下载掌阅APP，畅读海量书库
立即打开
若要顶真起来说，AI科学在西方哲学思想中的起源，的确完全可以上溯到古希腊。古希腊为AI提供了至少两个思想资源：第一是德谟克利特的机械唯物主义。根据这种学说，世界中出现的所有事态都可以被视为原子的机械配置方式（如原子的直线和偏离运动）。这就蕴涵了：人类的灵魂活动——作为世界中的一类事态——也可以被系统地还原为原子的配置形式（具体而言，在德谟克利特看来，“灵魂原子”只是比别的原子更为精微和灵活而已，并非在本体论上自成一类的对象）。这种观点显然在精神上是和司马贺、纽厄尔的“物理符号假设”（详见后文）相亲近的，只不过后者要比前者来得更为精致。第二个思想资源则是古希腊人的形式主义传统，即通过形式刻画来澄清自然语言推理的歧义。在这个问题上做出贡献的哲学家，主要有毕达哥拉斯、苏格拉底、柏拉图和亚里士多德四人。其中，毕达哥拉斯明确把“数”视为世界的本原，这就为后世科学对数学语言（以及一般意义上的形式语言）的推崇定下了大调子。在这个问题上，今日的新派AI（崇尚各种统计学方法）和老派AI（崇尚形式逻辑）都可算作是毕达哥拉斯主义的后人。至于苏格拉底和柏拉图师徒，虽在形而上学立场上秉持客观唯心论而远离唯物论，但他们对于谬误论证的不妥协态度，以及对于明述定义（explicit definition）的孜孜以求，都深刻影响了整个西方文化的理性主义传统。从这个角度看，符号主义进路的AI对于符号表征之明述含义（explicit meaning）的高度依赖，以及对于自然语义歧义的低宽容度，实际上秉承的都是他们这对师徒的路子。而沿着这条道路继续前进的亚里士多德，则在人类历史上第一次系统构建了一个形式逻辑体系，这就为后来者对自然语言的整编提供了初步的技术依据。后世的弗雷格虽对亚里士多德逻辑的缺点大加诟病，但在形式化的道路上，他实际上比前人走得还要彻底。毫不夸张地说，没有这个绵延两千多年的“将形式化进行到底”的大传统，AI之花是不可能盛开在1956年的达特茅斯学院的。
但古希腊思想毕竟只能算是AI的“远亲”。与在时间上更为晚近的十七、十八世纪哲学相比，古希腊人的思想还是和AI隔了三座山。
第一座山是：在古希腊人那里，机械唯物主义和形式主义传统基本上还是两条进路，而没有机会在同一个思想体系中得到整合。这也就是说，古希腊人还未想到这样一个思路：数理化的形式语言能够提供对于物理实在的一种最准确的抽象方式（或者说，这种思想至多只是在柏拉图的《蒂迈欧篇》中才冒出了一点苗头）。这样一来，他们就更不可能抵达那个对于符号AI来说至关重要的哲学预设：数理化的形式语言能够提供对于心理实在的一种最准确的抽象方式。
古希腊哲学和AI之间所隔的第二座山则是：心智理论的构建还不是古希腊哲学家的核心关涉，而只是其形而上学理论的一个运用领域（比如柏拉图的灵魂学说就是对其“相论”的一个运用，而亚里士多德的灵魂学说则是对其“潜能—现实”学说的一个运用）。心智理论的这种边缘地位，自然使得相关的思想家不会有更多的精力将他们的相关建树精致化。而典型的符号AI路数，却恰恰要求一种具有一定成熟程度的认知心理学理论作为其参考系。
第三座山则是：各种人工机械在古希腊世界的运用还非常有限，复杂程度也很低，这就在客观上限制了思想家对于“人造机械到底能够做些啥”这个问题的想象力（唯一看似例外的是诗人荷马，他在《伊利亚特》中设想了一个黄金造的机器人。但需要指出的是，这个机器人毕竟是由希腊的技术神赫菲斯托斯[其地位类似于我国的鲁班]所制，所以，这至多只算是“神工智能”，而非“人工智能”）。而一些哲学家（特别是柏拉图）对于人工产品的鄙夷态度，无疑又禁锢了人们对于人造器械的想象力。可AI工作最需要的，恰恰就是想象力：没有对于现有机械之未来可能发展形态的“想入非非”，就不可能有1956年的达特茅斯会议，就不会有“通用问题求解器”，就不会有“深蓝”，就不会有日本产业界野心勃勃的“第五代计算机计划”，也就不会有今日的AI学科。
而对于近代哲学家来说，以上三座大山即使没有被完全搬开，至少也已经被历代“愚公”们掏空了大半。
先来看第二座。心智理论在近代哲学家那里的核心地位乃是众所周知的，哲学家们纷纷以“人性研究”或“人类知识研究”为名建立了各种心智理论，并在大体上构成了“唯理派”和“经验派”这两大阵营。他们在这方面的思想建树不仅滋养了今日的AI科学，而且也滋养了和AI密切相关的认知心理学以及认知语言学。
而就第一座大山而言，数理形式和物理实在之间的隔膜实际上已经被初步消除，因为以伽利略为领军人物的近代“科学革命”，业已在人类历史上第一次完成了数理形式和物理实在的伟大联姻。从某种向度上来看，肇始于笛卡尔的近代哲学，正是对于这次婚礼的一次次反思、注释和发挥。这些阐发和相关思想家的心智理论建树结合在一起，自然就很容易催生一种机械化的心智理论（在这方面霍布斯可谓典型。详后）。
再来看前述第三座大山。从笛卡尔到康德的西方哲学家虽然生活在第一次工业革命的前夜，但此前文艺复兴运动对于机械发明（特别是基于齿轮技术的钟表制造技术）的推崇，早已在西方智识阶层的心智上打下深刻的烙印（在这方面艺术大师达·芬奇的工程学奇想，可谓大开风气之先）。在军事方面，使用黑火药的大小火器已经全面成熟，而远洋航船设计则已经基本上穷尽了蒸汽机时代之前的种种技术可能性。在医学方面，解剖学的发展已经使得人们能够从机械系统的角度认识人体的运作。从社会心理学的角度看，上述这些技术成功无疑大大提高了欧洲人对于人类自身理智能力的信心，并为哲学家们想象力的拓展提供了大量的现实刺激。这种迥异于古希腊的历史文化氛围，显然更有利于那些更富有机械主义气息的心智理论（以及相关思辨）的出炉。
而在近代西方哲学史中，有两位哲学家的名字特别值得一提，因为他们恰好与AI研究的两个流派——符号主义与联结主义——密切相关（这里所说的“符号主义”，相当于通过符号化的规则来编制AI的程序的做法，而“联结主义”相当于通过对于神经元结构的数学建模来编制AI程序的做法）。这两位哲学家分别是预告了符号主义AI的霍布斯（Thomas Hobbes，1588-1679），与预告了联结主义AI的休谟（David Hume，1711-1776）。
略有西方哲学史背景的读者或许知道，霍布斯是近代唯物主义哲学家的代表人物之一——但这并不是他在这里被我们提到的首要原因。这是因为，尽管AI的理想（即制造出某种智能机器）必然会预设某种版本的唯物主义，但反过来说，从唯物主义中我们却未必能够推出AI的理想。说得更清楚一点，一种关于AI的唯物主义必须得满足这样的条件：它除了泛泛地断定心理层面上的人类智能行为在实质上都是一些生物学层面上的物理运作之外，还必须以某种更大的理论勇气，去建立某种兼适于人和机器的智能理论，以便能指导我们把特定的智能行为翻译为某些非生物性的机械运作。在这方面，拉·美特里（Julien Offray de La Mettrie，1709-1751，他可能是近代西方哲学史中最著名的唯物主义者）对于AI的价值恐怕就要小于霍布斯，因为前者关于“人（是）机器”（L’homme Machine）的主张，实质上并没有直接承诺智能机器实现的可能性。毋宁说，拉·美特里只是给出了一个关于人的生物属性和心理属性之间关系的局域性论题，其抽象程度是不足以产生对于AI的辐射效应的。
与迷恋医学和解剖学的拉·美特里不同，霍布斯迷恋的乃是更为抽象的几何学，并致力给出一种关于人类思维的抽象描述。他在其名著《利维坦》中写道：
当人进行推理的时候，他所做的，不外乎就是将各个部分累加在一起获得一个总和，或者是从一个总和里面扣除一部分，以获得一个余数。……尽管在其他方面，就像在数字领域内一样，人们还在加减之外用到了另外一些运算，如乘和除，但它们在实质上还是同一回事情。……这些运算并不限于数字领域，而是适用于任何可以出现加减的领域。这是因为，就像算术家在数字领域谈加减一样，几何学家在线、形（立体的和平面的）、角、比例、倍数、速度、力和力量等方面也谈加减；而逻辑学家在做如下事情的时候也做加减：整理词序，把两个名词加在一起以构成断言，把两个断言加在一起以构成三段论，或把很多三段论加在一起以构成一个证明，或在一个证明的总体中（或在面对证明的结论时）减去其中的一个命题以获得另外一个。政治学的论著者把契约加在一起，以便找到其中的义务；法律学家把法律和事实加在一起，以找到个体行为中的是与非。总而言之，当有加减施加拳脚的地方，理性便有了容身之处，而在加减无所适从的地方，理性也就失去了容身之所。
这段文字可以被视为今日所说的符号主义AI的主要思想的一个预告。严格地说，所谓“符号主义AI”，即以“物理符号假设”为自身哲学前提的AI研究。此假设内容如下：
物理系统假设：对于展现一个一般的智能行动来说，一个物理符号系统具有必要的和充分的手段。也就是说，一方面，任何一个展现出智能行为的系统，归根结底都能够被分析为一个物理符号系统；另一方面，任何一个物理符号系统，只要具有足够的组织规模和适当的组织形式，都会展现出智能（这里的“智能”一词和人类智能同义）。
说得更具体一点，这里所说的“物理符号系统”，乃是由以下三个要素所构成的一种理论模型：
（1）一个内置符号识别子系统（以便将某个特定物理印记解读为某符号）；
（2）一个内置的句法规范子系统，用以剔除掉不合句法的字符串；
（3）一套表达式操作程序，以便规定出：在怎样的条件下，向机器的某一内部状态输入怎样的表达式，机器会输出怎样的新表达式。这类操作程序归根结底都能在抽象的层面上被还原为一台“图灵机”的操作（“图灵机”即由图灵提出的一种可以模拟出任何有限步骤的数学与逻辑运算的通用计算模型）。
霍布斯很可能并不了解后世的“图灵机”模型（该模型也可以被视为对于“物理符号系统”的一种数学抽象），但他已经很清楚地说到了：看似复杂的人类理性思维，实际上是可以被还原为“加”和“减”这两个机械操作的。这个讲法，在精神上和图灵机的思想是很接近的（而我们今天已经知道了，所谓的“加法”和“减法”，其实都可以通过一台“万能图灵机”来加以模拟）。不难想见，如果霍布斯是对的话，那么“加”和“减”这样的机械操作，只要被赋予了特定的计算形式，就会成为理性存在的充分必要条件。也就是说，一方面，从加减的存在中我们就可以推出理性的存在；而另一方面，从前者的不存在中我们也就可以推出后者的不存在（正如引文所言：“当有加减施加拳脚的地方，理性便有了容身之处，而在加减无所适从的地方，理性也就失去了容身之所”）。很明显，如果我们承认这种普遍意义上的加减的实现机制不仅包含人脑，也包含一些人造机械的话，那么他对于“理性存在”的充分必要条件的上述表达，也就等于承诺了机器智能的可能性。换言之，霍布斯的言论虽然没有直接涉及AI，但是把他的观点纳入AI的叙事系统之内，在逻辑上并无任何突兀之处。另外，就“哪些知识领域存在有加减运作”这个问题，霍布斯也抱有一种异常开放的态度。根据《利维坦》的这段引文，这个范围不仅包括算术和几何学，甚至也包括政治学和法律学。这也就是说，从自然科学到社会科学的广阔领域，相关的理性推理活动竟然都依据同一个机械模型！这几乎就等于在预报后世AI专家设计“通用问题求解器”的思路了。也正鉴于此，哲学家郝格兰才把霍布斯称为“AI之先祖”
。而考虑到霍布斯的具体建树和符号AI更为相关，笔者更情愿将其称为“符号AI之先祖”。
但需要注意的事，符号AI的基本哲学预设——“物理符号假设”——在霍布斯那里只是得到了一种弱化的表达。为何说是“弱化”的呢？因为该假设原本涉及的是一般意义上的智能行为和底层的机械操作之间的关系，而霍布斯则只是提到了理性推理和这种机械操作之间的关系。换言之，他并没有承诺理性以外的心智活动——如感知、想象、情绪、意志等——也是以加减等机械运作为其存在的充分必要条件的。而从文本证据上来看，在正式讨论理性推理之前，《利维坦》对于“感觉”“想象”“想象的序列”等话题的讨论，也并未直接牵涉到对于加减运作的讨论。
那么，如何把一种机械化的心灵观从理性领域扩张到感性领域，并由此构建一种更为全面的、并对AI更有用的心智理论呢？这关键的一步是由休谟走出的。不过，走出这一步，并没有导致他去采纳一种更强版本的“物理符号假设”；相反，却导致了他彻底抛弃了该假设，并和AI阵营中的另一派——联结主义（也可以被称为“人工神经元网络技术”）——攀上了亲。
从认知心理学的视角来看，休谟的心智理论的基本思想是：一种更为全面的心智理论应当弥补前符号表征层面和符号表征层面之间的鸿沟，否则就会失去应有的统一性（而缺乏对于前符号的感觉印象的覆盖力，恰恰就是霍布斯的心智理论的毛病）。而休谟采取的具体“填沟”策略则是还原论式的，即设法把符号表征系统地还原为前符号的感觉原子。在《人性论》中，这些感觉原子被他称为“印象”，而符号表征则被称为“观念”。
更具体地说，他实际上是把整个心智的信息加工过程看成是一个“从下而上”的进路：
第一，人类的感官接受物理刺激，产生感觉印象。它们不具有表征功能，其强度和活跃度与物理刺激自身的强度呈正比关系（不过休谟不想详细讨论这个过程，因为他觉得这更是一个生理学的题目，而不是他所关心的心理哲学的题目）。
第二，感觉印象的每一个个例（token）被一一输入心智机器，而心智机器的第一个核心机制也就随之开始运作了：这就是抽象和记忆。记忆使得印象的原始输入得以在心智机器的后续运作中被妥善保存，而要做到这一点，记忆机制就首先需要对印象的个例加以抽象，以减少系统的信息储存空间。这种抽象的产物乃是“感觉观念”。它们具有表征功能，其表征对象就是相应的印象个例。在这个抽象形式中，每一个原始个例的特征都被平均化了，而其原有的活跃程度则被削弱。每一个感觉观念本身则通过第二个心智核心机制——想象力——的作用，得到更深入的加工。想象力的基本操作是对感觉观念加以组合和分解（类似于霍布斯所说的“加减运算”），而这些组合或分解活动所遵循的基本规律则是统计学性质的：也就是说，观念A和观念B（而不是A和C）之所以更有机会被联想在一起，乃是因为根据系统所记录的统计数据，A的示例和B的示例之间的联结实例，要多于A的示例和C的示例之间的联结实例。由此一来，一个观念表征的所谓“含义”，在根底上就可被视为对原始输入的物理性质的一种统计学抽象，而观念表征之间的联系，则可被视为对输入之间实际联系的一种统计学抽象。当然，休谟本人并没有使用笔者现在所用的这些术语，他只是提到，A和B的联结之所以被建立，乃是“习惯”使然——但这只是同一件事情的另一个说法。从技术角度看，一个模式之所以会成为习惯，就是因为该模式的个例在系统的操作历史中已经获得了足够的出现次数。
——但以上所说的这些，和AI又有何关系？
休谟并没有直接讨论AI系统的可能性，笔者甚至怀疑他从来都没有想过这个问题。不过，他对于人类心智模型的建构，却非常契合于后世AI界关于联结主义（神经元网络技术）进路的讨论。概而言之，联结主义的AI研究，并不关注在符号层面上对人类的信息处理过程进行逻辑重构，而是注重如何在亚符号的层面上，以数学方式模拟人类神经网络的运作方式，并通过对于此类神经元网络的“训练”，以使得其能够给出用户所期望的合格输出。由此看来，休谟哲学也好，联结主义也罢，二者都严厉拒绝了符号AI所秉承的“物理符号假设”所具有的一层重要内涵，此即：我们可以把智能系统的所有底层的机械操作都映射到一个统一的符号层面上，并赋予这个符号层面上的事物以一定的实在性。但在休谟看来，那些高高在上的符号（观念），只不过就是前符号的感觉材料（印象）在心理学规则（特别是联想机制）的作用下，所产生的心理输出物而已。换言之，智能系统本身的输入历史将决定性地影响其最后形成的符号体系的结构，而两个彼此不同的输入历史必然会导致两个不同的观念表征系统。这样一来，不同智能系统在不同环境中所执行的不同的底层运作，就很难被映射到一个统一的符号层面上，并由此使得符号层获得起码的自主性和实在性。无独有偶，在后世的联结主义模型建构者看来，人工神经元网络的拓扑学构架在很大程度上也是在前符号表征层面上运作的，而被输出表征的性质，则在根本上取决于整个网络“收敛”之前训练者所施加给它的原始输入的性质。换言之，两个识别任务相同但训练历史不同的人工神经元网络的输出结果，往往不会指向同一个语义对象。就像休谟眼中的“观念”一样，这些语义对象在整个人工神经元网络构架中处于边缘位置。另外，休谟关于观念之间联系产于“习惯”的观点，也部分地吻合于人工神经元网络进路对于人工神经元节点间的联系权重的赋值方式（因为两个节点之间的联系权重自然取决于节点之间的信息交流历史，就像两个观念表征之间的联结概率取决于它们的示例在历史上的联结次数一样）。由此看来，将休谟的心智理论视为联结主义的哲学先驱，多少还是有点根据的。但需要注意的是，休谟理论和今日所说的“联结主义”之间的差别依然是明显的：其一，休谟并没有在神经科学的层面上重新理解心智对于前符号信息的加工过程（他的工作属于“哲学心理学”性质，比神经科学的层面抽象得多）；其二：他所描述的这个信息加工过程并没有使用定量的数学模型，而只是使用了模糊的哲学语言。不过，考虑到休谟时代的科学发展水平，他的这些局限也是可以理解的。
说完了历史，我们再来看看人工智能哲学的现状。