發(fā)布時間：2023-09-12 17:09:33
序言：寫作是分享個人見解和探索未知領域的橋梁，我們?yōu)槟x了8篇的人工智能的倫理思考樣本，期待這些樣本能夠為您提供豐富的參考和啟發(fā)，請盡情閱讀。
人機大戰(zhàn)落幕，阿爾法狗（AlphaGo） 4：1取勝李世石。這是前段時間頗受關注的一則新聞，也由此引發(fā)了人們對人工智能的廣泛討論。
“人工智能是一項技術，作為技術它是中性的，并沒有倫理和價值觀的判斷。它的好和壞，是我們從社會學和倫理學的角度來判斷的。單純從技術上來說，我們關注它的科學價值與效率?！?工信部副部長懷進鵬在接受《財經(jīng)國家周刊》記者專訪時如是說。
人工智能進化的速度實在是太快?！叭祟惸X細胞總量這三五千年沒有多大發(fā)展，但單個芯片集成電路的集成度到2018年將超越腦細胞數(shù)量?！睉堰M鵬說，隨著經(jīng)濟的發(fā)展，社會勞動力成本的提高和對精密高端加工產(chǎn)業(yè)的需求，開始出現(xiàn)從過去簡單的自動化進入現(xiàn)在的數(shù)字化和智能化。
在他看來，制造業(yè)創(chuàng)新變局就在未來3～5年。
那么，下一個五年信息技術重塑整個生產(chǎn)生活格局，世界會變成什么樣？中國將會在哪里？
2015年，“互聯(lián)網(wǎng)+”行動指導意見出臺，人工智能被擺到了一個重要位置，而《中國制造2025》的核心，正是加快新一代信息技術與制造業(yè)深度融合，推進智能制造。
“目前一些互聯(lián)網(wǎng)公司，都形成了自己在人工智能方面的研究力量，大數(shù)據(jù)分析能力獲得了巨大的提升?！睉堰M鵬說，人工智能正處于一個全面融合與加速發(fā)展的時期，并且在行業(yè)運用當中有很多的機會，在這個方面中國的機遇和前途非常大。
威脅還是契機？
《財經(jīng)國家周刊》：前段時間的人機圍棋大戰(zhàn)，阿爾法狗的表現(xiàn)也讓世人大開眼界，人工智能時代是不是真的狼來了？
懷進鵬：人工智能正一步一步走向現(xiàn)實，未來不僅可以跟人下棋，甚至可以跟人打球、陪人聊天等，這就是信息技術帶來的變化。
自上個世紀50年代開始，人工智能就一直很受重視。當時的學術界都比較關注機器是否能像人一樣有智能。最早的一個判斷方式叫圖靈測試，簡單地說就是一臺機器與人在拉上簾子或背靠背的情形下進行交流，如果無法分辨出機器人身份的話，就認為這個機器具有智能。
為達到這樣一個目標，學術界一直在努力?，F(xiàn)在進入了互聯(lián)網(wǎng)時代，一些重要的差別凸顯出來，一是理論模型與算法在不斷地創(chuàng)新、完善，二是數(shù)據(jù)的規(guī)模從量變到質(zhì)變，可以通過對大數(shù)據(jù)的獲取、分析、處理來更有效地尋找出一些規(guī)律。
從深藍下象棋，到阿爾法狗下圍棋，數(shù)據(jù)的規(guī)模也發(fā)生了巨大變化，從簡單的小樣本發(fā)展到大規(guī)模的量。阿爾法狗可以把過去圍棋所有的規(guī)則復盤，計算走過的路徑與優(yōu)化等，且現(xiàn)在機器速度又足夠快，它可以算得又快又好。對博弈過程中的每一手棋，它都能通過數(shù)據(jù)的處理和存儲以及模型的建立選擇，決定下一步怎么去做。
一些優(yōu)秀的棋者，他在腦袋里也會復盤，記著很多殘局，也有很多應對的技巧。但是機器能存儲海量的數(shù)據(jù)，它不光學一個人，可以把這個領域所有人的數(shù)據(jù)都裝進去，選擇最佳策略。
這次圍棋大戰(zhàn)，與其說是人工智能與人的大戰(zhàn)，我覺得更多的是阿爾法狗在數(shù)據(jù)處理、機器的海量運行、記憶的存儲、復雜設計的有效性等方面，都取得了很大的成就，但關鍵的是，所有這些都是人的設計與智慧的結(jié)果。
因此，在固定的領域計算機在與人比賽時，通過大數(shù)據(jù)的分析和規(guī)則的有效利用，成功的概率比較大。
《財經(jīng)國家周刊》：有人開玩笑說，如果阿爾法狗主動輸給人，就更可怕了，很多人擔心人工智能擁有和人一樣的神經(jīng)感知，擔心人工智能將來不久會超過人類，人類是否就面臨著末日，你怎么看人工智能？人工智能究竟是威脅還是契機？
懷進鵬：人工智能是一項技術，作為技術它是中性的，并沒有倫理和價值觀的判斷。它的好和壞，是我們從社會學和倫理學的角度來判斷的。單純從技術上來說，我們關注它的科學價值與效率。當它能被有效地利用時，就可以為社會做貢獻。如果它被無效或者惡意地利用，就會帶來問題。
阿爾法狗主動地、有意識地輸給人類，這種可能性也是有的，前提是給它設定了這樣的程序，且是由人來設定的?；蛘呤侨嗽谠O計時，出現(xiàn)了一點失誤。機器自己是不會做到這一點。
另外，機器的一些行為也可能被遠程控制或干擾。比如行駛在路上的無人駕駛汽車，因為它要接受很多來自手機和后臺云計算的數(shù)據(jù)，也可能會遇到黑客的攻擊。如果后臺突然被控制，汽車都停下來是一種可能，汽車無理性地橫沖直撞也是一種可能。機器沒有好和壞之分，它只有執(zhí)行。現(xiàn)在機器能做的，還是基于人設定的這些規(guī)則。
機器通過數(shù)據(jù)的分析，具有一定的學習能力，如果設定機器程序的學習能力去惡意模仿那些不好的行為，就容易帶來危險，所以人在設定程序時，應該盡量給機器的學習能力注入正能量。
技術發(fā)展到一定程度還是取決于如何被應用。社會也應該有一系列的法律規(guī)則來約束機器背后的人，約束設計者應該遵循社會的道德規(guī)范，考慮人類的心理承受能力。一個中性的科技在實際中的應用，應該有倫理價值和社會價值的規(guī)范。
同時，我們也要儲備超級技術，能夠控制和恢復機器的狀態(tài)，能控制機器新的演變，不然我們確實會遇到危險。
“也要漸進式創(chuàng)新”
《財經(jīng)國家周刊》：我國人工智能現(xiàn)在處于什么樣的發(fā)展階段？
懷進鵬：2015年，國家印發(fā)了“互聯(lián)網(wǎng)+”行動的指導意見，已經(jīng)把人工智能放到了一個很重要的位置。同時，我們也了實施制造強國戰(zhàn)略的第一個十年行動綱領――《中國制造2025》，其核心正是加快新一代信息技術與制造業(yè)深度融合，推進智能制造。
隨著經(jīng)濟的發(fā)展，社會勞動力成本的提高和對精密高端加工產(chǎn)業(yè)的需求，開始出現(xiàn)從過去簡單的自動化進入現(xiàn)在的數(shù)字化和智能化。
基礎理論的研究需要長期進行下去。人工智能的基本原理，通過數(shù)學、計算機科學、社會學和心理學的融合、交叉創(chuàng)造新的內(nèi)容。人們利用數(shù)據(jù)的能力是一直客觀存在的，但是社會生活、社會行為等大量人造數(shù)據(jù)的出現(xiàn)，使得我們的基礎研究有了很大變化和新的機會。
在制造業(yè)，定制化、個性化的生產(chǎn)，正在對企業(yè)生產(chǎn)、服務和經(jīng)營模式帶來很大的變化?，F(xiàn)在服裝、家具已經(jīng)做到了定制化服務，工業(yè)產(chǎn)品正在走向定制。工業(yè)化加上信息化帶來的智能化，其最終目的，應該是實現(xiàn)生產(chǎn)活動高度整合，使得工業(yè)系統(tǒng)能夠像人一樣思考和協(xié)同工作，特別是滿足用戶定制化需求的生產(chǎn)技術，將傳統(tǒng)的剛性生產(chǎn)模式轉(zhuǎn)變?yōu)槿嵝陨a(chǎn)模式。企業(yè)則要關注上下游產(chǎn)業(yè)鏈、生態(tài)鏈，關注從設計生產(chǎn)到服務維護的產(chǎn)品全生命周期。
未來，高端服務機器人也將是很大的亮點。健康機器人、服務機器人將會有利于產(chǎn)業(yè)的發(fā)展。當前，中國的工業(yè)機器人發(fā)展速度稍微過快，重復發(fā)展較多，差異也比較大。與發(fā)達國家相比，還存在很大差距，主要是產(chǎn)業(yè)鏈關鍵環(huán)節(jié)缺失，核心技術創(chuàng)新能力還比較薄弱，高端品質(zhì)可靠性低。其實在機器人發(fā)展中，還需要關注和發(fā)展一些高端的內(nèi)容，我們國家也正在對此進行布局，推動高端智能機器人的發(fā)展，以期解決機器人發(fā)展的瓶頸問題。
《財經(jīng)國家周刊》：未來3-5年，制造業(yè)創(chuàng)新將面臨重大變局，到時候世界會變成什么樣？中國將會在哪里？
懷進鵬：未來三五年，從產(chǎn)業(yè)來說，競爭將會在更多的領域展開。無人駕駛汽車、智能汽車以及通訊業(yè)等都將發(fā)生變化，5G將要在2020年成為現(xiàn)實，并實現(xiàn)規(guī)模商用。芯片的集成度如果按當前方式發(fā)展達到人的神經(jīng)源的集成度的話，在2018-2019年，計算能力和處理能力會有巨大的變化。同時各種傳輸、獲取技術快速發(fā)展，可以在2公里以外用傳感器感受你數(shù)據(jù)的存在，人的感知處理的能力也會大大加強?；ヂ?lián)網(wǎng)、移動互聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)或者物聯(lián)網(wǎng)都將統(tǒng)籌起來。
技術的變化，使得制造業(yè)的組織模式、商業(yè)模式都會產(chǎn)生一些新的業(yè)態(tài)。有的新業(yè)態(tài)未必能成功地大規(guī)模運營，但它的影響也是潛移默化的，是漸進式的。新的融合力量會創(chuàng)造出什么樣的空間？技術上的創(chuàng)新，也是想象力與現(xiàn)實的比拼。
作為科學家來說，探索未知要超越人的想象，超越人的思考。目前一些互聯(lián)網(wǎng)公司，都形成了自己在人工智能方面的研究力量，大數(shù)據(jù)分析能力獲得了巨大的提升。但尚沒有形成世界范圍內(nèi)共識的理論基礎和壟斷的產(chǎn)業(yè)局面，中國的機遇和前途非常大，同時中國在這方面的部署和在產(chǎn)業(yè)初步應用方面，已經(jīng)取得了實實在在的效果。
《財經(jīng)國家周刊》：在當前技術大變革時期，企業(yè)如何獲得核心競爭力？
懷進鵬：企業(yè)最知道它需要什么，市場上的競爭靠什么?，F(xiàn)在正處于科技創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的劇烈變革時期，我的建議是在技術轉(zhuǎn)折和發(fā)展當中要敢于創(chuàng)新，但是創(chuàng)新必然面臨著風險。不光要聚焦顛覆性的創(chuàng)新，還要漸進式融合創(chuàng)新。許多產(chǎn)業(yè)正在通過迭代優(yōu)化、集成交叉創(chuàng)新實現(xiàn)了產(chǎn)業(yè)壯大和質(zhì)量提升。我并不認為阿爾法狗是顛覆性的創(chuàng)新，我們不能設想創(chuàng)新是一天完成的，創(chuàng)新是需要很多積累。持續(xù)創(chuàng)新并包容創(chuàng)新，對于創(chuàng)新能力的建設是最重要的。
另外，作為傳統(tǒng)企業(yè)，可能也會面臨科技的快速變更和產(chǎn)業(yè)變更。比如純制造業(yè)看上去都是被一百五十年前牛頓力學原理設定好了，但實際上隨著制造業(yè)和信息產(chǎn)業(yè)的深度融合，已經(jīng)在發(fā)生事實性的變化。我們要更多地去看現(xiàn)實，也要看到下一步發(fā)展可能的轉(zhuǎn)折點。在競爭中生存下來，很大程度看你在發(fā)展的轉(zhuǎn)折點中，準備了什么，思考了什么。
關鍵詞：人工智能；教育變革；智慧教育
近年來大數(shù)據(jù)、云計算等信息技術飛速發(fā)展，人工智能在一些特殊領域（如圖像識別、語音識別、自然語言等）不斷取得突破性進展。人工智能作為新的技術驅(qū)動力正引發(fā)第四次工業(yè)革命，為醫(yī)療、教育、能源、環(huán)境等關鍵領域帶來新的發(fā)展機遇。人工智能專家預測，人工智能在通用技術領域可能尚不能替代人類，但在一些特殊領域，人工智能將會淘汰現(xiàn)有的勞動力。在國外，許多國家紛紛把人工智能作為國家發(fā)展的重要競爭戰(zhàn)略，我國學者也密切關注著人工智能的最新理論進展和實踐應用，國務院于2017年7月頒布《新一代人工智能發(fā)展規(guī)劃》，明確人工智能發(fā)展的重點策略?！叭斯ぶ悄茏兏锝逃钡某绷鳎l(fā)了教育研究領域的“人工智能熱”。當前全球范圍內(nèi)，人工智能在教育領域的大量研究和應用催發(fā)形成了教育人工智能概念。目前梳理學術上關于研究人工智能與教育的文獻主要集中于：
（一）教育理念的革新?！叭藱C一體”將成為未來新的教育方式[1]，由新技術和新手段的出現(xiàn)所應運而生的智慧教育[2]，將對原有教育進行改進和完善。智能技術在改變教育的手段和環(huán)境的同時，還有利于構(gòu)建出系統(tǒng)解決教育問題的教育新體系，從而真正觸及教育的根本[3]。
（二）關注技術的革新。機器深度學習、智能學習的算法、視覺識別以及智能語言識別這些基礎技術的突破，為人工智能的教育應用奠定了堅實的基礎[4]。
（三）探究教育的應用。人工智能在學校教育中的學業(yè)測評、交叉學科、角色變化等應用領域具有巨大潛力，教師角色內(nèi)涵也將在與人工智能的協(xié)同共存中發(fā)生改變。AI監(jiān)課系統(tǒng)能夠數(shù)據(jù)化、可視化評估教師的授課情況，將人工智能技術的運用滲透到整個教學過程中，教師可以根據(jù)評分實時調(diào)整授課內(nèi)容，以促進個性化學習，從而提升教學效果。教育深受技術發(fā)展的影響，新技術融入教育并促進教育方式的轉(zhuǎn)變已成為必然趨勢。一方面技術為教育提供了新的、更加廣闊的可能性；另一方面技術具有變革人類的教育方式與學習方式的能力。然而，技術是一把“雙刃劍”，如何獲取或?qū)崿F(xiàn)以人工智能為代表的新興信息技術所擁有的特征、優(yōu)勢與功能，使其在教育中最大限度地發(fā)揮其應有的價值呢？人工智能技術如何繼續(xù)被安全使用到教育領域？如何通過教育變革來促進新興信息技術在教育教學中的廣泛與深入應用，實現(xiàn)教育深層次革命等問題，是目前需要關注和探討的主要問題。
1人工智能時代下教育變革的背景
1.1人工智能的內(nèi)涵及具備的強大能力
人工智能最早由美國達特茅斯學院于1956年提出，其研究主要包括機器人、圖像識別、自然語言處理、語音識別等，實質(zhì)是一種自動感知、學習思考并做出判斷的程序。人工智能具有自主學習、推斷與革新的能力，推動了圖像識別、自然語言處理等方面的技術突破。人工智能同時具有理性判斷力、超強的工作力，只要電力供應不斷，幾乎可以無限制地工作下去，而且適應不需要情感投入的工作。它的超強能力，源于三個重要的技術：深度學習、大數(shù)據(jù)和強算力。
1.2人工智能時代的機遇和挑戰(zhàn)
人工智能在精力、記憶力、計算力、感知力以及進化力等方面與人類相比，具有突出優(yōu)勢。在醫(yī)藥領域，人工智能的出現(xiàn)使普通民眾可以享受更為高效、稀缺的醫(yī)療資源，解決醫(yī)療診斷領域診斷質(zhì)量不均衡、醫(yī)生資源不足等問題。在教育領域，人工智能促進教學質(zhì)量進一步提升、教師角色多樣化、學生學習能力的提升；為教育研究提供新技術和數(shù)據(jù)支撐；極大拓展了教育研究新視域；使教育在立德樹人方面、教育方法創(chuàng)新方面、教育手段和環(huán)境方面以及教育服務供給方式方面均發(fā)生改變。然而，看到人工智能以其強大的處理能力帶來機遇的同時，也需要正視人工智能帶來的新挑戰(zhàn)。在人工智能浪潮沖擊下，如何借助人工智能發(fā)展的機遇推進教育的變革與創(chuàng)新？人工智能技術如何繼續(xù)被安全使用？首先，人工智能專家大都認為，人工智能將會淘汰大量現(xiàn)有的依靠非腦力勞動為生的勞動力，需要培養(yǎng)人工智能時代的新型勞動力。而且，人工智能技術本身的不太成熟使很多人工智能技術只是應用在兒童教育領域，再者，人工智能潛在的道德倫理問題缺乏法律制度規(guī)范。除此之外，人工智能時代將對社會結(jié)構(gòu)以及人的地位構(gòu)成挑戰(zhàn)。綜上所述，人工智能時代所帶來的機遇是大于挑戰(zhàn)的。教育需適應人工智能技術所帶來的突破和飛躍，不斷調(diào)整和更新教育的方向和目標，實現(xiàn)育人成人的發(fā)展目標。
2人工智能與教育變革
2.1人工智能與教育目的的變革
人工智能帶來的巨變不僅影響人類未來如何發(fā)展，而且極大釋放了人類的生產(chǎn)力，這些在一定程度上使得人類需要重新思考教育是何目的。人工智能影響教育目的的變革主要表現(xiàn)在：第一，人工智能可能會使人類陷入精神危機。這源于兩方面的結(jié)果：一方面，人工智能將取代大部分人的工作崗位，工作的喪失將會導致人的價值和尊嚴喪失。另一方面，人工智能技術的發(fā)展將可能導致所有基于自由主義的想法破產(chǎn)，轉(zhuǎn)而人類所擁有的價值和尊嚴可能轉(zhuǎn)化為一種“算法”，人工智能帶來的職業(yè)替代風險在教育領域同樣存在，主要是對教師角色的挑戰(zhàn)。第二，人工智能有利于培養(yǎng)人的學習能力。從某種角度上講，人工智能剝奪人的就業(yè)機會，但同時，人工智能助教機器人將協(xié)助教師實現(xiàn)個性化指導，從而有利于將學習的過程視為尋求自我價值和意義的過程。除此之外，人工智能有利于使教育注重培養(yǎng)人的精神能力，這種精神能力大致包括實踐動手能力、價值追求能力以及創(chuàng)造能力，從而有利于學生知識以便于更好地完善自我、豐富自我，使教育跳脫“知識為本”的陷阱，發(fā)揮“立德樹人”的正向作用。
2.2人工智能與學習方式的變革
第一，深度學習。深度學習也稱為深度結(jié)構(gòu)學習或者深度機器學習，是一類算法的集合。深度學習概念的提出，一方面尊重了教學規(guī)律，另一方面也是應對人工智能時代下的挑戰(zhàn)。深度學習在機器學習、專家系統(tǒng)、信息處理等領域取得了顯著成就，提倡學教并重、認知重構(gòu)、反思教學過程，進而達到解決問題的目的。第二，個性化學習。個性化學習區(qū)別以往傳統(tǒng)班級課堂授課，尊重學生的個性發(fā)展，因材施教。人工智能技術與大數(shù)據(jù)的應用有利于學生享受個性化的學習服務，可提供個性化的學習內(nèi)容，可視化分析學生的學習數(shù)據(jù)，快速提高學生的學習效率。第三，自適應學習。自適應學習是指人工智能基于對個體學習進行快速反饋的基礎上，根據(jù)學習者特征，為其推薦個性化的學習資源和學習路徑，從而最大程度上適應學生的學習狀態(tài)，是實現(xiàn)個性化學習的重要手段。人工智能技術有利于快捷、科學地判斷學生的學習狀態(tài)，進行學習反饋；持續(xù)收集學生的學習數(shù)據(jù)，其中包括學習目標、學習內(nèi)容；高效地為學生提供海量的學習資源。
2.3人工智能與學習環(huán)境的變革
首先，有利于搭建靈活創(chuàng)新的學校環(huán)境。不僅可以使空間規(guī)劃更具彈性，而且可以調(diào)節(jié)性增強物理環(huán)境。其次，人工智能時代的教育區(qū)別于以往傳統(tǒng)教育強調(diào)的統(tǒng)一秩序，更注重個體的用戶體驗。創(chuàng)客空間、創(chuàng)新實驗室等學習環(huán)境的不斷增加以及人工智能技術的不斷發(fā)展，個性化的空間環(huán)境與學習支持將改變目前學習的學習空間環(huán)境。除此之外，隨著對話交互技術的逐漸成熟與不斷普及，有利于實現(xiàn)虛實結(jié)合的立體化實時交互。VR、AR等技術的同步協(xié)作也有利于搭建新的學習環(huán)境，滿足學習者的一系列要求。腦機互動技術的突破有利于實現(xiàn)將人工智能植入人腦，從而改變?nèi)祟愖匀徽Z言的交流方式。最后，人工智能通過即時、準確、高效的大數(shù)據(jù)分析有利于進行精準且個性的學習評價與反饋。人工智能將綜合收集所有同學的學習記錄，互相比對、優(yōu)化，從而進行綜合提升。更為重要的是，人工智能的人臉識別以及語音識別技術可以運用到教師的教學過程中，進行學生的學習情緒感知，學習狀況的了解，從而促進學生學習的科學化；智慧校園、智慧圖書館等的出現(xiàn)，為教學環(huán)境的建設提供重要參考。
3人工智能在教育領域的應用
人工智能被認為是最有潛力和影響力的教育信息化技術，將通過人工智能數(shù)據(jù)挖掘分析、3D打印、模擬仿真等技術的應用，實現(xiàn)人工智能與教育的深度融合，對計算機輔助教學、個性化教育服務、教育人工智能生態(tài)環(huán)境等產(chǎn)生根本影響。2018年《地平線報告》（高等教育版本）指出了教育領域的信息化發(fā)展，未來一段時間內(nèi)將通過人工智能與信息技術的結(jié)合，進而影響教育階段的不同過程。具體見表1所示。
【關鍵詞】 人工智能 大腦智能 智能機器人
0 引言
人工智能（Artificial Intelligence），英文縮寫為AI，是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機。二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能）。也被認為是二十一世紀（基因工程、納米科學、人工智能）三大尖端技術之一。
1 人工智能的發(fā)展歷程
（1）人工智能的思想萌芽可以追溯到十七世紀的巴斯卡和萊布尼茨，他們較早萌生了有智能的機器的想法。十九世紀，英國數(shù)學家布爾和德摩爾根提出了“思維定律”，這些可謂是人工智能的開端。十九世紀二十年代，英國科學家巴貝奇設計了第一架“計算機器”，它被認為是計算機硬件，也是人工智能硬件的前身。1936年，24歲的英國數(shù)學家圖靈提出了“自動機”理論，把研究會思維的機器和計算機的工作大大向前推進了一步，在定義智慧時，圖靈做出了解釋，如果一臺機器能夠通過稱之為圖靈實驗的測試，那它就是智慧的，圖靈實驗的本質(zhì)就是讓人在不看外型的情況下不能區(qū)別是機器的行為還是人的行為。（2）上世紀三四十年代，維納、弗雷治、羅素的數(shù)理邏輯，和丘奇、圖靈的數(shù)字功用以及計算機處理發(fā)展促使了1956年夏Dartmouth會議上人工智能學科（由“人工智能之父”麥卡錫提出，麥卡錫曾是Stanford人工智能實驗室主任）的誕生20世紀60年代以來，采用生物模仿來建立功能強大的算法，包括進化計算等，人工生命以進化計算為基礎，研究自組織、自復制、自修復以及形成這些特征的進化和環(huán)境適應。70年代以來，Conrad等研究人工仿生系統(tǒng)中的自適應、進化和群體動力學，提出不斷完善的“人工世界”模型。80年代，人工神經(jīng)網(wǎng)絡再度興起促進人工生命的發(fā)展。（3）1992年貝茲德克提出計算智能。專家系統(tǒng)在90年代興起，模擬人類專家解決領域問題。
2 人工智能的研究
強人工智能的觀點認為有可能制造出真正能推理和解決問題的智能機器，并且，這樣的機器能將被認為是有知覺的，有自我意識的。弱人工智能的觀點認為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識?，F(xiàn)在主流科研集中在弱人工智能上，強人工智能的研究則處于停滯不前的狀態(tài)下。
目前人工智能主要研究內(nèi)容是：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面，分布式人工智能與多智能主體系統(tǒng)、人工思維模型、知識系統(tǒng)、知識發(fā)現(xiàn)與數(shù)據(jù)挖掘、遺傳與演化計算、人工生命應用等等。未來人工智能可能會向以下幾個方面發(fā)展：模糊處理、并行化、神經(jīng)網(wǎng)絡和機器情感。
3 人工智能的應用
IBM公司“deep blue”電腦擊敗了人類的世界國際象棋冠軍，美國Sandia實驗室建立了國際上最龐大的“虛擬現(xiàn)實”實驗室，擬通過數(shù)據(jù)頭盔和數(shù)據(jù)手套實現(xiàn)更友好的人機交互。國際各大計算機公司相繼開始將人工智能作為其研究內(nèi)容，幾乎包括所有IT企業(yè)，以及很多金融巨頭，紛紛建立自己的人工智能產(chǎn)業(yè)部，利用“智能”來解決問題。無人駕駛車的誕生，打破了汽車靠人駕駛的時代。
MIT開發(fā)出了SHRDLU，STUDENT系統(tǒng)可以解決代數(shù)問題，而SIR系統(tǒng)則開始理解簡單的英文句子了，SIR的出現(xiàn)導致了新學科的出現(xiàn)：自然語言處理。在70年代出現(xiàn)的專家系統(tǒng)成了一個巨大的進步，它頭一次讓人知道計算機可以代替人類專家進行工作。在理論方面，計算機開始有了簡單的思維和視覺，而不能不提的是人工智能語言Prolog語言誕生了，它和Lisp一起幾乎成了人工智能工作者不可缺少的工具。
4 人工智能的影響及發(fā)展必須注意的問題
（1）人工智能對自然科學的影響。在需要使用數(shù)學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助于人類最終認識自身智能的形成。（2）人工智能對經(jīng)濟的影響。專家系統(tǒng)更深入各行各業(yè)，帶來巨大的宏觀效益。AI也促進了計算機工業(yè)網(wǎng)絡工業(yè)的發(fā)展。但同時，也帶來了勞務就業(yè)問題。由于AI在科技和工程中的應用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結(jié)構(gòu)的劇烈變化。（3）人工智能對社會的影響。AI也為人類文化生活提供了新的模式?，F(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應用已經(jīng)深入到各大游戲制造商的開發(fā)中。
伴隨著人工智能和智能機器人的發(fā)展，不得不討論是人工智能本身就是超前研究，需要用未來的眼光開展現(xiàn)代的科研，因此很可能觸及倫理底線。作為科學研究可能涉及到的敏感問題，需要針對可能產(chǎn)生的沖突及早預防，而不是等到問題矛盾到了不可解決的時候才去想辦法化解。
5 智能機器人
智能機器人具有類似于人的智能，它裝備了高靈敏度的傳感器，因而具有超過一般人的視覺、聽覺、嗅覺、觸覺的能力，能對感知的信息進行分析，控制自己的行為，處理環(huán)境發(fā)生的變化，完成交給的各種復雜、困難的任務。而且有自我學習、歸納、總結(jié)、提高已掌握知識的能力。目前研制的智能機器人大都只具有部分的智能，和真正的意義上的智能機器人，還差得很遠。
6 結(jié)語
當然，雖然人工智能一直都處于計算機技術的最前沿，但人工智能的發(fā)展也并不是一帆風順的，并不象我們期待的那樣迅速，也曾因計算機計算能力的限制無法模仿人腦的思考以及與實際需求的差距過遠而走入低谷。人工智能的問題的在于，一方面哲學、認知科學、思維科學和心理學等學科所研究的智能層次高而抽象；另一方面AI邏輯符號、神經(jīng)網(wǎng)絡和行為主義所研究的智能層次太基本。由于對中間機制知之甚少，這種背景下提出的各種AI理論，就只能是或者完全不同于人類思維，與人類的思維模式相距太遠，同時在人類思維方式的理解上也有待突破，不然很難形成更新的AI框架和理論體系。盡管如此，多學科的聯(lián)合協(xié)作研究也帶來了足夠引人注目的增長。因為人工智能的基本理論還不完整，我們還不能從本質(zhì)上解釋我們的大腦為什么能夠思考，這種思考來自于什么，這種思考為什么得以產(chǎn)生等一系列問題。但經(jīng)過這幾十年的發(fā)展，我們相信它會給世界帶來難以預料的變化。
參考文獻：
[1][美]StuartJ.Russell[美]PeterNorvig人工智能：一種現(xiàn)代的方法（第3版）.
[2]人工智能及其應用蔡自興徐光佑.
[3]游戲人工智能編程案例精粹[美]MatBuckland.
瑞克?拉希德（Rick Rashid）這么緊張是有原因的。他在中國的天津邁上講臺，面對2000名研究者和學生，要發(fā)表演講。問題在于，他不會講中文，而他的翻譯以前糟糕的水平，似乎注定了這次的尷尬。
“我們希望，幾年之內(nèi)，我們能夠打破人們之間的語言障礙”。這位微軟研究院的高級副總裁對聽眾們說。令人緊張的兩秒鐘停頓之后，翻譯的聲音從擴音器里傳了出來。拉希德繼續(xù)說：“我個人相信，這會讓世界變得更加美好?！蓖ｎD，然后又是中文翻譯。
他笑了。聽眾對他的每一句話都報以掌聲。有些人甚至流下了眼淚。
這種看上去似乎過于熱情的反應是可以理解的：拉希德的翻譯太不容易了。每句話都被理解，并被翻譯得天衣無縫。令人印象最深的一點在于這位翻譯并非人類。
曾幾何時，執(zhí)行這樣的任務遠超最復雜的人工智能的能力，而且并不是因為人們沒有為此付出努力。多年以來，人工智能領域被那些旨在復制人類意識功能的宏大計劃統(tǒng)治著。我們夢想著擁有一臺機器，能夠理解我們、識別我們，幫助我們做出決定。近幾年來，我們已經(jīng)實現(xiàn)了這些目標，然而實現(xiàn)的方式，是先行者不曾想象的。
如此說來，我們已經(jīng)研究出了復制人類思想的方法了嗎？還差得遠呢。相反，實現(xiàn)這些目標的方法，與我們最初的愿望大相徑庭。人工智能在你周圍無處不在，它的成功可以歸因于大數(shù)據(jù)和統(tǒng)計學，也就是利用海量信息執(zhí)行復雜計算。我們已經(jīng)創(chuàng)造出了意識，只不過它們與我們的意識相去甚遠。它們的推理過程，對人類來說深不可測――這一進展所預示的前景，正在引起人們的關注。既然我們正在愈加依賴這種新型智能，我們或許需要改變自己的思維方式去適應它。
復制思維
半個多世紀以前，研究者列出了一系列目標，是我們向具備人類智能的機器挺進時必須要達成的。英國布里斯托爾大學的尼洛?克里斯蒂亞尼尼（Nello Cristianini）說：“從20世紀50年代開始，我們就有了一張待辦事宜的清單?！彼鴮戇^人工智能研究歷史和演化方面的著作。
清單上的很多項目可以追溯到1958年在英國特丁頓召開的思想過程機械化會議。參與那次會議的，不僅有計算機科學家，還有物理學家、生理學家和心理學家。按照我們的樣子建造思考機器的前景，令這些人全都激動萬分。他們一致認為，智能的特征應該包括對理解話語、翻譯語言、識別圖像以及模仿人類決策的能力。
然而時間在流逝，那張清單卻絲毫沒有變短。很多研究者試圖以邏輯公理為根基，使用程序化的規(guī)則來模擬人類思考。他們以為，只要創(chuàng)建足夠多的規(guī)則就能成功。但事實證明，這太難了。幾十年過去了，人工智能研究成果寥寥，資金告罄。
那么，究竟是什么發(fā)生了改變呢？“我們并沒有找到智能的解決方案，”克里斯蒂亞尼尼說，“我們算是放棄了?！比欢?，這便是突破?！耙坏┪覀兎艞壷圃炀窈托睦硖匦缘膰L試，成功之道便開始出現(xiàn)在眼前了?！?/p>
說白了，他們放棄了預編程的規(guī)則，而是投向了機器學習的懷抱。利用這種技術，計算機教會自己從數(shù)據(jù)中建立模式。有了足夠大的信息量，你就能讓機器學會做看上去有智能的事情，別管是理解話語、翻譯語言，還是識別人臉。英國劍橋微軟研究院的克里斯?畢肖普（Chris Bishop）打了個比方：“你堆積足夠多的磚塊，然后退上幾步，就能看到一座房子。”
這種方法的原理大概是這樣的。很多最成功的機器學習系統(tǒng)，依據(jù)的都是貝葉斯統(tǒng)計，這種數(shù)學框架能讓我們測算可能性。根據(jù)給定情境以及先前在類似情境中觀察到的關聯(lián)數(shù)據(jù)，貝葉斯統(tǒng)計能夠給出出現(xiàn)某個結(jié)果的可能性數(shù)值。
比如，我們想讓人工智能回答一個簡單問題：貓吃什么?；谝?guī)則的方法要從零開始，采取有邏輯的步驟，建立一個關于貓及其飲食習慣的數(shù)據(jù)庫。采用機器學習技術，你只需要不加選擇地輸入數(shù)據(jù)――互聯(lián)網(wǎng)搜索、社交網(wǎng)絡、食譜書籍等。通過計算特定詞匯出現(xiàn)的頻率以及概念之間如何彼此關聯(lián)，系統(tǒng)便建立了一個統(tǒng)計模型，能夠估計貓喜歡某些食物的可能性。
當然，機器學習所依賴的算法已經(jīng)出現(xiàn)多年。新鮮之處在于，現(xiàn)在我們有了足夠的數(shù)據(jù)，讓這種技術大顯神威。
就以翻譯語言為例。20世紀末，
IBM將加拿大國會生成的英法雙語文檔輸入計算機，利用機器學習技術教它在這兩種語言之間互譯。那些文檔就像羅塞塔石碑一樣，包含了幾百萬被寫成兩種語言版本的例句。
IBM的系統(tǒng)辨別出兩種語言單詞和短語之間的關聯(lián)，并將這種關聯(lián)應用于新的翻譯任務。結(jié)果卻滿是錯誤。他們需要更多的數(shù)據(jù)?！斑@時谷歌跟了上來，差不多輸入了整個互聯(lián)網(wǎng)。”英國牛津大學互聯(lián)網(wǎng)學院的維克托?邁爾-舍恩伯格（Viktor Mayer-Sch?nberger）說道。
和IBM一樣，谷歌在翻譯領域所做的努力，一開始也是發(fā)展算法，在多語言文獻之間交互參考。然而，研究者開始意識到，如果翻譯器學習了說俄語、法語和韓語的人們實際的講話方式，翻譯質(zhì)量將有很大提高。
谷歌轉(zhuǎn)向了被它索引過的龐大網(wǎng)絡。這張網(wǎng)絡正在朝豪爾赫?路易斯?博爾赫斯（Jorge Luis Borges）1941年的短篇小說《巴別圖書館》中那座假想的圖書館迅速演進。小說中的圖書館收藏的書籍，囊括了所有可能的詞語組合。假設谷歌翻譯器正試圖將英語翻譯成法語，它便可以將它最初的嘗試與互聯(lián)網(wǎng)上用法語寫就的每一個句子作比較。邁爾-舍恩伯格用翻譯“l(fā)ight”一詞來舉例：表示光照時，要翻譯成法語詞“l(fā)umière”，表示重量時，則要翻譯成“l(fā)éger”。谷歌翻譯器自己學會了如何做出與法國人一致的選擇。
除了大量詞序的相對頻率，谷歌翻譯器以及拉希德使用的微軟翻譯器，對語言可謂一無所知。這些人工智能無非是一個詞接一個詞地計算接下來出現(xiàn)什么詞的可能性。對它們而言，這只是個概率問題而已。
這些基本原理多少顯得有些直來直去。當巨量數(shù)據(jù)中產(chǎn)生海量關聯(lián)時，事情就復雜了。比如，谷歌的自動駕駛汽車，為了對周圍環(huán)境作出預測，每秒鐘要收集差不多1GB的數(shù)據(jù)。亞馬遜這么善于誘導人們購買更多的商品，是因為它做出推薦所依據(jù)的基礎，乃是幾百萬其他購買行為中的幾十億關聯(lián)關系。
大者為王
翻譯拉希德的演講，展現(xiàn)了統(tǒng)計人工智能可以有多么強大――不僅要猜測他說了什么，思考該怎么翻譯，還要判斷這句中文由他說出來是什么效果?！斑@些系統(tǒng)的表現(xiàn)并非神跡，”畢肖普說，“但僅僅是探究一下巨量數(shù)據(jù)的統(tǒng)計信息，就能取得這么大的成就，我們常常為此感到驚訝?！?/p>
這些智能算法正開始影響生活的每一個方面。就在拉希德演講一個月之后，荷蘭國家法證科學研究所就雇了一套名叫波拿巴（Bonaparte）的機器學習系統(tǒng)，輔助他們尋找一名已經(jīng)潛逃了13年的謀殺犯罪嫌疑人。波拿巴能夠分析和比對大量DNA樣本，這個工作由人工來做的話將非常耗時。保險和信用行業(yè)也在擁抱機器學習，部署這種算法為個人建立風險評估簡況。醫(yī)學界也在利用統(tǒng)計人工智能，篩選大得令人類無法分析的基因數(shù)據(jù)庫。IBM公司的沃森（Watson）甚至能夠診斷疾病。
“大數(shù)據(jù)分析能夠發(fā)現(xiàn)被我們遺漏的事情，”邁爾-舍恩伯格說，“它對我們的了解，比我們自己還要深刻。但它也需要一種迥然不同的思考方式。”
在人工智能發(fā)展早期，“可解釋性”被賦予了很高的價值。當機器做出選擇時，人類能夠追查到原因。然而，如今，那些由數(shù)據(jù)驅(qū)動的人工意識所做的推理，是對巨量數(shù)據(jù)點進行高度復雜的統(tǒng)計分析。換句話說，為了得到“是什么”，我們放棄了“為什么”。
就算一位高超的技師能夠搞懂其中的數(shù)學過程，可能也沒有什么意義。畢肖普說，那并不會揭示為什么系統(tǒng)會做出某個決定，因為這個決定并不是經(jīng)由人類能夠解讀的一系列規(guī)則而得出的。他認為，為了得到有用的系統(tǒng)，這是個可以接受的取舍。早期的人工意識或許是透明的，但它們都失敗了?！澳憧梢缘玫揭粋€解釋，但那是對錯誤預測的解釋?！币恍┤藢@種轉(zhuǎn)變提出了批評，但畢肖普和其他一些人主張，是時候放棄對人類解釋的期待了。
“可解釋性是一種社會契約，”克里斯蒂亞尼尼說，“過去我們認為它很重要，現(xiàn)在我們認為它不重要?！?/p>
英國布里斯托爾大學的彼得?弗拉赫（Peter Flach）試圖向他計算機科學專業(yè)的學生，講授這種從根本上不同的思維方式。編程講究絕對，機器學習分析的卻是不確定程度。他認為，我們應當更習慣懷疑。比如，亞馬遜的人工智能推薦了一本書，這究竟是機器學習的結(jié)果，還是亞馬遜有一些書不好賣？再比如，亞馬遜可能會告訴你，和你差不多的人購買了它所展示的書，它所說的“和你差不多的人”以及“與此差不多的書”究竟是什么意思？
“也許，在某種程度上，我們終將不得不信任機器，即便我們無法完全理解它?！备ダ照f。
危險在于，我們不再提出問題。我們會習慣于在不經(jīng)意間由機器替我們做出決定嗎？由于智能機器已經(jīng)開始針對抵押申請、醫(yī)療診斷，甚至你是否有罪，做出神秘莫測的決斷，我們押在人工智能上的賭注更大了。
比如在醫(yī)療方面，如果一套機器學習系統(tǒng)認為，你在未來幾年中將開始酗酒，會怎么樣？醫(yī)生可以據(jù)此拒絕給你施行器官移植手術嗎？如果沒人了解結(jié)論從何而來，便很難討論你的病情。一些人可能會信任人工智能甚于其他。“人們太愿意接受算法發(fā)現(xiàn)的事情，”弗拉赫說，“連計算機都說‘不’了。而這正是問題所在?！?/p>
此時此刻，某個地方，可能有一部智能系統(tǒng)正在判斷你是什么樣的人以及將成為什么樣的人。看看發(fā)生在美國哈佛大學拉坦婭?司維尼（Latanya Sweeney）身上的事情吧。有一天，她驚訝地發(fā)現(xiàn)，她的谷歌搜索結(jié)果附帶的廣告問道“你被逮捕過嗎？”白人同學的搜索結(jié)果中卻沒有這條廣告。這件事促成了一項研究，表明谷歌搜索背后的機器學習系統(tǒng)，無意中成了種族主義者。在深不可測、浩如煙海的關聯(lián)當中，跟犯罪記錄相關的廣告與黑人慣常使用的名字被聯(lián)系了起來。
“人工智能會遇到很多倫理困境，”邁爾-舍恩伯格說。很多人已經(jīng)對大數(shù)據(jù)時代的隱私問題表達了關切。 “說實話，相對于隱私，我更擔心統(tǒng)計預測遭到濫用。”
人工智能逐漸演變?yōu)橐环N社會需要，機器也不再是人們眼中冰冷的工具，而是擁有自我意識的機器。
作為科幻作品中很大的母題，人工智能經(jīng)常在科幻電影中出現(xiàn)，比如《我，機器人》《黑客帝國》《機械姬》，其中人工智能往往扮演反叛者的角色，對人類造成傷害。結(jié)合現(xiàn)實來說，這樣的事情會不會發(fā)生?
清華微電子專業(yè)畢業(yè)后在外資企業(yè)從事半導體研發(fā)，這只是江波的工作之一。更令人矚目的是，作為中國更新代的科幻作家，從處女作《最后的游戲》到《時空追緝》，再到恢弘磅礴的《銀河之心》三部曲，他用冷峻而優(yōu)雅的文字、超越尋常的想象力以及對人類未來發(fā)展的終極關懷征服了一眾科幻愛好者。江波認為，“將機器賦予文明，將文明賦予機器。這是人類的使命，也許是最后的使命?！边@是他對人工智能的期待和展望，也是未來人工智能科技發(fā)展的方向。
生物智能與自我意識
回答這一問題，首先要提到生物智能。生物智能是目前已知唯一產(chǎn)生了自我意識的智能，所以它是人工智能唯一的參考。將人類和螞蟻做比較，人類是智能生物，螞蟻是本能生物。所謂智能，就是可以設計出各種方法適應環(huán)境;所謂本能，就是生來具有的一種能力，諸如螞蟻生來就能筑巢覓食。
為什么把這兩種生物放在一起比較?如果把所有人類重量和螞蟻重量都相加起來，在天平的兩端，螞蟻和人類的總質(zhì)量是差不多的。所以從這個意義上來講，兩種同樣成功的生物可以用來做比較，人類在分類學上屬于哺乳綱靈長類人科，螞蟻屬于昆蟲綱膜翅目蟻科，在綱目科屬種的分類上，可以用同樣的“科”級衡量。人科人屬人種，事實上只有一種，但是螞蟻有11 700余種，從這個意義上來說智能相對于本能的好處是以一敵萬，一種智能生物通過調(diào)整行為方式，可以適應地球表面上的任何地形地貌，但是螞蟻為了做到這件事情卻用了11 700多種，這是智能帶給生物的好處。
生物形形，怎樣去衡量它的自我意識?生物學家采用了“鏡子實驗”——就是讓生物照鏡子，如果它能夠從鏡子中辨認出影像就是自身，就通過了測試，可以認為它具備自我意識?！扮R子實驗”有很多模糊的地方，不算非常客觀標準的測試，但作為目前研究自我意識的一個參考，它可以代表自我意識的存在。
黑猩猩、鯨魚、大象諸如此類可以通過鏡子測試，像螞蟻、水母等神經(jīng)系統(tǒng)很簡單的生物，不可能存在自我意識。也有兩種生物在關系上和人類比較接近，一種是猴子，一種是猩猩，它們的鏡子實驗是什么結(jié)果?
一只非常強壯的銀背大猩猩，看到鏡子當中的自己，認為是另外一個對手直接撞上去，所以它失敗了。
一只猴子從鏡像中發(fā)現(xiàn)了自己臉上的紅點，也就是說它已經(jīng)通過了鏡子測試。而實際上猴子是沒有自我意識、不能通過鏡子測試的，這只猴子的確通過了，它是怎么做到的?這只猴子是2015年中科院神經(jīng)科學研究所最新的研究成果，通過某些程度的訓練，讓原本不具有自我意識的猴子產(chǎn)生一定的自我意識，從而能夠辨認出鏡子中的自己。
這個研究說明，自我意識的邊界具有模糊性，并不存在非黑及白的世界。從沒有自我意識跨入到自我意識并沒有截然的邊界，最有可能的情形是這個過渡是連續(xù)而模糊的，這點非常重要。
通過以上的實驗和研究可以得出結(jié)論：自我意識并非高級智能的神秘功能，變化的環(huán)境不斷推動智能向著更復雜的方向發(fā)展，當智能復雜到能意識到本體的存在，自我意識便自然產(chǎn)生，它是復雜智能的伴生物，學習是獲取智能的唯一途徑。
現(xiàn)在的擬智能與未來的可能性
既然學習是獲取智能的唯一途徑，那么人工智能的學習就是通過對外界環(huán)境的認識來改變自己的內(nèi)在邏輯。如果這個智能體設計當中本身有一個變量是2，通外界刺激之后我認識到是6，把2改成6這不叫邏輯變換，這只是變量的變換。邏輯變換的意思是，通過環(huán)境刺激到神經(jīng)系統(tǒng)最后接受最佳答案，對機器來說就是它的學習。
有了對學習的定義之后，就可以定義什么是擬智能了，Google的自動駕駛汽車、亞馬遜的無人機、微軟小冰，這些都可以稱之為擬智能，是所有不通過學習得來的智能。這些智能通過預先編制的程序鎖定了它的行為是什么，它很強大，但因為是不通過自主學習得來的，所以它不會產(chǎn)生自我意識。
我們生活中廣泛存在的智能被稱為擬智能，如果擬智能不能產(chǎn)生自我意識，它就不是我們擔心的對象，那么什么東西是我們未來的可能性?
第一種未來的可能性是神經(jīng)網(wǎng)絡。2004年初，Google以4億美元(約合26億元人民幣)價格收購了一家做算法的公司，簡單地說，這個算法的任務是玩游戲。一個大屏幕上方有些不斷落下的方塊，這個算法所控制的是一個方塊，這個方塊在屏幕下方前后左右可以移動，游戲目的是延長生存的時間，這個算法當中如果上方出現(xiàn)一個方塊，叫做輸入，引起下方一個動作之后這個游戲就失敗了，這個神經(jīng)網(wǎng)絡能夠記住這一點，在下次游戲當中盡量避免這樣的動作。
同樣，如果一個輸入引起動作之后，這個游戲能夠延長更長的時間，它就可以獲得獎勵，在下一輪游戲當中，它還有可能采用同樣的動作，這個就是學習的過程。它用分層結(jié)構(gòu)對人類神經(jīng)系統(tǒng)進行了很好的模擬，在神經(jīng)網(wǎng)絡深度學習的過程中，沒有人預先告訴它該往哪邊走，它通過不斷地試錯最后得到自己的最佳策略。
未來的另外一種可能是人腦芯片，大概意思是指根據(jù)神經(jīng)元的結(jié)構(gòu)組合成大腦皮層，科學家已經(jīng)用物理芯片實現(xiàn)了，它用56億個晶體管大概模擬了100萬的神經(jīng)元，有2.56億個突觸。這種人腦芯片是突破性的成就，但還有兩個方面的問題：第一是規(guī)模，100萬的神經(jīng)元聽起來很多，對比140億神經(jīng)元是人腦的神經(jīng)元數(shù)目，人腦的突觸以萬億記，這個規(guī)模只有人腦的萬分之一，但是規(guī)模一旦提出來就是時間問題。還有一個問題，算法，怎么讓人腦芯片工作?一般的智能需要預先編制好它的行為方式，但是這塊芯片需要的是和認知世界一樣的方式，通過外界刺激修正內(nèi)部邏輯編程。從這兩方面來說，人腦芯片還有很長的路要走。
賦機器予文明
人工智能的發(fā)展會帶來很多問題，一旦人工智能和人類并存在世界上，就面臨一個問題，什么樣的人工智能可以融入到人類社會?
科學家們想到了“圖靈測試”——讓一個機器跟人對話，如果30%的人認為他是人，他就是人。圖靈測試實際上有兩端，目前認為人工智能的產(chǎn)生是單向性，一旦跨過一個界限達到一定復雜度就變成了人，將來社會中一旦人工智能跟人類并存，它是否是人就要交給人來判斷。
通過對以上內(nèi)容的分析，我們可以給出這樣的結(jié)論：人工智能的自我意識只是一個時間問題。那么，科幻電影當中出現(xiàn)的灰暗的現(xiàn)實有一天會變成真的嗎，人類該怎么辦?
回顧18世紀的工業(yè)革命，人類在工業(yè)化的道路上狂奔，從來沒有停止過，不斷發(fā)明各種各樣的機器充實人類文明，發(fā)明各種各樣讓大家生活得更好的物質(zhì)，這個過程可以稱為“賦文明予機器”，不斷用機器填充文明。
擁有自我意識的機器必然是能夠?qū)W習的機器，因為學習是自我意識的源泉，就像一個孩子，剛開始就是一張白紙，如果教給他的是暴力、戰(zhàn)爭、侵害，那么他學會的也是這些，如果教給他的是和平、愛、仁慈，那么他學會的也將會是這些。而“賦機器予文明”，可以通過一些方法方式來規(guī)范引導將要產(chǎn)生的人工智能，從而避免科幻電影中描述的黑暗未來。
人工智能的終極影響會怎樣
人工智能指研究、開發(fā)并擴展人的智能的新學科，既是計算機科學的一個分支，也指能以與人類智能相似的方式作出反應的智能機器。說穿了，人工智能是對人的意識、思維過程的模擬。盡管它不是人的智能，卻能像人那樣思考，能完成財務查賬、疾病診斷、危險操作，甚至使盲人恢復閱讀能力……隨著大數(shù)據(jù)的運用，將其與相關算法結(jié)合，人工智能便具備了深度“ 自我學習”的本領，可以模仿人腦神經(jīng)元處理海量數(shù)據(jù)，“ 自己教自己”如何去執(zhí)行一些過去只有人腦才能完成的任務，如駕駛無人飛機與汽車等。這就給警醒的人類帶來了很大的疑慮：發(fā)達的人工智能技術對人類社會的終極影響將會怎樣?
客觀地分析，目前人工智能技術僅局限于某一具體領域的特定能力，能“形似”地模擬人腦，但不具備范圍廣泛且靈活變通的人類思維能力，也不具備人類的自主性、欲望與情感。但科學的進展是難以預測的，畢竟人工智能正在飛快地向自我學習、自我決策等高級認知層次演進。有朝一日機器是否會擁有比人類更靈敏的認知能力?擁有與人類沖突的利益觀?甚至主宰人類……難怪霍金也會提出：人工智能可能是一個 “真正的危險”。
直面迅猛發(fā)展的人工智能，激起人們對其負面效應的謹慎和擔憂是毫不奇怪的。畢竟，人工智能須接受人類倫理的監(jiān)督，其研發(fā)者雖無法預見所有情形，但至少要做出在危急時刻能及時終止設計的超前安排，這是科學工作者必須具備的人文精神。我們并不贊同因?qū)θ斯ぶ悄艿倪^度憂慮而導致研究上停滯不前，在關注人工智能可能帶來危機的同時，還要看到其無可估量的學術價值和經(jīng)濟效益。預見問題總比視而不見更理智。
延伸閱讀：
過去20年，這4次“人機大戰(zhàn)”載入史冊
從第一臺計算機問世以來，人們就夢想造出一種可以完美模擬甚至超越人腦的計算機系統(tǒng)。過去20年中，有4次“人機大戰(zhàn)”給人們留下格外深刻的印象，也成為人工智能發(fā)展的絕佳注腳。
深藍——蠻算的“硬漢”
1997年，美國IBM公司的“深藍”超級計算機以2勝1負3平戰(zhàn)勝了當時世界排名第一的國際象棋大師卡斯帕羅夫。“深藍”的運算能力當時在全球超級計算機中居第259位，每秒可運算2億步。在今天看來，“深藍”還算不上足夠智能，主要依靠強大的計算能力窮舉所有路數(shù)來選擇最佳策略：“深藍”靠硬算可以預判12步，卡斯帕羅夫可以預判10步，兩者高下立現(xiàn)。
浪潮天梭——以一敵五的“鐵人”
2006年，“浪潮杯”首屆中國象棋人機大戰(zhàn)中，5位中國象棋特級大師最終敗在超級計算機“浪潮天梭”手下。中國人發(fā)明的這項充滿東方智慧的模擬戰(zhàn)爭游戲，被中國超級計算機獨占鰲頭。
從那場比賽開始，象棋軟件蓬勃發(fā)展，人類棋手逐漸難以與之抗衡。
沃森——察言觀色的全才“學霸”
2011年，“深藍”的同門師弟“沃森”在美國老牌智力問答節(jié)目《危險邊緣》中挑戰(zhàn)兩位人類冠軍。參賽者需要大量歷史、文學、政治、科學及流行文化知識，還需要解析隱晦含義和謎語等。雖然比賽時不能接入互聯(lián)網(wǎng)搜索，但“沃森”存儲了2億頁的數(shù)據(jù)，包括各種百科全書、詞典、新聞甚至維基百科的全部內(nèi)容。
“沃森”最終輕松戰(zhàn)勝兩位人類冠軍，展示出的自然語言理解能力一直是人工智能界的重點課題。
AlphaGo——有棋風的“深度思考者”
圍棋一直被看作是人類最后的智力競技高地。據(jù)估算，圍棋的可能下法數(shù)量超越了可觀測宇宙范圍內(nèi)的原子總數(shù)，顯然“深藍”式的硬算在圍棋上行不通。
2015年10月，美國谷歌公司旗下的人工智能公司研發(fā)的AlphaGo人工智能程序以5∶0戰(zhàn)勝歐洲圍棋冠軍樊麾，這是人工智能程序首次在不讓子的情況下戰(zhàn)勝人類圍棋選手。2016年3月初，擁有十多個圍棋世界冠軍頭銜的李世石與AlphaGo力戰(zhàn)5局，以 1∶4告負，這被認為是人工智能發(fā)展最新的里程碑。
【關鍵詞】人工智能 情景意識 人機環(huán)境系統(tǒng)交互 哲學
【中圖分類號】TP18 【文獻標識碼】A
【DOI】10.16619/ki.rmltxsqy.2016.07.001
前言
人工智能是人類發(fā)展到一定階段而必然產(chǎn)生的一門學科，它既包括人，也包括機和環(huán)境兩部分，所以也可以說是人機環(huán)境系統(tǒng)交互方面的一種學問。它同樣“有一個漫長的過去，但只有短暫的歷史”。它的起源可以追溯到文藝復興，接著，又在第一、二次工業(yè)革命浪潮中逐漸嶄露頭角。法國人帕斯卡爾研制了第一臺現(xiàn)代意義上的數(shù)字計算機，第一、二次世界大戰(zhàn)大大加快了該學科發(fā)展的進程，劍橋大學巴貝奇的差分機和圖靈的測試進一步把人工智能領域的研究范圍擴展到了人類學習、生活、工作等方面。到目前為止，研究人工智能的學科不但包括生理、心理、物理、數(shù)理、地理等自然科學技術領域，而且還涉及到哲理、倫理、法理、藝理、教理等人文藝術宗教領域。
1997年5月11日，名為“深藍”的電腦毫無懸念地在標準比賽時限內(nèi)擊敗了國際象棋男子世界冠軍卡斯帕羅夫，從而證明了在有限的時空里電腦“計算”可以戰(zhàn)勝人腦“算計”，進而論證了現(xiàn)代人工智能的基礎條件（假設）――物理符號系統(tǒng)具有產(chǎn)生智能行為的充分必要條件（Newell and Simon，1976）是成立的。更有意思的是，2011年2月17日，一臺以IBM創(chuàng)始人托馬斯?沃森的名字命名的電腦在智力問答比賽中“狂虐”兩位最聰明的美國人而奪得冠軍，2016年3月9日至3月15日，“圍棋名譽九段”AlphaGo在首爾以4：1的比分戰(zhàn)勝了圍棋世界冠軍李世石九段，從而引發(fā)了人工智能將如何改變?nèi)祟惿鐣钚螒B(tài)的話題。
人工智能是人機環(huán)境系統(tǒng)交互的產(chǎn)物
眾所周知，當前制約機器人科技發(fā)展的瓶頸是人工智能，人工智能研究的難點是對認知的解釋與建構(gòu)，而認知研究的關鍵問題則是自主和情感等意識現(xiàn)象的破解。生命認知中沒有任何問題比弄清楚意識的本質(zhì)更具挑戰(zhàn)性，或者說更引人入勝。這個領域是科學、哲學、人文藝術、神學等領域的交集。盡管意識問題如此重要，令人啼笑皆非的是：無論過去還是現(xiàn)在，一旦涉及到意識問題，大家不是緘口不提，就是敬而遠之，避之唯恐不及。究其原因，不外乎意識的變化莫測與主觀隨意等特點嚴重偏離了科學技術的邏輯實證與感覺、經(jīng)驗、驗證、判斷，既然與科學技術體系相距較遠，自然就不會得到相應的認同與支持了，這好像是順理成章、理應如此的！然而，最近科技界一系列的前沿研究正悄悄地改變著這個局面：研究飄忽不定的意識固然不符合科技的尺度，那么在意識前面加上情境（或情景）二字呢？人在大時空環(huán)境下的意識是不確定的，但“格物致知”一下，在小尺度時空情境下的意識應該有跡可循吧！自古以來，人們就知道“天時地利人和”的小尺度時空情境對態(tài)勢感知及意識的影響，只是明確用現(xiàn)代科學的手段實現(xiàn)情境（或情景）意識的研究是源自1988年Mica Endsley提出的Situation Awareness（SA）概念框架：“…the perception of the elements in the environment within a volume of time and space， the comprehension of their meaning， and the projection of their status in the near future.”（在一定的時間和空間內(nèi)對環(huán)境中的各組成成分的感知、理解，進而預知這些成分的隨后變化狀況）但這只是個定性分析概念模型，其機理分析與定量計算還遠遠沒有完善。
在真實的人機環(huán)境系統(tǒng)交互領域中，人的情景意識（Situation Awarensss）SA、機器的物理SA、環(huán)境的地理SA等往往同構(gòu)于統(tǒng)一時空中（人的五種感知也應是并行的），對于人而言，人注意的切換產(chǎn)生了不同的主題與背景感受/體驗。在人的行為環(huán)境與機的物理環(huán)境、地理環(huán)境相互作用的過程中，人的情景意識SA被視為一個開放的系統(tǒng)，是一個整體，其行為特征并非由人的元素單獨所決定，而是取決于人機環(huán)境系統(tǒng)整體的內(nèi)在特征，人的情景意識SA及其行為只不過是這個整體過程中的一部分罷了。另外，人機環(huán)境中許多個閉環(huán)系統(tǒng)常常是并行或嵌套的，并且特定情境下這些閉環(huán)系統(tǒng)的不同反饋環(huán)節(jié)信息又往往交叉融合在一起，起著或刺激或抑制的作用，不但有類似宗教情感類的柔性反饋（不妨稱之為“軟調(diào)節(jié)反饋”，人常常會延遲控制不同情感的釋放），也存在著類似法律強制類的剛性反饋（不妨稱之為“硬調(diào)節(jié)反饋”，常規(guī)意義上的自動控制反饋大都屬于這類反饋）。如何快速化繁為簡、化虛為實是衡量一個人機系統(tǒng)穩(wěn)定性、有效性、可靠性大小的主要標志，是用數(shù)學方法的快速搜索比對還是運籌學的優(yōu)化修剪計算，這是一個值得人工智能領域深究的問題。
人機環(huán)境交互系統(tǒng)往往是由有意志、有目的和有學習能力的人的活動構(gòu)成，涉及變量眾多、關系復雜，貫穿著人的主觀因素和自覺目的，所以其中的主客體界線常常模糊，具有個別性、人為性、異質(zhì)性、不確定性、價值與事實的統(tǒng)一性、主客相關性等特點，其中充滿了復雜的隨機因素的作用，不具備重復性。另外，人機環(huán)境交互系統(tǒng)有關機（裝備）、環(huán)境（自然）研究活動中的主客體則界線分明，具有較強的實證性、自在性、同質(zhì)性、確定性、價值中立性、客觀性等特點。無論是在古代、中世紀還是在現(xiàn)代，哲學宗教早已不單純是意識形態(tài)，而且逐漸成為各個階級中的強大的政治力量，其影響不斷滲透到社會生活的各個領域，更有甚者，把哲學、政治、法律等上層建筑都置于宗教控制之下?？傊陨现T多主客觀元素的影響，進而導致了人機環(huán)境交互系統(tǒng)異常復雜和非常的不確定。所以對人機環(huán)境交互系統(tǒng)的研究不應僅僅包含科學的范式，如實驗、理論、模擬、大數(shù)據(jù)，還應涉及到人文藝術的多種方法，如直觀、揣測、思辨、風格、圖像、情境等，在許多狀況下還應與哲學宗教的多種進路相關聯(lián)，如現(xiàn)象、具身、分析、理解與信仰，等等。
在充滿變數(shù)的人機環(huán)境交互系統(tǒng)中，存在的邏輯不是主客觀的必然性和確定性，而是與各種可能性保持互動的同步性，是一種得“意”忘“形”的見招拆招和隨機應變能力。這種思維和能力可能更適合復雜的人類各種藝術過程。凡此種種，恰恰是人工智能所欠缺的地方。
人機之間的不同之處
人與機相比，人的語言或信息組塊能力強，具有有限記憶和理性；機器對于語言或信息組塊能力弱，具有無限記憶和理性，其語言（程序）運行和自我監(jiān)督機制的同時實現(xiàn)應是保障機器可靠性的基本原則。人可以在使用母語時以不考慮語法的方式進行交流，并且在很多情境下可以感知語言、圖畫、音樂的多義性，如人的聽覺、視覺、觸覺等具有辨別性的同時還具有情感性，常常能夠知覺到只可意會不可言傳的信息或概念（如對哲學這種很難通過學習得到學問的思考）。機器盡管可以下棋、回答問題，但對跨領域情境的隨機應變能力很弱，對彼此矛盾或含糊不清的信息不能有效反應（缺少必要的競爭冒險選擇機制），主次不分，綜合辨析識別能力不足，不會使用歸納推理演繹等方法形成概念或提出新概念，更奢談產(chǎn)生形而上學的理論形式。
人與機器在語言及信息的處理差異方面，主要體現(xiàn)在能否把表面上無關之事物相關在一起的能力。盡管大數(shù)據(jù)時代可能會有所變化，但對機器而言，抽象表征的提煉亦即基于規(guī)則條件及概率統(tǒng)計的決策方式與基于情感感動及頓悟冥想的判斷（人類特有的）機理之間的鴻溝依然存在。
人工智能與哲學
人類文明實際上是一個認知的體現(xiàn)，無論是最早的美索不達米亞文明（距今6000多年），還是四大文明之后日新月異的以西方為代表的現(xiàn)代科技力量，其原點都可以落實到認知這個領域上。歷史學家認為：以古希臘文化為驅(qū)動力的現(xiàn)代西方文明來源于古巴比倫和古埃及，其本質(zhì)反應的是人與物（客觀對象）之間的關系；而古印度所表征的文明中常常蘊含著人與神之間的信念；排名最后的古代中國文明是四大古文明中唯一較為完整地綿延至今的文化脈搏，其核心之道理反映的是人與人、人與環(huán)境之間的溝通交流（這也許正是中華文明之所以持續(xù)的重要原因吧）?？v觀這些人、機（物）、環(huán)境之間系統(tǒng)交互的過程中，認知數(shù)據(jù)的產(chǎn)生、流通、處理、變異、卷曲、放大、衰減、消逝無時無刻不在進行著……
有人說人工智能是哲學問題。這句話有一定的道理，因為“我們是否能在計算機上完整地實現(xiàn)人類智能”，這個命題是一個哲學問題?？档抡J為哲學需要回答三個問題：我能知道什么？我應該做什么？我可以期待什么？分別對應著認識、道德、信仰。哲學不是要追究“什么是什么”，而是追求為什么“是”和如何“是”的問題。自2013年10月回國后，筆者一直在思考人機交互的本質(zhì)問題，偶然與朋友交談時聊及“共在”（Being together）一詞，頓感很是恰當，試想，當今乃至可見的未來，人機之間的關系應該不是取代而是共存吧：相互按力分配、相互取長補短，共同進步，相互激發(fā)喚醒，有科有幻，有情有義，相得益彰……非常巧合的是，2014年以來，機器學習、互聯(lián)網(wǎng)、機器人、人工智能等領域的發(fā)展也相當迅速，深度學習、類腦計算、情景感知一時間成了關鍵詞，成了時髦語，但細細品來，其核心實質(zhì)都不過是解釋與建構(gòu)的問題，形而上后竟會變成高大上的哲學問題。
其實哲學與科學、宗教一樣，都是一個人為了能夠獲得理解而必須相信（除非你相信你不應當理解）的過程，這不是盲從，而是一種先信仰后理解的先驗！比如，在科學中，物理學研究世界是什么樣的（解釋世界），計算機（數(shù)學）研究怎么造一個世界（建構(gòu)世界），在這兩者之間若沒有相信、信任、信仰等先于理解而存在，恐怕是難以堅持進行下去的，畢竟在伸手不見五指的黑夜中，人是很難自行產(chǎn)生前進動力的（如一個沒有利潤的環(huán)境常常少見商人身影一般）。而信仰是一種贊同的思考，常常是一種非理性的激情、沖動情感，通過非理性而達到理性（通情達理），這不能不說是一個有趣的悖論！或許，這同時也是無中生有的禪理（以情化理）吧！
實際上，目前以符號表征、計算為代表的計算機虛擬建構(gòu)體系是很難逼真反映以物理、生理、心理等理論解釋真實世界的（數(shù)學本身并不完備），而認知科學的及時出現(xiàn)不自覺地把各“理”（物理、生理、心理）解釋與各“機”（計算機、飛機、拖拉機）建構(gòu)之間對立統(tǒng)一了起來，圍繞是（Being）、應（Should）、要（Want）、能（Can）、變（Change）等節(jié)點展開融合進而形成一套新的人機環(huán)境系統(tǒng)交互體系。
有時候，世界是確定的，不確定的是我們自己，面對相同的文字、音樂、視頻等情境事物，我們常常會隨心情的不同而產(chǎn)生不同的覺察和理解，境隨心轉(zhuǎn)。有時候，世界是不確定的，確定的反而是我們自己，面對不同的文字、音樂、視頻等情境事物，我們卻能夠處變不變而產(chǎn)生恒定表征，形成概念，心隨境轉(zhuǎn)。不管怎樣，世界包括我們自己是由易、不易、簡易、遷易、無易、有易、一易、多易……等諸多演化過程構(gòu)成的，在這些紛繁復雜的變化中，都需要一種或多種參考框架體系協(xié)調(diào)其中的各種矛盾、悖論，而若追溯到這些框架體系的起源，應該就是人機環(huán)境之間的交互作用?；蛟S，最好的智慧/智能真的就隱藏在這些交互的自相矛盾之中？！若果真如此，那又該如何破譯呢？
哲學意義上的“我”也許就是人類研究的坐標原點或出發(fā)點，“我是誰”“我從哪里來”“要到那里去”這些問題也許就是人工智能研究的關鍵瓶頸？！
結(jié)束語
人工智能，尤其未來的強人工智能很可能是一種集科學技術、人文藝術、哲學宗教為一體的“有機化合物”，是各種“有限理性”與“有限感性”相互疊加和往返激蕩的結(jié)果，而不僅僅是科學意義上的自然秩序之原理。它既包含了像科學技術那樣只服從理性本身而不屈從于任何權(quán)威的確定性知識（答案）的東西，又包含著諸如人文藝術以及哲學、宗教等一些迄今仍為確定性的知識所不能肯定的思考。它不但關注著人機環(huán)境系統(tǒng)中的大數(shù)據(jù)挖掘，而且對涉及“蝴蝶效應”的臨界小數(shù)據(jù)也極為敏感；它不但涉及計算、感知和認知等客觀過程，而且還對算計、動機與猜測等主觀過程頗為青睞；它不但與系統(tǒng)論、控制論和信息論等“老三論”相關，更與耗散結(jié)構(gòu)論、協(xié)同論、突變論等“新三論”相聯(lián)。它是整體與局部之間開環(huán)、閉環(huán)、自上而下、自下而上交叉融合的過程，是通過無關―弱相關―相關―強相關及其逆過程的混關聯(lián)變換。
通過研究，我們是這樣看待指人工智能技術問題的：首先人工智能過程不是被動地對環(huán)境的響應，而是一種主動行為，人工智能系統(tǒng)在環(huán)境信息的刺激下，通過采集、過濾，改變態(tài)勢分析策略，從動態(tài)的信息流中抽取不變性，在人機環(huán)境交互作用下產(chǎn)生近乎知覺的操作或控制；其次，人工智能技術中的計算是動態(tài)的、非線形的（同認知技術計算相似），通常不需要一次將所有的問題都計算清楚，而是對所需要的信息加以計算；再者，人工智能技術中的計算應該是自適應的，人機系統(tǒng)的特性應該隨著與外界的交互而變化。因此，人工智能技術中的計算應該是外界環(huán)境、機器和人的認知感知器共同作用的結(jié)果，三者缺一不可。
研究基于人類行為特征的人工智能系統(tǒng)技術，即研究在不確定性動態(tài)環(huán)境中組織的感知及反應能力，對于社會系統(tǒng)中重大（戰(zhàn)爭、自然災害、金融危機等）的應急指揮和組織系統(tǒng)、復雜工業(yè)系統(tǒng)中的故障快速處理、系統(tǒng)重構(gòu)與修復、復雜壞境中仿人機器人的設計與制造等問題的解決都有著重要的參考價值。
鑒于研究人工智能系統(tǒng)涉及面較廣，極易產(chǎn)生非線性、隨機性、不確定性等系統(tǒng)特征，使之系統(tǒng)建模研究時常面臨著較大困難。在之前的研究中，多種有價值的理論模型被提出并用于描述表征、學習、理解、自主、預測等系統(tǒng)行為，但這些模型在對人工智能的實質(zhì)及影響因素方面考慮還不夠全面，也缺乏對模型可用性的實驗驗證，所以本文重點就是針對人機環(huán)境系統(tǒng)的實質(zhì)及對人工智能影響因素這兩個關鍵問題進行了較深入探討，追根溯源，以期早日實現(xiàn)高效安全宜人可靠的強人工智能系統(tǒng)。
責 編M樊保玲
我們應該注意的是，第四次工業(yè)革命給中國帶來新的機遇，但同時也帶來新的挑戰(zhàn)，這個挑戰(zhàn)，具體有四個方面。
首先是對經(jīng)濟活動和經(jīng)濟增長的影響。
工業(yè)革命和經(jīng)濟發(fā)展中間，其實存在兩個悖論。首先是生產(chǎn)率悖論，就是說新技術的進步并沒有給我們帶來預期的生產(chǎn)率的增長。以美國為例，美國勞動生產(chǎn)率的年增長在1947-1983年以及2000-2007年，兩個時段里，分別是2.8%和2.6%左右，但是從2007年到2014年，也就是科技大幅改變我們生活的這段時間，勞動生產(chǎn)率的年平均增L率只有1.3%左右，這要怎么解釋？這主要是因為第四次工業(yè)革命很多技術是平臺型技術，它們創(chuàng)造的價值是免費的，并沒有通過市場交易反映出來。
其次還有創(chuàng)新悖論。政治經(jīng)濟學家熊彼得提出過一個概念叫“創(chuàng)造性毀滅”，是指有新的技術創(chuàng)新帶來更大的社會收益，但同時會讓舊產(chǎn)業(yè)消亡，通過這種毀滅，使社會不斷進步。例如，電力機車代替蒸汽機車、數(shù)碼相機代替膠卷相機，都是創(chuàng)造性毀滅。
但荷蘭學者盧克索特近來提出“毀滅性的創(chuàng)造”這么一種可能，就是指一些創(chuàng)新僅僅對少數(shù)企業(yè)有利，對整個社會是不利的。比如，金融領域放松監(jiān)管會導致很多創(chuàng)新只對少數(shù)金融企業(yè)有很大利益，但可能會給整個金融世界帶來危害，甚至帶來金融危機。比如現(xiàn)在的社交媒體讓人們長期沉溺于手機和電子游戲，很難進入到深入思考，長此以往，是否會對人類社會進步產(chǎn)生影響，等等。
第二個挑戰(zhàn)是對未來工作的顛覆。
牛津大學的一項研究指出：美國2010年的各項職業(yè)中，將近一半的工作在今后十年到二十年有可能被機器或人工智能替代。其中很多工作在今天是高級白領在做的，比如律師助手、房地產(chǎn)評估師等等。未來，也許很多人在同時做很多的臨時性工作，傳統(tǒng)意義上的穩(wěn)定工作將不復存在。
第三個挑戰(zhàn)是對社會公正、倫理道德和社會規(guī)范的沖擊。
比如說，收入分配差距有可能變大，大量中等技能的工作被替代，社會收入分配將形成兩極化狀態(tài)，少數(shù)有高技能的工作者收入特別高，大批中等或低技能者則失業(yè)。再比如，生物醫(yī)學進展會帶來倫理道德問題，基因檢測是否會帶來就業(yè)歧視、保險歧視。如果未來出現(xiàn)可定制嬰兒、延長壽命、記憶提取時，是否有一系列倫理道德的困擾出現(xiàn)？又比如，人工智能也可能會帶來社會問題。
最后一個挑戰(zhàn)是對公共治理的影響。
這主要表現(xiàn)在三個方面，首先是政府對市場的監(jiān)管可能更加困難。政府規(guī)章制度的演變非常慢，而技術變化太快，兩者很可能無法同步。其次，政府對社會的有效治理更加困難。社交媒體的普及使個人可以成為公眾媒體，公眾常常比政府獲得信息更快更多；最后，政府對公共安全的保障會更加困難。社會如此依賴網(wǎng)絡和信息，我們的數(shù)據(jù)安全、網(wǎng)絡安全如何保障？
【關鍵詞】機器人；人的本質(zhì)；機械唯物主義；
1737年，法國人雅克•瓦坎森制作出了一個真人大小的人形機器，可以吹出十二首笛曲，其精巧性已經(jīng)超越了一般的玩具，標志著人類的第一個機器人誕生。人們在驚嘆的同時也產(chǎn)生了恐慌之感。1818年，英國女作家瑪麗•雪萊創(chuàng)作了被認為是第一部科幻小說的《弗蘭肯斯坦》，小說的副標題是“現(xiàn)代的普羅米修斯”，她把創(chuàng)造了“怪人”并最終與“怪人”同歸于盡的弗蘭肯斯坦比作普羅米修斯，給人類帶來了文明，自己卻受盡懲罰，而“怪人”所隱喻的就是科技。從第一個機器人誕生至今的三個世紀里，機器人的智能化水平不斷提高，與此同時，機器人恐慌也隨之增強，科幻小說和影視作品無一不涉及“機器人威脅人類”的情節(jié)。
一、對機器人恐慌是對機器恐慌的加劇化
對機器人恐慌并不是無中生有，而是自工業(yè)社會以來人們對機器恐慌的加劇化。
（一）害怕被機器人取代。機器是一種工具，但與手工工具有著本質(zhì)的區(qū)別。手工工具的運用需要人的技藝和氣力，人的因素在產(chǎn)品形成中起著主導作用。機器的結(jié)構(gòu)分為發(fā)動機、傳動機、工作機三個部分[2]，遠比手工工具復雜，因而具有不為操作者意志所控制的自動化的特點，對產(chǎn)品形成起主導作用的是機器而不是操作者。由于機器在力量、標準化、生產(chǎn)效率上遠遠勝過人類，人的力量的一部分——技藝和體力被機器代替，于是機器一出現(xiàn)就讓人的生存受到威脅，“英國蒸汽織機把80萬織工拋向街頭”，衣食無著，工人處于恐慌而爆發(fā)了搗毀機器的“盧德運動”。機器人相比于機器，在自動化程度上實現(xiàn)了新的飛躍——智能化，不僅能更有效地替代人的體力，而且能替代人的腦力，在計算速度上、準確性上不斷超越人類，車間、操作臺、控制室、設計室等全方位的勞動領域上人的位置越來越多地被機器人所取代，人的安身之地在哪里？人前所未有地感到自己的渺小和無力。
（二）害怕被機器人傷害。在工業(yè)化早期，不少工人因反應慢于機器，被機器夾斷肢體的事情經(jīng)常發(fā)生，而更多的人成為《摩登時代》中卓別林飾演的工人，像機器一樣做著緊張、單調(diào)的機械運動，連撓癢這樣的人類基本生理需求也被機器剝奪了。在體質(zhì)上由鋼筋鐵骨組成、在智能上有光速般計算速度的機器人面前，人受到傷害的可能性及其危害會更大。1920年捷克斯洛伐克作家卡列爾•薩佩克寫了一部名為《洛桑的萬能機器人》的劇本：一群不再甘愿被人奴役的機器人，把不再有什么作用的人類都殺了，成了地球的主人。這個劇本反映了人們對機器人的深度恐慌，如果說機器對人的傷害是讓人變?yōu)榛?，那么機器人對人的傷害則是讓人毀滅。薩佩克的預言在一定程度上已經(jīng)得到應驗：據(jù)統(tǒng)計，美軍在2004年至2012年間，針對阿富汗恐怖組織的無人機空襲有300多次，殺死人數(shù)3000余人，但誤殺平民和兒童1100人。
（三）害怕被機器人統(tǒng)治。馬克思指出：“在工場手工業(yè)中仆人的角色總是由工具來擔當”，而在機器生產(chǎn)中，“實行（簡單）協(xié)作和把協(xié)作工人當作一個巨大的總自動機的活動附件和仆人而分配到這個自動機的各個部分上”。在工業(yè)化初期，機器統(tǒng)治人已經(jīng)成為現(xiàn)實，許多人更有理由相信比機器智能得多的機器人將更有力地實現(xiàn)對人的統(tǒng)治。法蘭克福學派代表人物馬爾庫塞認為：“工藝的基本原理就是統(tǒng)治的基本原理”，“旨在啟蒙的技術能力的進步伴隨著非人化的過程”。機器人的身體具有人類無法比擬的強大，如果還擁有高過人的智力，甚至具有情感的話，那么無論從身體還是思想上來看，機器人都是比人類更高形態(tài)的生命，如同人對低等生命所做的那樣，機器人必然統(tǒng)治人類，機器人“待人類可能就像拍死一個蚊子這么簡單”，人將會變成或害蟲，被“在將來的動物園里”?？苹秒娪啊逗诳偷蹏肪驼宫F(xiàn)了看似正常的現(xiàn)實世界實際上是由一個名為“矩陣”的計算機人工智能系統(tǒng)控制的未來景象。
二、對機器人恐慌的哲學根源是機械唯物主義
上述三種對機器人恐慌都可以歸結(jié)為一點，即認為機器人的智能將會發(fā)展成為意識。這個認識與“人是機器”的觀點同出一轍，因為只有肯定了“人是機器”，那么才有可能創(chuàng)造出和人一樣會思考、有情感的機器，才能最終使機器人超越人類。工業(yè)化初期產(chǎn)生的機械唯物主義在人的本質(zhì)上所提出的“人是機器”的觀點，看似已經(jīng)成為一個歷史笑話，但實際上機械唯物主義并沒有退出歷史舞臺，而是以新的話語形式表現(xiàn)出來，其中以行為主義、符號主義、聯(lián)結(jié)主義為主要代表。機械唯物主義既是當時對機器恐慌的哲學根源，也是當今對機器人恐慌的根源。
（一）行為主義把機器的功能與人的行為等同起來。行為主義又稱控制器學派，20世界40、50年代產(chǎn)生的控制論是其理論基礎?？刂普摰拇砣宋锞S納提出：“機器的自適應、自組織、自修復和學習功能是由系統(tǒng)的輸入輸出反饋行為決定的?！痹搶W派認為，感知是對環(huán)境刺激產(chǎn)生的一種反應，而行為就是對這種反應的陳述，因此只要機器人能夠像人一樣行動就說明他們能夠像人一樣感知現(xiàn)實世界和環(huán)境，那么通過不斷改進傳感器、執(zhí)行器就可以使人工智能不斷進化，最終達到和超越人的智能。人工智能的創(chuàng)始人圖靈認為，不要問“機器能否思維”，而要問“機器能否通過表征智能行為的測試”，如果對后者的回答是肯定的，那么對前者的回答就必然是肯定的。顯然，圖靈用轉(zhuǎn)換命題的方式回避了“機器能否思維”問題，而不是回答了該問題。農(nóng)民挑水澆灌菜地和天下雨淋濕菜地，結(jié)果都是菜地濕了，難道就能得出老天會挑水澆地的結(jié)論嗎？只選取行為片段，而忽略行為發(fā)生的全過程，這是片面地、孤立地、靜止地分析問題的機械唯物主義的認識方法。
（二）符號主義把人的思維與計算機的信息處理等同起來。符號主義是人工智能的主流學派，主要代表人物是美國赫伯特•西蒙、艾倫•紐厄爾等。該學派認為，人類智能的基本元素是符號（Symbol），因而是一個物理符號的系統(tǒng)，計算機也是一個物理符號系統(tǒng)，所以計算機可以具有與人一樣的智能。符號主義源遠流長，笛卡爾的理念論是其鼻祖。笛卡爾認為，任何種類的問題都可轉(zhuǎn)化為數(shù)學問題，進而轉(zhuǎn)化為代數(shù)問題，最終轉(zhuǎn)化為方程（組）問題，而方程組的根就是問題的答案。功利主義的集大成者邊沁將笛卡爾的理念論明確地拓展到人的心靈世界，人的情感、欲求、感受等的產(chǎn)生都是基于心靈對苦樂程度的計算和比較，因此計算才是心靈的本質(zhì)，情感等只是一些外在的托詞，完全可以將之歸結(jié)為人體內(nèi)分泌的調(diào)節(jié)，比如“荷爾蒙”的刺激作用。1674年，萊布尼茲發(fā)明了第一臺機械式四則運算機，并毫不掩飾地宣稱他的“計算機”的運算能力要強過人的運算能力，甚至還宣稱它將會“象顯微鏡和望遠鏡取代視力一樣”取代人的智能。符號主義用符號替換了笛卡爾的數(shù)字，用符號（信息）處理替換了笛卡爾的數(shù)學計算，卻為笛卡爾“提供”了一臺既能全面模擬人類心靈、又能實現(xiàn)人類身體功能的計算機，使笛卡爾的身心二元論得到了和解，因此符號主義是對理念論的繼承和發(fā)展。理念論和符號主義將人的思維中的一部分過程——數(shù)學計算或信息處理夸大為人的思維的全過程，這仍然是以偏概全、一葉障目的機械唯物主義的認識方法。
（三）聯(lián)結(jié)主義把人腦的生理結(jié)構(gòu)與計算機網(wǎng)絡等同起來。聯(lián)結(jié)主義又稱人工神經(jīng)網(wǎng)絡學派、神經(jīng)計算學派、仿真學派或生理學派，聯(lián)結(jié)主義中的機器人沒有人形結(jié)構(gòu)，而是一個試圖實現(xiàn)人腦功能的計算機系統(tǒng)。1943年，麥克卡洛奇和匹茲創(chuàng)立了人工神經(jīng)細胞模型（MP模型），并宣稱人的大腦中每一個神經(jīng)元都是一個簡單的數(shù)字信息處理器，而大腦作為一個整體是一種形式的計算機器。依此觀點，每一臺計算機就是一個神經(jīng)元，多臺計算機連接起來的網(wǎng)絡就形成神經(jīng)元網(wǎng)絡，多個網(wǎng)絡系統(tǒng)相互連接就構(gòu)成神經(jīng)系統(tǒng)，多個具有簡單應激性的單個計算機通過相互之間的信息交流來進行協(xié)同工作，就能夠達到人的智能。20世紀90年代，聯(lián)結(jié)主義發(fā)展到多智能體系分布式研究階段，即按照人類社會活動是多人進行的且在地理上是分離的特征，致力于研制多臺單智能體（一臺計算機器）組成的，在分布式環(huán)境中由具有自洽性、交互性、協(xié)作性、實時性和自適應性的多智能體系統(tǒng)。盡管多智能體系結(jié)構(gòu)遠比MP模型復雜得多，但其基本的邏輯前提是人腦是計算機器，這個觀點其實就是“人是機器”的翻版：人腦是人的最重要的器官，計算機器也是機器，連人腦都可以是機器，還有什么其他的人體器官不可以是機器呢？這就必然得出“人是機器”的結(jié)論。
三、人的本質(zhì)學說是消解對機器人恐慌的良方
機器人具有或終將具有意識的觀點，不是一點作用也沒有，它以“人造人”的幻景激勵著研究者們開展人工智能的研究和開發(fā)，但是由于哲學上錯誤性，它一方面導致社會對機器人的恐慌，即對機器人研制的質(zhì)疑，另一方面導致機器人研制陷入永動機式的困局，這兩方面都不利于人工智能的深化發(fā)展。機器人的出現(xiàn)和演化體現(xiàn)著、推動著人對自身本質(zhì)的認識和反思，只有堅持人的本質(zhì)學說，才能消除對機器人的恐慌，促進人工智能健康發(fā)展。
（一）機器人永遠不可能具有人的意識。馬克思指出：人的本質(zhì)“是一切社會關系的總和”。意識作為人的機能具有兩個基本屬性：一是社會性。人及其意識是在勞動過程中產(chǎn)生和發(fā)展的。勞動使人實現(xiàn)消費、交換、分配，獲得生存、繁衍和發(fā)展，因而是一種集體協(xié)作，必然形成一定的社會關系，因此勞動從一開始就具有社會性，決定了人及其意識的本質(zhì)特征也都是社會性，無論是抽象思維還是形象思維，無論是情感還是潛意識，都是對人所處社會關系的反映。二是能動性。人在改造世界的勞動中生存和發(fā)展，因而人的意識具有能動性，不僅能夠通過紛繁復雜的現(xiàn)象中發(fā)現(xiàn)事物的本質(zhì)，而且可以通過想象在頭腦中創(chuàng)造出世界上沒有的新事物，為改造世界提供指導。以此反觀機器人：其一，機器人工作不為消費、交換、生存、發(fā)展，不會結(jié)成一定的社會關系。
機器人，包括多智能體分布式系統(tǒng)，都不可能具有社會性，因而不具有產(chǎn)生意識的基礎。其二，盡管CPU、傳感器等元器件的性能越來越好，機器人的自動化程度越來越高，看起來具有越來越好的靈活性，但是機器人按照人所設定的程序進行運算而行動的機理沒有變，因而不具有能動性，不能主動地、創(chuàng)造性地反映和改造世界。凡是主張機器人能夠具有意識的觀點，一個普遍性的傾向就是把人和意識割裂開，脫離人的本質(zhì)來理解意識。例如，大衛(wèi)•J•查默斯試圖“嚴肅地對待意識”，卻提出“任何具有適當功能組織的系統(tǒng)是有意識的，不管這一系統(tǒng)由何物形成”；“實施一個適當運算對于意識是充分的”。離開了對世界上最復雜的事物——人的本質(zhì)的分析，意識就可以被想當然地任意簡單化，可視為“適當功能”，也可視為“邏輯運算”等等，似是而非，結(jié)果是謬以千里。機械唯物主義肯定了意識在一定物質(zhì)基礎上產(chǎn)生，堅持了唯物主義，但是由于在社會領域上的唯心論和機械論，因而始終陷入“人是機器”或者“機器可以是人”的怪圈而不能自拔。
（二）機器人控制人的實質(zhì)是人對人的控制。馬克思認為，工人搗毀機器是工人運動不成熟的標志。他指出：“工人要學會把機器和機器的資本主義應用區(qū)別分開，從而學會把自己的攻擊從物質(zhì)生產(chǎn)資料本身轉(zhuǎn)向物質(zhì)生產(chǎn)資料的社會使用形式?！蔽锸鞘苋丝刂频模飳θ说目刂茖嶋H上是人對人的控制，即物的所有者對勞動者的控制。機器生產(chǎn)是生產(chǎn)力的進步，落后的是資本主義私有制，工人要搗毀的不應當是機器，而應當是資本主義制度，否則不僅不能改變工人階級的命運，反而會受到資本主義制度更加殘酷的迫害。1812年，英國國會通過《保障治安法案》，動用軍警對付工人。1813年，政府頒布《搗毀機器懲治法》，規(guī)定可用死刑懲治破壞機器的工人。1813年，在約克郡絞死和流放破壞機器者多人。1814年，企業(yè)主又成立了偵緝機器破壞者協(xié)會，殘酷鎮(zhèn)壓工人。
機器人對人的威脅，其根源仍然是資本主義制度。無人機濫殺無辜，是發(fā)達資本主義國家利用高科技實施霸權(quán)主義的惡果。美國科幻作家阿西莫夫曾給出了著名的“機器人學三定律”：第一定律是機器人不得傷害人類，也不得見人受到傷害而袖手旁觀；第二定律是機器人必須服從人的命令，但不得違反第一定律；第三定律是機器人必須保護自己，但不得違反第一、第二定律?！边@三個定律局限于人和機器的關系，回避了人與人的關系。事實上，機器人只會聽從其所有者的命令，是否遵守第一定律取決于機器人所有者的意愿，最重要的第一定律變得最不重要，只是一個美麗的泡影而已。消解對機器人的恐慌，最根本的出路就是人壓迫人的資本主義制度，建立社會主義制度，將少數(shù)人掌控的科學技術置于人民群眾的掌控之中，讓機器人為最大多數(shù)人服務，才能徹底消除機器人對人的傷害。
（三）人的全面自由發(fā)展是機器人發(fā)展的條件。曾任美國數(shù)學會主席的斯梅爾向全世界數(shù)學家提出了21世紀需要解決的24個數(shù)學問題，其中的一個問題是:“人工智能的極限是什么？”并指出這個問題與哥德爾不完全性定理有關。如果用一個數(shù)學定理證明人工智能的極限，這就是將人工智能看作是數(shù)學問題，又回到符號主義的窠臼中去。弱人工智能觀和強人工智能觀對這個問題做出了一定的回答：前者認為人工智能終將低于人的意識，是有極限的；后者認為人工智能終將超越人的意識，是無極限的。強人工智能觀是機械唯物主義觀點，而弱人工智能觀否定了科技發(fā)展的無限性，兩者都有局限性?；卮鹑斯ぶ悄艿臉O限問題，不能離開人的本質(zhì)問題，即只有科學地認識人的本質(zhì)，才能正確認識人工智能的極限。馬克思指出，科技發(fā)展是“歷史有力的杠桿，是最高意義上的革命”，“對人的徹底解放具有徹底的意義”。
馬克思認為，科技是人類社會實踐的產(chǎn)物，是人類智慧發(fā)展的結(jié)晶，科技發(fā)展的程度表明人的本質(zhì)力量得到自由發(fā)展的程度，同時科技發(fā)展也對人的發(fā)展提出了新要求，即要求人的更加自由全面的發(fā)展，只有自由全面發(fā)展的人才能更加推進科技的進步。人工智能開拓了人類利用自然物質(zhì)的反應特性制造工具的極其廣闊的領域，是人的本質(zhì)力量——認識和改造世界的能力的一個嶄新的革命性飛躍，使人們從繁重、危險的體力勞動和繁瑣、計算性的腦力勞動中解脫出來，為人類能動性發(fā)揮提供了有利的條件，也提出了新的要求。1996年國際象棋棋王卡斯帕羅夫戰(zhàn)勝了計算機“深藍”，1997年輸給了計算機“更深的藍”，這不能證明人工智能超過了人的智能，而是呼喚人類不走常規(guī)棋譜的老路，創(chuàng)造出新的棋招，人類終將能夠做到，“再深的藍”也不能戰(zhàn)勝。人的本質(zhì)力量發(fā)展是沒有極限的，人工智能也是沒有極限的，它將隨著人的發(fā)展而發(fā)展。人的全面自由發(fā)展是機器人發(fā)展的條件，只要人類解決了自身的發(fā)展問題，就不會再有對機器人的恐慌，也不必去擔憂人工智能的極限問題。
參考文獻：
[1]參見維基百科中的robot詞條.
[2]馬克思:《資本論》(第1卷),人民出版社1975年版,第410頁.
[3]同上,470頁.[4]朱啟超:《濫用無人機反恐后果嚴重》,科技日報,2013年9月24日.
[5]《馬克思恩格斯全集》(第47卷),人民出版社1979年版,第525頁.
[6]轉(zhuǎn)引自《法蘭克福學派研究》,歐力同,張偉著,重慶出版社1990年版,270頁.
[7][美]約翰•華生.行為主義心理學,李維譯,浙江教育出版社1998年版,第56頁.
[8]馮天瑾:《智能學簡史》,科學出版社2007年版,第115頁.
[9][英]笛卡兒:《探求真理的指導原則》,管震湖譯,商務印書館1991年版,第89頁.
[10]周輔成:《西方倫理學名著選輯》(下卷),商務印書館1964年版,第227頁.
[11]參見《萊布尼茲自然哲學著作選》,中國社會科學院出版社1985年版,第6頁.
[12]《馬克思恩格斯選集》(第1卷),人民出版社1995年版,第56頁.
[13][美]大衛(wèi)•J•查默斯:《有意識的心靈——一種基礎理論研究》,朱建平譯,人民大學出版社2013年版,第1頁.
[14]同上,第379頁.[15]同上,第380頁.[16]馬克思:《資本論》(第1卷),人民出版社1975年版,第469頁.
