人工智能與哲學思考精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能與哲學思考主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能與哲學思考范文

人工智能是人類發展到一定階段而必然產生的一門學科，它既包括人，也包括機和環境兩部分，所以也可以說是人機環境系統交互方面的一種學問。它同樣“有一個漫長的過去，但只有短暫的歷史”。它的起源可以追溯到文藝復興，接著，又在第一、二次工業革命浪潮中逐漸嶄露頭角。法國人帕斯卡爾研制了第一臺現代意義上的數字計算機，第一、二次世界大戰大大加快了該學科發展的進程，劍橋大學巴貝奇的差分機和圖靈的測試進一步把人工智能領域的研究范圍擴展到了人類學習、生活、工作等方面。到目前為止，研究人工智能的學科不但包括生理、心理、物理、數理、地理等自然科學技術領域，而且還涉及到哲理、倫理、法理、藝理、教理等人文藝術宗教領域。

1997年5月11日，名為“深藍”的電腦毫無懸念地在標準比賽時限內擊敗了國際象棋男子世界冠軍卡斯帕羅夫，從而證明了在有限的時空里電腦“計算”可以戰勝人腦“算計”，進而論證了現代人工智能的基礎條件(假設)——物理符號系統具有產生智能行為的充分必要條件(Newell and Simon，1976)是成立的。更有意思的是，2011年2月17日，一臺以IBM創始人托馬斯·沃森的名字命名的電腦在智力問答比賽中“狂虐”兩位最聰明的美國人而奪得冠軍，2016年3月9日至3月15日，“圍棋名譽九段”AlphaGo在首爾以4:1的比分戰勝了圍棋世界冠軍李世石九段，從而引發了人工智能將如何改變人類社會生活形態的話題。

人工智能是人機環境系統交互的產物

眾所周知，當前制約機器人科技發展的瓶頸是人工智能，人工智能研究的難點是對認知的解釋與建構，而認知研究的關鍵問題則是自主和情感等意識現象的破解。生命認知中沒有任何問題比弄清楚意識的本質更具挑戰性，或者說更引人入勝。這個領域是科學、哲學、人文藝術、神學等領域的交集。盡管意識問題如此重要，令人啼笑皆非的是：無論過去還是現在，一旦涉及到意識問題，大家不是緘口不提，就是敬而遠之，避之唯恐不及。究其原因，不外乎意識的變化莫測與主觀隨意等特點嚴重偏離了科學技術的邏輯實證與感覺、經驗、驗證、判斷，既然與科學技術體系相距較遠，自然就不會得到相應的認同與支持了，這好像是順理成章、理應如此的！然而，最近科技界一系列的前沿研究正悄悄地改變著這個局面：研究飄忽不定的意識固然不符合科技的尺度，那么在意識前面加上情境(或情景)二字呢？人在大時空環境下的意識是不確定的，但“格物致知”一下，在小尺度時空情境下的意識應該有跡可循吧！自古以來，人們就知道“天時地利人和”的小尺度時空情境對態勢感知及意識的影響，只是明確用現代科學的手段實現情境(或情景)意識的研究是源自1988年Mica Endsley提出的Situation Awareness(SA)概念框架：“…the perception of the elements in the environment within a volume of time and space， the comprehension of their meaning， and the projection of their status in the near future.”(在一定的時間和空間內對環境中的各組成成分的感知、理解，進而預知這些成分的隨后變化狀況)但這只是個定性分析概念模型，其機理分析與定量計算還遠遠沒有完善。

在真實的人機環境系統交互領域中，人的情景意識(Situation Awarensss)SA、機器的物理SA、環境的地理SA等往往同構于統一時空中(人的五種感知也應是并行的)，對于人而言，人注意的切換產生了不同的主題與背景感受／體驗。在人的行為環境與機的物理環境、地理環境相互作用的過程中，人的情景意識SA被視為一個開放的系統，是一個整體，其行為特征并非由人的元素單獨所決定，而是取決于人機環境系統整體的內在特征，人的情景意識SA及其行為只不過是這個整體過程中的一部分罷了。另外，人機環境中許多個閉環系統常常是并行或嵌套的，并且特定情境下這些閉環系統的不同反饋環節信息又往往交叉融合在一起，起著或刺激或抑制的作用，不但有類似宗教情感類的柔性反饋(不妨稱之為“軟調節反饋”，人常常會延遲控制不同情感的釋放)，也存在著類似法律強制類的剛性反饋(不妨稱之為“硬調節反饋”，常規意義上的自動控制反饋大都屬于這類反饋)。如何快速化繁為簡、化虛為實是衡量一個人機系統穩定性、有效性、可靠性大小的主要標志，是用數學方法的快速搜索比對還是運籌學的優化修剪計算，這是一個值得人工智能領域深究的問題。

人機環境交互系統往往是由有意志、有目的和有學習能力的人的活動構成，涉及變量眾多、關系復雜，貫穿著人的主觀因素和自覺目的，所以其中的主客體界線常常模糊，具有個別性、人為性、異質性、不確定性、價值與事實的統一性、主客相關性等特點，其中充滿了復雜的隨機因素的作用，不具備重復性。另外，人機環境交互系統有關機(裝備)、環境(自然)研究活動中的主客體則界線分明，具有較強的實證性、自在性、同質性、確定性、價值中立性、客觀性等特點。無論是在古代、中世紀還是在現代，哲學宗教早已不單純是意識形態，而且逐漸成為各個階級中的強大的政治力量，其影響不斷滲透到社會生活的各個領域，更有甚者，把哲學、政治、法律等上層建筑都置于宗教控制之下。總之，以上諸多主客觀元素的影響，進而導致了人機環境交互系統異常復雜和非常的不確定。所以對人機環境交互系統的研究不應僅僅包含科學的范式，如實驗、理論、模擬、大數據，還應涉及到人文藝術的多種方法，如直觀、揣測、思辨、風格、圖像、情境等，在許多狀況下還應與哲學宗教的多種進路相關聯，如現象、具身、分析、理解與信仰，等等。

在充滿變數的人機環境交互系統中，存在的邏輯不是主客觀的必然性和確定性，而是與各種可能性保持互動的同步性，是一種得“意”忘“形”的見招拆招和隨機應變能力。這種思維和能力可能更適合復雜的人類各種藝術過程。凡此種種，恰恰是人工智能所欠缺的地方。

人機之間的不同之處

人與機相比，人的語言或信息組塊能力強，具有有限記憶和理性；機器對于語言或信息組塊能力弱，具有無限記憶和理性，其語言(程序)運行和自我監督機制的同時實現應是保障機器可靠性的基本原則。人可以在使用母語時以不考慮語法的方式進行交流，并且在很多情境下可以感知語言、圖畫、音樂的多義性，如人的聽覺、視覺、觸覺等具有辨別性的同時還具有情感性，常常能夠知覺到只可意會不可言傳的信息或概念(如對哲學這種很難通過學習得到學問的思考)。機器盡管可以下棋、回答問題，但對跨領域情境的隨機應變能力很弱，對彼此矛盾或含糊不清的信息不能有效反應(缺少必要的競爭冒險選擇機制)，主次不分，綜合辨析識別能力不足，不會使用歸納推理演繹等方法形成概念或提出新概念，更奢談產生形而上學的理論形式。

人與機器在語言及信息的處理差異方面，主要體現在能否把表面上無關之事物相關在一起的能力。盡管大數據時代可能會有所變化，但對機器而言，抽象表征的提煉亦即基于規則條件及概率統計的決策方式與基于情感感動及頓悟冥想的判斷(人類特有的)機理之間的鴻溝依然存在。

人工智能與哲學

人類文明實際上是一個認知的體現，無論是最早的美索不達米亞文明(距今6000多年)，還是四大文明之后日新月異的以西方為代表的現代科技力量，其原點都可以落實到認知這個領域上。歷史學家認為：以古希臘文化為驅動力的現代西方文明來源于古巴比倫和古埃及，其本質反應的是人與物(客觀對象)之間的關系；而古印度所表征的文明中常常蘊含著人與神之間的信念；排名最后的古代中國文明是四大古文明中唯一較為完整地綿延至今的文化脈搏，其核心之道理反映的是人與人、人與環境之間的溝通交流(這也許正是中華文明之所以持續的重要原因吧)。縱觀這些人、機(物)、環境之間系統交互的過程中，認知數據的產生、流通、處理、變異、卷曲、放大、衰減、消逝無時無刻不在進行著……

有人說人工智能是哲學問題。這句話有一定的道理，因為“我們是否能在計算機上完整地實現人類智能”，這個命題是一個哲學問題。康德認為哲學需要回答三個問題：我能知道什么？我應該做什么？我可以期待什么？分別對應著認識、道德、信仰。哲學不是要追究“什么是什么”，而是追求為什么“是”和如何“是”的問題。自2013年10月回國后，筆者一直在思考人機交互的本質問題，偶然與朋友交談時聊及“共在”(Being together)一詞，頓感很是恰當，試想，當今乃至可見的未來，人機之間的關系應該不是取代而是共存吧：相互按力分配、相互取長補短，共同進步，相互激發喚醒，有科有幻，有情有義，相得益彰……非常巧合的是，2014年以來，機器學習、互聯網、機器人、人工智能等領域的發展也相當迅速，深度學習、類腦計算、情景感知一時間成了關鍵詞，成了時髦語，但細細品來，其核心實質都不過是解釋與建構的問題，形而上后竟會變成高大上的哲學問題。

其實哲學與科學、宗教一樣，都是一個人為了能夠獲得理解而必須相信(除非你相信你不應當理解)的過程，這不是盲從，而是一種先信仰后理解的先驗！比如，在科學中，物理學研究世界是什么樣的(解釋世界)，計算機(數學)研究怎么造一個世界(建構世界)，在這兩者之間若沒有相信、信任、信仰等先于理解而存在，恐怕是難以堅持進行下去的，畢竟在伸手不見五指的黑夜中，人是很難自行產生前進動力的(如一個沒有利潤的環境常常少見商人身影一般)。而信仰是一種贊同的思考，常常是一種非理性的激情、沖動情感，通過非理性而達到理性(通情達理)，這不能不說是一個有趣的悖論！或許，這同時也是無中生有的禪理(以情化理)吧！

實際上，目前以符號表征、計算為代表的計算機虛擬建構體系是很難逼真反映以物理、生理、心理等理論解釋真實世界的(數學本身并不完備)，而認知科學的及時出現不自覺地把各“理”(物理、生理、心理)解釋與各“機”(計算機、飛機、拖拉機)建構之間對立統一了起來，圍繞是(Being)、應(Should)、要(Want)、能(Can)、變(Change)等節點展開融合進而形成一套新的人機環境系統交互體系。

有時候，世界是確定的，不確定的是我們自己，面對相同的文字、音樂、視頻等情境事物，我們常常會隨心情的不同而產生不同的覺察和理解，境隨心轉。有時候，世界是不確定的，確定的反而是我們自己，面對不同的文字、音樂、視頻等情境事物，我們卻能夠處變不變而產生恒定表征，形成概念，心隨境轉。不管怎樣，世界包括我們自己是由易、不易、簡易、遷易、無易、有易、一易、多易……等諸多演化過程構成的，在這些紛繁復雜的變化中，都需要一種或多種參考框架體系協調其中的各種矛盾、悖論，而若追溯到這些框架體系的起源，應該就是人機環境之間的交互作用。或許，最好的智慧/智能真的就隱藏在這些交互的自相矛盾之中？！若果真如此，那又該如何破譯呢?

哲學意義上的“我”也許就是人類研究的坐標原點或出發點，“我是誰”“我從哪里來”“要到那里去”這些問題也許就是人工智能研究的關鍵瓶頸？！

結束語

人工智能，尤其未來的強人工智能很可能是一種集科學技術、人文藝術、哲學宗教為一體的“有機化合物”，是各種“有限理性”與“有限感性”相互疊加和往返激蕩的結果，而不僅僅是科學意義上的自然秩序之原理。它既包含了像科學技術那樣只服從理性本身而不屈從于任何權威的確定性知識(答案)的東西，又包含著諸如人文藝術以及哲學、宗教等一些迄今仍為確定性的知識所不能肯定的思考。它不但關注著人機環境系統中的大數據挖掘，而且對涉及“蝴蝶效應”的臨界小數據也極為敏感；它不但涉及計算、感知和認知等客觀過程，而且還對算計、動機與猜測等主觀過程頗為青睞；它不但與系統論、控制論和信息論等“老三論”相關，更與耗散結構論、協同論、突變論等“新三論”相聯。它是整體與局部之間開環、閉環、自上而下、自下而上交叉融合的過程，是通過無關—弱相關—相關—強相關及其逆過程的混關聯變換。

通過研究，我們是這樣看待指人工智能技術問題的：首先人工智能過程不是被動地對環境的響應，而是一種主動行為，人工智能系統在環境信息的刺激下，通過采集、過濾，改變態勢分析策略，從動態的信息流中抽取不變性，在人機環境交互作用下產生近乎知覺的操作或控制；其次，人工智能技術中的計算是動態的、非線形的(同認知技術計算相似)，通常不需要一次將所有的問題都計算清楚，而是對所需要的信息加以計算；再者，人工智能技術中的計算應該是自適應的，人機系統的特性應該隨著與外界的交互而變化。因此，人工智能技術中的計算應該是外界環境、機器和人的認知感知器共同作用的結果，三者缺一不可。

第2篇：人工智能與哲學思考范文

在一些特定領域，比如說國際象棋、圍棋、股市交易以及人機對話等，我們已經發明出與人腦匹敵或超越人腦的計算機。電腦和驅動他們的運算法則只會變得更好，電腦精通幾乎任何人類能力只是時間問題。

紐約大學心理學家蓋瑞?馬庫斯(Gary Marcus)曾說過，幾乎所有研究AI的人都認為機器最終將取代人類。“狂熱分子和懷疑論者之間唯一的不同是對時間早晚的判斷。”未來主義者，像雷?庫茲韋爾，認為機器統治人類會在幾十年后發生，而其他人則說可能得幾個世紀。

最初設想的機器智能可能缺乏一種或多種這些屬性。最終，我們可能制造出極其聰明的AI，但是它不能通過主觀的自我意識感受這個世界。沙納罕說也許能夠將智力和意識結合在一個機器內，但是我們也要認識到智力和意識終究是兩種不同的概念。

AI懷疑論者認為生物腦在本質上是有獨特之處的，這是無法解決的科技難題，其實這些是沒有說服力的。我們的大腦是生物學意義的機器，但也不過是機器。他們存在于現實世界里，就要遵循基本的物理法則。人腦沒有東西是不可知的。

2.“人工智能將會有意識。

關于機器智能的一個普遍假設是：將來機器智能會有意識。也就是說，機器會像人一樣思考。評論家們，如微軟創始人之一的保羅?艾倫，則更進一步認為我們還未達到人工通用智能，即機器能夠像人類一樣執行任何需要智力的任務，因為我們缺乏關于意識的科學理論。正如倫敦帝國理工學院認知機器人研究者穆雷?沙納罕(Murray Shanahan)所指出的那樣，我們應該避免混淆認知和意識這兩種概念。

“探究意識確實是一門迷人且重要的課題，但是我認為意識對于人類水平的人工智能來說是并不是必要的。或者更精確地說，我們用‘意識’這個詞來指代心理的和認知的屬性，這些在人類身上是捆綁在一起的。”

最初設想的機器智能可能缺乏一種或多種這些屬性。最終，我們可能制造出極其聰明的AI，但是它不能通過主觀的自我意識感受這個世界。沙納罕說也許能夠將智力和意識結合在一個機器內，但是我們也要認識到智力和意識終究是兩種不同的概念。

不能僅僅因為一臺機器通過了圖靈測試，就認為它有意識。先進的AI留給我們的印象是它們是有意識的，但是再先進的AI對于自己的認識也不會比一塊石頭或一個計算器多。

3.“超級人工智能會很友好。”

哲學家康德認為智能與道德密不可分。神經學家David Chalmers在他的論文《非凡的哲學分析》中吸取了康德的著名觀點，并將其運用于人工智能的提升中。

如果這個觀點是正確的話，我們可以想到AI因智力爆發性增長致使道德感急劇升高的狀況。可以想到，ASI系統變得超級智能的同時會具有無上的道德感，因此我們可以認為它們是善良的。

但是，這個“先進的AI從本質上將是好的、開明的”的觀點是站不住腳的。正如Armstrong指出，存在很多聰明的戰犯。智力和道德感間的關系在人類中貌似并不存在，所以他懷疑該假設在其他智能形式中，恐怕也是難以成立的。

“聰明的人的不道德行為可以比他們的笨蛋同胞造成更大規模的破壞，”他說。“智力只是給了他們變得更壞的能力，它并沒有把他們變成好人。”

4.“簡單的程序修補就能解決AI的控制難題。

假設創造出比人類更偉大的AI，我們將面臨一個嚴重的問題，那就是：控制問題。如何在家里安置以及控制ASI？如何確保ASI對人類是友好的？在這些問題上，未來主義者和AI理論家們完全不知所措。最近，佐治亞理工學院的研究人員天真地認為AI可以通過閱讀簡單的故事來學習人類的價值觀和社會習俗。這可能遠不是讀幾個小故事能解決的。

“人們推薦了很多可能解決整個AI控制問題的簡單技巧，”阿姆斯特朗說。示例包括為ASI編寫取悅人類的程序，或者僅僅使ASI作為人類的工具使用。再或者，我們可以將積極的概念，比如愛或尊敬整合進他的源代碼。為了防止ASI對社會只有單一偏激的看法，我們可以給它編寫欣賞智力、文化和社會多樣性的程序。

但是這些方法要么太過簡單，這就好比試圖給復雜的人類喜惡確定一個簡單膚淺的定義，要么就是把復雜的人類價值觀生硬地壓縮成一個簡單的字詞或想法。比如，對“尊敬”這個詞，要確定內涵一致又普遍接受的定義是極度困難的。

“并不是說這些簡單的技巧是沒用的。這些對策里面有很多給研究指明了道路，對解決這個終極難題有所幫助。但是這些只是想法，具體的操作還需要我們做更多的開發研究工作。”阿姆斯特朗說。

5.“人工超智能很聰明，不會犯錯。

AI研究者兼Surfing Samurai機器人開發者Richard Loosemore認為大多數假設的AI毀滅世界的情景都不符合邏輯。人們總假想在這種情景下，AI可能會說：“我知道毀滅人類文明只是我的設計故障，但我不得不這么做。”Loosemore指出如果AI像這樣打算毀滅人類時，那它一生會很多這樣的邏輯矛盾，也會因此摧毀自己的知識庫，導致自己變得愚蠢，而不足以對我們造成傷害。他還斷言，那些認為“AI只會按照指定程序做事”的人，與當初用這樣的話評價電腦不具備靈活性的人一樣，犯了同樣的錯誤。

就職于牛津大學人類未來研究所(Future of Humanity Institute)的皮特?麥金泰爾(Peter McIntyre)和斯圖爾特?阿姆斯特朗(Stuart Armstrong)都對此有不同看法。他們認為人工智能將很大程度上受到編程的限制。他們相信AI也會犯錯誤，或者他們還沒有聰明到了解人類想從他們那里得到什么。

“從定義上講，超級人工智能(ASI)是一個擁有智力的載體，它在各個相關領域都要比最優秀的人類大腦更聰明。”麥金泰爾如是告訴Gizmodo。“它將十分清楚我們用他們來做什么。”麥金泰爾和阿姆斯特朗相信AI只會做程序編寫的任務，如果它能變得足夠聰明的話，它將能理解依照程序完成任務與領略規則精髓的不同，也將能理解人類的意圖。

麥金泰爾把人類未來的困境比作老鼠的困境。老鼠想要在人類居所尋求食物和棲息地，人類不愿居室內有老鼠，兩者沖突。麥金泰爾說，“正如我們明白老鼠的目的，超級智能系統也能知道人類想要的，但仍對此漠不關心。”

6.“我們將被超級人工智能毀滅。”

沒有任何證據表明我們會被AI毀滅或無法控制它們。正如AI研究者Eliezer Yudkowsky所說：“AI既不會恨，也不會愛，但人類由原子構成的，除了智能以外，人類還有感情。”

牛津大學的哲學學者Nick Bostrom在他的書《超級智能：路徑、危險與策略》中提到，真正的超級人工智能一旦完成，將比以往人類的任何發明都危險。一些著名的學者如Elon Musk， Bill Gates， and Stephen Hawking(后者曾警告AI也許是人類史上最糟糕的錯誤)也提出了警告。

但沒有什么事是可以確定的，沒人知道AI將采取什么行動以及如何威脅到人類。正如Musk指出的，人工智能可以用來控制、調節和監視其它人工智能。也許可以它灌輸人類的價值觀，使之毫無保留地對人類保持友好。

7.“我們不應該害怕AI。

一月份，臉書創辦者馬克扎克伯格說我們不應該害怕AI，AI會為世界帶來難以估量的好處。扎克伯格只說對了一半。我們隨時準備從AI身上收獲巨大的利益——從自動駕駛汽車到新藥物的研制，但是沒有人能保證AI的所有影響都是良性的。

高度智能化的系統也許了解某一特定任務的一切，例如解決令人厭煩的財務問題，或者黑進對手的系統。但是在這些特殊領域之外，高度智能系統會變得極其無知無覺。谷歌的DeepMind系統精通圍棋，但除圍棋以后，它在其他方面沒有探索的理性和能力。

8.“AI和機器人造成的風險是相同的。”

這是一個特別常見的錯誤認識，不加鑒別消息的媒體和好萊塢電影比如《終結者》系列使這一錯誤更加深入人心。

如果一個超級人工智能比如天網想要毀滅人類，它不會使用端著機槍的機器人。其實還有更高效的辦法，如散播瘟疫，引發納米級灰霧(grey goo，具備自我復制能力的微小機器人)災難，甚至僅僅破壞大氣層。人工智能有潛在的危險，不是因為它所昭示的機器人的未來，而是它在世界上的自我定位。

9.“未來的AI和科幻小說里的AI是相同的。”

的確，科幻作品被作家和未來主義者們用來預測美好的將來，但ASI所帶來的圖景完全不是一回事。更重要的是，與人類本性不同的AI不會讓我們知道并預測它們確切的本性和形式。

科幻作品考慮到我們人類是弱小的，大多數AI被設定地與人類很類似。“有一些觀點認為，即使是在人類中，也存在著多種類型的心智模式，你和你的鄰居也是不同的，但人與人之間的心智區別要同其他可能存在的心智形式相比是微不足道的，”McIntyre說道。

大多數科幻小說旨在講一個引人入勝的故事，但不夠科學準確。因此，科幻小說中的沖突往往是存在于實力接近的實體之間。Armstrong說，“沒有意識、喜樂或仇恨的AI毫無阻力地消滅所有的人類、達到一個本身無趣目標，可以想見這樣的電影情節會有多無聊。”

10.“AI將會搶走我們所有的工作。”

人工智能把我們大部分的工作自動化和它能毀滅人類的潛在性，這是兩件完全不相關的事情。根據《機器人的崛起》的作者Martin Ford所說，這兩件事常常被混為一談。思考在遙遠的將來AI的意義是很好的，但只有這不影響到我們思考未來的幾十年遇到的問題時，這樣做才有意義。其中最主要的是大規模的自動化。

毫無疑問，人工智能將取代很多現存的職業，包括從車間工人到高級白領。一些專家預測在不久的將來美國的一半工作將被自動化所取代。但這不意味著我們沒有能力應付局面。最理想的情況是為我們人類實現人人稱贊的目標，達到接近烏托邦的境界，無論是腦力勞動者還是體力勞動者，人人都從勞役中解放了出來。

第3篇：人工智能與哲學思考范文

關鍵詞：人工智能；智能化計算機輔助教學；專家系統；知識庫

中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2007)12-21667-02

The Application of Artificial Intelligence in Education

HU Ji-li,YIN Yun-xia

( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)

Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.

Key words:Artificial Intelligence;CAI;expert system;knowledge base

1 引言

人工智能作為當今世界三大尖端技術(空間技術、能源技術和人工智能技術)之一，是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的。人工智能是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識、心理學和哲學、機器學習、計算機視覺等。總的說來，人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。人工智能的研究更多的是結合具體領域進行的，主要研究領域有專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、博弈、智能決定支持系統和人工神經網絡。它總的來說是面向應用的，隨著人工智能的誕生和發展， 人們開始把計算機用于教學領域。同時， 自七十年代以來， 有教學能力的專家系統得到研制。人工智能技術與專家系統的成就， 促使人們把問題求解、知識表示這些技術引入計算機輔助教學(CAI) ， 這便是智能型計算機輔助教學(CAI)。

近幾十年來， 隨著人工智能技術的日漸成熟， 它的一些研究成果被陸續應用到教學領域， 推進了教育發展改革和教學現代化進程。人工智能在教學系統的重要性也已形成共識。

2 人工智能在教育中的作用

目前在教育技術中涉及到AI的主要有以下領域：

2.1 知識的表示與訪問

基于人工智能的知識表示是以知識為對象，以計算機的軟硬件和計算機科學及人工智能和專家系統技術為工具，以哲學、心理學和邏輯學等為方法和指導，將知識表達成計算機可以直接處理的“知識庫”，使用“計算機的智能”來模擬人類專家或“人類智能”，對知識進行快速、精確、自動、科學的處理。它不屬于通常的“數據管理或信息管理”的“數據”層次，而是屬于“知識處理”或“知識”的智能化層次。其主要內容是對于知識進行形式化的表示、自動化的推理，智能化的教學或創造。計算機輔助教育是其中重要的組成部分。

2.2 符號計算

符號計算包括數值計算、符號計算和函數作圖。其代表軟件是Mathematica，當該軟件在1988年第一次，對科技及很多其他領域的計算機使用方式產生了深刻的影響。Mathematica 1.0時，商業周報將其列入當年最重要的十大新產品名單。這標志著現代科技計算的開始。Mathematica也被大量地用于教育:有成百上千的課程，從高中課程到研究生課程用它作基礎。隨著各種學生版的，Mathematica也已成為全世界各種不同專業學生的重要工具。

2.3 對學生錯誤的自動診斷

采用人工智能技術，使得教學過程中系統可以自動診斷學生的學習水平，不僅能發現學生的錯誤，而且能指出學生錯誤的根源，從而做出有針對性的輔導或學習建議。而且根據學生的特點自動選擇教學內容，自動調整教學進度，自動選擇教學策略與方法。

2.4 實現智能性超媒體教學系統

超媒體系統有理想的教學環境，容易激發學生的學習興趣和學習主動性，但不能保證達到預期的學習目的，而且由于不了解所要教的對象，所以不能做到有針對性的指導，不能因材施教。智能輔助教學系統正好與此相反。將二者結合起來，就可實現性能互補，從而研究制出新一代高性能的智能超媒體教學系統。

3 人工智能應用于教育的新方向：ICAI

3.1 傳統CAI的不足

傳統的CAI由于其集成性、交互性、多媒體性等特點，在教學中可以極大地激發學生的學習動機，提高教師的教學效率和學生的學習效率。但在使用過程中，CAI的一些弱點也逐漸暴露出來。主要表現有:

(1)缺乏人機交互能力

現有CAI 大多以光盤作為信息的載體， 將教材中的內容以多媒體的形式展現出來， 教學信息是按預置的教學流程機械式地提供給學生的， 學生接受起來很被動。而且在課堂教學中， 一般也只能通過教師按預定的課件流程進行操作， 無論學生還是教師都不能很好地參與教與學的過程， 因此人機交互沒有很好地實現。

(2)缺乏教師與學生的互動

現有的CAI 課件在學生自學、進行操作使用時，如何學習都是學生自己的事。教師不能完全了解學生的情況，學生在碰到問題時，也不能向教師求助，師生之間是互相封閉的，軟件所起的積極效果大打折扣。同時由于缺乏網絡支持，現有的絕大多數CAI 課件是在單機環境下運行的，它們無法利用網絡的優勢使知識內容快速更新，也更無法提供便捷的學習討論空間、隨時隨地的師生交流方式以及遠程教學實現的條件。

(3)缺乏智能性

要想面對不同情況的學生進行不同程度的教學過程， 使學生的學習變為主動， 并能由系統自動地提供助學信息而有選擇地學習，要想使教師的教學能積極地參與進去并根據系統提供的信息按照學生的認知模型為其準備最適合的學習內容， 給予不同方式的教學模式與方法， 沒有智能性的CAI 課件系統， 是很難實現以上目的并達到良好教學效果的。由此可見，現有的CAI 隨著人們要求的提高， 已經不能盡如人意。因此以智能CAI 為代表的新的計算機輔助教學系統將是教師在教育技術上需要不斷探求、努力實現的發展方向索。

3.2 ICAI－人工智能與多媒體技術的結合

為了克服傳統CAI的缺點，需要在知識表示、推理方法和自然語言理解等方面應用人工智能原理。因此很多專家提出了智能計算機輔助教學(ICAI)，智能計算機輔助教學(Intelligence Computer Assisted Instruction－ICAI)以認知學為理論基礎。將人工智能技術應用于CAI，是智能化的CAI。在ICAI系統中，允許學生與計算機進行較自由的對話，學生的應答不限于數字或簡單的短語。系統能夠判定學生應答的正確程度，并給予適當的反饋，而不是簡單地說“對”或“錯”。ICAI的宗旨在于利用現有計算機技術實現較好的人工智能，模仿人類的交互方式、思維習慣及情緒流動，修飾和掩蓋計算機的缺陷。

3.3 ICAI的優點

(1)將教學內容與教學策略分開，根據學生的認知模型提供的信息，通過智能系統的搜索與推理，動態生成適合于個別化教學的內容與策略。

(2)通過智能診斷機制判斷學生的學習水平，分析學生產生錯誤的原因，同時向學生提出更改建議、以及進一步學習內容的建議。

(3)通過對全體學生出現的錯誤分布統計，智能診斷機制將向教師提供教學重點、方式、測試重點、題型的建議。

(4)為教師提供友好的教學內容、測試內容維護界面，無需改變軟件的結構即可調整教學策略。

(5)通過對學生認知模型、教學內容、測試結果的智能分析，向教學督導人員提供對任課教師教學業績評價的參考意見。可以說，一個理想、完美的ICAI系統就是一個自主、優秀的“教師”。

3.4 ICAI的標準

以現有的科學技術水平而言，短時期內顯然無法實現具備上述全部功能的ICAI系統。一般認為，只要具有下列一個或幾個特征的CAI系統就可以稱之為ICAI系統。

(1)能自動生成各種問題與練習。

(2)根據學生的學習水平與學習情況選擇與調整學習內容和進度。

(3)在了解教學內容的基礎上自動解決問題，生成解答。

(4)具有自然語言生成與理解能力，以便實現比較自由的教學問答系統，提高人機交互的主動性。

(5)對教學內容有解釋咨詢能力。

(6)能診斷學生錯誤，分析原因并采取糾正措施。

(7)能評價學生的學習行為。

(8)能評價教師的教學行為。

不難看出，ICAI與傳統的CAI相比，更加符合教育教學的規律，切合學生的認知習慣，具有明顯的優越性。

3.5 ICAI的結構

ICAI主要由三個模塊組成:專家系統模塊、教師模塊和學生模塊。

(1)知識庫

知識庫是實現知識推理與專家系統的基礎，而建造知識庫的前提則是要解決知識的形式化，人工智能技術在教育中的應用表示以及知識的訪問與調用問題。因此，知識的表示與訪問是人工智能的核心技術之一，也是將AI引入教育領域必須首先解決的一個難題。

ICAI中的資源庫應該包括以下一些內容:

①多媒體素材庫:包括所要呈現的知識的一些素材，包括:文本、圖像、聲音、動畫及數字影象等多媒體教學資源。這些用于多媒體數據庫管理，便于分類、增刪、修改及查詢等操作。

②教學內容庫:教學內容庫用于存放教學內容，包括領域知識庫(含輔助知識庫、提示幫助庫、練習題庫，和測試題庫)。這些教學內容，包括習題和試題分章、節、課及知識點等有序存貯。供專家決策系統調用。

(2)學生模塊

學生模塊主要包括以下三個模塊:學生登陸模塊、學生水平評價模塊和學生監督模塊。

①學生登陸模塊:利用該模塊主要用于學生使用ICAI時登錄，第一次登錄時學生輸人姓名、性別、年齡、學歷等相關信息，然后對學生進行詢問，選擇合適的測驗題對學生進行初測推薦學習計劃。當再次登錄時，系統根據保存的信息安排合適的學習內容。

②學生水平評價模塊:學生水平測試模塊用于評價某一教學單元學習完后測試成績。通過測試等因素分析，可以比較確切地了解學生的具體情況，從而制定出合理的教學策略和教學過程

③學習監測模塊:學習檢側模塊用于監測記錄學生的日常學習情況，記錄學生學習某教學單元時的參數值，并記錄在學生檔案中。包括:學生目前學習單元號；學習方式；正常學習、練習、提前瀏覽、學后復習；學習時間；學生提示問題的類型和次數；學生本次練習出錯次數。

(3)專家決策模塊

CAI中的專家決策系統可以看作專家系統中的推理機。專家系統是目前人工智能中最活躍、最有成效的一個研究領域，它是一種具有特定領域內大量知識與經驗的程序系統，它應用人工智能技術，模擬人類專家求解問題的思維過程求解領域內的各種問題，其水平可以達到甚至超過入類專家的水平。計算機中存有人類專家的知識并具有推理能力，從而可解決診斷、規劃、調度、預報、決策等要靠人類專家才能完成的任務。

成功的例子如:① DENDRL系統的性能已超過一般專家的水平，可供數百人在化學結構分析方面的使用;②MYCIN系統可以對血液傳染病的診斷治療方案提供咨詢意見經正式鑒定結果，對患有細菌血液病、腦膜炎方而的診斷和提供治療方案已超過了這方面的專家。

ICAI根據學生模塊提供的學生學習情況，通過智能系統的搜索與推理，得出智能化的教學方法與教學策略，能夠較科學地評估學生的學習水平，還可以通過分析學生以往的學習興趣和學習習慣，預測學生的知識需求和常犯錯誤，動態地將不同的學習內容、學習方法與不同的學生匹配，智能地分析學生錯誤的原因，進而有針對地提出合理的教學建議、學習建議以及改進方法，既提高了學生學習的滿意度，激發了學生的學習熱情，也對教師教學提供了客觀的依據和科學的方法。

4 結束語

由此可見人工智能技術已經逐步應用于計算機輔助教學中，與教學現代化有著密切的關系。人工智能技術的發展也必將會對ICAI 的發展起到巨大推動作用。近幾年來，人工智能的研究者們嘗試著使學生脫離“輔導學習”的過程來接受新知識，而采用“通過活動進行學習”的方式。在教學的其他方面，人工智能技術還可以建立人類推理模型學習工具等諸多的運用， 展示出越來越好的實用性。隨著Internet 的發展，虛擬現實技術的廣泛應用， ICAI 也將得到進一步的完善。21 世紀的教育教學手段將是以智能化CAI 為主線，多學科、多方位發展的新技術的體現。這種手段產生了人機交互、人機共生等全新概念，使人類擴展了自己的能力，促進了教育領域方方面面的改革。

參考文獻：

[1]王萬森.人工智能原理及其應用[M].北京:電子工業出版社,2000.

第4篇：人工智能與哲學思考范文

 

AI從誕生到現在已經有60年的時間，期間經歷兩輪起落，呈階梯式進化，走到今天進入第三個黃金期。如果按照其智能科技水平劃分，今天的人工智能尚處在狹義智能向廣義智能進階的階段，還是一名不折不扣的“少年”，未來擁有無限的可能和巨大的上升空間。

 

AI是一門交叉的學科：人工智能由不同的技術領域組成，如機器學習、語言識別、圖像識別、自然語言處理等。而同時，它也是一門交叉學科，屬于自然科學和社會科學的交叉，涉及到哲學和認知科學、數學、神經生理學、心理學、計算機科學、信息論、控制論、不定性論等學科。人工智能領域的技術壁壘是比較高的，并且會涉及到多學科協作的問題，對任何公司來說，想做好人工智能將是一門大工程。未來不大可能出現一個公司能包攬整個人工智能產業每一個部分的工作，更可能的模式將是一個公司專注于一個相對細分的領域，通過模塊化協作的形式實現人工智能領域的不同應用。

 

進化史呈階梯狀，以階段突破式為成長模式：人工智能的發展經歷了兩次黃金和低谷期，

 

現在正經歷著第三個黃金期。1956年，麥卡賽、明斯基、羅切斯特和申農等年輕科學家在達特茅斯一起聚會，并首次提出了“人工智能”這一術語，標志著人工智能的誕生。第二年，由 Rosenblatt 提出 Perceptron 感知機，標志著第一款神經網絡誕生。1970年，因為計算能力沒能突破完成大規模數據訓練，人工智能的第一個黃金期到此結束。

 

后直到1982年德普霍爾德神經網絡的提出，人工智能進入第二個黃金期，之后BP算法的出現使大規模神經網絡訓練成為可能，人工智能的發展又一次進入。1990年，因為人工智能計算機和DARPA沒能實現，政府撤資，人工智能又一次進入低估。2006年，隨著“深度學習”神經網絡取得突破性進展，人工智能又一次進入黃金時期。

 

AI將由狹義智能向廣義智能進化，雖然人工智能的誕生已經有60年的時間但如果把它比喻成一個人的話，當前的他應該還未成年。按照人工智能的“智能”程度，可以將其分成狹義智能、廣義智能、超級智能三個大的發展階段，現階段的圖像與語音識別水平標志著人類已經基本實現狹義智能，正在向廣義智能的階段邁進。

 

狹義智能：即當前的技術已經實現的智能水平，包括計算智能與感知智能兩個子階段，計算智能指的機器開始具備計算與傳遞信息的功能，感知智能指機器開始具備“眼睛”和“耳朵”，即具備圖像識別與語音識別的能力，并能以此為判斷采取一些行動。

 

廣義智能：指的是機器開始具備認知能力，能像人類一樣獲取信息后主動思考并主動采取行動。在這個階段，機器可以全面輔助或代替人類工作。

 

超級智能：這個階段的機器幾乎在所有領域都比人類聰明，包括科學創新、通識和社交技能等。這個階段目前離我們還比較遙遠，到時候人類的文明進步和跨越或許將有賴于機器，而機器人意識的倫理問題也許將在這個階段成為主要問題。

 

推薦引擎及協同過濾可以分析更多的數據

 

智能助手并不只局限于Siri等手機語音助手。微軟率先在win10 系統中加入個人智能助理Cortana，標志著個人PC端智能助理的出現;圖靈機器人以云服務的方式進入海爾智能家居、博世mySPIN車載系統，預示著多場景人工智能解決方案的潮流。初步實現人機交互的智能助手系統，已經被應用于智能客服、聊天機器人、家用機器人、微信管理平臺、車載系統、智能家居系統、智能手機助理等多個軟硬件領域。

 

垂直類網站及社交平臺可以借助智能助手系統打造高專業度的“在線專家”以提升平臺價值;企業可以借助以“語義識別”為基礎的智能助手系統，打造智能客服，效率遠高于傳統的以“關鍵詞對應”為技術支持的客服系統。

 

推薦引擎，是主動發現用戶當前或潛在需求，并主動推送信息給用戶的信息網絡。挖掘用戶的喜好和需求，主動向用戶推薦其感興趣或者需要的對象。傳統推薦引擎通常利用用戶在平臺上的歷史記錄進行推薦，效率低、匹配度不高。目前隨著大數據和深度學習技術的推進，推薦引擎及協同過濾可以分析更多的數據，乃至全網數據，并模擬用戶的需求，真正達到按需推薦。全球最大的正版流媒體音樂服務平臺Spotify也利用卷積神經網絡參與建設其音樂推薦引擎;谷歌也提出利用深度學習方法來學習標簽進行推薦建設。出品紙牌屋的全球最大在線影片租賃公司Netflix 也利用深度學習網絡分析客戶消費的大數據，還計劃構建一個在AWS云上的以GPU為基礎的神經網絡。

 

“餐廳推薦引擎”Nara，便是一個利用AI技術的推薦引擎。在上線之初，Nara 就取得了400萬美元的投資。Nara 的數據庫中有超過100000家餐廳的信息，并利用特有的“Nara神經網絡”，學習使用者的偏好，最終達到“電腦幫你點餐”的目的。

 

而今年3月22日，國內AI領軍企業阿里巴巴旗下的阿里云數加啟動“個性化推薦”引擎對外公測，該引擎用于幫助創業者可以快速獲得媲美淘寶天貓的個性化服務能力。阿里云數加上的推薦引擎能夠以更低的成本完成開發，節省程序量達到90%，推薦引擎的搭建時間將由幾個月縮短到幾天。

 

對于不了解算法的人，只能實現標簽規則類的推薦，但如果要做成機械化、類似協同過濾的算法，創業公司需要配置大量的算法工程師，人力成本很高。現在用了數加的推薦引擎，商家只需要做數據的ETL加工，推薦的結果集、訓練集都不用處理，只需要調整參加即可得到推薦結果。

 

AI帶給人們新的視覺???

 

醫療：為健康診斷和藥品研發插上高飛的翅膀

 

健康診斷有望迎來新紀元，海量的病歷數據和醫學界的新研究成果，單靠人工很難及時篩選并利用，而引入人工智能技術將充分發揮這些信息的價值。例如著名的個人健康管理產品公司Welltok將 IBM的Watson功能融入旗下產品 CafeWell Concierge APP中，借助 Watson 的認知計算能力理解人類語言，實現與用戶溝通的能力，從大量數據中進行分析并為用戶提供健康管理相關的答案和建議，實現健康管理、慢病恢復訓練、健康食譜等功能，這一領域的良好前景使 Wellltok公司近年的融資額連創新高。另外，2015年IBM斥資10億美元收購醫療影像與臨床系統提供商Merge，將研究如何實現 Watson的“辨讀”醫學影像功能。此外，AI 還可以從醫療中心獲得的健康數據，通過大數據分析，實現根據分析患者行為來制定個性化治療方案的功能。

 

智能家居：天花板尚遠，AI有望成為核心

 

行業天花板尚遠，增速有望保持在 50%左右， 《鋼鐵俠》中的“Jarvis”作為智能管家，除了起到鋼鐵俠的小秘書的作用，還幫主人打理著日常生活，向我們展示了一個理想中的智能家居系統。雖然我們目前可能離那個無所不能的智能管家還很遙遠，但智能家居對我們生活的變革確實已經開始了。根據《2012-2020 年中國智能家居市場發展趨勢及投資機會分析報告》的預測，我國智能家居市場在 2016年將達到605.7億的規模，同比增長50.15%，到2020年市場規模將達到3294億，年均增速將保持在50%左右，具備充足的向上延伸空間。而智能家居想達到“Jarvis”般的終極效果，必然需要引入AI技術，實現家居的感應式控制甚至自我學習能力。

 

AI有望成為智能家居的核心，實現家居自我學習與控制。按照智能家居的發展進度，大致可以分為四個階段：手機控制、多控制結合、感應式控制、系統自我學習。當前的發展水平還處在手機控制向多控制結合的過度階段。而從多控制結合向感應式控制甚至自我學習階段進化時，AI將發揮主要功能。到今天為止，家居的實體功能已經較為全面，未來的發展重點可能在于如何使之升級改造，實現家居的自我行為及協作，因此未來AI在智能家居領域的應用有望成為其核心價值。AI對智能家居的重構可以深入到方方面面，包括：控制主機、照明系統、影音系統、環境監控、防盜監控、門窗控制、能源管理、空調系統、花草澆灌、寵物看管等等。

 

無人駕駛：政策漸萌芽，AI決定可靠性

 

優點多、動機足、政策漸萌芽。據麥肯錫的調查顯示，如果能解放駕駛員的雙手，一輛無人駕駛汽車內的乘客通過移動互聯網使用數字媒體服務的時間多一分鐘，每年全球數字媒體業務產生的利潤將增加 50億歐元。此外，由于自動泊車無須為乘客下車預留開門空間，使得停車位空間可縮減至少15%。

 

如果無人駕駛汽車以及ADAS系統能夠將事故發生率降低90%，即可挽回全美每年的損失約1千900億美金。可以說諸多的優點使得無人駕駛技術的研發動機還是相當充分的，因此未來無人駕駛推行的力度應該還會保持在一個比較高的水平。美國勒克斯研究公司曾預計無人駕駛汽車的市場規模在2030年將達到870億美元。

 

到目前為止，各國政府對于無人駕駛技術在政策上的支持正逐步放開，美國政府在年初剛剛宣布了40億美元的資助計劃;英國目前已經不需要獲得額外批準和履約保證即可進行實際道路的無人駕駛汽車測試;而德國也在去年宣布將計劃設立無人駕駛汽車測試路段，供安裝有駕駛輔助系統或全自動駕駛系統車輛行駛;歐盟總部正在就如何修改現行有關駕駛的法律法規從而支持自動駕駛的發展展開討論和研究工作;日本也提出要在2020年之前實現自動駕駛汽車方面的立法，并將自動駕駛作為 2016年9月七國集團交通部長會議的議題。

 

“無人汽車大腦”AI的智能程度決定了無人駕駛的可靠性。由于無人駕駛完全交由汽車的內置程序負責，因此AI就是無人汽車的大腦，而測距儀、雷達、傳感器、GPS等。設備都是AI的“眼睛”。AI的智能程度直接決定了無人駕駛汽車在不同的路況、不同的天氣、甚至一些探測設備出現故障的突況下能否及時做出正確的判斷并靈活調整行駛策略，最終決定了無人駕駛汽車當前最亟待突破的可靠性。

 

NVIDIA 在2016年的 CES大會上了“Drive PX 2”車載計算機，以及一套與之搭配的具有學習功能的自動駕駛系統。該系統的亮點在于“自我學習”，通過讓車輛自行分析路面狀況，而不是在數據庫中尋找預先儲存的策略實現自動駕駛，系統背后連接著名為NVIDIA DIGITS的深度學習訓練平臺，最終連接到NVIDIA DRIVENET神經網絡，為車輛的自我學習和完善提供支持。并且由于它是通過判斷物體的行進軌跡而不是物體本身去計算路徑，因此在駕駛時受天氣影響較小。

 

AI 成必爭之地

 

目前全球AI主戰場依舊在歐美。Venture Scanner的統計顯示，根據從事 AI相關業務的公司數量來看，目前全球 AI的主戰場還是集中在北美和西歐地區。美國數量最多，達到450家左右的水平。而中國從事相關業務的公司數量還比較少，和俄羅斯、澳洲、部分歐洲國家及非洲南部國家水平接近，相比起歐美國家的AI公司數量，還有很大的提高空間。

 

Google：投資未來的人工智能帝國

 

建立Alphabet帝國，具備品牌背書效應。2015年，谷歌成立母公司 Alphabet， 搜索、廣告、地圖、App、Youtube、安卓以及與之相關的技術基礎部門”仍屬于谷歌，而Calico、Nest、Google Fiber、Google Venture、Google Capital 及 Google X 都將獨立出來，成為 Alphabet 旗下的獨立公司。通過建立 Alphabet集團，谷歌將不同業務的研發獨立出來，以子公司的形式進行業務開展，保留在Google這個品牌下的基本都是原有的傳統強勢業務。

 

而其它公司負責在各自的領域“打頭陣”，一旦業務研發成功，母公司連帶著google這個品牌都可以受益，而如果研發失敗，也不會公司的品牌造成多大的不良影響，建立了良好的品牌背書效應。將機器學習技術應用到所有產品之中，我們不難發現，谷歌近年幾乎將人工智能滲透到了旗下的各類產品中，可謂是全線鋪開。正應了谷歌 CEO的那句話：“我們將小心謹慎地將機器學習技術應用到我們所有的產品之中。”根據當前Alphabet 的集團架構，我們將涉及到AI應用的子公司情況以及相應的業務開展情況羅列如下：

 

Nest：從事智能家居生態系統建設。2014 年谷歌以32億美元收購 Nest。Nest 生產智能恒溫器，它能夠學習用戶的行為習慣，并且根據他們的喜好去調節溫度。同時，Nest 也提供火警探測器和家庭安全攝像頭等智能家居。

 

Google X：谷歌各類創新技術的“孵化池”。Google X開展的與AI有關的項目有：無人駕駛汽車、Project Wing 無人機送貨項目、對抗帕金森氏癥的 Liftware“反抖”湯匙、用于疾病預警和健康監控的可穿戴設備、Project Titan 太陽能無人機項目、以及 Replicant 團隊負責的機器人項目等。

 

Verily：從事生命科學業務，即原來的 Google Life Science。代表產品有可以收集佩戴者體溫和血液酒精含量等生物數據的智能隱形眼鏡，以及監控血液中納米粒子的智能腕表。

 

DeepMind：深度學習算法公司。2014年谷歌以4億美元收購了DeepMind。

 

DeepMind的算法源于兩種機器學習方法的結合：第一種是深度學習，是受人腦啟發的一種結構。深度學習系統能夠從大量的非結構數據中獲取復雜信息。第二種是增強學習，靈感源自動物大腦中的神經遞質多巴胺獎勵系統，算法不斷通過試錯來進行學習。目前，DeepMind在深度學習上面的研究成果已經開始用在谷歌的機器人項目中。

第5篇：人工智能與哲學思考范文

［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]

“次協調邏輯”（ParaconsistentLogic）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。現在，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。現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（epistemiclogic）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。總則的內容是：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。”b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。”“有”版權所

第6篇：人工智能與哲學思考范文

一、 1973年同名電影《西部世界》

美劇《西部世界》的故事創意并不鮮見，早在20世紀70年代，由于電影工業的高速發展，好萊塢的科幻片迎來了一股新浪潮，視覺沖擊逐漸占據主導地位。電影《西部世界》（又譯《失控的樂園》《血染樂園》）是一部在畫面和故事上比較均衡的作品，這部科幻片是“科幻驚悚小說之父”邁克爾?克萊頓的電影導演處女作，他在片中討巧地將西部片、史詩片和騎士片的類型元素一網打盡，并留下了經典的“人形機器人”形象。

邁克爾?克萊頓是風靡全球的科幻小說家，他的作品被改編成電影的次數，在暢銷書作者里可能也只有史蒂芬?金能與之比肩了。電影講述了在遙遠的未來，一座巨型高科技成人樂園Delos建成，其中有西部世界、羅馬世界、中世紀世界三大主題版塊的機器人世界，它提供給游客殺戮與的滿足，而這座巨大機械樂園的后臺監控漸漸失去了對機器人的控制，游客被機器人殺死，所有想逃離者都被鎖定……[2]這部科幻片上映時，萬人空巷。其科幻創意和理念在70年代是相當超前的。

充滿了槍戰和暴力的“西部世界”，是1880年美國西部的重現。和作者的多數作品一樣，電影《西部世界》表達了其對未來科技發展的憂慮。高科技的機器人原本是以服務人類的目的而制造出來，卻由于意外失去了控制轉而造成了災難。《西部世界》的故事也成了好萊塢“游園暴亂”電影的模板。①

光頭影帝尤伯連納（Yul Brynner）在1973年主演的這部《西部世界》，對20世紀80年代的內地觀眾來說可謂既震驚又緊張的佳作，尤伯連納如同僵尸一樣冰冷殘酷的演出，至今仍然象甩不掉的夢魘一樣令人不寒而栗。電影里的樂園迎合了人們隱秘的欲望，包括暴力的宣泄、的滿足、英雄夢的實現以及各種獵奇的心理，這樣的樂園其實從某種程度上來說，提供了一個良好的途徑來進行情感的宣泄，但同時克萊頓又殘忍地將這個美好的愿景打上了不可靠的標簽。科學的精研就像一盞燈的開關，即使打開它可以照亮一切，但開關總會失靈。唯一可以確定的是，恐懼與欲望的糾結將伴隨我們很久很久。②

二、 美劇《西部世界》的華麗轉身

電影版《西部世界》曾于1989年引進中國大陸，然而觀眾反響并不大;2016年，HBO連續劇《西部世界》由J?J?艾布拉姆斯監制，喬納森?諾蘭擔任編劇及劇集總監，安東尼?霍普金斯、埃文?蕾切爾?伍德、艾德?哈里斯等戲骨擔綱主演。該劇故事結構大致如下：在未來，人們已經不再熱衷于玩網絡游戲，而是創造了高科技成人樂園，體驗更加真實刺激的游戲。里面有不少機器人接待員，他們過著設定好的劇情生活。而游客呢，現實中不敢的胡作非為，在公園里都能無限制放縱，妓、追兇甚至濫殺無辜。

提供服務的機器人，也不是一般的機器人。他們不僅具有超高仿真外形，還有自身情感，而且能帶給游客最真實的體驗。比如，中彈以后會流血，受傷以后會痛苦地嗷叫。

夜幕降臨，所有機器人的記憶被清除，一切歸零，第二天太陽升起，新一批游客入園。不過，在程序的失誤以及樂園創始人要求機器人更接近于人類思維和情感的情況下，機器人的自主意識和思維使他們開始懷疑這個世界的本質，進而覺醒并反抗人類。

劇集故事大綱與電影版類似，然而又有諸多不同，可以說電影版《西部世界》借著劇集進行了一場華麗的轉身：新的編劇、新的創意、新的視效手段、新的科幻理念及新的哲學思考。

（一）形式的新元素

美劇《西部世界》的編劇喬納森?諾蘭是著名導演克里斯托弗?諾蘭的弟弟，克里斯托弗?諾蘭的諸多大熱電影，如《致命魔術》《盜夢空間》等都由喬納森負責劇本。

關于人工智能的電影屢見不鮮：《終結者》系列、《機器人瓦力》《機械姬》等，都是這一題材的佳作。然而這些影片都有一定的固定模式，即人類如何運用人工智能，從改善生活到解決危機，再到人工智能覺醒后，如何與人類對抗等。美劇《西部世界》則不同，它給了觀眾一種新型的“玩家代入感”。

《西部世界》借用了《愛麗絲夢游仙境》的形式，將充滿高科技的未來世界與塵土飛揚的西部世界溝通起來，只不過將愛麗絲的“兔子洞”，換成了主題樂園提供的復古蒸汽火車。這種設定本身就充滿游戲的感覺，寫過《隕落星辰》的科幻小說作家拉詹?肯納在接受采訪時表示，《西部世界》是少見的有游戲感的科幻片，“這部劇從《上古卷軸》《生化危機》《紅色死亡救贖》等許多游戲中吸取了靈感，我們玩這類游戲時除了自己控制的角色，在游戲中會遇到很多負責各種戲份的NPC（非玩家控制角色），NPC們會根據自己的設定，讓玩家進入各種情景，推動劇情發展”。[3]不同的是，玩游戲時玩家是中心，而《西部世界》的中心則是NPC，這部劇應該改名叫《NPC們豐富的內心世界》。拉詹?肯納續說：“對于游戲迷來說，能身臨其境的進入游戲世界，而游戲世界中的NPC又突然不按劇本設定行事，有了自己的獨立思維，想想都令人激動或者心驚膽戰。”[4]

（二）內涵的新元素

美劇《西部世界》從科技到人性甚至“神性”都有涉及。首先說科技，該劇詳細展示了人造人的“誕生”過程――先用類似3D打印的技術精細打印出人類或者動物的骨骼，然后在白色的液體池子中浸泡“過水”，最后骨骼擁有肉身，而樂園的技術人員再植入程序，設定其性格、身份以及行為模式等等，再安排其進樂園“服役”。

由此看來，把這些“人造人”稱為智能機器人是不合適的，因為他們與人類的相似度達99.9%，他們的骨骼和肉體都是和人類一樣的，會流血，流血過多會死亡，而且還會感染病菌（美劇《西部世界》第二集）――如果是機器人不可能發生感染。而這種“人造人”的科技在將來是否可能達到，則給觀眾留下一個巨大的問號。

再來說人性討論方面，劇中的游客在主題樂園里盡情釋放自己的獸性，他們肆意獵殺“人造人”，殺完之后還和他們的尸體合照。除了獵殺，諸如虐待、、羞辱“人造人”的戲碼也層出不窮，該劇的主創之一喬納森?諾蘭表示：“我做這部劇的想法之一就是探索人類與人類行為，我們很喜歡拉斯維加斯的那句名言‘發生在維加斯的事情請留在維加斯’，這是一句很經典的宣傳語，但也隱含非常邪惡的信息。”[5]諾蘭解讀，“所謂的‘發生在維加斯的事情留在維加斯’，不是說你去看場演出的事情也留在維加斯，真正要‘留在維加斯’的，是那些你不便透露的事情，在這個地方，可以釋放你的一切欲望、隨心所欲放縱自己，而不需要承擔任何后果，也不會被記錄下來，這個設定讓我們非常著迷，這就像玩游戲，如果不需要承擔任何后果，那人們會做出什么事情，我們都很難以預料。”[6]

而扮演德洛麗絲并且有戲份的著名演員埃文?蕾切爾?伍德則表示：“如果你給人類一個沒有規則和處罰的世界，有多少人會當好人？估計許多人都會想當壞蛋，如果我們制造出人形的人工智能，而且有一天他們超越了我們，那他們會思考他們是否想變成和我們一樣的人，他們看到我們所做的一切，當他們回顧我們的歷史，我們真的沒有多少光彩的歷史。”[7]

對于“神性”，劇集也進行了大膽的探討，因為播出集數有限，而關于“神性”又是一個及其宏大的命題，本文只介紹其中提到的一個有趣的探討部分――“二心分智”論。

劇集中，老牌奧斯卡影帝安東尼?霍普金斯扮演的游樂園創始人福特博士的不少舉動，讓人感受到他有著扮演上帝創造一個新世界的念頭。他在第二集中講解“人造人”原理的時候，提到了“二心分智”論，其理論來源于朱利安?杰恩斯（Julian Jaynes）的一本著作《二分心智的崩塌：人類意識的起源》。簡單來說杰恩斯認為，直到公元前 2000 年的時候，人類都一直處于無意識狀態。這些沒有意識的人類一切行為都只依賴于二分心智：一半大腦會聽到來自另一半大腦的聲音，這個聲音會對控制行動的另一半大腦下達命令，而聽到這種聲音的人類就把它視為了“神的聲音”。杰恩斯最后得出這種理論是有確鑿證據可依的。他在古代文學、現代行為主義和異常心理現象中做了大量調查，種種跡象都表明他的想法可能是對的。

比如，在古希臘文學《荷馬史詩》（主要描寫了特洛伊戰爭）中出現的人物，都明顯缺乏“自省”行為，他們的一切行動幾乎都是靠神在驅動的。而且 2009 年的腦成像研究結果也和杰恩斯的理論不謀而合，即人類的聽覺幻象是源于右腦，隨之而來的行為則源于左腦。這就是換了個形式的二分心智。

第7篇：人工智能與哲學思考范文

關鍵詞:機器人控制技術;雙語教學;教學改革

自1920年,捷克劇作家卡雷爾•凱培克(Karel Capek)第一次提出“機器人”這個名詞以來,機器人學和機器人控制技術已取得令人矚目的成就。從20世紀60年代在美國問世的第一臺工業機器人,到人工智能學界引入機器人作為研究對象,再到日本工業機器人的崛起,如今,機器人技術的應用正逐步由現有的生產領域向更為廣泛的人類生活領域拓展[1],并朝著智能化的方向發展。其間,新興學科“機器人學”悄然形成,作為一門高度交叉的前沿學科,機械學、生物學、計算機科學、控制科學、人工智能等學科為機器人學的發展帶來了無限活力。

機器人技術是近年來得到廣泛關注的研究領域,中國、日本、韓國和歐盟等都將機器人技術列入了國家科技發展規劃[2]。隨著機器人技術的發展,人們已逐步認識到,在信息技術教育中滲透機器人學科知識與機器人應用前景方面的教育已勢在必行[3]。中南大學在研究生階段開設的機器人控制技術課程采用雙語教學,可以讓學生在中英文兩種語言中自由翱翔,了解機器人學的發展歷史和最新動態,掌握機器人控制技術的數理基礎、運動學、動力學,熟悉一些機器人軌跡規劃、編程控制的方法,實現知識學習和語言應用的雙贏效果,更好地在這一當今世界科技熱門領域與國際接軌。

1開展雙語教學改革的必要性

首先,機器人控制技術(Control Techniques of Robots)研究各種機器人的控制手段,以達到使機器人完成各種任務和動作的目的。作為全球科學界研究的熱門領域,其發展日新月異,最新、最前沿的資料往往以英文表述,中文翻譯不一定能夠表達出原文的豐富內涵。因此,實施雙語教學有其必要性和緊迫性。

其次,由于人才市場的競爭日趨激烈,社會對人才的需求越來越高,獨立學習新專業知識的能力和較高的英語水平,必然會給畢業生帶來額外的就業競爭力,高等教育有責任將學習能力和就業能力的培養結合起來,把學生培養成為有較高綜合素質的人才。

2開展雙語教學改革的可行性

2.1以優秀教材為基礎

本課程采用的是中南大學蔡自興教授編著的《機器人學(第二版)》,書中介紹了機器人學的基本原理及其應用,全面反映了國內外機器人學研究和應用的最新進展,是一部機器人學的通用教材和系統著作[4]。書中關于機器人學及相關學科的專業術語都有英文標注,內容涉及機器人學的概況、數理知識、控制方法、應用與展望,使學生閱讀時能夠方便、快速地學習專業英文術語,有助于研究生階段的英文學習和專業學習,尤其是英文文獻的閱讀和英文稿件的寫作。

2.2以國家級教學團隊為人力資源

我校教授該課程的是國家級智能科學基礎系列課程教學團隊,學生們都感到非常幸運。雙語教學不僅要求教師具備較好的學科知識基礎和學術研究能力,還應熟練地使用英語進行讀寫和交流,表達專業知識,解析專業詞匯[5]。教學團隊的老師具備機器人控制技術的專業英語基礎、較高的英語口語水平、扎實的課程教學能力,使學生能夠獲得經典的理論知識、最新的機器人技術應用和發展動態。

3教學改革實施過程

3.1教學內容的改革

3.1.1豐富實例激發興趣

第一節課,教師就向學生提出了一個問題,“你們想象中的機器人是什么樣的(What do the Robots look like in your mind)?”這一個小小的問題激發了學生無限的想象,是漫畫里的機器貓,還是電影里的終結者?同學們由此展開了熱烈的討論,學習興趣也熱烈地迸發了。

在學習緒論中,老師通過圖片、視頻,生動地介紹了“機器人”這一名詞的起源、發展,機器人研究的主要內容,目前的應用情況以及廣闊的應用前景、社會的巨大需求等。此外,同學們還參觀了中南大學信息科學與工程學院智能所的研究成果,“中南移動”系列機器人(如圖1所示)靈活、可愛,表演了機器人導航、避障、多機器人協同作業等。

3.1.2雙語講述課程內容

機器人控制技術是一門高度交叉的前沿學科,包括機械學、電子學、自動控制、計算機等相關內容。學習這門課程需要許多知識儲備,需要良好的數學和物理學基礎知識[2,6]。因此,課程內容也要合理安排,既要使學生掌握關鍵知識,又不過多糾纏于繁瑣的公式推導,本課程主要的授課內容如表1所示。

機械手位姿表示(Representation of Position and Attitude)、機器人運動學(Kinematics)和動力學(Dynamics)等基礎知識把學生領進了機器人控制世界的大門,使學生具備了控制機器人的基本工具。

機器人控制包括基本控制原理(Basic Principles)、力與位置的控制(Force/Position Control)、智能控制(Intelligent Control)、機器人傳感器(Sensors)、軌跡規劃(Trajectory Planning)以及機器人編程(Programming)等內容,這些內容使學生對機器人控制技術的認識提高到實際操作的層面上來,更有助于學生的動手實踐。

3.2課堂互動與自主學習

在機器人應用現狀和未來前景等較活躍的領域,任何課本都無法反映最近一兩年的最新動態,所以這兩個方面的知識就要從最新的科技文獻、新聞甚至與相關專家的交流中去了解獲得。老師把這些作為課堂互動內容,鼓勵學生使用英語匯報,一方面可以讓學生自己搜集、整理第一手資料、制作PPT演示文稿,鍛煉信息處理的能力;另一方也鍛煉了英語演講的能力。

3.2.1課堂英語辯論

關于機器人應用的學習,教師設計了一次題為“機器智能能否超越人類智能(Will Machine Intelligence Surpass Human Intelligence)”的辯論課,老師給學生兩周的準備時間,布置學生查閱相關資料,根據資料搜集的情況確立自己的觀點,形成正方陣營或反方陣營,鼓勵學生在辯論過程中用英語表達。

課堂上,正方和反方各抒己見,探討機器智能與人類智能各自優越性的命題。學生從科學幻想(Science Fiction)到深藍(Deep Blue),從圖靈測試(Turing Test)到機器人的結構化/功能化模擬(Structural/ Functional Imitation),從工程角度(Mechanical Perspective)到哲學角度(Philosophical Perspective)展開辯論,可謂包羅萬象,分析全面。

在比較和辯論過程中,同學們漸漸發現了機器智能相對于人類智能的優缺點。在運算速度(Calculation Speed)、記憶能力(Memory)、邏輯推理(Logical Reasoning)方面,機器智能有著人類無法比擬的優勢,而在創新思維(Creative Thinking)和社會屬性(Sociality)等方面,機器智能又有著很大的局限性。

在這次課堂辯論課中,雖然正反雙方最終都沒有駁倒對方,但是學生對機器智能的優缺點有了更深刻的認識,對機器人在哪些領域更能發揮特長,在哪些領域有待進一步探索都達成了共識;此外,在課堂采用辯論中,學生們用英語唇槍舌戰,互相辯駁,表達自己的思想、觀點,英語使用能力都有了很大提高。

3.2.2課堂英語討論

關于機器人學展望的學習,教師又為學生提供了一次自主學習的機會,同樣提前兩周給學生布置任務,設計了一次題為“機器人學展望(Prospection of Robotics)”的討論課。

在課堂上,大部分學生用英文進行了匯報,同時演示了精心制作的英文PPT。機器人技術的發展日新月異,科技成果豐富多彩,學生們根據自己的興趣,在不同領域查閱資料,所以匯報成果也展示了當今世界最新的機器人科技成果,涉及家政服務(Domestic Service)、軍事國防(Military Defense)等。

在家政服務領域,目前世界上就有婚禮司儀機器人(Wedding Master Robot)、智能清潔機器人(Intelligent Cleaning Robot)、機器人寶寶(Robot Baby)等;而在軍事國防領域,則有無人駕駛飛機(Unmanned Aircraft)、智能偵查機器人(Intelligent Robot for Detection)、拆彈機器人(Bomb Disposal Robot)、太空探索(Space Exploration)等。而學生們對未來機器人的發展更做出了大膽設想。

3.3雙語考核辦法

為了使雙語教學改革落到實處,考核中既要體現雙語,也要靈活掌握考核方式。我校的平時成績占30%,主要來源于學生在辯論課和討論課中的表現。期末考試成績占70%,考試內容主要為表1所示的核心授課內容。卷面全部為英文,題型有簡答題、計算題等,學生可以用英文作答,也可以用中文作答。這樣既考查了學生的課程學習成果,又考察了學生對相關英語用法的掌握程度,又給學生一次閱讀英語和寫作英語的機會。

4結語

縱觀中南大學的研究生機器人控制技術課程雙語教學改革,在課程初始階段,采用豐富的雙語實例激發學生的學習興趣;在教授理論基礎和實踐方法階段,精心安排授課內容并使用雙語授課,使學生既不陷入深奧的數學推理中,又能把握機器人控制技術的核心知識、英語用法;在探討機器人技術的最新發展動態時,采用英語課堂互動,充分地調動了學生的自主學習熱情,有利于成為復合型專業人才。

參考文獻:

[1] ,張劍平. 美國機器人教育的特點及其啟示[J]. 現代教育技術,2007,17(11):108-112.

[2] 張奇志,周亞麗.“機器人控制”課程建設與改革[J]. 科技信息,2009(32):382-383.

[3] 陸承景. 對機器人學科教學目標和內容的實踐與思考[J]. 中國電化教育,2006(12):71-72.

[4] 蔡自興. 機器人學[M]. 2版. 北京:清華大學出版社,2009:1-2.

[5] 戴小鵬,陳懇.“人工智能”雙語教學的實踐與探索[J]. 高等理科教育,2008(1):151-153.

[6] 趙弘,趙毅鑫,周擎坤,等. 機器人學課程教育方法的探討[J]. 中國現代教育裝備,2008(11):81-83.

Practical Reform of Bilingual Education in Control Techniques of Robots

ZHOU Zhi

(Institute of Information Science and Engineering, Central South University, Changsha 410083, China)

第8篇：人工智能與哲學思考范文

一 哲學的“創造”與“顯現”概念

( 一) 創造的概念

漢語“創造”一詞出現在文獻中，最早是在陳壽《三國志•魏志》，“諸葛誕創造兇亂”，作“制造、引發( 某種局面) ”講，但具有現代意義上的創( 造) 在公元前 476 年左右成書的《考工記》中就已出現。中國古代的創( 造) 一詞體現在禮儀制定、基業開拓，物器制造、文章創造等方面，內涵豐富，特點鮮明［2］。我國著名的哲學家張岱年認為“新類與新級由未有而為有，謂之創造，亦曰創辟，亦曰開辟。創造即前所未有之出現。宇宙歷程之中常有新類發生、新級成立，幫宇宙為創造的歷程”［3］。

柏格森創立了以生命為出發點的創造概念。柏格森認為“我們的思維被生命所創造”，因此“知識理論與生命理論是不可分割的”［4］2 －4。西方哲學傳統的“機械論”和“目的論”這兩件成衣都與進化論不合體，需要重構進化的主線，那就是與“人類的智力進化路線一同前進”［4］5的以生命為主線。“心靈生活既不是單一的，也不是多樣性的，它超越了機械的和智力的( 范疇) ，其中出現了”直覺多樣性“和”局部性“時，機械論的目的論才有意義，而其結果自然就是預先存在的各個局部的集合: ”真正的綿延“既意味著未被分割的連續性，也意味著創造”［4］6。因此可以理解創造是生命的連續性。

本文探討的創造概念的顯現，是哲學層次的創造，也就是傅世俠、羅玲玲提出的“元創造”現代創造學或“創造力研究”將“唯創必新”本來就是在其研究之先即已預設的理論前提，但是“這樣的問題實已涉及‘新’從何來，或已涉及究竟是‘誰’創造了這個世界這樣的關乎宇宙本原的世界觀或宇宙觀的根本問題，因而是一個形而上的或哲學的問題”［5］。對這一問題的深層理解不可能來自具體的科學研究，只能來自于哲學形而上學的思辨。本文理解人的創造，區別于“神創”，人是創造主體，創造過程是人的主觀能動思維和實踐的過程，是一種自然過程與非自然過程的結合; 創造的產品是自然界中原本沒有的，僅靠自然的過程是無法產生的東西，是人工物( 人工的物質產品和精神產品) 。

( 二) 顯現

從哲學角度，有學者認為，現象和顯現在傳統哲學中常常為同義詞，自海德格爾才有了對現象與顯現的明確區分。如康德在《純粹理性批判》中對兩個概念的運用。顯現總是某物的顯現，顯現自身不是某物。它意味著，顯現和使顯現可能的基礎乃至物自體之間有一個區別。

也有學者認為這種顯現是與“存在”相對立的:這種“顯現”就是一種自否定即自生發的辯證過程。“顯現”的結果就是一件藝術作品。在藝術作品中，人們可以從一種有限事物的感性形象直接認識到無限的普遍真理。人們常說，藝術寓無限于有限。這種說法其實就是黑格爾的美是理念的感性顯現的說法［6］。

海德格爾解釋顯現的概念: 顯現作為“某物”的顯現，因而恰恰并不表明顯示自身，而是通過自身顯示的某物來表示不顯示自身的某物，顯現是一種不顯示自身; 但是，顯現只有在顯示某物的基礎上才可能［7］。海德格爾強調，直觀的、在場的不一定顯現，而顯現的是從現象原初自身出發所涉及的一些東西。而與海德格爾齊名的漢娜•阿倫特對顯現與存在也有自己獨到的見解，她認為“人所降生的世界包含各種各樣的東西，自然的和人造的，死的東西和活的東西，轉瞬即逝的東西和永恒的東西，所有這些東西的共同特點是它們的顯現，因而意味著它們能被看見、被聽到、被觸知、被嘗到、被聞到，能被具有相應感官的有感知能力的生物感知”［8］。她不僅認為顯現是世間所有事物的共同特點，并且把存在與顯現看做是同時發生的，即在顯現的時候，這個東西必然也是存在的，而任何存在的東西都必然被人感知———顯現出來。

本文的顯現所指傾向于海德格爾，認為創造性之顯現是有著深刻內涵的，不是僅涉及創造性的能指。而在探討西方哲學史人的創造性顯現的過程中，一直秉持阿倫特的觀點，存在與顯現同在，存在著的必然顯現，但如果沒有顯現或是在某些特定人中沒有顯現，一定是存在著不能顯現的緣由。并且本文認為“顯現”是一個過程，在西方哲學家中創造概念的顯現更是一個曲折的過程。

二 西方哲學史“創造”概念從潛在到顯現

研究人的內心活動，研究人的觀念和意志，是古希臘哲學家的主要任務。古希臘的哲學家們雖然沒有提出明確的自我意識的概念，但已經發現了人是具有自我意識的，較低的感性自我意識已經被以普羅泰戈拉為首的哲學家所提出，而柏拉圖對人的主觀意識的系統論述，使得人的主觀能動性處于一種萌芽狀態。雖然在這一時期，是神創論大行其道的階段，沒有“人的創造”，但是，哲學家對人的自我意識的發現，對人的主觀能動性的論述無不在為“人的創造”的出現打下基礎。只有人的理性自我意識出現，人的主觀能動性得以彰顯，人才可能作為創造的主體出現，被自身清晰認識到的存在，心靈———創造力的本原的驅動，人才能主動地有意識地進行創造活動。

( 一) 西方哲學史“創造”概念的潛在

統治了人們思想上千年的“神創論”在堅定地走過了中世紀之后，被當時人類從來沒有經歷過的一場變革———文藝復興———所打亂。14 世紀，人們對古典輝煌的向往，爆發成了一場以意大利為中心的廣泛而深刻的思想運動———文藝復興。

文藝復興時期的藝術領域可謂是整場運動的中心及焦點，米開朗基羅、達•芬奇這些天才藝術家們盡管仍然堅持認為最好的繪畫乃是與對象最相似的作品，但無論是他們自己還是那個時代的許多藝術家都在試圖改變作品對自然事物的“仿造”形式，“原創性”———創造的主要特征之一———正在他們的作品中閃現。而同時，身處文藝復興這場運動洪流中的文學家思想家都已被“卷入”這一時代浪潮中，并且在文學、科學方面的成績斐然。有但丁、彼特拉克、薄伽丘這樣的思想家，也有以哥白尼、伽利略為代表的科學家，更有布魯諾、庫薩的尼古拉、列奧納多這樣劃時代的哲學家。這些思想家、藝術家、哲學家們的個人天才在文藝復興自由的氛圍中蓬勃發展，而他們的個人才能又反過來成就了文藝復興時期的自由氛圍和人文精神。

這些偉大的藝術家和工匠們的超凡能力，不再被認為是神的代表，而是個人能力的體現，人的創造力在這一時期得到了極大彰顯。人類當仁不讓地站了出來，不再把神推到自己的面前，讓其完全遮擋住自己的光輝。在文藝復興運動中，“人”放到了一切問題的首要地位。人們開始認識自身的力量，找出人性的地位和尊嚴，認為人只有認識了自己，才能真正地認識世界，人的理性被自身找到并重視; 人的能力是自身血統的體現，不是憑借神來獲得的，這與中世紀基督教神學所主張的必須通過認識上帝才能認識自己的觀念針鋒相對。也正是經歷了文藝復興，人們懂得了用科學和知識來認識世界，把科學放在極其重要的地位上，尊重科學知識，在自然科學方面取得了許多重大成果，使科學重新興起，并為近代科學的發展打下基礎。在文藝復興時期，人們告別了中世紀上帝統治一切、上帝萬能的時代; 推崇以“人”為本反對以“神”為中心，世間唯“我”獨行。這種極度彰顯個人主義，使得個人的能力被推崇并得以大力實現，人的主體意識得以發現。

盡管文藝復興時期人對自身創造性的理解在本質上是早期“仿造”思想的延續，但人本身的“創造”能力，已使人從被動的“仿造”者走向人“創造”世界的征途之中。這一時期人對主體意識的認識還不成熟，是外在膚淺的，但人類已經開始去探索自己的本來面目。凡此種種，我們可以說“人的創造”在文藝復興時期已經存在了，雖不完善，雖沒有被人類自身深刻地認識清楚，沒有顯現出來，但是已經存在了。

( 二) 西方哲學史創造概念的顯現

西方哲學史有關創造概念的顯現，是以認知到實踐的主體創造能力顯現為主題。

就在文藝復興運動帶領著歐洲人走向文化、藝術、科學對古希臘的復興之時，歐洲的手工業也在不斷發展，生產工具得以不斷改進。到了 17 世紀，在人的思想領域以笛卡爾主客二分為主導的觀念，帶領著歐洲走向了哲學革命。同時，也爆發了第一次科學革命，至 19 世紀末又發生了兩次科學革命，哲學家以康德為代表，對人類主體超驗構造能力的認知已達到了最高境界。康德將人的科學認識能力歸結為人對經驗現象的超驗構造能力，而非“模仿”水準。但是康德沒有對“超驗范疇”的來源作發生學意義上的思考，他只討論了人能夠認識什么，以及認識不能達到的界限超驗構造能力。科學的不斷技術化，加之人與自然的矛盾關系，主客體矛盾的綜合推動下，技術一躍而起，成為了部分哲學家們研究的核心，也正是在此時，“創造”概念，顯現在哲學家的視野中。

而 19 世紀一位集哲學家、政治家、經濟學家稱謂于一身的德國人卡爾•馬克思，通過對人的實踐活動的認知把人推到了創造主體的位置。馬克思認為勞動是人的本質，“勞動首先是人和自然之間的過程，是人以自身的活動來引起、調整和控制人和自然之間的物質交換的過程。人自身作為一種自然力與自然物質相對立。為了在對自身生活有用的形式上占有自然物質，人就使他身上的自然力———臂和腿、頭和手運動起來。當他通過這種運動作用于他身外的自然并改變自然時，也就同時改變他自身的自然。他使自身的自然中沉睡著的潛力發揮出來，并且使這種力的活動受他自己控制。”［9］這種“沉睡著的潛力”其實應該就是人的創造能力，人通過勞動來發揮自己的創造力，自身自然與外界自然的改變，要通過人的創造能力的實踐，人是創造的主體。

西方哲學史有關創造概念的顯現，是以本能到生命力的主體創造動力顯現為本質。

19 世紀后期，法國哲學家亨利•柏格森對創造問題的哲學研究，是“創造”概念顯現的一個標志。柏格森不贊同達爾文的進化論，他基于對哲學、生物學、心理學及文學的濃厚興趣及功底，柏格森提出了創造進化論觀點，并以自己的方式闡述了這一獨到的理論。柏格森認為生命的本質在于創造，生命的每一個瞬間是一種創造，我們在連續地創造我們自己，人的生命的存在是因為變化，變化是因為成熟，而成熟在于不斷地自我創造。他把宇宙看成是正在綿延，并且越深入研究時間的本質，就領悟到綿延其實意味著創造，形式上的創造，意味著全新的事物的不斷生產［4］16。柏格森把人的直覺看做生命前進的方向，而智慧是沿著相反的方向前進，要受到物質運動的制約。人的意識包括了智慧與直覺兩個方向，不過直覺才是人精神的本身，在某種意義上可以說就是生命本身。

至此，是真正意義上的創造概念的顯現，顯現的不僅是“創造”概念本身，而且包括了隱藏在表面之下的深刻內涵，揭示了創造的生命本源，是自然的進化與人的進化的連續性，是人與自然相互作用過程中的生命的綿延，是自然給予人的本能與人的非連續性的智力的結合。在許多人只看到人的非連續性的智力因素在創造中的作用時，柏格森則告知我們連續性的本能。柏格森對創造的哲學研究只是一個顯現的標志，之后的“創造”的顯現不斷，是一個長期持續的過程。

三 西方哲學史“創造”概念顯現原因淺析

從神創論階段至文藝復興人的創造性的潛在，再至 19 世紀，歷經兩千余年，為什么“創造”概念一直沒能夠在哲學家中顯現呢? 如果按海德格爾的理解，存在著必然顯現，那么“創造”概念一直沒有在哲學家中顯現的原因為何呢?

( 一) 人成為創造主體為哲學“創造”概念的顯現提供前提

從古希臘的米利都學派起，哲學家們就開始探索“存在”，世界的本原，人的本質為何，這些一直是人類探討的重要問題。此后，歷經柏拉圖、亞里士多德等各個時期哲學家們對本體論的探索。但對人的本質問題的探索與人的創造本質問題相行甚遠，以致人的創造性一直無法得以被認知。

19 世紀中后期哲學家們對人的主體創造動力的認知把人的創造主置徹底顯現出來。對人性、人的價值具有獨特評價標準的尼采認為，上帝死了，一切價值要重估，人才是創造者，“而所謂的創造者，乃是創造人類的目標，給大地賦予它是意義和它的未來的人: 只有這種人才能創造出善的和惡的事物。”［10］尼采自身的哲學思想恰恰也是內心情感激發出來的靈感的爆發，是其個人獨特創造魅力的一種呈現，他用自己畢生所為驗證了自己的觀點。深受達爾文進化論影響的弗洛伊德選擇了本能，人身體生理需要的體現的本能，作為尋找演化的起點。弗洛伊德把人的人格劃分為自我、本我和超我三層次。自我并不包括整個本我，但并未同本我截然分開，它的較低部分拼合到本我中去了; 自我是本我的一部分，而在自我之中假設存在著一個等級，一個自我內部的分化階段，就可稱為超我［11］。在人的潛意識中存在著非理性的因素，本我是人的本能與沖動的代表，本身也是在進化的，自我與本我都受本能的影響。柏格森認為“生命沖動”是一種創造的需要，創造是人進化的動力和根本。“對于一個有意識的生命來說，存在在于變化，變化在于成熟，成熟在于不斷地自我創造。”［4］13文章認為柏格森從哲學角度對創造的研究是創造概念在西方哲學家中顯現的一個標志。

從人的本能到生命沖動，以非理性為特征的思維模式，上述三位哲學家觀點中的共同之處在于都是對人的主體地位的明確。無論是弗洛伊德強調人本能，尼采強調生命意志，還是柏格森對生命沖動的解讀，都是把人作為創造活動的主體，不再是神或者其他。人的創造動力得以肯定和突出，只有人成為創造主體，創造活動才能得以實現。人是創造的主體，并且有創造的動力。

( 二) 對技術的關注引起物的顯現為哲學創造概念顯現奠定基礎

在 13 世紀，中國的指南針、造紙術和火藥傳到了歐洲，引起了西方眾多行業的革新。之后，一些西方國家生產力迅速提高，工業生產規模不斷地擴大。14 世紀至 16 世紀，文藝復興運動把“人的創造性”推到了一個存在但被遮蔽不可見的位置。如前所述在這一時期，人的創造性已經存在，一些藝術家已經被作為創造的主體。但一如既往地，人們把自身使用、構造人工物的活動———技術，仍然看做是科學的附屬，把世界的本原仍然限定在形而上的思考中。

對人的創造性的最早承認是源于藝術，技術始終沒有被納入創造研究的對象，其原因大概有兩點，一是技術專家被認為是一個“做事者”，在地位上低于思考者; 二是將技術簡單地看做科學的應用。美國學者 S． 達斯古普塔認為這是相當大的誤解，技術要比人類的科學智慧更為古老。“發明人工物的心理過程不應當被看做是從屬于科學發現過程”［12］。人類只有更好地理解作為人類進取心的技術，才能更好地理解自身的創造性。

17 世紀科學革命爆發，科學的進步，不僅僅表現為新科學的出現，更有一些新發明的工具成為了哲學家們開啟新的思想世界的鑰匙，弗朗西斯•培根更是倡導通過實驗去研究整個世界。這樣，以笛卡爾、培根為首的哲學家們開始對技術有了新的評價，在探討世界的本原，人的本質問題時，開始涉及技術。近代認識論的興起，使得人們對人的本質的理解轉到了另一個天地。

由于技術創造了一個人工世界，因此哲學對人的創造性的探索，離不開技術這個主題。19 世紀至20 世紀哲學家對人工物的關注是哲學界探討人與外界關系的一個重大轉向，即轉向了技術。柏格森是把智力定義為“構成非器官化的( 換句話說，即制造出來的) 工具的機能”，“智力的基本功能就是在無論任何環境中找出克服困難的辦法”，“因此從根本上看，智力指向既定環境與利用這個環境的關系。”［4］129

第9篇：人工智能與哲學思考范文

關鍵詞：大數據時代；美術教育；創新發展

大數據時代的特點是與電子社交網站以及網絡圖像圖庫有著緊密的聯系。盡管學校的大部分學生可能不知道不了解大數據這個名詞，但學生的日常生活和行為習慣在大范圍的被大數據影響著，只要是與互聯網息息相關的，而且，相當一部分的學生已經沉迷于大數據時代下的互聯網網站，其中包括微信、新浪微博、知乎、豆瓣等等。大數據時代與傳統的印刷時代相比，在視覺圖像的傳輸等多個方面有著極其大的優勢。在對視覺藝術品的作者創作意圖、情感、形式特點等多個方面進行解讀、鑒賞、分析，然后進行語言講述時，大數據時代背景下的圖像傳播為這種文化傳播形態的轉變，提供了更為廣闊的空間。

一、大數據時代給美術教育提出了更高的要求

科技技術的飛速發展，帶動了人工智能以及移動學習等領域的高普及度和快速進步，同時也給教育行業提出了更高的要求，必須是與飛速發展的時代同步前進。但教育行業的現狀是，教育系統仍然是按照傳統模式的教育范式，沒有對學生的學習打上時代的烙印，也沒有產生足夠深遠的影響。找到一種與時展同步前進的正確教育思想，才能使現代教育有更深的影響力，培養出與時俱進，技能豐富的新時代人才。學習與創新技能、數字素養技能、生活和職業技能是在新時代背景下，學生更好地適應現代社會提出的挑戰所必須掌握運用的技能。美術教育對幫助學生掌握這些技能有特殊的貢獻，大數據時代帶來的教育政策趨勢更多的“以證據為本”，通過多維度、多層次、多群體、多因素的巨型數據，來總結藝術教育如何決策。大數據時代下的美術教育在重塑學習概念的同時，也在重塑教育，“如何學”以及“學什么”在私人訂制的個性化教學方式方法應用下，給美術教育的創新與發展提供了方向。

二、大數據時代下美術教育的特點

人們對于信息傳播形態以及接受信息的方式在科技不斷發展推動下得以改變，大數據時代豐富的圖像對人們的生活、學習以及感知世界的方式產生了各種改變。語言已經不再是唯一的通信系統，口頭以及書面語言、圖像、公式、符號、聲音、手勢、圖表、文物等多種通訊類型成為傳遞信息的方式。視覺文化在大數據時代的背景下，對現代人使用圖像技能有了新的要求，無論在改變學習環境還是工作場所方面，美術素養對新的能力的掌握都有巨大的推進作用。美術教育促進學生學習和創新技能的發展。美術與科學、數學以及哲學、文學有著不同的獨特的思維方式，是各民族文化的基礎，學校的美術教育范疇廣闊，包括繪畫、雕塑、設計、工藝、書法、篆刻以及新媒體藝術等多個方面，各樣式的工具、技術以及過程也在其中。美術教育通過提供多種富含背景和多感官的指令來更好地幫助大腦進行學習和記憶，在與文字、數字、聲音等各種資源與圖像信息的解讀、傳遞、創造進行交互時，提供了創意、想象、思考、情感以及觀念上的思維方式。美術教育拓展了學生的數字素養技能。世界各地的美術圖像信息在性能高超的互聯網的帶動下，越來越多地走進了課堂，開闊了學生的視野，樹立了全球意識，更加富有創新性和挑戰性的藝術門類在藝術與科學的結合下產生，那就是新媒體藝術，它不但要求學生具有更高的美術素養，同時還需要較高的媒體素養，在對學生數字素養技能的取用、理解和創造環節具有重要的推進作用，攝影、攝像、計算機繪畫、計算機設計、視覺筆記、動畫。小電影的解讀與創作等都是美術教育新媒體藝術單元的內容。美術教育培養學生的生活與職業技能。大數據時代需要學生更多的跨學科協作的發揮創意，通過設計諸如“變舊為新”這樣的美術教育課程議題，提高學生對全腦思維的鍛煉，對創造能力的提升，增強自身的綜合素養。

三、大數據時代下美術教育的創新與發展

美術教育在大數據時代背景下面臨了新的挑戰。文化多元化的表現已經越來越明顯。大數據時代的到來，在近十年使很多國家在視覺文化方面產生了重大的轉型變革，尤其是歐美等發達國家。視覺文化的轉型主要表現在：首先，對創作對象的思考以及對觀念藝術的關注成為了創意的重點；其次，獨特的藝術形式越來越多包括攝影、電影以及印刷媒體等傳統藝術表現形式；第三，傳統的意識形式越來越多地與數字技術領域產生合作，并催生了類似電子創意這樣的領域；第四，對視覺文化的審美理想越來越以國家為基礎，審美興趣也更多地加入了對土著傳統藝術和工藝的元素；最后，社會文化的融合使得美術行業的已經也產生了變化，融合方式諸如全球性的文化以及體育運動，難民的數量增加以及移民現象的增多等。美術教育工作者要主動迎接大數據時代的挑戰。美術教師要在傳達課本課程上的教學內容之外，把目標更多地放在深度學習上，包括材料的教學，美術學習的方式方法，教學變化趨勢等，在大數據時代背景下構建多元化的教育氛圍，更好地幫助學生養成必備的美術素養。

四、結語

大數據時代在“互聯網”到“互聯網＋”的轉變過程中對美術教育有更多的要求，除了發展學生的個人素養以及培養造型的感覺與技能之外，要更多地注重塑造學生的創造能力以及為社會更多地貢獻意識能力，美術教育在大數據時代要有更多的教學內容，更新的教學方式方法，幫助學生更好地適應現代社會生活的挑戰。

參考文獻：

[1]孔新苗.關于大數據時代美術教育的三點思考[J].美育學刊，2016（1）:62-65.

[2]錢初熹.大數據時代的創意美術教育———大數據時代美術教育的創新發展[J].美育學刊，2016（1）:49-54.

[3]李靜.基于大數據思維的我國美術教師教育創新發展路徑研究[J].美育學刊，2016（6）:46-52.