前言：中文期刊網精心挑選了關于人工智能的哲學思考范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
關于人工智能的哲學思考范文1
昨天，2015世界機器人大會在國家會議中心落下了帷幕。
自11月23日至11月25日，100多家來自國內外的企業參加了機器人博覽會，集中展示了新型的機器人產品。
同時，來自10多個國家和地區的100多名專家學者，就機器人產業發展現狀、未來技術路線及人工智能等問題進行了交流探討。
未來人工智能將何去何從？下面跟小編一起探討下“終會與我們朝夕相處的人工智能”。
人工智能，Artificial Intelligence。
人類為了追求科學發展的圣杯——制造出能夠跟人自己一樣有自我意識的機器，付出了無數的努力。實際上這也是人類古已有之的夢想：造人原本是上帝的工作，人類在這里取代了上帝造出了人工智能，這是僭越。這或許可以聯系到巴別塔的故事，各地的人們集合起來要造巴別塔直通天堂，上帝同樣認為這是僭越，于是“變亂了他們的語言”，巴別塔垮掉了。但是也有根本上無視這種禁忌的傳說：周穆王西狩昆侖山，遇到工匠偃師，可造出和真人無異的假人，可以跳舞唱歌，還可以向寵姬拋媚眼?？梢钥闯?，人類從來就沒有停止過這樣的努力。
上世紀60年代第一次計算機技術爆發的時候，科學家們都很樂觀的估計，人工智能是能夠在未來三五年內，最多不超過十年就能實現的技術。
然而他們錯了，錯的很離譜。后來人工智能技術的發展讓大家都認識到，這是一個非常困難的領域，困難到有很多科學家放棄了這個領域。后來人工智能學界將人工智能分為兩種：強人工智能和弱人工智能。
強人工智能就是我們經常在科幻電影動畫小說里所想象出的那種人工智能。按照定義，強人工智能就是能夠執行“通用任務”(Generalized Mission)的人工智能：它能夠進行通常意義上的學習、推理、認知，解決并非特定領域的問題。
按照普羅大眾的想象，它就是真正的人工智能。
超能查派。我們想象中的人工智能是這樣的
對于強人工智能的判定，最著名的莫過于以計算機科學奠基人圖靈為名的“圖靈測試”。圖靈測試的問題很簡單：讓一個人面對兩個對象對話，其中一個對象是人工智能，一個對象是人類；如果這個人不能成功的分辨出誰是機器，那么就說明這個人工智能通過了“圖靈測試”。
而弱人工智能對于人工智能的定義就寬泛多了?；旧夏軌驇臀覀兘鉀Q某些特定領域問題的，都可以算作是弱人工智能。于是說，我們用的搜索引擎是人工智能；我們的手機攝像頭的人臉識別功能也是人工智能；網購“猜你喜歡”也是人工智能；輸入法的自動選詞功能也是人工智能。
上世紀七八十年代強人工智能的研究者發現他們要解決的通用的認知和推理過程是無法跨越的障礙——畢竟人類對于人腦在認知學習和推理的過程都沒有認識，怎么可能能夠把這些過程在計算機上復現出來？
于是很多科學家和工程師們轉向了更加實用的，工程化的弱人工智能研究。他們在這些領域取得了豐碩的成果：人工神經網絡、支持向量機、甚至最簡單的線性回歸理論在足夠大的數據量和計算量支撐下，都可以獲得非常出色的結果——比方說識別人臉，或者識別字跡。于是這些弱人工智能也迅速的應用到了我們的網絡和生活的方方面面，從買東西，出門，網上訂餐，我們都用到這些人工智能。
但是實際的人工智能是這樣的。隨著計算力和理論的增長，就算是弱人工智能，我們也越來越分不出它們和真人的區別了。蘋果的Siri或微軟的Cortana，都變得越來越“真實”。但是到目前為止，沒有任何機器能夠通過圖靈測試，強人工智能離我們還不知道有多遠。但這里同樣隱含一個問題：假如我們的某個程序哪一天真的通過了圖靈測試，我們會承認它是“真正”的人工智能嗎？
哲學家約翰?希爾勒在1980年就提出了一個思考實驗，叫做“中文房間”。假設是這樣的：假如說有一個對中文一竅不通，只懂英文的人坐在一個密封的房間里。他手頭有一本英語的手冊，上面有如何處理中文字符以及回復的完全的指示。外面的人通過一個窗口向屋子里的人遞紙條，上面寫著中文書寫的問題，然后這個人依據手冊將對應的中文字符組合成回答傳回給外面的人。那么，對于外面的人來說，這個屋子是會說中文的；但是里面的這個人卻不會中文！
中文房間
我們不妨把程序比作那個人類，而那個屋子，就是計算機。它能夠按照某些已經給定的規則接受問題并且輸出答案，但是它真的能夠“理解”嗎？很可能，就算人工智能能夠通過圖靈測試，它有心智嗎？這恐怕是目前我們無法回答的問題。
在現在這個世界，計算機的運算能力按照摩爾定律成指數級增長。很快計算機的運算能力就會逼近人腦的運算能力——到那時，真正的人工智能可能會從計算機的結構中自動浮現出來——我們作為一種智能生物，在幾百萬年前的某個時刻，也可能經歷過這樣一個過程。
那時，奇點終將來臨。
人工智能可能很快會進化為一種我們再也不能理解的東西，我們不但親手制造出了人，也造出了神們自己。在那之后會發生什么，就不再是我們能夠預料的了。
未來的人工智能最終或許是這樣的
奇點何時會到來，我們無法預測。
樂觀的估計，2035年我們就會目睹強人工智能的誕生，悲觀的估計則是2080年——也就是說，我們很可能在有生之年目睹奇點的降臨。
然而，在那之前，弱人工智能早就會充斥我們的生活，衣食住行都會有人工智能的“幫助”。我們生活的方方面面都會被數據化，收集到各家公司的數據庫里，然后通過人工智能分析。這代表著你的生活會更方便了：人工智能在你想到，甚至是沒有想到的時候就會把你需要的各種服務送到你的面前。
關于人工智能的哲學思考范文2
“人工智能”一詞最早是在1956年Dartmouth學會上提出的。從那以后,研究者們發展了眾多理論和原理,人工智能的概念也隨之擴展。人工智能其英文全稱為ArtificialIntelligence，縮寫為人所共知的AI，它主要是對用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統等進行研究討論。對于人工智能的定義義眾說不一，一般有兩種說法：一種是人工智能是關于知識的學科，即怎樣對知識進行表示以及怎樣獲取知識并對知識進行使用的科學；另一種是人工智能研究的是如何實現讓計算機做過去只有人才能夠做的智能工作。但是不管是哪一種，它都是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能的定義可以分為兩部分，即“人工”和“智能”。對于“人工”，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。誕生對于“智能”，則存在著很大的爭議。因為這涉及到了諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人類唯一能夠了解的智能就是人類本身的智能。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。人工智能的實現方式有2種方法。一種是采用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（Engineeringapproach），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（Modelingapproach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。
2人工智能的發展
對于人工智能的研究一共可以分為五個階段。第一個階段是人工智能的興起與冷落，這個時間是在20世紀的50年代。這個階段是人工智能的起始階段，人工智能的概念首次被提出，并相繼涌現出一批科技成果，例如機器定理證明、跳棋程序、LISP表處理語言等。由于人工智能處于起始階段，很多地方都存在著缺陷，在加上對自然語言的翻譯失敗等諸多原因，人工智能的發展一度陷入了低谷。同時在這一個階段的人工智能研究有一個十分明顯的特點：問題求解的方法過度重視，卻忽視知識重要性。第二個階段從20世紀的60年代末到70年代。專家系統的出現將人工智能的研究再一次推向。其中比較著名的專家系統有DENDAL化學質譜分析系統、MTCIN疾病診斷和治療系統、Hearsay-11語言理解系統等。這些專家系統的出現標志著人工智能已經進入了實際運用的階段。同時國際人工智能聯合會于1969年成立。第三個階段是20世紀80年代。這個階段伴隨著第五代計算機的研制，人工智能的研究也取得了極大的進展。日本為了能夠使推理的速度達到數值運算的速度那么快，于1982年開始了“第五代計算機研制計劃”。這個計劃雖然最終結果是以失敗結束，但是它卻帶來了人工智能研究的又一輪熱潮。第四個階段是20世紀的80年代末。1987年是神經網絡這一新興科學但是的年份。1987年，美國召開了第一次神經網絡國際會議，并向世人宣告了這一新興科學的誕生。此后，世界各國在神經網絡上的投資也開始逐漸的增加。第五個階段是20世紀90年代后。網絡技術的出現于發展，為人工智能的研究提供了新的方向。人工智能的研究已經從曾經的單個智能主體研究開始轉向到基于網絡環境下的分布式人工智能研究。在這個階段人工智能不僅僅只對基于同一目標的分布式問題求解進行研究，同時還對多個智能主體的多目標問題求解進行研究，讓人工智能有更多的實際用途。
3對人工智能的思考
3.1人工智能與人的智能
從哲學上的量變引起質變的角度來講，人工智能在不斷的發展過程中一定會產生質的飛躍。在最初，人工智能只具有簡單的模擬功能，但是發展到現在已經具備了思考的能力（邏輯推理分析），這已經表明人工智能在不斷量變的過程中已經發生了質變。有人認為有人會說人工智能不會超過人類的智能，理由是人工智能是人類創造出來的。但是現實中很多人類創造出來的東西已經在某一些方面超過了人類本身的能力，例如起重機的力氣超過人類很多；汽車速度也遠超過人類的速度。人類之所以會制造出各種各樣的工具，其目的就是希望自身的能力能通過這些工具進行延伸和突破。人類研究人工智能就是希望人工智能幫助人類實現人類某些無法實現的東西。還有人認為人工智能是人類創造出來的，所以它一定存在著致命的弱點，也因此人的智能優于人工智能。但是殊不知人類與機器相比也有著十分明顯的弱點，例如人類所需要的生存條件比機器更加的嚴格，人類思維會受到人的情緒所影響，而機器只是受到程序的影響，它們沒有情緒的起伏。就目前的人工智能而言，它們在某一些領域比人類更強。但是目前我們必須正視人工智能的一些還沒有辦法改變的缺陷，那就是人工智能的學習能力與創新能力。人工智能的知識獲取大部門都是人為的進行灌輸，而無法像人類自身那樣進行主動的學習。同時人工智能只能夠利用已有的知識去解決一些問題，但是卻還不能夠創造性的提出一些新的東西。
3.2對機器人三大定律的困惑
美國最著名的科普作家艾薩克．阿西莫夫提出過比較著名的機器人三大定律：第一定律，機器人不得傷害人，或任人受到傷害而無所作為；第二定律，機器人應服從人的一切命令，但命令與第一定律相抵觸時例外；第三定律，機器人必須保護自身的安全，但不得與第一、第二定律相抵觸。雖然這只是科幻作家所提出的一家之言，但是也代表了人類對與人工智能發展的一種期望與擔心。人們害怕自己所創造出來的人工智能會傷害人類自己。但是阿西莫夫所提出三大定律都是以人類為中心的，而忽視了人工智能本身。或許這是人類的一種天性，世間所有的事物都應該圍繞人類自身來定義、發展。就好像人類自以為掌控了能夠改變大自然的力量，最終卻被大自然反噬一樣。同時，隨著科學技術的發展，人工智能已經不單單需要邏輯思維與模仿，同時還應該將情感賦予人工智能。因為隨著科學家對人類大腦和精神系統的研究的深入，已經愈來愈肯定情感是智能的一部分。如果人工智能具有了情感之后，人類的自我中心又是否會傷害到人類自己創造出來的人工智能。
3.3對人工智能未來的思考
人工智能有著十分巨大的發展潛力，對于人工智能的研究雖然經過了很多年，但是這也僅僅是剛剛開始而已，繼續研究下去在很多方面都會有重大的突破。自動推理是人工智能最經典的一個研究分支，它的基本理論是人工智能其它分支的共同基礎。一直以來人工智能最熱門的研究內容里面就有自動推理，同時在該知識系統中的動態演化特征及可行性推理的研究是一個十分熱門的研究內容，很有可能取得大的突破。機器學習一直在致力于研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能。在過去的很長的一段時間內都沒有取得十分顯著的成果。但是許多新的學習方法相繼問世，并且已經有了實際的應用，這充分的說明在這方面的研究已經有了很大的進步。自然語言處理是計算機科學領域與人工智能領域中的一個重要方向。在經過人工智能研究人員的艱苦努力之后，在該領域中已取得了大量令人矚目的理論與實際應用成果，許多產品已經進人了眾多領域。智能信息檢索技術在Internet技術的影響下，近年來發展勢頭十分迅猛，而且已經成為了人工智能的一個獨立研究分支。
關于人工智能的哲學思考范文3
當代哲學家對科學發展的兩種回應
總體而言，當代哲學研究對科學發展的回應，無論是在國際還是在國內哲學界，都存在正反兩種不同觀點，我將它們分別稱作“科學萬能論”和“哲學特色論”，前者聲稱一切自然現象都可以用自然科學加以說明，后者則強調哲學的不可替代作用。這兩種觀點都是哲學家們對當代科學發展的極端反應。根據“科學萬能論”的觀點，科學發展已經為人類提供了所有可能解釋的現實方案，并對人類未來發展提供了可以預期的解決方案。這使得哲學家們對科學研究成果的哲學擴展抱有極大希望，表現為以某一種自然科學研究為模板推進哲學領域的問題研究，或者是按照自然科學的方法重建哲學研究的基本模式。20世紀初期維也納學派的邏輯實證主義哲學就是這種觀點的典型代表，而當代英美分析哲學中的自然主義進路也充分反映了哲學家們對科學研究方法的推崇，無論是在語言哲學、心靈哲學還是在認知科學哲學和實驗哲學研究中，我們都可以強烈感受到科學主義傳統的深刻影響。從當代哲學發展的歷史軌跡看，科學主義傳統的確發揮了重要作用，提倡以科學研究的方式進行哲學研究，這也帶來了當代哲學的革命性變革。無論我們是否承認科學主義的這種歷史作用，科學研究的基本方法和路徑為當代哲學研究的確帶來了不可否認的影響。然而，這種“科學萬能論”的觀點明顯夸大了科學研究對當代哲學發展的作用，因而存在用科學取代哲學的潛在危險。由于哲學研究具有明顯的個人特征而無法重復等性質，一些哲學家就認為，這些性質保證了哲學研究具有科學研究無法取代的特色，因而我們不能用科學研究代替哲學研究。這就是“哲學特色論”的主要觀點。這種觀點的最初捍衛者來自19世紀后半葉的新康德主義哲學家狄爾泰、文德爾班和李凱爾特等人，他們堅持嚴格區分精神科學與自然科學，并認為兩者的根本區別就在于前者強調了精神現象的優先性和特殊性，而后者僅僅是精神科學方法的具體運用。同時，他們還認為，自然科學研究對普遍性的追求與精神科學對特殊性的要求，使得兩者之間無法相互取代?！罢軐W特色論”在現代哲學中是以實證主義傳統的對立面出現的，這表現為晚年胡塞爾對歐洲科學危機的憂慮、海德格爾對現代實證科學的批判以及后期維特根斯坦對現代科學文明的反思。雖然胡塞爾、海德格爾和維特根斯坦對科學的性質有各自不同的理解，但在對待科學與哲學關系問題上的態度卻基本上是一致的：他們都把哲學研究看作是一種與現代科學研究完全不同的事業，在胡塞爾那里是一種真正嚴格意義上的科學，在海德格爾那里是一種追問科學意義的形而上學，在維特根斯坦那里則是一種反思性的理智活動。因此，哲學研究具有科學研究無法取代的特殊性質。這種“哲學特色論”的觀點不僅直接反對把哲學研究混同于科學技術，或者用科學研究方法從事哲學研究，而且試圖用哲學的特殊性質反對科學技術的成就，反對哲學研究中的科學主義和實證主義傾向。從積極的意義上看，這種反對意見對于提醒我們注意科學主義和實證主義在當代哲學中的泛濫的確具有重要作用；但同時，我們更需要看到，這種“哲學特色論”的結果是把哲學研究完全排除于科學發展的視野之外，這不僅不利于科學的發展，也不利于哲學自身的發展。
當代哲學對科學技術研究的介入
從當代科學發展的基本圖景中可以看到，當代哲學始終在以各種不同形式介入科學技術的研究，并試圖用哲學的方式說明當代科學發展的最新成果。這首先表現在科學哲學研究領域，其次表現在以認知科學和人工智能為代表的交叉學科研究中?？梢哉f，科學哲學研究是哲學家們深入科學研究領域的主戰場。早期科學哲學家們，如邏輯實證主義者石里克、卡爾·波普等，堅持把科學研究作為哲學研究的基本模板，以科學主義精神貫穿于哲學研究的全過程。雖然后來的哲學發展逐漸表明維也納學派“統一科學”綱領的失敗，但這一綱領體現的科學精神，即以經驗為向導、以邏輯為手段、以效果為目的，卻在后來的科學哲學研究中保留了下來，特別體現在具體科學哲學的研究領域中。當前科學哲學研究通常被劃分為兩個主要部分。一部分是“一般科學哲學”，主要關心的是科學研究的歷史發展、科學研究的方法論以及科學哲學研究的一般問題；另一部分則是“具體科學哲學”，主要涉及不同科學研究領域中的哲學問題，從哲學認識論和方法論上討論具有普遍意義的科學問題?！耙话憧茖W哲學”處理確證、語義和科學理論的哲學解釋，其中包括了科學概念的操作性特征、認知意義的經驗標準、理論的相互融合、科學革命、科學實在論的演變、因果解釋、還原論與科學的統一，等等?！熬唧w科學哲學”則包括了物理學哲學、生物學哲學、心理學哲學、社會科學哲學，等等。此外，在當代分析哲學傳統中，還有邏輯哲學、數學哲學、語言哲學、心靈哲學等，它們不僅與自然科學研究密切相關，而且已經成為當代哲學研究的獨立分支領域。越來越多的哲學家已經充分意識到哲學研究對科學技術最新成果的介入的重要性和必要性。這種介入在以認知科學和人工智能研究為代表的交叉學科研究領域表現得更為明顯。如今，認知科學研究已經被公認為具有多學科交叉研究性質的綜合性科學，其中，哲學與心理學、計算機科學、神經科學、語言學與人類學等都被視為認知科學研究的主體學科，共同構成了認知科學研究的基礎部分。與人工智能技術相比，認知科學研究是對人類認知獲得的性質、范圍、形式和表征方式的基礎研究，因而應當屬于傳統科學研究的理論部分。這些研究通常包括了兩個主要部分：其一是與人類認知和心靈活動密切相關的內容研究，其二是與認知活動特征描述密切相關的表征研究。內容研究部分主要涉及意識的性質和內容、動物認知、認知神經科學、認知心理學等。這些與當代心靈哲學研究的主題和內容有實質性的交叉，因而說明認知科學與哲學研究的交叉性質。在人工智能技術日益活躍的今天，人們對這種技術所帶來的一系列倫理問題提出了更多的擔憂和思考。應當說，人工智能技術的每一項突破都是在更新人類對自身的認知，不斷拓展人類的認知邊界。相對于人類主體，人工智能構建了一個巨大的“他者”，挑戰了傳統的“人類中心主義”。這個他者不是被人類奴役的客觀對象，而是與人類地位平等的另類主體，甚至就是人類自身。難以想象的是，當人類大腦的所有神經元逐個被硅基芯片或其他人工智能技術所替換，我們在自我審視或審視他人的時候，我們究竟是在審視什么樣的對象。因此，在現有的人類社會條件下，人工智能技術自然就會引發大量倫理關切，人工智能技術的利用就會威脅到人類倫理的一些基本信念。這些都迫使我們在人工智能技術高速發展的今天，重新思考人類智能與人工智能之間的關系。
未來哲學的可能性
關于人工智能的哲學思考范文4
關鍵詞 機械電子工程；人工智能；信息處理
中圖分類號TP391 文獻標識碼A 文章編號 1674-6708（2012）58-0114-02
0 引言
傳統的機械工程一般分為兩大類，包括動力和制造。制造類工程包括機械加工、毛坯制造和裝配等生產過程，而動力類工程包括各式發電機。電子工程與傳統的機械工程相比來言是較新的學科，兩者于上世紀逐漸結合在一起。最初，電子工程與機械工程是以塊與塊的分離模式或功能替代的模式相結合，隨著科學技術的不斷向前推動，傳統的機械工程與現代的電子工程通過信息技術有機的結合起來，形成了現在的機械電子工程學科。隨著人工智能技術的不斷發展，機械電子工程由傳統的能量連接、動能連接逐步發展為信息連接，使得機械電子工程具有了一定的人工智能。傳統的機械電子工程通過現代的科學技術進入到一個新的發展領域，同時，人工智能技術伴隨著機械電子工程的日益復雜，也得到了長足的發展。
1 機械電子工程
1.1 機械電子工程的發展史
20世紀是科學發展最輝煌的時期，各類學科相互滲透、相輔相成，機械電子工程學科也在這一時期應運而生，它是由機械工程與電子工程、信息工程、智能技術、管理技術相結合而成的新的理論體系和發展領域。隨著科學技術的不斷發展，機械電子工程也變的日益復雜。
機械電子工程的發展可以分為3個階段：第一階段是以手工加工為主要生產力的萌芽階段，這一時期生產力低下，人力資源的匱乏嚴重制約了生產力的發展，科學家們不得不窮極思變，引導了機械工業的發展。第二階段則是以流水線生產為標志的標準件生產階段，這種生產模式極大程度上提高了生產力，大批量的生產開始涌現，但是由于對標準件的要求較高，導致生產缺乏靈活性，不能適應不斷變化的社會需求。第三階段就是現在我們常見的現代機械電子產業階段，現代社會生活節奏快，亟需靈活性強、適應性強、轉產周期短、產品質量高的高科技生產方式，而以機械電子工程為核心的柔性制造系統正是這一階段的產物。柔性制造系統由加工、物流、信息流三大系統組合而成，可以在加工自動化的基礎之上實現物料流和信息流的自動化。
1.2 機械電子工程的特點
機械電子工程是機械工程與電子技術的有效結合，兩者之間不僅有物理上的動力連結，還有功能上的信息連結，并且還包含了能夠智能化的處理所有機械電子信息的計算機系統。機械電子工程與傳統的機械工程相比具有其獨特的特點：
1）設計上的不同。機械電子工程并非是一門獨立學科，而是一種包含有各類學科精華的綜合性學科。在設計時，以機械工程、電子工程和計算機技術為核心的機械電子工程會依據系統配置和目標的不同結合其他技術，如：管理技術、生產加工技術、制造技術等。工程師在設計時將利用自頂向下的策略使得各模塊緊密結合，以完成設計；2）產品特征不同。機械電子產品的結構相對簡單，沒有過多的運動部件或元件。它的內部結構極為復雜，但卻縮小了物理體積，拋棄了傳統的笨重型機械面貌，但卻提高了產品性能。
機械電子工程的未來屬于那些懂得運用各種先進的科學技術優化機械工程與電子技術之間聯系的人，在實際應用當中，優化兩者之間的聯系代表了生產力的革新，人工智能的發展使得這一想法變成可能。
2 人工智能
2.1 人工智能的定義
人工智能是一門綜合了控制論、信息論、計算機科學、神經生理學、心理學、語言學、哲學等多門學科的交叉學科，是21世紀最偉大的三大學科之一。尼爾遜教授將人工智能定義為：人工智能是關于怎樣表示知識和怎樣獲得知識并使用知識的科學。溫斯頓教授則認為：人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。至今為止，人工智能仍沒有一個統一的定義，筆者認為，人工智能是研究通過計算機延伸、擴展、模擬人的智能的一門科學技術。
2.2 人工智能的發展史
2.2.1 萌芽階段
17世紀的法國科學家B.Pascal發明了世界上第一部能進行機械加法的計算器轟動世界，從此之后，世界各國的科學家們開始熱衷于完善這一計算器，直到馮諾依曼發明第一臺計算機。人工智能在這一時期發展緩慢，但是卻積累了豐富的實踐經驗，為下一階段的發展奠定了堅實的基礎。
2.2.2 第一個發展階段
在1956年舉辦的“侃談會”上，美國人第一次使用了“人工智能”這一術語，從而引領了人工智能第一個興旺發展時期。這一階段的人工智能主要以翻譯、證明、博弈等為主要研究任務，取得了一系列的科技成就，LISP語言就是這一階段的佼佼者。人工智能在這一階段的飛速發展使人們相信只要通過科學研究就可以總結人類的邏輯思維方式并創造一個萬能的機器進行模仿。
2.2.3 挫折階段
60年代中至70年代初期，當人們深入研究人工智能的工作機理后卻發現，用機器模仿人類的思維是一件非常困難的事，許多科學發現并未逃離出簡單映射的方法，更無邏輯思維可言。但是，仍有許多科學家前赴后繼的進行著科學創新，在自然語言理解、計算機視覺、機器人、專家系統等方面取得了卓爾有效的成就。1972年，法國科學家發現了Prolog語言，成為繼LISP語言之后的最主要的人工智能語言。
2.2.4 第二個發展階段
以1977年第五屆國際人工智能聯合會議為轉折點，人工智能進入到以知識為基礎的發展階段，知識工程很快滲透于人工智能的各個領域，并促使人工智能走向實際應用。不久之后，人工智能在商業化道路上取得了卓越的成就，展示出了頑強的生命力與廣闊的應用前景，在不確定推理、分布式人工智能、常識性知識表示方式等關鍵性技術問題和專家系統、計算機視覺、自然語言理解、智能機器人等實際應用問題上取得了長足的發展。
2.2.5 平穩發展階段
由于國際互聯網技術的普及，人工智能逐漸由單個主體向分布式主體方向發展，直到今天，人工智能已經演變的復雜而實用，可以面向多個智能主體的多個目標進行求解。
3 人工智能在機械電子工程中的應用
物質和信息是人類社會發展的最根源的兩大因素，在人類社會初期，由于生產力水平低，人類社會以物質為首要基礎，僅靠“結繩記事”的方法傳遞信息，但隨著社會生產力的不斷發展，信息的重要性不斷被人們發現，文字成為傳遞信息最理想的途徑，最近五十年間，網絡的普及給信息傳遞帶來了新的生命，人類進入到了信息社會，而信息社會的發展離不開人工智能技術的發展。不論是模型的建立與控制，還是故障診斷，人工智能在機械電子工程當中都起著處理信息的作用。
由于機械電子系統與生俱來的不穩定性，描述機械電子系統的輸入與輸出關系就變得困難重重，傳統上的描述方法有以下幾種：1）推導數學方程的方法；2）建設規則庫的方法；3）學習并生成知識的方法。傳統的解析數學的方法嚴密、精確，但是只能適用于相對簡單的系統，如線性定常系統，對于那些復雜的系統由于無法給出數學解析式，就只能通過操作來完成?，F代社會所需求的系統日益復雜，經常會同時處理幾種不同類型的信息，如傳感器所傳遞的數字信息和專家的語言信息。由于人工智能處理信息時的不確定性、復雜性，以知識為基礎的人工智能信息處理方式成為解析數學方式的替代手段。
通過人工智能建立的系統一般使用兩類方法：神經網絡系統和模糊推理系統。神經網絡系統可以模擬人腦的結構，分析數字信號并給出參考數值；而模糊推理系統是通過模擬人腦的功能來分析語言信號。兩者在處理輸入輸出的關系上有相同之處也有不同之處，相同之處是：兩者都通過網絡結構的形式以任意精度逼近一個連續函數；不同之處是：神經網絡系統物理意義不明確，而模糊推理系統有明確的物理意義；神經網絡系統運用點到點的映射方式，而模糊推理系統運用域到域的映射方式；神經網絡系統以分布式的方式儲存信息，而模糊推理系統則以規則的方式儲存信息；神經網絡系統輸入時由于每個神經元之間都有固定聯系，計算量大，而模糊推理系統由于連接不固定，計算量較??；神經網絡系統輸入輸出時精度較高，呈光滑曲面，而模糊推理系統精度較低，呈臺階狀。
隨著社會的不斷發展，單純的一種人工智能方法已經不能滿足日益增長的社會需要，許多科學家開始研究綜合性的人工智能系統。綜合性的人工智能系統采用神經網絡系統與模糊推理系統相結合的方法，取長補短，以獲得更全面的描述方式，模糊神經網絡系統便是一成功范例。模糊神經網絡系統做到了兩者功能的最大融合，使信息在網絡各層當中找到一個最適合的完全表達空間。邏輯推理規則能夠對增強節點函數，為神經網絡系統提供函數連結，使兩者的功能達到最大化。
4 結論
科學的不斷發展帶來的不僅是學科的高度細化、深化，而且是學科間的高度融合。人工智能就是各學科交叉與綜合之后的結果，秉承這一天性，人工智能與機械電子工程自然的進行了完美融合，這一全新領域的發展必將引領世界潮流，促進生產力的飛速發展。
參考文獻
[1]傅麗凌.楊平.機械專業綜合型試驗平臺的建設[J].電子科技大學學報社科版，2005，7（增刊）.
[2]陳慶霞.人工智能研究綱領的發展歷程和前景[J].科技信息，2009，33.
[3]史忠植.高級人工智能[M].科學出版社，2006.
關于人工智能的哲學思考范文5
［關鍵詞］ 人工智能，常識推理，歸納邏輯，廣義內涵邏輯，認知邏輯，自然語言邏輯
現代邏輯創始于19世紀末葉和20世紀早期，其發展動力主要來自于數學中的公理化運動。當時的數學家們試圖即從少數公理根據明確給出的演繹規則推導出其他的數學定理，從而把整個數學構造成為一個嚴格的演繹大廈，然后用某種程序和方法一勞永逸地證明數學體系的可靠性。為此需要發明和鍛造嚴格、精確、適用的邏輯工具。這是現代邏輯誕生的主要動力。由此造成的后果就是20世紀邏輯研究的嚴重數學化，其表現在于：一是邏輯專注于在數學的形式化過程中提出的問題；二是邏輯采納了數學的方法論，從事邏輯研究就意味著象數學那樣用嚴格的形式證明去解決問題。由此發展出來的邏輯被恰當地稱為“數理邏輯”，它增強了邏輯研究的深度，使邏輯學的發展繼古希臘邏輯、歐洲中世紀邏輯之后進入第三個高峰期，并且對整個現代科學特別是數學、哲學、語言學和計算機科學產生了非常重要的影響。
本文所要探討的問題是：21世紀邏輯發展的主要動力將來自何處？大致說來將如何發展？我個人的看法是：計算機科學和人工智能將至少是21世紀早期邏輯學發展的主要動力源泉，并將由此決定21世紀邏輯學的另一幅面貌。由于人工智能要模擬人的智能，它的難點不在于人腦所進行的各種必然性推理（這一點在20世紀基本上已經做到了，如用計算機去進行高難度和高強度的數學證明，“深藍”通過高速、大量的計算去與世界冠軍下棋），而是最能體現人的智能特征的能動性、創造性思維，這種思維活動中包括學習、抉擇、嘗試、修正、推理諸因素，例如選擇性地搜集相關的經驗證據，在不充分信息的基礎上作出嘗試性的判斷或抉擇，不斷根據環境反饋調整、修正自己的行為，……由此達到實踐的成功。于是，邏輯學將不得不比較全面地研究人的思維活動，并著重研究人的思維中最能體現其能動性特征的各種不確定性推理，由此發展出的邏輯理論也將具有更強的可應用性。
實際上，在20世紀中后期，就已經開始了現代邏輯與人工智能（記為AI）之間的相互融合和滲透。例如，哲學邏輯所研究的許多課題在理論計算機和人工智能中具有重要的應用價值。AI從認知心理學、社會科學以及決策科學中獲得了許多資源，但邏輯（包括哲學邏輯）在AI中發揮了特別突出的作用。某些原因促使哲學邏輯家去發展關于非數學推理
的理論；基于幾乎同樣的理由，AI研究者也在進行類似的探索，這兩方面的研究正在相互接近、相互借鑒，甚至在逐漸融合在一起。例如，AI特別關心下述課題：
·效率和資源有限的推理；
·感知；
·做計劃和計劃再認；
·關于他人的知識和信念的推理；
·各認知主體之間相互的知識；
·自然語言理解；
·知識表示；
·常識的精確處理；
·對不確定性的處理，容錯推理；
·關于時間和因果性的推理；
·解釋或說明；
·對歸納概括以及概念的學習。[①]
21世紀的邏輯學也應該關注這些問題，并對之進行研究。為了做到這一點，邏輯學家們有必要熟悉AI的要求及其相關進展，使其研究成果在AI中具有可應用性。
我認為，至少是21世紀早期，邏輯學將會重點關注下述幾個領域，并且有可能在這些領域出現具有重大意義的成果：（1）如何在邏輯中處理常識推理中的弗協調、非單調和容錯性因素？（2）如何使機器人具有人的創造性智能，如從經驗證據中建立用于指導以后行動的歸納判斷？（3）如何進行知識表示和知識推理，特別是基于已有的知識庫以及各認知主體相互之間的知識而進行的推理？（4）如何結合各種語境因素進行自然語言理解和推理，使智能機器人能夠用人的自然語言與人進行成功的交際？等等。
1．常識推理中的某些弗協調、非單調和容錯性因素
AI研究的一個目標就是用機器智能模擬人的智能，它選擇各種能反映人的智能特征的問題進行實踐，希望能做出各種具有智能特征的軟件系統。AI研究基于計算途徑，因此要建立具有可操作性的符號模型。一般而言，AI關于智能系統的符號模型可描述為：由一個知識載體（稱為知識庫KB）和一組加載在KB上的足以產生智能行為的過程（稱為問題求解器PS）構成。經過20世紀70年代包括專家系統的發展，AI研究者逐步取得共識，認識到知識在智能系統中力量，即一般的智能系統事實上是一種基于知識的系統，而知識包括專門性知識和常識性知識，前者亦可看做是某一領域內專家的常識。于是，常識問題就成為AI研究的一個核心問題，它包括兩個方面：常識表示和常識推理，即如何在人工智能中清晰地表示人類的常識，并運用這些常識去進行符合人類行為的推理。顯然，如此建立的常識知識庫可能包含矛盾，是不協調的，但這種矛盾或不協調應不至于影響到進行合理的推理行為；常識推理還是一種非單調推理，即人們基于不完全的信息推出某些結論，當人們得到更完全的信息后，可以改變甚至收回原來的結論；常識推理也是一種可能出錯的不精確的推理模式，是在容許有錯誤知識的情況下進行的推理，簡稱容錯推理。而經典邏輯拒斥任何矛盾，容許從矛盾推出一切命題；并且它是單調的，即承認如下的推理模式：如果p?r，則pùq?r；或者說，任一理論的定理屬于該理論之任一擴張的定理集。因此，在處理常識表示和常識推理時，經典邏輯應該受到限制和修正，并發展出某些非經典的邏輯，如次協調邏輯、非單調邏輯、容錯推理等。有人指出，常識推理的邏輯是次協調邏輯和非單調邏輯的某種結合物，而后者又可看做是對容錯推理的簡單且基本的情形的一種形式化。[②]轉貼于
“次協調邏輯”（Paraconsistent Logic）是由普里斯特、達·科斯塔等人在對悖論的研究中發展出來的，其基本想法是：當在一個理論中發現難以克服的矛盾或悖論時，與其徒勞地想盡各種辦法去排除或防范它們，不如干脆讓它們留在理論體系內，但把它們“圈禁”起來，不讓它們任意擴散，以免使我們所創立或研究的理論成為“不足道”的。于是，在次協調邏輯中，能夠容納有意義、有價值的“真矛盾”，但這些矛盾并不能使系統推出一切，導致自毀。因此，這一新邏輯具有一種次于經典邏輯但又遠遠高于完全不協調系統的協調性。次協調邏輯家們認為，如果在一理論T中，一語句A及其否定?A都是定理，則T是不協調的；否則，稱T是協調的。如果T所使用的邏輯含有從互相否定的兩公式可推出一切公式的規則或推理，則不協調的T也是不足道的(trivial)。因此，通常以經典邏輯為基礎的理論，如果它是不協調的，那它一定也是不足道的。這一現象表明，經典邏輯雖可用于研究協調的理論，但不適用于研究不協調但又足道的理論。達·科斯塔在20世紀60年代構造了一系列次協調邏輯系統Cn（1≤n≤w），以用作不協調而又足道的理論的邏輯工具。對次協調邏輯系統Cn的特征性描述包括下述命題：(i)矛盾律?(Aù?A)不普遍有效；(ii)從兩個相互否定的公式A和?A推不出任意公式；即是說，矛盾不會在系統中任意擴散，矛盾不等于災難。(iii)應當容納與(i)和(ii)相容的大多數經典邏輯的推理模式和規則。這里，(i)和(ii)表明了對矛盾的一種相對寬容的態度，(iii)則表明次協調邏輯對于經典邏輯仍有一定的繼承性。
在任一次協調邏輯系統Cn(1≤n≤w)中，下述經典邏輯的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0為經典邏輯，則系列C0， C1， C2，… Cn，… Cw使得對任正整數i有Ci弱于Ci-1，Cw是這系列中最弱的演算。已經為Cn設計出了合適的語義學，并已經證明Cn相對于此種語義是可靠的和完全的，并且次協調命題邏輯系統Cn還是可判定的?，F在，已經有人把次協調邏輯擴展到模態邏輯、時態邏輯、道義邏輯、多值邏輯、集合論等領域的研究中，發展了這些領域內的次協調理論。顯然，次協調邏輯將會得到更進一步的發展。[③]
非單調邏輯是關于非單調推理的邏輯，它的研究開始于20世紀80年代。1980年，D·麥克多莫特和J·多伊爾初步嘗試著系統發展一種關于非單調推理的邏輯。他們在經典謂詞演算中引入一個算子M，表示某種“一致性”斷言，并將其看做是模態概念，通過一定程序把模態邏輯系統T、S4和S5翻譯成非單調邏輯。B·摩爾的論文《非單調邏輯的語義思考》（1983）據認為在非單調邏輯方面作出了令人注目的貢獻。他在“缺省推理”和“自動認知推理”之間做了區分，并把前者看作是在沒有任何相反信息和缺少證據的條件下進行推理的過程，這種推理的特征是試探性的：根據新信息，它們很可能會被撤消。自動認知推理則不是這種類型，它是與人們自身的信念或知識相關的推理，可用它模擬一個理想的具有信念的有理性的人的推理。對于在計算機和人工智能中獲得成功的應用而言，非單調邏輯尚需進一步發展。
2．歸納以及其他不確定性推理
人類智能的本質特征和最高表現是創造。在人類創造的過程中，具有必然性的演繹推理固然起重要作用，但更為重要的是具有某種不確定性的歸納、類比推理以及模糊推理等。因此，計算機要成功地模擬人的智能，真正體現出人的智能品質，就必須對各種具有不確定性的推理模式進行研究。
首先是對歸納推理和歸納邏輯的研究。這里所說的“歸納推理”是廣義的，指一切擴展性推理，它們的結論所斷定的超出了其前提所斷定的范圍，因而前提的真無法保證結論的真，整個推理因此缺乏必然性。具體說來，這種意義的“歸納”包括下述內容：簡單枚舉法；排除歸納法，指這樣一些操作：預先通過觀察或實驗列出被研究現象的可能的原因，然后有選擇地安排某些事例或實驗，根據某些標準排除不相干假設，最后得到比較可靠的結論；統計概括：從關于有窮數目樣本的構成的知識到關于未知總體分布構成的結論的推理；類比論證和假說演繹法，等等。盡管休謨提出著名的“歸納問題”，對歸納推理的合理性和歸納邏輯的可能性提出了深刻的質疑，但我認為，（1）歸納是在茫茫宇宙中生存的人類必須采取也只能采取的認知策略，對于人類來說具有實踐的必然性。（2）人類有理由從經驗的重復中建立某種確實性和規律性，其依據就是確信宇宙中存在某種類似于自然齊一律和客觀因果律之類的東西。這一確信是合理的，而用純邏輯的理由去懷疑一個關于世界的事實性斷言則是不合理的，除非這個斷言是邏輯矛盾。（3）人類有可能建立起局部合理的歸納邏輯和歸納方法論。并且，歸納邏輯的這種可能性正在計算機科學和人工智能的研究推動下慢慢地演變成現實。恩格斯早就指出，“社會一旦有技術上的需要，則這種需要比十所大學更能把科學推向前進。”[④] 有人通過指責現有的歸納邏輯不成熟，得出“歸納邏輯不可能”的結論，他們的推理本身與歸納推理一樣，不具有演繹的必然性。（4）人類實踐的成功在一定程度上證明了相應的經驗知識的真理性，也就在一定程度上證明了歸納邏輯和歸納方法論的力量。毋庸否認，歸納邏輯目前還很不成熟。有的學者指出，為了在機器的智能模擬中克服對歸納模擬的困難而有所突破，應該將歸納邏輯等有關的基礎理論研究與機器學習、不確定推理和神經網絡學習模型與歸納學習中已有的成果結合起來。只有這樣，才能在已有的歸納學習成果上，在機器歸納和機器發現上取得新的突破和進展。[⑤] 這是一個極有價值且極富挑戰性的課題，無疑在21世紀將得到重視并取得進展。
再談模糊邏輯?，F實世界中充滿了模糊現象，這些現象反映到人的思維中形成了模糊概念和模糊命題，如“矮個子”、“美人”、“甲地在乙地附近”、“他很年輕”等。研究模糊概念、模糊命題和模糊推理的邏輯理論叫做“模糊邏輯”。對它的研究始于20世紀20年代，其代表性人物是L·A·查德和P·N·馬林諾斯。模糊邏輯為精確邏輯（二值邏輯）解決不了的問題提供了解決的可能，它目前在醫療診斷、故障檢測、氣象預報、自動控制以及人工智能研究中獲得重要應用。顯然，它在21世紀將繼續得到更大的發展。
3．廣義內涵邏輯
經典邏輯只是對命題聯結詞、個體詞、謂詞、量詞和等詞進行了研究，但在自然語言中，除了這些語言成分之外，顯然還存在許多其他的語言成分，如各種各樣的副詞，包括模態詞“必然”、“可能”和“不可能”、時態詞“過去”、“現在”和“未來”、道義詞“應該”、“允許”、“禁止”等等，以及各種認知動詞，如“思考”、“希望”、“相信”、“判斷”、“猜測”、“考慮”、“懷疑”，這些認知動詞在邏輯和哲學文獻中被叫做“命題態度詞”。對這些副詞以及命題態度詞的邏輯研究可以歸類為“廣義內涵邏輯”。
大多數副詞以及幾乎所有命題態度詞都是內涵性的，造成內涵語境，后者與外延語境構成對照。外延語境又叫透明語境，是經典邏輯的組合性原則、等值置換規則、同一性替換規則在其中適用的語境；內涵語境又稱晦暗語境，是上述規則在其中不適用的語境。相應于外延語境和內涵語境的區別，一切語言表達式（包括自然語言的名詞、動詞、形容詞直至語句）都可以區分為外延性的和內涵性的，前者是提供外延語境的表達式，后者是提供內涵性語境的表達式。例如，殺死、見到、擁抱、吻、砍、踢、打、與…下棋等都是外延性表達式，而知道、相信、認識、必然、可能、允許、禁止、過去、現在、未來等都是內涵性表達式。
在內涵語境中會出現一些復雜的情況。首先，對于個體詞項來說，關鍵性的東西是我們不僅必須考慮它們在現實世界中的外延，而且要考慮它們在其他可能世界中的外延。例如，由于“必然”是內涵性表達式，它提供內涵語境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
這是因為：這個推理只考慮到“晨星”和“暮星”在現實世界中的外延，并沒有考慮到它們在每一個可能世界中的外延，我們完全可以設想一個可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我們就不能利用同一性替換規則，由該推理的前提得出它的結論：“晨星必然是暮星”。其次，在內涵語境中，語言表達式不再以通常是它們的外延的東西作為外延，而以通常是它們的內涵的東西作為外延。以“達爾文相信人是從猿猴進化而來的”這個語句為例。這里，達爾文所相信的是“人是從猿猴進化而來的”所表達的思想，而不是它所指稱的真值，于是在這種情況下，“人是從猿猴進化而來的”所表達的思想（命題）就構成它的外延。再次，在內涵語境中，雖然適用于外延的函項性原則不再成立，但并不是非要拋棄不可，可以把它改述為新的形式：一復合表達式的外延是它出現于外延語境中的部分表達式的外延加上出現于內涵語境中的部分表達式的內涵的函項。這個新的組合性或函項性原則在內涵邏輯中成立。
一般而言，一個好的內涵邏輯至少應滿足兩個條件：（i）它必須能夠處理外延邏輯所能處理的問題；（ii）它還必須能夠處理外延邏輯所不能處理的難題。這就是說，它既不能與外延邏輯相矛盾，又要克服外延邏輯的局限。這樣的內涵邏輯目前正在發展中，并且已有初步輪廓。從術語上說，內涵邏輯除需要真、假、語句真值的同一和不同、集合或類、謂詞的同范圍或不同范圍等外延邏輯的術語之外，還需要同義、內涵的同一和差異、命題、屬性或概念這樣一些術語。廣而言之，可以把內涵邏輯看作是關于象“必然”、“可能”、“知道”、“相信”，“允許”、“禁止”等提供內涵語境的語句算子的一般邏輯。在這種廣義之下，模態邏輯、時態邏輯、道義邏輯、認知邏輯、問題邏輯等都是內涵邏輯。不過，還有一種狹義的內涵邏輯，它可以粗略定義如下：一個內涵邏輯是一個形式語言，其中包括（1）謂詞邏輯的算子、量詞和變元，這里的謂詞邏輯不必局限于一階謂詞邏輯，也可以是高階謂詞邏輯；（2）合式的λ—表達式，例如(λx)A，這里A是任一類型的表達式，x是任一類型的變元，(λx)A本身是一函項，它把變元x在其中取值的那種類型的對象映射到A所屬的那種類型上；（3）其他需要的模態的或內涵的算子，例如€，ù、ú。而一個內涵邏輯的解釋，則由下列要素組成：（1）一個可能世界的非空集W；（2）一個可能個體的非空集D；（3）一個賦值，它給系統內的表達式指派它們在每w∈W中的外延。對于任一的解釋Q和任一的世界w∈W，判定內涵邏輯系統中的任一表達式X相對于解釋Q在w∈W中的外延總是可能的。這樣的內涵邏輯系統有丘奇的LSD系統，R·蒙塔古的IL系統，以及E·N·扎爾塔的FIL系統等。[⑥]
在各種內涵邏輯中，認識論邏輯（epistemic logic）具有重要意義。它有廣義和狹義之分。廣義的認識論邏輯研究與感知（perception）、知道、相信、斷定、理解、懷疑、問題和回答等相關的邏輯問題，包括問題邏輯、知道邏輯、相信邏輯、斷定邏輯等；狹義的認識論邏輯僅指知道和相信的邏輯，簡稱“認知邏輯”。馮·賴特在1951年提出了對“認知模態”的邏輯分析，這對建立認知邏輯具有極大的啟發作用。J·麥金西首先給出了一個關于“知道”的模態邏輯。A·帕普于1957年建立了一個基于6條規則的相信邏輯系統。J·亨迪卡于60年代出版的《知識和信念》一書是認知邏輯史上的重要著作，其中提出了一些認知邏輯的系統，并為其建立了基于“模型集”的語義學，后者是可能世界語義學的先導之一。當今的認知邏輯紛繁復雜，既不成熟也面臨許多難題。由于認知邏輯涉及認識論、心理學、語言學、計算機科學和人工智能等諸多領域，并且認知邏輯的應用技術，又稱關于知識的推理技術，正在成為計算機科學和人工智能的重要分支之一，因此認知邏輯在20世紀中后期成為國際邏輯學界的一個熱門研究方向。這一狀況在21世紀將得到繼續并進一步強化，在這方面有可能出現突破性的重要結果。
4．對自然語言的邏輯研究
對自然語言的邏輯研究有來自幾個不同領域的推動力。首先是計算機和人工智能的研究，人機對話和通訊、計算機的自然語言理解、知識表示和知識推理等課題，都需要對自然語言進行精細的邏輯分析，并且這種分析不能僅停留在句法層面，而且要深入到語義層面。其次是哲學特別是語言哲學，在20世紀哲學家們對語言表達式的意義問題傾注了異乎尋常的精力，發展了各種各樣的意義理論，如觀念論、指稱論、使用論、言語行為理論、真值條件論等等，以致有人說，關注意義成了20世紀哲學家的職業病。再次是語言學自身發展的需要，例如在研究自然語言的意義問題時，不能僅僅停留在脫離語境的抽象研究上面，而要結合使用語言的特定環境去研究，這導致了語義學、語用學、新修辭學等等發展。各個方面發展的成果可以總稱為“自然語言邏輯”，它力圖綜合后期維特根斯坦提倡的使用論，J·L·奧斯汀、J·L·塞爾等人發展的言語行為理論，以及P·格賴斯所創立的會話含義學說等成果，透過自然語言的指謂性和交際性去研究自然語言中的推理。
自然語言具有表達和交際兩種職能，其中交際職能是自然語言最重要的職能，是它的生命力之所在。而言語交際總是在一定的語言環境（簡稱語境）中進行的，語境有廣義和狹義之分。狹義的語境僅指一個語詞、一個句子出現的上下文。廣義的語境除了上下文之外，還包括該語詞或語句出現的整個社會歷史條件，如該語詞或語句出現的時間、地點、條件、講話的人（作者）、聽話的人（讀者）以及交際雙方所共同具有的背景知識，這里的背景知識包括交際雙方共同的信念和心理習慣，以及共同的知識和假定等等。這些語境因素對于自然語言的表達式（語詞、語句）的意義有著極其重要的影響，這具體表現在：（i）語境具有消除自然語言語詞的多義性、歧義性和模糊性的能力，具有嚴格規定語言表達式意義的能力。（ii）自然語言的句子常常包含指示代詞、人稱代詞、時間副詞等，要弄清楚這些句子的意義和內容，就要弄清楚這句話是誰說的、對誰說的、什么時候說的、什么地點說的、針對什么說的，等等，這只有在一定的語境中才能進行。依賴語境的其他類型的語句還有：包含著象“有些”和“每一個”這類量化表達式的句子的意義取決于依語境而定的論域，包含著象“大的”、“冷的”這類形容詞的句子的意義取決于依語境而定的相比較的對象類；模態語句和條件語句的意義取決于因語境而變化的語義決定因素，如此等等。（iii）語言表達式的意義在語境中會出現一些重要的變化，以至偏離它通常所具有的意義（抽象意義），而產生一種新的意義即語用涵義。有人認為，一個語言表達式在它的具體語境中的意義，才是它的完全的真正的意義，一旦脫離開語境，它就只具有抽象的意義。語言的抽象意義和它的具體意義的關系，正象解剖了的死人肢體與活人肢體的關系一樣。邏輯應該去研究、理解、把握自然語言的具體意義，當然不是去研究某一個（或一組）特定的語句在某個特定語境中唯一無二的意義，而是專門研究確定自然語言具體意義的普遍原則。[⑦]
美國語言學家保羅·格賴斯把語言表達式在一定的交際語境中產生的一種不同于字面意義的特殊涵義，叫做“語用涵義”、“會話涵義”或“隱涵”（implicature），并于1975年提出了一組“交際合作原則”，包括一個總則和四組準則?？倓t的內容是：在你參與會話時，你要依據你所參與的談話交流的公認目的或方向，使你的會話貢獻符合這種需要。仿照康德把范疇區分為量、質、關系和方式四類，格賴斯提出了如下四組準則：
（1）數量準則：在交際過程中給出的信息量要適中。
a．給出所要求的信息量；
b．給出的信息量不要多于所要求的信息量。
（2）質量準則：力求講真話。
a．不說你認為假的東西，。
b．不說你缺少適當證據的東西。
（3）關聯準則：說話要與已定的交際目的相關聯。
（4）方式準則：說話要意思明確，表達清晰。
a．避免晦澀生僻的表達方式；
b．避免有歧義的表達方式；
c．說話要簡潔；
d．說話要有順序性。[⑧]
后來對這些原則提出了不少修正和補充，例如有人還提出了交際過程中所要遵守的“禮貌原則”。只要把交際雙方遵守交際合作原則之類的語用規則作為基本前提，這些原則就可以用來確定和把握自然語言的具體意義（語用涵義）。實際上，一個語句p的語用涵義，就是聽話人在具體語境中根據語用規則由p得到的那個或那些語句。更具體地說，從說話人S說的話語p推出語用涵義q的一般過程是：
（i）S說了p；
（ii）沒有理由認為S不遵守準則，或至少S會遵守總的合作原則；
（iii）S說了p而又要遵守準則或總的合作原則，S必定想表達q；
（iv）S必然知道，談話雙方都清楚：如果S是合作的，必須假設q；
（v）S無法阻止聽話人H考慮q；
（vi）因此，S意圖讓H考慮q，并在說p時意味著q。
試舉二例：
（1）a站在熄火的汽車旁，b向a走來。a說：“我沒有汽油了?！眀說：“前面拐角處有一個修車鋪。”這里a與b談話的目的是：a想得到汽油。根據關系準則，b說這句話是與a想得到汽油相關的，由此可知：b說這句話時隱涵著：“前面的修車鋪還在營業并且賣汽油。”
關于人工智能的哲學思考范文6
今年3月，全球矚目的谷歌人工智能AlphaGo(阿爾法狗)與韓國棋手李世石九段的世紀人機大戰以人工智能的勝利落下帷幕。加上此前“深藍”在國際象棋比賽的勝利以及超級智能機器“沃森”在智力競賽節目打敗人類選手，這樣一個個人類成為人工智能手下敗將的事件出現后，引起了人類的極大關注，2015年年初，物理學家霍金和特斯拉汽車公司(Tesla Motors)的CEO埃隆·馬斯克(Elon Musk)發表公開信，呼吁要遏制智能機器的發展，否則人類將會滅絕。然而，人工智能超越人類何以可能，其突破中包含兩個成分①：第一則是計算機能夠模擬人類的行為，然而我們現在連通過理解一個老鼠的神經行為從而來模擬老鼠的行為都還不能做到，從何來談計算機來模擬人類的行為，況且我們還根本不能完全理解人類行為一切的原理。這是技術層面的問題，我相信隨著科學技術的發展，這些問題可能會迎刃而解;另一個成分，人工智能能夠擁有人類的自我意識，在討論這一問題之前，我們首先要試圖追問，自我意識是什么，自我意識之源又是什么等。
提到自我意識之源，傳統倫理學認為自我意識來源于靈魂，而神經倫理學則用神經科學實驗分析的方法力證大腦是自我意識之源，這同時也是神經倫理學對傳統倫理學發起的挑戰。
一、自我意識之源
自我意識是一個常用概念，從字面上理解，就是對“自我”的意識到。然而，對于“自我”一詞，則可有許多種解釋。通常的解釋之一，就是把“自我”當做一個反身代詞，視其與“自己”或“自身”同義。這樣，“自我意識”就是人(或有意識者)對自己存在的意識到，也可以叫做反身意識或反省。由此還可引出所謂“意識的意識”的說法， 把自我意識述為意識活動對自身狀態或過程的內省。② “我是，我存在(I am，I exist)”、“我意識到了自己的存在(I am aware of my existence)”、“我意識到身邊的世界(I am aware of the world around me)”，但是在感受著的“我”到底是誰，這個“我”是指身體還是不同于身體的存在。進一步來問，如果這個“我”是不同于身體的存在，那么是什么使人在身體之外進行感知呢?反過來，如果“我”的指向是身體，那么又是哪一部分負責的呢?
(一)靈魂是意識之源-身體之外的感知
人有兩部分：實在的肉體和心理學上的實體，那心理學上的實體即我們所說的靈魂。無論是深奧難懂的東方宗教、西方羅馬還是希臘文明都有關于靈魂的記載。古印度的《吠陀》提供了理解靈魂旅程的詳細構架，并且認為靈魂的本質是永恒的，靈魂是不死的，這里強調了靈魂的不可毀滅性，精神性和永恒性。
古希臘柏拉圖把靈魂分成三個部分;欲望、激情和理智，并闡述了它們在最初的存在狀態：“人們差不多一出世就充滿了激情” ③，并相應安排每一個部分以一種美德，并且認為，靈魂以前是存在于神境的，因為原罪而落入人類的身體中，為了打破束縛，回到純凈的狀態，靈魂需要通過輪回來凈化。在《斐德羅篇》的輪回故事中，靈魂被比作兩匹馬拖著的馬車，一匹充滿能量和精神但很難控制的黑馬，和一匹同樣有精神但溫順得多的白馬。當靈魂上升時，會看到一個非常漂亮的地方，那里是柏拉圖所說的凈土，絕對美麗，絕對公正，有一隊神明守望著這片地方，當靈魂升上來后，可以加入這些神，如果理性控制得足夠好，靈魂可以上升并留在那里，這就像是印度教條中的光明和解脫，逃離了輪回，但如果理性沒有得到很好的控制，兩匹馬就會為所欲為，失去對這片樂土的興趣，因為那不是它們所能理解的，它們就會把馬車拉回去，靈魂將再次進入輪回。
(二)力證靈魂的存在
哲學家們并不滿足于來自經典文獻中對靈魂存在的解說，試圖通過研究前世記憶和瀕死體驗來力證靈魂的存在，認為如果靈魂不存在，這些事件都將不能被理解。
1983年12月，一位叫提圖薩的男孩降生在印度阿格拉附近的一個村莊，在他4歲的時候，告訴父母他叫碩瓦嘛，住在阿格拉，妻子叫由嘛，還有兩個兒子，他們在阿格拉經營一個無線電鋪，一家四口過著幸福的小日子。但好景不長，他被兩個人槍殺了，他認識兇手，向他開槍的那個人叫塞迪克，是個商人。家人為了驗證提圖薩的描述，帶著他去到阿格拉后發現，他所說的一切都是真的。此事件同時引起了印度德里大學的柴達教授的興趣，他搜集了很多相關證據，例如小提圖薩前額和后腦勺上各有一個較大的胎記，并且這兩個胎記的大小和形狀竟然和被槍殺時彈孔的大小和形狀一致。④
除此之外，美國維吉尼亞大學的斯蒂文森教授對這種轉世再生現象研究了40年，共涉及2500例轉世案例。在實證研究方面力證了靈魂存在的一種學說：在死亡時，靈魂和精神體離開肉體，前往下一個肉體，記憶不只會存在實體的大腦中，也會存在精神體的精神中，理論上講，前世的記憶是可以被今生和來生想起來的，但總體來說，這些記憶被藏在精神的太深處，大部分人都看不到他們的存在，但是極少數人有著前世的記憶，這對突然死亡或者因為突發事故死亡的人來說通常是真的，因為這種情況下，死亡來得太突然，傷害太大，沒有讓靈魂完整地處理死亡的步驟，沒有處理的記憶會殘留在下一個身體中。
(三)神經倫理學的逆襲
1848年，25歲的鐵路公司工人菲尼亞斯·蓋奇(Phineas Gage)正在進行施工時，由于炸藥意外爆炸導致一根鐵棒刺進蓋奇略低于眼睛的左面頰，經過腦的前額葉皮層，從頭頂穿出，導致了嚴重的腦損傷。經歷這個事故之后蓋奇活了下來，但是其人格有了很大的改變，他的表現顯示了對社會習俗的不尊重，他作決定的時候從不考慮自己的利益，也從來不會擔憂自己的未來，不會深謀遠慮。簡單分析此案例得出了初步的結論，很顯然，蓋奇人格的改變是由于大腦特定部位損傷所引起的。⑤
人格是自我意識的基礎，意識作為形而上的存在不應該受大腦損傷的影響，為何蓋奇在事故發生前后人格變化這么大?
加州的神經生物學家本杰明·利貝特進行了實驗，20世紀80年代，加州大學舊金山分校的神經心理學家本杰明·利貝特曾將研究參與者與腦電圖(EEG)連接在一起，并要求他們目視一個有圓點環繞移動的鐘面。當參與者感覺想要移動手指時，他們須記下圓點所在的位置。利貝特記錄到人們在表現出有意識的移動手指意圖前數百毫秒的腦電活動⑥。也就是說，意識是大腦內部化學變化、電子活動的產物，之后有很多科學家通過更加先進的技術和更加復雜有效的方法進行更多的相關研究，結果依然如此。
二、神經倫理學的解釋溝
倫理學的神經科學研究作為神經倫理學的一大研究領域，隨著神經科學的迅猛發展，依托生物學事實的實驗研究掀起了討論自我意識生物學基礎的熱潮，試圖依賴功能神經成像、核磁共振等技術，試圖確定自我意識與腦系統的具體關聯。然而，哲學家認為用實在的、可感的方法得到結果去解釋或推翻形而上的存在是不可靠的，并對其理論提出了很多質疑，這也是神經科學所面臨的解釋溝：
(1)意識狀態是源于刺激神經組織所產生的，如此令人贊嘆的存在，如同阿拉丁摩擦了燈之后，神靈出現卻在前面一樣令人難以理解。意識的生理基礎是否真的存在，若存在，意識的生理基礎又是什么呢?
(2)20年代美國生理心理學家卡爾·拉什利(Karl Spencer Lashley )提出的神經系統科學多少年來一直專注的記憶屬于大腦哪個區域的問題，他試著確認大腦中與記憶產生、加深和儲存記憶相關的區域，對大腦的部分進行實驗性傷害，然而并沒有找到與記憶相關聯的特定區域。⑦人們仍認為記憶某程度是存在大腦中，而因為記憶是穩固的，人們猜測存有這些記憶的大腦細胞也需要保持穩固。新陳代謝不斷進行，細胞不斷死去，新的細胞不斷在誕生，又如何維系本質不變呢?即使所有用于傳達信息模式的物質消失了，而模式卻依然存在，如果不是物質，那又是什么在維系著這種模式，機械論、純唯物論科學的假設是無法輕易回答這個問題的，是否有可能記憶并非僅僅儲存在大腦中，也存在某種非物質性的記憶倉庫中，然后再進入新形成細胞中呢?這是否意味著我們的意識起源于大腦以外的地方?
(3)如果大腦組織被剔除，那么人不會再有意識，于是很容易得出，意識是在腦內有物質形成的，大腦和意識有著緊密的聯系，但神經系統科學家無法確定這種聯系的性質。然而還有另外一種可能就是意識存在于某處，而大腦只是一個特定的存放容器，或者一個為了接受意識抑或是傳達意識或是受意識支配而不斷進化的系統。哲學家威廉·詹姆斯(William James)聲稱大腦損傷和身體功能之間的一致關聯，可以解釋為大腦僅僅是發射器，而不是發生源，棱鏡傳送光線為例子進行解釋，當棱鏡受損時，傳送出來的光線也許會扭曲，這樣也很容易理解，當大腦受損時，傳遞出來的意識也會有差異。
(4)英國謝菲爾德大學神經學教授約翰·羅伯(John Lorber)有一個研究成果：當謝菲爾德得效益在診斷一個數學系學生的疾病時，意外地發現他的頭部比正常人略大一點兒，于是校醫就把他介紹到羅伯教授那做進一步檢查，發現這個學生沒有大腦，但智商高達126。于是，羅伯教授提出“大腦真的必不可少嗎?”這一問題。大腦半球切除術是切除受損或缺乏大腦皮質的半球，而大腦皮質是跟各種認知和情感功能相關聯的，如果一個孩子切除了大腦兩半球之一，另一半球會接管，并對大腦的神經連接以及神經細胞進行重組。因為大腦具有極強的調節性，所以一個半球能夠執行兩個半球的功能。長時間以來，移除大腦引發的疾病并不會造成明顯的記憶丟失，唯物論解釋認為這是大腦儲存重復的部分造成的，也就是說同一個記憶儲存在多個地方，所以理論上即使大腦失去了一些部分，也可以從其他儲存的地點重獲記憶，然而，令人難以置信的是，大腦半球切除術也就意味著大腦有50%是完全重復的功能，甚至低于5%大腦組織仍然有正常的回憶，要解釋這一點的話，唯物論神經系統科學家就必須要聲明95%的大腦物質都是重復的。
(5)長久以來人們都知道正面思考的能力能夠提升一個人的興奮感和健康，但是直到最近，人們才清楚地知道人的思維力量足以改變大腦的物質結構，越來越多的證據顯示通過特定類型的智力訓練能夠改變成人的大腦。比如冥想，可以改變大腦中關注、集中有關的區域，改變它們的運作方式，也就是說比如就灰質和神經元本身以及白質來說，正是神經的軸突里聯系著兩者之間的神經元，所以現在有可能在幾個月的訓練之后，就能改變大腦的機能和結構，近幾年所采用的腦顯像工具，如功能磁共振成像掃描儀已經證明這一點。如果神經科學認為意識是大腦所生產的，那么意識就不應該對大腦有任何影響。面對這樣得質疑和力證，神經科學能否用自己得方法拿出證據，跨越解釋溝呢?
三、結語
本文通過兩個視角，以“意識之源”為引子，討論了“我是誰?”這一問題的可能答案，如果靈魂存在，那么“我”是由靈魂決定的;若大腦才是 “我”的上帝，那么“我”也就是純粹物理實體，大腦就是“我”的全部。在此基礎上我們可以分析人工智能可能的未來。若靈魂存在，我們就不用再糾結人工智能超越人類的奇點到底在哪里了，人工智能永遠只是類人類，無法感受我們的感受，體驗我們的體驗，除非有一天靈魂進入他們的身體中，而若是神經科學跨越“解釋溝”，證明了大腦是意識之源，不論是打麻將還是電子游戲，甚至是人們覺得不可能的完成的寫小說任務，待計算機技術高度成熟，范式徹底更替之后，人工智能將成為人類進化的另一個階段，不管它是發生在所謂的10年、100年還是1000年之后。
注釋
① 機器超越人類的突破包含很多成分，本文只提到兩種，重點討論其中與意識相關的一種.
② 維之.人類自我意識的意義及其三次覺醒[J].南通大學學報，2010(4)：26.
③ 柏拉圖.理想國[M].郭斌和，張竹明，譯.北京：商務印書館，1968：168.
④ 余魚.輪回轉世是真的?[J].大科技：科學之謎，2015(9)：57.
⑤ Damasio A R. Descartes’Error： Emotion， Reason，and the Human Brain[M].New York：G.P.Putnam，1994.
⑥ Henrik Walter.Neurophilosophy of free will[M]. Cynthia Klohr，譯. Cambridge：Massachusetts Institute of Technology，2001：246.
⑦卡爾·拉什利.大腦機制與智能[M].北京：人民教育出版社，1983.
參考文獻
[1] 柏拉圖.理想國[M].郭斌和，張竹明，譯.北京：商務印書館，1968.
[2] 卡爾·拉什利.大腦機制與智能[M].北京：人民教育出版社，1983.
[3] 維之.人類自我意識的意義及其三次覺醒[J].南通大學學報，2010(4)：26.
[4] 余魚.輪回轉世是真的?[J].大科技：科學之謎，2015(9).
[5] Damasio A R. Descartes’Error： Emotion， Reason， and the Human Brain [M].New York：G.P.Putnam，1994：38
[6] Henrik Walter.Neurophilosophy of free will[M]. Cynthia Klohr，譯. Cambridge： Massachusetts Institute of Technology，2001：246.
