人工智能伦理

图3.48 宇航员在模拟舱中训练，获得太空旅行与生活的“经验”

REPUBLIQUE FRANÇAISE

1798 AUGUSTE COMTE 1857

法 国 哲 学 家 奥 古 斯 特 · 孔 德 （ Auguste Comte, 1798—1857）提出以“实际验证”为核心的实证主义（positivism），在科学研究中注重观察和经验的方法，这一思想可追溯至培根。孔德认为知识是后天通过归纳学习而得的，超越经验的不是知识，实证主义的目标正是具有客观性的知识。实证主义的方法论是“观察–归纳”，它是当前以数据驱动的AI的哲学基础。

奥地利哲学家卡尔·波普尔（Karl Popper, 1902—1994）反驳了实证主义逃避先验的做法，认为观察不可能不受主观先验的影响。另外，波普尔还认为经验的真正意义是用于证伪而非证实。可证伪性指的是一切从经验而来的结论必须容许逻辑上的反例的存在，它是科学的必要属性。例如，神学、哲学、逻辑学、数学都不可证伪，它们都不属于科学的范畴。经典物理学在接近光速时不成立，它是可证伪的。

当感知的含义发生了改变，在虚拟世界里发生的事情是否可以用作证实或证伪？我们无法否认虚拟世界对我们的影响，毕竟反事实推理所思考的“若非”问题对人类来说太重要了。在计算机游戏里，我们真的可以回到已保存的某个时间点，进入一个反事实世界。甚至，从这个时间点演变出几个平行世界，并行地观察它们的进化。总而言之，“模拟”让机器的反事实推理变得可行。

3.1.2 可操作的知识

图3.49 孔德

图3.50 梁启超

我们追求系统性的知识。清末民初著名的思想家、政治家、教育家梁启超（1873—1929）曾在讲演《科学精神与东西文化》（1922）里阐明何为有系统的真知识。“知识是一般人都有的，乃至连动物都有。科学所要给我们的，就争一个‘真’字。一般人对于自己所认识的事物，很容易便信以为真；但只要用科学精神研究下来，越研究便越觉求真之难……知识不但是求知道一件一件事物便了，还要知道这件事物和那件事物的关系，否则零头断片的知识全没有用处。知道事物和事物相互关系，而因此推彼，得从所已知求出所未知，叫做有系统的知识。系统有二：一竖，二横。横的系统，即指事物的普遍性——如前段所说。竖的系统，指事物的因果律——有这件事物，自然会有那件事物；必须有这件事物，才能有那件事物；倘若这件事物有如何如何的变化，那件事物便会有或才能有如何如何的变化；这叫做因果律。明白因果，是增加新知识的不二法门，因为我们靠他，才能因所已知，推见所未知；明白因果，是由知识进到行为的向导，因为我们预料结果如何，可以选择一个目的做去。虽然，因果是不轻容易谈的：第一，要找得出证据；第二，要>说得出理由。因果律虽然不能说都要含有‘必然性’，但总是愈逼近‘必然性’愈好，最少也要含有很强的‘盖然性’，倘若仅属于‘偶然性’的便不算因果律。

图3.51 “物类之起，必有所始。”（《劝学》）知识是经过千锤百炼、反复验证的规律性事实，其中，科学只求因果

现在的机器学习多数都是基于经验，程度略有差异，最依赖经验的是有监督学习（supervised learning），也称有指导学习。模型拟合训练数据的火候很难把握，过拟合问题（over-fitting problem）和欠拟合问题都令人生厌，尤其是前者。当模型在训练数据上表现得很好，但在开放的测试数据上表现欠佳，我们一般说模型的泛化能力很弱。很难说，这样学来的东西能称作“知识”。

荀子说“学莫便乎近其人”（《劝学》），意思是学习的捷径是亲近良师。人类教师对学生的指导包括传道（即道德伦理）、授业（专业知识的教授，如讲解概念的含义、演示正确的解题过程等）、解惑（回答学生的疑问）。目前，机器学习只关注“授业”上。

图3.52 机器学习现有的方法还很单调，应该多借鉴一些人类的学习方式，才能实现图灵的“儿童机器”。譬如，强化学习就是“糖果加大棒”的教学方法

德国数学天才卡尔·弗里德里希·高斯（Carl FriedrichGauss, 1777—1855）在18岁的时候提出了最小二乘法（leastsquare method），并将之应用于计算谷神星的运动轨迹。稍晚些时候，法国数学家阿德里安–马里·勒让德（Adrien-MarieLegendre，1752—1833）也独立地发现了此方法，并早于高斯公开发表。

最小二乘法是参数估计理论的基本方法之一，它的重要性“犹如微积分之于数学”，在数学史中的地位不言而喻。勒让德和高斯对此有过优先权之争，现在通常把二人并列为最小二乘法的提出者。