【構(gòu)建中國哲學(xué)社會科學(xué)自主知識體系】

自20世紀(jì)中葉開始孕育、21世紀(jì)第二個十年爆發(fā)并席卷全球的人工智能革命，是一場科技革命、產(chǎn)業(yè)革命，也深刻反映了人類知識生產(chǎn)正在發(fā)生的轉(zhuǎn)型。這一轉(zhuǎn)型過程，推動了“科學(xué)”向“知識”的回歸，即回歸其應(yīng)有的整體性、關(guān)聯(lián)性、開放性、多元性和包容性狀態(tài)。

知識生產(chǎn)方式向復(fù)雜性科學(xué)演進

革命，意味著帶有根本性和顛覆性的變革。人工智能科學(xué)技術(shù)80年發(fā)展歷程可分為兩個階段：前一階段基于符號邏輯進路，產(chǎn)生了計算機；后一階段轉(zhuǎn)向聯(lián)結(jié)主義進路，提出神經(jīng)網(wǎng)絡(luò)模型和機器學(xué)習(xí)算法，通過了圖靈測試。階段的轉(zhuǎn)向，不僅是方法論層面的工具拓展，更是認(rèn)識論層面的理念突破，體現(xiàn)了知識生產(chǎn)方式的轉(zhuǎn)型。

符號邏輯是人工智能的早期思想路徑，其認(rèn)為只要解決了自然語言處理即符號化問題，基于少量基本公理和定義，借助計算機強大的計算和存儲能力，通過數(shù)理邏輯和博弈論推演，即可演繹出新的定理與推論。但該方法僅適用于小規(guī)模簡單問題，一旦問題規(guī)模擴大、呈現(xiàn)復(fù)雜化，其搜索空間規(guī)模呈指數(shù)級上升，根本無法解決現(xiàn)實世界實際問題。聯(lián)結(jié)主義則摒棄了為機器輸入邏輯規(guī)則的思路，轉(zhuǎn)而模仿人腦生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以感知器替代神經(jīng)元，以并行電子電路模仿神經(jīng)元連接。人工神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)呈多層分布，因而被稱為“深度神經(jīng)網(wǎng)絡(luò)”。信息分布存儲于整個人工神經(jīng)網(wǎng)絡(luò)中，每個人工神經(jīng)元保存的參數(shù)值即神經(jīng)網(wǎng)絡(luò)的“記憶”。隨著反向傳播算法的提出，人們可以通過預(yù)訓(xùn)練微調(diào)非循環(huán)多層神經(jīng)網(wǎng)絡(luò)，模仿人腦進行“機器學(xué)習(xí)”，學(xué)習(xí)過程就是調(diào)整每個人工神經(jīng)元中保存的參數(shù)值的過程。以人工智能視覺識別為例，系統(tǒng)不再依靠逐點逐行掃描圖像內(nèi)容，而是借助分布式存儲、全局并行的深度神經(jīng)網(wǎng)絡(luò)，在整體觀察強化學(xué)習(xí)過程中自動抽取圖像的語義特征。一開始很可能只是一個一個小圖塊組合方式的語義特征，反復(fù)訓(xùn)練就可以開始慢慢感知到這個圖形的組合特征，進而形成概念、意義，識別規(guī)律并做出判斷。這種機器“認(rèn)知”類似于人類在反復(fù)實踐中積累經(jīng)驗的過程，正因如此，有哲學(xué)家將人工智能稱為“經(jīng)驗主義者”。2016年，“阿爾法狗”戰(zhàn)勝人類圍棋選手并保持不敗紀(jì)錄，但其走棋落子的工作原理至今無法被完全解釋。以可解釋性為目標(biāo)的科學(xué)，自誕生以來首次遭遇難以解釋的人工智能技術(shù)，這種“不可解釋性”也恰好印證了經(jīng)驗主義知識生產(chǎn)方式的特征。

回顧人類文明史，知識生產(chǎn)方式經(jīng)歷了從經(jīng)驗主義到科學(xué)主義的躍升，正朝向人機協(xié)同混合模式演進。早期知識基于個體經(jīng)驗，狩獵技巧、農(nóng)耕經(jīng)驗、手工技藝以及天文地理、氣候歷法、為人處世等生產(chǎn)生活知識，經(jīng)口口相傳和文字記載緩慢累積，形成經(jīng)驗主義知識生產(chǎn)范式。自伽利略開啟“實驗+數(shù)學(xué)”的科學(xué)研究方法，至牛頓建構(gòu)經(jīng)典物理學(xué)體系，自然科學(xué)和社會科學(xué)學(xué)科群誕生，知識生產(chǎn)進入“邏輯實證主義—假說演繹主義”階段，客觀實證、精確量化、分析歸納的知識生產(chǎn)方式逐漸成為主流。愛因斯坦提出的狹義相對論和廣義相對論，對物理學(xué)做出了深刻變革。而復(fù)雜性科學(xué)非線性、混沌、涌現(xiàn)等理論研究進展，以及量子力學(xué)“不確定性原理”的提出和確證，都進一步動搖了經(jīng)典物理學(xué)決定論、還原論的支柱。這些都為人工智能大模型和機器學(xué)習(xí)算法奠定了認(rèn)識論前提。從形式上看，人工智能從大量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、提取知識的過程，是一個由嚴(yán)密、精確的演繹推理轉(zhuǎn)向整體、概率的歸納推理的過程，似乎是科學(xué)主義向經(jīng)驗主義的回歸。但這絕非對古代經(jīng)驗主義知識生產(chǎn)方式的簡單復(fù)歸，而是線性實證科學(xué)知識生產(chǎn)方式向非線性復(fù)雜科學(xué)知識生產(chǎn)方式的轉(zhuǎn)型和螺旋式上升。

知識形態(tài)邁向立體交互

知識形態(tài)是指知識呈現(xiàn)的存在方式、表現(xiàn)形式、結(jié)構(gòu)特征與傳播機制，其會隨時代變遷和人類認(rèn)知能力進步而動態(tài)演變，這種演變突出表現(xiàn)為知識所依附的物質(zhì)載體的變化。原始形態(tài)的知識，如神話、歌謠、經(jīng)驗口訣等，以個體的人及其語言與記憶為載體。文字出現(xiàn)后，知識被記錄于獸皮、青銅器、竹簡等平面載體之上，得以固化和跨時空代際傳遞。紙張、印刷術(shù)的出現(xiàn)，進一步增強了知識的傳播范圍與保存周期，并催生了近代科學(xué)，使零散碎片化留存的知識形態(tài)形成系統(tǒng)化關(guān)聯(lián)。計算機、互聯(lián)網(wǎng)和多元數(shù)字媒介的出現(xiàn)，如數(shù)據(jù)庫、電子書、在線課程等，則承載了數(shù)據(jù)化的知識形態(tài)。

知識形態(tài)的數(shù)據(jù)化始于人工智能的研發(fā)。隨著信息理論和計算機科學(xué)的創(chuàng)立，“數(shù)據(jù)—信息—知識”一體化的表達和傳播機制得以建立，知識開始呈現(xiàn)為可快速檢索、流動交互的立體形態(tài)。數(shù)字時代的開源社區(qū)、在線協(xié)作平臺，使知識生產(chǎn)成為全球參與者的協(xié)同行為，知識傳播呈現(xiàn)出去中心化、實時性的特點。生成式人工智能從語言大模型到多模態(tài)大模型的發(fā)展，本質(zhì)上是機器學(xué)習(xí)算法驅(qū)動下的數(shù)據(jù)重組，這極大改變了知識的組織形式和結(jié)構(gòu)特征。而鏡像虛擬、數(shù)字孿生、元宇宙技術(shù)的綜合應(yīng)用，更是將知識的立體交互、快速迭代、協(xié)同共創(chuàng)推至全新高度，傳統(tǒng)平面、靜態(tài)的知識形態(tài)幾乎被徹底顛覆。

遠古時期的口傳知識形態(tài)大都基于生產(chǎn)生活的經(jīng)驗總結(jié)，依賴直覺、類比、具象化等思維，形成零碎、分散、容易遺漏變異的地方性知識，呈現(xiàn)出不成體系、極不穩(wěn)定的知識形態(tài)。文字與書籍時代初期，知識固化為文本，得以在一定時空范圍內(nèi)傳承傳播。知識生產(chǎn)掌握在少數(shù)統(tǒng)治者和精英學(xué)者手中，依賴師徒傳承或特定階層的教育傳播，具有精英壟斷的封閉形態(tài)?，F(xiàn)代教育突破階層限制，期刊傳媒使知識實現(xiàn)大眾共享，知識傳播加速，推動人類思維向理性化、邏輯化發(fā)展，形成了強調(diào)分類、歸納、演繹的系統(tǒng)化、學(xué)科化知識形態(tài)。人工智能時代，人類認(rèn)知方式轉(zhuǎn)向“個性化推薦”和“超鏈接式檢索”，思維模式傾向跨領(lǐng)域關(guān)聯(lián)與快速整合信息，但也帶來注意力碎片化和認(rèn)知淺層化的問題，這一時期的知識形態(tài)呈現(xiàn)網(wǎng)狀關(guān)聯(lián)、快速流動且碎片化的特征。

知識形態(tài)的演變，本質(zhì)上是人類認(rèn)知能力、技術(shù)工具與社會發(fā)展需求三者互動互構(gòu)的結(jié)果。其不僅改變了知識的生產(chǎn)、傳播和使用方式，也從經(jīng)濟結(jié)構(gòu)、文化傳承、社會階層、思維模式等多個維度深刻重塑了人類社會與文化的樣貌。早在20世紀(jì)中葉，法國哲學(xué)家?？戮驮岢觥爸R即權(quán)力”，認(rèn)為知識形態(tài)的演變直接影響權(quán)力的分配。在人工智能時代，掌握數(shù)據(jù)、算法等核心知識資源的主體（如科技企業(yè)、掌握數(shù)據(jù)的政府部門），其影響力遠超傳統(tǒng)權(quán)力主體，“算法權(quán)力”等成為新的權(quán)力形態(tài)。權(quán)力的本質(zhì)向“知識權(quán)力”傾斜，同時也引發(fā)諸如隱私保護、算法公平性等新的社會議題。

還應(yīng)看到，世界不同地域、不同民族在歷史上形成了相對獨立且較為穩(wěn)定的知識構(gòu)成、文化傳統(tǒng)與文明譜系。人工智能時代，數(shù)字網(wǎng)絡(luò)化的知識形態(tài)徹底打破了地理邊界，人工智能翻譯不斷突破語言障礙，實現(xiàn)了知識的跨國實時流動，也加劇了不同思想和價值觀的碰撞與融合，全球文化同質(zhì)化和地方性知識邊緣化趨勢日益突出，對多元文明帶來沖擊。因此，本土文化保護和自主知識體系構(gòu)建的重要性愈益凸顯。

知識類型加速交叉融合

人工智能既是計算機科學(xué)的一個分支，也是一種求解復(fù)雜問題的新范式，凝聚了多學(xué)科知識。就機器學(xué)習(xí)大模型的開發(fā)而言，人工神經(jīng)網(wǎng)絡(luò)集成電路芯片以量子物理學(xué)、信息科學(xué)、神經(jīng)生理學(xué)、腦科學(xué)等為知識基礎(chǔ)；語言大模型不僅依賴于數(shù)學(xué)統(tǒng)計學(xué)，更有語言文字學(xué)、邏輯學(xué)、認(rèn)知科學(xué)等哲學(xué)社會科學(xué)學(xué)科的深度參與。與人類歷史上任何其他技術(shù)相比，人工智能是哲學(xué)社會科學(xué)參與程度最深、社會科學(xué)知識含量最高的技術(shù)科學(xué)。

18、19世紀(jì)自然科學(xué)與社會科學(xué)學(xué)科群的興起，是知識演進史上的重大轉(zhuǎn)折。中文“科學(xué)”取“分科之學(xué)”之意，知識被分門別類形成數(shù)學(xué)、天文學(xué)、物理學(xué)、化學(xué)、生物學(xué)等獨立學(xué)科，每個學(xué)科有各自的概念、定理與研究方法，形成嚴(yán)謹(jǐn)?shù)膶蛹壗Y(jié)構(gòu)。由國家、大學(xué)或企業(yè)主導(dǎo)的專門化、標(biāo)準(zhǔn)化、規(guī)范化、規(guī)模化的科學(xué)研究，成為知識生產(chǎn)的主要形式。20世紀(jì)的知識增長，則呈現(xiàn)出既高度分化又高度綜合的特點，學(xué)科交叉不斷催生新的知識增長點。進入21世紀(jì)，2018年我國教育部提出建設(shè)新工科、新醫(yī)科、新農(nóng)科、新文科（以下簡稱“四新”）的高等教育改革，這一理念與人工智能革命爆發(fā)幾乎完全同步。

我們看到，知識細分在深化研究的同時，也壘起了“科學(xué)”的門檻，形成了“科學(xué)”在人類知識體系中至高無上的地位。過度細分的專業(yè)若畫地為牢筑起“小院高墻”，很容易陷入“只見樹木不見森林”的盲人摸象式知識生產(chǎn)的死胡同。人工智能革命的爆發(fā)，本身就是打破傳統(tǒng)“科學(xué)”界限，推動多學(xué)科交叉融合的典型成果。人工智能驅(qū)動的復(fù)雜問題研究（如腦科學(xué)、社會系統(tǒng)模擬）需要多學(xué)科協(xié)作，進一步推動了自然科學(xué)、社會科學(xué)、人文學(xué)科跨學(xué)科交叉研究的興起。生成式人工智能工具（如文獻分析、自動翻譯）的應(yīng)用，降低了專業(yè)門檻，使非專家也能參與知識生產(chǎn)，“大眾學(xué)術(shù)”興起，同時促使“科學(xué)”與其他知識形式（如人文、藝術(shù)）平等對話。這意味著，21世紀(jì)的知識生產(chǎn)正全面走向綜合整合。

世間并非只有科學(xué)。在人類文明史里，科學(xué)的出現(xiàn)只是近幾百年的事。相較而言，“知識”涵蓋更廣義的人類經(jīng)驗與認(rèn)知，遠比“科學(xué)”更具包容性。人工智能推動不同學(xué)科交叉融合、知識結(jié)構(gòu)綜合整合，使知識重獲其應(yīng)有的整體性、關(guān)聯(lián)性、開放性、多元性與包容性。這或許是人工智能革命對人類知識生產(chǎn)更為深刻的意義。

知識生產(chǎn)效率激增下亦存隱憂

人工智能革命極大提升了物質(zhì)和精神產(chǎn)品的生產(chǎn)效率，其本質(zhì)是人工智能輔助科學(xué)研究（AI4S、AI4SS）大幅縮短了知識生產(chǎn)所需的時間。一直以來，科學(xué)發(fā)現(xiàn)主要依賴科學(xué)家的大膽猜想、反復(fù)實驗、分析比較、小心求證，這一過程需要處理和分析大量數(shù)據(jù)。傳統(tǒng)的人工方法耗時費力且容易出錯。而AI4S在實驗設(shè)計、流程優(yōu)化、數(shù)據(jù)處理、模式識別、預(yù)測分析尤其是在高維復(fù)雜、全視野推理方面具有顯著優(yōu)勢，能夠高效分析處理數(shù)據(jù)，發(fā)現(xiàn)潛在規(guī)律，預(yù)測未來趨勢。譬如，在天文學(xué)研究中，人工智能可以自動分析每天產(chǎn)生的海量觀測數(shù)據(jù)，識別未知天體或宇宙現(xiàn)象；在氣象預(yù)測中，人工智能可以快速分析歷史氣候數(shù)據(jù)、地球和大氣物理數(shù)據(jù)，建立氣候模型，更為準(zhǔn)確地預(yù)測未來短期和中長期氣候變化；在化學(xué)實驗中，人工智能可以預(yù)測不同化學(xué)反應(yīng)發(fā)生的可能性，優(yōu)化實驗流程，減少試錯過程；在材料科學(xué)領(lǐng)域，人工智能可以從大量材料數(shù)據(jù)中提取出材料特性與性能的關(guān)系，篩選出最有潛力的材料。

必須指出的是，人工智能應(yīng)用雖能極大提升知識生產(chǎn)效率，但單獨依靠人工智能不能產(chǎn)生原創(chuàng)性新知識。人工智能的工作原理是貝葉斯概率推理，其本質(zhì)是對已有信息進行統(tǒng)計學(xué)意義的數(shù)據(jù)關(guān)系萃取，是對不超出機器學(xué)習(xí)內(nèi)容的已有信息的“重組”或“深加工”，屬于“有中生有”而非“無中生有”。人工智能下圍棋戰(zhàn)無不勝，但無法發(fā)明圍棋這類游戲；人工智能在吟詩作畫、寫文章、做設(shè)計方面，雖可以在韻律、意境上表現(xiàn)不俗，在色彩、構(gòu)圖上展現(xiàn)獨特風(fēng)格，但這些“創(chuàng)新”實際上都遵循既定“套路”，甚至是“高科技抄襲”。在科研領(lǐng)域，人工智能輔助研究只能在“常規(guī)科學(xué)”范式框架內(nèi)提升效率，難以實現(xiàn)超越既有范式的革命性突破。

與此同時，人工智能在推動知識數(shù)量爆炸式增長的同時，其習(xí)慣性“撒謊”、產(chǎn)生“幻覺”，以及生產(chǎn)“偽知識”、垃圾知識等問題也帶來很大困擾。例如，人工智能對某些問題的回答因邏輯自洽而貌似權(quán)威，但其是否真實準(zhǔn)確卻難以評估；人工智能還會迎合使用者的意圖回答問題，即使在辯論中給出看似相反的觀點，實際上仍是順著使用者的意思編排而成，這是因其并不真正“理解”所生成的內(nèi)容。人們寄希望于在大模型開發(fā)階段實現(xiàn)“價值對齊”，即通過算法和參數(shù)調(diào)整，引導(dǎo)和規(guī)范人工智能系統(tǒng)的輸出結(jié)果，使其最大限度符合人類價值觀與利益。但顯然這也是一個只能不斷接近、難以完全實現(xiàn)的理想目標(biāo)。我們?yōu)閰^(qū)分真假和清理垃圾所耗費的時間精力，在很大程度上抵消了人工智能所帶來的效率提升?；诖?，全面提升公眾人工智能素養(yǎng)，已成為智能社會建設(shè)的當(dāng)務(wù)之急。人工智能素養(yǎng)可分為技術(shù)認(rèn)知、工具應(yīng)用和倫理評估三個維度。技術(shù)認(rèn)知是指對人工智能基本屬性與功能有初步了解；工具應(yīng)用是指具備在不同場景中熟練使用人工智能工具解決問題的能力；倫理評估則要求能夠批判性地評估智能工具的輸出結(jié)果，識別其潛在偏見和風(fēng)險，并能基于倫理準(zhǔn)則和價值規(guī)范，合理選擇和運用智能技術(shù)參與社會建構(gòu)。

知識生產(chǎn)主體在人機互動中重塑

人工智能參與知識生產(chǎn)，是否改變了人作為知識生產(chǎn)者的主體地位？答案應(yīng)當(dāng)是否定的。人工智能輔助科研，面對不同使用者時，其“遇強則強、遇弱則弱”，科研效率的提升完全取決于使用人工智能工具的人。其產(chǎn)生的創(chuàng)新知識增量，歸根結(jié)底是在人主導(dǎo)下的“人機協(xié)同”的結(jié)果。也就是說，人工智能的作用和地位只是工具或助手，知識生產(chǎn)主體依然是人。

然而，在人工智能被擬人化“科普”甚至神話宣傳的氛圍中，人類作為知識生產(chǎn)唯一主體的地位正不斷弱化。有學(xué)者將人機協(xié)作關(guān)系視為“雙主體”。這種誤讀既不符合事實也不符合邏輯。在“人機互動”“人機協(xié)同”“人機共生”過程中，發(fā)出指令、設(shè)計算法的人永遠是主動一方，無論多么自動化、自適應(yīng)的機器，終究是被動的一方。一旦接受將人機關(guān)系平行甚或顛倒的觀念，必然助長盲目樂觀或莫名恐懼的社會心理，長此以往將潛移默化抑制乃至消融人類的創(chuàng)新創(chuàng)造能力。人工智能驅(qū)動的知識生產(chǎn)以效率和規(guī)模為導(dǎo)向，顯性知識（可編碼、數(shù)據(jù)化的事實）極大擠壓了緘默知識（個體經(jīng)驗與直覺）的生存空間。依賴數(shù)據(jù)庫檢索而非深度思辨，批判性思維能力和跨領(lǐng)域知識整合能力將會顯著弱化。因此，對于人工智能參與知識生產(chǎn)，始終應(yīng)當(dāng)保持“工具清醒”，有必要對人工智能與人的智能進一步加以比較。

人的智能是生命體所展現(xiàn)的智能，人工智能則是非生命體機器的功能。生命體和非生命體之間，有著一條不可逾越的界限。生命的起源與意識的本質(zhì)，是人類迄今還未能完全解決的科學(xué)難題。作為生命體的人，天然具有自我意識和主觀意志，人的智能是先天稟賦和后天學(xué)習(xí)共同作用的結(jié)果。人的學(xué)習(xí)可分為模仿、理解、創(chuàng)造三個層次。人只需要較少的信息即可做出推理判斷；而機器沒有自我意識，機器學(xué)習(xí)實質(zhì)是算法驅(qū)動的數(shù)據(jù)關(guān)系分析與概率推理，需要海量數(shù)據(jù)，大模型越大所需數(shù)據(jù)越多。機器學(xué)習(xí)僅相當(dāng)于人類學(xué)習(xí)中最初級的模仿階段，無法實現(xiàn)對內(nèi)容的真正理解，更談不上創(chuàng)造與創(chuàng)新。

人工智能領(lǐng)域有一個“莫拉維克悖論”：普通人感到困難和復(fù)雜的問題，如高階復(fù)雜的計算、多變量邏輯推演，人工智能易解，只需要很少的算力；而普通人看起來十分簡單的問題，如模仿人的無意識動作或本能感知，人工智能反倒難解，需要極大的運算能力。這一現(xiàn)象，凸顯了人類智能與機器智能之間的本質(zhì)差異。人的智能不僅體現(xiàn)為邏輯推理能力，其先天稟賦還包括自由想象力與直覺判斷力，有同理心和共情能力，這些是人類創(chuàng)造力的原始動力與源泉。人還會疲倦、遺忘、心血來潮、情緒化，這些“缺點”恰恰構(gòu)成了人工智能永遠無法企及的感性能力?！澳S克悖論”啟示我們：人工智能與人的智能不應(yīng)是對立替代的關(guān)系，而應(yīng)是各取所長、相互補充的關(guān)系。

人工智能的終極意義在于擴展而非替代人類價值。人工智能所能替代的只是“工作”，而不是“人”本身。人工智能將人從技術(shù)難度高、重復(fù)性強的工作中解放出來，為人的自由全面發(fā)展創(chuàng)造契機，同時也對知識生產(chǎn)者提出了轉(zhuǎn)型要求。比如，由期刊拒絕人工智能論文寫作引發(fā)的檢測與反檢測博弈，或?qū)⒌贡瓶蒲谐晒c人才評價體系改革；高等教育“四新”理念的提出，預(yù)示著人工智能時代的教育應(yīng)當(dāng)是“全人教育”，必須更加注重人所獨有的情感感受、共情能力、審美能力、想象力和創(chuàng)新力的保護與培養(yǎng)。總之，人工智能是人類知識生產(chǎn)的產(chǎn)物，也是人類知識生產(chǎn)的工具。人工智能參與知識生產(chǎn)的過程，正是人機互動互構(gòu)、重塑知識生產(chǎn)者的過程。

（作者：石英，系西北農(nóng)林科技大學(xué)人文社會發(fā)展學(xué)院講座教授）