--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能哲学" author: null edition: null publisher: null year: null isbn: "7532740544" library_document_id: "7f418071-0fdc-4a5a-a4c5-82dd1979d9c2" source_sha256: "1a81e5f3981b3c472c59c41e3051e038e997d095f1ab9e963fbb8a043c2cba34" pdf_physical_page_count: 501 pdf_physical_page_index_base: 0 range_start: 350 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2?start=350&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=350&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=340&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=360&limit=10" --- # 人工智能哲学 > 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=350 | PRINTED_PAGE=342 这一思想把我们带回到哲学传统。支持符号信息加工的，不仅是笛卡尔和他的传人们，而且是全部西方哲学。根据海德格尔的说法，传统哲学得以确定，从一开始就是因其关注世界中的事实而“忽略”世界本身(Heidegger 1962：§14—21；Dreyfus 1988)。也就是说，哲学从一开始就系统地忽视或扭曲了人类活动的日常语境1]。此外，从苏格拉底经由柏拉图、笛卡尔、莱布尼兹和康德一直传至常规AI的这一哲学传统的分支，认为对某一领域的理解在于持有这一领域的理论是理所当然的。理论是根据抽象的原理(包括定律、规则、程序等)对客观的、与语境无关的元素(简单物、原素、特征、属性、因素、数据点、线索等)之间的关系进行系统阐述的。 柏拉图认为，在诸如数学其或伦理学这样的理论领域中，思想家们运用的是一些显式的、与语境无关的理论规则，这是他们在日常世界以外的另一种生活中学会的。这样的理论一旦被掌握，就会通过对思想家心灵的控制在这个世界中发挥作用，无论思想家是否意识到这些理论。柏拉图的论述并不适用于日常技能，而只适用于存在着先验知识的领域。然而理论在自然科学中的成功强化了这一思想：在任何有序的领域内，必然存在着某个与语境无关的元素的集合，以及这些元素之间的使这一领域有序并使人们有能力以智能方式在该领域中活动的某些抽象关系。千是，莱布尼兹大胆地对所有智能活动形式甚至日常实践总结出一套理性主义的说明： 人工智能哲学 [1] 根据海德格尔的看法，亚里士多德比其他任何哲学家更接近于理解日常活动的重要性，但是即使他也屈从于对隐含于常识之中的日常世界现象的扭曲。 342 ## PDF_PHYSICAL_PAGE_INDEX=351 | PRINTED_PAGE=343 在各行各业中，有关技能的最重要的观察和转化方式现在仍是空白。当我们从理论过渡到想要完成某事的实践时，我们的经历就证明了这个事实。当然，我们也可以把这个实践写出来，因为这归根到底不过是另一个更复杂，更特殊的理论……(黑体后加)(Leibniz 1951:48) 由于把哲学家们所创立并在自然科学中获得成功的方法用到了所有领域，符号信息加工方法便胜券在握了。既然根据这一观点任何领域必然都是可形式化的，在任何范围内实施AI的方法显然都是找出与语境无关的元素和原理，并把形式的符号表述建立在这一理论分析的基础上。沿着这一脉络，T·威诺格拉德描述了他借鉴物理科学进行的AI研究： 我们关心的是形成一种形式体系，或“表述方式”，用来描述……知识。我们寻求的是组建这一形式体系的“原子”和“质点”，以及作用于其上的“力”（Winograd1976:9)。 毫无疑问，关于宇宙的理论常常是逐步建立的，先形成相对简单的孤立系统的模型，再逐步使模型变得更为复杂，并把它与另一些领域中的模型结合起来。这所以可能，是因为所有现象都被推测为是帕佩尔特和明斯基所称的那些“结构原素”之间的定律式关系的后果。因为没有人主张在AI中作原子式的还原，看来AI工作者只是隐含地假定，把元素从它们的日常语境中抽象出来这一点，既然确定了哲学，并在自然科学中有效，所以在AI中必然也是有效的。这个假定可以很好地解释物理符号系统假设何以如此之快地变成一种新发现，以及帕佩尔特和明斯基的著作何以轻而易举地击败了感知机的整体论。 13 造就心灵还是建立大脑模型：人工智能的分歧点 343 ## PDF_PHYSICAL_PAGE_INDEX=352 | PRINTED_PAGE=344 60)年代中期，本文作者之一休伯特在麻省理工学院教授哲学时，很快卷入了关于AI可能性的辩论。很显然，像纽厄尔、西蒙和明斯基这样的研究者们是哲学传统的继承人。但是后期维特根斯坦和早期海德格尔结论的出现，对于还原论研究纲领来说并不是一个好兆头。这两位思想家对作为符号信息加工基础的传统本身提出了质疑，他们都是整体论者，他们都被日常实践的重要性所吸引，他们也都认为人们不可能持有关于日常世界的理论。 1953年维特根斯坦发表了他的《哲学研究》，以极其犀利的文笔批判了他自己在《论文》中的观点，这是智能史上颇具讽刺意味的一幕，因为这恰是AI采纳他所抨击的抽象原子论传统的时候。维特根斯坦在写完《论文》之后，花了数年时间从事他所谓的现象学研究(Wittgen-stein1975)——寻找他的理论所需要的原子事实和基础客体，但是一无所获。他最后终于放弃他的《论文》和所有理性主义哲学。他论证道，将日常情境分析成为事实和规则(大多数传统哲学家和AI研究者们正是认为理论必然是从这里开始的)，这种做法本身只有在某个语境中和为了某个目的才有意义。因此，被选出的元素已经反映出它们因之而被创立的那些目标和目的。当我们试图找出那些终极的与语境无关、与目的无关的元素时(这正是我们为了找出本原符号供计算机之用而必须做的)，实际上我们是想使我们的经验的一些方面摆脱实用主义的组织方式，而正是这种组织方式使得以智能方式用这些元素处理日常问题成为可能。 维特根斯坦在《哲学研究》中直接批判了《论文》中的逻辑原子论： 人工智能哲学 344 ## PDF_PHYSICAL_PAGE_INDEX=353 | PRINTED_PAGE=345 “名字实际上表示单质，在这一思想的背后是什么呢？”苏格拉底在《泰阿泰德篇》中说道：“如果我没有弄错的话，我听到一些人这样说：原级元素是没有定义的，而我们及其他每一样东西可以说都是由它们构成的……但是正因为由这些原级元素构成的事物本身是复杂的，所以这些元素的名字结合到一起时就成为描述语言”。罗素的“个体”和我的“客体”（《逻辑哲学论》)都是这样的原级元素。但是构成实体的单质组分是什么呢？……绝对地说“椅子的一些单质部分”是毫无意义的(Wittgenstein1953:21)。 在20)年代，M·海德格尔就已经用类似的方式反对他的导师E·胡塞尔，胡塞尔自认为是笛卡尔传统的顶峰，因而也就是AI的师祖(Dreyfus1982)。胡塞尔论证说，意识的活动，或意向作用(noesis)，并不以其本身去掌握一个客体，相反这一活动获得意向性(定向性)所凭借的仅仅是与这一活动相关联的意向对象(noema)中的“抽象形式”或意义。[1] 这个意义，或符号表述方式，根据胡塞尔的构想，是一个使一项困难任务得以完成的复杂实体。在《纯粹现象学观念》（Husserl1982）中，胡塞尔大胆地尝试解释意向对象是怎样完成这项任务的。提供所指的“谓词意念”，像弗雷格的意义(Sinne)一样，恰恰具有辨别客体原子特性的显著特征。这些谓词被结合到复杂客体的复杂“描述”中，这与罗素描述理论的看法一样。胡塞尔在这一点上很接近康德，他认为意向对象包含着一个由严格规则组成的层级体系。由于胡塞尔把智能看成一种语境确定的、有目标导向的活动，所以任何种类的客体的心理表述都必须提供一个语境，或是一些期望的或“预先刻划”的“视界”，以便使新进入的数据结构化：“一个有可能规定(客体的)其他意识的规则可能等同于从本质上例示出预先刻划的类型的规则”（Husserl1960:45)。意向对象必须包含描述所有特征的规则，在考察某一类型的客体时，无疑会预先想到这些特征，它们保持着“不容动摇的原状：只要客观性仍然被意指为这个和这类”（1960：53)。对于这一类型的客体的可能的而不是必要的特征，该规则也必须规定出一些预先刻划：“因此并没有一个完全确定的意念，而是始终存在着一个空白意念的框架……”（1960：51）。 13 造就心灵还是建立大脑模型：人工智能的分歧点 [1]“正如我们所认为的那样，意识不是认识论中的一个存在着的具体事物，而是一个寄存的，以抽象形式存在的行为。”(原文为德文一—译者)见胡塞尔(Husserl1950))。有关胡塞尔认为意向对象说明精神活动意向性的证明，见H·德雷福斯的“胡塞尔的知觉意向对象”(Dreyfus1982)。 345 ## PDF_PHYSICAL_PAGE_INDEX=354 | PRINTED_PAGE=346 1973年M·明斯基为表述日常知识提出了一个新的、与胡塞尔所说的极其相似的数据结构： 一个框架就是一个用来表述陈规情境如待在某一种居室里或是去参加儿童生日聚会的数据结构…… 我们可以把框架看成由节点和关系构成的网络。框架的顶层是固定的，所表述的事情对所设情境来说总是真的。较低层次上有许多终端一些必须用特殊例子或数据填充的槽。每一终端都能够详细说明它的作业必须满足的条件…… 该理论的现象学力度，在很大程度上取决于期望和其他各种推测所包含的内容。框架的终端在一般情况下已由“缺省”分配所填充(Minsky1981:96)。 在明斯基的框架模型中，“顶层”是由按照胡塞尔的说法在表述中保持“不容动摇的原状”的东西发展而来的，而胡塞尔的预先刻划则已变成“缺省分配”—可按正常方式预期的新增特征。其结果是，AI的技术向前迈进了一步，从被动的信息加工模型，发展为试图考虑认知者与世界间相互作用的模型。这样，AI的任务就与先验现象学的任务一致了。这两者都必须尝试在日常领域中找出由一组本原谓词和它们的形式关系所构成的框架。 人工智能哲学 346 ## PDF_PHYSICAL_PAGE_INDEX=355 | PRINTED_PAGE=347 作为对胡塞尔的回应，海德格尔先于维特根斯坦完成了对日常世界和像椅子、榔头这样的日常客体的现象学描述。和维特根斯坦一样，他发现日常世界不能用一组语境无关的元素来表述。海德格尔指出，除了把事物作为由一组谓词定义的客体与之发生联系的方式之外，还存在着另一些与事物“相遇”的方式，正是他通过这一点迫使胡塞尔明确正视这一问题。海德格尔说，当我们使用一件像榔头这样的工具时，我们是在一个由(不需要表述为一组事实的)工具、目的和人的角色通过社会方式组织起来的连接关系的语境中，使一种(不需要在心灵中表述的)技能变为现实。这个语境，或世界，以及我们在其中应付自如的日常方式，即海德格尔所谓的“周全性”，并不是我们想出的什么东西，只是我们社会活动的一部分，它形成了我们的存在方式。海德格尔总结道： 在关系系统的意义上，语境……可以被形式地对待。但是……这些“关系”和“被关系者”的现象内容使它们对任何一种数学机能化作出抵制，它们也不仅仅是事先被安置在一个“思维行动”中的被思考的某件事情。它们更加是这样一些关系，其中已经存在着有关联的周全性本身(Heidegger1962:121—1)。 这确定了胡塞尔和AI一方与海德格尔和后期维特根斯坦一方之间的种种方式的分裂。关键问题成了：“理性主义哲学家们所坚持的那种关于日常世界的理论，有可能存在吗？”或毋宁说常识背景是技能、实践、辨别力等等的结合吗？技能、实践、辨别力等不是意向状态，更不用说它们是没有根据元素和规则解释的任何表述内容的。 胡塞尔采取了一个很快在AI圈中变得为大家所熟悉的手法，试图绕过海德格尔提出的问题。胡塞尔认为，世界、重要背景、日常语境，只不过是一个非常复杂的系统，该系统是由一些与一个复杂的信念系统相联系的事实组成的，因为这些信念具有真值条件，所以他称之为有效性。他认为，原则上讲，一个人可以将自己在世界中的存在悬置起来，而完成对人类信念系统的独立描述。这样，人就能完成那个隐含在从苏格拉底以来的哲学中的任务：人们能使那些作为全部智能行为的基础的信念和原理变得明确。正如胡塞尔所指出的： 13 造就心灵还是建立大脑模型：人工智能的分歧点 347 ## PDF_PHYSICAL_PAGE_INDEX=356 | PRINTED_PAGE=348 即使我们总是同时意识到但暂时无关紧要因而一直完全不被注意的那种……背景，仍然根据它隐含的有效性在发挥作用(Husserl1970:149)。 因为胡塞尔坚信可以使共享的背景像一个信念体系那样外显，所以他先于他的时代提出了AI可能性的问题。在讨论了一个形式公理系统可以描述经验的可能性，同时指出这样的公理和原素系统—至少像我们在几何学中所知道的—不能描述像“扇贝形”和“透镜形”这样的日常形状之后，胡塞尔留下这个关于这些日常概念是否仍能被形式化的问题没有解决。(这与提出有关人们是否能将常识物理学形式化的AI问题而留下它没有解决的情况是一样的。)在承继莱布尼兹关于建立全部经验的数学的梦想时，胡塞尔又写道： 迫切的问题是……是否不可能存在……一个用纯粹而严密的理念代替直觉资料的、同时可以……作为……经验数学基本手段的理想化过程(Husserl 1952:v.134)。 但是正如海德格尔所预见的那样，对日常生活作出完全理论叙述的任务其实比最初预想的要困难得多。胡塞尔的课题遇到很大的麻烦，一些迹象表明明斯基的课题也遇上了麻烦。在尝试说清楚主体对日常客体的表述的各个成分的二十五年间，胡塞尔发现，他不得不把越来越多的主体对日常世界的常识性理解包容进来： 人工智能哲学 348 ## PDF_PHYSICAL_PAGE_INDEX=357 | PRINTED_PAGE=349 毫无疑问，即使那些当我们把单一类型的客体当做有限的线索时自行呈现出来的任务，也被证明是极其复杂的，当我们向纵深发展时，这些任务总是导致广泛的学科。例如……空间客体(更不用说自然界)本身的情况就是这样，心理物理存在和人类本身以及文化本身的情况也是如此(Husserl1960：54—5)。 他谈到了意向对象的“臃肿的具体形式”（Husserl1969:244)和它的“惊人的复杂性”（1969；246），在75岁的时候，他沮丧地得出结论：他永远是一个初学者，而现象学是一个“永无止境的任务”（1970)：291)。 在明斯基的“表述知识的框架”一文中，有迹象表明他已开始从事于那个最终将胡塞尔击垮的同一个“永无止境的任务”： 仅是建构一个知识基础，就成为智能研究的重大问题……关于常识性知识的内容和结构，我们还是知道得太少了。“极小”常识系统必须“知道”有关因果、时间、目的、地点、过程和知识类型……的某些情况。在这一领域中，我们需要花力气做严格的认识论研究(Minsky1981:124)。 学习当代哲学的学生对明斯基的天真和信心会感到吃惊。胡塞尔的现象学正是这样的研究工作。的确，从苏格拉底经莱布尼兹到早期维特根斯坦，哲学家们两千年来在这一领域中进行了严格的认识论研究，但没有取得显著的成就。 鉴于维特根斯坦的转向，和海德格尔对胡塞尔的强有力的批评，本文作者之一—休伯特——预见到符号信息加工的麻烦。正如纽厄尔在他的AI史中所说的，这一警告被忽视了： 德雷福斯主要的、智力方面的反对意见……是：将人类活动的语境分析为离散的元素是注定要失败的。这一反对意见建立在现象学哲学的基础上。遗憾的是，就AI而言，这意见像是不存在一样。接踵而来的对德雷福斯文章所作的回答、驳斥和分析，根本没有针对这一论点—如果它要走向前台的话，它的确还是个新论点(Newell 1983:222—3)。 13 造就心灵还是建立大脑模型：人工智能的分歧点 349 ## PDF_PHYSICAL_PAGE_INDEX=358 | PRINTED_PAGE=350 的确，这个麻烦没有多久就走向前台了，就像对传统哲学的报复一样，日常世界又报复了AI。正如我们看到的那样，由纽厄尔和西蒙首创的研究纲领已经经历了三个十年阶段，从1955至1965年，表述和搜索这两个研究主题，在当时称为“认知模拟”的领域占据了主导地位。例如，他两人指出计算机怎样能用被称为手段目的分析的一般启发式搜索原理来解决一类问题，即采用任何一种有效的运作方式，以减小当前状况描述与目标描述之间的距离。然后他们把这种启发式技术提取出来，并纳入他们的“一般问题求解程序”（GPS)。 第二个阶段（1965—1975）由麻省理工学院的M·明斯基和S·帕佩尔特领导，主要涉及要表述的是何种事实和规则的问题。其思想是，在称为“微世界”的孤立领域中，形成系统地处理知识的方法。1970)年前后在麻省理工学院编写的著名程序有：T·威诺格拉德的能接受在自然语言子集合中给出的有关简化“积木世界”的指令的SHRDLU，T·埃文的类比问题程序，D·沃尔兹的场景分析程序和P·温斯顿的能根据例子学习概念的程序。 人们希望这些限定的、孤立的微世界能够逐步变得更接近现实，并且联合起来，以便通往对现实世界的理解。但是研究者们混淆了根据海德格尔的观点我们应区分为“全域”和“世界”的两种领域。一组相互联系的事实可以构成一个全域，像物理全域，但是不能构成一个世界。后者如商业界、戏剧界或物理学家界，是由客体、目标、技能和实践组成的团体，在它的基础上，人类活动才有意义或是讲得通。为了弄清这一区别，可以将没有意义的物理全域和有意义的物理学科界加以对比。物理学界、商业界和戏剧界只有靠着人类共同关切的背景才有意义。它们是全体人类共享的一个常识世界中的局部精制品。也就是说，子世界不像可孤立的物理系统那样，与那个由它们组成的更大的系统发生联系，而是它们预设整体中的局部的人为作品。微世界并不是世界，而是孤立的、无意义的领域，并且人们渐渐看清了，没有一种可以使它们联合起来并扩展到抵达日常生活世界的方法。 人工智能哲学 350 ## PDF_PHYSICAL_PAGE_INDEX=359 | PRINTED_PAGE=351 第三个阶段约从1975年到现在，在这期间，AI一直在同后来人们所说的常识知识问题进行较量。知识表述一直是AI工作的中心问题，但前两个阶段—认知模拟和微世界—的特点是弄清用尽可能少的知识能做多少事情，试图避免常识知识问题。然而到70)年代中期，已无法再回避这个问题。各种数据结构，如明斯基的框架和香克的脚本，都已尝试过而没有成功。常识知识问题甚至使AI无法开始实现西蒙在二十年前的预言：“二十年之内，机器将能做到人所能做的一切”（Si-mon 1965:96). 的确，在过去的十年间，常识知识问题成为理论AI所有进步的障碍。威诺格拉德是最早认清SHRDLU程序的局限性和所有脚本及框架试图扩展微世界方法的局限性的人之一。对AI“失去信心”之后，现在他在斯坦福的计算机科学课程中讲授海德格尔，并指出“困难在于把那种确定哪些脚本、目标和策略是相关的以及它们怎样相互作用的常识背景形式化。”（Winograd1984:142)。 使AI困于这一僵局之中的原因，是坚信常识知识问题必定是可以解决的，因为人类显然已经解决了这一问题。但是人类很可能根本不是按通常方式使用常识性知识的。正如海德格尔和维特根斯坦所指出的，与常识性理解相当的，很可能是日常技能。所谓“技能”，并不是指过程的规则，而是指在众多的特定场合知道该做什么。例如，人们曾经发现常识物理学原来是极难用一组事实和规则详加说明的。如果试图这样做，那么，或者需要更多的常识去理解所发现的事实和规则，或者构造出一些复杂得看起来决不可能存在于儿童的心灵中的公式。 13 造就心灵还是建立大脑模型：人工智能的分歧点 [1] 关于技能的这一说明，作者在另一文章(Dreyfus and Dreyfus 1986)中有详细而雄辩的阐述。 351 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=360&limit=10)