引言
随着生成式人工智能的发展，数字人发展的序幕被拉开，有虚拟形象加持的数字人逐渐成为人工智能与人类交互的重要形态之一。一方面，其具备独立的形象，不像脑机接口作为拓展人的认知能力的工具，需要与人的大脑存在物理上的联结；另一方面，也不像ChatGPT等聊天机器人，在问答窗口中满足人的工具性需求。当下生物人与数字人呈现出“缠绕”状态的因果交互模式。处于不同时空结构中的生物人与数字人在交互中展现出不同的因果交互模式和层级，在推动了因果交互的解释与深描的同时，也为构建新的人机交互规范奠定了基础。
作者：尤洋，山西大学哲学学院暨科学技术哲学研究中心教授；郭宇，山西大学科学技术哲学研究中心博士生
摘自：《南开学报（哲学社会科学版）》2025年第4期
本文载《社会科学文摘》2025年第11期
数字人（digital human）又称虚拟数字人（digitized virtual human），是近年来数字时代背景下的新兴产物，“虚拟人是一个数字实体（或者更一般地说，是一个程序、算法甚至是一个过程），它（看起来）像人一样思考、感觉和行为”。随着生成式人工智能的发展，数字人发展的序幕被拉开，有虚拟形象加持的数字人逐渐成为人工智能与人类交互的重要形态之一。一方面，其具备独立的形象，不像脑机接口作为拓展人的认知能力的工具，需要与人的大脑存在物理上的联结；另一方面，也不像ChatGPT等聊天机器人，在问答窗口中满足人的工具性需求。当下生物人与数字人呈现出“缠绕”状态的因果交互模式：一方面，算法驱动的数字人能够参与到亲密伦理互动中；另一方面，基于当前没有一个人工智能是完全自主的现状，人类总会在某些时候介入加深算法并改进投入，这“使得人类与数字人聚集在一个强大的联盟中，相互增强”。处于不同时空结构中的生物人与数字人在交互中展现出不同的因果交互模式和层级，在推动了因果交互的解释与深描的同时，也为构建新的人机交互规范奠定了基础。
生物人与数字人的因果交互差异和联结
因果交互的核心在于两个主体何以在交互中建立因果联结。虽然生物人与数字人的时空结构具有显著的区别，但“数据”作为联结中介使得二者的因果交互成为可能。
（一）生物人与数字人的时空差异
时间和空间是构成自然的核心和最基本的组成部分，人类的一切活动都在其中展开。而数字人的自身结构决定了其时空结构与生物人存在显著差异。
其一，虚拟的空间。数字人的身体是由硬件承载的虚拟数字形象，其心智是内在驱动的模型和算法。虚拟空间不同于生物人体验的物理空间，它呈现出的是虚拟性、无限性和超越物理性的特征。首先，数字空间并非一个真实的物理存在，它由计算和算法生成。其次，数字空间在理论上是无限的，数字人可以在虚拟空间中任意扩展其活动范围和操作空间，同时与身处不同地点的用户发生交互。最后，数字空间不遵循物理法则，在数字环境中物体和实体可以瞬间移动、复制或消失。
其二，非线性的时间。数字人的时间结构区别于生物人的时间。首先，时间对于数字人来说既可以是流动的也可以是静止的，数字人同时承认两种相互矛盾的可能性：永恒的存在和瞬间的消失。其次，非线性时间为数字人提供了灵活的因果路径，可以同时存在多个可能的未来状态。最后，在数字环境中，时间可以被扩展到多个维度，数字人可以同时参与多条时间线。因此，数字人的虚拟时间“摆脱自然状态和机械状态，呈现出一种‘元时间性’”。
（二）因果交互的数据中介联结
数据作为一种数字存在而存在，串联起了处于不同时空结构中的生物人与数字人，让生物人与数字人的交互能够在二者关系中产生真正的因果联结和效应。
其一，数据的可还原性与可塑性，使其能够将生物人线性时空结构中的连续信号转化为数字人可以处理的离散数据。“人类一直是数字化的——我们一直将声音、颜色、纹理和气味分类为某些类别，这些类别大致对应于我们感官的‘分辨率’。”我们身体和固有的其他形式的数字化成为数字时代的未来趋向。通过此类技术可以收集大量的人类行为数据，甚至通过各种接口进入数字时空，实现生物人与数字人或数字环境的交互。
其二，大模型使得数据语境化成为可能，让数据再次回归到生物人能够感知和理解的形式。在数据传递过程中，语境模型以相关性帮助数字人“理解”生物人的具体意图和情境需求，做出适应性的生成，最终影响生物人的状态和行为。正是在这一过程中，数据使得生物人与数字人的多种因果交互模式成为可能。
综上所述，虽然生物人与数字人之间存在时空结构的差异，但数据驱动的交互方式使生物人与数字人的因果交互成为可能。通过从大量人机交互中直接捕获生物人的行为元素，如话语模式、社交情境等，将其转化为数字人可理解的数据要素，并内化于数字人的底层驱动逻辑中，最终生物人能够与数字人跨越不同的时空结构进行联结与交互。
生物人与数字人的因果交互模式
“因果交互模式”是指生物人与数字人以何种方式进行交互从而在生物人与数字人中产生因果联结。事实上，生物人与数字人的因果交互模式有传统人机交互的特征，同时也需注意，数字人的设计思路和运行模式已超越了传统工具观下单一的信息输入—输出模式。
（一）输入—输出因果交互模式
输入—输出因果交互模式是生物人和数字人交互的基础模式，其核心在于确保信息在双方之间准确、高效地传递，并通过即时反馈提供顺畅的交互体验。在输入—输出交互模式下，生物人与数字人能否形成有效因果联结的关键，在于信息传递的效率和准确性。输入—输出交互模式首先关注生物人的输入能否准确地转化为数字人可理解的信息。其次，数字人能否准确地把握生物人所表达出的想法同样会对输入—输出交互模式的效果产生影响。最后，数字人反馈的技术会限制输入—输出交互模式的效果。输入—输出交互模式要求交互过程的快速和即时，主要目的是建立生物人与数字人之间的基本互动框架，使得信息和数据得以顺畅传递。这一模式的核心在于确保数据能够在生物人和数字人之间有效联结，实现信息的即时输入、处理和反馈。然而，这种模式的目标仅限于完成数据间的技术性联结，因此该模式主要关注交互的形式与效率，确保生物人与数字人在系统中实现最基本的沟通和响应。
（二）认知—映射因果交互模式
认知—映射因果交互模式是一种基于认知过程和行为映射的复杂交互方式，强调的是对互动过程中认知状态的理解和现实空间与虚拟空间的行为映射。一方面，生物人与数字人之间通过认知（感知、推理、决策）和行为（行动、反馈）进行互动，收集和分析生物人的行为数据，以机器学习和数据驱动的方式对生物人的输入进行解析，借此来建立现实空间与虚拟空间之间的行为映射。另一方面，人类在这一模式下以因果交互赋能AI更高程度的认知可能性和行为自由度，允许生物人在与数字人交互时探索新的行为和思维方式，甚至进一步激发出创造性思维。认知—映射因果交互模式的核心在于实现数字人的可用性和易用性，基于认知过程和行为反馈提升数字人的灵活性，使它通过智能化的认知处理和行为预测，能够减少生物人对系统的学习负荷。除此之外，认知—映射因果交互模式赋予了数字人的自适应特性，根据环境、语境以及生物人行为模式的变化，动态调整交互方式。然而，这种模式仍然仅仅描述出生物人与数字人点对点的交互模式，尽管这种交互强调了即时反馈与自适应性，但它缺乏对生物人与数字人背后更复杂因果网络的分析。
（三）嵌套—网络因果交互模式
嵌套—网络因果交互模式是指生物人与数字人基于嵌套交互而构成的网络化交互模式。在这个网络中，多个节点（生物人、数字人、技术设备、社会环境等）相互连接。首先，因果交互的嵌套模式体现在互动嵌套发生在更大的群体行为、社会环境和技术系统中。数字人虽然处于相对独立的虚拟空间，但其数据库中的数据源于人类社会的长期积累，依照人类社会的规范体系进行信息的接收与处理，从而做出决策并付诸实施。生物人逐渐认可数字人是和自己一样的社会行动者，进而在心理上建立同类的归属感，最终在整个社会层面中形成生物人与数字人彼此嵌套的交互关系。其次，嵌套交互模式实际上是网络化交互模式的表征。在生物人与数字人的网络化因果交互模式中，每个行动者通过复杂的网络结构相互影响，共同塑造整体系统的动态运行。嵌套—网络因果交互模式的核心目标是支持更大范围上生物人与数字人交互的有效性、安全性以及信任机制的建立。在嵌套—网络结构下，系统应当应对变化多端的环境，提升整体运行的稳定性和安全性。
综上所述，生物人与数字人之间的关系有别于传统的人机工具性互动，除基本的输入—输出交互模式之外，还包含了更复杂的认知—映射因果交互模式以及嵌套—网络因果交互模式，体现了其交互模式的多样性和复杂性。
生物人与数字人的因果交互层级
因果关系总是极其复杂的。埃尔斯（George F. R. Ellis）指出“自底向上和自顶向下的原因提供了不同但同时存在的解释层次，没有一个层次具有时间或本体论上的特权”。因此，我们应当从因果关系的多层级结构中认识生物人与数字人的多种交互模式，它不仅反映了因果关系的多样性，还展现了因果关系从简单到复杂的递进过程。
（一）即时与线性因果层级
生物人与数字人的输入—输出的交互模式是基于线性因果关系的表征。数字系统接收到生物人的输入信号，经过处理器的运算和数据分析，再结合其存储的信息库，最后产生输出（如反馈反应）。因此，对线性因果关系而言，时间及其顺序在因果链条中尤为重要，每个交互事件都有一个明确的起点和结束点，并且任何输出结果必须遵循因果链的先后顺序，即：因→果（因）→果（因）→果（因）→果……
线性因果关系之所以是因果层级中的基础层级，是因为它代表了最简单直接的因果模式，也是我们在日常生活中普遍经验和观察到的因果关系。但是其缺点在于会使我们忽略按时间延伸的事件。而在一个网络中，两个或更多不同的链可以走到一起，这样做可以产生新的效果，这些效果是任何一个单独因果链都无法产生的。总的来说，这种简单性与直接性也为我们理解更复杂的网络化、多层次的因果关系提供了起点。
（二）延迟与循环因果层级
在认知—映射因果交互模型中，循环因果关系说明和描述了生物人与数字人在互动中如何自我调整、演化和适应。惠勒（Michael Wheeler）将循环因果关系定义为：“（a）每个系统组件的因果贡献部分地决定了大量其他系统组件的因果贡献，并且部分地决定了这些贡献，此外，（b）这些贡献可能会随着时间的推移而发生根本变化。”在认知—映射因果交互模型中，生物人与数字人的交互通过因果反馈回路的相互作用决定，形成动态、连续、互为因果的循环结构。在循环因果关系中，生物人与数字人的认知—映射交互是“共存、相互依赖和不可分割的”，并且“这对中的任何一个成员都不被认为比另一个更基本”。
在循环因果层级中，原因与结果并不总是有明确的时间开始与结束点，而是原因与结果在一段“内部时间”内以状态的形式不可分解地存在，即表征为：因（果）⇋果（因）。在生物人和数字人的交互中，循环因果的延迟性表现为需要时间来处理、学习或反馈的情况。多个反馈回路以及循环因果关系的不断增加与进一步联结，则会导向更高层级上的网络与结构因果。
（三）网络与结构因果层级
网络化因果是从对因果要素的组合来理解因果关系的联结。网络因果层级上的因果关系包含着复杂的、相互关联的因果结构，在这一层级的因果关系往往表征为因果关系网络模型，这正对应于生物人与数字人的嵌套—网络因果交互模式。功能主义者认为，在知觉输入和行为输出之间是一个巨大的因果有效实体网络，其中包含有各种事件、状态等，强调认知的特点是“组织的多个时空尺度和嵌套结构之间的相互作用，而不是单一尺度上更简单的组件之间的关系”。
因果网络是最高层级上的因果关系，在这一层级上，一方面，我们能够将更大范围的相关因素纳入，来说明所讨论的结果的原因，对应于在生物人与数字人的交互过程中将更大的群体行为、社会环境和技术系统纳入因果交互的模型之中；另一方面，在这一层级上，生物人与数字人的因果交互中嵌套着较低层级的多重因果链，通过时空重合产生结果，使得生物人与数字人嵌套—网络因果交互模式成为可能。
综上所述，多层级的因果关系构成了生物人与数字人之间多模式的因果交互，体现了生物人与数字人交互的深刻复杂性和动态性。
结语
没有任何一种单独的因果层级能够作为构成理解的黄金标准，只有将一种现象纳入不同层级上的因果分析，才能使人们完全理解这种现象。在此意义上，因果交互层级结构为我们探讨生物人与数字人之间的交互规范提供了理解的框架，使我们能够理解不同时空结构中的生物人与数字人的交互模式。为了实现生物人与数字人的“数据化共生”这一愿景，对数字人的理解需要以因果层级结构为锚，为生物人与数字人之间的交互构建明确的规范。
首先，在最基础的交互层级上，充分发挥线性因果的简单性特征，不断优化算法，以增强自然语言理解能力，减少语言歧义，提高对用户意图的识别准确性。其次，基于规则和知识的推理，筛选训练数据并设定合适的数据库来提升认知—映射交互模式的可用性和易用性。最后，通过增强数字人算法网络的可解释性，提高嵌套—网络因果交互模式的安全性和可信任性。明确算法的工作原理和决策过程，使用户理解数字人的行为，从而增强对系统的信任。可以预见的是，随着技术的不断进步和应用的深入，生物人与数字人的关系必将以因果交互模式为基础，向着更深层次的融合与协作发展，未来这种关系的演变不仅将提升生物人与数字人交互的效率和质量，还将促进更复杂的情感连接与社会参与，为人类生活带来更为丰富的体验。正如图灵奖得主杨立昆（Yann LeCun）所说：“AI将接管世界，但不会征服人类。”
