人工智能的终极基础是哲学认识论
点击上方“图灵人工智能”，选择“星标”公众号
您想知道的人工智能干货，第一时间送达
人工智能虽然取得了辉煌的成果,虽然它已经能够帮助我们高效地处理一些需要智能才能处理的问题,但它离人越来越高的要求还相去甚远,因为很难说迄今的AI真正地具备了人的“智能”｡目前人工智能的发展面临许多瓶颈,如缺乏常识的问题､符号落地问题､框架问题等,其重要的方面就是AI的基础理论一直未能取得重大突破,而从更深的层次上看,就是哲学认识论对于AI的理论突破还未形成积极的支撑,甚至还存在“认识论供给不足”的状况｡要改变这一状况,无疑有待于认识论探新｡
就目前人工智能的现状来说,各种专用AI虽然在专门领域中大显身手,如有的长于推理计算,有的擅长分类识别,有的则专司感知行动,但能够整合各种能力,像人那样可以灵活应对新情况､处理开放问题､进行新发现新创造的“通用人工智能”的出现还遥遥无期｡其中的根源之一,就是人工智能的三大范式之间难以整合,更深层的原因就是三种AI所秉持的认识论不同,如符号主义秉持的是理性主义认识论,联结主义AI秉持的是经验主义认识论,行为主义AI所秉持的是具身认识论｡三种范式的人工智能对认知的本质有着不同的理解,分别视智能“由计算—表征来定义”“由经验来定义”和“由行动来定义”,这些可以说都是智能或认知的侧面｡分离的认识论立场导致了研发者们不同的功能追求和设计方向及技术进路,它们对智能(人的认识)的分割性､局部性模拟,使得AI只能限于支离破碎式的研发现状,所以下一代人工智能的发展方向就是要具备多种能力,可以处理多方面的问题,从而成为更接近于人的真实智能｡要实现这一发展,就必须改变不同范式人工智能站在不同认识论立场上各自为政的局面,就需要一种能够统摄不同认识论主张的认识论理论来为通用人工智能的研究提供引导｡
当然,人工智能既有的发展轨迹,即对人的智能所进行的分解式局部模拟,对某种单一的认知功能加以极致性的发挥,无疑是智能模拟的必经阶段,此即“没有分析就没有综合”“没有局部就没有整体”｡但是,仅停留于分解式或局部性模拟的人工智能,必定不可能真正地模拟人的智能,因为人的智能在现实中的运作,无论是理性的推算活动,还是经验的归纳学习,或是具身地应对环境,都是集于一体地进行的,它们有机地构成人的整体认识能力｡但传统的认识论在进行理论抽象时,由于侧重的方面不同,形成的认识论(派别)也不同｡分而治之的人工智能在一定意义上就是相互对峙的认识论的特定产物｡随着人工智能走向新的时代,认识论也需要通过新的探索､新的发展来与之相适应｡
认识论在人工智能推动下的探新,可以有如下的展开向度:
一是认识论概念研究的创新｡人工智能时代,认识论需要澄清对一些相关概念的模糊不清的理解,如“智能”“意识”“情感”“行为”等｡人工智能之所以出现分而治之､各行其是,很大程度上是对一些核心概念理解上的分歧,如将“智能”理解为不同东西时,就不可能有智能模拟上共同的追求,而认识论探新中如果能对智能等认识论现象形成哲学上更透彻的理解,对认知的基本构成达到更深入的把握,就可以为不同进路的人工智能提供融合的理论基础｡例如,关于认知中是否存在基本单元以及这种单元是什么,就可以把对认知的理解推向深入｡目前已有学者分别提出了“组块”“知觉物体”或“时间格式塔”作为认知的基本单元,并以此和计算的基本单元(如符号或比特)建立起关联,这就更有利于人工智能专家在进行整体性智能模拟时形成更明确的方向｡透彻地理解上述基本概念,就是从认识论上真正搞清楚人是如何动用智能去认识世界和应对环境的,只有在此基础上才可能走向真正“像人一样思考”和“像人一样行动”的AI,才能研制出较眼下更高形态的人工智能｡
二是认识过程研究的探新｡如前所述,目前的认识论总体上是“宏观认识论”,对人的认识论过程､智能活动的刻画过度抽象,即使有新观念也难以落地为可直接启示AI研究的新思路和新方法,因此需要通过一定程度的“中观化”来更加贴近具体的认知和可操作的认知模拟,这就需要结合具体科学在“微观认识”上取得的新成果,以使过去对认识过程的粗线条描述变得更加精细化｡如借助神经科学､认知科学､心理学､信息科学以及人工智能本身的前沿研究,把握认识过程中认识阶段的递进､认识形式的转换､思维内容的形成是如何在信息的加工处理､脑内电信号及化学递质的传递与交换､神经联结拓扑图的改变等中实现的｡尤其是人工智能本身就具有人类智能的“镜像”效应,通过它我们可以反观自己思维认知活动的一些微观机制,例如通过AI中处理不同问题所使用的不同算法,就可以反观人在认识过程中采用的不同方法｡
三是认识流派研究的探新｡人工智能的范式融合对哲学认识论提出了新的需要:对不同的认识论流派进行“异中求同”的整合,尤其是在理性主义､经验主义､具身认知的整合上需要有新的突破｡上述认识论理论对于揭示认识的机制和本质各有长短,取得了类似于“盲人摸象”的效果,但各自的局限使任何一个流派都不能成为新一代人工智能的认识论基础｡可以说,目前还缺乏可以打通各种认识论派别和认识形式的认识论新视角,认识论的局限成为人工智能取得新突破的障碍之一,所以寻求认识论上的探新和融合来消除这一障碍,成为人工智能进一步发展的内在要求｡从专用人工智能走向通用人工智能,从基底上就是认识论的整合与融通｡AlphaGo成功地实现了专家系统与人工神经网络的结合,新一代人工智能被表述为知识驱动和数据驱动的融合,就表明了人工智能的符号主义范式和联结主义范式是可以融通的,其背后体现的是理性主义和经验主义之间是可以贯通的｡如果进一步能实现理性主义､经验主义和具身认知的融贯,从而在此基础上实现人工智能三种范式的融合,人工智能就可以对人的认知本质加以更全面､更完整的把握以及在此基础上的模拟,由此才能构建出同一个同时具备推理决策､自主学习和适应环境智能特征的人工智能系统,使高阶认知和低阶认知能力集于同一个AI系统之中,从而人工智能在通用性上前行一大步｡
四是认识的本质和机制研究的探新｡目前,各派AI都对智能或认识的本质形成了独特的看法,如符号AI认为智能是在对物理符号的操作中产生出来的,联结主义AI认为智能是在类脑的神经元的结构中涌现出来的,行为主义AI认为智能是在身体与环境的相互作用中产生出来的｡这些看法实际上是从不同维度上刻画了智能或认识的本质,它们启发了认识论研究需要对其中提出的新问题进行新的思考,尤其是上述理解中开发和激活了一些重要概念和范畴,如数据､信息､表征､计算､算法､神经网络联结权重､并行串行处理等,它们对于说明认识的本质形成了新的启示,认识论探新就需要对这些理解加以进一步的整合与提升,尤其是要探究它们如何与反映､知识､感性､理性､符号等传统的认识论概念相互嵌套,以期达成对认识机理和本质的更全面深刻的理解｡这种探新的一个总体要求是,认识论研究不能再像先前那样“盲人摸象”式地考究认识的本质,而要在局域性成就日趋多样的基础上,高屋建瓴地总揽人的认识,并走向对于认识本质的共识性理解,为新形态的人工智能奠立认识论基础｡这里同样也展现了人工智能与认识论的这样一种关系:我们将智能或认知的本质在认识论上理解为什么,就会在技术上去追求将人工智能做成什么;而我们实现了什么样的人工智能,则印证了我们对认知本质的相关理解之合理性,从而也更新了相关认识论研究的成果｡
五是人机融合认识主体的探新｡先前的认识论是人机分离的认识论,在这种背景下甚至还有力求创建独立的“机器认识论”的主张｡由于人工智能的高级形态是走向人机融合,所以与之适应､为其所需的认识论也应该是人机融合的认识论,“人机认识主体”“人机交互认知”“人机共生智能”等概念的提出为这种融合拓展了视野｡这种融合既是对AI作为工具辅助人的认识的一种升级,也是对其替代人的认识的一种避免,它基于人机之间在智能上各有优劣的现实,力求通过人机协同而实现互补,形成比无论是单独的人还是单独的机器都更强并且隶属于人的智能;此时我们需要的不是人机之间的认识论排斥,而是进一步的深度融合,即把机器智能更有效､更有机地纳入人机融合系统之中｡
以上的分析表明,人工智能的终极基础就是哲学认识论｡认识论能走多远,人工智能及信息技术就可以走多远｡在这个意义上,我们只有不断进行认识论探新,才能使人工智能走得更远,行得更顺｡
这样的关系,正是信息技术推动并强烈地需要哲学认识论不断探新从而成为名副其实的当代认识论的一般关系｡全书所贯穿的主题,正是多维度､多侧面所呈现的基于当代信息技术推动的认识论新见解､新发展｡
版权声明
转自中国社会科学出版社，版权属于原作者，仅用于学术分享
文章精选：