人工智能与美学的关系

　　模仿是一个大话题, 可以说, 文学理论所讨论的问题都可能与模仿有联系。这里并不试图对模仿论的历史做详细讨论, 因为这是一个不可能完成的任务, 甚至连一个最简短的索引都无法完成, 重要的模仿论观念太多了, 难免顾此失彼。这里虽然要讨论模仿问题, 却要对模仿论史一带而过, 这是与此处任务相匹配的, 因为这一任务绝非历史性目标, 它既不是对模仿论历史考镜源流、拾遗补阙, 也不是新瓶旧酒, 对历史做出新的阐释, 而是站在一个特殊的转捩点上, 此前为传统, 此后为新变。在此, 我们有可能做出一个果断的判断:无论我们对此前的模仿论史做出怎样详尽的描述, 对此处将要讨论的问题也无直接影响, 因为我们将把此前的模仿一概名之为人类模仿, 而将此处探讨的主题名之为人工智能模仿, 在此, 人类模仿的作用是作为人工智能模仿的对照。这决不仅仅是为了论述的简便而做的区分, 而是因为新的事实的出现。

　　一、人类模仿与人工智能模仿

　　人类模仿是极其广阔的, 从范围上来说, 模仿包括对世界万物的模仿, 比如中国《易传·系辞下》说“仰则观象于天, 俯则观法于地, 观鸟兽之文与地之宜, 近取诸身, 远取诸物”, 可以说, 天地万物都是模仿的对象。西方格外地重视理念或神的意义, 柏拉图认为除了我们所处的现象世界, 还存在一个真理的理念 (form) 世界, 现象世界模仿理念世界, 而艺术家模仿现象世界, 因此, “模仿艺术与真理相隔极远”1。模仿一般是对外在之物的模仿, 但内在情感也可以模仿, 这时, 我们就认为语言和内在的情感形成了一种模仿关系。无论怎样, 在人类模仿中, 都存在模仿形式和模仿对象问题, 总有一个原来的东西, 这个东西在人之外, 或在人之内, 通过人的表达方式将它呈现出来;而这样一来, 就不可避免地提出真实问题:人类怎样通过模仿形式达到模仿对象, 真实在此是一个衡量标准, 这是模仿的基本结构。我们往往认为, 这样的基本结构对人工智能模仿起到示范的作用, 但可惜, 人工智能模仿其实并不走这一道路。

　　在人工智能之前, 我们把动物与人类对照来谈人类模仿的特点。对我们来说, 最着名的就是马克思的话:“动物的生产是片面的, 而人的生产是全面的;动物只是在直接的肉体需要的支配下生产, 而人甚至不受肉体需要的影响也进行生产, 并且只有不受这种需要的影响才进行真正的生产;动物只生产自身, 而人在生产整个自然界;动物的产品直接属于它的肉体, 而人则自由地面对自己的产品。动物只是按照它所属的那个种的尺度和需要来构造, 而人懂得按照任何一个种的尺度来进行生产, 并且懂得处处都把内在的尺度运用于对象;因此, 人也按照美的规律来构造。”2我们从来不说动物模仿人, 而只说人模仿动物, 原因就在于, 模仿是一种复杂的机能运作, 动物没有这样的复杂能力, 所以它们不可能模仿, 它们只能做出一些反应。模仿主要是放在心灵层面的, 我们会说动物有一种本能性的模仿, 比如说幼崽可以模仿它们的母亲, 但是这些都是出于本能的事情, 没有这些本能就无法生存, 甚至说即使没有模仿, 它们也会在某个时刻发现这种本能的力量, 但是人的模仿就不是这样。我们假定人的模仿是一种非常高超的方式, 甚至我们在谈模仿的时候, 从来不是在谈动物性的模仿, 而是在语言和心灵层面上谈模仿, 这时, 所谓的“模仿”已经潜在地将动物划分出去了。在人类模仿当中, 模仿动作的发出者永远是人, 这是传统模仿论的一个基本特征。但是当图灵划定机器模仿3的时候, 模仿已经显示出转向的契机。机器模仿是一种功能性模仿, 它与人类模仿不同。在人类模仿当中, 人作为主动者与一个被动者的关系是明晰的, 真实或者如实是它的基本内涵, 但在机器 (人工智能) 模仿当中, 达成人的功能的展现, 或者说使用替代手段来达成对人的功能的模仿, 是一个基本的方向。在这里, 我们发现这一模仿的内涵实际上是拟人的, 因而如何达成对这一人类复杂系统的模拟就成为一个巨大的难题, 这代表了人类技术发展的最根本的高度。

　　图灵提出了一个非常有意思的概念:模仿游戏。这一概念刚被提出来的时候, 并没有受到多大的重视, 但是随着计算机的持续发展, 尤其是最近十多年的时间里人工智能的迅速进展, 图灵在模仿游戏上的见解, 已经慢慢成为一种显学, 从计算机和网络领域扩张到社会文化领域, 甚至专门有部电影《图灵传:模仿游戏》, 把图灵对人类科学文化的贡献极大地凸显出来。当然, 图灵作为一个数学家和计算理论专家所提出的观念是相当抽象的, 他更多是在基本观念上进行理论设想, 没有任何实例。在我们这个时代, 由于计算机和人工智能得到了长足的进步, 深刻地进入人类生活, 我们已经把这些进展视为理所当然, 当作基本事实来对待, 而在图灵时代, 这些情况还是难以设想的。图灵的伟大之处在于, 能够从一个基本的可能性入手, 讨论一种可能存在的人工智能将会是什么样的情况, 以何种标准出现。从我们这个时代评判这一设想, 就会发现一系列有趣的情况, 也可以推导出更多的观念。4

　　图灵所说的模仿游戏与我们平时所谈到的模仿完全不同, 正是因为这种截然不同的性质, 使其成为一个需要格外注意的观念。这样的观念刚提出来的时候, 往往被视为一种虚妄的见解, 只有到了他所提出的计算原理经由冯诺伊曼变为现实, 我们才会承认, 他的理论具有伟大的意义, 充满真知灼见。然而, 在《计算机器与智能》5中讨论的通用型计算机器, 即现在所说的通用型人工智能, 依然还难以实现, 我们一般将它当作远景目标来看待。通用人工智能可能意味着人类智能被压倒, 也可能意味着人类不仅在智能上, 也可能在整个世界性地位上, 被人工智能所取代。图灵对此没有任何阐述, 也许对他来说, 通用人工智能不过是一种正常的科学发展, 只要原理上可以解释, 并且是可能实现的, 这就足够了。人类的消极远景从来不是科学研究所关切的。对于《可计算的数》我们没什么可说, 因为那是奠定计算机基础的论文, 而对现代人工智能影响深远的《计算机器与智能》一文, 其中谈及计算机原理的部分现在已经成为大学生的基本常识, 但其中关于智能原理部分, 依然还闪耀着光辉, 像一座取之不尽的宝藏。从模仿美学的角度, 图灵机器智能论具有特殊的人文意义和价值, 其中隐藏着新模仿论的因子:机器智能模仿人类, 这一模仿可能开启美学新方向。“在美学领域中, 大胆新颖的思想常常是来自别处的, 而这些新颖的思想在其发生的文化故土上却被认为是平常无奇的东西, 这在其他探索领域里也是如此。”6
 

　　在图灵之前, 模仿被认为是人类心灵史上一个非常重要的现象, 因为模仿提供了一个内在心灵通往外部世界的连接方案。从柏拉图时代就开始讨论这一模仿, 一直到现代, 在谈及心灵和文学作品意义的时候, 我们依然主张这样的模仿论。一方面我们认为心灵模仿外部世界, 另外一方面, 我们也认为文学艺术作品模仿外部的现实世界和心灵运作的机制。心灵运作机制极端复杂, 所以模仿相当混杂, 难以清晰说明。

　　文学艺术对现实的模仿论有一个强大传统, 虽然这一传统在现代受到强大挑战, 但通过各种修正, 我们依然可以发现它的强大阐释力量。只有在人工智能模仿这里, 人类模仿的诸种方案才真正失效, 图灵提出模仿游戏这一观念, 完全离开了人类模仿的既有轨道, 将我们带到另一个方向上。——这样说, 并不是否认人类模仿的存在, 而是指模仿的整体方向得到了修正, 人工智能模仿加入模仿方阵, 成为一个异己性的对照力量。如果我们说此前的模仿就是人类模仿, 没有必要将“人类”二字格外列出, 因为这是一个默会知识, 而人工智能模仿加入之后, 模仿将存在两个支流, 一是人类模仿, 二是人工智能模仿。

　　虽然说图灵设想的人工智能模仿并没有完全实现, 但在某些部分达成了预想, 这一成就往往表现在人工智能工程方案上。如果我们把工程方案理解为手段, 相应地把通用方案理解为目标, 那么我们就可以以渐进的方式来理解整个人工智能模仿。显然, 人工智能模仿与人类模仿机制完成不同, 但是我们在谈论模仿的时候, 总是将人工智能模仿与人类模仿相比附, 因此就形成了奇异的理论奇观:在区分中不断混同, 在混同中不断区分。在目前阶段, 表现为这样的情况:在衡量人工智能的时候, 常常是使用人类模仿内涵, 并对两者进行比附, 把人类模仿设为人工智能模仿的标准。虽然这样做更多的作用是产生歧义, 但毕竟这是一条必经的道路。

　　人工智能模仿不能被纳入传统的模仿论研究范畴, 同样也不属于传统的美学研究范畴, 但是由于它与人类模仿形成对照关系, 我们完全可以将它纳入模仿美学研究范围。这是一种新兴思想, 它处于从虚拟之物转向现实之物的过程中, 将它与现实模仿进行对照, 比对它们之间的根本差异性, 这仿佛是设立隔离带, 但实际是通过区分, 建立紧密关联, 因为这样一种区分实际上是将一个理论预设对象纳入现实整体当中, 而这一整体此前是不能够容纳它的。正是在这样一种对照当中, 我们发现了一分为二的整体性, 也正是由于这一整体性, 在观念当中持平对照, 我们才通过这样的辩证沟通方式塑造一个新整体, 这是新思想和新观念起作用的方式。

　　二、可计算的模仿:一个特殊的美学概念

　　可计算性是人工智能最根本的性质, 无论哪一种人工智能都离不开可计算性, 图灵在1932年就已经探讨了可计算的数的问题, 这奠定了计算科学的基础。对美学来讲, 可计算性依然是重要的, 如果我们把人工智能排除在外, 那么我们可以确定地下判断说, 美学与可计算性基本无关, 因为人的心灵是不可计算的, 计算是对美最大的损害。为了解除美与计算的关联, 康德使用了“无限”这一计算上的最终界限来划分美的不可计算性与知性的遵守规则的可计算性, 这在崇高的阐述中展现得很明显。7然而, 如果我们抱有一种开放的观念, 就会发现, 可计算性可以演化为一种特殊的美学概念。它虽然一直是一个数学问题, 或者说科学问题, 从来没有成为美学问题的一部分, 但由于人工智能的发展, 我们发现美学之中曾经神秘的、只能够用直觉来表示的东西, 现在有可能使用可计算的方式来呈现。也就是说, 某种特殊的人工智能形态可以复现人的某种非计算性能力, 这样一来, 我们就要讨论人工智能的可计算性与人的看似非计算性的能力, 比如创造、情感、心灵、个性等之间的某种对应可能性, 以及怎样起到一种转换和替代的作用。

　　图灵将这种替代性质称为模仿。当然, 图灵的模仿是非常广泛的, 我们上面所讨论的只能是工程式图灵机所要完成的功能性模仿, 如果达到通用图灵机这一层次的模仿, 那么类人智能体 (仿生体) 就成为可能——后一层次目前只在科幻作品中出现, 它从原理上可能达到, 但技术上还无实现的可能性。无论哪一种人工智能形态, 在图灵的方案看来都是以可计算性为基础的。我们哪怕暂且不去考察图灵的通用人工智能形态与人类完整能力之间的差异, 因为实际上审美能力是人的一种完整能力的表现, 虽然它看起来是一种特殊的能力, 但是对于个体的人来讲任何一种能力都不是孤立的, 它都与其他能力形成各种交织的关系, 8只是我们在分析人类能力的时候, 往往将具体功能孤立出来, 并用概念来对应进行分析, 然后才能进行概念叠加, 以复归复杂整体性, 同时, 这一整体性毕竟是天然存在的, 所以它还能够起到引导分析的作用。这一分析过程并不是无聊的, 它必须进行, 否则我们就不能对人加强了解。相对地, 图灵所建立的可计算性所采取的方式是直接进行实体孤立, 它必须在人的能力当中, 使用概念性的方式直接做一个切片, 相应地在人工智能的计算当中, 使用各种模仿和替代的方式来达成这一能力切片的实现, 因而达成一种替代性模仿。

　　目前一个研究方向是将人工智能研究与脑科学的研究联合起来, 但这一任务其实只会无限延宕人工智能研究。我们不能设想人类能够对某一特定的能力彻底分析清楚, 同样, 我们也不能设想能够把握这一特定能力所面对的所有对象, 这样的一个工作量至少目前乃至最近的时代看来都是暂时无法完成的。更深一步的情况是, 人的任何一个能力的理解和认识与它所对应的对象之间形成复杂关联, 其复杂性远远高于我们所能够分析的复杂性。因而, 最根本的原因不是量上的, 而是质上的, 这种孤立是概念孤立, 不是实质孤立, 而这样的概念孤立实际上是从人的整体能力当中分隔出来的, 就人类的整体能力和特定能力而言, 如果我们把特定能力视为整体能力的一部分, 那么我们就可能走错了方向。我们更应该做的是, 把特定能力理解为整体能力在某一侧面的凸显, 这一凸显与其面对的环境有关联, 实际上是结合着环境向这种能力凸显的一种汇聚, 某些从结构上看似关联松散的因素其实可能起着根本性的作用。如果我们去想一下中医, 就可以理解这样的思维方式, 系统性总是优先的。但是我们在建造人工智能, 并且利用人工智能来模仿人的功能的时候, 我们又必须对特定的能力切割出来进行实体化处理, 并将其面对的对象同样实体化处理, 才能够将它分析清楚。因此从这个角度上来看, 人工智能对人的特定功能的模仿其实与人的能力运作方式还有很大的距离。

　　人的能力实际上是以人的整体能力为基础的, 它是从整体到部分, 部分不离于整体;但人工智能只能从部分走向整体, 这一过程中不可避免存在各种发展方向, 因为我们不知道达成总体的途径到底应该是什么, 也可能存在着多种途径。因此趋向整体的过程当中, 人工智能其实是不断受到质疑, 并且不断改变发展方向, 而且我们也会发现, 一旦所谓的人工智能整体达到了, 那么人本身也可能进入一个新的阶段。这其实是我们预设的概念性目标, 我们必须具有这种概念性目标, 才能为目前人工智能的发展提出方向性引导。——但这一人工智能的整体性与人的有机体的整体性是两回事, 一为概念预设, 一为实存。康德寻找的人类学路径是将预设落实在实存中, 讨论概念预设作为先验规则如何重构已经存在的实存, 并在实存中如此这般地显现出来, 它是描述性的;而在人工智能那里则将两者彻底分离, 讨论概念如何呈现为某种 (人的) 实在的样子, 因而, 必须寻找替代方案, 它是建构性的。

　　在人工智能模仿中, 我们也发现一个非常关键的特征, 这一特征就是渐进性, 因为人类功能极端复杂, 使用数学模型模拟人的功能将是一个浩大工程。因此我们总是能够发现人工智能模拟在目前阶段处于可笑的层面上, 它实际上不可能一下子达到对人的功能的完好模拟, 它既能够模仿人的功能的某个部分, 也很容易露出非人的马脚, 而同时, 由于我们对人工智能的强烈期待, 让我们无法容忍这样的马脚, 我们认为它既然被称作人工智能, 对人的功能的模拟就应该跟人的状况一样, 但抱有这样一种期待的人无疑会失望。实际上, 任何一种人工智能的模拟游戏都很难达到百分百对人的功能的模仿, 因为我们总能在这样的模仿当中看到一些差距。这里认为, 最主要的不是差距, 因为功能性的模仿本身就存在着整体目标和部分目标之间的差距, 这是天然的;在人那里, 这两种目标融合在一起, 而在人工智能模仿这个领域, 这样的目标必然存在着可实现的工程学方案与远景性的概念性方案的距离。整体目标是不可能实现出来的, 它只能是一种概念悬设, 所以直接展现出来的只是一种特定的功能或阶段性的模仿, 而这样的模仿都可能随着技术的发展而得以改善, 所以这里的模仿应该视为一种渐进性性质, 而不是与人类模仿直接等同。

　　在这里, 我们要恢复到图灵对模仿游戏的基本设定。《计算机器与智能》设计了着名的图灵机测试。图灵测试仅仅是一种思想实验, 但在其后的时代被证明为是计算认知科学的鼻祖, 它是一切计算机能够运行的基本模型。图灵测试所关注的问题是, 一个机器能否与其之外的人对话, 并且不被人发现它是一台机器。这个问题很容易被看作心灵哲学的伪装问题, 图灵并不想向伪装方向发展。他直接干脆利落地断绝了这一可能性, 他说, 为了这测试, 必须把身体质素与精神质素分开, 身体质素就是那些可以发现的东西, 而精神质素则完全是一种智能情况。9如果我们把这一状况放在人类社会当中, 就会发现绝对是不可能的, 因为人类社会是一个复杂的构成, 它存在各种可能的情况, 我们一般是通过各种蛛丝马迹发现真相的, 侦探破案是这一模式的典型;但图灵测试的真正情境应该放在电子通信之中, 只要通信对方清晰地回答你提出的问题, 你就不能怀疑对方具有人的智能或直接是人。如果计算能达到这一层次, 它就被认为是一个智能体。一般来说, 只要一个智能体达到70%的对话正确率, 在它之外的人就会认为在与一个人对话, 而不是与一台机器对话这样, 这台机器也就通过了图灵测试。这样一个比例实际上即使通过直观也具有足够的理论抽象判断内涵。说它是直观的, 就在于基于一个直接观察, 在人类反应当中, 也不是百分之百的准确性, “为什么人可以出错, 而机器却不能出错?”5出错是正常的, 只要达成大概70%～90%的准确性, 当然, 准确性不能低于70%。在一种语言的自然反应当中, 一个反应者可能无法时时准确理解对方的含义, 交流可能发生中断, 他只要有询问和解释的机会, 能够校正错误就可以了, 当然这样的校正出现的概率不能高过30%, 否则就会被认为不太懂正在使用的这种语言;当然同时我们也发现, 图灵这里的判断具有一种理论的意义, 因为在70%这样的判断比例中, 我们给予人工智能体一个机会:它能够被判断为具有智能内涵的存在, 而判断的标准以及判断的准确性等等外部特征, 是智能体的一个关键的特征。——在人类意识那里, 这些外部特征必须转变为内部特征, 即心灵活动, 才是智能的标准, 而图灵这里, 智能的根本定义在于效应, 在外部, 这是根本性的转变。

　　三、计算或心灵:新模仿论的跨越

　　模仿游戏实际上跟人类模仿是两种完全不同的活动, 人类模仿本身就是一种智能活动, 模仿就是智能的直接展现, 智能是内在于模仿的。甚至我们会说, 智能这件事情从来不作为一个问题在人类当中出现, 人类是否具有智能, 以及个体是否具有智能这一点是毋庸置疑的, 是先天的, 因为如果没有智能, 人类就不能成其为人。但是, 放在人工智能的时代, 这样的一种全称性的判断就变得可疑起来, 因为对于人工智能模仿而言, 智能不是一个内在的状态, 而是一种外部的特征, 人类智能的有无不需衡量标准, 但是在人工智能模仿这里, 却必须有一个具体的交流反应标准, 这一标准必须通过外部的语言和行动上的交流, 做出正确的反应才得以成立。这时, 我们才能够做出一个判断, 机器具有智能状态, 是一个智能体。人工智能本质是机器, 它是可计算的机器, 但是可计算性是智能的基本中介, 是人的智能与人工智能智能之间的桥梁, 人工智能不断接近人的智能, 展现为某种人类功能的智性样式, 进而为这一中介方式树立判断标准。在这里, 人类模仿那里的先天特征被转化为一种可计算性的执行和标准问题, 更进一步, 我们曾经以为的人类模仿的不可计算性, 在人工智能面前慢慢展现出可计算性的特征。或者更进一步来说, 我们通过这样一些局部性的成功, 也预测到通用人工智能在人类能力模仿上可能达到的高度, 虽然它不会完全跟人类一样, 但是, 它毕竟在某些层面上能达到以假乱真的地步。机器人索菲亚只是在电视媒体上看起来像真人, 实际上离真人反应还差得很远, 但不管怎样, 这也代表着目前人工智能发展的成就, 毕竟, 全面模仿人类只是通用人工智能的一种可能性。

　　在人类模仿中, 我们发现, 审美和艺术作为人类的一种特殊能力, 是以整体能力为基础的, 没有整体能力就没有部分的审美能力。审美能力往往被视为各种能力结合的产物, 是人类能力当中最高超的一部分。但人工智能模仿却与此相反, 它表现为一种特殊的可计算的功能。目前的人工智能在审美和艺术上的成就已经表明, 它能够通过功能性的模仿达成审美功能, 甚至可以说目前的人工智能写诗和绘画, 等等, 已经能够具有自学习或者自适应的高度, 并能够做到中等创作者的成就, 这就是一个了不起的功能模仿。在这里, 我们绝不能够判断说, 人工智能模仿达到了诸种能力或者心灵状态的结合, 因为在人工智能这里并没有任何心灵之物, 也没有任何其他能力, 它具有的只是一种替代性的模仿游戏。只要通过计算方式达成人类某一功能的展现, 那么我们就认为, 这样的模仿就是成功的, 哪怕使用的方式在人类看来匪夷所思, 不能代表人类心灵的高度, 但我们能够根据其创造的产品得出类似人类功能的判断, 那么, 我们就为人工智能树立了外部标准。在人工智能模仿那里, 我们只需要外部标准就可以了, 我们不需要心灵、意识诸如此类的概念, 因为这些概念完全是人类模仿的概念, 它不能适用于人工智能模仿。对于人工智能模仿, 我们只能使用另外一些层面的概念来对其进行描述, 这些概念还处于逐渐发现过程中, 并不成熟, 但是不管怎样, 它的方向和路径与人类模仿的分析是完全不同的。

　　我们也可以将两种不同层面的概念进行比对, 从中得出区分, 仅仅是为了将人工智能模仿接入到整体模仿, 并且将它们与人类模仿相区别。只有保持这样的层面, 我们才能够恰当地去谈论人工智能模仿的艺术水平和审美水平。这里我们使用人类模仿层面上的词汇, 但是, 转换了一个领域之后, 我们又必须改变它们的内涵, 将其从人类主体内涵中剥离出去, 使其成为一种人工智能模仿中的审美概念, 这是一个可能的努力方向。

　　在《计算机器与智能》一文中, 图灵一开始就这样来提问, 机器能否思想?5这样一个问题在他那个时代是相当奇怪的, 因为答案是毋庸置疑的, 机器不能思想, 如果机器能思想的话, 那么机器的心灵来自哪里呢?我们总得给它分配一个心灵, 才能说它能够思想吧?否则思想住哪里, 各种机能如何运作?所有这些都将是一个难解的问题, 大概只有在科幻作品当中才可能出现机器思想这样的描绘, 但这是一篇严格的科学论文, 我们怎么样理解机器能思想这一问题打开了一个新局面, 可以说, 这一提问包含智能问题的巨大转向。我们经常看到否定性的答案, 从德累福斯、塞尔, 一直到现在, “机器不能思想”, “人工智能没有意识”这样的观点不绝于耳。意识问题仿佛成了人工智能的“原罪”。但是如果我们转变一个方向, 讨论思想以什么样的方式展现出来, 那么就会看到, 这就可以容纳人工智能能够思想这一结论了。

　　我们在这里关注的实际上是方法。图灵测试的最高价值就在于它为思想这个词赋予了新的含义, 扩展了它的范围。在人类范围内思想不可避免地与计算有关, 但是所有的计算都来自人的心灵, 而我们认为心灵是一个整体, 它是密不可分的, 结合着人的各种计算性或非计算性的能力。而在图灵测试当中, 实际上一台计算机器理论上只具有一种能力, 就是计算能力, 相应地, 人类能力的不可计算不是绝对的, 而是暂时的, 我们总是能找到途径, 将人的各种能力转化为功能, 并通过计算模拟将这一功能实现出来, 只要计算力达到要求, 从本质上讲, 这一过程是无限的。因此, 我们可以说, 通用人工智能是可能无限接近的, 虽然我们不知道何时能够达到。10

　　图灵测试建立的模型即为图灵机, 它是一种理想模型, 它只关注基本原理达成的机制问题, 并不关注运算能力、储存能力、硬件承载力诸如此类的问题, 因为这些通过科技发展都可能完成。这样一来, 问题就集中在何为思想。如果我们认为计算机没有心灵, 因而不能思想, 那么我们怎样理解深蓝战胜国际象棋大师卡斯帕罗夫?阿尔法狗战胜李世石和柯洁?如果我们依然坚持认为那只是计算机高级程序, 所谓的人工智能不能思考, 如塞尔那样, 11那么, 在人类思想游戏最高级的代表国际象棋和围棋上, 人工智能击败了人类最顶级的棋手, 这说明什么问题?如果答案依旧是否定的, 那么我们就得为思想划出一个特殊的疆域:无论人工智能在何种程度上完成思想的功能, 但因为“程序不是心灵, 它们自身不足以构成心灵”11, 所以它不是真正的思想, 而是像思想而已, 思想属人, 其他不具有思想。如果在人工智能得到迅速发展的现在, 我们依然还是持有这样的一种观点, 我们必须为思想这个词限定做一个格外的限定, “属人的”, 而此前我们其实认为这是不言自明的。如果我们认为只有人类才能思想, 而能够在人类思想游戏 (比如棋类游戏) 当中表现卓越的人工智能同样能够达到, 但是我们并不把它命名为思想, 只能命名为程序, 或其他的东西, 那么, 我们就得把思想的至高无上的地位降低, 因为很简单, 存在比人类思想更卓越的东西, 而这又是人类自己创造出来的。这样一来, 实际上就处在一个奇特的悖论, 人工智能既然能够在思想的一般意义上超过人类, 甚至我们会说人工智能具有一种特殊的模仿人类大脑活动的游戏, 但它不叫思想游戏, 而叫别的东西, 这就成为一个非常困难的问题。可以想见, 对这一问题的回答一定会逐渐松动, 由彻底地否认转向接受, 进而发现任何与人类大脑的思想活动相关或相近的人工智能活动都应该称为思想或者意识, 等等, 只要我们在这样的活动当中清除掉所谓的心灵运作的必要性就可以了。那么这样的心灵运作主要体现在哪里呢?主要在于一种整体性的预设, 也就是说, 心灵的诸能力应该是完满一致的, 合为一体。任何一种单一的心灵能力的展现, 比如说思想、意识、意向性等, 实际上不仅仅是它自身相关, 而是与其他能力相关。这样的整体性, 导致了人类心灵的整体性, 没有这种整体性, 我们就很难判断我们所谈论的对象是否具有心灵能力, 可以说整体性是心灵论的防卫利器。然而, 却是一件伤及人类自身理解的利器。随着图灵机的有效性不断得到验证, 它的影响力也不断扩展, 形成对既有观念的冲击。

　　如何理解图灵所提出的计算性智能在人工智能领域内的基本含义呢?我们知道, 计算可能在某种程度上脱离人类的具体掌控, 因为它具有了某种学习能力, 这是通过计算模式获得的, 虽然它还不能脱离人的控制, 但在计算模式内, 却不再需要人类时时进行控制, 并且它的运算水平超出了人的相关功能。但是基本限制依然存在, 也就是建模本身就是人工智能的基本限制, 它是不能突破的, 如果能够突破计算模型本身的限制, 那么人工智能将进入另外一个飞跃。这一飞跃虽然不可能导向人工智能的独立, 但可能强化我们既有的对人工智能独立的焦虑和恐惧。这样的焦虑和恐惧现在已经出现了, 但是从目前来看, 任何一种能够思想的人工智能, 实际上都是以其占据的材料为思想的基本模式, 不能脱离开思想材质的限制, 当然, 我们必须知道“脱离”这个词的含义:这个词不仅是指脱离开一种可见的材料载体, 还指脱离任何一种我们肉眼看不见的, 比如电子、量子等载体, 这些是思想的基本限制。更重要的是, 模仿游戏还有一个更根本的限制, 这是整体上的, 即人工智能在整体性上无法达到人脑的程度, 这一点不仅仅取决于人脑本身的结构和理解, 也取决于我们怎么样理解人类身体自身, 怎样理解身体与思想之间的关系。这极有挑战性。但是我们可以期待, 随着可计算水平的提高, 思想逐渐外在化是一个趋向, 外在化与可计算性是紧密结合在一起的, 最终达到人的某一功能的模仿, 或者对某几个功能组合的模仿, 这将在人工智能的不断进展之中得以解决。我们会不断看到这样的挑战, 甚至包括关于对人的存在性的挑战, 比如, 人类的意识、情感反应、心理、个性等问题, 这些是否可计算和可呈现的?当然, 改变身体12这个问题太复杂, 我们暂时不讨论。一个可能符合图灵通用人工智能设计的机器人, 无论怎样发展都会被我们一眼看到它不同于人类的地方, 因为人类呈现出来的整体性是一个浩大的自然选择过程, 这一过程包含了整个自然界的运作, 而单纯凭借某些载体和某些程序的设计, 即使包括不断地改良和学习, 是否能达成对人的这种整体性的呈现?这一点非常让人怀疑。更进一步地说, 当图灵测试将被测者隔离开, 这就已经具有了格外的理论意义, 因为这一隔离标志着这一有目的的检测脱离了一般日常行为领域, 而进入一个实验室领域。在这里预设了一个简单的环境和简单的情况, 这是理论隔离的具体运用, 将单一功能进行切片化处理, 只有这样, 我们才能够做出一个有所隔离的实验并且给出一个验证标准。验证本身具有其理论含义, 它谋求未来的可能性, 虽然我们不知道这个未来到底是有多遥远。同时我们也一边在实践着图灵的设计, 一边在怀疑图灵对通用智能的设计, 因为图灵不可能设想到所有计算机的发展方向和变化, 他的理论设计仅仅是一种理论化的行动。我们在这里还应该保持一种审慎的态度, 不能因为一个人的理论预想实践了一半或者大半, 就相信他所有的理论预想, 因为很可能在某一时刻之后, 这一理论会突然之间被证明走错了方向, 尤其是当这一理论的实践路程越走越长, 错误的可能性就变得越来越大。因此在任何一种构想当中, 我们总是不断地在现实的实践中打磨它, 不断调整它, 这是非常正常的。随着实践某一理论设想的时间变得越长, 它对现实实践的指导力越抽象, 直至另一个同级别的理论设想代替它。

　　四、可计算性模仿的美学意义

　　可计算性是人工智能的基础, 除非我们想象另外一种可能的智能形态, 就是将基因改造与人工智能的硬件方面的改良相结合形成人工智能的统一体, 13只有这样, 我们才可能想象一种人工智能是生长性的。当然这样的人工智能实践将引起高度风险, 会引起整个伦理社会文化观念强烈的不适, 因为它所结合的两部分, 无论是人工智能的意识上传也好, 还是基因改造也好, 都具有高度伦理风险。这一人工智能实践的方向将这两种风险结合在一起, 伦理风险成倍增加。可以想见短期内无法实现, 只可能是未来的某个时刻, 随着人工智能的发展, 整个社会文化和心态都发生转变, 慢慢汇聚, 逐渐接受基因改造与人工智能的结合, 而这一结合将真正造成不可预知的未来, 进而我们也会说, 这也许是后人类最高的发展阶段, 因为到那个时刻, 我们可能面临着一个新局面, 所有人类几乎都会经受这种新实践的改造, 未经改造的可能会成为不占优势的个体, 这样一来我们会是后人类还是最终指向人类的消亡?如果这种情况真的出现, 那么目前关于人工智能的担忧也会成为现实, 因为如果将未经改造的人类被称为完整的人的话, 那么在未来, 完整和原初的人类形态将变得非常稀少, 几近消亡。我们说人类最终败给人工智能, 在这个意义上也是成立的。但是这句话当中包含着巨大的历史位移, 我们是在用一个高度发展的人工智能与生物技术的结合体, 与人类原初状况相对比, 而忘记了与我们原初身体相适应的是所有原初文化, 而如果一旦未来真的出现湿件14人工智能体的话, 那么必然会产生与之相适应的文化形态, 那些文化形态与那时的科技形态相适应, 两者之间是安然若素的。就像我们现在回首百年前, 或者回首千年前, 也会觉得不能用我们现在的文化心态去衡量那个时代的科技发展方式, 同样, 那个时代的人们也无法理解我们这个时代的科技和伦理状况。所以在人工智能问题上, 必须持有科技与文化双向互动的观念才能适合未来发展。

　　通过图灵, 我们把人工智能的可计算性与美学结合在一起, 这时, 我们就从传统美学领域抽身而出, 进入一个新的领域。在传统美学当中, 美包含着一种特殊的神秘性, 这一神秘性来自于心灵。在柏拉图那里, 这一神秘性来自于外在于我们的神灵。图灵的观念如果可以转变为一种美学的话, 我们会看到, 图灵测试将能力转变为可供计算的功能, 进而演化为一种独立的展现出来的功能形态, 这意味着这一能力的计算性的复现, 从而它也成为人类心灵能力配置的一种对照。这一对照是模仿人类心灵能力的结果, 但是, 它又提供了新的可能方向, 建立了新的标准。这一点足够让人惊讶, 并足够对我们现有的美学思考提出挑战。当然, 我们在此依然非常清醒地看到, 所谓的美学意义并不相当于对人类主义美学的完全复制, 它只是通过某种替代性的途径实现了某些美学判断的功能, 并没有重建人工智能美学与心灵之间的功能性关系, 相反, 更可能的是切断了它与心灵之间的必然性联系。我们应该思考这种新的美学可能性, 并对美学保持多元的理解, 这样才能不断开拓美学新领域。只是这样一来, 我们将人工智能的可计算性放入美学研究当中, 相应排除了意向性和心灵的成分, 这不可避免地带来新的概念和新的范围, 甚至包括新的美学思考方法。

　　也许, 不管我们用什么样的方式来研究人工智能与美学的关系, 它都对现有的美学研究造成影响, 哪怕它只是一种暂时难以被纳入美学对象的排斥性探讨, 其结果也依然可能是为美学研究扩展范围, 陈列出新的美学研究方向, 为此前人类纪的美学研究方法遮盖起来的某些性质, 提供一个新的对照系统, 使其展现出新的面相, 而这一面相是此前所忽略的。哪怕仅仅出于这一反求诸己的对照, 我们也足够肯定人工智能美学研究的意义了。不管怎样, 人工智能美学的试探在这样的肯定与否定、比较与鉴别当中逐渐变得面目清晰起来。

　　注释

　　1 Plato, The RepublicⅡ, Cambridge:Harvard University Press, 1942, P.431.
　　2 [德]马克思:《1844年经济学哲学手稿》, 中央编译局译, 人民出版社, 2000年版, 第58页。
　　3 这里对图灵意义上的机器模仿和目前所谈论的人工智能模仿不加区分, 更细致的区分在此是不必要的, 因而可以将其视为同义。
　　4 由Ray Monk主编的The Great Philosophers:From Socrates to Turing丛书收入Andrew Hodges的The Great Philosophers:Turing (Orion, 1997) , 说明图灵的影响从科学领域向社会文化领域的扩展。
　　5 (10) (11) Turing, A.M., Computing Machinery and Intelligence.Mind, 1950.59:p.433-460, p.448, p.433.
　　6 [美]M·H·艾布拉姆斯:《镜与灯--浪漫主义文论及批评传统》, 郦稚牛等译, 北京大学出版社, 2015年版, 第2页。
　　7 参见康德《判断力批判》第26节关于“数的崇高的分析”, 以及王峰:《“神圣”的无限--对康德审美神秘性的维特根斯坦式批判》, 《清华大学学报 (哲学社会科学版) 》2015年第5期。
　　8 用人工智能的视角来看, 这是多重或极多重可计算性的交叉计算, 当然, 这一计算需要的计算力目前绝无可能达到。
　　9 Turing, A.M., The Essential Turing:Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life.Oxford:Oxford University Press, 2004, p.420.
　　10 此处存在一个语义上的悖论:“何时”一词已经暗示了未来达成的可能性, 那么它就不是“无限接近”, 而是实现。但从科学、文化发展的所有历史情况来看, 最初的预设往往保持不到终点, 它总是在中途转折, 进而改变其最终目标, 所以, “无限接近”的含义更多是被最终放弃的意思。
　　11 (14) [美]约翰·塞尔:《心、脑与科学》, 杨音莱译, 上海译文出版社, 2006年版, 第27-28页, 第30页。
　　12 Kurzweil R.The Singularity is Near.New York:Penguin Books, 2005, P.310
　　13 2018年科幻电影《克隆人》就展现了这一想象形式。
　　14 所谓湿件, 指的是生物质计算体, 它与硬件和软件相区别, 强调生物质上的计算功能。这一名词最早出现于美国作家Rudy Rucker于1988年创作的科幻小说《湿件》中。参见Bray, D., Wetware:a computer in every living cell.New Haven:Yale University Press:2009.