余丽萍 高新民
(华中师范大学,湖北 武汉 430079)
本文所说的“人工智能”(以下简称AI)除非有特殊的限定,一般指作为一门科学技术部门的AI,而非由人工系统所实现的作为能力的AI。众所周知,它与哲学的关系问题是常思常新的话题。就作用而言,AI对哲学有用是没有什么争论的,这是因为,AI在创造技术奇迹的同时,对许多深层次的问题形成了独到的认知,深刻改变着人们的认知范式和方法,因此哲学自然成了它的最大的受益者。至于哲学对AI是否有用,则争论很大。我们马上将看到,围绕这一问题已经并正在诞生许多新颖别致的理论,如“无用论”“无关论”“接管论”等。本文不满足于坚持为多数人所赞成的哲学对AI必要和重要的结论,而是试图通过考察AI的基础理论建设和工程学实践提出,由于作为一门学科的AI自身的特殊性,如既要关心如何建模和超越人类智能或别的自然智能这样的工程学实践问题,又没法不从理论上探讨它们之所以可能的根据、机制和条件等复杂高深的基础性问题,因此AI必须有比其他任何科学部门都复杂、艰深和宽广得多的理论基础。这基础的搭建和夯实不可能由AI本身独自完成,也不可能由别的某一学科来承担,而有赖于包括哲学在内的众多学科的共同努力。这就是说,哲学不是像有些人所说的那样是AI本身或AI的组成部分,而是AI的基础的一个搭建者,是其成立和发展的一个必要条件。如果说AI是由合力所促成的话,那么哲学就是这合力中的一个不可或缺的力。不仅如此,我们后面将看到,由于AI的具体工作是建模和实现多不胜数的智能样式或个例中的一种或一些,因此AI不仅在基础理论建设上需要向哲学“请教”,而且它的每个具体的工程学实践都有这样的请教需要,都必须优先解剖、研究自己想模拟和超越的那种智能样式的秘密。这样的局部的基础理论研究既可能表现为对哲学成果的自觉的借鉴,也可能表现为对要模拟的智能样式的自发的思考。在这个过程中,研究者不是没有对哲学成果的利用,而是相反,因为他们会动用他们认知结构中的民间心理学和民间哲学的资源。这就是AI中的许多研究者表面上没有借鉴和利用哲学资源,但实则离不开哲学的一个原因。
关于AI与哲学的关系的新理论较多,这里只拟考释与我们后面的探讨关系密切且影响较大的几种关于哲学作用的代表性理论。
对哲学与AI关系问题的看法是与对AI的学科性质的看法密切联系在一起的,前者有时甚至包含在后者中,因为在探讨哲学对AI有无作用这一问题时,学人会面临这样一个问题,即AI作为一门学科究竟具有什么样的性质和特点,哲学在它的形成、内容建构中究竟具有什么样的地位,能否把它看作是一种哲学。对此,有这样一些大相径庭的看法。著名AI哲学专家博登认为,AI是非哲学的科学部门。具言之,它的确是科学,不是哲学,但不同于许多具体科学部门的地方在于,它最容易受到哲学家对物理学、生物学等学科的分析的影响[1]。许多人不赞成这样的判定,因为至少经典时期(1945—1980年)的许多AI研究者认为,他们的一些成果是真正的哲学上的成果[2]1-13。还有观点认为,AI是“反哲学”(anti-philosophy)的学科。它尽管没法回避理性、心身问题、创造性思维、智能、知觉等哲学课题,但可以对这些问题作出自己的、不同于哲学的独立研究,甚至在这些问题上成为取代哲学研究的一种研究,例如它能借助全新的综合方法和有实验基础的技术来解决这些问题。这样的研究是一种“计算转向”,有的人说,它是AI中的“帝国主义”倾向[3]。总之,根据这类观点,哲学与AI的具体研究工作是没有什么关系的,风马牛不相及。既然如此,哲学对AI的作用也就无从谈起。
稍微温和一点的观点是由创立AI的主角,如麦卡锡、明斯基、纽厄尔和西蒙等人提出的。他们尽管强调AI研究有哲学的性质,但认为,它不能放弃建设成科学部门或经验科学这样的追求[4]。一般认为,AI是一种综合性、交叉性、集多学科于一体的科学,但究竟包含哪些学科,这些学科各自的地位如何,人们则有不同看法。占主导地位的看法是,AI主要是以建构能模拟人类和自然智能,创造有智能的机器为目的的科学和技术部门,当然要吸收和利用哲学、心理学、生物学等学科的成果。根据这一观点,哲学对AI是有用的,其表现是,哲学是AI的一个思想渊源,能为AI提供理论支撑。
著名哲学家丹尼特的观点是另一种极端的观点,其在AI哲学和心灵哲学中比较有影响,在专门的AI研究领域也常为关心AI学科性质的人所讨论,当然批评的声音比较突出。他对AI与哲学是何关系、是否能归结为哲学的看法比较复杂,在有的论著中,他明确主张AI就是哲学或心理学,其根据和论证很多,其中重要的一个是:它们在许多问题上有共同的兴趣,例如AI常直接探讨这样一些原先属于哲学的问题,什么是心灵?意义是什么?什么是理性、合理性和推理?在知觉中识别对象的必要条件是什么?怎样做决策,怎样为其作论证?另外,AI像传统认识论一样致力于以最一般、最抽象的方式回答这样的从上到下的问题,即知识是如何可能的[5]。丹尼特的结论是,AI在很大程度上就是哲学,他有一篇文章的题目就是,“论作为哲学和心理学的AI”[6]。在《脑风暴》一书中,他论证的是较温和的看法,如认为AI是一个“混血儿”,介于哲学和科学之间。一方面,它太过哲学,因此不能被看作是经验心理学;另一方面,它太过经验,又不能被看作是真正的哲学。正确公允的说法只能是,它既是哲学,又是科学,因为它是历史上真实发生的数字科学和人文科学碰撞的产物[7]。布林斯乔德认为,丹尼特断言AI就是哲学的观点有致命的错误,因为AI的确有哲学的主张,但这不足以使其变成了哲学,就像物理学有哲学的主张没有使其成为哲学一样。再者,哲学与AI在具体的工作上有根本不同,如哲学不像AI把主要精力放在研究和开发有智能的人工制品之上,哲学更不会关心超级计算的物理实现问题。这不是说AI与哲学无关,更无意说AI不涉及哲学问题,恰恰说明,AI对最高水准的、重在实现的真正机器智能的研究与哲学存在着密切的关联。例如波洛克(J.Pollock)的著名的OSCAR(通用智能自主体构架)项目以及作为它的基础的信息加工无疑既有哲学的性质,又有技术AI的内容。再如AI对学习的研究与哲学对归纳的探讨有密切的关系,AI像哲学一样承认,新的概念不是仅通过先前的概念就能学到的,而必须诉诸归纳。AI这一综合性学科的特点是对AI的理论和实践作出哲学反思,如对强AI和弱AI进行哲学反思。已有的AI哲学的主要内容就是围绕它们而展开的[8]。
再来看极有个性的接管论。其基本观点是,AI是接管哲学AI中必须涉及的有关问题的一门经验科学[9]。其倡导者是弗兰基(S.Franchi)等人。他们综合有关观点提出,AI诞生于人工科学从哲学等人文科学手上接过关于智能等一系列问题的时候,因此是对哲学等人文科学的“接管”和继续,当然由于用了自己独有的“工具和技术”,对那些问题作了自己的新的解答,因而成了不同于哲学等人文科学的一个科学技术部门。还应看到的是,AI除了上述渊源之外还有数字科学这个渊源。基于这些可以说,“AI是数字科学和人文科学可能的互动的一种特殊的形式”,即是对它们的一些问题的“接管”[2]350。如果说AI有综合的特点的话,那么它主要表现在,将数字科学与人文科学融为一体。这一特点其实与AI诞生之初崛起的“数字人文”(Digital Humanties)思潮有密切关系,甚至可以说是这一思潮在智能问题上的一种应用。数字人文诞生于二战后的1948年。在战后重建基金的帮助下,耶稣会士神父、托马斯研究专家R.布萨(R.Busa)开始编纂《托马斯索引》,试图把托马斯著作中的所有概念汇编成册,然后通过印刷媒体公诸于世,最后转化为在线资料库。这种借助数字技术研究人文科学的尝试后来就演变成了“数字人文”这一研究领域。弗兰基等人认为,AI不仅受数字人文的启发和影响,而且有这样的共同的特征,即单向度性。AI不同于数字人文的特点表现在,它们的方向正好相反,例如在数字人文中,是人文科学接管了数字工具,而在AI中,是有关的计算科学接管了以哲学为中心的人文科学。这样的共同的特征,即单向度性。
一些论者看到,在研究AI与哲学的关系时仅关注AI是不是哲学这样的问题太狭隘了,不利于这一关系问题的真正解决。在这里,真正有意义的、值得大力探讨的问题是,它们对于对方是否是必要的、有帮助的,如果有,其具体表现是什么。下面,我们就来展开对这一问题的研究。
先看波洛克(J.Pollock)的理论建树。波洛克是AI和认知科学中强调AI与心灵哲学交融、互通最卖力的AI专家。他说:“合理性理论在计算机上的可实施性是这一理论正确性的必要条件。这等于说,哲学需要AI就像AI需要哲学一样。”[10]他不仅建构了这样的相互需要论、互惠论,而且用他的AI技术实践验证了这一点。在笔者看来,要揭示哲学对AI的真实的作用,不能停留于抽象的、泛泛议论的层面,而既应关注AI的学科性质及其与哲学的关系,探讨其有作用、有什么样的作用的表现和内在机制,又应具体解剖AI的基础理论建设和工程学技术实践,到里面去展开具体的探寻和考察。
我们认为,哲学对于AI既不是无关、无用的,也不是AI本身或它的组成部分,不能不加转化直接现身于AI之中,只能作为它建立和发展的必要条件而发挥作用。这是由AI作为一个科学研究部门的构成所决定的。AI作为一门科学的特点在于,既是基础理论,又是工程技术。一方面,它是抽象的、理论性的,因为它试图形成能丰富我们对智能的理解或帮助我们定义可计算性的理论;另一方面,它是纯实用主义的,因为它重视研究智能机的工程学和应用问题。它同时还是认知科学的分支,因为它积极建构能解释人和动物认知的各种维度的模型。有理由说,它也是研究人类心理学科中的最年轻的分支。我们先考察哲学在AI基础理论建设中作为搭建者、夯实者之一的作用。
尽管有一部分人对逻辑在AI中的作用有不同看法,甚至质疑逻辑形式主义的价值和重要性,但多数专家承认逻辑至少在AI的核心领域扮演着极其重要的角色。少数专家甚至认为,逻辑在AI的战略性、根本性的发展和进步中是最重要的决定因素。逻辑之所以如此重要,是因为只要有所谓智能的人工系统就一定会从事推理工作,一定要形成自己的计划,而要如此,就必须符合逻辑。例如:不管因果关系是什么,因果关系在通常的情况下一定是可推理的。不管信念是什么,自主体一定能够对别的自主体的信念作出推理;制约自主体行为的目的和种种规则一定能帮自主体形成合理的计划。就作为AI重要支柱的计算机科学而言,计算机科学是从逻辑、计算理论和数学的相关领域发展出来的。一般的计算机科学家都知道,逻辑为分析语言的推理属性提供了工具,逻辑通过描述从程序到程序授权的计算的映射提供了对编程语言的规范。质言之,以不同形式表现出来的逻辑理论事实上在AI里面发挥着不可或缺的作用。它们不同于逻辑的具体实施过程,因为它们只是为推理问题的解决提供理论上的指导。这样的作用不会涉及具体的执行,即只会进入到计算的层次,不会进入到硬件实现的层次。
就逻辑应用于AI这一研究领域涉及的课题而言,有一定关注度的论题有:非单调逻辑,复杂性理论,时间和空间推理,关于计划、行动、变化和因果关系的推理的形式主义,元推理,关于情境的推理,关于价值和愿望的推理,关于别的自主体的心理状态(尤其是信念和知识)的推理,各种形式的聚合问题(如有冲突的知识资源的整合问题),逻辑应用于AI的专门技术问题(如逻辑编程、描述逻辑、定理证明、模型建构等),认知机器人,知识库的合并、更新与校正,等等。
再看哲学逻辑。尽管它会运用数理逻辑的方法,但在目的和侧重点上明显不同于数理逻辑及别的逻辑部门。因为数理逻辑之类的逻辑旨在开发技术性和复杂性不断增加的方法和定理,而哲学逻辑强调对哲学问题的解答,强调将逻辑方法应用于非数学推理领域,强调发展有哲学关切的逻辑学分支,如归纳逻辑、模态逻辑、量子逻辑、时态逻辑、自由逻辑、关联逻辑、多值逻辑和条件逻辑等。另外,哲学逻辑还强调从哲学上探讨利用了形式逻辑的机器的结构、功能和原理,解决与逻辑、语言逻辑结构有关的哲学问题,等等。由于这些工作与AI有密切的关系,可直接或经过一定的转化为AI所利用,因此哲学逻辑对AI的支撑作用便不证自明,最明显的是,AI在处理像推理、知识表征中的逻辑问题时没法不受到哲学逻辑的成果的影响。当然,这不是说,哲学逻辑就是AI中所用的逻辑,两者还是有一定的区别的,因为哲学逻辑毕竟是哲学,不是AI直接可上手使用的技术、工具;再者,AI的确有自己的逻辑,例如它所重视的非单调逻辑就是哲学逻辑所不太关注的。
“AI的哲学与理论”这一提法如果能成立,那么就可以说,它较好回答了哲学介入AI基础理论建构究竟有无可能性和必要性以及怎样参与建设这一系列问题。一个不争的事实是,许多AI专家不仅认可、赞同这一表述,而且用自己的实际的研究工作加以积极响应,其表现是,这个论断既是一场国际AI学术讨论会[2011年10月于希腊古城塞萨洛尼基(The ssaloniki)召开]的主题,又是汇集此次参会论文的论文集的名称。其意思不是讲关于AI的哲学,而是强调AI包含有自己的哲学和相关理论,值得挖掘和探讨。会议的组织者和论文集的汇编者缪勒(V.Müller )认为,这个提法较好地概括了AI的特性和传统,因为AI一开始就关心哲学问题,“AI在工程技术学科中表现出了这样的独特性,即提出了关于计算、知觉、推理、学习、语言、行动、交互、意识、人性和生命等的非常基本的问题,同时对它们奉献了基本的回答”,其中不乏哲学的内容。当然,它有时被看作是一种“经验研究”。不过,这种经验研究不同于别的经验研究,因为“有一种基本的工作传统,它既是由哲学家所关注的AI,又是AI本身所建构的理论”[11]ⅶ。在我们看来,说AI中有哲学不外是说,哲学参与了AI的理论奠基和建设。最能说明这一关系事实的是指导着AI理论和实践发展的计算主义、联结主义以及新的情境主义(如具身方案、镶嵌方案、延展方案和生成方案等)。它们是受哲学影响或具有鲜明哲学性质的理论,但同时又是AI的理论支柱和纲领。
先看计算主义(这里主要指符号主义或经典计算主义,不包括联结主义这样的计算主义)和联结主义及其地盘争夺。一般都承认,在AI的形成发展过程中,经典计算主义既是最初的AI的一个理论基础,也是后来AI不断向前发展的一个推手。毋庸置疑,计算主义尽管是多学科互动的产物,同时有学科多态性的特点,但就其主要源流、内容和基本倾向而言,它主要表现为一种哲学理论,具言之,主要表现为一种认知-心灵哲学理论,其奠基人、辩护士和发展推进者主要是心灵哲学家,如著名心灵哲学家福多、普特南和海于格兰等。最明显的是,计算主义本身是基于对思维甚至是对心灵的解剖和特殊的哲学理解而形成的,诞生后由于引出了大量进一步的哲学问题,因此一直是心灵哲学中的热点和焦点课题。计算主义不仅有为AI奠定理论基础的意义,而且它的理论探讨及所引起的争论还为我们回答AI为什么需要哲学这一更深层次的机制问题提供了思想资料。基于有关争论,我们不难看到,AI尽管在下述两方面取得了进展,即一是帮助人们更好地认识人,特别是心智,二是在建造更为复杂的机器方面迈出了远超前人的成果[11]43,但AI的基本概念和基础理论“仍是不清楚的,甚至于是不可靠的”,因此需要做大量的哲学工作。由于缺乏坚实的概念基础,因此AI成了一门建立在未完成科学基础上的工程学。许多持新计算主义特别是联结主义立场的专家和学者提出,AI的基础出了问题,不是因为哲学干预多了,而是恰恰相反。要解决上述问题,应加强哲学的研究,因为AI需要哲学探讨是由其学科的目的、性质和结构所决定的。在达文波特(D.Davenport)看来,用联结主义方案取代符号主义或经典计算主义方案既有必然性,又有其合理性,因为要解决AI的基础问题,必须研究有不可思议魔力的大脑[11]43。问题是,用联结主义取代经典计算主义,进而将它建设成AI的理论基础真的就功德圆满、大功告成了吗?一些专家通过对联结主义的反思指出,完全把它作为AI的理论基础也是靠不住的,因为联结主义的神经网络只有纯粹的前馈,而没有任何形式的处理系列输入的能力。为解决这一问题,联结主义者便设法开发循环神经网络,其中,一些输出(或隐藏层)神经元反馈形成输入向量的一部分,进而为下一组感性输入提供“情境”,这相当于向组合逻辑添加反馈循环,以获得时序机,进而提供必要的能力。AI的这样的基础理论的探讨实际上过渡到了情境主义方案。
所谓情境主义主要是强调身体、行为、环境等情境因素对智能起着决定作用的一种新型认知方案,主要表现为具身论、镶嵌论、生成论和延展论,即通常所说的“四E理论”。在计算主义和联结主义的批评者看来,这些方案没法为AI提供可靠的概念基础。要解决这里的问题,出路仍在于加强哲学和基础理论研究。因为在赞特(T.Zant)等人看来,尽管有经典计算主义和联结主义对理论基础的大量探讨,但“AI领域尚没有出现一种能反映创造智能机器基本原理的理论”,这是不利于AI的高质量发展的[11]103。这里值得我们关注的是,提出这类看法的学者并不是哲学家,因此不可能抱所谓的“哲学的偏见”,例如赞特等人是从事AI、科技与社会问题研究的专门学者。他们难能可贵的地方在于,为了建构AI的可靠的哲学基础,广泛研究了突现论哲学、后结构主义等新思潮。他们认为,已有方案都没令人满意地回答创建智能机器所依赖的基础理论问题。他们为弥补这一缺陷,论证了一种生成性AI方案,在融合新控制论和后结构主义思想的基础上提出,将新控制论的机制应用到后结构主义的可能空间中,并大胆尝试,有可能让智能机表现出人的水平的心智[11]108。在这里,哲学能发挥这样的理论化作用,如把模拟所生成的洞见综合到突现论唯物主义世界观之中,而这种世界观能公平对待物质和能量的创造力。他们认为,有这些理论就能研究包括AI、人类心智在内的功能、性质从潜在转化为现实的过程,因此它们能成为AI理论建设的一个基础[11]110-112。
再看AI的智能观及其建构。所谓“智能观”是指关于智能的种类、构成、结构、本质、形成机制、运作机理等最一般智能问题的最一般性的理论。AI要建模和让机器实现智能,一个理论前提就是建构自己的既能回答上述问题又能指导AI的工程实践的智能观。由于智能观建构最具基础性和重要性,因此一直是AI理论建设的重头戏。这里重点剖析一下普法伊费尔(R.Pfeifer)等人所倡导的所谓“新智能观”(A New View of Intelligence)。他们不承认这样一系列智能观,如:主张心脑二分、有独立的控制人的身体的神经和智能系统、智能是一种根据环境变化作出行为反应的能力,等等。他们认为,要建构关于AI的智能理论,首先,要弄清具身性及其意义。在他们看来,智能离不开身体的作用。同样,要让机器表现智能不仅要重视软件的设计,更要重视硬件的实现。其次,要理解智能和AI,应进入到实际的设计和建构人工系统的实践中。就机器人的建造而言,它是理论探讨和工程实践的统一,因为其目的不仅是要造出更先进的机器,而且是要“知道关于智能的更多的东西”。最后,基于上述认知,他们创立了所谓的“综合方法论”或“AI的基本方法论”,即通过创建人工系统来理解一般的智能和AI,甚至理解一般的生物学。他们说:“这样做不仅能让我们研究智能的各种自然形式,还能创造新的智能形式。”根据这一观点,智能不仅是多样的,而且具有开放性,因为未来会出现许多现在不存在的可能的智能形式[12]xviii-xix。另外,智能除了有理性的智能之外,还有依赖于情绪的智能,即所谓的情绪智能,例如根据情绪去判断情境的能力就是这样的智能[12]12。在新智能观的基础上,普法伊费尔等人还对作为科学技术研究部门的AI的目的和结构作了新的探讨,认为它由两部分构成:一是研究、开发有实用价值的算法或机器人;二是研究对智能、生物的或别的东西的认知和理解[12]xix。这里尽管没有使用哲学的词汇,但从他们对AI的分析可以看出,他们默认了哲学的基础地位,如认为作为研究领域的AI有三个目的:一是要理解能完成智能行为的生物系统,特别是要理解智能行为的机制;二是从智能行为中抽象出一般原则;三是利用这些原则来设计有用的人工系统。前两个目的及相应的工作显然与哲学有密切的关系[12]xix,最明显的是,他们对智能行为机制的理解尽管没有提到哲学的观点,但他们的看法完全是哲学的,如:强调他们这里所说的机制,一是指神经机制或大脑过程,二是指自主体的身体的作用以及身体与世界的相互作用。质言之,智能的机制就是具身性,就是人、人的身体和外部世界的复杂的交互作用[12]17。
从《AI剑桥手册》这本著名的、权威的研究AI的专题论文集的论题设计和主要内容我们可以清楚看出哲学在AI理论建设中的不可或缺的基础地位和作用。它有这样一些模块:(1)AI的理论基础问题;(2)AI的构架(符号主义、经典计算主义、联结主义、动力系统、四E认知);(3)AI的维度(知觉、计算机视觉、推理、决策、学习、语言、交流、行动、自主体、人工情绪、机器意识);(4)拓展与应用(机器人、人工生命、AI的伦理学)。该书对AI的这样一些基础理论问题作了探讨:(1)智能软件与认知建模。根据一种对AI的理解,AI在工程技术上的任务就是建构能满足人的需要的智能计算机软件,即有聪明特性的软件,除此之外,AI也有科学理论探讨、建构的一面,那就是建构像人一样思维的软件系统和关于人类认知的计算模型,以便帮助人们理解人类智能。(2)符号AI与神经网络。(3)推理与知觉。(4)推理与知识。(5)表征与非表征。(6)缸中之脑与具身AI、延展AI。(7)窄AI与宽AI。(8)非人AI与人的级别的AI。最初的AI的目的是建构人的级别的AI,或通过机器表现以人的方式实现的智能。此即强AI。后来,由于这样的智能难以实现,许多人便转向追求弱AI。最近又有一种回归人的级别的AI的倾向。当然有一些变化,如只是试图建构能表现更一般的人的级别的、能应用到广泛领域的智能。除此之外,非人智能如自然事物、进化、遗传现象中的似智能现象也成了AI的建模原型。
要建模人的心灵,让机器表现出像人一样或超越人的心智能力,必须研究 “心灵设计”。所谓“心灵设计”,就是一项根据心灵的设计(如它如何建构、如何工作)来理解心灵的事业,这一活动在本质上是一种认知心理学。与传统的研究相比,这一研究对结构和机制的关心胜过以往对关系和规律的关心,对“如何”的关心胜过对“什么”的关心。由于它的目的是理解人类心灵,所用的研究手段是逆向工程,因此可以说,心灵设计是通过逆向工程来完成的哲学心理学研究,进而为AI的建模奠定扎实的理论基础。在豪格兰德(J.Haugelnd)看来,AI与心灵设计之间不是外在的关系,而是一个统一体,因为作为构建智能化的人工制品的AI可看作是心灵设计的核心工作[13]。
从上面的考察和分析,我们可得出这样的结论:尽管像丹尼特等人那样把AI等同于哲学有严重的片面性,但断言AI的基础理论研究中包含有哲学的成分是合理的、有根据的,且事实上哲学是已有AI的实际研究工作的组成部分。尽管许多从事具体细小AI专门研究工作的人表面上没有触及任何哲学问题,没有用到任何哲学的思考,但只要他们的工作是想让人工系统表现某种智能属性,他们就一定有哲学的操作,如有对要建模的那种智能的本体论地位、存在方式、作用过程、机制等的思考。这样的思考其实就是哲学的思考。由此我们可以说,一项研究是否与哲学有关,不在于其是否打出哲学的旗帜,是否用了哲学的原理、理论和概念,而在于是否触及了哲学的问题。
AI的工程技术方面的工作看似是纯形而下的工作,但由于它建模的是智能这一特殊的对象,因此它的设计者、建造者要么自觉、要么自发动用哲学的资源,直至哲学也在这里以其独有的方式发挥着特殊的作用。
先看智能自主体的建模。AI专家、英国国家勋章获得者罗素(S.J.Russell)等人认为,建造理性自主体是AI的核心任务。所谓“理性自主体”就是“成功的自主体”,亦即能有理有据称作“智能系统”的东西[14]34。在AI的自主体研究中,哲学看似不可能介入,其实却以特有的方式与别的学科、技术手段一道共同营造了AI的辉煌。以心理推理为例,这一研究的目的是开发可用于人工自主体的心理推理,如对自主体自身和别的自主体作出推理,其理论基础是所谓的民间心理学。根据这种心理学,人们能基于一个人的信念和愿望之类的所谓命题态度推论他会采取什么行为,反之,又能根据行为去推论他有什么样的信念和愿望。根据认知科学关于民间心理学的研究,常人之所以能根据信念等推测行为,又能根据行为倒推其背后的信念等心理状态,是因为每个人的心底潜藏着民间心理学这样的资源。有的专家甚至认为,经过自然和文化进化,这类理论、常识内化成了人的认知结构的一部分。不仅如此,人之所以有五花八门的能力、技能,是因为认知结构中还包含有民间物理学、民间化学、民间本体论和认识论等大量的知识、概念体系、理论等。笔者之所以在前面强调,一些AI专家表面上没有有意识地、自觉地利用哲学知识,但由于他们也是人,其认知结构中就有上述资源,而其中多为自发的哲学能力和知识,因此他们在建模某一或某些智能样式时,可能无意识地动用这些资源。这就是我们说他们自发利用哲学资源的根据。事实也是这样,一些AI专家基于对人的自心和他心推论的或自觉或自发的解剖认为,人是因为有民间心理学和心灵理论才有认识自心和他心的推理能力的,因此AI在这里的任务就是设法将民间心理学形式化,并授予人工自主体。据了解,这样的方案已在自主体的自然语言理解方面有较多应用,并取得了一些成功,如为自主体建构相应的民间心理学,它们就能猜测参与对话的他人或自主体的意图[14]471-473。
AI要建构能作自主决策的自主体,同样离不开对人的相关能力的哲学认知。根据AI专家的既有哲学视角又有强烈应用动机和工程学眼光的解剖,人类自主体的特点在于,能独立自主地在变化复杂的条件下作出自己的选择、决策。顾名思义,自主体即能自决定的主体。人工自主体要成为名副其实的自主体,也必须有理性地决定自己行为的能力。AI早已意识到这一点,并作了大量积极的探讨,如建构了基于目的的自主体,它能在好和坏的状态之间作出区分,能完成理论决策,能对结果的性质作出连续评估。当然,必须承认的是,哲学资源的动用只是建构这样的自主体的一个必要条件,除此之外,还要用到多属性利益理论、随机控制、模糊决策等大量技术,同时也离不科技人员长期艰苦的工程技术攻关,例如AI“将概率理论与利益理论结合在一起形成了能作理论抉择的自主体,它能基于所相信和所想得到的东西作出理性决策”[14]610。
从AI的发展特别是跨越式、质变式或部分质变式发展中,我们可以看到这样的带有规律性的现象,即AI的每一个这样的进步都得益于人们比照关于作为原型实例的智能的认知并看到了已有人工系统中的不足、欠缺。在自主体建模中也是这样,理性自主体和情境性自主体设计方案都是由于在进一步解剖人类自主体时看到了新的东西,如自主体有理性,与情境高度协调等。由于看到了这些,因此专家就开始从工程学上探讨如何通过新的设计、建构让智能自主体也有理性之类的特点。而要如此,进一步的哲学分析也是必不可少的,因为要让人工系统表现出理性,还必须弄清人类理性的内外结构和表现。根据罗素等人的分析,理性的一个重要表现是能基于它的知觉历史采取将预期的利益、效用最大化的行为[14]1044。要设计这样的自主体,必不可少的是让它有知觉能力,有根据知觉采取行动的能力。
知识的表征是计算系统实现智能的一个必要环节,是推进AI进步的知识工程的重要手段,其受惠于哲学的特点更加明显。首先,AI解决表征问题的理论基础是本体论。这里的本体论尽管靠近工程技术,但与哲学本体论有密切关系,因为它要研究世界上的事物、属性、关系是怎样存在的,有哪些存在者,它们有什么结构,等等。从工程技术角度探讨这些问题,让事件、时间、物理对象和信念得到表征,就是“本体论工程学”的任务[14]430-437。工程本体论的结构依据的是外在世界的存在结构。在存在的世界,抽象的东西包含在具体事物之内。将这种关系表现于本体论之中,就可形成这样的总体概念框架,其上面是上层本体论,包含的是抽象概念,下层是具体概念。在工程本体论的世界表征中,上层本体论尽管是抽象的,但其作用不可低估。以电路本体论为例,上层本体论为简化电路作了许多假定,如时间因素未予考虑,信号是固定的,且不传输,电路的结构是恒定的。而要想表征电路中想表征的东西,同时又要增加假定,如若想说明杂散电容,就需表征电线处在电路板的什么地方;要想表征同时发生的变化以及随时间推移的绵延,就需要更通用的、更符合真实世界的本体论。怎样建构这种通用本体论呢?要予建构,就要知其不同于具体领域本体论的两个特点:第一,通用本体论或多或少能应用于具体的本体论领域;第二,有办法把不同领域的知识统一起来[14]439。已有的所谓的通用本体论来自四种途径:一是来自训练有素的本体论和逻辑学专家;二是从一个或多个现有数据库中引进的范畴、属性和值;三是通过解析文本提取信息;四是设法让非专业的、不熟练的人了解常识性知识。不难看出,工程本体论实际上是哲学本体论在AI中的推广和应用。这种推广不是为了猎奇,而是为了扫清计算系统在表征世界的复杂对象时碰到的障碍,进而对本体论的常见范畴,如对象、事件、过程、构成关系、属性、实体、自然种类等,形成适合于计算机储存、呈现的表征。
应客观承认的是,工程本体论的已有探讨尽管迈出了可喜的、朝着正确方向前进的步伐,但这里只取得了有限的成功,离目标和高质量应用仍有巨大差距。再者,不同专家所提出的通用本体论只是一种社会协议,只适用于有限的领域,现在还没有公认的通用本体论[14]439。
再看机器学习。它似乎是离哲学极遥远甚或与哲学不沾边的工程技术部门。例如,它的可能的应用领域不只是预测文档标签或分类,还有这样的应用领域:(1)为文本指定主题、类别,垃圾邮件检测,自动确定网页内容是否适用;(2)自然语言处理;(3)计算机视觉应用;(4)计算生物学应用;(5)其他还有大量应用,如信用卡欺诈检测,网络入侵防范,学习下棋等游戏,汽车等的无辅助控制,医疗诊断,探索引擎,信息提取,等等。再就机器学习的具体结构、实现方式等而言,里面似乎也看不到受哲学影响或与哲学发生关系的可能。就其实质而言,“机器学习”可定义为用经验来改进行为或作出准确预言的计算方法。这里的经验是学习者过去所得到的信息,在AI中通常表现为被收集的并能用于分析的电子数据。
从上述对机器学习的简要考察可以看出,机器学习作为AI中的一个新的、充满希望的热门研究领域似乎不可能与哲学发生什么关系,更不会受其指导。事实上也有这样的观点,如,认为机器学习与哲学风马牛不相及,没法提出什么哲学问题,只有计算、算法方面的问题。退一步说,机器学习中的概念、思想表面上很哲学,其实并没有人们想象的那样哲学。有一观点认为,机器学习的具体事例千差万别,里面没有共通的结构和算法,类似于统计学[15]158。但是,只要承认机器学习同样有建模作为样板的人的学习能力这样的任务和工作要做,就会得出不同的结论。机器学习的研究之所以没法排除哲学的介入,最重要的原因是,任何学习都有其不可回避的元问题,如:什么是学习,学习与非学习的区分标准是什么,学习能力从何而来,人最初的学习能力是不是学习得来的,等等。要解决这些问题,没有哲学的介入是绝对行不通的。再者,在具体解剖学习时,还会发现学习离不开洞察力、创造力这样的元素,更重要的是学习离不开不可预测或解释的直觉上的飞跃。如果是这样,学习过程中就至少包含有非算法的因素。这当然是未来的机器学习研究必须予以突破的一个难题,是哲学在为机器学习的研究把脉、输入新鲜血液的一个表现。
这里的哲学问题还有很多,如:判断机器学习是不是真正的学习,是以人的学习为标准还是以别的自然智能为标准,抑或根本不需要标准。另外,判断时还有角度选择问题,例如是应看它的内在结构、过程,还是看它的功能作用、行为以及所产生的结果。如果只是看行为、看结果,即以图灵测试为标准,那么可以说,机器学习是真正的学习。如果要以人的学习过程为标准,或以此过程后的基础过程、结构、机制为标准,那么显然会得出机器学习不是学习的结论。因为机器在完成所谓的学习任务时,其内无疑没有人那样的内在过程,更没有出现其后的基础过程和机制。在这种情况下,我们在研究机器学习时若硬要以人的学习过程、机制为建模的原型实例,那么建模就没办法继续做下去,因为对于制约人类学习的基础过程、机制我们所知甚少,正如丹克斯(D.Danks)所说:“在理解这些基础过程方面我们有巨大的认知空白。”[15]161
笔者认为,鉴于上述情况,加上包括学习在内的认知过程有可多样实现的特点,即同一功能可用不同的方式去实现,就像记忆既可以由人脑实现,也可用计算机硬盘来实现,还可用图书馆来实现一样,在让机器表现学习这一性能时,既没有可能也没有必要强调以人的学习的实现方式去实现,只要机器表现出了人完成学习的行为或效果就够了。例如我在电脑上搜索文件,一次或两次输过入一个文件的名称,以后再搜索这个文件时,只要写第一个字,它就把全名都显示出来了。在这里,我们就可把搜索系统的这种行为称作学习,尽管它的实现过程与人完成这一行为的过程完全不同。还应看到的是,在AI和哲学界,不赞成把人的学习过程、机制作为学习标准的大有人在,如丹克斯也认为,仅根据机器学习在性质上不同于人的学习就认为机器的算法不配有“学习”的称号,“是根源于无知”[15]162。
哲学之所以能作为众多的基础建设者和夯实者中的一个发挥对AI的特定的、不可或缺的作用,是由AI 的目的、学科性质和方法论所决定的。
就目的而言,AI不仅有这样的目的,即制造以前需通过智能完成的任务的机器。要如此它就得像哲学一样研究智能,而且AI还有更深广的目的,根据斯洛曼的看法,它还包括“科学和哲学对制造的理解,以及关于制造的工程技术的目的”[16]10。具言之,有三重目的:(1)对关于智能行为的可能有效的解释作出理论分析;(2)对人的能力作出解释;(3)构建人工智能产品。这些目的都与哲学的目的息息相关,特别是第一个目的与哲学的目的非常接近。最重要的是,科学和哲学都有解释和改造世界的目的,AI也是如此[16]18。
就AI的学科性质而言,它必然包含机器人学、神经科学、认知科学和工程技术的互动,必然要利用非线性动力学、信息理论、计算理论、控制理论、心理学、生物学等方面的成果。在进行这样的整合时,又必然触及大量哲学问题,或者说,“其中的许多问题是哲学一直在关注的”,当然可能会有科学的改造和自然化,进而可能以定量的、科学的形式和色彩出现在AI中,例如智能中的关键因素——创造力,就被自然化、计算化为对可能空间的搜索过程,等等。由于AI的问题具有广泛性、复杂性、交错性的特点,因此科学家有时会像哲学家表现为“可怜的科学家”一样,表现为“可怜的哲学家”[11]133。
就AI的具体研究实践而言,一方面,由于它要弄清的是智能的本质,因此首先表现为一门科学,至少其中包含有科学,当然离不开哲学的参与;另一方面,AI由于要根据对智能的认知创建人工的智能,因此必然有工程技术研究的一面或构成,这一构成也引出了许多哲学问题,因此应研究这一部分与AI哲学的关系,特别是它们的相互影响。前面的考察告诉我们,AI哲学既为作为工程技术的AI奠定了理论基础,反过来,后者也极大影响着AI哲学的内容和方法。
从方法论上说,哲学之所以能在AI中发挥特定的作用,还由哲学与包括AI在内的科学在方法上的重合、交叉、相互移植的本质特点所决定。它们由于有目的上的部分一致,如:都有阐发有力的概念和思维工具的目的,有发现什么事物可能的目的,有试图解释这些可能性的目的,有发现事物的限度并作出解释的目的,因此,它们实现这些目的所用的方法也有一致性,特别是,哲学的方法不可避免地会影响科学,或对科学有不可替代的贡献和作用,对AI也是如此,如哲学解决问题的程序深深地影响着科学。哲学要解决的主要问题是,在确认事物有其可能性之后,便去探讨如何可能,实即探讨可能性的根据和条件,在探讨时所遵循的程序是:(1)搜集关于有其可能性的事物的信息;(2)构建关于这些可能性的新的描述和表征;(3)构建对这些可能性的解释,然后对它们作出测验和修改。各门科学一般也会遵循这样的解决问题的程序,当然会用到实验、仪器、测量、实地考察和别的科学工具,以发现和描述新的事例[16]44。斯洛曼说:“AI在试图设计智能学习计划和问题求解系统时必定一致于哲学对理论的本质和理论的形成作出解释的种种尝试。”[16]45在检验、修正理论的阶段,包括AI在内在的科学所遵循的程序大同小异,只是增加了更多的实证色彩而已。
哲学由于其形而上学性质和源于各门自然科学和社会科学所决定,一般会对各门哺育它的学科有一定的反哺作用。但是,由于AI学科性质的特殊性,以及哲学与它的特殊的关系,因此哲学对AI的作用也有其不同于其他学科的独特性,这表现在,它尽管不能整块地搬到AI或AI的某个部门中,尽管不能直接插手对AI 具体问题的解决,尽管不能作为AI的唯一基础发挥作用,但它必然作为AI的基础中的一个有机组成部分发挥作用。这种特殊的作用对于AI 的基础理论建设和工程学实践都是必不可少的。因为AI要建模的是智能,不管是人的智能还是非人的自然智能,不管是作为整体的智能,还是作为其具体样式的智能,如推理、数字计算、绘画、作曲等,人类设计者或机器设计者都必须优先解剖、研究作为其原型实例或样本的智能形式。要如此,哲学就必须被用上,不管以什么方式,如有些研究者是有意识地到哲学中去寻找根据,有些人是自发地或无意识地运用自己的民间心理学、民间本体论、民间认识论中的资源。
就具体研究来说,AI的许多专门领域的研究与哲学、语言学、心理学的研究有重合关系,如自然语言的机器理解与哲学、语言学的有关工作至少有部分重合,因为不研究语义学,就没法让机器理解自然语言[16]11。哲学对AI的不可或缺的作用还表现在,在AI中,根本不可能回避哲学对目的、事件、原因、行动、过程、智能等概念的分析,因为“这门试图设计以智能方式行事、能与人交流的机器的学科一定会让人去分析智能行为的前提条件以及我们共有的预设。否则,机器就没法发挥作用”[17]38。哲学对AI的作用特别表现在,AI发展方向的选择、确立、修改都离不开哲学的思考,例如:最初的方向确立无疑受到了过去哲学家关于机器、思维与智能及其关系的思考的影响;后来方向的不断调整也得益于哲学的探讨和批评。阿尔科达斯等人认为,从哲学上对强AI的批评事实上起到了让它调整方向的作用。这些批评来自三个方面:一是H.德雷福斯(H.Dreyfus)对计算机不能做什么的探讨以及据此对AI的批评;二是布洛克根据“中国大脑思想实验”(让整个中国人口模拟一个人一小时的思维)对机器功能主义的批评;三是塞尔的著名的“中文屋论证”[17]46-47。这些批评无疑有其合理性,所提出的问题依然对AI和认知科学构成了技术挑战[17]47。
就AI的理论建构来说,智能观必定是其核心构成,而研究智能观问题主要是哲学家的问题,或至少必须有哲学的参与才能解决的问题。但事实上,AI研究者都有自己的智能观。由于人们对智能见仁见智,因此迄今指导AI工程实践的智能观五花八门,如:新老计算主义、符号主义的智能观,联结主义的智能观,动力系统理论的智能观,情境主义或四E理论的智能观,等等。尽管各种方案差异很大,但透过细节也能看到一些共同性或走势,例如:各种方案强调和突出的东西有这样的变化,即从静态到动态,从抽象、去情境化到具体、重视情境化,从证明到发现,从孤立的思考到社会的互动,从思维到行动,等等[17]57。再就AI的主要理论内容而言,从倾向上说主要有这样一些形态,如经典符号主义的AI、联结主义的AI、动力系统理论的AI、四E的AI、人工生命、进化编程等。从动机上说,有工程技术的AI,其目的是建构能完成智能行为的人工系统;心理学的AI,即计算心理学,任务是为智能、心灵建构解释性理论。这些内容至少都包含有哲学的身影[18]。
AI的未来学问题是作为经验科学的AI经常涉及的问题,它无疑同时具有哲学性质。在纪念达特茅斯会议五十周年的一个会议上,主持人、哲学家摩尔(J.Moor)提出了这样的并一直在探索的问题:人类级别的AI在未来50年内会实现吗?[17]58这一问题既是科学和工程技术问题,也是哲学问题。其理由在于,在验证各种关于上述问题的回答时,不管做何种研究和开发工作,一定少不了哲学的介入。
只要从事AI研究,不管是研究基本理论问题,还是沉浸于具体工程技术问题的钻研,如开发有某种作用、用途的人工系统,都没法摆脱概念框架的制约。所谓概念框架(conceptual frame)既是我们观察世界所没法绕过的过滤器,制约着我们对出现在我们面前的现象的选择,又是我们描述这些现象要使用的语言,还是我们将向这些现象所提出的问题,并决定着我们的答案和对答案的解释。但必须特别强调的是,概念框架由于没有提出可证伪的预言,因此它本身不是科学理论,而只是一种假说。AI的研究中一直存在着这样的概念框架的制约,如:过去很长时间内,经典符号主义的概念框架支配着AI的理论和工程研究,随着它的饱受质疑以及统治地位的丧失,许多新的框架纷纷亮相,争夺支配权,如联结主义框架、动力系统框架、情境主义方案、进化方案,等等。由于它们产生和发展于大体相同的历史时期,有大致相同的目的和问题意识,因此它们之间又有一定的重合和相互作用[19]。比尔认为,由于它们分中有合,因此可将它们整合起来,形成一种“统一的理论框架”,不妨称作“基本的情境性、具身性和动态性架构”。它有三个假定:第一,大脑、身体和环境都是动力系统,即可概念化为动力系统,每个都可用一系列的状态来描述,而这些状态的时间上的进化是由动力学规律制约的;第二,大脑、身体和环境都是耦合的,如神经系统具体化于身体之中,身体位于环境之中,这种耦合让三个系统保持密切的相互作用;第三,自主体受着生存能力约束的限制,即是说,决定自主体动力学的条件决定着它的生存力。如果生存力约束被违背了,那么自主体就不再作为独立实在存在,不能再与环境发生相互作用。既然自主体离不开身体和环境,它们结合在一起才能组成有机的系统,因此其表现出的智能、行为就是整体的耦合系统的属性。在比尔看来,未来的AI研究应以这种“统一的理论框架”为建模基础。从以上关于AI概念框架及其演变的简要分析不难看出,哲学是AI概念框架建构的一个理论基础和生力军。
最后,尽管从事AI研究的许多人表面上整天做的是纯技术性的工作,没有与哲学发生什么交集,有的的确不懂哲学,但我们仍有理由认为,只要他们是在从事智能的建模,不管是哪种智能样式,他们就一定会接受哲学的影响,一定会动用哲学的资源,一定有某些哲学资源帮他们搭建了一个必要的理论基础平台,不然的话,他们的技术工作就无从展开。根据认知科学和心灵哲学关于民间心理学或别的民间理论(如民间物理学、民间本体论、民间化学等)的研究,人由于生物和文化遗传的作用,生来有许多民间的能力和理论,它们内化在人的认知结构之中,当人在思考和解决问题时,这些东西就会不知不觉地站出来,潜移默化地发挥作用。例如民间的本体论、认识论、运动论、动力学、结构论等会不知不觉地出来发挥作用,使人的认识和思维不可避免地有了哲学的因素。正是在此意义上,认知科学和心灵哲学提出,每个人都是天生的哲学家、心理学家,因为他们不可避免地要用他们心内潜存的民间的能力和知识来认识、解释和预言身边的事情。这就是许多AI研究者表面上做的是纯技术工作而实则没有摆脱哲学的影响的根本原因。正是看到了这一点,许多AI专家强调,智能建模关注不够而必须大力度加以研究的一个课题就是常识建模。从认知科学和心灵哲学的观点看,常识中很大一部分就是我们前面所说的各种“民间理论”。这也就是说,民间理论的构成、结构、内在机制和机器建模等理应且必定成为未来AI研究的一个重要课题。而要如此,自然得有哲学的帮忙。