华晨宇的爸爸华福雄摘要：电气自动化是电气信息领域的新兴学科, 发展十分迅速, 并且已经形成了一个较为成熟的技术体系, 是高新技术产业当中的重要构成部分。电气自动化与人们的生活、社会生产存在密切关联, 在工业、农业等领域均有广泛应用, 是推动国民经济发展不可忽视的力量。近年来, 随着人工智能技术的不断成熟, 其应用范围变得愈来愈大, 在电气自动化领域也有所涉及。将人工智能应用于电气自动化控制当中, 可优化参数调节, 进一步提升电气自动化控制效率, 有利于降低生产成本。基于此, 本文对人工智能在电气自动化控制中的应用进行了综合性阐述, 以供参考。
人工智能是计算机科学的重要分支之一。它了解智能实质, 并生产出一种新的能以人类智能相似的方式做出反应的智能机器, 机器人、自然语言识别处理、专家系统、图像识别等技术均属于人工智能范畴。在电气自动化领域当中, 人工智能与传统人工控制相比, 其最大的特点在于能够以计算机技术为辅助, 完全实现机械设备自动化、精确化控制, 能够大幅度节约人力资源。在工业化生产过程中, 通过人工智能技术能够对各项信息数据进行实时传输、动态分析、处理, 并能够将生产过程中存在的问题及时向控制管理人员反馈, 最大程度地自动化生产的稳定性与安全性, 有利于提升工业生产效率及质量, 在节约生产成本的同时, 可获得更大的经济效益。
与传统控制方法相比, 人工智能应用于电气自动化控制过程中具有以下优势: (1) 稳定性较好。以往在电气自动化控制过程中, 容易受到其他不确定性因素干扰而出现故障, 会对生产线稳定性产生一定程度影响。人工智能技术所形成的智能函数不需要对对象进行模型控制。即便实际该控制对象当中存在不稳定或不确定因素, 甚至是难以适应动态变化的控制对象, 均可满足控制需求。也就是说, 借助人工智能技术, 能够简化省去获取精确动态模型的步骤, 让电气自动化控制具备更强的适应能力, 针对于不同可对生产设备进行动态性调整, 生产的稳定性与安全性。 (2) 可有效提升电气自动化控制精度。借助人工智能技术的动态调节功能, 能够设备在预设参数下保持稳定运行状态。在实际操作过程中, 无需对参数进行变动, 了实际工作参数与预设参数的一致性, 可提升电气自动化控制精度, 实现高效控制管理。 (3) 性能突出。与传统控制方法相比, 人工智能所形成的函数设计中并不需要专家参与, 对相关数据分析即可应用, 过程较为便捷, 且具有良好的适应性, 运算成本低, 运行效率高, 具有良好的抗干扰能力。
电气自动化控制在电力系统当中具有广泛应用空间。将人工智能技术融入其中, 更有利于电力系统发挥作用, 提升其运作效率: (1) 专家系统。应用知识获取的多层流式模型, 可以自动获得变电站拓扑结构及配置等方面的知识, 用于产生变电站停电后的恢复方案的确定;采取面向对象技术开发用于系统设计的专家系统, 能够进一步提升电力网络设计与系统设计的协调性;人工智能技术可辅助电力系统智能系统开发, 能够对电力系统整体运行情况进行动态;用于以式优化方法确定配电系统中对地电容器和电压调节器的地点, 可降低线损耗及投资成本。 (2) 人工神经元网络。在电力系统当中, 利用多个人工神经元网络, 能够实现自动化故障检测, 为电力系统安全、稳定地运行提供保障;人工神经元网络可模拟事故, 并自动选择处理方案, 可进行静态安全性评估;通过非线性优化方法对多层前馈神经元网络进行训练, 能够对受扰动的电压和电流的正弦波形进行预估;借助人工神经元网络整定数字距离, 有利于设备自动适应网络运行条件变化, 让设备保持稳定的运行状态;人工神经元网络还可用于电力系统暂态稳定评估。 (3) 模糊进化优化方法。在解决发电规划、输电系统扩展规划、确定发电机励磁系统参数协调时, 模糊进化优化方法均能够发挥作用。 (4) 模糊集理论。采取模糊集理论可对配电系统负荷水平进行评估, 对各类用户随不同因素的变化进行整合性分析;采取多目标模糊决策方法, 可进行故障测距及故障识别。
通常情况下, 故障诊断主要涵盖了3个步骤, 即检测设备状态特征信号;在所检测的信号当中提取征兆;根据征兆及其他诊断信息对设备状态进行识别。从故障诊断诊断发展趋势来看, 将专家系统方法与故障诊断技术进行结合是未来设备故障诊断的重要发展趋势。通常情况下, 为了对设备故障进行诊断及维修, 需要对设备工作情况进行测试及。为了能够准确获得设备运动状态信息及情况, 在设备当中会置入一些功能执行部件, 并安装传感器, 反映出温度、压力、功耗等信息。部分设备控制器数据当中还涵盖了各种运动状态信号、控制器I/O信号等。设备一旦出现故障, 可通过对控制器内各类信号及信号间的逻辑关系进行分析, 便可获得具体故障部件及信息。设备故障诊断专家系统是借助各类诊断知识对数据库监测到的信息进行分析、整合、处理, 并对设备运行状态进行判断及推理的软件系统。当设备运行出现异常时, 设备故障诊断专家系统能够对相关信息进行智能化判断、分析, 获得故障具体原因, 并反馈故障诊断、推理过程解释及故障处理结果。
人工智能在电气自动化控制中应用可归纳为传统方式的智能化改进, 关键技术的延展与创新, 多元因素的智能化融合。电气自动化控制已经发展多年, 并具备了较为成熟的技术体系, 但在部分领域依然具有较大的发展潜力及空间。借助人工智能技术, 能够进一步提升电气自动化控制效率, 拓展电气自动化控制应用范围。除了专家系统、人工神经元网络等技术外, 未来大数据和云技术也将逐渐融入电气自动化控制当中。在面对大时间跨度、大用户范围、多类型行为等因素时会涉及庞大的数据规模, 数据信息之间关联关系不易分析。大数据可将潜在性的数据信息充分发掘出来, 借助云计算技术则可以解决信息数据规模过大的难题, 进行更为准确的信息数据分析。
[3]姜关胜.人工智能技术在电气自动化控制中的应用问题探讨[J].电子技术与软件工程, 2015 (20) :150.
[4]朱子龙.人工智能技术在电气自动化控制中的运用探讨[J].科技创新与应用, 2012 (17) :14.
摘要：人工智能是全球科技发展的一个热点, 其在多个领域都有突出的应用。本文主要简介了人工智能在新药研发、辅助疾病诊断以及精准治疗方面的应用, 并对其发展趋势和前景进行了相关思考。
生物医疗是与工程技术密切相关的学科, 它是将工程学的方法应用到医学领域以提高医疗水平, 使患者得到更好的治疗。随着社会进步和人们健康意识的增强, 迫切需要提升医疗技术及水平。然而现实却存在医疗资源不充分和不平衡性、新的药物研发周期漫长以及医务人员缺乏等问题。
人工智能 (AI) 是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学[1]。从其诞生至现在, 经无数多研究人员的努力, 不仅成就了AlphaGo, 而且其在很多领域都有让人惊奇的表现, 其强大的智能也为生物医疗提供了新的生机和可能。如在新药研发、辅助疾病诊断、医学影像、辅助治疗、健康管理、临床决策支持等领域, 都有实操案例[2]。本文将重点介绍AI在生物医疗的三种应用:即AI与新药研发、AI与辅助疾病诊断以及AI与精准治疗, 并对其发展趋势和前景进行了相关思考。
新药研发的痛点是周期长、费用高和成功率低等特点, 结合AI技术的药物研发将在提高效率和降低成本方面大显身手。AI研发新药是指通过AI的深度学习技术, 结合大数据分析等手段, 在众多的化合物中准确、快速挖掘和筛选合适的化合物, 用于新药的研究, 这样就使新药的研发成本降低、研发周期大为缩短, 较大程度地提高了新药研发的成功率[3]。
以Berg Health公司为例说明AI在新药研发中的应用。Berg Health是一家数据驱动型生物研究公司, 其特色是使用大数据创建新模式进行前沿领域的药物研发。与传统的依靠生物假设不同, 这种模式是依靠生物数据提供可操作的方法, 研究疾病发生时新陈代谢的变化机制, 其在代谢性疾病、神经系统疾病方面积累了丰厚的经验。在药物研发平台, 如何创建病人“图谱”, 是一个关键难题。该公司平台将AI、大数据分析、基因组学、蛋白组学和代谢组学以及生物模型元素结合的方式, 挖掘有用数据进而推进药物的研发效率[4]。
在极为关注的药物活性、安全性和毒副作用方面, AI可以通过计算机模拟进行预测。目前, AI借助深度学习, 不仅在抗肿瘤药、心血管药和常见传染病治疗药等领域取得了新进展和突破。
临床上进行高质量的疾病病理诊断是有效治疗的重要前提。然而当前的状况是, 常规的病例诊断需要投入大量的人力成本, 即使这样, 质量保障也难尽人意。而基于AI开发的病理诊断, 主要是通过计算机不断“学习”医生专家的医疗知识、经验, 并进一步模拟医生对病理的思维认识、诊断过程推理模式, 达到智能辅助诊疗的目的, 这类方法可大大提供诊疗的精确性。
IBMWatson是目前全球医疗领域最先进的AI工具。临床医生在Watson输入患者的关键指标, 仅需几十秒, Watson就可以在庞大的数据系统中, 对比超过几百种医学专业期刊、肿瘤专着, 以及成千上万的论文研究档案, 快速匹配最佳治疗方案。该系统的实质是将自然语言处理、认知技术、自动推理、机器学习、信息检索等技术进行深度融合, 并能够给予假设认知和大规模的搜集、分析和评价。2012年Watson通过了美国职业医师资格考试, 为美国多家医院提供辅助诊疗服务。目前Watson能够提供包括乳腺癌、肺癌、结肠癌、前列腺癌、卵巢癌等多种癌症的诊断服务[4]。
在其他方面, 也有类似AI为人类诊断的事例。美国研究人员编制的AI软件能够将病人的图像结果直观地翻译成诊断信息, 速度快, 准确率高, 能够准确解读乳腺X线影像结果, 帮助医生快速准确预测乳腺癌风险, 该项发表在国际学术期刊Cancer上。
国内在20世纪70年代也曾研制过专家诊疗系统, 如为模拟老中医关幼波大夫对肝病诊治的程序, 中医学院研制了“关幼波肝炎医疗专家系统”[2], 进行辅助诊疗。20世纪80年代初, 福建中医学院与福建计算机中心研制了林如高骨伤计算机诊疗系统。其他如厦门大学等高等院校和其他研究机构开发了基于AI的医学计算机专家系统, 并成功应用于临床。
由上所述, AI疾病诊断上的应用, 主要还是依赖于其对大数据的分析与处理, 这也是它能够在科学家们众多探索尝试中脱颖而出的原因所在。
目前已有不少科研团队在这方面有了一些:韩国高科技科学院等机构的科学家们通过深度学习开发出一项技术, 能以超过84%的准确度识别未来三年可能发展成为阿兹海默病的潜在病人;斯坦福大合研究团队开发出了皮肤癌诊断准确率媲美人类医生的AI, 其诊断准确率在91%以上[6];我国第三军军医大学研发的一项技术, 可以在30s内检测出ABO血型和Rh血型, 仅用一滴血在2min内完成包括罕见血型在内的正向和反向同时定型, 同时团队还设计出一套智能算法, 能够根据试纸的颜色变化读出血型, 定型准确率超过99.9%[7]这些科研, 无一不是展示了AI应用于生命科学的宏远前景。尽管AI已经能够解决很多医学上的难题, 但是实施的时候依然会面临很多问题。
(1) 如何获得高质量的数据。目前, AI获得的数据样本的数量有一定的限度, 其数量和质量应该如何进行合理分选, 以机器学习这些数据的有效性, 这直接关系到机器学习的效果, 如何获取高质量的临床数据, 更有利于AI在在医疗行也的应用是一个重要的前提。
(2) 如何更大限度的病人的个人隐私。从一开始建立病人的档案、制定病人的医疗和保健计划时, 就要考虑病人的隐私, 在后续的各种环节, 如文件储存、文件传输、文件访问和研讨时, 按照何种方式进行更为有效的保密处理, 既能病人隐私, 又不影响数据的应用和模型的开发, 这是目前智能医疗在建库之初就必须考虑的问题。
(3) 如何让人们更加信任AI在生物医疗中的作用。受人们多年来传统观念的影响, 让基于AI的系统来进行疾病等的诊断, 人们内心还可能不一定接受。即使再智能的机器, 也无法代替人的情感、关怀, 也很难理解病人的心里感受, 这些与医生相比, 确实存在很大的弱势。因此, 疾病的诊断和治疗等不可能很快地就实现单纯技术上的AI医疗, 可能还有较为漫长的要走。
即便面临诸多挑战, 但AI发展的趋势已经势不可挡, “漫漫其修远兮, 吾将上下而求索”。随着AI、移动互联网、物联网、大数据、可穿戴式设备等创新技术的发展, 国家对AI愈加重视的情况下, 医疗健康全流程管理的各个环节将会越来越智能化, 相应的新药研发、精准医疗等将会越来越有针对性, 再伴随着医疗机器人的发展, 相信在未来的医疗愿景里, 许多基础性服务将能由AI来完成, 医生将能够有更多的时间与精力来做好患者的服务、沟通和从事创造性的医疗工作。国外的智能医疗产业有了较为蓬勃的发展, 我国的AI与医疗应用的结合尚处于起步阶段, 虽然现在已有多家智能医疗创业公司, 但是在数据库的建设和开发、算法以及通用技术等方面还要加强投资力度和研发强度, 使AI在生物医疗的领域不仅有的技术基础, 还要有更为宽阔的应用领域。
[3]智慧健康传媒品牌.传统医疗科研.借助AI研发抗癌药物.智慧健康, 2016 (5) :44~46.
摘要：新世纪以来, 随着计算机科学技术的不断创新和发展, 全世界的步伐也开始从互联网时代迈向智能化时代。互联网的飞速发展给人类生活各个领域带来了巨大的变革, 大大提升了人们的生活品质。而人工智能的引进更是传统观点的一次创世纪的创新, 是一个时代进步的体现。人工智能技术最大的优点就是能够“以一抵百”的充当人类的劳动力, 而且两者相比人工智能技术的效率更高。这对于企业或者公司来讲对生产力和生产关系的调整和适应是至关重要。其次, 人工智能技术也与互联网紧密结合为更大限度的提高了人们的生活体验。而在电气自动化控制这一领域, 人工智能也逐渐融入进去发挥着不可忽视的作用。从整个电气自动控制领域来讲, 人工智能技术的融入可以说带来了一场学术与实践的大, 前景一片。本文以电气自动化控制技术为主线, 首先对人工智能技术进行简单的认识以及对当下该技术的优势进行分析, 以便更好的对电气自动控制中融入的人工智能技术所创造的价值进行更好的认识。
要了解这两门技术首先我们必须对生产力和生产关系有一个清晰的认识。在时代背景之下, 社会经济的发展离不开基于先进科学技术的强大的生产力作为基础保障。生产力也需要持续的对社会结构产生的变化做出适应, 以整个社会体系能够稳定的运行。一旦调整不及时必然会导致严重的社会关系问题, 造成不可的影响。电气自动化控制与人工智能技术的结合为电气自动控制增添了许多新的优点。最主要的是对电气自动化成本、效率等方面的一个帮助。
随着互联网时代向智能化时代的迈进, 互联网技术的日趋成熟, 其应用也早已进入生活的各个领域成为人们生活不可分割的一部分。这也为智能化的普及奠定了扎实的基础。结合了信息化、智能化以及自动化的人工智能技术也迅速扎根开始壮大。人工智能技术的定义是指运用新的理论、技术, 将之融入到物理设备中实现智能化的功能, 进而能够在实际生活中进行使用。随着人工智能技术的兴起对该领域的研究也日益加深, 目前来讲, 人工智能已经涵盖多个学科的知识, 每一个方向都有一个详细的对技术的探讨过程。已呈现星星之火, 燎原之势。并且, 目前一些技术很强的机构和企业也在不打断的进行人工智能在教育、生活以及工作各个领域的尝试。就行VR技术、图像识别等。人工智能技术在以设计者为意志的前提下, 通过物理设备, 机械结构这样的人工设备实现效率的最大化。在电气自动化控制技术中人工智能技术减少了许多在生产过程中出现的故障问题。
自动化控制技术的本质是对一个输出信号进行反馈的一个收集并与输入信号相比较的过程, 其难点就在于两种信号的比较。延伸到技术领域中, 以物理设备、机械结构作为终端以技术作为贯穿它们之中的东西, 实现设备在设定程序下的自运行。进入新世纪以来, 最火的一个词就是“神经网络系统”, 这也算是人工智能的精华所在。人工智能就是通过计算机将人类的行为进行数据上的分析和采集, 实现智能运作。本质上, 该项技术是对人思维的一个重现, 在运用到实际生活中以后如何对信息进行采集和分析, 又怎样根据实际情况作出调整以防不安全的事儿发生。好比, 当一个人的手指碰到火焰的时候, 会感觉到烫立马移开, 那么一个设备如何在各个领域就像人一样到“烫”这个信息作出调整。这也是人工智能技术应用普及的关键所在。因此, 人工智能技术在电气自动化领域中的使用也彰显的更加有意义, 不仅仅能够让设备对情况的判断更加精准, 对自动控制技术来讲也是一项巨大的很有潜力的创新。
使用背景不同人工智能技术的应用方法也会随之改变, 当我们应用到实际中的时候一定要切实对实际情况进行分析, 目的就是能够实现电气自动控制与人工智能的完美融合。人工智能的优势也概括为以下四个方面。
前文我们提到人工智能的使用基于计算机网络技术的发展, 经过处理以后对于使用人员来讲其操作务必是简单易懂的, 再者计算机技术也能够系统在运行过程中不会受到较多认为的干扰, 只需要按照程序自运行即可。周期性的对设备进行检修, 工作的正常进行。能够很大限度的电气自动化生产线 设计便捷
传统控制模式对控制器、控制方式以及控制参数的要求较为严苛, 因此其中必然会在各个环节汇总伴随着许多不确定的因素对系统的稳定造成影响。其次, 随着当下科技水平的, 智能化的设计也向着高品质、更加便捷的方向走去。人工智能技术实际上不仅仅是对传统控制器的一个改进, 对于整个控制闭环系统来讲其功效也是巨大的, 宏观上来讲智能化元素的加入让传统控制更加。通过智能函数对模型进行虚拟设计、建设相对前者非常便捷。
电气产业对工作人员自身的专业知识以及实践经验的要求很高, 这也是这个产业能够安全顺利进行的基础。从整个工业的发展史中我们可以知道从蒸汽时代过渡到电气时代以后, 当时的电气设备虽然能够创造许多当下背景的先进生产力, 但是电气物理设备还是一个相当笨重的东西。如今, 我们的产品都已经经过许多更新变换, 并且向着便捷化的方向迈进。相关权威机构研究总结得出传统手工依靠经验进行工作的方式具有很大的不确定性。凭借计算机网络对电气设备和产品进行设计和控制, 很大程度的提升了整个行业的效率。在实现人工智能技术在电气自动控制行业的引进以后, 工作的效率明显得到了更进一步的提高。
传统的电气产品的设计离不开多年实践经验以及相关知识相结合这一个途径, 产品整体的实用性一般技巧性也相对比较低, 只能切合当下某个工作的需要。随着人工智能技术的不断深入, 在电气自动控制领域进行设计的时候也在逐渐加入智能化的元素。相对之前的生产模式如今的智能生产在制作质量和标准要求两个主要指标的精准度也不断提高。同时, 在电气自动控制领域中人工智能的故障检测功能也与两者切合的很好, 能够实现对工作情况的实时监测, 对工作进度的记录分析等传统模式多无法实现的工作功能。及时的数据采集和处理为整个系统工序的进行提供了更多科学的依据, 为进一步对系统工艺的分析留下了了准确的信息。
电气控制领域涉及到的都是强电弱电的操作, 当员工工作时对其工作专业素养的标准较高, 此外复杂的流程也制约了整个电气工艺的进一步成长。如果使用不当, 很容易造成很大的安全隐患。当下人工智能控制技术的融合大大简化了电气工作的流程, 既保障了人员的生命安全, 又能够让整个工艺系统平稳的进行。并且, 现在也可以实现远距离的操作, 只需要工作人员日常进行值守即可电气流水线 人工智能技术与预防处理
对电气行业的预防处理主要是对整个系统可能出现的问题的一个提前预防, 以及对事故的及时处理和消除后续影响的过程。不可避免在工作过程中会出现一些突发的故障, 人工智能技术就是能够实现故障出现前的预判, 把故障消除在萌芽状态。并且对故障的原因进行分析和记录留下备案。如果已经出现故障也能够第一时间锁定故障出现的, 对工艺过程做出适当的处理, 对故障进行回报和维修。
5.1 人工智能故障预处理人工智能技术在电气自动控制中的使用已经有一段时间, 当今国内许多企业或者大型电网也已经开始逐步接受和转型。在现实生活中, 人们对电力的需求非常大, 客观上也在不断的着电力公司的供电技术水平。而首要考虑的就是对故障的处理这一大技术问题。反观国内对电力故障的处理, 主要还停留在“后知后觉”的阶段, 即当问题出现以后迅速锁定进行维修。然而, 随着人工智能技术的引入这种模式也发生了重大的变革, 开始呈现对故障的“前馈”控制。即提前对电网进行检测, 当出现问题时能够根据情况进行一些自处理, 实现电网的自救。这样可以大大减少传统模式下大范围里中故障以点出现造成的时间和物资成本的消耗。依托智能化的系统构建一套故障处理系统, 包括:电网监测、故障锁定、处理以及系统这四个环节。同时也能够根据情况对发生的故障进行选择性的区域隔离, 能够尽量减少对整个大的电力网络的波及。这样做的目的是在维修的过程中能够实现效益的最大化, 最大程度的降低将会造成的损失。
人工智能另一大特点就是能够结合计算机技术进行用户终端的开发和设计。在电力电网中加入人工智能技术使其转变为智能电网, 最后都在智能终端上进行显示, 减轻工人或者使用者的用户体验, 这也是其化繁为简的重要一步。智能终端就像我们的收集界面一样, 分模块对电网重要信息进行梳理和搭建, 实时的显示电网整体的各项指标以及用户个人用电指标。对于用户来讲, 用户也可以直接通过终端对自己的使用情况进行随时的查阅, 大大节省了相关计量部门的工作量。最重要的是这样一个智能终端也可以根据用户的使用数据进行下一个月的用电金额预算和提醒, 制定属于不同用户的专属方案。对于电力部门来说也能够利用此终端进行相关电力政策的及时通知, 让人们“智”享生活。
人工智能技术正是属于当下科技前沿的一项高新技术, 它广涉多门学科, 而它的使用也具有巨大的潜力。不论是在电气自动化控制领域还是其他方面他都越来越有着重要的意义, 对我国社会经济和社会劳动力体系有着巨大的指导作用。人工智能技术与电气自动化控制技术的结合也注定是电气领域的一张巨大变革。参考文献
[2]钱卓昊.人工智能技术在电气自动化控制中的应用探究[J].中国高新技术企业, 2016 (16) :51-52.
[8]金明, 王海红, 薄明明, 蒋云彩, 许志文.浅析电气自动化控制系统的设计思想[J].中国高新技术企业, 2016 (02) :139-140.
摘要：随着当前科学技术的快速发展, 电子信息工程对人们的生活质量提高起到了很大的作用。同时人工智能也逐渐成为当前炙手可热的术语, 在人工智能的发展中, 电子信息工程也是其非常重要的技术支持, 并且二者都是作为提升信息产业核心竞争力的基础。电子信息工程是随着社会的发展而产生的学科, 以计算机技术为核心, 其具有非常显着的特点。人工智能在很大程度上依赖于电子信息技术, 目前随着研发的大量投入, 取得了很多, 二者的结合与发展在一定程度上促进了社会的进步。电子信息工程以及人工智能在近些年的快速发展, 相互结合, 使得国家的生产力在很大程度上得到了提升。
电子信息工程是当前社会在发展过程中的科技结晶, 通过有效运用电子信息工程能够更好地促进整个社会的发展, 也能够为人们的生活带来很大的便利。作为电子技术与信息技术结合的产物, 电子信息技术兼具二者的优势, 目前已经被高效地运用在生活与工作中的很多领域, 明显提高了相应产业的效率。电子信息技术的快速发展, 在短期内的确为社会带来了很大的好处, 比如为相关行业提供了更多的就业岗位, 并且在一定程度上促进了财富的增加。人工智能作为目前在研究的特点, 对于提升人机交互、解放劳动力以及提升生活质量等多方面都具有积极的意义, 因此人工智能的成功研究将会像新一轮科技一样给大众的生活带来性的提升。2016年的第五届中国电子信息博览会聚焦于人工智能, 业界普遍承认人工智能在技术上部分依赖于电子信息技术, 二者在学科上有相互交叉, 当下电子信息工程与人工智能的融合将是一大热点。近些年与二者相关的产物也是在不断增多, 比如前段时间谷歌研发的“阿尔法狗”, 百度最近在潜心研发的智能驾驶汽车等都指明了未来人工智能的发展方向。
随着当前社会的快速发展, 很多国家都将电子信息工程技术的研发置于重要的地位, 使之带动整个社会经济的发展。我国当前的综合国力在不断提升, 这和电子信息工程的发展不无关系。电子信息工程并不是一个的学科, 其和很多工程以及技术都有着千丝万缕的关系。电子信息工程在当前信息技术快速发展的状态下处于不断完善的状态。同时, 电子信息工程也涵盖了很多的领域, 是当前科学技术水平的集中体现。电子信息工程主要借助当前先进的计算机技术以及互联网技术等, 对信息资源等数据进行科学的处理, 使之成为对社会有用的信息。近些年我国的电子信息工程技术虽然发展迅速, 不论是在适用性上还是稳定性上都得到了明显的提高, 但是在实际发展中仍然有很多问题需要行业予以重视, 否则就会使矛盾激增, 阻碍电子信息工程的发展。首先就是在电子信息工程的经费方面。当前一些部门并没有意识到电子信息工程对于国民经济发展的意义, 因此在其发展的过程中往往会轻视其存在, 这就会使得相应的经费不足, 无法对电子信息工程现代化进程进行优化。一些企业虽然意识到该技术的重要意义, 但是缺乏有效的资金与资源作为支撑, 因此对该技术的发展会产生一定的负面影响。其次就是近些年我国在电子信息领域的创新能力不足。虽然前些年在相关领域取得了突破性的进展, 但是从技术层面来说, 很多核心内容都还需要从国外引进, 我国并没有掌握核心知识产权。并且由于我国在该方面缺乏相应的技术积累, 因此使得近些年我国电子信息工程的创新能力较差, 很多时候都是跟着国外的道前进, 在很大程度上了该技术的发展。
人工智能和电子信息工程有很多相似之处, 其也不仅仅是一个单一的学科, 是融合了计算机技术、信息技术、心理学和控制技术等多种学科的核心技术, 通过对当下的电子计算机技术予以整合来实现的人工智能。人工智能技术也是当前研究的热点, 在今后的发展中具有非常深厚的发展潜力。在新时期下的人工智能存在很多的优点。首先, 当前的技术需要能够真正地与人进行沟通交流, 通过人工智能技术能够为人们之间的沟通提供便捷的渠道, 让大众能够做到“足不出户了解天下事”。当然, 人工智能技术便利的不仅仅是, 对于企业来说也有很大的好处, 可以使之更快地实现企业的经济目标。人工智能技术的发展也是经过了很长的时间, 但是近些年发展得火热。随着世界上第一部计算机的出现, 已经能够对加法实现了机械运算, 这种运算的成功也使得很多科学家在该领域投入更多的精力, 其技术也在不断完善, 这也是人工智能发展的第一个阶段。当然随着计算机技术的快速发展, 人们对于人工智能工作的研究也在不断地深入, 从以往所谓的机械式的模仿到现在对人类思维的模仿, 其中也出现了很多的问题, 但是人工智能技术在发展中也实现了不断的创新。
人工智能可以说是继蒸汽机、电力、互联网等技术之后的新技术, 当前在医疗、金融、教育、加剧、汽车、新零售等领域都有很广泛应用。比如在教育领域, 人工智能除模拟人类传递知识外, 能通过皮肤电导、面部表情、姿势、声音等生物监测技术了解学习者的学习情绪。美国大学开发的Attentive Learner智能移动学习系统能监测学生的思想是否集中, 从而调整策略, 协助教师提升教学效果。
人工智能作为新兴学科, 随着人工智能技术的发展, 应用场景将不断丰富, 并驱动其支撑技术的持续发展, 人工智能的市场规模将逐步扩大, 并且终将逐步迈向“智能时代”, 人工智能作为互联时代前沿的新兴技术, 将逐步与电子信息技术更好地结合, 并且渗透到更多的行业。要能够将“人工智能”新概念广泛开来, 针对性地提升相关技术在实际中解决问题的能力。在新时期下要确保理论与实践的创新, 做到电子信息工程与人工智能技术之间的无缝衔接, 在未来的发展中, 应当将人脸识别、智能家居、无人机、语音交互等内容作为重点方向。
电子信息工程与人工智能在技术上有很多的交叉点。人工智能主要融合了控制论、信息论、计算机技术、神经心理学、心理学、语言学等多领域的内容, 和当前的电子信息技术在学科上会存在很多的重合点, 二者都会借助电子计算机技术来实现相应的运算, 因此在二者融合的过程中, 会更容易实现在技术上的关联, 比如数字电子技术、数字信号处理技术、单片机技术、C语言程序等基础内容。当前人工智能被提升到了国家发展的战略高度, 并且人工智能的快速发展以及相关领域的突破, 会为新一轮的科技产业注入生命力。当前需要大力发展人工智能技术, 这也是中国经济转型的关键。当前随着社会的发展, 电子信息工程的应用也常的广泛, 对人们的生活与工作都产生了很大的影响。当前很多知名的企业对电子信息工程以及人工智能等都进行了非常深入的研究, 比如华为、大疆无人机以及BAT等企业, 在相关领域不断地开发, 也在很大程度上刺激了新兴领域中有更多人才的涌入。大众也着实能够感受到当前一些人工智能产物提高了的生活质量。比如在手机产业, 通过不断升级的软硬件技术来提升手机的智能化效果, 手机现在的功能越来越多, 从VR到AR, 从2D到3D, 也着实为大众的生活提供了很多的乐趣。电子信息工程与人工智能发展的目标相同, 二者充分体现着科学性的原则, 其主要目的也是为了更好地大自然, 进而为人类社会提供更好的服务。当前的人工智能发展的目标主要希望通过增强机器与人之间的沟通, 进而方便人们的生活。近些年随着移动互联网、大数据以及基于云平台的物联网的大规模计算能力的不断提高, 可以使得及其通过深度学习来不断完成日益复杂的任务。而人工智能中的机器学习、自然语言处理技术、图像处理技术、人机交互技术等都与电子信息工程有着很大的联系, 因此二者在未来的发展中势必相互依存。相关技术的发展少不了资金的支持, 并且二者在发展过程中应当遵循实用性的原则, 确保在降低信息工程及人工智能等技术的研发资金的投入的基础上提升研发效率, 减少当前在某些技术不必要的资金投入。
人工智能化技术与电子信息技术相互促进, 二者高度融合, 共同向前发展。当前正处于信息化时代, 诸多行业都与人工智能技术有关联。当前不管是何种行业, 都离不开人工智能技术的辅助。并且人工智能与电子信息工程处理信息的方式也存在很多相同的地方。
人工智能与电子信息的结合也存在一些缺陷。首先就是缺乏一定的稳定性。因为人工智能技术处于新兴阶段, 电子信息工程也主要是依靠电子信息技术, 因此在实现后者智能化的阶段可能无法更好地衔接, 进而使系统出现混乱。随着当前人们对于系统的要求不断增高, 处理的信息也变得越来越复杂, 主要包括处理信息形式的变化。因此在新时期下, 人工智能与电子信息的结合应当朝着更加科学化的方向发展, 适应新的发展形式, 解决当前面临的更加复杂、不确定的诸多问题。
电子信息工程的发展在一定程度上折射出了我国工业信息化的发展历程, 并且在此期间由于人工智能技术的快速崛起, 也为其发展注入了新的生命力。要能够使得双方借助彼此在技术上的不同优势, 使之有效结合, 进而不断满足社会发展的需求。实现电子信息技术与人工智能技术的有效融合, 能够为当前信息化社会的发展注入新的活力。参考文献
[4]代芬, 王卫星, 李震, 孙道, 邓小玲.电子信息工程应用型本科人才培养研究[J].中国电子教育, 2016 (01) .
摘要：涉身认知对人类智能提供了一种基于行动的完整解释。涉身认知没有完全否定内在主义, 但在本质上体现了一种外在主义的智能和认知解释。涉身认知的这种外在主释更直接奠基于欧陆现象学的发展。以“上手状态”和“于事的视”为代表的海德格尔涉身性思想能够更好地在哲学上诠释这种外在主义的智能解释。认知主义、联结主义和涉身认知等不同认知科学框架的发展深刻影响着人工智能的发展。涉身人工智能是完善未来人工智能发展的重要方向, 但这并不意味着人类智能人工设计的完成。
人工智能是认知科学这一交叉科学的核心构成学科, 认知科学研究框架的整体思考深刻影响着人工智能研究的理论与实践。作为当代认知科学研究的新框架, 涉身认知 (embodied cognition) 不仅引起了认知科学家和哲学家的广泛争论, 而且在理论与实践层面上成为推进人工智能科技深化的动力。
自20世纪90年代涉身认知研究框架产生以来, 在涉身认知理论内涵的理解上一直存在着各种观点的争论。这些观点总体上围绕着认知载体、认知呈现方式等核心问题而展开。尽管存在争议, 但是各种涉身认知框架的理解依然在一些问题上存在着共识, 例如, 在认知的载体问题上, 大都认同从大脑向身体、情境等认知因素的扩展;在认知的呈现方式上, 大都主张一种对表征计算方式的修正乃至放弃。人类智能总体上可以概括为两种形式:一是以知觉等感官认识为代表的在线智能 (online intelligence) , 二是以概念等认识为代表的离线智能 (offline intelligence) 。涉身认知在这两种形式人类智能的解释上体现出了与传统认知科学研究框架的不同立场。
就在线智能而言, 传统认知观将眼睛与大脑等各个身体器官视为在线智能的生理载体, 并且主张通过各种感官信息的编码加工机制来呈现在线智能。与之不同, 涉身认知将在线智能的生理载体扩展为大脑-身体-的整体系统。涉身认知更为重视具有生物感受性 (biological sensitivity) 的身体活动在认知活动中的作用, 这种基于身体的生物感受性是一种始终面向行动、基于行动、产生行动并且在行动中展示认知活动的生理机制。在认知呈现上, 涉身认知主张在线智能的产生机制不是线性关系, 而是一种复杂的非线性关系。产生在线智能的机制或者没有表征的参与, 或者可能是一种行为导向的表征 (action-oriented representation) 。涉身认知更为倾向一种非表征的动态系统理论的认知建构方式, 即一种非表征计算式的自组织动态系统构架。在哲学层面上, 涉身认知所理解的在线智能活动放弃了笛卡尔主义的身心二分框架, 主张在线智能活动基于一种海德格尔式的嵌入的涉身技巧和能力。[1](P.275-278)
在概念等思维的离线智能形式理解上, 传统认知观采取了一种逻辑主义的立场基于笛卡尔主义对思维和知觉的二分观念。笛卡尔将思维活动视为心灵的内在功能, 而知觉等感官认识则被视为与心灵绝然不同的物质属性, 由此推出了“动物即机器”的命题。概念是心灵自生的, 而概念则组合成命题, 命题进而组合成推理, 组合活动的规则如果符合逻辑要求, 那么组合的结果即思想就是有意义的。这种逻辑主义认知观是现代符号主义认知科学和功能主义心灵哲学的渊源, 也是早期经典人工智能设计的哲学基础。
涉身认知主张概念等思维形式并非某种的心灵属性, 而是植根于人类在线智能的心灵衍生属性。思维与知觉之间具有不可分割的连续性。改变思维运行的逻辑主义立场, 将思维活动植根于知觉活动中, 这正是当代涉身认知科学家和哲学家的研究理。例如, 拉科夫off) 等人在语义学中提出了隐喻投射的理论, 主张思维通过非表征的隐喻投射机制植根于身体体验。巴萨罗 (Lawrence W.Barsalou) 等人一种接地认知观 (Grounded cognition) , 亦反对将认知活动理解为某种物理生理系统的内在符号计算活动, 反对将其理解为一种脱离知觉、行为的孤立内省活动, 主张抽象思维内容植根于身体体验。接地认知观并非完全传统认知观的做法, 而是尤其重视思维与知觉意识的连续性, 尤其重视感官运动模块模拟、身体状态以及情境行为在思维呈现中的关键作用[2]。安德森 (M.Anderson) 就此指出, “涉身认知的核心主张不是要放弃基于表征计算的老式有效的人工智能 (GOFAI) , 而是说, 为了将在专家系统中运行良好的推理整合进真实世界认知主体, 必须找到某些方法来系统地将抽象推理的符号和规则与控制知觉和行动的进化原始机制联系起来”[3]。反过来看, 以表征计算为核心纲领的经典认知在认知研究上之所以遇到瓶颈, 很大程度上在于其忽略了思维知识与原始智能的联结, 在于其否定了某种人类符号的接地物 (human symbol grounder) 的存在。
安德森用一个例子清晰说明了思维如何“接地于”感官认识或者身体体验。他指出, “椅子不是依赖一套客观属性得以界定的某种概念, 而是对某种可坐事物的命名。所以, 这就可能使得人们在面对树林中一个树墩时发问并且理解你喜欢我的读书椅子吗。一个已经实现椅子概念接地的认知主体就可以看到某种坐的事物, 并由此看到一把椅子。仅仅储存椅子可坐的事实不足以形成椅子的概念。认知主体必须懂得何为坐, 并且能够系统地将坐的理解与被知觉到的场景联系起来, 并且由此开展什么事物 (即使非标准地) 承载着坐的行动。在正常的活动中, 这种知识通过掌握坐的技巧而获得, 其中当然包括相关的走、站和两者之间的移动等技巧, 还包括凝练什么对象要求或者允许这些行为的知觉判断;也就是说, 椅子概念的接地涉及到某种非常特殊的物理技巧和体验。”[3]
综上所述, 涉身认知试图以新的方式来建构人类认知活动。这种新的解释试图弱化甚至否定内在心灵以及表征计算的观念, 尝试用一种嵌入式的行动心灵观念与非表征的机制来解释人类认知活动。结合上述两种智能, 涉身认知的理论内涵就此可以大致梳理为:一是涉身认知对知觉等在线智能进行了知觉基于行动的非表征呈现的解释, 二是涉身认知对概念等离线智能进行了思维植根于知觉的非表征呈现的解释。
上述理解可以概括为一种关于认知和智能的外在主义 (externalism) 解释。或者说, 通过与传统认知与智能观的比较可以得出这样一个结论:涉身认知并不否定内在主义 (internalism) , 但其在本质上更倾向于主张一种外在主义的智能架构。内在主义主张, “思维者认识状态完全依赖内在于思维者的各种元素”, 而外在主义则主张思维者认识状态“依赖于诸如等外在于思维者的相关元素”[4](P.13-14)。在语义层面上, 内在主义“将某种思想内容视为一种内在属性”, 而外在主义“则将这一思想内容视为一种关系属性”[4](P.17)。从涉身认知的内涵来看, 涉身认知关于知觉、概念等智能的解释更倾向一种外在主义主张。在涉身认知的各种理论解释中也存在着一种内在主义的解释进, 例如从大脑感官运动模块和身体神经生理构成等元素所进行的认知解释。涉身认知并不否认大脑与身体中神经生理机制的参与, 但是, 仅仅通过这些生理机制又将面临传统认知所遇到的老问题, 例如“缸中之脑”理想实验中的情境忽略和“中文屋”理想实验中的语义获取难题。可见, 仅仅通过身体和大脑神经生理活动不能很好地解释原初知觉思维与语义的原初获得, 因此就必然需要一种外在主义的解释。
实际上, 内在主义者并非没有看到身体与情境及其交互作用等外在因素在认知活动的作用, “没有任何健全的内在主义认知科学家断言身体与外部与对心灵的理解完全无关”[5](P.35), 但是, 事实上这些内在主义者却从来没有将这些外在因素作为认知建构的本质因素。反过来说, 涉身认知的外在主释也没有将这些内在主义元素视为理解智能的本质构成。涉身认知更为实质性地力求一种智能解释的外在主义转向, 惟其如此, 涉身认知也才能更好地解释知觉活动的整体性、认知行为的灵活性、日常语义的多样性等传统认知所难以解释的自然智能问题。
概括而言, 传统认知科学研究之所以是内在主义的, 主要表现在其重视大脑神经生理活动和内在表征转换的认知构成作用。涉身认知研究之所以主要被视为外在主义的, 主要表现在其试图放弃对大脑神经生理活动与内在表征计算的传统研究进, 而将认知构成的主要因素归结为身体行动及其相关情境。这样一来, 在涉身认知研究中, 行动成为理解认知活动的核心因素, 而行动的主体身体以及行动的情境域也随之成为理解认知活动的实质构成, 进而, 诸如隐喻、动态生成等非表征计算方式也成为认知生成的核心机制。
与传统认知科学研究相比, 涉身认知的外在主义进也随之带来了研究领域的变化:外在主义智能构架将更为强调生物、社会人类学以及体验性符号学等领域的重要性;关于人类智能的外在主释框架重视身体的作用, 即重视身体的生物学属性在认知活动的作用, 这意味着应当重视进化过程中的身体包括大脑的研究, 这将更加需要一种关于生物智能体的研究;涉身认知对于产生互动的特定情境在认知中作用的重视, 意味着需要考察特定的自然-社会-文化情境在认知中发挥着何种作用, 这将更加需要一种关于智能的社会心理学、认知人类学、文化比较理论的考察。涉身认知对于面向行动的表征等非表征机制的重视, 这也将更加导向一种关于原始思维、隐喻理论、基于行动的心理学、语言学、符号学和意义理论的研究。
涉身认知的这种外在主释框架, 从哲学层面看更明显植根于注重原初思维研究的欧洲现象学传统之中。胡塞尔提出并影响现象动的“面向事实本身”的口号, 就宣示了在消除任何理论前提下对原初意识本然结构的。此外, 胡塞尔还进一步指出, 现象学对原初意识的研究, 即对意向性认识结构的现象学还原需要纵向和横向两个维度支撑, 一是历史性地向思维原初状态的回溯, 二是当下性地向思维原初层面的探究, 前者为科学世界的理解提供了“历史的可能性”, 而后者则提供了“认识的可能性”[6](P.260)。海德格尔和梅洛-庞蒂等现象学家也都认可原初意识的现象学主题以及从这两个维度对原初意识的研究。涉身认知研究离不开某种哲学上的涉身性 (embodiment) , 涉身认知的这种外在主义框架在哲学上更接近于海德格尔的涉身性。海德格尔的涉身性思想已经事实上引起了涉身认知科学家的重视, 例如布鲁克斯在“自主智能主体研究”(Autonomous Agent Research) 中就了这种密切联系。他指出, “我们的研究的确与哲学家海德格尔所激发的某些研究具有某种相似性”[7](P.97)。
海德格尔的涉身性对涉身认知外在主释的支撑主要体现在两个方面:一是海德格尔的“上手状态”(zuhanden) 思想能够支撑基于行动的非表征的知觉解释, 二是其“于事的视”的思想则能够支撑植根于知觉的非表征的概念解释。“上手状态”是海德格尔对“此在”原初认识状态的一种描述, 按照他的解释, “上手状态”是一种“用我们的身体以合适的方式熟练地掌控事物”的状态。韦勒 (M.Wheeler) 将这一状态称为“流畅应付”(Smooth coping) 状态, 即涉身认知所理解的面向行动的知觉状态。海德格尔用“上手状态”来“标示事物原初来照面的方式”, 这是一种非反思的主客同一的认识状态。通过人们使用锤子的事件, 海德格尔描述了这种原初的非反思“上手状态”:使用者“对锤子这物越少瞠目凝视, 用它用的越起劲, 对它的关系也就变得越源始, 它也就越发地作为它所是的东西来照面, 作为用具来照面。锤本身了锤子特有的称手, 我们称用具的这种存在方式为上手状态”[8](P.81)。在概念等理论思维问题上, 海德格尔提出了“于事的视”的思想。“视”即思想, 而“事”则是知觉行为, “于事的视”则指一种面向或者行动-知觉的概念思维。“于事的视”的思想表明, 概念思维并不是孤立和内在的, 在其原初意义上, 概念思维植根于或者始终源自于行动-知觉活动。海德格尔解释了空间概念源于行动-知觉活动, “空间的维性还掩藏在上手事物的空间性中。就是房顶那里, 下面就是地板那里, 后面就是门那边。一切何处都是由日常交往的步法和途径来的, 由寻视 (Umsicht) 来解释的, 而不是以测量空间的考察来确定来标识的”[8](P.120)。在此, “于事的视”是一种“寻视”, 这种寻视不是主体的静观反思, 而是一种面向行动而不断调整、与对象不可分割且不断地引导行动的意识状态。海德格尔说:“只对物做理论上的观察的那种眼光缺乏对上手状态的领会。使用着操作着打交道不是盲目的, 它有自己的视之方式, 这种视之方式引导着操作, 并使操作具有自己特殊的把握。同用具打交道的活动使自己从属于那个为了作的形形色色的。这样一种于事的视乃是寻视”[8](P.82)。总之, “于事的视”区别于反思性、理论性的内在观察, 而是一种源于行动、源于生活情境并且始终引导行动和生活的观察。“于事的视”为理解概念思维的产生与功用提供了一种不同于笛卡尔主义的视角。
涉身认知的外在主义哲学解释并不意味着完全否定有机体生理因素对认知活动的作用, 也不意味着否定“面向行动的表征的抽象升级”在反思性认知活动中的意义。这种外在主义的解释也不意味着一种洛克主义的立场, 即完全消除认识活动的主体性, 从而将认识的形成完全归结为外部对象的作用。在我们看来, 涉身认知的这种外在主义哲学解释将行动视为理解认识的核心, 行动本身体现为作为主体的身体与作为客体的外部情境之间的相互作用。因此, 这是一种新型的外在主义立场, 是一种反二元论前提下的外在主义立场, 也是一种海德格尔式的外在主义认知观。
从认知科学的发展来看, 认知科学研究框架主要经历了认知主义、联结主义和涉身认知的发展。人工智能的发展历程总体上对应着认知科学研究框架的这一发展历程。认知主义研究框架下的人工智能研究也被称为老式有效的人工智能 (GOFAI) 。这种人工智能研究采用了表征计算主义的方法, 技术实践中的典型是通过算法的优化来实现不同目的的各种专家系统设计。在日常语言的语义获取领域, 目前为止尚没有根本上改变算法优化的人工智能设计思。当代自然语言语义获取领域虽然取得长足发展, 但是其所依赖的仍然是新知识、新数据和新算法。国内有学者对此指出“自然语言处理系统的关键是知识获取。在知识获取的三个要素中 (数据、显性知识、学习算法) , 至少要有一个有所提高、有所突破, 才能够带来自然语言处理整体系统性能的提高。换句话说, 如果没有新知识、新数据、新算法加入到自然语言处理系统中, 系统的能力是不会提升的。近年来, 自然语言处理知识获取的三要素中, 最主要的推动力量是哪一个呢?答案首先是数据, 是用户在使用互联网、移动互联网的过程中贡献出来的富含群体智慧的大数据;其次是深度学习, 深度学习使大数据的潜力得到充分。可以说, 是大数据+深度学习推动了这一波自然语言处理的热潮。”[9]
联结主义框架下的人工智能研究更多通过模拟大脑神经活动来实现。这种神经生理学进的典型做法是, 通过神经生理机制的模拟技术手段来实现人类智能功能的再现和增强。例如, 埃德尔曼 (Gerald Edelman) 的人工意识体 (Brain Based Device) 的研究项目, 就是尽量将大脑神经网络的细节模拟清楚, 从而设计出理想的人工意识体。埃德尔曼所设计的机器人在赛格威足球赛 (Segway Soccer) 中完败了认知主义进机器人。
涉身认知指向了一种面向情境的行动主义的人工智能设计。涉身认知的人工智能研究能够提供了一种更实的知觉体验, 一种与情境更为流畅适应的人工智能体。吉布森 (James Gibson) 的可供性 (affordance) 概念体现了涉身认知的思想, 并且可供性概念为更亲和人本身的人工智能设计提供了重要思。例如苹果公司产品设计者之一的唐纳德诺曼 (Donald Norman) 在人机交互领域就运用了可供性的概念。可供性既不指客观的物理属性, 也不指一种主观的感受属性, 而是同时指向主体与情境的交互状态。例如, 如果一块地的表面接近水平 (而不是倾斜的) 、接整 (而不是凹凸的) 、是充分延伸的 (与动物的尺寸相关) 、表面的物质是坚硬的 (与动物的重量相关) , 那么这块地是可以站上去的 (stand-on-able) , 是可供行走和跑动的。这里所列出的水平、平整、延伸和坚硬等属性与动物的活动相关联, 从而就表现为相对于动物的可供性。再比如, 同样高度的楼梯, 对于成年人有着供其爬上去的功能可供性;对于婴儿来说, 这种功能可供性并不存在。
涉身人工智能 (embodied AI) 或者说基于涉身认知研究框架下的人工智能研究代表了一种人工智能发展的新方向。但是, 需要明确的是, 涉身人工智能并不是意味着彻底传统的人工智能设计, 它只是提供了一种新的角度去完善人工智能研究。比较传统人工智能, 涉身人工智能对人工智能研究的完善, 首先体现在它更主要也更为有效地研究原初思维形式、动物智能以及各种自然智能形式。皮菲弗尔 (R.Pfeifer) 等人指出:“人工智能的根本目的不仅是寻找更为聪明的算法, 而且要理解自然智能形式, 这些智能形式更多地是在真实中呈现的。传统研究没有对理解知觉、运动、对象掌控、日常言语和对社会互动、常识和情感做出更好的解释。”[10](P.4)正如脸书 (Facebook) 的人工智能研究总监燕乐存 (Yann Le Cun) 所指出的, 自然智能正是现有人工智能研究的短板:“人工智能与人类在学习上还是有很大的不同。就像一辆由AI驱动的自动驾驶汽车可能需要模拟5万次的撞树之后, 才能知道这种做法是错误的。但是在现实世界中, 野外的羚羊面临的可没有那么多的试错机会, 人类的婴儿从咿呀学语到奔跑活动也不需要经过上百次的尝试。”[11]
涉身人工智能的行动主义研究线依然存在着难以克服的瓶颈问题。涉身人工智能不可能实现对长期进化而来的人类身体生物学属性的完全的人工设计, 也不可能实现对形形色色复杂情境因素的完全的人工设计, 更不可能实现对人类智能各种形式的完全的人工设计。微软CEO纳德拉 (Satya Nadella) 说:“假设有大量的人工智能, 那么稀缺的商品就是真正的智慧。然后你会说, 什么是真正的智慧?真正的智慧将会在最具人性的品质中找到, 那就是同情和, 而那些将是最重要的东西。”[12]我们能够实现对人类同情心和心 (这或许也是动物所具有的原初意识形式) 人工设计的人工智能产品吗?当然不能。总之, 所有框架下的人工智能都有赖于人为的设计, 因此人工智能永远不等于人的智能。
因此涉身认知人工智能技术的发展就不会必然带来对人工智能的新恐惧。有学者对人工智能技术可能发展出的超级人工智能有着一种难以名状的恐惧, 认为人工智能如果越出“特殊化、专门化的发展范围”而具有“全面的智能和意志”的“综合能力”, 这将“不仅是历史的终结, 而可能会是人类的终结”, 如果“人工智能系统的语言能够为自身发明出反思能力”, “人工智能就非常可能成为人类自己发明的掘墓人”。预防这种恐惧成为现实, “也许唯一有效的办法是人类整体的克制”, 但是“恐怕找不到什么办法能够使人类愿意克制”[13]。实际上, 超级人工智能只是一种设想, 而不可能是一种可以实现的人工设计。有人曾指出:“虽然从理论上讲考虑到我们对物理定律的理解计算机超越人类的智慧, 再到超级智能的实现是可行的, 但这种情况的发生几率肯定是微乎其微的。”[14]所以, 对人工智能技术的恐惧可以从人类自身使用以及可能产生的效应方面停留在对一般技术的层面上, 但是这并不意味着人工智能自身发展必然具有并带来一种新型恐惧。正如有人地指出:“那些新闻标题比如这篇文章的标题告诉我们, 斯蒂芬霍金和埃隆马斯克认为人工智能可能会人类, 而这是真正的对话的快餐式新闻版本。而真正的关键在于马斯克和霍金都对机器学习技术抱有兴奋和渴望的乐观情绪。霍金教授认为人工智能可以治愈疾病。马斯克在人工智能领域投入了大量资金, 该基金会的是:通用人工智能 (AGI) 将是人类有史以来创造的最重要的技术。如果我们被夸张和恐惧的情绪占据, 那会让我们所有人都成为反对者。更实用的方法 (就连认为人工智能会引发第三次世界大战的埃隆马斯克都已经采用这种方法) , 是在谨慎、乐观和所有人类的最佳利益的基础上向前迈进。”[14]总之, 人工智能并不必然带来技术恐惧, 涉身人工智能的发展也不会必然带来新的技术恐惧。
[6][德]胡塞尔.生活世界现象学[M].黑尔德编.倪梁康, 张廷国译.上海:上海出版社, 2005.
[9]刘挺, 车万翔.自然语言处理中的知识获取问题[J].中国计算机学会通讯, 2017 (5) .
摘要：人工智能经过半个多世纪的发展, 取得了丰硕的, 人工智能在社会发展中发挥着越来越重要的作用, 但是人工智能作为新兴技术也存在着潜在的风险。人工智能可能引发信息安全风险、产品安全风险, 人工智能的发展引发新的伦理问题, 可能影响社会的稳定和社会公平。规范与约束人工智能, 应该从伦理规约、制度建设、文化培育等维度着手, 多管齐下, 才能发挥人工智能的积极作用。关键词：人工智能; 风险; 公平; 嵌入; 物化;
人工智能经过半个多世纪的发展, 取得了众多的理论和实践。1997年, IBM的“深蓝”计算机成功击败世界围棋冠军卡斯帕罗夫, 2016年, 阿尔法狗 (AlphaGo) 战胜韩国职业围棋名将李世石, 2017年又战胜世界职业围棋第一人柯洁。2009年, 谷歌启动无人驾驶汽车项目, 纷纷开展无人驾驶汽车研究。人工智能产品突破实验室壁垒, 纷纷走入寻常百姓家, 人工智能的社会效应越来越明显, 促进了社会进步和人类发展。除了人工智能的这些正面效应外, 人工智能的负面效应也越来越明显。虽然人工智能还处于发展的初期, 但是已经引发新的伦理思考, 比如, 人工智能产品可能引发信息安全风险, 可能影响社会的稳定和社会公平, 等等。本文通过梳理人工智能的发展历程, 挖掘人工智能可能引发的风险, 从伦理学层面寻找规避人工智能发展引发风险的解决径。
1956年, 人工智能 (Artificial Intelligence) 的明斯基 (Marvin Minsky) 、麦卡锡 (John Mccarthy) 、西蒙 (Herbert Simon) 和纽厄尔 (Allen Newell) 等人在美国达特茅斯召开“达特茅斯专题研讨会” (Dartmouth Conference) , 宣告了人工智能的产生。人工智能的具体含义众说纷纭, 麻省理工学院的温斯顿 (Patrick H.Winston) 教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”[1](P1-11)美国斯坦福大学的尼尔森 (Nils J.Nilsson) 把人工智能界定为关于知识的获取和运用的活动, “人工智能是关于知识的科学, 是知识的表示、知识的获取以及知识的运用”。[2](P1)人工智能是通过计算机的方式来模拟人的思维, 从而完成只有人类才能完成的智能工作。技术性内容包括机器学习、自然语言处理、图像识别以及人机交互等方面。人工智能的外延范围非常广泛, 包括智能机器人、无人驾驶汽车、机器翻译、虚拟现实, 等等。
人工智能在一定程度上延伸了人类大脑的功能, 以追求实现人脑劳动的信息化。人工智能一般可以分为弱人工智能 (Artificial Narrow Intelligence) 和强人工智能 (Artificial General Intelligence) , 有人从强人工智能中划分出超人工智能 (Artificial Super Intelligence) 。弱人工智能指的是通过预先设计好的具体的、严格的程序来模拟生命体的思维运行和基本判断, 从而表现出一定的智能行为。弱人工智能本身并没有自主意识, 更不能主动地学习, 是完全根据人类的命令做出相应的反应。强人工智能则是具有意识并且能够思考的机器, “带有正确程序的计算机确实可以被认为具有理解和其他认知状态, 在这个意义上, 恰当的编程计算机就是一个心灵”。[3](P83)
人工智能经过半个多世纪的发展, 取得了众多的理论和实践, 人工智能产品也不断地从实验室走入我们的日常生活。在日常生活中, 人工智能产品的应用主要可以分为硬件领域的运用和软件领域的运用。在硬件领域, 主要包括最新型的电子计算机、智能机器人、无人机、智能穿戴设备、新型CT扫描仪和肿瘤诊断系统, 等等, 而在软件领域的运用则是以语音助手、智能面部识别等代表的广泛领域。
人工智能自成立以来经历了三次重大的跨越式发展过程:第一次跨越式发展是实现了问题求解, 实现了基本的逻辑推理功能, 主要关注机器翻译和数学理论、的证明、博弈等。在这一阶段, 纽厄尔和西蒙等人在理论和证明工作中取得了重大突破, 开辟了计算机程序对人类思维模拟的发展道。这些重大的突破和进展, 一度使众多的科研工作者认为计算机技术很快就能够对人类的思维方式进行模拟, 并掌握人类思维的规律。第二次跨越式发展是实现了能与外部进行自动交互的专家系统, 人工智能可以从陌生的中获取有用信息从而进行自主推理工作, 并反映在实践中去主动地影响, 如爆破机器人等。由于理论探索和计算机发展的高度紧密结合, 人工智能在此阶段开辟了在商业领域运用的新天地, 人工智能产品在这个阶段开始走出实验室, 市场。第三次跨越式发展是追求机品类人的思维和认知能力。人工智能研发领域取得了一系列科研, 如机器学习算法、机器翻译、无人驾驶汽车、智能机器人, 等等。进入21世纪, 人工智能技术发展的深度和广度不断加深和扩大, 各行业和各领域的发展都可能与人工智能相关, 这表明人工智能拥有技术突破的无限可能, 更体现出人工智能巨大的市场需求。
经过半个多世纪的发展, 人工智能在工程、教育、国防、医学、生物学、哲学等领域均取得了显着。人工智能在社会发展和人类生活中发挥着越来越重要的作用。人工智能已成为继哥白尼、、神经科学之后重大的性实践。卢西亚诺弗洛里迪 (Luciano Floridi) 在其着作《第四次人工智能如何重塑人类现实》中, 直接把“人工智能”称为“第四次”。[4](P5)从科学技术对人类影响而言, 人工智能业已成为继蒸汽机发明、电力应用、计算机应用之后的第四次科技, 人工智能的社会效应越来越明显。从宏观和社会层面上来说, 人工智能能够提高国家的综合国力和竞争实力, 促进国家和区域各产业比例的合理调整, 可以持续产生新的创业方向和形成新的商业运行模式, 有助于创造更多的工作岗位。人工智能的作用从微观层面来讲, 提高了人类的生活质量, 使人们的生活更加方便快捷。
人工智能的研究涵盖多个学科, 它是包括信息技术、仿生学、控制论、神经生理学、心理学、哲学、语言学、计算机科学、数学等众多学科而建立起来的新的综合集群性学科。根据研究的维度和视角, 我们可以把人工智能的研究分为三种进:联结主义 (connectionism) 、符号主义 (symbolicism) 和行为主义 (actionism) 。联结主义来源于仿生学, 把人工智能当作对人脑模型的研究, 认为神经元是人类智能的基本构成和传递单元, 神经元具有复杂的结构, 并不是通过简单的符号就可以模拟的。联结主义开始于MP模型。1943年, 生理学家麦卡洛克 (Warren McCulloch) 和数理逻辑学家皮茨 (Walter Pitts) 创立了脑模型, 即MP模型, 用电子装置模仿人脑结构和功能。1986年, 鲁梅尔哈特 (David Everett Rumelhart) 等人提出多层网络中的反向 (BP) 算法。联结主义进从模型到算法的发展历程实现了联结主义人工智能产品的工程化和市场化。联结主义指出, 人工智能的重要来源是人类大脑本身, 核心议题是对人脑模型深入研究, 联结主义人工智能的研究进采取结构模拟的思;符号主义学派主要依靠计算机逻辑符号来模拟人的认知过程, 把人工智能的理论来源归结为数理逻辑, 其代表是专家系统的开发和应用, 采取功能模拟的思, 其主要代表人物为麦卡锡、西蒙、纽厄尔和明斯基等人;行为主义认为人工智能来源于控制论 (Control Theory) , 人工智能的研究特点在于, 人工智能的技术产品根据搜集的外部数据调整自己的行为以主动适应外部, 而不是依赖人类的算法和预先设定的程序对做出反应, 行为主义学派专注于智能控制与智能机器人系统, 采取的是行为模拟的思, 其人工智能机器具有具身性 (embody) , 介入到认知过程中, 其代表人物是六足行走机器人的研发者布鲁克斯 (R.A.Brooks) 。
人工智能在理论和实践中不断取得新的突破使之成为21世纪最有前景的新兴技术之一, 但是一些人工智能的产品在实际应用过程中却造成了许多意想不到的后果, 带来了许多挑战。人工智能推动了社会进步和人类发展, 在自动驾驶、语音识别、Pokmon Go等方面取得了重大突破, 但是也存在一些失败案例。易斯维尔大学网络安全实验室的罗曼 (Roman Yampolskiy) 教授发表的《人工智能和网络安全:人工智能的失败》[5]列举出发生在2016年的10项重大的人工智能失败案例。比如, 特斯拉自动驾驶汽车造员伤亡、机器人伤人事件、保险公司利用脸书数据预测事故发生率涉嫌存在, 等等。这些失败案例可以归结为人工智能系统在学习阶段的错误, 也可以归结为人工智能技术的不确定性所带来的风险。人工智能技术的不确定性可以理解为人工智能技术后果的难以预见性以及难以量化评估性。人工智能的风险还可能是由于人类的有限所致。科学技术的发展水平与人类历史阶段的生产力水平紧密相关, 人工智能产品不能自然界规律, F拉普 (F.Lapp) 认为:“人类所创造的和未来要创造的一切技术都必然是与自然相一致的。”[6](P102)随着生产力的进一步发展, 人工智能科技会快速发展, 但是人类自身的认知能力在特定的历史条件和阶段总是受到的, 这也是人类认知历史发展的客观规律之一, 人类的有限性表现为人类对人工智能产品风险认知的滞后性。人工智能产品除了符合自然规律这个物之外, 还具有意向性。人工智能产品也会体现人类的意志和愿望。随着技术的发展, 技术改变社会的作用增强, 技术的发展可能会远离人类的最初目的和控制。“它不仅影响了我国之间、与国家之间的法律关系, 还给国家治理、生态以及社会稳定等宏观秩序带来了安全风险。”[7]正确而全面地认识人工智能的潜在风险并合理地对风险进行规避显得十分必要。着名物理学家霍金 (Stephen William Hawking) 、美国太空探索技术公司创始人马斯克 (Elon Musk) 以及微软首席执行官比尔盖茨 (Bill Gates) 等人都考虑到人工智能的风险, 呼吁对人工智能开发、使用采取审慎的态度。1. 人工智能发展引发智能机器的主体地位的思考
人工智能离不开算法, 算法是人类输入的数据, 算法出现问题究竟由谁来负责呢?机器以及算法是否具备成为主体的条件和资格呢?人工智能能否具有主体地位呢?这是一个元伦理学问题, 涉及对于主体地位的溯源, 还涉及人类的推理能力是先天赋予的还是后天学习的结果的讨论。根据人工智能的现有发展速度和规模, 人工智能或许在未来能够发展出具有意识的智能产品, 这些人类制造出来的智能机器是否也该被赋予与人类同等的和地位呢?当这些高智能产品也具备了与人类高度相似的能力、情感水平的时候, 是否会到人类的自身利益呢?如果人工智能产品出现了人类的情况, 或者以造类伤亡为目的的人工智能产品出现, 责任主体是人还是机器呢?美国警方曾经出动机器人击毙犯罪嫌疑人, 机器人是否有权人类生命呢?人工智能该有怎样的地位、能有怎样的地位呢?当人工智能机器人能够具有意识甚至能够模仿人的感情以后, 机器是否有自制能力呢?上述问题涉及对人工智能产品的主体地位的思考, 这些都是随着人工智能的发展而引理问题。
人工智能正在以更快的发展速度和水平融入人类社会的方方面面, 甚至可以说半个多世纪的人工智能发展远远超过过去几百年的科技发展水平, 人工智能是否带来了新的伦理问题呢?人工智能产品给人类造成的伤亡如何归责、追责呢?人工智能一旦获得同人类相近的思维能力和推理能力, 如何界定人工智能与人类的地位将面临伦理挑战;人工智能的高效率和低失误率在司法审判领域的使用, 会给传统司法审判带来巨大的法律伦理挑战;人工智能手术机器人将给医疗卫生领域带来医疗伦理挑战;当一个质量有的机器人可以为人类服务十数年, 甚至服务人类祖孙三代的时候, 人工智能的代际伦理又成为新的伦理问题。面对如此多的伦理挑战, 我们将如何发展或者改进现有的伦理理论体系, 使之更好地适应人工智能的发展, 既要人工智能更好地服务于人类, 又要其负面效应, 这是人工智能发展面临的巨大挑战。人工智能的责任问题是现代社会不可回避的重要议题, 因为没有一个算法和程序永远是完美无缺的。那么, 通过人工智能以及新技术的发展是否会消解原来的伦理问题呢?新技术能否成为解决新的伦理问题的手段呢?这也是值得思考的一个问题。。
人工智能的社会影响越来越大, 我们从来不否认人工智能的作用, 但人工智能的发展已经导致一些伦理问题出现, 并且可能引发新的伦理问题, 人工智能作为一种新的技术, 也会因为新技术的不确定性潜藏着风险。因此, 必须对人工智能的风险进行规约, 才能保障人工智能的顺利发展。
第一种“人-技术-世界”的关系结构是具身关系, 指的是技术与人融为一体, 比如, 为了看得更清晰的近视眼镜就属于具身关系的存在, 一旦人习惯了眼镜的存在, 人就与眼镜融为一体, 人往往忽略眼镜的存在, 人与技术人工物形成一个整体来经验世界。这时, 技术具备知觉的透明性 (perception transparency) 。第二种“人-技术-世界”的关系结构是诠释学关系, 比如温度计, 人只要能够读懂温度计上的数字就能经验世界, 无须亲自室外温度。温度计上的数字就是外部世界的诠释学表征。第三种“人-技术-世界”的关系结构是他者关系。技术不是无意向性的对象, 是仅次于他者的准他者 (quasi-other) , 作为准他者的技术是一种中性的技术实体, 准他者技术作为世界的一部分与人类交互, 像计算机、自动机就属于交互的技术。伊德把“人-技术-世界”的具身关系、诠释学关系和他者关系中的技术称作前景 (foreground) 中的技术, 相对于前景技术而言, 他把“人-技术-世界”的第四种关系结构称为“背景关系”。如空调属于伊德的背景关系, 人在空调中很少到空调的存在, 空调作为背景而存在, 一旦空调停止运转, 人才能到空调的存在。
随着人工智能的发展, “人-技术-世界”的关系结构发生了改变, 比如增强现实 (augmented reality, 简称AR) 技术就突破了伊德传统意义上的“人-技术-世界”的关系结构。不管是具身关系、诠释学关系、他者关系还是背景关系, 都不能准确地刻画技术在人与世界中的地位和作用。荷兰后现象学技术哲学家维贝克 (Peter Paul verbeek) 提出“人-技术-世界”的赛博格关系 (cyborg relation) 和复合关系 (composite relation) 。赛博格关系表现为人与技术融合 (merge) 而非互动 (interact) , 如帮助人们缓解情绪的抗抑郁药品、人工瓣膜和心脏起搏器等。
按照维贝克的观点, 增强现实技术提供了两种平行关系 (parallel relations) , 技术除了构造了人和世界的关系, 同时提供了世界的表征。他用如下图式表示:
“人-技术-世界”关系结构的理论前提是关于技术认识论研究, 这涉及对技术是否负载人类价值的讨论。一般来讲, 我们可以分为两种形式:技术工具论与技术实体论。技术工具论认为技术没有负载人类价值, 技术具有价值中立性 (valueneutral of technology) , 技术仅仅是世界的手段。雅斯贝尔斯 (Karl Theodor Jaspers) 指出, “技术仅是一种手段, 它本身并无。一切取决于人从中造出什么, 它为什么目的而服务于人, 人将其置于什么条件之下”。[11](P142)梅赛恩 (Emmanuel Mesrthene) 也技术价值中立的观点, “有益的做法是将技术定义为一般意义上的工具, 不但包括机器, 还包括语言工具和智力工具以及现代分析方法和数学方法”。[12]有的技术哲学家技术价值负荷论 (value load of technology) , 认为技术负载了人类价值, 技术本身蕴含着人的价值取向, 技术涉及主体的意图和目的。如戈菲 (Jean-Yves Goffi) 认为, “技术从来不是中性的, 而总是一种个性的投射”。[13](P116)不管是技术价值中立论还是技术价值负荷论, 都只考虑到人对技术的影响, 而没有把技术对人的影响考虑在内, 都没有考虑到技术在设计、开发、制造过程中的价值负载问题。
技术实体论认为技术与人一样, 是一种实体, 技术具有存在的价值和意义。埃吕尔 (Jacques Ellul) 就强调了技术的普遍性、自主性和决定性。一方面, 技术被认为具有与社会无关的自主性, 于社会。另一方面, 技术能够影响社会发展。在埃吕尔看来, 技术是既能够影响社会发展又于社会的自主力量。“技术可以导致人类的劳动价值;也可导致个人的孤独封闭和人际间的疏远冷漠等方面问题。人的思维成为无必要的。技术就是一个摒弃人类能力的过程。”[14](P95)乔治巴萨拉 (George Basalla) 认为:“技术和技术发展的中心不是科学知识, 也不是技术开发群体和社会经济因素, 而是人造物本身。”[15](P43)技术有时不受人的意志控制, 具有的存在价值。
随着人工智能的发展, 传统的“人-技术-世界”的关系结构也在发生转变, 在技术本题上, 技术哲学的研究经历了从技术工具论到技术实体论的发展, 但技术工具论和技术实体论都是在人与技术间具有明确边界的语境下讨论人与技术关系问题的。人工智能产品一旦具有了意识和人类情感, 会使人与技术的边界逐渐消失, 在这种意义上, 我们需要重新思考人与技术的关系。技术不但在人与世界中起着“中介调节” (mediation) 作用, 还影响着人类的行为模式。
一般来讲, “技术工具论”的学者往往认为技术本身不具有伦理属性, 人工智能产品也不具有伦理属性, 人工智能的属性由人的使用方式决定;技术实体论的学者认为, 人工智能可能具有自主意识和情感, 因此, 技术人工智能产品就具有了伦理意蕴, 可以作为的能动者。还有一种道, 认为人工智能产品的属性源于人工智能设计者。伊德认为:“越接近于技术所允许的性和透明性, 就越能扩展人的身体感觉, 就越是好的技术。值得注意的是, 设计的完善不仅仅与机器有关, 还与机器与人的组合有关。机器沿着一个身体的方向完善, 并且是根据人的和行为塑造的。”[8](P74)
维贝克出版了《将技术化理解与设计物的》一书, 在这本书中, 维贝克把技术人工物和的关系划分为两个层面:第一个层面, 技术带来新的伦理问题。第二个层面, 通过技术设计改变人类的行为。人工智能技术, 会带来一些新的伦理问题, 但也可以通过新的人工智能设计改变人类的行为。人工智能的风险是预置的, 是人类在设计人工智能之初就预先设置了的。人工智能设计具有意向性, 嵌入了人类的目的, 被“嵌入” (Moral Embeddedness) 到产品中。就像拉图尔 (Bruno Latour) 说的“减速带”设计一样, 如果不在减速带前减缓车速, 车就难以平稳驾驶, 在减速带中就嵌入了需要人遵守的减速驾驶的规则。超市的投币手推车也具有“嵌入”的功能, 如果不把手推车归还到指定区域, 就不能退换硬币, 就会造成使用者的损失, 这样, 久而久之, 就提高了人的水平。显然, 这种设计的手推车也嵌入了人类。在“物”的设计中嵌入人类, 使人不得不遵守伦理准则, 这种不仅仅在于人, 而且还在于“物”的情形被拉图尔称为“将装置化”, 维贝克直接称其为“物化” (Moral materialization) 。规范对人的约束转变为对物的“嵌入”, 人工智能在设计之初就应该预测和评估人工智能产品可能引发的。因为人工智能具有人的推理能力, 因此对人工智能的发展应该从设计源头进行规约。技术设计是把理论、规范和伦理学原则现实化的载体, 具有调节、重塑的作用。在具体的人工智能产品设计上就应该进行风险评估, 对人工智能可能引起的风险有个准确的把握。在人工智能的设计环节就应该有风险意识, 这样才能防范人工智能可能带来的风险。
康德的义务论和边沁的功利主义是伦理学中的经典理论。从义务论的角度看, 一个行为的性质的正确与错误, 并不是由这个行为的结果来决定的, 而是由行为本身的性质、特点来决定的, 正确的行为可能导致错误的结果, 我们平时说的“好心办坏事”属于义务论的行为。功利主义是奉行目的论的典型, 一个行为的优劣不在于行为的本意是否优劣, 而在于这个行为所带来的结果是好的还是坏的。人工智能的设计不应仅仅局限于某一种状态, 从设计者的设计到人工智能产品都应该规范与约束, 才能保障人工智能发展不损害人类利益, 不人类。美国科幻作家阿西莫夫 (Isaac Asimov) 的“机器人三定律”就是以不人类为前提的。1942年, 阿西莫夫在其文学作品《我, 机器人》中提出了机器人定律:“第一条:机器人不得人类个体, 不能目睹人类受到不干预;第二条:机器人必须服从他的命令, 命令与第一条冲突时除外;第:机器人在不违反第一、第二条的原则下, 要自己的安全。”[16](P1)电气电子工程师学会 (IEEE) 在2017年12月12日发布的《人工智能设计的伦理准则》 (第2版) 中提出, 合乎伦理地设计、开发和应用人工智能技术应该遵循以下一般原则:确保它们不国际的;福祉在它们的设计和使用中优先考虑人类福祉的指标;问责确保它们的设计者和操作者负责任且可问责;透明确保它们以透明的方式运行。
2017年1月, 在美国的阿西洛马召开了“阿西洛马会议”, 近千位人工智能领域的专家和学者表达了对人工智能快速发展所带来的潜在问题和隐患的关心。阿西洛马人工智能原则 (Asilomar AI Principles) 旨在规范智能机器的发展, 共同保障人类的命运和未来。阿西洛马人工智能原则是对人工智能和机器人发展所产生影响的长期观察比较集中和综合的表达。这些原则包括三个主要方面, 分别是研究主题 (Research Issues) 、伦理与价值 (Ethics and values) 和长期议题 (Longer-term Issues) 。研究主题方面主要讨论了人工智能的发展方向、发展主题等问题, 主要包括研究目的、经费来源、安全措施、文化建设、政策体系等方面的内容。伦理与价值方面主要讨论了隐私、价值观、地位、价值归属、故障追责等问题。长期议题方面则是站在长远角度, 对人工智能发展可能出现的潜在危机和挑战进行了集中讨论和统一规约, 主要包括能力、风险以及公共利益等核心主题。[17]
[7]张玉洁.论人工智能时代的机器利及其风险规制[J].东方, 2017, (6) .