中數的和諧;伽利略也是畢達哥拉斯主義的追隨者，他認為“自然之書是用數學語言書寫的”，自然的真理存在于數學事實中。畢達哥拉斯的數論思想還影響了萊布尼茲。萊布尼茨有一個夢想，就是給出一套理想符號系統或語言和確定的語言變換或演算規則，把日常問題轉變成理想語言，利用演算規則清楚地求解問題的答案。在此基礎上，萊布尼茲提出“通用機”的天才設想。萊布尼茨嘗試發明人工智能通用機，他設計出一種二進制計算法，用二進制數代替原來的十進制數，二進制數即“1”和“0”。萊布尼茲雖然制作出了簡單機器，但其只能進行簡單的算術計算，還不是萊布尼茲設想的能夠進行復雜數據處理的通用機。盡管如此，萊布尼茲思想還是影響了整個計算機系統的發展。

圖靈與馮·諾依曼的人工智能機器也受畢達哥拉斯主義數論的影響，他們運用數的和諧以及數量關系的計算嘗試讓“萊布尼茲之夢”在現實生活中得以實現。圖靈通過基本的數學運算將數學運算符號化為運算符，并用一個無限長紙帶來表述計算過程，制造出了圖靈機，這就是萊布尼茨所說的“通用機”。圖靈認為人腦類似通用機，圖靈提出一臺計算機在多大程度上可以模仿人的活動，進而提出“機器能否思維”這個哲學問題。圖靈堅持通過特定算法程序，把可計算的數量關系都轉化為由一臺圖靈機來計算。馮·諾依曼指導發明第一臺基于運算器與存儲器的計算機，他為圖靈通用機設計出一個物理模型——EDVAC，EDVAC可以執行加、減、乘、除等數學操作。與圖靈一樣，馮·諾依曼把人腦與機器類比，機器通過存儲器儲存數據，通過數學規則設計出把思維當成數據的程序，通過簡單、和諧的數字制造出能進行復雜數字處理的機器。

不管是圖靈的通用機還是馮·諾依曼的EDVAC都是為了解決“萊布尼茲之夢”，其哲學思想均根源于畢達哥拉斯的“數論”哲學思想。除了圖靈與萊布尼茨，紐維爾與西蒙等符號主義人工智能先驅也認為，不管是人類智能還是機器智能都是根據確定的或者規范的規則來進行符號操作的。不但如此，基于認知模擬的強人工智能也把心理狀態作為計算狀態，所謂認知就是計算，這是對基于數論的計算主義教條的信仰，人類智能類似于信息處理系統。聯結主義人工智能不同于符號主義人工智能，它否認智能行為來自于在形式規則下對符號進行操作的觀點，“符號主義人工智能中的信息處理包括明確的應用和形式規則，但是聯結主義人工智能沒有這樣的規則” 〔4 〕1366-1367。與符號主義人工智能不同，聯結主義人工智能的工作原理是尋找神經網絡及其間的聯結機制及學習算法。雖然聯結主義與符號主義人工智能有區別，但聯結主義人工智能與符號主義人工智能的共同假設都是把認知看作信息處理，且信息處理都具有可計算性。可見，畢達哥拉斯的“萬物皆數，數之和諧”思想為符號主義人工智能與聯結主義人工智能的發展奠定了基礎。

二、演繹邏輯與分析哲學成為搭建人與機器聯系的橋梁

除了畢達哥拉斯的數論思想，古希臘亞里士多德的演繹邏輯系統也是人工智能的哲學思想源泉。人工智能符號主義學派也稱為邏輯主義學派，可見邏輯思想在人工智能發展中的重要地位與作用。即使是深受胡塞爾后期的現象學、海德格爾的存在現象學和梅洛-龐蒂的知覺現象學影響的人工智能專家德雷福斯，也肯定演繹邏輯以及形式系統在人工智能發展中的作用。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。人工智能的主要設想是可以運用計算機的邏輯運算來模擬人類思考的過程。圖靈嘗試依靠邏輯發明通用機，“我希望數字計算機能夠最終激起人們對符號邏輯的極大興趣……人與這些機器進行交流的語言……構成一種符號邏輯” 〔5 〕288。馬丁·戴維斯直接把符號主義學派的源頭追溯到亞里士多德，“把邏輯推理簡化為形式的努力可以追溯到亞里士多德” 〔6 〕200。亞里士多德是邏輯學的創始人，他認為邏輯學是獲得真正知識的重要工具，邏輯學是哲學的基礎。亞里士多德注重演繹推理，特別重視三段論推理，他認為三段論推理是一切思維運動的基本形式。三段論是一種典型的演繹推理模式，它由普遍性公理和推理規則經過嚴密的邏輯論證得出必然性結論。圖靈的通用機以及符號主義人工智能的根本基礎，都可以歸結為邏輯或者演繹推理。

集邏輯分析方法與語言分析方法于一體的分析哲學也是人工智能的思想源泉，分析哲學把邏輯學看作一切學科的基礎，數學的基礎也是邏輯學，數學也要用邏輯符號來表示。分析哲學產生于20世紀初，代表人物是石里克與卡爾納普等人，其理論來源于英國的經驗論者休謨、法國的實證主義者孔德、英國的邏輯主義者密爾和哲學家與心理學家馬赫等人的觀點。弗雷格的《算術基礎》、羅素與懷特海合著的《數學原理》、石里克的《普通認識論》以及維特根斯坦的《邏輯哲學論》是分析哲學的代表著作。分析哲學的基本觀點是：哲學的任務是對知識進行分析，強調通過對語言的邏輯分析來消除形而上學問題，認為一切綜合命題都以經驗為基礎等。分析哲學家認為一切科學研究必須從經驗出發，哲學的主要任務是運用現代數理邏輯和語言分析把復雜的概念分析為簡單的概念，分析哲學家想通過對語言的邏輯分析澄清語句、語詞的意義，通過語義上升，拋棄含混、模糊、有歧義的自然語言，把自然語言的語句轉換成邏輯命題，通過分析邏輯命題的意義清除偽哲學問題，達到拒斥形而上學的目的。分析哲學注重邏輯分析與語言分析，強調語言分析的重要性，分析哲學把科學的任務界定為發現真理，而邏輯的任務在于識別真理的規律。羅素立足于把哲學建成嚴密的科學，哲學像科學一樣可以獲得真理性的知識。在羅素看來，哲學和科學只有程度之分，沒有本質區別。哲學問題都是邏輯問題，邏輯問題就是科學問題。對科學問題進行分析還原之后，如果這個問題是邏輯問題，則它是哲學問題，否則就不是哲學問題。因此，邏輯是哲學的基礎。通過邏輯分析進行還原涉及語言，那么，所有哲學問題命題都是語言表達式，語言結構是邏輯結構，是科學命題的真正的邏輯形式。

羅素的邏輯原子論從本體論角度堅持奧卡姆剃刀的最小化原則，從語言角度上堅持思維經濟原則，語言表述堅持最小詞匯量原則。“如無必要，勿增實體”。羅素從邏輯學角度堅持邏輯前提或者公理最小化原則，“寧可構造，勿要推論”。根據公理與推理規則建構的邏輯學公理系統影響了圖靈、馮·諾依曼及其以后的人工智能專家。馮·諾依曼致力于為新機器設計邏輯方案，戈德斯坦把馮·諾依曼看成將邏輯應用于計算機的第一人，“據我所知，馮·諾依曼是一個清楚地懂得計算機本質上執行的是邏輯功能的人” 〔7 〕69。馮·諾依曼在EDVAC的報告中也提到，不但從數學的觀點，而且從工程史和邏輯學家的觀點來探討大規模計算的機器。在人工智能哲學先驅德雷福斯看來，自從古希臘人發明了邏輯與幾何，就把一切推理歸結為計算。人工智能中符號主義的基礎是邏輯學，是哲學中的理性主義、還原論傳統。他們把計算機看成操作思想符號的系統，試圖用計算機來表達對世界的形式表述。心靈與計算機都是物理符號系統。在德雷福斯看來，“伽利略發現人們可以忽略的品質和技術上的考慮，從而能找到一種用來描寫物質運動的純形式化系統，同樣我們可以設想，一位研究人類行為的伽利略可能會把所有語義上的考慮（對意義的依賴），變成為句法（形式化）操作技巧” 〔8 〕76。人工智能的代表人物數理邏輯學家皮茨與生理學家麥卡洛克撰寫了《神經活動中內在觀念的邏輯運算》，他們的思想受到羅素與懷特海《數學原理》的啟發，堅持把一切數學還原為邏輯，甚至神經網絡也可以用邏輯來表達。德雷福斯認為人工智能的發展建立在四種假設之上，即生物學假設、心理學假設、本體論假設以及認識論假設。其中認識論假設指的是一切知識都可被形式化，可以被編碼成數字形式;本體論假設指的是存在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。紐維爾認為：“人工智能科學家把計算機看成操作符號的機器，他們認為，重要的是每一樣東西都可以經編碼成為符號，數字也不例外。” 〔9 〕196

在符號主義者看來，符號是人類認識外部世界的基本單元。人工智能的邏輯學派將人的認識對象通過數學邏輯的方式抽象為符號，利用計算機的程序符號來模擬人認知世界的過程。符號主義學派主要依靠計算機的邏輯符號來模擬人的認知過程。人工智能的重量級人物紐維爾與西蒙構造了第一個真正意義的人工智能程序，稱之為“邏輯專家”，可見人工智能專家受邏輯學思想影響之深，“任何表現出一般智能的系統，都可以證明是一個物理符號系統”? 〔10? 〕41。西蒙與紐維爾認為，作為一般的智能行為，物理符號系統具有的計算手段既是必要的也是充分的。紐維爾與西蒙把其理論來源追溯到分析哲學家弗雷格、羅素與懷特海，“該假設的起源要追溯到弗雷格、懷特海與羅素就形式化邏輯提出的方案：以邏輯方式獲取基本的概念式數學觀念，把證明和演繹觀念置于可靠的根基上” 〔11 〕。德雷福斯認為，真正的專家解決問題是訴諸直覺與整體性，在此基礎上對人工智能的認識論假設與本體論假設進行批判，但他同意專家系統必須使用某種類型的概論度量的邏輯標準，“認知模擬的先驅者們——已經繼承了霍布斯推理就是計算的主張，笛卡爾的心理表述、萊布尼茲的‘普遍文字的思想——所有知識都可以在一組初始概念中得到表示” 〔11 〕。正如德雷福斯所言，“人工智能就是試圖找到主體（人或計算機）中的哲學本原元素和邏輯關系” 〔12 〕。可見，人工智能與邏輯學特別是分析哲學緊密相關，邏輯學與分析哲學是人工智能的一個重要思想來源。

三、簡單性哲學原則為人工智能提供方法論基礎

簡單性原則作為一種方法論原則，指的是科學理論前提的簡單性、科學定律的簡單性、思維經濟性以及邏輯簡單性原則。簡單性原則在科學中占有重要地位。歐幾里得幾何學只有五個公設和幾個推理規則就建構其整個立體幾何學體系。這就是簡單性應用的典范。簡單性哲學原則認為，某一給定實體是由更為簡單或更為基礎的實體所構成的集合或組合。愛因斯坦指出：“從古希臘哲學到現代物理學的整個科學史中，不斷有人力圖把表面極為復雜的自然現象歸結為幾個簡單的基本觀念和關系。” 〔13 〕39

古希臘先哲用簡單的物質元素探索世界的本原。例如，泰勒斯把世界的本原歸結為水，赫拉克利特把世界的本原歸結為火，德謨克利特把世界的本原歸結為原子，認為世界由不可分的原子構成。他認為，萬事萬物都可以還原為不可分最小微粒——原子，世界是由原子構成的。復雜的事物由簡單的事物構成，萬事萬物都由不可分的基本粒子構成。世界由最基本的粒子構成，復雜對象由基本粒子構成，基本粒子決定了宇宙的性質。

簡單性哲學原則不但用簡單元素追溯世界的本原，還致力于用力學解釋自然現象。不管是物理規律、化學規律、生物規律，甚至是社會規律都可以用力學解釋。哥白尼的日心說體系之所以取得科學界的支持也不是因為其解釋力強，而是因為其遵循了簡單性原則，從而取代了托勒密繁瑣的本輪-均輪模型。牛頓的力學三定律就立足于簡單性原則，用力來解釋所有運動。按照簡單性哲學原則，人與動物都是由簡單的粒子構成，人與動物沒有根本區別，人與機器也沒有本質區別，甚至可以說“人就是機器”。1747年，拉·梅特里發表了《人是機器》這一哲學巨著，提出“人是動物，因而也是機器，不過是更復雜的機器罷了” 〔14 〕69。笛卡爾把人體看作是與機械相類似，用機械的旋渦來解釋天體運動問題，他認為宇宙是一架機器，機械運動是唯一的運動規律。牛頓、開普勒、伽利略等都力圖建立嚴密的力學體系來正確描述宏觀物理運動，甚至是天體運動。愛因斯坦試圖用公理化方法把自然界描繪成物質在時空中運動的統一體，德國物理學家海森堡也認為簡單性原則可以作為科學假說可接受性的標準。

不僅自然界的規律可以用力學表示，而且社會關系也可以用力學表示。孔德提出社會動力學和社會靜力學概念，社會動力學又稱為社會物理學，立足于運用力學規律分析社會關系。1950年，斯賓塞出版《社會靜力學》，把事物的基本規律看作“力的恒久性規律”（the law of persistence of force）。“人是機器”的觀點啟發人工智能先驅開始了構造具有人類智能機器的探索。

簡單性哲學原則在人工智能發展中發揮了重要作用，影響了人工智能的出現與發展。人工智能是使用數字計算機模擬智能行為的活動。在紐維爾與西蒙看來，人工智能系統中把數據看作“1”與“0”的數字串，其他復雜的數量關系可以由“1”和“0”兩個數字來構建，這是計算向物理過程的還原。人工智能需要把任何種類的智能活動變成一套指令。在人工智能的計算主義看來，一切推理都可以歸結為計算，人工智能機器可以復制人類智能行為。人類的認知與計算機器是一樣的。一切人類實踐與技能在頭腦中都表現為一個信念系統，由與上下文環境無關的初始行為與事實所構成。人與計算機都是物理系統或者可以簡單歸結為物理系統，這種思想深受簡單性原則影響。不但如此，人工智能中的問題求解也是由難問題還原為簡單問題來討論。明斯基（Marvin Lee Minsky）認為：“解決困難問題的能力，隨著把難題分成或者轉換成難度較低問題的能力而改變，為了做到這點，需要對局勢的理解，但不是全靠運氣。人們必須能夠對問題的表達作充分的推理或猜測，才能為問題的局勢建立更簡單的模型。這些模型具有的結構，應足以使人覺得可以把從模型得到的解，擴展到原有的問題上。” 〔15 〕421在人工智能先驅紐維爾與西蒙看來，人工智能與人腦都是同樣的信息處理工具，具有功能相似性，“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，而且能為計算機編程程序來進行一些基本的信息處理，使它們的功能與大腦十分相似” 〔16 〕。既然人腦可以還原為物理屬性，那么，人工智能同樣可以還原成簡單的形式化規律。智能行為原則上可以理解為確定的獨立元素的本體論假設。不但如此，人工智能的四個假設都建立在簡單性原則之上，“心理學假設、認識論假設與本體論假設的共同之處是：它們都認為，人一定是一種按照規則對原子事實形式的數據作計算的裝置” 〔17 〕9。智能行為可以還原為計算。哲學傳統一直認為，凡是有序的東西都可以形式化為規則。明斯基認為所有的規律都受規則支配。“每當（在我們的行動中）觀察到一種定律時，便轉交給確定性規則來表達” 〔18 〕431。按照明斯基、紐維爾與西蒙等人工智能專家的觀點，人與機器都是對原子事實形式化數據的裝置，都可以還原為數量關系與物理學關系。

〔4〕安東尼·梅耶斯.愛思唯爾科學哲學手冊〔M〕.張培富，等譯.北京：北京師范大學出版社，2015.

〔5〕Krause P J.Collected works of A. M. Turing〔M〕.North Holland，Amsterdam：Macmillan magazines Ltd，1992.

〔6〕Davis，Martin.Engines of logic：mathematicians and the origin of the computer〔M〕.New York：W. W. Norton & Co. Inc，2001.

〔7〕Goldstine H H.The Computer from Pascal to von Neumann〔M〕.Princeton：Princeton University Press，1980.

〔8〕休伯特·德雷福斯.計算機不能做什么？——人工智能的極限〔M〕.寧春巖，譯.北京：生活·讀書·新知三聯書店，1986.

〔9〕Newell A.Intellectual issues in the history of artificial intelligence〔M〕.New York：John Wiley & Sons，1983.

〔10〕Newell A，Simon H A.Computer science as empirical inquiry：symbols and search. In：Haugeland J〔M〕.Mind design，ed. Cambridge：MIT Press，1981.

〔11〕Dreyfus H L，Dreyfus S E.Making a Mind versus Modeling the Brain：Artificial Intelligence Back at a Branch-Point〔J〕.Daedalus，1988（01）：15-43.

〔12〕Dreyfus H L.WhyHeideggerian AI failed and how fixing it would require making it more Heideggerian〔J〕.Philosophical Psychology，2007（02）：247-268.

〔13〕愛因斯坦.物理學的進化〔M〕.周肇威，譯.上海：上海科學技術出版社，1982.

〔14〕拉·梅特里.人是機器〔M〕.顧壽濤，譯.北京：商務印書館，1981.

〔15〕Marvin Minsky.Descriptive Languages and Problem Solving，Proceedings of the 1961 Western Joint Computer Conference;reprinted in Semantic Information Processing〔M〕.Minsky，ed. Cambridge：MIT Press，1969.

〔16〕Newell A，Simon H A.Computer simulation of human thinking〔J〕.Science，1961（3495）：2011-2017.

〔17〕Dreyfus H L.What Computers Still Cant Do：A Critique of Artificial Reason〔M〕.Cambridge：MIT Press，1992.

〔18〕Marvin Minsky.Matter，Mind and Models.Semantic Information Processing〔M〕.Cambridge：MIT Press，1968.

責任編輯 蘇玉娟