梅剑华:理解与理论:人工智能基础问题的悲观与乐观

选择字号:   本文共阅读 171 次 更新时间:2021-06-09 10:52:08

进入专题: 人工智能  

梅剑华 (进入专栏)  

  

   人工智能的基础问题遇到两种类型的问题:第一种类型的问题是理解上的,计算机能否思考?强人工智能是否实现?奇点能否来临?这些取决于我们对相关问题、论证及其概念的反思;第二种类型的问题是理论上的,人工智能需要相关性的推理模型还是因果性的推理模型;人工智能可否建立一种反映真实世界的四维符号系统。这取决于科学家的理论工作。在理解问题上,一旦澄清相关的概念和论证,会消除对人工智能的悲观。在理论问题上,一旦深入理解了相关数学的、技术的难题,会消除对人工智能的乐观心态。

   1、导论

   人工智能在最近几年成为各个学科、各个阶层、各个国家竞相关注的话题。它在最基本的层面推动我们对人之为人、人与机器之异同诸多哲学-科学论题的理解,这包括了大量哲学、认知科学、计算机科学之间的交叉研究。人工智能也在最现实的层面推动社会的发展,人工智能技术的应用极大改变了人类的生活,重塑了各种行业的生存状态。

   在人工智能的基本层面,一些乐观的哲学家、科学家认为人类能够制造出和人一样具有智能的机器人;另一些悲观的哲学家、科学家,认为人类乃万物之最灵者,不能(无法)造出具有人类智能的机器人。自1950年图灵在哲学杂志《心灵》上发表《计算机与人工智能》至今,围绕图灵测试、中文屋这些论题的讨论从未停歇。(据谷歌学术,这篇文章到目前的引用次数为10010)一些具有人文主义情怀的哲学家试图通过反对强人工智能,试图为人类留以最后的尊严。一些具有自然主义倾向的哲学家则试图对强人工智能展开论证,表明人不过是自然世界中的一个复杂智能体而已。

   图片

   在人工智能的应用层面,一大批务实的企业家和科技工作者希望用人工智能去解决一个个社会难题,而另外一批具有批判意识的知识人则担忧,人工智能技术可能催生新的伦理、政治问题。阿法尔狗、阿尔法元争论未止,京东已开始利用人工智能技术探索物流新路径,马云则使用人工智能进军农产领域。过于强盛的人工智能技术会不会剥夺人类的工作机会,从而引发巨大的社会动荡呢?乐观派似乎暂时占了上风,而一大波没有发言权的基层劳动者(如送货员、超市销售员、农民工)则在铺天盖地的媒体新闻里到了自己的失业前景,产生了巨大的焦虑。杜威曾说:“哲学家不处理哲学家的问题,哲学家处理我们的问题。” 人工智能问题不再仅仅是书斋或实验室里的问题,而是我们每个人必须面对的问题。

   人们对人工智能的种种乐观或焦虑,很大程度上源于对人工智能问题的误解和偏见。这些问题大致可以分为两类,第一类是理解性的,第二类是理论性的。理解性的问题需要澄清,理论性的问题需要解决。机器能否思考?奇点能够来临?机器是否会统治人类?这属于理解层面的。机器人能否运用因果推断知识,人工智能能够建立一个真实反映世界的四维符号系统。这属于理论层面的。对于理解层面的问题,我的态度是乐观的。即使奇点来临,我们也会与机器人和平共处。对于理论方面的问题,我的态度是悲观的。除非发生巨大的科学革命,我们很难让机器人具有和人完全一样高的推理系统。本文第2节对相关概念进行辨析。第3节就机器能否思考,机器能否进行因果推断,机器能否建立真正的符号系统给出分析。第4节就奇点能否来临、强人工智能可否实现给出我的论证。

  

   2、人工智能概念的误解与澄清

   人工智能的发展大致可分为三个阶段:逻辑推理-概率推理-因果推理。1956年开始人工智能推理以命题逻辑、谓词演算等知识表达、启发式搜索算法为代表。二十世纪八十年代盛行的专家系统就是其典型 。随着研究的深入,科学家发现逻辑推理不能完全模拟人类思维。人类思维是一种随机过程,人工智能应该建立在概率推理的基础之上。这就形成了二十世纪八九十年代以来的视觉识别、语音识别、机器学习等研究领域。2000年以后以加州大学洛杉矶分校计算机系的珀尔(Judea Pearl)教授,卡耐基梅隆大学哲学系的格利穆尔(Clark Glymour)教授等人为代表的因果推理派也逐渐进入了人工智能学界的视野,珀尔教授在人工智能领域引入因果推断方法。目前发展火热的仍是基于概率的机器学习及其分支深度学习等领域。

   人工智能的一些基本概念在传播过程中,不免发生混淆。[1] 尤其是弱人工智能、强人工智能、通用人工智能和超级人工智能这四个概念之间的区别和联系。例如通用人工智可以等同于强人工智能吗。[2]

   ——————————————

   [1] 徐英瑾.“强人工智能、弱人工智能及语义落地问题”.《社会科学战线》微信公众号, 2018.

   [2] 李开复、王永刚. 人工智能[M]. 北京:文化发展出版社, 2017, 113.

   让我们逐一进行分析,弱人工智能/强人工智能(在后面的讨论中,视其语境,将人工智能简写为AI)这个区分是塞尔在《心灵、大脑与程序》(1980)一文开头提出来的[3] ,塞尔指出弱人工智能不过断言计算机是研究智能的一个有用的工具。

   ——————————————

   [3] 这里有必要引用塞尔的相关论述:“我们应当怎样评价计算机在模拟人类认知能力方面的成果所具有的心理学和哲学意义呢?在回答这个问题时,我发现,将我称之为强AI的东西与‘弱’AI或者审慎的AI加以区别是有益的。就弱AI而言,计算机在心灵研究中的主要价值是为我们提供一个强有力的工具。例如,它能使我们以更严格、更精确的方式对一些假设进行系统阐述和检验。但是就强AI而言,计算机不只是研究心灵的工作,更确切地说带有正确程序的计算机缺失可被认为具有理解和其它认知状态,在这个意义上恰当编程的计算机其实就是一个心灵。在强AI中,由于编程的计算机具有认知状态,这些程序不仅使我们可用来检验心理解释的工具,而且本身就是一种状态。” 玛格丽特·博登编. 人工智能哲学[M]. 刘西瑞、王汉琦译, 上海:上海译文出版社, 2001, 92.

   一个弱意义上的人工智能程序只是对认知过程的模拟,程序自身并不是一个认知过程。强人工智能断言一个计算机的运行在原则上就是一个心智,它具有智力、理解、感知、信念和其它通常归属给人类的认知状态。通用人工智能(AGI):指计算机在各个方面具有和人类同样的智能。它们能够执行与人类相同水平、相同类型的智力任务。苹果公司的创始人之一史蒂夫·沃兹尼亚克将咖啡测试作为AGI的一项指标。在测试过程中,机器人必须进入普通家庭并尝试制作咖啡。这意味着要找到所有的工具,找出它们如何运作,然后执行任务。能够完成这个测试的机器人将被认为是AGI的一个例子。根据如上理解,我们可以说一个弱AI可能就是通用人工智能,因为弱AI虽然只是工具,但它可以实现对人类所有智能模块的模拟。强AI则不仅仅是通用人工智能,而是要和人类心灵在性能上完全一样。如果我们做一些强行划分,弱人工智能分成两个部分,弱AI(a)第一部分,在某个方面对人类智能的模拟,这也是一般人对弱AI的理解。计算机不过是人的工具。就像我们所接触到的各种机械系统一样。弱AI(b)的第二部分,可以是通用人工智能。它是对人类智能的全面模仿。机器人进入普通家庭制作咖啡。这个任务,就如同图灵测试中的计算机一样,只要计算机能成功的回答提问者的问题,就可以表明计算机能够思考。同样,我们可以把机器人制作咖啡,做任务分解,机器人如果能完成这项复杂的任务,这也表明它具有和人一样的推理能力。按照塞尔的理解机器人制作咖啡也是弱AI。所谓强,就意味着机器人知道自己在制作咖啡,或者更深入一些,套用托马斯·内格尔的术语,机器人必须知道what it is like to be a Coffee waitress(成为一名咖啡制作者是怎样的)。显然目前所理解的通用人工智能做不到这一点。强AI 既包括老百姓的一般理解,计算机要像人一样做所有的事情,它还必须具有人类也有的意识:情感、感受性,甚至伦理道德等等。而这几乎回到了心灵哲学中关于意识问题的物理主义和二元论的永恒争论上来了。

   至于超级智能:作为人工智能领域的领军人物之一,尼克·博斯特罗(Nick Bostrom) 将超智能定义“在几乎所有领域,包括科学创造力,一般智能和社交技能方面,都比人类最优秀的智能更聪明”。从哲学的角度来看,这也是一个比较含混的表达,如果要根据塞尔的两分法,超级人工智能在类型上既可以是弱的也可以是强的人工智能。在塞尔看来,机器是否具有理解、意识(自我意识),是衡量机器是否具有人工智能的唯一标准。因此人工智能按照徐英瑾的说法只有真假之别(也就是强弱之分),而无程度(宽窄)之别。颇为吊诡的是,不管是大众还是人工智能领域的专家,都有意无意的忽略了塞尔最早提出强弱两分的标准,而是代之以新的标准:弱的人工智能就是对人的局部模仿,强的人工智智能就是对人的全部模仿。大众更从实用、后果的层面理解人工智能。在这里为哲学家津津乐道的what it is like to be 问题处在了边缘。不难看出,哲学家、科学家、大众对何谓人工智能的理解并不是一致的,这里面存在系统的差异,对这种差异的检测或许会成为新的研究的起点。

  

   3、人工智能基础问题反思

   3.1机器能否思考的实验哲学考察

   图灵在《计算机与人工智能》一开头就抛出了人工智能的根本之问:计算机能思考吗?他认为不能通过考察“机器”和“思维”的实际用法,来获得机器能够思考的答案,尤其是不能通过对大众意见的统计调查来获得答案:

   我建议来考虑这个问题:“机器能够思维吗?”这可以从定义“机器”和“思维”这两个词条的涵义开始,定义应尽可能反映这两个词的常规用法,然而这种态度是危险的。如果通过检验它们通常是怎样使用的,从而找出“机器”和“思维”的词义,就很难避免这样的结论:这些词义和对“机器能够思维吗?”这个问题的回答可以用类似盖洛普民意测验那样的统计学调查来寻找。但这是荒唐的。与这种寻求定义的做法不同,我将用另一个问题来替代这个问题,用做替代的问题与它密切相关,并且是用没有歧义的语言来表达。[4]

   ——————————————

   [4] 玛格丽特·博登编. 人工智能哲学[M]. 刘西瑞、王汉琦译, 上海:上海译文出版社, 2001, 56.

   统计调查的办法是荒唐的,图灵变换策略,建立了图灵测试,通过他制定的标准来建立计算机是否能思维的标准。半个世纪之后,实验哲学家重新拾起这个被图灵有意忽略的问题:大众实际上是如何理解计算机能否思考这个问题的?这并非老调重弹,而是具有重要的价值。如前所论,人们对机器是否具有人类智能依然众说纷纭。在科学未能给出终极解决之前,大众常识的看法是值得考量的。21世纪之初兴起的实验哲学方法运用科学的工具去处理哲学的问题。在实验哲学家看来:认识到语言如何工作这个任务具有经验蕴含。语言不仅仅会误导专家,也同样误导大众。人类的语言实践会对人类关于机器、思维这些基本议题产生影响。实验哲学就在试图探测这种影响的细节。

我们在谈到计算机能否思考这个问题的时候,实际上经常涉及到的是三个意义相近,但又彼此不同的概念:计算机(computer),机器(machine),机器人(Robot)。对机器能够思考吗?表面看来,我们可以迅速对计算机能否思考给出确定的答案。如果细致区分,应该是三个问题。计算机能够思考吗?机器能够思考吗?机器人能够思考吗?(点击此处阅读下一页)

进入 梅剑华 的专栏     进入专题: 人工智能  

本文责编:admin
发信站:爱思想(http://www.aisixiang.com),栏目:天益学术 > 哲学 > 科学哲学
本文链接:http://www.aisixiang.com/data/126928.html

1 推荐

在方框中输入电子邮件地址,多个邮件之间用半角逗号(,)分隔。

爱思想(aisixiang.com)网站为公益纯学术网站,旨在推动学术繁荣、塑造社会精神。
凡本网首发及经作者授权但非首发的所有作品,版权归作者本人所有。网络转载请注明作者、出处并保持完整,纸媒转载请经本网或作者本人书面授权。
凡本网注明“来源:XXX(非爱思想网)”的作品,均转载自其它媒体,转载目的在于分享信息、助推思想传播,并不代表本网赞同其观点和对其真实性负责。若作者或版权人不愿被使用,请来函指出,本网即予改正。
Powered by aisixiang.com Copyright © 2021 by aisixiang.com All Rights Reserved 爱思想 京ICP备12007865号-1 京公网安备11010602120014号.
工业和信息化部备案管理系统