摘 要：人工智能技術(shù)的加速發(fā)展引起了有識(shí)之士對(duì)于人類(lèi)自身存在價(jià)值的懷疑和對(duì)于發(fā)展前景的憂(yōu)慮。人工智能時(shí)代人類(lèi)應(yīng)該擁有什么素養(yǎng)，才能與另一類(lèi)智能體互補(bǔ)、互促、共生、共榮？對(duì)這一教育原點(diǎn)問(wèn)題，有必要基于技術(shù)哲學(xué)去分析人工智能技術(shù)的實(shí)質(zhì)、局限、發(fā)展趨勢(shì)，并據(jù)此建構(gòu)與之協(xié)同創(chuàng)新、共生共榮的素養(yǎng)模型。其中，人機(jī)協(xié)同素養(yǎng)的核心是能夠與當(dāng)下的機(jī)器智能互補(bǔ)且駕馭它完成創(chuàng)新任務(wù)的高級(jí)智能；人機(jī)共生素養(yǎng)的核心則是能夠應(yīng)對(duì)近未來(lái)機(jī)器智能帶來(lái)的各種人文問(wèn)題、善于追求并實(shí)現(xiàn)共同美好生活的實(shí)踐智慧。

關(guān)鍵詞：人工智能；AI；人機(jī)協(xié)同；人機(jī)共生；技術(shù)哲學(xué)

一、問(wèn)題提出

人類(lèi)社會(huì)正在經(jīng)歷一場(chǎng)深刻而持久的智能革命。人工智能（artificial intelligence， AI）技術(shù)的每一次躍遷都引發(fā)了人類(lèi)對(duì)自身存在價(jià)值的懷疑和對(duì)發(fā)展前景的憂(yōu)慮，AlphaGo的出現(xiàn)如此，大語(yǔ)言模型（Large Language Model， LLM）的火爆也如此。如慨嘆人類(lèi)受到生物學(xué)的限制，其智能發(fā)展存在極限；而AI卻能突破人類(lèi)的智能常數(shù)，“造成勞動(dòng)、手藝、經(jīng)驗(yàn)、博學(xué)的貶值，最終導(dǎo)致人的廢物化”（趙汀陽(yáng)， 2023）；AI技術(shù)正在以“全然自動(dòng)的智能系統(tǒng)替代人類(lèi)的很大一部分‘腦力勞動(dòng)’，……最終，人工智能的機(jī)械系統(tǒng)將在廣泛的領(lǐng)域竭盡所能地取代一切人類(lèi)勞動(dòng)，包括‘腦力勞動(dòng)’和‘體力勞動(dòng)’”（余明， 2022， p. 20）。當(dāng)然，也有學(xué)者對(duì)AI時(shí)代人類(lèi)的發(fā)展持樂(lè)觀(guān)態(tài)度，“人以自己的常識(shí)和本能知識(shí)等來(lái)彌補(bǔ)人工智能這方面的知識(shí)不足，而機(jī)器則以自己海量的知識(shí)儲(chǔ)存來(lái)彌補(bǔ)人腦的不足”；甚至，通過(guò)腦機(jī)接口技術(shù)，讓“人腦接上具有強(qiáng)大知識(shí)記憶和發(fā)現(xiàn)功能的人工智能系統(tǒng)”，由此形成前所未有的“最強(qiáng)大腦”，使得知識(shí)的發(fā)現(xiàn)、生產(chǎn)和創(chuàng)造進(jìn)入一個(gè)全新時(shí)代（肖峰， 2020）。其實(shí)，未來(lái)AI技術(shù)是使作為萬(wàn)物之靈的人類(lèi)徹底“廢物化”，還是助其突破自然的限制、進(jìn)化出“最強(qiáng)大腦”，取決于人類(lèi)的價(jià)值選擇、制度設(shè)計(jì)和教育應(yīng)對(duì)。理想的狀況是基于“以人為本”“和諧共生”的價(jià)值選擇及制度設(shè)計(jì)，理性、透明、公平地研發(fā)AI技術(shù)及其應(yīng)用，同時(shí)輔以積極有效的教育應(yīng)對(duì)，使得人們普遍擁有更加高級(jí)的素養(yǎng)，得以與另一類(lèi)智能體互補(bǔ)、互促、共生、共榮。本文以人類(lèi)將做出合理的價(jià)值選擇及制度設(shè)計(jì)的假設(shè)為前提，探討智能時(shí)代“應(yīng)當(dāng)擁有什么素養(yǎng)”的教育原點(diǎn)問(wèn)題，以啟示教育應(yīng)對(duì)的方向。

我們認(rèn)為，智能革命對(duì)人的素養(yǎng)要求，并非在原先素養(yǎng)的基礎(chǔ)上簡(jiǎn)單地增加關(guān)于A(yíng)I的認(rèn)識(shí)、技能等，而是徹底的素養(yǎng)重構(gòu)——原先的素養(yǎng)要求是基于人—人共事與共生提出的，智能革命的核心卻是人—機(jī)協(xié)同與共生，因而需要基于新的實(shí)踐結(jié)構(gòu)建立新的素養(yǎng)模型。國(guó)務(wù)院參事、清華大學(xué)經(jīng)濟(jì)管理學(xué)院院長(zhǎng)錢(qián)穎一（2023）認(rèn)為，“未來(lái)的人工智能會(huì)讓我們的教育制度培養(yǎng)學(xué)生的優(yōu)勢(shì)蕩然無(wú)存”，教育必須超越知識(shí)，著重培養(yǎng)學(xué)生的好奇心和想象力，以及超越短期功利主義的價(jià)值取向。楊宗凱教授等認(rèn)為以ChatGPT為代表的生成式人工智能要求變革教育理念，將人才培養(yǎng)重心從知識(shí)傳授轉(zhuǎn)移到高階能力培養(yǎng)和綜合素養(yǎng)培育，構(gòu)建一體化、高質(zhì)量的學(xué)生數(shù)字素養(yǎng)培育體系，培育獨(dú)立、質(zhì)疑、多元、科學(xué)的批判性思維，提升面向“人際+人機(jī)”的創(chuàng)新與協(xié)作能力（楊宗凱 等， 2023）。這些觀(guān)點(diǎn)都有素養(yǎng)重構(gòu)的傾向，富有啟發(fā)性。本文將基于技術(shù)哲學(xué)的視角，反思當(dāng)下機(jī)器智能的實(shí)質(zhì)及局限，預(yù)測(cè)近未來(lái)機(jī)器智能的發(fā)展趨勢(shì)，進(jìn)而推斷與之競(jìng)爭(zhēng)合作的人所必備的素養(yǎng)。選擇這條致思路徑，是由技術(shù)與人之間互相依存、互相作用的辯證關(guān)系決定的。斯蒂格勒（Stiegler， B.）的人性結(jié)構(gòu)理論認(rèn)為技術(shù)的“代具彌補(bǔ)”重構(gòu)了人的存在方式（Stiegler et al.， 2012）。技術(shù)首先外在于人本身，隨后在發(fā)展中又內(nèi)化于人（Camp， 2009）。技術(shù)內(nèi)化于人，不單單是技術(shù)操控能力的獲得與提升，更可能是素養(yǎng)結(jié)構(gòu)的重組。尤其是AI技術(shù)，它使得機(jī)器在體力、感知力、智力等方面與人類(lèi)全面對(duì)撞，這就需要對(duì)人的素養(yǎng)進(jìn)行全面重構(gòu)，以形成與機(jī)器智能的耦合關(guān)系。

二、當(dāng)下機(jī)器智能反思與人機(jī)協(xié)同素養(yǎng)建構(gòu)

當(dāng)代技術(shù)哲學(xué)由以前的先驗(yàn)批判轉(zhuǎn)向經(jīng)驗(yàn)研究，旨在“回到技術(shù)本身，打開(kāi)技術(shù)黑箱”。通過(guò)聚焦于具體的“小寫(xiě)技術(shù)”，分析它們的設(shè)計(jì)、生產(chǎn)、發(fā)展、應(yīng)用等環(huán)節(jié)，反思其本質(zhì)及與各種社會(huì)因素的關(guān)系。以下將采用經(jīng)驗(yàn)研究的方法，對(duì)當(dāng)下最有代表性和發(fā)展前景的AI技術(shù)進(jìn)行描述、解釋和批判，進(jìn)而據(jù)此建構(gòu)人機(jī)協(xié)同素養(yǎng)模型。

（一）LLM的智能實(shí)質(zhì)與局限

1. 由語(yǔ)言獲得智能

LLM的開(kāi)發(fā)采取了由語(yǔ)言而認(rèn)知的邏輯。即“喂給”機(jī)器自然語(yǔ)言，訓(xùn)練它像人一樣聊天和思考。LLM之所以能夠超越此前的經(jīng)典機(jī)器學(xué)習(xí)算法，一舉突破語(yǔ)言理解與表達(dá)的難題，源于通過(guò)龐大的神經(jīng)網(wǎng)絡(luò)自動(dòng)提取海量語(yǔ)料的語(yǔ)言特征，而不是通過(guò)人工提取語(yǔ)言特征。人工提取語(yǔ)言特征不僅成本高昂，而且只能提取有限的一般化顯性特征，從而導(dǎo)致機(jī)器缺乏泛化的語(yǔ)言能力。LLM卻不是這樣，它通過(guò)足夠龐大的神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)機(jī)制自動(dòng)提取足夠豐富、抽象、復(fù)雜的語(yǔ)言特征，以表征海量語(yǔ)料中絕大多數(shù)的規(guī)律性聯(lián)系，包括語(yǔ)言知識(shí)、上下文語(yǔ)境關(guān)系、世界知識(shí)等。這相當(dāng)于把整個(gè)語(yǔ)言世界都?jí)嚎s①于自身，從而獲得應(yīng)對(duì)任何語(yǔ)用場(chǎng)景的能力。

更引人注目的是，LLM在語(yǔ)言能力的基礎(chǔ)上涌現(xiàn)出一定的認(rèn)知智能。這似乎印證了語(yǔ)言哲學(xué)關(guān)于語(yǔ)言與思維緊密聯(lián)系的觀(guān)點(diǎn)①。經(jīng)由文本理解，LLM獲得了對(duì)世界的認(rèn)識(shí)；通過(guò)文本生成，LLM表現(xiàn)出相當(dāng)強(qiáng)的推理能力。比如GPT-3通過(guò)對(duì)海量文本的充分挖掘，可以自主發(fā)現(xiàn)“心智理論”②這種有關(guān)他人思維狀態(tài)的隱性知識(shí)，進(jìn)而加以正確運(yùn)用。簡(jiǎn)言之，LLM能夠超越詞句的表面聯(lián)結(jié)，自動(dòng)學(xué)習(xí)主觀(guān)世界和客觀(guān)世界的規(guī)律或模式，并準(zhǔn)確運(yùn)用這些規(guī)律或模式進(jìn)行推理，表現(xiàn)出很強(qiáng)的發(fā)現(xiàn)學(xué)習(xí)能力和遷移學(xué)習(xí)能力。

2. 困于語(yǔ)言的智能

LLM雖然由語(yǔ)言而獲得智能，但因其只在語(yǔ)言文本上訓(xùn)練，且主要采用聯(lián)結(jié)主義范式，這就在根本上限制了其智能的進(jìn)一步發(fā)展。根據(jù)維特根斯坦（Wittgenstein， L.）的語(yǔ)言游戲理論，語(yǔ)言實(shí)踐（語(yǔ)言游戲）植根于生活形式；生活形式的多樣性決定了語(yǔ)言游戲的多樣性。理解一種語(yǔ)言就是理解一種生活形式，需要對(duì)話(huà)雙方生活形式的重疊或共通。LLM沉浸于人類(lèi)豐富的語(yǔ)言材料中，雖然可以由語(yǔ)言而透析人類(lèi)的一部分生活形式，卻由于缺乏自身的生活形式，而無(wú)法在語(yǔ)言理解和表達(dá)中實(shí)現(xiàn)真正意義上的生活形式重疊或共通，從而表現(xiàn)出根本性的智能缺陷。

首先，缺少求真能力。這是由LLM對(duì)世界的認(rèn)識(shí)完全源自語(yǔ)言、缺少經(jīng)驗(yàn)基礎(chǔ)導(dǎo)致的。比如它們可以學(xué)習(xí)概念與用語(yǔ)言表述的定義、正例、反例之間的關(guān)系，也可以用語(yǔ)言解釋理論，將理論運(yùn)用于用語(yǔ)言描述的問(wèn)題中。但是，它們不會(huì)把概念與現(xiàn)實(shí)世界聯(lián)系起來(lái)，不會(huì)脫離語(yǔ)言構(gòu)想理論在現(xiàn)實(shí)世界中的運(yùn)用情形。這就好像一個(gè)人，從一出生就切斷他自身內(nèi)部世界與身外世界感知和互動(dòng)的通道，而只通過(guò)語(yǔ)言向他灌輸書(shū)本知識(shí)，再進(jìn)行反復(fù)刷題的應(yīng)試訓(xùn)練。其結(jié)果很可能是博學(xué)、能言而又無(wú)知、低能。ChatGPT等使用中經(jīng)常出現(xiàn)的“幻覺(jué)”，除數(shù)據(jù)質(zhì)量不高、相關(guān)數(shù)據(jù)缺乏、提示不明確等原因以外，根本原因便是ChatGPT缺乏經(jīng)驗(yàn)基礎(chǔ)導(dǎo)致的真實(shí)與虛構(gòu)、現(xiàn)實(shí)世界與想象世界的混淆。由于沒(méi)有現(xiàn)實(shí)世界這個(gè)原型作為參照，語(yǔ)言模型在回答有關(guān)事實(shí)的問(wèn)題時(shí)，可能錯(cuò)誤地提取了語(yǔ)料中虛構(gòu)的事實(shí)，也可能在語(yǔ)言規(guī)律的支配下“大膽”推理，從而“一本正經(jīng)地胡說(shuō)八道”。而且，作為語(yǔ)言模型，LLM受制于語(yǔ)言的模糊性、多義性及其表征世界的局限性，認(rèn)識(shí)世界的能力非常有限。值得注意的是，新一代的LLM已經(jīng)突破語(yǔ)言的藩籬，向多模態(tài)方向發(fā)展。目前，我們觀(guān)察到的主要是語(yǔ)言模型對(duì)圖像、視頻、音頻等理解的促進(jìn)作用。未來(lái)，隨著非文本數(shù)據(jù)訓(xùn)練結(jié)果與語(yǔ)言模型的融合，應(yīng)該也會(huì)出現(xiàn)語(yǔ)言模型改進(jìn)的效果。因?yàn)樵从谝暵?tīng)覺(jué)的數(shù)據(jù)雖然不能真正解決缺乏經(jīng)驗(yàn)基礎(chǔ)的問(wèn)題，但畢竟向經(jīng)驗(yàn)世界邁進(jìn)了一步。

其次，缺少審美能力。LLM的言語(yǔ)活動(dòng)缺少感性基礎(chǔ)。理性遵循規(guī)則或律令，因而是普遍的，統(tǒng)一的；感性受需求或欲望支配，因而是特殊的，個(gè)別的。人類(lèi)的語(yǔ)言活動(dòng)兼具理性與感性。即在遵循語(yǔ)法、邏輯、文法等規(guī)則的同時(shí)，又會(huì)拋開(kāi)甚至違反這些規(guī)則而融入或表現(xiàn)自我獨(dú)特的感受或感情。在文學(xué)作品的閱讀與創(chuàng)作中，這種情況尤其普遍。但是LLM的訓(xùn)練方式?jīng)Q定了它傾向于認(rèn)識(shí)和運(yùn)用更具普遍性和一般性的語(yǔ)言表達(dá)方式，從而表現(xiàn)出對(duì)真正個(gè)性化、審美化語(yǔ)言的欣賞無(wú)能和表達(dá)無(wú)能。比如ChatGPT評(píng)價(jià)《再別康橋》的語(yǔ)言為：流暢性9分，“……有一些地方的表達(dá)稍顯生硬，稍微改進(jìn)一下可以使整體流暢度更好”；藝術(shù)性8分，“……有些表達(dá)略顯直白，不夠富有想象力和隱喻性”。然后，它修改了原詩(shī)。其中第二詩(shī)節(jié)由“那河畔的金柳，是夕陽(yáng)中的新娘；波光里的艷影，在我的心頭蕩漾”改為“那河畔的垂柳，宛如夕陽(yáng)下的新娘佳人；波光之中，倒映出我心中蕩漾的情思”。原詩(shī)中最能表現(xiàn)主人公熾熱情感的意象被更日常的詞語(yǔ)替換。這正是由LLM的言語(yǔ)活動(dòng)缺少一個(gè)感性“自我”而導(dǎo)致的。所以，從根本上說(shuō)，LLM審美欣賞和審美創(chuàng)造的缺陷是難以避免的。

（二）AI4S①的智能實(shí)質(zhì)與局限

1. 數(shù)據(jù)驅(qū)動(dòng)的建模智能

AI4S代表了當(dāng)前專(zhuān)業(yè)領(lǐng)域機(jī)器智能的最高發(fā)展水平。在科學(xué)探索事業(yè)中，它們已經(jīng)展現(xiàn)出令人震驚的科學(xué)發(fā)現(xiàn)能力，取得了令人矚目的成就。比如AlphaFold，以深度神經(jīng)網(wǎng)絡(luò)作為工具，幾乎完成了全部已知人類(lèi)蛋白的結(jié)構(gòu)預(yù)測(cè)，并且接近或達(dá)到實(shí)驗(yàn)得出的預(yù)測(cè)的精度。而在此之前，只有約三分之一的蛋白質(zhì)的三維結(jié)構(gòu)通過(guò)實(shí)驗(yàn)方法得到了解析，且很多時(shí)候只確定了這些蛋白質(zhì)的部分結(jié)構(gòu)。

AI4S實(shí)質(zhì)上擁有的是數(shù)據(jù)驅(qū)動(dòng)的建模智能。歷史上，“科學(xué)始于觀(guān)察”“科學(xué)始于問(wèn)題”，即科學(xué)發(fā)現(xiàn)非常依賴(lài)人類(lèi)的感知覺(jué)、直覺(jué)、理論假設(shè)。物理學(xué)家或應(yīng)用數(shù)學(xué)家的工作往往是從第一原理出發(fā)，得出一個(gè)現(xiàn)象的函數(shù)描述，然后從測(cè)量結(jié)果中估計(jì)出未知參數(shù)，得到一個(gè)準(zhǔn)確的世界模型。而現(xiàn)在“科學(xué)始于數(shù)據(jù)”——科學(xué)發(fā)現(xiàn)可以不從明確的函數(shù)假設(shè)開(kāi)始，而純粹由數(shù)據(jù)驅(qū)動(dòng)，逼近“真理”。在這種情況下，神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)凸顯——它相當(dāng)于函數(shù)家族，有能力逼近廣泛的輸入/輸出關(guān)系?；裟峥耍℉ornik， K.）等曾以嚴(yán)格的數(shù)學(xué)形式證明了前饋神經(jīng)網(wǎng)絡(luò)只要隱層數(shù)量足夠，就能以任意精度逼近任意函數(shù)（即萬(wàn)能近似定理）（Hornik et al.， 1989）。實(shí)際上，求解微分方程、多體量子系統(tǒng)基態(tài)能量和波函數(shù)的任務(wù)全部可以轉(zhuǎn)化為深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化問(wèn)題。現(xiàn)代科學(xué)發(fā)現(xiàn)與科學(xué)應(yīng)用的瓶頸——“維數(shù)災(zāi)難”問(wèn)題，可以由神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)而得到較好解決。

成功的AI4S并不單純依靠深度神經(jīng)網(wǎng)絡(luò)來(lái)擬合數(shù)據(jù)。為適應(yīng)特定問(wèn)題、任務(wù)或者數(shù)據(jù)，以及更加高效可靠地發(fā)現(xiàn)知識(shí)，神經(jīng)網(wǎng)絡(luò)中往往由科學(xué)家植入了歸納偏置（Inductive Biases）。歸納偏置是對(duì)擬建構(gòu)模型的某些預(yù)先假設(shè)。對(duì)于特定分布的數(shù)據(jù)而言，合理的歸納偏置能夠縮小參數(shù)的搜索范圍，從而能夠利用更少的數(shù)據(jù)更高效地得到最優(yōu)解；對(duì)于不同分布的數(shù)據(jù)，合理的歸納偏置還能夠反映不同任務(wù)之間的共性，從而幫助模型快速適應(yīng)不同的任務(wù)，實(shí)現(xiàn)分布外泛化。實(shí)驗(yàn)證明，使用圖網(wǎng)絡(luò)等歸納偏置技術(shù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，再對(duì)訓(xùn)練出的初步模型使用符號(hào)回歸算法，不但重新發(fā)現(xiàn)了力學(xué)定律、哈密爾頓量，還新發(fā)現(xiàn)了宇宙學(xué)中暗物質(zhì)暈（DM halo）的一個(gè)解析公式（Cranmer & Spergel， 2020）。

2. 止于數(shù)據(jù)擬合的智能

對(duì)AI4S進(jìn)行結(jié)構(gòu)功能分析可見(jiàn)，它的科學(xué)發(fā)現(xiàn)能力在很大程度上依賴(lài)于科學(xué)家預(yù)先的精妙設(shè)計(jì)和事后對(duì)其輸出的篩選、檢驗(yàn)、解釋?zhuān)蛔鳛榧兇鈾C(jī)器的那部分功能，主要還是數(shù)據(jù)擬合。與獨(dú)立的科學(xué)研究人員相比，AI4S的缺陷主要體現(xiàn)在以下兩個(gè)方面。

首先，缺少面向研究對(duì)象的科研設(shè)計(jì)能力。迄今為止，AI4S還不能借助先驗(yàn)知識(shí)進(jìn)行初步的數(shù)據(jù)分析，由此開(kāi)展面向研究對(duì)象的科研設(shè)計(jì)?？蒲性O(shè)計(jì)，這一科學(xué)發(fā)現(xiàn)中最為關(guān)鍵和基礎(chǔ)的環(huán)節(jié)依然要靠人類(lèi)科學(xué)家完成。對(duì)于A(yíng)I4S而言，科學(xué)發(fā)現(xiàn)中非常重要的特征提取、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和模型優(yōu)化機(jī)制設(shè)計(jì)等，依靠的都是人類(lèi)智慧。還以AlphaFold為例，它不像LLM一樣自動(dòng)化提取文本特征，而是由科學(xué)家設(shè)定提取氨基酸序列的序列特征和序列平方特征。此外，科學(xué)家創(chuàng)造性地使用Evoformer以及self-attention層建構(gòu)它的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；通過(guò)“先預(yù)測(cè)氨基酸兩兩之間的距離分布和氨基酸鏈的夾角分布，再計(jì)算以上概率分布與夾角采樣及推導(dǎo)出的距離之間的差距”構(gòu)造損失函數(shù)，都是導(dǎo)向AlphaFold成功的關(guān)鍵因素?？梢?jiàn)，AI4S高度依賴(lài)人類(lèi)的設(shè)計(jì)智慧，機(jī)器研究的自主性和創(chuàng)造性有待提升。

其次，缺乏針對(duì)研究對(duì)象的因果解釋能力。AI4S缺少關(guān)于世界的經(jīng)驗(yàn)，因而不像人類(lèi)那樣擁有關(guān)于研究對(duì)象因果關(guān)系的直覺(jué)。它們建構(gòu)的只是相關(guān)性模型，且模型的可解釋性往往不足。拋棄因果性、只求相關(guān)性，實(shí)際上是現(xiàn)代科學(xué)研究的弱點(diǎn)。貝葉斯網(wǎng)絡(luò)之父、圖靈獎(jiǎng)得主珀?duì)枺≒earl， J.）認(rèn)為，這不僅導(dǎo)致了謬誤，而且違背了科學(xué)尋求“為什么”的終極目的。對(duì)于A(yíng)I，他認(rèn)為強(qiáng)人工智能必須配備因果推理引擎，而現(xiàn)下的深度學(xué)習(xí)雖然取得了令人矚目的成就，但缺失關(guān)于世界的因果模型，本質(zhì)上只是適應(yīng)“曲線(xiàn)擬合”，導(dǎo)致研究者困在“關(guān)聯(lián)級(jí)別”窘境里（朱迪亞·珀?duì)?& 達(dá)納·麥肯齊， 2019）。缺少因果推理能力更導(dǎo)致AI4S很難獲得原創(chuàng)性的科學(xué)發(fā)現(xiàn)。湯超院士分析認(rèn)為，AI4S“從1到10、10到100、甚至10到1000的例子不少，而從0到1的可能不多”；從現(xiàn)在的情況來(lái)看，“很難想象它能再進(jìn)一步，發(fā)現(xiàn)牛頓定律”（北京大學(xué)定量生物學(xué)中心，2022）。上文指出的重新發(fā)現(xiàn)物理定律的實(shí)驗(yàn)之所以成功，其關(guān)鍵在于歸納偏置的植入，換句話(huà)說(shuō)，是科學(xué)家告訴機(jī)器要去找什么，而不是機(jī)器自己發(fā)現(xiàn)新的科學(xué)規(guī)律，引發(fā)科學(xué)革命。

（三）人機(jī)協(xié)同素養(yǎng)：智能升級(jí)

由以上分析可見(jiàn)，當(dāng)下的機(jī)器智能雖然強(qiáng)大，但在類(lèi)型上依然屬于基礎(chǔ)智能。它們尚不具備真正意義上的判斷真?zhèn)?、區(qū)分美丑、探索真理的高級(jí)智能。因此，人需要把機(jī)器擅長(zhǎng)的交給機(jī)器，同時(shí)升級(jí)自身的智能水平——由基礎(chǔ)智能升級(jí)到高級(jí)智能，形成與機(jī)器的互補(bǔ)—駕馭關(guān)系，處理人機(jī)協(xié)同創(chuàng)新中全局性、關(guān)鍵性、方向性事務(wù)。

具體地說(shuō)，人機(jī)協(xié)同素養(yǎng)由外顯行為與內(nèi)隱心理兩個(gè)層面構(gòu)成。在外顯行為層面，它表現(xiàn)為對(duì)人機(jī)協(xié)同任務(wù)的界定、分工，給予機(jī)器所要完成任務(wù)的提示（prompts）、示例（即給機(jī)器布置任務(wù)），對(duì)機(jī)器完成特定任務(wù)的功能結(jié)構(gòu)設(shè)計(jì)，對(duì)機(jī)器生成內(nèi)容的評(píng)估、選擇、修正、再造、運(yùn)用等（如圖1所示）。

在整個(gè)流程中，人發(fā)揮對(duì)全局的掌控作用：首先，基于問(wèn)題情境，提出明確的任務(wù)，根據(jù)自身和智能機(jī)器各自的優(yōu)勢(shì)和局限進(jìn)行任務(wù)分工；其次，通過(guò)提示、示例等向機(jī)器布置任務(wù)，以引導(dǎo)機(jī)器做出期望中的操作（在人類(lèi)介入更深的情況下，人可以直接根據(jù)任務(wù)完成的需要，對(duì)機(jī)器的功能結(jié)構(gòu)進(jìn)行設(shè)計(jì)）；再次，人對(duì)機(jī)器的輸出進(jìn)行評(píng)估，選擇其中可靠合用的部分，或者根據(jù)需要進(jìn)行加工改造，再使用選擇或加工后的內(nèi)容完成任務(wù)；最后，人還需要對(duì)照先前界定的任務(wù)或發(fā)現(xiàn)的問(wèn)題，反思任務(wù)完成的過(guò)程和結(jié)果。

相應(yīng)地，在內(nèi)隱心理層面，人需要具備三方面特征，以與機(jī)器智能互補(bǔ)，且駕馭機(jī)器完成創(chuàng)新任務(wù)（如圖2所示）。它們的具體內(nèi)涵如下。

第一，對(duì)AI技術(shù)及其應(yīng)用持有客觀(guān)理性的認(rèn)識(shí)與態(tài)度，理解機(jī)器的智能優(yōu)勢(shì)和局限，特別是與待完成任務(wù)相關(guān)的智能的實(shí)質(zhì)。一方面，客觀(guān)理性的態(tài)度是人機(jī)協(xié)同的前提。麻省理工學(xué)院物理學(xué)家泰格馬克（Tegmark， M.）在2018年出版的著作中，一針見(jiàn)血地指出人們應(yīng)當(dāng)對(duì)人工智能保持冷靜客觀(guān)的態(tài)度，盲目的崇拜與盲目的抗拒都會(huì)造成惡果；在各行各業(yè)，人類(lèi)都將與人工智能有機(jī)融合（Tegmark， 2018， p.36）。另一方面，對(duì)AI正確深刻的認(rèn)識(shí)是人機(jī)協(xié)同的基礎(chǔ)。因?yàn)橹挥姓_深刻的認(rèn)識(shí)才會(huì)產(chǎn)生客觀(guān)理性的態(tài)度；而且是否對(duì)AI具有正確深刻的認(rèn)識(shí)，直接決定了人們能否做出合理的人機(jī)分工。但是，在A(yíng)I技術(shù)及其產(chǎn)品越來(lái)越不透明的當(dāng)下，這樣的認(rèn)識(shí)來(lái)之不易。因?yàn)樯窠?jīng)網(wǎng)絡(luò)是認(rèn)知的“黑箱”，其中很大一部分學(xué)習(xí)過(guò)程和結(jié)果都難以解釋?zhuān)@給人們認(rèn)識(shí)AI帶來(lái)了困難。加之開(kāi)發(fā)AI應(yīng)用時(shí)往往基于迎合用戶(hù)的原則，比如ChatGPT的訓(xùn)練采用了針對(duì)預(yù)訓(xùn)練語(yǔ)言模型的基于人工反饋的強(qiáng)化學(xué)習(xí)（RLHF）方法，使得語(yǔ)言模型做出符合人類(lèi)偏好的回應(yīng)，這就進(jìn)一步增加了人們準(zhǔn)確評(píng)估其生成內(nèi)容的客觀(guān)性、準(zhǔn)確性的難度。而人們?cè)诒陡兄悄軝C(jī)器便利合用的同時(shí)，會(huì)在不知不覺(jué)中增強(qiáng)對(duì)它的依賴(lài)，形成對(duì)它的盲目信任。對(duì)此，有學(xué)者認(rèn)為ChatGPT會(huì)逐漸損害人的批判思維能力（Rahman & Watanobe， 2023）。要改變這種狀況，既需要AI開(kāi)發(fā)者和研究者加強(qiáng)算法的透明性，以及對(duì)深度學(xué)習(xí)過(guò)程和結(jié)果的解釋性研究，更需要每個(gè)期待與智能機(jī)器協(xié)同創(chuàng)新的人深入理解未來(lái)智能伙伴的實(shí)質(zhì)、優(yōu)勢(shì)和局限。

第二，深刻理解領(lǐng)域內(nèi)的硬知識(shí)，同時(shí)具有領(lǐng)域內(nèi)的原創(chuàng)能力和元認(rèn)知能力。人機(jī)協(xié)同與人人合作一樣，伙伴的能力越強(qiáng)，對(duì)自身知識(shí)能力提出的要求越高。機(jī)器具有生成知識(shí)、創(chuàng)作文化產(chǎn)品的能力；人類(lèi)要想準(zhǔn)確地鑒別、評(píng)價(jià)、篩選、加工，自身就必須擁有更高級(jí)的知識(shí)和更高階的能力。首先，AI時(shí)代，人類(lèi)不是不需要掌握知識(shí)，而是需要在真正意義上掌握更高級(jí)的知識(shí)?；ヂ?lián)網(wǎng)時(shí)代造成傳統(tǒng)的知識(shí)過(guò)濾機(jī)制失效，導(dǎo)致知識(shí)超載或知識(shí)危機(jī)（戴維·溫伯格， 2014， pp.17-22）。這種狀況在智能時(shí)代更加嚴(yán)重，因?yàn)橹悄軝C(jī)器的知識(shí)創(chuàng)造和文化產(chǎn)品創(chuàng)作效率遠(yuǎn)超人類(lèi)。面對(duì)個(gè)人的、網(wǎng)絡(luò)上的、機(jī)器生成的海量知識(shí)，人們難免感到焦慮。但實(shí)際上，在人機(jī)協(xié)同中，人根本無(wú)須在意自身掌握知識(shí)的“量”，而應(yīng)關(guān)注掌握知識(shí)的“質(zhì)”。人只有深刻理解了特定領(lǐng)域內(nèi)的“硬知識(shí)”——即他不僅掌握了被確證的、置信度最高的那部分知識(shí)，還掌握了那部分知識(shí)被發(fā)現(xiàn)、被驗(yàn)證的過(guò)程，以及其與所解釋對(duì)象的關(guān)系，他才可能對(duì)海量的“軟知識(shí)”加以檢驗(yàn)、甄別、評(píng)價(jià)和篩選，并對(duì)篩選出的知識(shí)加以解釋?zhuān)x予它們意義，等等。其次，AI時(shí)代，人類(lèi)更須擁有與智能機(jī)器互補(bǔ)的高階能力。如前所述，LLM的認(rèn)知缺乏經(jīng)驗(yàn)基礎(chǔ)，AI4S缺乏因果推理能力，而這些是科學(xué)發(fā)現(xiàn)中提出原創(chuàng)性理論假設(shè)所需要的。在人機(jī)協(xié)同中，人類(lèi)應(yīng)該補(bǔ)上機(jī)器的上述不足，強(qiáng)化自身從現(xiàn)實(shí)世界中發(fā)現(xiàn)問(wèn)題、抽象關(guān)系、提出假設(shè)的能力。在文化產(chǎn)品創(chuàng)作中，LLM缺少經(jīng)驗(yàn)基礎(chǔ)及感性基礎(chǔ)，而人類(lèi)卻可以擁有來(lái)自經(jīng)驗(yàn)和感性的創(chuàng)作沖動(dòng)和藝術(shù)原創(chuàng)力。因而，回歸生活、回歸感性自我應(yīng)是每個(gè)藝術(shù)創(chuàng)作者修煉自身素養(yǎng)的核心所在。除此以外，由于人類(lèi)需要掌控人機(jī)協(xié)同完成任務(wù)的全局，因而就需要理解和反思任務(wù)完成中人機(jī)雙方的認(rèn)知過(guò)程和結(jié)果，包括認(rèn)知交互的過(guò)程和結(jié)果，即具有領(lǐng)域內(nèi)的元認(rèn)知能力。比如，作家小白在嘗試使用GPT-4進(jìn)行人機(jī)融合創(chuàng)作時(shí)，認(rèn)識(shí)到它“似乎具備了對(duì)人類(lèi)寫(xiě)作而言極其重要的心智理論能力，能推測(cè)特定情境中不同人的想法、觀(guān)點(diǎn)、情感變化，甚至能推測(cè)多層意向性、可能性”，“懂得如何反諷，能夠通過(guò)語(yǔ)言表達(dá)來(lái)模擬人類(lèi)情感”（澎湃新聞·澎湃號(hào)·湃客，2023）。這段文字反映的正是人機(jī)協(xié)同中人對(duì)寫(xiě)作過(guò)程及機(jī)器寫(xiě)作特點(diǎn)的深刻反思能力。

第三，具有強(qiáng)大的計(jì)算思維（Computational Thinking）能力。2006年，卡內(nèi)基梅隆大學(xué)周以真（Wing， J. M.）教授首次系統(tǒng)性地定義了計(jì)算思維，即“計(jì)算思維是運(yùn)用計(jì)算機(jī)科學(xué)的基本理念，進(jìn)行問(wèn)題求解、系統(tǒng)設(shè)計(jì)以及理解人類(lèi)行為”（Wing， 2016）。運(yùn)用計(jì)算思維進(jìn)行問(wèn)題求解主要有三步：把實(shí)際問(wèn)題抽象為數(shù)學(xué)問(wèn)題，并建模；進(jìn)行映射，把數(shù)學(xué)模型中的變量等用特定的符號(hào)代替；把解決問(wèn)題的邏輯分析過(guò)程寫(xiě)成算法。這三步后，計(jì)算機(jī)執(zhí)行算法，進(jìn)行求解。實(shí)質(zhì)上，人類(lèi)運(yùn)用計(jì)算思維的過(guò)程，就是研究哪些問(wèn)題可計(jì)算以及如何計(jì)算的過(guò)程，或者說(shuō)，是把實(shí)際問(wèn)題轉(zhuǎn)化為可計(jì)算問(wèn)題，并設(shè)定算法讓計(jì)算機(jī)去執(zhí)行的過(guò)程。對(duì)照人機(jī)協(xié)同的行為表現(xiàn)，計(jì)算思維實(shí)際上是在進(jìn)行任務(wù)界定、任務(wù)分工、任務(wù)布置、結(jié)構(gòu)設(shè)計(jì)等。只是不同于使用自然語(yǔ)言與機(jī)器交互，計(jì)算思維是使用數(shù)學(xué)和程序語(yǔ)言與機(jī)器進(jìn)行更直接、更基礎(chǔ)層面的交互。因而，人在協(xié)同中的自由度更大，掌控力更強(qiáng)。浙江大學(xué)人工智能研究所所長(zhǎng)吳飛曾指出，科學(xué)家在使用人工智能這個(gè)工具的過(guò)程中，需要形成以設(shè)計(jì)構(gòu)造、計(jì)算為核心的計(jì)算思維（趙廣立， 2021）。AlphaFold就是不同學(xué)科的科學(xué)家匯聚在一起運(yùn)用計(jì)算思維解決問(wèn)題的范例。實(shí)際上，人機(jī)協(xié)同時(shí)代不僅科學(xué)家需要計(jì)算思維，每個(gè)人都須具備這項(xiàng)基本技能（Wing， 2016）。

三、近未來(lái)①機(jī)器智能預(yù)測(cè)與人機(jī)

共生素養(yǎng)建構(gòu)

如果說(shuō)當(dāng)下機(jī)器智能的發(fā)展水平?jīng)Q定了人類(lèi)需要發(fā)展高級(jí)智能與之形成互補(bǔ)—駕馭關(guān)系，那么以AI技術(shù)的發(fā)展速度，不久的將來(lái)機(jī)器就很可能擁有強(qiáng)大的高級(jí)智能，那時(shí)人類(lèi)更須擁有與之共生的智慧。鑒于此，我們將基于當(dāng)下機(jī)器智能的發(fā)展?fàn)顩r對(duì)近未來(lái)機(jī)器智能進(jìn)行科學(xué)預(yù)測(cè)，由之推斷適應(yīng)近未來(lái)機(jī)器智能的人類(lèi)素養(yǎng)結(jié)構(gòu)?！啊磥?lái)’的圖景預(yù)見(jiàn)既是對(duì)前景的積極預(yù)測(cè)，又是當(dāng)下現(xiàn)實(shí)的合理延續(xù)”（祝智庭 等， 2023）。前文對(duì)機(jī)器智能的分析揭示了其智能局限的根源在于沒(méi)有選擇人類(lèi)天生具備的認(rèn)知方式，如因果認(rèn)知、具身學(xué)習(xí)等。AI科學(xué)家和工程師們正在著力解決這些問(wèn)題。我們推測(cè)近未來(lái)機(jī)器智能很可能在因果認(rèn)知、具身學(xué)習(xí)方面取得突破，進(jìn)而出現(xiàn)真正意義上的機(jī)器超人。不過(guò)，機(jī)器超人的本質(zhì)依然是機(jī)器，其局限及帶來(lái)的挑戰(zhàn)不可避免。而智能機(jī)器近未來(lái)的發(fā)展、局限及挑戰(zhàn)是我們建構(gòu)人機(jī)共生素養(yǎng)模型的基礎(chǔ)。

（一）近未來(lái)AI技術(shù)的突破方向

1. 配置因果推理引擎

大腦天生傾向于尋求因果解釋?zhuān)⑻焐瞄L(zhǎng)因果推理。前科學(xué)時(shí)代就是如此。近現(xiàn)代以來(lái)，借助實(shí)驗(yàn)和數(shù)學(xué)工具，這種天性和才能更是幫助人類(lèi)創(chuàng)造了龐大而嚴(yán)謹(jǐn)?shù)目茖W(xué)知識(shí)體系。要發(fā)展強(qiáng)人工智能，不應(yīng)當(dāng)單純走大數(shù)據(jù)+深度學(xué)習(xí)的道路，而應(yīng)當(dāng)在現(xiàn)代計(jì)算機(jī)上模擬大腦的因果推理機(jī)制，創(chuàng)造“人工科學(xué)家”。這個(gè)智能機(jī)器人將會(huì)為我們發(fā)現(xiàn)未知的現(xiàn)象，解開(kāi)懸而未決的科學(xué)之謎，設(shè)計(jì)新的實(shí)驗(yàn)，并不斷從環(huán)境中提取更多的因果知識(shí)。珀?duì)枺≒earl， J.）和麥肯齊（Mackenzie， D.）將因果關(guān)系之梯分為三個(gè)層級(jí)：第一層級(jí)是通過(guò)觀(guān)察發(fā)現(xiàn)關(guān)聯(lián)，從而進(jìn)行預(yù)測(cè)。觀(guān)察到的事物關(guān)聯(lián)可能是因果性的，也可能不是。第二層級(jí)是通過(guò)行動(dòng)進(jìn)行干預(yù)?！安倏v”原因獲得預(yù)期結(jié)果，因果關(guān)系便得到一定程度的證實(shí)。第三層級(jí)是反事實(shí)的創(chuàng)構(gòu)（即對(duì)諸如“假如我采取了相反的行動(dòng)會(huì)怎么樣”一類(lèi)問(wèn)題的回答），是基于因果關(guān)系的合理想象（推理）。他們認(rèn)為，目前的深度學(xué)習(xí)處于第一層級(jí)——由觀(guān)察數(shù)據(jù)建構(gòu)關(guān)系模型，再進(jìn)行預(yù)測(cè)。而通過(guò)Do算子，AI可以在不實(shí)施干預(yù)的情況下預(yù)測(cè)干預(yù)的效果，躍升至第二層級(jí)。通過(guò)反事實(shí)算法，AI則可以進(jìn)一步躍升至因果關(guān)系之梯的最高層級(jí)。（朱迪亞·珀?duì)?& 達(dá)納·麥肯齊， 2019， p.10）我們可以樂(lè)觀(guān)地估計(jì)，配置了這樣的因果推理引擎，再加上大數(shù)據(jù)、大算力的加持，AI自主提出高質(zhì)量科學(xué)假設(shè)、獲得原創(chuàng)性科學(xué)發(fā)現(xiàn)的可能性將大大提高。

2. 開(kāi)發(fā)具身智能機(jī)器人

當(dāng)前的LLM和AI4S都屬于非具身智能，它們沒(méi)有物理身體，只能被動(dòng)接受人類(lèi)采集、制作好的數(shù)據(jù)，無(wú)法執(zhí)行任何物理行動(dòng)，無(wú)法真正理解世界的真實(shí)意義。因此，它們雖然能夠迅速獲得特定智能，卻也有極大的局限性。目前，具身智能機(jī)器人通過(guò)與環(huán)境的真實(shí)互動(dòng)進(jìn)行強(qiáng)化學(xué)習(xí)，雖然學(xué)習(xí)進(jìn)度慢，（理論上）卻不存在智能發(fā)展的上限，通常被認(rèn)為是AI的終極形態(tài)。目前，具身智能已經(jīng)成為國(guó)際學(xué)術(shù)前沿研究方向。谷歌公司Everyday Robot的SayCan已經(jīng)將機(jī)器人和對(duì)話(huà)模型結(jié)合到一起，能夠讓機(jī)器人在大型語(yǔ)言模型的幫助下，完成一個(gè)包含16個(gè)步驟的長(zhǎng)任務(wù)。加州大學(xué)伯克利分校的LM-Nav用三個(gè)大模型（視覺(jué)導(dǎo)航模型ViNG、大型語(yǔ)言模型GPT-3和視覺(jué)語(yǔ)言模型CLIP）教會(huì)了機(jī)器人在不看地圖的情況下按照語(yǔ)言指令到達(dá)目的地。近未來(lái)，隨著機(jī)器人感知和行動(dòng)能力的進(jìn)一步發(fā)展，在強(qiáng)大的知識(shí)儲(chǔ)備、運(yùn)算能力和語(yǔ)言能力的加持下，它的理論思維能力與實(shí)踐能力、推理能力與創(chuàng)新能力將相互強(qiáng)化，產(chǎn)生Lollapalooza效應(yīng)（可譯作“好上加好”效應(yīng)）。

（二）近未來(lái)AI技術(shù)的發(fā)展限制

我們推測(cè)，近未來(lái)的智能機(jī)器大概率將缺失價(jià)值理性。雖然具備了因果認(rèn)知、具身學(xué)習(xí)能力，機(jī)器可以獲得自主探索真理、判斷真?zhèn)?、區(qū)分美丑等高級(jí)智能，但是從人本主義立場(chǎng)出發(fā)，人類(lèi)很可能不會(huì)賦予它們自主為各種價(jià)值排序、做出價(jià)值選擇的價(jià)值理性?？梢栽O(shè)想，人類(lèi)開(kāi)發(fā)AI時(shí)會(huì)預(yù)先給它植入科學(xué)知識(shí)、道德規(guī)范、價(jià)值準(zhǔn)則等。在它自主的科學(xué)探索中，程序會(huì)允許它根據(jù)新的科學(xué)發(fā)現(xiàn)修正原先植入的科學(xué)知識(shí)，因?yàn)榭茖W(xué)本就是容錯(cuò)和可證偽的。在它與環(huán)境互動(dòng)的過(guò)程中，程序也會(huì)允許它修正原先植入的道德規(guī)范，因?yàn)榈赖乱?guī)范過(guò)于機(jī)械，往往需要根據(jù)復(fù)雜的道德情境加以調(diào)整。但是程序卻不會(huì)允許它修改價(jià)值準(zhǔn)則，因?yàn)橐坏C(jī)器能夠修改價(jià)值準(zhǔn)則，就意味著它有了自己的好惡，驅(qū)動(dòng)它的也就不再是人類(lèi)的目標(biāo)指令或目的設(shè)定，而是它自己的好惡，那將是人類(lèi)的巨大災(zāi)難。環(huán)顧世界各國(guó)，人本人工智能（Human-centered AI，HAI）已被確立為人工智能發(fā)展的方向，而人本人工智能的核心便是將人類(lèi)的需求和價(jià)值觀(guān)納入人工智能技術(shù)的開(kāi)發(fā)、應(yīng)用和治理之中（祝智庭 等，2023）。從技術(shù)開(kāi)發(fā)的角度看，這意味著機(jī)器的智能再發(fā)達(dá)，也得聽(tīng)命于人類(lèi)的價(jià)值排序和價(jià)值選擇。

（三）人機(jī)共生素養(yǎng)：智慧躍遷

近未來(lái)機(jī)器智能高度發(fā)達(dá)而價(jià)值理性缺失，對(duì)人類(lèi)不僅意味著手和腦的解放，更意味著前所未有的人文挑戰(zhàn)。一方面，智能機(jī)器的設(shè)計(jì)與應(yīng)用需要人們做出價(jià)值排序和價(jià)值選擇，這很可能使價(jià)值沖突顯性化、擴(kuò)大化；另一方面，數(shù)字智能技術(shù)高度發(fā)達(dá)，也會(huì)導(dǎo)致現(xiàn)實(shí)世界祛魅和人類(lèi)智能貶值，最終讓生活失色和生命沉淪。要應(yīng)對(duì)這些挑戰(zhàn)，需要人們實(shí)現(xiàn)智慧躍遷——擁有善于考慮“對(duì)整個(gè)生活有益的”實(shí)踐智慧（亞里士多德， 2003， p.172），以創(chuàng)造新的和諧生活和美好生命，而不是沉淪到“高科技，低生活”的賽博朋克世界中。實(shí)踐智慧具體表現(xiàn)在三個(gè)方面（如圖3所示）。

1. 協(xié)調(diào)價(jià)值沖突的智慧

智能機(jī)器缺失價(jià)值理性，需要人們替它們做出價(jià)值排序和價(jià)值選擇。而價(jià)值問(wèn)題的本質(zhì)在于不存在一個(gè)真理解或普遍必然解。即不存在關(guān)于“好”的普遍必然定義。同時(shí)，價(jià)值排序永遠(yuǎn)存在兩難困境，因而難以合理地解決優(yōu)先級(jí)問(wèn)題。不僅如此，機(jī)器高度發(fā)達(dá)的智能及其廣泛應(yīng)用于公共生活的公共性，會(huì)導(dǎo)致原先有限范圍的價(jià)值沖突擴(kuò)大化，原先隱藏的價(jià)值沖突公開(kāi)化、尖銳化，這些價(jià)值沖突將給人們帶來(lái)極大的困擾。如在無(wú)人駕駛技術(shù)開(kāi)發(fā)中，如何給等概率致傷自己與致傷行人進(jìn)行價(jià)值排序？在智能教育技術(shù)應(yīng)用中，是選擇智能學(xué)伴，還是人類(lèi)學(xué)伴？是將學(xué)習(xí)完全置于技術(shù)監(jiān)控與數(shù)據(jù)分析之下，還是讓孩子自由地想學(xué)什么就學(xué)什么、想怎么學(xué)就怎么學(xué)？智能機(jī)器將這些前所未有的尖銳的價(jià)值沖突擺在人們面前。對(duì)于價(jià)值沖突，前人通過(guò)共同體規(guī)范或者民主磋商加以解決，而在智能時(shí)代這些辦法可能還不夠。也許只有每個(gè)人都擁有籌劃共同美好生活的實(shí)踐智慧，才可能有效協(xié)調(diào)各種復(fù)雜的價(jià)值沖突。

2. 虛實(shí)切換創(chuàng)生的智慧

AI技術(shù)高度發(fā)達(dá)會(huì)進(jìn)一步加深現(xiàn)實(shí)世界數(shù)字化、虛擬化的程度，加深人類(lèi)生存的數(shù)字化程度，直至迎來(lái)元宇宙的繁盛期。元宇宙作為一個(gè)與傳統(tǒng)物理世界平行的全息數(shù)字世界，是用計(jì)算機(jī)技術(shù)復(fù)制現(xiàn)實(shí)世界得出的鏡像與愿景。到元宇宙全面繁榮時(shí)，人類(lèi)將在元宇宙中建立與現(xiàn)實(shí)物理世界相平行的“數(shù)字孿生組織”，企業(yè)之間、人與人之間相互作用的過(guò)程都將全部數(shù)字化。有人認(rèn)為這將實(shí)現(xiàn)人的數(shù)字化永生。然而，換個(gè)角度看，這是否意味著人類(lèi)另一種形式的異化呢？機(jī)器因?yàn)榫呱韺W(xué)習(xí)而向現(xiàn)實(shí)世界擴(kuò)張，人類(lèi)卻墮入“數(shù)字沉迷”的深淵而失去了自身的現(xiàn)實(shí)性。要避免這種結(jié)果，人們必須不忘創(chuàng)造美好現(xiàn)實(shí)生活的初衷，善于在虛擬世界與現(xiàn)實(shí)世界之間自由切換，善于汲取虛擬世界的養(yǎng)料來(lái)創(chuàng)生現(xiàn)實(shí)的美好。舉一個(gè)極端的例子，在元宇宙中，高度發(fā)達(dá)的AI、VR、腦機(jī)接口等技術(shù)可以輕易讓人分泌多巴胺，產(chǎn)生近似戀愛(ài)的感覺(jué)，但是人不能沉溺于此，而應(yīng)懂得什么才是真正“對(duì)自己好的、有益的事情”（亞里士多德， 2003， p.172），從而讓自己從虛幻的滿(mǎn)足中脫離出來(lái)，到現(xiàn)實(shí)生活中建立真實(shí)的親密關(guān)系以及人與人之間的真摯感情。

3. 追尋生命意義的智慧

每一波AI技術(shù)突破都會(huì)導(dǎo)致大量工作自動(dòng)化。如2023年高盛發(fā)布研究報(bào)告稱(chēng)，隨著生成式人工智能的廣泛應(yīng)用，預(yù)計(jì)全球?qū)⒂?億個(gè)工作崗位被AI取代，超過(guò)900種職業(yè)（占全美近三分之二的職業(yè)）將部分被AI替代（Sachs， 2023）。近未來(lái)，在大部分工作上智能機(jī)器都可以有類(lèi)人或超人的表現(xiàn)。單純從生產(chǎn)效率和經(jīng)濟(jì)效益的角度出發(fā)，人類(lèi)勞作的機(jī)會(huì)及其必要性都會(huì)大大降低。然而，這并非全然是幸事。生活富足安逸很可能導(dǎo)致人們精神的空虛。以挪威為例，雖然位居世界上最富有的國(guó)家之列，但自殺率居高不下。其原因一方面與氣候有關(guān)，另一方面與人心空茫、缺乏生活目標(biāo)有很大關(guān)系。（車(chē)?guó)P， 2018）近未來(lái)，人們的空閑時(shí)間大幅增多，但心靈空虛的風(fēng)險(xiǎn)也隨之增大，因?yàn)閯谧鞑灰欢ㄊ切量嗷蜇?fù)擔(dān)。如果從事與自身價(jià)值觀(guān)匹配、發(fā)揮身心潛能的工作，“勞作”實(shí)質(zhì)上就成為“創(chuàng)造”，或者說(shuō)是“自我實(shí)現(xiàn)”的過(guò)程。馬斯洛（Maslow， A.）需要層次理論認(rèn)為，自我實(shí)現(xiàn)的需求處于需求層次的頂端。較低層次的生理需求、安全需求、愛(ài)與歸屬感、自尊得到滿(mǎn)足后，會(huì)產(chǎn)生厭倦、無(wú)趣的情緒；自我實(shí)現(xiàn)需求卻不會(huì)如此。自我實(shí)現(xiàn)會(huì)給人帶來(lái)巔峰體驗(yàn)，使人獲得極大的幸福感、敬畏感、和諧感?？挤蚵↘aufman， B. S.）的研究也表明，自我實(shí)現(xiàn)會(huì)帶來(lái)最佳的心理健康與個(gè)人成長(zhǎng)（Kaufman， 2018）。然而，強(qiáng)大的機(jī)器智能、逐利的資本本質(zhì)，以及人類(lèi)自身的惰性，會(huì)極大擠壓自我實(shí)現(xiàn)的空間。在這樣的境遇下，尋找生命的意義將變得更加艱難?；蛟S，只有人們深刻反思，意識(shí)到“意義”應(yīng)替代“效率”成為根本目標(biāo)，AI時(shí)代的生命榮光才會(huì)綻放。

四、結(jié)語(yǔ)

綜上，基于技術(shù)與人相互構(gòu)成、技術(shù)與社會(huì)共同進(jìn)化的技術(shù)哲學(xué)假設(shè)，我們推演出人機(jī)協(xié)同—人機(jī)共生的素養(yǎng)模型，以期人類(lèi)社會(huì)做出及時(shí)的、必要的教育應(yīng)對(duì)。實(shí)際上，新技術(shù)發(fā)展中普遍存在“科林里奇兩難現(xiàn)象”，即在早期階段、新技術(shù)尚具有可塑性時(shí)，人們因缺少它將產(chǎn)生何種社會(huì)影響的知識(shí)，而沒(méi)有做出必要調(diào)整，直到獲得那些知識(shí)后，新技術(shù)已經(jīng)完全嵌入社會(huì)而難以做出任何改變（Poel， 2020）。所幸的是，通過(guò)技術(shù)哲學(xué)研究和小規(guī)模社會(huì)實(shí)驗(yàn)，我們可以提前獲得AI技術(shù)—人、AI技術(shù)—社會(huì)的知識(shí)，提前調(diào)整技術(shù)開(kāi)發(fā)以及人才培養(yǎng)的方向，讓智能革命與人的發(fā)展、社會(huì)進(jìn)化同步同向而行。

參考文獻(xiàn)

北京大學(xué)定量生物學(xué)中心. （2022-8-15）. 2022科學(xué)智能峰會(huì)回顧|湯超院士：關(guān)于A(yíng)I for Science的幾層意思. 北京大學(xué)定量生物學(xué)中心網(wǎng)站. http：//cqb.pku.edu.cn/info/1065/1851.htm

車(chē)?guó)P. （2018-5-25）. 時(shí)代呼喚人文素養(yǎng). 中國(guó)共產(chǎn)黨新聞網(wǎng). http：//theory/people.com.cn/n1/2018/0525/c40531-30013242.htlm

澎湃新聞·澎湃號(hào)·湃客. （2023-6-10）. 當(dāng)“我”和“它”的界限不再明晰，ChatGPT會(huì)為文藝創(chuàng)作帶來(lái)什么？澎湃新聞網(wǎng). https：//www.thepaper.cn/newsDetail_forward_23424789

錢(qián)穎一. （2023-2-12）. 人工智能將使中國(guó)教育優(yōu)勢(shì)蕩然無(wú)存. 《當(dāng)代教育家》雜志官方網(wǎng)易號(hào). https：//www.163.com/dy/article/HTBE2IS60516DKF5.html

戴維·溫伯格. （2014）. 知識(shí)的邊界（胡泳，& 高美 譯）. 山西人民出版社.

肖峰. （2020）. 人工智能的知識(shí)哲學(xué)審思. 求索（1），87-94.

亞里士多德. （2003）. 尼各馬可倫理學(xué)（廖申白 譯）. 商務(wù)印書(shū)館.

楊宗凱，王俊，吳砥，& 陳旭. （2023）. ChatGPT/生成式人工智能對(duì)教育的影響探析及應(yīng)對(duì)策略. 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版）（7），26-35.

余明. （2022）. 還原與無(wú)限：技術(shù)時(shí)代的哲學(xué)問(wèn)題. 上海三聯(lián)書(shū)店.

趙廣立. （2021-12-29）. 我們正處于新科學(xué)革命的起點(diǎn)|學(xué)界熱議AI for Science. 科學(xué)網(wǎng). https：//news.sciencenet.cn/htlmnews/2021/12/471722/shtm

趙汀陽(yáng). （2023）. GPT推進(jìn)哲學(xué)問(wèn)題了嗎. 探索與爭(zhēng)鳴（3），66-74.

朱迪亞·珀?duì)枺?amp; 達(dá)納·麥肯齊. （2019）. 為什么：關(guān)于因果關(guān)系的新科學(xué)（江生，& 于華 譯）. 中信出版集團(tuán).

祝智庭，戴嶺，& 趙曉偉. （2023）. “近未來(lái)”人機(jī)協(xié)同教育發(fā)展新思路. 開(kāi)放教育研究（5），4-13.

Camp， V. （2009）. Stiegler， habermas and the technological condition of man. Journal for Cultural Research （2），125-141.

Cranmer， M.， & Spergel， D. （2020-6-19）. Discovering symbolic mo-

dels from deep learning with inductive biases. Cornell University Website. https：//arxiv.org/abs/2006.11287

Hornik， K.， Stinchcombe， M.， & White， H. （1989）. Multilayer feedforward networks are universal approximators. Neural Networks （2），359-366.

Kaufman， B. S. （2018-9-7）. What does it mean to be self-actualized in the 21st century. Scientific American. https：//blogs.scientificamerican.com

Poel， I. V. D. （2020）. Three philosophical perspectives on the relation between technology and society， and how they affect the current debate about artificial intelligence. Human Affairs （10），499-511.

Rahman， M. M.， & Watanobe， Y. （2023）. ChatGPT for education and research： Opportunities， threats， and strategies. Applied Sciences，13（9）， 5783.

Sachs， G. （2023-4-5）. Generative AI could raise global GDP by 7%. Navigating the AI Era. https：//www.goldmansachs.com/intelligence/pages /generative-ai-could-raise-global-gdp-by-7-percent.html

Stiegler， B.， Roberts， B.， Gilbert， J.， & Hayward， M. （2012）. Bernard Stiegler： ‘A rational theory of miracles on pharmacology and transindividuation’. New Formations （10），164-184.

Tegmark， M. （2018）. Life 3.0： Being human in the age of artificial intelligence. Vintage.

Wing， J. M. （2016）. Computational thinking. Communication of the ACM （3）， 33-35.

Intelligent Revolution and Reconstruction of Human Literacy： An Educational Reflection Based on Technology Philosophy

Abstract： The accelerated development of AI technology has caused visionary men to doubt the value of human existence and worry about the prospect of human development. What qualities should human beings own in the era of AI in order to complement， promote， co-exist and co-prosper with another type of agent？ For this educational origin problem， it’s necessary to analyze the essence， limitations and development trends of AI technology based on technology philosophy， and build a literacy model to collaboratively innovate and co-prosperity with it. Among them， the core of human-machine synergistic literacy is the advanced intelligence that can complement the current machine intelligence and control it to complete innovative tasks. The core of human-machine symbiosis literacy is the practical wisdom to deal with various humanistic problems brought about by machine intelligence in the near future and to be good at pursuing and achieving a better life together.

Keywords： AI; human-machine synergistic; human-machine symbiosis; technology philosophy