人工智能的这十大挑战，人类无法回避.pdf

人工智能的这十大挑战，人类无法回避

人工智能正在改变世界，而关键是人类应该如何塑造人工智能。

我们在“热”推进的同时，必须进行“冷”思考。本文立足于哲学视

域，来探讨智能化社会有可能带来的十大挑战。

挑战之一：人工智能有弱版本、强版本和超版本三种形式，目前

大力发展的弱人工智能，使人类生活的世界处于快速变化之中，这在

概念建构上使人类措手不及。如何重构概念框架，丰富现有的概念工

具箱，是人类面临的概念挑战。

关键词：机器学习、重构哲学社会科学框架

21世纪以来，随着大数据、云计算、图像识别以及自然语言处理

等技术的发展，以深度学习为基础的联结主义范式得到快速发展。这

种范式在观念上把计算机看成是类人脑，在方法上不再求助于形式化

的知识推理，不再通过求解问题来体现智能，而是求助于统计学，通

过模拟神经网络的联结机制，赋予计算机能够基于大样本数据进行自

主学习的能力，来体现智能。这就把人工智能的研究，从抽象的知识

表征转向实践中的技能提升，从原子主义的主客二分的理性分析方式，

转向能动者与其所在的世界彼此互动的感知学习方式。

能动者的技能提升是在学习过程中进行的。技能不能被等同于操

作规则或理论体系，而是能动者在其世界中或特定的域境（context）

中知道如何去做的技术能力。这种范式恰好与来自胡塞尔、海德格尔、

梅洛-庞蒂和德雷福斯的现象学相吻合。这也是为什么威诺格拉德于20

世纪80年代曾在斯坦福大学的计算机科学课程中讲授海德格尔哲学、

麻省理工学院的第二代人工智能科学家也不像第一代人那样排斥德雷

福斯的哲学主张的原因所在。

人工智能发展的这种范式转换，不仅揭示了人类体验世界、与世

界互动，以及在理解世界并赋予其意义上，使世界语义化的新方式，

而且正在全方位地改变着过去习以为常的一切架构。

一方面，基于统计学和随机性的算法建模，赋予智能机器在不断

实践中能够自主提高技能的能力，使得机器学习的不确定性和不可解

释性成为智能机器的基底背景，而不再是令人担忧的认识论难题；

另一方面，机器智能水平的高低，取决于其学习样本的体量或规

模，这强化了体知型认知（embodiedcognition）的重要性。智能机

器在学习过程中表现出的不确定性，以及人工智能所带来的世界的瞬

息万变，要求我们重构现有的规则与概念。因此，全方位地丰富和重

构哲学社会科学的概念框架，是我们迎接智能化社会的一个具体的建

设目标，而不是一个抽象的理论问题。

挑战之二：人工智能是由大数据来驱动的，如何理解数据之间的

相关性所体现出的预测或决策作用，是人类面临的思维方式的挑战。

关键词：相关性思维方式、数字环境适应人

大数据具有体量大、类型多、结构杂、变化快等基本特征。然而，

当数据成为我们认识世界的界面时，我们已经无意识地把获取信息的

方式，交给了搜索引擎。在搜索算法的引导下，我们的思维方式也就

相应地从重视寻找数据背景的原因，转向了如何运用数据本身。这就

颠覆了传统的因果性思维方式，接纳了相关性思维方式。

因果性思维方式追求的是，如果A，那么B；而相关性思维方式追

求的是，如果A，那么很有可能是B。这时，A并不是造成B的原因，

而只是推出B的相关因素。就起源而言，因果性思维方式是与牛顿力

学相联系的一种决定论的确定性思维方式，而相关性思维方式则是与

量子力学相联系的一种统计决定论的不确定性思维方式。

相关性思维与因果性思维，属于两个不同层次的思维方式，不存

在替代关系。前者是面对复杂系统的一种横向思维，后者则是面对简

单系统的一种纵向思维。比如，在城市管理中，智能手机的位置定位

功能有助于掌握人口密度与人员流动信息，共享单车的使用轨迹有助

于优化城市道路建设等。这些在过去都是无法想象的。

另一方面，随着数据实时功能的不断增强和推荐引擎技术的不断

发展，人与数据环境之间的适应关系也发生了倒转：不是人来适应数

字环境，而是数字环境来适应人。这种新的适应关系也是由相关关系

引领的。

挑战之三：在一个全景式的智能化社会里，如何重新界定隐私和

保护隐私，如何进行全球网络治理，是人类面临的新的伦理、法律和

社会挑战。

关键词：电子档案、信息删除权

当人类生存的物质世界成为智能化的世界时，