人工智能话语体系的建构
编者按：
人工智能技术的飞速发展在延伸和扩展了人类能力的同时，也让人类生存面临一系列挑战。究竟应该如何看待人工智能技术的积极效应及其给人类带来的威胁？本期组织的三篇文章分别从人工智能话语体系的建构、人工智能的“人工非智能”效应、人工智能的伦理挑战视角对此进行了研讨，以期引发进一步讨论。
今天，与其说我们正在被人工智能所威胁，不如说我们正在被人工智能所构筑的话语体系所威胁。后者可能让我们变成现代版的堂吉诃德，在惶恐中与假想的风车进行战斗。麻省理工学院物理系教授迈克斯·泰格马克在《生命3.0》中将人类当下的存在方式视为生命2.0版本，它意味着人类主要依靠进化获得硬件，即身体的基本机能，却可以通过学习和思考来构筑软件，诸如人类的思维与创造力。而生命3.0，即今天被我们津津乐道的人工智能，则是能够“自己设计硬件和软件”的未来生命体。换言之，对于泰格马克这样的人工智能专家而言，其讨论范式早已不是机器如何模拟人的存在并构筑了对人类的威胁，而是相反，人的存在方式需要模拟机器（硬件、软件）来获得表达自身的套话语体系，正是这样一种话语体系统治了今天关于人工智能的讨论，并由此产生了一种无谓的恐惧：有血有肉的人类正在被可能拥有无限计算能力，同时又不知疲倦的机器所质疑与威胁。当然，目前更多的人对人工智能持乐观态度，他们勾勒出了一条实现美好智能化生活方式的基本途径。但不管是悲观主义视角还是乐观主义视角，其共有的是对人工智能的理解方式：即基于机器的运行方式来理解人的存在方式，并在此基础上言说人与机器的比较性关系。
一
严格来说，这是一种还原论式样的思考模式，即，将人的行为进行人为的拆解：将行为背后的原因归结为人的机体的某个器官的作用。例如科学家弗朗西斯·克里克与克里斯托弗·科赫于1990年共同完成的有关“意识相关神经区”的开创性论文，详细描述了视觉、听觉、触觉可能对应的大脑不同部位；或者将人的行为还原为某种概率式的计算，比如泰格马克将意识的产生归结为信息的收集。由此形成的有关意识的理论将人的意识的构成还原成为科学可以“完全”把握的事实，具有物理学和数学的厚实基础。而所有可被科学完整把握的事实，就有可能被还原为一种0与1式的表述方式，最终为人工智能的加速发展添砖加瓦。
同样囿于这一还原论的语境，泰格马克这样界定有关人工智能讨论的核心概念：所谓智能，“即完成复杂目标的能力”；所谓意识，即主观体验；所谓目的论，即用目标或者意志而不是原因来解释事务。正是基于这一名词列表所构筑的话语体系，我们似乎面临着或可与人类对峙的挑战，因为在这套话语体系当中，原本属人的诸多特性——智能、意识、意志等问题都被还原为以“目标”为导向的行为动机。这种目标导向，原本只能算是复杂的人类行为最为外在的一种显现方式，但现在却构成了谈论人工智能的话语体系的基本要素。如果智能本身被还原为一种完成复杂目标的能力，那么人类智能将永远无法赶超被加速主义原则所支配的技术进步。因为它排除了属人的人类智能当中原本包含着丰富内涵的智慧，在后者当中，人类的情感与意志都呈现出诸多无法还原为基本算法的非确定性。
二
承认并正视这一非确定性是建构人工智能话语体系的一种可能性。它需要重新复苏一种特定的哲学人类学，让哲学的话语退回到康德时代有关“人是什么”的最终追问。而对人之本质最为晚近的思考终结于20世纪60年代的法国，后现代主义的勃兴一方面摒弃了当代法国存在主义对人之生存方式的痴迷，同时更以宣告人之死、主体之死的方式来终结了曾经盛极一时的哲学人类学。后现代主义思潮，如同古希腊怀疑论与诡辩论的一次复兴，它对于确定性的强烈拒斥在表面上似乎构成了对以确定性为旨归的科学技术发展的一种反叛，但实质上却以其对“本质”的否定，特别是对于人之本质的彻底否弃为科学技术毫无限制的蔓延提供了合法性。面对阿尔法狗（AlphaGo）战胜人类围棋高手与阿尔法元（AlphaZero）完胜阿尔法狗的事实，后现代主义者们以“怎么都行”的理论态度对之无可奈何。但正如诡辩论激发了柏拉图建构理念论，经验主义者休谟对于因果关系之先验确定性的怀疑激发了康德建构知识学，今天的人工智能不仅意味着一种技术的进步，更为根本的是它所建构的还原论话语体系，将再一次激发哲学人类学的重建。这一次哲学人类学的重建与柏拉图的理念论以及康德的知识学一样，都试图以对本质主义的重新探求树立人之尊严。因此，面对基于人工智能的技术支持而出现的物联网时代，当美国学者杰里米·里夫金惊呼“第三次工业革命”已经到来的时候，我们或许应当呼唤随之而来的又一次哲学人类学的复苏。
哲学人类学的复苏，其根本任务在于构筑一整套完全不同于人工智能的还原论话语体系，重新回答“人是什么”的哲学追问。阿尔法元给人类带来的恐慌，其根源在于它呈现了一种机器学习的能力，并在大数据的聚集与高速运算的技术支持之下实现了一种所谓的“深度学习”。但对于哲学人类学家而言，这样的一种学习能力在何种意义上挑战了人之为人的独特属性？对这一问题的追问，必将会逼迫我们更为深入地分析“人工的智能化”与“人的智能化”之间的根本区别。
三
人工的智能化建基于大数据与不断升级的各类算法。因为在还原论的话语体系当中，不仅“智能”成为完成复杂目标的能力，而且学习能力也被理解为一种叠加式的信息处理模式，它需要诸如记忆和分析等相关能力的辅助。但问题在于记忆究竟是什么，分析又是如何可能的？在深入探讨这些问题的时候，人工智能的专家再一次运用还原论的方式告诉我们，所谓记忆就是相关性信息的收集，换言之，人工智能总会将与其目标导向相关的信息加以累计。与之相似，分析能力也建基于对相关信息的归类。由此，对“相关性”的强化运用成为人工智能学习能力得以成立的基本原理。而这一原理在哲学上与18世纪英国哲学家休谟对于因果关系的分析颇为类似。休谟在分析因果关系这一左右人类知识形成的根本基石的时候，提出了一种彻底的经验主义方案，即以两个现象前后相继所构筑的相关性来建构一种因果性，从而形成人类知识。例如当我们分别以描述的口吻叙述“太阳晒”和“石头热”，其所提供的只是经验的杂多，也即人工智能话语体系中的数据信息，而当我们这样表述这一现象：“因为太阳晒，所以石头热”，其间所加入的“因为”“所以”使描述性的经验杂多成为一种知识，它们为两个独立的现象之间构筑了一种相关性。经验主义者正是在这种相关性之上建立起有关知识的确定性保障。从这一意义上说，人工智能所推进的机器学习能力的确定性建基于哲学的经验主义传统，它同时表现出的是将人的主观意识进行纯粹物质化的还原，这样做的结果，最终只会窄化对人的本质理解。
哲学人类学需要正视这种经验主义的挑战，以丰富人的本质的规定。正如我们今天需要恢复哲学人类学以对抗人工智能的挑战。在哲学发展史上，对经验主义的反抗有多种方式。例如康德式的对抗，其方式是将人的理性进行分类，将建基于相关性的知识学归入到知性之中，纳入理论理性的范围之内，将与人的自由意志相关的原则性保障归入到实践理性的范围之内，并在这两种理性之间划出一道鸿沟，以限定性的思维方式避免两种理性之间的相互僭越。再如黑格尔式的对抗，以绝对精神的自我运动的方式，将经验主义对知识学的建构纳入人类精神自我认知之整全性思考的过程当中，成为其必要环节。面对今天人工智能的挑战，黑格尔式的对抗方式，在某种意义上只会为人工智能增添其必要的合理性。人工智能在技术的加速发展当中呈现出一种不以人的意志为转移的客观性，它正以其还原论式的话语体系吞并着“人本身”，在算法的可无限拓展的意义上将自身变成为统治世界的“绝对精神”。因此在笔者看来，我们或许应当借鉴康德的有限性的视角为人类理性划界，将人工智能严格局限在一种知性的规范之内，限定其还原论式的话语表述方式对人的全部特质的僭越，即用器官性的、数据化的算法来解读人的行为以及行为背后的意志自由。我们必须坚持马克思以人为轴心的技术观，将机器视为人延长的手臂，而不是将人视为机器功能实现的中介，任何一种试图颠倒这一关系的讨论方式都将人推入有待批判的异化的境遇。面对人工智能的挑战，我们需要做的是重新凸显“人的智能”的独特性，凸显其中所包含着不可被还原为数据信息及其相应算法的情感性、意志性的人之属性，而非将理论的重心放入到所谓人机界限模糊了的“后人类主义”当中，将诸如机械替换部分大脑机能之类的赛博格讨论推上理论的舞台，因为这样一种讨论方式不过是让“人的智能”屈从于“人工智能”的话语体系。它的本质其实是人工智能另一套不战而屈人之兵的方略。
（作者：夏莹，系清华大学哲学系教授）
关于人工智能的十二条名人名言
[[321443]]阿兰·图灵(1912至1954)是最早重视人工智能概念的思想家之一。他的开拓性工作，为我们如今熟知的数字计算与AI领域奠定起发展基础。
要从最简单粗暴的角度来理解，人工智能就是一项工程挑战。当前最先进的AI算法，无一例外都基于非常复杂的数学原理。训练这些先进AI模型需要巨大的计算资源量，而AI的发展本身也在推动新一代芯片的研发与创新。
然而，人工智能又远非工程技术所能概括。伴随着关于广泛自动化的坚实承诺，AI技术同时也迫使我们重新考虑经济组织与社会结构设计等根本性问题。对AI的追求让我们不得不面对关于意识、智能与创造力的核心挑战——更具体地讲，人何以为人?
因此，任何希望在二十一世纪真正把握人工智能发展脉搏的朋友，都必须广泛接纳来自工程学、心理学、经济学、社会学以及哲学领域的问题与观点。
下面，我们将援引世界上众多最伟大思想家的名言，了解他们如何看待人工智能这一意义深远的主题。希望这些名言有助于阐明AI主旨、涵盖范围、潜在挑战以及蕴藏于其中的巨大能量。
“真正的问题并不是智能机器能否产生情感，而是机器是否能够在没有情感基础的前提下产生智能。”——马文·明斯基(MarvinMinsky),1986
“技术日新月异，人类生活方式正在快速转变，这一切给人类历史带来了一系列不可思议的奇点。我们曾经熟悉的一切，都开始变得陌生。”——约翰·冯·诺依曼(JohnvonNeumann),1958(在技术快速发展的背景下，他首先提出了「奇异性」一词)
“250多年以来，经济增长的基本动力一直是技术创新。其中最重要的，正是经济学家们提出的所谓通用型技术，包括蒸汽机、电力与内燃机等等。而我们这个时代下最重要的通用型技术正是人工智能，特别是机器学习。”——埃里克·布林约尔松(ErikBrynjolfsson)与安德鲁·麦卡菲(AndrewMcAfee),2018
“虽然还没人提及，但我认为人工智能更像是一门人文学科。其本质，在于尝试理解人类的智能与认知。”——塞巴斯蒂安·特伦(SebastianThrun),2013
“我们不得不面对的最大难题，并非来自人类大脑是否属于机器的哲学问题。毫无疑问，大脑就是机器，而且是包含大量严格遵循物理定律的零件的机器。众所周知，我们的思想仅仅是一系列复杂处理过程的产物。而最重要的问题是，我们对这样一台复杂的机器并不够了解，因此我们还没有做好应对这台机器的准备。”——马文·明斯基(MarvinMinsky),1986
“如果人类的大脑简单到我们可以理解，那么我们就将愚蠢到无法理解大脑。”——爱默生W.皮尤(EmersonM.Pugh,)1977
“有些人担心人工智能的出现会令人类感到自卑，但任何有头脑的人单是观察花朵就应该能感到自己的渺小。”——艾伦·凯(AlanKay)
“人类很容易让自己陷入对机器的依赖，以至于不得不接受一切都交给机器处理的现实。随着整个人类社会及其面临的问题越来越复杂，机器也将变得越来越智能。人们将让机器为自己做出更多决策，这单纯是因为机器做出的决策能带来比人类决策更好的结果。这最终会发现到某个特定阶段——在这一阶段中，保持系统运作所需要的决策将变得极为复杂，导致人类再也无法有效做出决策。届时，机器将在实质上掌控一切。”——泰德·卡钦斯基(TedKaczynski，「大学炸弹客」),1995
“从表面上看，经过编程的计算机似乎明白什么是汽车、什么是加法器——但事实上，它什么也不明白。”——约翰·塞尔(JohnSearle),1980
“人们总喜欢活在舒适区内，用粗暴的断言安慰自己，例如机器永远无法模仿人类的某些特性。但我给不了这样的安慰，因为我认为并不存在无法模仿的人类特性。”——AlanTuring,1951
“在我们交谈时，你怎么能确定我的内心深处正在进行所谓「思考」?图灵测试将成为解决这类问题时的一种重要探针——类似于物理学领域的粒子加速器。如同物理学当中，如果我们希望了解原子或者亚原子层面的情况，由于无法直接观察，我们必须将经过加速的粒子散布到目标周围以观察其行为，最终推断出目标的内部性质。图灵测试将这一基本思路扩展到了意识领域——它把思维视为不可直接观察的「目标」，并通过更为抽象的方式推断其内部结构。通过将问题从目标思维中「分散」出去，我们就能了解其内部工作原理，正如物理学领域的作法一样。”——道格拉斯·霍夫斯塔特(DouglasHofstadter),1981
“人工智能是我们人类正在从事的最为深刻的研究方向之一，甚至要比火与电还更加深刻。”——桑德尔·皮猜(SundarPichai),2020
人工智能在日常生活中的12个例子
在下面的文章中，您可以查看我们日常生活中出现的12个人工智能示例。
人工智能(AI)越来越受欢迎，不难看出原因。人工智能有可能以多种不同的方式应用，从烹饪到医疗保健。
虽然人工智能在今天可能是一个流行词，但在明天，它可能会成为我们日常生活的标准一部分。事实上，它已经在这里了。
1.自动驾驶汽车
他们通过使用大量传感器数据、学习如何处理交通和做出实时决策来工作并继续前进。这些汽车也被称为自动驾驶汽车，使用人工智能技术和机器学习来移动，而乘客无需随时控制。
2.智能助手
让我们从真正无处不在的东西开始——智能数字助理。在这里，我们谈论的是Siri、GoogleAssistant、Alexa和Cortana。
我们将它们包含在我们的列表中是因为它们基本上可以倾听然后响应您的命令，将它们转化为行动。
所以，你打开Siri，给她一个命令，比如“给朋友打电话”，她会分析你所说的话，筛选出围绕你讲话的所有背景噪音，解释你的命令，然后实际执行，这一切只需要几个秒。
这里最好的部分是这些助手变得越来越聪明，改进了我们上面提到的命令过程的每个阶段。您不必像几年前那样对命令进行具体化。
此外，虚拟助手在从你的实际命令中过滤无用的背景噪音方面变得越来越好。3.微软项目InnerEye
最著名的人工智能计划之一是由微软运营的一个项目。毫不奇怪，微软是顶尖的人工智能公司之一(尽管它肯定不是唯一的一家)。
微软项目InnerEye是最先进的研究，有可能改变世界。
这个项目旨在研究大脑，特别是大脑的神经系统，以更好地了解它的功能。这个项目的目的是最终能够使用人工智能来诊断和治疗各种神经疾病。
最著名的人工智能计划之一是由微软运营的一个项目。毫不奇怪，微软是顶尖的人工智能公司之一(尽管它肯定不是唯一的一家)。
微软项目InnerEye是最先进的研究，有可能改变世界。
这个项目旨在研究大脑，特别是大脑的神经系统，以更好地了解它的功能。这个项目的目的是最终能够使用人工智能来诊断和治疗各种神经疾病。
4.抄袭
大学生的(或者是教授的)？)噩梦。无论你是内容经理还是给论文评分的老师，你都有同样的问题——互联网让抄袭变得更容易。
那里有几乎无限量的信息和数据，不太谨慎的学生和员工很容易利用这一点。
事实上，没有人能够将某人的文章与所有的数据进行比较和对比。人工智能是一种完全不同的东西。
它们可以筛选数量惊人的信息，与相关文本进行比较，看是否有匹配。
此外，由于这一领域的进步和发展，一些工具实际上可以检查外语来源，以及图像和音频。
5.推荐
你可能已经注意到，某些平台上的媒体推荐越来越好，Netflix、YouTube和Spotify只是三个例子。这要感谢人工智能和机器学习。
我们提到的三个平台都考虑了你已经看到和喜欢的内容。这是容易的部分。然后，他们将其与成千上万的媒体进行比较和对比。他们主要从您提供的数据中学习，然后使用自己的数据库为您提供最适合您需要的内容。
让我们为YouTube简化这个过程，只是作为一个例子。
该平台使用标签等数据，年龄或性别等人口统计数据，以及消费者使用其他媒体的相同数据。然后，它混合和匹配，给你建议。
6.银行业务
如今，许多较大的银行都给你提供了通过智能手机存入支票的选项。你不用真的走到银行，只需轻点几下就可以了。
除了通过手机访问银行账户的明显安全措施外，支票还需要你的签名。
现在银行使用AIs和机器学习软件来读取你的笔迹，与你之前给银行的签名进行比较，并安全地使用它来批准一张支票。
总的来说，机器学习和人工智能技术加快了银行软件完成的大多数操作。这一切都有助于更高效地执行任务，减少等待时间和成本。
7.信用和欺诈
既然我们谈到了银行业，那就让我们稍微谈一下欺诈。银行每天处理大量的交易。追踪所有这些，分析，对一个普通人来说是不可能的。
此外，欺诈交易的形式每天都在变化。有了人工智能和机器学习算法，你可以在一秒钟内分析成千上万的交易。此外，您还可以让他们学习，弄清楚有问题的事务可能是什么样子，并为未来的问题做好准备。
接下来，无论何时你申请贷款或者申请信用卡，银行都需要检查你的申请。
考虑到多种因素，比如你的信用评分，你的金融历史，所有这些现在都可以通过软件来处理。这缩短了审批等待时间，降低了出错率。
8.聊天机器人
许多企业正在使用人工智能，特别是聊天机器人，作为他们的客户与他们互动的方式。
聊天机器人通常被用作公司的客户服务选项，这些公司在任何给定时间都没有足够的员工来回答问题或回应询问。
通过使用聊天机器人，这些公司可以在从客户那里获得重要信息的同时，将员工的时间腾出来做其他事情。
在交通拥挤的时候，像黑色星期五或网络星期一，这些是天赐之物。它们可以让你的公司免于被问题淹没，让你更好地为客户服务。
9.让您远离垃圾邮件
现在，我们都应该感谢垃圾邮件过滤器。
典型的垃圾邮件过滤器有许多规则和算法，可以最大限度地减少垃圾邮件的数量。这不仅能让你免受烦人的广告和尼日利亚王子的骚扰，还能帮助你抵御信用卡欺诈、身份盗窃和恶意软件。
现在，让一个好的垃圾邮件过滤器有效的是运行它的人工智能。过滤器背后的AI使用电子邮件元数据；它关注特定的单词或短语，它关注一些信号，所有这些都是为了过滤掉垃圾邮件。
10.视频摘要
这种日常人工智能在网飞变得非常流行。
也就是说，你可能已经注意到，网站和某些流媒体应用程序上的许多缩略图已经被短视频取代。这变得如此流行的一个主要原因是人工智能和机器学习。
人工智能会为你做这些，而不是让编辑们花费数百个小时来缩短、过滤和切割较长的视频，变成三秒钟的视频。它分析数百小时的内容，然后成功地将其总结成一小段媒体。
11.食谱和烹饪
人工智能在更多意想不到的领域也有潜力，比如烹饪。
一家名为Rasa的公司开发了一种人工智能系统，该系统可以分析食物，然后根据您冰箱和储藏室中的食物推荐食谱。对于喜欢烹饪但又不想花太多时间提前计划膳食的人来说，这种类型的人工智能是一种很好的方式。
12.人脸识别
关于人工智能和机器学习，如果我们可以说一件事，那就是它们使他们接触到的每一项技术都更加有效和强大。面部识别也不例外。现在有许多应用程序使用人工智能来满足他们的面部识别需求。例如，Snapchat使用AI技术通过实际识别呈现为人脸的视觉信息来应用面部过滤器。
Facebook现在可以识别特定照片中的面孔，并邀请人们标记自己或他们的朋友。
而且，当然，考虑用你的脸解锁你的手机。好吧，它需要人工智能和机器学习才能发挥作用。
让我们以AppleFaceID为例。当你设置它的时候，它会扫描你的脸，然后在上面放大约3万个DoS。它使用这些圆点作为标记，帮助它从多个不同的角度识别你的脸。
这使您可以在许多不同的情况和照明环境中用脸部解锁手机，同时防止其他人做同样的事情。
结论
未来就是现在。人工智能技术只会继续发展、壮大，并对每个行业和我们日常生活的几乎每个方面变得越来越重要。如果以上例子是可信的，这只是个时间问题。
未来，人工智能将继续发展，并出现在我们生活的新领域。随着更多创新应用的问世，我们将看到更多人工智能让我们的生活变得更轻松、更有效率的方式！