雅克布·約翰森 王 鑫

一、引言：AI、神經(jīng)形態(tài)硬件、人工直覺

AI在媒體上的討論越來越多，很多廣為流行的專業(yè)網(wǎng)站上的相關(guān)探討涵蓋了AI發(fā)展的最新趨勢(shì)和觀點(diǎn)。AI被認(rèn)為是正在進(jìn)行的一項(xiàng)具有重大意義的技術(shù)開發(fā)，人類正身處其中[1-3]。但是，正如Goode指出的那樣，這種討論的特點(diǎn)往往被“神奇的思維”左右，夸大和夸張的宣稱其實(shí)與事實(shí)并非相符。[2]正是AI的“情感效力”[2]激發(fā)人們對(duì)其的普遍看法，顯示出作者對(duì)這項(xiàng)技術(shù)的驚奇、熱情和恐懼。本研究并不把重點(diǎn)放在AI的準(zhǔn)確性、作者的情感投入或受眾對(duì)AI的潛在反應(yīng)上，而是遵循另一目標(biāo)：通過考察當(dāng)代AI的兩個(gè)特定趨勢(shì)或方面(而非AI整體)時(shí)，旨在分析神經(jīng)形態(tài)硬件和人工直覺的熱門文章中闡述了人類主體的哪些觀點(diǎn)。這種關(guān)注促使人們能夠?qū)θ斯ぶ悄艿木唧w發(fā)展和討論進(jìn)行深入審視，并從根本上關(guān)注AI與人類、化身、意識(shí)和直覺等之間的關(guān)系。這一目標(biāo)被視為關(guān)于AI和人類之間不斷變化邊界的更廣泛的討論，特別是在邏輯和直覺方面，人類大腦的功能也激發(fā)了AI硬件的開發(fā)。正如研究者對(duì)人工直覺和神經(jīng)形態(tài)硬件的討論所認(rèn)為的那樣，AI試圖模仿和采用人腦的特征，并且兩者都讓AI看起來比現(xiàn)在更高效、更自主、更人性化也更靈活。本研究討論的數(shù)據(jù)表明，AI可以從人類的大腦、人類的情感和人類的直覺中學(xué)習(xí)，建立在這些功能之上的AI可以比人類的大腦更好、更先進(jìn)。雖然這些觀點(diǎn)體現(xiàn)了AI社區(qū)中許多人的意愿，他們希望人工智能可以像人類一樣，比人類自身更高效地執(zhí)行任務(wù)，但是這些觀點(diǎn)并沒有對(duì)AI的透明性、可解釋性和可問責(zé)性等問題給予足夠的重視。

關(guān)于AI，有許多定義[4]。比如，AI是指“對(duì)從環(huán)境接收感知并執(zhí)行動(dòng)作的智能體的研究”。[4]通常是指機(jī)器，比如數(shù)字計(jì)算機(jī)。Turner將AI定義為非自然實(shí)體通過評(píng)估過程做出選擇的能力。[5]對(duì)Turner來說，非自然指的是人造的和機(jī)器制造(例如，當(dāng)AI系統(tǒng)創(chuàng)建其他AI時(shí))。而《大英百科全書》將AI定義為“數(shù)字計(jì)算機(jī)或計(jì)算機(jī)控制機(jī)器人執(zhí)行與智能人相關(guān)任務(wù)的能力”。[6]在這個(gè)意義上，智能生命就是指人類，他們有能力“推理、發(fā)現(xiàn)意義、概括或從過去的經(jīng)驗(yàn)中學(xué)習(xí)”。[6]雖然AI技術(shù)自20世紀(jì)50年代以來一直在發(fā)展中，但近年來，在模擬人類認(rèn)知特征方面，AI的復(fù)雜性有所提高。[7]總的來說，AI在過去10—15年里成長(zhǎng)迅速，是得益于物聯(lián)網(wǎng)[8]的發(fā)展，以及數(shù)據(jù)處理和基于傳感器的技術(shù)在不同領(lǐng)域的廣泛進(jìn)步。AI的普遍存在，促使人文和社會(huì)科學(xué)領(lǐng)域?qū)Υ说膶W(xué)術(shù)討論不斷增加，也得到了新聞傳播學(xué)界、業(yè)界對(duì)AI的廣泛關(guān)注。鑒于人工智能技術(shù)試圖模擬或模仿人類行為(如解決問題、認(rèn)知能力或模式識(shí)別)，并提升人類的這些特征，特別是AI被視為具有復(fù)制和提高人類大腦的核心能力，它理所應(yīng)當(dāng)?shù)貢?huì)吸引學(xué)者和記者的大量關(guān)注。不過，“即使有一臺(tái)幾乎擁有無限能力的電腦，人類仍然不知道它如何達(dá)到大腦的智力水平。”[4]然而，在開發(fā)AI技術(shù)時(shí)，一方面，AI的某些部分試圖尋求建立在人類大腦的結(jié)構(gòu)和能力之上，例如，人工神經(jīng)網(wǎng)絡(luò)建立了大腦活動(dòng)的數(shù)學(xué)模型；與此相反，思考大腦有助于擴(kuò)展技術(shù)概念的范圍。[4]本研究基于AI當(dāng)前發(fā)展的趨勢(shì)和狀態(tài)，重點(diǎn)關(guān)注兩個(gè)以“人”作為發(fā)展藍(lán)圖的方面，即：神經(jīng)形態(tài)硬件和人工直覺。兩者都被視為當(dāng)前討論AI趨勢(shì)的范例，并且這些趨勢(shì)在一些關(guān)注技術(shù)發(fā)展的網(wǎng)站上被廣泛熱議。

人工神經(jīng)網(wǎng)絡(luò)是以人腦為模型。這些軟件，通常是由能夠“通過從數(shù)據(jù)中學(xué)習(xí)解決方案來解決問題的自我設(shè)計(jì)”的算法組成[9]。這些系統(tǒng)“學(xué)習(xí)”執(zhí)行任務(wù)，不需要監(jiān)督，也沒有特定的規(guī)則。比如，在圖像識(shí)別中，通過人工分類的圖像訓(xùn)練，可以對(duì)圖像進(jìn)行分類。與此相關(guān)的是神經(jīng)形態(tài)硬件的最新發(fā)展，也是模擬大腦結(jié)構(gòu)和生物神經(jīng)網(wǎng)絡(luò)，這被認(rèn)為是AI的重大發(fā)展。[10-11]

傳統(tǒng)的中央處理器(CPU)處理指令基于“時(shí)鐘時(shí)間”——信息以固定的間隔傳輸，就像由節(jié)拍器管理一樣。通過將神經(jīng)元的數(shù)字等高線封裝起來，神經(jīng)形態(tài)學(xué)就可以利用“尖峰”(需要時(shí)就可以發(fā)送的突發(fā)電流)進(jìn)行并行通信(而且不像計(jì)時(shí)的時(shí)間那么死板)。就像我們的大腦一樣，芯片的神經(jīng)元通過處理傳入的電流來進(jìn)行交流——每個(gè)神經(jīng)元都能從傳入的脈沖決定是否向下一個(gè)神經(jīng)元發(fā)送電流。讓這成為一件大事的是，這些芯片處理AI算法所需的能量要小得多。[12]

與神經(jīng)形態(tài)硬件和神經(jīng)網(wǎng)絡(luò)相比，人工直覺還處在起步階段[13-15]，尚未實(shí)現(xiàn)。一些觀點(diǎn)認(rèn)為它將“取代”AI[16]。雖然有對(duì)人工直覺的炒作嫌疑，但這使分析變得更加有趣，因?yàn)樗仍噲D被創(chuàng)造，也被設(shè)想如何成為現(xiàn)實(shí)。人工直覺是指AI系統(tǒng)做出直觀選擇或?qū)栴}做出直觀反應(yīng)的能力[14]。AI在計(jì)算機(jī)科學(xué)中的探討和研究，也引起人文學(xué)者的興趣。這可以被看作更廣泛的跨人類/后人類[17-19]和“非人類轉(zhuǎn)向”[20]研究的一部分，從不同視角研究了主體和客體、人類和機(jī)器之間的關(guān)系[7-8，21-24]。N.Katherine Hayles在最近的一本書中提出了這樣的觀點(diǎn)：人類和計(jì)算技術(shù)，如AI驅(qū)動(dòng)系統(tǒng)，都具有認(rèn)知能力。Hayles特別關(guān)注認(rèn)知與她所聲稱的無意識(shí)認(rèn)知之間的關(guān)系。無意識(shí)認(rèn)知是指在神經(jīng)元層面上的過程，這些過程對(duì)意識(shí)是不可接近的，但對(duì)意識(shí)卻是至關(guān)重要的。機(jī)器本身并沒有意識(shí)，盡管如此，它還是能夠進(jìn)行無意識(shí)認(rèn)知。無意識(shí)認(rèn)知和直覺兩者之間有一些相似之處[7]。根據(jù)這一觀點(diǎn)，AI的未來可能是這樣一種情況，其特征在于機(jī)器能夠比人類更好地思考，這是由于無意識(shí)認(rèn)知的直覺方面(另見[25])——正如看到的那樣，AI行業(yè)和大眾評(píng)論同樣對(duì)這一前景有了新的預(yù)期。

事實(shí)上，只有少數(shù)學(xué)者關(guān)注和研究AI是如何在流行網(wǎng)站被構(gòu)建，尤其是通過這種敘述所展示的人類形象[1-3]。來自人文學(xué)者們對(duì)計(jì)算技術(shù)和AI的批評(píng)更為普遍，但是他們關(guān)注的只是理性，忽視了人的本質(zhì)和模仿人類特征的其他復(fù)雜性[26-31]。目前還沒有研究關(guān)注神經(jīng)形態(tài)硬件和人工直覺在更廣泛的科技界是如何被討論的。

本研究選擇了神經(jīng)形態(tài)硬件和人工直覺這兩種現(xiàn)象，前者是硬件的開發(fā)，后者則是基于代碼的開發(fā)，作為AI技術(shù)的兩個(gè)重要方面，二者也是相互關(guān)聯(lián)的。筆者重點(diǎn)考察這個(gè)問題在面向非專業(yè)受眾的公共網(wǎng)站(如Wired或Ars Technica)上是如何被討論的。貫穿和引導(dǎo)數(shù)據(jù)收集和分析的主要問題是：在關(guān)于神經(jīng)形態(tài)硬件和人工直覺的熱門文章中，對(duì)人類主體的看法是什么？為了對(duì)數(shù)據(jù)進(jìn)行定性、詳細(xì)的內(nèi)容分析，本研究采取小樣本的分析方法，即選擇谷歌搜索前兩頁的文章。這些文章是2019年5月通過谷歌搜索關(guān)鍵詞“神經(jīng)形態(tài)硬件”和“人工直覺”獲得的。雖然大樣本可能是有益的，但本研究以實(shí)證分析為主，輔以相關(guān)理論闡釋，著重于詳細(xì)的討論，因此數(shù)據(jù)量有限。本研究依據(jù)內(nèi)容并按主題劃分共討論了七個(gè)網(wǎng)站，這些主題涵蓋在接下來的分析中。

二、AI對(duì)人腦的模擬與超越：關(guān)于大腦內(nèi)外神經(jīng)形態(tài)硬件的討論

毫不奇怪，本研究參考的網(wǎng)站幾乎都提供了神經(jīng)形態(tài)硬件現(xiàn)象背后的功能和技術(shù)解釋。比如前面提及的在Wired[12]和Ars Technica的引文中，都是參照人類大腦來解釋這一現(xiàn)象：

該芯片包含100萬個(gè)“神經(jīng)元”，每個(gè)神經(jīng)元由一組數(shù)字晶體管表示，以及2.56億個(gè)“突觸”，也就是它們之間的有線連接。兩個(gè)特性使芯片比傳統(tǒng)芯片更高效。首先，像大腦一樣，它通過“尖峰”(spike)進(jìn)行溝通，也就是從一個(gè)神經(jīng)元向下游神經(jīng)元發(fā)送一個(gè)大小的信息包。因?yàn)樗梢赃@樣通信，所以信號(hào)很簡(jiǎn)單(尖峰或沒有尖峰)，而且只有在神經(jīng)元傳輸數(shù)據(jù)包時(shí)才偶爾傳輸。第二，和大腦一樣，處理和記憶是同時(shí)定位的——在神經(jīng)元和它們的突觸中。在傳統(tǒng)的計(jì)算機(jī)中，處理單元不斷地從不同的內(nèi)存區(qū)域獲取信息，對(duì)其執(zhí)行操作，然后將新信息返回到內(nèi)存中，這導(dǎo)致了大量緩慢而浪費(fèi)的通信。[32]

上述引文的驚人之處在于，盡管人類大腦和神經(jīng)形態(tài)芯片之間存在著一種隱含的區(qū)別，而這種區(qū)別部分是由大腦的某些神經(jīng)功能所激發(fā)的，但通過將兩者等同起來，這種區(qū)別就被打破了，“神經(jīng)元的等價(jià)物”使用“尖峰”。突觸、神經(jīng)元和尖峰都是人類大腦功能的基本方面，盡管它們?cè)诿枋錾窠?jīng)形態(tài)硬件時(shí)都被用引號(hào)括起來，但這些術(shù)語仍然被使用?！吧窠?jīng)元的數(shù)字等價(jià)物”“就像我們自己的大腦一樣”和“就像大腦一樣”的表達(dá)方式表明，這種技術(shù)已經(jīng)直接模仿了人類大腦。它不僅受到神經(jīng)元如何交流的啟發(fā)，還有效地重現(xiàn)了芯片中大腦功能某些方面的技術(shù)性。這是該技術(shù)的一個(gè)重要框架，因?yàn)樗韧谌祟惔竽X和用于AI的硬件。在現(xiàn)實(shí)中，一些外部的東西(人類大腦)已經(jīng)通過技術(shù)被模擬出來，并且廣泛地用于展示神經(jīng)形態(tài)硬件是如何像人類大腦一樣[1]。這一框架暗示人類大腦的復(fù)雜性已經(jīng)在硬件上被成功地再現(xiàn)和模擬了。一個(gè)硬件(神經(jīng)元、突觸、尖峰)被映射到另一個(gè)硬件(芯片、電子、瓦特)上。這些公式已經(jīng)揭示了科技行業(yè)內(nèi)外許多人的固有信念，即計(jì)算機(jī)技術(shù)可以成功地采用和調(diào)整大腦的高效神經(jīng)元?jiǎng)恿W(xué)，以實(shí)現(xiàn)其自身的目的。這是否屬實(shí)，仍有待商榷。從上面的引文中，人們會(huì)認(rèn)為大腦實(shí)際上比AI在信息傳輸?shù)男屎徒?jīng)濟(jì)使用方面更好。神經(jīng)形態(tài)芯片比傳統(tǒng)芯片更高效、更節(jié)能，因?yàn)檫@種芯片消除了一些活躍的或者不活躍的“無用”通信。人類大腦和AI硬件的這個(gè)等式在下面的引文中得到了進(jìn)一步的證明：

神經(jīng)形態(tài)計(jì)算的靈感來自人類大腦的功能，目前人類大腦在所有需要?jiǎng)?chuàng)造力或?qū)⒅R(shí)轉(zhuǎn)移到其他問題上的表現(xiàn)仍然優(yōu)于機(jī)器。此外，人腦的能量效率令人難以置信，僅使用約20瓦[2]。大腦中主要的計(jì)算單元是神經(jīng)元，成年人大腦中大約有1000億個(gè)神經(jīng)元。這些神經(jīng)元由超過15萬公里的神經(jīng)纖維和150萬億突觸[4]連接，使大腦結(jié)構(gòu)大規(guī)模并行。作為對(duì)比：截至2017年11月，世界上最快的超級(jí)計(jì)算機(jī)擁有10 649 600個(gè)處理器內(nèi)核，使用15 731kW的能量[4]。單個(gè)CPU核心可以執(zhí)行的計(jì)算量不能與單個(gè)神經(jīng)元執(zhí)行的計(jì)算量直接比較。然而，特別是在人工智能的應(yīng)用中，人類的大腦可以作為一個(gè)非常強(qiáng)大和高效的計(jì)算系統(tǒng)的藍(lán)圖。[33]

Sherry Turkle早于2005年就指出，自從個(gè)人電腦在人類日常生活中獲得如此基本的功能之后，個(gè)體就開始用電腦和數(shù)字技術(shù)的功能來描述他們自己和他們的思想[34]。類似的情況發(fā)生在上述引自Wired，Ars Technica和MI Garage的文章描述中。大腦(據(jù)說)像電腦一樣有效地運(yùn)作，所以這些功能可以轉(zhuǎn)移到硬件上。它的“主要計(jì)算單元”是神經(jīng)元。然而，在這一點(diǎn)上，大腦仍然是一臺(tái)比任何以它為模型的硬件更好的計(jì)算機(jī)，或者在技術(shù)上更先進(jìn)。當(dāng)涉及像解決問題這樣的復(fù)雜任務(wù)時(shí)，它的表現(xiàn)“優(yōu)于”神經(jīng)形態(tài)計(jì)算；它也是節(jié)能的，它使用瓦特就像計(jì)算硬件一樣。從上面的引文中可以清楚地看出，大腦可作為能量和信息傳輸效率的藍(lán)圖?？紤]到AI的最終目標(biāo)是在本體論和認(rèn)識(shí)論，或者說硬件和軟件方面復(fù)制人類智能，這或許并不令人意外。但這樣的方程式是否能同時(shí)反映人腦的復(fù)雜性，以及更廣泛意義上作為研究對(duì)象——人的復(fù)雜性，仍然是個(gè)問題。稍后我們將更詳細(xì)地討論這一點(diǎn)。前面引用Wired同一篇文章的另一段內(nèi)容討論了在計(jì)算機(jī)上模擬的復(fù)雜大腦模型Spaun：

Spaun證明，計(jì)算機(jī)可以與環(huán)境進(jìn)行流暢的互動(dòng)，并執(zhí)行類似人類的認(rèn)知任務(wù)，比如識(shí)別圖像和控制機(jī)器人手臂記錄它所看到的東西。這臺(tái)機(jī)器并不完美，但它是一個(gè)驚人的證明：有一天，電腦可能會(huì)模糊人類與機(jī)器認(rèn)知之間的界線。[12]

另一個(gè)評(píng)論者寫道：

隨著AI的成熟，在日益沉浸和復(fù)雜的場(chǎng)景中開發(fā)和訓(xùn)練這些系統(tǒng)的需求成為進(jìn)展的主要關(guān)注點(diǎn)。我們知道，AI領(lǐng)域的最終目標(biāo)是生產(chǎn)出一種通用人工智能(AGI)，它在人類努力的所有領(lǐng)域都能超越人類，我們需要建設(shè)一個(gè)足夠富裕、足夠大、有足夠多復(fù)雜實(shí)體的世界，以實(shí)現(xiàn)這一發(fā)展的最大化。[35]

這些引述表明，AI的未來指日可待。在未來，計(jì)算機(jī)將對(duì)人的大腦進(jìn)行充分的模擬。計(jì)算機(jī)能“執(zhí)行類似人類的認(rèn)知任務(wù)”，哪怕是相當(dāng)簡(jiǎn)單的任務(wù)。然而，目標(biāo)是明確的：AI必將超越人類的認(rèn)知能力[7]，這樣的敘述以一種必然面向進(jìn)步的方式構(gòu)建了AI。AGI只是一個(gè)用足夠的數(shù)據(jù)創(chuàng)建足夠復(fù)雜的環(huán)境來訓(xùn)練系統(tǒng)的問題，更好和更復(fù)雜技術(shù)的因果關(guān)系已然建立。(實(shí)際上，Artificial Mind的研發(fā)者并不認(rèn)為這是一個(gè)需要足夠多數(shù)據(jù)和復(fù)雜的環(huán)境訓(xùn)練就能夠解決的問題，而是使用不同于現(xiàn)有AI的新的計(jì)算機(jī)語言才有可能實(shí)現(xiàn))人類的大腦，無論多么復(fù)雜和聰明，最終都會(huì)輸給AI。然而，我們還沒有做到這一點(diǎn)：神經(jīng)形態(tài)硬件(以及軟件)目前只能完成特定的任務(wù)。例如，曼徹斯特大學(xué)的SpiNNaker(Spiking Neural Network Architecture)項(xiàng)目被命名為能夠找到“數(shù)獨(dú)(sudoku)的解決方案……或者用四種顏色給地圖上色，而相鄰國家的顏色不相同……”[36]?；蛉缦率觯?/p>

傳統(tǒng)上，編寫計(jì)算機(jī)程序需要編寫循序漸進(jìn)的指令。例如，教計(jì)算機(jī)識(shí)別狗，可能需要列出一組規(guī)則來指導(dǎo)它的判斷：看看是不是動(dòng)物；檢查它是否有四條腿；檢查它是否比貓大、比馬小；檢查它是否吠叫等。但良好的判斷需要靈活性，如果電腦遇到一只不會(huì)叫、只有三條腿的小狗怎么辦？那么，也許需要更多的規(guī)則，但是為計(jì)算機(jī)做出的每種類型的決策必須列出無窮無盡的規(guī)則并重復(fù)該過程是低效且不切實(shí)際的。[32]

AI需要更多的靈活性，更多的跳出框框的思考，而不是將特定的問題與規(guī)定的解決方案或?qū)傩赃M(jìn)行比較。有一些人提倡，值得探索的解決方案可能是人工直覺。

三、人工直覺和AI的人性化：直覺理論與人工直覺的技術(shù)邏輯想象

(一)關(guān)于直覺的理論敘述

關(guān)于“直覺”這個(gè)術(shù)語有很多角度的討論。本研究主要借鑒文化研究和情感理論中對(duì)直覺的定義(關(guān)于這個(gè)術(shù)語的廣泛討論，請(qǐng)參閱Chudnoff，2013[37])。從歷史上看，直覺作為一種較低或相對(duì)沒有價(jià)值的認(rèn)知形式，常常被置于理性的對(duì)立面。性別歧視的話語將直覺與女性聯(lián)系在一起，女性的邏輯思維能力會(huì)更弱，因?yàn)樗齻儽徽J(rèn)為比男性更情緒化[38]。直覺依賴于個(gè)人的主體性，因此每個(gè)人的直覺都是不同的。直覺通常被理解為一種經(jīng)驗(yàn)和感覺的認(rèn)知形式，而不是完全有意識(shí)的認(rèn)知。它通常與“直覺”“預(yù)感”或“有某種感覺”等術(shù)語聯(lián)系在一起。直覺指的是一種身體狀態(tài)或經(jīng)驗(yàn)，在這種狀態(tài)下，個(gè)體的行為不必有(經(jīng)驗(yàn)的)證據(jù)或證據(jù)；它是一種轉(zhuǎn)瞬即逝的東西，被跟隨或傾聽，然后可能在并不能充分理解原因的情況下付諸行動(dòng)；直覺還指一種即時(shí)的經(jīng)驗(yàn)?zāi)Ｊ?，在個(gè)體完全沒有意識(shí)到和認(rèn)知到之前，就已經(jīng)發(fā)生。這與某些情感理論是一致的，這些理論強(qiáng)調(diào)的是具身體驗(yàn)，這些體驗(yàn)主要是感覺到的，而不是人類身體完全了解的。情感指的是身體在有意識(shí)地了解或反思這些經(jīng)歷之前，在感官上受到影響的能力[22，39-40]。然而，直覺并不反對(duì)理性，也不與理性相矛盾，它指的是本能的感覺。Greg Seigworth曾寫道，“通過直覺能力的經(jīng)驗(yàn)和實(shí)驗(yàn)……超越或溢出智力”[41]。對(duì)于Pedwell來說，直覺是在將其轉(zhuǎn)化為表征性和分析性思維范疇之前的具體經(jīng)驗(yàn)[42]。當(dāng)然，關(guān)于直覺的理論敘述無論是在哲學(xué)家或者文學(xué)理論家那里還有很多，根據(jù)本研究的需要，在此不再贅述。目前，AI仍然是基于邏輯通過算法來實(shí)現(xiàn)認(rèn)知和理解的，但人類不僅具有邏輯認(rèn)知，還具有超越邏輯和語言限制的直覺。

(二)關(guān)于人工直覺發(fā)展的技術(shù)想象

直覺最近引起了AI領(lǐng)域計(jì)算機(jī)科學(xué)家和評(píng)論者的極大興趣，在某種程度上，這也與神經(jīng)形態(tài)硬件有關(guān)。直覺和它被普遍理解的方式似乎是AI一個(gè)重要的邏輯組成部分：

我們希望機(jī)器能夠憑直覺思考的一個(gè)原因是為了我們的安全。應(yīng)用人工直覺的一個(gè)很好的例子就是自動(dòng)駕駛汽車或自動(dòng)駕駛設(shè)備。搭載AI軟件的機(jī)載傳感器一直是這些系統(tǒng)的工作方式，但在某些情況下，它們?nèi)匀蝗菀装l(fā)生事故。通過人工直覺，自動(dòng)駕駛汽車可以預(yù)測(cè)道路上可能發(fā)生的不可預(yù)測(cè)的事情。[43]

考慮到最近發(fā)生的自動(dòng)駕駛汽車事故，人們可能會(huì)同意上述說法，以及AI驅(qū)動(dòng)系統(tǒng)需要更直觀地發(fā)揮作用，而不是像目前這樣死板、容易出錯(cuò)。在上面的引文中，直覺被設(shè)定為具有靈活性和動(dòng)態(tài)性的特征，這是至關(guān)重要的。但機(jī)器憑直覺思考到底意味著什么呢?基于這些評(píng)論，直覺是如何被理解和構(gòu)建的?

在游戲中，我們已經(jīng)看到許多早期成功的深層強(qiáng)化學(xué)習(xí)算法的初步部署，比如DeepMind的AlphaGo Zero已經(jīng)掌握了超越任何人類玩家能力的圍棋和國際象棋棋藝，顯示出人類從未考慮過的戰(zhàn)略洞見。例如AlphaGo Zero并沒有遵循通常控制人類游戲的Reinfield值(國際象棋棋子的具體值為：棋子=1，騎士=3，皇后=9等)，而是優(yōu)化棋盤位置，幾乎完全忽略棋子值。有趣的是，這源于它自學(xué)而不是觀察人類游戲的能力，從而避免了人類偏見的污染。然而，在這個(gè)過程中，AlphaGo Zero產(chǎn)生的性能比任何其他國際象棋引擎都更人性化，它更依賴于啟發(fā)式或直覺，以達(dá)成一個(gè)聰明的戰(zhàn)略，而較少考慮棋局的位置。[35]

雖然對(duì)AI直覺系統(tǒng)的需求是可以理解的，即使不存在術(shù)語上的矛盾，但問題仍然存在。雖然人類的直覺是基于經(jīng)驗(yàn)和積累足夠多的“數(shù)據(jù)”，在給定的情況下憑直覺行事；但當(dāng)一個(gè)人憑直覺行事時(shí)，數(shù)據(jù)或經(jīng)驗(yàn)是如何以及為什么被利用，遠(yuǎn)比之前描述的要模糊和復(fù)雜得多。AlphaGo Zero(主要基于神經(jīng)網(wǎng)絡(luò))或許能夠更直觀地行動(dòng)，并自學(xué)新的策略，但這與人類的直覺并不相同。事實(shí)上，正如Paolo Bory所討論的那樣，最初的AlphaGo(AlphaGo Zero的前身)擊敗世界冠軍的舉動(dòng)被認(rèn)為是創(chuàng)造性的，甚至是漂亮的。實(shí)際上，它與人類并不像?！?比賽)第二天，DeepMind透露，AlphaGo之所以決定下這一步棋，是因?yàn)槿祟惼迨窒逻@一步棋的可能性是1：10 000?！盵3]。對(duì)于AI“決定”執(zhí)行某一特定動(dòng)作的解釋，根植于邏輯而非直覺。對(duì)概率的計(jì)算導(dǎo)致了一個(gè)特定的舉動(dòng)，導(dǎo)致人類玩家的失敗。這是一種創(chuàng)造性的形式，但不是直覺，它看起來是實(shí)用的，更重要的是，對(duì)其他人來說是可以解釋的。AlphaGo的這種非人類特征在它的下一個(gè)版本中得到了進(jìn)一步的發(fā)展：

經(jīng)過僅3天的自我訓(xùn)練，AlphaGo Zero就強(qiáng)勢(shì)打敗了此前戰(zhàn)勝李世石的舊版AlphaGo，戰(zhàn)績(jī)是100：0。40天后，它以90%的勝率擊敗了最先進(jìn)的AlphaGo原始軟件。通過不使用人類數(shù)據(jù)——不以任何方式使用人類專業(yè)知識(shí)——我們實(shí)際上消除了人類知識(shí)的限制。因此，它能夠根據(jù)基本原理創(chuàng)造知識(shí)；從零開始。這使得它比以前的版本功能強(qiáng)大得多。[43]

無論AlphaGo Zero的動(dòng)作多么接近直覺，它用來自我學(xué)習(xí)的數(shù)據(jù)仍然可以獲得。它“有意識(shí)地”地進(jìn)行自我數(shù)據(jù)學(xué)習(xí)。也許“靈活性”比“直覺”在這里更合適。雖然目前的AI可能(仍舊)無法實(shí)現(xiàn)接近人類直覺復(fù)雜性的直覺能力，但上述討論提出了有關(guān)意識(shí)和對(duì)AI的無意識(shí)認(rèn)知的相關(guān)問題。在此引入一些其他數(shù)據(jù)來更詳細(xì)地討論這個(gè)問題：

直覺更多地與直感有關(guān)，而不是經(jīng)過計(jì)算的決策過程。直覺和智力不一樣的。它們實(shí)際上是兩個(gè)不同的認(rèn)知過程。智力是建立在已知的基礎(chǔ)上的，而直覺是處理未知的。直覺更多的是基于感覺，而智力則是依靠邏輯。人類可以根據(jù)他們的感覺做出決定，而不一定是合乎邏輯的。計(jì)算機(jī)不像人類那樣有情感，對(duì)一臺(tái)機(jī)器而言，由于只是二進(jìn)制的，在做決定時(shí)使用“直覺”是相當(dāng)了不起的。[43]

但是，直覺確實(shí)是一種認(rèn)知的形式，也是一種智力的形式，盡管對(duì)文化理論家來說，直覺不是邏輯，也是完全不需要計(jì)算的。計(jì)算機(jī)是否能夠基于直覺做出決策，這個(gè)問題很重要，因?yàn)樗赡軙?huì)為自動(dòng)化系統(tǒng)提供更多的動(dòng)力。例如，一個(gè)預(yù)測(cè)性的警務(wù)軟件標(biāo)記了一個(gè)通過閉路電視攝像機(jī)接受調(diào)查的人，不是因?yàn)樵撊说哪樆诂F(xiàn)有數(shù)據(jù)庫更容易被識(shí)別；而是因?yàn)樵撥浖闹庇X判斷，不是基于現(xiàn)有的知識(shí)/數(shù)據(jù)，而是基于一些未知的內(nèi)容。這顯然引發(fā)了重大的倫理問題，因?yàn)闊o法提出正式證據(jù)來解釋為什么這個(gè)人會(huì)被軟件標(biāo)記出來，然后被警方逮捕。直覺幾乎不能成為一個(gè)有效的理由。另一方面，如果一輛自動(dòng)駕駛汽車突然停了下來，因?yàn)樗芨杏X到一個(gè)行人可能會(huì)跑到汽車前面，直覺會(huì)非常有效。下面的討論呈現(xiàn)了類似的困境：

首先，直覺僅僅是不依靠完整的知識(shí)而做出的正確決定的標(biāo)簽。如果人們是直覺的，我們是可以接受的，事實(shí)上，我們也提升其價(jià)值并欽佩它們。但是我們對(duì)機(jī)器做出涉及直覺、模糊或不完整數(shù)據(jù)的決定的前景感到不安。如果直覺只是一堆我們沒有意識(shí)到的變量呢?[44]

答案可能是讓AI更加富有情感和人性化。

科學(xué)家們把傳感器放在人們的手指上，記錄他們?cè)隈{駛模擬器中的脈搏，以此作為衡量清醒程度的標(biāo)準(zhǔn)。算法利用這些記錄——四個(gè)人共用80分鐘——來學(xué)習(xí)預(yù)測(cè)一個(gè)人在駕駛途中每一刻的脈搏。然后，它利用這些“可怕”的信號(hào)作為向?qū)?，學(xué)習(xí)在虛擬世界中的駕駛。[45]

例如，科學(xué)家教AI自動(dòng)駕駛汽車如何在撞車發(fā)生前“害怕”這一過程，可能會(huì)幫助科學(xué)家得到一個(gè)解決方案。然而，與我們之前討論的神經(jīng)形態(tài)硬件相似，一個(gè)基本的人類特征(恐懼和或者因?yàn)楹ε庐a(chǎn)生的本能行為)被映射到技術(shù)上。通過這樣的嘗試，AI被擬人了，無論是在實(shí)踐中還是在話語建構(gòu)中。人工直覺被認(rèn)為是可以使AI更有效的東西，最終需要更少人的監(jiān)督或控制。

實(shí)際上，AI非常適合做出這些高度直觀的決定。因?yàn)樗皇怯幸庾R(shí)的，所以它對(duì)觀察到的東西沒有偏見，所以它能意識(shí)到影響特殊決定的每件事。這有點(diǎn)像機(jī)器版的夏洛克·福爾摩斯(Sherlock Holmes)，他會(huì)注意到每個(gè)微小的細(xì)節(jié)，然后通過判斷這些細(xì)節(jié)中哪些是重要的來得出觀察結(jié)果。[44]

上面這段引述最能說明一些人是如何看待AI的。事實(shí)上，AI遠(yuǎn)非沒有偏見。AI驅(qū)動(dòng)的系統(tǒng)最初是由人類構(gòu)建的，帶著固有的偏見，而這些偏見往往(非)有意識(shí)地嵌入到技術(shù)中[46-48]。這個(gè)問題引發(fā)關(guān)于AI可解釋性更廣泛的爭(zhēng)論。AI系統(tǒng)記錄并存儲(chǔ)它們自己的決策和過程，以便人類能夠仔細(xì)檢查和排除故障。從這個(gè)意義上說，AI總是有意識(shí)的。然而，通常難以向外行人解釋AI是如何做出特定的決定，因?yàn)樗鼈兲珡?fù)雜了。直覺會(huì)更加強(qiáng)化它，因?yàn)槟承┎糠譄o法通過話語解釋，需要AI(或人類)解釋清楚，才能讓它負(fù)責(zé)。因此，提倡AI的直覺是危險(xiǎn)的，因?yàn)閺倪@個(gè)意義上講，直覺即使可解釋，也是很難解釋的。如果AI憑直覺行事，它就有理由不透明，也無法解釋特定的直覺行為。沒有責(zé)任感的直覺是危險(xiǎn)的?；诒疚拈_頭討論的直覺的定義，AI社區(qū)錯(cuò)誤地將直覺視為一種可以添加到AI以使其更加靈活、動(dòng)態(tài)和自治的技術(shù)性。對(duì)于文化理論家來說，直覺是一種與世界直接的情感和感官上的接觸[40-42]。對(duì)AI的評(píng)論者來說，這是一個(gè)應(yīng)該構(gòu)建的技術(shù)性問題。AI的認(rèn)知和“意識(shí)”(這是有爭(zhēng)議的)是基于代碼的。AI無法像人類那樣憑直覺感知，人工直覺也是被編程到AI中。它通過話語(代碼)來定義AI可以直覺做什么以及如何做，這顯示了真正直覺的局限性，因?yàn)閷?duì)于文化研究學(xué)者來說，這個(gè)術(shù)語指的是與話語相沖突或超越話語的感性、情感過程。人類直覺的獲得是不能通過教導(dǎo)來實(shí)現(xiàn)的，為了完善直覺而遵循一套預(yù)先定義的規(guī)則也是行不通的，對(duì)于AI亦是如此。同時(shí)，直覺作為一種思維方式，并不是通過邏輯推理來實(shí)現(xiàn)的，但這并不意味著直覺只是一種依賴于主觀判斷、缺乏客觀依據(jù)的感性直覺。直覺作為一種思維方式，是人類與生俱來的一種能力。直覺思維具有超越感覺和理性的特征。從這個(gè)意義上說，AI的類人直覺是否能夠?qū)崿F(xiàn)，至少目前還不確定。

超越人工直覺的技術(shù)方面，在熱門網(wǎng)站和科學(xué)家中如何使用(誤用)該術(shù)語表明了對(duì)人類主觀性的特定理解。AI不僅通過倡導(dǎo)直覺而被擬人化并變得更人性化，同時(shí)，人類比我們?cè)谖闹醒芯康臄?shù)據(jù)更具有機(jī)械性、算法性和技術(shù)性。這是通過“人類知識(shí)的約束”(Hadean)這樣的表述來實(shí)現(xiàn)的，“直覺僅僅是不依靠完整的知識(shí)而做出的正確決定的標(biāo)識(shí)”(INC)，我們的直覺是“沒有意識(shí)到”的“一堆變量”(INC)。與我們對(duì)神經(jīng)形態(tài)硬件的討論類似，人類主體被看作是一維的和功能主義的。芯片和大腦功能相同，幾乎可以互換。AI的創(chuàng)始人之一約翰·麥卡錫(John McCarthy)在接受采訪時(shí)也表達(dá)了類似的觀點(diǎn)：

米什洛夫：現(xiàn)在我們來談?wù)勥@個(gè)問題——我知道，很多人對(duì)你很有敵意，你怎么可以把一個(gè)人描述成一個(gè)系統(tǒng)？人有更多的東西——我們有直覺，我們有靈性，我們有超越自身機(jī)械化存在的方面。

麥卡錫：這個(gè)觀點(diǎn)幾百年來一直在退步，隨著對(duì)人類生理和心理的了解越來越多。我想，也許可以用“拳擊”這個(gè)比喻：它能跑，但不能藏。

米什洛夫：你能詳細(xì)說明一下嗎?我不太清楚你在說什么。

麥卡錫：嗯，人類意識(shí)的這些方面在機(jī)器和計(jì)算機(jī)程序中還沒有被實(shí)現(xiàn)，它們的實(shí)現(xiàn)還存在一些困難，但我們對(duì)AI持樂觀態(tài)度，希望能夠解決這些問題。[49]

這樣的等式并沒有公正地對(duì)待人類主體性的復(fù)雜。人類的思維比計(jì)算機(jī)更加矛盾和混亂[34]。尤其是人的主體性不僅建立在語言和話語的基礎(chǔ)上，還有其他與情感和感官相關(guān)的人類經(jīng)驗(yàn)的記錄。直覺只是其中之一。

四、結(jié)論

本研究旨在分析人工智能的兩個(gè)趨勢(shì)——神經(jīng)形態(tài)硬件和人工直覺是如何在熱門網(wǎng)站上被討論的。我們旨在探尋這些敘述如何揭示了人類和AI之間的關(guān)系，以及對(duì)人類主體的理解如何在數(shù)據(jù)中被暗示或明示。雖然無法充分評(píng)估這兩種現(xiàn)象的適應(yīng)性，但筆者認(rèn)為，它們表明了關(guān)于AI技術(shù)應(yīng)該如何進(jìn)步的特殊愿望。從某種意義上說，AI試圖同時(shí)在本體論和認(rèn)識(shí)論上采用人類的特征。人類大腦的生物化學(xué)功能以及它們?nèi)绾斡成涞缴窠?jīng)形態(tài)芯片上，人類認(rèn)識(shí)的直覺以及它如何映射到AI特征上，這兩者都讓AI看起來比現(xiàn)在更高效、更自主、更人性化也更靈活。然而，人與AI是矛盾的。討論的數(shù)據(jù)表明，AI既可以從人類大腦、人類情感和人類直覺中學(xué)習(xí)，將它們整合，使其可以在這些方面表現(xiàn)得更好、更聰明。這樣的敘述顯示了AI社區(qū)中許多人的愿望，即讓AI盡可能的像人類，以便在總體上實(shí)現(xiàn)對(duì)人類的超越。他們承認(rèn)這尚未發(fā)生，但相信這種狀態(tài)一定能實(shí)現(xiàn)。這種關(guān)于人工直覺的炒作可能因?yàn)樗粌H使AI能看起來更人性化，而且更有同情心，更討人喜歡[3，23]，為了掩蓋AI的透明性、可解釋性和可問責(zé)性，或許可以故意這樣做。正如已經(jīng)討論過的，這種情況引發(fā)了AI的自主性、問責(zé)性和透明度的關(guān)鍵倫理問題。與實(shí)現(xiàn)通用人工智能(AGI)的目標(biāo)相關(guān)的是AM技術(shù)[50]，在中國正得到特別的發(fā)展，其特征是完全的人工意識(shí)、感知和情感[51]?！稄腁I到AM：人工智能的知識(shí)觀》一文認(rèn)為，“基于AM的類人思維將是解決人機(jī)交互中真實(shí)語義理解和語用一致性問題的關(guān)鍵。”AM(Artificial Mind)技術(shù)或許將超越模擬神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)過程，成為實(shí)現(xiàn)人機(jī)交互的關(guān)鍵。[50]

雖然只討論了極少數(shù)的數(shù)據(jù)，但它們?nèi)匀恢赋隽薃I流行敘述中的一個(gè)偏見。AI仍然過于男性化，而關(guān)于其未來的論述嚴(yán)重偏向于某種特定的聲音——主要是男性科幻作家和以技術(shù)為中心的科學(xué)家、未來學(xué)家和企業(yè)家——AI技術(shù)很容易被描述成一種不可避免的崇高景象[2]。我們還要補(bǔ)充一點(diǎn)，即對(duì)所研究的數(shù)據(jù)中存在對(duì)人類主體特殊的理解或世界觀，認(rèn)為人類主體是理性的，是隨時(shí)被人工智能技術(shù)利用的技術(shù)藍(lán)圖，如果僅用生化術(shù)語解釋，像直覺這種模糊、復(fù)雜和難以定義的東西，為了以特定的方式建構(gòu)和發(fā)展人工智能，被轉(zhuǎn)化為一個(gè)機(jī)械性的概念。另一種理解認(rèn)為直覺并不是對(duì)AI當(dāng)前的僵化性進(jìn)行有效論證的最佳術(shù)語。AI需要變得更靈活——而不是直覺——這應(yīng)該以一種合乎道德和透明的方式發(fā)生。