科技中国杂志

人工智能研发的技术范式

来源:《科技中国》2020年第九期pp.80-84

日期:2020-09-23

  文/吕乃基(东南大学文学院)

  技术范式是技术哲学中的重要范畴,1982年由技术创新经济学家多西提出。技术范式是解决所选择的技术经济问题的一种模式,而这些解决问题的办法立足于自然科学的原理。人工智能是当代科技发展的前沿。在人工智能半个世纪以来的发展过程中,相应的技术范式正在形成之中。

  一、技术范式

  技术范式(雍歌)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,也最大限度地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,则必须“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,意味着技术范式不仅建立在坚实的事实和规律的基础上,而且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,其蕴涵的精神甚至上升为人类的精神。技术范式既是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。

  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。

  技术范式的指导作用是明确的,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。

  二、人工智能研发的技术范式

  严格地说,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。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(郭朝晖)。

  数字化、标准化并非模拟人脑的思维,却易于验证、分析和被人理解;神经元路线模拟人脑的思维,却难以被人理解。

  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”大致相当于以下的两种范式。

  (一)“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,波兰尼关于隐性知识(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。

  “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)”或“embodied cognition”,即“具身认知”。人的认知过程,是沉浸于环境的个体,在与环境的交互中涌现而来,并非是简单的“观照”“思维”和“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body和情商,甚至剔除情商。2016年9月25日上海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”。

  由此倒可以想起中国传统文化中对“心”的强调,要“用心”思考、做事,心想事成。强人工智能设想由(深度)情感计算架起情感与智能的桥梁。究竟是否该赋予阿尔法狗以“情”以“心”?

  李世石表示再也不想与阿尔法狗下棋,“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。

  (二)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,而是可以走心脑分离的路径。人工智能之所求原本只是“智”,是“缸中大脑”(联系《三体》中作为地球人使节的程天明),而非“情”非人;正因为此,人工智能超越为情所困的人的智能,在不顾及这些“情感”之时把事情做得更好,更绝。阿尔法狗之胜,就在于不顾“意义”和“文化”,有脑无心,有理无情;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,做到极致。正是通过重复博弈而演进博弈,开发深度学习,步步为营,迁移学习,举一反三,乃至跨越规则与边界的“德州扑克”,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”,而心灵则成了“处理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”,成了垃圾箱。理性在18、19世纪的口号是“以头立地”。以阿尔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,做单项冠军;一步一步去做,不去想人之为人。

  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,为什么阿尔法狗一定要有“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。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,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”;而大数据和越来越强大的计算能力则超越“有限”。

  凯文凯利的建议是: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,做出决策;机,人工智能从事计算,提供决策的依据和选项。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“窗口期”,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”。刘锋的“互联网大脑”就是人机合一。

  (三)第三条道路:“量子范式”

  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,量子范式存在两大类型。其一,涉及意识或自由意志与量子纠缠的关系。“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。”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。看来在这一点上,强人工智能与量子范式走到了一起。然而,即使量子范式获得某种突破,从目前趋势来看,其硬件或许是芯片、网络、线路,用硅或石墨烯等等制成,不太可能是构成人脑这样的成分,也不是“完整的生命形态”,这一点可能招致“强人工智能”范式的不满。

  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、叠加、塌缩……,以及带有浓厚的主观乃至神秘的色彩,例如“佛祖守候已久”。

  其二,量子计算机。同样是“量子”,量子计算机提供了不一样的路径。不考虑意识的本质,追求计算的突破:遍历和速度。现在已经达到这样的“量子霸权”,3分20秒相当于普通计算机运算1万年。这一路径偏向弱人工智能,不求揭示意识的本质,但求功能的拓展。在拓展的过程中,有可能接触到意识的本质。值得注意的是,就人工智能而言,在量子范式中,中国注重量子通讯,西方国家集中发展量子计算机。不同的选择,会影响到技术范式的竞争和形成。

  三、由“前技术范式”到技术范式

  “技术范式”,是技术、经济、社会、文化等各方面博弈与合作的结果。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”。“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多可能的应用前景和获得更多的投资。

  德勤在其报告中称: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。这些新部门也被视为是对母公司架构的转变。此类重组强调认知技术的潜力,能够完全革新技术行业——还会顺带影响垂直产业和市场。这些趋势涉及大量人工智能的前沿,一个共同点是,似乎没有给情感和量子多大余地。由此看来,智能就是智能,这一前技术范式在目前有较大可能或已经成为现实的技术范式。

  也可以认为,这三种前技术范式的区别在于,关注眼前还是长远。相对而言,“智能就是智能”立足眼前,步步为营;而强人工智能和量子路径之一的技术范式是意在高远。问题是,是否需要为“智能就是智能”设定长远目标,以人的意向性、情感规范约束“步步为营”,以“量子”来“纠缠”这些“长期表现优秀的公司”?上述上海AI小组闭门讨论会认为,人工智能只有在追求终极智能而不达的过程里,才会产生有价值的副产品。有可能情况会反过来,在逐一实现有限目标之时,陡然发现,“那人却在,灯火阑珊处”。

  对于强人工智能来说,一方面在应用端眼下得不到来自市场和资本的支撑,另一方面,目前相关的科学水平看来尚不能成为其技术范式的基础。