在工程与人文之间：人工智能技术的融合本质及发展原则

唐庆鹏

关键词人工智能 工程 人文 技术本质

当我们在谈论人工智能的时候，我们在谈论什么？在人类社会正在进入智能时代的步途中，认识和理解人工智能显得尤为重要。这既是发展人工智能的基础，也是更好治理人工智能的前提。正如理查德·温所指出的，“随着人工智能变得愈发无处不在，想要看清这个世界，我们就必须理解它到底意味着什么。”①事实上，不同领域的学者从不同角度对人工智能有着多样化的解读。然而，对人工智能讨论的越多，对它的认识却也愈发碎化了，以致于目前还没有被普遍接受的人工智能定义。②更应该注意的是，由于大规模且通常是以非常难理解的方式被宣传，目前人工智能几乎被领域外的人大量误解，甚至人工智能的从业者对于其真正意涵也有些困惑。考虑到“人工智能并没有改变现象学家对于技术的本质的判断，它只是技术的一部分。”③面对多样而分歧的技术理解，解决争议的合适方法应该是对技术进行结构和现象学的分析。④基于此，本文从技术现象学出发，梳理人工智能研究的两大技术思考脉路，寻找能够广泛理解人工智能技术本质的展现样态，以“解蔽”人工智能的技术本质，并从中获得一些人工智能发展的有益启示。

一、工程与人文的张力：人工智能技术的话语迷思

正如前文所述，“什么是人工智能”的确是一个棘手的问题。而要搞清楚这一问题，有必要回到技术现象学的世界。技术现象学的研究者们普遍认为，很多技术的基本问题（例如技术概念的分歧），根本上缘于不同思考方式的张力的结果呈现。认识到这种分歧是重要的，因为不同用法的张力指向不同概念参照的视角，容易引起分析上的混乱。同样的，既有的研究对人工智能的理解虽然丰富多样，但存在碎化、窄化甚至误读等问题，很大程度上也是关于人工智能思考方式的张力指向不同概念参照视角所引发的话语迷思。

1.工程与人文：技术思考的两个传统

工业时代以来，人们对现代技术现象的形而上思考积累了大量的专业知识和方法论，形成了独特的研究传统。当代技术哲学的代表性学者卡尔·米切姆曾经对现代技术思考的两个传统进行了根本性区分，即工程主义和人文主义。技术的思考者中最直接的一定是发明创造该技术的人，工程主义技术思考的传统是旨在理解工程师和其他技术从业者实践中实例化的技术现象。例如作为工程主义思考的早期代表者，恩斯特·卡普本身就是一位熟悉技术的地质学家和发明家。工程主义的技术思考秉持理性的自然科学世界观，着重分析技术内部，并且其方向是对成为世界技术的理解。也就是说，工程主义技术思考主要涉及到技术本身性质、结构以及技术发明创造的社会活动规律等方面。总体上看，工程主义的技术思考传统是亲技术的，集中在技术本体论的形而上学论述，并且对技术的潜力持有自信的乐观。而在方法上，工程主义的技术思考则保留了工程师们一贯的实证风格，偏好于对技术概念框架进行经验上充分的描述和分析。

相对而言，人文主义的技术思考主要关注的不是技术本身，而是技术对社会和文化的意义及其对社会和文化的影响。它接受“人文相对于技术的优先地位”，并且与人文科学（以及某些社会科学）的整体观点相一致。无论是早期主张人的主体性地位的古典人文主义，还是后来以反思现代性见长的批判人文主义，人文主义技术思考的共同之处都在于：跳出技术思考技术，通过检视技术如何影响人类生活来获得对各种社会问题的新见解。人文主义由此赋予了技术思考更多的活力，在19世纪末和20世纪初以来的大部分时间，对技术的人文主义思考占主导地位，涌现了路易斯·芒福德、马丁·海德格尔、雅克·埃吕尔等技术思想家。当然，按照人文主义的思考脉络，像赫伯特·马尔库塞、尤根·哈贝马斯等法兰克福学派的社会理论家都可以被看作是与人文主义的技术思考领域密切联系的。总体上看，人文主义技术思考的特点首先在于用非技术的或超技术的观点来尝试解释技术的意义。他们的兴趣不是分析和理解这种现象本身，而是了解它与道德、政治、社会结构、人类文化、人类生存状况的关系。在方法上，人文主义者同样批判工程主义机械的自然科学方法，相对而言人文主义更擅长于解释的方法和语言—符号学的形式描述。

2.工程主义的人工智能

如前文所述，人工智能是技术的一部分，适用于技术思考的范畴。沿袭技术思考的两条路径观察，我们发现人们对人工智能的认知和理解也呈现出工程主义和人文主义两种分野。实际上，人工智能这样一个看上去充满科学气息和技术复杂性的存在，起初是始于人类荒诞不经的想象。只是后来，它进入严谨的科学范畴探讨，并在工程学中占了上风。20世纪中叶，人工智能开始被计算机科学领域的工程师密切关注和热烈讨论。工程主义者的特点在于他们根深蒂固的“技术思维”，他们执着于从技术实践的实证中提炼普遍规律并进一步指引技术实践。我们知道，即使是在今天，工程主义领域关于人工智能这个固定短语更多地是指信息学或计算机科学中的一类学术研究和某种程度上的编程学科。例如，计算机科学家艾伦·图灵早在1950年发表的论文《计算机械与智能》中就开始了对人工智能数学可能性的探索。而直到1956年，“人工智能教父”约翰·麦卡锡在一次会议上才首次使用了人工智能这一术语。

工程主义的人工智能研究，往往立足于严谨的科学基础。其中，比较显著的是计算机科学基础和认知科学基础。一是涉及计算机科学与应用方面。对于计算机科学家来说，人工智能是指基于算法和数据驱动的计算机系统，能够使机器具有数字化能力，如感知、推理、学习甚至自主决策。自1950年代中期以来，智能计算机器就一直是研究的重点，当时计算机科学家开始开发可以解决智能计算问题的程序。计算机科学家所研究的人工智能是在计算机中模仿人类智能的科学，所有这些研究和开发都集中在被视为“智能”的不同属性上。其中，“图灵测试”是用于确定是否已达到人类智能的最常用方法。对于计算机应用工程师而言，人工智能的探索就是要致力于开发具有智能行为的机器或程序。这些机器或程序應用可以很简单，例如嵌入到手机中的计算机翻译软件;也可以非常复杂，例如谷歌无人驾驶汽车项目，甚至更为复杂的在不需要人工干预下机器自动化制造机器过程。

二是涉及认知科学方面。对于认知科学家而言，人工智能是指建立人类智能模型以更好地理解人类行为。在人工智能的早期，大多数机器智能模型都是象征性的，并且与认知心理学密切相关，其基本思想是通过对人类大脑区域模拟符号处理来执行复杂任务的推理。例如早期的简单感知机，这是生物神经元的简化模型。后来，人们开发了许多更复杂的人类认知模型，以将大脑的运行情况反映为电化计算符号，例如有监督和无监督的学习算法。这样，从认知科学出发，人工智能就是基于一系列模拟人类智能的技术，包括用于感知和解释大量信息（数据）的算法，学习、适应或调整参数以及支持基于人类的决策或自动化操作的方法。其中获得和提升认知能力的最主要方式是学习，由此现阶段机器学习被认为是人工智能的核心功能，并且也是发展高级版本人工智能的基础要件。

总之，顺延工程主义技术研究的脉络，计算机科学、认知科学等领域的专家和工程师基于科学积累开展人工智能技术现象及技术规律的理性探索。工程主义的人工智能探索，为人工智能理论与实践发展奠定了科学基础，而这在一定程度上也是对人类长期以来有关人工智能想象（特别是一些茫无边际的臆想）的祛魅。

3.人文主义的人工智能

人文主义的人工智能研究关注的是人工智能社会应用所引致的社会后果以及所建构的社会关系，可以帮助人们平衡认识人工智能。实际上，人类从不缺乏对人工物的旺盛想象力，特别是工业时代以来，人类在工业机器上的成就进一步激发了对类人智能机器的想象。这些想象起初更多地是散见于各类文学作品（特别是科幻小说）之中。据考察，具有类人智能的机器的概念至少可以追溯到塞缪尔·巴特勒，他在1863年一篇《机器中的达尔文》文章中，提出了可能取代人类成为优势物质的自我复制机器。而20世纪三四十年代则是科幻小说的黄金时期，涌现了艾萨克·阿西莫夫等大量关于人工智能的科幻作品和文学家。

早期人文领域很多关于人工智能的讨论早于现实人工智能发展，也可以说是超现实的。随着20世纪中叶人工智能相关科学与技术应用研究的兴起，人工智能的人文反思更加契合实际，现实主义色彩愈发浓厚。在1940年代中期，人工智能基础学科———计算机科学和技术的创新发展导致了新的伦理学———“计算机伦理学”分支的产生。诺伯特·维纳作为创始者，先后在其所出版的多部著作中探讨了智能计算技术对人类关键价值（包括生命、健康、幸福、能力、知识、自由、安全和机会等）的一些可能影响。维纳开启的这些关涉人工智能的人文伦理讨论延续至今，例如近期伦理学教授卡普兰在《人工智能时代》（2015年）和《人人都应该知道的人工智能》（2016年）两本书中继续了对人工智能的责任边界界定以及为人工智能嵌入“遵纪守法”规则的讨论。人工智能伦理学家卢西诺·弗洛里迪则进一步指出，遵守法律是必要的（这是最低要求），但明显不足，以合乎道德的方式对待人工智能技术的价值变得更加突出。① 机器的自由度越大，就越需要道德标准。另一位更激进的学者是肖珊娜·祖博芙，她尤为关注人工智能产品对人类自主权的侵蚀，并警示“监视资本主义”的兴起。②

可见，人文主义者将主要的精力放在对人工智能的社会反思上，很好地弥补了工程主义者所忽视的方面，有助于人们更全面地认识和思考人工智能。正如乔·布桑加所指出的，“没有人文主义者，人工智能可能会成为异化的噩梦，而不是启蒙和人类进步的工具。”③纵览人文主义者关于人工智能的研究，可以发现，人文主义视野中的人工智能一般是伴随着与人本质的亲缘程度的预设而有着不同的理解。比较典型的有三种：“投影说”，认为人类与人工智能技术的关系与器官投射思想相一致，人工智能极大地延伸了人的能力，并将揭示我们自己身体和思想的基本工作;①“实现说”，认为人工智能是人的本质的实现，“通过构建一个被赋予适当‘人工智能的物理系统，人可以构建人（一个有思想、感觉和意识的事物）”;②“超越说”，认为当人工智能突破“奇点”发展到超级智能时，意味着一种颠覆性的存在（或物种）在地球诞生，而到那时，“我们不得不面对这样的结论：人类的未来命运，将取决于超级智能的决策和行为。”③

总体上，人文主义者在开展对人工智能的批判性研究的过程中，往往不会像工程主义者那样细致追寻人工智能的操作性定义，他们对人工智能的理解往往是抽象的，甚至是粗线条的。而且，人文主义者内部其实存在诸多分歧。人文主义者在谈论人工智能时可能有着更多的意涵，这里面既可能包含了后验的知识，也包含了先验的认识，当然在有些文学作品中还不乏见超验的想象。因此，在一些工程主义者看来，人文主义者对人工智能的观察是模糊粗糙的，从而也就难免被人指责并不是真正了解人工智能，只是远远地站在非专业的道德高地对人工智能进行夸张的社会批判。

工程主义和人文主义关于人工智能的思考存在着较为明显的分野。工程主义注重以实证实验的研究方法开展人工智能的技术探索，他们对人工智能概念的理解往往是操作性的，强调人工智能的可检测性。而人文主义的人工智能观，可以视为对将非技术的东西放在优先地位这一基本思想的明确辩护。我們将这两种思考路径的特点归纳如表1所示。客观而言，人工智能是对社会有着颠覆性影响、复杂且仍然处于变动发展中的技术，不同角度对人工智能的认知和描述一定程度上是在默认的限制性聚焦指导下突出显示了技术的某些实际方面。因此，对人工智能的理想认识，需要观察者对其进行更开放和包容的分析和描述。

二、工程与人文的融合：人工智能技术本质的多维呈现

工程与人文研究社群对人工智能的各自探索是积极且有益的。从认识论上讲，即使没有找到一个人人都能同意的最终共识，但这一过程有助于人们接近对人工智能的最佳理解。多样而分歧的理解本身并不是问题———他们只是从不同维度发现真理的片断，真正的问题在于如何超越或弥合分散的认知进而能够全面把握人工智能技术本质。针对工程与人文两种思考方式所带来的技术话语迷思，只有沟通两种思考方式，才能正确地理解人工智能技术。

基于此，融合工程与人文的认知，就成为人工智能研究必要且必然的取向。技术思想家拉普很早就给出了这样一种选择的可能。拉普认为，只注重成功的工程主义与喜好沉思的人文主义，往往造成工程与人文“两种文化”之间的对峙。然而，两种文化并非水火不容，而是有着必不可少的互补关系，体现在：“当讨论技术活动的意义和技术决策的标准时，离不开对价值的‘人文主义的思考。另一方面，如果要给解决特定问题的技术上可能的方案确定范围和预测某一技术决策的物质后果，就只有科学家和工程师能够做出回答。”①拉普从功能价值上给出了互补价值论证，而雅克·埃吕尔、卡尔·米切姆等人则就如何在技术研究中拉近工程与人文的距离给出了有益的启示。法国学者埃吕尔主张技术的特性学思想，认为只有通过对技术特性的把握才能为评估每个预期定义的相对真理性和重要性提供基础。换言之，对技术的理解，需要的“不是定义性的而是特征性的”框架。② 因此，面对多样而分歧的技术理解，解决争议的合适方法应该是对技术进行结构的和现象学的分析，揭示其不同特征类型及其内在联系。在这方面，米切姆在比较工程主义和人文主义技术观的基础上，提出了一个技术呈现框架，这一框架被认为是把技术自身与人的问题、伦理问题、政治问题以及社会文化问题等有机联系起来，是真正沟通工程和人文传统之间的桥梁。③

技术呈现模型鼓励在技术研究中工程和人文语言的广泛对话，用米切姆自己的话讲就是“支持技术决定论和人类自由理论”。该模型认为技术是与人紧密相连的，如果说技术的定义在于寻求潜在的并以不同方式外在表现的技术本质，那么，通过人与技术关系中不同的技术功能特征来描述技术本质就成了对任何技术定义的一个良好检验。循此逻辑，技术一般地呈现为技术活动在头脑中的各种抽象形式以及它作为独立对象在物质和社会世界中的位置。进一步展开，可以将技术具体地区分为知识、活动、对象以及意志四个基本面的意蕴。也就是说，技术可以定义为分布于人文和工程的文化区间的四种理解形态：作为对象的技术、作为知识的技术、作为活动的技术以及作为意志的技术。每一种理解形态都以自身的方式显示技术存在，技术本质最终汇聚于四种相互关联的形态之中。正如米切姆所指出的，技术呈现模型“比以前的技术研究更加全面，能够适应在技术重大问题上的不同立场，并能够开放接受进一步的批评或修改，以回应未来的思虑。”④笔者认为，在如何全面准确理解人工智能技术本质这一重大问题上，同样可以从中汲取有价值的启示，从而有助于我们形成关于人工智能的开放而包容的理解。当然，这也是对当下众声喧哗的人工智能技术本质思虑的有益回应。基于此，笔者从米切姆的技术呈现模型出发并结合人工智能技术特征加以修正，提出一个人工智能技术本质呈现框架，如图1所示。

人工智能技术本质呈现框架是在相互交融和互补的工程与人文思考之中洞察人工智能的技术本质，它融合了四种相互关联和有机衔接的理解形态。其中，作为对象的技术和作为活动的技术更接近工程主义的范畴，而作为知识的技术和作为意志的技术更多地体现了人文主义的思考。也即人工智能技术四个维度认知的背后蕴含的是工程与人文的融合，其中的人文主义因素不仅驱动着人工智能的技术创发，也在约束并防止人工智能的“异化”，体现了人的意志和知识对工程实践的导向和规范作用;而人工智能在工程实践中应用和发展，在满足人类需要的同时又给社会价值观及伦理道德带来冲击，反映了工程对人文的影响和制约。由此，人文与工程两个方面四个维度特性交互影响，共同建构了人工智能技术的融合本质，具体来说：

其一，作为对象的人工智能。作为对象的人工智能是将人工智能解析为我们制作和使用的对象。技术最为直接的呈现便是各种各样的物质技术制品，人们最惯常的是使用某些类型的对象来标识技术。就此而言，人工智能首先表现为一系列智能化的人工制品。作为对象的人工智能，其基本属性便是物质性、客观实在性，也即人工智能的“物性”。从对象的物质性和客观实在性出发，对人工智能的描述性定义将是多种用途的人工智能产品列表。人工智能产品一般是投射了类似大脑的功能应用，比照人类大脑所具有的对文本、声音、图像等进行存储、识别分析以及学习预测等基本功能，当下实际生活中的人工智能产品大体上涉及到智能视觉（如人脸识别、图像处理、AR、VR等）、智能文字处理（如机器翻译、自动写作、智能搜索等）、智能语音（如智能语音识别、即时翻译、智能语音助手等）、智能学习和预测（如智能犯罪预防系统、智能灾害预警系统等）等诸多方面。

对象是一个相对的概念，它还意味着是我之外的存在。简言之，对象非我。就此而言，人工智能不能等同于人类智能本身，无论是模仿还是超越。从其构成性存在看，人工智能与人类智能物质基础与运动形式迥然不同，前者通常是建立在电子元件和符号模拟基础上的物理的计算过程，而人类智能本身是人大脑的有机生物神经系统活动。因此，由人制造和使用的人工智能制品虽然模仿甚至超越人的智力和能力，但我们不能说这就是人类智能本身。按照马克思主义对象化思想，劳动对象不能够充当劳动者本身，否则，就是劳动的异化。从其关系性存在看，人是社会关系的动物，人类智能不仅表现在个体生物层面上，而且还存在于集体智慧和社会交往的维度。而人工智能的关系性存在主要表现為技术连接的逻辑关系，人工智能物并不具备人所特有的社会性。当然，从对象的角度出发，正是因为对象的存在，才确证了人的存在，“没有了对象，人就成了无。”从这个意义上讲，作为对象的人工智能在技术上延伸了人的思维，也在一定程度上进一步显示和确证了人的本质。

其二，作为活动的人工智能。人工智能的另一个重要方面是制造和使用这些智能化人工制品的动态活动过程，反映了人工智能的建构特性，也即人工智能的“活性”。作为活动的人工智能展示了人工智能技术活动如何在许多人类行为中表现出来，是从过程论上分析人工智能技术。通常，技术过程一般是按人的四种主要技术活动来讨论的，分别是发明、设计、制作（从物质生产的意义上讲）以及使用。其中，工程师致力于制造事物，即前三种技术活动，而社会科学家则更关注最后一种活动———使用它们。具体到人工智能的讨论，在工程技术中主要关注人工智能的发明、设计、制造过程，而人文社会科学领域则侧重于社会应用过程。在工程发明、设计和制造过程中，人工智能技术发明设计的实现需要具备创新创造能力，人工智能产品的工业制造则通常被要求是对效率的理性追求。在社会应用过程中，满足和激发社会需求无疑是人工智能活动的出发点和归宿。由此，效率、实践创造力以及人类目标便成为衡量和评价人工智能活动过程的基本标准。

人工智能产生活动以及使用它们的相关行为是有机的过程。从宏观上看，人工智能的技术活动历经从低级到高级、从专用到通用的发展过程。今天我们时常能够看到令人惊叹的人工智能应用的故事，然而这些故事是经过多年的人工智能发展而达到的。譬如，谷歌开发的人工智能围棋软件自2015年以来连续击败顶尖职业棋手，创下历史记录新高。而15年前类似的故事版本却低级很多，1999年击败人类棋手的“深蓝”最终被指为“蛮力方法”的集合，而不是“真正的智能”。就当下人工智能技术活动的层次而言，人工智能的技术活动仍然是以面向任务单一而简单的低层次专用人工智能阶段，距离完全理解和执行人类智能任务的通用人工智能（agi）目标还很遥远。从具体的人工智能技术看，每一种人工智能技术系统实际上都有其生命周期性。人工智能技术系统的生命周期主要是对具体人工智能技术活动过程的完整描述，它有助于人们更直观地了解人工智能技术的活动状况。在这方面，经合组织（OECD）最新的研究就系统聚焦了人工智能技術系统的生命周期，①认为人工智能活动通常涉及四个特定阶段：设计、数据和模型阶段、验证和确认阶段、实践部署阶段以及操作和监视阶段。生命周期中各阶段通常以迭代方式发生，并且不一定是顺序的。

其三，作为知识的人工智能。基于知识中心性的认识，技术可以也应该在学科基础上考虑，从而揭示出技术作为知识的独特认识论结构。作为知识的人工智能是从技术认识论上看人工智能。技术认识论包含两个方面的意涵：一是技术是一种认识方式，通过技术获得世界知识;二是技术是被认识对象，知识源自技术本身。海德格尔很早就意识到技术也是一种认识方式，一种揭示事物隐藏的意义真相的方式。确实，如果我们在开发和使用技术时了解自己，那么技术实践就是认识论实践，因为它是通过技术（作为工具连接内部与外部的关系）向我们展示世界的。就此而言，人工智能也是增进对人类自身认识的方式。譬如，对人工智能定义的争议性，很大一部分原因是人们对智能的认识模糊性。虽然说智能是人类区别于其他物种的显著标志（或固有属性），但我们对智能长期以来尚缺乏足够的认识，我们对自己还很不了解。通过人工智能的开发和使用，探究人工智能的原理机制，我们就不可避免地思考智能本身。并且，我们直接研究智能行为所需的计算可能产生对智能本质的更好见解，了解智能的最佳方法可能就是建造智能。从这个意义上讲，我们对人工智能探索得越多，我们对自己也就认识得越深刻。

在技术是被认识对象方面，技术构成知识，所有技术都是某种形式的人类知识的体现。就技术知识结构而言，人工智能的知识也呈现出一定的层次性。米切姆注意到技术知识结构由浅入深、由初级到高级的层次特征，他提供了从最小概念到最大概念的一系列技术知识形态，包括对如何制造和使用人工制品的不自觉的感觉运动技能或技巧、技术格言和前科学工作经验总结的法则、描述性定律以及技术理论。不仅仅是米切姆，更多的学者注意到技术知识的多样性结构。例如，罗珀尔认为技术是一种真正的知识类型，并系统地表现为社会技术理解、技术诀窍、结构规则、功能规则、技术定律等五个类别。① 结合前人对技术知识形态的层次区分，我们认为人工智能的知识结构可以至少诉诸两个层次的认识来证成，即知觉与经验认识、技术规律或理论。人工智能知识首先表现在对人工智能系统和程序的自觉与经验认识上，是较为初级层次的知识。例如涉及程序员在智能产品开发的编程经验技能和诀窍、对成功的智能产品制作技能的概括描述，消费者使用人工智能的技能等等，这些知识主要依赖实例进行直观训练而获得。更高层次人工智能知识表现在人工智能的技术规律或理论上。这个层次知识的基础要素不是某项具体的人工智能应用发明，而是关注到人工智能技术系统的运行发展与社会关系的机理，以及其背后的科学（包括自然的、社会的）原理等。例如，推动人工智能发展的符号计算和神经计算原理、智能支撑系统组件规则等，关于人工智能与自然环境和社会实践之间相互关系的系统知识（如人工智能伦理知识等）等。

当然，需要指出的是，人工智能的历史尚未完成，它仍然处于向前发展的进行时。随着技术的进步，人工智能可以完成的任务也越来越多，通过人工智能技术获得的认识会越来越丰富，而关于人工智能的知识也在不断更新。或许，随着机器完成更多任务，我们会倾向于不将其视为达到智能，而是将智能的门槛移到更远的位置，然后将新的位置视为智能的标示。人工智能知识发展的历史无疑已经证实了这一点。

其四，作为意志的人工智能。作为（人的）意志的人工智能是从价值论意义上思考人工智能。意志是人做出决定并承诺到具体行动的过程与能力，人工智能意志反映了人工智能人性一面，因为技术始终是与人密不可分的。在技术本质的四个呈现形态中，意志是最主观最人性化的。离开了意志，任何对技术的讨论都是空洞的。纵观将技术作为意志的观点，主要围绕人开发和利用技术的意愿、动机、目的等展开，其中讨论的关键在于价值澄清和伦理辩论。也即，技术在带来社会结果过程中能够实现（或破坏）什么样的社会价值，以及人类的伦理原则在技术活动中是如何体现的。

基于技术意志论，人工智能首先并不是完全中立的，而是负载价值的。人工智能是人创之物，其发展与应用的目的说到底是满足人的社会需要，也就是说人工智能本来就是为了实现服务人的价值。从具体的人工智能技术开发和应用来看，人工智能技术具有创造者和使用者的价值倾向。对于人工智能技术的开发者而言，人工智能技术研发、制造过程往往是许多参与者共同合作的过程，他们参与其中并不是无欲无求或者大公无私的，通常是致力于确保在人工智能技术设计中表达自己的利益。也就是说，正是人的欲望需求驱动了人工智能的开发和应用。对于人工智能技术的应用者而言，人们使用某种技术通常是为了满足自己的需求，技术之于人来说是有用之物。马克思指出，“假如我们想知道什么东西对狗有用，我们就必须探究狗的本性。……如果我们想把这一原则运用到人身上来，想根据效用原则来评价人的一切行为、运动和关系等等，就首先要研究人的一般本性”。① 也就是说，也可以根据效用原则来评价人的本性，人工智能技术的价值、人的本性正体现在人的技术需要之中。

人工智能并不能保持价值上的中立，但它可以成为塑造社会期望行为的工具，也就是实现一定的社会价值。技术的社会价值取决于技术嵌入社会的广度和深度，人工智能作为一种近来发展和应用普遍而迅速的技术，深刻影响到社会诸领域，并因此带来广泛的社会价值。在这方面，卢西诺·弗洛里迪等人给出了四个人工智能实现社会价值的可能，包括促进人类的自我实现、强化人类的主观能动性、提升人类社会能力以及培育社会凝聚力，等等。② 然而，正如其他技术一样，人工智能技术在实现人类社会价值、推动社会发展的同时，也可能损害人类价值，成为异化力量。这样，人工智能的价值表现就会在为善或致恶之间游移。人工智能的负向价值往往隐藏在正向价值之后。譬如，前述弗洛里迪等人所列举的四大价值中，人工智能的积极发展在促进人类自我实现的同时也可能钝化人类能动性;在强化人类主观能动性的同时还可能涣散人类责任心;在提升社会能力的同时削弱人类控制力;在培育社会凝聚力的同时可能也会加深社会隔离。正是基于这些负向价值的担忧，人们意识到人工智能伦理规范的重要。与其他技术一样，人工智能的伦理规范主要是在人類既有伦理规范的尺度下的机器遵循。当然，人工智能与其他技术相比，又显得较为特殊。其特别之处在于人工智能技术的“自我设计”一面，因此人工智能的伦理原则往往还包含了通过机器学习以进一步发展新的伦理规范。

综上所论，人工智能高度复杂的技术秉性，需要我们融合工程与人文的技术思考，才能够更完整、更深入地看到人工智能技术本质的多维面呈现。人工智能的四个面向也并非是彼此分立隔绝的，而是相互联系的有机呈现。其中，作为对象的人工智能是最直接的呈现，是更深入探究人工智能本质其他呈现面的起始。源自对人工智能实践的理性认识的知识体系同时又指导人工智能实践，对象和知识又是通过人工智能的活动得以转化，而潜藏于人工智能技术背后的人的意志则是普遍存在于对象、活动及知识之中。通过汇合四个维度认知，我们可以更接近人工智能技术的融合本质，这也正如米切姆所指出的，“现代技术的本质都是最清楚地表现在其密度最大的地方———即在对象、活动、知识和意志的汇合处。”

三、申论：人工智能的发展原则

人工智能的发展正处在关键的十字路口。“发展什么样的人工智能，如何发展人工智能”这一持续了60多年的问题如今比任何时候都需要人类的再思考。正如前文所论，对人工智能技术本质的真实把握，是更好地发展人工智能的前提和依据。人工智能技术具有融合的本质特性，相应地，其发展也就需要综合考量、系统推进。考虑到人工智能技术在工程与人文之间融合了物性、活性、知性、人性四个维度的本质呈现，当下及未来的人工智能发展则至少要遵循四条应然原则：

一是务实地发展人工智能。作为对象的人工智能，表现在各种各样客观实在的智能化人工物质制品中。这是人工智能最直接和浅在的呈现，客观实在的人工智能对象，为人们讨论人工智能提供了现实条件。今天，人工智能产品已经广泛而深入地渗透到社会生活之中，这种泛在的对象性存在构成了人们反思人工智能的着力点，也构成了展望人工智能未来发展的起始点。基于对象维度看人工智能，实际上是从技术外部将技术当作客观实在的独立对象来看待。客观现实的物质存在性是激发新一轮人工智能热潮的诱因，同样也应该是我们发展人工智能的前提。发展务实的人工智能，就是要立足人工智能技术的现实物质状况。进入现实或将会进入现实，这是人工智能研究的前提条件，舍此则人工智能的对话将失去边界。而且，脱离现实条件的人工智能研究也终将会陷入虚无主义的泥沼。发展务实的人工智能也就要求人们将注意力从遥远的不切实际的未来，拉回到当下人工智能开发和应用中的具体现实，拉回到人类自身发展的问题上。

二是全栈景式发展人工智能。作为活动的人工智能呈现出人工智能技术动态的活性特征，这也启示我们认识到人工智能的制造和使用是一个完整有机的过程。复杂的人工智能技术活动结构和过程由此也决定了我们不能仅发展某个环节或某项具体技术，而应该基于全栈全场景的原则推动人工智能的发展。全栈景是笔者借用的人工智能开发和应用中的两个技术术语，其中全栈是指人工智能开发全部环节的完整技术链，完整堆栈开发几乎包括人工智能程序的前端和后端进行（或构建）任何项目，体现了人工智能技术开发的系统性。人工智能的最终成功必然需要基于全栈发展、通盘发展的基础，以及技术开发行业互补共促行动以形成人工智能技术的整体向前。而全场景则是就人工智能技术的社会应用而言，是对人类一直致力于通过技术来改善各个领域的生活目标的积极响应。全场景地推进人工智能落地不仅包括人工智能社会应用的广泛覆盖，还包括各种应用间的有机联系、深度嵌入。技术开发与社会应用从来都不是彼此分离的，两者之间是相互牵引、彼此作用的。在全栈技术开发与全景社会应用有机统一的实践中推动人工智能协调发展，也将是发展人工智能的应行之路。

三是可解释地发展人工智能。作为知识的人工智能，在认识论层面连接了工程主义和人文主义在人工智能研发和应用上的联系。伴随着人工智能时代的到来，我们需要为迎接这样一个时代做好各方面的准备，特别是知识上的准备。在一个越来越受到人工智能技术推动的世界中，人们需要读懂人工智能。对于普通人来说，虽然使用某种技术并不一定需要成为该项技术的专家，但是需要拥有能让自己信任这项技术的基本认知和理解。这方面的一个流行的比喻是：你虽然没有专业的医学知识，但即将接受手术的你仍然希望能够理解主治医生对自己的医疗决定。推而广之，对于嵌入人类生活的人工智能产品，特别是对人类有重大影响的人工智能应用，社会能够理解其决策过程至关重要。因此，发展可解释的人工智能的内容，就应该包括人类自身“追踪真相”的认知努力。也就是说，人工智能发展成功的关键因素中不仅有机器学习，还应包括人类学习。

四是负责任地发展人工智能。既然人工智能本质上还是人的意志体现，那么，发展人工智能就不能无视社会价值考量和人类伦理规范。既然没有什么可以阻止人工智能的兴起，那么当下最应该探讨的是如何使用这项技术来帮助我们做出更好的道德选择，也就是思考如何负责任地发展人工智能。“智能就是善意”，这是哲学家西蒙娜·德·波伏娃在20世纪中叶提出的有力观点，今天它仍然可以启示我们在人工智能上的探索。当我们在谈论人工智能的时候，我们必须思考究竟是为了什么。从消极的一面来讲是对人工智能技术应用的反省，而从积极一面而言则是为人工智能发展规定正确的发展方向。人类发展人工智能的目标是服务于人类本身，对人工智能的价值定位和评价就应该立足于人类中心。人工智能为善，就是要求人工智能与人类一道追求那些美好价值，例如自由与公平、生存与发展、和谐与团结等。也就是说，负责任地发展人工智能就应该以“为善”为根本的价值导向，让人工智能可以成为一种真正推动人类社会发展、实现美好社会的实践力量。