人工智能美学的现状与未来
原标题：人工智能美学的现状与未来作者：陶锋近年来，人工智能的跨学科研究方兴未艾，特别是人文领域如何与人工智能进行跨学科合作，成为热点问题。在西方学者看来，“人工智能就是研究如何制造或者程序化计算机，使得它们能够做那些心灵可以做的事”。根据机器智能化的程度不同，可以将之分为弱人工智能和强人工智能，弱人工智能指的是机器能够智能地行动，而强人工智能则是指机器能真正地思考。因此，人工智能所谓“智能”就是像人一样思维和行动。
人工智能之父麦卡锡认为，人工智能与哲学的关系比科学与哲学的关系要更加密切，这是因为人工智能需要哲学特别是认识论的介入。在麦卡锡之前，已经有学者对该领域进行了不少研究，如塞尔针对图灵问题提出了“中文屋”假说，从生物有机体和意识的必然关联上否定了机器人能够拥有智能。德雷福斯从语境问题的角度批评了人工智能缺乏常识。人工智能哲学家博登还讨论了人工智能的情感和创造性问题。这些学者从比较宏观的角度向人工智能提出了挑战，也为人工智能美学和文艺理论的研究奠定了基础。
模拟人类情感参与美学活动
美学家将审美、想象、感性、创造等能力视作人的思维认识的一部分。首先，从“智能”的定义来看，人工智能就必然和美学相联系，因为所谓智能，除了包括“需求和应用知识、推理和思考的能力”，还包括“通过五种感觉来感知”、“情感体验”等能力。智能就是人类的思维能力，科学家将人类思维分成三种——抽象（逻辑）思维、形象（直感）思维和灵感（顿悟）思维。人工智能如果想要真正成为智能，就不能仅仅模拟人类的抽象思维能力，即推理和逻辑能力，还要模拟人类的情感、感性、创造等与形象、灵感有关的能力，而后者正是美学所研究的对象。
其次，从人工智能在情感、感性方面的应用来看，随着人类与计算机交互关系越来越紧密，人们已经越来越重视人工智能情感的重要性。例如智能系统在与顾客交流时，可以通过顾客的服装打扮、面部表情、肢体动作来分析顾客的情感，如果智能系统也要具有相应的情感传达，就能使得双方交流更加平等顺畅。因此，如何设计情感程序成了如今人工智能的一大难题。
再次，从人工智能在艺术方面的应用来看，人类借助人工智能计算机创作艺术甚至编写智能程序，让智能机器人在一定程度上独立地进行艺术创作，都已经成为了现实。例如美国艺术家科恩设计了艺术创作软件“Aaron”，该软件所创作的绘画已具有自己的风格，甚至被美术馆收藏。天津大学孙济州的“中国水墨画效果的计算机模拟与绘制系统”，用计算机模拟生成了水墨画效果。20世纪80年代，美国音乐教授库柏设计了名为“音乐智能试验”的程序，通过分析和提取音乐大师作品中的旋律特征并加以重组，使得智能体创作的音乐几乎能与大师作品媲美，而最近索尼公司设计的音乐程序则可以创作出酷似披头士乐队的作品。这些人工智能体所完成的艺术品当然也可以成为美学的研究对象。艺术风格、计算机艺术的独特性、人与计算机在艺术活动中的关系（创作者、工具、欣赏者）都属于美学研究范畴。
最后，在人工智能模拟人类的感性和艺术创作的时候，也需要对人类情感和艺术本质进行研究。人工智能在模拟人类的推理和逻辑时，探索出了非经典逻辑、不确定性推理等，针对人类的常识推理机制进行了有益的研究。同理，智能体在模拟人类情感时，也需要对之进行系统的分析。例如情感产生的机制，与人体机能、与环境的关系，与性格和文化的关系，情感如何在艺术中表达和传递等。
综上，我们可以初步得出，人工智能美学这一概念是可以成立的，它有其研究的具体对象和适用范围。人工智能美学研究的是在人工智能技术发展过程中所出现的与美学有关的一些问题，其主要内容包括人工智能对人类感性和艺术的模拟、人工智能艺术的风格与鉴赏、人工智能视野下人类情感和艺术本质问题等，其方法主要是哲学美学的，并需要结合诸多跨学科如脑科学、神经科学、生物进化等理论以及人工智能领域最新进展来进行研究。
展开全文深入具体程序认识情感思维
随着时间推移和技术发展，人工智能美学定义的内涵和外延也会发生变化，但是，其基本的两大内容——对人类感性特别是情感表达以及对人类艺术行为的模拟，应该在相当长时间内是人工智能美学研究的对象。而且人工智能美学研究，除了对人工智能艺术和美学进行方向性建议以及总体把握之外，应该更多地参与到具体的案例研究中来，对于人工智能与艺术、情感有关的具体技术环节进行指导和协助。
首先是人工智能的情感问题。目前广受欢迎的智能体小冰、贤二等，能够针对客户进行适度的情感分析，并根据分析结果进行对话。而这种情感分析的基础是“感情计算”，MIT计算机专家皮卡德提出，我们可以利用计算机强大的储存、搜索和运算能力，来计算、分析与情感相关的外在表现，如面部表情、心跳速率、皮肤温度等生理特征。除此之外，感情计算还可以分析艺术家在作品中留下能体现情感的相关痕迹，如色彩、形状、线条、文本等。在分析过程中，需要借助美学家、艺术理论家对艺术品和艺术家的情感分析，这就是美学参与到人工智能研究的实例之一。同样，感情计算也给美学家提供了一种思路，即艺术家创作时的情感也许可以量化研究和分析。
其次，在人工智能创造艺术品时需要讨论创新性和艺术标准问题。如Facebook与美国高校合作开发的绘画程序CAN（创新性对抗网络），宣称能够创造出新风格的绘画作品，并且能够通过图灵测试，让艺术爱好者分辨不出是人还是机器创作的艺术品。CAN与传统的GAN（生成性对抗网络）的不同在于，它在鉴别器中设置了两种标准，一个是“是否是艺术”，另一个是“所生成的艺术属于什么风格类型”，这两种标准被设置成对抗性的，即既要生成属于艺术范畴的图像，又要设置不同于既定风格的图像。这实际上是一种应用了学习偏差（最大限度的偏离既定风格）以及鉴别艺术标准（最小限度的偏离艺术范围）的方法。也就是说，创新是在既定范围内对原有规则的突破和偏离。根据CAN的工作机制，我们可以看到，其所谓的创新性是建立在艺术风格和艺术标准基础之上的，而这正是美学范围。而且，最终对CAN所创作的作品的风格鉴赏和艺术评判，也需要由美学家所作出。因此，人工智能程序的设计也必须有美学家、艺术家参与。而更重要的是，美学家对于CAN创新性和艺术标准的研究和批评，正是人工智能美学的重要研究范围。
最后，我们对人工智能所创作的艺术作品，可以进行审美要素的分析和艺术风格的归类。例如，虽然CAN的作品看起来似乎更加新奇，但是绝非上乘之作，无论是色彩、形状、构图还是笔触，都没有实现审美上的和谐和平衡，因此也就没有能够体现出严格的艺术语言逻辑。
通过以上例子，我们可以看到，人工智能美学并非仅仅是对艺术创作从宏观上进行把握和指导，它还可以深入到具体的程序设计、对智能体的一些具体技术以及创作出的作品进行分析和研究，这使得人工智能美学无论在理论还是应用上都有其价值。
随着技术的发展，人工智能美学研究的对象和范围肯定会一再发生变化，人工智能从符号计算到神经网络再到仿生进化，不同的智能设计理念必然会影响到美学研究；而关于常识推理、混沌逻辑、不确定性逻辑，则会让人工智能可能模拟出人类日常语言甚至是艺术语言。
但是，无论技术如何改变，人工智能美学的基本出发点和关注重点不会变，它始终是以人为本，从人与人造物的关系出发，来研究人工智能对人类思维和行为的模拟，其最终目的是更好地认识人类情感和思维本身，是为了给人类创造更美好的生活。
（作者单位：南开大学哲学院）
来源：中国社会科学报
相关链接：http://www.cssn.cn/zx/201802/t20180212_3848896_1.shtml返回搜狐，查看更多
责任编辑：陶锋：人工智能美学的现状与未来
陶锋
近年来，人工智能的跨学科研究方兴未艾，特别是人文领域如何与人工智能进行跨学科合作，成为热点问题。在西方学者看来，“人工智能就是研究如何制造或者程序化计算机，使得它们能够做那些心灵可以做的事”。根据机器智能化的程度不同，可以将之分为弱人工智能和强人工智能，弱人工智能指的是机器能够智能地行动，而强人工智能则是指机器能真正地思考。因此，人工智能所谓“智能”就是像人一样思维和行动。
人工智能之父麦卡锡认为，人工智能与哲学的关系比科学与哲学的关系要更加密切，这是因为人工智能需要哲学特别是认识论的介入。在麦卡锡之前，已经有学者对该领域进行了不少研究，如塞尔针对图灵问题提出了“中文屋”假说，从生物有机体和意识的必然关联上否定了机器人能够拥有智能。德雷福斯从语境问题的角度批评了人工智能缺乏常识。人工智能哲学家博登还讨论了人工智能的情感和创造性问题。这些学者从比较宏观的角度向人工智能提出了挑战，也为人工智能美学和文艺理论的研究奠定了基础。
模拟人类情感参与美学活动
美学家将审美、想象、感性、创造等能力视作人的思维认识的一部分。首先，从“智能”的定义来看，人工智能就必然和美学相联系，因为所谓智能，除了包括“需求和应用知识、推理和思考的能力”，还包括“通过五种感觉来感知”、“情感体验”等能力。智能就是人类的思维能力，科学家将人类思维分成三种——抽象(逻辑)思维、形象(直感)思维和灵感(顿悟)思维。人工智能如果想要真正成为智能，就不能仅仅模拟人类的抽象思维能力，即推理和逻辑能力，还要模拟人类的情感、感性、创造等与形象、灵感有关的能力，而后者正是美学所研究的对象。
其次，从人工智能在情感、感性方面的应用来看，随着人类与计算机交互关系越来越紧密，人们已经越来越重视人工智能情感的重要性。例如智能系统在与顾客交流时，可以通过顾客的服装打扮、面部表情、肢体动作来分析顾客的情感，如果智能系统也要具有相应的情感传达，就能使得双方交流更加平等顺畅。因此，如何设计情感程序成了如今人工智能的一大难题。
再次，从人工智能在艺术方面的应用来看，人类借助人工智能计算机创作艺术甚至编写智能程序，让智能机器人在一定程度上独立地进行艺术创作，都已经成为了现实。例如美国艺术家科恩设计了艺术创作软件“Aaron”，该软件所创作的绘画已具有自己的风格，甚至被美术馆收藏。天津大学孙济州的“中国水墨画效果的计算机模拟与绘制系统”，用计算机模拟生成了水墨画效果。20世纪80年代，美国音乐教授库柏设计了名为“音乐智能试验”的程序，通过分析和提取音乐大师作品中的旋律特征并加以重组，使得智能体创作的音乐几乎能与大师作品媲美，而最近索尼公司设计的音乐程序则可以创作出酷似披头士乐队的作品。这些人工智能体所完成的艺术品当然也可以成为美学的研究对象。艺术风格、计算机艺术的独特性、人与计算机在艺术活动中的关系(创作者、工具、欣赏者)都属于美学研究范畴。
最后，在人工智能模拟人类的感性和艺术创作的时候，也需要对人类情感和艺术本质进行研究。人工智能在模拟人类的推理和逻辑时，探索出了非经典逻辑、不确定性推理等，针对人类的常识推理机制进行了有益的研究。同理，智能体在模拟人类情感时，也需要对之进行系统的分析。例如情感产生的机制，与人体机能、与环境的关系，与性格和文化的关系，情感如何在艺术中表达和传递等。
综上，我们可以初步得出，人工智能美学这一概念是可以成立的，它有其研究的具体对象和适用范围。人工智能美学研究的是在人工智能技术发展过程中所出现的与美学有关的一些问题，其主要内容包括人工智能对人类感性和艺术的模拟、人工智能艺术的风格与鉴赏、人工智能视野下人类情感和艺术本质问题等，其方法主要是哲学美学的，并需要结合诸多跨学科如脑科学、神经科学、生物进化等理论以及人工智能领域最新进展来进行研究。
深入具体程序认识情感思维
随着时间推移和技术发展，人工智能美学定义的内涵和外延也会发生变化，但是，其基本的两大内容——对人类感性特别是情感表达以及对人类艺术行为的模拟，应该在相当长时间内是人工智能美学研究的对象。而且人工智能美学研究，除了对人工智能艺术和美学进行方向性建议以及总体把握之外，应该更多地参与到具体的案例研究中来，对于人工智能与艺术、情感有关的具体技术环节进行指导和协助。
首先是人工智能的情感问题。目前广受欢迎的智能体小冰、贤二等，能够针对客户进行适度的情感分析，并根据分析结果进行对话。而这种情感分析的基础是“感情计算”，MIT计算机专家皮卡德提出，我们可以利用计算机强大的储存、搜索和运算能力，来计算、分析与情感相关的外在表现，如面部表情、心跳速率、皮肤温度等生理特征。除此之外，感情计算还可以分析艺术家在作品中留下能体现情感的相关痕迹，如色彩、形状、线条、文本等。在分析过程中，需要借助美学家、艺术理论家对艺术品和艺术家的情感分析，这就是美学参与到人工智能研究的实例之一。同样，感情计算也给美学家提供了一种思路，即艺术家创作时的情感也许可以量化研究和分析。
其次，在人工智能创造艺术品时需要讨论创新性和艺术标准问题。如Facebook与美国高校合作开发的绘画程序CAN(创新性对抗网络)，宣称能够创造出新风格的绘画作品，并且能够通过图灵测试，让艺术爱好者分辨不出是人还是机器创作的艺术品。CAN与传统的GAN(生成性对抗网络)的不同在于，它在鉴别器中设置了两种标准，一个是“是否是艺术”，另一个是“所生成的艺术属于什么风格类型”，这两种标准被设置成对抗性的，即既要生成属于艺术范畴的图像，又要设置不同于既定风格的图像。这实际上是一种应用了学习偏差(最大限度的偏离既定风格)以及鉴别艺术标准(最小限度的偏离艺术范围)的方法。也就是说，创新是在既定范围内对原有规则的突破和偏离。根据CAN的工作机制，我们可以看到，其所谓的创新性是建立在艺术风格和艺术标准基础之上的，而这正是美学范围。而且，最终对CAN所创作的作品的风格鉴赏和艺术评判，也需要由美学家所作出。因此，人工智能程序的设计也必须有美学家、艺术家参与。而更重要的是，美学家对于CAN创新性和艺术标准的研究和批评，正是人工智能美学的重要研究范围。
最后，我们对人工智能所创作的艺术作品，可以进行审美要素的分析和艺术风格的归类。例如，虽然CAN的作品看起来似乎更加新奇，但是绝非上乘之作，无论是色彩、形状、构图还是笔触，都没有实现审美上的和谐和平衡，因此也就没有能够体现出严格的艺术语言逻辑。
通过以上例子，我们可以看到，人工智能美学并非仅仅是对艺术创作从宏观上进行把握和指导，它还可以深入到具体的程序设计、对智能体的一些具体技术以及创作出的作品进行分析和研究，这使得人工智能美学无论在理论还是应用上都有其价值。
随着技术的发展，人工智能美学研究的对象和范围肯定会一再发生变化，人工智能从符号计算到神经网络再到仿生进化，不同的智能设计理念必然会影响到美学研究；而关于常识推理、混沌逻辑、不确定性逻辑，则会让人工智能可能模拟出人类日常语言甚至是艺术语言。
但是，无论技术如何改变，人工智能美学的基本出发点和关注重点不会变，它始终是以人为本，从人与人造物的关系出发，来研究人工智能对人类思维和行为的模拟，其最终目的是更好地认识人类情感和思维本身，是为了给人类创造更美好的生活。
(作者单位：南开大学哲学院)
2023年人工智能领域发展七大趋势
2022年人工智能领域发展七大趋势
有望在网络安全和智能驾驶等领域“大显身手”
人工智能已成为人类有史以来最具革命性的技术之一。“人工智能是我们作为人类正在研究的最重要的技术之一。它对人类文明的影响将比火或电更深刻”。2020年1月，谷歌公司首席执行官桑达尔·皮查伊在瑞士达沃斯世界经济论坛上接受采访时如是说。
美国《福布斯》网站在近日的报道中指出，尽管目前很难想象机器自主决策所产生的影响，但可以肯定的是，当时光的车轮到达2022年时，人工智能领域新的突破和发展将继续拓宽我们的想象边界，其将在7大领域“大显身手”。
增强人类的劳动技能
人们一直担心机器或机器人将取代人工，甚至可能使某些工种变得多余。但人们也将越来越多地发现，人类可借助机器来提升自身技能。
比如，营销部门已习惯使用工具来帮助确定哪些潜在客户更值得关注；在工程领域，人工智能工具通过提供维护预测，让人们提前知道机器何时需要维修；法律等知识型行业将越来越多地使用人工智能工具，帮助人们对不断增长的可用数据中进行分类，以找到完成特定任务所需的信息。
总而言之，在几乎每个职业领域，各种智能工具和服务正在涌现，以帮助人们更有效地完成工作。2022年人工智能与人们日常生活的联系将会变得更加紧密。
更大更好的语言建模
语言建模允许机器以人类理解的语言与人类互动，甚至可将人类自然语言转化为可运行的程序及计算机代码。
2020年中，人工智能公司OpenAI发布了第三代语言预测模型GPT—3，这是科学家们迄今创建的最先进也是最大的语言模型，由大约1750亿个“参数”组成，这些“参数”是机器用来处理语言的变量和数据点。
众所周知，OpenAI正在开发一个更强大的继任者GPT—4。尽管细节尚未得到证实，但一些人估计，它可能包含多达100万亿个参数（与人脑的突触一样多）。从理论上讲，它离创造语言以及进行人类无法区分的对话更近了一大步。而且，它在创建计算机代码方面也会变得更好。
网络安全领域的人工智能
今年1月，世界经济论坛发布《2021年全球风险格局报告》，认为网络安全风险是全世界今后将面临的一项重大风险。
随着机器越来越多地占据人们的生活，黑客和网络犯罪不可避免地成为一个更大的问题，这正是人工智能可“大展拳脚”的地方。
人工智能正在改变网络安全的游戏规则。通过分析网络流量、识别恶意应用，智能算法将在保护人类免受网络安全威胁方面发挥越来越大的作用。2022年，人工智能的最重要应用可能会出现在这一领域。人工智能或能通过从数百万份研究报告、博客和新闻报道中分析整理出威胁情报，即时洞察信息，从而大幅加快响应速度。
人工智能与元宇宙
元宇宙是一个虚拟世界，就像互联网一样，重点在于实现沉浸式体验，自从马克·扎克伯格将脸书改名为“Meta”（元宇宙的英文前缀）以来，元宇宙话题更为火热。
人工智能无疑将是元宇宙的关键。人工智能将有助于创造在线环境，让人们在元宇宙中体会宾至如归的感觉，培养他们的创作冲动。人们或许很快就会习惯与人工智能生物共享元宇宙环境，比如想要放松时，就可与人工智能打网球或玩国际象棋游戏。
低代码和无代码人工智能
2020年，低代码/无代码人工智能工具异军突起并风靡全球，从构建应用程序到面向企业的垂直人工智能解决方案等应用不一而足。这股新鲜势力有望在2022年持续发力。数据显示，低代码/无代码工具将成为科技巨头们的下一个战斗前线，这是一个总值达132亿美元的市场，预计到2025年其总值将进一步提升至455亿美元。
美国亚马逊公司2020年6月发布的Honeycode平台就是最好的证明，该平台是一种类似于电子表格界面的无代码开发环境，被称为产品经理们的“福音”。
自动驾驶交通工具
数据显示，每年有130万人死于交通事故，其中90%是人为失误造成的。人工智能将成为自动驾驶汽车、船舶和飞机的“大脑”，正在改变这些行业。
特斯拉公司表示，到2022年，其生产的汽车将拥有完全的自动驾驶能力。谷歌、苹果、通用和福特等公司也有可能在2022年宣布在自动驾驶领域的重大飞跃。
此外，由非营利的海洋研究组织ProMare及IBM共同打造的“五月花”号自动驾驶船舶（MAS）已于2020年正式起航。IBM表示，人工智能船长让MAS具备侦测、思考与决策的能力，能够扫描地平线以发觉潜在危险，并根据各种即时数据来变更路线。2022年，自动驾驶船舶技术也将更上一层楼。
创造性人工智能
在GPT—4谷歌“大脑”等新模型的加持下，人们可以期待人工智能提供更加精致、看似“自然”的创意输出。谷歌“大脑”是GoogleX实验室的一个主要研究项目，是谷歌在人工智能领域开发出的一款模拟人脑具备自我学习功能的软件。
2022年，这些创意性输出通常不是为了展示人工智能的潜力，而是为了应用于日常创作任务，如为文章和时事通讯撰写标题、设计徽标和信息图表等。创造力通常被视为一种非常人性化的技能，但人们将越来越多地看到这些能力出现在机器上。（记者刘霞）
【纠错】【责任编辑:吴咏玲】人工智能美学视域中的审美理性
关键词：人工智能审美近年来，随着智能技术的高速发展，人工智能在文学、绘画、设计、音乐等领域的表现令人惊叹，人们不禁要问，人工智能是否已经能够拥有创意和情感？人工智能是否会代替艺术家？人工智能艺术是否意味着科技与艺术能够彻底融合了？人工智能时代，技术与艺术的关系是什么？我们又应该如何引导人工智能技术的发展呢？
想要从美学和哲学层面回答这些问题，我们需要从“审美理性”这一核心概念入手，因为这一概念涉及了人类理性与感性、科技与艺术的关系等问题。人类技术与艺术的发展是理性发展的体现，从启蒙理性到工具理性，再到对理性的批判，理性也在经历一个否定之否定的过程，如何救赎理性，也是现代哲学家们一直在思考的问题。人工智能的出现，可能会加剧工具理性的发展，使其发展至高级阶段——即“设计理性”阶段，在这种情况下，重思技术与人文（特别是艺术）的关系，就显得尤为必要。
人工智能艺术是人类的科技与艺术、理性与感性互相融合的有益尝试。不过，人工智能艺术仍然无法完全取代人类艺术，因为人类艺术不仅仅涉及美的形式和规律问题，还有艺术中不可被形式化、算法化的非理性部分，而正是艺术中的理性与非理性的辩证结合，使得艺术能够起到救赎人类同一化思维和工具合理性的作用。我们在大力发展人工智能技术的同时，也需要通过审美理性来引导技术的发展。
一、审美理性的内涵与发展
从古希腊开始，感性和理性就已经被区分开来。在柏拉图的二分世界模式中，与艺术有关的感性、想象和与科学、哲学有关的理智被分开，前者被视为低级的、虚假的，感性的可见世界是没有真正的知识的。柏拉图将艺术和美与无法解释的灵感、天才联系起来，他将人类得到艺术灵感的过程描述为一种神秘状态：一种被神所吸引和引导的状态。鲍姆嘉通将“美学”（Aesthetics）视作一种研究次级的、混乱的感性的学科。康德将理论理性分为感性、知性和（狭义的）理性，他认为美的判断不能从概念和规则中推出，美的艺术没有规则，只能依靠一种自然的禀赋而非科学的规则，即“天才”（天赋的才能）为其提供规则。席勒则认为科学细分与社会分工造成了人类的感性（直觉知性）和理性（思辨知性）的对立，人被撕裂了。在《启蒙辩证法》中，法兰克福学派代表人物霍克海默和阿多诺认为感性和理性、科技与艺术的分离导致了理性的工具化，人和自然成了奴役的对象和工具。随着机器化大生产和智能科技的发展，工具理性发展成了其高级阶段——“设计理性”。一切都是可以被设计的，智能可以被人工智能所模仿，生命可以被基因编辑、克隆技术所设计，人工智能专家司马贺（H.Simon）说，我们生活的世界已经成了“人工世界”（artificialworld)，因此，在很大程度上，“正确地研究人类就是研究设计科学”。看似人类掌控了一切，实际上人类在大工业中会沦为更为精巧设计的工具，自然的合目的性被技术的合目的性所取代，理性也走向了极端的技术合理性。
如何弥合感性与理性、科技与艺术、诗歌与逻辑，成了一些思想家思考的重要问题。一种审美理性的传统，早已伏脉于古希腊悲剧之中。尼采提到了“诗歌理性”（PoeticReason,[德]DichtendeVernunft)，这种诗性的生命冲动，是对传统理性的批判。在康德那里，审美判断和崇高判断连接了认识和道德、知性和理性。席勒寄希望于一种艺术的游戏冲动，来弥合感性和理性的分裂状态。阿多诺则在其遗著《美学理论》中首次提出了“审美合理性”（AestheticRationality，[德]ÄsthetischeRationalität）概念。阿多诺非常重视艺术中的形式和理性部分，他认为艺术是理性和非理性、同一性和对抗性的辩证综合，“艺术是这样一种理性——它批判理性但是没有放弃理性”。他认为，一方面，审美理性追求确定性，“审美合理性要求每种艺术手段都必须尽可能地确定其自身及其功能”，另一方面，理性本身也需要审美化，吸收艺术中的摹仿-表达要素，来纠偏传统的工具理性。阿多诺希望通过“审美合理性”来实现感性和理性、科技与艺术的重新弥合。
阿多诺之后的一些坚持“审美理性”（AestheticReason）观点的学者，继承了阿多诺的审美理性化和审美救赎责任这两个核心维度，如阿兰·辛格提出要“重新审视现代美学理论的认知主义根源”，审美活动不应该是一种逃避，而是“一种有意义的社会事业”。伯恩斯坦认为审美理性是“艺术作品中所表达的一种推理”，艺术品是对科学知识和道德经验所提出问题的回答。
审美理性化就是试图去探讨与美有关的各范畴——如美、鉴赏、想象力、创造性等——的形式规律。而审美救赎则体现在对理性的救赎之上，阿多诺的策略是通过将工具合理性与审美合理性统一起来，也就是让理性审美化，来最终实现对理性以及整个人类的批判和救赎。这两个维度，在人工智能艺术和美学研究中具有重要意义。人工智能艺术的出现，让人们不得不重新审视艺术，用理性来阐释原本属于感性领域的想象力、创造性、情感似乎有了可能。同时，我们也要认清人工智能艺术与人类艺术的区别，重视审美理性中的个体性、模仿性、表达性等要素，并且用审美理性来引导人工智能技术，为人工智能伦理和治理提供美学思想基础。下面，就从这两重维度来谈一谈人工智能艺术与审美理性的关系。
二、美的理性化：人工智能艺术与美学研究
审美理性首先在于美的规律性——美是否可以被计算、被算法化？人们是否可以找到艺术的规律并将之表征出来？与一些将艺术和美神秘化的倾向不同，也有不少哲学家试图用计算、实验和科技方法来揭开美的秘密。毕达哥拉斯学派早就将数学与美联系起来。实验美学创立者费希纳则提倡一种从下而上的方法——实验法去归纳总结出美的特征规律。格式塔心理学代表阿恩海姆试图从心理中的力与平衡来阐释美感。而后的新实验美学倡导者贝里尼（D.Berlyne）所提出的唤醒理论（arousaltheory）已经被专家运用于人工智能艺术中。以泽基（S.Zeki）等人为代表的神经美学学者则将神经认知科学与艺术联系起来，将人的神经系统视作审美现象和艺术问题的生物基础。随着现代技术特别是信息论和人工智能技术的发展，用信息计算和算法来分析艺术和审美问题成了新的研究方向。20世纪60年代，信息美学由本泽（M.Bense）和莫勒斯（A.Moles）分别提出，他们将香农的统计信息概念作为美学测量的数学基础。信息美学认为，首先，审美状态是由物质载体决定的，“信息美学是客体的美学”；其次，艺术和审美活动中有一种特殊的信息——“审美信息”，这种信息超出了物质载体，但是仍然可以量度和计算；最后，观察者可以是人以外的事物或者机器、算法。虽然信息美学仍有诸多问题未能解决，如信息本身是什么、艺术与非艺术活动中的信息有何区别，但是它对艺术、审美的可计算性、可度量性进行了尝试，这为人工智能美学奠定了基础。除了哲学家试图结合技术探寻美的规律之外，技术家们也从技术思维的角度去研究艺术和美。如著名计算机学者司马贺从技术和人工物（Artificialthings）的角度，将工程和设计统一起来。而人工智能之父明斯基（M.Minsky）则认为人类的情感、意图、心智等可以分解成智能体，“那些关于艺术、性格特征和生活方式的问题实际上也是非常偏技术型的问题。它们要求我们解释的是在我们的思维中，那些思维智能体之间发生了什么。”技术家们重视的是结果和实现结果的方法。在一定程度上，技术思维重数量分析、重行为和结果的倾向可以弥补传统哲学研究方法的不足。随着人工智能深度学习和大数据技术的出现，人工智能程序可以在输入和学习大量人类艺术样本之后，生成类似的艺术产品。我们虽不知道人工智能是如何掌握这些艺术品的规律的，只能暂且将其内部生成机制视作“黑箱”，但是这种半独立于人的艺术生成活动说明，艺术和美的一些规律在某种程度上可以被算法化和程序化了。
正是基于美学在分析化、计算化道路上的发展，以及各类人工智能艺术品的出现，使得人工智能美学研究成为了可能。人工智能美学试图研究人工智能艺术和情感的生成机制，对人工智能艺术品进行鉴赏和美学分析，并且在人工智能艺术参照下，探究人类艺术的本质特征。
人工智能是人类理性和技术高度发展的产物。人工智能之父明斯基在回答“什么是人工智能”时这样说，“它是一种制造智能机器的科学与工程”，而“智能是那种世界上实现目标的能力的计算部分”。这种对智能的理解与韦伯所设想目的合理性（Zweckrationalität)是一致的，我们不可否认其在技术和实践意义上具有重要意义，但是如果将这种计算和目的性无限放大，如果机械化成为一种普遍的思维模式，理性就会成为“工具理性”，最终导致人的物化和异化、导致人对自然的奴役。在这种情况下，人工智能的哲学和美学研究就有其意义和价值，不仅仅需要探寻美的规律性，同时也要防止理性被进一步的工具化，这就需要审美理性的救赎和引导了。
人工智能美学的研究范式相比较起传统的美学范式，有了一些重要的转变。首先，人工智能美学的研究方法是从上而下的理性主义与从下而上的经验主义的结合。一方面，人工智能美学需要借用传统的概念推演和分析，如审美理性概念的演化发展等；另一方面，人工智能美学还需要从具体的技术和作品出发对人工智能艺术机制和艺术品进行分析，可以借鉴实验美学、信息美学的方法，进行统计和定量分析。传统美学重视范畴自身的发展和演变，容易导致理念与实际经验的分离，使得审美理论滞后或者独立于艺术发展。对于人工智能美学来说，一些传统审美范畴的内涵发生了转变，如“模仿”。人工智能的模仿并非人类的主动模仿，也不是完全被动的复制，而是基于神经网络基础的深度学习模式，因此，它具有一定的主动性。机器可以无监督地模仿和学习，又不能完全离开人类工作——需要输入已经做好标签分类的人类艺术品数据。另外诸如创新性、情感等范畴，在人工智能美学视域中都必须再加以审视。人工智能哲学和美学同样还需要吸收一些来自科技领域的新范畴，如“信息”“数据”等，它们具有重要的认识论甚至本体论意义。
其次，人工智能美学更加重视跨学科思维研究。传统哲学如康德、胡塞尔的哲学要尽力避免经验性科学如心理学的影响，因此，哲学逐渐走向了纯思辨的形而上学。而人工智能美学本身就是跨学科研究，其中涉及了计算机、人工智能、神经科学、生物学、艺术以及哲学等学科。从人类思维来说，既有技术思维、也有哲学和艺术思维。既有数据的计算、也有范畴的推演和形象的联系。我们要重视人工智能本身的特点对思维的影响，如计算性、算法化、大数据化这三大特点。根据计算机专家的说法，计算思维包括“0和1思维”“程序的思维”“递归的思维”三种思维形式，这三种思维的本质都是“抽象和自动化”。算法的目的是“描述一个特定的计算过程来实现该输入/输出关系”，因此，算法化重视的是结果和行为。大数据思维则重相关性而非因果性、重规模而非精确性、重预测而非机制。我们可以看到，技术思维对结果、目的、表征非常重视，但同时，技术思维也缺少历史—社会维度，缺乏人文反思和批判性，而这些是现当代哲学思维中非常重视的维度。技术思维和哲学思维所体现的理性还需要艺术思维中的审美理性来纠偏和协调，正如阿多诺所说的“没有一个合理性是完全理性的，没有一个合理性毫无保留地造福于人类”，艺术思维中的想象、联想、象征、寓言、蒙太奇等思维方式，对个体、独特性、创新性的重视，以及对理性和非理性的辩证处理方式，都是对技术思维和哲学思维的有益补充。人工智能时代对审美理性的重视，实际上就是对技术、哲学和艺术三种思维方式如何协调的重视。
再次，人工智能美学研究尝试跳出“人类中心主义”框架。一些人工智能独具的特点，使得传统的哲学美学框架无法进行分析。例如，在人工智能美学中艺术的生成主体可以不再是人的，这就需要我们跳出人类中心主义的框架，从人、人机关系、非人等几个层面来看。当前技术下的人工智能体是否能成为主体，现在学届还多有争论，有学者认为人工智能可以成为部分责任主体，笔者认为人工智能可以成为“代理式主体”（Agent)。不可否认的是，人工智能的出现，已经给人们树立了一个参照物——人并非是世界唯一的智能体了，人“能够第一次完整地把自己客体化”，人们需要重新审视人与技术、自然的关系。阿多诺提出审美理性的初衷，就是批判人与理性、自然的关系，“审美合理性想要弥补自然主导理性所造成的损害”。审美合理性中的模仿以及非暴力的综合等特征，是为了让主客体能够实现平等。
由此，我们看到，人工智能艺术和美学的发展是建立在审美规律化、理性化的基础之上的。一些看似神秘的艺术法则和形式，已经能够被智能系统所把握，这为我们进一步理性分析艺术奠定了基础。但是，人工智能美学并非是要简单地将艺术和美学变成算法和数学公式，该研究更重要的内容是考察人工智能时代，理性如何发展，人们如何用理性来引导技术发展、妥善处理艺术和技术的关系。
三、理性之美：人工智能技术的限制与引导
（一）技术与艺术的统一：人工智能艺术
人工智能美学能成立的现实基础在于有大量的人工智能艺术品可供分析。人工智能艺术可以分为三个层面。首先是人工智能艺术生成，如我国研发微软小冰和九歌程序写诗，“Universal”程序写剧本，GoogleDeepDream,CAN系统绘画，清华道子程序做设计等。在这一层面，人工智能在一定程度上成了艺术创作的代理式主体，能够独立和半独立地生成艺术品了。也就是说，人工智能模仿的不仅仅是艺术品本身，而是人类独有的创造性和想象力，“人工智能创造的过程，须对应人类某种富有创造力的行为”。然而，人工智能生成的艺术，从根本上而言，并不属于阿多诺意义上的真艺术（[德]AuthentischeKunst），因为其本质上缺乏摹仿-表达要素和历史-社会维度，由于它本身具有的复制性，可以将之归为文化工业产品之类。
其次，人工智能本身就是一种技术与艺术结合的作品。这是因为，首先从广义的艺术品来看，任何人类的作品都可以被称作艺术品（artworks），人工智能（ArtificialIntelligence）中的“人工”也与技艺有关。其次，人工智能作为一种极富创造性的人工物，是人类想象力和科技结合的产物，一定程度已经超出了工具和机器的层次。早在古希腊神话中，就有了青铜战士“塔罗斯”，中国《列子·汤问》也记载了“偃师造人”的传说，后来的科幻小说和影视中，也多次出现机器人和人工智能的艺术形象。这说明，创造一种有智能的、自动化机器或程序，一直是人类的最高理想之一。但是人工智能作为广义的艺术品，显然不属于自由艺术的范畴，因为它并非是无目的的审美艺术品，而是有着极强应用性的作品，毋宁说是一种“应用艺术”（appliedarts），其应用目的是代替人进行一些脑力劳动。随着技术的发展，整个社会不断被设计化、人工化，“艺术作品不可避免地将它们与目的形式结合在一起，与它们的无目的性相矛盾。”艺术与技术融合的趋势在人工智能技术上体现得淋漓尽致。
第三个层面更为宏观，现在的人工智能系统，由于其强大的数据处理和学习能力，已经越来越多地被运用于城市管理系统中。在2021年的“世界智能大会”上，中国企业如联想、华为等公司，在人脸识别、实时监控、交通调度、预测管理等方面广泛运用人工智能技术。这种人工智能“智慧城市”可以被视作是更大型的艺术作品，是人类生活的艺术品。马尔库塞曾提到“社会作为一种艺术品”，他批判这种资本主义高度发展下的总体性现象，“艺术作为现实的形式：不可能避开这种观念引发的可怕联想，如大型美化项目、艺术合作办公室、美学工厂、工业园区。这些联系属于压抑的实践”。而基于人工智能的智慧城市，则不仅仅是从表面上美化城市，而是试图给市民提供一种更为方便的、更宜居的智慧空间，从本雅明、芒福德的城市美学的角度来看，这种城市空间本身就是一种大型艺术品。
我们分析了人工智能艺术的三种形态，从艺术角度来看，目前的人工智能艺术并未实现艺术自律性，也就是说，人工智能在艺术上的发展，其根本目的不是艺术自身，而更多的是提升人工智能技术。例如人工智能写作，是为了提升人工智能自然语言处理、情感计算和认知技术，例如谷歌为了提高其APP的互动性，让AI阅读了2865本言情小说，以使其更好地理解人类语言，这可以提高搜索应用技术以及向用户提供反馈，还可以改善邮箱的“智能回复”功能，使它们更加自然和多样化。小冰写诗是为了提升情感计算能力、人工智能绘画技术的目的则是提升人工智能视觉识别技术等。
但是，从积极意义来说，人工智能艺术是技术与艺术、理性与感性的结合，成了审美理性的现实反映。人工智能时代的技术与工业时代的技术相比，有了极大的变化，有些学者认为这是人类的“第四次革命”，如果说传统的机器是人类体力的延伸物和替代物，那么人工智能、大数据、信息化等技术就是人类脑力的延伸了。技术上所体现的想象力和创造力丝毫不弱于艺术，或者我们可以说，技术与艺术结合得愈发紧密了。技术与艺术的根本区分在于，技术是有目的的，为目的服务的，从而缺乏其自律性和自由价值。而艺术（特别是自由艺术），根据康德的说法，是一种无目的的合目的性，因此与自律和自由联系起来。技术思维如果运用于理性，则会使得理性工具化，而想要理性趋向于自由，则需要学习和借鉴艺术思维。完全的服从目的和完全的无目的性都是非理性的，完全目的化的技术可能成为统治他人和统治自然的工具，完全自由的艺术则可能超出道德的边界或者成为无病呻吟。阿多诺提出审美合理性，并不是为了否认工具合理性与理性本身，而是试图运用艺术理性中的平等、和谐特征去救赎工具合理性、救赎人类被同一化的思维以及人类本身。
在阿多诺所处的时代，技术与艺术的结合就已经形成一种趋势，他的朋友本雅明在《技术可复制时代的艺术品》一文中就讨论了技术给艺术带来的自由潜力。阿多诺则认为本雅明对艺术的技术化过于乐观了，“你低估了自律艺术的技术性，同时高估了依附性艺术”。阿多诺重视的是艺术本身对技术的吸纳，而反对技术对艺术的控制，这也是为什么他区分了真艺术与文化工业产品。但是，由于阿多诺过度坚持艺术自身的技术化过程，艺术创造和欣赏成了一种高难度的技术活，真艺术越来越难被大众所理解，相反是文化工业，摇身一变成了文化产业，深入寻常百姓家了，依靠真艺术来改变人类认识和思维成了空谈。
人工智能艺术成了艺术与技术结合的另一种模式，我们可以称之为“人工智能模拟时代的艺术品”——人工智能在模仿人类进行艺术生成。技术与艺术的结合，并不是谁对谁的吸收与控制，而是两者的互相融合。司马贺认为工程师和音乐家一样，都在从事“创造性”活动。人工智能设计师也像艺术家一样，需要创造力、想象力，在人工智能艺术活动中，需要艺术家和技术人员的合作，例如笔者曾经参与清华“道子”系统生成绘画的测评活动。但是我们也可以看到，技术的发展具有一定的盲目性，如果不加以引导，很可能会异化和控制人类。所以，我们需要引导技术的发展，技术要在一定程度上吸收艺术的无目的性，可以用艺术理性来引导其发展，实现“技术向善”；而艺术，也需要关切日常生活和人类发展，这样才能更好地去引导技术。
（二）理性的限度与和谐：限制和引导人工智能的发展
理性在康德那里具有自律性、有限性。“每一个理性存在者都应当决不把自己和其他一切理性存在者仅仅当作手段，而是在任何时候都同时当作目的自身来对待。”康德将广义的理性分为理论理性与实践理性，前者负责自然界，后者负责道德，而且他需要“限制理性”，如果理性超出其运用的领域，就会产生悖谬。韦伯从理性（Reason[德]Vernunft）概念中发展出社会学意义上的合理性（Rationality[德]Rationalität”）的概念，并将之分为了目的合理性、价值合理性等。卢卡奇指出，资产阶级社会将目的合理性无限制发展到了各个方面，造成了异化现象，一切关系成了物化关系，合理性变成了“根据计算、即可计算性来加以调节的合理化原则”。人和其他理性存在者不再像康德所设想的是目的，而成了工具，成了被控制和奴役的对象。霍克海默说，“理性放弃了自律，已成为一种工具。在主观理性的形式主义方面，实证主义强调其与客观内容的无关性；在工具性方面，实用主义强调其对他律内容的屈服。”
理性这种越界的使用，带来的是主体对客体的彻底吞噬，人类的认识和思维成了同一性思维，阿多诺提出了“否定辩证法”，试图通过否定性、客体优先性和非同一性来打破这种思维模式，而具体的手段就是提倡“审美合理性”“艺术合理性”和“摹仿合理性”，运用理性与非理性、自律与他律的辩证法来限制理性的过度发展。阿多诺对艺术的重视，在如今这个图像和传媒日益发达的时代，也有非常重要的意义。马尔库塞看到了资本主义技术理性对人类本性的压抑，所以提出了“新感性”（newsensibility）的主张，希望通过艺术来反抗压抑。实际上这种新感性本身就是一种“新理性”（newrationality），是一种感性与非压抑、非破坏性理性的统一。
哈贝马斯则认为，霍克海默、阿多诺等人过于夸大了工具合理性的普遍性以及否认了工具合理性的作用，他试图通过交往互动以及语言的交流来重建理性，并提出了“交往合理性”的概念。与阿多诺重视艺术的合理性不同，哈贝马斯看到了技术中的合理性，他已经看到了自动机器发展所带来的人与技术的关系变革。“电动的计算工具，改进的不是发动机的活动和运作或者说不是器官的活动和运作，而是智能。”哈贝马斯认为，技术手段和目的合理性的发展是在“既定社会的制度框架中的”，因此，要将技术合理性的发展限制在制度框架中，并且在制度层面上增强对话和交流，从而实现统治的理性化。哈贝马斯对技术合理性的重新肯定，一定程度上弥补了阿多诺审美理性的不足。交往理性不仅仅是语言的交往，更是文化和艺术的交往，技术的发展，能够有效地促进文化技术的交往。
审美理性强调的是理性与非理性的辩证结合，这种辩证结合是对理性自身的限制，艺术中的非理性、不确定性部分的价值正体现于此。因此，我们可以看到，人工智能艺术无论如何发展，都无法取代人类艺术，就是因为艺术中的这种理性与非理性的交织存在。人工智能技术只能实现确定性的目标，因此，人工智能艺术也只能追随和模仿人类艺术。审美理性中理性与非理性的辩证关系还意味着，两者不仅会互相转化，还会互相限制，因此，审美理性要求，对理性进行一定的限制和引导。经济学上有个概念叫作“有限理性”（BoundedRationality），指的是人必定是理性和非理性的综合体。有限性也是审美理性的应有之意，不论是人还是艺术，都是理性和非理性的辩证体。我们有必要对理性、对技术进行适当的引导和限制。在人工智能可能取代人类大部分工作，发展出超级智能之前，我们应该考虑如何去发展、引导并限制这些技术。人工智能专家库兹韦尔提出我们应该“细粒度放弃”某些会对人类带来不可逆的、巨大危险的技术。沃尔什等人提出倡议书来禁止发展人工智能武器。
笔者认为，人工智能技术应该优先应用于人们的物质和精神生活的提升，例如人工智能艺术。一如本雅明所说的机械复制时代的摄影术，人工智能艺术也可以为大众带来更多廉价、丰富的艺术品，“人工智能模拟时代的艺术品”同样具有一定的解放性，将艺术从过度神秘化中解放出来。更为重要的是，我们可以在人工智能艺术中，重视艺术家本人的作用，重视人与机器的关系，促使人们去思考人类艺术的本质，更加珍惜那些无法被算法化、形式化的要素：如个体性、否定性等，而这些要素才是使人之为人的非同一性力量。如艺术家依力克（DraganIlic）在他的RoboAction(s)A1K1行为和装置艺术中，他将自己绑在运转的机械臂上绘画，表现了人如何在机器的操控下进行艺术创作，这种人工智能艺术仍然是能够体现人类艺术的反思精神的，并非只是文化工业产品。
阿多诺之所以认为审美合理性可以纠偏工具合理性，还因为审美理性中有着摹仿要素。同一性是主体对客体的同一和压制，因此，要改变同一性，首先应该改变这种主客体的不平等状态。艺术的摹仿是主体对客体的摹仿，主体与客体在艺术活动中是平等的，人们应该从艺术中学习这种摹仿要素。
在现代技术与人的关系上，却缺少这种摹仿要素和平等性质。马克思早就指出了，机器对人的异化，人成了机器的一部分。海德格尔认为现代技术促使人将一切在场者当作技术的持存物，机器催逼自然与人类，机器生产与统治相关。机器本来是人的工具，结果反过来成了人的控制者。人工智能和自动化技术可能会加剧这种控制，因为人工智能不仅仅是一种被动生产，还可以控制生产的过程。哈贝马斯描述了自动化技术下的人机关系，“在这个阶段上，人和机器的关系看来是倒置的。人机系统的领导转交给了机器，人放弃了监督使用技术手段的角色”。工具合理性发展成了机器合理性甚至是设计合理性，人机关系的控制性加深了。在这种情况下，需要重新思考人机关系，引入艺术中的平等和解方式成了一种可能的解决手段。
因此，人工智能的美学思考对人工智能的技术治理能起到重要作用。2019年，欧盟出台了《可信赖的人工智能伦理准则》（EthicsGuidelinesforTrustworthyAI）。我国科技部则发布了《新一代人工智能治理原则——发展负责任的人工智能》，笔者作为参与者，根据中国传统的“天人和谐”思想，提出了“人机和谐”的观点并被采纳。现阶段的人机关系，一方面需要人对机器的绝对控制，以保证安全。另一方面也要考虑到人与自然、人与技术的和谐发展。而在未来，人工智能真正有了智能，真的拥有主体性，我们应该怎么去对待它。正如康德所说的，人和其他的“理性存在者”都应该是目的而非手段，那么我们也应该和谐平等地看待人工智能。这种人与机器的平等协作，实际上是人类自身理性的和谐。而这种和谐、平等的观念，是无法从工具理性中获得的，艺术和审美活动中则包含了平等、自由的要素，审美理性为这种和解提供了可能。这也与儒家所倡的“乐者为同”旨趣相近。
人工智能艺术是技术与艺术的结合，人工智能技术应该更多地应用于改善、提升人们的生活，人工智能应该定位于辅助人们的智能工具，而不应成为一种会取代、控制和异化人类的自动机器。
人工智能美学的任务不是为了简单地肯定人工智能艺术，实际上，目前的人工智能艺术只是人类艺术的模拟，谈不上创新和想象，人工智能也没有成为真正意义上的创作主体。我们也应该看到，智能科技应用于文化工业领域如智能推荐、观众定位等，正在逐渐改变人们的审美习惯甚至是认知方式。而且，我们也要警惕，人工智能在逐渐代替人进行脑力劳动时，人类的创造性、想象力和鉴赏力可能会慢慢萎缩消退，人们的情感和伦理会被人工物所中介，人与人、人与自然会被隔绝开来。人工智能与虚拟人技术，会导致人类信任体系出现崩塌的危险。因此，人工智能美学除了挖掘人工智能艺术中的积极因素之外，更需要提醒我们珍视人类艺术。人类艺术作为理性和非理性的辩证结合，它无法被人工智能完全模拟并代替，而这也是审美理性的重要特质。
人工智能美学试图综合比较技术、艺术和哲学三种思维模式。审美理性是人工智能美学中的核心概念，之所以重视审美理性，是因为其对和谐、平等、救赎的提倡。在人工智能技术高速发展的时代，重新思考人与机器、技术的关系显得愈发重要。人工智能会威胁还是造福于人类，这完全取决于人类如何发展和引导人工智能技术，这也是人工智能美学思考的核心问题。
人工智能的历史、现状和未来
2018年2月25日，在平昌冬奥会闭幕式“北京8分钟”表演中，由沈阳新松机器人自动化股份有限公司研发的智能移动机器人与轮滑演员进行表演。新华社记者李钢/摄
2018年5月3日，中国科学院发布国内首款云端人工智能芯片，理论峰值速度达每秒128万亿次定点运算，达到世界先进水平。新华社记者金立旺/摄
2017年10月，在沙特阿拉伯首都利雅得举行的“未来投资倡议”大会上，机器人索菲亚被授予沙特公民身份，她也因此成为全球首个获得公民身份的机器人。图为2018年7月10日，在香港会展中心，机器人索菲亚亮相主舞台。ISAACLAWRENCE/视觉中国
2018年11月22日，在“伟大的变革——庆祝改革开放40周年大型展览”上，第三代国产骨科手术机器人“天玑”正在模拟做手术，它是国际上首个适应症覆盖脊柱全节段和骨盆髋臼手术的骨科机器人，性能指标达到国际领先水平。麦田/视觉中国
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士