生成式人工智能與思維成長的游樂場

摘要：對于算法和程序的初學者來說，無論是字符的還是圖形化積木式的編程環境，都是在預設規則下進行定制式的創造，為了能夠實現對預設規則框架的超越或逃逸，需要在教學目標的設定中，闡發對功能之所以能夠實現的思維的意義的追求，而不只是對功能達到的追求。作者傾向于相信，人對于現象能夠有一種超越機械處理語言符號數據的面向事件本質的理解能力，而生成式人工智能的處理結果不能涵蓋人的智力成果。抽象符號是生成式人工智能得以處理數據的前提條件，如果用虛擬游樂場來類比繪畫過程，借用德勒茲分析繪畫提出的圖形表概念就可以發現，人的抽象過程蘊含了推動抽象對象得以生成的交互式的動態力量場。生成式人工智能可以高效地處理抽象對象，提高了交互式生成抽象對象的效率，因此能夠成為學習者思維成長的良好平臺。

關鍵詞：生成式人工智能；圖形表；德勒茲

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2024）23-0000-05

Playground可以翻譯成操場或游樂場，但似乎“游樂場”一詞更契合為孩子提供生長創造的環境的寓意。有很多為初學者設計的在線學習環境被稱為Playground，如Python Playground、Java Playground、C Playground，其實質是在線的程序解釋器或編譯器。對初學者來說，程序語言代碼似乎是等待裝配的過于基礎的材料和元件，上面的這些Playground像是附帶著復雜使用說明的空白圖紙或場地，與其說是游樂場，不如說是沙盒（Sandbox）。當然，可以設想初學者采用這些基礎材料和元件進入到“玩”的狀態，他們嘗試不同的符號組合，觀察運行結果，嘗試找出規律，理解程序代碼的含義——“玩”比單純的“學習”的技術難度還要高。某些在線的Playground提供的更簡易的“裝配”環境，看上去更像是能夠“玩”的游樂場，如Circuit Playground、Turtle Playground（用Logo語言繪圖）、Make Code Blocks Playground。可以發現它們的共同點：提供了便于使用的組件，隱藏了組件內部功能的實現方式——雖然這樣做犧牲了一定的靈活性，但玩家和組件交互的方式是有限而簡單的，組件之間可以較為輕松地拼接起來，拼裝后的效果是即時可見的。對比現實中器械設備預先配備好的游樂場，計算機軟件具有提供各種各樣的虛擬游樂場——時髦一些的稱呼可以是元宇宙的潛力，其中的器械設備既可以是預設的，也可以由玩家自行定制。不妨設想兩種不同的定制：一種是組合現有器械設備，使之實現某個新的功能；一種是直接對器械設備進行改造。對玩家來說，后者情況在現實世界中是相當少見的，但數字化的虛擬環境提供了這樣的可能性。

預設規則下的定制

在圖形化的積木式編程環境中，各種功能的代碼積木塊已經提前準備好，學生按不同方式組合積木，就可以控制屏幕中的角色——可能是一只貓或熊貓——實現跑動、跳躍、躲避敵人或其他行為。針對某特定目的，組合不同的積木使之成為一個自制積木，在此類編程環境中是可以實現的，如將控制角色的加速起跑——跳躍——落地的一系列行為，定制成為一種自制積木，自制積木對應著程序語言中的自定義函數或過程。學生的任何自制積木的行為，都是利用已有的代碼積木塊相互嵌合成為一個更復雜的具有某些特定交互接口的積木組，自制積木的行為可以相當簡單，但復雜度卻上不封頂，單純從理論上說，基于自制積木實現一個模擬真實物理環境的虛擬現實是存在可能的。

但上述的定制行為總是處于預設規則下，盡管圖形化的積木式編程環境并不明說所謂的預設規則，但編程環境的實際操作狀況指向了規則本身。根據已有的代碼積木塊，角色能“更換造型”“改變方向”“行走”，將這些已有的要素組合起來成為“iVhCf2vWf2Zv4szGtsYTJBDAqDHZkqSebaf8QOk/kcI=跳躍”，這當然可以看作是一種創新，而且體現出抽象和封裝的思想，但這是在預設規則下的創新。編程環境的設計者，而不是運用環境的代碼設計者，擁有定義規則的權力，他們通過語法、語義或積木形狀、積木連接方式等要素，構建了整個創新環境的“框架”，這個框架提供了一種幻象，即通過移動和造型變換來實現“跳躍”，這自然違背物理現實，但卻是模擬跳躍的便捷形式，對應鮑德里亞所說的擬像對真實現實的遮蔽。需要補充的是，既然基于自制積木實現一個模擬真實物理環境的虛擬現實是可能的，那么，使角色的跳躍基于如同物理現實的底層規則來加以實現，也完全是可能的，但在絕大多數情況下卻是不必要的，這讓人想到鮑德里亞所說的一種危險：符號成為獨立的創造物，不再源于自然或任何現實，而是思想與精神的物化……不再能讓人想象現實。[1]設想一下，要求學生利用生成式人工智能完成某個編寫代碼的任務，在此過程中，符號的意義不再需要學生來理解，所有的創造工作都在基于符號的一套問答模型中完成，這看似是人們在自由地表達自己的意見，但人本身無法對答案進行沉思，其實質上是在“問/答”模型本身提供的信息區間內，表達非我的看法……一切都處于模型范導的控制之下。[2]

追求意義的定制

為了能夠實現對預設規則框架的超越或逃逸，需要闡發對于功能達成過程中的思維本身意義的追求，而不只是功能達成的追求。考慮三種不同的任務：任務一是利用生成式人工智能，按K近鄰算法對測試樣本進行二選一的分類；任務二是利用生成式人工智能，構造一個訓練集，使得其對于某測試樣本在K取值不同時，分類結果也不一致；任務三是要求生成式人工智能設計一個方案，能夠在積木式編程環境中，通過角色的變化將K近鄰算法的分類過程演示出來。任務一的目標是分類任務的達成，主要考慮的是功能的實現；任務二的目標是對分類任務達成過程本身進行探究，面向某種特定的思維方式；任務三則需要在對思維方式理解的基礎上，探索基于這種方式解決問題方案的多樣性，這就是對意義的闡發。對于上述三個任務，生成式人工智能在不同的方面，對人的學習產生了幫助。

目前，生成式人工智能還較難直接產生積木式代碼，但它無疑能提供多種方案，而正是在對生成式人工智能提供的方案的考察和思考中，可以看出從模型提供的信息區間逃逸的可能性：幾乎所有的方案，生成式人工智能都提到了K近鄰算法中關鍵的一步——對樣本之間距離的測量，盡管它還特意提到在積木式編程環境中測量距離是比較麻煩的，但它仍然沒有繞過測量距離這一步。可以發現，生成式人工智能被“困”于正確的算法描述之中。

一般來說，人對現象能夠有一種超越機械處理語言符號數據的面向事件本質的理解能力。舉例來說，在積木式編程環境中用K近鄰算法實現分類，可以采用一種簡單而獨特的方法來替代測距：將樣本都設計成圓形的角色，然后逐漸放大測試樣本的大小，使其“吞噬”測試樣本周邊的特征點（如下頁圖1）。被“吞噬”的p樣本和r樣本的數量，以及被吞噬樣本的總數也就是k值，很直觀地由圖形和數字共同顯示出來，可以將其稱為饕餮法。這當然不是一種通用性的方法，它只有在積木式編程環境的二維屏幕中是有效的，正是因為人能夠在實際運用中產生出對積木式編程環境獨特的理解，而不像生成式人工智能那樣，僅對數據本身進行分析和推理，那么就可以說，人的創造思維從某個預設框架中逃逸了出來。

然而，仍然存在這樣的問題，只要所謂的創新方案變成機器能夠獲取的文本，生成式人工智能也就可能很快地“吞噬”每一種逃逸式的創新方案，并在隨后的提問、回答過程中將已有的各種方案顯現出來，那么，生成式人工智能是否阻斷了人的創新意愿？不妨設想這樣的情景，某人的每一個自認為新穎的想法，都已在人工智能給出的參考方案中，這該多么令人沮喪。但正如戴維·多伊奇所說的，對于一個虛擬現實的生成器來說，雖然它能營造一個基于它全部本領的環境，但仍然存在無窮多它所不能營造的環境。[3]無論人工智能給出多少種創新設計，這些所謂的創新設計都不超出某個固定集合，雖然這個集合是無限大的，但在這個集合之外還存在著無限多元素和集合。最簡單的原因是，人們可以基于已有集合元素構造出不屬于該集合的新的元素，而之所以機器的創新設計無法超出固定集合，是因為機器處理的數據本身來自現實繁雜事物的某一方面的抽象，而人在抽象過程中，可能會將獨創的意義投注到抽象過程和抽象對象中，換而言之，人的抽象過程本身可能是不可計算的。

考慮有這樣的任務，讓角色從左至右跑過屏幕，當角色撞到右側墻壁或其他東西時，角色穿越到原來的起點繼續跑動，此時可以引入一些角色或墻壁的小變化。如果同時有幾個角色開始這樣的跑動，那么角色的行為就可能結合人的意愿成為不同的抽象對象。例如，為角色定制不同的輸入，就可以讓這個游戲成為加法機、乘法機或除法機。或者，如圖2所示，通過跑動速度不一致（上面角色的速度是下面角色速度的兩倍）且撞墻就變換造型（大步和小步之間切換）的方法，來模擬實現一個二進制計數器。

在角色的變化過程中，角色撞墻的時刻其實對應二進制數碼的進位的時刻，造型對應著二進制數碼，如大步是0，小步是1。在抽象過程中，原本角色的動作和外觀都被解轄域化。這里也可以考慮另外一個例子，某二進制數字是2的n次方，如1、10、100、1000……那么，在1的位置擺放某個角色，0的位置作為空白，那么只要簡單地對數字做乘以2或除以2的操作，就可以控制角色向左或向右移動。這里，數學運算被抽象為某種動作，同樣也是一種解轄域化。人的這種意愿的投入，總是有可能超出生成式人工智能處理的預設框架。

面向自身實現的定制

現在來考慮另一種定制，雖然目前它在圖形化的積木式編程環境中是無法實現的，但卻可以看成是激動人心的預言。想象一個不懂編程但剛開始玩積木式編程的學生，他只是將代碼積木塊當成純粹的積木，既然不同的形狀可以拼接起來，那么就可以構造出一個龐大的“建筑”（由于代碼積木塊左邊是對齊的，“建筑”的可能形狀是受到限制的，如它的左側總是齊平的）；或者，這個學生只是拿不同長短的積木塊來玩漢諾塔游戲。這當然不是圖形化編程環境創造者預料中的玩法，其行為正如伯納德·舒茲所說的“玩笑者”[4]，或者說，實現了一種解轄域，但學生的行為并不是毫無益處的，等他真正開始學習編程后，可能會想到，為何程序積木塊下方接續的積木塊只能是一個，而不支持拼接兩個或更多個？繼而引出的問題是，假設同時接續多個程序積木塊是可能的，那么，被控制的角色就可能要同時做兩件事，而這兩件事有可能在邏輯上成立，如其中的一件事是變色，另一件事是轉向。但也很有可能在邏輯上是沖突的，如讓角色同時執行向左轉90度和前進90步的命令，在這樣的假想環境中，計算機究竟會如何執行指令？到底是讓角色先執行左轉，還是先執行前進？或者，直接告知用戶不可行？或者，若考慮左轉和前進都是一種持續性的動作，將某一個時刻的“同時”分割成90個細碎的“同時”，根據這樣的分析結果，便畫出了一段弧線。于是，從積木拼接的問題，引出了并行計算的問題，問題指向計算機工作本身。

目前，幾個主流的生成式人工智能工具，都能為解決上述問題提供幾種不同的方案，于是就出現了一種新的定制，這種定制是基于可能性的，它根據人的主觀意愿，選取出將某種可能的實現過程轉換為代碼的方案。無論生成式人工智能提供多少種方案，人總是能基于已有方案給出新的方案。一個有趣的受量子力學啟發的方案是：只要有人觀察，則角色要么左轉，要么前進，只可能處于兩種狀態中的一種，如無人觀察，則實現細碎的轉彎動作。受多伊奇的啟發，在這里給出一個思想實驗，設想將產生邏輯矛盾的方案置放于平行世界中，宏觀上邏輯矛盾的消失，則導致多個平行世界收束為一個世界，想象某個高度發達但與現實相隔離的虛擬世界，它只通過極少量的信號和外界交流，則這個世界中無論多么復雜的狀態，對外界來說都被約簡了。這個思想實驗暗示我們，人們能夠看到創新過程留存下來的語言符號，但創新過程本身卻是無法用語言符號來還原的。

想象一下，如果學生擁有一支筆，那么一張白紙就成為他的一個游樂場，他可能用各種方法在紙上留下痕跡。德勒茲常通過藝術作品闡述哲學概念，他提到繪畫中的圖形表（主要是以弗蘭西斯·培根的作品為例），“圖形表”在德勒茲的理論中是一種動態的力量場，它不斷地進行運動，形成無限多的形式。這種力量場中的力量相互交織、抗衡，推動圖像的不斷變化和生成，生成一些由線條、區域、無意義、非再現的線條和可操作性的整體。[5]圖形表的力量場在手和紙筆的互動過程中表現出來，行為結果的難以預料性是其重要的特征，通過圖表，我們從繪畫之“事實的可能性”過渡到“繪畫事實”。[6]值得考慮的是，在傳統的算法設計和編程的過程中，預設語法規則作為一種權力和規訓很有可能為初學者思維構建起無形的牢籠，缺乏如在現實中進行繪畫時那種手法與物理材質互動所產生的多樣性和不確定性。相較于畫筆和畫布，基于編程環境的所謂Playground更缺乏玩的意味。

生成式人工智能工具的出現，就有可能為數字創造環境（算法及程序的學習和使用只是這個數字創造環境的一部分）帶來如圖形表那樣的動態力量場。例如，可以向生成式人工智能提出這樣的要求：構造一種能夠執行某些指令的虛擬機器，loop（x）{print（"*"）}表示重復執行x次，大括號里是將要具體執行的事情。舉例來說，loop（3）{print（"*"），print（“＼n”）}的作用是在一行中用print命令打印星號后再回車換行，除非是打印"＼n"，否則print執行后不回車換行，loop命令括號中的參數可使以上過程重復三次。指令功能的描述可以是程序代碼式的，也可以是自然語言式的，在指令的功能構造完成后，可以要求生成式人工智能解釋某個語句到底做了什么：x=9，loop（10）{loop（10-x）{print（"*"）}，print（“＼n”），x=x-1}。生成式人工智能成功地指出，語句描述的是打印正三角形的星號陣列。或者向生成式人工智能給出這樣的提示：“打印[n]”指令的功能為：如果n＞0，則連續打印n個星號，換行，然后n減去1，再執行“打印[n]”；如果n＞0不成立則終止。按以上描述執行“打印[10]”命令，并顯示結果。生成式人工智能成功地指出，語句描述的是打印倒三角形的星號陣列。

在構造指令的過程中，學生從某種意義上說是這個人工智能游樂場的玩家，需要從已掌握的程序語法中跳脫出來，帶著算法自動化信息處理的關鍵思想，用一種自創的語言符號系統或描述方法，指揮生成式人工智能按要求進行自動化的工作。“重復”是初學者對自動化過程最容易理解的一個入門路徑，“loop”是一種臆想中的命令，除了重復次數，它擱置了起始條件、終止條件等參數，在簡潔的同時也犧牲了靈活性，只有少數程序語言如Kotlin、Logo等存在與之類似的重復語句。“打印[n]”命令的遞歸形式也是實現重復的一種方法，通過判斷條件停止自身工作，來實現重復的控制。可以發現，這里的“loop”和“打印[n]”都要比Python中的“while”“for”甚至第三方的“goto”語句在思維過程上有著更原始、更簡單的形式，生成式人工智能恰恰提供了一種環境，讓這種原始的、簡單的虛擬機器運作起來，賦予思維過程以直觀的形象，就仿佛在空白畫布上隨意涂抹，就會產生某種奇特效果，于是，如同繪畫過程中圖形表的作用就能夠借助生成式人工智能體現出來。游樂場的玩家不是將算法或編程作為工具來學習，而是將它們作為幫助思維成長的環境，如只有當在玩樂中注意到游樂場器械設備的缺陷或可優化之處時，才通過簡單的語言符號描述的方法來更新游樂場的器材，而不是像產品的使用者那樣，一開始就看到擺放整齊的各種器械設備（如積木式編程環境中預先提供的各種各樣功能的積木）。

設想一下這樣的圖形化編程環境——或許在不遠的將來就會真正出現，一開始，環境中只有極少量功能簡單的積木塊，其余積木塊不是通過玩家拾取獲得，而是需要通過和生成式人工智能的交互過程來獲得，只有當生成式人工智能順利地“理解”了玩家的某個數據處理的描述過程后，才生成對應某種功能的代碼積木塊。在整個過程中，積木不是人的學習對象，積木是人的創造對象，而創造積木的人的思維，顯然也受到積木的影響，這種多樣性和不確定性的交互過程顯現出一種創造的動態力量場。雖然對完成某個具體現實任務來說，這種需依靠自己搭建游樂器械的游樂場是效率低下的，但卻可能是思維成長的良好平臺，這讓人想起一句古話：天地位焉，萬物育焉。