人工智慧和哲學的關係有多密切？

來源：中國社會科學網-中國社會科學報

（作者：王培，系美國天普大學計算機與信息科學系副教授、Journal of Artificial General Intelligence執行主編）

作為一個人工智慧研究者，筆者要談談這個領域裡的哲學觀念，儘管這些觀念常常不是用哲學術語表達的。正如一些學者所說，很多人工智慧工作者覺得哲學討論都是空談，殊不知他們的很多基本觀點實際上是屬於哲學性的。

一般來說，任何一個科學技術領域均有哲學觀念的問題，因為每個理論都有其邏輯起點，包括基本預設、覆蓋範圍、直觀背景等。在這些問題上的爭論往往不能完全在該領域之內得到解決，而需要在更大的尺度和範圍中進行考慮，因此進入了哲學的範圍。由於人工智慧的研究對象涉及智能、認知、思維、心靈、意識等在哲學中被反覆討論和使用過的概念，和哲學的關係就比其他領域更密切和複雜。

人工智慧和其他科學技術領域最大的不同是其中研究規範的龐雜。一個領域內有多個相互競爭的規範並不奇怪，但在其他領域中，主要的爭議是對現象的解釋和對問題的解決方法，而在人工智慧領域中的爭議首先是什麼是要解釋的現象和要解決的問題。

「人工智慧」直觀意義很簡單，可以說就是「讓計算機像人腦那樣工作」。但計算機畢竟不是人腦，也不可能在所有方面都像人腦，因此一個人工智慧系統只能是在某些方面像人腦，而在其他方面可能完全不像。在這一點上，主流觀點是把智能看成「能解決那些人腦能解決的問題」的能力。這種把「智能」看作「解題能力」的觀點實際上是一個關於智能和思維的哲學信念，儘管很多人工智慧工作者是將其作為一個自明的前提來接受的。

一些人工智慧的批評者（如德瑞福斯、塞爾、彭羅斯等）感到了人工智慧在這方面的問題。他們正確地指出人的思維不能在人工智慧現有的理論框架中得到解釋，但錯誤地以此作為「真正的人工智慧不可能實現」的理由。這些人工智慧的批評者和他們的批評對象一樣，把計算機的一種特定的使用方式（遵循演算法來解決問題）當作了其唯一可能的使用方式，因此不能為這個領域中的突破指引方向。

把「智能」看成一組演算法的另一個後果就是人工智慧領域的「身份危機」。「只有人腦能解決的問題」是一個隨時間而變的概念。目前「人工智慧」如此之時髦，以至於以前叫「自動化」和「計算機應用」的工作現在都歸在此名目下了。其結果是無法說清人工智慧和計算機科學技術其他領域的區別何在，更遑論建立一個統一的理論基礎。

一個常見的現象就是當一個以前只有人腦才能完成的甲任務被計算機完成後，總會有人視其為「人工智慧的里程碑」，並期望乙任務、丙任務、丁任務等也會很快被完成。但過不了多久，大家就會發現不但完成甲任務的方法基本無法推廣到其他任務，而且即使甲任務的「完成」也是打了很多折扣的，且和傳統的計算機應用相差不遠。這時「真正的人工智慧不可能實現」的論斷又會重現，甚至先前的「里程碑」也會淪為其「技止此耳」的證據。這種「季節變化」在人工智慧的歷史中已經反覆上演。很多人工智慧工作者抱怨自己的工作得不到應有的承認，並試圖使大家相信人工智慧已經在我們身邊，但往往說服力有限，因為人們靠直覺就可以感到所謂「智能系統」和人類思維的根本差別。

把「智能」看成一組演算法也造成了人工智慧領域的碎片化。在把每個問題獨立定義和解決的過程中，各個認知功能之間的內在聯繫被割斷了。其結果之一就是這些功能在很多所謂「人工智慧」系統中的表現和它們在人的思維活動中的不同。對於那些主要以人工智慧作為研究人類智能或一般智能的途徑的研究者來說，這種「分而治之」的辦法是有缺陷的。即使完全從應用的需要來看，各個認知功能的協調運用在解決問題過程中也常常是不可或缺的。以自然語言理解為例，說「語言理解不需要推理」聽上去明顯有問題，但至今語言理解系統一般都沒有多少推理能力。

正是上述考慮導致了近年來「通用人工智慧」研究的發展，其主要特徵就是對智能的通用性和整體性的強調，以及對主流人工智慧基本預設的挑戰。要理解這一類研究工作和傳統人工智慧的區別，我們需要重新審視「智能到底是什麼」和「怎樣在計算機中實現智能」等有哲學意味的問題。

通用人工智慧系統（比如筆者設計的「納思」，即非公理化推理系統）和其他人工智慧系統的不同很多都可以追溯到對智能的理解。在我看來，智能是「一個適應系統在知識和資源不足的條件下工作的能力」。在這種條件下工作意味著系統中的所有來自過去經驗的知識都可能被未來經驗挑戰，而且系統在解決一個問題時一般沒時間考慮到所有的相關知識，因此無法保證所有結論都是絕對正確或最優的。這種情況下的理性只能是一種「相對理性」，即適應性，就是說系統只能用過去經驗來儘力應對目前的新情況，用有限的資源來盡量滿足當下的要求。

按照這種想法設計的系統和目前常見的主流人工智慧系統有所不同。由於系統經驗和資源需求隨時間變化，系統對一個問題的解答往往不是固定的，因此「問題」和「解答」不能被看成經典意義下的「計算」或「函數」，並且解題過程也不遵循一個確定的「演算法」，而是需要具體問題具體分析。即使是同一個問題實例，在不同的情形下所得到的處理也可能很不同。

這個意義下的人工智慧不再是傳統計算理論所能涵蓋的。實際上這二者是互補的：前者研究知識和資源不足時的工作方式，而後者研究知識和資源充足時的工作方式。智能不是直接體現在系統解決問題的能力上，而是體現為一種「元能力」（即獲得解決問題能力的能力）。在這個意義下的智能自然是通用的，而系統解決某一領域中的問題的能力完全來自於它自身的經驗，包括通過感知運動界面得到的直接經驗和通過語言界面得到的間接經驗。因此，這種對智能的理解導致計算機在信息加工原則上向人類靠攏，而非複製人的個別解決問題能力。儘管讓計算機解決各種問題有其重大價值，但這種工作並不一定加深我們對思維一般規律的理解。人工智慧幾十年的歷史已經充分說明了這一點。當現有的理論不能滿足問題的要求時，正確的辦法是嘗試建立新理論，而不是削足適履，把問題限制在已有理論所能覆蓋的範圍。

像科學史上其他重大課題一樣，人工智慧對人類既是個挑戰又是個機會。因此，對其社會後果抱謹慎態度是絕對必要的，尤其是要盡量防止倉促地把理論成果投入實際應用。對人工智慧安全問題的研究必須以對相關理論和技術問題的深入了解為前提。具體說來，由於真正的智能系統必須是有適應性的，其行為不僅是被其（先天）設計所決定的，更取決於其（後天）教育、訓練、使用等環節，而後者往往在有關的討論中被忽視。

由於人工智慧的領域特徵，其中有大量的哲學問題。我們甚至可以說只有在哲學上正確的方案才存在技術上成功的可能。但不幸的是，很多人工智慧工作者缺乏在哲學層面上檢討其理論預設的興趣和能力，而哲學工作者又常常缺乏深入了解技術問題的勇氣和基礎。在這個領域，人工智慧工作者和哲學工作者相互理解的努力會使雙方受益。

end

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 周國平 的精彩文章: