人工智能正在顛覆人與工具之間的控制與被控制、利用與被利用的關系，由此帶來一系列問題：機器能否成為認知主體嗎？機器思維與人的思維在本質上相同嗎？機器能有意向性嗎？如果承認機器能擁有智能，那么，這種智能會超過人類嗎？人工智能有界限嗎？或者，如霍金所言，智能機器人可能會成為人類歷史上的最大災難或人類文明的終結者嗎？對這些問題的回答已經不是單純的人工智能領域內的問題，而是需要哲學社會科學的介入，需要展開跨學科的對話，來共同探討的深層次問題。下面，我主要立足于人工智能60年的發展史來探討人工智能的范式轉換及其前景問題。

一、人工智能的學科性質

從起源上來講，圖靈在1950年的文章中通過一個模仿實驗，提出了“機器能夠思維”的命題，確立了“不可分辨性”圖靈測試。1956年夏天，麥卡錫在美國達特茅斯學院組織了一個學術研討會，共同探討有關機器模擬智能的一系列問題，并首次提出“人工智能”這一術語，標志著人工智能研究正式誕生。人工智能是作為計算機的一個分支學科出現的。

從學科性質上來講，人工智能不是自然科學。因為自然科學是研究自然界的某一部分，成果形式是抽象的理論體系，而人工智能是研究的如何實現智能，成果形式是具體的人造物。自然科學的對象是明確的，而作為人工智能模擬對象的人類智能，卻至今依然是個謎，而揭示人類智能的本質，卻是腦科學、認知科學和神經科學等學科研究的內容。

人工智能也不是像邏輯學或數學那樣的非經驗科學，更不是一門社會科學，盡管人工智能研究者必須關注其成果對社會所產生的影響，但這并不是人工智能研究的主要內容。雖然算法和編程等研究本質上是數學的，但這也不是人工智能的全部，因為這些算法與程序的實現，還需要設計有效的信息存儲硬件或中央處理器等。而這些設計多半是依據微觀電子技術和其他制造工藝，并不需要純數學。紐厄爾和西蒙把計算機科學稱為是一門經驗學科，也叫做實驗科學。在他們看來，每制造出一臺新的機器都是一次實驗，每編制一個新的程序也都是一次實驗。機器和程序都是人造物。

人工智能發展的這些交叉性與跨學科性表明，人工智能在現有的學科分類中難以找到其歸屬的門類。一方面，人工智能，如同量子信息技術、基因工程技術、納米技術等一樣，既不是純粹的科學，也不純粹的技術，而是兩者相互促進的結果。它們都屬于技性科學（technoscience）的范圍。技性科學意指科學化的技術和技術化的科學的混合，是科學與技術相互交叉的一個領域，主要突出科學與技術之間的相互促進關系。它是把科學原理變成技術實現，而技術實現反過來又推動對科學原理的理解和發展。比如，量子通信就是利用量子糾纏替代過去數學加密的方式，使人類通信第一次達到了絕對保密的程度，而這又反過來促進了人們對量子糾纏理論的接受，從而間接地證明了量子力學的有效性。

但是，作為技性科學的人工智能，還不完全等同于量子信息技術，因為量子信息技術是在學科發展成熟的基礎上和明確了科學原理的前提下，才進行的技術探索，盡管這些探索的結果，反過來也會深化和促進相關基礎學科的發展。但相比之下，人工智能對人類智能的模擬，卻既沒有可參照的概念框架，也沒有可遵循的方法論準則，而是一個需要探索的目標，或者說，是模擬一個其內在機制還沒有被完全理解清楚的東西。那么，機器或計算機如何來模擬這個至今機制尚未明朗并專屬于人類的智能呢？

二、強人工智能：質疑與辯護

當人工智能研究者在探索人工智能的實現問題或“如何做”的問題時，首先遇到的就是事關人工智能的框架問題。丹尼特認為，框架問題不能被簡單地歸屬于一個令人煩惱的技術障礙，或者，看成是令人工智能研究者一籌莫展的一道奇特的難題，而應該看成是一個新的深層次的認識論問題。這個問題是由人工智能的一些新方法揭示出來的，但卻還遠遠沒有得到解決的問題，也是一代代哲學家原則上能夠理解，但卻未加注意的問題。回答機器如何能夠思維的問題，取決于對人類智能的理解。理解不同，實現的范式就不同。這也決定了60年來，在人工智能的發展史上，出現了三大范式：符號主義范式、聯結主義范式和行動主義（actionism）范式。20世紀80年代中期之前，符號主義范式獨樹一幟。

符號主義范式把物理符號系統看成是體現出智能的充分必要條件，認為“智能存在于物理符號之中”，也就是說，“形式化的界限，也是人工智能的界限”。這是一條通用人工智能的進路，通常被稱之為強人工智能。

塞爾在“心靈、大腦與程序”一文中，把這種強人工智能歸納為兩個論斷：（1）編程的計算機確實具有認知狀態；（2）這個程序在某種意義上是解釋了人類的理解。然后，通過一個“中文屋”的思想實驗，對這兩個論斷進行了反駁。塞爾認為，把“理解”和其他認知屬性賦予汽車、計算機等人造物，與把我們自己的意向性推廣到人造物的事實有關，這是用比喻的方式將人的意向性賦予人造物。計算機程序的形式符號處理沒有任何意向性。形式化的符號只有句法，沒有語義。意向性是一個生物學現象，具有內在表征能力，或者說，意向性是神經蛋白具有的能力，而金屬或硅片沒有這種能力。

丹尼特則認為，計算機是白板，程序為它裝備了解決問題時知道如何“做”的內容。但裝備涉及兩個問題：（1）裝備什么信息，這屬于語義問題；（2）以何種系統、形式、結構或機制進行裝備，這屬于句法問題。因此，形式化的計算機程序也是一個意向性的系統，也能體現出智能。

博登在“逃出中文屋”一文中認為塞爾的論斷是錯誤的。在他看來，屋子里的塞爾運用的規則和指令等價于“如果-那么”規則，塞爾在運用這些規則找出中文問題對應的答案時，是在理解了規則的前提下進行的。在機器編碼的層次上，程序對計算機的作用是直接的，程序指令不只是形式化的，也是對當前執行步驟的說明。編程語言是一個媒介，計算機程序的運行，為程序提供了一個語義的立足點。這種語義不是指稱性的，而是因果性的。

對強人工智能的反駁與辯護取決于如何看待“理解”的問題，塞爾講的一階理解或直接理解，而博登講的二階理解或間接理解。哲學家與心理學家圍繞強人工智能的可行性展開的上述爭論，只揭示了如何理解人工智能的一個側面，關于對如何實現人工智能的更深入的理解，則與范式背后隱藏的哲學思想或哲學假設相關。

三、范式轉換的哲學基礎

在人工智能的早期發展中，符號主義范式之所以能夠擊敗與其平行發展的其他兩種范式，得到大家的公認，除了離不開資金來源、學位授予、雜志和專題討論會等方面的大力支持之外，更深層次的原因是，它與西方哲學傳統和近代自然科學的研究方法相一致。物理符號系統假設的來源追溯到弗雷格、羅素和懷特海。而弗雷格等人又繼承了歷史悠久的原子論的理性主義傳統。近代自然科學的發展進一步證實了這種哲學的有效性。因此，符號主義范式既是整個西方傳統哲學思想的延續，也是對以牛頓力學為核心的近代自然科學思維方式的繼承。

然而，這種追求如何用謂詞邏輯來進行知識表征、知識推理和知識運用為核心問題的符號主義范式，到20世紀80年代，遇到了在自身框架內無法克服的兩困境：一是還原論的理性主義困境，二是把常識形式化的困境。在這種情況下，有著同樣發展歷史進程的其他兩種范式開始成為進步的研究綱領，從幕后走向前臺。聯結主義范式是受神經科學的啟示，試圖進行神經網絡建模來模擬大腦；行為主義范式是受生物進化論和群體遺傳學原理的啟示，把目標轉向研發移動機器人，試圖通過模擬生物進化機制來提升機器人的智能。這兩種范式不再是努力建造通用的智能機器，而是立足于解決具體問題，從而形成了人工智能的弱版本。其共性是，從知識表征轉向了技能提升，其發展思路恰好與來自胡塞爾、海德格爾、梅洛-龐蒂和德雷福斯的現象學一脈相承。這也是為什么威諾格拉德在20世紀80年代曾在斯坦福大學的計算機科學課程中講授海德格爾哲學的原因所在。

事實上，早在20世紀60年代，德雷福斯就對符號主義范式提出了尖銳的批評，比喻為是“煉金術”。后來，他的主要觀點反映在《計算機不能干什么》一書中。到80年代，德雷福斯的觀點重新引起了麻省理工學院新一代人工智能研究者和斯坦福大學的人工智能研究者的關注。德雷福斯本人也在2005年榮獲了美國哲學學會的哲學與計算機委員會頒發的巴威斯獎。

四、人工智能的未來前景

德雷福斯在探討人工智能問題的過程中，抽象出一個“七階段的技能獲得模型”來把上述兩類哲學基礎統一在一起。他認為，笛卡爾式的主體與客體相分離的狀態和遵守規則的狀態，對應于技能獲得模型的前三個階段：初學者、高級初學者和勝任階段；第四個精通階段是一個過渡期，現象學強調的主體與客體相融合的狀態和技能性地熟悉應對域境問題的狀態，對應于后三個階段：專長階段、駕馭階段和實踐智慧階段。在后三個階段，能動體所進行的理解不是理論理解，而是實踐理解。理論理解是慎于言的過程，實踐理解是敏于事的過程，是對世界的非表征的直覺理解，因而是難以形式化的。這也是德雷福斯認為以追求形式化為目標的通用人工智能一定不會成功的原因所在。

目前，人工智能不僅在日常生活中大顯神手，在工業領域和商業領域內捷報頻傳，而且2017年7月7出版的《科學》雜志刊登的一組文章表明，機器人或自動程序已經能夠直接參與人類的認知過程。比如，賓夕法尼亞大學積極心理學中心的心理學家可以運用算法，根據推特、臉譜等社交媒體上的話語，來分析大眾的情緒、預測人性、收入和意識形態，從而有可能在語言分析及其與心理學聯系方面帶來一場革命；普林斯頓大學的計算生物學家可以運用人工智能工具來梳理自閉癥根源的基因組，等等。這些機器人或自動程度被尊稱之為“網絡科學家（cyberscientist）”。這些發展表明，人工智能研究者一旦揚棄追求通用人工智能的范式，轉向追求在具體領域的拓展應用，人工智能就會走出瓶頸，迎來新的發展高峰。

人工智能在60多年的發展歷程中，雖然經歷了與不同哲學基礎相關的范式轉換，但事實上，三種范式各有優劣。就知識表征而言，日常世界是難以形式化的；就模擬神經網絡而言，人類生命的整體性遠遠大于神經網絡，而且人腦的神經網絡也還沒有搞清楚；就自適應機制而言，從低級的動物智能到人類智能的進化經歷了極其慢長的過程。因此，不論是通過建模來模擬人的大腦，還是通過建模來進化出人的大腦，都還有很長的路要走。未來人工智能的發展，有可能是在思路上把試圖再現大腦的符號主義、試圖構造大腦的聯結主義和試圖進化出大腦的行動主義有機整合起來，才能構成一個立體的和完整的大腦，而人工智能研究者對這一天的到來至今還看不到任何曙光，更沒有預期。

從這個意義上說，人工智能的威脅論雖然表達了人類的憂患意識，但確實為時過早。退一步講，即使未來有這么一天到來，人類也已經在這個進程中，充分享用了人工智能為其帶來的恩惠，并深刻反思了有關人性、社會、文明等問題。廣而言之，對于技性科學的發展而言，量子信息技術和基因編輯技術帶來的問題，并不比人工智能帶來的問題更少或更不重要。因此，政府在助推技性科學的同時，更應該加強哲學社會科學的研究，切實把哲學社會科學的思考，特別是倫理考量，貫穿到技性科學發展的始終，讓人文關懷成為人工智能研究者的自覺意識，使他們在研發人工智能的過程中，共同做出有利于發展人類文明的抉擇。

(本文首發于《探索與爭鳴》雜志微信公眾號tansuoyuzhengming，成素梅在2017年8月28日由上海市社聯《探索與爭鳴》雜志社和華東政法大學政治學研究院共同主辦的“人工智能與未來社會：趨勢、風險與挑戰”學術研討會上的主題發言，發言題目為《人工智能的范式轉換及其發展前景》，澎湃新聞得到授權使用)