从AI到AM：人工智能的知识观

王 鑫 沙永锋

人工智能作为一种技术形态，随着研发技术的升级和创新，其所引发的问题也日益清晰和明确，人们对这种新技术形态既充满着“新世界”的美丽想象也存在着诸多的焦虑。因此，如何理解科技，就构成了一个逻辑前提，决定了人对于AI的态度和选择。事实上，在人类与科技的伴生过程中，人被视为科技的发明者、使用者，对科技构成支配性的地位；与此同时，科技也不断使人嵌入其中，甚至使人异化。如果仅以这种观点来理解人工智能，是否能充分解释AI带来的问题和困境，以及对AI带来的新的技术革命和文明形态的变迁予以深层的考虑？此外，人们对人工智能的焦虑来自人可能会被AI取代甚至“灭绝”的恐惧。那么，人工智能真的可以全方位替代人吗？如果不是，那么AI在何种范围和领域替代人？因此，有必要了解AI的知识来源和知识构成，无论基于先验还是经验，AI是否具有“类人”的知识构成和知识来源，或者是否超越了人类对知识的使用和处理能力？同时，AI与人的分野和差异主要来自AI能否具有类人思维，这种类人思维，是其能够具有常识，并且进入场景化的社会生活的前提之一。精细化规则和语料库的知识供给，使AI仍旧难以与人进行交互性的表达和场景化互动。因此，从技术路径上想象AI的发展，也有助于寻求更好的“人—机”相处方式。在此基础上，考察AI技术的发展给传媒领域带来的变革，也是笔者思考的一个落脚点。

一、如何理解科技：“科技体”与“天数”

如何理解科技？这实际上是从人的角度去认识和判断科技到底如何与人发生关系以及对人类社会产生作用。科学(Science)对于人类社会具有基础的理论性的意义，它可以转化为技术，构成对世界理性的表述，同时也是对浩瀚的自然和宇宙诸多谜问的解释方式。与此相关的技术(Technology)，则从思考和实验转向生产和实际应用。因此，汉语“科技”一词将形而上和形而下结合在一起，形成理论研究对现实生活的“破门而入”。

科技与人的关系如何？人们在这个问题上一直存在着明显的人类中心主义的自大。肇始于古希腊的“人是万物的尺度”，“人”被放置到了世间“上帝”的位置，可以为万物命名和定规，这里的万物不仅是自然之物，也包括人造之物。机器和人之间的关系成为一种从属的关系。吴国盛在《技术哲学讲演录》中谈到三种技术观：第一，技术的乐观主义。技术的乐观主义来自技术的中性论，目的和手段之间只存在偶然的关系而不是必然的关系，技术本身并不必然指向某种价值。第二，技术的悲观主义。技术的悲观主义来自技术的自主论，它不以人的意志为转移，能够进行自我生长和自我繁殖，人成了技术的工具。第三种，是技术的批判主义，强调对技术的潜在的可能性进行细分，进行深层发掘。[1]关于这一点，作者语焉不详。但笔者更倾向于把人与科技的关系划分为技术的人文主义、技术的技术主义和技术的生命主义。技术的人文主义强调技术中人的价值、利益和位置，以人为万物的尺度，强调人的中心地位；技术的技术主义强调以技术为核心，人受制于技术的发展逻辑，并且人成为技术发展的“助产士”；凯文·凯利将技术视为“生命体”，认为技术是生命体的第七种存在，这可以视为技术的生命主义。如果把科技理解为生命体，那么就有其发生、发展、成熟、衰亡的过程。科技体也进入整个生态中，“万物与我齐一”。科技体与人的关系不是僵化和固定的，而是动态的，有可能是友好的，也有可能是对立的。

科技的工具性和服务性构成人们对技术基本的理解和判断的主要方面。人进行科学研究、发明和创造新的技术，或者为了某种非实用的目的——人类对未知的好奇；或者根据某个实用的目的，通过对工具的控制和使用，提高生产效率、满足便利生活的诉求等。人对技术具有主控性(尽管工具也异化了人)。而AI技术的研发者，一般认为并不是人发明了机器，而是因为机器有其自身的演进逻辑，借助于人的手和思想把它呈现出来，机器是有其自身的发展动力和逻辑的，AI的研究只是顺从了这样的一个逻辑。这个观点也是笔者认为的技术的技术主义。科技有其自身的演进逻辑，并且不受制于人类，但是需要依靠人类，这也和凯文·凯利的观点构成呼应：技术逻辑就贯穿在人类历史演进的脉络之中，人类的创造物并不仅是随机发明与优秀想法的集合，这是一个相互依赖的组成部分，并且“共同编织进一个与人无关的连贯整体”“每一项发明都是承先启后”。[2]凯文·凯利说：“‘机械’与‘生命’这两个词的含义在不断延展，直到某一天，所有结构复杂的东西都可以被看作是机器，而所有能够自维持的机器都可以被看作是有生命的。除了语义的变化，还有两种具体趋势正在发生：①人造物表现得越来越像生命体；②生命变得越来越工程化。”[3]他提出了一个“科技体”的概念，除了已经被定义的6种生命形态，技术应是一种新的生命形态。在这样一个进程中，“当人造与天生最终完全统一的时候，那些由我们制造出来的东西将具备学习、适应、自我治愈，甚至是进化的能力。这是一种我们还很难想象的力量。数以百万计的生物机器汇聚在一起的智能，也许某天可以与人类自己的创新能力相匹敌。”[3]凯文·凯利三部曲为人工智能时代的来临做了很好的背书，同时也重新定义了技术与人类的关系，并且视技术工具不再是无机的，而是和有机生命世界一样，有天生的联系和对等的关系，并且“揭开科技那由原子组成的外衣，我们便得以看见科技的核心，并发现科技自身就是思想和信息，生命与科技这两者似乎都基于无形的信息流动。”[2]随着研究的深入，凯文·凯利愈发认识到它的强大能量和自生力。

毫无疑问，这种对于科技理解的观念让人对冰冷的技术充满温情和责任，善待和体恤。在这里赘述凯文·凯利的观点是因为他提供了对于人工智能新的思考方式并产生新的理解——也就是说，人工智能的发展并不是以人的意志为转移的，而是有其自身的演进逻辑，这种演进就像物种进化一样，也像人类社会呈现螺旋式上升一样。科技、自然以及人类社会都有各自的进程，并且都以巨大惯性流动下去，时间越久，积累越重，产生的力量就越大。并且在这种流动中，人类中心主义的傲慢变得有些滑稽，人不能阻止流动的速度以及形态，并且人类在某个进程中扮演科技与自然系统行进的“推手”的角色。将凯文·凯利对当下新技术的沉浸式的理解与目睹式的旁观，与科幻电影中呈现的未来场景相互观照，则可对他的理论想象有了具象的体验，但其理论想象同样充满了“人类中心主义”的乐观。

另一位对技术的理解产生深远影响的则是存在主义哲学家海德格尔。相比于晚他半个多世纪的凯文·凯利而言，他的思考充满哲学家的忧虑。他视技术为一种“天数”，“天数”总是超越于人且有其自身运行的规律，不以人的意志为转移，无可更改又不能避免。海德格尔认为，工具和人类学的定义不能揭示技术的本质，技术不只是工具，“在技术中，决定性的东西并不是制作或操纵，或工具的使用，而是去蔽。技术正是在去蔽的意义上而不是在制造的意义上是一种‘产生’”[4]。显然，技术的“产生”最终要以某种方式抵达海德格尔说的“存在”，而不是仅仅以制造某种器具为目的，这正是技术存在的意义和可能。另一个重要的提示在于，“现代技术作为一种揭示着的指令，就不只是人类的作为。因此，我们必须按照它显示自己的方式，去看待那要人将现实变为定位—储备的挑战。挑战把人聚集进指令。此一聚集要人专心于勒令现实为定位—储备。……我们现在称把人聚集去勒令自我揭示者成为定位—储备的那种挑战着的要求为‘框架’(enframing)”[4]。这里面一个重要的概念就是“框架”，在海德格尔看来，它指的是“强迫性的聚集，这种聚集强迫人，对人提出挑战，要他用勒令的方式，将现实揭示为‘定位—储备’”。[4]可见，技术对人同样存在要挟和勒令，具有强迫性和控制力。吴国盛形容“框架”是一个“瓮”，把一个人装进去就出不来。技术并不只是为人类所掌控，并且受制于人类的支配，而是对人类命运的一种“揭示”。“现代技术的本质在于框架。框架属于揭示天命。……技术乃我们时代的天数，‘天数’又是一种无可更改的进程之不可避免性。”[4]技术发展进程的必然性是这个时代的“天数”，但是“危险的东西并不就是技术。不存在技术这个恶魔，只存在技术的本质之神秘性，作为揭示之天命的技术的本质，才是这个危险”[4]。哲学家的洞见在于他意识到技术作为一种不可逆转和不可抗拒的势态构成巨大的涡卷式的力量，成为现代的“宿命”。人被“框架”强迫性地聚集并且勒令，“框架”就是现代技术的本质。

无论是把技术作为和人类以及其他有机体并存的一种成熟物种的“科技体”，可以按照自己的需求自作主张，还是将技术视为一种“框架”，构成这个时代无可抵制的“天命”，不可违背不可逆转，这些理论都在提示着我们：那种将技术只是视为一堆工具或者硬件，即毫无生命感的厚重的物品的观点已经过时了，“科技体机械化的‘想要’与其说是仔细思考的结果，不如说是一种趋势、倾向、冲动、轨迹”。技术不仅是这个时代的“天命”，也主导这个时代发展走向，“我们生活中的每一项显著变化的核心都是某种科技。……因为科技，我们制造的所有东西都处在‘形成’过程中”。[5]无论是AI研究者的科学实践和社会应用，还是理论家的阐释，对于AI的考虑都应该将其放置在历史与逻辑、科技与文明、机器与人类、法律和伦理等更多的论域展开思考。这种思考正如人们对工业社会和后工业社会的反思一样，积极的乐观的态度以及审慎和悲观的想法一方面源自人工智能发展的实践，另一方面也源自人们对未来科技所能抵达之地的想象。毕竟，科幻小说和影视作品所勾勒的机器智能世界，总是充满了金属与肉身之间的相互摧毁以及对于不可知的智能社会的恐惧。

二、AI能否具有类人思维——人工智能与人关于知识来源和构成的分野

科技想要什么？凯文·凯利的解释是：科技想要和人一样，共享这个世界。虽然动物和植物都和人一样共享这个世界，但是人类中心主义的观念不是“万物与我齐一”，而是将人类视作这个蓝色星球上的主宰。人类能够掌控这个星球，是因为人类拥有了思维能力，并且依靠其强大的好奇心和探索精神以及对知识的掌握和规律的发现，具备了征服其他物种的可能。人对世界的认识来自人的理性，即通过知识认知和理解世界。AI可以吗？下面从AI与人类知识的来源和构成的分野来看AI能否具有类人思维。

对比AI与人的知识何以可能以及如何可能的问题，是想回答如果AI能以先验或者经验的方式自行完成知识的更新和转化并能够超越预先设定的语料库，那么则有可能具备思维和常识，才能实现“人—机—人”的交互作用，并且进一步具有社会化的经验。也只有这样AI才有可能成为强人工智能，否则AI仍旧被认为是一种工具性的科技产品。AI有且只有具备甚至超越人的知识来源和构成的方式，才可能自行完成知识和经验的再生产和加工。

关于人类的知识构成的论争一直伴随西方哲学史的演进之路，主要有两种观点：一种是先验论，一种是经验论。后来马克思的实践论也成为人类知识的来源，实践更强调人的实践在社会中的本体意义。关于人的知识来自先验的观念的代表人物是康德，这一观点也被认为是思想界的“哥白尼式的革命”，他为知识来源和知识的构成的可靠性找到了另一种解释范式，也为知识何以可能和如何可能找到了桥梁，使经验论的“怀疑一切”的观点不再具有摧枯拉朽之势。先验论认为人的心中有一些先验的观念，人们凭着这些先验的观念去把握知识和对象，或者说能把握这些对象是由这些先验的观念造成的。康德认为，一切人、一切可能的思维者，一切能够思维的东西，他们的思维结构就是这样的一种结构，这个结构不是个人主观的，而是思维本身内部固有的，这个结构是先验的。此外，人类对于世界的认知与其他的生命体的认知结构是不一样的，比如说蜜蜂与狗看到的这个世界，与人的看到的是不一样的，这是一种先验的结构。这种认知结构决定了人类如何去认知和如何获取知识。基于康德的先验认识论，人不需要感性经验的累积和习惯性的联想就可以直接获得，这是先于经验而存在的一种思维结构，先天的综合判断既可以增加知识同时具有普遍性，比如说花是美的，虽然这是一个单称判断，同时这个判断又具有普遍性。这种“自先天原则的认识能力称之为纯粹理性。”[6]这是用来讨论知性，而非理性和判断力的。这里面需要注意的一点是，具备先验结构的生命体，包括人、动物以及其他一切能够思维的东西。如果“一切能够思维的东西”里面包括了AI，那么AI的先验结构是什么？或者说，这种先验结构决定了人工智能以何种方式构成对对象的把握？人工智能的先验结构决定了它所认知的世界在怎样的时间和空间内展开，这个世界以什么形态在其先验结构中出现。人工智能的先验结构是被人类赋予的还是其自身的逻辑要求设计者以某种结构完成对它的设计？如果能够从先验结构上来判定人工智能的知识来源与人类的知识来源是相同的，并且具备和人一样的对外在世界认识的先验结构，那么人工智能是否可以实现对世界的理性的直观？如果是不同的，人工智能如何去认知这个世界？人工智能的思维结构是一种预先的程序设计，到目前为止，经过了主要的三个阶段：第一阶段就是以计算为目的并通过二进制法则来实现的。更准确地说，这是人工智能的先天结构，这个先天结构决定了人工智能只能以计算或者其他算法来实现对世界的“算计”过程，算法的先天结构决定了以计算为前提的人工智能仍旧存在着演进中的孱弱，还无法对对象通过理性的直观和感性的直观得到判断，算法的局限只能使人工智能在特定的认知区域内通过高速的计算能力完成判断和选择。第二个阶段，也是现在最为流行的深度学习，深度学习是通过模拟人的生物神经网络来实现类人思维，如果其深度学习不能变成一种自发的行为，而且这种学习的行为不构成与人类社会的互动，那么人工智能就还是一种弱人工智能的状态，也可以说其自身的演进逻辑还没有发展到强人工智能的状态。AlphaGo战胜了人类最好的围棋手，也只能说明是算法的胜利。作为科技体“种群”中的典型样本，还不能成为“人工智能”的骄傲。第三个阶段，还有更大规模的一种模糊的智能状态被我们所忽略，或许，这才是其可能发展的路径，即正在探索的“人工心智”，这是AI发展过程中的至关重要的阶段，也是AI能否超越单一场景而进入多元化复合场景实现交往和执行的技术“关口”。

关于人类知识的构成方式和来源的另一种观点是经验论。以英国经验学派为代表的哲学家，注重经验、注重从感性经验和感觉里面获取知识。比如洛克的“白板说”，认为人的心灵就是一块白板，所有的知识都是由外界印在人心中留下的。休谟则认为，一切离开我们知觉所获得的印象、知觉的知识都是值得怀疑的。人们所知道的就是第一印象，第一印象在我们心中留下痕迹，在对它加以思考的时候就是知觉表象，也即观念，人的内心就是这些东西。人的认识不能超出人的感觉。人只能够认识他所经验到的世界，不被经验的世界是不能够被认识的。人通过对于事物间因果关系的确定，通过重复和习惯性的联想而做出的判断。

关于经验论也有两种观念，一种是人所经验到客观的物质世界，作用于感官所形成的反映和印象；休谟将这种唯物主义的经验论发展成为唯心主义的经验论，只承认在我们的感性中、知觉中以及所接受的印象中所获得的东西。无论是哪一种经验论，都肯定了人所经验到的世界构成了认知的基础和理解的方式，无论是“存在即被感知”还是“心外无物”，都强调了个体对于世界的进入，并通过进入而实现对对象的认知。如果没有经验，外在的世界没有进入到内心，那么是无法实现对于世界的认知的。如果从这个意义上考察人工智能，AI是否能够经验这个世界，同时把感觉到的、经验到的事物构成自己认识的基础和判断的依据？如果人工智能能够具备加工经验的能力，并把所经验的事物形成记忆，据此产生因果的联想，并进一步生产出知识和实践，那么AI与人的差距是否将会得到有效的弥补？但是，正如斯坦福大学人工智能实验室学习负责人李飞飞所言，目前AI的场景化应用还没有做到，是实验室里的AI，而不是进入社会的AI。AlphaGo赢了柯洁，虽然在围棋上赢了人类，但是除了围棋，对其他一无所知，就像《雨人》中的哥哥一样，尽管他生活在这个世界，但是经验到的内容不能进入他的心智，从而不能将感觉到的内容变成行为。所以，要进一步提问：人工智能能否经验这个世界，能否将经验到的世界形成印象，在不断地重复中构成习惯性的联想，并据此做出判断，产生感性的直观，即不依靠经验也可做出判断？与人不同的是，AI的先验与经验之间并无根本的对立，技术塑造了这种先验的结构，并决定了经验以何种方式被消化、记忆并逐渐转化为常识。AI需要依靠先天的设计结构来实现经验层面的知识的获取、加工和实践，但是目前AI的设计者和研发者并没有从先验结构上对AI予以足够的智慧和能力，通过经验的累积实现社会化的行为。哲学家在人的经验和先验上对知识的来源和构成进行对峙和争论，虽然折中并不是最佳路径，但是经验和先验都在人的认知过程中真实地发生作用。特别是人类的实践活动，使人具备了认识和改造的能力。

因此，就先验的结构来说，AI存在着技术架构和设计上的短板，因此，这种心智模式还不能实现凯文·凯利所言的那种乐观，即使我们认同科技自身的演进逻辑，但至少现在，人工智能还没有发展到质的变化，仍处在弱人工智能发展阶段，即“感知智能”。无论是谷歌、IBM，还是百度，都还在探索超越算法之上的思维图式。从经验的层面上看，AI无法将其所经验到的对象转变成为一种社会化的行为进行“人—机—人”认知交互与“机+机”认知交互，也就是人工智能目前还是一个一个独立领域的“单子”，不能构成“机+机”的合作，至少现在还不能进行。AI的大多数反应是一种应机反应而不是情绪和行为的反应，因此，AI目前还无法实现超越既有设计的人机互动，更无法自觉进行社会化的行为。AI可以参与到深海探险、太空探索以及人类无法参与的一些危险和精尖的活动，但这还是在基于工具功能的服务，而不是以有机的互动而产生的行为。AI的思维结构是人类赋予的，这个结构同样存在着各种差异和局限。这是“科技体”发展过程中的局限，以及“天数”之行还未抵达既有之奇点，或许人尚不具备思AI所思之能力，一旦AI具备如此能力，人与AI之间必有不可和解之矛盾，未来更加不确定甚至无法想象。

三、从人工智能(AI)到人工心智(AM)——AI发展的技术想象与实践

这里提出的人工心智(AM)概念，既是对AI发展趋势的想象也是目前科技人员正在研发的技术路径。什么是人工心智(Artificial Mind)？人工心智就是使机器具备对事物的感知、表征、概念和思维能力，使机器具有常识和直观的能力，具有像人一样的“心灵”。AI与AM的最大区别在于，前者无法解决常识问题，只能进行逻辑推理，不能对边界模糊和规则不清晰的事物进行整体的认知，而这正是人的思维特点之一。人工心智(AM)的技术想象与实践，尝试修复机器先天欠缺的“灵魂”，赋予机器常识能力以及在此基础上的理解、交互、自主学习与常识推理能力。

(一)AM：AI发展趋势的技术想象

就目前所言的人工智能，主要是指机器的感知智能，甚嚣尘上的各种人脸识别、VR、指纹识别、对话机器人、智能客服等等仅仅停留在“知觉”(眼耳鼻舌身，不包括“意”)层面。可以做这样的一种类比：现在的人工智能就好像刚刚走出非洲的“智人”一样，具备了人的初级形态，但是不知道怎么使用火，不懂得利用工具，语言的交流也处在较低的水平，不会去改变自然的一些形态满足自身存在的要求。但是人的演进路径也自有其逻辑，当森林大火烧毁了树木，也烧毁了很多动物，这就带来了熟的食物，智人感觉熟食味道更好，更有利于咀嚼和消化，他们将自然环境、气候状态和食物联系起来，于是掌握(或创新)了如何使用火；当他们用手捧起水来喝的时候，可能会意识到如果造出一个物，和手捧一样，是不是就可以盛水了？或许，才有碗的发明。人的思维路径是感觉—知觉(眼耳鼻舌身)—表征—概念—思维。这是从感觉到知觉、从生理到心理、从经验到抽象的过程。AI也将逐渐地从知觉，一步步走向表征和概念，进而形成独立的思维。

人工心智的技术路径主要聚焦机器心智建模，其基本机制是基于心智建模解决数据的机器理解问题，进而解决不同应用场景下的智能应用问题。人工心智是认知智能的技术实现，但是目前的人工智能一般不具备类似于人的心智能力。现在，深度学习可以通过多隐层人工神经网络算法来处理海量数据，抽取词汇之间、词汇和语音或者是视频之间的关系，提高人机对话的质量和速度。但是，即便是有无穷多的训练数据，深度学习也未必能够真正理解数据。深度语义同传统的知识库构建方式相比，其差异主要有两点：第一，可以直接利用互联网的文本和多媒体信息(影音图文)；第二，直接利用这些材料训练人工神经网络，而不是把知识表示为命题，或者是语句集合。与利用手工方式(不论是用符号语言还是自然语言)构建知识库相比，直接利用网上信息显然成本低而效率高。互联网上有大量的常识性知识，这些知识目前没能被计算机充分使用，是因为“理解”这个问题尚未被解决。比如，通过阅读获得知识的就是人，人能够通过看书获得知识。但是，计算机不能通过阅读来获得知识，它必须通过工程师把知识设计成一个一个的算法和公式，并严格地按照这个公式进行匹配，所以计算机成不了文学家也写不了新闻稿，即使微软小冰可以写诗，也是机械化的语词排列，人们以为写得好是因为人自己投射了意象和想象。也就是说目前在弱人工智能的前提下，AI所谓的创造性的工作一定是高度客观性的，并且依赖高度完善的语料库才可以更好地完成。像AlphaGo这样的人工智能产品，由于不能进行商业化和社会化应用，因此它的技术价值是首要的，即体现人工智能技术发展的水平，而商业价值和社会价值很难衡量，因为不能够进入生活场景，为生活化场景提供服务。这种模式无法最终解决这个技术“死穴”的原因就是无法让AI具有常识。在研发领域，好的智能聊天机器人的一个标志就是有趣和有用。有趣是基于理解，有用是能够给出判断，这两个诉求的解决之道就在于使AI具备常识和基于常识的推理能力，也就是使AI具备“类人”的思维，这里存在的一个共识是：没有理解很难做到信息普遍的整合与利用。

人工心智不同于单一算法或神经网络模拟，而是通过建立人工心智模型来开启AI的类人思维。比如人机交际的过程，就是共建交际意向、建立有意义可持续的交际行为。通过多轮会话游戏能够支持整体交际行为，具有人工心智的聊天机器人，在输入语言之后，通过意向性的感知、理解、记忆、判断等，能够输出符合语境的言语和行为等。这不同于此前的程序处理，也不同于机器学习和自然语言处理。人工心智的技术模式首先要解决的就是常识问题。机器心智建模技术的主旨在于实现机器处理常识和知识的内容与形式，这也是人工心智的核心，包括以深度学习为核心的感知层、以深度语义学习为核心的认知层、以深度语义空间为框架的分布式记忆层等。据此建立的人工心智闭环，每一次人机交互都能进行循环迭代，增强人与机器的互相学习和理解。人工心智是一种新的技术模式，其要解决的就是机器如何通过不断的人机交互过程，通过其封闭的环路，不断进行知识的自主更新和迭代，无限趋近对常识的理解，建立“类人”的思维和理解过程。AI的关键不在于数据量有多丰富、计算能力有多强大、算法有多完美，而在于让机器基于小数据的认知、理解、记忆和推理能力。

常识的复杂性、多义性和变动性，使人工智能“常识化”变得非常困难，人的表情、情绪以及语言构成人际沟通的三种主要意义元素，意义的呈现方式虽然有共通性，但仍存在巨大的差异性，在不同语境、不同文化、不同句式里，同一意义的呈现方式可能存在显著的差异，所以人工智能的类人思维的技术要件就显得非常关键，而要解决这个技术关键，还需要有更多的研究和探索。

(二)从知识到常识：AI类人思维的技术“密钥”

而AI到AM的技术想象要解决技术“死穴”就是如何使人工智能具备“常识”，也即如何使AI具有类人思维的基础。只有当AI与人类发生交互行为，且这种交互行为并不是基于人为的技术预设和语料库信息供给，而是AI自行获取语义信息，并能够在此基础上完成相对成熟的、符合人一般理解的完整表达过程，才可以说人工智能具备了“类人”的思维。只有具有类人思维，AI才有可能处理复杂多变的日常生活场景。

这里涉及一个重要的语言学的问题，语言作为一种符号，包括能指和所指两个方面，但是这个“能指”不是不变的，而是处在一种漂移的过程中，不断进行意义的转换，这对AI来讲是一个难题。AI对于规则的精确性的把握，以及对于数据高效处理的能力和对固定对象的扫描式认知，即AI获得相对确定性的外部知识的供给，才能作出较为准确的判断，这也使AI在单一任务场景的处理中显示出超人的能力。但是由于场景的差异、语境的不同和习惯的区别，AI难以对语义边界模糊的语言给出恰当的理解和回复。目前，微软小冰等智能聊天机器人都无法克服这个问题。当AI具有类人思维，才有可能应对多场景的生活现实。比如，对“人”外观的描述：两只眼睛、一个鼻子、一对眉毛，一张嘴，两只耳朵，两条腿……这是一个正常人的外部特征，这些特征可以被量化，包括人的肤色、毛发颜色、眼睛颜色等等正常的指标都可以量化，但如果一个人意外致残，失去了胳膊或者腿，就不是人了吗？人身上的伤疤所带来的特征变化即变量，则是不可知且永无穷尽的。在人工智能领域的视觉识别实验中，计算机通过对几万张猫的照片识别训练中可以识别出大多数的猫，但是当一只猫藏在沙发后面时(或躲在草地上的一棵树后面)，机器便无法识别这是一只猫还是一张沙发(或一棵树、一块草地)。李飞飞在一次采访中提到：计算机还很难做到对场景的整体理解，她认为，计算机可能会认识3000种车或800种鸟……却完全没有一个整体的场景理解。这种现象出现的原因在于理解和分析谁是前提的问题。对机器而言理解是分析的结果(这种分析基于机器已经读取的猫的照片)，但对人来言，理解是分析的前提。当人第一次见到猫，便理解了“猫”这一事物的属性，从此便可以认知任何形态和表现方式的猫。人不需要清晰了解猫的大小、毛色、姿态、画的还是雕塑的……即可获得准确的认知。

扎克伯格认为：AI擅长模式识别(recognizing patterns)，但缺乏人类的常识(commonsense knowledge)，不会把学到的知识，迁移运用到另外的领域，也就是说AI不能处理新问题。从单一场景到多场景的活动能力，是目前AI技术着力解决的问题，要做到这一点，就得将AI对于世界的认知从规则和有限的语料库内容供给变成一种常识化的表示和理解。前面所述的关于AI的知识构成和来源，明确了AI的“先天宿命”——即基于计算而生，后来依据深度学习进行的统计也仍旧没有超越这一模式。模拟人的神经网络结构框架似乎从生理上获得对人的简单模仿，但是人的生理性无法在更为复杂的社会性面前表现出绝对的优势。尽管《未来简史》的作者赫拉利曾经认为，可以通过智能设备监测人的生理指标，帮助人完成更好的社交。但是，人作为社会关系的总和，任何去社会语境化的决策参考，很可能会被认为是无本之木。利用人工智能神经网络算法进行的“类人”生物仿真，可以建立感觉、知觉、抽象、分析和综合，但是判断不仅仅是依靠一些静态以及“净化”的条件，在错综复杂的、边界模糊的条件下，AI是否能够完成准确的判断和推理，就目前的情况来看，还不能完成。图灵测试只是从行为主义的角度来考察计算机是否可能具有“类人”的思维，假设如果机器可以和人类对话，并且可以让对话者无法识别到底是机器还是人，机器就可能具备“类人”的思维。图灵认为通过图灵测试的，才有可能被认为具有“类人”的思维，但是，是不是真的具有，还是语料库存储的内容刚好在对话域内，这个实际上难以判断。

常识的范围、规则和边界一般是不明确的、模糊的，因此对于常识的理解，不仅包括基础的知识习得，也包括在社会变迁的语境之下，词语意义的叠加与变更等。有些常识是基于后天习得，有些常识是人类基因的遗传。常识具有非常规性、难以控制以及人际互动中的使用等特征。计算机语言最初被发明出来是为了解决计算的问题，不是为了解决理解的问题，所以在最初就已经把语义这一块丢掉，这就导致了AI无法基于理解实现沟通，只能通过规则或统计的方法处理形式语义和隐性语义，但是不能够实现对深度语义的理解，无法做到举一反三。这是人工智能从一开始出现就具有的技术宿命。计算机可以把人认为特别复杂的问题很快地完成，这是它计算能力的显现。但是对人类来说越简单的事情，对于计算机来说却越复杂了，比如询问苹果SIRI今天的天气适合穿什么衣服，它只能一遍一遍重复今天的天气温度，再追问就回答“对不起，你的问题超出了我的能力范围”。但是人会依据经验和习惯来判断这样的温度穿什么衣服是合适的。这就说明，学习的过程不只是知识的积累也是经验的叠加，经验是具有社会性和常识性的，这恰恰是目前人工智能难以实现的。至少从研发的角度看，还没有哪一种技术可以实现人工智能的类人思维和心智，也无法从法律和伦理上为人工智能的社会化过程提供依据。因此，这构成人工智能无法“类人”的最根本的“死穴”。微软小冰、度秘、苹果的SIRI等，并不是基于常识而形成沟通，而是通过对人所表达信息的抓取、计算、匹配与关联完成了回答，因为这种沟通是“去常识化”和“去意义化”的，虽然基于统计的结果，会给出一些可能性的答案，这种回答经常是“答非所问”。一个有趣的类比就是英语听力考试，高手完全可以听懂说者之意，并且理解内容；普通选手是能够捕捉到只言片语，然后通过联想、记忆、分析，“假装”理解了意思；而听力弱的考生则是完全不知道对方在说什么，也无法理解意思。目前，处在弱人工智能的阶段，AI一般可以捕捉到单个词汇，或者语料库供给的句式组合，以此来做出相应的互动，一旦超出这个范围，人工智能就会失去“智能”的特征。

(三)AM如何影响传播领域

喻国明、张洪忠以及陈昌凤等教授在近几年里一直致力于探讨AI技术对传媒格局和传播领域的影响。首先达成的共识是影响和改变的必然性，并且引领了传播学界对AI影响传播领域的思考。AI将从深层改变传媒格局，是这个时代媒体人遭遇的“现实一种”，无论是传媒教育、传播理论以及传媒实践都将被重新定义和反思，媒体人的知识体系、专业技能等方面也将面临调整和更新。尽管当下AI还没有从规模和程度上带来颠覆式的改变，但是“媒体大脑”还是机器人写作以及高效精准的信息送达等，无不显示AI技术催生的新变革正在路上。其次，对AI带来的传播业的深层变革保持了审慎和客观的态度，一方面要有应对AI改变传播格局的观念，同时要确保“人—机”协同中的主体性地位。几位学者都在各自的文章中谈及了“以人为本”，喻国明在《未来传播领域发展大势和行动路线图》一文中，就认为判断一种技术形式、传播形态是否具有巨大的社会发展前景和市场价值，要从“以人为本”的社会发展逻辑上来考察。陈昌凤在《以人为本：人工智能技术在新闻传播领域的应用》，也认为智能时代的“新闻想象力”，是AI具有模拟人类思维的可能。张洪忠在《如何从技术逻辑认识人工智能对传媒业的影响》一文中，认为AI的发展是技术的迭代，而不是对人的替代。三位学者从传播业发展趋势和传播伦理上关注了“人”与AI的关系，以及人与AI在传播领域各自能力的宣称。第三，这种讨论是基于大数据、算法以及深度学习等技术进行的讨论，这些技术也被广泛地用于互联网BI(Business Intelligence)等方面。这种考察逻辑的前提是确认当下的AI是一种以统计为基础的算法，易于操作、能够实现海量信息区分以及精准化推送服务的智能技术，以处理边界清晰，规则明确的数据或事物为主要功能。对于机器能否以类人的思维和情感与人进行复杂生活场景下的有机互动，并且基于对常识的微妙的感知、认知和理解，在超越了给定的知识容积之后，仍旧可以进行自主的学习和更新等方面，并没有得到充分考虑。事实上，关于AI对传播业的影响是基于目前的技术能力而做的设想，对于AI的技术发展到AM阶段的构想，还没有予以考量。

如果AM的技术成为一种现实，会对传媒领域产生怎样的影响呢？

首先，媒体平台的“心智化”。AM技术构想的实现，将会使媒体平台像人一样进行内容的制作、加工和传播，并且能够在与用户的互动中为受众提供差异化的服务，受众面对的不再是冰冷的屏幕、纸张或其他什么载体，而像是在与人实时交流。这种互动不是基于算法对用户偏好的线性、惯性和记忆推送，比如一个人浏览的一次娱乐新闻信息，就假定该用户喜欢娱乐信息一样。AM媒体平台会对用户的喜好进行树状分析，将所有的叶片、枝桠和树干等进行综合性的描述、分析、判断、综合，进而给出更精准的结论，就像一个人想和另外一个人交朋友一样，会通过她的言谈举止、审美偏好以及为人处事的多个细节实现对一个人的综合判断。AM智能媒体平台不仅能够完成分析的过程，还能基于理解将碎片化信息、知识、常识进行综合与整理，对事件(或事物)的综合判断，这恰恰是一种“类人”的判断方式。用户与媒体平台的互动实际上就是“人—机—人”互动，无法实现平台与人的实时互动的媒介，很有可能在未来消失。甚至将来的媒体平台，就是大型的心智运算中心，它具备最优秀的人的学识、经验、深度、广度……基于这样的超级心灵，人人都可以成为内容的提供商和制造商。这将在很大程度上改变既有的传播方式和格局。

其次，媒体人的“技术化”和“创意化”。AM技术的出现，将会以类人思维完成内容的选择、整理、编辑、审核、推送等，这在某种意义上代替“编辑”实现了基础信息处理层面的工作。对未来的媒体从业者来讲，一方面需要具备高超的技术能力，能够充分利用AM，同时将其“驯化”成优秀的与用户进行实时互动的AM编辑、AM策划、AM统筹、AM审稿、AM发布……在其准确理解用户的同时，能够有效处理用户的专业化、细分性和差异化的需求和问题；另一方面，人优于AM之处在于人的创意和构想，人的创意、想象、构建和意义供给也是AM不能代替的部分。因此，对于未来的媒体人和潜在媒体人来讲，优质内容以及好奇心驱使下的创新行为，是内容制造者最珍贵的“自留地”。在这一点上，我们仍旧保持着对人的创造的可能性的乐观。

最后，媒体业的“去边界化”和“去平台化”。这其中的“去边界化”和“去平台化”，既包含媒体之间，也包含媒介与受众。AM技术的构想，会彻底打破媒介机构之间的壁垒，也使媒介机构更加细分，综合类媒介机构越来越少，形成“泛媒体”的行业状态。由于AM技术具备接近于人对语言、信息、数据……的理解能力，在AM技术框架下的媒介平台，它可以24小时获取广域互联网上热门话题的同时，代替人从非热门话题当中察觉到隐藏的含义，并让受众在信息传播的过程中，不再只是被动接受内容，更可能成为媒介规则的制定者。传播者与受众共同制定规则、遵守规则、完善规则等等一系列与媒介相关的事务。AM技术构想使人人都有可能是“媒体人”，媒体行业的边界几乎难以存在。用户生产内容的最大问题是良莠不齐，在获得人类的授权之后进行，AM会选择评价优质内容加以传播，AM具有“类人”一样的思维、判断以及价值观，因此，对于“垃圾”内容，AM会实现自动的过滤，也就是说AM在某种程度上以“类人”的思维，实现了媒体“把关人”的角色。AM使媒体“去边界化”，至少会有三种意义：内容制造的效率和质量大幅度提高；媒介机构运营成本急剧下降，传播效果有效提升；及时预测与应对舆论风险。

总之，关于AM对传播业的影响的想象路径大致遵循这样的一个逻辑，首先是具备心智的平台，实现人与平台的互动，通过获知具体的受众观点，改进内容制造与推送方式，形成受众参与到内容制造和规则制定，最终形成“去平台化”和“去边界化”的状态。

四、结语

通过上述讨论，笔者意在廓清如何理解科技(人工智能)的问题，以及通过对人类的知识构成和来源方式的分析，呈现人工智能在何种程度以及在多大范围可以构成与人类的交互的可能，这也将成为人工智能未来的发展和探索的重心。建立在人工心智基础上的类人思维，将是解决人机交互中能够实现语义的理解问题和语用的一致问题的关键。人工心智技术也将超越模拟神经网络的深度学习，成为实现人机认知交互的关键。对于传播领域来讲，AM技术带来的传媒变革的想象更多的在于其将改变媒体平台的属性，对媒体人的新要求以及在“人—机—人”互动中媒体边界的模糊和消失等。凯文·凯利认为，这些机器人是我们的孩子，由于机器人具有繁殖能力，我们需要更强大的责任心。我们应该有目的地培养我们的机器人孩子成为好公民，要逐渐为他们灌输价值观，以便我们放开手时，他们能够做出负责任的决定。所以，即使机器人具有了人工心智，人类是有可能让其规避“不善”的，即通过赋予机器类人的常识能力来形成人机彼此认知交互的社会形态和机器文明。