【AI加油站】第六十部：深入探索《人工智能哲学》：从理论根基到核心争议与未来展望（附下载）

《人工智能哲学》由英国科学院院士玛格丽特・博登编著，汇集了 15 篇 AI 思想界里程碑式的文章，时间跨度从 1950 年至 1990 年，全面呈现了人工智能哲学近半个世纪的发展脉络，深入探讨了人工智能与哲学、心理学等学科的复杂关联，剖析了 AI 领域的核心争议、理论分支及未来方向。

一、书籍基础信息与核心定位

本书属于 “当代学术思潮译丛”，由刘西瑞、王汉琦翻译，上海译文出版社 2001 年出版，根据英国牛津大学出版社 1990 年版译出。作为论文集，书中文章虽不像专著那般系统全面，却均为作者原创性研究的代表之作，蕴含着新思想破土而出时的创造性力量，既有立意深远之作，也不乏演绎缜密的大家手笔，展现出 AI 研究领域的重要方面与理论深层。

主编玛格丽特・博登是英国苏塞克斯大学认知科学学院创始人兼院长，作为 AI 领域权威，她精心挑选代表性作品，并撰写了长达 20 多页的导言，对每篇文章逐一介绍、前后贯穿，为读者理解全书全貌提供极大帮助。

二、人工智能哲学的核心理论与争议

（一）智能判定标准的对立

1. 图灵检验：行为主义的智能判据
   图灵 1950 年发表的 “计算机器与智能” 是划时代之作，提出了图灵机理论模型，为现代计算机奠定理论基础。更重要的是，文中提出 “图灵检验” 这一 AI 思想界最重要的智能机标准，成为判断智能存在与否的关键可操作标准。该检验通过 “模仿游戏” 展开：让提问者与一个人和一台机器分别交流，若提问者无法区分二者，就认为机器具备智能。图灵认为，若计算机能以与人类无差别的方式回答问题，就可认为其有智能，且他坚信未来计算机能达到这一水平。
2. 塞尔的中文屋实验：强调意识的作用
   哲学家塞尔提出著名的 “中文屋” 思想实验反驳图灵检验。实验中，塞尔被关在充满中文字条的屋子，靠英文指令书将中文字条配对，能正确回答屋外中国人的提问，屋外中国人误以为他懂中文，但塞尔本人实则不懂。这一实验表明，图灵准则是行为主义的，仅关注外在行为相似性，而理解的实质并非程式化操作，智能或意向性不仅需要类似人类的行为，还需 “正确的因果能力”。塞尔认为，神经蛋白能生成意向性，而金属和硅则不能，其观点聚焦于材料质别对意向性生成的影响。
3. 博登的反驳：计算理论可解释意义
   博登在 “逃出中文屋” 中反驳塞尔，指出即使最简单的程序也并非纯形式主义的，具有本原的语义特性，计算理论并非不能解释意义。只要大脑生成意向性的能力可被理解，而非完全违背直觉，这种信息加工方式同样可用于计算机，AI 概念有理由成为心理学理论的基本组成部分，部分想象中的计算机也能具备接近意向性和智能的能力。

（二）AI 发展的可行性争议

1. 乐观主义与悲观主义的对立

• 乐观主义派别
  ：认为 AI 前途无量，与人类智能无实质性差别，不仅能替代人类智能，还将超越。他们相信，随着技术发展，计算机在深度、广度和灵活性上能与人类心智媲美，可实现诸如阅读十四行诗、进行医学诊断等复杂智能行为。
• 悲观主义派别
  ：将 AI 贬低为现代 “炼金术”，认为其只是零敲碎打、拼拼凑凑，仅在局部表面模仿人类，远未实质理解人类智慧。他们提出，人类智能的 “非形式特性”（如行为的创造性、哥德尔定理相关特性）无法约简为规则，计算机难以实现与人类心智相当的表现。

2. 强 AI 与弱 AI 的分野
   随着争议发展，出现 “强 AI” 和 “弱 AI” 的提法。强 AI 认为，AI 不仅是实现人类智能的工具，实际上等同于人类智能；弱 AI 则主张，AI 仅仅是实现人类智能的工具，对其评价不应超出工具范畴。书中文章多少带有两派印记，部分出自两派领袖人物之手，通过对比可更清晰评判其得失正误。

（三）AI 的语境差异与融合可能

书中文章分属技术和哲学两种不同语境。技术专家和哲学家在各自领域能自圆其说，但两种语境缺乏可通约性，常出现 “自说自话” 的情况。不过，将它们放在一起，从双重视角认识 AI，可能引发思想碰撞，产生新的融合。值得注意的是，书中技术性文章着重对推理思路概述，无艰深繁冗的理论推导，非计算机专业读者也能理解；哲学家的文章也侧重基本思路阐述，非哲学专业读者易于接受，哲学研究者还能从中领悟深层意义。

三、人工智能的两大分支

（一）传统 AI：以符号逻辑为基础

传统 AI 以符号逻辑为基础构建算法系统，由图灵、冯・诺伊曼规定方法。其核心是通过形式化的符号操作来模拟人类思维，将人类智能活动转化为一系列明确的规则和符号运算。例如，在问题求解中，传统 AI 会将问题转化为符号表示，然后运用预设的规则进行推理，寻找解决方案。不过，传统 AI 存在一定局限，在处理模糊性、不确定性以及需要大量常识知识的任务时，往往显得力不从心。

（二）联结论：基于统计分布的并行系统

联结论建立在统计分布规律之上，是并行分布式系统，包括对大脑神经网络的模拟，在很大程度上弥补了传统 AI 的不足，具有容错能力和较强的学习功能。

1. 联结论的核心特征
   ：由许多简单单元构成大规模并行处理装置，单元活动受相邻单元活动制约，相邻单元通过抑制或激活连接与之互动，连接强度可根据设计和学习变化。单元活动和连接强度用数字表示，系统活动和加权值变化通常由微分方程控制。
2. 分布式表述的优势
   ：以并行分布式处理（PDP）研究中的 “分布式表述” 为例，一个概念不是由单个符号在特定存储部位表述，而是由动态网络上的均衡状态表述。每个单元对概念相关的微观特征编码，单元间联结根据特征支持或抵制关系表现为激活或抑制。这种表述方式使联结论能轻松完成模式匹配，即便新模式与旧模式有差异或仅为旧模式部分，也能有效匹配，在知觉识别、类比思维和族的相似性分类等传统 AI 难以应对的任务上表现出色。
3. 联结论与传统 AI 的关系争议
   ：关于二者理论关系，即使联结论者内部也有分歧。从原则上讲，所有联结论系统可由冯・诺伊曼机实现，但在认知科学中的相互关系和用途对比存在不同观点。部分观点认为，语言理解和分步推理所需计算形式不完全适合联结论系统，PDP 系统可能需模拟冯・诺伊曼机才能完成这类任务；也有观点指出，联结论涉及传统认知科学的 “方法论转换”，无需先寻求公理化任务分析，而是通过让网络学习任务，再揭示其体现的高层原理。

四、AI 与哲学的紧密关联及面临的挑战

（一）AI 与哲学的深度交织

在科学家族中，AI 与哲学关系尤为密切。其他科学从哲学母体分离后，仅在认识论层次与哲学保持联系，而 AI 在学科内部与哲学难解难分。例如，斯坦福大学计算机教授会为计算机系学生讲授海德格尔的哲学思想。数理逻辑与计算机理论的关联自不待言，维特根斯坦、胡塞尔和海德格尔的思想也会出现在 AI 问题讨论中。许多 AI 研究陷入困境，正是因为对哲学家昔日的失败一无所知，日本 “第五代计算机” 研制计划的 “光荣失败” 也证明，AI 必须同哲学联手才能突破发展瓶颈。

（二）AI 发展面临的核心挑战

1. 形式化与意向性难题

• 形式化的界限
  ：形式化有狭义和广义之分。广义上，一切被感知事物、复杂事物及精神活动，都以符号等形式在意识中形成对应物，思维活动通过组织这些素材完成；狭义上，形式化由逻辑学规定，在计算机和 AI 中，指事先规定的运行方式，任一事物能形式化就能由计算机完成，反之则不能。联结论出现后，AI 对形式化的要求有所放宽，但仍需以形式化为基础建立算法。形式化的界限成为计算机能力的界限，如何突破这一界限，让计算机处理更多非形式化任务，是 AI 面临的重要挑战。
• 意向性的实现
  ：意向性被视为区分人与机器的关键特征之一，人类的行为在意识引导下完成，具有主动性和指向性，而机器的行为是机械运行过程，由人事先指定，缺乏自发的意向性。尽管有人尝试归纳人类动机形成机制并赋予机器，但动机与个体独立意识紧密相关，机器能否获得主体意识并进而具备意向性，仍是尚未解决的难题，需要对大脑构造进一步了解，对主体性作出更清晰的解释和界定。

2. 常识推理与框架问题
   常识推理是 AI 的一大难题。人类在日常生活中依靠大量未经教授的、无意识的 “朴素物理学”“朴素心理学” 知识进行推理，而 AI 要实现类似推理，需将这些常识知识形式化、公理化。其中，“框架问题” 尤为突出，该问题源自机器人制定计划的语境，关系到对现实世界中行为后果（包括有意和无意后果）的预见。行为的形式表述需明确包含所有有意结果，而大量无意后果能否完全不起作用，取决于行为者对潜在外部情况的预见程度。框架问题能否解决，既取决于能否以可信方式明确表述行为后果，也取决于相关世界知识的确认、表述和使用。
3. 机器与人类智能的本质差异
   尽管 AI 在某些特定任务上表现出色，如 “深蓝” 战胜国际象棋世界冠军卡斯帕罗夫，但机器智能与人类智能仍存在本质差异。人类智能具有创造性、灵活性和对复杂语境的理解能力，能在无明确规则可循的情况下作出判断和决策，而机器智能多依赖预设的规则和数据，缺乏真正的理解和创造性。例如，机器可通过算法生成 “诗歌”，但无法像人类一样理解诗歌所蕴含的情感、文化背景和深层意义。此外，人类智能与身体感知、情感体验、社会互动等紧密相关，这些都是当前 AI 难以模拟的。

五、AI 的未来展望与启示

（一）AI 的发展方向

1. 技术层面
   ：未来 AI 需进一步突破形式化限制，增强对非形式化知识的处理能力，更好地模拟人类常识推理。在联结论与传统 AI 的融合方面，可探索二者优势互补的路径，例如利用联结论处理模式识别等任务，结合传统 AI 的符号推理能力处理复杂逻辑问题。同时，随着神经科学的发展，借鉴大脑神经网络的结构和工作机制，开发更接近人类大脑信息处理方式的 AI 系统，可能成为重要发展方向。
2. 理论层面
   ：需加强 AI 与哲学、心理学、神经科学等学科的交叉研究。深入探讨意识、意向性、主体性等哲学问题，可为 AI 的理论发展提供指导；借鉴心理学对人类认知过程的研究成果，能帮助 AI 更准确地模拟人类思维；神经科学对大脑构造和功能的揭示，也能为 AI 系统的设计提供生物学依据。

（二）对人类的启示

从马斯洛需求层次理论角度看，在人工智能浪潮冲击下，人类需重新审视自身的生存与发展。在生理需求、安全需求等基础需求层面，AI 可提供更多保障，如智能医疗保障健康、智能安防保障安全；在社交需求、尊重需求和自我实现需求层面，人类需发挥自身的独特优势，如情感交流、创造性思维、价值追求等，与 AI 形成互补，而非被 AI 替代。人类应主动适应 AI 时代，利用 AI 提升生活质量和工作效率，同时不断提升自身的综合素质，在与 AI 的共生共存中实现自我价值。

《人工智能哲学》不仅为读者呈现了 AI 思想发展的历史脉络和核心争议，也为 AI 未来发展指明了方向，让我们认识到，AI 的进步不仅依赖技术突破，更需要哲学思维的引领和多学科的协同合作，只有这样，才能让 AI 更好地服务于人类社会，推动人类文明不断向前发展。