─人工智能的四大哲學問題─  文：*鄭祥福*教授

20世紀西方科學哲學的發展，經歷了向“語言研究”和“認知研究”的兩大轉向，認識論的研究在不斷去形而上學化的同時，正在走向與科學研究協同發展的道路。作為當代人工智能科學的基礎性研究，認知研究的目的是為了清楚地瞭解人腦意識活動的結構與過程，對人類意識的智、情、意三者的結合作出符合邏輯的說明，以使人工智能專家們便於對這些意識的過程進行形式的表達。人工智能要模擬人的意識，首先就必須研究意識的結構與活動。意識究竟是如何可能的呢？塞爾說道：“說明某物是如何可能的最好方式，就是去揭示它如何實際地存在。”這就使認知科學獲得了推進人工智慧發展的關鍵性意義，這就是認知轉向為什麼會發生的最重要原因。

由於哲學與認知心理學、認知的神經科學、腦科學、人工智能等學科之間的協同關係，無論電腦科學與技術如何發展，從物理符號系統、專家系統、知識工程，到生物電腦與量子電腦的發展，都離不開哲學對人類意識活動的整個過程及其各種因素的認識與理解。人工智能的發展一刻也離不開哲學對人類心靈的探討。無論是強AI派抑或弱AI派，從認識論上看，人工智能依賴於物理符號系統類比了人類思維的部分功能，但是，其真正對人類意識的模擬，不僅有賴於機器人本身技術上的革新，而且也有賴於哲學對意識活動的過程及其影響因素的瞭解。

　從今天來看，人工智能的哲學問題已不是人工智能的本質是什麼，而是要解決一些較為具體的智慧模擬方面的問題。這些問題包括：

1.關於意向性問題

人腦的最大特點是具有意向性與主觀性，並且人的心理活動能夠引起物理活動，心身是相互作用的。大腦的活動通過生理過程引起身體的運動，心理狀態是腦的特徵。“確實存在著心理狀態；其中一部分是有意識的；大部分是具有意向性的；全部心理狀態都是具有主觀性的；大部分心理狀態在決定世界中的物理事件時起著因果作用。”在這樣的前提下，塞爾認為，電腦或人工智能是無法像人的大腦一樣，既具有意向性又具有主觀性的。他對一些強AI觀點提出了批評，認為堅持這種觀點的人，把人的思維與智慧純形式化了。而電腦程式的那種形式化、語法化的特徵，對於那種把心理過程與程式過程視為同樣過程的觀點是致命的。因為人心不僅僅是形式的或語法的過程，人的思想所包含的決不只是一些形式化的符號。

實際上，形式化的符號是不具有任何語義的。“電腦程式永不可能代替人心，其理由很簡單：電腦程式只是語法的，而心不僅僅是語法的。心是語義的，就是說，人心不僅僅是一個形式結構，它是有內容的。”塞爾認為，機器究竟能否進行思維的關鍵在於：它是否能夠給物件賦予意義。“意識、思想、感情、情緒以及心理的所有其他特徵遠非語法所能包容。不管電腦的類比能力有多強，按照定義，它也不能複製那些特徵。”在塞爾看來，電腦類比畢竟不是現實，例如，我們可以用電腦類比風暴來臨時城市周邊防洪的形勢，用電腦類比倉庫的火災，用電腦類比車禍發生的場景，等等。但是，誰會認為這種模擬就是事實呢？心畢竟是種生物學現象，其複雜性絕非是電腦所能類比與複製的。

電腦有沒有意向性，這個問題的爭論可以歸結如下：1)究竟什麼叫做意向性？機器人按照指令從事特定的行為是不是意向性？2)人類在行動之先就已經知道自己究竟是在做什麼，具有自我意識，知道其行動將會產生什麼樣的結果，這是人類意識的重要特徵。那麼我們應該如何理解機器人按照指令從事某種行為呢？3)意向性能否被程式化？塞爾認為，“腦功能產生心的方式不能是一種單純操作電腦程式的方式。”相反，人們要問的是：意向性是不是一種可以理解的精神，如果可以理解，那麼為什麼就不能程式化？塞爾認為，計算機具有語法，但不具有語義。但實質上，語法與語義本身就是二而一的問題，兩者是從來也不會相分離的。如果兩個機器人之間可以互相交流，那麼我們難道能說它們之間只有語法而沒有語義嗎？如果程式能把語法與語義包含在一起，那麼我們還有必要分清楚語法與語義嗎？塞爾的觀點是，哪怕電腦複製了意向性，但複製不是原本。

其實，當我們對人類的認知及其與其行為的關係弄得一清二楚時，我們肯定能夠把我們對人類大腦的心理過程與行為的關係編成程式，輸入各種我們所瞭解的有關人類的資訊，使電腦“無所不知”。然而，到了那個時候，我們是否還能像塞爾所說的，人工智能不是智慧，人工智能中沒有意向性和心理過程，因為它缺乏人類的蛋白質與神經細胞嗎？意向性的複製是不是“意向性”？對理解的複製是不是“理解”？對於思想的複製是不是“思想”？對於思維的複製是不是“思維”？我們的回答則是：基礎是有別的，功能是相同的。依賴于不同的基礎形成同樣的功能，人工智能只不過是我們人類智慧的特殊的實現方式。塞爾用意向性來否定人工智能的深度，雖然有一定的根據，然而，當人工智能能夠模擬出類似於人一樣的思想時，即使人們都認為人工智能和人的智慧是有著本質區別的，那麼我們也會感到這種區別已經不具有什麼重要意義了。塞爾的觀點只能將人的心靈再度神秘化！

2.人工智能中的概念框架問題

任何科學都是建立在它所已知的知識之上的，甚至科學觀察的能力也無不與已知的東西相關，我們只能依賴於已知的知識，才能理解未知的物件。知與未知永遠都是一對矛盾，兩者總是相互並存又相互依賴的。離開了已知，就無法認識未知；離開了未知，我們就不能使科學認識有所發展和進化。“科學學習如何觀察自然，而且它的觀察能力隨著知識的增長而增長。”有大量的證據可以證明，當人們觀察物體時，觀察者得到的經驗並非決定於以光線進入他眼球的信號，也不僅僅決定於觀察者視網膜上的映射。兩個正常的觀察者從同一地方觀看同一個物體，並不一定得到同樣的視覺經驗，即使在他們的視網膜上的映射實際上是一樣的。

正如漢森所說的那樣，觀察者在觀看物體時，看見的比眼球接觸到的多得多。所以，夏佩爾說，“觀察者在觀看物體時得到的視覺經驗，部分地依賴於他過去的經驗、他的知識和他的期望。”觀察對於科學是十分重要的了，但是，“觀察陳述必須用某種理論的語言構成”，“觀察陳述是公共實體，用公共的語言加以闡述，包含著具有不同程度的普遍性和複雜性的理論。”這就表明了觀察需要理論，科學需要理論為先導，科學認識不是建立在未知的基礎上，而是建立在已知的知識基礎上的。

概念框架也稱背景知識、背景信念。之所以將人們認知的概念框架稱作信念，是因為概念框架是在不斷地學習與實踐中形成的，得到確證的那些可資利用的可靠的資訊；這些資訊在過去已被證明是非常成功的，我們對它沒有理由懷疑。如果說背景信念有什麼不確定性，那麼我們可以說背景信念是不斷在增長的、變化的，它處在不斷的更新中。

人們認知結構中的概念框架究竟是由哪些元素構成的？對於這個問題，科學哲學家們僅僅將其理解為已知的知識。例如，“世界圖景”（圖爾敏）、“研究傳統”（勞丹）、“研究範式”（庫恩）、“背景信念”（夏佩爾）等等。為了理解概念框架，我們首先要將認知主體看作是一個處在複雜環境中的人，他不僅是一個科學的觀察者，而且是一個社會的觀察者、生活的理解者、情感的關係者，總之是一個社會的有著七情六欲的人。

我們根據一個人所處的社會環境與現實社會背景，便可以具體地歸納這個認知者所具有的概念框架是由哪些因素構成的。但是，由於概念框架是一個變數，如果我們不對智慧類比的目標加以限定，那麼電腦編程就會面臨指數爆炸的問題。因此，對人類智慧的模擬就必須把機器人的目的加以限定，讓機器人做特定的、有限的工作。人腦的活動是分區域的，那麼對人腦意識的模擬首先應當分功能地進行。

概念框架問題是人工智能研究過程中最為棘手的核心問題，它所帶來或引發的相關問題的研究是十分困難的。在這個問題上，基礎性的研究是哲學的任務，即概念框架應當包含哪些因素，日常知識如何表達為確定的語句，人類智慧中動機、情感的影響其狀況是如何的，如何解決某些心理因素對智慧的不確定性影響。而人工智能的設計者們則要研究這些已知知識應當如何表達，機器人如何根據概念框架完成模式識別，概念框架與智慧機行為之間如何聯繫，概念框架如何生成、補充、完善，以及在運用這個概念框架某部分知識的語境問題，等等。而至於智、情、意的形式表達方面，則是人工智能研究者的任務。

3.機器人行為中的語境問題

人工智能要能學習和運用知識，必須具備識別語言句子的語義的能力，在固定的系統中，語義是確定的。正因為這樣，物理符號系統可以形式化。但是，在語言的運用中則不然，語言的意義是隨語境的不同而有差別的。

實際上，AI也就是首先要找到我們思想中的這些命題或者其他因素的本原關係、邏輯關係，以及由此而映射出構成世界的本原關係、客體與客體之間的關係。最初的物理符號系統便是以此為基礎的。但是，由於人們的思想受到了來自各方面的因素的影響，甚至語言命題的意義也不是絕對確定的單個句子或原子命題的意義更是如此。因此，最初，簡單的一些文字處理與符號演算完全可以採取這種方式，但進一步的發展，例如機器人之間的對話、感知外界事物、學習機等等，就必須在設計時考慮語句所使用的場合及各種可能的意義。

我們再回到維特根斯坦思想的發展。維特根斯坦的早期思想在哲學研究中遭到了來自各個方面的批評，主要的問題是語言的日常用法，是不可能按照維特根斯坦規定的那樣來使用的。在日常的使用中，語言的實際用法即語境決定了語言命題的意義。“哲學不可用任何方式干涉語言的實際用法；因而它最終只能描述語言的用法。”任何語言總是有確定的意義的，關鍵在於它是處在什麼樣的場合中，如何使用，即用於一個特定場合的句子其意義是確定的，否則這個句子就無法為人們所理解，就無所謂意義，所以“我們無疑懂得這個詞，而另一方面，它的含義就在於它的用法”。

約翰·奧斯丁則把語言劃分為兩類：一類是記述式的，或者說是陳述，具有真或假的特性；另一類是完成行為式的話語，“它要完成它所特有的任務，這就是被用於完成某種行為。說出那樣一種話語，就是完成某種行為。” “完成行為式話語必須是在特定的環境中說出，這種環境與有關的行為在各個方面都是合適的。”完成行為式的話語在我們日常生活中往往體現為一定的效果，即如果這件事是如此這般地發生了，那它便是正常的，如果相反，那它便是不正常的。在奧斯丁看，我們沒有純粹的語言標準，把陳述式或完成行為式分離開來，例如火車站廣播員說，“請各位旅客在越過鐵軌時通過天橋行走”，它既是直陳式的，又是完成行為式的句子。不管奧斯丁對句子的劃分存在什麼樣的問題，但是，我們從維特根斯坦後期思想、奧斯丁的語言哲學來看，語境問題是確定語言意義的極為重要的方面。

由此看來，由於語境問題的存在，人工智能的語言編碼就不是一種純粹邏輯的技術，也不是一個純粹認知心理學的問題。功能模擬在產生特定思維過程中已經顯現出超人的有效性，記憶、知覺、意象、概念形成、問題解決、言語理解等等，都被看作可用實驗來檢驗理論的研究領域，有關這些領域，提出了迭代、遞迴、組塊、後進先出存儲、水準搜索、垂直搜索、幾何圖形編碼或其他資訊加工的組合。但是，人的精神狀態以及語言在實際中的運用，則是一個更為複雜的領域。如果要模擬人的行為，那麼就必然會涉及到語言及其運用，涉及到語境的問題。

福多和拉普提出了“內容整體論”概念，認為一個運算式只有作為整個語言的部分時才能夠有內容。如果我相信命題P，那麼，我就得相信與P處於語境關係中的各種命題。內容整體論是與語言原子論相對而言的，這種原子論相信，運算式可以通過自身與語言之外的實體的關係而具有意義。“我們所說的內容整體論是認為，具有內容這種屬性是整體性的，在這種意義上，只有當語言中的許多其他（不同義的）運算式具有內容時，某個運算式才能夠具有內容。”當然，持內容整體論觀點的最早也許是“奎因—迪昂”原理，主張句子命題的意義必須是句子處在一個整體的科學理論語境中才能確定。

而自弗雷格對詞義的分析時提出語境原則以來，語境論現已普遍成為語言哲學所探討的重要方面。弗雷格認為，一個詞的意義只有在句子的語境中才有意義，例如“暮星”與“晨星”雖然是相同的物件，但其語境不同，意義也是不同的。達米特在語境論基礎上，提出了“從屬原則”，即如果一個詞獨立于它出現時的句子，那麼我們就無法確定它的意義。同樣，沒有領會整個思想，我們也就不能掌握構成這個思想的組成部分。

在哲學上，語境論是在“概念的相對性”提出之後形成的，它作為反對形式化的一種觀點，即反對人們認為可以建立一套能被普遍應用而無須考慮特殊情況的抽象形式，或者我們可以通過研究一個陳述的邏輯結構來確定它的含義的觀點。語境論者包括道德語境論（倫理情景主義）與哲學的語境論。“在語言哲學中，語境主義提出，一個詞的意思是通過它在一個句子中的用法或出現來確定的，也就是說，通過它對句子內容的作用來確定的。因此，句子或命題在對意思的解釋上比詞或概念更重要。理解一個詞就是理解它如何被用在一個句子中。語境定義是以語境主義為基礎的，它指的是：解釋一個詞，要求助於它出現於其中的句子。

根據對語境主義的類比，奎因和大衛森創立了人們所說的語義和整體論，這一觀點認為，一個句子的意思是由它在整個語言中的用法確定的。”奎因說道：“即使假定終究可以給同義性的概念提供一個令人滿意的標準，但是，這種做法仍然只是考慮了‘意義’這個詞的一種語境，即‘意義相似’這個語境。語詞是否也有語言學家們應予以注意的其他一些語境呢？是的，語詞肯定還有另一種語境，即‘具有意義’這個語境。”因此，我們說同義的問題時，就得確立情境的相似性，但是，“沒有兩種情景是完全相似的，即使在其中說出同一形式的情境也有無數的差別。”

鑒此，人工智能在設計語言編碼時，就不得不考慮整個思想以及言語的各種情境條件對於句子意義的制約作用。然而，困難在於找出那些與語言情境有關聯的主觀成份，而對於後者，則幾乎是不可能的。因為外部情境是一個極不確定的因素，每一個場景都是不相同的，這只能根據社會文化的類型大致確定幾種不同情境類型，社會化的認識論則將在這方面提出它們自己的見解。

顯然，從事對語境問題研究的哲學家們推動了這個轉向。實際上，把世界形式化，或者形式地理解智慧行為，直至目前人們認為是極為困難的，這些困難用形式化的方法是無法逾越的。由此可見，西蒙和紐厄爾的符號程式已經走到了終點。致命的局限性是由於符號程式沒有看到資訊加工系統是動態的、相互作用的、自組織的系統。而羅森布拉特則清楚地看到了這一點。

4.人工智能日常化認識問題

人工智能模擬不僅要解決心身關係，即人腦的生理與心理的關係問題，而且還必須解決人腦的心理意識與思維的各個層次間的關係，以及人的認識隨環境的變化而變化、隨語境的變化而變化的問題。根據智慧系統的層次性分析，我們可以逐步做到對各個層次的類比，但是，智慧層次性分析也只是一種抽象化的分析或理想化的分析而已。實際的智慧是多個層次之間不可分割的相互關聯著的整體，各層次間究竟是如何發生關聯的？在什麼情況下發生什麼樣的關聯？這便涉及到日常化的認識問題。

因此，建立在符號系統基礎上的人工智能無法解決人類認識的日常化問題，特別是無法解決人腦的情感、動機、意向性等心理活動功能，無法解決我們的日常認識因語境不同而意義不同的問題。

現象學大師胡塞爾則認為，世界、思想的背景、日常語境等是一個非常複雜的系統，這個系統是與那些同個人複雜的信念體系等相聯繫的事實組成的。但是，原則上說，我們可以將自己在世界中的存在懸置起來，而完成對人類信念系統的獨立描述，這樣，我們智慧行為的基礎就可以得以確定。但是，海德格爾卻反對其導師胡塞爾的觀點。我們所生存的世界，我們說話的語境等等我們日常應付自如的方式，是我們社會活動的一部分，是我們的存在方式。這種存在方式是我們無法像胡塞爾那樣將它抽取出一定的成分確定化的。明斯基指出：“僅是建構一個知識基礎，就成為智慧研究的重大問題……關於常識性知識的內容和結構，我們還是知道得太少了。‘極小’常識系統必須‘知道’有關因果、時間、目的、地點、過程和知識類型……某些情況。在這一領域中，我們需要花力氣做嚴格的認識論研究。”

1970年後，在明斯基的宣導下，人們開始研究“微世界”領域，打算形成系統地處理知識的方法，並且人們希望這些限定的、孤立的微世界能夠逐步變得更接近現實，並且能早日成為通往現實世界的理解手段。但是，最終人們發現這種研究在目前的情況下過於困難。因為，關鍵的問題是我們必須在面對常識的研究中形成一組抽象原理，以與常識理解相對稱。“但是，人類很可能根本不是按照通常的方式使用常識性知識的。正如海德格爾和維特根斯坦所指出的，與常識性理解相當的，很可能是日常技能。所謂‘技能’，並不是指過程的規則，而是指在眾多的特定場合知道該做什麼。”如果是這樣的話，理解技巧就不是以某種確定的規則為基礎的了，例如道德語境、審美情境等等。那麼，基於符號的AI就無法對這樣一種人們在特定的語境中所做出的特定行為做出模擬了。這就迫使AI的研究從符號操作理論轉向神經網路模型的建構。

由於物理符號系統是一個物理的過程，它與人的心理活動有著根本的區別。因此，要模擬人的心理與意識，在原則上是不可能的事。但是，模擬人的意識所要解決的問題主要是三個方面：

首先，限定人工智能的目標。必須使單一的機器人對人的意識的模擬特定化，即不要讓機器人做太多的過於複雜的事情，不要使編程陷入指數爆炸。根據西蒙的觀點，人的認識就是解決問題，而人在解決問題時是先易後難、逐個逐個地解決，而不是一次解決無數個複雜問題。

其次，必須把人的心理與意識分層次進行類比。只要能夠展示出人腦的功能，那麼儘管物理的過程與人的生理、心理的過程是截然不同的，但從功能上來說則是等效的。但是，要分層次地進行類比，心理學的實驗則是必不可少的。即為了給觀察到的人類行為建立模型而編制符號系統程式，心理學對參試者觀察與實驗的結果便可作為構造物理符號系統的假設。

再次，必須建立理解意義的各種條件性假設。由於語句的意義在使用過程中是變化的，其意義隨語境的不同而不同，這就需要我們在編程時設計出各種條件性假設，不同的語境有著不同的條件，只要我們設計出這些條件，那麼其意義就得以確定。     (來源：《科學技術與辯證法》2005年第05期)

﹝註﹞鄭祥福，男，生於1955年5月。1982年1月畢業於杭州大學哲學系，1994年6月獲哲學博士學位。現為浙江師範大學法政學院教授，博士生導師（山西大學科學技術哲學專業），研究方向─當代西方哲學。浙江省重點學科（A類）——馬克思主義理論學科負責人，浙江師範大學社會科學研究管理處處長。九三學社金華市委會副主委、第十屆浙江省政協常委、第五屆金華市政協常委，浙江省馬克思主義學會副會長、浙江省社會學學會副理事長、浙江省自然辯證法研究會副理事長。