人工智能研究的诠释学进路

刘伟伟,刘晓红

(山西大学 哲学社会学学院，山西 太原 030006)

在人工智能的研究中，哲学家们经历了长时期的探索，他们主要的思考点在于：人工智能的研究需要一些什么样的哲学思维指引？在汗牛充栋的哲学思想宝库当中，人工智能的研究体现出了何种类型与趋向的哲学思想？当代哲学的研究成果又是如何能够与人工智能研究结合起来的呢？在这些思考和探索的过程中，由于相关人工智能的问题研究蕴含着诠释的机制特征，加之诠释学思想兼具本体论、认识论和方法论的思维优势，因而使得诠释学思想得到了越来越多关注于人工智能哲学问题研究的相关学者的青睐，他们开始尝试在诠释学的基础理论与人工智能研究之间建立起一种有效的连接，并且希望以此为人工智能的研究提供更多的哲学启发与指引。

一、人工智能研究的诠释学本体论基础

人工智能研究是与人机对话的主客体关系、对话语言的语境内容以及语言与主体之间的关系等问题密切相关的，上述这些问题本质上都是一种诠释的内在运作机制，但是这种诠释离不开其背后的本体论基础作为支撑，为此我们有必要考察诠释学的本体论基础与人工智能研究之间的深刻关联。在本体论诠释学的研究方面，海德格尔的存在论思想成为早期的思想先声，但真正在此方面做出突出贡献的则是伽达默尔。将本体论诠释学发扬光大的伽达默尔明确地指出：“我并不想炮制一套规则体系来描述甚或指导精神科学的方法论程序。”[1]在根本上，海德格尔与伽达默尔都对于那种过于强调现代“科学方法论”而脱离人自身存在的“二元论”思维深恶痛绝，但是伽达默尔却走向了另外一个极端，也就是在某种程度上将“真理”与“方法”对立起来。在伽达默尔那里，“理解”与人的存在被紧密关联起来，作为“存在”主体的个体——读者便由此成为理解的起点或者中心，而“作者”的意图以及文本的“原义”则似乎成为一种可有可无的东西。然而，对于人工智能系统的构造而言，其本身并非如同人类一样拥有特有的大脑生理机制，同时也不可能如同人类一样经历漫长而复杂的心理成长历程，这使得人工智能研究必须要现实地考虑与人工智能体进行对话交流的人类所发出的语言信号，而此种“语言信号”在此就扮演着一种理解之对象——“文本”的功能。将人的“存在”与“理解”关联起来的一个明智之处在于，“理解”不能脱离人的“存在”，用当代认知科学的观点来说就是“具身认知”，这一点在人工智能研究那里就体现为如何选择并构建适合“智能”表征的载体。

由人的“存在”状态出发，理解成为人的“存在”表征和实现的重要通道——对于人工智能系统的“理解”而言，“此在”的现实状态才是理解的可靠起点，而“真理”在此意义上也并非是一种绝对意义上的目标，而是一种在理解语境之中的诠释学意义上的“相对性”认识。在人工智能研究中，作为理解对象的语言“文本”在某种意义上也“具有自己的本体论地位”[2]，而如何正确挖掘这种语言“文本”背后人类的思想“原义”则是判断一个人工智能系统是否具备“理解”能力——智能水平的主要标志。但是，仅仅具备这种建立在人类语言“文本”理解基础上的“能力”还远远不够，人工智能系统同时必须对自身所处的情境要素、背景知识有充分的把握，这样才能真正建立起语言交往的有效机制，在直观的意义上才能获得人类对其更高的“智能”水平认可。换言之，伽达默尔的“认识论”(理解)是一种与本体论挂钩的思想，而“认识论”(解释)与方法论的天然联系作为人类整体的思维机制则在根本意义上是不可割裂的。我们认为，尽管伽达默尔对于诠释学的理解方法论持有一种抵制的态度，但他本身的存在论立场决定了“理解”在他那里只是一种人的“存在”的伴生物，或者附属品，是一种“显现”出来的东西。在个人“理解”与公共“理解”之间的关系处理上，伽达默尔带有“本体论”色彩的诠释学立足于个体的存在，因而这种“理解”便带有极大的主观性特征，是一种从“个体”出发的“自我理解”。 为此，人工智能系统就需要在本体论的层面上积聚与其对话“文本”相关的背景要素，进而确定一个文本意义的理解方向“预期”或者“筹划”。

二、人工智能研究的诠释学方法论原则

除了伽达默尔的本体论诠释学之外，方法论层面上的诠释学研究也为人工智能研究带来了诸多的启示。从方法论的层面来看，尽管人类与人工智能系统的对话呈现出一种不断生发与更新的不确定性特征，但是这种不确定性是就双方对话的整体进程而言的，而在其中的具体环节和阶段中，每一个“部分”的语言表达“文本”仍然具有其确定性和稳固性特征。特别是当诠释学一旦涉入公共理解的领域之中的时候，“方法论”层面的考量就会成为一种不可回避的必然选择。因而，我们所认为的人工智能系统的“理解”既应当避免陷入那种绝对主义的“方法论”迷信，也应当避免陷入那种相对主义的“本体论”桎梏。换言之，人工智能系统的语言表征与处理机制应当在诠释学意义上的“文本中心论”(方法论)与“读者中心论”(本体论)之间保持一种谨慎的平衡。同样，在哈贝马斯的“批判诠释学”那里，同样主张“方法论”研究的回归，但其“回归”并非是要简单地回到传统的施莱尔马赫与狄尔泰诠释学那里，而是主张“真理”与“方法”的结合，也就是将“方法论”与“存在论”结合起来。

依据贝蒂的诠释学方法论，人工智能系统所面对的“文本”语言并非是一种纯粹主观的不确定性认识对象，这种“对象”有其客观的意义，因为无论是对话的一方——人类“主体”，还是对话的另一方——人工智能系统，都在理解的过程中存在着意义形成与构造的复杂性特征。相对而言，作为理解对象的“文本”语言至少具有一种将表达者的思想内容“固定”下来的内在特性，这种“固定”特性就使得人工智能系统的语境性对话语言“意义”的建构获得了一种相对可靠的依据，“以便让文本能为系统所分析”[3]。在这里，坚持方法论层面上的“文本”意义“锚定”，实际上对于人工智能系统的研究而言是一种可以选择的“经济”方案，这种方案的“经济性”就表现在它避免了对于相关语境要素无限制的、毫无指向性的因果关联“膨胀”问题，因为任何一种将其视作符号性、形式性的语言表征形态都有可能对应着无限多种与之存在关联的事物或者事态，而如何在这些纷繁复杂的事物、事态中进行理解“目标”的精确定位则是一件几乎不可能完成的任务——这意味着作为理解“主体”的人工智能系统必须构建一个且可以检索的无限庞大的思想内容“库”。在此，这种思想内容“库”实际上就是人工智能认知机制的一种“本体论”基础——如果我们以此“本体论”视角出发去考量人工智能系统的机制建构的话，这就是伽达默尔意义上的“读者中心论”的立场所在，而如果我们从“方法论”视角出发去思考人工智能系统的实现路径的话，这就是“文本中心论”的立场所在。这意味着，人工智能系统不仅需要以作为认识对象的语言“文本”展开自身的语言逻辑“回应”，而且也需要在方法论的层面上关联和调取与“语言文本”关联的知识背景，只有这样“智能”才能在“存在”与“方法”——本体论与认识论的两个层面上获得统一化的实现。

三、人工智能研究的诠释学语言媒介

诠释学的基础或者核心问题是语言理解与语言解释，而人工智能研究最为关键的问题也是语言的分析、处理和加工，二者在这一点上有着相互融合与相互借鉴的广泛空间，它们共同展现了二十世纪以来源于技术、科学与哲学等人类不同研究领域之中的普遍性思维探索。众所周知，语言是“意识借以同存在物联系的媒介”[4]，在人类与人工智能系统的交流过程中发挥着重要的作用，是人类与人工智能系统进行交流的核心通道。作为思想外化和“呈现”的语言，特别是自然语言，连接着人类“主体”与人工智能系统，而语言的“文本性”功能是在对话与交流过程中凸显其意义的，因此人工智能在此“诠释”的角度上与本体论诠释学——“读者中心论”的立场并不契合。诠释学的“存在论”基础给予人工智能研究的启示在于，自然语言的意义并不可能在一个严格限定形式规则的符号推理过程中加以实现，因为人的大脑运作机制本质上是以“实践”为基础的动态开放系统。既然如此，“人工智能作为一种技术实践”[5]，其“语言”能力就不能按照还原论式的线性运行机制来进行构造，因为人脑的运作本身就是一种多维度思维界面交叉融合、综合作用的复杂系统活动。例如，人脑对于概念和语词的抽象化符号表征就是在一个更高的思维界面上对于可分析具体事态信息的高维度处理结果。

历史地来看，人工智能在其早期发展阶段所秉持的实际上就是一种逻辑推演的形式主义原则，科学家们认为只要遵循严格限定的形式规则，便可以精确地解决现实世界所遇到的问题，而这种思想与逻辑实证主义一脉相承、不谋而合，二者都实施了一种语言意义的“划界”策略。正如我们所见，人工智能研究在二十世纪七八十年代所遇到的停滞不前的困境就已经说明了这种形式主义策略的“破产”。在这一点上，诠释学以语言为基础，对于历史、人文和心理等要素的关注恰恰为人工智能研究路径的突破打开了全新的视野，并且从思维层面上为人工智能研究的创新与发展夯实了基础。与此同时，我们对于人工智能研究所面临的对象“文本语言”的客观性问题，应当进行适当的澄清。这种“客观性”意味着：第一，处于人工智能信息交流和“对话”过程之中的语言“文本”正是在其交流和“对话”过程中具有其诠释学意义的，语言“文本”一经产生就具有了特定的能指和所指，这种能指和所指在其局域性的语境之中是具有相对的确定性的，这种确定性使其具有了“客观性”意味。第二，人工智能系统对于“文本语言”的理解或者误解虽然存在一定的概率，但是在“通常的”意义上这种理解是可以得到较大程度的实现的，因为表征性的语言——无论是形式语言还是自然语言，都在很大程度上具有社会表征的“约束性”“共识性”“规范性”特征，这就使得我们不必过于担忧人工智能系统的“文本”理解误用问题，我们所需要考虑的只是如何去降低这种“文本”理解的误用概率。第三，作为人类主体与人工智能系统交往媒介的语言“文本”既有其特定的内在意义，也有人工智能系统建立在其思想“库”基础上的衍生性外在意义，但在这两者之间首先应当把握的是语言文本的“内在意义”，以期尽可能地避免对语言文本的过度主观性解读。

从诠释学的方法论视角来看，语言问题在人工智能研究中扮演着重要的角色。例如，在“方法论”诠释学兴起的早期阶段，施莱尔马赫选择将“语法”作为诠释学的基本工具，但是“语法”本身并不能保证语言理解的准确性，因为语言除了字面意义还有灵活多样的“语境”意义，这也是施莱尔马赫试图以“心理移情”来把握符合“文本”“原义”的作者意愿的原因。在贝蒂方法论的诠释学那里，语言问题也同样占据着非常重要的地位，我们可以从贝蒂诠释学的基本原则出发来考察人工智能研究过程中的语言媒介作用。这些原则主要包括：诠释客体的自主性、诠释的整体性、理解的现实性、诠释意义的和谐性。就第一点而言，人工智能系统所应对和处理的“对象文本”语言是“智能”展开与实现的基础，人工智能的算法设计必须考虑“对象文本”在普遍社会共识语境中的核心意义或一般意义，而不能将“对象文本”语言在不同概念之间建立过于随机性和低概率的关联。就第二点而言，人工智能必须将“对象语言”当作一个整体结构来看待，不仅要注意到不同概念要素之间的联系规律与特征，而且还要从“对象语言”的整体层面上去分析和把握具体概念要素的意义。就第三点而言，人工智能应当立足于“对话”和“交流”以实现意义的“落地”，也就是在一个可以无限推演的“意义空间”中选择或提出一种与人工智能“自身”相匹配的意义类型。就第四点而言，人工智能应当在语言对话或交流的整体机制中去把握“当下”的“对象文本”理解路径，并且在语言的“博弈”性理解过程中不断地调整和完善理解的方向。

从诠释学的本体论视角来看，诠释学在存在论立场上的个体性和体验性等特征给予人工智能研究的一个启发在于：人工智能的语言理解与解释始终有其特定的条件约束并且有其相对可应用的范围，从技术的层面上我们很难构建一个适用于一切语言“对话”和交流的通用机制。其原因在于，从诠释的角度来看，开放性、语境性和创造性本身就是人类语言使用的基本特征，而人们也并不满足于狭隘地固守在语言的“语形”层面上，而是希望进入语言的“语用”层面，这样人工智能的语言系统也就必须在规范性与具体性、相对性与条件性之间把握一个适当的尺度。具体来说，在人工智能系统的语言协调性与统一性方面，我们应当确保人工智能系统在语言加工和处理的过程中“话语”在部分层面上与整体层面上的协调与统一。也就是说“对话”不仅应当遵循语言的语法和逻辑规则，以使得“对话”具有可拓展与延续的基本前提，同时还应当关联“话语”背后的特定文化和历史习惯，以使得特定的语言“输出”能够维护交流语境中的“意义”整体约束。这样，人工智能系统才能在一种“部分—整体”的诠释学循环中获得其功能的实现，而这种语言的“诠释学循环”在人工智能系统的“智能”迭代创新与发展过程中也必然会发挥不可替代的作用。

总体上来看，诠释学视域下的人工智能研究既不能脱离“语言”这一基础性的方法论工具，同时也要避免陷入“唯语言论”的方法论误区——只有以“语言”为基点，将“语言”纳入人类整体的交往实践系统当中，构建起“语言”与人类实践、存在论与方法论的有机统一体，人工智能研究才能获得更有前途的进步空间。更进一步，人工智能系统需要将对话的语言“文本”当作一个整体的对象来加以处理，这种“整体认识”表现在人工智能系统方面不仅需要超越语言“文本”的句法结构而准确地把握其内在语义结构，而且还需要关联性地探明语言“文本”的文化内涵、历史意蕴和价值趋向。换言之，人工智能系统的“可解释”语言并不是一种跨越时空的抽象形式，而是一种依赖于语境条件和要素的具体“话语”。也就是说，人工智能系统必须超越语言的形式规则而实现“外在”关联，这种“外在性”恰恰是诠释学意义上人工智能系统实现其语言构造预定目标的重要特征。

四、人工智能研究的诠释学“历史性—社会性”要求

人工智能研究很多时候困扰科学家们的一点就在于，作为机器系统的人工智能很难如同人类个体一样在认识与判断的过程中建立起一种连续的历史性思维以及对话交流的社会性思维，本质上人工智能系统的设计是孤立的、缺乏社会历史的交往演化特征的，这就使得人工智能研究在很多时候呈现出一种“弱智能”的状态。我们要知道在人类思维过程中蕴含着经过社会历史性筛选与保存的“记忆库”，人类能够以一种时间序列的方式来自由地调动自身记忆库之中的各种材料。这就要求我们在人工智能研究中充分借鉴人类思维的上述特征，在这方面诠释学的“历史性—社会性”特征为我们提供了重要的思想依据。

我们知道，施莱尔马赫与狄尔泰是从自然科学的认知模式出发来寻求建立一种精神科学的方法论工具的，而精神科学的特殊性恰恰在于其内在主观性，因为人工智能体与人类的对话机制并非是一个一一对应的、可推演的线性机制，而是一个基于历史性、精神性的知识系统。这样，语言对话的“真理”就并非是一个一成不变的客观存在，而是一个不断互动、不断重构的“过程性”呈现结果。就人工智能的迭代算法而言，“启蒙运动”意义上的最佳思路是通过计算结果的不断优选，从而得到更加合理的、更具竞争性的、代价更小的问题解决路径，以此来控制计算时间和资源的成本，而诠释学研究给我们带来的启示则在于算法的迭代过程本身需要一种“历史性”思维的引入，以使得每一次的算法迭代都是“前算法”与迭代筹划综合起作用的结果。这种“历史性”和“过程性”思维虽然在人类心智判断机制中是一种司空见惯的、源于潜意识的精神现象，但是在目前已有的人工智能运作机制中却并没有得到很好的体现。

本质上，诠释学研究所强调的“整体”功能超越“部分”功能的论点已经为我们提示了缘由：人类思维有一种能够展开整体和宏观把握的能力，人脑往往会从与一个特定对象相关的整体信息出发去思考研究对象的“部分”细节，而现有的人工智能研究则是从“部分”出发去探索“整体”，这就导致这个问题的研究一开始就走上了歧路。因此，数学计算层面上孤立的、抽象的线性思维很难与人脑建立在“历史记忆”基础上的思维运作机制相提并论。在诠释学那里，作为集体的、可“通约”的社会“共识”——“社会常识”与个体之间存在着形态多样化的、路径多元化的关系，个体的“前见”直接“规定了我们的诠释学处境”[6]，却并非是一种可以通过机器操作的简单“信息输入”，为此人工智能系统的工程设计者们则需要深入思考如何在正确处理“个体思维-集体意识”之间关系的基础上去重构历史要素“支撑”与智能系统“判断”之间的有机关系。

人工智能的“智能”不仅呈现为一种“拟人”的行为样式与形态，而且更主要的是能够实现与人类一样的自主交流、互动和交往。基于上述的“智能”考量标准与条件，人工智能系统就必须建立起一个关于理解的“历史链条”，也就是要对于事件发生的先后顺序和连续性建立起一种动态的操作系统。归根结底，人工智能的设计初衷并非只是一种停留于实验室可控条件和前提下的“约束性”工具，人们最终的目标是希望人工智能系统能够自如地在各种不同的语境中具有更佳的适应性和“可调适度”。因此，伽达默尔所强调的“时间间距”恰恰为人工智能“理解”能力的提升创造了一个更加开放、更具丰富内涵的意义空间。在这种“历史性”因素的作用机制中，人工智能系统也应当考虑如何遵循“效果历史原则”，也就是将特定的信号输入与输出置于一个“历史链条”之中，进而将其自身的“理解”推向一个更高维度、更具整体性的视野之下。

五、人工智能研究的诠释学主体性思辨

人工智能研究本身会涉及一个非常重要的哲学问题，这就是主体性问题，哲学家们通常会思考“人工智能是否存在主体性”[7]？换言之，人工智能研究的其中一个目标是其“主体性”能力或趋向的建构，而这种“主体性”在诠释学那里则是对于“主体意识”的推崇，实际上这一点也是康德哲学中所突出强调的一点，也就是把客观主义认识论所确定的事物“不变”本质转换到对于我们人类自身先天的认识能力“形式”上来。从诠释学本身来看，它是以人类的精神现象为研究对象的，而人工智能研究的目标实现也离不开对于人类精神现象的深刻理解、模仿与重构。有学者认为，“智能行为的产生需要调用相关系统的符号表征”[8]，而人工智能系统的符号表征与类似于人的“主体性”功能还存在着较大的距离，原因在于人脑机制是建立在生理基础上神经系统与脑结构活动的结果，而目前已有的“人工智能”系统对于符号的加工和处理仍然离不开作为主体“人”的诠释。换言之，人工智能系统的符号关系是借助于“人”的诠释而实现或者获得其功能的，而目前的人工智能系统并不能形成类似于人类一样的抽象概念图景。例如，“符号操作的过程对于智能是必要且充分的”[9]，人工智能系统中信息加工和处理的过程实际上是一种符号运行的计算物理状态，而人工智能系统本身并不能主动地赋予这种“符号”以及符号加工的结果以一种与之相关联的“指称”，而“指称”是人赋予的，而非外在于人的机器。我们始终认为，人工智能只是一种“拟人”的主体性构造机制，它并不可能在本质上真正实现对于人类主体性的完美“克隆”，其根源就在于我们所指称的“人工智能主体性”并不具有人类主体性的独立地位——事实上从伦理层面上人类也不可能允许人工智能具有如同人类那样的主体性平等地位，因为那样的话显然会极大地违反人类的主体性伦理规则。

对于人工智能系统而言，考虑“文本”理解的语境基础和条件问题是必要的，但这种“有限的”语境基础、条件与真正意义上“智能”活动的人类主体“存在”特征相比仍然不可相提并论。原因在于，人类主体的“生命性”和“历史性”特征是一种潜存于其表层行为与精神活动背后的“宏大背景”，这种“宏大背景”意味着个体意义上的人类由自身的有限性通往人类整体意义上的“无限性”，且这种“无限性”是以世代累进的方式自然而然地呈现出来的，但是人工智能系统却在根本上是一种人工设计的、由人类主导建构的、外在于人类精神领域的可操作机制。目前来看，人工智能系统的意义主动“筹划”与自我“显现”仍然是一件最为艰巨的工程学任务，因为由“方法论—设计”切入“存在论—显现”恰恰是多年以来人工智能研究所面对的最为“硬核”，也是最为关键的问题所在。对于人类主体而言，当然可以通过一定程度上的“心理学”方式来重构文本语言的语境，但人工智能体却不可能拥有类似于人类一样的心智作用机制，因而也就无法把握语言对象的个体性特征。在人类与人工智能系统的对话机制中，人工智能系统的语言信号输出与人类的语言表达之间是一种超越“主客二分”的对话逻辑，这种对话逻辑的“博弈”特征表明它不以任何一方的意见为唯一依托，而是一种人类与人工智能系统“视域融合”的结果，“这种融合在保留各自视域的基础上进行超越, 从而形成全新的视域”[10]。“视域”是表达的起点，也是理解的基础。另外，人工智能系统通过各种传感器所接收到的各种“信号”可以被看作是一种可供阅读与理解的“文本”，然而这种“文本”并非是一种先于主体存在的“客观”意义上的对象，它与主体“理解”的过程紧密相关。这种“相关性”不仅表现在理解的“文本”与理解的“主体”结合的时候会在理解“主体”那里进行再次加工和重构，而且也表现在“文本”的意义是一种与“主体”的历史语境要素、心理语境要素共同作用而“生发”与创造的过程。

综上所述，诠释学与人工智能研究的融合，既是诠释学在新的时代拓宽思想论域的必然选择，同时也是人工智能研究在面对理论难题时寻求哲学根基支撑的自然体现，二者之间具有深刻的辩证统一性。人工智能研究既要考虑如何在方法论层面上更好地建立一种可理解的操作系统逻辑，同时也要考虑如何在本体论层面上为人工智能研究提供一种可解释的理论基础支撑。从这个角度上来说，只有打破过去那种诠释学“本体论”与“方法论”之间二元分割的僵化局面，将系统的诠释学思想与人工智能问题的相关研究结合起来，我们才能更好地认识和把握人工智能的“本质”，从而为人工智能的技术实践提供一种更有前途的出路和指引。