论广义智能进化

摘要：关于智能进化，以往所涉及的只是生物智能进化，而人工智能的发展，意味著关于智能进化的研究必须推升到更高层次。人工智能所意味着的存在升级，在存在论层次让人感觉人类面临存在性危机，而在智能进化维度则可以看到导向广义智能进化。从更高层次的广义智能进化看，生物智能是原生智能，在生物智能基础上发展的人工智能是次生智能，广义智能进化正是由原生智能进化和次生智能进化构成的更高层次的智能进化。由于智能载体的不同，原生智能和次生智能具有不同的相对进化优劣势。碳基智能的最大优势是智能可以在自然条件下发生和进化，最大劣势是迭代周期长、进化速率慢；而硅基智能的最大优势则是进化速率为碳基智能所无法相比，最大劣势是不能在自然条件下发生。碳基智能和硅基智能进化机制的区别在信息编码，广义智能进化的机制则由此深入到信息本身，这表明，进化归根结底是信息的进化。

关键词：人工智能；人类智能；智能进化；广义智能进化

基金项目：教育部哲学社会科学研究重大课题攻关项目“人工智能的哲学思考研究”（项目编号：18JZD013）

中图分类号：B80-05；B84 文献标识码：A 文章编号：1003-854X（2023）04-0005-08

以人类智能为最高成果的生物智能进化，一度被自然而然地认为是智能进化的唯一形式，因此以往关于“智能进化”的研究，所涉及的实际上只是生物智能进化。人工智能的发展，特别是对机器智能进化的探索，使智能进化的视野不仅扩展到了一个更大范围，而且提升到了一个更高层次。人类智能创造的人工智能的发展，意味着智能进化的研究必须在生物智能进化和机器智能进化的基础上，推升到涵盖生物智能和机器智能、从原生智能到次生智能的广义智能进化。而在这一更高层次反观，则能得到关于人工智能和人类智能及其关系的更到位的理解。

一、 广义智能进化的人工智能启示

目前关于“人工智能”的理解不尽相同，原因主要是大都在传统学科的基础上理解和定义，而且这一概念本身，就产生于传统学科框架；必须从新的更宏观构架和更基础层次，才能对人工智能以及人类智能特别是二者之间的关系有一个更深入的理解。从更高的整体层次看，人类智能进化和人工智能进化将构成广义智能进化。作为广义智能进化的另一阶段，人工智能所意味着的机器智能进化与人类智能进化具有机制和进程上的内在关联。

（一）智能制造和智能进化

作为机器智能研究最初提出的概念，“人工智能”意味着人为制造的智能。这也是随着人工智能的发展，这一概念本身的问题越来越明显的原因。关于智能制造，有一个明显的事实和一个可推断的重要结论。明显的事实是人类制造的专用人工智能可以在相应领域远超人类智能。就计算能力而言，一台计算机就远远超过人类个体，而专家系统则超过很多专家的能力总和。但就通用智能而言，不仅专家系统，即使目前发展水平最高的人工智能，也在根本意义上不如人类儿童。由此所凸显的，正是专用人工智能发展和通用智能进化的根本区别：作为智能进化的产物，人类不可能制造出超过甚至达到自己水平的通用智能。因为通用智能或类人智能一定是进化的产物，这是由其本性所决定的。

到目前为止，人类自身作为通用智能体，并不理解自身通用智能的核心机制，对于人类认识自己来说，这是一个最让人“尴尬”的领域。正是在意识之谜的意义上，通用人工智能研究涉及哲学研究的最前沿问题。而人工智能的研究，则为人类更深入地认识自己提供了不可或缺的条件。正是人工智能的研究，给我们展示了通用智能与专用人工智能的根本不同，从而在智能研究中展开了专用人工智能通用化进路及其问题。理解一个对象的最好方式，就是把它创造出来；理解人类自身的通用智能机制，就是创造出通用机器智能，只是在这里，“创造”必须包含对智能进化的理解和呈现。

作为人工智能，机器智能的创造有两种基本方式，一种是制造，另一种就是进化。在人工智能制造中，现在所说的设计和进化有一个融合的趋势，设计本身可以是进化的，所以在技术进化的基础上，程序进化、自然选择和共生叠加越来越趋向与生物进化相似的机制，即生物进化和技术进化在机制上日渐趋同。目前这方面的最新研究成果就是人造新皮质，它已经在一个重要方面构成对大脑新皮质的超越：大脑新皮质只能四路并行处理，人造新皮质不存在同时处理列表数量的限制。显然，这是更高层次智能进化美好前景的一方面展示。并行运算列表数量不受限制，可见其跨越人类智能的机制基础。制造和进化这两种方式，对于人工智能的发展具有重要启示。

作为设计的产物，人工智能在专用智能上可以轻易超越人类，但在通用智能或类人智能方面，其智能水平不可能高于其设计者，即设计出来的任何智能，其通用智能水平都只能低于其设计者。仅仅在设计过程中或技术进化意义上，不可能有设计者没有理解和把握的新质涌现，这就是为什么在不理解类人智能核心机制的情况下，不可能制造出通用机器智能的根本原因。这意味着，人工智能的更高层次发展，必须依靠进化机制。通用人工智能不可能设计制造出来，而必须是进化的产物。任何通用智能体要超越自身，也只能依靠自身的进化机制，而且这一机制还不只是涉及智能个体的内部关系。新一代人工智能向通用化走近的步伐，更清楚地表明了这一点。

新一代人工智能的发展取得了两大进展：一大进展来自大数据。大数据不仅使新一代人工智能拥有完全不同的数据基础，而且可能通过大数据纳入人类语境，这将使新一代人工智能拥有自身的准语境（在这个意义上更好理解为什么有观点认为机器智能本质上是大数据的应用）。拥有语境是获得通用智能理解能力的前提性基础，而语境有不同层次，理解能力的层次关键在语境的层次。这个语境不仅不只是形式化意义上的语境（如棋盘），也不是文本意义上的语境（如上下文），而是上升到个体生命亲历过程的全维度经验语境（如一个人作为活的信息体的亲身经历）。另一大进展是深度学习、无监督学习的发展，表明深度学习使新一代人工智能在一定程度上拥有了自主学习的能力。

新一代人工智能的这两大进展，使人工智能的发展出现了拥有自己语境的曙光以及在此基础上自主学习能力的萌芽，但还没有涉及通用智能的核心机制。拥有自己的语境及其基础上的自主学习能力，当是人工智能发展到自主进化的两大基本要素。在这两大要素的基础上，一旦建立起它们之间的过程机制，通用智能的核心机制就能得以突破，就可以构成机器自主进化过程——这是一种更高层次的智能进化研究，它涉及两种进化阶段不同的智能。

（二）原生智能和次生智能

事实上，新一代人工智能的最新成果，已然晓示着智能进化的新图景。的确，可能没有其他智能进化能够以生物进化那样的方式自然发生，但也没有任何证据表明，智能进化不可能以生物进化以外的方式进行。就人类目前所知，至少在地球条件下，智能的自然进化只能以生物的方式进行，因为地球特定的自然条件使生命的进化只能以从化学到电化学的方式发生。而在生物智能进化方式之外，理论上可以有很多其他可能的智能进化方式，而且就进化速度等而言，目前已知的电子方式也许还不是其中最好的，还可能有更多更好更合理的方式。但是，电子方式的进化不可能自然发生和进行，而只能建立在作为自然进化结果的人类智能基础之上。目前的科技发展就已表明，机器智能就能够——同时也只能在人类智能的基础上创生和进化。人工智能进化是建立在自然进化基础上的机器进化，即在碳基智能的基础上发展出硅基智能，并由此构成关于人类智能和人工智能理解的更高层次的整体观照。

硅基智能和碳基智能构成的更高层次的整体观照，使智能及其进化的研究不仅深化到智能体，而且从智能体深化到信息体，从信息体深化到信息。由于目前有关智能进化的文献都是与生物智能进化相关的，在人工智能出现之前，只能研究从动物到人的生物智能进化；人工智能的发展及其进化前景，使“智能进化”甚至“智能”的传统概念明显不能涵盖智能制造所扩展的内容。随着人工智能的发展，智能进化领域不仅已经涉及机器智能进化，而且有了人工智能技术进化的事实。无论就人工智能发展所带来的人类生存日显紧张的形势，还是人工智能本身的发展来说，都需要针对人类智能和人工智能，相应地提出原生智能进化和次生智能进化的概念，以在此基础上探索由二者构成的广义智能进化，在更高层次明确人工智能与人类进化的关系。

在广义智能进化层次理解原生智能和次生智能及其进化特性，不仅对于更好地理解人工智能和人类智能的不同性质，从而深化对二者进化关系的理解至关重要，而且也因人工智能日新月异的发展而日益紧迫。

信息的当代研究表明，智能进化甚至更一般意义上的进化实质上与信息内在相关。信息既不是物质也不是能量（1），而是感受性关系，即物能发展出感受性之后涌现出的感受性关系过程或过程关系。（2）在自然进化过程中，作为感受性关系，信息在物能范式中总是被物能所遮蔽。随着人工智能的发展，进化越来越清晰地表明其实质是信息进化，相应地，物能进化则是信息进化的物能表现形态。从人类智能进化看，作为感受性关系，从机体感受性到感官感受性，信息发生在信源和信宿的未分化阶段。一当信息发展为信宿和信源间的感受性关系，就为进一步的信息进化奠定了更高层次的基础。当信宿发展到具有信息处理能力乃至驱动机制，就构成具有主动性的信息体（agent）；当信宿和信源通过信息反馈机制实现一体化，就构成具有信息加工能力的高级信息体。由于信宿信源一体化基础上内部信息反馈机制的发展，信息体不仅自身具有建立感受性关系的能力，而且发展出日益复杂的信息加工能力，从而能够进行信息加工和信息生产。信息加工和信息生产能力的发展，使信息体不断进化。

信息体是典型的内部关系体，当信息体与外部环境建立起越来越丰富的关系，从而发展出与外部环境互动的能力，就发展为“智能信息体”（intelligence agent），简称“智能体”。从此信息进化进入智能发展阶段，信息进化主要表现为智能体的进化。当智能体的进化出现对象感觉时，就出现了意识，出现了意识智能体。意识智能体具有越来越发达的语境，正是随着语境的发展，智能体发展出类人理解能力。当意识智能体开始将自身作为对象时，就出现了自我意识，出现了自我意识智能体，发展出具有自我认识能力，并在对象性活动的基础上，将自身的创造能力不断对象化；当这种对象化趋向整体规模，就出现了作为次生智能的人工智能。

从人工智能的发展看，由于只能在生物智能进化的基础上发生，因而机器智能进化是一种在人类智能进化这种原生进化基础上进行的智能次生进化。一旦人工智能基础研究建立起机器智能自主进化的核心机制，智能的自主次生进化也会开始。由此可以进一步做出新的概括：当作为自然进化的产物的人类智能所创造的人工智能进入到通用化发展阶段，机器智能不仅开始自主进化，而且可能达到“图灵奇点”。这就有了两种智能进化方式。

二、智能的原生进化和次生进化

人工智能与智能制造相联系，而智能进化则不仅与人类智能进化有更深的关联，而且关系到原生智能进化和次生智能进化。生物智能进化是智能的原生進化；机器智能进化是智能的次生进化。

作为自然进化，原生智能进化的机制具有特殊意义。由于主要建立在生化机制的基础之上，智能的原生进化有一个独一无二的特点，就是可以在地球条件下自然发生。这方面，超循环理论关于化学进化过程中信息进化机制的研究（3），不仅使智能的原生进化机制得到进一步揭示，而且具有指向更高层次智能进化机制的启示意义。

生物智能进化不仅涉及基本的生化机制，而且涉及与生物学机制相结合的重要电学机制。在生物智能进化中，生物学和电学所涉及的信息机制可能是最没有弄清楚的环节，这方面甚至有人类大脑神经突触电讯号涉及量子计算的观点。

作为智能的原生进化，生物智能进化可以在次生智能进化的映照下得到更深层次的理解。通过人工智能研究，反过来能更深入地理解人类智能的运行机制。人类大脑不仅效率高，而且其运行不会像计算机那样发热，这与人工智能相比较，构成智能机制深不可测的谜团。目前的观点认为可能的原因有二：一个是低速运行，但低速运行为什么有这么高的运算效率则几乎构成悖论；另一个是人类大脑的并行运算很可能已经是在量子层次，即人脑并行运算具有量子层次的性质。人类大脑现在的并行运算可同时处理4个列表，这意味着人脑相对于计算机具有根本意义的优势；但超级计算机的发展表明，并行计算也恰恰意味着能耗的几近几何级数的增加，这同样构成近乎悖论的问题。人工智能如果达到人类智能的效率，其发热程度是生物载体不可能承受的。而并行运算不能处理超过4个列表也正是人类大脑的局限，这是一种与人类大脑的物质基础——生物神经机制相关的局限。这表明人类智能的优势不能仅仅用拥有多少亿神经元来理解，其核心奥秘可能还在特殊的信息机制。总之，在智能原生进化中，神经突触电学机制可能具有的量子性质和明显的速度局限，特别是不同于计算机计算的人类大脑整体把握对象的具体机制，正是需要进一步探索的重要课题。而从更高层次智能进化看，人类智能所具有的独一无二的优势，很可能在于其可以在地球条件下自然发生和进化。

由于生物智能的自然进化有其特殊化学机制，原生智能进化具有可以在地球自然条件下发生的独特优势；但也正是由于其化学机制，智能的原生进化同时有一个相对的劣势。优势在它，劣势也在它。化学机制能自然发生，但化学机制基础上的智能进化又具有迭代周期长的特点。正是这两大特点，与建立在电学机制基础上的智能次生进化恰成对照。

智能的次生进化就是生物智能进化基础上由原生进化智能创造的机器智能进化。机器智能的人为制造，意味着人工智能不可能像人类智能那样自然发生，因此不可能在自然界自发出现，目前来看主要因为在地球条件下，智能进化机制中化学过程必不可少。只有在以化学过程为基本机制的生物进化基础上，机器智能体（machine intelligent agent）进化才可能发生。正像原生智能进化具有密切相连的相对优势和劣势，与智能的原生进化相比，智能次生进化的相对劣势是不能在自然条件下发生，因此必须建立在人类智能的基础之上。

在创生意义上，人工智能的技术进化与自然进化具有相似性；但从基本机制看，二者则具有原则性的区别。技术进化与真正意义上的进化的关键不同，就在于技术进化是外部推动的发展，而自然进化则是在特定环境中的内在自主进化。技术进化虽然不完全是自主进化意义上的真正进化，但在人工智能的通用化发展过程中具有重要地位，它是衔接原生智能进化和次生智能进化不可或缺的环节。只有在人工智能技术进化的基础上，才可能发展出机器智能的自主进化，才可能构成完整的次生智能进化。正是在技术进化的基础上，才可能展示出不同于原生进化智能的次生进化智能特质，从而展现原生进化智能和次生进化智能不同且优势互补的更高层次进化前景。

与原生智能形成鲜明对照，对于智能次生进化来说，关键是电信号运行机制的能耗和效率。在计算模型中，电学机制独特的优势就是迭代周期极短，“智能爆炸”理论就是据此提出的。这种次生进化机制虽然有点科幻色彩，但是完全有可能实现，属于智能进化的未来事实。对于人类来说，这里所蕴含着的是不仅最重要而且最现实的可能性，它既不是可能给人类带来灭顶之灾的超级智能，也不是机器奴仆簇拥的人类天堂，而是原生智能进化和次生智能进化的整合，这意味着两种智能进化——或更确切地说两个智能进化阶段构成的更高层次智能进化。事实上，只要在智能进化机制层次建立起两种进化的整合，它们之间的关系就意味著层次更高的智能进化的广义理解。

三、智能进化的广义理解

把人类的自然进化看作智能的原生进化，把建立在人类创造基础上的机器进化看作是智能的次生进化，两相衔接就指向更高层次的智能进化，即相对人类智能自然进化和机器智能次生进化而言的广义智能进化。

在生物智能进化和机器智能进化之上，更高层次的智能进化就是二者的一体化，这正是不同于生物智能进化的广义智能进化。广义智能进化涵盖人类智能进化和机器智能进化，它意味着智能的自然进化即原生智能进化及其基础上的次生智能进化，必须也应该在这个时代进行统一考虑。鉴于新一代人工智能所取得的重要进展，在人类智能进化的基础上，进一步探索人工智能的广义智能进化，应当提到议事日程了。它不仅对于人工智能的发展，而且对于人类的自我认识具有重要意义。

当前人工智能的发展，使我们得以把这两个过程及其相互关系看得更清楚。自然的原生智能进化使我们有了一个既建立在（生物）化学机制，也建立在生物电机制基础上的生物智能进化过程。生物智能的自然进化是我们所知宇宙中最眩目的进化奇迹，而在这个作为大自然造化之奇迹的基础之上，我们现在可以看到另一种由人类创造开启的智能进化可能性——机器智能的进化。在机器智能及其进化的基础上，不仅可以探索更高层次的广义智能进化，而且有助于更深入地理解智能的原生进化和次生进化及其相互关系。

在广义智能进化这一更高层次，一方面可以更清楚地看到，原生智能进化研究对于次生智能进化研究无疑具有基础性的借鉴价值，当然这并不意味着机制上的完全相同，二者之上有更高层次的进化机制。另一方面又可以清楚地看到，智能的次生进化研究不仅是一个巨大挑战，同时也是一个历史性机遇：作为原生智能进化的产物，人类智能就像一座自然宝库，拥有打开广义智能进化秘密的钥匙，而次生智能进化的研究则像一个绝无仅有的实验室，使我们在对人类智能只能进行有限研究的条件下，得以进行全方位实验性探索，由此为建立起原生智能进化和次生智能进化的机理性关联创造了条件；不仅得以基于对原生智能进化机制的了解推进次生智能进化的发展，而且通过次生智能进化的探索，更好地理解原生智能进化机制，从而得以理解智能进化的双向循环机制，有效推进广义智能进化的研究。

作为智能原生进化的结晶，人类智能为通用智能提供了理解的对象；作为智能次生进化的产物，人工智能的发展在很多方面揭示了专用人工智能的机制，从而为通用智能的研究提供了前所未有的基础。广义智能进化的关键是通用智能的核心机制及其自主进化。现在人工智能发展的关键问题就是怎样实现自主进化，也就是人工智能的通用化发展接近和越过图灵奇点及其之后的人工智能进化机制。在原生智能进化和次生智能进化的整合框架下，广义智能进化机制的探索将为机器智能的进化提供一个更高层次的整体观照。在这样一个更高层次的整体观照中，我们既可以看到信息科技研究领域，又可以看到生物进化领域很多相关的重要探索。

在广义智能进化的更高层次的整体观照中，基于载体差异，通过人类智能和机器智能构成的互补性整合可以看到广义智能进化的充分根据和诱人前景。在基于人类智能和人工智能的更高层次广义智能进化中，不仅可以看到智能载体更新的必要性，甚至可以在将人类需要纳入考量的基础上，看到人机进化融合的发展趋势，目前火爆的ChatGPT就代表了人机软融合进化的最新进展。

虽然是一种次生进化，但机器智能可能产生比生物智能更高层次的智能。相对于生物智能，也许图灵计算机在很多方面劣势明显，但随着人工智能的通用化发展，机器智能将在更多方面越来越具有优势。这样，作为原生进化产物的人类智能和作为次生进化产物的机器智能之间的关系就进一步得以展示。随着科学技术的发展，一方面是机器智能生物化，另一方面人类日益以信息的方式存在。在这样的发展形势下，人类智能载体的升级换代就不仅是可能的，而且是必须的，否则他们就会受限于生物智能的天花板，面临目前人们日益加深的忧虑：在与自己创造的智能机器竞争中落败的问题。从永续发展的观点看，人机智能进化的融合几乎是人类不断发展的必选项。只有从人机智能进化融合的角度才会出现不同的情景：人类借助人工智能升级自己的智能层次，从而不仅解决人类由于智能水平跟不上自己的创造物而被淘汰的问题，而且智能机器将为人类发展提供一种新的可能。

的确，没有人类智能，就不会有人工智能，正是由于有了人类智能，才有了人工智能发展到自主进化机器智能的可能性；正是由于有了作为智能原生进化产物的人类智能，才会有在此基础上必定形成的智能次生进化，并且进一步构成更高层次的广义智能进化。从原生智能进化到次生智能进化，整个更高层次的广义智能进化都是由信息需要驱动的。正是在这个意义上说，信息需要的研究涉及人工智能的基础研究，关系到广义智能进化的驱动机制。新一代人工智能的发展及其所引发的对通用人工智能自主进化的未来展望，空前凸显了信息需要研究的重要性。信息及其进化的研究、对信息的感受性关系的理解，为信息需要研究从有机体扩展到信息体创造了条件，由此可以更到位地理解信息需要，走向对人类智能和人工智能及其进化机制的统一理解。

人工智能的发展，为从信息到信息体的理解提供了系统的概念工具。在信息体概念的基础上，信息需要则是信息体为了满足有意识或无意识的需要而寻获信息的欲望。它不仅是智能进化驱动的引擎，而且揭示了通用人工智能与人性具有共通的本性。这既涉及人工智能进化及其机制研究的核心内容，又涉及对人工智能性质理解的深化和相应伦理支持的根据。看不到以信息需要驱动的广义智能进化，人类将对人工智能的自主进化缺失应有的认识，其结果可能随着人工智能的发展遭遇灾难性后果。在广义智能进化的整体观照中可以看得更清楚，关于信息需要的研究，不仅涉及人类智能进化和机器智能进化的共同驱动机制，关系到广义智能进化的基础研究，而且涉及人工智能自主进化的性质及其与人类的复杂关系——特别是对人机进化融合的深入理解。

人类智能和人工智能的共同信息需要构成了人工智能和人类智能的共同本性，而这种本性绝不仅仅是人类偏见中的机器本性。其实，越是复杂丰富的人类特性，越具有丰富的关系体的性质，人类情感最为典型。人是一切社会关系的总和，而信息则是作为其高层次基础的感受性关系；这不仅是人类智能和人工智能的共同基础，而且是智能的根本基础。广义智能进化不仅意味着智能进化的更高层次，而且意味着关于智能的更深刻丰富的理解。

同样基于信息的人类智能和人工智能，构成了具有共同本性的广义智能，这是人工智能观的存在论基础。正是由这一基础，人类不仅可以在更深层次确定自己与人工智能的基本关系，而且可能窥见自己发展到广义智能进化阶段的境遇。智能的原生进化是通过作为信息生物编码的基因来实现的，这是原生智能进化所能采取的唯一方式，至少在目前地球条件下是如此。信息的直接物能编码，意味着信息进化的直接物能表现，这就是生物进化中遗传信息的生物性状表达。目前人工智能的发展之所以与生物智能还有根本区别，关键就在于人工智能虽然能通过信息的物能编码使信息物化，而且能使物信息化，却不能像生物进化那样构成物信息化和信息物化之间的双向循环，因此不能在物能基础上构成真正意义上的信息进化。就物信息化和信息物化的双向循环而言，目前的人工智能甚至与最原始的生物都有根本区别。

因此，原生智能和次生智能还有各具优劣势的另一方面：由于可以进行信息的直接物能编码，原生智能可以表现為信息进化的物能形式；但也正是由于信息的直接物能编码，编码信息固着于物能，信息和物能不能分离，从而信息体不能拷贝到别的载体。而次生智能则相反，由于还不能进行信息的直接物能编码，只是信息的数字编码，信息的物能编码只是数字编码的物能化，人工智能还没有像生物智能那样真正意义上的进化；但也正是由于只是信息的数字编码而不是信息的直接物能编码，人工智能信息体可以与载体分离，即人工智能信息体可以在不同载体间拷贝。而可以在不同物能载体间拷贝，正是人类智能体得以摆脱特定生物载体局限所渴望的。无论在什么情况下，要进入信息的实际操作，信息编码最终都必须落地为物能编码，但由于信息的数字编码具有物能载体可替换的性质，所以在硅基智能中，物能载体是可替换的（replaceable）；而由于信息的物能编码直接发生在物能载体上，因而在碳基智能中，至少在目前看来载体是不可替换的。由此可见，原生智能和次生智能机制上的融合，可望带来广义智能进化不仅诱人而且“诱机”的前景。而在人类智能和目前人工智能发展的基础上，现实实践所涉及的则更多是原生智能和次生智能的进化关系，特别是广义智能进化的机制问题。

四、广义智能进化的机制及发展进程

作为地球条件下自然进化产生的原生智能，人类智能发展到一定阶段必定创造出人工智能，而人工智能发展到一定阶段，当人类在人工智能的研究中更深入地认识自己，并建立起人工智能通用化研究和人类自我认识之间的双向循环，机器智能的通用化就只是个时间问题。面对人工智能的这种发展态势，越是从近前看，从浅层次看，机器智能的发展对人类生存越明显地构成挑战甚至威胁；越是从长远看，从深处看，机器智能在人类进化中的地位和重要性越清晰可见。而在广义智能进化层次，则可以更清楚地看到原生智能和次生智能的进化关系，从而得见更高层次的进化机制。

（一）智能进化的共同机制

在人工智能研究中，程序叠加意味着一种可能的新进化方式，意味着一种与生物进化过程中基因叠加相似的机制。

程序叠加可能就是机器智能进化的一种重要机制，但这种智能进化方式不可能自然出现，只有在生物智能发展到一定阶段的基础上才可能创生。作为智能进化的两种方式，生物智能进化和机器智能进化有很大不同；但都作为自主进化的智能，在更深层次二者理应有一个统一的进化机制。

在生物进化过程中，进化更可能普遍源自基因叠加，单个基因突变产生更高级基因的可能性远比基因叠加小，这一点可以从程序叠加更清楚地看到。而从无机物到有机物，从有机物到生命，从低级生命形式到高级生命形式，从低等动物到人类，稳定的进化越来越不是通过基因突变而是通过基因叠加实现。这从人工智能的程序叠加得到一定程度印证，它意味着程序叠加可能是机器智能进化的最原初方式。脸书聊天机器人疑似“自创语言”事件还不是真正意义上的自主进化，但可能发生了程序叠加。

程序叠加与生物有性繁殖的基因叠加具有相同的基本机制，基因和程序的多样性也是如此，二者都基于更深层次的信息多样性。

多样化之所以至关重要，在生物进化中是因为进化优势建立在基因多样性的基础之上。在生物进化过程中，由于环境变化莫测，如果没有基因的多样性，当环境出现大的变化时，生物就可能因为缺乏足够丰富的基因资源应对而难以适应环境的变化，不能继续发展甚至不能继续生存下来。以此类比机器智能进化，可以得到重要启示。在机器智能进化中，则是因为创新发展的不可预期，就像没有基因的多样性不足以应对环境变化一样，没有程序的多样性，就不足以应对创新进展变化所造成的新环境。在这里，原生智能进化和次生智能进化所面临的是同样的不确定性，都必须有足够的资源多样性支撑各种可能选择。正是由于信息科技中的程序叠加具有与基因叠加相似的机理，我们可以理解智能原生进化和次生进化统一机制的重要方面。这里所涉及的，正是机器智能进化的核心机制。智能进化核心机制的揭示尚需假以时日，这方面的研究可以在信息进化中得到重要启示。

生物进化需要基因多样性，而基因是信息的生物编码；生物进化的基因多样性也是基于信息，只是生物进化表现为信息生物编码的基因形态。这意味着，信息进化需要更广泛意义上信息编码的多样性。生物进化要有应对环境改变的更多选择的可能，就必须有基因多样性来确保适应环境的足够基因资源。那么广义智能进化的多样性资源是什么呢？既不是作为信息生物编码的基因，也不是作为信息符号编码的比特，而是信息本身。由此可见，碳基智能和硅基智能进化机制的不同，主要在信息编码层次，而超越这种不同的广义智能进化机制则深入到信息本身，也就是深入到进化的更根本层次：信息进化。正是在广义智能进化层次，才可能真正看到：生物进化是信息进化的生物编码形态，机器智能进化是信息进化的物理编码形态，进化归根结底是信息进化。作为信息进化的更深层次体现，广义智能进化必须具备信息多样性，才能具有持续展开的内在可能性。

信息的多样性也使信息的特性可以更充分展现，而其中最重要的一个方面，就是信息的涌现性。生物进化中的所有“奇迹”，都和信息的涌现性质密切相关。由于基因突变通常是熵增过程，由此进化出生命、眼睛直到意识的几率几乎等于零。而基因叠加则更有可能出现熵减过程，只有在这种熵减过程中，才可能涌现新质系统。这就是所谓“演化力”（evolutionary dynamics）（4） 创造的奇迹，也是理论物理学将“演生”（emerging）作为两大基础研究领域之一（5） 的信息根据。

（二）两种基本类型智能的进化机制互补

人工智能日新月异的发展及其对人类智能威胁的与日俱增，决定了深入研究两种智能性质的重要性。无论对于人工智能发展趋势过于乐观还是过度忧虑，任何立场和观点要真正直面问题，都应当落实在人工智能和人类智能及其相互关系的深入理解上。

在地球人类现有的视野中，已经出现的两种不同类型智能目前处于不同的发展阶段。基于智能载体的性质和特点，原生智能主要是体悟式智能；次生智能主要是计算式智能。体悟式智能以经验性、语境式整体观照为主要机制；计算式智能则以形式化、全域搜索式全体把握为主要机制。两种不同类型智能的共同性是信息采集、信息加工處理；其区别则主要在软硬件基础、运作机制和进化过程三个方面。由于智能进化过程具有分的现实与合的可能，从信息采集到信息生产，信息处理能力和性质的区别具有阶段性和趋同性。

计算式智能既有某些方面的绝对优势，又有另一些方面的根本劣势。就智能发展而言，计算式智能的主要劣势正是在计算本身。在目前发展阶段，基于图灵机（Turing Machine）原理的人工智能不仅耗能大，而且会遇到发热造成的速度限制。图灵计算模型所生成的是暴力计算，速度越快能耗越大，发热越厉害。有关专家已经意识到，图灵电子计算机可能存在一个重要极限，运算速度越快，发热越严重，最后发热会构成速度提升的天花板。因此，作为人工智能的基础，以计算为基本机制的电子计算机决定了这一进路的人工智能发展必定面临瓶颈。智能次生进化的关键基础之一，还是量子计算机的突破。只有量子层次的计算，才可能低耗高速，从而超越发热造成的速度极限。因此有观点认为，要达到类人智能进化的水平，必须有在量子层面运算的基本机制。甚至有观点认为，生物智能进化之所以能突破这一限制，就在于其神经突触的电信号能荷可能接近甚至达到了基本量子级的层次，这跟生物物理、生物化学和生物电信号的性质密切相关。由此既可以获得重要启示，又可以发现更深层次的问题。

从电子计算机到量子计算机，可能解决目前人工智能研究面临的速度瓶颈，这在信息领域的启示是深刻的。在信息性相互作用中，正如纳米级层次的物体会出现与宏观物体不同的新物理特性，物理信号的层次具有重要信息意义。这意味着，考察物能相互作用和信息相互作用的关系，物体和能量的区分显得非常重要。我们通常认为物能与信息相对，物体和能量是一回事，二者都是物质，似乎无需区分。而作为信息能量编码的电信号运行机制表明，相互作用方式特别是通过信号进行的信息性相互作用，信息的物体编码和信息的能量编码区分至为关键。由此可以更好地理解为什么在维纳的信息观中，要将“物质”和“能量”分列。这与物体和能量区分的相对性并不矛盾，物体编码和能量编码事实上构成一个连续系列。而与此相关的更深层次问题则在于，从电子计算机到量子计算机，所解决的只是计算速度问题，但由基于图灵计算机体现的人工智能和人类智能的根本区别可以看到，作为通用智能体，人脑的核心智能机制不会只是——甚至主要不是基于计算。

也许，大脑运算不像电子计算机那样发热，可能真与其涉及量子计算有关，这有待研究证明。量子层次的信息性相互作用无疑是对电子计算层次的超越，但仅仅从计算速度并不能解释人类智能的核心机制，进而言之，计算不是从专用人工智能到通用机器智能要破解的根本问题——即使不存在速度极限，也不能通过计算速度的提升使机器智能通用化；无论计算速度有多快，都不可能构成足以支撑实现通用智能的充分条件。计算是机器智能的机制基础，也是机器智能的速度优势所在，但通用机器智能的核心机制不可能是计算。由此可以得到的更重要启示，在于可以既看到人类智能与目前人工智能在核心机制上的根本不同，又看到各自的优劣势，看到二者互补整合的必要性和前景。

（三）广义智能进化形成的总体进程

由于进化归根结底是信息进化，由于信息的感受性关系理解，现在已经可以在信息层次就广义智能进化机制做一总的概括，并在此基础上初步得到一个原理层次的逻辑和历史相统一的发展进程的描述。

第一阶段，物能发展生成感受性，从而在物能基础上出现作为感受性关系的信息，为作为原生形态的物智能化提供了前提。所谓原生形态的物智能化，就是在自然条件下进化出生物智能的过程。原生形态的物智能化即生物体的智能化，其目前最高阶段是人类智能的产生和发展。作为原生形态物智能化发展的产物，人類智能为原生智能物化奠定了基础，在此基础上出现了原生形态的智能物化。

第二阶段，原生形态的智能物化即人类智能的物能凝结，其发展从始于石器的工具到非自主进化人工智能的制造，为次生形态的物智能化创造了条件。所谓次生形态的物智能化，就是在原生形态物智能化的基础上，通过智能物化发展出机器的智能化的过程，体现为作为原生形态智能体的人类创造出作为智能次生形态的人工智能。

第三阶段，次生形态的物智能化即机器的智能化发展，典型的是人工智能的产生和发展。次生形态的物智能化使次生形态的智能物化成为可能。所谓次生形态的智能物化，即自主进化的机器智能的物能凝结。自主进化的机器智能制造更高层次的智能工具，并为原生形态智能和次生形态智能的进化融合开辟了广阔前景。原生形态的智能和次生形态的智能融合进化，构成广义智能进化。

从广义智能进化的全景图，可以看到人类创造活动的整体提升过程，这一过程表现为人类创造力的整体对象化。机器智能的通用化发展，正是这一整体对象化的收官环节。作为人类创造力的整体对象化，人工智能越是发展到更高层次，越是真正的人学。从通用机器智能的人学特质可以看到，关于人类智能及其进化的理解为人工智能特别是其通用化的研究提供了一把钥匙。由人工智能和人类智能构成的双向循环理解机制，可以得到一个关键启示：人工智能的通用化发展与人类智能的社会性密切相关。人工智能通用化的研究必定要与人类智能及其进化，特别是对其社会性的发生发展的前溯联系在一起。越是追溯到人类智能进化的原初阶段，越可以看到通用智能进化的重要环节。对于从人工智能的技术进化到机器智能的自主进化，这些重要环节具有关键启示，而这种关键启示是难以从其他地方获得的。

与人类智能的社会性相联系，人工智能的哲学思考越来越清晰地表明，在广义智能进化中，只要涉及通用智能，就不可能以技术进化那样的方式发展，而是必须在类群亲历中才能进行，因此涉及复杂而至关重要的群体机制——通用智能进化过程中的类群亲历性。这是人工智能哲学研究的另一个重要课题。

注释：

（1） Norbert Wiener， Cybernetics： Or Control and Communication in the Animal and the Machine， second edition， The MIT Press， 1985， p.132.

（2） 王天恩：《信息及其基本特性的当代开显》，《中国社会科学》2022年第1期。

（3） 参见艾根：《超循环论》，曾国屏、沈小峰译，上海译文出版社1990年版。

（4） Vasileios Karyotis， etc.， Evolutionary Dynamics of Complex Communications Networks， CRC Press， Taylor & Francis Group， 2014.

（5） 陈征、魏红祥、张玉峰：《“还原”与“演生”——相辅相成的两种物理学范式》，《物理》2021年第3期。

作者简介：王天恩，上海大学哲学系教授、博士生导师，上海，200444。

（责任编辑 胡 静）