人工智能社會前沿問題哲學研究

本書是9篇論文的論文集，主要看了第一篇第二節《人工智能技術發展歷史》、第三節第二小節《人工智能主流產品市場》，第六篇《馬克思的機器論哲學研究》，第七篇《超越數字個體迴歸共同體生活——海德格爾與馬克思》，第八篇第一節《社會數智化發展風險的內涵》。下面是相關內容的摘錄。總的來說，本書是比較水的，新東西少，片兒湯話多，對人工智能感興趣的話，本書是不太值得看的。本書的主要作用或許是吸引讀者去看看關於馬克思“機器論片段”的討論。 ## 人工智能技術發展歷史 第一次高潮與低谷： - 1956年夏，第一次人工智能研討會在美國達特茅斯學院舉行，這次會議被認爲是人工智能誕生的標誌。這次會議確定了人工智能最初的發展路線與目標，標誌着以符號主義學派爲主導的第一次人工智能浪潮的開端。 - 早期成就：機器學習領域出現了“跳棋程序”，該程序在1959年打敗了當時設計他的設計師Samuel，並於1962年打敗了州跳棋冠軍；模式識別領域，1956年Oliver Selfridge研發了第一個“字符識別程序”，並在1963年發明了符號積分程序SAINT，在1967年，SAINT的升級版SIN就達到了專家級的水準。 - 困境：(1) 硬件設備無法滿足算力需求，無法解決呈指數型增長的複雜計算問題；(2) 人工智能的理論研究還不足以支撐計算機理解學習和理解複雜現實問題，常識和推理需要大量對現實世界的認識信息，計算機還達不到“看懂”和“聽懂”的地步；(3) 莫拉維克悖論，即簡單動作比複雜推理更難以被計算機實現；(4) 無法解決部分涉及自動規劃的邏輯問題。 第二次高潮與低谷： - 1980年代 - 卡耐基梅隆大學爲日本DEC公司設計的XCON專家規則系統（專注於解決某一限定領域的問題，具備2500條規則，專門用於選配計算機配件，因此避免了常識問題）可以爲該公司一年節省數千萬美元。同期，日本政府撥款8.5億美元支持人工智能的科研工作，主要目標包括：實現能夠與人交流、翻譯語言、理解圖像以及像人一樣進行推理演繹的機器。但是隨後人們發現，XCON專家規則系統的通用性較差，沒有與概率論和神經網絡進行整合，不具備自學能力，維護專家系統的規則也越來越複雜，且日本政府設定的目標並未實現，人工智能研究領域再次遭遇了財政困境，隨之人工智能的發展進入第二次寒冬階段。（東野圭吾的不止一本書中都提到過專家系統，比如《學生街的日子》《白夜行》等，當然其他當時的日本作家應該也有提到的） 人工智能的深度發展： - 20世紀90年代，隨着計算機在摩爾定律下的計算性能不斷突破，英特爾處理器每18—24個月晶體管體積可以縮小一半，同樣體積上的集成電路密集度增長一倍，同樣計算機的處理運算能力可以翻一倍，人工智能迎來了真正的春天 - 上世紀末的成就：1989年，還在貝爾實驗室的楊立坤通過CNN實現了人工智能識別手寫文字編碼數字圖像。1992年，還在蘋果任職的李開復利用統計學方法，設計了可支持連續語音識別的Casper語音助理（Siri的前身）。1997年，IBM的國際象棋機器人深藍戰勝國際象棋冠軍卡斯帕羅夫（不再止步於州冠軍，第一次真正意義上戰勝了人類）。同年，兩位德國科學家提出了LSTM網絡可用於語音識別和手寫文字識別的遞歸神經網絡 - 新世紀，深度學習：2006年，多倫多大學的Hinton教授在Science 上發表的論文“Reducing the Dimensionality of Data with Neural Networks”開闢了深度學習的新篇章，從此各種深度學習模型如雨後春筍般湧現 人工智能的大模型時代： - 技術條件：2007年，還在Stanford任教的華裔女科學家李飛飛教授，發起了ImageNet項目，開源了世界上最大的圖像識別數據集（超過1400萬個、2萬多種標註類別的圖像數據集）。2006年，亞馬遜的AWS的雲計算平臺發佈，進一步提升了人工智能模型計算所需的算力。同時，5G時代的到來，智能手機的大規模普及，移動互聯網的快速發展，催生了覆蓋人起居生活工作的方方面面的各色應用，帶來了神經網絡訓練迭代所需的養料——“海量的數據”，同時隨着IoT物聯網的興起，支持分佈式計算（邊緣計算）的傳感器時序數據指數級生成 ## 人工智能主流產品 1. **AlphaGO**：由谷歌 DeepMind 公司研發的一款人工智能圍棋程序。它是一種深度學習神經網絡，採用了多層卷積神經網絡和深度強化學習技術，通過強化學習的方式不斷優化算法和策略。 2. **智能問答與智能助手**：通過自然語言處理、機器學習等技術，可以識別和理解用戶的問題，並給出準確的答案。最熱門的智能問答產品當屬ChatGPT，由OpenAI開發的一種基於自然語言處理的人工智能模型。它是一個巨大的神經網絡，通過學習大量的文本數據來獲取知識和信息，能夠模擬人類的語言交流，進行對話和回答問題。 3. **智能機器人**：在工業、醫療、軍事等領域有所應用。例如Pepper機器人、ASIMO機器人、Atlas機器人等。這些智能機器人具有智能化、自主化、人性化等特點，可以與人類進行更加自然的交互和溝通。 4. **阿里巴巴城市大腦**：基於雲計算和大數據技術構建的智能城市治理平臺，旨在幫助城市實現數字化、智能化和可持續發展。阿里巴巴城市大腦的基本原理是，將城市的各種信息，如氣象、交通、環保、公共安全、社區服務等數據，通過傳感器和其他採集設備，運用大數據技術進行存儲、處理和分析，並結合人工智能算法進行模型優化，最終實現對城市各個方面的智能化管理和優化。 5. **京東智能城市操作系統**：京東集團推出的一款面向城市治理的智能化平臺。它依託京東的技術優勢和豐富的數據資源，通過大數據、雲計算、人工智能等先進技術，實現城市各領域的智能化管理和優化。看起來和阿里巴巴城市大腦差不多。 ## 馬克思的機器論哲學研究 本文並不只涉及馬克思的《大綱》中著名的“機器論片段”。雖然本文沒有區分馬克思不同階段思想的發展，不過分析還算是比較紮實，但讀起來就很有八股文的感覺，不是很值得讀，可以看看關於“機器論片段”的專題文章。 機器論片段中關於資本主義危機的假設：由於一般智力的積累（特別是體現在機器中的科學技術知識），勞動將成爲資本主義積累的次要因素，從而導致勞動價值論的危機，顛覆資本主義的根基。這個觀點在《資本論》關於相對剩餘價值生產的部分中受到批判。 勞動與機器問題的邏輯： 1. 機器（技術）不是來自科學對大自然的分析（仿生），而是來自對勞動的分析。以工業革命爲例，蒸汽機的真正動力，不是對開水壺的模仿，而是勞動分工的發展對強大動力的需求。因此，也不是蒸汽機的發明和改進催化了工業革命，而是資本與生產關係的發展要求更強大的能源。**機器智能反映、體現和放大了集體勞動的分析智能**。 2. 一旦機器出現在勞動力面前並取代了勞動力，技能和知識的異化過程就開始了。工具從工人手中傳遞到機器那裏，同樣的過程也發生在工人的知識上。**機器獲得了活人的特徵，而工人則獲得了自動機的特徵**。 3. 基於機器體系的相對剩餘價值生產取消了對工人的一切專業技能與知識的需求，使工人的生產主體性陷入了徹底退化的具體情形。同工場手工業時期的僱傭工人特有的主體性截然相反，大工業以這種殘酷的方式誕生了它最真實的產物——**普遍工人（universal worker），即能夠參與到任何形式的勞動過程中的生產主體**。 4. 普遍工人的過度發展會損害剝削關係，也即，徹底喪失生產主體性的工人並不利於剩餘價值的實現。從大工業中產生出越來越普遍的工人，這一趨勢實際上走向了它的對立面，這是通過在“固定化的專業”（ossified particularities）加劇的基礎上擴大對活勞動的剝削實現的。 ## 超越數字個體迴歸共同體生活——海德格爾與馬克思 三個世界： 1. **農業時代的“自然神聖世界”**。伴隨着農業革命的到來，人類開始畜牧與耕種，逐漸獲得一些剩餘產品，這使得人口不斷增長，進而促使各大文明誕生。但是，大體上而言，人類依舊處於依附自然的附屬地位。人類對世界的理解從原始社會的“萬物有靈論”變成農業社會的“多神崇拜”，他們不再將動物看作與人類平等的地位，取而代之的是以敬拜神靈的方式取得動物的所有權。 2. **工業時代的“原子機械世界”**。在經歷了科學革命以及啓蒙運動之後，西方社會從矇昧的中世紀走向了現代的工業化（公元1765年）。世界的解釋權不再在神或自然手裏，而是把握於人類手中，人類通過機械論的科學觀將世界機械化，從而毀壞了自然作爲母親的隱喻形象，使自然成爲人類開放、控制的對象。甚至在極端的機械論者那裏，人與動物都是機器。 3. **信息時代的“數字虛擬世界”**。伴隨着1946年第一臺電子計算機的出現，人類邁進信息時代。在信息時代，人類面對的是一個虛擬的數字世界。此時，世界中的萬物都可以以數字而非原子的方式呈現。 在尼葛洛龐蒂（《數字化生存》）看來，伴隨着數字化時代的到來，工業化時代的“形式化的權利個體”被超越，“真正的個人化時代”來臨： 1. 信息技術的賦權特徵，使得個體的權利得到進一步的釋放。在數字時代的多元化信息渠道面前，傳統媒體那種攜帶集權性的廣播方式被數字媒體的多元窄播所取代。人們通過互聯網這個全球性交往的平臺，“可以不受任何新聞的鉗制”，進而瓦解了民族國家的團結，讓個體的自由範圍得以擴大。這裏的變革不是自動的，或者說，舊的關係也可以利用新的技術，新技術本身不會帶來變革。 2. 信息技術的賦能特性使得個體生命獲得了進一步解放。在信息時代，計算機的出現則替代人的大腦去思考，是對個體思想的解放。此時，人類對個體化的定義不再僅僅追求“抽象的權利”，更要求“**實質的能力**”上的提升。 本文基本上嘗試以海德格爾的術語講一些衆所周知的故事，稱不上有什麼新東西，而且對於變革的樂觀有些過分了。正如上一篇關於機器論的文章討論的，新技術完全可以以保衛現有生產關係的方式在場。 ## 社會數智化發展風險的內涵 社會數智化發展是指在信息化、數字化和智能化的基礎上，通過運用大數據、人工智能、雲計算等技術，挖掘、分析、利用和共享社會各領域的數據資源，以實現社會各方面的高效、智能、可持續發展。本文認爲社會數智化發展會帶來四個方面的風險：**技術風險、意識形態風險、社會風險、經濟風險**。 1. 技術風險。涉及數據隱私和安全、算法偏見和歧視、人工智能技術失控和倫理及社會風險等多個方面。這些技術風險的存在可能對社會數智化的發展帶來負面影響，影響到技術的可持續性和穩定性，從而威脅到人們的安全和社會穩定。提到趙陣、閆坤如、趙瑞琦、毛明芳四個學者的具體觀點。 2. 意識形態風險。意識形態在本質上是價值觀的理論體系，在內容上反映了一定的階級或集團利益，具有特殊性；在形式上又要說成體現共同利益，具有普遍性；意識形態的根本功能是把特殊利益說成普遍利益，即爲維護或衝擊現成的利益格局的行爲合法性提供合理性辯護（陳錫喜）。隨着社會數智化發展的加速，其意識形態風險也逐漸顯現。例如，以虛擬產品爲代表的數智化產品消解了意識形態的嚴肅性。2020年2月17日，共青團中央打造的ip形象——江山嬌與紅旗漫的創造初衷是官方媒體嘗試着用大衆化、年輕化的方式聯繫羣衆，尤其是引導、吸引青年羣體的政治參與。然而江山嬌與紅旗漫被賦予“虛擬偶像”的設定，將政治類官方的形象“偶像化”，一來嚴重背離了馬克思主義祛魅的正義性和真理性，脫離了社會主義核心價值觀的引導；二來容易將廣大青年引入“飯圈”歧途，用“飯圈”思維參與政治生活，長此以往可能加劇社會割裂，污化社會風氣。*這裏給的例子值得注意* 3. 社會風險。主要包括：社會不平等風險、就業風險、安全風險、可信度風險等。 4. 經濟風險。主要包括：企業數字化轉型的成本風險、技術更新風險、數字鴻溝風險等。