人機(jī)對話系統(tǒng)的困境與解決

張 帆

自20世紀(jì)70年代人機(jī)對話系統(tǒng)開發(fā)以來，盡管計(jì)算機(jī)科學(xué)界一直在調(diào)整技術(shù)路線，以期實(shí)現(xiàn)人與計(jì)算機(jī)之間流暢的對話的目標(biāo)，但迄今為止該目標(biāo)仍未能得以實(shí)現(xiàn)。在反思已有的技術(shù)策略基礎(chǔ)上，計(jì)算機(jī)科學(xué)界強(qiáng)調(diào)人機(jī)對話應(yīng)當(dāng)以人類對話為模本，回歸到對“對話”本性的反思上。其中，涉及對對話的內(nèi)在本性及其社會(huì)性的反思兩部分。

一、人機(jī)對話系統(tǒng)及其當(dāng)前困境

人機(jī)對話系統(tǒng)，作為人機(jī)交互方式的一種，目前在技術(shù)上已經(jīng)實(shí)現(xiàn)了從“對話智能體”（conversational agent）到“涉身對話智能”（embodied conversational agent）的技術(shù)轉(zhuǎn)型，反映出計(jì)算機(jī)科學(xué)界在對于“對話”的理解上已經(jīng)不再把對話視為語言的交互，而將其視作一種社會(huì)技能的這一根本性轉(zhuǎn)變。

所謂“對話智能體”，是一種通過語言輸入、輸出形式來實(shí)現(xiàn)人與機(jī)器對話的一種對話系統(tǒng)。該系統(tǒng)主要以1966年由美國麻省理工學(xué)院的計(jì)算機(jī)教授約瑟夫·維森鮑姆（Joseph Weizenbaum）所開發(fā)的人機(jī)對話軟件“伊莉莎”（ELIZA）為代表。它是維森鮑姆在IBM7094計(jì)算機(jī)上使用“MAD-SLIP”語言開發(fā)出來的人機(jī)對話軟件。雖然，當(dāng)時(shí)已經(jīng)有一些數(shù)字語言生成器了，但是“伊莉莎”程序是第一個(gè)成功實(shí)現(xiàn)了人機(jī)對話的計(jì)算機(jī)軟件 。

“伊莉莎”軟件的設(shè)計(jì)非常簡單，所有程序加起來一共不過二百多行。原理就是在編寫“伊莉莎”程序之前盡可能預(yù)設(shè)所有在對話中可能會(huì)遇到的問題，然后根據(jù)這些問題將答案以編程的形式來編寫“伊莉莎”程序。具體說來，就是以用戶輸入的文本作為腳本，從中提取關(guān)鍵詞，然后針對提取的關(guān)鍵詞作出系統(tǒng)反饋。然而，“伊莉莎”軟件一經(jīng)問世，它的對話效果卻出奇的好。在“伊莉莎”軟件剛問世的幾年間，它被放在麻省理工學(xué)院的人工智能實(shí)驗(yàn)室里，當(dāng)時(shí)就吸引了很多學(xué)術(shù)界和新聞界的人來和“伊莉莎”對話。甚至于，維森鮑姆的一個(gè)女秘書和“伊莉莎”軟件對話成癮，每天都要來和它對話。而“伊莉莎”軟件的設(shè)計(jì)者維森鮑姆則把“伊莉莎”的成功主要?dú)w功于其所使用的語言——他是仿造心理學(xué)家卡爾·羅杰斯（Carl Rogerians）的語言風(fēng)格來設(shè)計(jì)“伊莉莎”軟件的，他說：“之所以選擇這種對話模式是因?yàn)?，心理學(xué)的對話模式是一種少有的二元語言交流模式，能夠允許一方的對話者對這個(gè)世界幾乎一無所知。”①Joseph Weizenbaum，“ ELIZA—A Computer Programme for the Study of Natural Language Communication Between Man and Machine”， Communications of the ACM， Vol. 9， No. 1， 1966， p. 42.同時(shí)，維森鮑姆也認(rèn)識(shí)到“伊莉莎的‘理解’能力是有限的，這僅針對伊莉莎而言的，不涉及其他程序?！侥壳盀橹?，在伊莉莎的使用中，其主要目標(biāo)之一就是要掩蓋其缺乏理解”②Ibid.， p. 43.。

鑒于以“伊莉莎”為代表的對話軟件的成功，使得“對話智能體”技術(shù)在人機(jī)對話的系統(tǒng)的開發(fā)上占據(jù)了很長時(shí)間。但是，隨著人機(jī)對話系統(tǒng)的使用日益普及，“對話智能體”技術(shù)囿于問題域的局限性使得其對話“適應(yīng)性”（adaptivity）的缺陷逐漸暴露出來。特別是在受到奧斯汀和塞爾等語言哲學(xué)家的影響下，計(jì)算機(jī)科學(xué)界逐漸把“言語行動(dòng)”理念同人機(jī)對話系統(tǒng)聯(lián)系起來，追求人機(jī)對話系統(tǒng)要達(dá)到一種類似于人與人之間對話的“全面溝通”（full-blown communication）的目標(biāo)——“所謂全面溝通是指在信息傳輸時(shí)，（人）智能體有一定程度的意識(shí)，能夠進(jìn)行全面的交流。”①Kristiina Jokinen， Constructive Dialogue Modelling， Chichester：John Wiley & Sons， Ltd， 2009， p. 65.在此背景下，在計(jì)算機(jī)科學(xué)中開始強(qiáng)調(diào)“成員之間的對話包含了來源于不同經(jīng)驗(yàn)所形成的認(rèn)知差異——掌握和實(shí)踐技能”②Bo G?ranzon，“ The Practice of the Use of Computers. A Paradoxical Encounter between Different Traditions of Knowledge”， in Bo Goranzon and Ingela Josefson（eds）， Knowledge， Skill and Artificial Intelligence， London：Springer-Verlag， 1988， p. 16.。于是，開發(fā)出了第二代人機(jī)對話技術(shù)——“涉身對話智能體”，“通過對人類行為模式的研究，包括手勢和言語的研究，形成了一個(gè)多模態(tài)系統(tǒng)，從而產(chǎn)生了涉身對話智能體。它們是‘計(jì)算機(jī)生成的卡通人物，在面對面對話中表現(xiàn)出許多與人類相同的特性，產(chǎn)生出語言和非語言交流的能力，并能作出反應(yīng)’。伊莉莎使用的是文本、而涉身對話智能體使用的則是圖形，展示出‘對話的視覺特征，就像人類面對面對話中的臉和手一樣’”③Satinder Gill， Tacit Engagement， Cham：Springer， 2015， p. 4.。

人機(jī)對話系統(tǒng)的“涉身對話智能體”技術(shù)的實(shí)施主要分兩個(gè)階段：在早期階段，主要是奠定了“涉身對話智能體”技術(shù)要以人與人之間的對話為范本這一基本信條，并且強(qiáng)調(diào)要盡量捕捉人類對話的要素，輸入到“涉身對話智能體”技術(shù)中去。例如，1976年，美國麻省理工學(xué)院的計(jì)算機(jī)教授尼克爾森（Raymond Nickerson）將人類的對話要素概括為16點(diǎn)④包括雙向性（bidirectionality）、混合主導(dǎo)（mixed initiative）、是由誰在控制的顯現(xiàn)（apparentness of who is in control）、控制權(quán)轉(zhuǎn)移的規(guī)則（rules for transfer of control）、存在感（sense of presence）、非言語交互（nonverbal communication）、不能冷場（intolerance for silence）、結(jié)構(gòu)（structure）、時(shí)間尺度的特征（characteristic time scale）、寬帶（Wide bandwidth）、非正式語言（informal language）、共享的情境化語境（shared situational context）、共享的特殊知識(shí)的歷史（Shared special knowledge History）、參與者的狀態(tài)（peer status of participants）。參見Raymond Nickerson，“ On Conversational Interaction with Computers”，in Proceedings of the ACM/SIGGRAPH Workshop on Useroriented Design of Interactive Graphics Systems（ UODIGS ’76）， New York：Association for Computing Machinery， October 14， 1976， pp. 101—113。。在尼克爾森的基礎(chǔ)上，2000年，同為麻省理工學(xué)院的賈斯汀·卡塞爾（Justine Casell）認(rèn)為“人類的對話技能能夠?qū)崿F(xiàn)是基于其獨(dú)特的身體的功能可見性（affordance）”⑤Justine Cassell， Joseph Sullivan， Scott Prevost and Elizabeth Churchill， Embodied Conversational Agents， MA.Cambridge： the MIT Press， 2000， p. 1.。因此，卡塞爾強(qiáng)調(diào)機(jī)器要想模仿人類實(shí)現(xiàn)良好的人機(jī)對話效果，不僅要模仿語言還應(yīng)當(dāng)注意非言語行動(dòng)在對話中所發(fā)揮的重要作用：一方面，卡塞爾強(qiáng)調(diào)了對話中手勢的重要性：“在用語言來表達(dá)意義時(shí)常同時(shí)伴隨著手勢。但是手勢傳達(dá)了哪些意義，手勢與語言所傳達(dá)的意義之間是什么關(guān)系？手勢能夠傳達(dá)出語言所無法傳達(dá)的未盡意義；對于成年人來說，用手勢與用語言來傳達(dá)并不矛盾（就成年人而言，政治家可能是個(gè)例外）。從語義層面上來說，這意味著構(gòu)成概念的語義特征是分布在語言和手勢中的?！雹轎bid.， p. 13.另一方面，卡塞爾也注意到“同手勢一樣，在傳遞信息時(shí)，由于話語不同以及所表達(dá)的意義不同，所呈現(xiàn)出的面部表情也是不同的”①Justine Cassell， Joseph Sullivan， Scott Prevost and Elizabeth Churchill， Embodied Conversational Agents， p. 17.。在此基礎(chǔ)上，卡塞爾在麻省理工學(xué)院的計(jì)算機(jī)實(shí)驗(yàn)室里開發(fā)出了第一臺(tái)具有人類形象的“涉身對話智能體”軟件——“房產(chǎn)經(jīng)紀(jì)人”（real estate agent）軟件?！胺慨a(chǎn)經(jīng)紀(jì)人”軟件簡稱“REA”，是以一名女性形象出現(xiàn)的，它擁有一個(gè)清晰的三維圖像的身體，在用語言與客戶交流的同時(shí)能夠使用表情，并且能夠用手勢來描述房子的特征，也能夠?qū)τ脩舻恼Z言和行動(dòng)作出反應(yīng)。用戶在與“REA”對話時(shí)，可以隨時(shí)打斷“REA”的話，然后“REA”能夠接著沒說完的話和用戶繼續(xù)進(jìn)行對話。

盡管在技術(shù)上人機(jī)對話系統(tǒng)已經(jīng)有了長足進(jìn)步，但是在當(dāng)前的階段上，“與涉身對話智能體的交互不是多模態(tài)的，而是更多地基于語音命令，這是現(xiàn)有對話組件不夠靈活的一個(gè)主要原因。另外，涉身對話智能體沒有完全達(dá)到用戶的預(yù)期。我們注意到主要是口頭的溝通能力不匹配。事實(shí)上，大多數(shù)目標(biāo)用戶在面對類人角色時(shí)，都希望在對話方面能進(jìn)行更自然的互動(dòng)。這包括自動(dòng)自然語音識(shí)別，也包括對話本身的靈活性”②Erinc Merdivan， Deepika Singh， Sten Hanke， Andreas Holzinger，“ Dialogue Systems for Intelligent Human Computer Interactions”， Electronic Notes in Theoretical Computer Science， Vol. 343， 2019， p. 60.。為了解決上述問題，人機(jī)對話系統(tǒng)試圖用增大數(shù)據(jù)庫的方法來加強(qiáng)機(jī)器對話能力，如當(dāng)下“涉身對話智能體”所采用的“強(qiáng)化學(xué)習(xí)方法”（reinforcement learning）和“深度強(qiáng)化學(xué)習(xí)方法”（deep reinforcement learning）來訓(xùn)練計(jì)算機(jī)。其中，“強(qiáng)化學(xué)習(xí)方法是一種機(jī)器學(xué)習(xí)方法，在這種方法中，智能體通過學(xué)習(xí)不同狀態(tài)下需要采取的行動(dòng)來學(xué)習(xí)如何適應(yīng)環(huán)境。”③Ibid.， p. 64.“深度強(qiáng)化學(xué)習(xí)算法是采用相互對抗的方式進(jìn)行訓(xùn)練，使其即使處于一個(gè)非常高的狀態(tài)空間下也能夠完成后人類操作?！雹躀bid.但是，無論是對“強(qiáng)化學(xué)習(xí)方法”，還是對“深度強(qiáng)化學(xué)習(xí)方法”而言，它們都是以“大數(shù)據(jù)”技術(shù)作為基礎(chǔ)的。但“大數(shù)據(jù)”并不等于“全數(shù)據(jù)”，當(dāng)前的人機(jī)對話系統(tǒng)尚無法搜集到與對話有關(guān)的所有的數(shù)據(jù)，因?yàn)椤啊趯υ捜蝿?wù)中，動(dòng)作空間是高維度的。這種高維度是因?yàn)闊o論采用何種語言進(jìn)行對話所涉及的句子的數(shù)量都是巨大的。這種巨大的行動(dòng)數(shù)量，加大了用強(qiáng)化學(xué)習(xí)方法來完成對話任務(wù)的難度。通常，強(qiáng)化學(xué)習(xí)方法所需的訓(xùn)練樣本數(shù)量并不那么重要。即使是簡單的數(shù)據(jù)方法，也需要10K的訓(xùn)練數(shù)據(jù)，因?yàn)槿祟悓υ挼膹?fù)雜性和多樣性，使得從人類身上收集到這些數(shù)據(jù)是不切實(shí)際的?！雹軮bid.， p. 65.

二、“有形計(jì)算”算法與對話的內(nèi)在本性

針對當(dāng)前人機(jī)對話系統(tǒng)對話不夠流暢的情況，美國施樂帕羅奧多研究中心（Xerox Palo Alto Research Center）的計(jì)算機(jī)科學(xué)家保羅·多里什（Paul Dorish）提出要想使人機(jī)對話系統(tǒng)實(shí)現(xiàn)真正的流暢的對話，就要對人機(jī)對話系統(tǒng)的算法進(jìn)行根本性改革：首先，多里什強(qiáng)調(diào)對話作為一種交流方式，其本質(zhì)不是信息交互、而是一種涉身交互（embodied interaction）。受到海德格爾等現(xiàn)象學(xué)傳統(tǒng)的影響，多里什強(qiáng)調(diào)“涉身交互”是一種身處于世界中的情境性交互方式。而多里什之所以要強(qiáng)調(diào)對話是一種“涉身性交互”，目的在于改變傳統(tǒng)把計(jì)算機(jī)視為機(jī)器的看法、將其視作是一種“涉身智能體”（embodied agent），并讓其參考人類對話的技能來實(shí)現(xiàn)與人類進(jìn)行流暢對話的任務(wù)。其次，多里什強(qiáng)調(diào)涉身智能體的“涉身性”恰恰來自交互過程，而所謂的“交互”過程既包含物理性交互也包括社會(huì)性交互。因?yàn)閺娜祟惖慕涣鬟^程來看，人既是一個(gè)物理存在，同時(shí)又兼具社會(huì)屬性。再次，多里什強(qiáng)調(diào)應(yīng)當(dāng)把上述對“交互”的理解，即包括將物理性交互與社會(huì)性交互的方式融入到人機(jī)對話系統(tǒng)的算法設(shè)計(jì)中去。因此，多里什將人機(jī)對話系統(tǒng)的算法分成兩部分——“有形社會(huì)計(jì)算”（tangible and social computing）。

“有形計(jì)算著眼于獲得我們的物理技能與熟悉現(xiàn)實(shí)世界的客體。”①Paul Dourish， Where the Action Is， MA. Cambridge：The MIT Press， 2004， p. 102.因此，“有形計(jì)算”算法的設(shè)計(jì)所針對的主要是人類對話的本性。而談及人類對話的本性，無論是在計(jì)算機(jī)科學(xué)中還是哲學(xué)上對該問題都缺乏清晰的說明，因此20世紀(jì)80年代，圍繞著如何來理解人類對話技能，以及如何讓計(jì)算機(jī)掌握這種對話技能，以瑞典哲學(xué)家波·戈蘭宗（Bo G?ranzon）為首，包括計(jì)算機(jī)科學(xué)家、心理學(xué)家、教育學(xué)家等在內(nèi)形成了一個(gè)“對話研究小組”（dialogue seminar）專門來討論上述相關(guān)問題。

大體上，對話的本性的反思主要涉及四個(gè)層面：首先，對話具有現(xiàn)實(shí)性，它是澄清問題、獲得真理的一種手段。如在著名的《柏拉圖對話錄》中，它所記載的就是一個(gè)真實(shí)的世界。通常這些對話的開場是從對場景的描述開始的，比如《歐梯佛洛》篇的開場是在法院、《克里同》篇的開場是在關(guān)押蘇格拉底的監(jiān)獄、《斐多》篇的對話發(fā)生在裴來阿斯（Philius）等。而出場的人物在歷史上也都確有其人的，比如蘇格拉底和歐梯佛洛、克里同、斐多等。此外，柏拉圖所討論的問題都是現(xiàn)實(shí)問題，而并非閑聊。比如，蘇格拉底和歐梯佛洛的對話討論的是歐梯佛洛要控告他自己的父親的事；蘇格拉底和克里同的對話討論的是他要不要逃跑的事；蘇格拉底和刻比斯的對話討論的是他即將要被處死的事等等。并且，雖然柏拉圖的對話是從對事實(shí)的討論開始的，但這并不是他的終點(diǎn)，他的最終目標(biāo)是通過對事實(shí)的討論而得出普遍的真理。比如蘇格拉底和歐梯佛洛的對話是從是否要控告他的父親的事的討論開始，然后上升到對正義的討論；蘇格拉底和克里同的對話從蘇格拉底是否要越獄的事的討論開始，上升到對道德的討論；蘇格拉底和刻比斯的對話從對他即將要被處死的事的討論上升到對靈魂的討論。

其次，對話具有藝術(shù)性。伽達(dá)默爾曾強(qiáng)調(diào)：“談話是一種檢驗(yàn)的藝術(shù)。但是檢驗(yàn)藝術(shù)就是提問藝術(shù)?！雹儋み_(dá)默爾：《真理與方法》，洪漢鼎譯，上海：上海譯文出版社1999年版，第472頁。伽達(dá)默爾之所以要強(qiáng)調(diào)對話中的“提問”的角色，是因?yàn)樵谒磥怼疤岢鰡栴}比答復(fù)問題還要困難”。以柏拉圖對話為例，“當(dāng)蘇格拉底的對話者不能答復(fù)蘇格拉底的麻煩問題，倒轉(zhuǎn)矛頭，主張他們所謂的提問者的有利地位時(shí)，他們是完全失敗的。在柏拉圖對話的這種戲謔性動(dòng)機(jī)背后存在對真正談話和非真正談話的批判性區(qū)分。對于那些在談話中只是想證明自身正確而不是想得到有關(guān)事情的見解的人來說，提出問題當(dāng)然比答復(fù)問題更容易。他不能答復(fù)問題，對他來說構(gòu)不成什么危險(xiǎn)。但是談話對方再次的拒絕卻實(shí)際表明，那個(gè)認(rèn)為自己更好地知道一切的人根本不能提出正確的問題。為了能夠提出問題，我們必須要知道，但這也就是說，知道我們并不知道。因此在柏拉圖所描述的問題和答復(fù)、知識(shí)和無知之間的戲謔性的替換中，包含承認(rèn)問題對于一切有揭示事情意義的認(rèn)識(shí)和談話的優(yōu)先性?！雹谕蠒?，第466頁。也就是說，提問的難度就在于提問要有藝術(shù)性，其所謂“藝術(shù)性”主要體現(xiàn)在兩方面：一方面，提問要具有開放性。即“被提問東西的開放性在于回答的不固定性。被提問東西必須是懸而未決的，才能有一種確定的和決定性的答復(fù)。以這種方式顯露被提問東西的有問題性，構(gòu)成了提問的意義。被問的東西必須被帶到懸而未決的狀態(tài)，以致正和反之間保持均衡。每一個(gè)問題必須途經(jīng)這種使它成為開放的問題的懸而未決通道才完成其意義?！雹弁蠒?，第466—667頁。伽達(dá)默爾認(rèn)為缺少開放性的對話，是一個(gè)假問題。另一方面，“問題的開放性并不是無邊際的。其實(shí)包含了由問題是律所劃定的某種界限。沒有這種界限的問題乃是空的問題?！雹芡蠒?，第467頁。這樣，在對話的問答之間，“經(jīng)常包括肯定地被判斷的東西和否定地被判斷的東西”⑤同上書，第468頁。。從而，“講話者總是一直被要求著，直到所講東西的真理最后涌現(xiàn)”⑥同上書，第472頁。。即得到確證的知識(shí)。

第三，對話具有對稱性，對話的一問一答的形式就決定了對話在結(jié)構(gòu)上具有對稱性。一方面，對話雙方在話語權(quán)上是對稱的，即擁有平等的話語權(quán)。關(guān)于這一點(diǎn)，伽達(dá)默爾在強(qiáng)調(diào)對話中的提問的藝術(shù)性的同時(shí)，就強(qiáng)調(diào)了“提問的藝術(shù)并不是避免意見壓力的藝術(shù)”“不是那種制服任何人的論證藝術(shù)”而是“繼續(xù)提問的藝術(shù)”或者說“思考的藝術(shù)”?！斑M(jìn)行談話并不要求否證別人，而是相反地要求真正考慮別人意見的實(shí)際力量?！雹儋み_(dá)默爾：《真理與方法》，第472頁。即“要進(jìn)行談話，首先要求談話的伙伴彼此不相互抵牾。因此談話必然具有問和答的結(jié)構(gòu)。談話藝術(shù)的第一個(gè)條件是確保談話伙伴與談話人有同樣的發(fā)言權(quán)”②同上書，第471頁。，哈貝馬斯也認(rèn)為：“對話角色的無限制互換性要求任何一方在履行這些角色時(shí)都不享有特權(quán)：只有當(dāng)在交流的雙方之間的主張和爭議、揭露和隱藏、規(guī)定和遵從完全對稱時(shí)，才會(huì)產(chǎn)生純粹的主體間性。只有有了對稱性存在，交流才不會(huì)受制于其自身結(jié)構(gòu)的約束。”③Jurgen Habermas，“ Towards a theory of communicative competence”， Inquiry， Vol. 13， 1970， p. 371.

另一方面，對話結(jié)構(gòu)上的對稱性，又決定了對話關(guān)系具有對稱性。德國哲學(xué)家馬丁·布伯（Martin Buber）將對話關(guān)系進(jìn)行了區(qū)分——分為“我—你”關(guān)系和“我—它”關(guān)系，前者指代關(guān)系世界，后者指代經(jīng)驗(yàn)世界。布伯對于對話關(guān)系是以語言為基礎(chǔ)的，他首先認(rèn)為在對話中涉及兩種類型的基本詞，即“我—你”和“我—它”。其中，布伯認(rèn)為在基本詞項(xiàng)“你”出現(xiàn)之前，基本詞項(xiàng)“我”和“它”是獨(dú)立存在的。這時(shí)，我們作為認(rèn)識(shí)世界的主體，是將自己隔離在世界之外的?；蛘哒f，世界與我們的經(jīng)驗(yàn)之間也是毫無關(guān)聯(lián)的。只有當(dāng)對話產(chǎn)生，即出現(xiàn)了基本詞項(xiàng)“你”出現(xiàn)之后，盡管“一個(gè)人說出‘你’的時(shí)候，并不意味著他擁有了什么具象的事物，‘你’字并不賦予他任何所有物。然而，‘你’字被說出口的時(shí)候，意味著講話的人身處一段關(guān)系之中”。通過這種對話關(guān)系，能夠把經(jīng)驗(yàn)世界同我們的關(guān)系世界聯(lián)系在一起。比如說，樹作為一個(gè)物理實(shí)體，它是存在于經(jīng)驗(yàn)世界當(dāng)中的。但是，在我們的對話中，當(dāng)我們談及“樹”時(shí)，“樹存在于我們之外，卻與我們心神交匯，正如我們對它亦心有戚戚，所不同者，僅僅在于方式而已”。

第四，對話具有規(guī)范性。雖然，布伯對對話關(guān)系的區(qū)分是以語言為基礎(chǔ)的，但是在布伯看來對話關(guān)系并不是一個(gè)純粹的語言問題、它同時(shí)是一個(gè)實(shí)踐性問題，正如他說：“關(guān)系既意味著被選擇，也意味著選擇，關(guān)系是被動(dòng)和主動(dòng)的綜合體。當(dāng)一個(gè)主動(dòng)行為是發(fā)自完整本質(zhì)的時(shí)候，就等于舍棄了局部性的行為，那么這種整體化（只以其自身邊界為限）的主動(dòng)，就必然會(huì)非常類似于被動(dòng)?！雹荞R丁·布伯：《我與你》，任兵譯，北京：北京聯(lián)合出版公司2018年版，第90頁。對話作為一種人類行為，要受到社會(huì)規(guī)范性的約束。因?yàn)椤叭祟惒豢赡茉诔聊猩?，滋養(yǎng)人類不可能靠錯(cuò)誤的詞，而只能靠真實(shí)的詞。男男女女都用真實(shí)的詞來改造世界?！雹俦Ａ_·弗萊雷：《被壓迫者教育學(xué)》，顧建新，趙友華，何曙榮譯，上海：華東師范大學(xué)出版社2001年版，第38頁。語言學(xué)家巴赫金同樣認(rèn)為：“言語的語言實(shí)際單位不是孤立的個(gè)體的獨(dú)白，而至少是兩種話語的相互關(guān)系，即對話?！雹诎秃战穑骸栋秃战鹑罚?第二卷），李輝凡，張捷，張杰華昶等譯，石家莊：河北教育出版社2009年版，第460頁。因?yàn)椤罢Z言反應(yīng)的不是主觀心理上的猶疑。而是說話人穩(wěn)定的社會(huì)相互關(guān)系。在不同的語言中，在不同的時(shí)期里，在不同的社會(huì)團(tuán)體中，在目的不同的語言環(huán)境中，占上風(fēng)的一會(huì)兒是這種形式，一會(huì)兒是另一種形式，一會(huì)兒是這些形式的一些變體，一會(huì)兒是這些形式的另一些變體。所有這些說的是，說話者們那些社會(huì)的相互理解意向的強(qiáng)弱，這些形式都是那些意向長期固定不變的遺存”。具體來說，哈貝馬斯把對話應(yīng)當(dāng)遵循的規(guī)范概括為以下三點(diǎn)：“（1）只有在不受限制的討論中（既不接受也不質(zhì)疑無偏見的意見）才能夠獲得無限制的共識(shí)；（2）排除雙方不能夠被侵犯的條件，基于未被破壞的自我表征的相互性（包括承認(rèn)另一方的自我表征）才能夠相處融洽，這意味著要在承認(rèn)個(gè)體的條件下進(jìn)行溝通；（3）在期望完全互補(bǔ)的情況下（排除片面的強(qiáng)制性規(guī)范），存在普遍理解和普遍規(guī)范。上述三種對稱性代表了我們從傳統(tǒng)意義上所理解的真理、自由和正義的概念。”③Jurgen Habermas，“ Towards a theory of communicative competence”， pp. 371—372.

三、“社會(huì)計(jì)算”算法與對話的外在社會(huì)性

所謂“社會(huì)計(jì)算”，即“試圖將對社會(huì)世界的理解納入人機(jī)交互系統(tǒng)中”④Paul Dourish， Where the Action Is， p. 16.。 對對話來說，其作為一種社會(huì)實(shí)踐，主要是以語言為工具來實(shí)現(xiàn)的。因此，對話的社會(huì)實(shí)踐性依賴于對話者運(yùn)用語言的語言勝任能力。談到人類的語言勝任能力，喬姆斯基認(rèn)為語言能力就是一種學(xué)習(xí)能力，這種學(xué)習(xí)能力的形成主要是依賴于人的認(rèn)知機(jī)制，而與外在因素?zé)o關(guān)。例如他說：“一個(gè)系統(tǒng)不是通過反映人的能力的語言習(xí)得機(jī)制可以學(xué)到的，這時(shí)我們不是說，這個(gè)系統(tǒng)如果是當(dāng)作某種智力測驗(yàn)或智力練習(xí)的問題的話，人是不可以通過某種其他方法掌握它的。語言習(xí)得機(jī)制不過是可用于解決問題和構(gòu)成概念的智力結(jié)構(gòu)的整個(gè)系統(tǒng)的一個(gè)組成部分，換言之，‘語言能力’只是若干心理官能之一種?！雹僦Z姆·喬姆斯基：《句法理論的若干問題》，黃長著、林書武、沈家煊譯，北京：中國社會(huì)科學(xué)出版社1986年版，第56頁。“事情似乎很清楚，語言習(xí)得建立的基礎(chǔ)，是小孩發(fā)現(xiàn)了從形式觀點(diǎn)來說難懂而抽象的理論，即他的語言的生成語法，這種理論的許多概念和原則只是借助無意識(shí)的、類似推理的手段才和經(jīng)驗(yàn)松散地聯(lián)系在一起，這些手段就像一條長長的和錯(cuò)綜復(fù)雜的鏈條。對所獲得的語法的特點(diǎn)的考慮，可利用的數(shù)據(jù)變得不合用和受到嚴(yán)格限制的范圍，作為結(jié)果得出的語法的驚人的一致性，以及這些語法在很大的變化范圍里都不依賴于智力、動(dòng)機(jī)和感情狀況，上述種種情況使得起初對于該語言結(jié)構(gòu)總的特點(diǎn)不了解的有機(jī)體在學(xué)習(xí)許多語言結(jié)構(gòu)時(shí)，成功的希望甚微?！雹谕蠒?，第58頁?！翱傊鞣N語言的結(jié)構(gòu)很可能主要是由個(gè)人無意識(shí)地控制的各種因素所確定的，關(guān)于這些因素，社會(huì)幾乎沒有多少選擇的余地，或幾乎沒有自主權(quán)。根據(jù)現(xiàn)在可以得到的最好的材料，做如下假設(shè)似乎是合理的：小孩子不得不建立某種轉(zhuǎn)換語法，以便說明給他提出來的數(shù)據(jù)，就像他能夠控制自己對實(shí)在物體的概念，或控制他對線和角的注意一樣。因此，完全可以說，語言結(jié)構(gòu)的普遍特性與其說是反映人的經(jīng)驗(yàn)過程，毋寧說是反映人獲得知識(shí)的能力（從傳統(tǒng)的意義上說，即人固有的觀念和原則）的普遍特性?！雹弁蠒?，第59頁。

但是，“布迪厄反對喬姆斯基的地方在于把勝任能力的概念理解成是說話者生成語法結(jié)構(gòu)良好的句子的能力的這種說法，實(shí)在太抽象了。實(shí)際上說話者所擁有的勝任能力并不是生成語法結(jié)構(gòu)良好的句子的能力。而是產(chǎn)生適合于特定情境的表達(dá)能力，也就是說，產(chǎn)生表達(dá)的能力。布迪厄的觀點(diǎn)并不是要否認(rèn)勝任的說話者具有生成語法句子的能力；他的主要觀點(diǎn)是認(rèn)為這種能力不足以表征實(shí)際的講話者所具備的能力。因?yàn)檎嬲难葜v者有一種實(shí)踐性的勝任能力（practical competence），一種‘實(shí)踐感’，憑借這一點(diǎn)，他們能夠在適當(dāng)?shù)那闆r下發(fā)表適當(dāng)?shù)难哉?；這種實(shí)踐性的勝任能力不能從喬姆斯基的理想的說話者的能力中推演或產(chǎn)生出來。因此，實(shí)際的說話者能夠在制造句子或表達(dá)方面運(yùn)用實(shí)踐策略，這些實(shí)踐策略具有多種功能，能夠默默地調(diào)整說話者與聽者之間的權(quán)力關(guān)系。他們的實(shí)踐能力不僅包括制造符合語法的話語的能力，還包括使他人傾聽、相信、服從自己的能力。說話者必須確保自己在這種情況下講話，而傾聽者必須認(rèn)可說話者值得被關(guān)注”④John Thompson，“ Editor’s Introduction”， in Pierre Bourdieu， Language and Symbolic Power， Cambridge：Polity Press， 1991， pp. 9—10.。

在維特根斯坦那里，他就強(qiáng)調(diào)“……用語言來說話是某種行為舉止的一部分，或某種生活形式的一部分”①維特根斯坦：《哲學(xué)研究》，陳嘉映譯，上海：上海人民出版社2001年版，第19頁。。不過，維特根斯坦并沒有給所謂的“生活形式”一個(gè)明確的界定，通常認(rèn)為維特斯坦所謂的“生活形式”指的是社會(huì)文化。在維特根斯坦的影響下，當(dāng)代學(xué)者們進(jìn)一步討論了社會(huì)文化是如何對語言的勝任能力產(chǎn)生影響的。比如美國的語言學(xué)家，同時(shí)也是人類學(xué)家的丹尼爾·埃弗雷特（Daniel Everett）同樣反對喬姆斯基關(guān)于語言能力來自個(gè)體認(rèn)知的觀點(diǎn)，強(qiáng)調(diào)“我們的思想和文化是共生的。文化和心理之間的關(guān)系不是偶發(fā)的，它們相互影響、塑造和增強(qiáng)”②Daniel Everett， Dark Matter of the Mind: The Culturally Articulated Unconscious，Chicago：The University of Chicago Press， 2016， p. 13.。

在埃弗雷特看來，一方面社會(huì)文化對語言的影響是潛移默化的、或者說是默會(huì)的，而社會(huì)文化對語言的這種默會(huì)的影響會(huì)導(dǎo)致在我們的認(rèn)知中形成一種類似于“暗物質(zhì)”（dark matter）的東西：“人類共同體通過被人類學(xué)家稱之為‘文化’的活動(dòng)，塑造了我們生活的方式包括我們的思維方式、交流方式、道德判斷方式、科學(xué)行為方式和尋找幸福的方式——在一個(gè)受他人價(jià)值觀和觀念約束的共同體中行動(dòng)。塑造我們的力量有價(jià)值觀、隱性信息、文化、背景等。這些力量比我們所認(rèn)為的更神秘、更強(qiáng)大。我用‘暗物質(zhì)’來形容這些力量?！雹跧bid.，p. 13.“暗物質(zhì)”這個(gè)概念的提出是借鑒了天體物理學(xué)上研究的成果，因?yàn)槭聦?shí)上在宇宙中人類可觀察到了物質(zhì)僅占5%左右，而余下的大部分是暗物質(zhì)。埃弗雷特之所借鑒這個(gè)概念是想說明暗物質(zhì)雖然不可見，但它真實(shí)存在，就好似社會(huì)文化對人類的影響一樣。這個(gè)概念對于埃弗雷特而言，類似于庫恩在“科學(xué)革命”理論中所提出的“范式”的概念，或者說它是波蘭尼的“默會(huì)知識(shí)”理念在文化人類學(xué)上的一個(gè)“翻版”，它所反映的是在社會(huì)文化的影響下，在我們的認(rèn)知中會(huì)凝結(jié)出的一種語言使用規(guī)范。

另一方面，埃弗雷特強(qiáng)調(diào)“暗物質(zhì)”發(fā)揮作用的機(jī)理是社會(huì)文化對人類的直覺產(chǎn)生影響——在認(rèn)知上具有一種“靈活性”，而這種靈活性會(huì)在人類語言上有所體現(xiàn)。比如，當(dāng)看到樹葉晃動(dòng)，會(huì)下意識(shí)地使人聯(lián)想到“風(fēng)吹樹葉”，繼而能夠使人判斷出刮得是什么風(fēng)，以及我們所處的季節(jié)，隨即人類能夠用語言描述出“風(fēng)吹樹葉”的場景。因此，埃弗雷特認(rèn)為，人與動(dòng)物的區(qū)別并不在于物理和心理機(jī)制，因?yàn)槿撕蛣?dòng)物在生理上是有著相似的生理結(jié)構(gòu)和功能的，比如任何動(dòng)物都有大腦皮層、神經(jīng)網(wǎng)絡(luò)……“最重要的認(rèn)知問題不是‘大腦中有什么’而是大腦中的（文化/社會(huì)/環(huán)境）是什么樣的。人類的靈活性和認(rèn)知資源存在于我們大腦的暗物質(zhì)中——我們從生活經(jīng)驗(yàn)中獲得的默會(huì)知識(shí)。這些知識(shí)來自很多方面。文化，是其中的一個(gè)方面、物理環(huán)境是一方面、任務(wù)是一個(gè)方面。但文化在曾經(jīng)被認(rèn)為無關(guān)緊要的領(lǐng)域中，對于理解我們自己和我們的物種至關(guān)重要。”①Daniel Everett， Dark Matter of the Mind: The Culturally Articulated Unconscious，p. 24.

并且，埃弗雷特以他對巴西雨林中的皮哈拉部落（Piraha）的田野調(diào)查，作為對上述觀點(diǎn)的經(jīng)驗(yàn)證據(jù)。在深入到皮哈拉部落之后，埃弗雷特發(fā)現(xiàn)當(dāng)?shù)夭柯涞恼Z言異常復(fù)雜。與其他語言相比，皮哈拉部落語言除了有正常的音調(diào)和語法規(guī)則之外，語言體系中還包括了非正式語言形式如哼唱、喊叫、音樂和口哨等。這就意味著，如果對皮哈拉部落的文化缺乏足夠的認(rèn)識(shí)的話，是根本沒有辦法理解和掌握皮哈拉部落的語言的。此外，皮哈拉部落的語言并不是特例，在巴布亞新幾內(nèi)亞高地語言中，在動(dòng)詞中嵌入了大量具有文化意義的特征，比如在芒特哈根（Mount Hagen）語中，中綴“nde”代表的是其他人所完成的行動(dòng)或?qū)е碌男袆?dòng)；詞根“menem”表示“攜帶”，那么“mendenem”這個(gè)詞就表示“他人攜帶”。在這些語言中，“說話者自然的表現(xiàn)出對社會(huì)導(dǎo)向行為的強(qiáng)調(diào)，由此語法成為了暗物質(zhì)的載體。這樣，暗物質(zhì)的概念在語言和文化的普遍主義和特殊主義觀點(diǎn)之間架起了一座橋梁”②Andrew Strathern & Pamela Stewart， Language & Culture in Dialogue， London： Bloomsbury Academic， 2019， p. 4.。

總之，當(dāng)前“有形和社會(huì)計(jì)算”的算法仍處于系統(tǒng)開發(fā)的初級階段。正如其設(shè)計(jì)者多里什所言，要想使人機(jī)對話系統(tǒng)能夠流暢的對話，需要以人類對話為范本，從根本上理解人類對話所涉及的包括對話的內(nèi)在本性及其社會(huì)性的特征。但是，目前對于上述兩個(gè)層面的對話本性的討論仍不完善，需要從包括哲學(xué)、社會(huì)學(xué)等在內(nèi)的跨學(xué)科的研究視角下對其進(jìn)行深入的、系統(tǒng)性的反思。