人工智能伦理

图3.19 荀子

图3.20 知识之火是照亮愚昧世界的一抹微光，是刺破无知黑暗的一把利剑

然而，当前的人工智能并未踏上“知有所合”这条路，还在朝着“数据驱动”的方向狂奔。自20世纪80年代以来，以统计学为基础的归纳主义对机器学习产生了巨大的影响，以至于人工智能长期忽略了“知识驱动”的正确道路。其中的原因基本上可总结为，知识表示与推理的技术仍旧薄弱，尚未形成有成效的推动力。

2012年，谷歌公司发布“知识图谱”，以提高搜索引擎的语义匹配能力。知识图谱掀起了人们对知识工程的热情，同时我们也应看到它的局限性。类似的局限性在例1.17所介绍的词汇语义知识库WordNet中也有，在图1.91所示的沃森深度问答系统中也有，在例1.31所用的符号计算系统中也有。

如果一个人只有知识，而没有运用知识的能力，则是“缺乏思想的博学”。人工智能也有相同的问题，机器学习如果仅仅停留在博闻强记，则称不上真正的智能。

例3.1 人类对新事物的认知有一个渐进的过程。拿2019年新型冠状病毒肺炎（COVID-19）来说，它于2020年席卷全球，成为近百年来影响范围最广、致死人数最多的流行病之一。该病的症状包括发热、咳嗽、疲劳、呼吸急促、味嗅觉丧失等，有时完全无症状。COVID-19容易引起病毒性肺炎、肾衰竭、多重器官衰竭等严重的并发症，老年人的死亡率相对偏高。

图3.21 在疫情面前，人类应该放下所有成见，团结一致对抗病毒

在疫情初发之时，医学界对这种新型冠状病毒了解甚少，中国政府借用过往的防疫经验及时地采取隔离检疫，民众给予了积极的配合，齐心协力有效地遏制了COVID-19的传播。

对比之下，英美等国在明知COVID-19的高风险之后，仍未果断采取强制隔离，甚至在是否戴口罩的问题上争论不休。个人本位主义、反智主义（anti-intellectualism）、“群体免疫”（herd immunity）等不作为令疫情雪上加霜，让很多本可以避险的百姓付出了生命的代价。2021年1月下旬，美国COVID-19每日死亡人数达到峰值（见图3.22）。

图3.22 2020年3月至2021年12月，美国COVID-19每日死亡人数的条形图及周滑动平均曲线，总计死亡人数已有80万之多，而且悲剧还在继续

数据来源：谷歌搜索

在与新冠病毒的战争中，医护人员和疫苗科学家是最值得尊敬的英雄——他们用各自的专业知识拯救生命。不得不说，COVID-19改变了人类的生活方式，从这场灾难之中我们是否应该学会尊重知识、敬畏自然、珍爱生命？

图3.23 人类抗击新冠病毒的壮举再次证明，科学终将战胜愚昧，科学精神终将驱散虚假、保守、轻信、偏见

3.1 知识表示与推理

知 识来自何处？通过对世界的观察，经验是知识的最重要的来源。有些哲学家认为，还有一部分知识来自先验，即不借助于经验获取或验证的知识，例如逻辑和数学。先验知识和后验知识的关系一直是知识论的核心问题之一。

经验和理性常常是纠缠在一起的。例如，一个微分方程在求解它之前，必须确定它的解是存在的。解的存在性和如何求解是两个不同的问题，前者一般凭借数学证明，后者时常依靠解题经验。再如，在成功找到三次和四次代数方程的根式解后，数学家一直努力寻求五次及五次以上方程的根式解，直到它被证明是不存在的。类似的问题还有尺规三等分角问题、倍立方问题、化圆为方问题等。在数学里，通常“在”的问题先于“做”的问题，此时，理性似乎比经验先行了一步。

德 国 哲 学 家 伊 曼 纽 尔 · 康 德 （ Immanuel Kant, 1724—1804）认为，人类的认识源于经验，而知识来自于理性。康德有句名言，“没有内容的思维是空洞的，没有概念的直觉是盲目的”^[59]，只有将经验和理性结合起来才有可能产生知识。

Critit

I11 3mmanuel Rant

reinn Senmit