人工智能与人类社会 | 人工智能通用化须在类群中亲历
作者简介： 王天恩博士，上海大学伟长学者，哲学系教授。主要研究领域：在描述论、规定论、因果性和量子理论哲学问题及悖论等哲学基础理论探索的基础上，进行信息、信息文明、大数据和人工智能的哲学和科学一体化研究，并与哲学基础理论研究构成双向循环。
摘要：生物进化的研究表明，非群体系统不能进化，越是高层次的进化，越是一个类群过程。所谓“类群”就是同类个体构成的群体，这是比“社会”更为基础的概念。进化之所以必须在一个类群中才能进行，就因为基因叠加产生具有进化意义的基因改变或新基因，必须在同类个体构成的群体中才可能出现。作为一个特殊的内外部关系发展过程，人工智能的通用化意味着智能个体在类群中的亲历。类群亲历即个体在同类智能体构成的群体中的亲身经历；类群亲历性就是智能个体在相应类群亲历中成长的特性。正是通用智能进化的类群亲历性，意味着通用机器智能和人类具有共同的本性。通用智能个体必须在相应智能类群亲历中成长的类群亲历性，为人类和人工智能关系的理解提供了新的理论基础。
关键词：人工智能；人类智能；专用智能；通用智能；类群亲历性；智能进化
正如“人体解剖对于猴体解剖是一把钥匙”，[1] 人类智能研究将为理解人工智能进化提供一把“钥匙”。从信息层次看，这把“钥匙”也不仅涉及人类大脑的物能结构，更涉及其信息机制。而其中最容易被忽略的，则是似乎远离思维和机器原理的社会性。在人的社会性层次做整体观照，就能在更深层次看到通用智能进化的类群亲历性。正是通用智能进化的类群亲历性，可以为人类和人工智能的共同基础甚至同类关系理解提供更深层次根据。
一、通用智能进化的类群条件和个体亲历
人工智能的发展，目前仍然处在专用智能的水平。专用人工智能就是高级的自动化，可以人为设计和制造，并且可以像普通的机器那样在车间流水线上成批直接生产出来。与此完全不同，通用智能不是像工业产品那样制造出来的，而是必须在技术进化的基础上自主进化而成。而生物进化特别是其智能进化表明，进化是一种群体行为，而类人智能则具有社会性。因此，对于通用智能来说，一个首要也是最基本的问题就是进化与智能类群的内在关联。
关于进化，凯文·凯利（Kevin Kelly）有一个观点至关重要：“（在生物学意义上）非群体系统不能进化。”[2]越是高层次的进化，越必须是一个类群过程，其基本根据之一是：“动物行为的进化的确是一个学习的过程，但是这种进化是整个物种群体的学习，而不是个体的学习。”[3]如果非群体系统即使在生物学意义上进化都不可能，那这更是涉及智能进化的一条铁律，至少是对通用智能而言，进化只有在一个类群中才可能进行。
所谓“类群”，就是由同类个体构成的群体，这一概念在智能发展中得以空前凸显。常说“物以类聚，人以群分”，在智能化时代，一方面不同类个体构成的群体分化越来越明显，另一方面大数据基础上的相应智能算法处理以越来越细分的类群为对象。由于个体的发展层次越高，类群性越明显，因而其应用的典型场域是智能领域。由于智能体分类最为典型，“类群”甚至可以看作“自然类”基础上更高层次的智能分类。自然类具有层次性，抽象分类正是其层次分类的逻辑反映。智能类群中的“类群”则是在自然类的基础上，专指自然类中的智能类。由于只有智能类才具有更明显、更重要的类群性质，因此，可以简单以“类群”指称。
类群是群体类特性发展到更高层次的产物，也是群体类特性高度分化的结果。越是发展处于低层次的生物群体，越具有同质性，类群分化越不明显；越是发展到高层次的智能群体，越具有异质性，类群分化越明显。在蚂蚁、蜜蜂等群体中，除了天然的生理分工，基本上是同质的，而在人类群体中，“话不投机半句多”就是后天分化的结果。如果说这是作为类群特性意义的负面反映，那么思想上的相互激发，则是类群特性分化意义最典型、最重要的正面表现。
因此，在智能进化的更深层次，还可以看到类群发展与智能体的对象性活动层次密切相关，不同的智能层次反映了不同的对象化水平。“一种动物如果以人之为人，以真正的人的本质为对象，那么它就不再是动物，本身就是人了。”[4]正是对象化水平，决定了类群性的不同。因此，类群是人的社会性在更低层次领域的体现，类群性是社会性的低层次形态，类群是一个比“社会”更为基础的概念。在生物进化的群落中，这一更基础的概念早有体现，只是随着智能进化，智能类群的发展出现全新性质，使类群具有越来越重要的地位。这一点在人工智能的信息需要基础中已经初步看到，[5]进一步的论证可以深入到通用智能进化的层次。
通用智能一定是类群进化的产物，因为通用智能个体的自主进化，以与之相互作用的类群环境的智能化为外在必要条件，只有类群环境具有相应的智能因素，才能建立起支持智能自主进化的相应智能关系；只有建立起这种智能关系，才可能进化出通用智能。这是进化类群条件的更高层次体现，也就是进化类群条件的智能层次。关于通用智能进化的类群条件和层次，在人类智能进化中可以得到重要启示。
在生物乃至人类智能进化过程中，自然选择的前提性基础就是生物种群和群落。与自然选择一样，共生叠加只有在一个类群中才可能进行，而且，正是类群提供了更远缘的基因叠加的可能性，这对人工智能技术进化中的程序叠加有很多启示，特别是程序叠加中的共生叠加。其中最为基础也是最为重要的方面之一，就与多样性有关。进化只有在一个类群中才可能发生，因为进化需要有“基因”叠加机制，需要迭代，而迭代需要丰富的“基因”。不管在什么意义上，“基因”的多样性都意味着丰富的个体。只要是进化，就必须有个体间类似生物基因的信息基础和基因叠加机制，而个体内部基因叠加只能导致退化甚至自毁。基因叠加可以建立新的和更高层次的关系，因此其层次就是向更高层次进化的基础，这是类群层次的重要性所在。正是基因叠加机制，提供了建立新的关系和更高层次关系的可能性。在这种随机发生的基因叠加创造的新关系中，虽然几率极低，但是有可能产生更高层次的新关系，从而产生新的基因组合甚至新的基因，构成以类群为单位的进化。由此可见，类群层次对于新关系建立的层次具有决定性作用，智能进化的机制更是如此，因为智能进化所形成的新关系层次更高，也更丰富。
从相对低层次的生物基因叠加，到相对高层次的智能类群互动，正是从生物进化到智能进化的一个非常重要的进程。在基因叠加中，基因的多样性是生物进化甚至生存的基础，如果没有基因的多样性，类群就只能退化。基因的多样性随着生物类群规模的扩展而丰富，基因叠加产生进化所需新基因的可能性空间也不断扩大。而基因叠加的这种可能性空间扩大的结果，就是进化的速率相应提升。与此类似，在智能进化过程中，类群规模的扩大使得智能互动越来越复杂，由此建立起来的智能关系层次也越来越高，智能层次也相应推升。
人工智能的技术进化只是智能制造专用机器智能，任何真正的智能自主进化都只能是通用智能或类人智能意义上的。而要实现通用智能的自主进化，同样必须在一个类群中才有可能。也就是说，通用智能进化意味着进化的类人化，而人工智能进化的类人化必须以类群的方式进行。通用智能或类人智能的进化单位必须是一个类群，只有以一定规模的类群为单位，才可能有真正的智能自主进化。因此可以在机理层次更清楚地看到，根本不可能发生这样的事情：工厂流水线上一生产出来，就是智能超越人类的通用人工智能或类人机器人。正是根据这一基本原理，类人智能体肯定不能在车间中单个独立地产生于流水线。智能体不仅必须在智能类群中才能进化，而且不在智能类群中发育，根本不可能有通用智能体形成。无论什么形式的通用智能，其进化都是在智能个体与智能群体的相互作用中实现的。
通用智能不仅必须在类群中进化，而且进化随着类群层次的发展而加速。这与类群中个体和群体的内在关联密切相关。越是发展层次低的群体以及群体中越是发展层次低的个体，越是趋向于求同，因求同而保持群体从而个体恒定甚而固化；越是发展层次高的群体以及群体中越是发展层次高的个体，越是趋向于求异，因求异而促使个体从而群体发展甚至升级。由此可见智能进化过程的关键意义：智能发育成长中的类群个体亲历。
通用智能是在类群关系中成长起来的智能，这种智能必须通过个体在相应类群中的经历中形成。智能体本身在类群中的经历是一种个体亲历，作为智能个体在类群中的亲身经历，“类群亲历”是一个至为重要的概念。类群亲历有共时和历时两种基本方式，因此，类群构成除了共时性的，还包括历时性的，即个体代际历时性构成的类群。由此形成的类群亲历既有遗传机制，也有代际间构成共时类群的机制。
章鱼就是主要在历时类群中进化的典型例子，与共时类群相比，这种方式的进化不仅效果差得很远，而且具有局限性。章鱼有1个大脑8个副脑，比猴子还聪明，但由于不是社会性动物，所以智能发展无法与猴类相比。越是高层次智能，其进化越必须在类群中进行，章鱼自小独自生活，不可能进化到类似黑猩猩的智能水平。黑猩猩是社会性动物，幼年的黑猩猩可以通过观察成年黑猩猩的行为传承技能，如用木棍吃蚂蚁和拿石头砸坚果等。社会性动物的代际传承对于智能进化至关重要，技能不用单个个体重新摸索，可以通过社会活动传承。单个个体不可能发展出高层次的通用智能，但通用智能进化必须在类群中进行不仅与代际传承有关，而且涉及智能进化更深层次的机制——个体智能的发展和整体智能水平的提升构成双向循环过程，在通用智能中，这一过程的一个重要方面就是类群亲历性。
二、通用智能进化的类群亲历性
在人类智能层次的整体观照中，可以发现人工智能的发展有一个非常重要的向度，即人工智能的通用化一定是一个社会化过程，不是一个单个的个体能够单独实现的。不仅智能进化——至少通用智能进化不可能以个体的方式进行，甚至智能个体内在基因的表达或展开都决定于其所处的智能类群，人类进化史已经充分表明了这一点。实际上，深入到信息层次理解智能是自然而然的事情。机器智能从技术进化到自主进化的发展，远比人类自然进化更直接地展示了进化的信息本性：机器智能甚至计算机发展的关键越来越在软件，硬件的发展只是为软件的发展提供更好的载体基础。
对人工智能研究来说，信息进化不仅是基础领域，而且具有典型的科学和哲学一体化性质。只有在科学和哲学一体化层次，才能看到信息既不是物质也不是能量，[6] 而是感受性关系，其成熟形态就是信宿和信源间的感受性关系。作为感受性关系，信息具有创生性、涌现性和相互性等基本特性。[7] 这涉及哲学最基础研究领域的关系范式，作为以拓荒觅径和反思批判为两大基本功能的学科，哲学可以在科学技术的基础上涉及更广阔深入的领域，涉及范围更广、更复杂的关系。
其实，人工智能的通用化就是一种关系的发展及关系层次提升的过程，因此它不是一个单纯的技术问题，而是同时与哲学密切相关。面对人工智能的发展，无论我们从事哲学还是从事技术，都必须在科学和哲学一体化的更高层次把握。通用智能在更高层次凸显了智能的关系性——从内部关系发展到外部关系并构成二者间的循环。而通用智能体的内外部关系，必须在本身所处的类群经历中建立。正是在这个意义上，通用智能是类智能。也就是说，通用智能体之间的进化关系具有社会性和经历性——在类群中的个体亲历形成的特性。
在人工智能研究中，关于亲历性，加利福尼亚大学伯克利分校教授斯图尔特·罗素（Stuart Russell）和谷歌研究总监彼得·诺维格（Peter Norvig）在具有重要影响的《人工智能：一种现代进路》一书中有初步涉及：“运用背景知识的自主学习信息体首先必须以某种方式获取背景知识，以便在新的学习经历（Episode）中使用背景知识。这种方法本身必须是一个学习的过程。因此，信息体的生活史将以累积或递增、发展所刻画。”[8] 在人工智能研究中涉及亲历性，正是人工智能研究“现代进路”的一个重要特色。
事实上，智能体的类群亲历涉及通用智能的本性。通用智能的这种根本性质可以称之为“类群亲历性”，类群亲历性就是智能个体在相应智能体类群中亲身经历成长的性质。在人类智能进化中，这种类群亲历性具有心理学上的依据。正是基于进化心理学，加拿大麦吉尔大学信息科学学院研究员查尔斯·科尔（Charles Cole）给出一个关于意识的初步定义：“人类意识是我们心理的和个人的（Mental and Subjective）持续时空之旅的产物，当我们思考我们在世界中的经历时，我们回到过去，然后走向未来。这一时空之旅确立并强化了我们与现实世界的不同——作为世界上独特的行为者的身份。通过时空之旅，我们拥有自己在这个世界上持续自我认识行为的经验。”[9] 与人类智能一样，通用人工智能的自主进化或人工智能进化到通用阶段，也离不开类群亲历性。通用智能必须具有类群亲历性，而类群关系的个体经历，只能在类群经历中形成，由此可见，通用智能的本性和智能类群的性质密切相关，在某种程度上甚至可以说，通用智能是类群层次发展到高级阶段的产物。
类群本身具有层次性，而且更高层次的类群具有相对较低层次类群所没有的新质内容。类群层次也在抽象层次中有逻辑反映，但其所具有的新质内容，则是现有抽象分类还没有反映的。其中最重要的内容，就是类群层次对于智能体智能水平的决定性影响。这方面只能以思想实验说明：假如一个人类婴儿处于一个非智能环境中，他或她是不可能存活的，至少必须在能够维持其存活的智能动物的类群环境中才可能存活、成长。而这一人类婴儿的智能水平，则决定于其成长的类群环境。在狼群中被抚养大，其智力只能略高于狼群，成为没有语言发育的“狼孩”，而如果在猩猩中长大，他或她就可能获得略高于猩猩的智能水平。只有在同质类群中长大，才可能有正常的人类智能表现。而同一个人处于人类群体中，其智能水平仍然具有人类亚类群差异。智能只有在类中才能进化，而类的层次则决定了智能进化的层次和水平。智能进化层次越高，个体智能的发挥和进化对智能类群环境的要求越高。普朗克等的存在是爱因斯坦创立相对论不可或缺的智能类群环境。这就不仅与自然类群，而且与文化教育以及其他个体智能水平等密切联系在一起。所以说原始人如果在现代人类群中长大，可以表现出远高于在原始类群中所可能具有的智能，甚至与现代人没有根本区别。人类基因甚至与低等动物都具有极高相似度，这隐含着种族甚至物种差异类群消除的重要原理。作为内部关系发育和外部关系建立的过程，类群亲历决定了其智能发展水平。
作为内外关系建立的过程，个体在类中亲历的例证在人类社会比比皆是，在人类进化中更是随处可见。生活中我们平时会说，一个人跟优秀的人在一起，他会变得越来越优秀；一个人总是跟傻子在一起，他会变得越来越傻。印度狼孩是其触目惊心的体现：一个人从小就生活在狼群中，尽管他拥有人类的基因，结果只能是一个狼孩。即使已有的高层次智能基因，不在相应的智能类群中，也不能得到展开，得以表达。狼群中成长的人类婴儿不可能成人，人类的基因只能展开为狼孩。虽然具有人的神经系统，一个人类婴儿在狼群中甚至不可能获得人类的语言能力，更不用说现代人的智力。这就是体现通用智能基本性质的一个极好例子，它以一个偶然的残酷事实表明，通用智能具有一个非常重要的性质：类群亲历性。
类群亲历性意味着，一个内部关系层次很好的智能体，不在一个相应的类群中就不可能建立起相应的外部关系，从而使内部关系不可能充分展开。如果所处类群层次太低，内部关系甚至完全不能展开，正如基因的表达决定于环境，一颗植物种子不在合适的水分温度条件下不仅不可能生长，而且可能降解为无机物。这意味着，单个机器智能体内部关系设计得再好，不在一个相应的类群中，也不可能展开为通用智能或展开至内部关系应有的层次。从信息进化的角度看，只有作为一个相应类群中的信息体个体才可能获得通用智能形成必不可少的经历，所以没有在一个类群中的亲历，信息体就不可能有真正意义上的类人智能，不可能有真正意义上的通用智能的发生和进化。这一点对人工智能通用化研究来说特别重要；在人工智能通用化发展过程中，类群亲历性是我们要关注的一个关键层面。
在智能类群进化过程中，智能个体和智能类群的关系是双向互动的。通用智能只有在智能体类群中才可能进化，而智能体类群只有在智能互动方式的发展中才能正常升级，因为没有智能互动方式的发展，就不可能有更高层次智能关系的形成。在一些化石文化中，人的智能水平得不到正常提升，文化封闭了，智能互动僵化了，文化和智能都不可能进步。有的文化石化是因为类群规模限制，有的则是由于观念等限制了智能互动的发展。正是智能类群互动方式的不断发展，才使人类智能不断进化。
智能类群互动有直接物能的、语言文字的和网络的等。对于人类来说，直接物能的互动就是生物体的；语言文字互动涉及信息互动的概念化和符号化，涉及信息的概念编码和符号编码；作为文字的信息编码储存使智能类群互动具有历史性；而网络则具有超时空即时性。在人类智能进化过程中，开始主要是生物性或物能互动，经历了漫长的过程后慢慢地发展出语言互动，出现信息性互动，然后有文字性的互动。文字使人类不仅能与同时代人，而且可以与包括古人在内的各个时代的人进行智能类群互动。这就是文化承续对于人类发展的重要性所在，无论是积极的还是消极的。正是语言文字的产生和发展，使信息性互动越来越占主导地位。
人类的智能互动方式，在网络时代出现了爆发性发展。网络使人类的智能互动出现了前所未有的整体性，人类智能体之间智能互动的整体化，会将人类智能进化推进到一个我们现在还难以想象的更高层次。尤其是当人工智能的发展逐渐网络化，这在某种意义上意味着硅基智能和碳基智能的互联网式融合。硅基智能与碳基智能不同，它有一个非常重要的特点：可以具有更强的智能个体间关联。正因如此，这一点也意味着人机进化融合的必要性甚至必然性。由此，可以看到很多进一步的事实，得到一些进一步的结论。
基于互联网的人机智能融合，应当是智能发展的一个基本趋势，但由于通用智能进化的类群亲历性，决定了不可能出现单个通用机器智能，更不用说单个超级智能，所谓“全球脑”（Global Brain）[10] 只能是一种不可能存在的设想：通用智能的类群亲历性意味着，不可能出现单独一个超级大脑。这样一个大脑的内部互联不可能进化而成，因为单独一个通用智能体不仅不可能进化，而且不在一个智能类群中，本身也不可能由进化形成。只是由于硅基智能可以具有更强的个体间关联，类似“全球脑”的超级智能设想，客观上反映了智能体间更紧密关联和互动的发展前景。这对于目前人工智能的研究，也应当具有重要启示。
通用智能之所以根本不可能在流水线上直接生产出来，就因为智能体间的关系只能在类群亲历中形成。只有在一个类群中的个体亲历，才可能具备复杂关系的基础。情感关系正是最为典型的例子之一，这类关系不可能在工厂中通过程序安装就能获得。在工厂里制造出两台机器人，安装一个程序就能让它们建立起恋爱关系（不是任何意义上的单纯物能或信息关系，而是形塑个性的个体亲历历史关系），不管在什么水平上设计程序，都是不可能的。任何通用智能体在自身历时性关系中生成的与其他通用智能体之间的内在关系，都必须在共同经历中形成，都只能是共同经历的产物。这也是通用人工智能和专用人工智能的原则区别所在。专用人工智能不难在很多单一能力方面超越人类智能，人工智能发展的关键是这些专用人工智能之间复杂智能关系的建立——这是发展到通用机器智能的必经之途，涉及通用智能的核心机制。而专用人工智能的通用化，必须建立在对作为感受性关系的信息的深入理解基础上。
智能进化必须在一个智能类群中进行意味着通用人工智能一定是经历的产物，因为通用智能一定是智能体之间的关系体，也就是智能类关系体。而智能类关系体则意味着同类智能体之间的关系，意味着通用智能体的社会性。社会性意味着成长过程在类群中的亲历性，类群亲历性正是人类社会性更基础、更具体的表现。智能体在类群中的亲身经历，意味着一种准社会关系的建立，涉及智能体之间越来越复杂的关系。通用智能之所以应该是具有语境性甚至社会性的智能，就因为通用智能是在类群亲历中进化的产物，而且其层次提升与所处类群层次的提升构成双向循环机制。
通用智能进化的类群亲历性之所以至关重要，归根结底因为涉及智能进化的具体机制。生物进化只有在一个类中才可能发生，而智能进化则更凸显了类群层次的重要性。智能进化只有在相当智能水平的类群——也就是智能体中才可能正常升级进化。在智能进化过程中，由智能体与环境相互作用所产生的，不只是物能意义上新的基因，更基本的是新的更高层次信息关系。智能体如果和非智能环境相互作用，所产生的只能是类似新基因的物能因素，只有智能体和智能体相互作用，才会产生智能体之间的新信息关系，如人类的心理依赖关系、情感关系甚至相辅相成且相互激励的思想关系等；这正既是智能体自主进化必须在一个相应的类群中才可能发生的更根本原因，即智能进化只有以类群方式进行的终极根据，也是人工智能进化类群亲历性规律的进一步展开。
智能体的进化与其所处的智能类群密切相关，一方面关系到智能体在相应类群中的进化，另一方面关系到智能类群的发展。不在一个相应的类群中，智能体就不可能产生同类水平的信息关系，更不可能产生新的更高层次的智能关系，甚至不可能充分展开自己，因为不能建立起与自身内在关系相对等的智能或信息关系；而反过来，智能个体的进化局限又会影响智能类群的发展。
智能类群的发展是通过其中的智能个体进化实现的，没有个体的进化，就没有类群的发展。人和狼的智能差异进一步充分表明，就人类婴儿来说，只有在相当智能水平的类群中，才可能有智能的升级性进化。而就狼群而言，狼孩作为其中的一员，虽然携带的人类基因不仅不可能正常升级进化，而且不可能得到相应展开，但却可以大大推进其所处狼群的发展。由此又可以看到类群发展过程的互动机制，利用这种互动机制，正是人工智能研究的重要发展动向。人工智能领域关于社会机器人和人机交互的探索就具有重要意义，尤其是新近关于“社会情境化人工智能”的研究。
麻省理工学院个人机器人（Personal Robots）研究小组负责人、媒体实验室的辛西娅·布雷齐尔（Cynthia Breazeal）是社会机器人和人机交互领域的先驱之一，她通过建造社会智能机器人（Socially Intelligent Robot）理解社会智能，致力于让人们和机器人像婴儿一样玩耍，从而提供必要的关键互动，以发展社会智能，成为人类世界中的社会行动者。[11] 在她看来，“在理想情况下，人类与机器人的互动应当像他们与其他人的互动一样自然。为了促进这种类型的社会互动，机器人的行为应该表现得类似有生命的存在”，[12] 为此，她的实验室不仅花了很多精力赋予机器人类人行为品质，以使人们会自然而然地把机器人当成一个社会存在，[13] 而且提供了一些促进社会机器人发展的应用程序。“这种机器人能以丰富和愉快的方式与人交互”，[14] 从而社会化，其所意味着的正是智能类群进化。
与社会机器人研究相比，“社会情境化人工智能”研究更进了一步。就在最近，李飞飞所在的斯坦福团队提出了“社会情境化人工智能”（Socially Situated Artificial Intelligence）概念，其最新研究成果在美国科学院院刊（PNAS）2022年9月推出。其立意就是让人工智能处于社会情境中，使其能够在与人类的互动中学习。“为了实现社会情境化人工智能，智能体不仅要收集数据来学习新概念，还要学习如何与人交互来收集数据。在任何给定时刻，智能体必须在交互学习和学习交互这两个目标之间进行权衡。”[15]由此可见，智能进化的社会维度既涉及人工智能发展的人类目的，又涉及人工智能通用化发展的不二进路。智能进化的类群亲历性不仅涉及通用人工智能的核心机制，而且对人类发展具有重要启示。
三、智能类群进化及其人类发展启示
由于类群智能进化机制层次越来越明显的自然科学和人文学科一体化发展要求，到目前为止，该领域的研究不仅没有真正开展，甚至没有得到最起码的关注，这首先与其所涉及的问题具有科学和哲学一体化性质密切相关，不进入这一领域，智能类群进化甚至难以意识到。因此，展开这方面的一些初步思考，哪怕效果只是引起这方面的关注，都不仅对通用人工智能核心机制的突破，而且对深化人类自身的认识和理解，从而在更深层次促进人类发展具有重要价值。
由于认为只要出现一个超级智能，就足以影响人类命运，人们理所当然会担心这样一个超级智能的到来。因此，关于人工智能算法的发展，自然而然会导向人类想象的极致处。佩德罗·多明戈斯（Pedro Domingos）的“终极算法”（Master Algorithm）正是对完全自主终极算法的典型描述。从其迭代速度看，硅基智能算法一旦完全自主，就可以很快成为类人智能算法的典型形式。硅基智能具有完全的自主性，其结果就是爆炸式地进化到超级智能；而根据通用智能进化的类群亲历性，作为独立于人类的自主进化产物，“终极算法”不可能是单个超级智能，而一定是一个超级智能群体，单独一个“终极算法”不可能出现。正是在这个环节，人工智能的通用化涉及人类命运交关的关键问题。一方面，人类发展到一定阶段，进一步发展必须有通用人工智能支撑，否则越是涉及人类发展的根本问题越不可能解决；另一方面，人们又不能不担心算法发展的终极后果。
多明戈斯充分意识到“终极算法”对于人类的重大意义，他看到，“终极算法是解决我们面临的一些最困难问题的途径，从制造家用机器人到治疗癌症”。[16] 但关于“终极算法”的实现机制，他的认识却存在根本性误区。在“终极算法”的理念中，多明戈斯有一个中心假设：“终极算法一旦出现，就可以从数据获得世界上从过去、现在到未来的所有知识。”[17] 他把由此形成的最高层次算法称作“终极算法”，这意味着，“如果这种算法成为可能，发明它将是有史以来最伟大的科学成就之一。事实上，终极算法是我们最后要发明的东西，因为一旦我们放开，它就会继续发明其他可能发明的一切。我们所需要做的就是给它提供足够的合适数据，而它将发现相应的知识”。[18] 多明戈斯的“Master Algorithm”被理解为“终极算法”是有根据的，[19] 因为从理论上说，在形式化领域，它已经具有趋向无限的发明能力。事实上，它就是“超级智能”。作为智能算法进化的一个极限目标，类似“超级智能”的“Master算法”有它特定的意义。一方面，“终极算法用于归纳，它是学习的过程，而图灵机是用于演绎的”，[20] 这正是智能算法具有自主进化的基本伦理基础；另一方面，“终极算法是这种统一性的最终表达：如果所有知识共享一个共同的模式，那么终极算法就存在，反之则不存在”，[21] 这里的含义很重要，可以理解为所有的知识都处于同一语境。信息编码只有在一定的语境中才能构成具体的知识；知识只有处于同一语境，才能构成理解的要素。至于这种具有终极性质的算法是否能以这样的方式出现，则是同样重要的另一个问题。
即使没有理由怀疑这种因趋于无限而具有终极性质的发明能力，但这样一个孤立的“终极算法”是不是可能出现和存在，答案则非常明确。“孤独”的终极算法不可能产生，所有通用智能体都必须从一个类群中进化而来，更不用说这样一个具有无限发明能力的终极超级智能了。人工智能通用化发展可能导致的终极算法出现应当具有与人类相似的类群性质，由此才可能出现具有类特性的类人机器智能。这一更深层次认识，对于人工智能和人类关系理解的深化，具有特殊意义。
面对很多人对“终极算法”可能性的怀疑，即使在提出者看来也是十分自然的。“当然，终极算法的怀疑者至少和支持者一样多。当什么东西看起来像解决难题的灵丹妙药时，怀疑是必要的。最坚定的阻抗来自机器学习的长期宿敌：知识工程。其支持者认为，知识不能被自动学习，必须由人类专家将其编入计算机。当然，学习者可以从数据中提取一些东西，但你不会把它和真正的知识混为一谈。对知识工程师来说，大数据不是新石油，而是骗人的新万灵油。”[22]这里的分歧主要源于从终极算法到类人算法这一漫长进化区间，分布着完全不同的立足点。这些立足点所代表的理念以及这些理念之间的关系，涉及更复杂更重要的问题：通用人工智能核心机制的研究进路。
在通用人工智能核心机制的研究进路层次，“终极算法”可以在两种意义上理解，一是在通用人工智能意义上；二是在专用人工智能应用范围扩展意义上。作为个体智能发展的结果，在机器学习层次，专用人工智能意义上的“终极算法”在某种程度上已经有了，但其应用范围的扩展也仍然只能是在专用意义上。在通用人工智能意义上理解，“终极算法”的出现必须有类群亲历性。正是类群亲历性，涉及更高层次的关系、更深层次的人文内容。一方面，由于“所谓机器学习原则就是要求机器根据以前的经验构建自己的模型”，机器学习算法就意味着到了自主进化的门口。另一方面，“机器只是具备了一些关于如何发现数据中的结构和模式的一般原则，换句话说：指导它的是它可以遵循的识别‘相似性’的原则，而不是如何识别‘可疑类型’的模型”。[23] 这正是当前人工智能还没有真正理解能力的原因，它根源于带来机器理解重要进步的机器学习算法本身。因此，即使发展到所谓“终极算法”，也只是在某些领域，即应用范围有限扩展的专用人工智能，不可能获得具有类人理解能力的通用智能。通用智能算法的发展，必须有类群亲历性基础上的智能自主进化。
在人工智能算法的进化过程中，单个机器算法的发展具有很大局限性，真正的智能算法进化必须在一个类群中进行，而且这个类群越是性质接近越有利于类群中个体的进化。而在人工智能算法层次，可以在机制层面看到这样一个图景：智能机器在人类群体中进化是最自然的方式，非常类似人类智能在自然条件下发生和进化。
目前，智能的类群进化研究领域基本上还是一片处女地，很多课题有待深入系统研究。其中最重要和紧迫的任务之一就是，通过对生物智能类群进化的研究，为人工智能类群进化即人工智能的通用化发展，从而为人工智能和人类智能进化及其关系研究提供理论基础。
由于人类进化的生物进化致思，对人类智能进化来说，人在类群中进化就像人在空气中生存，通用智能进化类群亲历性这片处女地一直没有进入人们的视野。正是人工智能的发展特别是其通用化思考，智能类群进化才得到更多关注。这方面研究的深化，还有赖于人工智能通用化研究中科学技术和人文学科的一体化发展。从目前发展看，有一个基本原理的两方面可以初步阐明。一方面，在智能类群进化过程中，个体智能进化水平决定于类群智能水平的最重要条件固然是硬件基础，但在硬件基础上，主要因素则在软件方面的机制。几乎与硬件条件一样，智能类群进化的软件方面决定个体智能水平空间，狼孩就是最典型的例子。出生于人类，具有人类的硬件条件，但在狼群中发育生长，其智能水平就只能在狼群的智能水平空间发展，对狼群智能水平天花板的突破具有狼群性质的局限。其根本原因就在于：通用智能的存在和进化实质上是类群进化的结果。另一方面，在智能类群发展过程中，个体智能发展水平突破类群智能水平的天花板，则是智能类群发展的生长点。任何智能类群发展的生长点都在个体，通用智能进化更为典型。没有个体智能水平的突破性发展，就不可能有整个类群智能的进化。
因此，在类群智能水平的基础上，个体智能发展水平突破整个类群智能水平的天花板，从而整体提升类群智能水平，正是智能类群进化的基本机制和方式。在这一智能进化基本机制中，类群中个体的智能发展以及对类群智能天花板的突破幅度决定于类群整体智能水平。在类群智能进化过程中，个体智能水平对整个类群智能水平的突破，具体决定于类群个体所处亚类群的智能水平，而亚类群的智能水平则受着整个类群智能水平的局限。
由此可以得到不仅有关人工智能发展，而且涉及人类发展的诸多启示：
首先，在内部机制合理的前提下，类群越大越有利于类群智能进化。一方面，就像生物种群越大基因越丰富，具有进化意义的基因叠加和突变的机会越多，可能性越大，越有利于优势基因出现。智能类群越大，个体智能发展水平突破整个类群智能水平天花板的几率越高，类群智能进化速率越快。这一点对于社会和国家发展具有重要启示，在信息文明时代，一个国家的人口规模决定了类群整体规模，至少在一定的历史发展阶段，在一定范围内，国家规模越大，信息文明时代越有利于发展。
其次，为个体智能水平的突破性发展创造条件，对于整个类群的智能进化具有决定性地位。在类群中培育具有优势的亚类群并构成梯度至关重要，平均化的做法只能造成整个类群智能的平庸化。
再次，提高类群整体智能水平是个体智能发展的重要基础，在这方面，类群在智能进化上的亚类群梯度是类群智能进化动力机制的重要层面。一个类群中的亚类群发育越充分，越有利于整个类群的进化。
最后，在类群规模优势基础上，内部亚类群分化及之间的梯度关联越完备，越有利于智能类群发展。而其更为核心的机制则在于：二者构成双向循环。一方面，类群规模越大，越有利于智能类群进化。另一方面，类群内部亚类群分化及之间的梯度关联不仅关系到类群智能进化的具体机制，而且决定类群的整体优化水平；而类群的整体优化水平，则是类群规模优势的内在机制根据。
智能的类群进化，事实上就是物智能化的类群机制。人工智能的发展使物不断智能化，人类环境的智能化原则上可以涉及整个物能世界，这正是库兹韦尔（Ray Kurzweil）就第六纪元所说的“宇宙觉醒”阶段。[24] 当环境的智能化发展到出现与人类智能相当甚至超越人类智能的可能时，就可以想象出现人和环境关系的更高层次逆转：人类环境中出现比人类个体智能更高层次的智能。超级智能就是这一想象的产物。
由于这一切都是人类创造的结果，都源于人类智能，即在人类智能的基础上出现的智能进一步进化，因此，面对智能进化的这样一种可能性，在这一更高层次智能进化当口，人类就必须相应在更高层次思考自己的处境，对这种可能的进化形势做出更深入的理解。在智能类群进化过程中寻获理解，把握人类和机器智能进化关系的更深层次根据，对于人类而言命运攸关。
▲原刊于《上海师范大学学报（哲学社会科学版）》
2023年第1期
（图片源自网络，如有侵权请联系删除）
注释
1 马克思、恩格斯：《马克思恩格斯选集》第2卷，人民出版社2012年版，第705页。
2 Kevin Kelly, Out of Control: The New Biology of Machines, Social Systems & the Economic, World-Basic Books, 1995, p.22.
3 库兹韦尔：《人工智能的未来》，盛杨燕译，浙江人民出版社2016年版，第192页。
4 费尔巴哈：《费尔巴哈哲学著作选集》上卷，荣震华、李金山等译，商务印书馆1984年版，第127页。
5 王天恩：《信息需要：人工智能基础研究的重要领域》，《河海大学学报（哲学社会科学版）》2019年第1期。
6 Norbert Wiener , Cybernetic or Control and Communication in the Animal and the Machine, second edition, the MIT Press, 1985, p.132.
7 王天恩：《信息及其基本特性的当代开显》，《中国社会科学》2022年第6期。
8 Stuart J. Russell & Peter Norvig, Artificial Intelligence: A Modern Approach, Global Edition, Pearson Education Limited, 2022, p.748.
9 Charles Cole, The Consciousness’ Drive: Information Need and the Search for Meaning, Springer International Publishing AG, 2018, p.49.
10 认为人类就像某种巨大的神经系统，一个全球脑，在其中，我们每个人都是个体神经细胞。人类社会可以看作一个巨大的数据集合、数据通信和数据记忆系统。我们将自己归集进了城镇群，正像神经细胞归集于巨大神经系统的神经中枢。连接“神经中枢”和个体“神经细胞”的是巨大的信息网络。Russell, Peter, The Global Brain Awakens: Our Next Evolutionary Leap, Global Brain Inc, 1995, p.61.
11 Cynthia L. Breazeal, Designing Sociable Robots, The MIT Press, 2002, p.37.
12 Cynthia L. Breazeal, Designing Sociable Robots, p.8.
13 Cynthia L. Breazeal, Designing Sociable Robots, p.8.
14 Cynthia L. Breazeal, Designing Sociable Robots, p.13.
15 Ranjay Krishna, Donsuk Lee, Li Fei-Fei & Michael Bernstein, “Socially Situated Artificial Intelligence Enables Learning from Human Interaction”, PNAS, vol.119, No.39, 2022, pp.1-8.
16 Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, Basic Books, 2015, pp. xviii.
17 Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, p.25.
18 Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, p.25.
19 佩德罗·多明戈斯：《终极算法：机器学习和人工智能如何重塑世界》，黄芳萍译，中信出版社2017年版。
20 Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, p.34.
21 Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, p.31.
22 Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, p.34.
23 De Vries Katja, “Privacy, Due Process and the Computational Turn: A Parable and A First Analysis”, in Hildebrandt, Mireille & Vries, Katja de eds., Privacy, Due Process and the Computational Turn: Philosophers of Law Meet Philosophers of Technology, Routledge, 2013, p.26.
24 库兹韦尔：《奇点临近》，李庆诚等译，机械工业出版社2011年版，第10页。
编辑：梁钰妍 张微 王雅梅
校对：李嘉君
审核：陈吉
往期推荐
都市与语言｜从上海方言看海派文化（2022年第5期）
好文！必须点个在看