"生物信息"概念的隐喻解释困境及其意义

本文通过剖析"生物信息"概念隐喻解释的本质,指出分子生物学中的生物信息概念并不是生物分子世界内在意义的表达,而是科学家将符号序列作为符号存在的主体性认识的结果;认为隐喻解释作为强微观还原论的产物,其实质否定了生物信息概念在生物学中的自主性.然而,正是隐喻解释下的科学研究所引发的生物语义思考,为研究生物分子内在的符号系统、探寻生物信息的生成机制、进而建构完善的生物符号学体系提供了有益的思想前提.     

“计算的解释鸿沟”的新证据及其哲学反思

瑞杰等人根据机器意识、神经科学、认知心理学的最新成果认为,在用"计算"解释心灵、意识、思维现象时仍然存在着"计算的解释鸿沟"。本文通过对"计算"概念内涵及其内在结构与逻辑的分析,认为"计算的解释鸿沟"源自我们对人工计算系统与自然计算系统"内部结构与逻辑关联"的"错位理解",忽视了自然计算系统中句法在物理基础与表征之间的重要桥梁作用。如果我们在用表征解释心灵、意识、思维现象的同时,更加注重对心灵句法的揭示,"计算的解释鸿沟"就可能得到自然消解。     

人工智能中计算主义的当前难题及转进策略

在莱布尼茨、丘奇和图灵等人所奠定的计算的数理理论的基础上,数字计算机诞生,1956年达特茅斯会议将其命名为人工智能。受逻辑与数学的影响,这一时期人工智能主要遵循计算主义的建构方法将认知看作符号计算,但这一做法遭到了强烈的哲学批判,随着日本第五代计算机计划的幻灭,计算主义彻底陷入低谷。事实上,计算主义以其符号表征和符号操纵的方式已然实现了对人的计算智能的建模。由于计算智能是人类智能的重要部分,因此构建强人工智能离不开计算主义。不过这些批判也说明了一个重要问题,即经典计算主义需要新方向、新发展。     

对人工智能与自我意识区别的概念分析

国内哲学界围绕人工智能与自我意识关系问题引发很多争论。本文认为,争论的核心不在于人工智能是否具有自我意识,而在于如何区分人工智能与自我意识的问题。首先,我们需要从概念上理清意识与智能之间的区别,确定科学家们对意识和自我意识的讨论与哲学家们的讨论有着本质的区别。其次,鉴于分析传统中的"语义上行"策略的失败,我们在讨论人工智能与自我意识关系问题时必须采用"语义下行"的方式。最后,只有理解了人工智能与自我意识的区别,我们才能真正知道我们谈论这两者关系时究竟是在说什么。     

转基因技术之亚里士多德“四因说”分析

比较分析转基因技术与传统育种技术存在的"原因"——"四因"后发现:在质料因上,传统育种技术是"选择"好的质料而转基因技术是"制作"新的质料;在形式因上,传统育种技术是"改良"自然物种形式而转基因技术是"创造"人工物种形式;在动力因上,在传统育种技术中人力是"助推力"而在转基因技术中人力是"主导力";在目的因上,在传统育种技术中内在的目的依然剩余不少而在转基因技术中内在的目的正在被人类的外在的目的所取代。由此,传统育种技术培育的作物依旧保留着不少内在的本性,而转基因技术培育的作物的本性主要是由人类外在的赋予的。因此,转基因技术与传统育种技术具有本体论上的本质性差异。     

人工智能的极限与未来

近些年来,深度人工神经网络在围棋、图像与语音识别等领域取得了非常大的成功。这些领域属于长期以来困扰人工智能的复杂表征化领域,因此人们完全可以对未来人工智能的发展采取非常乐观的态度。然而,人工智能首先是基于理性主义哲学假设的。所以我们有必要从哲学的角度去分析人工智能的极限与未来。尽管深度人工神经网络在一定程度上似乎摒弃了符号主义所坚持的理性主义哲学假设,但深度人工神经网络仍然是以表征为核心的。这意味着非表征化的智能活动领域,就是这种人工智能的极限。人工智能的未来不应该是取代人类,而应该是人机共生。     

人工智能的不确定性及其治理探究

当前,人们对待人工智能的态度呈现出某种要么支持,要么反对的倾向,这种截然二分的态度实质上是认为人工智能作为一种外在于人的技术,其结果是唯一确定的。然而人工智能的发展是不确定的,因为人工智能与人之间的关系并不是外在的,而是相互构建和相互规定的,这种互动性是人工智能不确定性的根源,并且由于社会因素的融入和具体技术的语境性强化了人工智能的不确定性。对人工智能不确定的治理需要遵循预防原则;对具体人工智能技术要进行评估,从技术层面、社会层面和全球层面进行治理,引导人工智能与人类协调发展。     

科学建模的两种观点

关于科学建模有两种典型的观点,一是"系统派生观",二是"零碎借贷观"。前者认为,科学表征模型可以在原理模型(即科学原理)的基础上系统派生出来;后者强调科学家的科学建模活动实际上是从各种理论中选取所需要的部分进行创造性构造的过程。从以往的争论来看,这两种观点似乎各有侧重,不分胜负。但本文试图结合科学建模的案例论证,后者完全可以替代前者,不仅因为它比前者更符合科学家实际的建模活动,解释前者无法解释的现象,而且可以容纳理论派生模型的案例。     

结构同构与科学表征

科学模型究竟如何表征它们的目标系统,哲学界目前尚未达成共识。理论的语义观曾长期支配着人们对科学理论和模型的理解。一些哲学家认为,其中的结构主义或许能为我们提供一种科学表征理论。不过,仔细研究会发现科学表征不能根据模型和目标系统之间的同构关系获得解释,结构同构观并不是一种可行方案。模型包含结构,但科学表征不能还原为结构表征。科学表征依赖于对目标系统具体的信息描述,并且与实际的推理功能紧密关联。     

法律人工智能系统:法律实践的新工具

美国匹兹堡大学凯文·阿什利教授是法律人工智能研究领域的先驱之一,其开发的案例推理系统——"海波"系统被称为"过去三十余年最具影响力的法律人工智能系统"。阿什利教授认为,案例推理系统与法律文本分析的结合将引领法律人工智能系统研发的新方向。人工智能时代的到来对法律人提出了巨大的挑战,法律人应主动拥抱人工智能并参与到技术的设计和完善中来。作为研发者,应当坚持法律人工智能是人类的辅助者,而非取代者。人类应当始终参与法律决策。     

改良的可靠主义

可靠主义是当代知识论中的一个重要范畴,经过数十年的发展,仍是当前讨论知识与确证的最主要对象和运用的最基本概念之一。自其出现、发展至今,可靠主义已经发生了转变。当前的可靠主义理论已经偏离了传统的外在主义途径,转而向内在主义与外在主义的调和,甚至完全偏向内在主义。我们没有否认可靠主义转向的正确性和重要意义,因为知识的获得,必然要综合内在因素和外在因素。如果把戈德曼以及阿姆斯特朗等人早期对可靠主义的论述看作传统阶段,或传统意义上的可靠主义,那么后来对可靠主义进行修正与发展则可视作改良的可靠主义。本文结合戈德曼新确证理论、格雷科的主体可靠主义、斯杜普的内在主义可靠论,探讨有别于传统的改良的可靠主义,并认为可靠主义尽管经历了变化,但"可靠性"、"过程"的内涵则一直在延续,所变的也只是这个过程中的主体和对象,表现为"德性"或"特性"等。     

人工智能的框架问题及其解决策略

框架问题是经典人工智能的主要难题。它旨在寻找出一种表征形式,让行动中的能动者可以有效和恰当地表征一个变化的、复杂的世界。经典人工智能直接可用的显性符号表征由于难以实时、自动地更新,也无法捕捉大量的隐性知识,从而无力表征现实世界,面临框架问题的困扰。寻找一种打破显性/隐性区分的表征形式是解决框架问题的关键。联结主义采取了内在性策略,用内在表征取代外在表征,从而可以对表征自动更新;情境进路采取了交互性策略,让表征与对象之间保持高度的交互,从而可以让表征对语境充分敏感。但两种方案仍然没有完全解决框架问题。强化学习同时满足了内在性和交互性标准,或许将是解决框架问题的最佳路径。     

语言如何影响人们的思维

语言能够影响到人们的思维吗?该文针对这个古老的话题,概述了当今在语言和思维的关系问题上的研究新进展,主要包括以下几个方面:(1)语言表达强迫人们以不同的方式组织信息;(2)语义表征的差异可能影响到概念表征;(3)抽象符号促进高级认知的发展;(4)语言为人们提供了整合各种信息的工具等.     

基于"术语在线"的科技术语多义表征研究——以航空和航海术语为例

文章以“术语在线”为主要验证平台,以全国科学技术名词审定委员会发布的权威词库为基准语料,对航空与航海相关领域的若干典型交叉词条的义项进行了对比分析,并就其语义框架与阐释空间进行研究。研究发现:首先,在航空与航海领域存在大量的同形同义、同形异义和同义异形现象。其次,此类术语的语义表征依赖于特定的联立关系,受到相应概念元素的规约。一方面,在其依存的具体语义框架内,其语义表征符合单义性原则;另一方面,在学科交叉背景下,该类术语具备明显的学科间性特征,其语义表征具有多义阐释空间。     

理智与情感AI和艺术的短兵相接

<正>人类的创造力来源于内在的强烈欲望;AI没有欲望,只是为了满足人类的价值观。在人工智能时代,一切边界都模糊了。7月13日,微软基于情感计算框架的人工智能小冰在中央美术学院首次以画家身份举办个展《或然世界》。就在两个月前,小冰继诗歌和演唱之后,解锁了绘画技能,她化名"夏语冰"参加中央美术学院2019届研究生毕业展,但没有人识别出她的真实身份。毕业展总策划、     

“后信任社会”视域下的风险治理研究嬗变及趋向

传统社会构建基于权威和个体信任,现代社会的构建在很大程度上是确立系统信任,尤其是专家系统信任的过程,信任品性为社会发展提供了动力支撑,风险使人类步入了"后信任社会"。后信任社会对专家角色、互动机制、政策框架进行了重构,风险研究呈现出新动向,表现在:由专家诠释风险转向风险感知构建的公众参与;由单向风险沟通机制转向风险沟通的多元互动机制;由外在的风险管理转向内生的风险治理模式。运用社会学的分析工具和学术话语对风险展开多维度研究,反思"后信任社会"的风险机制,构建转型期的社会信任体系有助于增强风险感知、促进风险沟通和风险治理政策制定,对破解社会发展中的风险困境具有重要意义。     

心理内容的外在主义解释及其困境

外在主义者认为心理内容本质上是一种关系属性,它依赖于意向心理状态持有者所处的环境。在当代,普特南以孪生地球思想试验表达了意义不在头脑之中的外在主义理念,而柏奇的社会外在主义则更加深入地分析了心理内容或意义中所渗透的社会因素。然而,面对因果相关性、自知以及空概念的难题,外在主义者却难以给出令人满意的回应。     

a——国内一个不恰当的时间符号

时间单位年的符号a属于"中国特色",英文中一般使用y(或yr).中、英文两类期刊中用于表达时间的符号a具有不同的含义.英文期刊中a表示"之前",是单词ago的缩写,它必须与其他字母相结合才具有时间符号的意义;中文期刊中则表示"年",认为是拉丁文annus的缩写,被用作一个独立的时间符号.国内地学期刊中出现了一些与此相关的尴尬情形包括与国际脱轨;岁符号冗长;年、岁概念混淆;语义不明等.建议用y(或yr)作为"年"的符号,而让a(或ya)作为"岁"的符号.     

人工智能的语境论范式探析

人工智能的发展历程中贯穿着鲜明的语境论特征,现有的范式理论已无法对人工智能的发展状况做出正确描述,语境论有望成为人工智能理论发展的新范式。语境论范式的最大特征,就是所有问题都围绕语境问题而展开。人工智能中的语境,可分为表征语境和计算语境。建立在现有范式之上的语境论范式,必然以表征语境和计算语境为主要特征。表征语境与计算语境围绕智能模拟的语境问题逐步走向融合,将是语境论范式下人工智能发展的主要趋势。     

人工智能

<正>人工智能(artificial intelligence,AI)是解释和模拟人类智能、智能行为及其规律的学科,主要任务是建立智能信息处理理论,进而设计可展现近似于人类智能行为的计算机系统。人工智能被认为是21世纪三大尖端技术(基因工程、纳米科技、人工智能)之一。人工智能一词最初是在1956年达特茅斯会议上,由约翰·麦卡锡提出的。在之后的60多年里,人工智能取得了一连串里程碑式的突破:1997年"深蓝计算机"(Deep Blue)击败了当时的世界象棋冠军卡斯帕罗夫(Garry Kasparov); 2011年超级电脑"沃森"(Watson)