海氏现象学的一个基本观点是:西方哲学传统关心的是“存在者” , 而不是“存在”本身 。 而他自己的新哲学要重新揭露这被遗忘的“存在” 。 所谓“存在者” , 就是能够在语言表征中被清楚地对象化的东西 。 比如 , 命题、真值、主体、客体 , 都是这样的存在者 。 而“存在”本身 , 则难以在语言表征中被对象化 , 比如你在使用一个隐喻的时候所依赖的某种模糊的背景知识 。 你能够像列举你的十根手指一样 , 将开某个玩笑时的背景知识都说清楚吗?在背景知识与非背景知识之间 , 你能够找到清楚的界限吗?
而传统人工智能的麻烦就在这里 。 人类真实的智能活动都会依赖这些说不清楚的背景知识 , 而程序员呢 , 他们不把事情说得清清楚楚 , 就编写不了程序 。 这就构成了人类的现象学体验与机器编写的机械论预设之间的巨大张力 。
有人会说:机器何必要理睬人的现象学体验?人工智能又不是克隆人 , 完全可以不理睬人是怎么感知世界的啊?对这个非常肤浅的质疑 , 如下应答就足够了:我们为什么要做人工智能?不就是为了给人类增加帮手吗?假设你需要造一个搬运机器人 , 帮助你搬家 , 那么 , 你难道不希望他能够听懂你的命令吗?这个命令里包含了大量的方位代词 , 其具体含义必须在特定语境中才能够得到确定 。 在这样的情况下 , 你怎么可能不指望机器人与你分享同样的语境意识呢?你怎么能够忍受你的机器人是处在另外一个时空尺度里的怪物呢?既然这样的机器人必须具有与人类似的语境意识 , 由海氏哲学所揭示的人类现象学体验的某些基本结构 , 一定意义上不也正适用于真正的人工智能体吗?
全球范围内关于人工智能的技术与资本布局 , 多少受到了三种观点的影响
本书的真正主角 , 毋宁说是这样三个问题:
第一 , 现实评估之问:当下的主流人工智能 , 算是通用人工智能吗?(笔者的答案是“非也” 。 )
第二 , 伦理维度之问:研究通用人工智能 , 在伦理上是利大于弊 , 还是弊大于利?(笔者的答案是“利大于弊” 。 )
第三 , 路线图勾画之问:我们该如何逼近通用人工智能?(笔者对该问题的答案包含三个关键词:“小数据主义”“绿色人工智能”与“心智建模” 。 )
从笔者预先给出的这些问题的答案来看 , 读者应当看出 , 我是不可能赞成如下三条在当前媒体界与商界被反复鼓吹的意见的(但这三条意见彼此之间在逻辑上未必自洽):
第一(针对我的第一问):当前主流的人工智能 , 经由深度学习技术所提供的强大运算力 , 会在某个不太遥远的时刻逼近通用人工智能的目标 。
推荐阅读
- Google|谷歌暂缓2021年12月更新推送 调查Pixel 6遇到的掉线断连问题
- 人物|造车三兄弟的“喜与忧”:销量暴增但问题加剧,一人舒服两人困难?
- 虚拟|比尔·盖茨关于2022年的五项预言之二:元宇宙成有用的工具
- 诊断|比尔·盖茨关于2022年的五项预言之三:家庭医疗诊断手段普及
- Intel|Intel谈DDR5内存价格贵、缺货问题:新技术升级在所难免
- 最新消息|宝马LG和其他公司正考虑使用量子计算机解决具体问题
- Linux|glibc在默认情况下并未妥善解决Y2038问题
- 视点·观察|2021年清洁能源行业开始认真应对采矿问题
- Lenovo|因联想科创板上市问题 证监会问责中金公司并处罚旗下5名员工
- 数据|聚焦解决 “卡脖子”问题 三六零旗下国家工程研究中心纳入新序列