人工智能 vs 自然智能

——智能時代的人工智能哲學(xué)與社會學(xué)思考

世界的意義必定在世界之外。

                          ——路德維希·維特根斯坦

進入 2023 年，中國出版界形成人工智能著作出版的熱潮。劉志毅的《智能的啟蒙：通用人工智能與意識機器》具有獨特的框架和顯著的深刻思想邏輯。全書分為四個部分。在第一部分，作者探討了人工智能的起源和演變，強調(diào)通用人工智能和復(fù)雜系統(tǒng)的交融機制。在第二部分，作者提出因為人工智能而形成“科學(xué)的新地平線”，觸及因果統(tǒng)計與通用人工智能的關(guān)系，描述了“圖靈具身系統(tǒng)”，特別是量子力學(xué)對于人工智能的深層影響。在第三部分，作者思考了意識起源，以及對人工智能和人類大腦智能的比較和交匯，肯定了大模型的未來就是智能機器的“自我意識”。在第四部分，作者展現(xiàn)了通用人工智能的未來全景，闡述了如何實現(xiàn)“AI 與人類價值對齊”，以及通用人工智能的道德、數(shù)學(xué)與適應(yīng)性。

在所有思想和文字的背后，是作者的如下信念：人工智能進入大模型階段之后的根本特征是學(xué)習(xí)、推理和思維能力。作者對于人工智能的價值判斷、人工智能技術(shù)趨勢和未來的展望，以及所持有的立場傾向是積極和樂觀的。為此，作者引入音樂語言和概念，例如“智能樂章”“AI 與人類價值對齊交響曲”“通用人工智能與大型語言模型猶如兩件華麗的樂章，共同演奏人工智能的和諧之曲”，從而強化了一種隱喻的力量。

基于這本書所包含的豐富思想資源，特別是深層的哲學(xué)和社會學(xué)思考，我提出了四個基本問題，期望與作者和讀者討論。這并非通常的序言或者代序言模式。

一、人工智能、先驗主義、維特根斯坦和數(shù)理邏輯

進入 20 世紀，人類正在以前所未有的加速度認知其所生存的地球、太陽系和宇宙。物理學(xué)家們提出量子力學(xué)、相對論，深入原子結(jié)構(gòu)，解析基本粒子，直至發(fā)現(xiàn)和證明“夸克”的存在。原子半徑在 10-10 米的數(shù)量級，而夸克半徑則在 10-18 米的數(shù)量級。人類通過特定物理效應(yīng)可以觀測電子、質(zhì)子和中子，卻無法直接觀測夸克。因為弦理論和 M 理論，人們開始接受宇宙是多維度的存在。與此同時，宇宙學(xué)家不斷拓展關(guān)于宇宙的觀測范圍。根據(jù)最新的研究成果，人類所在宇宙的年齡在 137.7 億—138.2 億年，目前人類可觀測的宇宙直徑是 930 億光年。

在這樣的大背景下，傳統(tǒng)的教育和學(xué)習(xí)已經(jīng)不足以幫助人們理解和認知世界及宇宙。人類認知和真實世界之間的缺口，不是呈現(xiàn)縮小趨勢，而是呈現(xiàn)擴大趨勢。即使是知識階層，也不可避免地深陷對于熱力學(xué)第二定理的憂慮，不得不接受復(fù)雜科學(xué)框架、“哥德爾不完備性定理”的邏輯、“混沌理論”的描述，不得不相信世界的不確定性、對稱性破缺、“增長的極限”和“科技奇點”，不得不面對大數(shù)據(jù)的超指數(shù)增長和信息爆炸。

正因為如此，我們必須尋求一種消除人類認知和真實世界之間的缺口的方法和力量。這種方法和力量當然不再是人本身，因為包括利用人類大腦在內(nèi)的人的自身開發(fā)和潛力發(fā)掘，不再有很大的空間。人工智能的歷史意義正在于此。唯有計算機和人工智能，才可以突破人類自身的智慧和能力已經(jīng)逼近極限的現(xiàn)實。所以，人工智能是復(fù)雜世界體系和人類之間的橋梁，并非人類的簡單工具。人工智能不是彌補人類能力之不足，而是解決人類沒有能力意識到并提出的問題，超越人類智能和經(jīng)驗。

事實上，人工智能是一種“先驗”，或者“超驗”（transcendent）的存在。因為人工智能的原理是先于人類的感覺經(jīng)驗和社會實踐 的。1950 年， 艾 倫· 麥 席 森· 圖 靈（Alan Mathison Turing，1912—1954）提出機器是否可以思考的問題，并且給予肯定的回答與論述，這與其說是一種“預(yù)見”，不如說是證明的人工智能的先驗存在特征。在 1950 年那個時間節(jié)點，人工智能還存在于現(xiàn)實世界之外，存在于那個超越經(jīng)驗、超越時空的理念世界之中。圖靈的人工智能想象和思考，原本存在于他的理念世界之中，只是在特定環(huán)境之下得以被激活。其實，不只人工智能，計算機的歷史，至少從帕斯卡（Blaise Pascal，1623—1662）到巴貝奇（Charles Babbage，1792—1871）的探索，也是先驗主義（transcendentalism）的證明。

自 1956 年關(guān)于人工智能的達特茅斯會議之后，人工智能開始了依據(jù)自身邏輯的演進過程。今天，當我們回顧和審視過去的 67 年歷史，不難發(fā)現(xiàn)：人工智能的真實演進路線是最為完美的，沒有走過真正的彎路，而且每個階段之間都存在必要的間歇和過渡。這是任何人工智能的人為設(shè)計路線都無法做到的。例如達特茅斯會議所形成的三條路線，不是對立關(guān)系，而是補充關(guān)系，現(xiàn)在的先后順序是最合理的選擇，因為人工智能的聯(lián)結(jié)主義路線需要以符號主義作為前提和開端。機器學(xué)習(xí)優(yōu)先于深度學(xué)習(xí)也是同理，使得人工智能技術(shù)完成從通過機器算法的學(xué)習(xí)到通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)的進步。至于人工智能生成內(nèi)容、ChatGTP、從transformer 到大模型，都是人工智能發(fā)展過程的瓜熟蒂落和水到渠成而已。人工智能原本就有一張路線圖，而人工智能歷史是展現(xiàn)這張路線圖的過程。

特別值得思考的是大語言模型（Large Language Model，簡稱 LLM）。簡言之，大語言模型是一種能夠生成自然語言文本的人工智能模型。自 2022 年末，OpenAI 公司的 GPT（Generative Pre-trained Transformer）系列大模型因為可以廣泛應(yīng)用于自然語言生成、語音識別和智能服務(wù)等領(lǐng)域，成為人工智能歷史的重大分水嶺。GPT 的重要優(yōu)勢是采用了 transformer 架構(gòu)，即一種基于注意力機制（Attention Mechanism）的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以支持模型高質(zhì)量處理長文本，把握文本中的長期依賴關(guān)系。更為重要的是，GPT 的預(yù)訓(xùn)練基于無監(jiān)督學(xué)習(xí)方式，通過在大規(guī)模文本語料庫中學(xué)習(xí)語言的統(tǒng)計規(guī)律和模式，理解和生成自然語言文本。此外，GPT 所構(gòu)建的多層次、多粒度的語言模型，其每個層次都對應(yīng)著不同的語言表示方式，可以逐漸深入理解和生成更加復(fù)雜的自然語言文本，包括上下文信息，句子和段落的結(jié)構(gòu)、主題，以及詞匯、語法、句法、語義，最終適應(yīng)不同的自然語言處理任務(wù)。

大語言模型在自然語言處理領(lǐng)域的成功應(yīng)用，完全符合人類智能結(jié)構(gòu)，在很大程度上擴展和實踐了維特根斯坦（Ludwig Josef Johann Wittgenstein，1889—1951）的理論。在維特根斯坦看來，語言的邊界就是思維的邊界�！罢Z言必須伸展得與我們的思想一樣遙遠。因而，它必須不僅能夠描述實際的事實，而且同樣能描述可能的事實�！彼�以，語言的本質(zhì)在于它的使用方式。語言的真實性與其在實際使用中的效用相關(guān)聯(lián)，而不是通過符號與客觀世界之間的對應(yīng)來獲得的。圖靈在維特根斯坦過世前一年已經(jīng)提出關(guān)于人工智能的核心思想，維特根斯坦是否注意到不得而知�？梢钥隙ǖ氖�，實現(xiàn)人工智能和自然智能的交流和融合，將傳統(tǒng)的人—人交流模式轉(zhuǎn)變?yōu)槿恕獧C—人交流模式。

這樣的改變意義巨大。人類已經(jīng)墮入自然語言的危機之中，因為歧義的蔓延使得交流成本擴大。現(xiàn)在看，大語言模型是拯救人類、擺脫危機的重要途徑。

進一步思考，我們可以發(fā)現(xiàn)在大語言模型與數(shù)理邏輯（或稱人工智能的“符號主義”流派）之間存在某種關(guān)聯(lián)性。數(shù)理邏輯又稱“符號邏輯”，核心特征是用抽象的符號表示思維和推理，實現(xiàn)證明和計算結(jié)合，構(gòu)建形式化的邏輯關(guān)系。萊布尼茨（Gottfried Wilhelm Leibniz，1646—1716） 是 數(shù) 理 邏 輯 的 開 山 鼻 祖， 羅 素（Bertrand Arthur William Russell，1872—1970）是數(shù)理邏輯的集大成者。大語言模型在很大程度上逾越了數(shù)理邏輯的各種技術(shù)性障礙，因為大語言模型具有萊布尼茨和羅素所難以想象的十億、百億、千億，甚至上萬億的參數(shù)，以及海量的大數(shù)據(jù)和語料庫，通過對大數(shù)據(jù)的分類和訓(xùn)練，大語言模型可以實現(xiàn)數(shù)學(xué)方法、計算機算力和程序語言的結(jié)合。大語言模型將很可能是數(shù)理邏輯研究的未來形態(tài)，或者數(shù)理邏輯研究因為大語言模型獲得全新的生命力。

如今，人工智能真正的特殊之處是，人工智能已成為推動人工智能發(fā)展的動力。也就是說，人工智能推動人工智能成為更為先進的人工智能，走向通用人工智能（Artificial General Intelligence，簡稱 AGI）， 進 而 通 用 人 工 智 能 和 通 用 技 術(shù)（General Purpose Technologies，簡稱 GPTs）發(fā)生時刻的重合。人類進入包括數(shù)學(xué)、物理學(xué)、化學(xué)、生物學(xué)和宇宙學(xué)在內(nèi)的科學(xué)研究日益依賴人工智能的時代。我們已經(jīng)無法想象沒有人工智能參與和支持的科學(xué)實驗和科學(xué)研究。我們更要看到的是，人工智能和科學(xué)形成互動關(guān)系。人工智能和科學(xué)的融合，將強化人工智能的深層科學(xué)屬性，使得人工智能的實際張力超出人們就人工智能認識人工智能的限制。

朱嘉明

2023 年8月1日于北京