人工智能社会前沿问题哲学研究

本书是9篇论文的论文集，主要看了第一篇第二节《人工智能技术发展历史》、第三节第二小节《人工智能主流产品市场》，第六篇《马克思的机器论哲学研究》，第七篇《超越数字个体回归共同体生活——海德格尔与马克思》，第八篇第一节《社会数智化发展风险的内涵》。下面是相关内容的摘录。总的来说，本书是比较水的，新东西少，片儿汤话多，对人工智能感兴趣的话，本书是不太值得看的。本书的主要作用或许是吸引读者去看看关于马克思“机器论片段”的讨论。 ## 人工智能技术发展历史 第一次高潮与低谷： - 1956年夏，第一次人工智能研讨会在美国达特茅斯学院举行，这次会议被认为是人工智能诞生的标志。这次会议确定了人工智能最初的发展路线与目标，标志着以符号主义学派为主导的第一次人工智能浪潮的开端。 - 早期成就：机器学习领域出现了“跳棋程序”，该程序在1959年打败了当时设计他的设计师Samuel，并于1962年打败了州跳棋冠军；模式识别领域，1956年Oliver Selfridge研发了第一个“字符识别程序”，并在1963年发明了符号积分程序SAINT，在1967年，SAINT的升级版SIN就达到了专家级的水准。 - 困境：(1) 硬件设备无法满足算力需求，无法解决呈指数型增长的复杂计算问题；(2) 人工智能的理论研究还不足以支撑计算机理解学习和理解复杂现实问题，常识和推理需要大量对现实世界的认识信息，计算机还达不到“看懂”和“听懂”的地步；(3) 莫拉维克悖论，即简单动作比复杂推理更难以被计算机实现；(4) 无法解决部分涉及自动规划的逻辑问题。 第二次高潮与低谷： - 1980年代 - 卡耐基梅隆大学为日本DEC公司设计的XCON专家规则系统（专注于解决某一限定领域的问题，具备2500条规则，专门用于选配计算机配件，因此避免了常识问题）可以为该公司一年节省数千万美元。同期，日本政府拨款8.5亿美元支持人工智能的科研工作，主要目标包括：实现能够与人交流、翻译语言、理解图像以及像人一样进行推理演绎的机器。但是随后人们发现，XCON专家规则系统的通用性较差，没有与概率论和神经网络进行整合，不具备自学能力，维护专家系统的规则也越来越复杂，且日本政府设定的目标并未实现，人工智能研究领域再次遭遇了财政困境，随之人工智能的发展进入第二次寒冬阶段。（东野圭吾的不止一本书中都提到过专家系统，比如《学生街的日子》《白夜行》等，当然其他当时的日本作家应该也有提到的） 人工智能的深度发展： - 20世纪90年代，随着计算机在摩尔定律下的计算性能不断突破，英特尔处理器每18—24个月晶体管体积可以缩小一半，同样体积上的集成电路密集度增长一倍，同样计算机的处理运算能力可以翻一倍，人工智能迎来了真正的春天 - 上世纪末的成就：1989年，还在贝尔实验室的杨立坤通过CNN实现了人工智能识别手写文字编码数字图像。1992年，还在苹果任职的李开复利用统计学方法，设计了可支持连续语音识别的Casper语音助理（Siri的前身）。1997年，IBM的国际象棋机器人深蓝战胜国际象棋冠军卡斯帕罗夫（不再止步于州冠军，第一次真正意义上战胜了人类）。同年，两位德国科学家提出了LSTM网络可用于语音识别和手写文字识别的递归神经网络 - 新世纪，深度学习：2006年，多伦多大学的Hinton教授在Science 上发表的论文“Reducing the Dimensionality of Data with Neural Networks”开辟了深度学习的新篇章，从此各种深度学习模型如雨后春笋般涌现 人工智能的大模型时代： - 技术条件：2007年，还在Stanford任教的华裔女科学家李飞飞教授，发起了ImageNet项目，开源了世界上最大的图像识别数据集（超过1400万个、2万多种标注类别的图像数据集）。2006年，亚马逊的AWS的云计算平台发布，进一步提升了人工智能模型计算所需的算力。同时，5G时代的到来，智能手机的大规模普及，移动互联网的快速发展，催生了覆盖人起居生活工作的方方面面的各色应用，带来了神经网络训练迭代所需的养料——“海量的数据”，同时随着IoT物联网的兴起，支持分布式计算（边缘计算）的传感器时序数据指数级生成 ## 人工智能主流产品 1. **AlphaGO**：由谷歌 DeepMind 公司研发的一款人工智能围棋程序。它是一种深度学习神经网络，采用了多层卷积神经网络和深度强化学习技术，通过强化学习的方式不断优化算法和策略。 2. **智能问答与智能助手**：通过自然语言处理、机器学习等技术，可以识别和理解用户的问题，并给出准确的答案。最热门的智能问答产品当属ChatGPT，由OpenAI开发的一种基于自然语言处理的人工智能模型。它是一个巨大的神经网络，通过学习大量的文本数据来获取知识和信息，能够模拟人类的语言交流，进行对话和回答问题。 3. **智能机器人**：在工业、医疗、军事等领域有所应用。例如Pepper机器人、ASIMO机器人、Atlas机器人等。这些智能机器人具有智能化、自主化、人性化等特点，可以与人类进行更加自然的交互和沟通。 4. **阿里巴巴城市大脑**：基于云计算和大数据技术构建的智能城市治理平台，旨在帮助城市实现数字化、智能化和可持续发展。阿里巴巴城市大脑的基本原理是，将城市的各种信息，如气象、交通、环保、公共安全、社区服务等数据，通过传感器和其他采集设备，运用大数据技术进行存储、处理和分析，并结合人工智能算法进行模型优化，最终实现对城市各个方面的智能化管理和优化。 5. **京东智能城市操作系统**：京东集团推出的一款面向城市治理的智能化平台。它依托京东的技术优势和丰富的数据资源，通过大数据、云计算、人工智能等先进技术，实现城市各领域的智能化管理和优化。看起来和阿里巴巴城市大脑差不多。 ## 马克思的机器论哲学研究 本文并不只涉及马克思的《大纲》中著名的“机器论片段”。虽然本文没有区分马克思不同阶段思想的发展，不过分析还算是比较扎实，但读起来就很有八股文的感觉，不是很值得读，可以看看关于“机器论片段”的专题文章。 机器论片段中关于资本主义危机的假设：由于一般智力的积累（特别是体现在机器中的科学技术知识），劳动将成为资本主义积累的次要因素，从而导致劳动价值论的危机，颠覆资本主义的根基。这个观点在《资本论》关于相对剩余价值生产的部分中受到批判。 劳动与机器问题的逻辑： 1. 机器（技术）不是来自科学对大自然的分析（仿生），而是来自对劳动的分析。以工业革命为例，蒸汽机的真正动力，不是对开水壶的模仿，而是劳动分工的发展对强大动力的需求。因此，也不是蒸汽机的发明和改进催化了工业革命，而是资本与生产关系的发展要求更强大的能源。**机器智能反映、体现和放大了集体劳动的分析智能**。 2. 一旦机器出现在劳动力面前并取代了劳动力，技能和知识的异化过程就开始了。工具从工人手中传递到机器那里，同样的过程也发生在工人的知识上。**机器获得了活人的特征，而工人则获得了自动机的特征**。 3. 基于机器体系的相对剩余价值生产取消了对工人的一切专业技能与知识的需求，使工人的生产主体性陷入了彻底退化的具体情形。同工场手工业时期的雇佣工人特有的主体性截然相反，大工业以这种残酷的方式诞生了它最真实的产物——**普遍工人（universal worker），即能够参与到任何形式的劳动过程中的生产主体**。 4. 普遍工人的过度发展会损害剥削关系，也即，彻底丧失生产主体性的工人并不利于剩余价值的实现。从大工业中产生出越来越普遍的工人，这一趋势实际上走向了它的对立面，这是通过在“固定化的专业”（ossified particularities）加剧的基础上扩大对活劳动的剥削实现的。 ## 超越数字个体回归共同体生活——海德格尔与马克思 三个世界： 1. **农业时代的“自然神圣世界”**。伴随着农业革命的到来，人类开始畜牧与耕种，逐渐获得一些剩余产品，这使得人口不断增长，进而促使各大文明诞生。但是，大体上而言，人类依旧处于依附自然的附属地位。人类对世界的理解从原始社会的“万物有灵论”变成农业社会的“多神崇拜”，他们不再将动物看作与人类平等的地位，取而代之的是以敬拜神灵的方式取得动物的所有权。 2. **工业时代的“原子机械世界”**。在经历了科学革命以及启蒙运动之后，西方社会从蒙昧的中世纪走向了现代的工业化（公元1765年）。世界的解释权不再在神或自然手里，而是把握于人类手中，人类通过机械论的科学观将世界机械化，从而毁坏了自然作为母亲的隐喻形象，使自然成为人类开放、控制的对象。甚至在极端的机械论者那里，人与动物都是机器。 3. **信息时代的“数字虚拟世界”**。伴随着1946年第一台电子计算机的出现，人类迈进信息时代。在信息时代，人类面对的是一个虚拟的数字世界。此时，世界中的万物都可以以数字而非原子的方式呈现。 在尼葛洛庞蒂（《数字化生存》）看来，伴随着数字化时代的到来，工业化时代的“形式化的权利个体”被超越，“真正的个人化时代”来临： 1. 信息技术的赋权特征，使得个体的权利得到进一步的释放。在数字时代的多元化信息渠道面前，传统媒体那种携带集权性的广播方式被数字媒体的多元窄播所取代。人们通过互联网这个全球性交往的平台，“可以不受任何新闻的钳制”，进而瓦解了民族国家的团结，让个体的自由范围得以扩大。这里的变革不是自动的，或者说，旧的关系也可以利用新的技术，新技术本身不会带来变革。 2. 信息技术的赋能特性使得个体生命获得了进一步解放。在信息时代，计算机的出现则替代人的大脑去思考，是对个体思想的解放。此时，人类对个体化的定义不再仅仅追求“抽象的权利”，更要求“**实质的能力**”上的提升。 本文基本上尝试以海德格尔的术语讲一些众所周知的故事，称不上有什么新东西，而且对于变革的乐观有些过分了。正如上一篇关于机器论的文章讨论的，新技术完全可以以保卫现有生产关系的方式在场。 ## 社会数智化发展风险的内涵 社会数智化发展是指在信息化、数字化和智能化的基础上，通过运用大数据、人工智能、云计算等技术，挖掘、分析、利用和共享社会各领域的数据资源，以实现社会各方面的高效、智能、可持续发展。本文认为社会数智化发展会带来四个方面的风险：**技术风险、意识形态风险、社会风险、经济风险**。 1. 技术风险。涉及数据隐私和安全、算法偏见和歧视、人工智能技术失控和伦理及社会风险等多个方面。这些技术风险的存在可能对社会数智化的发展带来负面影响，影响到技术的可持续性和稳定性，从而威胁到人们的安全和社会稳定。提到赵阵、闫坤如、赵瑞琦、毛明芳四个学者的具体观点。 2. 意识形态风险。意识形态在本质上是价值观的理论体系，在内容上反映了一定的阶级或集团利益，具有特殊性；在形式上又要说成体现共同利益，具有普遍性；意识形态的根本功能是把特殊利益说成普遍利益，即为维护或冲击现成的利益格局的行为合法性提供合理性辩护（陈锡喜）。随着社会数智化发展的加速，其意识形态风险也逐渐显现。例如，以虚拟产品为代表的数智化产品消解了意识形态的严肃性。2020年2月17日，共青团中央打造的ip形象——江山娇与红旗漫的创造初衷是官方媒体尝试着用大众化、年轻化的方式联系群众，尤其是引导、吸引青年群体的政治参与。然而江山娇与红旗漫被赋予“虚拟偶像”的设定，将政治类官方的形象“偶像化”，一来严重背离了马克思主义祛魅的正义性和真理性，脱离了社会主义核心价值观的引导；二来容易将广大青年引入“饭圈”歧途，用“饭圈”思维参与政治生活，长此以往可能加剧社会割裂，污化社会风气。*这里给的例子值得注意* 3. 社会风险。主要包括：社会不平等风险、就业风险、安全风险、可信度风险等。 4. 经济风险。主要包括：企业数字化转型的成本风险、技术更新风险、数字鸿沟风险等。