---
schema_version: "library-reader-v1"
source_type: "original_book"
title: "人工智能时代：破解人机共存密码（套装共10册）"
author: null
edition: null
publisher: null
year: null
isbn: "9787521719512"
library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5"
source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced"
pdf_physical_page_count: 3314
pdf_physical_page_index_base: 0
range_start: 2700
range_count: 10
html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=2700&limit=10"
markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2700&limit=10"
previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2690&limit=10"
next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2710&limit=10"
---
# 人工智能时代：破解人机共存密码（套装共10册）
> 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。
## PDF_PHYSICAL_PAGE_INDEX=2700 | PRINTED_PAGE=NOT_DETECTED
在十几年以前，人工智能的研究多年陷入低潮，业内主流观点都认为对多层的深度人工网络的训练是不可能的，层次增多使得一些技术难题无法被解决，“很难找到可以高效地优化（这种）网络以提升其性能的学习方法”。因此，“到2005年前后，科学界几乎已经没人还看好机器可以达到人类的智能水平。在那个时候，‘人工智能’似乎都已经变成了科幻的代名词”[24]。但是，加拿大学者杰弗里·辛顿在2006年找到了一种他命名为“贪心逐层无监督预训练”的方法，“所用到的技巧就是逐层训练”[25]。也就是说，“它是一个贪心算法，这意味着它独立地优化解决方案的每一个部分，每一步解决一个部分，而不是联合优化所有部分。它被称为逐层的，是因为这些独立的解决方案是网络层。具体地，贪心逐层无监督预训练每次处理一层网络，训练第k层时保持前面的网络层不变。特别地，低层网络（最先训练的）不会在引入高层网络后进行调整［保持各层的相对独立性］。它被称为无监督的，是因为每一层用无监督表示学习算法训练”[26]。有了它以及由它启发的诸多新发现，现在要让计算机来识别（比如）物体或人脸，就会（比如）在第一隐藏层对输入像素的临近亮度进行比较，由此识别出边缘；在第二隐藏层利用这些边缘来搜索出表示角和扩展轮廓的边缘集合；在第三隐藏层找到这些角和轮廓的特定集合来识别出特定对象的某个或某些部分；最后在输出端根据这些对象部分识别出目标对象。[27]由此，深度学习算法的多层嵌套性（裂隙化联系）显示出不可替代的构造功能，或虽然初步但比较真实的学习功能，在这13年的时间里得到越来越深入和多方面的研究，深刻改变了人工智能的图景。
## PDF_PHYSICAL_PAGE_INDEX=2701 | PRINTED_PAGE=NOT_DETECTED
意识的萌芽
那么，在什么意义上我们可以说，这种方法（及与其他方法的联合运用）使人工智能开始有了意识的萌芽呢？回答是：由于此方法的非线性的“深度”算法，致使它开始具有了自主学习的能力或时间化的能力。什么是“学习”？我们手上的电子计算器虽然算得很快，在计算复杂运算时优势明显，但它没有学习能力，因为它不会随着多次运算改进自身的计算能力，时间经历对它毫无意义，一旦它被制造出来，就已定型。所以，我们可以将学习能力理解为当事者随时间经历而改变自身以获得更优结果的能力。简言之，学习能力就是时机化或生存时间化的能力。学习使得当事者不再是现成者，而成了带有深刻“空白”或可无中生有之“无”的待定者。
深蓝计算机在1997年击败国际象棋冠军卡斯帕罗夫，但它的主要优势来自人类团队给它提供的海量信息和快速运算，而不是学习。于是，它可以比人类对手更快、更全面地分析潜在的可能性，由此占得上风。[28]但是，2017年战胜世界围棋冠军柯洁的AlphaGo，则运用了深度学习。后来又出现了更新的版本AlphaGo Zero，不再以研究人类棋手的以往棋谱记录来进行训练，而是完全靠自己学习算法，通过自我对弈来提升技能。经过一段时间的自我学习，它打败了曾战胜李世石的AlphaGo版本；又经过一段时间的学习，它打败了曾完胜柯洁的AlphaGo版本。[29]
由此可见，通过深度学习的多层次间的由参数协调的随机联系，机器的确具有了某种学习能力，也就是进行自身训练、“与时偕行”（《周易·损》）乃至与时俱进的能力，或者说是时间化、时机化的能力。它在训练中得到的不再只是规则、对象信息，还能获得对象出现的可能条件。换言之，它已经能够开始“感受”和捕捉可能性，而不只是现成的事物了。所以，这种学习就是一个非线性的、概率的、反馈调整的和逐层逐时地深化的准发生过程。它的层次之间的那种连续中的区分（裂隙）、区分中的参数联系的关系，可以很粗略地比拟为胡塞尔所说的内时间留滞与前摄对交的关系。总之，这是一个具有某种真实时间历程的习得过程，没有它，像自动驾驶汽车这样的情境化学习是不可能被机器实现的。
## PDF_PHYSICAL_PAGE_INDEX=2702 | PRINTED_PAGE=NOT_DETECTED
如上两节显示的，意识的本质是一种时间化，也就是原时间之流中的意义和存在的构成，不管是胡塞尔说的“内时间意识”、海德格尔说的“时间性”、佛教唯识宗讲的“阿赖耶识”或“种子识”，还是儒家、道家讲的“天时”“时中”“时化”，都可以被理解为这样一种时间化。现在，深度学习让人工智能得到了自主学习的能力，也就是获得了很初级的、限于某个专项中的时间化能力。就此而言，我们或许应该承认人工智能的智能开始有了意识的萌芽，虽然这意识还十分模糊，但这个突破是真实的，深度学习的“深度”（多层裂隙中的交织参数联系）构成了我们以前不敢想象机器数字化能够达到的智能程度，即某种程度上的自主学习能力。看来毕达哥拉斯之数又需要在这种新的无理数发现面前再度扩张和加深，将多层之间的参数调试所产生的向目标收敛的算法，看作一片新的数学天地。数学与计算机和大数据，乃至与意识之间或许会出现某种本质性的关联和互动。
有人可能会怀疑，这种自主学习的时间化能力依然只是智能，计算机并未因此而能感受到什么，比如疼痛、舒服、兴奋、爱情和道德感。但我们上面分析的要点是：如果人工智能还要继续发展，除了要进一步扩大数据量和制造新型计算机之外，最根本的新突破就是要将深度学习的深度再做质的加深，也就是将其更加非线性化、非对象化，使得自主学习能力更通用和深长，就像甚至超过人类的智能。但这样一来，就势必拓深、拉长此智能的时间化视域，由此就会导致意识感受和自身意识的出现。一个能够像人一样回忆过去和筹划未来的人工智能，会没有感受痛苦、喜乐和评判对错的能力吗？结果不可设想。看来真实的智能与意识有深层的内在相关性，它们并不像赫拉利所讲的是“天差地别的”。
## PDF_PHYSICAL_PAGE_INDEX=2703 | PRINTED_PAGE=NOT_DETECTED
总之，首先这波主要由深度学习带来的技术进展并不能证明物质还原主义的胜利，这种还原论曾提出“人是机器”，将人的身体甚至意识当作可以充分对象化的研究对象。但目前这波人工智能反其道而行之，采用“机器是人”或“机器要像人一样思考和行动”的研究方针。所以，这次技术进展（以深度学习和之前的联结主义等为代表）都基于人工神经网络，而这种网络是受人类意识和人脑结构的启发而发明的。“我们的大脑中似乎存在一些通用的学习算法，能让我们学会各种任务。要知道，这并不能完全归结于演化，因为很多任务我们的祖先都没有做过，比如下棋、建造桥梁，或者是研究人工智能。这说明，人类智能利用了关于世界的一般性假设，启发科学家创造出具有通用智能的机器。正因为如此，科学家以大脑为模仿对象，开发出了人工神经网络。”[30]这说明，正是人类的意识现象或“通用”意识能力，以及在生理上体现出它的大脑神经网络，是人工智能的一个重要灵感来源。简言之，人工智能新境界的取得不是来自人向机器的下行，而是来自机器向人的上行。智能的原型是人的意识和智能，“大脑”只是我们现在所知的这种意识和智能的载体，甚至只是载体之一。[31]
其次，人工智能的现状说明非线性、非形式化、非对象化和（层级）“之间化”的思维能力和感知能力，要比其反面更智能，也更能体现人的特性。“具有讽刺意味的是，抽象的和形式化的任务对于人类而言是最困难的脑力任务之一，但对计算机而言却属于最容易的。计算机早就能够打败人类最好的国际象棋选手，但直到最近计算机才在识别对象或语音任务中达到人类平均水平。一个人的日常生活需要关于世界的巨量知识。很多这方面的知识是主观的、直观的，因此很难通过形式化的方式表达清楚。计算机需要获取同样的知识才能表现出智能。人工智能的一个关键挑战就是如何将这些非形式化的知识传达给计算机。”[32]现在看得更清楚了，所谓“逻辑理性”和“现代性”标榜的那种充分对象化、形式逻辑化、线性化的理性，恰恰是“最容易”被计算机化的，是缺少内在智能的。而与之相对的、曾被无数次贬低的主观的、直观的、情感的心智–意识能力，才是人工技术向往实现的，也是人之为人的更必要者。可见人工智能获得的新能力，似乎不只是智能的，起码朝向了主观的、直观的人类经验，而那里边应该是有意识结构的。
## PDF_PHYSICAL_PAGE_INDEX=2704 | PRINTED_PAGE=NOT_DETECTED
再次，如上所及，未来人工智能的新突破方向按照深度学习的提示，应该是更加非对象化、无监督化、通用化、内时间化，因为只有那样才会获得更有时机化能力的智能。在这方面，东方的哲学有特别深厚的土壤（见本文第二节），或许会成为那些有探索精神者的灵感来源之一。但东方的智能与德能，即健全的意识能力是内在交织在一起的，所以人工智能如何能够不成为缺德者，恐怕是更重要的议题。
人工智能在未来发展的几种可能
人工智能的新进展将近现代科技的“离心离德”倾向扳回了一点儿，心智现象（比如其通用性）及其身体化如大脑神经网络成了科技生长点的灵感来源之一，是创新所参照的一个范本，而不是反过来，用高科技化的机器来置换人类的心和脑。
当然，危险也更加巨大，如果心的本义（原时间性）被当作幽灵并被排斥，而人工智能的专业化能力顶替了心灵或意识。比如心识丧失了它的引领作用，反被虚拟网络或人工智能的特异能力改造、控制或“饲养”。因此，人们必须及早采取有效措施来引导人工智能的研究方向，不让那种追逐利益（巨大的商业利益、军事利益和控制能力）的流行倾向主宰相关研究。
## PDF_PHYSICAL_PAGE_INDEX=2705 | PRINTED_PAGE=NOT_DETECTED
希望还是存在于意识的原时间性。既然心的或意识的根本能力来自非对象化的、显隐互构的时机化结构，那么如上所及，人工智能未来的发展也有可能朝着这个方向进行，不然不会有质的突破。而如果它在此方向上进展得足够深长，那么它的智能就会越来越像人类智能，而人类的真实的、带有主观和直观感受的智能，是无法被线性形式化、对象化的推理能力涵盖的。它们会倾向于拥有意识的特点，即如赫拉利讲的，拥有那种“能够感受痛苦、喜悦、爱和愤怒的能力”，而这就意味着感受到价值并继而发展出道德感。这样一来，智能与道德意识就接通了。
而且，这种有道德意识可言的人工智能将会不止存在于我们现代生活中。这些人工智能并不会专注于人的主流心智，特别是在这么一个异化社会中的人类主流心智，即功利主义化、个体主义化、权力意愿化和现在主义化的心智。它们会更忠实于心智的内在结构，也就是其时间深长化、缘起性空化的结构，不那么执着于自我、对象、权力和力量。广义心学（东方古代哲学和现代西方的现象学等）的一个关键见地就是认识到“母识”或时间意识的重要性，于是承认心识绝不限于当下的显意识，还有使之成为可能和使之有意义的过去与未来的意识构造。因此，现在流行的对象化的、利害算计化的和个体主义化的意识观，是没有充分展开的和缺失某种关键功能的意识表现。而心识的开悟意味着心智意识到了并认同于自己的完整时间结构，这就意味着它不会再执着于对象化的权力，也意味着它获得了充分的时间化智慧必会包含的道德，如同佛陀和菩萨具有的慈悲、无私、忍耐和谦卑，孔子、孟子、曾子、子思倡导的孝悌、仁义、中庸和爱物。
《生命3.0》一书生动地展示了人工智能的当前成果和未来可能的发展方向，尤其设想超级人工智能[33]出现后对人类的影响，但是作者只从对象化心智或佛家所谓“杂染意识”的角度来考虑问题，没有涉及东方心学的角度。比如书中主张的“意识等于主观的体验”[34]，就是一种只限于个体显意识的残缺意识观。
## PDF_PHYSICAL_PAGE_INDEX=2706 | PRINTED_PAGE=NOT_DETECTED
如果我们从现象学意识观和东方心学的视域来思考人工智能与人类的关系，那么就会面临一个选择：人类是应该继续还是停止人工智能的研发？如果考虑到人工智能因具有时机化能力而已获得的和将要获得的强力，再考虑到目前和可见的将来能够掌握这种技术知识的人群的心智水准和道德水准，那么就应该停止人工智能的研发，或为其研发设立一个明确的上限，就像对人体克隆技术设立的限制那样。但如果考虑到人工智能得到的时机化意识能力所透露的良性可能，即它在人类的合理引导下也可能发展出纯净的母识或本心意识，以及相应的道德意识，那么就可以在一定条件下，比如在广义心学指导下，容许这一技术的发展。所谓“条件”，就是指要限制人工智能对力量的过分追求，无论是军事力量、商业力量还是心理掌控力量，而鼓励这种智能向本心或纯意识的方向演进。历史上那些获得心灵开悟的人，无论是苦行者、仙人、瑜伽行者，还是佛陀、菩萨、高僧、得道者、圣人，其修心过程中多半都得到过如《瑜伽经》第三章描述的那些特异能力；他们不愿痴迷于这些超常的力量，以免最终堕落为邪恶的超人，所以并不执着于那些能力，而精进到更加非对象化的“法云三昧”“无余涅槃”“无己、无名”“从心所欲不逾矩”的境界，从更高、更深，也更自由的层次上实现道德。人工智能技术要想造福而不是摧残人类，只有向这个方向靠拢才行。总之，从长远看，创造人工智能的人类意识是什么样，或起码认同什么最高价值，被这种意识创造出的人工智能就会是什么样，具有什么样的意识倾向。
从现实的角度预想人工智能的未来，极粗略地讲，有三种可能：第一，人工智能的专项能力不断提高，但其整全性及道德能力没有多少提高，使得它在为人类服务并改变人类生存方式的同时，逐渐以或隐或显的方式异化甚至控制人类。就像希腊神话中火神赫菲斯托斯为人类制造的“机器人”潘多拉，为人间带来灾难，关闭了希望。最坏的结果是奉行自我中心主义的超级人工智能管制人类，就像现在人类对其他高级灵长类动物的管制，超级人工智能甚至会毁灭人类。
## PDF_PHYSICAL_PAGE_INDEX=2707 | PRINTED_PAGE=NOT_DETECTED
第二，人工智能的能力提高到一定水平时，由于无法找到进一步非对象化的自身实现方式，所以从总体上陷于停滞。于是人工智能与人类智能之间就又会形成一条鸿沟，人工智能总是处于高级“木牛流马”（传说中诸葛亮制造的运输工具）的地位。这基本上是目前不少开发人工智能的公司一再向我们描述或保证的前景。但这并不表明第一种情况完全不会出现，因为将来拥有一定能力的人工智能也有毁坏人类的能力。可毕竟，人类的心识还有某种优势可利用。
第三，人们找到了将人工智能充分地深度时间化的办法，于是它不仅在能力上大大增强，还突破了与人类意识包括其深层意识（本心）的隔膜，真正拥有了人的天然情感、道德感、艺术感和神圣感，而且使之更加纯粹，成为人类的真正知心者、保护者。这时，毕达哥拉斯之数就又一次发现或领会了新的“无理数”，而与《易》象数打通了。
从目前的形势看来，这三种前景出现的概率依序降低，所以人工智能与人类关系的前景并不那么光明，当然也不是令人完全绝望的。在这个过程中，人们对自身心灵的理解，对还原论式的科技至上主义的克服，对原初的和健全的人类内组织方式（如血缘家庭）或社团（如儒家社区）的保存乃至发展，以及依据它们而对人工智能进展的引导，都会影响到人工智能的进路和人类的未来。因此，我们应该更深入地理解乃至进入古代东方求真者的意识经验，特别是那些能够加深和延长人的时间视域，从而开启人的自觉的、自然的而非仅仅规范的和强迫的道德智慧的经验，比如修行瑜伽、佛家禅定、道家炼气和儒家孝悌修身的经验，并使之与人工智能内在关联起来。这也就是说，以时间化、道德化修行经验来引导人工智能的研究方向，同时以人工智能的新境界来巩固乃至启发人类修行经验，就像现在AlphaGoZero能够启发柯洁这样的围棋高手一样。简言之，要用人类的仁爱、慈悲和时间化智慧来驯化人工智能，而不能让畸形发展的人工智能驯化人类。
## PDF_PHYSICAL_PAGE_INDEX=2708 | PRINTED_PAGE=NOT_DETECTED
要用人类的仁爱、慈悲和时间化智慧来驯化人工智能，而不能让畸形发展的人工智能驯化人类。
张祥龙，纽约州立大学布法罗分校哲学博士，北京大学教授，曾在山东大学、中山大学任教。研究方向：现象学、儒家哲学。已出版著作《从现象学到孔夫子》《西方哲学笔记》《家与孝》，发表文章《想象力与历时记忆》《技术、道术与家》等。
[1] 本文的部分内容与拙文《人工智能与广义心学——深度学习和本心的时间含义刍议》（刊于《哲学动态》2018年第4期，第13—22页）有重叠之处。
[2] 尤瓦尔·赫拉利，林俊宏译：《今日简史》，中信出版社，2018年。
[3] 尤瓦尔·赫拉利，林俊宏译：《今日简史》，中信出版社，2018年。
[4] “线性与非线性的一个明显区别是叠加性是否有效。在一个系统中，如果两个不同因素的组合作用只是两个因素单独作用的简单叠加，这种关系或特性就是线性的。反之，如果一个系统中一个微小的因素能够导致用它的幅值无法衡量的结果，这种关系或特性就是非线性的。相应地，具有叠加性的系统，是线性系统；反之，则属于非线性系统。混沌理论、分形理论等非线性研究指出分叉、突变、对初始条件的敏感依赖性、长期行为不可预见性、自相似性等，是非线性系统共有的性质，分数维、标度律、普适性等是对非线性系统做定量描述的普适概念。自然界中大量存在的是非线性相互作用，非线性特性不是细枝末节，而是基本特征和本质所在，线性系统只不过是一部分简单非线性系统在一定条件下的近似。”（引自《百度百科》“线性与非线性”条目。网址是：https://baike.baidu.com/item/线性与非线性。）
[5] 亚里士多德：《物理学》，商务印书馆，2016年，第4章第11节、14节。
[6] 亚里士多德给出了多个对人的定义，其中影响最大的是“人是有理性（logos）的动物”。因为“logos”在亚里士多德的著作中意味着“理性”，“logos”又指“会说话的”，所以此定义也可被表达为“人是会说话的动物”。有关讨论和出处参见汪子嵩等著：《希腊哲学史》第3卷上册，人民出版社，2003年，第595页。
[7] 埃德蒙德·胡塞尔，倪梁康译：《内时间意识现象学》，商务印书馆，2010年，第448、485页。
[8] Ludwig Wittgenstein, G. E. M. Anscombe (trans.), Philosophical Investigations,Blackwell, 1963 (1958).
[9] Ludwig Wittgenstein, G. E. M. Anscombe (trans.), Philosophical Investigations,Blackwell, 1963 (1958).
[10] 《〈梨俱吠陀〉神曲选》，巫白慧译，商务印书馆，2010年，第22页。
## PDF_PHYSICAL_PAGE_INDEX=2709 | PRINTED_PAGE=NOT_DETECTED
下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2710&limit=10)