哲学对话AI：从人机关系到认知革命

哲学对话AI：从人机关系到认知革命

“人工智能”已经渗透进社会生活的每一个角落。步入科技新时代，回报与风险并存，而颠覆之下，究竟何以为“人”？当AI叩响时代之问，我们期待着听到更多回复的声音。

作为探索人类社会行为与心智奥秘的轴心学科，心理学也正在深度参与人工智能的革命浪潮。进行心理研究的许丽颖老师对AI时代中“人”的因素更为看重。她指出，虽然AI的身影已出现在生活的方方面面，但人类在很多领域中也表现出了对它们的拒绝。比如说在投资决策时，仅有8%的客户愿意听从AI的建议。对于此类现象的普遍规律总结是：当决策任务具有道德性质时，“算法厌恶”尤其强烈。因此，“是”为“应该”的前提，围绕人工智能展开的设想应以当下人类对于它们的现实态度为基础。

那么AI在改变社会运作方式的同时究竟会对“人”本身产生什么影响呢？许老师选择从人机关系，人际关系与人性等几个角度来分享见解。人类在进行智能时代的设计时仍把自己置于核心地位，人作为感知万物的中心，机器人则被安排在我们之下。但随着现代AI主体性的增强，它已经可以成为我们的朋友、同事，甚至是领导。这将重塑社会中的人机关系，在带来新体验的同时也存在着“加剧人的物化”的隐忧。谈及人性，AI也许会颠覆我们已有的价值排序。那些让人“生存”的能力变得无关紧要了，如一般认知能力、身体能力、消极情绪等；而其他让人“活出精彩”的能力却越来越不可或缺，如道德、理性、审美等。

正如斯坦福“HAI”计划所呈现的主旨——“人工智能的最终目的应该是增强我们的人性，而不是削弱或取代它”。同样，想要让 AI 更好地满足人类需求，该领域就必须包含更多对人类智能多样性与精妙性的深度拓展，这也是人工智能社会心理学的意义所在。

彼得·德鲁克（Peter F. Drucker）有一句很有名的话“动荡时代的最大风险不是动荡本身，而是企图以昨天的逻辑来应对动荡。”它提醒我们，现有的人工智能技术的进展使得我们需要调整解释人工智能的“逻辑”框架。我现在已经知道很多我的同行们的看法，每当一个新的AI产品出现，哲学研究者基本上会用他们已有的套路去破解它。这些套路可能是笛卡尔主义式的，可能是康德主义式的，可能是亚里士多德主义式的，或者还可能是孔子式的。这样研究AI的学者可能没怎么想过自己使用的标准会不会有问题。

对于我来说，我自己这些年的一个变化是：我以前是很关注因果在人工智能的核心作用的，但是大语言模型出现后，不难发现它对我们现在关于因果的观点造成了挑战。我们在统计学里有个常识，叫“相关不蕴含因果”，对两个事物之间的相关性分析并不能得出因果关联。这已成为共识。珀尔在构造他的因果关系三阶梯时强调：第一层阶梯是相关关系，通过观察得出变量间的关联；第二层阶梯是干预关系，你去操纵其中一个变量，看相关变量有无反应，如果操纵其一而对另一造成改变，它们之间可能有因果关系；第三层阶梯是反事实关系，你通过反事实想象，设想变量间的变化关系，最终确立因果。

珀尔认为因果关系不能用纯粹的概率语言表示，而是需要用因果语言表示。所以他反对大数据，认为真正的人的能力是因果推断的能力。他设计了一个图灵测试，叫“迷你图灵测试”：AI如果能够回答因果问题，那么它就是有智能的。因此，如果现有的计算机无法使用因果语言，只能使用相关语言，那么AI就没有理解能力，或者说还不会真正地做推理。

但实际上，这样一个因果推理范式，在真正的AI领域是很少能用的。因为我们根本上还是依赖于相关性，依赖于对数据的分析。很难直接让AI“看到”因果，除非给它先天地输入“因果”这个东西。那么能不能进行这种先天输入呢？能不能让一个大语言模型得到这个因果框架呢？是可能的。

ChatGPT是可以从相关性得到因果的。一是因为它有一定的“自主”学习能力，可以基于它的多层神经网络模型进行学习。第二，第二更重要的是，它所获得的数据库是人类的语料库，而人类的语料库凝结了我们对世界的理解以及对自己的认识。

我们记得去年ChatGPT发布后，乔姆斯基批评它“剽窃”人类。说它剽窃也没错，但它并不是纯粹经验主义的。重点在于，语言中是有结构的，大语言模型所拥有的语言数据是已经被结构化的数据。比如因果语言中的因果结构，我们生活中有各种各样的因果语言，“因为……所以”“打败”“天下雨地面会湿”等等。因果语言是很根本的，没有它我们很多话是没办法说的。

所以当ChatGPT被输入这样一些自然语言时，这些语言中不只是单纯的相关性数据，其中是有因果的关系的。人们总说“别拿相关当因果”，但我想说，尽管ChatGPT的底层逻辑在根本上是基于统计、相关的，但是它依然可以从这些相关性中获得因果。关键就在于它所拥有的数据并不是盲目获取的，而是包括了具有因果、类比、常识结构的日常语言数据——这可能是ChatGPT现在为何如此有能力的一个重要原因。

回到人工智能如何重塑哲学这个问题：相关性不蕴含因果，就是一个很基本的哲学观念。但现在ChatGPT提示我们，这个基本哲学观点可能会被技术打败，至少需要我们重新对之做出思考。

人工智能与认识论有着独特而内在的关系，使得两者之间可以进行哲学上的互释：一方面是对人工智能的认识论阐释，包括揭示人工智能的认识论根基，尤其是不同人工智能纲领或范式（符号主义、联结主义和行为主义）的哲学认知观，以及它们进行智能（认知）模拟时与人的认知之间所形成的同理、同构、同行、同情的不同关系；另一方面是对认识论进行基于人工智能视角的阐释，包括依托人工智能范式所进行的认知分型（推算认知、学习认知、行为认知和本能认知），进而揭示这些分型之间的多重关系。在此基础上，还可以对人工智能和认识论之间进行动态互释，揭示两者之间难易互逆的关系，由此对人工智能发展走向形成有根据的预判，有助于正视人类智能和人工智能之间的互补，进而推进不同算法和认知类型的融合，并印证人们对认知本质相关阐释的合理性。

人工智能（AI）和人类所创造的其他科学技术一样，是不断演进和发展的；基于不同纲领的AI流派（符号主义、联结主义和行为主义）陆续成为人工智能的核心范式，就是这一演进的标识。将认识论与人工智能的演进关联起来进行一种哲学上的相互阐释，可以形成互惠于两者的双向启示。其中，将人工智能纳入认识论研究的视野，有助于揭示不同纲领人工智能所蕴含的不同认知观，从哲学上发掘人工智能范式区分的认识论根基，展现出认识论对于人工智能的阐释力。与此同时，我们也可以且有必要将认识论纳入人工智能考察的视野，对“认识是如何进行的”加以基于AI及其算法演进的分型，从而借助人工智能来揭示不同类型认知的运行机制，“反向地”观照我们对自身认知的理解。这种双向互释还可以“同框”展开：人工智能模拟认知类型的演进序列与人自身的认知演进序列，具有一种“先后互逆”进而“难易互逆”的关系，由此人的认知和机器智能之间的运行机制形成一种对比性阐释，并启示我们如何走向人机协调及智能互惠的关系。

一、人工智能演进的认知观基础

人工智能的演进是对人的智能或认知活动的模拟范围或类型不断扩展从而模拟能力不断提升的过程，这个过程与不同范式的人工智能源自或表达的哲学认知观密切关联。这是因为人工智能在追求“像人一样思考”或相似于人的方式作出反应时，必然涉及人是怎样思考与怎样反应的问题，也就是如何进行认知的问题。“如何认知”既包含认知的方式也包含认知的机理和本质，由此构成了哲学上的“认知观”。人工智能演进中的不同范式所诉诸的不同纲领，就是基于不同的认知观而形成的：阐释“认识是什么”以及“认识如何进行”的哲学认知观，构成人工智能的哲学根基，它决定了人工智能如何去模拟人的认知，以及模拟人的什么样的认知，由此确立人工模拟的不同目标，设计不同的技术进路，进而形成不同范式或流派的人工智能。如同人工智能的创始人之一麦卡锡（John McCarthy）所指出：人工智能和哲学比一门科学与这门科学的哲学有更多的共同之处。这是因为人工智能的研究者需要具备一定的哲学态度，特别是认识论的态度。[1]迄今面世的三种范式的人工智能，分别将认知的本质理解为理性推导、经验学习和人与环境的互动，从而分别建立了基于知识表示、人脑神经网络和感知—行动的人工智能系统或智能体，认识论在这里可视为对人工智能演替进行哲学阐释的主线。

具体地说，基于经典算法的符号主义即传统范式的人工智能与理性主义相关，其方法论基础是演绎推理，哲学上直接受逻辑实证主义的认识论影响。麦卡锡就明确认为：“人工智能（这里当然是指创立之初的符号AI——引者注）已经从分析哲学与哲学逻辑研究中获益”；[2]皮茨（Walter Pitts）、西蒙（Herbert Simon，中文名为司马贺）、所罗门诺夫（Ray Solomonoff）等人工智能的其他重要创始人，也均受到过分析哲学的影响，他们都曾在芝加哥大学因听过卡尔纳普的课程而深受其“哲学就是逻辑分析方法”的启发，以至于他们的思想被认为是发源于卡尔纳普的分析哲学思想。[3]而弗雷格、罗素的数理逻辑以及早期维特根斯坦的《逻辑哲学论》也对符号AI产生了深刻的影响。

逻辑实证主义将认识看作以逻辑为基础的符号推理过程或计算活动。这一认知观在符号主义人工智能中得到了透彻的贯通和体现。由经典算法支配的人工智能的工作模式就是：一个既有的算法犹如先在的理性规则或先验存在的信息加工装置，等待它要处置的个别数据；机器认知的过程就是将输入的数据按算法规则加工成输出的符号，形成知识表征。在哲学家德雷福斯（Hubert Dreyfus）看来，符号AI所主张的这种信息加工模式是一种标准的唯理论，它把“具体的感性同化为用于抽象思维中的受规则支配的符号描述”。[4]这种观念可追溯到柏拉图那里，他把全部的推理活动化约为明晰的规则，再把世界分解为可运用这些规则去处理的原子事实；所以认知无非就是按明晰的规则进行计算，一切知识都可以编码为计算机能够处理的符号。可以说，经典算法及其相应的符号人工智能较为成功地模拟了人的左脑的抽象逻辑思维。

建立在人工神经网络基础上的深度学习算法及其联结主义人工智能则跟经验主义的认识论相关联，在其看来，学习就是大脑所做的事情，学习的过程就是从不断积累的经验中归纳出一般原则的过程，机器学习就是要模拟并实现大脑的这种学习功能。当人把经验数据提供给机器系统，它就基于这些不断积累的数据生成模型，然后用这些模型去进行辨识（如图像、声音识别等，统称为模式识别），这就类似于人所进行的学习。这是一种从经验到理论的认知进路，是从数据中提炼出规律即相应的知识和模型的过程，即从个别到一般的归纳过程；然后在面对新情况时，所形成的一般模型就会提供相应的判断，此即通过训练而生成的模式具有对新对象的识别能力。这一范式的方法论与逻辑学基础是统计学和归纳推理，理论基础是结构主义，它从神经网络及其连接状态来阐释人的认知机理，主张智能是人脑活动的产物，且是简单的单元通过复杂而大量的联结（特定的结构）所涌现出来的功能；学习的过程就是调整神经元之间的联结强度并形成特定结构的过程，这也是一个面对信息输入进行自组织自适应的过程。这种可调整的可塑性也是联结主义赋予人工神经网络学习功能的根据，它重现了人脑在学习时所发生的现象：在外来信息的刺激作用下改变或形成新的突触联系。从经验归纳的认识论进路看，这一人工智能系统具有将数据或信息加工为知识的指向。由于

二、人工智能与认识论的双向互释

基于对人工智能演进的认知观基础的分析，我们可以进一步探讨人工智能与认识论之间的双向互释关系。一方面，认识论为人工智能提供了理论基础和指导；另一方面，人工智能的发展也反过来推动了认识论的深化和拓展。

（一）认识论对人工智能的阐释

认识论作为研究人类知识的本质、来源和范围的哲学分支，为人工智能的发展提供了重要的理论基础。不同的人工智能范式体现了不同的认识论观点。例如，符号主义人工智能强调理性主义和逻辑推理，认为智能是基于符号操作和规则的应用；联结主义人工智能则强调经验主义和神经网络，认为智能是通过学习和模式识别实现的；行为主义人工智能则强调实用主义和环境交互，认为智能是在与环境的互动中涌现的。这些不同的认识论观点为人工智能的发展提供了不同的路径和方法。

（二）人工智能对认识论的反哺

人工智能的发展也为认识论的研究提供了新的视角和工具。通过模拟和实现人类认知过程，人工智能帮助我们更好地理解人类智能的本质和机制。例如，深度学习算法的成功应用促使我们重新思考学习和认知的过程，而神经网络的研究则为我们提供了理解大脑工作原理的新途径。人工智能的发展还引发了对传统认识论问题的新思考，如机器意识、自由意志和知识的可靠性等。

三、未来展望

人工智能与哲学的相互作用是一个持续发展的过程。随着技术的进步和理论的深化，这种互动将更加紧密和深入。未来，我们可以期待以下几个方面的发展：

1. 跨学科研究的深化：人工智能与哲学、心理学、认知科学等领域的交叉研究将进一步深化，产生更多创新性的理论和应用。

2. 伦理和价值的融合：随着AI技术的广泛应用，伦理和价值问题将更加凸显。哲学将在塑造AI的伦理框架和价值导向方面发挥重要作用。

3. 认知科学的新突破：人工智能的发展将继续推动认知科学的进步，帮助我们更好地理解人类智能的本质。

4. 哲学的革新：AI的挑战将促使哲学重新审视和更新其基本概念和理论框架，推动哲学本身的进步。

总之，人工智能与哲学的互动是一个充满潜力和挑战的领域。通过跨界思维，我们不仅能够推动技术的发展，还能够深化对人类自身的理解。这种互动将为未来的智者提供新的思考和探索的方向。