我們對“智能”的認識退步了嗎？

最近，金觀濤先生在《文化縱橫》雜志2017年8月刊發(fā)《 反思“人工智能革命”》一文，對AlphaGo以來人工智能革命的最新發(fā)展進行了反思，提出在這場革命中，研究者對人類智能及其與社會的關(guān)系認識混亂，反映了當代人文精神逐步喪失、科學被技術(shù)異化的局面，從而導致現(xiàn)代社會包容科技革命的能力退步。金先生在文中表達了這樣一種觀點：我們應從更廣泛的社會和文明進化視角，及人類獨特的認知能力出發(fā)，重新審視對“智能”的認識，保持人類社會進步的內(nèi)在動力，避免人類在面臨人工智能挑戰(zhàn)時陷入智能退化和長期衰退。

金觀濤先生在文中的結(jié)論基本是今天面對信息文明高度繁榮的學者們的共識，科學與人文的隔閡甚至對立，對人類科技進步中社會性因素的忽視，導致了技術(shù)理性的張揚和人文精神的退化，是現(xiàn)代社會面臨的一個重大問題，但金先生分析這個問題的視角和背景卻獨樹一幟：即從當前最流行的人工智能發(fā)展浪潮中剖析，從而得出因為對人類智能的理性認識不夠全面，導致（或者至少是加?。┊敶鐣鎸θ斯ぶ悄芨锩鼤r可能產(chǎn)生的種種憂慮的結(jié)論。

但是，金先生這個視角的根本論據(jù)，從人工智能發(fā)展歷史來看似乎不成立。金文的論證起點是認為當前人工智能革命是一場“退回到原點的運動”，過去的研究對人類智能的理性認識出現(xiàn)了重大倒退，從而導致對智能發(fā)展中社會和人文因素的忽視。由此金先生給出了一些非常強的表述，例如： “……神經(jīng)網(wǎng)絡自動機的研究和制造突破了物質(zhì)和技術(shù)條件的限制，這就是今天的人工智能‘革命…… 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……”[1]

金先生對當代人工智能研究中關(guān)于“智能”觀點的批評大致可以總結(jié)為：

（1）神經(jīng)網(wǎng)絡自動機就是當前人工智能的革命，但它反映的是生物本能而不是人類智能，從控制論的角度來看，就是將人類復雜的智能行為簡化為機器對外界刺激的反應和反饋，從而還原到心理學上的行為主義解釋。（2）當代人工智能“革命”的核心是神經(jīng)網(wǎng)絡技術(shù)，這種復興是對人工智能歷史上符號主義的反叛和倒退。（3）即使是歷史上人工智能理論中的符號主義，也沒有準確地反映人類智能，而只是反映了人類智能中一部分基于符號的形式化能力。[2]

因此，金先生所指出的倒退，是指當代人工智能研究中用神經(jīng)網(wǎng)絡自動機代替符號主義，從而忽視了人類智能的符號形式化能力，但是人工智能的發(fā)展歷史和現(xiàn)狀表明，“反思‘人工智能革命”中的這個論據(jù)，存在著重大的瑕疵。

我們首先分析一下當前人工智能研究共同體對“智能”的最新認識，例如微軟亞洲研究院院長洪小文指出智能機器的能力分為以下四個級別：（1）功能（Capability）：是日常工具的價值點，例如車輪、錘子的功能用途等；（2）智能（Intelligence）：包括記憶力、計算力等，可以采用定量方法來測試；（3）智力（Intellect）：包括人類獨有的判斷力、創(chuàng)造力等；（4）智慧（Wisdom）：指來源于社會、文化和歷史沉淀的經(jīng)驗所形成的綜合性能力.

洪小文同時認為迄今所有的人工智能成就都只達到了功能（Capability）和智能（Intelligence）級別，其未來的目標是向智力和智慧邁進。[3]劉鋒在《機器人與谷歌大腦——人工智能的6個智能分級》一文中，也將人工智能從0級到5級分為6個智能等級，其中人類是第5級智能系統(tǒng)的典型范例，具備創(chuàng)新、創(chuàng)造和知識生產(chǎn)或消費的能力。[4]因此，從研究共同體的最新觀點來看，智力和智慧、第5級人工智能與金先生在文中指出的人類智能與自由意志、語言、社會文化高度關(guān)聯(lián)的觀點是吻合的，因而很難得出當前人工智能研究中對“智能”的理性認識更為退步的結(jié)論。

從歷史來看，人工智能的研究綱領(lǐng)呈現(xiàn)出一幅多元論場景，雖然具有共同的目標：建造可以執(zhí)行“人類能完成的任務”的智能機器，但各個學派對于什么是人類智能并無一個明確的定義，甚至由于不同的研究傳統(tǒng)，在上世紀50?60年代中后期，關(guān)于“人工智能”的命名都存在差異：英國受傳統(tǒng)控制論影響較大，在1956年達特茅斯會議之前，習慣稱“機器智能”，而卡內(nèi)基理工學院的赫爾伯特·西蒙和艾倫·紐厄爾從信息加工的視角出發(fā)，則用“復雜信息處理”（CIP： Complex Information Processing）這個名詞，至于達特茅斯會議上約翰·麥卡錫發(fā)明的“人工智能”這個詞，主要是想表達與抽象自動機研究的不同點。總之，人工智能研究歷史從一開始就未必存在金先生文中呈現(xiàn)的場景：研究者對人類智能具有符號主義立場的統(tǒng)一觀點。[5]

早期人工智能研究的實際情況是人們并未能嚴格對人類智能和機器智能做出明確區(qū)分，而是從信息加工、對環(huán)境復雜性的反應、邏輯或語言能力等多個不同的維度來刻畫尚處于萌芽狀態(tài)的人工智能。“人工智能”這個名詞的基本統(tǒng)一以及大學中計算機系的建立，差不多要到60年代中后期才完成，而且當時聯(lián)結(jié)主義和符號主義的研究也處在競爭狀態(tài)，符號主義占據(jù)強勢地位的局面，是在1969年馬文·明斯基和西摩爾·派珀特出版《感知機》一書，對康奈爾大學心理學家羅森布拉特的感知機研究加以批判后才出現(xiàn)的。80年代派珀特回顧此事時，將早期人工智能時期的神經(jīng)網(wǎng)絡和符號人工智能比喻為控制論的兩個女兒，她們剛開始都同樣成功，都有來自其他知識領(lǐng)域的追求者，但60年代之后，DARPA老爺?shù)某霈F(xiàn)改變了這一切，神經(jīng)網(wǎng)絡被殺死了，這同時也從側(cè)面表明對智能的認識受到了外部社會力量的干擾。[6]

其實在人工智能研究史上，智能研究的理論基礎(chǔ)一直受到高度重視，并且也有過多次重大的爭議和討論。例如，1987年在麻省理工學院人工智能實驗室、國家科學基金會、美國人工智能學會的支持下，麻省理工學院召開了一次關(guān)于人工智能理論基礎(chǔ)的研討會，與會的學者被要求提交一篇表明他們理論立場和原則的論文，在此基礎(chǔ)上，《人工智能》雜志將會議成果通過1991年第47卷（第1期到第3期的合集）的《人工智能的基礎(chǔ)》專輯出版。在這本專輯中，對當時人工智能不同研究綱領(lǐng)的核心爭論歸結(jié)為以下5個假設(shè)：endprint

（1）人工智能的核心是概念化的研究，應從知識級別水平上開始；（2） 認知可以在沒有解決符號接地問題的情況下作為非具身的過程來研究，即可從感知和動作中分離出來進行抽象研究（注：符號接地問題指符號如何獲得現(xiàn)實世界語義的問題）；（3）認知可以很好地在命題項中描述，即認知動力學是語言驅(qū)動的，類似于自然語言（如英語）的一個邏輯-數(shù)學版本；（4）我們可以將認知從學習中分離進行研究，即認知動力學和認知所需的知識可以與概念學習、心理發(fā)展以及進化變異分開研究；（5）所有的認知存在一個統(tǒng)一架構(gòu)。

而不同研究綱領(lǐng)對于這5個假設(shè)具有如下不同的立場：[7]（見下表）

與金先生在其文中描述不同的是，當時人工智能在研究實踐中并不是簡單存在符號主義和聯(lián)結(jié)主義這種涇渭分明的二元對立。行為主義認為智能是通過行為表現(xiàn)的，肯定人與動物在生物學上的連續(xù)性，強調(diào)有機體對環(huán)境的適應行為，把心理、意識、情感等都歸結(jié)為行為，實際上把智能視作一個從動物到人類的連續(xù)體，而目前人類級別的智能是從與環(huán)境的交互中進化而來的。這種看法如西蒙所表述的：螞蟻和人類行為的表面復雜性在很大程度上是其所處環(huán)境復雜性的反映。[8]至于行為主義在工程上的實現(xiàn)方式，究竟是采取符號或是神經(jīng)網(wǎng)絡的方法，從行為主義學者羅德尼·布魯克斯的研究來看，并不是那么絕對。[9]金先生在文中將聯(lián)結(jié)主義與心理學中的行為主義等同起來，其實并不是人工智能研究中的真實情況。

由于人工智能具有工程和科學兩種不同的維度，或稱之為人工智能的工程觀和科學觀，前者并不以理解人類智能為前提，主要是利用計算機、數(shù)據(jù)等資源通過算法加工來完成人類實踐生活中的任務，后者則需要從人類智能原理出發(fā)來實現(xiàn)人工智能，是否以當前馮·諾依曼結(jié)構(gòu)的傳統(tǒng)計算機作為工具并不重要。因此討論人工智能是否存在AlphaGo之后的神經(jīng)網(wǎng)絡自動機革命，并不是一個嚴謹?shù)恼f法。例如當前的類腦計算研究，是放棄傳統(tǒng)的馮·諾依曼型計算機，改為從結(jié)構(gòu)上模仿人腦來開發(fā)芯片，從而希望從結(jié)構(gòu)仿真中的功能涌現(xiàn)中來產(chǎn)生智能。

對人類智能的認識是科學家當今面臨的最大難題之一，在研究過程中由于對科學原理的不了解，不得不在工程上進行簡化，即不對智能做任何明確的定義，而是在利用人工智能探索智能行為機制的過程中來逐步了解和解釋智能的本性，這是當前研究中的一種重要傾向，這種工程上的智能觀有助于消除對智能的哲學蒙昧主義，是任何具有工程和科學雙重性質(zhì)的技術(shù)性科學中不得不采取的務實態(tài)度，沒有這種務實態(tài)度，簡單地將工程實踐和原理在認識論上對立起來，可能會對知識的進步產(chǎn)生不利影響。

雖然現(xiàn)在深度學習在圖像識別、語言處理等特定領(lǐng)域取得了比以前更大的成就，但據(jù)此認為神經(jīng)網(wǎng)絡就是人工智能唯一的統(tǒng)治性綱領(lǐng)還為時尚早，而且神經(jīng)網(wǎng)絡和符號主義并不是完全對立的。例如符號主義研究中一個核心的概念是表征，但早在1986年聯(lián)結(jié)主義的“圣經(jīng)”，即由魯梅哈特、麥克萊蘭主編出版的兩卷本論文集《平行分布加工》中，斯摩棱斯基就指出神經(jīng)網(wǎng)絡和表征存在某種關(guān)系。[10]明斯基和派珀特在1988年再版《感知機》一書時，仍未改變其對神經(jīng)網(wǎng)絡研究的批判性觀點， 他們論證新的神經(jīng)網(wǎng)絡仍然只能處理玩具世界的問題，整個理論結(jié)構(gòu)仍然只是奠基在流沙上，對于規(guī)模放大后是否能達到目標還是一個問題。另外，如果神經(jīng)網(wǎng)絡是整個大腦的模型，那么聯(lián)結(jié)主義和符號主義是不兼容的，如果只是大腦的部分模型，那么兩個研究綱領(lǐng)將會是互補的。[11]現(xiàn)在來看，包括符號主義、聯(lián)結(jié)主義乃至行為主義的多種視角，應該都是對人類智能在不同層次的刻畫。

人工智能不是理論物理學那樣高度成熟和形式化的科學，不具有嚴密的理論形式，但是其經(jīng)驗性定律及其使用的概念框架、假設(shè)也是在特定的歷史和文化條件中形成的，具有其自身的形而上學背景。因此這些定律和概念框架與常識知識的實在表述不一致時，往往會帶來與經(jīng)驗定律的沖突，但這種沖突可以通過對其定律、理論假設(shè)和模型的科學解釋，來彌合表達日常經(jīng)驗的常識語言與其定律解釋之間的差距，從而推動人工智能學科理論的成熟。

問題是對于經(jīng)驗定律或理論模型的科學解釋是依賴于語境和具體實踐的，這種語境在解釋學的背景下用海德格爾的術(shù)語“前結(jié)構(gòu)”來表達，反映了解釋者所處的歷史、文化和社會背景。金先生就是從傳統(tǒng)控制論的背景出發(fā)，將當前人工智能和社會的關(guān)系，從認識論的角度還原到了錯誤的概念辨析中，而忽視了人工智能歷史的實證研究中，對智能概念具有非常豐富的維度和演化過程。

在這個意義上，金先生文章中作為起點的論據(jù)：當前人工智能革命中對“智能”概念的認識是一次重大倒退，似乎與人工智能歷史的實際發(fā)展相反，從早期人工智能研究中對“智能” 概念的樸素性認識開始，經(jīng)過長期的爭論以及工程實踐后，科學家已經(jīng)對“智能”概念有了更加豐富的認識，不僅意識到社會文化因素對人類智能的重大影響，而且也意識到當前人工智能所面臨的重大困難，認為實現(xiàn)人工智能的目標將是一個長期的任務。因此，現(xiàn)在我們對“智能”的認識不僅沒有退步，反而可能比歷史上更加豐富和完整。

本文并未對金觀濤先生在文中闡述的結(jié)論持有異議，他在文中表達的觀點非常具有啟發(fā)性，但筆者認為對于如何達到這樣的結(jié)論，其論證的過程似應基于更加確定的論據(jù)和更完整的路徑，謹以此小文與金先生商榷，希望能對人們當前所面臨的技術(shù)理性張揚、人文精神逐步退化的問題有所裨益。

（作者單位：上海交通大學科學史與科學文化研究院）

注釋：

[1][2] 金觀濤：《反思“人工智能革命”》，載《文化縱橫》2017年8月刊。

[3] 洪小文：《我們需要什么樣的機器人》，載《中國計算機學會通訊》2014年第10期。

[4] 劉鋒：《機器人與谷歌大腦——人工智能的6個智能分級》，載《中國計算機學會通訊》2016年第12期。

[5] 陳自富：《研究綱領(lǐng)沖突下的人工智能發(fā)展史：解釋與選擇》，上海交通大學2017年版，第21?31頁.

[6] Papert S. One AI or many？// The artificial intelligence debate： false starts， real foundations. MIT Press， 1989，13?14.

[7] Kirsh D.， “Foundations of AI： The big issues”， Artificial Intelligence， Vol.47（1991）.

[8] 司馬賀：《人工科學——復雜性面面觀》，武夷山譯，上海科技教育出版社2004年版，第48?76頁。

[9] 陳自富：《研究綱領(lǐng)沖突下的人工智能發(fā)展史：解釋與選擇》， 上海交通大學2017年版，第44?48頁。

[10] Rumelhart D E， McClelland J L.， Parallel Distributed Processing， The MIT Press， 1986， pp.75?78.

[11] Marvin Minsky， Seymour Papert. Perceptrons： An Introduction to Computational Geometry， MIT Press， 1988， pp. xiv?xv.endprint