人工智能框架问题的情境表征

经典人工智能中的一个主要难题是"框架问题",即智能体如何在行动中有效和恰当地表征一个变化的、复杂的世界。本研究以科学实践哲学的理论与框架为视角,认为智能体与环境之间的互动表征生成于情境化的实践过程,人工智能应对复杂情境的举一反三、随机应变是情境化选择的结果,是一种动态维度的地方性产物,人工智能框架问题表征的规范性,正是通过实践内化的因果性得以发挥作用。     

论布鲁克斯的无表征智能理论

无表征智能是美国著名机器人制造专家罗德尼.布鲁克斯(Rodney Brooks)提出的一种智能理论。布鲁克斯认为,传统人工智能在建造机器人时,采取的是"感觉-建模-计划-行动"框架,这种框架在表征问题上遇到了巨大的困难。实际上,机器人的行动方式完全不必如此复杂,只需要两个步骤就可以:即感觉,然后行动。我们在建造机器人时,完全可以放弃表征范式所要求的那些复杂的计划、映射和认知等表征内容,而采取基于行为的包容结构。在包容理论指导下,布鲁克斯制造了"艾伦"、"赫伯特"、"成吉斯"、"考格"等机器人。布鲁克斯的理论取得了一定的成功,但也遇到一些新的困难。     

人工智能能否超越人类智能

半个多世纪以来,人工智能研究似乎取得了迅猛发展,但批评之声也一直不绝于耳。本文亦是一项关于人工智能的批判性分析,针对的是一个关系到人工智能研究基础的问题,即"人工智能能否超越人类智能"。我将尝试构造一个基于集体人格同一性(collective personal identity)的新论证,从而表明:首先,该问题原则上无法仅在经验科学的框架中获得有效解决;其次,该问题其实是一个没有认知意义的问题;最后,如果该问题没有认知意义,那么人工智能研究的一个重要目标,即"生产出一种新的能以人类智能相似的方式做出反应的智能机器",恐怕也无法实现。     

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。     

类人型和机器型人工智能的科幻叙事（英文）

关于人工智能，可以讲述许多不同的故事。事实上，在过去的几十年中，好莱坞科幻电影发生了转变。许多早期的故事展示了对人与机器的身份认知困惑，原因是它们似乎变得出奇地难以分辨。而近来的那些故事更多围绕着失望与冲击展开，因为我们发现那些模仿以及胜过人类逻辑能力的机器所拥有的智能与人类的思考与感受大相径庭。本文接下来的观察旨在反思这一转变的重要性。一方面，人工智能研究方向的转变，即从人型到机械型人工智能，本身具有指示性。另一方面，这些电影与其说在探索两种人工智能的影响和可能的未来，不如说它们在反思文化环境，反思那些激发或限制人工智能研究的希望与恐惧。在科幻这样一个由符号与象征、事物与作品组成的世界中，人们有各种方式来理解及定位自身。就这点而言，科幻也因此可以为技术诠释学研究，即为尝试理解人工智能及其意义与重要性，提供一个舞台或表征框架。     

科学中的例证与假装

科学样例和模型都是科学家们在表征外部世界过程中所取得的重要成就。然而,在追求正确刻画科学实践真实面貌的科学哲学事业中,样例很少被纳入哲学思考的视野。基于古德曼关于艺术表征的符号理论,埃尔金完善了例证学说并将其运用于科学领域。她对科学样例的符号分析,丰富了科学实践哲学。由于表征的语言学范式不能很好地处理虚构建模问题,埃尔金试图借助于"贴切的非真"概念来加以解决。然而,进一步的分析表明,她的论证策略存在一系列难以克服的困难。在如何理解虚构与表征问题上,假装理论提供了一个更好的概念框架,可以用于对模型的分析。     

框架问题的机制化实现与具身化进路——表征主义和反表征主义的困境与出路

心灵表征理论较易机制化,但在处理框架问题方面却遇到了困难。针对心灵表征理论的这个问题,德雷福斯等人提出了反表征主义的海德格尔式的具身理论。具身理论虽然可以解决框架问题,但它还处于隐喻阶段,如何使它实现机制化仍然面临诸多困境。     

面向技术本身的人工智能伦理框架——以自动驾驶系统为例

人工智能产业界在解决伦理问题时发现,技术专家无能为力。当转而寻求伦理专家给出方案,如自动驾驶在电车难题情景中撞向谁的伦理决策方案时,伦理专家发现自身难以承受如此责任。从现代技术哲学经验转向视角来看,这是技术和伦理相互独立甚至对立引发的后果。理想的治理方式是将人工智能技术与伦理融合成一种面向技术本身的人工智能伦理框架。基于"设计情景-使用情景",结合人工智能的两种技术设计思路"人工的智能"(AI)和"智能增强"(IA),这样的伦理框架能够解决自动驾驶面临的问责难题。     

一种避免"蕴涵怪论"的可行方法

"实质蕴涵怪论"问题是困扰经典逻辑的语义问题,在解决它的过程中产生了严格蕴涵和相干蕴涵,出现了模态逻辑和相干逻辑。模态逻辑中仍然有"严格蕴涵怪论"。相干逻辑避免了"蕴涵怪论",但把一些有效的推理形式排除在外,还具有不可判定性。"蕴涵怪论"是由于对推理关系进行形式化(数学化)引起的,因此,我们可以抛开形式系统来寻找一种方法避免"怪论"。本文将给出一个消除"蕴涵怪论"的可行方法———欧拉图解方法。     

吉利斯的归纳逻辑思想与归纳合理性的辩护

当代英国哲学家吉利斯在归纳逻辑方面的工作对归纳合理性辩护问题有着重大启发意义,他对几种有效的概率解释的合理性的分析可看作是对基于这些解释的经典概率归纳逻辑的合理性给予了恰到好处的局部辩护,而他在人工智能的新进展的基础上所提出的一个新的逻辑框架则有助于从一个新的视角看待归纳逻辑和归纳合理性问题。     

人工智能对人类身份认知的挑战及应对策略分析

人工智能的发展对人类传统的身份认知形成了挑战。应对这种挑战有两种策略:一是辩护性策略,二是建构性策略。辩护性策略从传统的人类身份认知角度,对人类的身份进行辩护,它虽然在一定程度上深化了人类对自身本质特征和特殊属性的认知,但是无法从根本上解决人工智能对人类身份认知的挑战。建构性策略是在人工智能发展的基础上打破传统的人类身份认知,对人类身份重新进行建构,它有三个维度:历史的、发展的和整体的。然而,无论是历史的维度还是纯粹发展的维度都不能从根本上解决人类自身发展与人工智能发展之间的矛盾,唯有整体的维度兼顾了历史、现在与未来,不仅能推动人类自身的发展也能推动人工智能的发展。     

德雷福斯对人工智能的批判仍然成立吗?

德雷福斯曾经提出:人工智能的问题既有科技属性,更有哲学属性。因为全部人工智能工作都依赖一个哲学假设:即人类世界是由可清晰表征的始基构成的,而智能就在某种独立的清晰元素之中。但从海德格尔和梅洛-庞蒂的现象学哲学来看,上述理性主义假设是不能成立的。德雷福斯就以现象学为基础来构建他的人工智能批判。近年来,深度学习算法大放异彩,而人工智能似乎已经完全克服了德雷福斯曾经提出的哲学批判。然而,在深入探查近些年来的人工智能工作之后,我们不难发现:尽管人工智能的神经网络进路的确取得了很大的进步,但它依旧没有放弃人工智能表征主义进路的哲学假设,因而仍然无法摆脱德雷福斯的哲学批判。     

人工智能消费场景中的女性性别歧视

人类社会正快速步入人工智能时代,人们无时无刻不处于人工智能消费场景中。人工智能不仅是一个技术问题,更是一个道德问题。然而,貌似客观中立的人工智能技术并未带来预想的性别平等,反而造成女性性别歧视现象丛生,招致越来越多的批评与抗议。人工智能与大数据是人类社会的镜像,虚拟世界出现问题,病根在人类世界。因此,构建机器伦理,加强行业自律,推进人工智能立法,增强女性在人工智能行业中的话语权,让男女平等观念深入到虚拟世界与机器世界,方是根治人工智能消费场景中女性性别歧视的善治之道。     

人工自然是认识天然自然的帷幕还是窗户?——对实验室中人工自然的哲学辨析

社会建构论认为,科学实验室中不存在天然自然,都是主体介入后的人工自然,所以由此形成的科学理论也具有主观性,从而表明科学不具有传统意义上的客观性和普遍性。分析人工自然的哲学内涵,可以表明主体对于天然自然的干预只是对其运行规律的选择性重组,而不是创造关于天然自然的规律;量子测量也是通过主体干预后使得天然自然的隐性属性转化为显性属性,并且通过研究显性属性来把握隐性属性。这表明,对人工自然的研究只是认识天然自然的中介和手段,而非目的。     

克里普克论知识悖论

知识悖论及其解决涉及到知识论的核心问题。克里普克在一篇新作中对意外考试悖论进行了深刻分析,并指出这一悖论的产生是由于错误地使用了"知识的持久性"这一前提,并以此为基础提出了一种新的知识悖论,即独断论悖论。通过分析可见,克里普克对"知识的持久性"的反驳以经典的知识论为框架,面对经典知识论所遭受的强有力的挑战,克里普克对意外考试悖论的解决缺乏可靠的理论支撑。知识悖论触及的是知识论的核心问题,任何尝试性的解决方案都要重新思考知识的本质到底是什么。     

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。     

常识知识表示:通向"人工智能"的途径

人工智能的知识表示包括专业知识与常识知识。人类常识知识具有语境相关性的显著特征,人工智能要处理常识知识就必须对与知识相关的语境进行研究。以麦卡锡、莱纳特为代表,两条不同路线的人工智能学者致力于常识知识的形式化研究并取得一些进展,但是当前人工智能知识表示中依然存在大量未解的难题。本文认为,寻找解决常识知识形式化这一人工智能研究的重要问题的关键一方面需要人工智能研究思路的转变,另一方面则在于从各门相关学科中寻找新的解题理念。     

预知性技术伦理消解AI科林格里奇困境的路径分析

人工智能的关键特征是采取最优行动,而该特征会直接导致人工智能难预知性和风险性的属性,进而使其社会负面影响呈现出早期难预测和后期难控制的特点,此称为人工智能的科林格里奇困境。而单一的技术向度解决科林格里奇困境对人工智能技术的特性提出了严苛要求,导致其适用范围的局限性。鉴于此,我们引入了现代伦理方法:预知性技术伦理(ATE),并用行动者网络理论对其责任分配问题进行了补充。在技术设计阶段渗透价值并映照社会行动者网络以解决人工智能社会后果在前期难预测、后果难纠正的问题,进而达到消解人工智能科林格里奇困境的目标。     

亲密性、误表征与自我表征主义

"意识的高阶表征理论"通过高阶的心理状态与一阶的心理状态间的外在的表征关系来解释现象意识。不过,它们面临着一个"来自亲密性的异议"。克里格的"自我表征主义"试图诉诸"构成表征"观点对此异议进行回应。他的回应策略成功与否的关键在于其能否有效地解决"误表征"问题。然而,在面对"极端的误表征"和"温和的误表征"两种情况时,"构成表征"仅可以回应前者而对后者却无能无力,因而克里格的"自我表征主义"的回应策略同样面临着异议。     

认识论的框架问题

框架问题已经困扰了人工智能领域40年之久,并成为认识论研究的一大难题.本文借助实例综述了框架问题及其衍生问题,并概述了为解决该问题而发展出的逻辑工具.文章重点阐述了框架问题在西方哲学界引发的讨论,包括认识论视角、科学哲学视角、对心智计算理论的挑战,以及逻辑和哲学的关系诸方面.