哲学视域下的人工智能假设探析

闫坤如

一、人工智能及其研究范式

人工智能已成为21世纪最热门、最前沿的新兴技术，人工智能是通过对信息与符号进行加工以实现以机器方式再现人类的智能的目标程序。人工智能始于设计出智能的计算机程序，后来发展到模拟人类的思维，甚至能够代替人类思维。人工智能的发展经过计算智能、感知智能层次，已经向着认知智能层次发展。智能机器越来越像人，甚至超过了人类的某些能力。思维是大脑的产物，构成大脑的物质与其他物质并无本质的区别，大脑的活动也应该可以由电脑原件来替代。

学者开始对人工智能技术本质，人工智能的社会影响、规范路径等进行思考。对人工智能的研究不仅仅局限于对科学发展或者技术发展的反思，也涉及到对人工智能的哲学思考。“人工智能不仅是一个科学问题，而且是一个哲学问题，因为它在认识论中处于特殊的地位上，这个特殊性是：它把主体的认识能力转化为认识客体，然后对之进行认识与模拟。”[注]陈步：《人工智能问题的哲学探讨》，《哲学研究》1978年第11期。20世纪中叶，明斯基(Marvin Minsky)、麦卡锡(John Mccarthy)、西蒙(Herbert Simon，又译司马贺)与纽厄尔(Allen Newell)等人工智能学者为人工智能发展做出了贡献。图灵(Alan Turing)可以看作是人工智能的先驱，他1950年出版人工智能奠基之作《计算机器与智能》，图灵提出智能机器具有人类智能的设想，“现在人们对于‘思维机器’的兴趣是由一种通常称作‘电子计算机’或‘数字计算机’的特殊机器引起来的。”[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.人工智能基于图灵机的基础上，用数字计算机模拟智能行为。图灵机的构造虽然简单，却为机器模仿人类智能指明方向，机器可以显示出智能的行为。图灵在“图灵机”的基础上，提出“机器是否能思考”的问题，还进一步给出一个具有可操作性的检验标准——“图灵测试(Turing Test)”，引发了学者对于人工智能的哲学讨论。图灵测试的理论依据是人工智能机器应该能够理解并学习模仿人类智能。人类可以制造出具有思考能力、语言理解能力、问题解决能力、领悟思想能力、语言运用能力、逻辑推理能力以及学习能力的智能机器，并且不久就会出现，西蒙提出“二十年之内，机器将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.明斯基也对人工智能取代人类智能充满信心，“只需要一代人的实践，创造‘人工智能’的问题就可以基本解决。”[注]Marvin L.Minsky，Computation：finite and infinite machines，American Mathematical Monthly，1967，p.75.

人工智能的目标是以机器方式取代人类智能，坚信计算机程序可以模拟人类思维的称之为强人工智能(Artificial General Intelligence)；认为计算机程序完全不同于人类思维的称之为弱人工智能(Artificial Narrow Intelligence)；认为计算机达到甚至超过人类的推理水平的称之为超人工智能(Artificial Super Intelligence)。麦卡锡、纽厄尔与西蒙是符号主义人工智能(Symbolic AI)的代表人物，他们沿袭图灵与冯·诺依曼的方法，相信计算机程序可以模拟人类智能。他们立足于对物理符号系统进行分析，着眼于程序的逻辑结构、符号操作系统以及编程语言，他们把人类的智能看成类似于计算机的信息符号系统，人类的认知由句法操作构成，符号主义试图用计算机形成对世界的形式表述。人工智能的符号主义进路趋向于把机器学习当成是对一套预先确定的概念重新组合的过程。符号主义人工智能遭到约翰·塞尔(John Searle)的反对，他用“中文屋论证(Chinese Room Argument)”思想实验反驳计算机具有人类智能，计算机只是能够进行符号处理，并不能把握其语句与语词的意义。

联结主义人工智能(connectionism AI)又叫神经网络人工智能(Neutral Network AI)，联结主义主要以研究人脑的神经网络和人脑神经网络之间的联结原理，代表人物是鲁梅尔哈特(David Everett Rumelhart)与明斯基。联结主义的核心议题是对人脑模型进行研究。明斯基着眼于神经网络，认为人工智能研究应该从神经网络角度出发，研制出与大脑中神经元联结类型相一致的网络。他认为思维是由许多不同的智能主体组成的层级机构，这些智能主体可以处理不同的情境信息。神经网络研究的目的在于模拟人的智能，而不是简单的物理连接机制。联结主义认为神经元是人类智能的基本构成和传递单元，并不是简单的符号可以模拟的。还有学者认为在符号主义人工智能与联结主义人工智能研究范式之外，还有一种行为主义人工智能(Actionism AI)。行为主义人工智能主要通过行为主义的研究，使人工智能的技术产品主动地适应外部环境，同时根据搜集的外部数据调整自己的行为，以对外界做出反应，行为主义人工智能与符号主义人工智能以及联结主义人工智能不同，它不依赖于算法和预先设定的程序。

人工智能的发展已经引发一场可以媲美于工业革命的技术革命，有人称人工智能是西方的“芒果树”，人工智能具有把人类从单调范围的工作中解放出来的巨大作用。卢西亚诺·弗洛里迪(Luciano Floridi)在其著作《第四次革命——人工智能如何重塑人类现实》中，直接把“人工智能革命”称之为“第四次革命”[注]卢西亚诺·弗洛里迪：《第四次革命——人工智能如何重塑人类现实》，王文革译，杭州：浙江人民出版社，2016年，第5页。，认为人工智能具有与哥白尼革命、达尔文革命同样的“颠覆性”作用。人工智能就像伽利略发明望远镜对于整个天文学研究的意义一样，人工智能对于如今科技的发展具有同样划时代的意义。

从学科分类来讲，人工智能与人工智能哲学是不同的研究范畴，前者属于自然科学范畴，后者属于人文学科的范畴，但人工智能与哲学学科密切相关，比如，人工智能中的算法与逻辑学密切相关，涉及到哲学的方法论维度的研究；智能机器的意向性问题与心灵哲学以及认知科学相关等，人工智能与认知科学、心灵哲学、现象学以及逻辑实证主义等都有密切联系。相较于人工智能技术的发展，对人工智能的哲学思考稍显滞后。但对于人工智能的哲学思考可以澄清人工智能的概念，厘清人工智能的理论基础，分析人工智能时代人与技术的关系，还可以促进人工智能技术的发展。因此，哲学视域下人工智能的理论思考是必要的。

二、人工智能本体论假设分析

人工智能哲学问题的研究重点不在于人工智能技术的实现，人工智能技术关注图像识别、语音识别、深度学习、机器翻译等人工智能技术如何在现实社会中实现，人工智能哲学关注与人工智能技术相关的哲学问题。人工智能哲学关注人工智能的本体论、认识论等哲学基础问题。关心人工智能形式化问题、知识表征问题、意向性、自古希腊以来的主客二分问题以及人工智能是否具有道德主体地位等问题的哲学思考。

研究哲学视域下的人工智能，不得不提到希尔伯特·德雷福斯(Dreyfus H L)，他把人工智能从单纯技术领域引入到哲学领域进行深入思考，他意图挖掘人工智能的哲学基础与理论假设，从而将人工智能与人类智能做了区分。德雷福斯反对人工智能具有取代人类的能力，立足于为人工智能发展奠定哲学基础。他在1992年出版的《计算机仍然不能做什么：人工理性批判》，提出人工智能的生物学假设、心理学假设、认识论假设以及本体论假设。从海德格尔(Martin Heidegger)的存在现象学、梅洛·庞蒂(Maurice Merleau-Ponty)的身体现象学以及维特根斯坦(Ludwig Wittgenstein)对于语言的理解来分析人工智能，把人工智能引入到哲学家的视野。

德雷福斯认为人的功能就如同一个通用符号加工装置的观点基于以下四个假设：“生物学假设：在某一运算水平上，大脑与计算机一样，以离散的运算方式加工信息；心理学假设：大脑被看作一种按照形式规则加工信息单位的装置；认识论假设：一切知识都可被形式化，可以被编码成数字形式；本体论假设：存在是一组在逻辑上相互独立的事实，知识可以被编入计算机程序。”[注]Dreyfus H L，What Computers Still Can't Do：A Critique of Artificial Reason，MIT Press，1992，p.156.对人工智能哲学来说，其哲学基础主要是基于本体论假设与认识论假设的分析与澄清。

人工智能是什么？人与人工智能的界限是什么呢？人工智能是基于物理机制还是基于逻辑与意义呢？这些问题都是基于人工智能本体论意义上的哲学思考。图灵通过智能机器表明计算机可以处理所有的机械运算。宇宙是一个复杂的机械有机体，而人类是其中的一种，在人类这个机械体内部，思维扮演什么角色呢？纽厄尔与西蒙认为智能机器与人是一样的，任何种类的智能活动都可以变成一套指令，因为在计算主义看来一切推理都可以归结为计算，机器人可以复制人类智能行为，因此具有人类思维功能，但模拟人类思维的计算机并不是通过计算，而是靠测度物理量而运转的。“可以看出这种方法并未假设计算机和大脑在‘硬件’上的相似会超出这样一个范围，即认为两者都是通用的符号处理装置，而且能为计算机变出程序来进行一些基本的信息处理，使他们的功能与大脑所进行的十分相似。”[注]Allen Newell and H.A.Simon，Computer Simulation of Human Thinking，The RAND Corporation，1961，p.9.如果人类理性可以变成计算机程序，就证实了把人看作是一种客体的认识。明斯基认为机器可以达到人类的思维水平，计算机程序与人类具有相同的作用，“当我们要求使用‘推理’时，并不意味着要求救于某种智能子程序而放弃对弈，组织搜索的程序将恰好是另一种启发程序。差不多可以确定地说，这一程序和主体的程序基本上由同样的对象和过程组成。”[注]Minsky M，Descriptive languages and problem solving，afips，IEEE Computer Society，1961，pp.215-218.

密勒(George Miller)、鲁道夫·阿恩海姆(RodolfArnheim)与奎连(Ross Quillian)等人反对纽厄尔与西蒙等人的观点，认为机器与人类具有本质区别，“在解决命题演算问题时，机器能够做出忽略逻辑联结符和符号顺序中差别的决定。”[注]George Miller，Eugene Galanter，and Karl H，Pribram.Plans and the Structure of Behavior，New York：Holt，Rinehart and Winston，1960，p.190.机器与人类是不一样的，具体表现在如下几个方面：首先，机器与人在问题求解上的解题方式不同，“人和机器之间之所以有这种差别，是因为这项任务所要求处理的是拓扑关系，为此就必须忽略纯粹的量度方面的关系。人脑完全适合于这种拓扑学特征。因为这些特征告诉我们事物典型特征，而不是事物的具体量度。”[注]Rudolf Arnheim，IntelligenceSimulated，Midway：University of Chicago，1967，p.87.其次，机器不关注语义，不能达到人类智能水平。“我们不相信行为理论或计算机模型，像已有的大多语言处理程序那样，忽略或排斥语义而希望取得成功。无论程序的目的是否用来分析句子、翻译语言或者回答自然语言问题，如果它不尽早地，经常地考虑语义事实，那么我看它便没有可能接近人类的能力水平。”[注]Ross Quillian，Semantic Memor，in Marvin Minsky (ed.) Semantic Information Processing，Cambridge，the MIT Press，1968，p.262.再次，专家运用规则不可能获得智能，同时，熟练的专家也不都是有意识地遵守规则。例如，人类一旦掌握了骑自行车的技巧，不会纠结于规则，无时不刻遵守规则并不是人类的行动和感知的基本方式，而机器则需要按照严格的推理模式进行编程，这与人类具有本质区别。塞缪尔(A.L.Sammuel)通过实证经验检验机器与人类不同，他编写了一个跳棋程序，论证机器不可能具有智能，因为机器只能做它被指令去做的事。即使智能机器能够通过图灵测试，哲学家们会怀疑智能机器仅仅是行为上与人类有相似性，通过图灵测试的检验并未为智能具有思维属性提供充分的解释。

三、人工智能认识论假设分析

认识论是哲学的一个分支，研究知识的本质以及个人如何获得知识。人工智能先驱明斯基关注认识论研究在人工智能哲学研究中的重要作用，“仅是建构一个知识基础，具成为智能研究的重大问题……在这一领域中，我们需要花力气做严格的认识论研究。”[注]Minsky M，A Framework for Representing Knowledge，The Psychology of Computer Vision.Patrick Winston，Pattern Recognition，1975，8(76)，p.193.对于人工智能的认识论研究来讲，挖掘其哲学基础尤为关键，“AI的认识论部分研究的是有关世界的哪些种类事实可提供给在给定的观察条件下的观察者，这些事实怎样能够表达在计算机的存储器中以及有哪些规则可允许从哲学事实中得出合理的结果来。”[注]Mccarthy J，Epistemological Problems of Artificial Intelligence，Readings in nonmonotonic reasoning，DBLP，1977，pp.1038-1044.在认识论研究中，人类与机器在获得知识方面的区别成为人工智能哲学研究的重点。

人工智能哲学认识论研究必须关注形式化与意向性问题。形式化根植于逻辑，逻辑主义者认为，只要能形式化的东西都可以通过计算机完成，“智能加工过程取决于主体掌握的知识，深刻的和首要的问题是要理解其中的运算与数据结构。”[注]Goldstein I，Papert S，Artificial intelligence，language，and the study of knowledge，Cognitive Science，1977，1(1)，pp.84-123.在人工智能形式化问题中，常识的形式化问题遇到困难，智能机器只是根据程序设定模仿人类行为，不能像人类一样理解。

数理逻辑、形式逻辑和分析哲学等哲学流派，它们构成了人工智能中的符号主义的哲学基础，甚至可以说是整个人工智能的哲学基础，人工智能的认识论假设认为：一切知识都可被形式化，只要能理解的知识都可以通过逻辑表达来刻画。“知觉必须做的事情就是以思维能够理解的方式来表征世界。”[注]J.A·福多：《心理模块性》，李丽译，上海：华东师范大学出版社，2002年，第37页。但机器获得行为不叫理解，也没有办法理解。维特根斯坦在《哲学研究》提出“语言图像说”，他认为指称是否有意义，在于是否能够被理解。如果只是指指桌子，说了声“褐色”，那么孩子不会知道“褐色”指称桌子的颜色，还是桌子的大小？指称的是桌子的形状，还是物体的种类，还是那个物体的名称。威诺格拉德(TerryWinograd)认为“困难在于把哪些脚本、目标和策略是相关的以及它们怎样相互作用的常识背景形式化。”[注]Winograd T，Computer Software for Working with Language，Scientific American，1984，251(3)，pp.130-145.所谓常识，指的是心智正常的都应该具备的基本知识，包括生存技能、劳动技能以及应该掌握的自然科学知识与人文社会科学知识等，像系鞋带、踩自行车就属于常识，把这些常识形式化非常困难。系鞋带与骑自行车等技能在刚开始学习的时候都需要遵循规则，但在具备了这种常识之后，就不再去考虑规则。没有理由认为获得技巧时起作用的规则在后来的应用中起作用。即使在开始时遵守规则也并不表示任何时候都必须无意识地遵循这些规则，因此，常识难以进行形式化分析，机器如何解释人类的常识也成为一个问题。

人工智能的发展必须澄清第二个认识论问题是关于意向性(intentionality)的问题。“意向性被看作是区分个体的人与机器的根本特征之一：机器和人可以做同样的事情，但是人有意向性，而机器没有。”[注]玛格丽特·博登：《人工智能哲学》，刘西瑞、王汉琦译，上海：上海译文出版社，2001年，第10页。意识只是脑的一种属性，机器与人类可以具有相同的功能，但是机器没有意向性，人具有意向性。人与机器有本质的区别，人具有理解能力，而机器没有。这与“图灵测试”不同，人与机器在图灵测试中可以具有相同的反映或者相同的行为，但是这不是人与机器的本质的区别，人与机器的本质区别是人具有意识、具有理解能力，而机器只是根据程序的设计做出相应的反应与行为。计算机的认知与人类的认知是不同的，因为人类通常能够理解他们所处理的信息。德雷福斯从现象学视角提出计算不同于认知，因为计算缺乏具身性(embodied)与现实性(situated)。德雷福斯认为符号主义站在笛卡尔的理性主义立场上。符号主义的认识论假设(epistemological assumption)是世界具有结构且知识都能够被形式化。德雷福斯支持联结主义，反对符号主义。联结主义认为智能的过程来自于人类大脑的组织结构与运行模式，而不是源于计算机。不管是人工智能的符号主义进路还是联接主义进路，抑或行为主义进路，必须要对人工智能进行本体论、认识论思考，才能澄清其哲学内涵。

德雷福斯从认识论、形而上学方面来思考人工智能的研究基础。在德雷福斯看来，“支持符号信息加工的，不仅是笛卡尔和他的传人们，而且是全部西方哲学”。[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.人工智能先驱纽厄尔和西蒙在论文《作为经验探索的计算机科学：符号与搜索》中明确把其哲学基础归结为弗雷格(Friedrich Ludwig GottlobFrege)、罗素(Bertrand Russell)、怀特海(Alfred North Whitehead)的数理逻辑以及早期维特根斯坦的逻辑哲学，这揭示了人工智能与经验论、逻辑主义紧密联系，在人工智能的哲学分析中也应该关注与借鉴分析哲学的研究方法——概念分析与逻辑分析来进行研究。普特南(Hilary Putnam)提出：“谈及人工智能的历史从某种意义上而言也就是对于逻辑实证主义历史的重述。”[注]Hilary Putnam，Words and Life，Edited by James Conant.Cambridge，Mass：Harvard University Press，1994，p.397.在德雷福斯看来，符号主义人工智能的基础是逻辑学，是哲学中的理性主义，德雷福斯是逻辑还原论传统的继承者。基于神经网络的联结主义人工智能的基础是统计学，把人工智能看作理想化的、整体论的神经科学。联结主义与符号主义虽有区别，但它们具有共同理论假设：认知是一种信息处理方面的问题，而且这种信息处理是可计算的。信息的可计算、可推导与逻辑密不可分，这与卡尔纳普的“哲学就是逻辑分析方法”的主张不谋而合。因此，对人工智能进行逻辑分析也是人工智能哲学中必不可少的。分析哲学的开山鼻祖弗雷格的研究原则中包括以下三个方面：其一，区分心理的东西与逻辑的东西；其二，绝不孤立地寻问一个词的意义，只能在一个命题的上下文中寻问词的意义；其三，区分概念与对象。其中第二个是语境原则这在人工智能与人的区别中非常重要，涉及到人工智能是否能够理解的问题，以及人工智能理解与人的理解在层次与方式上的区别问题，这与分析哲学中的解释与理解的区分紧密联系，也可以通过分析语境依赖性来分析人工智能与人类的区别。从方法论上来讲，弗雷格主张发现(discovery)与辩护(justification)的区分，心理学的方法本质上是发现的方法，通过内省、归纳、概括不能产生普遍必然的知识，而逻辑与数学是基于先验的、分析的、必然性的知识，与心理因素无关。弗雷格的观点与人工智能可以通过计算机程序，也就是逻辑或者数学程序来模拟人类思维观点截然不同。卡尔纳普拒斥形而上学以及主张逻辑句法与日常语言句法的区分与人工智能研究中的常识难以形式化问题的关联；特修斯之船(The Ship of Theseus)悖论引出的同一性难题以及逻辑哲学中的谷堆悖论(The paradox of the valley pile)以及秃头悖论(Bald paradox)引发关于人与机器的界限的思考；维特根斯坦后期以及擅长对日常语言进行分析的牛津学派关于理解的认识等等分析哲学的一些研究进路以及研究成果都在人工智能哲学认识论中具有重要的指导意义。因此，对人工智能的研究不仅仅局限于对科学发展或者技术发展的反思，也涉及到对人工智能的哲学思考。截至目前，对于人工智能的认知还处于结果未明阶段，正如威诺格拉德在评价德雷福斯的《炼金术与人工智能》时说：“‘人工智能’在某些方面很像中世纪的炼金术。我们现在正处在把各种不同化合物倒在一起，观察会发生什么变化的阶段，还没有提出令人满意的理论。这个比喻是德雷福斯1965年作为对人工智能的谴责提出来的，它恰如其分，并不含有否定的评价意义……正是炼金术士们的好奇心与实际经验为化学科学理论的可能发展提供了丰富的数据。”[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.人工智能的发展需要对于其中的概念加以澄清，需要对于哲学基础的挖掘。人工智能发展与哲学紧密联系，对于人工智能哲学基础的研究能够决定人工智能的发展方向。正如麦肯锡所言：“正如天文学继开普勒发现了天体运行规律之后取代了星相学一样，对机器的智能过程的经验论方面的探索所发现的众多原理将最终导致一门科学。”[注]Minsky M L，Papert S.Artificial intelligence，Oregon State System of Higher Education；distributor：Distribution Center，University of Oregon，1973，p.25.对于人工智能的哲学研究能够促进人工智能的发展，同时也可以推动哲学研究的进步。学者在人工智能技术的研究之外，应该增加人工智能哲学研究这“失落的一环”。