預測加工：群體智能研究的新范式*

何 靜

群體智能（collective/swarm intelligence）指的是從多個個體的合作和競爭中涌現出來的超越個體智能水平的智能或決策方式。在最新發布的《新一代人工智能發展規劃》（2017）中，國務院將“群體智能”作為我國新一代人工智能發展的核心研究領域以及整個信息社會發展的核心驅動力。在智能革命的背景下，如何理解群體所具有的主體性和行動力，成為有待解決的重大理論問題。

對哲學前沿問題的探索有賴于新的研究視角與研究進路的引入。作為新興的研究進路，預測加工（predictive processing）理論不但將大腦與知覺的關系導向了哥白尼式的革命，而且是一個能夠將知覺、行動和環境、自我和他人統一起來的融貫理論。①Clark A., Surfing Uncertainty, Oxford: Oxford University Press, 2016.本文將論證，群體智能無法在認識論上被還原為個體認知的智力成果，它在根本上依賴于個體間的社會性預測、規范性調整以及系統層面的制度化整合。以“層級預測”（hierarchical prediction）和“積極推理”（active inference）為理論內核的預測加工理論，不但與胡塞爾關于知覺流的現象學描述形成呼應，而且能夠為群體智能提供一種全新的自然化解釋路徑。

一、個體主義與整體主義之爭

群體智能是人類合作的基本形態。沃森和克拉克共同發現了DNA 雙螺旋結構，解開了人類遺傳學之謎；股東大會作出了減少注冊資本的決議；法院判決駁回原告的訴訟請求；在第十一屆世界杯中，阿根廷隊擊敗了荷蘭隊奪冠等；這些都是群體智能的事例。群體智能不僅是哲學研究的前沿主題，同時也是社會學、動物學和人工智能領域的核心關切。

20 世紀初，美國著名的昆蟲學家惠勒（W. Wheeler）首次提出了“群體智能”的概念。在對蟻群協作進行探究的過程中，惠勒注意到當大量“愚鈍”的螞蟻成群聚集在一起的時候，就好像一個“超級有機體”，可以完成單個螞蟻所無法完成的洞穴建造、搬家等群體行動。社會學家涂爾干（E.Durkheim）從社會實在論角度，闡發了作為個體共有信仰和情感總和的“群體意識”概念。涂爾干強調，群體意識依賴個體意識而存在，但又不同于個體意識；群體意識彌漫于整個社會空間，在時空上超越了個體意識，具有自身的特性和發展模式。①涂爾干：《宗教生活的基本形式》，渠東、汲喆譯，北京：商務印書館2011 年。

關于群體智能的哲學考察，盡管最早可以追溯到古希臘時期柏拉圖在《理想國》中關于群體決策在法律體系中作用的探索，以及亞里士多德對于“共同生存”概念的討論，然而在以個體理智主義為主導的西方哲學傳統中，群體智能始終未能得到哲學家們應有的關注。

近幾十年來，這種情形正在發生改變。學術界關于群體智能研究的活躍度不斷上升，涌現出了一批重要的研究成果。不同學者提出了不同的概念來探索群體智能的形成機制，例如，塞爾（J. Searle）的“群體意向性”（collective intentionality）、布萊特曼（M. Bratman）的“共享意圖”（shared intention）、巴茲利（N. Bardsley）的“群體心智”（collective mind）、吉爾伯特（M. Gilbert）的“聯合承諾”（joint commitment）和圖梅勒（R. Tuomela）的“我們－模式”（we-mode）等。

這些研究盡管呈現出多元化的視角和理論基礎，但都聚焦于“作為參與者的個體，如何在群體中思考和行動”的問題展開。寬泛地說，當前的研究呈現出兩種主導性的研究范式：以布萊特曼為代表的個體主義范式與以吉爾伯特為代表的整體主義范式。

個體主義主張：個體是群體和社會最基本的存在。除了個體的意圖，不存在群體的意圖；除了個體的行動，不存在群體的行動；除了個體的責任，也不存在群體的責任。因此，群體智能從本質上說只能屬于參與個體；群體行動是由參與個體按照共享意圖行動而構成的事件狀態。

當多個個體意圖一起做X 的時候，就會形成一種“我意圖我們一起做X”的共享意圖。參與個體擁有這樣一種共享意圖，當且僅當：

（1） 我意圖我們一起做X，你意圖我們一起做X;

（2） 我和你意圖做X，且我和你之間有著可互相協調的行動計劃；

（3） （1）（2）是群體中的公共知識。②Bratman M., “Shared Intention”, Ethics, 1993, Vol.104, No.1, pp.107-108.

由此，布萊特曼將共享意圖作為群體智能和行動的基礎。盡管共享意圖涉及其他個體的意圖，但仍然是參與個體所擁有的心智狀態，并且個體相信群體中的其他個體也相應地擁有這種意圖。在此意義上，群體智能只能是多個個體智能的集合，但個體的意圖和行動無法覆蓋其他個體的意圖和行動。

整體主義明確反對個體主義的哲學立場，強調群體所擁有的智能和行動力應當具有獨立的本體論地位，不能被還原為個體智力成果的累加。吉爾伯特提出，當多個個體按照共享意圖展開行動，并以特定的方式互相聯結的時候，就形成了一個多元主體。這個多元主體和個體行動者一樣具備各種心智狀態和行動力，且不能被還原為個體的心智狀態和行動。多個個體構成了一個主體，當且僅當：

個體參與者A1、A2…… An 之間形成了聯合承諾，并且他們像一個主體（as a body）那樣完成X。③Gilbert M., “Concerning Sociality: the Plural Subject Paradigm”, Green J., eds., The Mark of the Social, Rowman & Littlefield,1996, p.268.

進一步地，吉爾伯特認為，這種參與個體間所達成的聯合承諾，令每一個個體具有做好分內之事的義務以及督促其他個體遵守承諾的權利。群體中的個體彼此協調、配合，就好像一個身體中的不同器官如大腦、心臟、肝臟、手和腿等各司其職并構成“一個主體”。

我們看到，個體主義否認群體的實在性，將群體智能還原到個體的心智狀態和行動；而整體主義則強調群體所擁有的智能和行動力應當具有獨立的本體論地位，不能被還原為個體智能成果的累加。事實上，這兩種研究范式都是有缺陷的。

個體主義的進路容易導致唯我論并弱化個體間的協調與合作過程，無法說明為什么群體的目標和規范能夠極大地影響個體的行動和意圖。整體主義的進路往往將群體的目標和信念與個體行動者的選擇混淆起來，無法說明離開了個體的意圖和行動力，群體智能還剩下什么。更重要的是，無論是個體主義還是整體主義的研究范式，都主要集中在社會認識論的層面，缺乏與認知科學前沿研究的互惠約束，未能為群體智能提供一種有效力的自然化說明。

上述研究的困境導致群體智能淪為哲學研究中的“神秘之物”。在接下來的討論中，本文將表明：群體智能無法在認識論上被還原為個體認知的智力成果，個體間的社會性預測構成了群體智能的基石。一方面借鑒胡塞爾關于知覺流的現象學考察，另一方面引入預測加工的神經科學模型，本文將從自下而上（bottom-up）和自上而下（top-down）兩個解釋層次提供一種全新的自然化解釋路徑，進而為一種非還原的個體主義研究范式進行辯護。

二、作為“奇跡”的知覺流

若要轉換研究的思路，我們就不得不拋開個體主義與整體主義兩大研究范式之爭，而回到群體智能現象本身上來。本文以爵士樂隊的即興表演為例。

即興表演的特點是，在開始演奏前，樂手們并不事先約定樂曲的主題、調號、和弦的長度和序列。甚至在演奏的過程中，樂手們也不知道樂隊將最終給觀眾呈現一首怎樣的樂曲。演奏一開始，樂隊中的一名樂手通常會給出一個信號，比如在一個高音或長音后，其他樂手自由地在旋律部分切入，共同創作一支完整而和諧的樂曲。在此過程中，任何一個樂手都無法像控制自身節奏那樣來控制整個樂隊的節奏。但是，作為樂隊的組成部分，每一個樂手都必須承擔相應的義務——在演奏的同時傾聽和感受他人的演奏，將他人的節奏和旋律帶回自身并與之形成呼應。如此循環往復，直至曲終……

我們看到，盡管沒有哪一個樂手承擔著指揮者的角色，但在這個群體中，好像有一只非勻質的、看不見的手，引領著整個樂隊的演奏。在演奏過程中，每一個個體樂手通過對其他樂手演奏的感知建立起信息交流的通道，并由此決定自身下一步的行動。這意味著，樂隊的演奏并非個體樂手的簡單聚合，每一個樂手的演奏體驗都會因其他樂手的參與而變得不同。基于個體樂手間的實時動態交互，整個樂隊達到了某種整體的連續性與一致性。在此意義上，可以說整首樂曲是在不同樂手間的共同參與、相互調節的過程中涌現出來。

因此，整個樂隊的演奏無法被還原為單個樂手的演奏，從根本上說這是多個樂手共同參與、相互調節的結果。沿著這一思路，我們不禁要追問：這種“共同參與、相互調節”到底如何可能？在這個方面，胡塞爾關于知覺流的現象學考察將令我們受益匪淺。

胡塞爾認為，當一個聲音響起時，它會在我們的知覺中持續流淌，就好像流星劃過星空后留下的一條長線，久久不消逝。這個聲音的出現就是這條線的開端，當我們的知覺把握住它的時候，它就成為“原印象”（primal impression） ——即，我們此時此地、在當下存在著的知覺內容E0。①Husserl E., The Phenomenology of Internal Time-Consciousness, trans, Churchill J., The Hague: Martinus Nijhoff, 1966, pp.105-107.E0 在知覺中呈現后并不會立刻消失，而是被“滯留”（retention）在知覺流中，作為E0’、E0’…… E0n在知覺流中不斷地后退、減弱，并與E0 一起在知覺中呈現為對象E（比如一個聲音）。因此，所有的知覺對象都是原印象及其滯留的連續統一。

如果當一個原印象E0 出現并進入滯留后，新的原印象E1（比如另一個聲音）出現了。E1 也具有同樣的意識結構，它在出現后，立即進入滯留狀態，接著其他原印象E2、E3、E4、E5 相繼出現……此時，滯留 E0’、E0’以及 E1’、E1’，E2’、E2’，E3’、E3’并不是以實在的方式呈現在知覺內容中，但“它以體現性的方式參與對現在對象的構造”，②方向紅：《時間與存在》，北京：商務印書館2014 年，第41 頁。從而構成一個連續的對象（如一段旋律）。

胡塞爾進一步指出，當E0 作為當下的知覺內容出現的時候，它的前后會同時發生兩個事件。一方面，E0 進入滯留成為E0’；另一方面，E0 正預測著E1 以及E2、E3 的到來。胡塞爾將這種預測叫作“前攝”（protention）。前攝就好像是滯留的顛倒，前者將未來的可能事件納入當下，而后者則是將過去的事件扣留至當下；前者不斷向現實靠近，而后者逐漸從現實中消逝。

胡塞爾主張我們所有的知覺內容都具有原印象—滯留—前攝的三重結構。正是這動態延綿、循環往復的三重結構生成了我們當下的知覺體驗并賦予對象以意義。在原印象階段，正在出現的知覺對象得到了簡單和直接把握；在滯留階段，知覺對象已經消退但仍然以非具體的方式被扣留在當下；在前攝階段，未來的知覺對象以相似物的方式向當下敞開。在此意義上，原印象是絕對的現在，滯留雖不在場但并不缺席，前攝雖未發生但又屬于現在。同時在此過程中，原印象已經被滯留塑造并同時受到前攝的限定。胡塞爾由此感嘆：這就是我們“奇跡般”（wundersame）的知覺結構！

我們看到，原印象—滯留—前攝中蘊含著的并非是一個簡單的時間模態，而是一個相互建構的生成知覺結構。它賦予了我們與外部世界進行生成互動的可能性。在爵士樂隊即興表演的情形中，當樂手聽到其他樂手彈奏的音符Do 的同時，另一個音符Re 也流進來。不過先前的音符Do 并沒有消逝，而是作為Do’被滯留在知覺中。同樣，當第三個音符Mi 流入時，Re 進入Re’，Do’也隱退到Do’的位置。

在所有這些依次發生的同時，樂手依據對音符Do 和Do’對Re 和Mi 以及后續音符的到來進行預測，這些音符因為在預測中即將成為現實而進入當下的知覺內容。也就是說，樂手在知覺到一系列音符的剎那，同時也在預測著下一系列的音符。不過，更重要的是，樂手進一步依據這些預測來決定自己下一個彈奏的音符，與已知覺到的Do、Re、Mi 配合形成旋律。

這意味著，在爵士樂隊的即興演奏中，預測的視域構成了個體樂手進行回應性演奏的主要依據。由此我們可以想到兩種可能的情形：一種是新輸入的原印象確認了之前的預測；另一種是新輸入的原印象否定了之前的預測。在這兩種不同的情形中，作為“奇跡”的知覺流如何進一步指導個體間的交互行動？對于這個問題，胡塞爾沒有回答。近年來興起的預測加工理論，不但與胡塞爾關于知覺流的現象學描述形成呼應，解答了胡塞爾遺留下來的問題，而且能夠進一步為群體智能提供一種自然化的解釋路徑。

三、預測加工模型中的社會性預測

胡塞爾關于“原印象—滯留—前攝”知覺三重結構的論述，為以“預測”/“前攝”為基本走向的知覺流提供了豐滿的現象學描述：對未來發生的事件的知覺受到過去發生以及當下正在發生事件的規定。在此圖景下，群體智能的神秘性似乎消失了。正如我們在爵士樂隊即興演奏的例子中所見，群體智能既無法在本體論上被看作某一個融合智能體（one fusion agent）的智力成果，也無法在認識論上被還原為多個個體智力的累加，而在根本上依賴于參與個體間直接、實時的預測性交互。

然而，如果不能為這種預測性的交互過程提供一種有效力的自然化說明，就無法從根本上解決群體智能的研究困境。接下來，本文將通過引入預測加工的神經科學視角，來闡釋預測性交互的發生學機制，并據此為群體智能提供一種清晰的自然化哲學理解。

預測加工理論是為了解決知覺問題而提出的——即，依靠感官的輸入，大腦如何建構關于外部世界的知覺。盡管預測加工的理論雛形可以追溯到19 世紀物理學家亥姆霍茲（H. Helmholtz）提出的“無意識推理”思想，但其理論內核的形成則受益于統計學中的貝葉斯推理（Bayesian inference）以及神經科學和腦科學的最新研究成果。近十年來，該理論正在試圖發展成為解釋知覺、行動、注意力的大一統認知研究范式，其代表人物包括：神經科學家弗利斯頓（K. Friston）、弗里斯（C.Frith）以及哲學家克拉克（A. Clark）、侯宜（J. Hohwy）等。

預測加工的基本觀點為：大腦就好像一臺預測機，持續地將“自上而下”的先驗預測結果與“自下而上”的實際知覺輸入進行匹配，推斷出當下知覺的原因并據此采取行動，以降低先驗預測結果與實際狀態之間的誤差。值得注意的是，這種主張的核心并不在于大腦對知覺信息的直接接收，而在于大腦對知覺來源的主動預測和神經建構。

這種大腦對知覺的神經建構包含了“自上而下”與“自下而上”兩種不同的預測加工形式。“自上而下”的預測指的是，大腦利用已有的知覺結構，形成一個獨立于認知經驗內容的先驗預測；“自下而上”的預測指的是，大腦基于當下的知覺輸入而進行的預測。這兩種預測加工方式同時發生作用，并由此形成了一個復雜的“層級預測”模型。①Friston K., Frith C., “Active Inference, Communication and Hermeneutics”, Cortex, 2015, Vol.68, pp.129-143.一旦輸入的感官證據與大腦自上而下的先驗預測結果不一致時，預測誤差就產生了。這時較低層級的神經環路就會自下而上地將誤差提示傳入較高層級的神經環路，以修正和更新原來的預測結果并最終形成最佳的預測結果。從這個意義上說，知覺內容并非取決于外部世界的感官刺激，而是大腦通過不同層級的神經環路間彼此刺激而生成的關于外部世界預測的結果。正如弗里斯所說：“我的知覺不是世界本身，而是我大腦中的世界模型。”②Frith C., Making Up the Mind: How the Brain Creates Our Mental Worlds, Oxford: Blackwell, 2007, p.132.

在此基礎上，克拉克進一步強調，大腦積極生成層級預測的同時，還通過“積極推理”（如引發身體的行動）獲取最新的知覺信息，以協助大腦對引起知覺的遠端起因進行調控和解釋。③Clark A., “Whatever Next: Predictive Brains, Situated Agents, and the Future of Cognitive Science”, Behavioral and Brain Science,2013,Vol.36, Iss.3, pp.181-204.由此，知覺作為調節預測結果的參數，以及行動作為改變預測對象的手段，在預測加工的解釋框架中獲得了統一。

假如我面前有一個花瓶，我知覺到了它的高度和瓶口寬度等，盡管我并沒有意識到，但事實上，在我還沒有將手中的玫瑰插入花瓶之前，大腦就已經對手臂和手的最佳運動軌跡進行了預測。當我拿著玫瑰將手臂伸向花瓶并試圖把枝干插入瓶口的時候，這些預測就會得到檢驗……通過不斷調整手臂的位置和方向，我在不斷優化已有的關于運動軌跡以及花瓶的預測結果的同時，也積極地改變了外部世界。

不難發現，這種持續進行的自上而下與自下而上的層級預測，不僅與胡塞爾關于朝向過去的滯留與面向未來的前攝之間動力循環的相關論述形成了呼應，而且解釋了大腦如何通過多層級神經環路的建構的預測結果（前攝），將個體的注意力導向當下感官輸入（原印象）并誘發相應的身體行動，以達到個體與外部世界耦合（coupling）的過程。這種耦合不僅包含了大腦、身體與外部對象之間的耦合，更包含了大腦、身體與他人之間的耦合。可見，關于他人行動和意圖的預測誤差，使得個體自發地衍生出社會性的交互行動。④Roepstorff A., “Interactively Human: Sharing Time, Constructing Materiality”, Behavioral and Brain Science, 2013, Vol.3, Iss.3,pp.224-225.

而這種社會性交互行動的本質在于雙向預測。“雙向”意味著，“當我試圖理解你的同時，你也試圖理解我。這里的感官證據可以是我聽到的言語，從這些言語中我推斷出你試圖傳達的觀點。我不僅能夠通過預測你可能還會說什么別的來檢驗我的推斷，而且還可以通過自己說些什么，然后預測你會如何回應。同時，你將會把相同的策略用于我所說的。當我們之間的預測誤差變得足夠小時，就會大致達成彼此的理解”。⑤Frith C., Wentzer T. S., “Neural Hermeneutics”, in Kaldis B. eds., Encyclopedia of Philosophy and the Social Sciences, London:Sage, 2013, p.658.因此，在社會交互中，每一個參與個體既是預測者，也是被預測者。

我們看到，這種具有顯著“社會性”的預測過程并非慎思或理性推理的結果，而主要依賴于個體間知覺經驗的相互建構。那么，我們的預測如何開始呢？在弗里斯看來，它通常始于“偏見”。⑥Frith C.,《心智的建構：腦如何創造我們的精神世界》，楊南昌等譯，上海：華東師范大學出版社2012 年，第159 頁。這些偏見往往來自個體與其他個體的交往經驗、文化理解等。例如北方人豪爽、商人精于算計、疼痛時會尖叫、害羞時會臉紅等，這些偏見的準確性到底有多高并不重要，重要的是它們不但開啟了社會性預測的循環，而且在大多時候能夠幫助個體花費較小的計算成本進行預測。在實際情形中，個體能夠根據預測誤差及時調整接下來的預測結果，使大腦中關于其他個體和世界的模型變得愈來愈清晰。

因此，社會性的預測是一個自上而下與自下而上之間的預測加工循環（predictive loop）——先驗的知覺經驗對當下的感官證據進行自上而下的預測，感官證據進一步自下而上地對預測結果作出修正和調整。一方面，預測始于先驗的社會交往經驗（或者說“偏見”）；但另一方面，在社會交互行動中，實時的關于其他個體的感官證據（其他個體的言語、表情、身體行動等）具有優先性，可以及時地對原有的預測結果進行修正。這意味著，社會性預測同時也是一個個體與其他個體之間的解釋學循環（hermeneutic loop） ——個體間的交互行動通過其參與個體的行動獲得理解，但同時這種理解又在根本上依賴于離開其他個體以及整個群體的行動。

正如我們在爵士樂隊即興演奏的例子中所看到的，樂手們演奏的樂曲并不是事先規定好的，而是從參與個體間的交互過程中涌現出來的。這個涌現過程的實質在于個體樂手與其他個體之間實時的、持續的預測性交互。每一個參與樂手通過傾聽和感受其他樂手的音調和節奏，預測他們接下來的音調和節奏，并進一步依據這些預測來引導自己接下來的行動，從而實現整個樂隊演奏的連續性與一致性。

結 語

在社會生活中，群體是重要的行動主體和社會責任的承擔者。近年來，群體所表現出來的超越個體維度的智能類型，受到了動物學家、社會學家和哲學家的高度關注。然而，已有的群體智能研究要么專注于經驗研究而無法擺脫還原論的陷阱，要么聚焦于哲學思辨而與經驗描述相脫節。

預測加工理論是認知神經科學的一大突破，體現了認知科學研究的最新進展。作為一種凸顯個體大腦神經生物動力過程的理論模型，這種全新的研究框架融貫了“自上而下”與“自下而上”兩個解釋層次，不僅與胡塞爾關于“原印象—滯留—前攝”三重結構的知覺交互現象學的描述形成了呼應，而且為我們更清晰地理解群體智能提供了一種非還原的自然化哲學解釋路徑。

群體智能并非某個超級有機體的智力成果，從本質上說，它是從個體間持續的社會性預測中涌現出來的結果。在社會性情境中，個體根據以往的社會交往經驗或對社會規則及文化的理解形成關于其他個體“接下來會做什么”的先驗預測，進而依據當下感官證據的輸入，通過調節知覺推理或采取身體行動的方式，來及時修正社會性預測的可能誤差。因此，社會性預測不僅僅涉及大腦對他人意圖和未來發生事件的概率性推理，還涉及個體為達到與外部世界和其他個體耦合而采取的具身性行動。在此意義上，預測加工的進路有機融合了個體的社會性預測、個體間的規范性調整以及群體層面的文化制度整合三個維度，為我們提供了全新的群體智能解釋框架。

同時，這種新的研究范式也能夠為未來人工群體智能的研究提供新的問題解決思路。當前的人工智能研究主要以互聯網與信息為基礎，試圖通過大量獨立智能體之間的“信息協同”形成具有社會屬性的人工智能類型。但是，如果群體智能無法從根本上被還原為單個智能體的智力成果，而依賴于個體間的預測性交互行為，那么對于人工群體智能的實現來說，問題解決的路徑就應當分布在單個智能體、智能體間的聯結以及情境化的系統之間。因此，如何進一步提升人工智能體的自由度和開放性，模擬智能體間的雙向預測機制，以及模擬文化基因的算法，將是未來人工群體智能研究亟待解決的理論難題。