人工智能与统计融合的逻辑遵循与实施路径

焦立涛 邢 军 宋广升

青岛黄海学院 山东 青岛 266427

以人工智能为代表的第四次科技革命的浪潮席卷全球,与现实社会、互联网空间深度融合,人、机、物共同进入万物互联、虚实结合、开放共享的人工智能时代。根据马克思主义机器观,人工智能具有技术与社会的双重属性。习近平总书记指出:“科技从来没有像今天这样深刻影响着国家前途命运,从来没有像今天这样深刻影响着人们生活福祉。”统计工作作为经济社会发展的重要部分,不可避免地受到人工智能的深刻影响。人工智能与统计融合是统计工作必须面对的时代课题,学界关于人工智能与统计相融合的研究刚刚起步,融合缺乏系统性,迫切需要汲取其他学科的“养分”,迫切需要以系统性融合研究,实现“可用之器”向“向善之道”转变。人工智能与统计融合属于跨学科研究,实质是人机融合的问题,需要从多个学科的角度,用多种学科研究范式进行研究。在社会主义的中国,需要放在马克思主义哲学视阈下总体把握,借鉴系统性的分析框架,增强融合的系统性。本研究以马克思主义指导,分析人工智能与统计融合的理论逻辑,以帕斯森功能结构分析为框架探究融合的内容结构,提出融合的实施路径。

一、人工智能与统计融合的理论逻辑

(一)人工智能的本质

关于人工智能“是什么”,学界进行了深入探讨,有科学技术说、复杂系统说、交叉学科说等观点。在马克思主义视阈中,人工智能本质上是模拟、延展和学习人类智能,借助机器实现人类判断、推理、感知、识别、预测等知识信息处理行为的外包,仍然属于人类“对象性活动”的产物,是人类器官的延伸。正是因为人工智能是“对象性活动”的产物、人类器官的延伸,与马克思论域中“机器”本质上是一致的,虽然马克思没有关于人工智能的直接论述,但是在马克思对机器的论述中所蕴含的基本原理,对于理解人工智能依然适用。人工智能本质就是模拟人类的思维做各种事情,在帮助人类完成重复性高、繁杂冗余的工作同时,也使得知识信息生产流程发生深刻变化。以深度学习为代表的人工智能技术已经超越人类的感知局限,传感器采集、机器分析、AI合成智能主播、实时算法精准推送、VR/AR沉浸体验等变革了知识和信息的生产流程。人工智能实际上是知识处理的革命,人类知识处理的外包。工业革命实现了体力外包革命,人工智能将实现脑力外包革命。

(二)人工智能与统计的内在关系

在马克思主义哲学视阈中,人类活动分为认识世界和改造世界两种,人工智能与统计同属于认识世界的范畴,在改造世界中认识世界,进而再指导人们改造世界。

首先,二者同一性决定了融合必然性。人工智能与统计从认识世界的角度讲都属于社会意识的范畴,从改造社会的角度讲,都是社会存在中生产力的范畴,属于科学,二者具有同一性。人工智能是模拟人类智能,是模仿人的意识与行为,而统计是人研究数据的意识反手,人工智能是模仿人的意识的部分,而不能模仿人的全部,人的全部意识处于逐渐认识的过程中,具有无限可能性。人机结合是未来人的存在样态,是未来社会的发展趋势。但是,在融通和结合的过程中,人工智能与统计二者融合的关键问题是相互之间的语言问题,语言就是数据。人工智能与统计的融合随着人机交互的日益密切逐渐深化。

其次,统计具有基础性。意识的本质就是发现人类社会的规律,构建规则,促进人的自由发展。人类社会存在着规则与自由的本质逻辑。而统计和人工智能都从某个角度在探析、研究、传播、构建着规则,统计是研究人的意识方向性的规则,具有基础性,人工智能是辅助人完成感知、认知等决策层面的问题,具有具体性。统计学是一门传统学科,是人工智能技术发展的基础。在深度学习技术出现之前,统计学习方法是人工智能技术的主流,如回归分析、支持向量机、贝叶斯分类器和贝叶斯网络、决策树、聚类、主成分分析、马尔科夫链蒙特卡罗法等。同时,深度学习技术中,仍有诸多方法是基于统计学习的基础。所以,推动人工智能和统计的融合技术创新,是顺应科学发展规律的自然要求。

第3,人工智能具有辅助性。人工智能虽然是模仿人类智能的部分,但是其具有高度的规范性和专一性,能够极大地延伸和拓展人的认知、分析和执行能力,人工智能恰恰可以弥补人类认知和、分析和执行的能力不足,帮助人实现脑力的自由全面发展。人工智能能够促进统计有效性的提高和效度的转化。人工智能因为其模仿人类智能的非全面性,所以全局性决策和分析具有局限性,特别是涉及多个因果的相关性分析,涉及人类价值与情感的问题,必须在人类价值指引下进行。

二、人工智能与统计融合的内容建构

(一)帕森斯功能结构分析框架

结构功能论认为,社会行动系统是由多个行为主体构成的,他们承担着不同角色构成动态的模型,以一个整体的形式自我调适维持着社会运转,行动者之间的关系结构形成了社会系统的结构,并以特定的功能对社会系统整体发挥作用。美国社会学家帕森斯(Talcott Parsons)是结构功能论的杰出代表人物,他提出任何社会行为系统都存在一定的结构,一定结构具备一定的功能,任何社会结构以组织化的形式整体存在,其部分虽然发生变化,但是可以通过组织自我调节实现平衡。[1]他构建的AGIL分析框架(简称AGIL),把社会行动视作一个多个行为主体通过不同角色相互影响的动态模型,任何社会系统存在和发展必须具备某些社会功能,社会行动系统一般具有适应功能(Adaption)、目标达成功能(Goal attainment)、整合功能(Integration)和模式维持功能(Latency pattern maintenance)四项结构功能[2]。

(二)人工智能与统计融合的内容结构

AGIL适用于多元主体动态协同社会行动。[3]主要进行宏观系统的分析。而人工智能与统计融合恰恰是一项需要宏观把握的,多元主体、动态的社会行动。[4]融合创新是指人工智能与统计双方依据一定目标,制定融合内容,运用科学方法对融合的过程及结果进行动态调节的过程。人工智能与统计融合是多元主体参与的,而治理的一项核心内容就是多元主体的协同作用。从人工智能与统计融合功能结构构建角度来讲,恰恰需要宏观系统的科学分析框架,根据AGIL分析框架,社会行动系统要保证维持和延存,使社会行动结构趋向新的平衡,就必须实现四项基本功能,人工智能与统计融合要从这四项功能出发探究其结构。第一,适应(A)。适应功能主要依靠行为有机体承担[5],具体到人工智能与统计融合就是由主体承担。人工智能与统计共同辅助人的认识和决策,是人类认识能力的拓展,从主体出发,最终落脚到主体,融合关键取决于对主体的适应,融合的情况也最终体现在主体支撑上。第二,目标达成(G)。目标达成功能主要依靠社会行动的目标来导引[6],在人工智能与统计融合中,目标达成功能主要通过融合的价值目标来完成,沿着正确的方向来推动融合创新。第三,整合(I)。整合功能主要依靠技术来运作[7],具体到人工智能与统计融合就是技术融合创新来实现,用技术整合各部分的资源,增强二者融合的黏性。第四,模式维持(L)。模式维持功能主要依靠调节平衡来实现[8],具体到人工智能与统计融合就是由二者融合的法治体系作用。融合需要通过法治体系协调各方关系,对整个过程进行评价调节,在融合过程中不断根据产生的新问题进行优化调整。

三、人工智能与统计融合的实施路径

人工智能与统计的融合要面向统计发展中的问题,把纵向的守正继承和横向的交流互鉴两种方式结合起来,以融合性的人才培养,以系统性的目标导引,以战略性的技术创新,以发展性的治理体系,实现人工智能与统计的深度融合。

(一)深化科教融合,培养跨学科的人才

人工智能与统计的都是人“对象性活动的产物”,要实现融合关键在于具备融合的人才,只有人才掌握了融合技能,融合才能不断科学发展。融合能力的培养需要打破学科边界进行跨学科的培养,深化科教融合,促进人工智能与统计在实践中融合。首先,加强顶层设计,科学谋划跨学科人才培养。要科学设置人才培养方案,注重师生协同发展,有序推进跨学科人才培养。其次,提升教师的人工智能与统计融合水平。人工智能是以技术应用为牵引的,而统计注重理论分析,所以优秀的教师,应该既是精通人工智能和统计理论的“理论家”,又是洞察行业需求、擅长应用相关技术解决实际问题的“实践家”,因此,应以“开发者型教师”为发展目标,提升教师的融合能力。再次,推动产教融合培养跨学科人才。高校立足于产教融合培养人才,学生应能面向行业需求,具有较强的解决实际问题的能力。然而,由于多方面原因的综合影响,学生获取“经验”的途径有限,解决实际问题的“应用”能力不足,同时还存在一些突出问题。我们必须帮助学生解决好以上几个问题,通过系统化的训练积累经验,逐步使学生深化对行业需求的理解,提高将人工智能技术赋能行业应用的能力。

(二)强化价值引领,保障意识形态安全

人工智能技术的产业化应用,已经深刻地改变了行业发展和人们的生活,同时带来隐私安全、主体界定、社群区隔、偏好固化、数字鸿沟等问题。为了有效保障意识形态安全,需要强化价值引领。一是通过价值引领,引导人工智能良性发展。虽然当前代表人工智能发展最高水平的深度学习技术,已经在很多领域取得了巨大成功,如计算机视觉、自然语言处理、语音识别、机器翻译、推荐系统等,但仍处于感知智能阶段,离认知智能仍有相当大的差距,知识图谱等推理技术仍在探索中,远未达到通用人工智能的水平,人工智能系统也无法像人类一样实现价值判断,内容审查、信息管理等不能完全放手让人工智能接管,必须由人类对人工智能系统的运行过程和决策情况进行监管,以实现人类正确的价值观对人工智能系统理性判断的弥补和完善。二是加强人工智能从业者的意识形态教育。我们一般只从技术层面关注人工智能从业者开发或使用的相关技术,对于技术背后渗透的人文价值观往往疏于了解。而人工智能从业者的意识形态、价值观等可能会在开发新技术或使用技术解决实际问题中体现出来,若不加以正确引导和甄别,可能会形成意识形态安全隐患。需要重视人工智能从业者的主流意识形态教育,确保开发或使用人工智能技术时,自觉甄别并融入正确的价值观,在意识形态危机初期即能有效化解。三是注重价值在技术开发与应用中的体现,努力将正确的价值观融入技术体系,增强社会主义核心价值观对人工智能系统统领能力,从系统层面防范技术演进中的意识形态安全风险。

(三)推动技术创新,供给与需求相契合

人工智能与统计融合关键要靠基础创新,在普遍性基础上把握特殊性,在供求平衡中增强融合的粘性。首先,机器学习是当前人工智能的核心技术,而统计学习理论是机器学习技术的基础性理论。很多新开发的人工智能技术,仍有很多统计理论的支撑,而统计学习理论中,还有很多问题有待进一步研究,比方说如何利用相关理论或实验的方法计算VC维,寻找反映学习机能力的更好的参数从而得到更好的推广性的界,支持向量机的核函数和参数值的选择。其次,这些统计问题的解决,可以从人工智能、数学、信息论、最优化理论等相关领域开展研究,如非凸优化算法、微分方程求解、小样本学习、迁移学习、元学习、知识图谱等,从而拓宽解决统计问题的思路,推动统计学理论的发展。最后,在人工智能技术的发展和应用中,虽然当前很多产业实践都用到了深度学习技术,但是统计技术在解决小样本、非线性、高维数和局部极小点等问题方面仍有着明显的优势,一些思想和技术路径对人工智能技术的应用开发有着重要价值。所以,现有人工智能与统计融合技术创新,仍要重视统计技术的基础理论创新和推动作用,并基于不断演进的统计技术来助推融合。

(四)加强社会治理,法治与伦理共发力

人工智能算法复杂度很高,即使开源,绝大多数业内人士也无法全面解读,且随着算法的不断演进,在与统计融合中,全面准确地解释这些算法变得愈发困难。如何针对人工智能算法与统计融合进行立法和治理,使其体现平等、安全、公平的原则,是一项严峻的挑战。一是制定法律法规,推进法治化治理。针对人脸识别、语音识别、生物特征识别、信用分析等具体应用场景,制定相应的法律法规,明确数据选择使用的权责利,透视算法内在机理,并通过政策文件和行业规范,为人工智能与统计融合创设良好的制度环境。二是借鉴国外人工智能伦理监管的经验,加强科技伦理的宣传教育,制定安全、可靠、公正的基本原则,倡导开发合乎道德规范的人工智能应用,建立贯穿整体生命周期的人工智能监管机制,规划未来治理路径。三是大力发展人工智能与统计融合法治与伦理协同治理机制。深入研究伦理与法律存在的功能差异,充分考察统计工作的特殊性,将多种社会要素融入进来,共同发力实现治理目标。