“人工智能”说话了吗？

对于“人工智能”的发展来说，2017年注定是不平凡的一年。在这一年里，微软小冰写作并出版了“人类史上首部人工智能灵思诗集”《阳光失了玻璃窗》①，宣告了“人工智能创造的时代，从今天开始”②，引起评论界一片惊呼;同一年内，“阿法狗”接连击败了李世石、柯洁两大世界围棋高手，科幻小说尤其是科幻电影当中反复讲述和渲染的“机器人威胁”③的故事仿佛也在一夜之间变成了现实。

2017年因此也被称作是“人工智能年”。但“人工智能”并不是一个新事物，实际上从1956年达特茅斯会议“人工智能”得以正式命名以来，它其实已有六十多年的历史。通过梳理“人工智能”发展的历史，我们发现从最初的“弱人工智能”①到如今的“强人工智能”②，“人工智能”的发展并非一帆风顺，可以说是步履维艰，而人们所谓的“超人工智能”③其实远没有到来。

“人工智能”不是一个新问题，而是一个老问题。在“人工智能”席卷一切的时候，它却始终都未曾开口说话。那么，当我们在讨论“人工智能”的时候，我们究竟是在讨论什么？往远处说，“人工智能”源自于西方自古希腊以来形成的“科学”传统，是对包括亚里士多德在内的古典哲学家试图利用机械符号处理、解释人类思考过程的尝试;往近处说，和以蒸汽机、电力等代表的科技革命一样，它也是现代以来西方科学技术发展的产物。在技术哲学视域下，技术就是人类的本质，“人工智能”既是古希腊神话故事中爱比米修斯的遗忘，也是普罗米修斯又一次从上帝那里盗来的火光，它可能是对“人”的又一次发明，同时也是一个关于“人”的寓言。

一、什么是“人工智能”？

在小冰写诗、“阿法狗围棋大胜人类”等新闻铺天盖地之际，不仅是文学和围棋竞技，在艺术品市场、法律、伦理、学习、交际等日常生活的方方面面也开始受到“人工智能”的全面冲击。人们也由此陷入到更大的忧虑里面——借助“人工智能”，人类是将得到前所未有的、彻底的解放，还是陷入到更大的奴役、更深的异化当中去？在陷入具体的纷争和担忧之前，当前更重要的工作是先弄清楚“人工智能”到底是什么。

“人工智能”（Artificial Intelligence），英文缩写为AI。由美国数学家约翰·麦卡锡（John McCarthy）于1955年率先提出，并于1956年在美国召开的达特茅斯会议上正式启用。由于“人工智能”是一门同时跨越了包括哲学、数学、经济学、神经科学、心理学、计算机工程学、控制论和语言学等学科在内的综合性科学，各个领域的专家学者均由自己的研究领域出发作出定义，以至于流行的关于“人工智能”的定义多达十余种，其中比较有代表性的定义有以下几种④——1950年，被称为“计算机之父”的英国人阿兰·图灵在《计算机与智能》一文中，他将“人工智能”定义为“如果机器在某些规定的条件下能够非常好地模仿人回答问题，以至于提问者在相当长的时间内误以为它不是机器，那么机器就可以被认为是思维的”①——这也就是日后声名大噪的“图灵测试”;而在1956年召开的达特茅斯大会上，日后被称作是“人工智能之父”的约翰·麦卡锡则将“人工智能”定义为“人工智能就是要让机器的行为看起来就像是人的表现出智能的行为一样”②;而同为达特茅斯会议的参与者、人工智能的创始人之一的赫伯特·西蒙将“人工智能”定义为“人工智能研究人的思维方法，以便设计能完成智能行为的启发式程序”③;斯坦福大学费根鲍姆教授则认为“人工智能是一个知识信息处理系统”④;而同为斯坦福大学人工智能研究中心的威尔森教授则把“人工智能”定义为“人工智能是关于知识的科学，即怎样表示知识、怎样获取知识和怎样使用知识的科学”⑤。

出于不同的理论预设，关于“人工智能”的定义大致由四大部分组成——“类人行为”“类人思考”“理性地思考”与“理性地行动”，这四大部分或强调思维和推理的过程（所谓“思考”），或强调“行为”，并由此将“人工智能”导向了不同的发展方向——比如“类人行为”这一部分，除了达到“图灵测试”提出的基本要求之外，“人工智能”还需要发展和完善诸如“自然语言处理”“知识表示”“自动推理”“机器学习”“计算机视觉”等能力。

若将“以人类为中心”和“以理性为中心”作为标准，相应地也可以把这四大部分分为两类——以“人类为中心”则意味着“人工智能”就是模仿人类的、“类人的”，这以图灵为代表，它的研究和发展都要从人的身上得到启示，这种观点预设了一个理论前提，即我们要计算机所做的事就是人脑所能做的，它也必定是经验科学的;而“以理性为中心”的观点则更富有争议性，以斯坦福大学的费根鲍姆教授和威尔森教授等人的观点为代表，他们将“人工智能”看作是一般性的智能科学，或者说是认知科学的智力内核，也就是说这一类定义认为“人工智能”发展的目标是要提供一个系统的理论，这种理论不仅包括人类在内，还囊括了地球上可能存在其他生物和心灵，这一类定义的理论预设在于，人类也只是地球上存在的一种具有认知能力的物种而已⑥。与前一类标准相比，后一类定义无疑具备更加广阔的跨学科背景，这在某种程度上构成了“人工智能”难以定义的第二个原因。随着神经科学、纳米技术等高精尖技术的发展，人类对于自身的认知处于不断刷新的状态中，或者说对于人类表现出来的各种高度智能，包括思维、推理、语言理解、视觉、听觉、触觉、知识的表达、形成及存储结构等问题还处在不断的探索中。因此，“人工智能”本身也处在不断的发展变化当中，这反过来也构成了“人工智能”难以定义的第三个原因。这些分歧和差异既互相质疑又互相促进，也由此形成了“符号主义”①“连接主义”②和“行为主义”③等“人工智能”三大派别。

迄今为止，“人工智能”的发展经历以下五个阶段④。

第一个阶段（1956年以前）被称为“人工智能”的孕育期，在这一阶段，一批来自不同领域的科学家开始探讨制造“人工智能”的可能性，完成了后来“人工智能”发展基本条件的准备工作。也就是说“人工智能”是一系列学科发展交汇的产物。脑神经元研究的科学发现，比如维纳的“控制论”、克勞德·香侬的“信息论”等都暗示了构建电子大脑的可能性。而Warren McCulloch和Walter Pitts结合了基础生理学知识和脑神经元的功能，结合了从罗素和怀特海德就开始的对命题逻辑的形式化分析以及图灵的计算理论，提出了一种人工的神经元模型，这被认为是AI的最早工作（1943）;1949年，唐纳德·海布提出了所谓的“海布学习”，这是一种更为简单的、用于更新和修改神经元之间连接强度的规则;在此基础上，两名普林斯顿数学系的研究生马文·明斯基（Marvin Minsky）和Deam Edmonds在1951年造出了第一台被称为SNARC的神经元网络计算机，明斯基在晚些时候还证明了神经元网络研究的局限性⑤;同在这一时期，后来被称为“计算机之父”的英国阿兰·图灵于1950年写作了《计算机与智能》一文，文中他提出的“图灵测试”被认为是“人工智能”哲学方面第一个严肃的提案。

第二阶段（1956年—1969年）为“人工智能”的形成期，计算机先后开发出可以解代数应用题、证明几何题、学习使用英语的程序，这一时期的“人工智能”研究洋溢着一股乐观的情绪⑥，研究者们普遍认为拥有完全智能的机器将在十年最多二十年内就会出现。这一阶段第一件重要的事件就是1956年的达特茅斯研讨会，同样来自普林斯顿大学的约翰·麦卡锡召集了包括明斯基、克劳德·香侬和内森尼尔·罗切斯特、艾伦·纽厄尔和赫伯特·西蒙等人在内的对自动机理论、神经元网络和智能研究感兴趣的研究者，在达特茅斯组织了一个为期两个月的讨论会，这次会议是人类历史上第一次关于“人工智能”的会议，虽然并没有取得什么实质性的成果，但是“人工智能”这一学科就是在这一次会议上得到确立，因此有研究者将这一年称为“人工智能元年”。1957年，艾伦·纽厄尔和赫伯特·西蒙等人的心理小组编成了一个被称为“逻辑理论家”（LT）数学定理证明程序，这一活动被认为是“人工智能”的真正开端，此后的美籍华裔数理逻辑学家王浩继续推进这一研究，他在IBM-700机器上证明了《数学原理》里的全部定理;1960年香侬等人研制出了问题求解程序GPS（General Problem Solver），可以用来求解11种不同类型的问题;麦卡锡等人则定义了高级语言Lisp，成为后来占统治地位的“人工智能”程序设计语言;1965年，鲁滨逊提出了“归结原理”，为定理机器的证明作出了重大的贡献;同年，费根鲍姆开始了DENDRAL專家系统的研究，并于1968年完成并开始投入使用。这一时期AI的研究在有限的范围内（只有原始计算机和当时的程序设计工具）取得了巨大的成功，但这一时期值得一提的大事件还有1960年召开的“国际人工智能联合会议”（International Joint Conference on Artificial Intelligence， IJCAI），它标志着“人工智能”得到了世界范围内的肯定和承认。

在随后的第三个发展阶段，“人工智能”的发展进入它的第一个停滞期，AI研究者们遇到了一些无法克服的（至今仍未解决的）基础性障碍。困难主要可以分为三类——第一类困难在于早期的程序只是取得了句法意义上的成功，它们很少包含或者几乎不包含关于它们主题的知识，在经历了两次俄语翻译的失败尝试①之后，所有美国政府资助的学术性翻译都被叫停;第二类困难是AI试图解决的很多问题都不具备可操作性，程序原则上能够找到解并不意味着程序实际包含找到解的机制;第三类困难源自于产生智能行为的基本结构的某些基础限制，比如由于神经网络研究经费的缩减，感知器（一种简单形式的神经元网络）的研究便长期处于停滞状态。到了1970年代，因为之前的承诺均无法兑现，AI的研究长期处于停滞状态，英美政府相继停止了对AI的无方向拨款，此后的资金只用于具体的研究项目②。

尽管遭遇了诸多挫折，这一时期的“人工智能”研究还是取得了一系列的成果，与“连接主义”遭到的冷落形成鲜明对比的是注重逻辑、语言和专家系统的“简约派”的兴起，比如1970年斯坦福大学计算机科学系的费根鲍姆和C.Djerassi等人研制出了世界上第一个专家系统，用于世界各大学及工业界的化学实验室;吴兹（W.Woods）1972年研制出了基于知识的自然语言理解系统，该系统还是第一个采用普通英语和机器对话人机接口的系统。“简约派”之外，还有注重框架和脚本的所谓的“芜杂派”的兴起，比如，1974年明斯基提出另一表示知识的方法——“框架理论”;1976年纽厄尔和西蒙提出物理系统符号假设，这一假设认为物理符号系统是表现智能行为的充分必要条件，在这样的假设下，任何信息的加工系统诸如人的神经系统等都可以转化为物理系统;同在这一时期，另一“人工智能”语言Prolog也宣告诞生。1977年费根鲍姆在第五届国际人工智能联合会议上提出了“知识工程”的概念，对以知识为基础的“人工智能”研究和构建起了重要的作用。这一阶段“人工智能”的发展遭遇瓶颈，变得缓慢，成为依托知识累积构建模型的专家系统时代。

在经历长达十年的停滞期之后，“人工智能”在第四个阶段（稳定增长期）率先在人工神经元网络的研究上取得了突破性的进展，1982年生物学家约翰·霍普菲尔德使用统计力学的方法来分析网络的存储和优化特征，提出了一种新的、全互联的神经网络模型;1986年David Rumelhart提出了所谓的反向传播学习方法，解决了多层人工神经元网络的学习问题。这一时期，AI成为工业并投入生产，比如第一个商用专家系统R1就在数据设备公司DEC投入使用，为该公司节省了大量的人力资本;1981年日本公布了“第五代计算机”计划，与此相应地，美国也组建了微电子和计算机技术公司（MCC）作为保证国家竞争力的研究集团。

1980年代短期的增长之后，1980年代末到1990年代初，因为AI市场份额的下降、专家系统维护费用的居高不下和美国国防高级研究计划局（DAPRA）对AI发展的失望，“人工智能”的发展再一次陷入到经费削减的“AI之冬”。1980年代后期，根据当时机器人学上的成就，一些研究者提出了一种全新的“人工智能”方案，他们开始强调感知运动技能对于常识推理的重要性;同时，从事理论神经科学研究的学者David Marr也主张自下而上理解视觉的物理机制要在符号研究之前进行。1990年代以来，AI终于实现了它最初的部分目标，它被大量运用到技术产业中，但更多时候被用于幕后（比如数据挖掘、工业机器人、物流、语音识别等），但在商业领域AI单位影响力已大不如前。AI被拆为各自为战的几个子领域，更多的时候都不再称自己为“人工智能”，而换之以别的名称。得益于工程技术的复杂应用，尤其是计算机性能上基础障碍的克服，1997年5月11日，“深蓝”战胜了卡斯帕罗夫，后者为当时国际象棋的世界冠军;得益于大数据、深度学习和计算机运算速度的大幅提高，2017年5月，Google的deepmind团队研发的“阿法狗”接连击败世界围棋两大高手，再次引爆人们对人工智能的热情。另外，1990年代，相关的研究者从决策理论和经济学中引进AI，与计算机科学中的“对象”或“模块”相结合，“智能代理”逐渐成熟;越来越多的研究者开始开发和使用复杂的数学工具，这一变化被认为是“简约派的胜利”。2001年左右，马文·明斯基发出了“为什么在2001年我们仍未拥有HAL”①的疑问，针对这一问题，明斯基本人以为是因为AI研究长期忽略了常识推理等核心问题，而麦卡锡则归咎于“资格问题”。从事不同研究领域的研究者给出了不同的回答，这不仅表明了目前AI研究因各自为政难以取得共识，同时也对应了前文提到的AI在各自的子领域各自为战的现实。

应该指出的是，目前的“人工智能”还只是在某个特定领域，从某个特殊角度接近或达到甚至超过人类智能，但在多认知功能协同和通用性智能方面，机器人还与人类有明显差距，大幕还只掀开了一角，“人工智能”的发展还未能全面兑现它的承诺。但并不能由此否定“人工智能”的价值——截至2016年，AI相关产品、硬件、软件等的市场规模已经超过80亿美元，纽约时报评价AI已经到达了一个热潮。“人工智能”也成为引领国家国际潮流，提升国家竞争力的重要方面——尽管一再经历“AI之冬”，美国政府仍旧从国家层面于2016年10月发布了《为人工智能的未来做好准备》《美国国家人工智能研究与发展策略规划》两份重要报告，2017年中国政府也将“人工智能”写入政府工作报告，并发布《新一代人工智能发展规划》，也将其上升为国家战略。

综上所述，目前的“人工智能”发展仍处于“弱人工智能”向“强人工智能”的过渡阶段，它多居于幕后，被结合到具体的产品中被应用到日常生活诸如“微信支付”“人脸识别”“语音识别”“物流”“银行业软件”“Google搜索引擎”“无人餐厅”等方方面面，也就是说“超人工智能”的时代远没有到来，不仅是因为基础性的研究长期没有突破，同时出于对于人自身、对于智能的本身的不同理解，目前的“人工智能”前沿研究和它的产品一样，都处于各自为战的分散状态。如此看来，对于“人工智能”在各个方面取代并奴役人类的恐慌多是科幻小说发出的玄想，这一天还远没有到来。那么，接下来的问题便是，当我们谈论“人工智能”，我们究竟在谈论什么？

二、当我们谈论AI，

我们在谈论什么？

历史地看，“人工智能”是一个充斥在西方历史当中的观念，也是一个亟须被实现的梦想。在古希腊神话中已经出现了赫淮斯托斯的黄金机器人、皮格马利翁的伽拉忒亚;中世纪则出现了像贾比尔的Takin这样的利用炼金术赋予无生命物质意识的传说;19世纪以来则有类似玛丽·雪莱的《弗兰克斯坦》这样一类科学幻想小说。某种意义应该说，“人工智能”囊括了数学、经济学、神经科学、心理学、计算机工程、控制论、语言学等具体学科，是跨学科的产物。更准确地说，它是西方现代“科学”发展的产物①，这里的“科学”指的是肇始于希腊理性科学，经由基督教的“唯名论”改造，并以自然的数学化与世界图景的机械化为数理实验科学的形而上学基础，就是在启蒙主义的关照下，将技术数学化，将世界图景化。也就是说，“人工智能”（也可以说西方现代科学）本身就是西方現代性的产物，是一个现代“发明”②。

古希腊神话传说中“普罗米修斯”的故事常常被用来譬喻人类的处境。在古希腊神话故事中，“先知”普罗米修斯背叛了众神，盗取天火送给人类，因而冒犯了上帝。为了惩罚普罗米修斯，上帝命令火神武尔坎铸造了锁链，并让威力神克拉托斯和暴力神比亚将他束缚在高加索山上的一个陡峭的悬崖上，并每天派出恶鹰去啄食普罗米修斯的肝脏，那些被吃掉的肝脏随即又生长出来，周而复始。就这样“被缚的普罗米修斯”饥不能食，困不能眠，膝盖不能弯曲，还要反复遭受肝脏被啄食之苦，直到几千年以后，英雄赫拉克勒斯途经此地，射落了恶鹰并为普罗米修斯解开了锁链才解救了他。但为了维护宙斯的颜面，“被解放的普罗米修斯”仍然戴着一只镶有高加索山石的铁环，以便宙斯仍能夸耀他的仇人依旧被锁在高加索山上。

在古希腊悲剧作家的笔下，盗火的普罗米修斯是人类的朋友，他盗火为了人类甘受惩罚，他是一个殉难者;同时他盗火的原始动机是反抗宙斯，破坏神的秩序，他又是一个殉道者。他在反抗的过程中体现出来的强烈的主体意识和反叛精神（叛逆的情调）也被后来的作家反复颂扬。比如鲁迅最偏爱的神话人物就是盗火者普罗米修斯，他在写于早期的《摩罗诗力说》中称赞普罗米修斯是一位“先驱者”，“以爱与正义自由故，不恤艰苦，力抗压迫者”①。在后来的《“硬译”与“文学的阶级性”》等文章中更是对普罗米修斯致意再三，把他比作虽九死其犹未悔、“博大坚忍”的革命者②。

这其实是一个被启蒙主义改写的故事。传说中普罗米修斯除了是一个大家熟知的盗火者之外，他其实还为人类盗来了其他很多的工具和技术，人类也因此才过上了文明的生活。但是，他盗取这些东西并不是为了反抗宙斯，而是因为他弟弟爱比米修斯的冒失。在这个完整的神话故事里，神创造了万物并让爱比米修斯给每一个物种分派本质，好让万物各有所属，拥有某一项固定的能力。但爱比米修斯疏忽了，在人类领受他的本质前就已经把手里的本质分完了，以致人从来就缺乏某一个先天的本能，没有一个本质的规定性。爱比米修斯的失误，或者说人类本身先天本质的缺失，就是技术的真正起源。也就是说，人是一种没有本质的存在，人要通过工具来赋予自己以本质。

因此，在这个完整的神话故事里，人其实是遗忘和盗窃双重过失的产物——“爱比米修斯的遗忘”导致了人类遗忘了自己的工具本质，但普罗米修斯通过盗窃得到工具重新赋予人以本质，这就构成了技术的原罪。斯蒂格勒用柏拉图的语言说，技术化其实就是丧失记忆，也就是为了中介的价值而牺牲了作为最终价值的意义，为了手段而忘记目的——“计算决定了现代化的本质，随之而来的是人们对最初的原型记忆——这个一切毋庸置疑的推理和意义的基石的丧失”③，技术化的过程，就成了背离意义的过程④。但技术化的过程本身又是一个去蔽和遮蔽共存的循环往复的过程——技术化是将宇宙中历时历在的潜在本质作为自己现世的本质，这本身是对本质去蔽（即所谓一切如流，变动不居）;但将潜在的本质作为现世的本质本身又是一个本质化的过程，这一过程又是一个遮蔽的过程。“存在先于本质”，而本质化的过程就是遮蔽意义、丧失存在的过程。而去蔽与遮蔽、本质化与去本质化这都同时内生于技术，是技术本身具有的内在矛盾，“人工智能”也可作如是观。从这个角度我们可以重新来打量“微软小冰”的诗歌写作，并结合前文提到的“人工智能”发展的现实，我们可以回过头来回答文章标题提出的问题。

三、结语AI说话了吗？

尽管微软小冰的诗歌写作引起了巨大的反响，或以为“诗人很快就会变得像恐龙一样稀奇”（刘兹欣语）⑤，或以为这是对诗歌写作的“亵渎”，小冰的单调和重复是诗歌写作的“反面教材”⑥。但鉴于目前“人工智能”发展的现状——在各个领域各自为战，对其发展前景也众说纷纭，拥有完全人类智能的“人工智能”并未出现，从技术的层面来说，“人工智能”并没有能力发出自己的声音。那么，发出声音的是谁呢？我们来看下面一段描述：

据悉，小冰是“师从”中国自1920年以来519位诗人的现代诗，通过深度神经网络等技术手段模拟人的创作过程，至今已“创作”出70928首现代诗，《阳光失了玻璃窗》挑选了其中的139首。此前，小冰曾被安排以“骆梦”“风的指尖”“一荷”“微笑的白”等27个笔名，在天涯、豆瓣、简书等平台发表自己的诗歌，不但没有被人“识破”，且多获好评，读者们并不知道这些笔名背后的“诗人”，其实并非人类。①

根据这一段描述，很难说小冰已经发出了自己的声音——小冰虽然使用的是“深度神经网络技术”，但她仍在模拟人的创作过程。况且小冰“创作”出的70928首现代诗为何只挑选其中的139首？又是以什么样的标准进行挑选？小冰以笔名“发表”作品，面对的是怎样的读者？又从谁那里获得好评？这些问题恐怕都是不言自明的。正如有论者指出的，“我们的人文系统显得有些滞后，可能我们的情绪和知识结构还停留在二战之后或者冷战时期，但是这些认知系统远远不能解释当下的这个世界”②。即小冰诗集不論采用什么样的技术，它所理解的“诗歌”乃至它定义的“人”其实都来自过去，这本身就是本质化的，是一种具体的“技术”。换句话说，小冰虽然能写出诗来，但是判定什么是诗的标准仍然是由“人”来制定，而且是由过去的、关于“人”的标准来判定。

也正是在这个意义上，米歇尔·福柯在其《词与物——人文科学考古学》一书中宣告了“人的死亡”，这里的“人”需要打上引号，因为他是一种现代的“发明”，是由经由现代（18世纪以降）知识讲述和塑造的“人”。也正是在这个意义上，福柯才把“人”比作随时都可能被潮水抹去的“大海边沙滩上的一张脸”。某种意义上，小冰诗集描画的还是这张“沙滩上的脸”，因此她并没有发出属于自己的声音来。又或者说，这种沙滩上的书写——描画而又被抹去，记忆而又被遗忘，去蔽又被遮蔽，本身就是一个关于“人”的寓言。

责任编辑：朱亚南

①  小冰：《阳光失了玻璃窗》，北京联合出版公司，2017年5月。

②  见微软全球执行副总裁、美国国家工程院外籍院士沈向洋为小冰诗集所作的推荐序言“人工智能创造的时代，从今天开始”。

③  从雪莱夫人（玛丽·雪莱）最早的科幻小说《弗兰肯斯坦》到后来的科幻电影《终结者》《黑客帝国》等，机器人都获得了主体意识，摆脱了人类的控制，甚至试图反过来开始奴役人类。

①  “弱人工智能”主要专注于完成某个特定的任务，如语音识别、图像识别和翻译等，依据大量统计数据而归纳出模型，用于解决特定的具体类的任务问题而存在，基本上还属于“工具”范畴。在“人工智能”长达60多年的发展历史中，大多数的时间都处于这一阶段，“人工智能”目前在日常生活中的应用也多属于“弱人工智能”。

②  “强人工智能”则包括了学习、语言、认知、推理、创造和计划，目标是使人工智能在非监督学习的情况下能处理前所未见的细节，并同时与人类开展交互式学习，已经具备“人格”的基本条件，可以像人类一样独立思考和决策。得益于互联网、深度学习等发展，“人工智能”首次获得深度学习能力，这一阶段差不多始于2017年，“阿法狗”在围棋这一传统竞技项目上接连击败了两大世界高手，这也是这一事件引发如此大规模关注的原因。

③  “超人工智能”则被定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。在这一阶段，“人工智能”已经跨过“奇点”，其计算和思维能力已经远超人脑，届时“人工智能”或将形成一个新的社会。这一阶段还未到来，多见于科幻小说和科幻电影，但符合大多数人对于“人工智能”的想象——某种程度上，这也是人们对于“人工智能”感到忧惧的主要原因。

④  这也是在某种程度上构成了“人工智能”难以定义的第一个原因。

①  A·M·图灵：《计算机与智能》，《人工智能哲学》，刘西瑞、王汉琦编，上海世纪出版集团2006年版，第25—44页。

②  艾芊：《现代电力系统辨识人工智能方法》，上海交通大学出版社2012年版，第31页。

③  冯健翔：《人工智能及其航天应用概论（上）：广义人工智能基础研究》，宇航出版社1999年版，第2页。

④  同上。

⑤  同上。

⑥  这与社会生物学家爱德华·威尔逊提倡的跨越科学和人文的“知识大融通”，探讨伦理学的生物学基础等观点不谋而合，也和他一样饱受争议。

① “符号主义”主张以物理符号系统假设为基础，把产生于大脑抽象思维中的智能通过建立、修改、复制和删除等操作产生其他符号结构，从而实现对应的智能行为，代表人物为赫伯特·西蒙和艾伦·纽厄尔。

②  “连接主义”认为智能是内省的思维过程，即大脑神经元之间的相互作用以及信息间的相互交流，在模拟大脑神经系统结构的基础上可以建立人工神经元网络，从而实现相应的智能行为。

③  “行为主义”认为智能行为产生于对外界复杂环境的感知和行为的交互过程中，把复杂的行为分解为许多个简单的行为逐个研究。感知是对环境刺激产生的某种反应，而行为则是对这种反应的陈述。这种快速的反馈能够适应复杂、非系统化和非模型化的客观环境。

④  五个阶段的论述参考了《人工智能——一种现代的方法（第三版）》（清华大学出版社，2016年版）一书，并在维基百科等网络资料的基础上整理而成。

⑤  这一点对后来“人工智能”的发展影响巨大，在很长的时间内“人工智能”都停止了“连接主义”（即神经网络）这一方面的研究。

⑥  这一乐观情绪既与拓荒时代的新奇感有关，同时也与这一时期MIT和斯坦福大学AI项目等工程都得到了APRA（即DAPRA的前身，国防高等研究计划局）巨额资助有关，经费的提供几乎是无条件的。

①  一次是在利用机器翻译俄语科学文献时，因为机器缺乏相应的主题知识而失败;另一次则几乎是一次事故，机器直接将“心有余而力不足”翻译成“伏特加是好的，肉是烂的”，正是在这一翻译事故之后，政府撤销了对学术翻译的资助。

②  这也直接导致了当今的“人工智能”研究和应用都处于各自为战的、“切片式”的存在。

① HAL-9000是科幻作家亚瑟·克拉克在《2001太空漫游》中的角色，这是他想象出来的超过人类智能的机器人，他预计这一机器人在2001年就能够出现，因此明斯基有此问。

①  指出这一点尤其重要，这在某种意义上也回应了所谓的“李约瑟难题”，即“尽管中国古代对人类科技发展作出了很多重要贡献，但为什么科学和工业革命没有在近代的中国发生？”在科学史家吴国盛等看来，是因为中国没有形成西方的“科学”传统。

② 在这个意义上，在以数理实验科学为依托的“现代科学”之外，西方的博物学、中国古代的博物学都可以说是另类的科学传统，在它们之间构成了有趣的对话关系，从新文明论的角度来看，可能还葆有新的可能。

① 鲁迅：《摩罗诗力说》，《鲁迅全集》（第一卷），人民大學出版社1981年版，第63页。

② 鲁迅：《“硬译”与“文学的阶级性”》，《鲁迅全集》（第四卷），人民大学出版社1981年版，第209页。

③ 贝尔纳·斯蒂格勒：《技术与时间：爱比米修斯的过失》，译林出版社2000年版，第4页。

④ 技术的数学化，或者说启蒙的理性化并不是技术自身发展的必然选择，这只是一个欧洲化的选择，是一个叫现代性的特殊文明岔道的特殊要求。

⑤ 杨守森：《人工智能：人类文艺创作终结者？》，《学习时报》，2017年4月28日。

⑥ 谢君兰：《小冰写诗：诗歌创作的反面教材》，《中国文化报》，2017年6月30日。

①  张永军：《小冰及其“人工智能文学”》，《文学自由谈》，2019年第3期。

②  屈婷：《人工智能，会让艺术家“丢饭碗”吗？》，《艺术市场》，2018年第4期。

责任编辑：朱亚南

作者简介

沈建阳，青年评论家，北京大学文学博士，现任教于集美大学。