科学网—“人工智能”能够超越“人类智能”吗
“人工智能”能够超越“人类智能”吗？精选已有24195次阅读2017-6-510:11|个人分类:人工智能|系统分类:科研笔记
[敬请读者注意]本人保留本文的全部著作权利。如果哪位读者使用本文所描述内容，请务必如实引用并明白注明本文出处。如果本人发现任何人擅自使用本文任何部分内容而不明白注明出处，恕本人在网上广泛公布侵权者姓名。敬请各位读者注意，谢谢！
“人工智能”能够超越“人类智能”吗？
程京德
2017年5月27日，现在世界排名第一的中国职业围棋手柯洁最终以0比3输掉了与计算机围棋程序GoogleAlphaGo的三番棋正式比赛。至此，继AlphaGo在2015年10月以5比0战胜欧洲冠军樊麾、2016年3月以4比1战胜曾经的世界冠军韩国职业围棋手李世石、2016年底在网上以连胜60局1局不败战胜世界各国围棋高手之后，这次对柯洁的完胜已经使得AlphaGo与人类棋手之间的对弈完全没有了胜负悬念。GoogleDeepMind团队也宣布AlphaGo将退役，今后不再与人类对弈。可以说，人类棋手与计算机围棋程序AlphaGo的对弈，以AlphaGo的完全胜利而告终。
早在2016月1月GoogleDeepMind团队公布AlphaGo与围棋欧洲冠军的对弈结果之后，全世界就掀起了一股“人工智能”（以及“深层学习”）的热潮。在此热潮中，一直有一个很强的声音：“人工智能即将要超越人类智能”。那么，“人工智能”真的即将要或者迟早会超越“人类智能”吗？
本文将首先说明计算机围棋程序AlphaGo与人类棋手对弈的本质及其胜利的含义，然后讨论在科学地回答“人工智能是否能够超越人类智能？”这个问题之前必须认清的基本问题，并且列举一些人类高等智能活动，指出这些活动都是“人工智能”难以为之，甚至根本就是不可能为之的，从而阐明，“人工智能”全面超越“人类智能”是不可能的。
首先，让我们来看看计算机围棋程序AlphaGo与人类棋手对弈的本质及其胜利的含义。
从计算原理来说，运行在由物理方法实现的任何电子计算机系统（因此，“计算机网络”和“量子计算机”也算，但是，任何“生物计算机”都不算，本文不讨论生物计算机）上的任何计算机程序，都是由程序设计者预先编制好的，都不具备自主地自动地生成新的可执行程序使得该新程序具备完成超出原程序设计者预想之任务的功能。所以，从计算原理本质上来说，任何计算机程序能够完成的任何任务，都是由其设计者预先想定的、在其设计者“指挥”下完成的，尽管仅从计算结果来看，该任务可能是程序设计者自身实际上完成不了的。更加通俗地说，任何程序只会做设计者知道怎么做并且“教会”它如何去做的事情，而绝对不会做连设计者自己也不知道怎么做更不会“教给”它如何去做的事情。这是从计算原理的观点来看，任何计算系统在计算能力上的一般局限性。另一方面，没有计算机程序在其上运行的任何电子计算机物理裸机（因为没有程序故不能被称为也不能构成“计算机系统”），基本不具备完成任何有实际意义计算任务的能力；所谓的“机器智能”或者“机器的智能”，都是概念上混乱的说辞，本文不做讨论。
AlphaGo是一个计算机程序，在能力上当然也不会超越笔者上述计算系统在计算能力上的一般局限性。AlphaGo与人类棋手对弈并且获胜的本质实际上是其研发团队设计出计算机程序来利用现代电子计算机的高速计算能力而做到了程序设计者自己还做不到的事情。在这一点上，AlphaGo的研发团队DeepMind的负责人，戴密斯·哈萨比斯（DemisHassabis），说的十分清楚：“人们有时会认为这些比赛是人与机器的对决，但我不同意，这不是人对抗机器，而是人利用机器作为工具，共同探索新的知识领域。我们把AlphaGo看做哈勃望远镜，柯洁则是世界上最棒的天文学家，我们期待看到他借助AlphaGo能探索到什么。”“我们会试着去赢得比赛，但最终，AlphaGo的输赢并不重要，因为无论结果如何，人类都是赢家。”Google母公司Alphabet执行总裁埃里克·施密特（EricSchmidt）也明确表示，“不管比赛结果如何，人性终将得胜。比赛并不是电脑与人类争胜，而是电脑利用自己的专长帮助人类。”实际上，施密特的话应该修改为“人类利用电脑的专长来帮助人类自身”才更为准确，因为如同笔者在上面所说，电脑自身不会做任何事情！所以，在这个意义上说，此次AlphaGo在与人类棋手的对弈中完胜，也并非意味着“人工智能”在某个特殊任务上超越了“人类智能”，而是一部分人（AlphaGo的研发团队）在利用了计算机高速计算能力的条件下在某个特殊任务上战胜了另外一部分人（职业棋手）。
接下来，让我们来讨论“人工智能是否能够超越人类智能？”显然，在我们科学地讨论这个问题之前，我们必须先定义清楚这三个概念：何谓“人类智能”？何谓“人工智能”？何谓“超越”？如果连问题中言及的这三个最基本的概念都没定义清楚就胡乱下结论，那么所下结论的真实性是可想而知的。但是，遗憾的是，现在世界上许许多多关于这个问题的结论（包括许多世界名人们的说法），都是在还没有定义清楚这三个基本概念的情况下胡乱做出的！笔者认为，既然说到“超越”，那么就隐含着数量和程度，要定义清楚上面这三个基本概念，我们必须认清它们相对应的下面三组基本问题：
第一组基本问题：何谓“人类智能”？
人类智能一定具体地包含哪些能力？人类智能一定不包含哪些能力？人类智能可以包含或者也可以不包含哪些能力？人类智能和动物智能在本质上的区别是什么？一个具体人类个体在其生涯中不同阶段在智能上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定一个具体人类个体在其生涯中不同阶段在智能上的差异？如何具体地测定一个具体人类个体在其生涯中不同阶段在智能上的差异？人类不同个体在智能上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定人类不同个体在智能上的差异？如何具体地测定人类不同个体在智能上的差异？
第二组基本问题：何谓“人工智能”？
人工智能的原始定义是什么？如何科学地严谨地定义人工智能？人工智能是科学还是技术？人工智能中的“人工”具体意味着什么？人工智能一定具体地包含哪些由“人工”创造出的能力？人工智能一定不包含哪些由“人工”创造出的能力？人工智能可以包含或者也可以不包含哪些由“人工”创造出的能力？人工智能和人类智能在本质上的区别是什么？一个具体的人工智能产品在其生存期中不同阶段在“人工智能”上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定一个具体的人工智能产品在其生存期中不同阶段在“人工智能”上的差异？如何具体地测定一个具体的人工智能产品在其生存期中不同阶段在“人工智能”上的差异？不同人工智能产品在“人工智能”上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定不同人工智能产品在“人工智能”上的差异？如何具体测定不同人工智能产品在“人工智能”上的差异？
第三组基本问题：何谓“超越”？
是否能够定义一种或者几种统一的指标可以同时用来测定“人类智能”和“人工智能”？如何定性定量地定义一种或者几种统一的指标可以同时用来测定“人类智能”和“人工智能”？“人工智能超越人类智能”具体是指在什么范围内（比如，全面？某些方面？或者某个关键方面？）的超越？
实际上，根据世界上有关“人工智能”和“人类智能”的学术研究成果，在现阶段，我们还不能完全回答上面这些问题的全部。
笔者根据“人工智能”这一名词最初的提出人、已故美国斯坦福大学教授约翰·麦卡锡（JohnMcCarthy）的定义以及“人工智能”的历史及现状，认为“人工智能”应该意味着：“作为一个学科，人工智能研究以计算机为工具，以计算为手段，开发出具有类似于人类智能的计算程序来控制计算机实施并完成需要人类智能的工作任务之原理、方法和技术”。
现在，让我们来看一看，在笔者上述“人工智能”的意义下，有哪些人类高等智能活动是“人工智能”难以为之或者甚至根本就是不可能为之的？在这里，我们需要申明，“能”与“不能”，应该是指称具有一般性的行为而不是偶然性的行为；也即是说，在同样条件下，多次重复的行为应该产生完全相同的效果。在这个意义下，本文所谓“人工智能”不能做的事情，就是指由一个运行在用物理方法实现的计算机系统上的“人工智能”计算程序在完全没有人类参与时不能够完成的任务。
笔者认为，下面列举出的这些人类高等智能活动，无论有多少“大数据”和多么强有力的计算机系统可以使用，也都是“人工智能”难以为之或者甚至根本就是不可能为之的：
创建科学理论体系或者数学理论体系，在数学研究中定义数学概念，从现象或数据中归纳形成抽象科学概念，从现象或数据中归纳出逻辑关系或者因果关系，对现象或数据给出具有科学意义的解释，发现新的现象、新的物种、新的问题、新的算法、新的原理、新的定理、新的猜测，设计（物理、化学、生物等等）科学实验，设计（软件、信息安全、机械、汽车、航空、化工、土木、桥梁、建筑等等）工程项目，设计对疾病的药物治疗方案或者外科手术治疗方案，分析市场需求或者预测市场需求，指导人类学生从事科学研究工作，教育人类学生学习知识，对特定的人物萌生爱情，对特定的人物产生好感或者恶感，训练动物（比如，军犬、警犬、马戏团动物等）。
笔者举出的上述这些，都是人类高等智能活动，这一点无论怎么定义“人类智能”大概都是没有异议的。这些人类高等智能活动的共同特征就是必须由具备某种主动的独创性的人方能够完成。而计算机程序在工作原理上恰恰不具备主动的独创性！
既然有如此之多的人类高等智能活动，都是“人工智能”难以为之或者甚至根本就是不可能为之的，那么，我们可以非常肯定地说，“人工智能”全面超越“人类智能”是不可能的。
https://blog.sciencenet.cn/blog-2371919-1059130.html上一篇：他山之石：给留日或者即将留日同学们的几点忠告下一篇：“机器里的心灵”是什么?它在哪里？收藏IP:219.111.183.*|热度|好消息！人工智能无法取代人类
总体来看，认为人类会被人工智能取代的一方，其主要出发点是人工智能的现实功用，尤其是当人类和人工智能都可以完成类似于驾驶汽车这类的活动，且人工智能可以有更低的失误率时，人工智能在社会分工层面取代人类将极可能实现。而认为人工智能不可取代人类者，则是坚持认为人类与机器在本质上存在的差异，比如虽然人工智能完全可以完成一副画作，但它们只是通过一些机械的动作完成色彩与线条的搭配，永远是“知其然不知其所以然”。
但两方的回应都具有明显的不完备性。对于认为人工智能可以取代人类的一方，即便人工智能的很多功能可以实现对人类的替代，但是依据“多重可实现原则”可知，人工智能实现这些功能的机制可能与人类完全不同。这就意味着人工智能与人类社会的对接方式不一定与人类一致，甚至在某些潜在的情境下人工智能会与人类社会无法兼容。对于认为人工智能无法取代人类的一方而言，所有对于人类理性、情感或自由意志的坚信更像一种形而上学的预设。因此即便人工智能创作出如梵高、塞尚再世级别的画作，人类依旧可以用“没有灵魂”来进行拒斥或批判。但这种观点本身缺乏论证，关于人类特性的预设也显得带有神秘的不可知论的特征。
综合以上，上述两方面回应的共同缺陷在于，他们的探讨并未结合人工智能的发展历程，因而脱离了对人工智能的构建机制的研究。这就让人类智能和人工智能之间的比较，像是两个“黑箱”之间的对话，人们并不能更好地理解人工智能之于人类的挑战性和人类之于人工智能的独特性。基于此，本文将从人工智能的技术本质的角度探究，“人类是否会被人工智能取代”的问题。
二、对人类的模仿:人工智能的技术起点
阿兰·图灵是第一位真正提出，如何验证机器已经产生人类思维的实验标准的科学家。在图灵的思想实验中，计算机程序或者说是广义的机器人是在与人进行一场精致的“模仿游戏”，即在人与机器的双盲对话中，机器不断模仿人类的语言习惯，以欺骗参与对话的人类，让人类相信自己是在与人而非机器对话。这一思想实验后来在计算机科学的发展中，被发展成为广义的“图灵测试”。按照这种标准，一旦机器通过图灵测试，就可以判定机器具有和人相一致的思维能力，这种观点被称为“强人工智能”的观点。
围绕着机器通过了图灵测试，是否就可以判定机器的思维机制与人类相同，人工智能哲学界引发争论，其中又尤以塞尔的“中文屋”思想实验较为著名。
“中文屋”思想实验的主要预设是，在一个大家看不见内在构造的屋子前，只要人们对其说出某些中文，屋子中就会给出相对应的中文回应，这给人一种屋子中的人或事物非常精通中文的感觉。但一种可能的情景却是，屋子中有一套完备的中英文的对照规则手册，屋子中的人或其他事物根据手册指示，先找到接收到的中文所对应的英文，再基于对照手册的指示对外给出一个中文的回应，这样即便屋子中的人或事物不懂中文，也会看似精通中文。
塞尔的“中文屋”思想实验就是在论证，即便机器人或者计算机可能在某些方面的表现不亚于人类，但是依旧不能说机器已经理解人类的思维方式。“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。”换言之“弱人工智能”的主要观点就是，人工智能可以在行为上模仿人类，但不代表它能像人类思维一般实现自我理解。
上述只是强弱人工智能之争的最基本内容，在人工智能哲学的后续发展中，关于“规则手册是否真的可能存在”“理解了规则手册是否相当于理解中文”等问题还引发了后续的诸多争论。相关的论述至今已经汗牛充栋，但本文的重点并不是细述强弱人工智能观点的分歧，而是试图发现它们都可接受的理论共识。
“图灵测试”最终的判断标准，是人工智能有没有骗过人类，或者更准确地说，就是人工智能是否已经掌握与人相似的表述方式。更广义地理解这一标准，也就是判定一个程序或机器人的设计好坏的标准在于，它的行为与表现究竟有多么接近人类。这样一来，即便是一个最终没能通过“图灵测试”的人工智能设计也具有积极的意义，因为它可能已经在接近人类的方向上又迈进了一步，它也完全可以保留自身的优势，在其最接近人类的方面做进一步的加强，甚至可能在这一方面超过人类。
也有人认为，塞尔的“中文屋”在很大程度上只是在给人类找回最后的颜面。因为如果只是在某些专业领域，比如数学计算或者棋类竞技上做一个长期的开发，人类很可能不是人工智能的对手。但即便如此，人类依旧可以有充分的理由认为，机器并不具有人类一般的智能，因为人工智能至多只是“规则手册”的良好执行者，并不真正理解其自身的行为。
综上可以发现，强弱人工智能观点的分歧，其实主要在于人工智能相较于人类智能的完备度的认可上。这反而彰显了它们在底层有这样一些最基本的共识：第一，人类智能是人工智能发展一直所参照和模仿的对象；第二，人工智能发展的完备程度只能以人类作为参照甚至以人类能否接受作为最终标准。因此在这种意义上来讲，人工智能完全可以被视为人类智能的“投影”，这与技术工具发明的“器官投影说”相通。“人类在长期的劳动、生活过程中，学会了利用身边的各种器物以弥补我们自身的不足，进而还学会了主动制造原来不存在的各种工具和器械来增强人体自身的功能……人类发明、制造工具其实最初都是按照自身的某个器官做摹本。”只是人工智能的发明是以人类的智能器官———按照生理学或医学的概念范式就是大脑，按照哲学的概念范式就是心灵———作为模仿对象。
力主模仿人类“大脑”或“心灵”的人工智能研究，要提升研究水平的前提就是要有“投影”人类智能的方法。接下来的问题就是，人工智能研究中，这种“投影”的策略是什么?
三、对人类智能从浅到深的“投影”:人工智能的技术策略
按照器官投影说的说法，“投影”至少有两层含义，“一方面，人体器官的形状和功能‘投影’在工具中……另一方面，人体器官的尺寸、比例被抽象和放大到工具中”。在一般技术工具的发明和制造过程中，这两种“投影”都已经被应用到淋漓尽致的地步。以日常用来盛水或食物的碗为例，其原型就是人的双手捧起水或食物时聚拢在一起的形状，碗的发明就是实现了这种盛放物品的功能。同时，碗在实际的制作中口宽底窄，依然是配合人类的手型，但是又会依据碗的用途的不同，而放大或缩小相应的尺度。
但是人工智能想要投影人类智能并非易事。如果作为器官来看，人类的思维器官是最具复杂性和神秘性的脑。尤其在人工智能发展的初期，医学或生理学能够对大脑做出的解读并不多，这就让人工智能研究对于人类智能的投影只局限在表象层面的人类的行为。随着计算机技术水平的提高，人工智能的研究就走向对人类认知器官的某些特定功能的专门模仿。到了医学可以对脑有一个更深层次的解读，并且计算机技术可以实现对于脑更深层的模仿后，人工智能又来到一个新的纪元。
(一)对人类行为的投影
在心理学的预设当中，人类的行为是一种对于人类思维状态的表征。因此当人工智能可以对于人类的行为进行模仿时，也就在一定程度上实现了对于人类智能的模仿。
较初级的人工智能产物一般都是在极力模仿人类的各种行为。一些工业领域常用的智能维修机器人更是主要只是模仿人类操作器物的行为。很明显的是，单纯依靠此类人工智能技术并不能通过图灵意义上的“模仿游戏”的测试。从本质上说，此类人工智能产物是对于人类的“感知—动作系统”的模仿，更主要的是实现对于人类肢体动作的模仿。图灵的“模仿游戏”重点检测的则是更深层次的，机器对于人类“语言—思维系统”的模仿。
但是此类人工智能技术依然具有存在的意义，它在现如今的人工智能的整体设计当中主要充当一种辅助技术，尤其在人形机器人的肢体的设计与生产环节，因此相关研究依然在提升其技术精度，并仍被广泛应用于人形机器人的设计生产之中。
(二)对人类特定智慧功能的投影
此类的研究依然可以暂时悬置人类的认知器官的真实构造这一问题，而是直接“利用计算机作为硬件平台，通过编制聪明软件来模拟人类智力功能”。此类研究策略可以让人类的认知器官继续保持一种相对的“黑箱”状态，只要保证计算机硬件平台可以在输出端给出与人类的判断尽可能相似的结果就好。
此类研究的局限性就在于它总是只能解决某一专门领域的问题，比如一个智能家居助手可以解决的问题是将室内温度调整到20℃，但是它可能并不能理解温度数据与人类关于“寒冷”“炎热”的感受，更不能体会“老人怕冷”“孩子怕热”这类的亲情关怀。
(三)针对人脑的技术投影
随着近现代生理学尤其是脑科学的发展，对于人类认知器官的认识也逐渐走向了精细化。信息技术的高度发达，让计算机系统的搭建也可以形成对于人类认知器官的深层次模仿。近年来，随着“在不同方向上观测不同认知任务下脑部神经的活动变化并获得相关类脑智能数据已成为可能……发展类脑智能现已成为人工智能学科以及计算机应用相关领域研究的热点”。例如前文中提到的阿尔法狗的构建理论基础，就是人工神经网络技术的深度学习策略，类脑人工智能是其技术实质。除了人工神经网络技术外，“参考人脑神经元结构和人脑感知认知方式来设计的”类脑芯片也在成为目前人工智能领域研究的重点，并且芯片的运算机制已经愈发地接近人脑思考问题的方式。
基于人类脑科学研究成果而发展出来的此类人工智能技术，被称作“类脑智能”。此类技术不再只是从模仿外部的人类的行为或功能来实现机器的智能涌现，而是直接着眼于人类智能的发端，对脑的结构进行更深层次的模仿。类脑智能的研究可谓是人工智能目前最前沿的进展之一。但是直到目前为止，针对人类复杂的大脑的研究尚处于起步阶段，要实现对人脑的整体解读仍需要一个很长周期的研究。
综上所述，人工智能研究的认识论基础是技术哲学意义上的“器官投影说”，脑科学的最新研究进展成为人工智能更精细化投影人类认知器官的理论工具。当然，认识论层面上的理论基础或理论预设都会带有一定的理想化的特征，尤其只是在近些年脑科学的新进展才更好地支撑了人工智能研究的发展。在此前和未来的很长一段时间里，人工智能的研究主要还是要集中在与人类相似的智能功能的实现层面上，而未必是内在结构上与人类认知器官的高度一致上。因此，这里实际上需要分析的问题是，当人工智能的结构构建必然与人类智慧器官自身存在差异的前提下，人工智能自身是否会有相应的局限，人类又可以通过扮演怎样的角色来协助人工智能突破这样的局限呢?
四、从分离到交融:人工智能与人的现实关联
一个人工智能产物能够存在于社会，必然因为它可以实现某些方面的功能，从而满足社会某些方面的需求。这些相应功能可以实现的实质就是，人与人工智能，同客观世界之间以特定的形式发生相互关联，并且在不同的情境下人与人工智能之间的关系将有所不同。
(一)作为世界的一部分的人工智能
在诸如前文中所提到的各种研究环节，人工智能实际上都被视为一种待研究的对象来看待。其实不仅在研究阶段，到了应用层面也同样需要经历一个人对人工智能的认识和熟悉的过程。这就像我们拿到一台新的个人计算机，对于操作界面和随机功能均有一个必要的熟悉过程一般，一个新的人工智能产物走入到生产生活中，人类作为操控者或者说工作上的“合作伙伴”，需要将人工智能作为一个崭新的客体来进行研究。
此时的人工智能相当于世界的一份子，对于人处于一种几乎未知的状态，人与人工智能也在一种比较充分的分离状态之下。
(二)作为人与世界的媒介的人工智能
关于人工智能最为常见的应用模式，就是让人工智能代替人类去从事一些与外在世界之间的交互。比如人类派出探险机器人去探测星体表面，此时的机器人就是以人类的代理者的身份去完成人类的指令。在此类的应用之中，人类将自己的指令翻译成人工智能可以理解的计算机指令，人工智能完成相应的行动;在反馈环节中，人工智能则是依靠自身携带的各类传感器，将其收集到的各类信息传递给人类以备后续分析。
作为中介的人工智能带有一定的被动性，多数时候只能服从于人类的操控。这种意义上来说，此类人工智能更像是人类的欲望或意向性的转移者。它们也同样可以被视为世界向人类传递信息的媒介，它将那些人类肉身难以轻易企及的处所的信息传递给了人类。
人与作为世界的媒介的人工智能之间，会因为“使用”这种行为而发生交互，“使用”一旦停止人机将再次分离。
(三)作为人的“身体”的人工智能
称人工智能可以作为人类的“身体”，并不只是意味着人工智能产物已然植入人类身体(虽然在技术层面这早已可以实现)，而是重点说明人工智能在应用层面给人带来的体验。
这种体验时常让人不会轻易察觉到人工智能技术的存在，它“展现出部分透明性，它不是人类关注的中心……经过短时期的适应之后，你不会感觉到它的存在……它已经成为身体体现的一部分，具有人的身体的某部分特征，它成为人类身体的延伸”。最常见的例子就是，如今的智能手机基本都具有导航功能，并且很多的导航程序都已经具有了很明显的人工智能特征。人在行走的过程中，其实已经让导航软件加强甚至替代了自己的“方向感”或“路感”。当一个人来到陌生的城市，也很少将辨识方位视为需要提前很久去完成的准备工作。
“方向感”本身属于人类智能的一部分，智能导航程序相当于加强了这种能力，但是在日常生活中，使用者会不自觉地将智能程序加成的“方向感”深以为然地视为自己天然具备的能力，这就是人工智能作为人类“身体”出现的最普遍的表现。
作为人的“身体”的人工智能，其影响力不仅在于实际的操作层面，而且在于它已经在人类的认知层面形成一种清晰的意向，让人类与其不自觉地相同一。
(四)人作为人工智能的“部件”
前文提到的“人工智能”总好像有一些很具象化的特征，也就是所有的人工智能产物似乎都有一个比较清晰的形态。不可否认的是，为了让人机交互显得更加友好，人工智能产品在其交互界面的设计上的确非常有人类色彩，如以人类的语音作为向导、仿照人类的形态制作输入输出设备等。
但实际上，人工智能系统的实际构造可能远比使用过程中所看到的界面要复杂得多。尤其是在分布式网络日益发达、大数据应用日益成熟的今天，理论上整个的网络信息平台都可能成为人工智能的数据库或云计算组件。因此，网络上的人类用户，在一定程度上就可能成为人工智能系统的某个空间节点上的部件一般的存在。并且需要注意的是“人比机器的优势之一就是：可以从较少的数据中更早地发现事物的模式”。也就是说作为人工智能“部件”的人类，一方面可以减轻实际应用层面上人工智能的计算压力，另一方面也在技术层面上搭建了以网络联结为基础的人机混合的智能系统结构。
人类充当人工智能系统的“部件”的原因大致上有两个：其一，就是实现应用目标的便利性的诱惑，毕竟在语言翻译等领域让人工智能短期内达到人类母
语水平并不现实。在具体情境下，不一定非要人工智能通过模型计算给出合理的结果，直接转述人类在相应情境下的回应，可以更经济也更快速地实现应用需求。其二，就是目前人工智能领域研究的现实局限，前文提到的类脑人工智能的发展前景极具诱惑，其研发的基础就在于“以脑科学和信息科学的基本理论为指导……标记、获取、分析……精细脑网络结构与功能信息”。但攻克这项工程需要的可能是全人类长期的共同努力，突破人工智能的局限性不可能在一朝一夕，于是更可行的解决方案就是让人类作为宏观的人工智能系统的“部件”完成操作任务。
由此，在实际的应用层面上，随着人工智能功能的完善和大数据技术等的全面加持，人与人工智能之间不会再是泾渭分明的“分离”状态，而是随着彼此之间依赖的加深(人将人工智能默认为自身的功能，人工智能借助人类智慧的优势更快完成操作任务)，人与人工智能实际上走向了一种“融合”的状态之中。
(五)从模仿到共建:人机融合的现实趋势
如前文所言，最理想的人工智能研究，其实是通过脑科学的“逆工程”制造出一个完整的人工生命，“这是对于传统的，通过具有某些特定功能的计算机子系统来分析性地构建智能系统的人工智能研究的替代方案。”
但是人工智能事业的发展，不能等待着此类研究的彻底完备，而是需要在实践中提升智能系统的问题解决能力，“这迫使我们要做出具体的工程决策，充分考虑抽象和具象的对象之间，以及观察的和理论的现象之间的关系”。在现实层面上，实际上需要被考虑的是人工智能性能的提升问题，既然“人机交互所产生的融合双重智能可以……提升人工智能系统的性能……更加高效地解决复杂问题”，那么人机融合就应该是被选择的趋势。
一个现代的人工智能系统不再应该被简单地视为与人类孤立的技术产物，而更应该被视为一个人类智慧与机器智慧所共建的广义的网络系统。这一网络系统的特征与巴黎学派的拉图尔、卡龙和劳等人所提出的“行动者网络”非常类似。“‘行动者网络’本身是一种‘异质型’网络，即人类行动者和非人行动者平等构成网络，在具体的科技活动中……平等地影响着网络，并且通过对于网络的‘协同’或‘背叛’影响网络的运作”。人与非人行动者会因为他们有共同的行为意向而联结在一起，并作为整体共同实现相应的实践目标。
并且应该与“行动者网络”理论的预设相一致的是，对于一个有某种明确的应用目的的智能系统而言，人与机器应该处于一种相对平等的状态之中。这里的“相对平等”的实现很可能是一种动态的总体的平等，即在某些具体的情境下，可能人类的主观意愿占据主导。但是在另一些情境下，机器的计算目标则更加重要。人类与机器在联结性和目的性等层面上发生的耦合，是人机共同构建智能系统的基础，它们之间彼此的协同促进，是共同提升系统功能的基本方法。
那么基于以上认识，我们又可以从何种意义上说明人类不会被人工智能取代呢?
五、结语：人有人的用处，人机共建新系统
人工智能是科学高度发展的智能化产物，其自身的本质依旧是技术人工物。任何广义的人工物，都具有主导其功能与构成的形式和质料。
从技术发展史的角度来说，人工智能的研究起步于对人类智能的模仿，因此人类的形式就是其追求的终极的形式，只是它用以实现人类智能的质料又与人类的肉身大相径庭。比如各类金属或有机材料是构建人工智能的机械身体的物质质料，各类运算机制和计算方法则是实现计算机智能的语言质料。这些现实的差异，以及人工智能后来所取得的一系列进步，让我们开始习惯于用一种对立甚至敌对的眼光去审视人类模仿自己而创造的各种人工智能产物。但不能忽视的却是，技术人工物得以持存的原因是某些目的性的实现。此时一个更加现实的问题就是，当人类不是以一种对立的姿态看待人工智能，而是以一种相互交融的态势与人工智能发生关联将会发生怎样的变化?
人类其实不单单可以作为人工智能所模仿的形式而存在，也可以作为技术系统当中真实有效的质料或部件。脱离开对人工智能的具象化的刻板预设，让人类、计算机和手机等智能单元都成为数据运算的可能参与者，这将是一种能让人工智能更快提升功能的解决方案。因此，在技术人工物的视角下审视人工智能的发展，其实质就是提供实现某类功能的可行的解决方案。在这种意义上来说，人非但不会存在被取代的可能，更可以与技术产物相互交融构建新的系统，人类智能不仅是人工智能研究中终极意义上的形式与目的，也是智慧功能实现层面上可以带来现实意义的行动者。
维纳用《人有人的用处》这一书名，来提示人们在控制论和信息论背景下应该重新思考“人”的概念。这里我们用“人有人的用处”来回应，为什么在现实的实践的视角下，人类不会被人工智能取代。当人类摒弃了人与机器的对立态度，在一个可以平等进行信息交换与计算的网络上共建一个人工智能系统，人类既能依旧作为智能系统的终极目的而发挥类本质层面上的导引作用，又可以在个体层面上履行新的社会分工责任———人将仍然有人的用处。
〔参考文献〕
［1］李开复，王咏刚．人工智能［M］．北京：文化发展出版社，2017．［2］匡文波，韩廷宾．消息写作有可能被人工智能取代［J］．新闻论坛，2017，(4):32-35．
［3］袁跃兴．“人工智能”技术能否取代诗人?［N］．北京日报，2017-06-22(18)．
［4］黄欣荣．人工智能对人类劳动的挑战及其应对［J］．理论探索，2018，(5):15-21．
［5］徐英瑾．人工智能无法全面取代人类［N］．第一财经日报，2018-09-18(A11)．
［6］刘润坤．人工智能取代艺术家?——从本体论视角看人工智能艺术创作［J］．民族艺术研究，2017，30(2):71-76．
［7］梅剑华．理解与理论：人工智能基础问题的悲观与乐观［J］．自然辩证法通讯，2018，40(4):1-8．
［8］黄欣荣．卡普技术哲学的三个基本问题［J］．自然辩证法研究，2012，28(8):27-31．
［9］王楠，王前．“器官投影说”的现代解说［J］．自然辩证法研究，2005，21(2):1-4，17．
［10］钟义信．范式转变：AlphaGo显露的AI创新奥秘［J］．计算机教育，2017，(10):9-14．
［11］宋小芹，王莉丽，张卫星．基于机会认知的类脑智能数据挖掘机制［J］．计算机仿真，2016，33(11):375-378．
［12］陶建华，陈云霁．类脑计算芯片与类脑智能机器人发展现状与思考［J］．中国科学院院刊，2016，31(7):803-811．
［13］吴国林．后现象学及其进展——唐·伊德技术现象学述评［J］．哲学动态，2009，(4):70-76．
［14］刘伟，厍兴国，王飞．关于人机融合智能中深度态势感知问题的思考［J］．山东科技大学学报(社会科学版)，2017，19(6):10-17．
［15］骆清铭．脑空间信息学—连接脑科学与类脑人工智能的桥梁［J］．中国科学，2017，47(10):1015-1024．
［16］Correia，L．Fromnaturaltoartificiallife［J］．ＲevistaPortuguesadeFilosofia，2010:789-802．
［17］King，Ｒ．D．ＲiseoftheＲoboScientists［J］．ScientificAmerican，2011，304(1):72-77．
［18］李平，杨政银．人机融合智能：人工智能3．0［J］．清华管理评论，2018，(Z2):73-82．
［19］毕丞．行动者网络理论在科技传播领域中应用的可行性研究［J］．自然辩证法研究，2014，30(3):76-82．
本文摘自：北京科技大学学报(社会科学版)2019年4月第35卷第2期
【毕丞：北京科技大学哲学教师】返回搜狐，查看更多