反思“人工智能革命”

文/金觀濤

柯潔和AlphaGo的對決，再次掀起人工智能的討論。伴隨大數(shù)據(jù)時代的來臨，互聯(lián)網(wǎng)、人工智能、虛擬現(xiàn)實互相融合進而有可能重塑社會；特別是人工智能的蓬勃發(fā)展，似乎正顛覆人類社會現(xiàn)有的組織、生產(chǎn)和生活形態(tài)。

本文力圖從人類智能和社會長時段發(fā)展的視角，審視當下這場人工智能革命的實質，及其對現(xiàn)代社會的沖擊。進一步來說，今天有必要在認識論層面上，理解“什么是人類智能”，重新界定人類智能的進步與社會形成、演變的關系。當前對這些問題的認識空前混亂，恰恰反映出科學被技術異化和人文精神的喪失。

一場退回到原點的革命

當前正在發(fā)生的這場人工智能革命，實質是一場“退回到原點的運動”，由此所引發(fā)的討論，在某種意義上也是對人類“智能”認識的大倒退。所有這一切都和人文精神的淪喪有關，特別是對人工智能的發(fā)展歷史的忽略。

其實，早在“人工智能”這一觀念出現(xiàn)以前，AlphaGo的工作原理已經(jīng)被數(shù)學家和生理學家發(fā)現(xiàn)了。1948年，美國應用數(shù)學家諾伯特·維納提出了“控制論”，促使智能研究的行為主義大轉向。與今日人工智能研究直接相關的，是當時的自動機理論，麥克卡洛和匹茨的神經(jīng)網(wǎng)絡模型就是這類自動機之一，其被視作人工智能研究的連接主義學派（其對智能的認識也是行為主義的）的開創(chuàng)者。神經(jīng)網(wǎng)絡模型的基本思想極為簡單——大腦神經(jīng)元的工作原理和電腦工程師所說的邏輯門一樣，一個CPU 就是一個邏輯門的集合體。在此基礎上可以得到神經(jīng)元的計算模型：系統(tǒng)的輸入為I1,I2,…,IN，接受這些輸入的神經(jīng)元輸出用如下法則規(guī)定：將這些信號經(jīng)過加權（W1,W2,…,WN），如果其強度超過了一定的閾值（T），則該神經(jīng)元就會發(fā)放一個信號y給其他神經(jīng)元或者直接輸出到外界。這樣，閾值的改變意味著輸入和輸出關系的變化。當閾值的改變由輸出引起時，我們可以說這部自動機在“學習”。

簡言之，復雜的智能行為被簡化成機器對外界刺激的反應和反饋。低層次的反饋是達到目的的行動；高層次的反饋，因存在代表網(wǎng)絡連接方式之參數(shù)隨輸出結果變化而不斷地調整，其可以解釋神經(jīng)網(wǎng)絡結構和相應行為模式的變化，也就是學習機制。

作為神經(jīng)網(wǎng)絡自動機的AlphaGo，其工作原理早已一清二楚，在今天沒有新的內容。20世紀40～50年代，因電腦剛剛出現(xiàn)，加上數(shù)據(jù)量的限制，AlphaGo不可能被制造出來。近年來，伴隨計算機硬件的發(fā)展，以及海量數(shù)據(jù)的積累，使得神經(jīng)網(wǎng)絡自動機的研究和制造突破了物質和技術條件的限制，這就是今天的人工智能“革命”。

仿生學和AlphaGo

既然早在20世紀40～50年代，AlphaGo的工作原理已得到清晰認知，為什么當時神經(jīng)網(wǎng)絡自動機的功能沒有被冠以人工智能之名呢？因為神經(jīng)網(wǎng)絡模型對應的是生物本能，而不是人類智能。

舉個例子。1959年，麥克卡洛、匹茨與美國認知心理學家杰羅姆·萊特文等合作完成了一篇論文——《蛙眼告訴蛙腦什么》。他們發(fā)現(xiàn)，蛙眼能看到的是相對于背景運動著并具有特定形態(tài)的物體，而對背景視而不見。如一只昆蟲或者天敵的“影子”只要從眼前掠過，青蛙會立即做出反應：撲向食物或者逃進水中。麥克卡洛等人用一個神經(jīng)網(wǎng)絡的數(shù)學模型來解釋青蛙看到了什么。蛙眼神經(jīng)網(wǎng)絡的功能是青蛙的本能，不能被視為智能。但是從神經(jīng)網(wǎng)絡來講，它和AlphaGo沒有區(qū)別。正因如此，當時神經(jīng)網(wǎng)絡自動機的研究對應的是仿生學。

生物神經(jīng)網(wǎng)絡的本能源于遺傳，而AlphaGo的能力是通過學習獲得的，兩者似乎不可同日而語。青蛙對運動物體的反應快過人，狗的嗅覺是人不可能有的。這都是自古就廣為人知的事實，從來沒有人會認為它們能超過人類，因為人具有智能，生物本能不是智能。智能是一種學習能力，這正是AlphaGo引起廣泛注意的原因。其實，上述疑問之所以產(chǎn)生，是出于對智能和學習關系的混淆。生物的本能亦是通過“學習”獲得的，只是不被稱為學習罷了。

什么是深度學習？其本質是神經(jīng)網(wǎng)絡結構（規(guī)定神經(jīng)元聯(lián)接之閾值）因網(wǎng)絡功能而改變，它與生物本能因自然選擇而形成的過程相同。AlphaGo通過人喂給它的大數(shù)據(jù)或下棋的勝負來修改網(wǎng)絡結構，青蛙則通過適者生存進化出對運動物體做出迅速反應的神經(jīng)網(wǎng)絡，從結果規(guī)定網(wǎng)絡結構這一點上看，兩者一模一樣。換言之，今日所謂系統(tǒng)的深度學習，其理論基礎是行為主義和連接主義。學習機制為“自下而上”的選擇路徑，這只是生物學意義上“自然選擇”導致物種形成的過程。只是生物界不需要某一物種以下圍棋來生存，故自然選擇這一“深度學習機制”沒有創(chuàng)造出人所不能匹敵的圍棋高手。

任何一種達到目的的過程和學習都需要不同層次的反饋，但這些高層次的反饋絕不等同于智能。其實，神經(jīng)網(wǎng)絡自動機在60年前并未被視作有智能的，人工智能研究的出現(xiàn)正是立足于對智能和本能的區(qū)分。

如何定義“智能”？長期以來，關于人類智能的思考，基本上是思辨性的。人們從自明的意識出發(fā)，通過內省來認識“記憶”、“學習”甚至是自我的形態(tài)。行為主義開創(chuàng)了用行為模式來定義智能的全新思路。舉個例子，一只狗被汽車撞了，下次見了汽車就會害怕，通常人們是用狗有記憶來說明這一點的（心理學稱之為生物對外界刺激的敏感化）；行為主義認為，狗有記憶等價于其行為模式改變。因為行為模式是可以通過觀察來研究的，甚至可以定量地加以測量，故行為主義開啟了心理學科學化、定量化的轉向。如前所說，“控制論”的出現(xiàn)使得學習所依靠的反饋機制被發(fā)現(xiàn)，它促使智能研究的行為主義大轉向。實際上，用圖林實驗判別機器會不會思考，其基礎也是智能的行為主義定義。毫無疑問，這是智能研究的一大進步。但是，智能的行為主義定義正確嗎？

就記憶本身而言，AlphaGo通過人喂給它的大數(shù)據(jù)或下棋的勝負得到的記憶，只是智能所具有的各種記憶中的一種，即最初等的“默會知識”。心理學研究早就指出：記憶分“陳述性記憶”和“非陳述性記憶”。默會知識是非陳述性記憶，比如騎自行車等，人們可以通過實踐（反饋學習）來獲得，但卻不能用語言來描述它。另一種是陳述性的，也就是人類能夠以符號系統(tǒng)予以表述的知識，其可以被傳遞、重構、遺忘甚至歪曲。行為主義和連接主義對智能的認識很大程度上只停留在其非陳述性的一面。然而，如果沒有陳述性記憶，知識不能經(jīng)理性加工、傳遞，亦不能社會化。也就是說，僅僅用非陳述性記憶是無法理解最簡單的智能的。事實上，20世紀50年代末，心理學的行為主義學派受到廣泛地批評，控制論研究的第二階段開始了。智能有了更為深入也較為準確的定義，人工智能的研究從此起步。在此意義上，今日忽略對行為主義的批評、回到控制論剛興起時狀態(tài)的“人工智能革命”，是某種對智能認識的倒退。

什么是“智能”？

什么是陳述性記憶？這是主體使用符號來表達對象及形成的記憶，它比行為主義更接近智能之本質，這就進入到智能研究的另一個學派——符號主義。

艾什比是早期控制論的另一位代表人物，他對智能研究最大的貢獻是，第一次給出了“智能”的較準確的定義。什么是智力？艾什比認為智力是進行正確（合適）選擇的能力，選擇能力的放大即為智力的放大，整個智能行為包含著符號（一種特殊的信息）之選擇、編碼、傳輸和解碼，以及上述過程的自我疊代（和反饋相對應）。符號（信息）選擇的過程一旦實現(xiàn)自動化，可以說是有智能的。這就是符號主義學派創(chuàng)始人西蒙和紐厄爾所提出的“物理符號系統(tǒng)假說”。它可以概括如下：“任一物理符號系統(tǒng)如果是有智能的，則必能執(zhí)行對符號的輸入、輸出、存儲、復制、條件轉移和建立符號結構這樣6種操作?！边@一自動化的符號選擇則是“模仿數(shù)理科學的發(fā)展方式，將知識系統(tǒng)地整理成公理體系。這種方法將數(shù)學嚴格公理化，從公理出發(fā)，由邏輯推理得到引理、定理、推論。廣義而言，將數(shù)學發(fā)現(xiàn)整理成一系列的邏輯代數(shù)運算，將直覺洞察替代為機械運算”。

1956年夏天，數(shù)十名來自數(shù)學、心理學、神經(jīng)學、電腦科學與電氣工程等各種領域的學者，聚集在位于美國新罕布什爾州漢諾威市的達特茅斯學院，討論如何用電腦的符號運算類比人的智慧，并根據(jù)會議發(fā)起人之一的麥卡錫的建議，正式把這一學科領域命名為“人工智能”。符號主義學派的創(chuàng)始人西蒙和紐厄爾參加了這場具有歷史意義的會議，而且他們帶到會議上的“邏輯理論家”是當時唯一可以工作的人工智能軟體，引起了與會代表的極大興趣與關注。因此，西蒙、紐厄爾以及達特茅斯會議的發(fā)起人麥卡錫和明斯基被公認為人工智能的奠基人，被稱為“人工智能之父”。

用符號運算類比人的智慧，比神經(jīng)網(wǎng)絡自動機更為高級，其形成的以及處理的符號系統(tǒng)，更接近由理性學習得到的陳述性記憶。但為什么隨著電腦運算的進步和大數(shù)據(jù)的出現(xiàn)，這一對智能更準確定義的領域中沒有發(fā)生革命？反而是在神經(jīng)網(wǎng)絡自動機的領域中出現(xiàn)了突破呢？關鍵在于，西蒙和紐厄爾在艾什比的基礎上，雖然將人們對“智能”的理解向前推進了一大步，但仍然沒有把握人類智能。人類智能不同于生物本能之處在于，人不僅具備選擇的能力，還具備創(chuàng)造符號以及利用符號系統(tǒng)把握世界、并賦予世界意義的能力。

在數(shù)學符號系統(tǒng)的運行規(guī)則背后，起碼還存在如下四個層面，它們才涉及智能的本質。第一，主體是自由的，可以給出符號并用符號系統(tǒng)指涉對象。語言就是這樣的符號系統(tǒng)。第二，人用語言傳遞知識，組織社會，產(chǎn)生社會行動。這一切會反過來使主體意識復雜化，社會意識由此起源。第三，人會意識到自己有自由意志，讓意志指向某種符號系統(tǒng)，創(chuàng)造一個應然世界。第四，應然世界的演變會進一步放大主體的自由，以創(chuàng)造出更為復雜的符號系統(tǒng)。數(shù)學只是人創(chuàng)造出來的眾多符號系統(tǒng)中最不可思議的一種，數(shù)學真實具有和經(jīng)驗世界不同的真實性標準。

而人工智能的符號主義學派，其所著眼的智能只是第四個層面上的一小點（即數(shù)學推理）。當智能之冰山主體（即上述四個層面）還在水下，僅僅看到冰山之一角，我們能把握智能嗎？當然不能！換言之，雖然對智能的符號主義認識比神經(jīng)網(wǎng)絡自動機深入得多，但仍然是瞎子摸象。用電腦科技和大數(shù)據(jù)實現(xiàn)的，只能是那些完全搞清楚的東西。今日人工智能討論的巨大盲點在于，很多人把生物的本能當作人類智能。

智能研究中不可化約的兩類變量

近年來，隨著電腦技術的突飛猛進和大數(shù)據(jù)時代的到來，對人工智能的符號主義研究亦取得長足進步。20世紀70年代，地圖四色問題在電腦的參與下得到證明，應該被視為人工智能研究所取得的第一個成果。四色問題證明之難點是數(shù)學家必須處理1700多種不同類型的基本圖，在某種意義上超出了人處理無規(guī)則基本圖的能力，必須借助運算機放大人的判斷（選擇）能力。此外，平面幾何命題的機器證明當然也可以作為人工智能的成果。這些案例中，電腦只是在做人指派給它的工作，整個證明和解決問題的方案都由人給出，人機互動共同達到目標。它不像AlphaGo那樣自動學習、自行給出表面上具有人類智能才能得到的方案。

另一類具有代表性的例子是近年來數(shù)位人文研究的興起。在觀念史研究中，為了揭示歷史上普遍觀念的變化，必須對表達普遍觀念的關鍵詞進行統(tǒng)計分析。理解關鍵詞的意義、將其放到歷史語境中認識過去曾經(jīng)盛行過的普遍觀念，以及歷史學家在心中重演普遍觀念和社會組織的互動，上述每一步都涉及上述智能定義的四個方面，這當然是電腦無法做到的，其必須依靠具有主體性（能理解他人智力）的人，也就是人文學者。但是建立文本數(shù)據(jù)庫，從數(shù)據(jù)庫中提取不同年代代表普遍觀念的關鍵詞，對其進行統(tǒng)計、分類，特別是找到關鍵詞在文本中形成的關系網(wǎng)絡，這些都離不開電腦和處理符號系統(tǒng)的人工智能方法。當所有歷史文獻都被輸入電腦，成為歷史學家擁有的大數(shù)據(jù)時，人文研究必定面臨一個轉折點：如果再不利用人工智能，人文學者將不能處理大數(shù)據(jù)中所包含的海量數(shù)據(jù)，以發(fā)現(xiàn)歷史真實。這難道不是大數(shù)據(jù)時代帶來的人工智能革命的一部分嗎？

舉一個我們研究工作中親身經(jīng)歷的例子。20年前，我與青峰在香港中文大學工作時，開始建立數(shù)據(jù)庫并用關鍵詞的詞頻統(tǒng)計分析來研究中國現(xiàn)當代思想的形成，其中“主義”的出現(xiàn)和成熟是當代意識形態(tài)取代傳統(tǒng)儒家思想的重要指標。1890年至1930年中國出現(xiàn)過多少種“主義”？其種類和頻度怎樣變化？我們可以從數(shù)據(jù)庫中提出有關“主義”的所有例句，再將每一個句子放到相應文本中做意義分析，找出其所屬的類型，然后統(tǒng)計新的主義在每年中出現(xiàn)的次數(shù)，看其如何轉化，但由于數(shù)據(jù)龐大，多達5萬條，這就大大超出個別人文學者的研究能力，單憑人文研究者很難解決這一問題。2008年，我到臺灣政治大學任教，我們建立了和資訊科學家合作的數(shù)位人文研究團隊，由一個人文碩士和IT碩士的合作，很快找到了統(tǒng)計分析方法，原來近現(xiàn)代中國共出現(xiàn)過1680多種“主義”。直到20世紀20年代，每年都有幾十種新的主義被提出。當時我和青峰就對學生講，當人文學者遇到僅憑個人的能力沒法解決或無法從總體上把握的問題時，可以借助電腦技術來解決。這就是當前方興未艾的“數(shù)位人文學”或稱“數(shù)字人文學”。

但必須指出，在數(shù)位人文研究中，存在兩類不可缺少但不能互相化約的變量，一類是人文的，另一類是引進電腦和人工智能技術加以處理的。無論人工智能取得多大突破，在人文研究中，電腦技術都是人文學者的輔助工具，不可能替代研究者對關鍵詞的意義分析以及在心中重演普遍觀念和社會組織如何互動，使這項研究呈現(xiàn)出人文研究的主題。至今為止，人工智能的發(fā)展都沒有可能涉及上述人類智能的四個基本層面。而人文學者的研究重心正是人類智能規(guī)定的東西，立足于這四個層面之外的人工智能，只能充當助手而已。因此，數(shù)位人文研究的核心在人文，所有科技手段的應用都必須圍繞人文研究的需要來展開。

這一原則同樣可運用到人類智能研究上，也就是說，我們用實驗方法研究人的大腦神經(jīng)網(wǎng)絡的結構、認識大腦的各種功能以至于破解意識之謎時，都存在類似于數(shù)位人文研究中兩類不可化約的變量。一類是因果性（互為因果的網(wǎng)絡）的，即可以用神經(jīng)網(wǎng)絡自動機（今日人工智能方法）加以分析（或模擬）的；另一類是內省性的，它類似于人文研究中需要用研究者的智能去理解的內容。對人類智能的深入認識必須同時運用這兩類變量，將其投射到用神經(jīng)網(wǎng)絡自動機（即目前所謂的人工智能）的研究上，可以直接得到的推論是，AlphaGo無論怎樣通過深度學習進化都不會具有人類智能。

我在《關于意識的哲學思考》一文中，指出意識的解釋必須將行為主義方法和內省方法結合起來。如果沒有行為主義模型，該研究不能通過實驗來證明。但意識決不是僅僅靠輸入-輸出的因果性模式能把握的，故必須把因果模型和內省變量結合起來。在此意義上，必須意識到意識的解釋不能排除意識。正因如此，在人類智能研究中，必須發(fā)展出一種將科學與哲學結合在一起的新方法。我稱之為意識解釋的遞歸方案。

它可以簡述如下：在意識（人類智能）的研究中，每一次都需要涉及兩批不同性質的變量（參數(shù)）。一批是行為主義的變量（參數(shù)），我們記為B集合中的元素，它是可以用實驗測量并用來建構科學模型的。另一批是只有通過人的內省才能理解的變量（參數(shù)），我們記為C集合。在每一次解釋中，必須用B集，因為只有這些參數(shù)形成的關系可以用實驗證明；但單純用B集合中的元素是不夠的，我們必須附加C集合中的元素；附加之所以可能，這是因為我們有意識，可以用意識理解意識。事實上，正恰恰是基于可理解性，構成的整體模型才是合理的（雖然不是每一個細節(jié)都可以用實驗檢驗）。

表面上看，因為解釋中包含因素C，對意識的科學解釋仍沒有最后達成。但我認為，只要采用一種類似定義遞歸函數(shù)的方法，可以將解釋中C類因素不斷化約，使其為B集合中的元素和更原初的意識因素之組合。即隨著每一次解釋向前推進一步，研究者必須注意采用C集合中不同的元素（避免循環(huán)論證），并去發(fā)現(xiàn)更為基本的元素。我們可以期待內省的意識因素越來越少。也就是說，只要意識解釋的遞歸方案不斷順利展開。意識之謎或許在有一天可以解開。

我在《關于意識的哲學思考》一文中還提出，伴隨對意識研究的深入，實驗測量與人文思辨的界限會越來越模糊。但是這兩類變量仍是不可以化約的，其根本原因是人有自由意志，即人的主體性。它不可能被還原為因果性。

被忽略的內核：主體的自由

如果我們承認人是動物進化來的（這一點似乎毋庸置疑），既然AlphaGo這樣的智能只相當于動物本能，為什么不能想象如同物種演化那樣，具有生物本能的神經(jīng)網(wǎng)絡在學習過程中突然涌現(xiàn)出人類智能呢？這正是當前人工智能討論中另一個經(jīng)常使人們進入誤區(qū)的觀點。

確實，能否使用符號是人和動物的本質區(qū)別。早在19世紀，德國哲學家恩斯特·卡西勒指出人是會使用符號的動物，人的“智能”可以更準確地定義為創(chuàng)造符號及其使用規(guī)則，并自由使用符號來與同類交流的能力。這一定義是當前科學界的共識。前面我在論述人類智能四個基本層面時，每一個層面都涉及創(chuàng)造和使用符號。正因如此，從動物向智人的飛躍亦被簡化為發(fā)明符號和使用符號，它是用系統(tǒng)演化中的“涌現(xiàn)”來說明的。

最近有十分走紅的《人類簡史》正是這樣概括智能和社會加速進步的機制：“智人主要是一種社會性的動物，社會合作是我們得以生存和繁衍的關鍵?！薄爸挥兄侨四軌虮磉_關于從來沒有看過、碰過、耳聞過的事物，而且講得煞有其事”，“傳說、神話、神以及宗教也應運而生”；而“通過文字創(chuàng)造出想象的現(xiàn)實，就能讓大批互不相識的人有效合作，而且效果還不只如此。正由于大規(guī)模的人類合作是以虛構的故事作為基礎，只要改變所講的故事，就能改變人類合作的方式”。這使得“智人就能依據(jù)不斷變化的需求迅速調整行為。這等于開啟了一條采用‘文化演化’的快速道路，而不再停留在‘基因演化’這條總是堵車的道路上。走上這條快速道路之后，智人合作的能力一日千里，很快就遠遠甩掉了其他所有人類和動物物種”。

該書勾勒出人類使用符號對社會形成的意義，以及文化如何加速人類智能的進化，這無疑是正確的。但《人類簡史》卻沒有揭示人創(chuàng)造符號、使用符號溝通、建立社會，以及文化演變背后起關鍵作用的內核，容易使人忽略人類智能和社會之間的關系，從而導致對智能“涌現(xiàn)”和加速進步的錯誤概括：這些能力似乎可以僅僅從神經(jīng)網(wǎng)絡自動機的學習過程中自行產(chǎn)生出來。

具體而言，第一，創(chuàng)造和使用符號需要一種僅僅通過反饋學習的神經(jīng)網(wǎng)絡自動機不可能具有的能力，這就是主體的自由。兩臺AlphaGo可以互相溝通，或許人不知道它們在講什么，但是它們有“對象”意識嗎？這里的關鍵是，什么是用符號指涉對象？其前提是符號和對象關系的任意性，因為用符號指涉對象，只是主體間的約定。對同一事物，不同語言進行表達的詞匯可以完全不一樣?！度祟惡喪贰芬粫粡摹爸v故事”的角度來理解符號使用與人類社會的發(fā)展，而沒有意識到主體的自由是語言發(fā)明的前提。如果沒有自由的主體，人只是對外來刺激做出反應，并通過反應效果的反饋來改變神經(jīng)網(wǎng)絡結構的自動機，根本不會發(fā)明符號并用它來表達對象。什么是主體？什么是主體的自由？雖然哲學家一直在思考，但至今對其認識不甚明了。近年來，用DNA考古追溯人類起源，已搞清智人起源于20～30萬年以前，即一種會使用語言、具有與現(xiàn)代人相同心智的人已經(jīng)存在，從此，人類將自己和動物界完全區(qū)別開。確定無疑的是，在使用語言的背后正是主體的出現(xiàn)和主體的自由，但對于推動這一巨變的機制，可以說是一無所知。

第二，當人通過語言組織成社會后，自我意識開始復雜化。在這一過程中會發(fā)生突變，這就是人可以進一步意識到自己（主體）是自由的?！叭耸亲杂傻摹蹦耸莿?chuàng)造符號之前提，而“人知道主體是自由的”是一種二階思維，即對自由的自我意識。這是主體性又一巨大進步，它通常被稱為人具有自由意志。今天經(jīng)?？吹揭恍┭芯?，認為自由意志只是一種假象，人的行為是因果性的（被決定的）。這些研究之所以陷入誤區(qū)而不自知，就是在智能研究中忽略內省變量（或以為它可以化約為行為主義變量）。其實，每一個人只要捫心自問，都知道自己是有自由意志的，存在對“善”、“惡”、“對”、“錯”進行選擇的自由。如果人沒有自由意志，道德對人便毫無意義，高度復雜的社會組織以及可繼承性的文明不可能存在。人在何種條件下意識到自己（主體）是自由的？對于這一革命性變化之原因，20世紀至今的人文研究已獲得了巨大進展，這就是超越突破的發(fā)生和軸心文明的形成。也就是說，人的自由意志不僅是社會意識的屬性，還是對社會意識反思的產(chǎn)物。

我在《軸心文明和現(xiàn)代社會》一書中將超越突破定義為人從社會中走出來，尋找不依賴于社會的終極價值，讓其來組織社會。從此以后，人類社會告別古文明，進入一種有不死文化傳統(tǒng)可繼承的社會。高級宗教和道德起源了，不死的文化價值系統(tǒng)得以產(chǎn)生，成為智能進一步進化的載體?？上У氖?，這種基于人文和歷史的研究，雖對于揭示智能的本質不可缺少，但因人文精神一直處于認知科學和人工智能研究之外，不被科學家理解。智力加速發(fā)展的機制被簡單歸為語言和古代社會本身，而不知道軸心文明以前的古文明的文化常在社會演化中滅絕。

智力進步第三種更重要的力量，來自于人終于認識到自己應該是自由的。這是什么意思？人知道自己是自由的，并不意味著個人自主成為社會組織原則。在傳統(tǒng)社會，自主的個體生活在終極關懷或道德價值規(guī)定的有機體內，他們的合作和創(chuàng)造力的發(fā)揮一直受到有機體“容量”的限制。只有人認識到自己應該是自由的，自由的意義才能超越其他價值，成為“應然社會”的組織原則。現(xiàn)代科學的誕生是智能最偉大的革命，它和現(xiàn)代市場經(jīng)濟的出現(xiàn)同步，其背后是一種可以容納自主個人無限制發(fā)揮自己創(chuàng)造性，并和其他主體合作的社會組織方式。這一切可以歸為“自主性成為應然社會的組織原則”。人工智能的符號主義學派高度重視數(shù)學公理化思維模式，但他們沒有想到，這種思維模式只有在現(xiàn)代社會中才能成熟。也就是說，從人類智能擺脫了種種天然桎梏并開始突飛猛進，到人工智能研究有可能出現(xiàn)，都是基于現(xiàn)代社會的起源并日益成為人類文明的組織框架。

結語

一旦理解智能（社會性）進化存在著上述三種推動力量，人工智能革命對現(xiàn)代社會帶來的沖擊也就一清二楚了?；蛟S有一天神經(jīng)網(wǎng)絡自動機在學習中會發(fā)生不可思議的突變：涌現(xiàn)出主體的自由并發(fā)展出它們的語言，和其他神經(jīng)網(wǎng)絡自動機建立社會。但它們取代人類社會同樣要經(jīng)歷類似于人類社會演變——從部落社會到古文明、軸心文明再到現(xiàn)代社會的產(chǎn)生。也許該過程正在宇宙某處發(fā)生，但在外星文明被發(fā)現(xiàn)前，這一切和人工智能沖擊當代社會沒有什么關系。

既然如此，我們又如何看待人工智能對現(xiàn)代社會生活的巨大影響？就其本身而言，它和歷史上有過的新科技帶來的生活方式和生產(chǎn)方式大變革相似，并不會改變現(xiàn)代社會的基本結構。20世紀初，英國文學大師福斯特在《大機器停轉之日》中描繪了如下場景：有臺大機器照顧著人類的衣食住行，但有一天，這個精心設計的大機器停轉了，社會很快陷入崩潰狀態(tài)。其實，這本是對20世紀極權社會的想象。20世紀歷史和這一預言相反，現(xiàn)代社會的危機如法西斯主義的興起與其說是新科技和新生產(chǎn)方式帶來，還不如說是民族主義和現(xiàn)代民族國家本身存在缺陷。

今日對人工智能沖擊的憂慮，重要的不是其本身，而是現(xiàn)代社會包容一日千里科技革命的能力急驟地退步，其背后是現(xiàn)代社會立足的兩大支柱本身受到科技革命的侵蝕。現(xiàn)代性的前提是科學理性與人文信仰的二分，當科學理性等同于技術，意味著它已異化?！吧系垡阉馈焙偷赖卤坏韧谧非罄妫砻鹘K極關懷開始退出社會。如何安頓個人生命的終極意義？一個由沒有道德、信仰的人組成的社會是否可能容納科技和經(jīng)濟的進一步發(fā)展？這都是人類文明正面臨的巨大挑戰(zhàn)。

也許，現(xiàn)代社會的衰落在短期內不可避免，但人類智能長時期后退是不可能的。青峰在《讓科學的光芒照亮自己》的修訂版序言中，曾提及阿西莫夫的著名科幻系列小說《基地》。這本書的主題是銀河系文明面臨不可避免的衰落之時，為了縮短黑暗過渡期、保留今后文明復興的種子，人類在星系遙遠的邊陲分別建立科學和人文兩個基地。阿西莫夫并沒有談及文明衰落的原因，但青峰從他把科學和人文作為兩個互不往來的基地的設想中，猜想阿西莫夫很可能認為文明衰落是科技過分發(fā)達被專業(yè)化異化和人文精神衰落引起的。不管銀河帝國的衰落的原因是不是科學的異化和人文精神的喪失，現(xiàn)代社會的重建只能依靠科學和人文兩大支柱。