人工智能发展的两种技术范式

1、人工智能发展的两种技术范式1 技术范式技术范式是人们解决技术问题时所依据的一 定的技术期望、 工艺知识、 现有技术水平及资源利用模式等， 它规定着技术的领域、问题、 程序和任务， 具有强烈的“排他 性”。技术范式界定了将要满足的需要， 用于解决问题的科学 原理，是解决所选择的技术经济问题的一种模式。技术范式 规定了进一步创新的技术机会和如何利用这些机会的基本 程序，从而表现出方向性。 技术范式具有认识功能，为科技人员的智力活动提供了思想 框架或环境气氛，影响观察事物和解决问题的方式，指导技 术人员应该及不应该做什么，以及怎样做。技术范式具有纲 领功能。一是它形成一种信念，在其感召下会吸引一批坚

2、定 的拥护者；二是在甚至较长的一段时期内，为其拥护者留下 各种有待解决的问题，而且提供了解决这些问题的途径。范 式不仅对个人的心理或知觉有定向作用，而且对共同体的工 作也有定向作用，限定了工作的范围。正是有了这种限制， 工作才得以细致深入。科技人员可以将精力聚焦于解难题活 动上，不必考虑是否有解。技术范式具有社会功能。在范式 的感召之下形成了共同体。不仅是科学家和工程师，而且还 有投资商也坚信无疑。如果没有技术范式作为依据，有几人 敢在瞬息万变的技术前沿作出高风险和巨额的投资？而一旦获得成功，也最大限度的维持了技术范式的正确性，甚至 将信念化为真理。技术路线图可以认为是在范式所确定的各 种技术

3、变量间进行的多维权衡活动。一种技术路线包含了一 批可能的技术发展方向。工程师以及工程师所在的组织，他 们的工作和技术思考，都集中在明确的方向上，对其他的技 术可能性产生排斥性选择。技术范式界定技术路线的发展方 向，给出技术路线进行多维权衡所依据的技术经济量纲集合。 这个集合规定了技术路线发展方向的可能性空间。而所谓“技术进步”就是对这些量纲的权衡的改进。 在量纲的可能性空间 内，技术路线具有连续性。如果把处于由多种技术、经济量 纲所确定的一种多维空间中的技术路线类比为三维空间中 的“圆柱体”，那么圆柱体的边缘由技术范式本身的性质所确 定，而其高度则对应着技术路线的可延续性。一次次提出摩 尔定律

4、的极限，而一次次都被新技术、新工艺打破。其原因 就是范式在“圆柱体”内的引导作用。当沿某个技术途径前进 达到其有关技术和经济量纲的最高水平时，即可定义为“技术前沿”。而到达该量纲的极限，贝泌须“跳跃”到新的技术路线 成功的技术范式还对其他技术领域具有示范功能。从根本上 说，技术范式既具有客观性又具有主观性。前者意为不违背 客观规律，可以理解为前述“圆柱体”的直径与高度；后者则 表明某种信念，意味着技术范式并非建立在坚实的事实和规 律的基础上，涉及深层的哲学思考，关系到人类命运，关系 到对超越人类命运的规律的理解。有些技术范式具有普遍的 价值，其蕴涵的精神甚至领域上升为人类的精神。技术范式 既是

5、技术与人和社会相互作用的结果，又反过来引导和规范 人的行为，被规范的人的行为再强化范式。技术范式也有其 固有的缺陷、局限和负面影响。缺陷来源于其先天不足及概 括抽象过程中本身固有的问题；局限是任何科学原理和技术 设计都有其适用的范围；而负面影响则是对人的限定，排他 性遮蔽人的视野，技术范式的命令便构成了对人的促逼。技 术范式的指导是明确的，甚至是命令式的，企业和工程师的 目标清晰，但易于走向僵化，遮蔽了“圆柱体”外的景象，甚 至在“圆柱体”走到尽头仍执迷不悟。在一种范式的限定下， 企业往往会骑虎难下，投入的愈多就愈不能从它的困惑中走 出来。在一种范式或路线下形成的知识和惯例往往构成向另 一种范

6、式或路线转换的阻力。一般地说，从一条技术路线转 向另一条技术路线，特别当原有技术路线力量很强时，是比 较困难的。而那些没有传统负担的活动主体反而能较容易地 接受新范式，建立新路线。在此意义上，一种技术范式或其 中的一条技术路线，只是在技术的进化树上两次分岔间的必 然阶段。分岔点的来临将为技术的跨越式发展提供机会。人 在技术的发展中提出了范式，有必要正确地认识范式、应用 范式、超越范式，以及创造新的范式。 2 人工智能研发的范 式严格说，当前人工智能的研发尚未形成如摩尔定律那样清 晰可辨的范式，但是在一些方面所暴露出的分歧甚至对立显 示，人工智能领域的范式正在形成之中。可靠的推理要基于明确的概念

7、。但是人脑中的许多概念是模 糊的，比如：好人、新鲜等等。要让计算机代人做事，至少 有两种做法：一种是把认识数字化、标准化，一种是用神经 元来模拟人的认识。数字化、标准化并非模拟人脑的思维， 却容易被人理解；神经元是模拟人脑的思维，却难以被人理 解。前者易于验证、分析，后者则利于迅速得到这种知识。 总体上说，把概念数字化、标准化，容易提高可靠性，神经 元办法比较难。但是比较难不意味着不能用，关键是要找到 保证可靠性底线的办法或者用于可靠性要求不高的地方。宝 钢的首席研究员郭朝晖说的“两种做法”大致相当于以下的第 一和第二种范式。 1. “强人工智能”这一范式沿袭技术的发展 沿运动形式由低到高的次

8、序，由第一次工业革命中的基本物 理运动（机械运动、热运动和电磁运动；热机、电机） ，经 第二次工业革命的化学运动（有机合成） ， 20 世纪末高技术 中的生命运动（基因工程、基因编辑） ，接着进入人脑和意 识的领域，水到渠成。技术一步步跟随由自然到人的足迹， 亦步亦趋，步履坚定，每一步都有科学的坚实基础，每一步 都取得丰硕成果。人脑是自然界演化的最高成果，意识的本 质远未揭示。人工智能必须继续追随这一轨迹，没有理由脱 离这一成功的路径。然而在这一范式的背后还有深层的主观 因素，那就是人的尊严，以及人对未来的支配权。在人工智 能步步进逼之时，人类祭起荣誉、罪孽、崇高、卑劣等情感 的大旗以维护自己

9、的尊严，守住人类的边界。人工智能要到 这一步还有漫长的路要走。“身心”，是这一漫长路途中的一 座难以逾越的高峰。 20 世纪下半叶以来， 科学家越来越认识 到心脑不可分割，波兰尼关于意会知识( tacit knowledge ) 的研究广为人知。只要人工智能做不到这些，就谈不上与人 平起平坐。 Body ，不仅为大脑提供动力和营养，以及执行大 脑的指令，而且全方位参与对世界的感知、认识、判断和选 择，是人类智能不可或缺的一环。反过来说，大脑也只是人 的一部分，人的智能是人整体所具有的功能，并不只是大脑 的功能，智商与情商不可分割。一方面，编码知识的扩展没 有止境；然而另一方面，总有未能编码的意

10、会知识在前面。 从这一角度来看，人工智能永远不可能超越人，或者说，面 对人工智能， 人类将永远拥有居高临下的尊严。 “人工智能再 聪明也没有情感，只是机器而已。”费弗和邦加德提出的“具 身性智能( Embodiness Intelligence )” 1或“ embodied cognition ”，即“具身认知”，其主要意思，就是说人的认知过 程，其实是沉浸于环境的个体，在与环境的交互中涌现而来 的。换句话说， 人的认知， 并非是简单的“观照”、“思维”“、反 映”的机械过程。站在这一角度看，“人工智能”这一称谓目前 所强调的只是科学技术对人脑的研究与仿生，所考虑的只是“智商”，不涉及）od

11、y和情商，甚至剔除情商。 2016/9/25上 海 AI 小组闭门讨论会核心观点之一， 干脆称生命形态的不完 整情况下发展的人工智能为“伪智能”。不过他们也承认，二 进制比特基准和材料科学的局限依然是人工智能发展的主 要障碍。由此倒可以想起中国的“心”，要“用心”思考、做事， 乃至要有一颗“中国心”。眼下，人工智能界也开始讨论，要 走“强”人工智能进而“超”人工智能之路。由（深度） 情感计算 2架起情感与智能的桥梁。究竟是否该赋予阿法狗以“情”以“心”？李世石表示再也不想与阿法狗下棋 3 ，“因为我和它完 全没有感情交流，虽然此前做过很多设想，但在实际的比赛 里，我的压力是超越大家想象的。和没

12、有感情的机器对弈是 一件非常艰难的事情。”只要人工智能“无情”，人类大概就可 以“无义”，不承认其可以与人类相提并论。 2. 智能就是智能 围棋大赛则表明，一旦斩断情缘，人工智能之“智”，即可超 越与“心”“情”不可分的“智”。从更深层面来说，就是科学技术 未必沿着人作为整体，情商与智商，心脑同步进化的路径， 而是可以走把心脑分离的路径。人工智能之所求原本只是“智”，是“缸中大脑”，而非“情”非人；正因为此，人工智能超 越为情（包括形形色色的意识形态之争）所困的人的智能， 在不顾及这些“情感”之时把事情做得更好，甚至更绝。阿法 狗之胜，就在于不顾“意义”、“精髓”和“文化”，有脑无心，有 理无

13、情；在人类所遇到的不尽的事务中心无旁骛，只做一件 事，而且只做如国际象棋和围棋那样有边界有规则重复博弈 的事。正是通过重复博弈而演进博弈，开发深度学习，实现 人工智能的重大突破。这些成果的取得从根本上说是沿袭了 西方自笛卡尔以来的步点。远古，原始人以全部感官和心智 沉浸于“语境”之中，与周遭的一切融为一体。直至文艺复兴 时期，自然界依然用它那富于诗意的感性光辉对人的“全身心” 发出微笑（马克思） 。笛卡尔“认识论转向”，实际上是“脑”登 场，“心”退位。在“脑”的前面，是“一个冷、硬、无色、无声 的死沉世界，一个量的世界，一个服从机械规律性，可用数 学计算运动的世界，” 4 而心灵则成了“处理

14、机械自然中为物 理学无法解释的一切感性经验的倾倒垃圾的场所” 5 ，成了垃 圾箱。 理性在 18、19 世纪的口号是“以头立地”。以阿法狗等 为代表的人工智能的进展就是以人工智能“立地”。这一范式 的核心思想是，智能就是智能，不在乎心；一项一项去做， 不做全能冠军；一步一步去做，不去想人之为人。一项新的 发展是 , 谷歌机器学习取得颠覆式突破，新型翻译系统媲美 人工翻译 6 。新系统并没有所谓的翻译规则， 而是利用“自己” 摸索出的一条切实可靠的翻译方法，甚至可以在不考虑文字 含义的前提下阅读或者创建一段文字。该系统将文章自动分 割成很多小的片段，并且大多数时候这些片段看起来无厘头， 甚至不符

15、合人类说话的音节规律。这种“独立性”让系统的设 计者都不知道它正在做些什么， 但是结果胜过一切。 Quoc Le说：“这让人听起来有些迷惑不解。然而，我们反复的测试证 明，新系统就是好用。”在人机竞赛过程中， 人类的情绪和欲 望不是一个加分的能力。机器为什么要百分百地模仿人类？ 如果在未来的人机对抗中，情感不能加分而是减分，那么机 器的“冷酷无情”就不是缺点而是优点。说到底，为什么阿法 狗一定要有“赢棋之乐”，进而，人工智能为什么一定要以人 类为参照系，为追赶的目标？我行我素，剑走偏锋。必须要 摆脱人类中心主义的思路，唯其如此才能预见危机。用人工 神经网络实现完全像人一样多愁善感，一样的非理性

16、，可能 性几乎为零，并且也没有这个必要。关键在于，在“智能就是智能”的范式中，人工智能的发展将最终超越人性的基本弱点： 人是自利的，人是有限的。人工智能的发展无关尊严，而是 遵循规律。不是克服，而是绕过人性的弱点。没有自我意识 意味着无所谓“自利”，对于所有的情感“没感觉”；而在时空上 无穷无尽的大数据和超凡脱俗的计算能力则超越“有限”。凯 文凯利建议：随着人工智能的发展，可能要设计一些手段阻 止它们拥有（自我）意识，而当我们宣传最优质的人工智能 时，很可能给它打上“无（自我）意识”的标签。上帝的归上 帝，凯撒的归凯撒。请上帝照看人的灵魂，我来照看人的肉 体（米开朗琪罗）。人，照看自己的灵魂，

17、做出决策；机， 人工智能从事计算，提供决策的依据和选项。 凯文凯利认为， 如果现在人类充分利用这尚且在一定程度上还有发言权的三五十年，那么在奇点人中的心脑关系， 就可能是人主情商， 机主智商，人机合一，实际上是“人心机脑”。第三条道路：“量 子范式”（姑妄称之）在上述两种范式之外可能存在第三种范 式，虽然相对模糊，以至难以确切描绘，然而这一范式看来 确实存在，且可能逐步在人工智能研发的范式之争中获得一 席之地，目前来看，其核心内容可能关系到意识或自由意志 与量子纠缠的关系，以及量子计算机。“从这个角度上来讲， 没有到量子用上去之前，即不到量子人工智能的时代，我是 一点儿不担心人工智能会取代人类

18、。”潘建伟说道。马兆远在他的“物理学家看人工智能大跃进”一文中持同样的观点，在 由纳米尺度理解意识之前，“人工智能至少在三百年内还没什么机会超越人脑”。由量子的角度切入，有可能较之以往任何 时候更加逼近意识的本质，这也是“强人工智能”范式所追求 的目标。看来在这一点这两种范式走到了一起。然而，即使 这一范式获得某种突破，从目前趋势来看，其硬件或许是物 理制品，芯片、网络、线路，用硅，或者石墨烯等等制成， 不太可能是构成人脑这样的成分，也就是并非“完整的生命形态”，这一点可能招致“强人工智能”范式的不满。这一范式的 更大问题是，其概念在相当程度上超出另两种范式可以理解 的范围：纠缠、塌缩，或者坍

19、塌，以及带有越来越多主 观乃至神秘的色彩，似乎最终只能以说不清楚以及因人因时 而异的“意识”来理解意识，陷入某种同义反复的怪圈。有趣的是，在其他两种范式一时还看不清前景之时，“量子范式” 的前景反倒显得相对清晰：在其顶峰，佛祖守候已久。中国 科学院大学已故数学教授牛实为先生认为， 21 世纪的科学革 命将呈现出两个主旋律，第一个是“物理学与生命科学的合 流”，我们已看到， 生物学和物理学各自呈现的对自然之描述 现在开始合而为一； 而第二个主旋律则是“现代科学与中国哲 学的合流”。有学者宣称， 是时候建设中国的话语体系了。 字 里行间，已经不只是信念，而且是意识形态。3 由“前技术范式”到技术范

20、式在上述三种技术范式中， 彼此间的排斥清晰可 见。所谓“技术范式”，是技术、经济、社会、文化等各方面 博弈与合作，也就是“建构”的结果。以上的三种范式主要限 于与人工智能直接相关的研发人员的立场观点，因而还不能 说是“技术范式”，严格说只是“前技术范式”。于是，接下来的 问题就是，“前技术范式”如果希望发展为成熟的技术范式， 取决于哪一种前技术范式具有更有可能的应用前景和获得 更多的投资。 德勤最新的报告中这么表述：许多技术行业公司已开始将注 意力转向认知技术是如何改变他们的部门，或者公司（或其 竞争者）如何在战略和行动中落实这些技术。 德勤列举了 IBM 、 Alphabet 、亚马逊、惠普、思科等长期表现优秀的公司，认 为这些公司具有两个独特的属性：倾向于以价值而不是价格 将自身区别出来，并在降低成本之前尝试增加收益。通过在 认知技术上的大量优先投资，公司尝试通过用更新更好的产 品或服务而不是通过削减成本来来创造价值，从而增加收益。 更深层的原因是，这些公司将认知技术当成一种重塑自我以 使自己在未来更有竞争力的方式实际上，就是商业模型 转变的基础。最惊人的发现是技术公司会成立一个新的业务 部门，通过将认知技术用于产品创新甚至架构、运营、过程 和商业模式创新上来扩大规模产生收益。这些新部门也被当 做是对母公司