2024年9月18日，应中国科学院大学人文学院邀请，北京师范大学哲学学院教授、博士生导师、中国自然辩证法研究会副理事长，董春雨教授为中国科学院大学师生带来明德讲堂M992期讲座。讲座设有主会场：中国科学院大学雁栖湖教一楼208，另设有分会场：中国科学院大学玉泉路校区教学楼617。尚智丛教授主持本场讲座。
主讲人董春雨教授
本次讲座聚焦于人工智能这一热门话题。针对人工智能的“理解力”问题，讲座从认识透明性的角度分析了人对机器可能的认识把握程度及其要求，探讨了机器理解能力的本质及其限度，厘清了机器认识论的特征，并对人工智能与人类智能的本质联系与区别展开辨析，从而为国科大学子们提供了一条富有启发意义的思考路径。
董春雨教授首先回顾了人工智能的发展历程。起初，Alpha Go的横空出世表明，受限于个体认知能力的局限，在围棋方面，人类几千年来所积累的经验数据已不及机器在两三天内形成的经验数据。在这一时期，机器智能的训练与学习还主要基于人类经验及专家知识，“数据是粮食”是当时机器智能的主要特征；但之后，机器智能逐渐进入到了自我学习阶段，AlphaGo Zero等表明，在不需要人类经验及知识的情况下，机器智能的认识水平已远超人类；再之后，“AI for science”成为新的时代热点，Alpha FOLD等机器智能被广泛应用于科学研究当中，例如，在生物学研究领域，机器智能便被应用于蛋白质结构方面的研究；如今，ChatGPT的出现引发了新一轮人工智能的浪潮，随着人工智能体表现出近似于人类的“意识”，人们愈发担忧起人工智能对人类社会的威胁，人工智能是否会超越人类智能也成为当代极具争议的话题。例如，艾弗拉姆·诺姆·乔姆斯基（Avram Noam Chomsky）与斯拉沃热·齐泽克（Slavoj Žižek）均曾发文对ChatGPT进行贬损，埃隆·里夫·马斯克（Elon Reeve Musk）则主张对ChatGPT-4进行封杀。
为进一步加深国科大学子们对人工智能的理解，董春雨教授深入讲解了对“智能”的定义。回顾人工智能元年（1956年），“人工智能之父”艾伦·麦席森·图灵（Alan Mathison Turing）提出了检测人工智能体是否真正具有智能的方法，即图灵测试。董教授指出，图灵测试在方法论上根植于自然科学研究的方法论，伽利略·伽利雷（Galileo Galilei）的“密闭船舱”思想实验与阿尔伯特·爱因斯坦（Albert Einstein）的“爱因斯坦电梯”思想实验构成了图灵测试的思想基础。因此，图灵测试要求，当人们无法在功能上区分人与人工智能体时，便应当认为人工智能体具有了智能。
显然，由Sora到OpenAI o1，人工智能体已然具有了更强的逻辑能力与更高的智力水平，在这一背景下，人与人工智能体的界限问题以及二者之间的关系问题便充分凸显出来。就此，董教授提出了一项根本问题，即如何看待以ChatGPT为代表的人工智能的本质及发展趋势。从哲学的角度来看，由专门机器人到通用机器人，人与机器相比，出路在何方？从现实的角度来看，随着人工智能技术的广泛应用，人类的工作是否会被智能体取代？同时，董教授指出，根据雷·库兹韦尔（Ray Kurzweil）的观点，人类社会将在2045年迎来“奇点”，这意味着在2045年后，人工智能将超越人类智能。届时，人类与机器人之间的利益冲突、碳基生命与硅基生命之间的矛盾亦将成为问题。此外，董教授还指出，对于人工智能的善恶评判，许多人仍持有一种人类中心主义的立场。对于人工智能与人类的未来，人们提出了诸多要求和期望。然而，在董教授看来，这些愿景能否转化为人工智能技术实践，或者说，人工智能能否具有人们期望中的能力还是一个有待解决的问题。
讲座现场
由此，董春雨教授探讨了以下九方面问题：认知透明性与认识（全过程）透明性的区分与联系、透明性概念、测量与透明性、语言（表征）与智能的边界、随机突现等对人工智能的哲学意义、人工智能研究中主体间性与解释学维度的探讨、碳基与硅基关系、非理性因素的机器实现、统计（概率）本质与相关性或因果性。
在本次讲座当中，董教授着重强调了认知透明性与认识（全过程）透明性的区分。
关于认知透明性，他指出，透明性（luminosity）是认知哲学的核心概念。认知哲学体系内的透明性研究关注人的心灵与人的认识之间的“透明”关系，并认为“对思维的最恰当的理解，是将其视为心智中的表征结构以及在这些结构上进行操作的计算程序”——这种对人类心理的基本理解被称为CRUM（Computational-Representational Understanding of Mind），即“我知道‘我知道’”。然而，并非所有的哲学家都默认人类认识对心灵而言是透明的。蒂莫西•威廉姆森（Timothy Williamson）曾表示“我们并非对我们对认知家园无所不知，我们在认知上是无家可归的。”因此，威廉姆森提出了与透明性相对的另一个概念“opacity”，即“反透明性（与认知哲学中的“luminosity”相对）”或“不透明性（与计算机科学及其相关的哲学讨论中的“transparency”）”。
关于认识透明性，他指出，自古希腊至今，哲学与科学的不断发展在某种程度上都是为了实现对世界的所谓“理解”，而这便是透明性认识。例如，在古希腊时期，哲学家毕达哥拉斯（Pythagoras）提出了“万物皆数”的观点，强调对世界的数学描述与抽象化认识的重要性；在近代时期，伽利略将宇宙视为一部由数字写成的大书，并以实验与数学相结合的方式研究自然界。艾萨克·牛顿（Isaac Newton）建立了以运动学三大定律和万有引力定律为公理基础的理论体系，开创了近代科学分析，解决问题的基本科学方法论模型或范式；在当代，约翰·惠勒（John Archibald Wheeler）则进一步提出了“万物源于比特”的观点；而随着计算机科学的深入发展，一种新的世界观——计算主义逐步形成，这种世界观将宇宙看作可计算的量子计算机，将物质视为信息模式，将物理规律看作是算法，形成了一种信息论式的科学范式，并认为万物均可通过算法理论而实现。
在这一背景下，董教授认为应当关注到保罗·汉弗莱斯（Paul Humphreys）对认识不透明性的论述。汉弗莱斯认为，“假若认识主体X在时间t不了解与这个过程相关的所有认识论元素，那么该过程相对于主体X，在t时刻是认识上不透明的。”董教授指出，汉弗莱斯提出的认识不透明性不同于认知不透明性。后者仅仅局限于对认识主体自身心灵性质的反省，而前者则着眼于认识的全过程，并将认识的主体、认识的客体、认识的过程和方法等各种因素与各个环节全面纳入所考虑问题的范围之内。因此，可以在三个方面对人工智能进行研究：在智能体X（agent X）方面，可以探究智能体的自心及他心问题；在客体方面，可以讨论人工智能领域的表征与模型问题；在过程方面，则可以对诸如算法偏见、暗知识等方法问题展开研究。
董春雨教授指出，以上分析讨论扩展且深化了透明性概念的内涵，并进一步表现为以下六个问题：（1）因果机制问题：在讨论机器智能能否超越人类智能时，应当关注机器能否理解其认识过程的问题，如果机器无法把握因果的具体机制，那么机器便无法“透明地”认识世界，也就难以超越人类；（2）非理性因素问题：机器难以实现具有非理性因素自由意志及情感；（3）表征问题：机器学习需要将知识转化为数字符合，但在人类社会中还存在默会知识（例如，游泳或骑车等技能）与具身知识（由大脑外的人类身体所掌握的技能及知识）等难以转化为数字符合的知识，这些知识难以符合表征因而无法传达于机器；（4）随机突现导致的“黑箱”问题：当前的人工智能训练主要采用的是多层次神经网络方法，在深度学习过程中，人工神经网络被分成多个不同的隐藏层，每个层级之间的关系是从量变到质变的突变或涌现。这意味着人工智能学习所依据的是相关性，而非因果性，其内在机制实际上是一个“黑箱”；（5）语境问题：人们日常生活使用的自然语言难以进行逻辑化处理；（6）主体间性与解释学问题：人类的认知基础偏向于伊曼努尔·康德（Immanuel Kant）提出的“先天综合判断”——人生下来就有蕴含在DNA中的区别于其他物种的认识世界的能力，而机器认知既需数据投喂，又靠算法支撑，故而其认知基础倾向于约翰·洛克（John Locke）提出的“白板说”。二者在认知前提上的差异可能预示着碳基生命与硅基生命在智能类型上的区别。
现场学生提问
现场学生提问
董春雨教授的讲座概述了人工智能的发展历史及现状，对认知透明性与认识（全过程）透明性进行了辨析，并从认识不透明性角度出发，深入分析了人工智能的本质与限度。讲座最后，多位同学对本次讲座提出了具有启发性的问题，在学生们热情洋溢的掌声中，主持人尚智丛教授向董春雨教授颁发了明德讲堂纪念证书，明德讲堂M992报道：“从机器认识的不透明性看AI的本质及其限度”就此落下帷幕。
