【導(dǎo)讀】近期火出圈的游戲《賽博朋克2077》把上世紀(jì)80年代的一支科幻藝術(shù)流派重新帶回了公眾視野。多年來，賽博朋克的創(chuàng)作一支保持著一系列極具辨識(shí)度的反烏托邦設(shè)定：高技術(shù)低社會(huì)、貧富分化、環(huán)境污染、彌漫式的增強(qiáng)現(xiàn)實(shí)、身體賽博格化、意識(shí)上傳、人工智能……如果說前幾種設(shè)定在今天正逐步應(yīng)驗(yàn)，那么賽博朋克關(guān)于人工智能的激進(jìn)想象則體現(xiàn)出計(jì)算機(jī)黃金年代人們對(duì)技術(shù)發(fā)展的盲目樂觀——畢竟，今天沒有并出現(xiàn)《銀翼殺手》里的復(fù)制人，而Siri的功能基本還只限于上鬧鐘。

在二戰(zhàn)后計(jì)算機(jī)技術(shù)的發(fā)展過程中，人工智能其實(shí)是個(gè)順理成章的想法：既然大腦中的神經(jīng)元通過只存在“有”和“無”兩種狀態(tài)的電化學(xué)信號(hào)來傳遞信息，而晶體管的導(dǎo)通與截止、繼電器的開合也是“有”和“無”兩種狀態(tài)，那么是否有可能制造出“電子大腦”？

1943年，香農(nóng)在貝爾實(shí)驗(yàn)室見到圖靈時(shí)，就討論到這種人造思維機(jī)器的設(shè)想。在后來的歷史中，圖靈的通用圖靈機(jī)概念與香農(nóng)用電子開關(guān)模擬布爾邏輯運(yùn)算的想法都成了人工智能學(xué)科的奠基性理念。

然而，人工智能畢竟是一個(gè)意識(shí)體對(duì)自身意識(shí)的模擬，這種“上帝的工作”注定困難重重，其中既有通過硬件和算力上的“量變”可以克服的，也有在邏輯上被無情鎖死的技術(shù)禁區(qū)。

今天的計(jì)算機(jī)盡管看似已經(jīng)出現(xiàn)了智能，但其思想原理仍然來源于萊布尼茨對(duì)于“普遍語言”的推演以及圖靈創(chuàng)制的圖靈機(jī)5種基本操作；而人類智能除了記憶、計(jì)算之外，還有諸如感知、想象、直覺、學(xué)習(xí)等難以還原為純粹邏輯的能力。因此，本文認(rèn)為與其擔(dān)憂人工智能超越人類，真正應(yīng)該擔(dān)心的是使用人工智能的人。

本文發(fā)表于《文化縱橫》2020年2月刊，僅代表作者觀點(diǎn)，供諸君思考。

邏輯的引擎：人工智能的舊限度與新可能

? 杜國平 | 中國社會(huì)科學(xué)院哲學(xué)研究所

人的能力主要包括體力、智力、意志力、繁衍力等。創(chuàng)造并借助各種工具，不斷拓展各種能力，是近現(xiàn)代人類社會(huì)飛速發(fā)展的顯著特征。20世紀(jì)，人類發(fā)明了計(jì)算機(jī)，21世紀(jì)，人類借助人工智能技術(shù)極大地拓展了各種智力。人工智能存在不同的認(rèn)識(shí)和定義，本文采用的是比較通行的認(rèn)識(shí)：人工智能指的是人類利用計(jì)算機(jī)對(duì)人類智力活動(dòng)進(jìn)行模擬。人工智能的飛速發(fā)展在提升人類智力的同時(shí)，也提高了人類社會(huì)的生產(chǎn)效率，給社會(huì)生活帶來各種便利。但是，另一方面，由于人工智能表現(xiàn)出來的在某些方面遠(yuǎn)超人類的智能水平，又引發(fā)了許多人的驚懼。本文擬從邏輯的角度對(duì)這一問題進(jìn)行剖析，以期澄清若干似是而非的問題。

游戲《賽博朋克2077》截圖

▍計(jì)算機(jī)的“智能”

人工智能的工具載體是計(jì)算機(jī)，人工智能對(duì)人類智能的模擬均需借助計(jì)算機(jī)來實(shí)現(xiàn)，計(jì)算機(jī)功能的不斷拓展是人工智能拓展的內(nèi)在依據(jù)，計(jì)算機(jī)功能的限度也制約著人工智能功能的限度。那么計(jì)算機(jī)的功能限度是什么？為此，我們必須厘清計(jì)算機(jī)本質(zhì)上在執(zhí)行什么樣的功能。

毫無疑問，計(jì)算是計(jì)算機(jī)的基本功能之一。歷史上曾經(jīng)有許多人提出使用機(jī)械來實(shí)現(xiàn)計(jì)算或者幫助人類進(jìn)行計(jì)算的夢想。

早在17世紀(jì)，人類歷史上最偉大的思想家之一萊布尼茨就提出一個(gè)偉大的構(gòu)想：創(chuàng)制一種“普遍語言”，這種文字是一個(gè)表意的、精確無歧義的符號(hào)系統(tǒng)，其中的每一個(gè)符號(hào)都以一種非常自然而恰當(dāng)?shù)男问奖磉_(dá)某個(gè)概念，單個(gè)符號(hào)表達(dá)基本概念，復(fù)雜概念可以由若干基本概念組合形成，這個(gè)符號(hào)系統(tǒng)可以涵蓋人類全部知識(shí)領(lǐng)域，使用這些符號(hào)可以將人類的知識(shí)表達(dá)出來；在此基礎(chǔ)上，以一些基本的知識(shí)作為前提，通過“推理演算”對(duì)這些符號(hào)根據(jù)演繹規(guī)則進(jìn)行操作，就可以推演出各種新知識(shí)。

根據(jù)這一設(shè)想，人們可以很容易消除各種分歧和爭論，當(dāng)甲、乙雙方遇到爭論的時(shí)候，只需雙方心平氣和地坐下來，使用“普遍語言”將雙方的前提和結(jié)論表達(dá)出來，然后拿起筆在桌子前耐心地進(jìn)行“推理演算”，就可以消除爭論，獲得真理。萊布尼茨還設(shè)計(jì)了可進(jìn)行四則運(yùn)算的計(jì)算機(jī)模型。但是由于其他理論和物理?xiàng)l件的限制，萊布尼茨之夢在當(dāng)時(shí)未能得到充分實(shí)現(xiàn)，但這一偉大構(gòu)想為計(jì)算機(jī)和人工智能的產(chǎn)生奠定了思想基礎(chǔ)。

不難看出，要實(shí)現(xiàn)萊布尼茨之夢，有兩個(gè)基本條件，一個(gè)是“普遍語言”的創(chuàng)制，一個(gè)是“推理演算”之演算規(guī)則系統(tǒng)的建立。19世紀(jì)末20世紀(jì)初，由于傳統(tǒng)邏輯的不斷發(fā)展和現(xiàn)代邏輯的創(chuàng)立，這兩個(gè)條件都已經(jīng)基本具備了。一方面，由于弗雷格、羅素等人的工作，邏輯形式語言這種初級(jí)的、類“普遍語言”的人工語言得以建立，特別是邏輯語言“非（?）”“與（∧）”“或（∨）”“全稱（?）”“存在（?）”被普遍接受和使用；另一方面，諸如命題邏輯演算、謂詞邏輯演算等各種邏輯演算系統(tǒng)這種類“推理演算”也不斷創(chuàng)立。

在理論上已經(jīng)具備了重啟萊布尼茨之夢的初步條件之時(shí)，英雄人物圖靈適時(shí)出現(xiàn)了，他構(gòu)想的圖靈機(jī)是實(shí)現(xiàn)萊布尼茨之夢的第一個(gè)現(xiàn)代計(jì)算機(jī)理論模型。要對(duì)人類的計(jì)算進(jìn)行模擬并通過計(jì)算機(jī)來實(shí)現(xiàn)，就必須對(duì)人類的計(jì)算過程進(jìn)行抽象。盡管人類的計(jì)算種類、計(jì)算過程千差萬別，但是其面對(duì)的基本前提條件是：

（1）若干需要處理的符號(hào)數(shù)據(jù)等；

（2）對(duì)符號(hào)數(shù)據(jù)進(jìn)行計(jì)算的變形規(guī)則（如加法口訣、乘法口訣等）；

（3）可以讀取、存儲(chǔ)、輸出的紙、筆等工具、裝置。

其運(yùn)算的基本程序是：

（1）獲得需要處理的若干有限數(shù)據(jù)符號(hào)等；

（2）根據(jù)計(jì)算或者變形規(guī)則處理獲得的數(shù)據(jù)符號(hào)；

（3）輸出并存儲(chǔ)新獲得的數(shù)據(jù)；

（4）確立下一步需要進(jìn)行的步驟（讀取什么數(shù)據(jù)符號(hào)，依據(jù)什么規(guī)則進(jìn)行操作等）；

（5）在完成需要的結(jié)果之前重復(fù)上述步驟；

（6）不停地計(jì)算下去或者獲得需要的計(jì)算結(jié)果。

圖靈在分析諸如上述計(jì)算基本結(jié)構(gòu)的基礎(chǔ)上構(gòu)造了計(jì)算機(jī)的一個(gè)理想模型——圖靈機(jī)。圖靈機(jī)由兩個(gè)基本構(gòu)件組成：一個(gè)可以滿足計(jì)算需要的足夠長的印著連續(xù)的若干空白方格的紙帶，一個(gè)可以讀取、擦抹、打印數(shù)據(jù)符號(hào)的可運(yùn)動(dòng)的機(jī)械裝置。構(gòu)件之外，一個(gè)特定的圖靈機(jī)還有一個(gè)由若干指令構(gòu)成的規(guī)則集合，以約定符號(hào)處理時(shí)的變形規(guī)則，每條指令規(guī)定獲取到符號(hào)數(shù)據(jù)時(shí)機(jī)械裝置所要執(zhí)行的操作。該操作有且只有以下幾個(gè)基本動(dòng)作：

（1）擦去符號(hào)數(shù)據(jù)；

（2）打印符號(hào)數(shù)據(jù)；

（3）左移一格；

（4）右移一格；

（5）終止操作。

工作時(shí)，圖靈機(jī)獲取紙帶上某一格的符號(hào)數(shù)據(jù)，然后根據(jù)數(shù)據(jù)指令集確定并完成上述規(guī)定的動(dòng)作之一。未運(yùn)行到“終止操作”，則重復(fù)上述步驟；若運(yùn)行到“終止操作”，則計(jì)算完成。

通過上述直觀的以及嚴(yán)格描述的圖靈機(jī)不難看出，圖靈機(jī)結(jié)構(gòu)清晰、簡單，“能夠完成現(xiàn)代計(jì)算機(jī)能夠完成的所有事情” ，盡管在物理存在、計(jì)算速度、存儲(chǔ)空間等方面存在差異，但是其基本功能和今天最強(qiáng)大的計(jì)算機(jī)并無本質(zhì)的區(qū)別。也可看出，圖靈機(jī)作為理想的計(jì)算機(jī)模型，能夠完成的基本功能就是存儲(chǔ)和計(jì)算，別無其他。

人的智能包括感知、記憶、分析判斷、推理計(jì)算、控制決策、學(xué)習(xí)等能力。從圖靈機(jī)基本功能看現(xiàn)代計(jì)算機(jī)對(duì)人類智能的模擬僅僅是其記憶、計(jì)算等功能，甚至連感知功能都不具備。因?yàn)楦兄侨祟愐庀蛐缘孬@取信息、理解信息的過程，其中的核心要素是自主性、理解性。計(jì)算機(jī)對(duì)符號(hào)信息的“獲取”，不存在自主性。準(zhǔn)確地說是人類將信息輸入計(jì)算機(jī)，計(jì)算機(jī)被動(dòng)接收，談不上對(duì)符號(hào)信息的理解。

即使今天人工智能能夠“獲得”大量的街景、個(gè)人信息等，但認(rèn)真分析就可以發(fā)現(xiàn)這也只是借助人類契約（盡管有些約定可能未征得當(dāng)事人的同意，但是遵循了社會(huì)公共道德和公序良俗）和攝像設(shè)備的信息輸入。攝像設(shè)備不是主動(dòng)感知，也不可能主動(dòng)感知，只是人類在使其攝取信息；數(shù)據(jù)對(duì)計(jì)算機(jī)的傳輸以及計(jì)算機(jī)接收數(shù)據(jù)也不是主動(dòng)感知，借助這兩者實(shí)現(xiàn)的人工智能的信息“獲取”，也不是主動(dòng)感知。

計(jì)算機(jī)能夠完成計(jì)算的每一步必須是清晰的、完全確定的，即使是在包括選擇性、概率性的操作中，其進(jìn)行的下一步也是完全確定的，而不是隨機(jī)的。例如在包含選擇性任務(wù)的p∨q中，它選擇執(zhí)行p還是q不是隨機(jī)的，而是確定的。其執(zhí)行的指令是諸如“若S1，則p”“若S2，則q”的條件句，而S1和S2是由此前的步驟確定的。

因此，即使是計(jì)算，計(jì)算機(jī)能夠完成的也是“能行可計(jì)算”（effectively computable）的操作。圖靈論題指出，任何能行可計(jì)算函數(shù)都是圖靈可計(jì)算的。由此可見，今天的計(jì)算機(jī)盡管功能極其強(qiáng)大，但其基本功能理論上不會(huì)超過圖靈機(jī)。而從對(duì)人類智能模擬的角度看，圖靈機(jī)的基本功能是存儲(chǔ)和數(shù)據(jù)計(jì)算（或符號(hào)處理），并且其功能的實(shí)現(xiàn)最終是依據(jù)人類設(shè)計(jì)的指令集來完成的。

盡管人工智能借助其他工具實(shí)現(xiàn)了某些極其強(qiáng)大的功能，可以打敗人類棋手，可以在復(fù)雜的災(zāi)害環(huán)境中搜救傷員，顯示出高度的“智能”性，但其本質(zhì)仍然是存儲(chǔ)和計(jì)算，其基本操作仍然等價(jià)于一臺(tái)圖靈機(jī)的5種基本操作：擦、寫、左移、右移、停止，并且這5種操作還是根據(jù)人類指令來執(zhí)行的：人可以自主提出目標(biāo)指令，而人工智能至多只能提出執(zhí)行人的指令的指令。只不過這5種操作經(jīng)過各種算法不斷組合、變化、再組合，已經(jīng)變得非常復(fù)雜，特別是經(jīng)過硬件技術(shù)的不斷改進(jìn)之后，遠(yuǎn)遠(yuǎn)超過了人類的想象。

在棋類比賽中，一臺(tái)人工智能在幾個(gè)小時(shí)內(nèi)完成數(shù)億人數(shù)億年的“擦、寫、左移、右移、停止”工作，而且分工明確、組織有序。以此觀之，這么多人有序的計(jì)算工作打敗一個(gè)世界頂級(jí)的棋手其實(shí)沒有什么值得大驚小怪的。而如果將一臺(tái)人工智能的智能行為的實(shí)現(xiàn)要素分解、延展來看的話，其中還包括從亞里士多德到萊布尼茨再到20世紀(jì)的希爾伯特、圖靈、馮諾依曼等偉大頭腦的智力工作。棋手們一點(diǎn)都不應(yīng)該失落，因?yàn)樗麄冚斀o了迄今為止人類最頂級(jí)團(tuán)隊(duì)集體智慧的結(jié)晶體。

今天，人工智能的記憶和運(yùn)算能力已經(jīng)遠(yuǎn)超任何一個(gè)一般的人類個(gè)體，在這一點(diǎn)上，人工智能是極其聰明的。但是人類智能除了記憶、計(jì)算之外，還有諸如感知、想象、直覺、學(xué)習(xí)等能力，人工智能的智能尚有很大的拓展空間。

▍否定性清單

作為大存儲(chǔ)、疾運(yùn)算的計(jì)算機(jī)，即使是在計(jì)算方面其功能也存在著一個(gè)“否定性清單”，即計(jì)算機(jī)在邏輯上不可能完成的任務(wù)，它至少包括非圖靈可計(jì)算函數(shù)、不可判定性定理、哥德爾不完全性定理、“真”概念的不可定義性定理等。這些內(nèi)容也許太過專業(yè)，我在這里僅以通俗易懂的方式提出其中的關(guān)鍵環(huán)節(jié)，討論人工智能的限度。

（一）非圖靈可計(jì)算函數(shù)

計(jì)算是人工智能的一項(xiàng)基本功能，函數(shù)運(yùn)算是非常基本的一類計(jì)算，計(jì)算機(jī)是否可以完成所有的函數(shù)運(yùn)算呢？答案是否定的。計(jì)算機(jī)能夠計(jì)算的函數(shù)只是圖靈可計(jì)算函數(shù)，而非圖靈可計(jì)算函數(shù)是大量存在的。準(zhǔn)確地說，圖靈機(jī)能夠計(jì)算的函數(shù)和自然數(shù)一樣多，而它不能計(jì)算的函數(shù)卻和實(shí)數(shù)一樣多。所以，即使對(duì)于函數(shù)運(yùn)算，計(jì)算機(jī)能夠處理的也只是其中非常少的一部分。人工智能再強(qiáng)大，它也只能完成一部分函數(shù)運(yùn)算。

（二）不可判定性定理

計(jì)算機(jī)執(zhí)行的指令集可以分為不同的層次，其中最基本、最底層的指令無疑就是邏輯和數(shù)學(xué)指令。給定一組前提和一個(gè)結(jié)論，我們期待通過這些邏輯和數(shù)學(xué)指令以及其他相關(guān)指令，在有窮步驟內(nèi)判定結(jié)論是否是這一組前提的推論。那么一個(gè)簡單而直接的問題是，邏輯或者數(shù)學(xué)是否是能行可判定的？

對(duì)于命題邏輯，確實(shí)有方法來判定任給一個(gè)公式是否是真的，這些工作可以由計(jì)算機(jī)輕松地完成。但是對(duì)于帶等詞的謂詞邏輯——形式算術(shù)，就不存在一個(gè)能行的方法，能夠判定任給一個(gè)公式是否是真的，也不能判定任給一個(gè)公式在通常的謂詞邏輯公理系統(tǒng)中是否是可證明的。這就是形式算術(shù)的不可判定性定理。更進(jìn)一步，以此為基礎(chǔ)的數(shù)學(xué)當(dāng)然也是不可判定的。

不可判定性定理從理論上說明了判定任一數(shù)學(xué)命題是否是真理的能行程序是不存在的。這也符合人們的直覺：如果存在這樣的判定程序，那么所有的邏輯和數(shù)學(xué)問題都可以通過計(jì)算機(jī)來實(shí)現(xiàn)，這倒是令人奇怪的了。人工智能可以在技術(shù)上實(shí)現(xiàn)記憶力更強(qiáng)、計(jì)算速度更快，但無法完成基礎(chǔ)性的理論創(chuàng)新和突破，它再怎么聰明都無法取代邏輯學(xué)家和數(shù)學(xué)家的創(chuàng)造性。

（三）哥德爾不完全性定理

萊布尼茨之夢的一個(gè)自然推論是對(duì)于一個(gè)領(lǐng)域的知識(shí)，從恰當(dāng)?shù)那疤岢霭l(fā)通過“推理演算”可以演繹出該領(lǐng)域的所有真知。但是，當(dāng)邏輯知識(shí)的范圍，由命題邏輯拓展到謂詞邏輯，再由謂詞邏輯進(jìn)一步擴(kuò)展到更加豐富的邏輯系統(tǒng)的時(shí)候，情況就變得復(fù)雜了。

有些拓展如某些模態(tài)謂詞邏輯仍然是具有完全性的，即以某些恰當(dāng)?shù)哪B(tài)謂詞邏輯公式作為公理，是可以將確定領(lǐng)域的所有邏輯規(guī)律推演出來的；但是有些拓展如將謂詞邏輯進(jìn)一步一致地拓展到包含初等算術(shù)系統(tǒng)的時(shí)候，完全性就不成立了，即無論以哪些公理作為出發(fā)點(diǎn)，總有該領(lǐng)域的真理無法從這些公理通過“推理演算”而得出。這就是哥德爾的不完全性定理。它說明了公理化方法對(duì)于內(nèi)容足夠豐富的領(lǐng)域，不可能通過演算得出該領(lǐng)域的所有真理。而計(jì)算機(jī)執(zhí)行的指令集就相當(dāng)于一個(gè)公理系統(tǒng)，當(dāng)這些指令集足夠豐富（包含極小算術(shù)）的時(shí)候，總是會(huì)存在該范圍內(nèi)的一些語句及其否定，都無法從這些指令集得出。計(jì)算機(jī)對(duì)這些語句將茫然不知所措。

（四）“真”概念的不可定義性定理

對(duì)于人工智能是否具有智能的討論，圖靈測試和塞爾的中文屋是比較有影響的兩個(gè)論題，其中控辯雙方爭論的焦點(diǎn)之一是計(jì)算機(jī)是否能夠“理解”其輸入輸出和處理的語句。究竟什么是“理解”或者什么樣的操作才能稱得上“理解”，這是一個(gè)頗有爭議的話題，但是有一點(diǎn)是不容質(zhì)疑的，那就是“理解”至少是一個(gè)三元關(guān)系，即“理解”是一個(gè)“主體”對(duì)于“符號(hào)”的“信息賦值”，其中“主體”可以是一個(gè)人、一個(gè)生物個(gè)體，當(dāng)然也可以是面對(duì)“符號(hào)”的任何一臺(tái)機(jī)器，包括人工智能；“符號(hào)”是一個(gè)輸入輸出和需要處理的對(duì)象；而“信息賦值”就是給“符號(hào)”一個(gè)“語義”。

簡而言之，“理解”至少包含一個(gè)“主體”對(duì)于“語形符號(hào)”的“語義賦值”。相對(duì)于具體的“主體”人工智能而言，它所面對(duì)的“語形符號(hào)”無疑就是數(shù)據(jù)和邏輯的形式語言，其中最為基本的符號(hào)就是數(shù)字1、0以及邏輯符號(hào)“非（?）”“與（∧）”“或（∨）”“全稱（?）”“存在（?）”等，人工智能需要讀取的是這些形式語言中的合式公式。人工智能對(duì)這些“語形符號(hào)”的“語義賦值”就是對(duì)其進(jìn)行解釋的過程。它對(duì)這些語言符號(hào)的“信息賦值”盡管可能有各種不同，例如可能將其賦值為英文，也可能將其賦值為中文，但是“真”“假”是其中最為基本的邏輯“語義賦值”。

人工智能對(duì)符號(hào)的“理解”是通過對(duì)“語言”進(jìn)行“語義賦值”來實(shí)現(xiàn)的。這在命題邏輯和謂詞邏輯中是不難實(shí)現(xiàn)的，但是當(dāng)語言豐富到包括極小算術(shù)的時(shí)候，塔斯基定理告訴我們，在這樣的系統(tǒng)中，“真”概念不是算術(shù)可定義的，在這樣足夠豐富的語言中定義該語言的真謂詞將導(dǎo)致悖論。這就給人工智能的“理解”戴上了一道緊箍咒：在簡單的形式語言中，人工智能可以“理解”最基本的語義“真”，但是到了足夠豐富的算術(shù)語言中，人工智能甚至連最基本的“真”都無法“理解”。

▍另辟蹊徑

如前所述，人工智能是人類利用“計(jì)算機(jī)”對(duì)“人類智力”活動(dòng)進(jìn)行“模擬”。從邏輯、語言的角度分析，人工智能要取得重大的基礎(chǔ)性突破，可能需要轉(zhuǎn)換路徑。

（一）基于“模擬”

當(dāng)下，人工智能的應(yīng)用主要面向的是社會(huì)、生活需求，模擬的主要是工程、技術(shù)方面的場景需求。人工智能在滿足人類物質(zhì)需求、享樂需求的同時(shí)，立意應(yīng)該更加高遠(yuǎn)，更多地追求滿足人類的理性需求。

人類最基本的理性需求和創(chuàng)造性需求是發(fā)現(xiàn)知識(shí)、證明知識(shí)。知識(shí)發(fā)現(xiàn)與定理證明是人類高層次的發(fā)展需求、精神需求和創(chuàng)造性需求。知識(shí)發(fā)現(xiàn)與定理證明都是人類的創(chuàng)造性活動(dòng)，但兩者之間存在顯著的差別。其中在推理方面的主要區(qū)別是，定理證明主要運(yùn)用的是演繹推理，而知識(shí)發(fā)現(xiàn)主要運(yùn)用的是非演繹推理。人類知識(shí)發(fā)現(xiàn)的基本程序是形成概念、做出判斷、探求因果聯(lián)系、統(tǒng)一理論、預(yù)測應(yīng)用等。其中運(yùn)用的非演繹推理主要有歸納推理、類比推理、溯因推理等。例如，在量子力學(xué)的探尋過程中，首先要從大量的諸如觀察事實(shí)、實(shí)驗(yàn)數(shù)據(jù)中歸納形成量子、態(tài)、物質(zhì)波、不確定關(guān)系等概念，在此基礎(chǔ)上建立不同概念之間的聯(lián)系并提出各種帶驗(yàn)證的假說。這些創(chuàng)造性活動(dòng)中大量運(yùn)用歸納推理。歸納推理的基本特征是從若干個(gè)別或特殊性事例中提升出一般性的概念或判斷，這是一個(gè)不斷抽象的過程，而這一過程是一個(gè)主觀創(chuàng)造的過程，并無一個(gè)可操作的規(guī)范性程序，即沒有一個(gè)能行的歸納程序。目前，計(jì)算機(jī)對(duì)人類智能的模擬本質(zhì)上是依據(jù)算法等指令對(duì)人類智能能行性的模擬，而人工智能要取得突破，關(guān)鍵是對(duì)創(chuàng)造性的模擬。

定理證明的基本程序是從若干公理或者前提假設(shè)出發(fā)，依據(jù)確定的若干推理規(guī)則進(jìn)行演繹，并最終得出待證命題的過程。這一過程在若干范圍內(nèi)是計(jì)算機(jī)可模擬的，而且人工智能也比人類要快捷許多，例如對(duì)命題邏輯的定理證明。但是在比之復(fù)雜的謂詞邏輯公理系統(tǒng)中，其定理證明就不是人工智能可以實(shí)現(xiàn)的，因?yàn)椴淮嬖谝粋€(gè)能行的判定程序。如何縮小前提范圍、不受否定性清單的約束、恰當(dāng)選擇極小算術(shù)的若干片段來實(shí)現(xiàn)重要定理的證明，這是人工智能理性探索的一個(gè)重要課題。

在智能模擬的方法上，今天的人工智能對(duì)數(shù)據(jù)的處理主要采取的是演繹路徑；對(duì)不確定問題主要采取的是對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)歸納和概率演算，而缺乏因果性、相關(guān)性的探求。這只能依賴于邏輯基礎(chǔ)理論的創(chuàng)新和突破。自亞里士多德、斯多葛學(xué)派以來，經(jīng)歷萊布尼茨、布爾、皮亞諾、弗雷格、羅素等線索發(fā)展起來的是嚴(yán)格的演繹邏輯體系，這方面的成果蔚為大觀，前述否定性清單中的成果都屬于這個(gè)路徑，這些成果可以說是人類理性探索的典范性、巔峰性成果；而培根、穆勒、萊欣巴哈、貝葉斯、卡爾納普等線索發(fā)展的歸納邏輯體系研究則顯得勢單力薄，歸納邏輯的元理論成果，特別是巔峰性成果尚未出現(xiàn)。人工智能在模擬人類理性探索、創(chuàng)造性探索方面需要新的邏輯基礎(chǔ)理論成果，特別是非演繹邏輯的重大進(jìn)展。非演繹推理型計(jì)算機(jī)的創(chuàng)制將是未來人工智能發(fā)展的一個(gè)重要路徑。

（二）基于“人類智力”

人類智力是人認(rèn)識(shí)、理解客觀事物并運(yùn)用經(jīng)驗(yàn)、知識(shí)、工具解決問題的能力，包括感知、記憶、想象、思考、判斷、預(yù)測、決策和學(xué)習(xí)等能力。從能力模擬的角度看，現(xiàn)在的人工智能存在尚未充分模擬的能力，如想象能力、直覺能力等。除此之外，尚有圖靈機(jī)不可模擬的能力，甚至不可使用語言或者符號(hào)表達(dá)的能力以及人不可感知的能力（隱性能力）。這些都是未來人工智能拓展的巨大空間。

人工智能對(duì)智能的模擬有一個(gè)基本假定，就是人類的智能是計(jì)算的。如果僅僅從計(jì)算控制的角度進(jìn)行規(guī)約，這是否會(huì)陷入一種循環(huán)？神經(jīng)中樞控制身體，大腦控制神經(jīng)中樞，C腦區(qū)控制D腦區(qū)，B腦區(qū)控制C腦區(qū)，這樣追溯下去，終極控制是什么？模糊的整體論或者互動(dòng)論并不能解決根本問題。如何突破這一基本假定，對(duì)人類智能本質(zhì)獲得更加深刻的認(rèn)識(shí)，是人工智能哲學(xué)需要解決的基本問題之一。

（三）基于“計(jì)算機(jī)”

關(guān)于智能的工具載體要拓展思路：在借助計(jì)算機(jī)來模擬人類智能之外，可否借助其他工具，例如借助生物智慧或者利用群體生物智慧來模擬人類智能？現(xiàn)代生物醫(yī)藥的發(fā)展，已經(jīng)能夠通過給生物創(chuàng)造虛擬現(xiàn)實(shí)環(huán)境，并且可以捕獲生物對(duì)虛擬現(xiàn)實(shí)環(huán)境的刺激，進(jìn)行放大、縮小、改變，借助生物反應(yīng)，來控制智能體對(duì)環(huán)境做出反應(yīng)。是否可以進(jìn)一步探究生物感知反應(yīng)、直覺反應(yīng)和學(xué)習(xí)技能等來拓展人工智能。

另外，與借助符號(hào)、結(jié)構(gòu)、模式的數(shù)據(jù)模擬不同，也可以通過實(shí)際事件或物理模型來模擬從而實(shí)現(xiàn)瞬時(shí)、即時(shí)反應(yīng)。例如模擬天象的渾天儀，并不需要復(fù)雜的運(yùn)算就可以隨時(shí)確定天體的運(yùn)行方位，就是一個(gè)典范。

▍余論

人工智能會(huì)反殺人類嗎？這種擔(dān)心其實(shí)沒有必要。人工智能僅僅是一個(gè)特殊的工具而已。真正應(yīng)該擔(dān)心的是制造人工智能或利用人工智能的人。人工智能迄今仍然是沒有自主性的智能工具，從其根目錄上看它執(zhí)行的是人類的指令。盡管人工智能在程序的執(zhí)行過程中會(huì)表現(xiàn)出“疑似自主性”，如前所述，這是虛假的自主性，本質(zhì)上是一種選擇性、隨機(jī)性，和人類的自主性完全不是一回事。

通行定義中的人工智能只是對(duì)人類智能的模擬：“人工智能”一詞容易引起誤解，其實(shí)它就是人工機(jī)器，并無智能。從記憶功能看，古人使用擺放石子來計(jì)數(shù)，使用結(jié)繩計(jì)數(shù)，但是我們并不會(huì)認(rèn)為石頭、繩子有智能；從運(yùn)算功能看，人們曾經(jīng)使用算盤運(yùn)算，帕斯卡用加法機(jī)運(yùn)算，人們也不認(rèn)為算盤、加法機(jī)有智能；從存儲(chǔ)程序看，皇陵中防盜的機(jī)關(guān)、獵人捕獵的陷阱以及多米諾骨牌都有一定的程序存儲(chǔ)功能，但是我們也不會(huì)認(rèn)為機(jī)關(guān)、陷阱和骨牌有獨(dú)立的智能，因?yàn)樗鼈冎皇前巳祟惖闹悄堋．?dāng)然我也并不否認(rèn)可能存在真正意義上有智能的“人工智能”，存在不局限于計(jì)算機(jī)對(duì)人類智能的模擬的人工智能，它很可能用其他形式逼近或超越人類智能。

人類的任何思想，只要是自然語言可表達(dá)的，均可以使用一組符號(hào)無歧義地準(zhǔn)確表達(dá)出來——這是人類歷史上一批偉大的邏輯學(xué)家，如亞里士多德、萊布尼茨、布爾、弗雷格、羅素、希爾伯特等人的思想成果。今天，只要使用四組符號(hào)：個(gè)體符號(hào)、函數(shù)符號(hào)、謂詞符號(hào)和括號(hào)即可表達(dá)人類的任何思想。這是對(duì)萊布尼茨偉大思想的一個(gè)推進(jìn)。今天，我們?nèi)绾沃鼗仄瘘c(diǎn)，探求實(shí)現(xiàn)萊布尼茨之夢的新路徑，可能比設(shè)計(jì)一種新算法或者增加更多層次的人工神經(jīng)網(wǎng)絡(luò)更為根本。而盡量使用思想來解決問題，而不是使用不斷擴(kuò)充的設(shè)備來解決問題，這應(yīng)該是拓展人類智能的根本之路。

本文發(fā)表于《文化縱橫》2020年2月刊，原題為“邏輯的引擎：人工智能的舊限度與新可能”。圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，敬請聯(lián)系刪除。歡迎個(gè)人分享，媒體轉(zhuǎn)載請聯(lián)系本公眾號(hào)。