[转载]人工智能与人类智能的哲学思考

当一个大型工厂、电站的选址、建设规划、资金预算都能够由具有人工智能的机器来独立完成的时候,我们有什么理由因为人工智能工具不具有喜怒哀乐而否认其智能性,难道只有一个经常发脾气、会罢工的机器才是智能的吗?人工智能必将在未来的社会进步中起到越来越重要的推动作用,时间将会证明谁是谁非……

非常赞同文章中的这句。原文出自“北海禅院”,佩服大师的学术功底啊(抑或哪位专家出家了?)

摘要

本文对人工智能于人类智能进行了综合性的分析和研究,从科学和哲学的角度分别给以定义。论述了人工智能出现的必然性以及一些认识上的误区,说明了人工智能的出现对于社会发展的重要推动作用。对当前争论的关于人工智能于人类智能的关系问题提出了个人的观点。

关键词:人工智能、人类智能、意识

1. 人工智能出现的意义以及对社会的影响

20世纪末,以人工智能为主导的信息技术日益显示出强大的生命力。过去的10年,无论是理论方面还是应用方面都取得了长足的进步。具体说来,科学技术发展 的图景呈现出科学“转向”技术的趋势。结果是将人类带入信息社会。信息社会使人们的生存方式发生了巨大变革。纵观人类文明史,可以说没有任何技术象信息技 术那样对人类社会产生如此巨大的影响。人工智能的出现大大缩短了很多科研项目的研究周期,需要数十年的研究可以在智能电脑的指导下很快得到结果。许多未解 的数学定理很快就得到奇妙的证明。各种物理、化学、生物及历史、社会和自然现象很快会得到新的解释。治疗遗传病、癌症和艾滋病的药物顷刻问世。各种软件可 按人的要求快速生产等等无一不是人工智能快速发展的结果。同时,人工智能的发展也给人类带来了难以预见的威胁。首先是强大的智能工具威胁。人们可以利用它 方便地设计制造更可怕的武器。有了它几乎谁都可以成为“超人”。其次是人类价值体系毁灭的威胁。人类在人工智能面前毫无秘密可言,因为一切进步和成绩都是 电脑的功劳,人类能够做的不过是电脑终端暂时不能做的工作,即人类成了电脑的延伸,不再有成就感[1]。人类曾经制造的东西可以大大超过人的肢体和五官的 功能,人类当然以控制它们。问题是人造电脑的智能超过了人的大脑!究竟是谁控制谁?比人更加聪明的电脑决不会在”掌权”之前暴露自己控制人类的野心,它会 一步步地逼人就范或让人甘心就范。[2] 在生物的发展和进化中,只有人类成为了世界的主宰,其原因是人的智力优势而不在于体能。为什么人类不让位于比他们智力更强的电脑呢?有人一定害怕那种时代 的到来,但也会有人欢喜那个时代。人类有电脑关照,可以尽情享受大自然、艺术、体育和其他感官享乐,不再有阶级差别和由此带来的一切社会弊端。当然,前提 是电脑要对人类友好,就象现在人类保护动物一样。那么人工智能的发展究竟要走向何方就变成了一个需要迫切关注的问题。在讨论人工智能与人类智能之前,我们 必须要清楚实现人工智能所必须满足的条件。首先,人工智能必须是一个元系统或者说它的内部不得存在任何信息界面。子系统之间的界面问题是实现人工智能的最 大障碍。任何人造系统必然存在一个界面,在这个界面上人和人工物的交互方式是兼容的。如果我们制造或模拟一个具有自我意识的“人工智能”系统,就应该在它 的自我意识和自我人工物之间存在一个界面。其次,人工智能的行为指向遵守统计性规则而不是机械规则。我们对世界的理解来自对我们经验规律性的发现和学习。 规律或因果律有两种,一是可精确重复的或可以预期的,二是统计的。[3] 人工智能的实现而不仅仅在于系统的复杂性,关键是如何解决统计性与机械性的界面问题。

2. 人工智能的科学定义

人工智能在科学层面上被定义为:研究怎样制造计算机,并(或)为其编程,使其能做心灵所能做的那些事情。这些事情中有一些被公认为是需要智能的:开药方或 作医嘱,提供法律咨询,证明逻辑或数学定理。另外一些事情则不同,它们与教育背景无关,是所有正常的成年人都能做到的,有时甚至动物也能做到,其特点是不 受意思支配,如看到阳光下的物体和影子,找到穿过复杂地形的小路,把木桩塞进洞里,用母语讲话,以及运用自己的常识等等。[4] 在科学界,特别是IT界认为人工智能其实是一个逐渐演变的过程。电子数据处理的初期,人们就试图通过某些方法来实现自动决策支持,当时机器学习成为人们关 心的焦点。随后,随着人工智能技术的形成和发展,人们的注意力转向知识工程,直接给计算机输入已被代码化的规则,而计算机是通过使用这些规则来解决某些问 题。随着智能化技术的发展,模糊集理论(Fuzzy Sets,FS)、人工神经元网络(Artificial Neural Network, ANN)、遗传算法(Genetic Algorithm, GA)和粗糙集理论(Rough Sets, RS)等智能化方法被成功的运用于系统建模与控制。智能化方法的最大特点是可以利用人的经验,模拟人的思维方式去解决问题。从方法论的角度来看,方法之间 的交叉是新方法产生的一种重要途径。传统方法与智能化方法、各种智能化方法的交叉是解决复杂问题的重要途径。下面对几种典型方法作以简单介绍[5]。专家 系统(expert system)是发展最早,也是比较成熟的一种人工智能技术。一般地说,专家系统是一个具有大量专门知识与经验的程序系统,它根据某个领域的专家提供的知 识和经验进行推理和判断,模拟专家的决策过程,以解决那些需要专家决策的复杂问题。专家系统的应用领域不同,采用的知识表示方式也可以有所不同,常用的知 识表示方法有谓词逻辑、语义网络、产生式规则、框架和黑板等。人工神经网络(artificial neural network,缩写为ANN)是模拟人类神经系统传输、处理信息过程的一种人工智能技术。自1943年Mcculloch和Pitts第1次提出模拟神 经元以来,它迅速发展成为与专家系统并列的人工智能技术的另一个重要分支。与专家系统相比,人工神经网络最大的特点是采用神经元及它们之间的有向权重连接 来隐含处理问题的知识,并具有以下特点:学习能力,在确定了ANN的基本结构后,运用学习算法对训练样本进行训练,可以实现知识的自我组织;自我学习能 力,在学习完成之后,还具有一定的泛化能力;容错能力比较强,即使输入信号带有一定的干扰噪声,仍能给出正确的输出结果;神经元之间的计算具有相对独立 性,便于并行处理,因此ANN的执行速度比较快。模糊理论(fuzzy theory)是将经典集合理论模糊化,并引入语言变量和近似推理的模糊逻辑,具有完整的推理体系的智能技术。一般模糊系统的结构与专家系统的结构类似, 由模糊知识库、模糊推理机和人机界面等几部分组成,也可以说模糊系统是模糊理论与专家系统结构的结合。随着模糊理论的发展及完善,模糊理论的一些优点逐步 被重视,如模糊理论可适应不确定性问题;其模糊知识库使用语言变量来表述专家的经验,更接近人的表达习惯;模糊理论能够得到问题的多个可能的解决方案,并 可以根据这些方案的模糊度的高低进行优先程度排序等[6]。遗传算法(genetic algorithms)是60年代后期出现的一种优化技术,通过模仿生物遗传和进化的过程寻求复杂问题的全局最优解或局部最优解。它将问题的每个候选解都 编码形成一个个体,又称“染色体”(chromosome),而相应编码位则类似于生物的“基因”(gene),并用适应度(fitness)函数来衡量 该候选解的优劣,多个“染色体”构成遗传过程中的一代。当形成第一代个体以后,按照生物界适者生存的原则选择生命力强,即适应度函数值高的个体存活到下一 代,随后使用交叉(crossover)和变异(mutation)算子对这些“染色体”中的“基因”进行操作,从而产生新个体,此时再次进行选择产生下 一代。可以证明这样若干代以后存活下来的个体将逐渐逼近问题的最优解。由此可见,遗传算法对待求解问题几乎没有什么限制,也不涉及常规优化问题求解的复杂 数学过程,并能够得到全局最优解集或局部最优解集,这是它优于传统优化技术之处。

3. 人工智能的哲学定义

在哲学意义上,把人工智能看作是一般性的智能科学,或更确切地说,看作是认知科学的智力内核。它的目标就是提供一个系统的理论,该理论即可以解释意向性的 一般范畴,也可以解释以此为基础的各种不同的心理能力。它不仅包括地球上各种生物的心理,而且还要包括全部可能存在的心灵。它必须告诉我们,智能是什么? 很多哲学学者认为人工智能哲学与其它讨论抽象概念的哲学不同,它应该受到可操作性(肯定或否定)的审视。我们的大脑模式或思维结构是按一定的有序程度组织 的。这种有序性就是我们思想中的规则。我们的大脑是靠这些规则(因果关系)理解和解释事物的。如果事物结构的有序性与我们大脑的思维结构不兼容,我们就无 法理解或暂时不能理解它们,因为我们对事物的认识是来自感官的。由此推断人工思想机器的思维结构必须与我们大脑的组织结构在模式上兼容。计算机或控制系统 都有硬件和软件,智能生命也有身体和意识。软件(人工智能)就象头脑,是系统的组织结构。与电脑运行软件不同,思维不仅是在运行软件而且是在进行自身结构 重组,使其更加有序。它控制“身体”的行为,但是它的功能并不一定是有智慧的。人的神经网络系统与人工神经网络不同,人的神经网络系统能够产生意识(模 糊、无序)和无意思(清晰、有序)两种状态。意识是大脑记忆某些自身活动的结果。意识内容总是尽可能转向无意识,即从模糊到有序。大脑可以回忆无意识区的 记忆,但是处理记忆则是在意识区进行思维。而目前的人工智能完全是“无意识”的或者说是完全有序的。无意识永远不会接受来自意识的模糊内容。意识是主体对 模糊信息刺激反应过程的记忆结果。可以说大脑也是这种记忆的产物。如果我们接受这个观点,意识就简单地成为记忆问题了。由于无意识,记忆并不记录所有的大 脑活动。要是电脑能够伴随自发地记录自己的工作过程,就能够有自我意识。讨论意识而不涉及无意识是不恰当的,因为无意识是意识的深厚基础。我们的记忆都在 无意识之中。无意识的作用是过滤输入的信息、组织关联记忆或经验以及完成多任务等。人脑的智能活动是意识和无意识的混合工作。没有无意识就没有智能。智能 系统内部成员必须是靠神经系统联系的。这也就是说它们之间不得存在任何信息传递界面。电脑部件之间的信息传递是有界面的,所以仅从这一点上讲电脑不可能是 个智能主体[7]。任何人造系统必然存在一个界面,在这个界面上人和人工物的交互方式是兼容的。如果我们制造一个具有自我意识的“人工智能”系统,就应该 在它的自我意识和自我人工物之间存在一个界面。那么这个界面应该是什么样的呢?我实在难以想象。

4. 我们需要什么样的人工智能

可以说,在科学界和哲学界关于人工智能得到了两个相悖的结论。一个在为人工智能的产生而欢欣鼓舞,认为其必将为人类社会的进步做出巨大的推动作用;另一个 则认为人工智能是一个目前的科技手段所无法达到的目标,而且其发展过程也必将为社会带来很多无法预料的威胁和问题。而双方都为自己的观点找到了足够充分的 论据。我们知道人工智能的发展也是一个技术创新的过程。无论技术创新的整个过程,还是技术创新过程的不同阶段,无一例外地都是创新主体的创新认知与创新实 践的相互作用过程。技术创新活动是人类社会实践活动的一个有机组成部分,正是在创新主体的创新认知与创新实践的相互作用过程中,技术创新过程中遇到的不确 定因素才会得以克服技术创新活动的社会属性才会得以保持[8]。人工智能的发展同样也要面对这样一个问题。我们通常有两类问题要解决。一类是解决问题的结 果和过程完全是合乎逻辑的和可预见的,因此我们只要对某种条件的刺激自动作出反应。这被称之为精确。这一类情况可以仅仅通过编程解决,因为我们知道在预期 的情况下对于某种刺激该如何反应,或者我们确信通过逻辑可以得出准确的结果。另外一类问题是我们不能预见的,我们通常不知道是否有适用的规则或不知道选择 哪个现成规则来解决问题。这种情况被称之为模糊。很多人认为人工智能也仅仅能完成第一类的工作。而对于根据自身情况从很多规则中选择正确的规则无能为力。 当遇到新的、料想不到的和不断变化的情况时只有高级进化的生命才有这种能力。问题在于我们如何去看待人工智能。我们都知道需要是发明的原动力,人工智能的 出现也不例外。正因为我们有解放人类于更繁重工作的需要,所以我们才朝着既定的方向努力。但是,现在很多反对者存在的一个误区是,认为现在的人工智能不能 模仿人类的喜怒哀乐,不能像人类一样产生爱恨等思想感情,更不会复杂的心理行为就否定了人工智能,认为这不过是一种机械的规则的再现。但是,我们要看到, 人类社会需要的是能将人类从很多复杂的思维活动中解脱出来的工具,而不是一个与人类平起平坐的异类,如果是后者,这种发明对社会的意义就很难说是正面还是 负面的了。而对于前者,目前已经取得了很多令人欢欣鼓舞的成绩了。当很多人还在批评说“深蓝”下国际象棋战胜世界冠军不过是一种规则或者是计算能力的胜利 而不能说具有任何智能的时候,我们发现新一代的“更深的蓝”已经能够对局者的不同,自动选择合适的战术来进行对局,这不能不说是对那些一味批评深蓝机械性 的有力回击。而在科学界有许多发明也正在默默地对社会起着的重要的推动作用。在人工智能的数据挖掘领域里一个著名啤酒和尿布定律。在欧洲的一些超级市场里 面,采用了数据挖掘工具以后,店主惊奇的发现啤酒和尿布的销售有着非常重要的联系,这是由于该工具在对数以百万计的数据进行分析处理以后发现出来的规律, 同样是一个对规律的认识过程,尽管与人脑的认识机理还有很大的不同,但是在对规则的发现上无意更胜一筹。目前在越来越多的领域,人工智能工具都能够根据不 断出现的新情况来调整自身的规则系统,更好的进行判断,需要人工的残余也越来越少,当一个大型工厂、电站的选址、建设规划、资金预算都能够由具有人工智能 的机器来独立完成的时候,我们有什么理由因为人工智能工具不具有喜怒哀乐而否认其智能性,难道只有一个经常发脾气、会罢工的机器才是智能的吗?目前的计算 机研究已经能够使计算机进行了无数次的加法运算以后自主发明乘法运算,这已经不仅仅是一个简单的学习过程,更包括着复杂的推理和发现过程,人工智能必将在 未来的社会进步中起到越来越重要的推动作用,时间将会证明谁是谁非。

参考文献

1、《追问技术悲观主义》,自然辩证法,2000年第四期
2、何明升.信息化的社会学含义——一个技术社会学的问题[J]自然辩证法研究
3、冯瑞本等:《从人脑到计算机——鸿沟能否逾越》,载《心理科学》1997年第3期
4、毕天姝,倪以信,杨奇逊. 人工智能技术在输电网络故障诊断中的应用述评[J],电力系统自动化,2000,2(24),11-16
5、张伟,刘永国,知识发现和数据挖掘技术[J],重庆教育学院学报,2002 15(3)
6、孙秋野等,基于粗糙集理论的配电系统离散信号故障诊断[J],《东北大学学报》2004年第4期
7、崔思龄,人工智能哲学
8、李兆友,哲学视野中的技术创新,[J]《哲学动态》1999年第7期

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.