德雷福斯的人工智能“炼金术”

耿弘明

加州大学伯克利分校的哲学教授休伯特·德雷福斯（Hubert L.dreyfrus）在讨论人工智能问题时，曾大胆地预言：人工智能有其局限，无法处理人脸识别和下棋这样复杂的问题。二十世纪中后期，他把人工智能比作巫师和术士的“炼金术”。不过，历史似乎在按照德雷福斯预言的反方向前行。二十一世纪的第二个十年，围棋机器人阿尔法狗（AlphaGo）与人类的对弈，成为火热的新闻事件，而AI 人脸识别则获得了广泛应用，出现在写字楼、火车站、购物中心等各式生活场景中。可以发现，德雷福斯的预言失败了。曾被德雷福斯嘲讽的“炼金术”这个标签，如今似乎被回赠给了他自己。面对这一事件，有必要重温康德的经典问题：我们到底能知道、认识什么？

一、 德雷福斯：从成名到骂名

德雷福斯曾受教于分析哲学大师奎因，却一直对海德格尔和梅洛·庞蒂等欧陆哲学家情有独钟，其研究可谓兼欧陆哲学和分析哲学两派之长。他的著作论域非常广泛，汉语学界已经可以读到《计算机不能做什么》《论因特网》《在世》等。

作为哲学家，德雷福斯最闪亮的标签是“反AI”，这一标签的获得，源于他参与过的一些思想史事件。例如，他不断地批判马文·明斯基（MarvinLee Minsky）和司马贺（Herbert Alexander Simon）等早期人工智能科学家；又如，在他的现象学和存在主义研究中，常常夹枪带棒地反讽“计算理性”；再如，他借现象学传统，反思AI 的认知逻辑，写就《人工智能与炼金术》，并给兰德公司提供负面的意见，预言这门新兴学科在未来的必然失败。这些事件让他大名鼎鼎，或者说臭名昭著。

他的著作有些尚未和中文读者见面，其中一本名为《机器心智》（Mind over Machine ），这是德雷福斯“反AI”的代表作之一，成书于一九八六年，由哲学专业的休伯特·德雷福斯和数学专业的斯图亚特·德雷福斯合作完成，对他早期的思想有系统总结的性质。这本书反思了“专家系统”这一早期人工智能实践，书名以英文修辞中押头韵的方式，表达了他的总态度，“Mind over Machine”，人类智能优于人工智能。本书中德雷福斯的观点可以简要归结为：在“弈棋”和“人脸识别”等领域，机器智能必然会失败。就具体预言而论，毫无疑问，历史已经证明了德雷福斯的预言是失败的。

德雷福斯为什么会失败？

如果要归结它的深层原因，需要观察一次重要的数学范式转换—AI 方法论自专家系统的符号主义，到机器学习的人工神经网络，完成了一次整体性进化，这种变化被称为“统计革命”。人工智能发展史上的统计革命，指的是以人工神经网络与机器学习为基础的，而非以大型知识库和符号推演为基础的AI 革新，机器学习和深度学习伴随而生。罗森布拉特在二十世纪六十年代就提出了感知机模型，但是，直到二十世纪八十年代AI 寒冬冰雪消融之后，人工神经网络才迎来了学术探讨的热潮，而直到二十一世纪，它才收获了诸多具体的商业成果。

从思想基础的角度讲，“统计革命”源于符号主义到联结主义的观念转变。简而言之，符号主义主张通过知识累积、规则设定、逻辑推导和符号运算来完成对人类心智的模拟；而联结主义，则通过大量数据的累积，人工神经网络的学习，完成判断方式与行为方式的拟合。基于这一理论，计算机在下棋领域取得了重要的突破。“统计革命”中暗含着对德雷福斯早期预言的彻底颠覆，超出了德雷福斯旧有的想象空间。

德雷福斯的具体预言失败了，不过，他的哲学根基是否也发生了动摇？

二、 科学还是炼金术？

让我们放宽视野暂且避开德雷福斯在具体预言方面的失败，思考这样一个问题：德雷福斯的底层逻辑，与后来的“统计革命”是否有类似之处？

在知识论的层面，德雷福斯的核心观点是：存在一种“直觉性专业知识”，它区别于形式化的知识、符号化的知识、计算化的知识。在《从菜鸟到专家必经五步》（“Five steps from novice to expert”）一文中，德雷福斯举了“自行车”的例子来阐发他的观念。我们很多人都会骑自行车，知晓如何登上自行车，开始骑行，并且骑到自己的目的地，我们还知道如何维持平衡，调整速率，在途中躲避各种障碍物和同行车辆。不过，很少有人能够给出一套标准化的自行车相关规则和专业知识。在这里，徳雷福斯做出了一个主要区分：知其如何（know-how）与知晓原理（know-what）是不同的。

在刚开始学习一个新技能的时候，首先要学习识别各种各样的客观存在的事物， 去了解它们的特性，尝试记住那些复杂的规则，而此刻这些规则都是与情境无涉的，对我们来说，它们的抽象程度无异于一门外语或者一堆数学公式。与之相反，对习以为常的事情，我们却不知其所以然，不过，不知其所以然并不代表不能够成功地做好它。

从自行车的例子开始，徳雷福斯引申开去，他认为，人类所擅长处理的很多事物都遵循这一规律，例如聊天与谈话，如何走路等等，我们对其习以为常，因此也熟视无睹。唯有在执行这些日常出现问题的时候，才会想起规则，例如，当你开车挂错挡的时候，当你聊天说错话的时候，规则才显现出来。

总的说来，德雷福斯认为，学车不源于计算，不源于逻辑，不源于专家系统式的知识储备，而源于“学”，包含长期的实践中形成的固定反应模式。如此看来，这是否与机器学习有相似之处？细细考察学自行车这一案例，思考德雷福斯对符号化认知的批评，就可以发现，德雷福斯似乎从另一个角度完成了对符号主义的超越。

在《逻辑机器及其限度》（“Logical machine and i t s l imi t s”）一文中，德雷福斯对他的想法进行了总结，他说，机器心智乃是符号化、计算化、形式化、规则依赖的、脱离大世界情景的，是在小世界（micro-world）自我操作的；而人类心智，则是非符号化、非形式化、非计算化的、可遗忘规则的，依赖于大世界的社会历史實践与生活风格的。这一思路也是德雷福斯思想的关键所在。所有电脑、机器或者人工智能，无论发展到何种程度，只要它本质上是符号依赖的，那么，它就摆脱不了逻辑机器与推理机器的本性。

当然，需要警惕的是，我们不能强行跨越学科边界，认为德雷福斯的哲学地基与深度学习的数学地基是相同的；或冒失地认为，海德格尔的幽灵被八十年代和九十年代的科学家在无意中发现；或者更极端地认为，人工智能的失败是由于科学家不懂海德格尔。但是，德雷福斯反驳“专家系统”的底层逻辑，与人工智能得以进展的底层逻辑，如果都用人人可理解的语言表述出来，变为公众的常识之后，它们确实存在共通之处。

问题开始变得复杂起来，德雷福斯失败了，也成功了，不管是否愿意称他为“科学先知”，他的预言都不宜再被贴上“炼金术”“疯话”这样的标签，事实上，他的确在进行认真而严肃的思索，并且得出了富有启发的结论。

三、 德雷福斯的位置—人文学者谈论科学的方式

自然科学与人文学科的研究对象或许偶有重合，但在大部分情况下，它们的方法是迥然不同的，言说方式有天壤之别，自然科学是人文学科方法论意义上的对手，它们之间有很紧张的关系。因此，人文学者不得不面对这一对手，思考它，研究它，并且回应它。如果不谈泰勒斯、毕达哥拉斯等早期兼有哲学家与科学家身份的智者，或莱布尼茨、笛卡儿、罗素这些全才的话，那些纯粹的人文学者，也未曾停止过对科学的探讨与反思。

粗略总结一下，其谈论的方式大概有如下四个类型。前面是两个消极的类型，其一，人文学者反思现代技术的弊端，机械化大生产对人的异化，在这一思路下，可以列举马克思、韦伯、霍克海默等一串长长的名字。其二，从一般方法论上，谈论科学的思维局限，对非理性的忽视，例如法国的柏格森、中国新儒家的熊十力。第三个类型是一个相对中性的类型，人文学者用现代社会学方法，对科学家做田野调查与社会学分析，例如法国思想家拉图尔（BrunoLatour）的工作。最后一个则是积极的类型，人文学者采用科学的方式还原、解构传统的人文学科问题，例如采用了统计学方法的数字人文。

因此，谈论一般意义上的人文与科学之争，意义不大，因为，人文研究内部早已分化为多个话语类型。在这初步划分的四个类型里，前两个类型更容易招致科学家的抵制，因为它们与德雷福斯有共通之处，且都显示了科学与人文学科的紧张关系：

在第一个消极类型中，马克思的“异化”概念，如今已经成为文艺青年中的流行词，人开始劳作于工厂之中，机械化管控之中，异化为物、机器、零件，这个概念显示了作为个体的人在机器面前的无力、无奈与必然残缺的命运。借由法兰克福学派的阐发，这一问题得到了更深入的反思。在《启蒙辩证法》中，法兰克福学派的代表人物霍克海默和阿多诺将现代性的根本特征，定位为那种追求普遍之科学的冲动。他们认为，启蒙运动存在着一种“整一化”、将一切“理性化”的倾向，那些不能被计算化、数字化的，都是应该被抛弃的迷信、巫术与人类的幻觉，这种冲动必将导致启蒙走向它的反面，不再赋予世界以光明，而是让世界愈发黑暗。

在第二个类型中，很多思想家，例如海德格尔、柏格森、梅洛·庞蒂、德勒兹等，都在反思科学底层逻辑的局限。例如，柏格森曾指出，纯逻辑形式的思维，不能阐明生命的真正本质。再如，德勒兹提出一种块茎式（rhizome）的认识论，在这种认识方式中，事物之关系并非基于二元对立的分门别类，而是点点互联、变动不居、多样共存的，是具有互联性（connexion）、殊异性（hétérogénéité）与杂多性（multiplicité）特点的，是计算机科学中二叉树的反面。

在第一、第二两个类型中，第二个类型由于会反思具体的科学思维方式，易于被认为是伪科学，事实上，也已经有人给法国哲学家德勒兹的思考贴上了类似的标签。不过，德雷福斯虽然也偶尔批判互联网带来的异化，反思整体科学的认知巨献，但他的方式与上面的类型都不相同，因此，他更容易被认为是“伪科学”，或者说得更激烈一些，被认为是“伪科学”中的“伪科学”。毕竟，当海德格尔对存在进行高蹈玄妙之思，被卡尔纳普批评为“无效的形而上学语句”时，海德格尔只是固守着形而上学的位置。当海德格尔在《世界图像的时代》中谈论科学与技术时，他也只是进行总体的思考，称其为我们时代的核心特质，并没有具体化，去冒充技术专家，讨论某项具体科技的未来走向。

这是德雷福斯的独特之处：他在讨论具体的科学进展，具体的技术领域，甚至预言某一科学领域的未来，某一具体技术细节的未来，他不借科学还原哲学，他用哲学还原具体科学，他是反向的分析哲学。他少谈伦理问题，也不泛泛讨论科学的总体危机，更不是深入实验室的田野调查家，他基于现象学的哲学背景，具体讨论某一项科技进展（专家系统）的思维局限与技术困境。

四、 警惕预言还是警惕傲慢？

事实上，人们还应该注意到德雷福斯的双重身份。首先，他是毫无疑问的哲学家。其次，他也是一位早期人工智能学者，他属于这个富有探索性和开拓性的群体。那么，當德雷福斯预言失败时，似乎不宜马上将他踢入哲人的阵营，认为这是哲学的失败，如果考虑到他的另一身份，那么，这也是早期人工智能学者们的失败，尽管在具体观点上他们有所不同。

当我们跳开德雷福斯一人，重新观察其他早期人工智能学者们的预言，就可以发现，德雷福斯的预言并非一开始就是失败的，在一开始，他并非是一个“玄学鬼”形象，并非是一个炼金术士。因为，在二十世纪后半叶的很长时间里，在他与诸多科学家比拼的预言竞技场中，他反而是毫无疑问的胜利者。

让我们回到德雷福斯登上思想史舞台的时刻，那正是马文·明斯基、司马贺等大名鼎鼎的早期AI 学者预言失败的时候。自一九五六年达特茅斯会议开始，人工智能这一说法让科学家们非常激动，他们洋溢着一门学科以及整个科学信仰的青春与自信，认为人工智能会迅速取得成功，马文·明斯基断言机器可以很快完成一切人类的任务，他们彼时曾一度认为“人脑是肉做的机器”。而且对于他们来说，这是一种自证预言（Self-Fulfilling Prophecy），即他们做出预言，同时用自己的努力，开发出专家系统（Expert system）等早期产品，再用努力不断兑现预言。

正是在这时，德雷福斯给这件事浇了一盆冷水，甚至影响到了美国政府和商界对人工智能的投资。兰德公司在人工智能发展史上具有重要的地位，由于德雷福斯《炼金术与人工智能》一文的唱衰，更是由于诸多早期人工智能实践投入产出比的不平衡，人工智能迎来了自己的寒冬，以专家系统为核心的早期人工智能实践很快遇冷，德雷福斯的审慎和保守让他一次次成为预言竞赛中的胜利者，他的文章以这样的姿态成为一个弥足珍贵的声音。

在这一背景下，我们可以重审预言。“预言”是一种独特的人类语言行为，是一種企图跨越维度的方式，在时间之矢的某个确定点上，让一维之点化身为二维向量，从而超越具体局限的过程，是一种自比于上帝的方式，是一种人类代上帝之能，企图用语言精准切中未来图景的方式；预言常常局限于时代的特征，因为并不存在一个穿透时间且独立于历史的上帝视角：人总会根据自己的时代，预测哪些是计算机做得到的，哪些是计算机做不到的。而这个过程，必然伴随着预测失败，因为科学与历史的框架都已经历过翻天覆地的革新了。

假设人工智能技术的进步和发展是一个总体递增的函数，那么，目前它的值域（机器可完成的任务）是（0，100），那么预言家非常可能以（101—105） 举例，来论证机器的局限。殊不知，随着技术的发展，当它们得以实现，这一领域便迅速成为预言失败的白骨场。

如果引入库兹韦尔对线性进步与指数进步的区分，似乎能更好地理解关于人工智能的种种预言的问题。在《奇点临近》一书中，库兹韦尔指出指数进步这一形式，一旦奇点临近，旧有的增长方式便迅速迭代为崭新的另一个量级的增长模型。由此说明，马文·明斯基属于在指数函数的开端过早判断指数增长速率增大的来临；德雷福斯则属于在指数函数的开端，便将其视为直线函数，甚至认为这一线性函数在触及人类复杂能力的时候，增长率将渐趋缓慢，乃至停滞，成为值域恒定的函数。

可见，失败的概率是很大的。考虑到如此之大的失败概率，就不应该双标：当科学家预言人工智能失败，科学界会认为失败是成功之母，早期草率的实践和思考也该被视为科学发展史的重要一环。而当哲学家预言人工智能失败的时候，则必然是哲学思维的本性无法预言科学问题，它该被扣上玄学鬼的帽子。这样的做法显然不合理。事实上，无论哲人还是科学家，在一个领域仍旧充满未知的时候，基于本学科的思路对某一问题进行思考，都很有价值。

在这里，不妨重温卡尔纳普对预言的思考，卡尔纳普曾指出：“在许多场合下，所包含的规律不是全称规律而是统计规律，于是预言将会只是或然的。”不过，与此同时，“在日常生活中，如同在科学中一样，预言是必不可少的，甚至我们每日所完成的最琐碎的活动也是建立在预言的基础上的”。

哲学家谈论科学，哪怕是具体科学领域的走向，也是没有问题的，它们应该在共同体内通过互相学习、辩难，从而促生真知，哪怕预言有误，其思考的价值也不容抹杀。需要警惕的，不是预言，不是跨学科预言，也不是哲学的预言，而是傲慢。事实上，德雷福斯臭名昭著的原因，和他惹得科学家愤怒的地方，除了现象学方法，还有很重要的一个方面—他的狂妄、自大和傲慢，他那凭借哲学而君临天下的幻觉。

科学是极易滋生傲慢与专断的领域，哲学则有过之而无不及，我们该鼓励德雷福斯们预言科学，哪怕是用哲学的方法，实现哲学与科学的互利互惠。不过也该反对他们对科学的傲慢，在这个层面，哲学与科学需要构建一种互利互惠的对傲慢的约束关系，对企图用哲学为一切立法却又早就丧失了那个哲学可以为一切立法的时代的人文学者来说，尤其如此。