从一般算术到感知流形——论胡塞尔现象学与人工智能的内在关联

王知飞 马迎辉

(1.浙江大学 哲学学院， 杭州 310058；2.浙江大学 现象学与心性思想研究中心， 杭州 310058)

自1956年达特茅斯会议以来，“人工智能”(AI)已经深刻地影响了现代社会，并随着近年来在数据和算力上的疾速发展全面渗透到当下的生活世界中。19世纪60年代起，许多现象学家从各自的角度对人工智能进行了现象学—哲学的反思，例如德雷福斯基于海德格尔与梅洛-庞蒂哲学对当时的符号主义进行了深入批判，将胡塞尔现象学视为这种人工智能范式的先驱。霍伦斯坦更愿意承认计算机的形式语言隐含了一种现象学态度，因而能够得到一种现象学上的解释，而基于其现象学与结构主义结合的语言学研究，他又提出自然语言的功能模式可以为人工智能提供新的启迪。(1)Hubert Dreyfus,What Computers Can’t Do: The Limits of Artificial Intelligence,NY: MIT Press, 1972; Hubert Dreyfus,Husserl, Intentionality and Cognitive Science,NY: MIT Press, 1984, p.2; Elmar Holenstein, “Natural and Artificial Intelligence—Computer Science and Phenomenology,”Philosophy of Science,16, 1983, pp.63-84.针对塞尔由中文屋实验得出的人工智能不具有思维的著名结论，门施借助胡塞尔的被动综合分析指出，意向性并不是不可以进一步描述的黑箱概念，被塞尔视为人类心灵独有的意向的语义学维度仍然可以被形式化，使机器成为意向的是使其成为真正智能的前置条件。最近，倪梁康先生基于对纯粹意识的本质研究区分了现有的人工智能和未来可能的人工意识或人工心灵，认为在后者的设计中至少应该包含在意识现象学中已得到澄清的“结构奠基”“发生奠基”和“动态奠基”三种秩序模式。(2)参见John R. Searle, “Is the Brain’s Mind a Computer Program？”Scientific American,262(1), 1990, pp.27-31.James Mensch, “Phenomenology and Artificial Intelligence: Husserl Learns Chinese,”Husserl Studies,8, 1991, pp.107-127.倪梁康：《人工心灵的基本问题与意识现象学的思考路径——人工意识论稿之二》，《哲学分析》2019年第6期。随着人工智能的学科范式从符号主义演进到联结主义，同时也随着学界对胡塞尔现象学研究的越发深入，胡塞尔现象学与人工智能的关系问题已逐渐成为学界研究的新焦点。

事实上，二者的关联有着更深刻的“同源”基础，它们共同受益于莱布尼兹建立“普遍数学”来进行逻辑演算的构想。更具体地说，胡塞尔在早期的数学哲学—纯粹逻辑学研究中已经将形式算法从基数算术学中独立出来，通过将计算概念形式化和演绎化构想了一般算术学的算法理论，其关于形式演绎系统的思考在《逻辑研究》中被总结为一门独特的流形论。值得注意的是，在《算术哲学》及其相关文稿中胡塞尔甚至给出了部分递归函数集的一种等价表达，后者正是可计算性理论的核心概念之一。对这种同源性的勾勒将构成本文第一部分的主要内容。 本文的第二部分将在此同源性的基础上，进一步探讨胡塞尔的思想发展与人工智能学科范式的历史演进中的平行关系，前者展现为从对象化的逻辑构成到非对象化的意识关联的移步换景，而后者则呈现为从符号主义的经典算法到联结主义的深度学习的逐级推进。必须指出，尽管可以技术性地通过多层次设计解决单层人工神经网络的“异或”(XOR)函数难题，但相较于意识关联的“深度”与“多维”而言，联结主义仍然是“平面的”和“单维的”。本文的第三部分将关注21世纪以来人工智能领域关于“感知的流形方式”的研究，这一发现与胡塞尔现象学有一定的亲缘性：二者同样基于黎曼的“流形”(Mannigfaltigkeit)概念描述了空间感知的构造过程，表明存在着一种嵌套在高维空间(感觉材料在其中侧显性展现)中的低维流形(为前者奠基的动觉流形)。在此认识论模型的基础上，流形学习尝试将包含噪点的数据还原到低维流形结构之上，从而实现对感知过程的模拟。但需要指出，在系统建构的核心法则上现象学与流形学习仍然是不同的，二者分别遵循动机引发的法则和因果性法则，基于因果性的单向度关联最终难以模拟意识的深度。最后，本文将从胡塞尔现象学的视角出发，说明人工智能的不同范式或纲领之间并非一种非此即彼的对立关系，而是可以兼容在现象学的奠基关系中。

一、一般算术学与流形论：计算概念的深化

数学在19世纪取得了重要的突破。无论是非欧几何以及黎曼流形论、克莱因埃尔朗根纲领的出现，还是严格化运动和公理化运动的兴起，抑或是抽象代数、逻辑代数和数理逻辑的发展，都标志着当时正在发生一场“数学革命”，而胡塞尔正是这一革命的亲历者和见证者。(3)关于数学在19世纪的发展可以参见Dieter Lohmar,Phänomenologie der Mathematik,Dordrecht: Kluwer Academic Publishers, 1989, SS.11-24. 关于胡塞尔的数学背景可以参见Mirja Hartimo, “The Development of Mathematics and the Birth of Phenomenology,” M. Hartimo,Phenomenology and Mathematics,Dordrecht: Springer, 2010, pp.108-122.

大致说来，胡塞尔在1890年之前的数学哲学研究更多地带有他的老师魏尔斯特拉斯的思想印记，他接受了后者的分析学进路，认为算术学必须奠基在“基数”(Anzahl)(4)胡塞尔的“基数”概念并非指通常意义上与序数相对的“基数”(Kardinalzahl)，而是首先指有本真直观表象的数(2～12)，进而也可以指包括象征的数(0、1以及大于12的数)在内的自然数系。概念之上，并进一步分析本真的数概念的直观起源和象征的数概念和数系统的双重扩展。在1890年左右，即《算术哲学》(第一卷)正式出版前，胡塞尔就已经意识到“在草拟我的任教资格论文时仍旧引导我的观点，即基数概念构成一般算术学的基础，很快被证明是错误的”，此时他开始逐渐认为是运算或算法构成一般算术学的核心，它的形式化特性导致了运算法则下新的对象域对于原有领域的兼容，从而支撑了数系扩张的合法性。(5)Edmund Husserl,Studien zur Arithmetik und Geometrie. Texte aus dem Nachlass (1886-1901),Den Haag: Martinus Nijhoff, 1983, SS.245,56.胡塞尔这一思想转变与当时数学界正在兴起的公理化思潮相契合，他将技术性的计算提升到逻辑演算乃至演绎系统(流形论)的构想也得到了其同事希尔伯特的赏识，并在后者的力排众议下成为教席教授。

尽管胡塞尔对算法的早期理解仍带有一定的工艺论色彩，即认为算法是出于“思维经济原则”的实践工具(6)胡塞尔：《逻辑研究(第一卷)》，北京：商务印书馆，2015年，第53-56页。，但他从《算术哲学》时期就开始了对计算概念的深入思考。在他看来，最宽泛的计算概念也可以适用于本真的数概念，但更为严格的计算概念则指的是借助感性符号的、在规定的运算下从数到数的象征性派生。鉴于其早期对于数的概念和数的符号的双重系统的区分，胡塞尔认为上述两个计算概念仍然着眼于数的(本真的与象征的)概念内容，而第三个计算概念则立足于符号本身：“在任意一个算法符号系统内，根据这一系统特有的结合、分离和置换的‘诸法则’——或更确切地说：诸约定——的每一种从符号到符号的合规则的推导。”(7)Edmund Husserl,Philosophie der Arithmetik. Mit ergänzenden Texten (1890-1901),Den Haag: Martinus Nijhoff, SS.244,258.事实上，计算不应被限制在有具体质料内容的自然数领域中，而是可以根据形式法则的保真性扩张到“无内容”的空形式领域，因此计算被演绎化了：“计算无非是在形式逻辑意义上形式正确的(合规则的)‘推理’。”(8)Edmund Husserl,Studien zur Arithmetik und Geometrie. Texte aus dem Nachlass (1886-1901),S.29.根据这个定义，计算所涉及的不只是直接的数与量，而可以是任何代数化的函数关系乃至逻辑命题，即数学的计算实际上是一种形式性的演算过程。凭借概念系统和符号系统的这一区分，计算初步从基数算术的质料性的语义学层次中抽离出来，在形式性的句法学层次形成了自成一体的程式；而只有当计算结束时，所得的符号结果才会被赋予一个解释，从而特殊化为一个含有质料内容的具体结论。凭借这种形式化了的计算概念，胡塞尔进一步将算术运算视为通过计算把数的非标准形式(例如7+5)还原到进位制系统中数的标准形式(例如12)的有穷操作过程(9)这一过程近似于今天的“项重写理论”(term rewrite theory)，参见Mirja Hartimo, Mitsuhiro Okada, “Syntactic Reduction in Husserl’s Early Phenomenology of Arithmetic,”Synthese,193, 2016, pp. 937-969.，它构建了算术领域之整体(一般算术学)。

1891年以后，胡塞尔的关注点逐渐从算术学意义上的计算和运算(数学演算)转移到了逻辑学意义上的演绎(逻辑演算)(10)正如《胡塞尔全集》第21卷的编者施托梅尔(Strohmeyer)所指出的，“胡塞尔在相应的早期手稿(1890-1895年左右)中发展出一种以演算概念为导向的理解”。Edmund Husserl,Studien zur Arithmetik und Geometrie. Texte aus dem Nachlass (1886-1901),S.Ⅹ.，从算术学转移到了逻辑基础与形式理论本身。正如他后来所说：“计算方法的最大成就在纯粹逻辑领域上。通过这种方法，人们首先完全地注意到逻辑相对于认识质料的角色，并且进一步导致了一门新的学科和方法论的形成，它超越一切特殊的计算学科，并且形成了一门新型的最普全的数学。”(11)埃德蒙德·胡塞尔：《逻辑学与认识论导论(1906-1907年讲座)》，北京：商务印书馆，2016年，第122页。在他看来，在句法学层面的计算和演绎之所以区别于单纯的符号工艺，在于其以可直观的形式对象、即以流形(12)“流形的形式定义显然是这样一个定义，它从对象的‘特殊本性’中抽象出来，通过其关系形式定义了特定对象一般。”Edmund Husserl,Philosophie der Arithmetik. Mit ergänzenden Texten (1890-1901),S.493.作为自身特有的概念领域，形式化非但不是对象领域的缩减和抽象，反而使得本身隐而不显的范畴关联得以呈现。在《逻辑研究》第一卷中，胡塞尔指认纯粹逻辑学需要从句法关系和对象结构(后来被命名为形式命题学和形式本体论)的双重视角出发，构建范畴及其联结的范畴论、逻辑演算的后承语义学以及作为理论间联结和扩展的流形论的三维系统。(13)埃德蒙德·胡塞尔：《逻辑研究(第一卷)》，第241-251页。如果说前两个层次涉及的是基本范畴的确立和理论的公理化，第三个层次则考察的是诸流形(演绎系统)之间的同态(等价)、从属(特殊化)、扩展(一般化)等的可能关联，从而构成“诸可能理论之理论”。

值得注意的是，胡塞尔早期的数学哲学研究不仅将算法从基数算术中抽象出来逐渐推进到形式化的高度，同时胡塞尔通过计算和运算而得出的“所有可设想的数的象征构成方式”也在外延上与“部分递归函数”(partial recursive functions)集(14)“全体部分递归函数的集合为最小的包含所有初始函数，并且对复合、原始递归和极小化封闭的函数集合。”郝兆宽等著：《数理逻辑：证明及其限度》，上海：复旦大学出版社，2014年，第130-131页。相重合。岑托内(Centrone)指出，部分递归函数中的原始函数、组合算子、原始递归算子和“正则极小算子”(μ-operator)都可以在胡塞尔的构想中找到对应(初始运算、原始递归、逆运算和运算结合)，从而在形式上证明了胡塞尔构想的所有算术函数的集合等价于可计算函数(部分递归函数)集。换言之，胡塞尔已经对后来精确刻画可计算性的丘奇—图灵模型有了一种“明确的直观”(15)Stefania Centrone,Logic and Philosophy of Mathematics in the Early Husserl,Dordrecht: Springer, 2010, pp.55-60, 47.。

综合以上分析，胡塞尔的早期工作与人工智能之间存在着往往被忽视的实质关联。首先，二者都起源于现代数学的革命性进展，都将传统中技术性的计算概念深化为了一种形式化和演绎化的逻辑演算：胡塞尔早期的思想转变在某种程度上是从魏尔斯特拉斯的分析学理路向希尔伯特的公理化思路的转变，而作为人工智能先驱的图灵在1936年的开山之作《论可计算的数及其在判定性问题上的应用》也是对希尔伯特的判定性问题的直接回答。其次，胡塞尔对数的概念与数的符号的双重系统的区分逐步演化成其对质料性的语义学层面和形式性的句法学层面的区分，一方面前者为后者奠基，另一方面后者在新的层面上自身建基，从句法学层面到语义学层面的多值对应则说明了形式在重新质料化过程中的通用性。正如米希(Münch)所指出的，胡塞尔用计算(演算)系统来形式化思想和推理，再通过解释将结果重新质料化的思路，已经与符号派人工智能研究者关于通用计算的最初设想具有同构性。(16)Dieter Münch, “The Early Work of Husserl and Artificial Intelligence,”Journal of the British Society for Phenomenology,21(02), 1990, pp.107-120.最后，如果着眼于计算的形式系统本身，胡塞尔则在19世纪末就已经通过运算组合、递归和逆运算来构想算术运算的总体，这在某种程度上是对20世纪30年代丘奇与图灵独立发现的“可计算性”概念的预先直观。“可计算性”或“可计算函数”划定了计算的边界，同时也构成了目前基于计算概念的人工智能在形式层面的理论极限。

如果说胡塞尔早期的研究与人工智能学科有着同源性，那么胡塞尔现象学的历史发展与人工智能的现实演进则呈现出一种奇特的平行性：它们不约而同地从“自上而下”的逻辑构成开始，逐渐转向了“自下而上”的关联生成之路。

二、从逻辑构成到关联生成

作为其早期问题意识的展开，胡塞尔在《逻辑研究》第二卷的六个研究中对意识进行了本质性的考察，希望逐步澄清逻辑范畴的意向根源。在探讨认识启蒙之要素的“第六研究”中，胡塞尔指认普遍之物和范畴形式最终显现于一种不同于感性直观的范畴直观(代现)之中。(17)胡塞尔：《逻辑研究(第二卷第二部分)》，北京：商务印书馆，2015年，第1009-1063页。不同于从感性直观出发的经验主义道路，胡塞尔认为范畴之物的独立存在不可还原为对个体之物的抽象或集置。尽管对于普遍之物的直观是由感性直观所引起的，但这并不意味着前者是从后者中产生的(18)胡塞尔：《逻辑研究(第二卷第一部分)》，北京：商务印书馆，2015年，第506页。，范畴直观并非感性直观的外在添加或者简单扩展，相反它是自然感知得以发生的前置条件。

为了说明这一点需要回到“第三研究”，胡塞尔在这里重新检讨了整体与部分的先天关联，这是“充分理解以后各项研究的一个根本前提”(19)胡塞尔：《逻辑研究(第一卷)》，第12页。。在他看来，我们之所以能够区分出个别的颜色，必须基于有相应的体验块片从意识的融合领域中突出，即“只有当一个间断性通过被覆盖的因素创造出来，而且只有当那个与此变更的一个块片相符的整体随之而被划分出来，这个变更的块片才能自为地受到注意，并且首先在意识中得到突出”。换言之，任何突出的意识内容必须处于一个它在其中得以现身的相对“整体”中，若非间断性对连续融合领域的先行划分，则突出和独立都是不可想象的。事实上，这种间断性植根于普遍的种属观念，“间断性本身与在同一个仅高于它的属(在亚里士多德意义上的)中的最低的种差有关”(20)胡塞尔：《逻辑研究(第二卷第一部分)》，第570、569页。。因此，胡塞尔确认感觉内容的突出必须基于属种上的间断性(最小种差)，从而不独立的感觉内容才能在一个先天种属中呈现并确定客体化的立义方向，也正因此我们的目光才可以在感性直观(红色)和范畴直观(红色一般)之间自由切换。在这一意义上，范畴的存在反而成为感性感知的前提，范畴对象性则构成了认知自身的逻辑结构。

在1913年的《观念I》中，胡塞尔将范畴对象性推进到了形式/区域本体论的层次。他区分了属于特定区域的质料本质(例如红色、圆形等)以及与区域特性无关的、贯穿所有区域的形式范畴(例如同一、差异、相似等)，它们有着不同的起源与构型。质料本质源于对个体的直接观念化，因而受制于不同区域的原对象性，通过逐级的总体化展开为从个体本质直到最高属的种属树；而真正的形式范畴则完全脱离了对象性的束缚，它是“一切可能本质的空形式”(21)Edmund Husserl,Ideen zu einer reinen Phänomenologie und Phänomenologischen Philosophie. Erstes Buch: Allgemeine Einführung in die Reine Phänomenologie,Den Haag: Martinus Nijhoff, 1976, S.26.。后者尽管同样参与区域的构成，却独立于任何具体的种属关联。一方面我们可以从事态本身出发，通过形式化获得这种形式范畴，另一方面形式范畴也可以通过事象化在质料领域得到具体充实。虽然不同的区域之间存在着各异的种属序列和构成法则(区域的综合公理)，但是它们都被统摄于形式本体论下，后者包含了贯穿所有区域的分析真理。据此，认知的可能性和整体性就植根于形式本体论与区域本体论的逐阶逻辑构成上，从而胡塞尔实际上先于卡尔纳普提出了某种“世界的逻辑构成”或者说“认识的形式构架”的构想，而后者的逻辑理路正是人工智能的早期符号派的直接思想资源。(22)肖峰：《人工智能与认识论的哲学互释：从认知分型到演进逻辑》，《中国社会科学》2020年第6期。

在人工智能发展初期，符号主义显然占据着主导地位，曾参与达特茅斯会议的纽厄尔(A. Newell)和西蒙(H.A. Simon)是这一思路的早期推动者。其基本立场在于将智能视为特定演绎系统的符号推理/计算程序。这种特定性既可以基于形式本体论上的公理(定理证明)，也可以基于区域本体论上的知识(专家系统)。相对于个体事态(数据)而言，公理法则与知识规则总是先在的，推理/计算就是在先天法则下基于新输入的知识生成。推理的结果本身也可以作为新的知识规则重新置入演绎系统，从而形成一个生成式的知识表征系统。可以说，知识和推理/计算的逻辑互证成为符号派人工智能的核心。在纽厄尔与西蒙看来，这种知识的生成过程恰恰是人类求解问题的一般手段，即运用长期记忆中的前置法则来处理和解决短期记忆中识别的问题情景。(23)A.Newell, H.A.Simon,Human Problem Solving,Englewood Cliffs: Prentice-Hall, 1972, pp.5-67.在这个意义上，德雷福斯认为胡塞尔知识现象学与符号派人工智能一致地通过形式规则和知识表征来构成世界。(24)Hubert Dreyfus,Husserl, Intentionality and Cognitive Science,p.21.但是，符号主义的思路在两个维度上都有着难以解决的困难，首先是在常识中显而易见但在规则系统中往往引起组合爆炸的框架问题，其根源在于存在大量无法被正则化的默会知识；其次，经典逻辑总是单调的，即一旦证明则不会被证伪，就无法呈现出人类意识中的错感知现象。实事上，无论是默会知识还是错感知，它们都或多或少地反映了在符号主义中难以体现的人类意识中的关联感，这并非意味着符号主义的彻底失败，而是显示出高阶的知识系统需要更深层次的奠基。

与符号主义不同，人工智能中的联结主义起源于对人类神经网络的模拟。早在1943年，麦卡洛克(W. McCulloch)和皮茨(W. Pitts)便联合发表了《内在于神经活动中的观念的逻辑演算》(25)Warren S. McCulloch, and Walter Pitts, “A Logical Calculus of the Ideas Immanent in Nervous Activity,”The Bulletin of Mathematical Biophysics,5(4), 1943, pp.115-133.一文，指出单个神经细胞的微观信息传递(开/关)过程可以用逻辑门(0/1)来模拟，而决定是否传递的活动阈值则可以通过权重向量来表示，仿照神经元之间不同的激活模型可以形成不同的算法。基于这种神经计算理论，大量的人工神经单元可以组成复杂多层的算法网络，对其的训练构成了机器学习。在经历了“异或”问题(即单层或双层的感知机无法处理线性不可分函数)的困扰后，联结主义人工智能从19世纪80年代起重新快速发展起来。如果说符号主义的核心是正则化的知识和推理，那么联结主义则注重模拟人类意识的关联现象。根据训练集提供的大量数据，多层神经网络根据反馈逐步调整算法参数，最终形成了特定识别模型。因此，算法并非先在预置的，而是在学习过程中逐渐涌现，在隐藏层中完成了某种组织化。因此，联结主义呈现出与符号主义的普遍化逻辑构成不同的经验化关联生成的特点，符号主义难以解决的默会的关联性问题可以通过在深度学习中生成的权重结构来解决。当然，由于关联性的不可对象化，神经网络也同时具有了不透明性，即参数的调整仅仅是为了提高结果准确率，参数和节点本身的意义经常是模糊的和难以解释的。

与人工智能从符号主义向联结主义的演进一样，胡塞尔现象学也呈现出从普遍化逻辑到关联性历史的纵向发展。按照胡塞尔的表述，“在其形成‘综合统一性’之功能的‘目的论’视角下对单一体验的考察取代了仅限于单一体验上的分析和比较、描述和分类。这种考察转向……意识流形”。换言之，呈现特定范畴的单一意识行为本身必须在意识流形的权能整体中得到构造性的说明，而切入意识流形的关键就是行为间的关联性本身。在胡塞尔看来，能思(意识活动)与所思(意识相关项)构成了一种多维度交织的平行关联。(26)Edmund Husserl,Ideen zu einer reinen Phänomenologie und Phänomenologischen Philosophie. Erstes Buch: Allgemeine Einfuhrung in die reine Phänomenologie,SS.197，200-224.这种平行同样是基于能思与所思各自的流形样态，不仅能思侧有着多层的晕圈结构，所思侧也呈现出复式的相关项—意义—对象的综合体：尽管不同模态(感知、回忆、想象……)的能思对应着拥有不同存在特征的所思相关项，它们却都可以通过多项设定的能思综合指向一个单项设定的意义，而支撑意义存在的则是作为纯粹同一性的对象X。(27)对此进一步的分析参见马迎辉：《胡塞尔论能意—所意——一种基于“显现”之先天可能性的研究》，《哲学分析》2014年第6期。从关联机制上看，联结主义机器学习的过程对应着与能思侧的原印象的滞留化同步发生的所思的观念类型化过程，在背景意识中个体之物的可区分性逐渐消退而成为风格相同的类似事态，这种观念性的结构类型在唤起中映射到新的印象素材之上，从而实现类型化的再认。(28)埃德蒙德·胡塞尔：《被动综合分析：1918-1926年讲座稿和研究稿》，北京：商务印书馆，2017年，第205-208页。

需要指出的是，尽管同样关注到意识现象中的关联性，胡塞尔现象学与联结主义人工智能仍存在根本的分歧。人工神经网络所模拟的是大脑神经元在特定刺激下所呈现的生物活动，通过这种关联权重结构来建立对象模型。因此，它一方面确实在对象层次上是多层的，但另一方面在意向侧是缺乏深度的。这种能思与所思的失衡直接导致了联结主义的算法黑箱和决策不透明，这也意味着联结主义虽然在结果上是卓有成效的，其过程却难以得到理解和说明。

尽管符号主义与联结主义都未能使人工智能成为“意向的”，但意识问题仍然是人工智能哲学中最重要的问题之一。从意向学上看，感知、感受与意志都是意识现象的构成性要素，而反身性自识以及对这种自识的反思性认知则是意识的必要权能，缺失了这些的人工智能几乎不可能具有意识现象。那么，是否存在一种能在某种程度上体现能思—所思的意向结构的人工智能设计？如果存在，那么它很可能从模拟被胡塞尔视为所有客体化行为之基础的感知活动开始，2000年左右新生的流形学习或多或少体现了这样一个向度。

三、感知流形与空间构造现象学

流形学习可以追溯到2000年商(H. Seung)和李(D. Lee)在《科学》杂志上发表的《感知的流形方式》一文(29)H. Seung and D. Lee, “The Manifold Way of Perception,”Science,290(5500), 2002, pp.2268-2269.。他们的出发点是认为在感知现象中存在着根本的谜题，即大脑如何在其原始感觉输入是流动的情况下依然感知到恒常性。在两位作者看来，这最终是基于我们的感知与记忆都是以黎曼连续流形的方式完成的。从范式上看，流形学习仍然属于联结主义，但与单纯注重通过权重结构反映对象隐藏关联的一般思路不同，流形学习在起点上对于感知和记忆的过程有着特别的关注。

以视觉为例，视觉空间中存在着无穷多不断变动的感觉材料。如果将其数学化，即用一系列数来刻画每个像素点或视觉感受细胞上的光强，那么视觉空间是一个具有无数变量的数学意义上的高维拓扑空间，根据这一高维空间的视觉图像来进行图像识别是十分困难的。然而，视觉感知实际过程却并非全然基于感觉材料，并非基于表层的视觉图像或一个完全对象化的表象，而是首先将其还原为一个连续的、低维的曲率空间，即一个嵌套在高维视觉空间中的拓扑流形，视觉记忆也因此是以稳态流形的方式被储存的。例如，在感知过程中往往可以在不同的旋转角度或侧显角度中认定物体的同一性，是因为感知已经在进行从高维视觉空间向低维流形的映射还原，即这一组图像的表面变化其实是受旋转角度作为单一的自由度所支配，因而可以被还原到同一条一维的变量曲线。如果考虑到缩放、平移等其他自由度，那么这些内在维度的曲线将形成一个内嵌在视觉图像空间中的低维流形，它支撑了高维视觉空间的变化万千。而记忆实际上就发生在这个低维流形之中，感知到记忆的过程就是视觉图像不断收敛到具体的稳态流形或连续吸引子的过程，这也构成了再认的基础。(30)对于这一“眼中的黎曼流形”更为详细的讨论参见张军平：《爱犯错的智能体》，北京：清华大学出版社，2019年，第40-52页。流形学习算法便是在模拟感知过程中所发生的映射过程，将包含噪点的高维数据还原到低维流形的基本结构上，在这种还原中被噪点所隐藏的不变量得到了更好的显现。与此同时，流形学习的算法也取得了新的突破，从高维数据中以线性或非线性的方式恢复低维流形结构的局部邻域的流形嵌入方法进一步完善，2000年以后，流形学习逐步地成为机器学习的一个热点问题。

相比于传统的机器学习，流形学习对于感知过程进行了更加深入的思考和模拟，因而与胡塞尔现象学有着更深的相似性。在二者的语境中，流形都与“多中之一”的稳态结构有关。在胡塞尔看来，“对于感知流形之结构的澄清……是静态分析的问题”(31)Edmund Husserl,Einleitung in die Philosophie. Vorlesungen 1922/23,Dordrecht: Kluwer Academic Publishers, 2002, S.407.，感知流形是事物呈现的基本方式，这里的流形一方面指诸多侧显指向了一个事物的同一性(个体化的多中之一)，另一方面指多个个体事物共属同一个本质类型(本质化的多中之一)，二者的结合形成了感知的识别功能。但无论是个体化还是本质化，所思或对象侧的流形结构最终要基于能思侧的流形综合，胡塞尔指认空间感知本身是以一种双重流形的方式进行的：首先是感觉流形的侧显性的连续形变，这种改变一方面来自对象侧几何形态的平移、放缩乃至旋转，另一方面来自自我侧的运动所导致的与对象相对位置的改变。这一连串的运动改变使得显象本质上是一个流形—统一的侧显的动态过程。而更重要的是能思侧的动觉流形的持续综合，它敞开了空间的可能秩序本身，它“使展现成为可能，但自身并不展现”(32)Edmund Husserl,Ding und Raum. Vorlesungen 1907,Den Haag: Martinus Nijhoff, 1973, SS.87-88, 161.。概言之，“动觉”(Kinästhese)不是涉及显象的具体性质的感觉，而是对于显象的形态和位置要素的权能性意识，它是意识从平面或曲面的视觉场构造出具有深度的视觉空间的关键。(33)对胡塞尔“动觉”概念以及它对视觉空间的构造作用的进一步刻画参见Ulrich Claesges,Edmund Husserls Theorie der Raumkonstitution,Den Haag: Martinus Nijhoff, 1964, SS.64-66, 79-84.在感知的流形方式中的高维视觉空间与嵌入高维空间的低维流形在某种程度上就对应、或者说佐证了这种感觉与动觉的双重流形：感觉流形对应于视觉空间的高维数据，而动觉流形则是构造空间的低维结构，它们共同构成了感知的流形结构。在胡塞尔看来，二者在对象化的过程中分别起到了不同的作用：“形象—成分提供了‘意向—指向’，动觉—成分提供了意向之动机。”(34)Edmund Husserl,Ding und Raum. Vorlesungen 1907,S.188.前者是一种超越的对象化立义，后者则是一种非立义的自身关联。

然而这里也会涉及感知的流形方式与胡塞尔的感知流形之间的重要区分，即感知过程中的因果性和动机性的区分。感知的流形方式显然仍有着因果还原论的自然主义倾向，它将感觉材料还原为物理输入，而将感知过程还原为神经元的群组活动。以此为理论基础的流形学习的算法系统的调节仍然是由外部输入决定的，向低维流形的映射实际上是对外部信息的加工和处理过程，而非动觉对于感觉材料的动机引发和整合过程，因而这个意义上它也未能形成独立于因果法则的内在性区域。在现象学的意义上，动机引发指的是意识内在关联的一般法则，意味着意识状态之间基于可能性视域的指引关联，它独立于自然态度下的因果性，后者因为预设了感知对象的客观存在和感觉过程的实在性而成为一种现实的指令关联。在胡塞尔看来，“每一行为体验都是动机化了的，处于动机交织中”，它不仅存在于理性和主动性领域，也存在于习性的和被动联想的领域；不仅存在于诸能思之间，同样存在于诸所思之间，从而形成能思和所思的流形。甚至时间构造本身也要遵循动机引发的法则，“这里还要指出一种动机引发，它包括在内时间意识的形式中”(35)Edmund Husserl,Ideen zu einer reinen Phänomenologie und phänomenologischen Philosophie. Zweites Buch: Phänomenologische Untersuchungen zur Konstitution,Den Haag: Martinus Nijhoff, 1952, S.227.。在《贝尔瑙手稿》中，胡塞尔将其进一步刻画为前摄与滞留相互引发的充实过程，这种时间性的动态牵引关联使得动机引发根本地区别于在时间上单向度的因果法则。事实上，流形学习所模拟的感知中动觉流形与图像显现之间的持续相合本质上应该是构造对象的动机引发过程，即前者为后者的立义提供了“意向之动机”，但囿于其还原主义的基本预设，这一过程被敉平为了机械地加工信息的因果过程。

由此可见，一方面流形学习对于感知和记忆的研究是深入的，它已经突破了表象模式的限制，并非简单地在高维视觉空间中归纳类型，而是将其还原映射到低维流形的结构关联中，这一还原映射模拟的正是感知流形的构造过程。但另一方面它又将构造感知流形的动机引发还原为一种实在的因果法则，从而取消了由动机引发而带来的意识整体的多维建构，其对感知活动侧的关注最终也只是为了优化算法以及为算法提供一定的解释。在这个意义上，目前的深度学习之所以缺乏深度，是因为系统中缺乏可以建构深度的动机引发关联，随着动机引发的缺乏，与之相关的感发、意志、本欲等现象也将一并阙如。在这一点上，现象学对于意识整体内在关联的描述恰恰可以为建构形式化的人工意识系统提供新的启发，从因果性的单向度关联中恢复多维度的动机关联也是建构真正具有深度的智能系统的前提。

结 语

至此我们从三个层面探讨了胡塞尔与人工智能的可能关联，即胡塞尔早期的研究与人工智能的理论基础的同源，胡塞尔现象学的发展与人工智能的范式演进的平行，以及新近的流形学习与胡塞尔的空间构造现象学的互证。从其同源性上看，胡塞尔本人置身于人工智能得以诞生的数学革命之中，他从基数算术逐渐转向了形式化的计算理论和流形论，甚至提出了类似部分递归函数集的全部计算之总体的构想。从其平行性上看，胡塞尔现象学对其早期的研究有着明显的后承性，而人工智能初期的符号主义也直接诞生于数学—逻辑哲学，二者都强调了先在的范畴和法则对于认知的逻辑构成作用；随着研究的深化，关联性事态的缺失将导致一系列难题，胡塞尔现象学与人工智能研究都从一种“自上而下”的逻辑构成的道路转向了一种“自下而上”的关联生成的立场。从其互证性上看，传统联结主义对于权重算法的片面强调逐渐导致了“算法黑箱”的出现，而流形学习的出现开始弥补人工智能在算法的可解释性上的不足，深入到感知和记忆活动的深层机制中发现对象的构造过程，尽管这一探索还是初步的，仍然混淆了自然的因果性和现象学的动机引发。

从胡塞尔现象学的视角，符号主义、联结主义与流形学习之间的模式差异可被归结为问题层次上的差异：符号主义着眼于高阶的知识表示与逻辑推理，联结主义立足于所思的多维关联结构，而流形学习则开始关注于能思对所思的构造功能。三者历史上的先后顺序恰恰是事态上的逐层深入：没有能思的构造，所思的多维结构无法显现；而失去了所思的关联域，高阶的对象化将成为空中楼阁。因此，三者实际上构成了一种现象学意义上的奠基序列，三者的深度整合正是通用人工智能发展的方向。

人工智能是否必须模拟意识？如果倾向于肯定回答——既然人工智能总是处于与人类意识的交互中——那么胡塞尔现象学与人工智能的这些关联就在某种意义上可以启示人工智能的未来发展，即进一步深入对于能思流形的结构化理解并且模拟出意识的诸种特性。如果倾向于否定回答——正如人类自身也并非总是处于有意识的状态之中——那么“算法黑箱”似乎反而意味着一种“非—人”乃至“超—人”智能的可能性，黑箱可能已经超越了人类意识的架构。最后笔者愿意用图灵著名的《计算机器与智能》一文的结语来展望未来：“我们只能看到前方很短的距离，但是我们能看到在那里有着诸事须实行。”(36)A. M. Turing, “Computing Machinery and Intelligence,”Mind,59, 1950, p.460.