正文

人工智能革命

(2017-11-13 10:19:09) 下一個

        柯潔和AlphaGo的對決,再次掀起人工智能的討論。伴隨大數據時代的來臨,互聯網、人工智能、虛擬現實互相融合進而有可能重塑社會;特別是人工智能的蓬勃發展,似乎正在顛覆人類社會現有的組織、生產和生活形態。

   本文力圖從人類智能和社會長時段發展的視角,審視當下這場人工智能革命的實質,及其對現代社會的衝擊。進一步來說,今天有必要在認識論層麵上,理解“什麽是人類智能”,重新界定人類智能的進步與社會形成、演變的關係。當前對這些問題的認識空前混亂,恰恰反映出科學被技術異化和人文精神的喪失。

 

一場退回到原點的革命

 

   當前正在發生的這場人工智能革命,實質是一場“退回到原點的運動”,由此所引發的討論,在某種意義上也是對人類“智能”認識的大倒退。所有這一切都和人文精神的淪喪有關,特別是對人工智能的發展曆史的忽略。

   其實,早在“人工智能”這一觀念出現以前,AlphaGo的工作原理已經被數學家和生理學家發現了。1948年,美國應用數學家諾伯特·維納提出了“控製論”,促使智能研究的行為主義大轉向。與今日人工智能研究直接相關的,是當時的自動機理論,麥克卡洛和匹茨的神經網絡模型就是這類自動機之一,其被視作人工智能研究的連接主義學派(其對智能的認識也是行為主義的)的開創者。神經網絡模型的基本思想極為簡單--大腦神經元的工作原理和電腦工程師所說的邏輯門一樣,一個CPU 就是一個邏輯門的集合體。[1]在此基礎上可以得到神經元的計算模型:係統的輸入為I1, I2, ... ,IN,接受這些輸入的神經元輸出用如下法則規定:將這些信號經過加權(W1, W2, ... ,WN),如果其強度超過了一定的閾值(T),則該神經元就會發放一個信號y給其他神經元或者直接輸出到外界。[2]這樣,閾值的改變意味著輸入和輸出關係的變化。當閾值的改變由輸出引起時,我們可以說這部自動機在“學習”。

   簡言之,複雜的智能行為被簡化成機器對外界刺激的反應和反饋。低層次的反饋是達到目的的行動;高層次的反饋,因存在代表網絡連接方式之參數隨輸出結果變化而不斷地調整,其可以解釋神經網絡結構和相應行為模式的變化,也就是學習機製。

   作為神經網絡自動機的AlphaGo,其工作原理早已一清二楚,在今天沒有新的內容。20世紀40-50年代,因電腦剛剛出現,加上數據量的限製,AlphaGo不可能被製造出來。近年來,伴隨計算機硬件的發展,以及海量數據的積累,使得神經網絡自動機的研究和製造突破了物質和技術條件的限製,這就是今天的人工智能“革命”。

  

仿生學和AlphaGo

  

   既然早在20世紀40-50年代,AlphaGo的工作原理已得到清晰認知,為什麽當時神經網絡自動機的功能沒有被冠以人工智能之名呢?因為神經網絡模型對應的是生物本能,而不是人類智能。

   舉個例子。1959年,麥克卡洛、匹茨與美國認知心理學家傑羅姆·萊特文等合作完成了一篇論文--《蛙眼告訴蛙腦什麽》。他們發現,蛙眼能看到的是相對於背景運動著並具有特定形態的物體,而對背景視而不見。如一隻昆蟲或者天敵的“影子”隻要從眼前掠過,青蛙會立即做出反應:撲向食物或者逃進水中。麥克卡洛等人用一個神經網絡的數學模型來解釋青蛙看到了什麽。蛙眼神經網絡的功能是青蛙的本能,不能被視為智能。但是從神經網絡來講,它和AlphaGo沒有區別。正因如此,當時神經網絡自動機的研究對應的是仿生學。

   生物神經網絡的本能源於遺傳,而AlphaGo的能力是通過學習獲得的,兩者似乎不可同日而語。青蛙對運動物體的反應快過人,狗的嗅覺是人不可能有的。這都是自古就廣為人知的事實,從來沒有人會認為它們能超過人類,因為人具有智能,生物本能不是智能。智能是一種學習能力,這正是AlphaGo引起廣泛注意的原因。其實,上述疑問之所以產生,是出於對智能和學習關係的混淆。生物的本能亦是通過“學習”獲得的,隻是不被稱為學習罷了。

   什麽是深度學習?其本質是神經網絡結構(規定神經元聯接之閾值)因網絡功能而改變,它與生物本能因自然選擇而形成的過程相同。AlphaGo通過人喂給它的大數據或下棋的勝負來修改網絡結構,青蛙則通過適者生存進化出對運動物體做出迅速反應的神經網絡,從結果規定網絡結構這一點上看,兩者一模一樣。換言之,今日所謂係統的深度學習,其理論基礎是行為主義和連接主義。學習機製為“自下而上”的選擇路徑,這隻是生物學意義上“自然選擇”導致物種形成的過程。隻是生物界不需要某一物種以下圍棋來生存,故自然選擇這一“深度學習機製”沒有創造出人所不能匹敵的圍棋高手。

   任何一種達到目的的過程和學習都需要不同層次的反饋,但這些高層次的反饋絕不等同於智能。其實,神經網絡自動機在60年前並未被視作有智能的,人工智能研究的出現正是立足於對智能和本能的區分。

   如何定義“智能”?長期以來,關於人類智能的思考,基本上是思辨性的。人們從自明的意識出發,通過內省來認識“記憶”、“學習”甚至是自我的形態。行為主義開創了用行為模式來定義智能的全新思路。舉個例子,一隻狗被汽車撞了,下次見了汽車就會害怕,通常人們是用狗有記憶來說明這一點的(心理學稱之為生物對外界刺激的敏感化);行為主義認為,狗有記憶等價於其行為模式改變。因為行為模式是可以通過觀察來研究的,甚至可以定量地加以測量,故行為主義開啟了心理學科學化、定量化的轉向。[3]如前所說,“控製論”的出現使得學習所依靠的反饋機製被發現,它促使智能研究的行為主義大轉向。實際上,用圖林實驗判別機器會不會思考,其基礎也是智能的行為主義定義。毫無疑問,這是智能研究的一大進步。借用維納唯一的學生阿爾貝勃的說法來概括:這是在智能甚至意識解釋中趕走鬼魂的工作。但是,智能的行為主義定義正確嗎?

   就記憶本身而言,AlphaGo通過人喂給它的大數據或下棋的勝負得到的記憶,隻是智能所具有的各種記憶中的一種,即最初等的“默會知識”。心理學研究早就指出:記憶分“陳述性記憶”和“非陳述性記憶”。默會知識是非陳述性記憶,比如騎自行車、遊泳等,人們可以通過實踐(反饋學習)來獲得,但卻不能用語言來描述它,甚至主體都不知道自己“為何知道”。另一種是陳述性的,也就是人類能夠以符號係統予以表述的知識,其可以被傳遞、重構、遺忘甚至歪曲。行為主義和連接主義對智能的認識很大程度上隻停留在其非陳述性的一麵。然而,如果沒有陳述性記憶,知識不能經理性加工、傳遞,亦不能社會化。也就是說,僅僅用非陳述性記憶是無法理解最簡單的智能的。事實上,20世紀50年代末,心理學的行為主義學派受到廣泛地批評,控製論研究的第二階段開始了。智能有了更為深入也較為準確的定義,人工智能的研究從此起步。在此意義上,今日忽略對行為主義的批評、回到控製論剛興起時狀態的“人工智能革命”,是某種對智能認識的倒退。

  

什麽是智能

 

   什麽是陳述性記憶?這是主體使用符號來表達對象及形成的記憶,它比行為主義更接近智能之本質,這就進入到智能研究的另一個學派--符號主義。

   艾什比是早期控製論的另一位代表人物,他對智能研究最大的貢獻是,第一次給出了“智能”的較準確的定義。什麽是智力?艾什比認為智力是進行正確(合適)選擇的能力,選擇能力的放大即為智力的放大,整個智能行為包含著符號(一種特殊的信息)之選擇、編碼、傳輸和解碼,以及上述過程的自我疊代(和反饋相對應)。[4]符號(信息)選擇的過程一旦實現自動化,可以說是有智能的。這就是符號主義學派創始人西蒙和紐厄爾所提出的“物理符號係統假說”(PSSH, Physical Symbol System Hypothesis)。它可以概括如下:“任一物理符號係統如果是有智能的,則必能執行對符號的輸入、輸出、存儲、複製、條件轉移和建立符號結構這樣6種操作。”[5]這一自動化的符號選擇則是“模仿數理科學的發展方式,將知識係統地整理成公理體係。這種方法將數學嚴格公理化,從公理出發,由邏輯推理得到引理、定理、推論。廣義而言,將數學發現整理成一係列的邏輯代數運算,將直覺洞察替代為機械運算”。[6]

   1956年夏天,數十名來自數學、心理學、神經學、電腦科學與電氣工程等各種領域的學者,聚集在位於美國新罕布什爾州漢諾威市的達特茅斯學院,討論如何用電腦的符號運算類比人的智慧,並根據會議發起人之一的麥卡錫的建議,正式把這一學科領域命名為“人工智能”。符號主義學派的創始人西蒙和紐厄爾參加了這場具有曆史意義的會議,而且他們帶到會議上的“邏輯理論家”是當時唯一可以工作的人工智能軟體,引起了與會代表的極大興趣與關注。因此,西蒙、紐厄爾以及達特茅斯會議的發起人麥卡錫和明斯基被公認為人工智能的奠基人,被稱為“人工智能之父”。

   用符號運算類比人的智慧,比神經網絡自動機更為高級,其形成的以及處理的符號係統,更接近由理性學習得到的陳述性記憶。但為什麽隨著電腦運算的進步和大數據的出現,這一對智能更準確定義的領域中沒有發生革命?反而是在神經網絡自動機的領域中出現了突破呢?關鍵在於,西蒙和紐厄爾在艾什比的基礎上,雖然將人們對“智能”的理解向前推進了一大步,但仍然沒有把握人類智能。人類智能不同於生物本能之處在於,人不僅具備選擇的能力,還具備創造符號以及利用符號係統把握世界、並賦予世界意義的能力。

   在數學符號係統的運行規則背後,起碼還存在如下四個層麵,它們才涉及智能的本質。第一,主體是自由的,可以給出符號並用符號係統指涉對象。語言就是這樣的符號係統;第二,人用語言傳遞知識,組織社會,產生社會行動。這一切會反過來使主體意識複雜化,社會意識由此起源;第三,人會意識到自己有自由意誌,讓意誌指向某種符號係統,創造一個應然世界;第四,應然世界的演變會進一步放大主體的自由,以創造出更為複雜的符號係統。數學隻是人創造出來的眾多符號係統中最不可思議的一種,數學真實具有和經驗世界不同的真實性標準。

   而人工智能的符號主義學派,其所著眼的智能隻是第四個層麵上的一小點(即數學推理)。當智能之冰山主體(即上述四個層麵)還在水下,僅僅看到冰山之一角,我們能把握智能嗎?當然不能!換言之,雖然對智能的符號主義認識比神經網絡自動機深入得多,但仍然是瞎子摸象。用電腦科技和大數據實現的,隻能是那些完全搞清楚的東西。今日人工智能討論的巨大盲點在於,很多人把生物的本能當作人類智能。

  

智能研究中不可化約的兩類變量

  

近年來,隨著電腦技術的突飛猛進和大數據時代的到來,對人工智能的符號主義研究亦取得長足進步。20世紀70年代,地圖四色問題在電腦的參與下得到證明,應該被視為人工智能研究所取得的第一個成果。

四色問題證明之難點是數學家必須處理1700多種不同類型的基本圖,在某種意義上超出了人處理無規則基本圖的能力,必須借助運算機放大人的判斷(選擇)能力。此外,平麵幾何命題的機器證明當然也可以作為人工智能的成果。這些案例中,電腦隻是在做人指派給它的工作,整個證明和解決問題的方案都由人給出,人機互動共同達到目標。它不像AlphaGo那樣自動學習、自行給出表麵上具有人類智能才能得到的方案。

   另一類具有代表性的例子是近年來數位人文研究的興起。在觀念史研究中,為了揭示曆史上普遍觀念的變化,必須對表達普遍觀念的關鍵詞進行統計分析。理解關鍵詞的意義、將其放到曆史語境中認識過去曾經盛行過的普遍觀念,以及曆史學家在心中重演普遍觀念和社會組織的互動,上述每一步都涉及上述智能定義的四個方麵,這當然是電腦無法做到的,其必須依靠具有主體性(能理解他人智力)的人,也就是人文學者,但是建立文本數據庫,從數據庫中提取不同年代代表普遍觀念的關鍵詞,對其進行統計、分類,特別是找到關鍵詞在文本中形成的關係網絡,這些都離不開電腦和處理符號係統的人工智能方法。當所有曆史文獻都被輸入電腦,成為曆史學家擁有的大數據時,人文研究必定麵臨一個轉折點:如果再不利用人工智能,人文學者將不能處理大數據中所包含的海量數據,以發現曆史真實。這難道不是大數據時代帶來的人工智能革命的一部分嗎?

   舉一個我們研究工作中親身經曆的例子。20年前,我與青峰在香港中文大學工作時,開始建立數據庫並用關鍵詞的詞頻統計分析來研究中國現當代思想的形成,其中“主義”的出現和成熟是當代意識形態取代傳統儒家思想的重要指標。1890年至1930年中國出現過多少種“主義”?其種類和頻度怎樣變化?我們可以從數據庫中提出有關“主義”的所有例句,再將每一個句子放到相應文本中做意義分析,找出其所屬的類型,然後統計新的主義在每年中出現的次數,看其如何轉化,但由於數據龐大,多達5萬條,這就大大超出個別人文學者的研究能力,單憑人文研究者很難解決這一問題。2008年,我到台灣政治大學任教,我們建立了和資訊科學家合作的數位人文研究團隊,由一個人文碩士和IT碩生的合作,很快找到了統計分析方法,原來近現代中國共出現過1680多種“主義”。直到20世紀20年代,每年都有幾十種新的主義被提出。[7]當時我和青峰就對學生講,當人文學者遇到僅憑個人的能力沒法解決或無法從總體上把握的問題時,可以借助電腦技術來解決。這就是當前方興未艾的“數位人文學”或稱“數字人文學”。

   但必須指出,在數位人文研究中,存在兩類不可缺少但不能互相化約的變量,一類是人文的,另一類是引進電腦和人工智能技術加以處理的。無論人工智能取得多大突破,在人文研究中,電腦技術都是人文學者的輔助工具,不可能替代研究者對關鍵詞的意義分析以及在心中重演普遍觀念和社會組織如何互動,使這項研究呈現出人文研究的主題。至今為止,人工智能的發展都沒有可能涉及上述人類智能的四個基本層麵。而人文學者的研究重心正是人類智能規定的東西,立足於這四個層麵之外的人工智能,隻能充當助手而已。因此,數位人文研究的核心在人文,所有科技手段的應用都必須圍繞人文研究的需要來展開。

   這一原則同樣可運用到人類智能研究上,也就是說,我們用實驗方法研究人的大腦神經網絡的結構、認識大腦的各種功能以至於破解意識之謎時,都存在類似於數位人文研究中兩類不可化約的變量。一類是因果性(互為因果的網絡)的,即可以用神經網絡自動機(今日人工智能方法)加以分析(或模擬)的,另一類是內省性的,它類似於人文研究中需要用研究者的智能去理解的內容。對人類智能的深入認識必須同時運用這兩類變量,將其投射到用神經網絡自動機(即目前所謂的人工智能)的研究上,可以直接得到的推論是,AlphaGo無論怎樣通過深度學習進化都不會具有人類智能。

   我在《關於意識的哲學思考》一文中,指出意識的解釋必須將行為主義方法和內省方法結合起來。如果沒有行為主義模型,該研究不能通過實驗來證明。但意識決不是僅僅靠輸入-輸出的因果性模式能把握的,故必須把因果模型和內省變量結合起來。在此意義上,必須意識到意識的解釋不能排除意識。正因如此,在人類智能研究中,必須發展出一種將科學與哲學結合在一起的新方法。我稱之為意識解釋的遞歸方案。

   它可以簡述如下:在意識(人類智能)的研究中,每一次都需要涉及兩批不同性質的變量(參數)。一批是行為主義的變量(參數),我們記為B 集合中的元素,它是可以用實驗測量並用來建構科學模型的。另一批是隻有通過人的內省才能理解的變量(參數),我們記為C集合。在每一次解釋中,必須用B集,因為隻有這些參數形成的關係可以用實驗證明;但單純用B集合中的元素是不夠的,我們必須附加C集合中的元素;附加之所以可能,這是因為我們有意識,可以用意識理解意識。事實上,正恰恰是基於可理解性,構成的整體模型才是合理的(雖然不是每一個細節都可以用實驗檢驗)。

   表麵上看,因為解釋中包含因素C,對意識的科學解釋仍沒有最後達成。但我認為,隻要采用一種類似定義遞歸函數的方法,可以將解釋中C類因素不斷化約,使其為B集合中的元素和更原初的意識因素之組合。即隨著每一次解釋向前推進一步,研究者必須注意采用C集合中不同的元素(避免循環論證),並去發現更為基本的元素。我們可以期待內省的意識因素越來越少。也就是說,隻要意識解釋的遞歸方案不斷順利展開。意識之謎或許在有一天可以解開。

   我在《關於意識的哲學思考》一文中還提出,伴隨對意識研究的深入,實驗測量與人文思辨的界限會越來越模糊。但是這兩類變量仍是不可以化約的,其根本原因是人有自由意誌,即人的主體性。它不可能被還原為因果性。[8]

  

被忽略的內核:主體的自由

  

  既然AlphaGo這樣的智能隻相當於動物本能,為什麽不能想象如同物種演化那樣,具有生物本能的神經網絡在學習過程中突然湧現出人類智能呢?這正是當前人工智能討論中另一個經常使人們進入誤區的觀點。

   確實,能否使用符號是人和動物的本質區別。早在19世紀,德國哲學家恩斯特·卡西勒指出人是會使用符號的動物,人的“智能”可以更準確地定義為創造符號及其使用規則,並自由使用符號來與同類交流的能力。這一定義是當前科學界的共識。前麵我在論述人類智能四個基本層麵時,每一個層麵都涉及創造和使用符號。正因如此,從動物向智人的飛躍亦被簡化為發明符號和使用符號,它是用係統演化中的“湧現”來說明的。

   最近有十分走紅的《人類簡史》正是這樣概括智能和社會加速進步的機製:“智人主要是一種社會性的動物,社會合作是我們得以生存和繁衍的關鍵。”“隻有智人能夠表達關於從來沒有看過、碰過、耳聞過的事物,而且講得煞有其事”,“傳說、神話、神以及宗教也應運而生”;而“通過文字創造出想象的現實,就能讓大批互不相識的人有效合作,而且效果還不隻如此。正由於大規模的人類合作是以虛構的故事作為基礎,隻要改變所講的故事,就能改變人類合作的方式” 。這使得“智人就能依據不斷變化的需求迅速調整行為。這等於開啟了一條采用‘文化演化’的快速道路,而不再停留在‘基因演化’這條總是堵車的道路上。走上這條快速道路之後,智人合作的能力一日千裏,很快就遠遠甩掉了其他所有人類和動物物種”。[9]

   該書勾勒出人類使用符號對社會形成的意義,以及文化如何加速人類智能的進化,這無疑是正確的。但《人類簡史》卻沒有揭示人創造符號、使用符號溝通、建立社會,以及文化演變背後起關鍵作用的內核,容易使人忽略人類智能和社會之間的關係,從而導致對智能“湧現”和加速進步的錯誤概括:這些能力似乎可以僅僅從神經網絡自動機的學習過程中自行產生出來。

   具體而言,第一,創造和使用符號需要一種僅僅通過反饋學習的神經網絡自動機不可能具有的能力,這就是主體的自由。兩台AlphaGo可以互相溝通,或許人不知道它們在講什麽,但是它們有“對象”意識嗎?這裏的關鍵是,什麽是用符號指涉對象?其前提是符號和對象關係的任意性,因為用符號指涉對象,隻是主體間的約定。對同一事物,不同語言進行表達的詞匯可以完全不一樣。《人類簡史》一書隻從“講故事”的角度來理解符號使用與人類社會的發展,而沒有意識到主體的自由是語言發明的前提。如果沒有自由的主體,人隻是對外來刺激做出反應,並通過反應效果的反饋來改變神經網絡結構的自動機,根本不會發明符號並用它來表達對象。什麽是主體?什麽是主體的自由?雖然哲學家一直在思考,但至今對其認識不甚明了。確定無疑的是,在使用語言的背後正是主體的出現和主體的自由,但對於推動這一巨變的機製,可以說是一無所知。

   第二,當人通過語言組織成社會後,自我意識開始複雜化。在這一過程中會發生突變,這就是人可以進一步意識到自己(主體)是自由的。“人是自由的”乃是創造符號之前提,而“人知道主體是自由的”是一種二階思維,即對自由的自我意識。這是主體性又一巨大進步,它通常被稱為人具有自由意誌。今天經常看到一些研究,認為自由意誌隻是一種假象,人的行為是因果性的(被決定的)。這些研究之所以陷入誤區而不自知,就是在智能研究中忽略內省變量(或以為它可以化約為行為主義變量)。其實,每一個人隻要捫心自問,都知道自己是有自由意誌的,存在對“善”、“惡”、“對”、“錯”進行選擇的自由。如果人沒有自由意誌,道德對人便毫無意義,高度複雜的社會組織以及可繼承性的文明不可能存在。人在何種條件下意識到自己(主體)是自由的?對於這一革命性變化之原因,20世紀至今的人文研究已獲得了巨大進展,這就是超越突破的發生和軸心文明的形成。也就是說,人的自由意誌不僅是社會意識的屬性,還是對社會意識反思的產物。

   我在《軸心文明和現代社會》一書中將超越突破定義為人從社會中走出來,尋找不依賴於社會的終極價值,讓其來組織社會。從此以後,人類社會告別古文明,進入一種有不死文化傳統可繼承的社會。高級宗教和道德起源了,不死的文化價值係統得以產生,成為智能進一步進化的載體。[10]可惜的是,這種基於人文和曆史的研究,雖對於揭示智能的本質不可缺少,但因人文精神一直處於認知科學和人工智能研究之外,不被科學家理解。智力加速發展的機製被簡單歸為語言和古代社會本身,而不知道軸心文明以前的古文明的文化常在社會演化中滅絕。

   智力進步第三種更重要的力量,來自於人終於認識到自己應該是自由的。這是什麽意思?人知道自己是自由的,並不意味著個人自主成為社會組織原則。在傳統社會,自主的個體生活在終極關懷或道德價值規定的有機體內,他們的合作和創造力的發揮一直受到有機體“容量”的限製。隻有人認識到自己應該是自由的,自由的意義才能超越其他價值,成為“應然社會”的組織原則。現代科學的誕生是智能最偉大的革命,它和現代市場經濟的出現同步,其背後是一種可以容納自主個人無限製發揮自己創造性,並和其他主體合作的社會組織方式。這一切可以歸為“自主性成為應然社會的組織原則”。人工智能的符號主義學派高度重視數學公理化思維模式,但他們沒有想到,這種思維模式隻有在現代社會中才能成熟。也就是說,從人類智能擺脫了種種天然桎梏並開始突飛猛進,到人工智能研究有可能出現,都是基於現代社會的起源並日益成為人類文明的組織框架

結語

  

   一旦理解智能(社會性)進化存在著上述三種推動力量,人工智能革命對現代社會帶來的衝擊也就一清二楚了。或許有一天神經網絡自動機在學習中會發生不可思議的突變:湧現出主體的自由並發展出它們的語言,和其他神經網絡自動機建立社會。但它們取代人類社會同樣要經曆類似於人類社會演變--從部落社會到古文明、軸心文明再到現代社會的產生。也許該過程正在宇宙某處發生,但在外星文明被發現前,這一切和人工智能衝擊當代社會沒有什麽關係。

   既然如此,我們又如何看待人工智能對現代社會生活的巨大影響呢?就其本身而言,它和曆史上有過的新科技帶來的生活方式和生產方式大變革相似,並不會改變現代社會的基本結構。20世紀初,英國文學大師福斯特在《大機器停轉之日》中描繪了如下場景:有台大機器照顧著人類的衣食住行,安排著人類的一舉一動。但有一天,這個精心設計的、全知全能的、無所不在的大機器停轉了,社會很快陷入崩潰狀態。其實,這本是對20世紀極權社會的想象。但20世紀的曆史和這一預言相反,現代社會的危機如法西斯主義的興起與其說是新科技和新生產方式帶來,還不如說是民族主義和現代民族國家本身存在著缺陷。

   今日對人工智能衝擊的憂慮,重要的不是其本身,而是現代社會包容一日千裏科技革命的能力急驟地退步,其背後是現代社會立足的兩大支柱本身受到科技革命的侵蝕。現代性的前提是科學理性與人文信仰的二分,當科學理性等同於技術,意味著它已異化。“上帝已死”和道德被等同於追求利益,表明終極關懷開始退出社會。如何安頓個人生命的終極意義?一個由沒有道德、信仰的人組成的社會是否可能容納科技和經濟的進一步發展?這都是人類文明正麵臨的巨大挑戰。

   也許,現代社會的衰落在短期內不可避免,但人類智能長時期後退是不可能的。青峰在《讓科學的光芒照亮自己》的修訂版序言中,曾提及阿西莫夫的著名科幻係列小說《基地》。這本書的主題是銀河係文明麵臨不可避免的衰落之時,為了縮短黑暗過渡期、保留今後文明複興的種子,人類在星係遙遠的邊陲分別建立科學和人文兩個基地。阿西莫夫並沒有談及文明衰落的原因,但青峰從他把科學和人文作為兩個互不往來的基地的設想中,猜想阿西莫夫很可能認為文明衰落是科技過分發達被專業化異化和人文精神衰落引起的。[11]不管銀河帝國的衰落的原因是不是科學的異化和人文精神的喪失,現代社會的重建隻能依靠科學和人文兩大支柱。

金觀濤 反思“人工智能革命”

[ 打印 ]
閱讀 ()評論 (0)
評論
博主已隱藏評論
博主已關閉評論