作者：陳鵬

從某種意義上而言，人工智能并不是人類教會機器如何思考，而是機器教會人類思考究竟是什么。實現通用人工智能的關鍵在于人類重構世界觀，重塑本體論與認識論，在于人類不斷地厘清理性、情感與智能中的本質性概念。

　　哲學關切的是關于人、社會和世界的一些基礎性、根本性與本質性的問題。除了存在、精神和意識這類與人類緊密相關的問題之外，“智能”也是人類的一個本質性特征。關于智能問題的探究在哲學上也由來已久。從詞源上來看，西方的哲學（Philosophia）一詞字面上的涵義便是“愛智慧”。亞里士多德曾說過：“智慧顯然是所有知識里面最為完滿的那種。智慧之人不僅知道從本原得出的結論，而且真正認識到了這些本原。所以，智慧必然是理性與真知的結合，必定是那種關于最高題材的、居于首位的知識。”

　　智能是人類所獨有的嗎？換言之，機器或者其他人造物會具有智能嗎？萊布尼茨是比較系統地思考這一問題的哲學家。萊布尼茨洞察到思想與符號之間的關系，在《關于物與詞之間聯系的對話》一文中，萊布尼茨斷言了“真”和意義能夠通過先驗地確定一些符號及關系以機械的方式計算得出。這為機械智能的實現提供了理論基礎。

理性主義與經驗主義螺旋推動人工智能快速發展

　　對機械智能的突破性和創新性研究來自圖靈。圖靈于1950年發表了一篇題為《計算機械與智能》的論文，該文集中討論一個問題，即“機器能思考嗎？”。圖靈為了擺脫對“機器”和“思考”這些概念的日常涵義所帶來的歧義以及科學歸納的誤用，引入一個“模仿游戲（imitationgame）”的概念，在圖靈提出“模仿游戲”之后，人工智能的光芒第一次投射到人類歷史中。

　　自此之后，學術界對機械智能的問題開展了不斷地討論。1956年夏季，明斯基、麥卡錫、羅切斯特和申農等在達特茅斯會議上首次提出了“人工智能”這一術語，它標志著“人工智能”這門新興學科的正式誕生。自此，轟轟烈烈的人工智能發展浪潮正式拉開了序幕。

　　從1956年至今的60余年間，人工智能的發展大致經歷了三次浪潮。第一次浪潮始于1956年，在這個過程中，涌現了大量的專家，發明了Prolog語言，同時定理證明方法得到快速發展；第二次浪潮始于1976年左右，這段時間，神經元網絡的理論和方法得到充分的發展和推廣；第三次浪潮始于2007年左右，深度學習理論和算法以及大數據方法是其典型代表。

　　在人工智能波瀾壯闊的海浪下，潛藏地是理性主義和經驗主義的激烈交鋒，是人工智能三大流派（符號學派、聯結學派、行為學派）的創生、匯聚與融合。

　　符號學派認為，智能以符號知識為基礎，可以通過邏輯推理進行問題求解而實現。符號學派早期又分為心理學派和計算機軟件學派。心理學派強調“符號”對于智能實現的意義是本質和整體的，將智能看作一套標準的物理符號系統，試圖通過這種系統來反映智能主體內部的信息處理機制。計算機軟件學派則認為智能是各種智能體或智能主體在世界中實現目標的一種能力的可計算部分，包括人類、多數動物和一些機器在內的智能體，展現出不同類型和程度的智能。人工智能是一種旨在運用智能計算機程序理解人類智能、進而創造智能機器的科學和工程。隨著知識工程、專家系統和知識的框架理論的提出，新的符號主義進路認為智能是一種知識（或常識）的表征，智能是可以通過構造知識表征的框架形式來實現的。

　　聯結學派從神經元的數學模型出發，以模擬人腦結構和功能作為人工智能實現的主要途徑。在聯結學派的早期，主要是基于二值邏輯關系，隨著信息科學、神經科學和認知科學的結合，新興的人工神經網絡科學研究對早期聯結學派的“神經元”網絡結構模型的重塑。并行分布式處理理論就是其中的一個進展，它把智能看作是一種心智表現，強調智能表征的無限性和基礎結構性，把人類認知視為智能的重要表現。

　　行為學派強調智能是一種行為（的實現），強調智能實現過程中感知與行動的聯系。行為學派認為，人工智能是以實現在機器人上復刻（或實現）與人類水平相當的智能表現為目標的廣泛研究，它批判了傳統的智能表征方式，認為其過于復雜和多余。其研究出發點是基于一種全面的智能世界觀。

　　人工智能的第一次浪潮實質上是理性主義至上，符號學大都以邏輯為基礎，重視規則和推理，然而機器翻譯的失敗使得這一次浪潮退去。第二次浪潮是經驗主義壓倒理性主義，聯結學派占主導，然而對于邏輯運算問題的束手無策，導致該學派的研究進入了冬天，停滯了近10年。第三次浪潮是理性主義與經驗主義的融合，融合了符號學派和聯結學派的深度學習和大規模自然語言的形式語義走上了歷史舞臺。理性主義與經驗主義交替與融合最終推動了人工智能螺旋式的發展。

人工智能的核心問題是重構人類的世界觀

　　人工智能發展到現在，可以說在許多專門的領域，已經遠遠超越人類自身。2011年，IBM的Watson計算機在電視游戲節目“危險邊緣”中擊敗人類冠軍。2016年3月谷歌旗下的DeepMind所開發的AlphaGo以4比1的總比分戰勝世界圍棋冠軍。

　　隨著智能機器人學、計算神經科學、計算社會科學、量子計算等新興科學技術研究的發展，智能概念進一步復雜化、多元化。從理論的發展來看，智能的概念出現了一種統一的趨勢和普適性的回歸，出現了所謂的通用人工智能的理論。

　　通用人工智能指的是能夠在各個方面都超越人類的機器智能，俗稱“強人工智能”。擺在通用人工智能面前的問題是“常識”“意向性”“意識”“自我意識”，需要機器能夠掌握常識，理解“抽象”的事物，懂得“情感”等。

　　站在機器的視角而言，似乎機器文明正處于一個“混沌未開”的時候，猶如人類在2000多年前渴望著蘇格拉底的“精神助產術”那般。從某種意義上而言，發展人工通用智能的所有問題都是哲學問題，不是計算機科學的，也不是神經心理學的問題。當前在通用人工智能中進展中遇到的問題主要是一些認識謬誤和概念與方法的誤解、誤用與混淆。如同圖靈在《計算機械與智能》一文中提及對“機器能思考嗎？”所持的一類所謂的“不能”的反對意見，他們認為以下的能力是機器所不能的：“友善、機智、美麗、友好、有主動性、有幽默感、明辨是非、犯錯、戀愛、享受草莓和冰激凌、讓別人愛上它、從經驗中學習、合理的措辭、主觀性、與人類一樣具有多種多樣的行為、創新。”

　　對所謂的這一類“不能”的反對，圖靈給出的總體回應是：這是人類對科學歸納方法的濫用所產生的錯誤結論。正如圖靈所言：“人類的工作與習慣似乎并不是非常適合應用科學歸納。如果我們希望能夠獲得可靠的結論，我們必須仔細研究問題所涉及的時空。”

　　再如對學習的理解，學習絕不是將已有的知識原原本本地轉移，從而形成一種順從的存在價值。正如卡爾·波普爾所說：“沒有這樣的教學（指導）……我們不會通過復制它們或通過觀察進行歸納推導或通過環境的任何其他教學方法來發現新的事實或新的效應。相反，我們使用的是嘗試和消除錯誤的方法。”

　　關于認識論謬誤，其中典型的例子是人類中心論謬誤，實際上機器智能并不總是需要以人類智能為模板。生物形態的模擬并不是簡單的復制，飛機并不像鳥那樣飛翔。如果機器邏輯并非是生物形態的，那么我們如何去展望機器將發展出與動物或者人類相類似的捕食和破壞的本能呢？

　　從這種意義上而言，人工智能并不是人類教會機器如何思考，而是機器教會人類思考究竟是什么。實現通用人工智能的關鍵在于人類重構世界觀，重塑本體論與認識論，在于人類不斷地厘清人類理性、情感與智能中的本質性概念。猶如塔爾斯基通過辨析“真”之形式概念，才建立了現代模型論語義學，也如同丘奇用Lambda演算重塑函數理論，才為現代的函數式編程語言奠定了理論基礎。