wechat公众号文章

区分强人工智能与弱人工智能：“理解”：

  • 理解是一种与认识相区别的认知方式。
  • 从内在的心灵向度和外在的实践向度：
    • 从专门的语言分析角度转向实践知识论的视域（语言、心灵和行动三个维度综合起来探讨心灵、语言、实在和行动的关系问题）。
    • 海德格尔、伽达默尔等提出的解释学观点：理解是有关人类的各种经验的意义的诠释活动，是理解者与被理解者的“心灵”的交流与汇通，是认识主体筹划自己可能的存在方式即人生何所向的实践路径。

本文提到的理解概念，是与认识不透明性密切联系在一起并在相对狭义的意义上使用，它的基本含义是：

  1. 认识的透明性：一个认识的主体（包括人或机器即AI，下同）对认识的对象即客体（包括人或机器即AI，下同）在某一时刻t时各种状态的了解；
  2. 因果机制：一个认识的主体对客体在历时过程中各个环节具体机制的把握即对因果机制的认识；
  3. 借助于“主体间性”的概念，在扩展认识主体内涵的前提下，将人对人的理解的讨论延伸到人与机器的双向理解以及机器与机器之间理解的论域，同时也带来了对AI本身的群体社会性、演化性等问题的探讨。

1. 认知的透明性与认识的不透明性

心灵本身的性质的主张：

  • 认知是透明的：人的心灵与人的认识之间的“透明”关系（luminosity）——我们心灵的各种状态对于我们自身是透明的。
    • 知识的获得可以通过心灵的反思获得。
  • 认知是不透明的：（蒂摩西·威廉姆森）并非所有的思维都能够被我们完全觉知（e.g. 直觉、顿悟或灵感；默会知识等）——“反透明性”（opacity）。
    • 知识是是存在限度的。
  • 而上面都是人类中心的前提下的，针对人类心灵的讨论——应该需要摆脱人类中心论，来讨论AI。

计算科学中的认识透明性（transparency）。（保罗·汉弗莱斯）“认识不透明性背后的含义是：主体不了解或无法知道与可证明特定计算步骤的有关内容”。

  • 那么人类对于计算过程是认识不透明的（因为人类不可能审查全部的计算过程）。

2. 机器认识的不透明性：原则与技术实现

2.1 理论原则上的不透明性

（1）自然科学的问题：

  • 科学表征：通过数学逻辑语言，量化的表征世界。
    • 但是世界不是离散的，二进制的数据必然引向认识的不透明。
  • 理论模型和实在的关系问题（～“同构”的假设——人们是通过结构的等价性即同构关系来认识事物的）模型是对现实的抽象的表达，概念和算法都属于模型。
    • 但是抽象会导致简化或理想化——对现象世界的“部分描述”。

（2）因果机制问题——统计相关性与因果机制。（因果和统计相关性真的有区分吗？）

  • AI本质上都属于“统计相关性”，而不是事物之间前后相继和彼此具有决定与被决定意义的因果性。
  • 因果关系还应该从因果效应和因果机制两方面来理解，即使A和B之间的因果效应在经验上是可以确证的，但期间可插入的具体环节如果机制不清楚，也不能说理解了整个事件的来龙去脉。（因果效应和因果机制真的有区分吗？）
    • 如果机器无法在相关性与因果性之间做出有效区别，如果机器无法把握因果的具体机制，那么机器在“理解”世界方面就始终无法实现质的飞跃。

（3）“自由意志”等不确定的品质。（既然不确定，也就难以作为论据）

  • 过理性主义的路径达到非理性的彼岸，这似乎是一个悖论。
  • 人类的认知基础偏向于康德所说的“先验综合判断”。而机器是“白板”。（机器也不是白板，算法的结构也赋予它与人类不同的先天的能力）

2.2 技术实现上的认识不透明性

计算科学对于人类主体而言，认识的不透明性或为其基本特征之一（即对人而言它是不透明的）：

  • 算法“黑盒”。（或者说与人类在认知的鸿沟，只能说它是以人类不能理解的逻辑在运转。）
  • 机器本身无法成为一个完备的被认识状态。（人类和AI都不能成为“上帝”。）
  • 要先认识才能实现吗？“解释鸿沟”（the explanatory gap）。（人类历史上有技术实践先于科学分析的实例。）

3. 主体间性概念

关键是要建构以机器为主体的非人类中心认识论，这在某种程度上可以消解人与机器的对立，承认机器在认识论中应有的价值。

主体间性概念（“子非鱼”的论辩）：不同主体之间的群体性问题，尤其涉及主体与主体之间的统一性问题或“共在”问题。

  • 人与人、人与机器、机器与机器之间（“群体智能”）的理解问题。