“我从事人工智能哲学的研究，主要关心的话题是人工智能当中牵涉认知科学的基础问题和所带来的哲学问题，基本是文理跨学科的问题。”这是复旦大学哲学学院徐英瑾教授的惯用开场白。可自带新锐科技的光环又被炒得火热的“人工智能”，跟高度抽象化的古老“哲学”，会有哪门子关系？

　　徐英瑾向解放日报·上观新闻记者解释，人工智能和哲学看似风马牛不相及，其实关系密切、互动频繁。在这两者之间架起一座互通的“桥”，缓和学术界趋于紧张的“科学”和“人文”关系，是他近年来一直在做的事情。

　　近来，除了在校园里授课，这位教育部长江青年学者还在网易公开课上开设了一门“人工智能哲学”。课程总共7集，其中第一集播放量已达89万次，这让他有些意外。毕竟在他眼中，“人工智能哲学作为一个行当，在国内基本上还没有被确立起来”。

　　人工智能和哲学实际上“非常像”

　　在徐英瑾眼里，这两个领域实际上非常像：“和哲学一样，人工智能有很强的开放性。”

　　在科学界内部，AI科学算是个“异数”。从某种意义上说，这门学科的诞生，本身就是“头脑风暴”般哲学思辨的产物，它流派繁多，对“异数”的宽容度相当高。这一点和哲学极其相似：“大家都知道，各种流派的哲学家简直不像在一个体系里的，连话语范式都完全不一样。”

　　如果从西方哲学史的角度来看，有关AI的设想更是早早露出了苗头。徐英瑾介绍，仅以十七、十八世纪欧洲哲学为参考系，就至少有笛卡尔、莱布尼茨、霍布斯、休谟和康德等哲学家，对人工智能的相关问题有所涉及，这些想法甚至超越了他们所处时代科学发展的限制。

　　人工智能跟东方哲学也有关联。徐英瑾提出了一个有趣的类比——儒家的本行，其实就是数据分析。孔子编诗经，就是搞数据搜集，“风”、“雅”、“颂”就是把周代各个小国以及社会生活方方面面积累的数据，做了一个典型性处理。

　　此外，儒家认为道德的养成不靠说教，而是以具体的做法陶冶情操、去除浮躁。“这很像神经元网络的训练模型。网络本身的习性需要通过投喂大量数据，然后调整网络内部计算单元之间的权重，使网络得以被‘养成’。”在徐英瑾看来，在这方面，孔子思想与基于人工神经元网络的认知哲学的路线，也是“很像”的。

　　人工智能需要思想地图指引方向

　　那么，哲学在人工智能面前，究竟可以扮演什么角色呢？

　　徐英瑾提出，哲学的头等大事是厘清基本概念。很多自然科学家往往在自己的研究中预设了相关问题的答案，却很少回头反思这些答案的合理性。“如果你能回到哲学史的角度，把不同流派之间的斗争历史都看明白了，就能把不同技术流派背后的门道弄清楚。否则，即使是专门从事人工智能研究的人，也容易被一大堆技术名词弄晕。一旦弄晕以后，他们就搞不清楚具体的技术方向在巨大的思想地图中处于怎样一个方位。”他说。

　　其次，哲学能让人们明白，人工智能这件事真的很复杂、很艰难。比如，关于“人性”是什么，经验主义和理性派的观点几乎是相反的。这两种观点针尖对麦芒，吵了好几百年。在这个过程中，两种观点之间出现了混合。徐英瑾认为，“如果大家能意识到技术背景里有哲学争论，就会明白——你所掌握的技术路径并不唯一。而如果仅仅站在具体学科分类的内部来看学科，就不容易受到其他学科思维方式的滋养。”

　　深度学习很可能破坏“文化生态”

　　徐英瑾承认，人工智能在带来便利的同时，也带来了一些麻烦。其中，最大的一个麻烦恐怕是，现在公众所理解的人工智能基本上跟大数据、深度学习画上了等号。特别是当Alpha Go在围棋界所向披靡后，深度学习和神经网络一下子占据了公众视野，几乎成了人工智能的代名词。

　　但“从学术上讲，这是有问题的。”徐英瑾补充说，实际上，人工智能所包含的流派庞杂，并不能完全被今天的深度学习所概括，但如今，话语权被一些技术寡头垄断，公众认知缺少了学术考证这重要的一环。

　　按照他的类比，如今炙手可热的深度学习，前身是神经元网络，它最大的“敌人”叫符号人工智能，曾长期在人工智能研究中处于主导地位。而符号人工智能和神经元网络之间的关系，就好像曹操和刘备，双方在人脉、资金、学术观点等众多维度，展开了比《甄嬛传》还要激烈的斗争。

　　徐英瑾担心的是，在Alpha Go出现后，深度学习、神经元网络变成了一个赢家通吃的东西。比如，深度学习在很大程度上需要依赖大数据，而这需要个体把信息全部上交。在徐英瑾看来，如果这样一种人工智能没有一个类似于“上帝之眼”的东西对大家进行监控，就会出现历史上从未有过的全局式情报搜集。人类社会得以运作的基本前提，是在隐私和公共之间寻找微妙的平衡点。可现有的大数据技术在实现通用人工智能所要求的灵活性之前，很可能已经大量吸取了人类社会各种情报，“这会破坏人类的社会结构，破坏了我们的‘文化生态’”。

　　徐英瑾认为，隐私的恰当保护在一定程度上就像水土的保护一样，构成一种软生态。如果一切变得过于透明，会导致类似水土流失的后果。在徐英瑾看来，包括大数据运用在内的深度学习对数据量的要求必须适度；一旦数据需求远远超过了社会供给，这种做法本身会面临伦理上的危机。(刘璐)

　　（摘编自上观新闻“互联网观察”栏目）