德雷福斯對人工智能

的批判仍然成立嗎?

在當(dāng)代哲學(xué)對于人工智能的思考當(dāng)中, 美國現(xiàn)象學(xué)家德雷福斯 (Hubert L.Dreyfus) 的批判無疑是最具代表性的觀點之一,。在他這里, 歐洲的現(xiàn)象學(xué)哲學(xué)與美國的人工智能技術(shù)匯合在了一起,。自1960年獲聘美國麻省理工學(xué)院的助理哲學(xué)教授以來, 德雷福斯就直接接觸到了當(dāng)時世界上最為前沿的人工智能研究,。明斯基 (Marvin Minsky) 與麥卡錫 (John Mc Carthy) 于1959年, 在麻省理工學(xué)院創(chuàng)立了計算機科學(xué)與人工智能實驗室。當(dāng)該實驗室的學(xué)生們, 將人工智能的抱負(fù) (通過給計算機編程, 讓它們展現(xiàn)人類的智能) 以及人工智能對于哲學(xué)的偏見 (哲學(xué)只是先天不足的思考) 傳達給德雷福斯時, 他產(chǎn)生了深深的困惑,。

幸運的是, 他的弟弟就是一名任職于美國蘭德公司的計算機專家, 而這使他得以越過哲學(xué)與人工智能之間的專業(yè)鴻溝 (通常的哲學(xué)工作者即使對人工智能有興趣, 也缺乏深入人工智能領(lǐng)域的機會或能力) ,。德雷福斯甚至受聘于蘭德公司, 而職責(zé)就是評估紐厄爾 (Alan Newell) 和西蒙 (Herbert Simon) 在認(rèn)知模擬領(lǐng)域中的工作。這件事在今天看來仍然是耐人尋味的,。我們不知道為什么蘭德公司會讓一位哲學(xué)家, 來評估人工智能的前景,。但這件事至少可以啟發(fā)我們:在今天的人工智能政策制訂中, 讓哲學(xué)家參與討論應(yīng)該是有先例的。

揚寧遠是竊賊

德雷福斯向蘭德公司提交的報告是《人工智能與煉金術(shù)》 (1965) ,。這篇報告最具刺激性的地方就是將當(dāng)時炙手可熱的人工智能, 比喻成了古代的煉金術(shù):“煉金術(shù)士們十分成功地從好象是塵土的東西中提煉出了水銀, 這使他們在數(shù)百年毫無成果地想把鉛變成黃金的努力之后, 仍然不相信:在化學(xué)層次上, 人們是難以改變金屬性質(zhì)的,。為了免遭煉金術(shù)士們的命運, 現(xiàn)在我們應(yīng)該問一問:我們在哪里?現(xiàn)在, 在把更多的時間和經(jīng)費花到信息加工之前, 我們應(yīng)該問一問, 人類主體的原型是否表明了計算機語言適合分析人的行為。把人類的智能行為全部分解為離散的規(guī)則去支配運算, 是可能的嗎?以數(shù)字的方式去恰當(dāng)?shù)胤治鋈祟惖闹悄苄袨槭强赡艿膯?這兩個問題的答案是同一個:不可能,?！盵1]84這篇報告的核心問題是:認(rèn)知行為之下的信息加工過程, 是否可以被明晰地表達為程序, 然后在數(shù)字計算機上得到模擬。德雷福斯根據(jù)當(dāng)時人工智能的挫折指出:數(shù)學(xué)計算機不能具備人類信息加工的三種基本形式 (邊緣意識,、本質(zhì)/偶然區(qū)分,、歧義容忍) 。但德雷福斯的批判, 不是對人工智能的否定,。實際上, 他是提出了一種新的人工智能開發(fā)程序, 即根據(jù)人腦的結(jié)構(gòu)與運作去設(shè)計人工智能 (這實際上是一種具身人工智能的思想) ,。

揚寧遠是竊賊

這篇報告后來擴展為了專著《計算機不能做什么》 (1972) , 以及《計算機仍然不能做的是什么?》 (1992) 。這些專著產(chǎn)生了非常大的影響, 因為它們促使人工智能領(lǐng)域的一些專家 (如厄廷格爾 (Anthony G.Oettinger) ,、威諾格拉德 (Terry Winograd) 等) 開始反思人工智能中的哲學(xué)假設(shè),。今天看來, 德雷福斯專著中有關(guān)技術(shù)的部分, 可能已經(jīng)有點過時了, 但其中的哲學(xué)部分 (他對海德格爾、梅洛-龐蒂哲學(xué)的解釋) 仍然有持久的生命力,。本文嘗試探索兩個問題:一, 德雷福斯對人工智能提出批判的哲學(xué)依據(jù)是什么?二, 在深度學(xué)習(xí)與強化學(xué)習(xí)大放異彩的今天, 德雷福斯的批判是否還能成立, 或者說在多大程度上還能成立?對這兩個問題的探索, 不僅有助于推進人工智能的哲學(xué)研究, 也有助于我們對人工智能的未來保持一個冷靜與理智的態(tài)度,。

一、德雷福斯的現(xiàn)象學(xué)哲學(xué)依據(jù)

縱觀德雷福斯一生的研究, 盡管他也從人工智能的具體挫折 (如認(rèn)知模擬與語義信息加工的難題) 出發(fā)去展開他對人工智能的批判, 但他的基本立足點是哲學(xué), 尤其是海德格爾與梅洛-龐蒂的現(xiàn)象學(xué)哲學(xué),。然而, 他對于海德格爾與梅洛-龐蒂現(xiàn)象學(xué)哲學(xué)的解釋, 已經(jīng)非常不同于海德格爾與梅洛-龐蒂原來的哲學(xué)了, 而是德雷福斯自己的哲學(xué), 或者說德雷福斯式的海德格爾與梅洛-龐蒂了,。“用海德格爾式的術(shù)語來說, 如果說西方形而上學(xué)在控制論中達到了它的頂峰, 那么人工智能近來的困難, 揭示的是技術(shù) (technology) 的限度, 而不是工藝 (technological) 的局限,?！盵2]227

德雷福斯將海德格爾及梅洛-龐蒂哲學(xué), 與人工智能相聯(lián)系的原因是:他認(rèn)為人工智能是西方傳統(tǒng)理性主義哲學(xué)與現(xiàn)代計算機發(fā)明相結(jié)合的產(chǎn)物。換言之, 人工智能不是單純的技術(shù)發(fā)明, 而是有著悠久的哲學(xué)思想傳承,。人工智能不僅源于哲學(xué), 而且是將理性主義哲學(xué)原則推到極致的體現(xiàn),。因此, 人工智能的出現(xiàn)具有重要的哲學(xué)意義, 因為人工智能中的成功與挫折, 可以成為判斷哲學(xué)思想之優(yōu)劣的一種客觀依據(jù)。

在德雷福斯看來, 當(dāng)蘇格拉底在雅典尋找能夠闡明專家技能背后之規(guī)則的人時, 作為人工智能基礎(chǔ)的理性主義思想就產(chǎn)生了,。游敘弗倫 (Euthyphro) 是一名虔誠問題專家,。蘇格拉底要求游敘弗倫說明:判定虔誠行為的規(guī)則是什么。但游敘弗倫只能告訴他一些虔誠行為的案例,。不光游敘弗倫是如此, 其他的工匠,、詩人、政治家都不能闡明他們專家技能背后的規(guī)則,。蘇格拉底由此斷定, 這些專家和他自己一樣都是無知的,。蘇格拉底的學(xué)生柏拉圖, 對上述難題進行了解釋。柏拉圖說, 專家們已經(jīng)忘記了讓他們成為專家的行事規(guī)則, 而哲學(xué)家就是要幫這些專家把他們的行事規(guī)則回憶起來,。但不管專家們是否意識到了這些行事規(guī)則, 它們總是在起作用的?，F(xiàn)代人工智能 (尤其是知識工程) , 就是要提取專家們的行事規(guī)則, 然后把它們編成程序輸入到計算機中。[3]19-20

近現(xiàn)代哲學(xué)中, 上述理性主義得到進一步發(fā)展,。例如, 霍布斯提出推理就是計算, 萊布尼茲說存在著一系列可以表達所有知識的原素 (普遍特征) , 康德說概念就是規(guī)則, 維特根斯坦說世界可分析為邏輯原子,。盡管紐厄爾、明斯基,、西蒙等人工智能專家沒有直接學(xué)習(xí)上述理性主義哲學(xué), 但他們在運用理性主義思維之后, 得到了與哲學(xué)家們一樣的觀點,。當(dāng)然, 他們是把理性主義哲學(xué)思維與計算機發(fā)明進行了組合?！八腥斯ぶ悄苎芯抗ぷ鞯谋匾疤崾?世界必須可表征為本身是由始基構(gòu)成的結(jié)構(gòu)化描述序列,。因此, 哲學(xué)和技術(shù)在依賴始基時, 都繼續(xù)確立了柏拉圖所探索的那個世界:一個明晰性、確定性和控制都已經(jīng)得到保證的世界, 一個由數(shù)據(jù)結(jié)構(gòu),、決策理論和自動化構(gòu)成的世界,。”[2]212

海德格爾與梅洛-龐蒂對上述理性主義哲學(xué)進行了最有力的批判,。在梅洛-龐蒂對知覺的分析中, 他把一切存在都是確定的思想, 稱為“常識預(yù)設(shè)” (le prejudge du monde) ,。“感知的設(shè)定證據(jù)不是建立在意識證詞之上, 而是建立在常識預(yù)設(shè) (未經(jīng)質(zhì)疑的世界信念) 之上的,?！袃煞N誤解性質(zhì)的方式:第一種是把性質(zhì)當(dāng)作意識的元素 (性質(zhì)是意識的對象) , 并把性質(zhì)當(dāng)作無聲的印象, 而且性質(zhì)始終是有意義的;第二種是相信:這種感知與這種對象在性質(zhì)層面上是完全的和確定的。和第一種錯誤一樣, 第二種錯誤也來自于常識預(yù)設(shè),?！盵4]5-6梅洛-龐蒂引用了著名的繆勒-萊爾錯覺 (兩條原本等長的線條, 因兩端箭頭的朝向不同, 看起來箭頭朝內(nèi)的線條比箭頭朝外的線條要短些) 來說明:實在的景象是模糊與不確定的。假設(shè)一切存在都是確定的認(rèn)識論與心理學(xué)假設(shè), 實際上是掩蓋了人的主觀性,。梅洛-龐蒂依據(jù)格式塔心理學(xué), 進一步說明了:人的主觀性是與身體性相關(guān)聯(lián)的,。“如果我的目光不能包圍物體, 那么物體就是小的;如果我的目光能充分包圍物體, 那么物體就是大的……對于世界的知覺只是我存在場的擴展;知覺不會超越存在場的本質(zhì)結(jié)構(gòu), 并且身體總是存在場中的自主體, 而不是存在場的對象,。世界是我置身于其中的,、開放與不確定的統(tǒng)一體?！盵4]317-318

德雷福斯根據(jù)梅洛-龐蒂的身體現(xiàn)象學(xué)提出:身體在人類的智能行為中起著關(guān)鍵作用,?！鞍讶送瑱C器 (不管機器建造得多么巧妙) 區(qū)別開來的, 不是一個獨立的、普遍的,、非物質(zhì)的靈魂, 而是一個涉入的,、處于情境中的、物質(zhì)的身體,。給人工智能制造最多麻煩的, 正是智能行為的身體方面,。”[2]236人類智能活動中那些不可形式化的,、不可表征的信息加工活動, 只有對于身體來說才是可能的,。例如, 一個人可以很熟練地使用筷子, 卻很難馬上說出如何使用筷子的操作規(guī)則。因此, 在德雷福斯看來, 人工智能能否成功的關(guān)鍵在于:人類能否制造出類人的身體,。從目前的神經(jīng)科學(xué)與意識科學(xué)水平來看, 這個目標(biāo)的實現(xiàn)仍然是遙不可及的,。

海德格爾則將傳統(tǒng)的理性主義哲學(xué)思想稱為“計算思維” (rechnende Denken) 。這種思維是理性主義哲學(xué)的追求, 并且將在現(xiàn)代計算機技術(shù),、信息論或控制論中實現(xiàn),。[2]233為“計算思維”所必須的是規(guī)則模型。理性主義哲學(xué)家們這么做, 是因為他們想把知識與情境分離開來, 從而獲得一種普遍性的知識;而計算機專家這么做, 是因為計算機最適合 (甚至是只能) 處理脫離情境的信息,。因此, 計算機所處理的只是一個人工的虛擬世界 (或者說是微世界) ;這個世界由清晰的,、可表征的基本事實與規(guī)則構(gòu)成。為了模擬人類的世界, 計算機專家們試圖把情境分解為事實與規(guī)則, 而他們使用的方法總是刻板與有限制的 (如決策樹,、學(xué)習(xí)算法) ,。根據(jù)海德格爾的“在世界中存在”的思想, 最好的世界模型不是存儲在腦中、輸入到計算機中的世界模型, 而是世界本身,?！耙驗槭聦嵑鸵?guī)則本身是無意義的, 所以要獲得海德格爾所稱為意義或涉入的東西, 事實和規(guī)則必須被賦予相關(guān)性。但是在計算機程序中, 用來定義相關(guān)性的謂詞仍然是無意義的事實, 所以出現(xiàn)了這種讓人驚訝的情況:計算機被給予的事實越多, 它就越難計算出哪些事實與當(dāng)前情境是相關(guān)的,?！@樣的搜索隨著事實的增加, 會變得越來越困難, 并最終變得讓人絕望?！盵5]48

在深度學(xué)習(xí)中, 神經(jīng)網(wǎng)絡(luò)似乎通過設(shè)計者輸入的數(shù)值 (value) , 模擬了人類的價值或意義系統(tǒng), 但神經(jīng)網(wǎng)絡(luò)終究是知其然, 不知其所以然,。因為設(shè)計者本人也是如此?！按嗽凇徊贿^是……牽掛地消釋于世界中,。”[6]197最適應(yīng)情境需求的技能行為是無心的 (即無精神表征的) , 而這時人與世界的聯(lián)系是直接的;只有在無心的技能化應(yīng)對活動出現(xiàn)中斷時, 人們才會進行深思熟慮的活動, 即通過精神表征來間接地建立與世界的聯(lián)系,。換言之, 高層次的表征活動是以低層次的非表征活動為基礎(chǔ)的,。正如精神病學(xué)家們所揭示的那樣, 精神分裂癥患者的紊亂首先是在其存在底層的。精神分裂癥患者不得不承擔(dān)本該以非表征方式完成的工作, 而這使得他們表現(xiàn)出了極端相反的兩種傾向:一是在所有的工作中都表現(xiàn)得極端緩慢, 二是具有異常的縝密性和理智性,。換言之, 非表征技能化應(yīng)付的效率, 遠高于有表征的技能化應(yīng)付,。[7]112-113當(dāng)然, 人工智能設(shè)計中的表征活動與精神疾病患者的表征活動是完全不同的———前者是自主的,、可控制的, 而后者是不由自主的、不可控制的,。

如上所述, 德雷福斯發(fā)現(xiàn)人工智能的基礎(chǔ)正是理性主義哲學(xué)假設(shè), 因此人工智能與哲學(xué)之間是連續(xù)的———人們完全可以從哲學(xué)的角度去考慮人工智能進路的終極可能性,。換言之, 人們可以將人工智能看作是將理性主義哲學(xué)原則推到極致的工藝產(chǎn)品。如果海德格爾和梅洛-龐蒂是對的, 那么人工智能的表征主義進路就是錯的,。因為在海德格爾和梅洛-龐蒂看來, 人類真正的智能是身體性的與無法表征的,。德雷福斯批判表征主義人工智能的最根本依據(jù)就是:如果理性主義哲學(xué)原則在哲學(xué)上就已經(jīng)是不能成立的, 那又何必耗費巨大的人力與物力去推行呢?

二,、人工智能的發(fā)展是否已經(jīng)有效克服了德雷福斯的批判?

德雷福斯對人工智能的批判, 經(jīng)歷了長期的排斥與抵制 (德雷福斯甚至為此丟掉了在麻省理工學(xué)院的教職) , 但最終得到了人工智能界的接受,。近些年的人工智能界, 如加州大學(xué)伯克利分校計算機科學(xué)教授拉塞爾 (Stuart Russell) 和谷歌研究總監(jiān)諾維格 (Peter Norvig) 已經(jīng)大方地承認(rèn):“哲學(xué)的歷史比計算機要悠久得多, 而且哲學(xué)一直在嘗試解決與人工智能有關(guān)的問題:心靈是如何運作的?機器是否可以像人那樣進行智能活動;如果機器有人一樣的智能活動, 那么機器會有真正的、有意識的心靈嗎?”[8]1020他們認(rèn)為德雷福斯在提出批判意見時, 已經(jīng)成為了人工智能理論家;德雷福斯所關(guān)注的許多問題 (如常識知識,、不確定性,、學(xué)習(xí)的決策形式等) 確實是重要的問題, 而且現(xiàn)在已經(jīng)被納入標(biāo)準(zhǔn)的智能自主體設(shè)計當(dāng)中。但他們非常樂觀地認(rèn)為:德雷福斯提出的所有難題, 都已經(jīng)得到解決, 或者說在原則上可以圓滿解決的,。拉塞爾等人將德雷福斯的批判意見歸納為四條,。[8]1025接下來, 我們將逐條檢查拉塞爾等人的樂觀主義, 在多大程度上是正確的。前三條批判意見都涉及了明晰性假設(shè),。理性主義哲學(xué)家們認(rèn)為, 我們的日常知識是完全可以被明晰化的, 而以海德格爾為代表的反理性主義哲學(xué)家們則反對這一點,。德雷福斯正是基于海德格爾哲學(xué)的立場, 提出了背景知識的不可表征性、基于表征數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)與學(xué)習(xí)算法的局限性,。明晰性假設(shè)也就是人工智能的最關(guān)鍵假設(shè):即存在論假設(shè)———世界是否可以分解為最基本的明晰要素,。第四條批判意見涉及了具身哲學(xué)的問題, 即在人們知道具身機制的運作細(xì)節(jié)之前, 就無法讓人工智能真正實現(xiàn)具身。

1. 第一條批判意見是:

如果沒有背景知識, 就不能對實例進行很好的概括, 并且沒有人知道如何將背景知識納入神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程,?！翱砂驯尘爱?dāng)作是另一種事物, 并可以用表征任何日常事物的那種結(jié)構(gòu)化描述來表征它, 這種假想對我們整個的哲學(xué)傳統(tǒng)來說是尤其重要的。海德格爾是第一個辯識和批判過這一假想的人;按照他的意見, 我現(xiàn)在把這個假想稱為形而上學(xué)的假想,?！盵2]56

拉塞爾等人既肯定了背景知識的重要性, 也意識到了利用背景知識的難度?！耙粋€使用背景知識的自主學(xué)習(xí)自主體, 首先必須獲得背景知識, 以便在新的學(xué)習(xí)過程中使用它們,。這個方法本身就是一個學(xué)習(xí)過程。因此自主體的生活歷史將以累積或漸進的發(fā)展為特征,。據(jù)推測, 自主體開始時是一無所有的, 就像一個很好的純粹歸納程序一樣, 在真空中進行歸納,。但是一旦自主體從知識樹上掉落, 就不能再繼續(xù)這種天真的推測, 而應(yīng)該利用其背景知識來進行更有效的學(xué)習(xí)。問題是如何真正做到這一點,?！盵8]777可以使用的方法包括:基于解釋的學(xué)習(xí) (EBL) 、基于相關(guān)性的學(xué)習(xí) (RBL) 與歸納邏輯編程 (ILP) ,。但不論是什么方法, 都需要以知識表征 (即以明確的形式提供知識) 為基礎(chǔ), 而這是德雷福斯所堅決否認(rèn)的———背景知識是難以表征與形式化的, 因為背景知識往往處于意識的邊緣, 或者說背景知識是默會的,。

2. 第二條批判意見是:

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)是一種有監(jiān)督學(xué)習(xí)的形式, 要求事先確定的相關(guān)輸入和正確輸出;因此, 沒有人類培訓(xùn)師的幫助, 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)就不能自主運作,。“神經(jīng)網(wǎng)絡(luò)確實表現(xiàn)出了學(xué)習(xí)能力;但在有監(jiān)督學(xué)習(xí)中, 是由人來決定:哪些情況是好的, 并且是由人來提供智能,。網(wǎng)絡(luò)學(xué)到的只是:如何通過網(wǎng)絡(luò)的力量去把握智能,。我們真正需要的是這樣的系統(tǒng):它能靠自己學(xué)會如何應(yīng)對環(huán)境, 并在環(huán)境發(fā)生變化時修正它的反應(yīng)?！盵2]xxxviii-xxxix

拉塞爾等人認(rèn)為, 有監(jiān)督學(xué)習(xí)確實需要事先確定的相關(guān)輸入和正確輸出, 但無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)不需要人類培訓(xùn)師與標(biāo)記數(shù)據(jù),。無監(jiān)督學(xué)習(xí)的典型就是聚類 (clustering) , 即在對象集合中辨別多個范疇的問題, 而這種問題是無監(jiān)督的, 因為沒有給出范疇標(biāo)簽。聚類算法只需要知道如何計算相似度就可以工作, 而不需要知道相似的范疇,。[8]817但無監(jiān)督數(shù)據(jù)仍然需要從表征數(shù)據(jù)開始,。強化學(xué)習(xí)的任務(wù)是讓獎勵最大化。我們可以下棋為例,。在有監(jiān)督學(xué)習(xí)中, 自主體需要被告知它在每個棋局位置時的正確行動 (這是人類大師已經(jīng)發(fā)現(xiàn)的下法) ,。在強化學(xué)習(xí)中, 自主體可以在沒有人類教師反饋的情況下進行學(xué)習(xí), 但這時需要獎勵的引導(dǎo), 即被告知贏了或輸了 (這就是強化) 。在棋類游戲中, 自主體在游戲結(jié)束時才接收到強化, 而在如打乒乓球這類的游戲中, 每次得分都是一個強化,。[8]830強化學(xué)習(xí)使人工自主體更為接近人類的行為方式, 因為人類就是把痛苦與毀滅作為懲罰, 而把快樂與生存作為獎勵的,。在復(fù)雜領(lǐng)域中, 強化學(xué)習(xí)幾乎是培養(yǎng)高水平智能的唯一可行方法, 因為它大大減少了對表征數(shù)據(jù)的需求。但是, 使用強化學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò), 仍然需要對相應(yīng)領(lǐng)域中穩(wěn)定特征的表征,。在特征清晰但計算量大的領(lǐng)域中, 強化學(xué)習(xí)是相當(dāng)有效的,。例如圍棋游戲雖然計算量大, 但其特征非常少并且清晰 (黑白二子) 。但某些領(lǐng)域 (如中國股市) 往往存在著大量難以表征的不穩(wěn)定特征,。因此, 無監(jiān)督學(xué)習(xí)與強化學(xué)習(xí), 仍然以表征數(shù)據(jù)為基礎(chǔ), 而無法產(chǎn)生非表征的智能,。

3. 第三條批判意見:

學(xué)習(xí)算法在確定后, 就很難識別新的特征?！暗? 如果我們從可能相關(guān)特征的有限系列出發(fā), 而且當(dāng)前系列不足以解釋有關(guān)強化與情境轉(zhuǎn)換的學(xué)習(xí)事實, 那就沒有增加新特征的方法,。”[2]xliii拉塞爾等人則認(rèn)為, 支持向量機等的,、處理大型特征集的新方法, 有非常好的效果, 而隨著基于Web的大型數(shù)據(jù)集的引入, 語言處理和計算機視覺等領(lǐng)域的許多應(yīng)用程序, 不僅能處理海量特征, 而且在原則上可以產(chǎn)生新的功能,。

在學(xué)習(xí)算法中, 人們可以把之前的數(shù)據(jù)表征為一階邏輯理論, 然后通過兩種方式去搜索與這個理論一致的邏輯假設(shè)。第一種方法是當(dāng)前最佳假設(shè)搜索 (current-best-hypothesis serarch) :即當(dāng)新的例子進入時, 調(diào)適原有假設(shè)以保持新舊一致性,。但這種方法的缺點是:回溯之前所有的例子是非常昂貴的, 因為假設(shè)空間是一個呈指數(shù)級增長的空間,。因此有了第二種方法, 即最小承諾搜索 (least-commitment search) ———為了避免回溯, 就只保留那些與所有數(shù)據(jù)一致的假設(shè), 而每一個新的例子要么是無效的, 要么就脫離一部分假設(shè) (或者說是刪除了與新例子不符的假設(shè)) 。但是, 已有的算法 (如變型空間) (version space) , 仍然不適用于現(xiàn)實世界學(xué)習(xí),。[8]770-798因此, 對第三條批判意見的解決仍然只是“原則上的”,。

4. 第四條批判意見:

人們現(xiàn)在還不知道人腦運作的細(xì)節(jié), 更無法用腦科學(xué)去指導(dǎo)人工智能研究?！耙敫爬ㄈ祟惖男惺路绞? 網(wǎng)絡(luò)建筑就必須這樣來設(shè)計:網(wǎng)絡(luò)可以根據(jù)與人類相關(guān)的特征, 對情境作出反應(yīng),。這些特征不僅必須以過去的重要經(jīng)驗為基礎(chǔ), 還要以近來決定如何去看情境的經(jīng)驗為基礎(chǔ)。只有在網(wǎng)絡(luò)進入以視角為基礎(chǔ)的,、類人期待情境中時, 網(wǎng)絡(luò)才能識別未被期待的輸入 (如森林中的坦克) 以及當(dāng)在情境中沒有的,、重要的期待輸入?，F(xiàn)在沒有網(wǎng)絡(luò)具有這種能力, 現(xiàn)在也沒有人知道甚至想過:人腦建筑是如何產(chǎn)生這種能力的?！盵2]xxxviii

拉塞爾等則認(rèn)為, 信息價值理論 (information value theory) 使人工自主體, 具備了類似于人腦決策機制的能力,。“信息的價值在于它能夠改變計劃, 并且新計劃明顯好于舊計劃,?！盵8]631在信息價值的引導(dǎo)下, 敏感的自主體可以合理的順序來提出問題, 避免不相關(guān)的問題, 并掌握每個信息的重要性。然后, 人們就可以制造出能夠做簡單決策的自主體, 而其決策步驟是這樣的:創(chuàng)造因果模型,、簡化為量化的決策模型,、賦予概率、賦予用途,、確證與提升模型,。[8]634這類自主體的典型就是STANLEY,。它是一臺無人駕駛的機器人車, 而在2005年, 它以22英里的時速在美國莫哈韋沙漠中, 首先完成了132英里長的DARPA挑戰(zhàn)賽,。這樣的努力確實已經(jīng)吸取了德雷福斯的具身化建議, 但在人工智能具身化后, 進一步的問題就是:人類怎么把心給予機器呢?心是可以對象化的么?

綜上所述, 盡管進入21世紀(jì)以來, 人工智能的神經(jīng)網(wǎng)絡(luò)進路的確取得了很大的進步, 并有了非常廣泛的應(yīng)用, 但神經(jīng)網(wǎng)絡(luò)進路中紛繁復(fù)雜的技術(shù)工作, 都有共同的哲學(xué)假設(shè) (即存在論假設(shè)) , 而且人們也沒有在具身研究中取得根本性突破, 因此過去德雷福斯對于人工智能的批判仍然是成立的。德雷福斯的人工智能批判的核心意義在于:他有效揭示了人工智能的核心假設(shè), 并指出了這種哲學(xué)假設(shè)對于現(xiàn)實人工智能工作的束縛,。值得注意的是:德雷福斯的批判不是對人工智能的單純否定, 而是開發(fā)新的人工智能進路的建議,。人與機器的根本差異在于:人可以處理那些難以表征的任務(wù), 而機器不可以。在人類完全破解人類身體與意識的奧秘之前 (也許根本不可能破解) , 人類也無法讓機器具備處理難以表征任務(wù)的能力,。盡管人工智能可以進行很多似乎是“智能”的活動, 但我們切不可就此認(rèn)為那就是人類的智能活動方式,。事實上, 人工智能只是人造智能, 而非類人或替代人的智能。

結(jié)語

人工智能已經(jīng)廣泛地融入了人類的世界 (如圖像識別,、機器翻譯,、信用卡自動審批等) , 而且人工智能已經(jīng)在某些領(lǐng)域 (如機器詞典、下棋,、數(shù)學(xué)定理證明等) 表現(xiàn)出了遠遠超越人類智能的水平,。但我們始終不能忘記的是:人工智能中的問題, 不只有科學(xué)技術(shù)的屬性, 而且有哲學(xué)的屬性。德雷福斯的功績在于:他闡明了一些根本性的人工智能哲學(xué)問題,。這些問題既與人工智能有關(guān), 也超越了人工智能的范圍,。其中最重要的哲學(xué)洞見是:人類最根本的智能活動是非表征的、不可形式化,、不可規(guī)則化的,。人類的風(fēng)險不在于:人工智能在可表征的、可形式化,、可規(guī)則化的智能活動中超越了人類, 而在于人類放棄了自身的獨特性, 而逐漸向人工智能的活動方式靠近,。換言之, 可怕的不是造出像人一樣的機器, 而是培養(yǎng)出像機器一樣的人。