下载掌阅APP，畅读海量书库
立即打开
顾名思义，“人工智能哲学”（philosophy of Artificial Intelligence）的任务，就是从哲学的角度，对“人工智能”（Artificial Intelligence，以下简称为AI）科学的观念前提和工作方法，进行反思性的研究。从学科分类上讲，该哲学分支应当属于广义的“特定科学的哲学”（philosophy of specific disciplines of natural science）之范畴，并与“物理学哲学”（philosophy of physics）、“生物学哲学”（philosophy of biology）等哲学分支相平级。但由于其和心灵哲学（philosophy of mind）之间明显的学术牵扯，西方学界更习惯视之为心灵哲学的一个下属研究领域——而且，由于AI与认知科学（cognitive sciences）之间的密切关联，人工智能哲学与认知科学哲学（philosophy of cognitive sciences）之间的界限也是相对模糊的。
那么，为何作为人文学科的哲学能够与作为理工科的AI发生积极的联系呢？这首先与哲学自身的三个特征有关：
第一，思考大问题，澄清基本概念。这里所说的“大问题”，即极具基础意义的问题。比如，数学哲学家追问数学家“数”的本性为何，物理学哲学家追问物理学家“物质”“能量”的本性为何，生物学哲学家追问生物学家“生命”的本性为何。与哲学家相比，一般的自然科学家往往只是在自己的研究中预设了相关问题的答案，却很少系统地反思这些答案的合法性。
第二，在不同学科的研究成果之间寻找汇通点，而不受某一具体学科视野之局限。比如，科学哲学家往往喜欢追问这样的问题：如何汇通生物学研究的成果和化学研究的成果？是不是所有的生物现象，都可以还原为更为微观的化学现象？而所有的化学现象，是否复又可被还原为更为微观的微观物理学现象？或者，存在着一种不同于“还原论”的汇通方式？——相比较而言，职业科学家对于这些跨学科问题虽或偶有反思，但往往也不够系统和深入。
第三，重视论证和辩护，相对轻视证据的约束。这就是说，评价哲学工作优劣的标准，主要是看一个哲学论证本身的合理性和常识可接受性，却一般不用受到严格的科学证据的检测。而对于科学而言，合理的辩护程序却必须和实打实的经验证据相互匹配，否则导出的结论就无法被科学共同体所接受。这种差异，一方面固然使得哲学工作的自由度要远大于科学工作的自由度，但另一方面也使得哲学争议往往不如科学争议那样，容易取得学科共同体内部的一致意见。
综合以上三点我们不难发现，经过正规哲学训练的学者，在精神气质方面便很容易具备这样的品质：喜欢刨根问底，喜欢融会贯通，不受制于一门特殊经验科学的思维方式（或套用孔子在《论语·为政》中的训诫来说，“君子不器”），并倾向于对敌对的学术观点保持一种“绅士风度”，视哲学争议为正常。笔者将这些文化品质，统统归到“哲学文化”这个大的标签之下。但需要指出的是，在今天典型的科学训练中，上述这种“哲学文化”在一定程度上是受到排斥的。首先，对处于“学徒期”的科学入门者而言，学会服从既定的研究范式乃是其第一要务，而对这些范式的“哲学式怀疑”则会导致其无法入门；其次，严格的一级、二级、三级学科分类导致学生们忙于熟悉特定领域内的研究规范，而无暇开拓视野，浮想联翩；最后，对于权威科学模式的服从，在一定程度上也压制了那些离经叛道的“异说”的话语权（与之相比较，在哲学界内部，对于“异说”的宽容度相对较高——只要你的论证符合一般的论证规范，任何古怪的观点都可以自由提出）。
但凡事都有例外。就对于哲学文化的宽容程度而言，AI绝对算是个科学界内部的异数。从某种意义上说，该学科本身的诞生，就恰恰是“头脑风暴”般哲学思辨的产物。
说到该学科的起源，就不能不谈到一篇经典论文和一个重要会议。1950年10月，伟大的英国数学家、逻辑学家和计算机科学的理论奠基人阿兰·图灵（Alan Turing，1912-1954）在英国哲学杂志《心智》上发表了论文《计算机器和智能》
。在文中他提出了著名的“图灵测验”（Turing Test）的思想，并认为判断一台人造机器是否具有人类智能的充分条件，就是看其言语行为是否能够成功地模拟人类的言语行为（具体而言，若一台机器在人机对话中能够长时间误导人类认定其为真人，那么这台机器就通过了“图灵测验”）。在文末他乐观地预言道，这样的一台机器会在50年内问世。以今天的眼光来看，这篇论文无疑是向我们指出了今日所说的AI科学的某种研究方向。但需要注意的是，图灵对于这种研究方向的揭示，其在本质上是一种哲学工作：它牵涉到了对于“何为智能”这个大问题的追问，并试图通过一种行为主义的心智理论，最终消弭心理学研究和机器编程之间的楚河汉界，同时还对各种敌对意见提供了丰富的反驳意见。这些特征也使得这篇论文不仅成为AI科学的先声，也成了哲学史上的经典之作。
有意思的是，图灵本人并没有正式使用“AI”这个今日家喻户晓的词组——他甚至连“计算机”（computer）这个词也没有用（他使用的是“computing machinery”，即“计算机器”）。“AI”这个词组正式进入英语流通领域，得等到1956年。在这一年夏天的美国达特茅斯学院（Dart-mouth College），一群志同道合的学者驱车赴会，畅谈如何利用刚刚问世不久的计算机来实现人类智能的问题，而洛克菲勒基金会则为会议提供了7500美元的资助（这笔资助在当时属于“巨款”）。在会议的筹备时期，麦卡锡（John McCarthy，1927-2011）建议学界以后就用“人工智能”一词来标识这个新兴的学术领域，与会者则附议。值得一提的是，在参加此次会议的学者中，有四人在日后获得了计算机领域内的最高学术奖励：图灵奖（Turing Award）。此四君即：明斯基（Marvin Min-sky，1927-2016，1969年获奖）、纽厄尔（Allen Newell，1927-1992，1975年获奖）、司马贺
（Herbert Simon，1916-2001，1975年获奖），还有麦卡锡本人（1971年获奖）。从这个意义上说，1956年的达特茅斯会议，无疑是一次名副其实的“群英会”。
参加达特茅斯会议的虽无职业哲学家，但这次会议的哲学色彩依然浓郁。首先，与会者都喜欢讨论大问题，即如何在人类智能水平上实现机器智能（而不是如何用某个特定的算法解决某个具体问题）。其次，与会者都喜欢讨论不同的子课题之间的关联，追求一个统一的解决方案（这些子课题包括：自然语言处理、人工神经元网络、计算理论以及机器的创造性，等等）。最后，不同的学术见解在这次会议上自由碰撞，体现了高度的学术宽容度（从麦卡锡完成的会议规划书
来看，没有什么证据表明这次形式松散的会议是围绕着任何统一性的、强制性的研究纲领来进行的）。
但看到这里，有的读者恐怕不禁要问：为何AI科学对哲学的宽容度相对来得就比较高？这背后又有何玄机呢？
这首先和AI科学自身研究对象的特殊性相关的。AI的研究目的，即是在人造机器上通过模拟人类的智能行为，最终实现机器智能。很显然，要做到这一点，就必须对“何为智能”这个问题做出解答。然而，不同的解答方案往往会导致截然不同的技术路径。比如，如果你认为“智能”的实质就是具体的问题求解能力，那么，你就会为你心目中的智能机器规划好不同的问题求解路径，而每一路径自身又对应于不同的问题（这就是主流AI学界所做的）；如果你认为实现“智能”的实质就是去尽量模拟自然智能体的生物学硬件，你就会去努力钻研人脑的结构，并用某种数学模型去重建一个简化的神经元网络（这就是联结主义者所做的）；如果你认为智能的实质仅仅在于智能体在行为层面上和人类行为的相似，那么你就会用尽一切办法来填满你理想中的智能机器的“心智黑箱”（无论是在其中预装一个巨型知识库，还是让其和互联网接驳，以便随时更新自己的知识——只要管用就行）。由此看来，正是因为自身研究对象的不确定性，AI研究者在哲学层面上对于“智能”的不同理解，也才会在技术实施的层面上产生如此大的影响。很明显，这种学科内部的基本分歧，在相对成熟的自然科学那里是比较罕见的。
其次，AI科学自身的研究手段，缺乏删除不同理论假设的决定性判决力，这在很大程度上也就为哲学思辨的展开预留了空间。我们知道，在成熟物理科学那里有所谓“判决性实验”的说法，即通过一个精心构思的实验来决定性地驳倒一个科学假设。其最著名的案例，即麦克尔逊莫雷实验对于“以太”假设的证伪。但与物理学家不同，AI科学家一般不做实验（experiment），而只做试验（test）——就这一点而言，这门学科似乎更像是工科（engineering），而非理科（science）。说得更具体一点，判断一个AI系统好不好，其标准就在于检验其是否达到了设计者预定的设计目标，或者其是否比同类产品的表现更好——但这些标准自身无疑存在着很大的弹性。另外，即使这些标准暂时没有被满足，这也不能够证明系统的设计原理的失误，因为设计者完全可能会根据某种哲学理由而相信：基于同样设计原理的改良产品一定能有更佳的表现。从这个角度看，对于特定的AI进路来说，经验证据的辩护功效，更容易受到形而上的哲学辩护力的补充或者制衡。
再次，关于人类心智结构的猜测，哲学史上曾经积累了大量的既有成果，这在一定程度上便构成了AI研究的智库。与之相比，虽然心理学研究和神经科学也能够在一定程度上扮演这种智库的角色，但是它们的抽象程度不如哲学，其解释对象又主要针对人脑的生理机能，因此反而不太具备某种横跨心灵和机器的普适性。
最后，和目前的成熟科学的研究状况不同，当前AI学界依然是处在“战国群雄”阶段，各种研究进路彼此竞争，很难说谁已经获得了绝对的优势。这在一定程度上又为哲学家留出了表演的舞台。
以上的解说，只是在义理层面上澄清了哲学和AI研究之间的密切关系。现在就让我们来查看哲学史上的两个具体哲学案例对于特定的AI流派的预报意义。