作为对管理学专业课程的补充，“君子知道”复旦大学EMBA人文商道讲堂秉承“商道人文，融汇贯通”的目标，让学生从人文中汲取力量，拥有大智慧、大视野、大情怀。“君子知道”人文商道讲堂依托复旦大学强大的师资力量，遍邀名师，为EMBA学生校友分享商道、人文和政经等热门话题。

　　近日，“君子知道”复旦大学EMBA人文商道讲堂特邀复旦大学哲学学院教授、博导、教育部长江青年学者徐英瑾从哲学的视角讲述人工智能的发展。徐英瑾教授认为：现在的人工智能不是根据心理学所规定的发展方向来发展的，所以它的“拟人性”还很成问题。通用人工智能目前还达不到能够应用的阶段，但这是可以追求的，而且在某种意义上是必须追求的一件事情。

　　

　　复旦大学哲学学院教授、博导，教育部长江青年学者。主要研究领域为人工智能哲学，知识论，认知科学哲学等。多次获得上海市哲学社会科学优秀成果奖、全国高等院校优秀人文社会科学成果奖。著有《心智、语言和机器——维特根斯坦哲学与人工智能哲学的对话》，是国内目前最全面深入的关于人工智能哲学的研究著作，于2015年获得中国首届“科史哲青年著作奖”。

　　以下为根据讲座整理的主要内容。

　　我们谈论这个话题，有一个背景，那就是，公众对人工智能有很高的期望。这其中，很多期望是建立在对学界实际发展状况的误解上。比如认为人工智能是个新东西，是这几年冒出来的。事实上，“人工智能”（artificial intelligence）正式变成公认的学科名词是在1956年美国的达特茅斯会议上。显然这是距今很久远的事情了。至于现在被谈论很多的深度学习技能，前身就是人工神经元网络（artificial neural network）。这个概念20世纪60年代就被学界注意到了。人工智能的奠基人之一阿兰?图灵生前也搞过一些粗浅的人工神经元网络研究，这样算的话，这个技术至少可以追溯到20世纪40年代了。所以，人工智能的主流技术其实并不新，它是经过传统技术的反复迭代而来的。

　　AI技术的现状：理想丰满，技术骨感

　　对AI技术，主要有三种论断。有人持乐观论，认为AI的发展一定能够在短时间内解决我们面临的各种问题。这种论调描绘了一个乌托邦场景：回到家中，所有的设备都能够通过5G网络和物联网与你心有灵犀。汽车是不用驾驶的，上了车啥事都不用干就可以把你带到目的地。

　　另一种是悲观论，表面看上去这和乐观论背道而驰，实际上底层逻辑是一样的。他们都认为，人工智能能够消灭很多人的工作。只是，持有乐观论的是站在顶层的人，他们本身就拥有财富、权力和资本，所以员工解散了不要紧，企业还是我的，我照样赚  钱。悲观论者更多站在那些被裁掉的人的立场，认为AI会对人类构成巨大威胁，甚至有可能带来人类的灭绝。

　　我的观点是泡沫论。“泡沫”不是指AI的未来一片黯淡，而是说在短期内，这项技术的发展无法匹配很多人的梦想。理想很丰满，技术目前还很骨感。如果你意识不到两者的差距，就会导致泡沫。

　　假如因为对AI持有乐观态度而到市场上去融资，那就需要谨慎考虑。历史上有成功的案例，比如IBM360计算机项目，但也有很多失败的案例。许多关于AI的融资计划都把未来描述得很好，饼画得特别大，但最后很有可能会黄掉。

　　AI对我们生活的改变不是全局性的、颠覆性的，而是局部的改进。如果怀着颠覆人们生活的期望去投资项目，那十有八九会失败。AI在网络教育里的作用，在养老陪护上的作用等，我认为会有一些商机。但有些项目比如自动驾驶，就有很多泡沫。

　　使用传统方法解决问题的能力在下降，这是危险的

　　我自己主张的泡沫论是建立在一些基本概念界定的基础上的，比如“专用人工智能”和“通用人工智能”。专用人工智能就是只能干一件事或两件事的机器，而通用人工智能就是啥事都能干。我举个例子，李世石是一位棋手，但是AlphaGo是一个围棋程序。如果我们把李世石看成一个智能系统的话，他就是通用智能系统。因为他还能做许多其他事情，比如他应该会泡面，会开车，他还会在和AlphaGo下完棋以后接受媒体采访，谈谈感受。但是AlphaGo肯定不会开车，也不能在和李世石下完棋以后和媒体谈谈它的感受。人类的特点是，你在一件事上可能是专家，其他事情也能干，只是干得没那么好。李世石开车肯定没有韩寒好，这就是专用人工智能和通用人工智能的区别。

　　我们现在看到的人工智能都是专用的，它们的制作思路都是按照专用的思路来做的。比如人脸识别和语音识别，现在人工智能通过卷积神经元网络技术的进步，已经获得了一个极大的能力。一个人可以同时通过人脸和声音识别他人，但对于人工智能来说，图像识别的神经元系统和语音识别是两回事。

　　

　　《西部世界》剧照

　　但现在人们对人工智能的想象又是建立在通用人工智能之上的，这是一件很麻烦的事。很多人可能看过美剧《西部世界》，它是以美国西部的环境作为外景地拍摄的。里面出现的机器人都特别厉害，他们都有了人类的特征，就开始反抗人类。有人看了就会脑补，如果我们和机器人一起生活，会受到怎样的威 胁？很多人对人工智能的思考就是建立在这类科幻电视之上的。科幻影视作品受众广，不需要具备多少科学素养，都能看明白。

　　我自己有一个观点，软科幻看多了，要看一些硬科幻。硬科幻距离今天的科学很近，比如《火星救援》。硬科幻可以起到科普的作用，能够增强你对现实世界的把握能力。现在的人工智能都是基于大数据的，它对小概率和偶然性事件缺乏应对机制，所以面对这个充满变动的世界，我们都不知道如何应对了。比如，一种新型病  毒、未知规模的洪水。

　　　所以问题不是人工智能有了人的意识以后与人对抗，而是我们过多依赖人工智能以后，脑袋变蠢了。前不久我参加了一个在上 海 举 办的论坛，一位外国人工智能专家介绍他们与警方合作，用大数据来监测可能发生的犯罪。看了以后，我心里就犯嘀咕，假设一个糟糕的状况，某个掌握大数据的警 察变节了，他要做坏事，其他人是没有办法的。因为那么多年来警 察 办 案 都 习 惯 于 调 监 控，然后对录像进行分析，一旦这些数据都变成虚假的，警 察已经无法像以前的福尔摩斯一样用大脑进行思考了。传统的办 案“武功”在下降，这个危险相当大。

　　不要以为有了现代化的东西以后就可以放弃传统。假设我们在和另一个军队打仗，现在都能用5G网络，敌人把我们的网黑了，我们怎么办，只能用信鸽或者鸡毛信，用最原始的方法。如果我们将人工智能的能力想象得很强大，同时又废掉了我们用传统方法解决问题的能力，这可能会将人类置于某种尴尬的境地。


　　为什么现在我们还发展不出通用人工智能？

　　现在的“深度学习”技术能够真正到达通用人工智能的程度吗？从哲学角度看，这是不可能的。如果说一件事在哲学上行不通，这是一种很严重的指控，就说明这件事从根本上说就是没戏。比如永动机，在哲学上就是不可能的。

　　现在我来论证这一点，这里有个大前提、小前提和结论，这是最典型的三段论论证。

　　AGI（通用人工智能）系统的特点就是通用，既然是通用，就要处理全局性的问题。什么是全局性？就是在不同的理论体系之间进行一个抉择的能力。不同的诉求彼此是有冲突的，你要想办法找到一个中庸点。类似于某家政人员跑到别人家里做事。如果主人是一个知识分子，家里书特别多，他可能会要求书房要打扫干净，但不能干净到书都找不到了。读书的人都知道往往书的易取性和整洁性是相互矛盾的，几本书同时看如果都收起来再找再取就很耗费时间。所以，究竟是追求整洁还是易取？这里面有个平衡点。这个平衡点是不能通过程序来设置的，需要和用户进行磨合。

　　任何一个综合系统都要有处理各种情况的能力。其中有些情况是非常极端的，比如自动驾驶汽车，道路的左边有一个人，道路的右边有五个人，车速太快，来不及刹车，那么到底往哪边拐？这个时候程序突然得到消息，左边的人是我们国家一位非常重要的专家，那你是不是会觉得专家更重要？但你转念一想，每个人的生命都是平等的。康德说过，人不仅仅仅是手段，也是目的，他说的人包括普罗大众，不一定是专家教授或者是企业家。

　　这个时候就很麻烦了，不同的程序会打架。AGI就要处理全局性的问题，能够在不同领域的冲突中得到一个平衡点。

　　小前提是，我们都知道人工智能是基于规则的，也就是一系列的逻辑原则。但是神经元网络的学习思路不同，它没有清楚的规则。有规则和没有规则的区别是什么？我举个例子。假设一个俄罗斯小伙子到少林寺学武功，语言不通，怎么办？有个办法，和尚做一个动作，小伙子跟着做，做对了就微笑，做错了就棒喝。小伙子被棒喝以后，知道自己不对，但怎么个不对法？他一下子未必知道，就需要不断试错。不对的武术有千千万万种，就需要猜，一开始这种猜测都是随机的。所以语言的好处很明显，语言是基于规则的，规则本身就要用语言来表达，告诉你武术的规则是什么，然后再由人转化为下层的运动。

　　但是神经元网络不是这样，它就是我们前面所说的那种很蠢的教学方法。人类错了以后的反省是有道理的，是基于规则的。但是系统不是，它就是胡乱调参数，猜错了，下次再猜。它就是通过大量胡猜，把事情慢慢往对的方向猜。人不能这样学习，这样会累死的。但机器可以，它们可以在很短的时间里完成人类不可能完成的巨量猜测。深度神经元网络技术就是用强大的机器掩盖了方法本身的笨。如果有现成的数据会非常好办，但如果没有优质数据，靠自己搜集就非常成问题。

　　目前的深度学习机制，根本问题就是缺乏跨领域学习的能力，这是人工智能无法AGI化的根本道理。不同的系统有不同的运作方式，国际象棋有国际象棋的下法，围棋有围棋的下法，人可以适应变化，但人工智能就很难适应。我们能不能把所有专用的人工智能整合为一套通用的人工智能呢？这其中又有一个问题，协同。这就和打仗一样，需要各个队伍的协同整合，需要有一个将领来领导，而人工智能并不具备总体的调配能力。

　　人工智能和人类智能还差在哪儿？一些专家提出了所谓的“卡特尔-霍恩-卡罗尔”三层智力模型。他们把通用智能分解成为很多东西，比如流体智力、晶体智力、量化推理、读写能力、短期记忆、长期记忆、视觉处理和听觉处理等等。这个东西有一个很重要的用途，工作单位在招人的时候，可以测试他的智能。量化推理无非就是算术，读写能力就是你能不能看懂文章，读懂要点。那么，什么是流体智力和晶体智力呢？晶体智力就是，老师现在给你一道题目，告诉你解法以后，看你能不能把前面做题的思路放在新的题目上，如果行的话，那事情就好办了。流体智力，要求更高，相当大程度上，它强调是个灵动的状态。

　　从这种比较来看，我们可以发现，现在的人工智能不是根据心理学所规定的这些发展方向来发展的，所以它的“拟人性”很成问题。

　　通用人工智能的确有人在研究，但现在主流的技术依然不是通用人工智能，全世界研究的队伍估计也就几百个人。但是，我始终认为，通用人工智能虽然达不到，但是是一件可以追求的事情，而且在某种意义上是必须追求的。说“人工智能应当永远停留在专用状态，而不应该进展到通用状态”，这是一种谬见。说“今天的人工智能是通用人工智能”，这同样是一种谬见。

　　复旦管院EMBA 复旦EMBA 复旦大学EMBA

　　https://www.fdsm.fudan.edu.cn/emba