哲學和科學的關(guān)系：哲學能為科學發(fā)展帶來什么？
關(guān)于這個問題的討論很多，我們比較熟悉的是“指導說”、“證明說”，前者是哲學為科學發(fā)展提供原則或者方法論指導；后者是科學發(fā)展證明了哲學觀念。另外，海德格爾曾經(jīng)批判過概念總結(jié)、分工協(xié)作等理解方式。以“證明說”為例，這是其中的觀點之一。一方面，科學印證哲學，以前哲學家提出了很多很好的理念，但是只停留在思維層面，盡管當時的科學發(fā)展不能與之匹配，后來科學發(fā)展提供了一些事實材料，慢慢驗證了一些哲學性的命題。另一方面，科學為哲學思考提供新的事實材料，現(xiàn)在各個門類的科學發(fā)展很快，提出了很多新的實驗材料可供分析。這也和我現(xiàn)在的研究相關(guān)。我一直在想作為一個哲學研究者，我們怎么對待科學技術(shù)？傳統(tǒng)的“指導說”是以大的哲學原理作為一種方法論指引科學怎么發(fā)展，但這種模式現(xiàn)在已經(jīng)出現(xiàn)問題不適用了，相比之下，“證明說”能有效解釋哲學和科學的關(guān)系。
以人工智能為例，我們需要思考一個問題：哲學對人工智能能夠做什么，這也是目前哲學界熱議的問題。
人類與人工智能（機器）的關(guān)系
關(guān)于人與人工智能的關(guān)系，我梳理了三種類型。
第一種是“類似說”。關(guān)于人工智能的定義，其中一個定義是人工智能能像人一樣行動和思維。也就是把人的感知方式、神經(jīng)機制研究透了后，就可以去做人工智能了，今年的一項新研究正是將對人的“共情”成果應(yīng)用到人工智能上，試圖研制出具有共性能力的智能體。
第二類是“融合說”。在此觀念中，人機之間不再是鏡像關(guān)系，而是趨向人機融合。比如通過腦芯片植入對神經(jīng)的改造，一方面“我”通過機器提升能力獲得便利，另一方面機器向我學習。這種說法打破了原有的類似關(guān)系。
第三類“同構(gòu)說”。強調(diào)了機器和人之間的“同構(gòu)性”。 一些高級機器能在人工智能的指導下走出未經(jīng)訓練的迷宮，其空間神經(jīng)元中呈現(xiàn)的結(jié)構(gòu)與老鼠、人相似。
關(guān)于機器的自我意識問題，有幾種討論方式?？茖W方面有兩種方式，第一種是通過機器行為來理解機器意識。2019年《Nature》刊發(fā)過一篇題為《機器行為學》（Machine behaviour）的文章，機器行為學是新興的學科，有助于理解機器自我意識的產(chǎn)生。第二種是通過意識產(chǎn)生的神經(jīng)機制來理解意識。當神經(jīng)科學搞清楚了意識產(chǎn)生的神經(jīng)機制那么就可以實現(xiàn)人工智能的應(yīng)用了。問題是當科學搞清楚意識的生成機制，想要移植在機器上時，將會在路徑上遇到如何從物質(zhì)產(chǎn)生意識的難題，而且機器學習的黑箱不能打開也使得人無從得知學習結(jié)果。哲學上也有兩種方式。第一種是從機器的社會行為理解機器的自我意識。上海大學社會科學學院教授王天恩從馬克思主義哲學角度談到一個觀點，人的意識是社會產(chǎn)物，那么機器的意識也要在機器社會行為中才能產(chǎn)生，這意味著機器意識產(chǎn)生的前提是機器必須要具備群體行為。第二種是從自主意識產(chǎn)生的條件來理解自主意識。黑格爾曾說“恐懼使得自主意識得以產(chǎn)生”，由此推論，或許機器恐懼會導致自主意識。然而這一說法遇到了證明的困難，即意識是因為恐懼產(chǎn)生，而恐懼是意識的一種類型，此處構(gòu)成悖論。此外，還有一個有趣問題，“機器是人造的”這一觀念也在不斷消解，機器學習的一些行為逐漸證明它不是人設(shè)計的，而是變成了一種智能體的自我生成。最近正好我看了幾篇文章：
（1）從無到有生成的智能體正在出現(xiàn)（Karol Gregor，2021）
（2）AI智能體可以學會動物進化法則完成自身的進化（李飛飛，2021)
（3)悄然生成的超級智能體已成為可能（Manuel Alfonseca，2021）
（4）將果蠅的神經(jīng)網(wǎng)絡(luò)作為AI基質(zhì)的跡象（Yu Cheng LIANG，2021）
第一篇介紹了最近出現(xiàn)的一種可以自主學習的超級智能體；第三篇論文介紹了一個沒有任何元素的環(huán)境中可以生成一個智能體，從無到一，從一到二；最后一篇的成果是嘗試使用低級動物果蠅的神經(jīng)網(wǎng)絡(luò)來跑算法，發(fā)現(xiàn)效率更高。
以上這些最新成果都和日常工具論的觀點不同，人不再能完全設(shè)計算法后面的行為。牛頓曾說“上帝踢了地球一腳，于是地球自行運轉(zhuǎn)”，或許也可以用來形容人和智能體，“人踢了機器一腳，機器自行運轉(zhuǎn)”。
人工智能定義的反思
當前人工智能的發(fā)展受到人們一些認識困惑的限制。人意識到人是會犯錯的，機器如果犯錯就可以舍棄不用了，對于人、機的表現(xiàn)有著不同預期。我們能夠認識到人是有限的，人是會犯錯的，人是會出各種各樣的問題的；但對于機器，現(xiàn)在缺乏一個耐心的環(huán)境，今天表現(xiàn)得不好不要緊，沒準哪一天機器會突然變得特別好——事實是，機器一旦表現(xiàn)不好，人就換一種結(jié)構(gòu)，并且將過去訓練的所有結(jié)果數(shù)據(jù)全部刪掉。
這就回到前面的“人機類似”的問題，說人工智能要像人一樣行為——很快我們發(fā)現(xiàn)這一關(guān)于“人工智能”的定義是有問題的，因此需要修正。美國學者為人工智能提供了新定義：“人工智能是在情景中做出最優(yōu)化選擇的。”這為我們提供了新的思路。
我們可以更進一步追問，“人工智能”的定義該由誰來下，是哲學家還是做技術(shù)的人？如果能夠給人工智能這個智能體下一個準確的定義的話，這個定義是不是也可以定義同樣是智能體的人？人工智能的定義如果跟人的定義一樣，那么人的定義應(yīng)該由誰來下？
人與記憶
在哲學對“記憶”的解讀中，首先是刺激留下的“印痕”，比如說我受傷以后留下疤痕；然后是休謨提出的“印象”慢慢從模糊到清晰，記憶深植形成觀念；第三種涉及哲學生物學的因素進入了，被稱為“印跡”，這是發(fā)生在神經(jīng)元層面。
胡塞爾、柏格森在談到“記憶”時引入時間性的概念，認為“記憶”是對主體的喚起，經(jīng)歷了“聯(lián)想——喚醒”的過程，外部刺激喚起痕跡，如熟悉的東西喚起腦中以前的痕跡，而非是人主動去想起某樣東西。有個法國哲學家提出這樣一個觀點，“to remember is to imagine”，記憶就是想象，但和一般的想象不一樣，記憶的想象是對過去對象的想象，此時主體意識更強了。最近關(guān)于記憶的研究記憶還涉及到夢境，在某種程度來說，記憶似乎有夢境的虛幻感。回到過去也不是我們想象的樣子，好像有一個特定的點在等著我們，事實上，我們無法在確定位置找到記憶，而是要經(jīng)歷重新構(gòu)成的過程，快樂、悲傷、感性、理性不同狀態(tài)下，回憶起來東西是完全不一樣的。我們講記憶的時候，可能還可以把它具體為存儲的信息，但從記憶到回憶的過程中添加了強烈的感受性，回憶時要經(jīng)歷把信息變成個人感受的過程。
此外，記憶也會處于“靜默”的狀態(tài)。有一個關(guān)于人腦三歲以前記憶的科學研究，發(fā)現(xiàn)人三歲以前的記憶處于“靜默”中。盡管即便努力回憶也想不起來，但肯定會在我們的意識里，當有某一天你的奶奶講述你三歲時的一個故事時，你的記憶可能就被喚起了。這種回憶是帶有感受的，不是簡單信息的提取，而是關(guān)于過去的感受，可以存儲有感受的內(nèi)容，比如我知道我很開心，這個信息我存起來，當我想達到過去同樣的感受時，我需要經(jīng)歷重新要計算重新構(gòu)建的過程。這類似于柏格森煙霧充滿房間的比喻，有一個觸發(fā)點后 ，煙一點一點出來，最后充滿整個房間——回憶某種意義上來說也可能有一個出發(fā)點，由此生發(fā)的東西會包圍、慢慢涌現(xiàn)出來，和“我”的注意、構(gòu)建與否沒關(guān)系。
綜上可見，記憶中有信息的屬性在其中，同時記憶中的主體不可或缺，又代表著一種靜默和能被喚醒的可能。
人工智能與記憶
奧古斯丁曾說人的靈魂有兩種必備能力，“智能”和“記憶”，人工智能研究者也越來越意識到“記憶”的重要性。但是目前這種理解還遠遠不夠。在我看來，技術(shù)將產(chǎn)生傲慢，我們都知道人工智能代表技術(shù)，然而這導致人工智能越發(fā)展、越精致，它的傲慢性就越明顯，甚至智能到能夠非常傲慢但裝出共情的樣子——而“記憶”正是對付這一問題的方法。因而原本人工智能只做智能，但現(xiàn)在也開始涉及記憶（即信息的長期存儲），這可以看做是一種進步。
計算機內(nèi)存是關(guān)于記憶描述的一個非常重要的出發(fā)點。和生物學記憶類似，計算機將信息編碼好，然后分別存儲成長期記憶、短期記憶兩類。人們大多總以為是先有短期記憶，然后短期記憶慢慢鞏固成長期記憶，但實際上后來科學家提出是短期記憶、長期記憶一開始就存儲在不同部位，這非常有意思。人記憶的生成要經(jīng)歷信息的編碼、存儲、提取、鞏固、甚至再鞏固的過程，而對于機器而言則沒有“再鞏固”第四階段。
以上關(guān)于記憶研究的討論，其目的是為未來決策服務(wù)，主要體現(xiàn)在以下方面：
1、記憶研究為人工智能發(fā)展提供理論基礎(chǔ)，正是現(xiàn)在科學家在做的事情，讓人工智能多一點記憶。
2、記憶研究關(guān)系到通用智能的研究。目前通用智能的研究還遇到了一個難題即災(zāi)難性遺忘問題，這是目前人工智能碰到的疑難，科學家們也提出了多種途徑來解決這一問題。災(zāi)難性遺忘是一種常見現(xiàn)象，比如對人而言，根據(jù)喝酒的經(jīng)驗來理解喝咖啡的行為是正常遷移性學習的一種，但對于機器而言，在學新東西的同時，可能完全忘掉以前的東西，沒有辦法遷移，這就導致了災(zāi)難性遺忘。災(zāi)難性遺忘將產(chǎn)生不可預見的后果，如果不能有效解決，那么通用智能研究就會大打折扣。
3、記憶研究有助于理解人工智能的發(fā)展趨勢。AI1.0是基于符號推理的知識驅(qū)動，AI2.0是基于深度學習的數(shù)據(jù)驅(qū)動，AI3.0可以看做是基于深度學習的經(jīng)驗驅(qū)動特征。這在我以前的一篇文章中專門討論過。
（訪談?wù)?｜ 顏潤 復旦發(fā)展研究院學術(shù)助理）
加載中,請稍侯......