[3000字]人工智能论文（精选5篇）

【写作参考】阿拉题库漂亮网友为您精选的“[3000字]人工智能论文（精选5篇）”文档资料，供您写作参考阅读之用，希望对您有所帮助，喜欢就复制下载吧!

人工智能论文3000字【第一篇】

[摘要]经济全球化形势下，英语教学需求增长，尤其对于高校教育机构而言，传统英语教学模式的局限性弊端已逐渐显露，新型教学技术的引入与应用成为大势所趋。人工智能技术作为现代科技的重要产物，于近年来开始被尝试应用于教学工作当中，在语言类教学课堂中发挥着尤为重要的辅助作用。基于高校英语教学的现实需求，如何构建有益于提升教学实效性的教学模式，并由此实现人工智能技术在英语教学课堂中的有效利用，成为亟待解决的关键问题。现由人工智能视野出发，尝试在高校英语教学中拟建混合式课堂，以期实现教学效率及质量的优化。

[关键词]人工智能;高校英语;混合式教学;构建策略

从高校教育阶段的英语教学目的来看，其核心主要在于语言应用能力的培养，要达成这一目标，仅仅依靠单一的课堂内教学远远不够，在缺乏课外训练的情况下容易导致学生出现语义理解、口语表达方面的短板，不利于全面应用能力的构建。因此，以“线上+线下”为特征的混合式教学模式在高校英语课堂逐渐兴起，在很大程度上弥补了以往单一性教学模式的不足，也更有利于为人工智能等现代教学技术的引入与应用扩大空间。但由于长期受传统教学模式影响，人工智能与混合式教学模式在高校英语课堂中的融合构建容易受阻，需要以科学合理的策略加以推进，现提出相应方案。

一、人工智能与混合式教学模式的相关理论概述

(一)人工智能的概念及主要功能人工智能技术是建立在计算机信息处理基础上的一种智能化技术，能够对人类行为逻辑、方式及习惯做出相应的解析与模仿，使机器的运作能够在智能程序的驱使下更贴合人类的交互需求[1]。基于这一应用方向，人工智能技术主要由理论研究与工程研究两个方面共同推进完整体系的构建，其中，理论研究工作旨在为后续工程研究的实践奠定基础，重点一般放在对现有技术经验的总结探索、对相关理论体系的整合提炼等方向;工程研究工作则旨在利用现有人工智能技术独立完成产品的开发与设计，重点一般放在人工智能系统与设备的应用、新产品的研发实验与调整改进等。从人工智能目前的主要功能来看，大致可分为以下三类：一是通过智能系统完成信息的存储、提取及内部处理;二是通过智能化能力完成信息的符号化处理;三是建立与人类行为逻辑相近的程序逻辑，并利用这一能力对人类提出的问题予以解答或处理[2]。从语言学习的视角来看，人工智能的功能呈现更为具体，如语言解析技术、语言识别技术、语言翻译技术等均较为常见，随着人工智能普及率的增长，这些技术在语言教学课堂中的利用也更为广泛，且目前仍处于不断升级的进程当中，为语言教育方式的革新转变带来了巨大的契机。

(二)混合式教学模式的应用价值结合混合式教学模式在高校英语教学中的应用现状来看，其教学价值大致体现在以下两个方面：一是优势整合价值。语言学习中，传统课堂与网络信息课堂所能够提供的支持效果各不相同，且各有优势与短板。通过应用混合式教学模式能够有效提取并整合两种教学状态下的主要优势，使其相互补充、相互作用，进而发挥“1+1>2”的更优教学效果。二是范围拓展价值。语言类科目不仅对基础知识体系具有较高要求，同时也有着明显的实践需求，而单一的课堂教学模式很难将教学范围进行有效拓展[3]。在混合式教学模式支持下，这一问题得以解决，通过利用庞大的线上资源来突破线下教学范围的局限性，能够达到开辟新渠道、巩固认知结构的教学目的，有助于为学生跨文化交际能力的提升奠定基础。三是推进教学改革。混合式教学模式的深入开展，有助于实现教学方式的多元化和丰富性。充分借助于线上教学与线下教学的优势，综合运用多样化的教学手段，根据不同教学内容的要求来选择合适的混合式教学手法，这不仅可以为学生的学习活动提供良好的支持，同时还有助于调节课堂教学氛围，让教学实效性得以大大增强。

二、人工智能视野下高校英语混合式教学模式的应用路径

(一)听力训练———应用语料库完成自动化资源匹配及交互听力训练属于英语教学中的基础性部分，对于学生英语应用能力的构建有着决定性影响，且听力资源的广度及与学习需求的匹配度在很大程度上决定着学习效果。因此，在构建高校英语混合式教学模式时，可将人工智能技术作为打开听力训练资源广度的关键渠道，借助其特有的语料库储备来完成自动化匹配、交互，使学生能够快速在庞大的英语听力素材中获取与自身学习需求相符的听力资料，并根据资料内容，与人工智能设备展开具有针对性的自动化练习[4]。首先，学生可在线上人工智能系统中录入自己的年龄、学段、英语听力基础、重点训练方向等基本资料，由系统根据数据资料自动筛选、匹配相应的听力材料，从而省略手动搜集资料的繁琐工序。另外，为进一步增强线下课堂学习与情境的交互性，还可进一步利用人工智能的自动识别功能，由学生根据学习需求，随机选取某物体进行扫描，再由系统根据识别出的物品类别筛选出相关的听力练习资料，使学生能够在自动且随机的语言场景中获得更良好的学习体验。例如，当学生选择“手机”这一物品进行识别后，语料库便可自动筛选出与“手机”有关的听力材料，整理出类似主题：Therelevanceofmobilephonesandmodernlife，学生再根据听力内容展开自主练习，从而规避千1律的重复训练。

(二)写作指导———应用自动批改功能完成查漏补缺英语教学中，写作是用于锻炼学生词句表述水平、语法运用水平的重要环节，但传统英语写作教学课堂常受困于题材范围狭窄、批改过于主观等因素，既不利于学生创造能力的发挥，也容易导致学生对于自身英语写作的优缺点难以客观把握[5]。因此，在利用人工智能技术展开英语写作指导时，同样可由线上、线下两个不同角度出发，分别借助框架搭建功能与自动批改功能完成的自我审视与查漏补缺，进一步夯实英语书面表述能力。线上教学中，首先可由教师向学生布置以某一话题或某一词汇为主题的写作任务，如“Economicglobalization”，学生根据自身思路，在人工智能技术支持下的作文系统中进行写作，系统则由此发挥框架搭建功能，结合主题与基本思路提供大致的框架模板，以及用作参考的相关词汇、句式，使学生能够跟随框架的指导，形成更为清晰的写作逻辑链条，达到深化表达的训练目的。线下教学中，首先可针对经过系统自动批改后的写作内容与批改意见进行回顾，找出系统评测下的亮点与不足所在，梳理出写作过程中的存疑之处，通过与他人交流和询问教师的形式找出解决办法，并于课堂上完成习作修改，最后由教师根据写作主题，给出主观意见，从而达到主客观相结合的综合评定目的，使反馈成果更具辅助改进意义。

(三)翻译练习———应用云平台技术实现重难点突破英语翻译是以足够的词句积累、听力练习为基础的语言转换过程，对于学习者的语法运用水平、实时解析能力、组织表达能力都具有较高要求，因此学习过程中的重、难点也相对更多，如何提高翻译精准性成为教学过程中的重要问题[6]。人工智能支持下的云平台应用能够为英语翻译教学带来新的渠道，一方面可通过创设翻译情境来使学生快速投入到语言环境当中，另一方面也可透过知识模块拆分功能来理顺语句间的联系，从而使得翻译精确性提升。首先，可在线下课堂当中借助人工智能技术来营造身临其境的语言氛围，如通过追踪文本内容，自动化匹配并呈现与之相关的场景，给人以身临其境之感，如在进行“Foratime，theweatherchangedsud-denly，heavyrainandthunder，pedestriansontheroadwerelookingforeavestoavoid.”一句的翻译时，系统可自动提取“Thunderstorm”这一关键词，并在设备中播放关于“暴雨雷鸣”的音像，将学生引入语言情境当中[7]。在情景背景下完成翻译练习后，学生可各自将翻译成果上传至线上云平台，由云平台根据翻译内容，出具动态的评价链条，对翻译结果进行量化评定，使学生更快地从中厘清重点、难点，并结合不同的知识模块展开针对性补充练习。

(四)口语对话———应用人工智能机器人展开一对一对话高校教育阶段，英语教学的最终诉求在于实际语言应用能力的构建，因此，口语对话练习成为贯穿教学始终的必要环节，关系着学生最终能否将课堂学习成果转化为语言应用基础。人工智能技术的出现，在很大程度上打破了以往英语课堂中对话组织困难的僵局，学生可通过与人工智能机器人建立起一对一的对话关系，来解决师资有限而同学指导能力不足的问题，同时取得训练成效与查漏补缺成效。学生在进行线上自主练习时，可根据想要练习的方向设置关键词或主题，再将人工智能机器人作为对话对象，围绕主题展开聊天式对话，从而达到口语训练目的，同时还可避免与真人对话时羞于启齿的情况，有助于在放松状态下激发出更良好的表达水平[8]。线下课堂教学中，同样可利用人工智能机器人来催化练习效果，例如，在组织小组口语练习时，为避免话题匮乏、接话困难的情况，可利用智能机器人来提供一些固定的框架或句式搭配，并根据不同成员的薄弱点，对对话的层级与难度进行适当智能化调整，从而实现对话练习效果的提升。

三、人工智能视野下完善高校英语混合式教学模式的主要策略

(一)完善教学管理系统，拓宽混合式教学范围无论是人工智能技术还是混合式教学模式的利用，都需要以完善的教学管理系统作为依托，才能够最大限度发挥其价值与成效，真正在教育工作中起到支持作用。因此，在构建高校英语混合式教学模式的同时，还需要紧密结合内部教学需求与教学现状，组织校内各部门共同参与到教学管理工作中来，积极发挥监督与合作职能，在寻求改革发展契机的同时进一步拓宽混合式教学的应用范围[9]。一方面，打造以融入人工智能技术为核心的混合式教学方案，将其应用于英语教学工作当中，动态化观察各阶段教学成果，并用作后期修改教学管理方向的依据，同时积极举办教学比赛及教学研讨会议，以便及时发现方案中的问题所在;另一方面，将混合教学范围逐步扩大，如尝试通过校外拓展实践来探索人工智能的新应用渠道，同时建立综合线上、线下两个教学环节评价指标的教学反馈体系，以便于及时由反馈体系当中获取新的教学动向，并由此探索更利于发展的新模式。可以说，人工智能背景下的英语混合式教学，是以完善的教学管理系统为先导的，必须要不断地对教学管理系统进行完善，有效地拓展并延伸混合教学范围，才能够最大化地提升混合式英语教学的实际意义，真正促进教学质量的提升，为学生的成长和发展奠定坚实的基础。

(二)优化课件制作体系，突出合作互动功能除混合式教学方法的应用外，英语教学课件的制作也直接影响着最终教学成效。为突出人工智能技术的教学优势，在后期英语混合式教学课件的制作中，可进一步强调学习过程中的合作与互动，通过留置更大的交互空间来激发个体的主观能动性，从而达到强化训练效果的目的。一方面，高校可组建精于网课制作的教师队伍，在分析人工智能教学数据、总结以往经验的基础上，尽可能地丰富素材、去粗取精，使学生在线上学习中获得更优体验;积极打造线上精品网课，带给学生专业化的网络课程内容，使之可以从中收获知识的积累和能力的提升，此外还可以将精品网课作为范本在其他高校进行推广，这既可以进行课程推广还能够实现学术交流，以此来更好地强化课件制作效果;另一方面，在线下课件的制作中，更多地增加由学生作为主导的实践板块，如互动对话环节、实时翻译环节等，从根源上提高学生在混合式课堂中的参与度[10]。总而言之，在人工智能背景下，积极开展英语混合式教学，必须要以优质课件制作体系为先导，以课件优势来促进学生对于知识的吸收，这样有助于最大化发挥混合式英语教学的意义，强化教学实效性。

(三)重建教学评价制度，设置多元考核指标在混合式教学模式践行基础上，可通过重建教学评价制度、设置多元化考核指标来进一步倒逼教学质量的提升。例如，除了平时表现，期末考试成绩作为基础考核以外，可另外增加线上教学评价板块，即将学生在线资源学习情况、线上线下课堂活跃度以及师生互动情况等都纳入评价考核范围。借助人工智能技术及网络平台，将学生的学习情况细化为多个考核内容，如听、说、读、写能力的构建情况等，从而保证考核结果更加公正、有效，能够真实反映学生的学习情况以及英语应用水平，并帮助学生完成针对性改进。此外，为了进一步延伸教学评价效果，可以通过线上师生互评、学生互评、小组评价、学生自我评价等方式来实施多元化评价，这样通过多维度、多元化的混合式评价，有助于实现最真实、最客观、最全面的教学评价，能够全面衡量教学质量和教学效果，以便于为后续的教学改进创造基础。

参考文献：

[1]刘凡.高校英语教学线上+线下混合式模式的构建研究[J].吉林广播电视大学学报，2019(9)：62-63.

[2]安琦.民族高校英语专业课程混合式教学模式初探———以内蒙古民族大学为例[J].民族高等教育研究，2019，7(5)：90-92.

[3]郭玺平.混合式教学模式下的高校英语演讲课程设计与实践———以内蒙古师范大学为例[J].内蒙古师范大学学报(教育科学版)，2018，31(3)：87-90.

[4]陈洁.混合式教学法在高校英语专业《基础英语》课程中的应用[J].黑河学院学报，2020，11(2)：107-109.

[5]贺红艳.混合式教学模式下课堂评价体系改革对高校英语教师评价素养的挑战[J].国际公关，2020(5)：41-42.

[6]毛为慧,余庆泽.基于AI语音识别平台的英语混合式教学模式探讨[J].河南教育(职成教),2020(3):28-30.

[7]王艳红.人工智能背景下英语写作教学中混合式教学模式的应用[J].西部素质教育,2020,6(12):122-123.

[8]阚常娟.多模态视域下的英语教学云平台建设研究[J].江西电力职业技术学院学报,2020,33(3):37-38.

[9]王璐.浅议人工智能背景下的大学英语口语教学与评价[C].外语教育与翻译发展创新研究(第九卷).四川西部文献编译研究中心,2020:44-46.

[10]季燕.5G+人工智能视角下的英语教学创新探索[J].创新创业理论研究与实践,2020,3(7):67-68.

作者：王欣 单位：陕西警官职业学院

人工智能论文3000字【第二篇】

摘要：随着人工智能技术不断更新，人工智能与实体经济融合的趋势无法避免，实现人工智能产业化成为核心问题。目前，人工智能产业运作模式分为基础层、技术层、应用层，依据不同的场景区分应用模式，其中技术层是关键，体现了创新能力与核心竞争力。本文从产业经济学与技术革命的视角分析人工智能产业化的运作模式及其可能带来的冲击，认为当前人工智能正在影响产业经济的整体布局，其中人工替代率增长和社会不平衡加剧的问题值得关注与思考。

关键词：人工智能;产业经济;技术革命

“人工智能”作为一个专业术语，可以追溯到20世纪50年代。美国计算机科学家约翰·麦卡锡及其同事在1956年达特茅斯会议上提出：“让机器能够做出与人类相同的行为”，这便是人工智能定义的开端。随后的60年中，人工智能经历了三次发展浪潮，与我们的经济社会生活愈发贴近。人工智能与实体经济的融合无法避免，人工智能技术的应用正在悄悄改变产业布局，如何更好地实现人工智能产业化是当今科技社会必须面对的问题。

1人工智能产业概述

产业定义

从概念上看，人工智能是计算机科学的一个分支领域，致力于让机器人模拟人类思维，从而执行学习、推理等工作。人工智能分为强人工智能和弱人工智能，强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正地推理和解决问题。在弱人工智能阶段，由于人工智能仅限于处理相对单一的事务，尚未发展到“模拟人脑”的程度，该类人工智能依旧被视为一种法律上的客体或物，属于“工具”的范畴。人工智能产业是指群体、团队、个人针对人工智能本身基础理论、技术、系统、平台以及基于人工智能技术的相关产品和服务的研发、生产、销售等一系列经济活动的集合。

产业环境

人工智能作为第四次工业革命的核心驱动力，在很大程度上能够影响未来社会的经济发展。目前，苹果、谷歌、微软、亚马逊、脸书，这五大企业巨头无一例外都投入了越来越多资源来抢占人工智能市场，甚至整体转型为人工智能驱动型公司。2019年，“智能+”首次出现在中国的政府工作报告中，要求坚持创新引领发展，培育壮大新动能。人工智能在金融、教育、工业、安防、医疗等众多领域扮演着越来越重要的角色。2020年，5G技术发展进一步深入，5G技术的高性能传输通信能力将为人工智能更高速率的应用提供可能性。高端制造、无人驾驶、智慧医疗等领域将伴随5G与人工智能的紧密结合衍生出更丰富的应用场景。目前，人工智能技术的产业环境优势十分明显，不论是企业巨头的大力投入，市场导向的迅速普及，还是各国政府的政策扶持(见表1)，都为人工智能产业化开辟了道路。

2人工智能产业化运作模式

人工智能的产业生态可以分为基础层、技术层、应用层。其中，基础层侧重基础支撑平台的搭建，例如人工智能芯片、算法和数据;技术层侧重核心技术的研发，例如计算机视觉与图像、自然语言处理、语音识别;应用层更注重应用发展，包括人工智能行业应用方案、消费类终端或服务等。根据目前人工智能产业化形态的现状和发展，人工智能在不同类型产业中的应用模式和应用前景差别很大。例如，人工智能与制造业融合的发展方向是减少劳动成本和提高效率，与服务业融合的发展方向是精准化市场需求和制定最优方案。所以，人工智能产业化运作模式需要依照产业类型分类讨论。

基础层产业

基础层产业的关键词是“感知”与“计算”。基础层典型产业有摄像头、传感器、云端计算、芯片等。以摄像头为例，2020年因疫情防控的需要，安防行业相继研发新产品，例如人体测温双目摄像机、智能测温一体化安检门、热成像人脸测温一体机等。通过前端设备进行图像数据采集，经产品内置芯片进行数据处理和智能分析后上传至存储服务器，再通过网络及云端传输至后端供平台使用。其中，芯片是设备性能及技术处理的核心要件。从产业经济学的角度看，产业经济学的研究对象聚焦于市场主体：产业组织和劳动组织，人工智能在基础层产业的分布十分契合这一点，例如智能摄像头以传统摄像头硬件为载体，但此时传统的市场主体已经具备全新的基础和平台。在人类文明进步的历程中，生产力是关键。人工智能所搭建的数据平台是生产力发展的产物，芯片的处理能力和处理效率是人脑无法企及的，这是生产力的革新，产业结构逐渐开始了以数据为基础的全新布局。

技术层产业

技术层产业的关键词是“人工智能系统平台”与“人工智能基础服务”。技术层的典型产业有数据处理系统、智能语音识别、文字和图像识别等。技术层产业是人工智能产业的核心部分，体现为核心技术能力的竞争。以腾讯为例，腾讯在技术层建立了人工智能技术开发平台，包括语音识别、计算机视觉、自然语言处理和机器学习。从技术革命的角度看，产业升级的基础是创新，传统产业能够成功转型升级的关键也在于创新。产业竞争环境和产业创新能力是产业竞争力的主要来源，技术革新是创新能力的关键要素。

应用层产业

应用层产业的关键词是“场景服务”与“硬件产品”。近年来兴起的无人驾驶汽车、智慧医疗、智能家居、智慧城市、工业机器人等都是人工智能应用层产业的典型代表。以智慧医疗为例，数字化医疗的整个产业链以大数据资源库为共享平台实现产业集聚，医疗机构、患者、医疗设备研发机构和产品制造商多端实时共享和有效互动。人工智能的应用层场景布局正在悄悄地改变产业布局，整个社会逐渐成为以数据资源库为轴心的相互连通的复合体。追本溯源，产业是社会分工的产物，随着经济发展，社会分工越来越精细，人工智能的应用层场景以一种新兴的方式实现产业链的“互联互通”，让不断细化的社会分工和产业结构以一种全新的智能方式进行融合，强化了产业组织的内部联动及共生关系。

产业运行准则

有学者认为，人工智能需要依据封闭性准则来加以应用，规避人工智能技术失控风险。以AlphaGo为例，虽然围棋机器人在与人类的对弈中获胜，似乎表现出“超强大脑”的水准，但终究是训练方法的胜利。此时，围棋的规则和训练机制对AlphaGo而言便是它的封闭边界。“我们需要某种准则，以便客观地判断：哪些场景中的应用是现有人工智能技术能够解决的，哪些问题是不能解决的。这个准则就是封闭性准则。”

3人工智能产业化带来的冲击

人工替代率增长

有学者从经济学角度研究人工智能是否导致失业时，发现对于这个问题经济学家的总体判断是相对悲观的。回顾历史上工业革命带来的冲击，技术革命导致大量工人失业，导致工人背后的家庭整体生活水平下降，对工人阶层非常不利。直到工业革命逐渐扩散和技术普及，经济发展水平趋高维稳，工人阶层的生活水平才逐渐好转。但是，人工智能技术能够代替的是更复杂的人类劳动，会计师、理财顾问、律师助理和新闻记者已经在与某种形式的人工智能竞争。对企业来说，雇佣劳动力需要更多的成本，而使用机器人的成本显然更低，效率更高，不可避免地出现岗位减少，工人失业的情况。例如，经合组织估计，经合组织国家中有46%的工人处于被替换或需要从根本上转型的高风险中。

社会不平衡加剧

由工人大量失业引发的一个问题是，贫富差距的两级分化更加剧烈。人工智能技术的发展演变，是迅速且具有爆发力的，作为和平年代的技术革命，它看似无声响却更有冲击力。技术变革对社会财富分配和阶层结构的后续演化产生冲击，导致社会不稳定不平衡加剧。类比市场垄断，多家规模不均的同类企业竞争往往具有市场活力，一旦出现一家独大，这些企业的市场竞争力就会被削弱，甚至难以存活以致被吞并。当一个行业逐渐被行业巨头垄断，这个行业就会被这股强大的力量主导，资源不断聚集，力量弱小的主体自身难保，谈何竞争?对劳动者来说，收入差距拉大有一定的激励作用，对高薪和社会地位的追求能够激发人们的斗志，带动经济发展。但是当这个差距被拉大到一定程度，富者恒富，底层人民望尘莫及，看不到向上走的希望，努力失去意义，就会产生落差与不满。这种大规模人群的不满会成为社会中值得关注的不稳定因素。

4结语

人工智能以超凡的能力和效率改变着社会产业布局，不只是人工的替代，也不仅仅是技术的革新，更是社会生产力、经济运行方式和人类生活方式的全新搭建与构思，具有无限可能。人工智能的产业化发展依据不同的特征应用于不同的场景，与不同类别的传统产业和实体经济相融合，并以数据为轴心创造了一个互联互通的生态系统和共建共享的动力系统，为经济发展注入了活力与生命力。人工智能的产业化发展也会带来一些问题，有学者认为，我们正在见证全球经济的骄人变化，并且很难知道这些变化的广度，或者说几十年之后全球财富在一国内或多国内将如何分配。经济学中有一种“理性人假设”，这种假设易令经济学家忽视财富分配的必要性，认为平衡能够自动达成。然而，收入与分配的长期演变是必须面对且至关重要的社会经济问题。人工智能时代，收入与分配不均现象更为严重，社会财富可能会集中在少部分掌握技术的人手中，社会不稳定因素增多，需要政府一定程度的干预，从宏观层面把握收入与分配的平衡。

人工智能论文3000字【第三篇】

〔摘要〕人工智能飞速发展，正在改变人类生活，推动人类进步。人工智能学者从认知科学、心灵哲学以及控制论等不同视角对人工智能进行研究，但对于人工智能哲学根源的追溯与厘清较少。古希腊毕达哥拉斯主义的数论思想、亚里士多德演绎逻辑系统与分析哲学中的逻辑分析与语言分析方法以及简单性哲学原则为人工智能研究纲领、研究框架以及研究方法等奠定了基础，哲学核心问题决定了人工智能的研究进路。只有对人工智能的哲学思想源流进行追溯与探究，才能理解人工智能的理论基础，以更好地把握人工智能的发展规律并合理预测人工智能的发展趋势。

〔关键词〕人工智能，数论，简单性原则

〔中图分类号〕N1   〔文献标识码〕A〔文章编号〕1004-4175（2020）02-0005-06

人工智能发展如火如荼，学者除了对人工智能技术本质、人工智能社会影响、发展路径及伦理问题等进行研究之外，还关注人工智能中的哲学问题。对人工智能的研究不能仅仅局限于技术层面及科学基础层面的反思，也要涉及对人工智能的哲学思考。博登指出：“在科学家族中，没有一门学科比AI与哲学的关系更密切。” 〔1〕3人工智能与哲学紧密联系，特别是心灵哲学与语言哲学，认知科学与认知心理学等学科也为人工智能发展奠定了科学基础。迄今为止，对于人工智能哲学的研究还没有形成完整的理论体系，学者多从哲学视角对人工智能中的问题进行探讨，从哲学思想源流挖掘人工智能基础的著述不多。笔者尝试从人工智能的数论基础、逻辑学、分析哲学基础以及简单性原则等视角分析人工智能的哲学思想根源。

一、数论哲学为人工智能提供质料基础

人工智能先驱西蒙与纽维尔作为人工智能符号主义（symbolicism）学派的代表，他们的研究着眼于计算机程序的逻辑结构、符号操作系统以及编程语言，这与古希腊哲学家毕达哥拉斯学派的“数论”思想一脉相承。在毕达哥拉斯看来，数是万物的本原，万物皆数。“按照普罗克洛在《欧几里德〈几何原理〉注释》中，‘数学’这个词也是毕达哥拉斯学派首先使用的”〔2〕268。毕达哥拉斯将科学研究的基础建构在数学的基础之上。毕达哥拉斯哲学思想的核心即“数”是万物的本原。按照毕达哥拉斯的数论思想，与其说水、火、土等都是万物的本原，不如用一个简单词“数”来解释万物的存在。

“数是万物的本原”包含着万物之中存在着某种数量关系的含义，不管是天体结构、音阶音律以及建筑結构等万物都存在数量关系。毕达哥拉斯学派认为数是宇宙的元素，科学研究就是寻找纷繁复杂现象之后的数量关系。例如，物理学是研究事物运动方面的数量关系，几何学是研究事物点、线、面、体之间的数量关系等。他们将事物的本质归结为数的规律，认为事物的本质就是数。按照亚里士多德“四因说”来看，毕达哥拉斯的“数”既是构成事物的形式因，又是构成事物的质料因。质料因指的是构成事物的原始质料，就好比建造房屋用的砖木石瓦，形式因即构成事物的样式和原型，就好比造房屋的图纸或建筑师头脑里的房屋原型。这样的思想家（毕达哥拉斯主义学派）认为数既是事物的质料、同时又是形成事物的变化和它们的不变状态的形式”〔3〕21-22。因此，数对于事物来说，既是质料因又是形式因。

毕达哥拉斯的哲学思想还表现在数的和谐论。他认为万物包括宇宙在内都由数构成，并且万物可以还原为数;他还认为宇宙是和谐的，并把和谐的宇宙称为“科斯摩斯”。科斯摩斯原意就是“秩序”的意思，认为世界存在内在秩序与内在规律，人类可以通过数量之间的关系找到世界的既定秩序。

毕达哥拉斯的“万物皆数，数之和谐”思想既具有本体论含义，也具有方法论意味。他的哲学思想影响了古希腊科学的发展，亚里士多德的逻辑学体系、欧几里德的几何学体系、托勒密的天文学体系、盖伦的医学体系这四大古希腊的科学成就皆受毕达哥拉斯主义哲学思想的影响。不但如此，毕达哥拉斯的哲学思想还影响了西方整个自然科学的发展。达芬奇、哥白尼、开普勒、伽利略、牛顿等人都自称是“毕达哥拉斯主义者”。达芬奇认为天体是一架服从确定自然法则的机器，自然界有确定的规律;15-16世纪带有毕达哥拉斯主义成分的新柏拉图主义者把自然事物的行为解释成数学结构;哥白尼日心说体系的理论基础也是依据毕达哥拉斯主义哲学理论来构造行星运动简单、和谐的天体几何学模型;开普勒认为自己是毕达哥拉斯主义者，他的目标就是追求造物主心中数的和谐;伽利略也是毕达哥拉斯主义的追随者，他认为“自然之书是用数学语言书写的”，自然的真理存在于数学事实中。毕达哥拉斯的数论思想还影响了莱布尼兹。莱布尼茨有一个梦想，就是给出一套理想符号系统或语言和确定的语言变换或演算规则，把日常问题转变成理想语言，利用演算规则清楚地求解问题的答案。在此基础上，莱布尼兹提出“通用机”的天才设想。莱布尼茨尝试发明人工智能通用机，他设计出一种二进制计算法，用二进制数代替原来的十进制数，二进制数即“1”和“0”。莱布尼兹虽然制作出了简单机器，但其只能进行简单的算术计算，还不是莱布尼兹设想的能够进行复杂数据处理的通用机。尽管如此，莱布尼兹思想还是影响了整个计算机系统的发展。

图灵与冯·诺依曼的人工智能机器也受毕达哥拉斯主义数论的影响，他们运用数的和谐以及数量关系的计算尝试让“莱布尼兹之梦”在现实生活中得以实现。图灵通过基本的数学运算将数学运算符号化为运算符，并用一个无限长纸带来表述计算过程，制造出了图灵机，这就是莱布尼茨所说的“通用机”。图灵认为人脑类似通用机，图灵提出一台计算机在多大程度上可以模仿人的活动，进而提出“机器能否思维”这个哲学问题。图灵坚持通过特定算法程序，把可计算的数量关系都转化为由一台图灵机来计算。冯·诺依曼指导发明第一台基于运算器与存储器的计算机，他为图灵通用机设计出一个物理模型——EDVAC，EDVAC可以执行加、减、乘、除等数学操作。与图灵一样，冯·诺依曼把人脑与机器类比，机器通过存储器储存数据，通过数学规则设计出把思维当成数据的程序，通过简单、和谐的数字制造出能进行复杂数字处理的机器。 不管是图灵的通用机还是冯·诺依曼的EDVAC都是为了解决“莱布尼兹之梦”，其哲学思想均根源于毕达哥拉斯的“数论”哲学思想。除了图灵与莱布尼茨，纽维尔与西蒙等符号主义人工智能先驱也认为，不管是人类智能还是机器智能都是根据确定的或者规范的规则来进行符号操作的。不但如此，基于认知模拟的强人工智能也把心理状态作为计算状态，所谓认知就是计算，这是对基于数论的计算主义教条的信仰，人类智能类似于信息处理系统。联结主义人工智能不同于符号主义人工智能，它否认智能行为来自于在形式规则下对符号进行操作的观点，“符号主义人工智能中的信息处理包括明确的应用和形式规则，但是联结主义人工智能没有这样的规则”〔4〕1366-1367。与符号主义人工智能不同，联结主义人工智能的工作原理是寻找神经网络及其间的联结机制及学习算法。虽然联结主义与符号主义人工智能有区别，但联结主义人工智能与符号主义人工智能的共同假设都是把认知看作信息处理，且信息处理都具有可计算性。可见，毕达哥拉斯的“万物皆数，数之和谐”思想为符号主义人工智能与联结主义人工智能的发展奠定了基础。

二、演绎逻辑与分析哲学成为搭建人与机器联系的桥梁

除了毕达哥拉斯的数论思想，古希腊亚里士多德的演绎逻辑系统也是人工智能的哲学思想源泉。人工智能符號主义学派也称为逻辑主义学派，可见逻辑思想在人工智能发展中的重要地位与作用。即使是深受胡塞尔后期的现象学、海德格尔的存在现象学和梅洛-庞蒂的知觉现象学影响的人工智能专家德雷福斯，也肯定演绎逻辑以及形式系统在人工智能发展中的作用。在德雷福斯看来，符号主义人工智能的基础是逻辑学，是哲学中的理性主义。人工智能的主要设想是可以运用计算机的逻辑运算来模拟人类思考的过程。图灵尝试依靠逻辑发明通用机，“我希望数字计算机能够最终激起人们对符号逻辑的极大兴趣……人与这些机器进行交流的语言……构成一种符号逻辑”〔5〕288。马丁·戴维斯直接把符号主义学派的源头追溯到亚里士多德，“把逻辑推理简化为形式的努力可以追溯到亚里士多德”〔6〕200。亚里士多德是逻辑学的创始人，他认为逻辑学是获得真正知识的重要工具，逻辑学是哲学的基础。亚里士多德注重演绎推理，特别重视三段论推理，他认为三段论推理是一切思维运动的基本形式。三段论是一种典型的演绎推理模式，它由普遍性公理和推理规则经过严密的逻辑论证得出必然性结论。图灵的通用机以及符号主义人工智能的根本基础，都可以归结为逻辑或者演绎推理。

集逻辑分析方法与语言分析方法于一体的分析哲学也是人工智能的思想源泉，分析哲学把逻辑学看作一切学科的基础，数学的基础也是逻辑学，数学也要用逻辑符号来表示。分析哲学产生于20世纪初，代表人物是石里克与卡尔纳普等人，其理论来源于英国的经验论者休谟、法国的实证主义者孔德、英国的逻辑主义者密尔和哲学家与心理学家马赫等人的观点。弗雷格的《算术基础》、罗素与怀特海合著的《数学原理》、石里克的《普通认识论》以及维特根斯坦的《逻辑哲学论》是分析哲学的代表著作。分析哲学的基本观点是：哲学的任务是对知识进行分析，强调通过对语言的逻辑分析来消除形而上学问题，认为一切综合命题都以经验为基础等。分析哲学家认为一切科学研究必须从经验出发，哲学的主要任务是运用现代数理逻辑和语言分析把复杂的概念分析为简单的概念，分析哲学家想通过对语言的逻辑分析澄清语句、语词的意义，通过语义上升，抛弃含混、模糊、有歧义的自然语言，把自然语言的语句转换成逻辑命题，通过分析逻辑命题的意义清除伪哲学问题，达到拒斥形而上学的目的。分析哲学注重逻辑分析与语言分析，强调语言分析的重要性，分析哲学把科学的任务界定为发现真理，而逻辑的任务在于识别真理的规律。罗素立足于把哲学建成严密的科学，哲学像科学一样可以获得真理性的知识。在罗素看来，哲学和科学只有程度之分，没有本质区别。哲学问题都是逻辑问题，逻辑问题就是科学问题。对科学问题进行分析还原之后，如果这个问题是逻辑问题，则它是哲学问题，否则就不是哲学问题。因此，逻辑是哲学的基础。通过逻辑分析进行还原涉及语言，那么，所有哲学问题命题都是语言表达式，语言结构是逻辑结构，是科学命题的真正的逻辑形式。

罗素的逻辑原子论从本体论角度坚持奥卡姆剃刀的最小化原则，从语言角度上坚持思维经济原则，语言表述坚持最小词汇量原则。“如无必要，勿增实体”。罗素从逻辑学角度坚持逻辑前提或者公理最小化原则，“宁可构造，勿要推论”。根据公理与推理规则建构的逻辑学公理系统影响了图灵、冯·诺依曼及其以后的人工智能专家。冯·诺依曼致力于为新机器设计逻辑方案，戈德斯坦把冯·诺依曼看成将逻辑应用于计算机的第一人，“据我所知，冯·诺依曼是一个清楚地懂得计算机本质上执行的是逻辑功能的人”〔7〕69。冯·诺依曼在EDVAC的报告中也提到，不但从数学的观点，而且从工程史和逻辑学家的观点来探讨大规模计算的机器。在人工智能哲学先驱德雷福斯看来，自从古希腊人发明了逻辑与几何，就把一切推理归结为计算。人工智能中符号主义的基础是逻辑学，是哲学中的理性主义、还原论传统。他们把计算机看成操作思想符号的系统，试图用计算机来表达对世界的形式表述。心灵与计算机都是物理符号系统。在德雷福斯看来，“伽利略发现人们可以忽略的品质和技术上的考虑，从而能找到一种用来描写物质运动的纯形式化系统，同样我们可以设想，一位研究人类行为的伽利略可能会把所有语义上的考虑（对意义的依赖），变成为句法（形式化）操作技巧”〔8〕76。人工智能的代表人物数理逻辑学家皮茨与生理学家麦卡洛克撰写了《神经活动中内在观念的逻辑运算》，他们的思想受到罗素与怀特海《数学原理》的启发，坚持把一切数学还原为逻辑，甚至神经网络也可以用逻辑来表达。德雷福斯认为人工智能的发展建立在四种假设之上，即生物学假设、心理学假设、本体论假设以及认识论假设。其中认识论假设指的是一切知识都可被形式化，可以被编码成数字形式;本体论假设指的是存在一组在逻辑上相互独立的事实，知识可以被编入计算机程序。纽维尔认为：“人工智能科学家把计算机看成操作符号的机器，他们认为，重要的是每一样东西都可以经编码成为符号，数字也不例外。”〔9〕196 在符号主义者看来，符号是人类认识外部世界的基本单元。人工智能的逻辑学派将人的认识对象通过数学逻辑的方式抽象为符号，利用计算机的程序符号来模拟人认知世界的过程。符号主义学派主要依靠计算机的逻辑符号来模拟人的认知过程。人工智能的重量级人物纽维尔与西蒙构造了第一个真正意义的人工智能程序，称之为“逻辑专家”，可见人工智能专家受逻辑学思想影响之深，“任何表现出一般智能的系统，都可以证明是一个物理符号系统” 〔10 〕41。西蒙与纽维尔认为，作为一般的智能行为，物理符号系统具有的计算手段既是必要的也是充分的。纽维尔与西蒙把其理论来源追溯到分析哲学家弗雷格、罗素与怀特海，“该假设的起源要追溯到弗雷格、怀特海与罗素就形式化逻辑提出的方案：以逻辑方式获取基本的概念式数学观念，把证明和演绎观念置于可靠的根基上”〔11〕。德雷福斯认为，真正的专家解决问题是诉诸直觉与整体性，在此基础上对人工智能的认识论假设与本体论假设进行批判，但他同意专家系统必须使用某种类型的概论度量的逻辑标准，“认知模拟的先驱者们——已经继承了霍布斯推理就是计算的主张，笛卡尔的心理表述、莱布尼兹的‘普遍文字’的思想——所有知识都可以在一组初始概念中得到表示”〔11〕。正如德雷福斯所言，“人工智能就是试图找到主体（人或计算机）中的哲学本原元素和逻辑关系”〔12〕。可见，人工智能与逻辑学特别是分析哲学紧密相关，逻辑学与分析哲学是人工智能的一个重要思想来源。

三、简单性哲学原则为人工智能提供方法论基础

简单性原则作为一种方法论原则，指的是科学理论前提的简单性、科学定律的简单性、思维经济性以及逻辑简单性原则。简单性原则在科学中占有重要地位。欧几里得几何学只有五个公设和几个推理规则就建构其整个立体几何学体系。这就是简单性应用的典范。简单性哲学原则认为，某一给定实体是由更为简单或更为基础的实体所构成的集合或组合。爱因斯坦指出：“从古希腊哲学到现代物理学的整个科学史中，不断有人力图把表面极为复杂的自然现象归结为几个简单的基本观念和关系。”〔13〕39

古希腊先哲用简单的物质元素探索世界的本原。例如，泰勒斯把世界的本原归结为水，赫拉克利特把世界的本原归结为火，德谟克利特把世界的本原归结为原子，认为世界由不可分的原子构成。他认为，万事万物都可以还原为不可分最小微粒——原子，世界是由原子构成的。复杂的事物由简单的事物构成，万事万物都由不可分的基本粒子构成。世界由最基本的粒子构成，复杂对象由基本粒子构成，基本粒子决定了宇宙的性质。

简单性哲学原则不但用简单元素追溯世界的本原，还致力于用力学解释自然现象。不管是物理规律、化学规律、生物规律，甚至是社会规律都可以用力学解释。哥白尼的日心说体系之所以取得科学界的支持也不是因为其解释力强，而是因为其遵循了简单性原则，从而取代了托勒密繁琐的本轮-均轮模型。牛顿的力学三定律就立足于简单性原则，用力来解释所有运动。按照简单性哲学原则，人与动物都是由简单的粒子构成，人与动物没有根本区别，人与机器也没有本质区别，甚至可以说“人就是机器”。1747年，拉·梅特里发表了《人是机器》这一哲学巨著，提出“人是动物，因而也是机器，不过是更复杂的机器罢了”〔14〕69。笛卡尔把人体看作是与机械相类似，用机械的旋涡来解释天体运动问题，他认为宇宙是一架机器，机械运动是唯一的运动规律。牛顿、开普勒、伽利略等都力图建立严密的力学体系来正确描述宏观物理运动，甚至是天体运动。爱因斯坦试图用公理化方法把自然界描绘成物质在时空中运动的统一体，德国物理学家海森堡也认为简单性原则可以作为科学假说可接受性的标准。

不仅自然界的规律可以用力学表示，而且社会关系也可以用力学表示。孔德提出社会动力学和社会静力学概念，社会动力学又称为社会物理学，立足于运用力学规律分析社会关系。1950年，斯宾塞出版《社会静力学》，把事物的基本规律看作“力的恒久性规律”（thelawofpersistenceofforce）。“人是机器”的观点启发人工智能先驱开始了构造具有人类智能机器的探索。

简单性哲学原则在人工智能发展中发挥了重要作用，影响了人工智能的出现与发展。人工智能是使用数字计算机模拟智能行为的活动。在纽维尔与西蒙看来，人工智能系统中把数据看作“1”与“0”的数字串，其他复杂的数量关系可以由“1”和“0”两个数字来构建，这是计算向物理过程的还原。人工智能需要把任何种类的智能活动变成一套指令。在人工智能的计算主义看来，一切推理都可以归结为计算，人工智能机器可以复制人类智能行为。人类的认知与计算机器是一样的。一切人类实践与技能在头脑中都表现为一个信念系统，由与上下文环境无关的初始行为与事实所构成。人与计算机都是物理系统或者可以简单归结为物理系统，这种思想深受简单性原则影响。不但如此，人工智能中的问题求解也是由难问题还原为简单问题来讨论。明斯基（MarvinLeeMinsky）认为：“解决困难问题的能力，随着把难题分成或者转换成难度较低问题的能力而改变，为了做到这点，需要对局势的理解，但不是全靠运气。人们必须能够对问题的表达作充分的推理或猜测，才能为问题的局势建立更简单的模型。这些模型具有的结构，应足以使人觉得可以把从模型得到的解，扩展到原有的问题上。”〔15〕421在人工智能先驱纽维尔与西蒙看来，人工智能与人脑都是同样的信息处理工具，具有功能相似性，“可以看出这种方法并未假设计算机和大脑在‘硬件’上的相似会超出这样一個范围，即认为两者都是通用的符号处理装置，而且能为计算机编程程序来进行一些基本的信息处理，使它们的功能与大脑十分相似”〔16〕。既然人脑可以还原为物理属性，那么，人工智能同样可以还原成简单的形式化规律。智能行为原则上可以理解为确定的独立元素的本体论假设。不但如此，人工智能的四个假设都建立在简单性原则之上，“心理学假设、认识论假设与本体论假设的共同之处是：它们都认为，人一定是一种按照规则对原子事实形式的数据作计算的装置”〔17〕9。智能行为可以还原为计算。哲学传统一直认为，凡是有序的东西都可以形式化为规则。明斯基认为所有的规律都受规则支配。“每当（在我们的行动中）观察到一种定律时，便转交给确定性规则来表达”〔18〕431。按照明斯基、纽维尔与西蒙等人工智能专家的观点，人与机器都是对原子事实形式化数据的装置，都可以还原为数量关系与物理学关系。 四、哲学核心问题决定了人工智能的研究进路

主体与客体的关系在哲学史上占居重要地位，是哲学研究中的核心問题，也是哲学史上诸多学派的思想源头。古希腊米利都学派的泰勒斯探索万物本源的时候就开始关注主体如何认识客体，关注主体与客体的关系，普罗泰戈拉提出的命题“人是万物的尺度”包括了主客二分思维的萌芽，笛卡尔的精神和物质相互独立的二元论思想暗含着主体和客体截然二分的思想。人们一般认为，只有人类才能成为主体，人之外的世界是客体。那主客二分的标准是什么呢？人之所以为主体的标准又是什么呢？有的学者认为只有主体才具有意向性，客体不具有意向性，客体只是主体认识的对象。主体一般具有独立意识或者个体经验。哲学意义的认识论指的是个体对知识和知识获得所持有的信念，主要包括知识结构、知识本质、知识来源和知识判断的信念等内容，主体与客体的关系问题是哲学的核心问题。认识论中的可知论与不可知论是研究主体之外的客体是否可知，唯心主义与唯物主义的区分以及各种不同的哲学流派的分野都基于主体与客体截然二分的哲学基础，哲学史上，各大流派都曾经把主客关系作为研究的切入点。

人工智能是赋予机器智能，让机器可以模拟或者代替人类的某种智能。人工智能基于不同的哲学理念有不同的研究进路，人工智能发展史上不同思想的对立也是基于对于主体与客体关系的哲学思考。一般来讲，人工智能可分为三种进路，即符号主义进路、联结主义进路以及行为主义进路。人工智能符号主义进路把人类的认知过程看成符号计算过程，人类认知是物理符号系统，人工智能先驱德雷福斯（）认为，人工智能研究者其实与炼金术师一样，也是对一些符号进行不同的处理。因此，在人工智能的符号主义看来，人与机器没有本质区别，人类的心智同样可以还原成符号计算。德雷福斯在《计算机不能做什么：人工智能的极限》中提出，人工智能机器是基于生物学假设、心理学假设、认识论假设以及本体论假设基础之上的。“生物学假设：在某一运算水平上，大脑与计算机一样，以离散的运算方式加工信息;心理学假设：大脑被看作一种按照形式规则加工信息单位的装置;认识论假设：一切知识都可被形式化，可以被编码成数字形式;本体论假设：存在是一组在逻辑上相互独立的事实，知识可以被编入计算机程序”〔17〕156。从德雷福斯关于人工智能的四个假设中我们可以看出，人工智能与人类一样都是对信息加工和处理的工具，从这个意义上讲，主体与客体之间没有本质的区别。主体与客体不能截然二分，之所以对主体和客体进行区分，表明人类对于自身的认知规律和智能结构没有真正揭示。

人工智能的联结主义进路，又称为仿生学派或生理学派，认为人工智能源于仿生学，特别是对人脑模型的研究，其主要原理为神经网络及神经网络间的连接机制与学习算法。联结主义起初是用软件模拟神经网络，后来发展到用硬件模拟神经网络。其理论假设是人与机器如果具有同样的结构应该具有同样的功能，可以通过研究人脑的物理结构从而制造出类似人脑的机器。在联结主义看来，人与机器结构相同，人脑与计算机程序运行模式相同，则功能相同。纽维尔（AllenNewell）认为，智能的计算机程序可以被用来模拟人类的思维过程。联结主义失败的原因是人脑的结构并不像人工智能研究者们在电脑上模拟一样，人类的大脑是将物理事实与知觉过程所连接的客观事实，而不只是对信息进行加工的一台机器。人与机器不同，机器不具有人类的精神状态和意识。人类的精神状态和意识是否由人脑结构决定呢？人类精神状态和意识是先验存在还是后天习得仍然是认知科学研究的难题。因此，通过神经网络让机器模拟人类智能行不通。通过对人工智能的符号主义和联结主义的分析我们发现，主体与客体区别的必要性得以彰显，人的主体性地位不能动摇。

人工智能的行为主义进路，又称为人工智能的进化主义或控制论学派，其原理为维纳和麦克洛克等学者的控制论思想及感知-动作型控制系统。研究重点是模拟人在控制过程中的智能行为和作用，如对自适应、自组织和自学习等的研究。人工智能行为主义学派的代表布鲁克斯（RodneyBrooks）研制的“六足机器人”实质上是一个基于感知-动作模式模拟昆虫行为的控制系统，能够适应外界的环境，但这样的机器人也不具有人类的感知与认知能力，主体与客体之间还是可以严格区分。人工智能的目标从技术层面来讲是制造出对人类有益的智能机器，从哲学层面来讲，就是利用人工智能概念和模型，通过机器模拟人类智能来推动哲学核心思想主客二分问题的研究，借此解决哲学上的身心问题、意识难题等问题。哲学的核心问题与人工智能的研究是相互促进的。

综上所述，人工智能技术的发展有其哲学根源，根源于数是万物本源思想、万物皆数思想以及数的简单、和谐思想，还根源于亚里士多德的逻辑思想以及分析哲学的逻辑分析研究方法。在众多哲学思想中，简单性原则是人工智能的哲学思想源泉。人工智能就是计算机用逻辑方法把思维还原为简单数字来模拟人脑的过程。人工智能发展是思维的革命，人工智能涉及信息与计算的本体地位和方法论问题，人工智能的发展迫使哲学家们对思维的存在形式进行深入研究，从而把形而上的论证变成可操作的过程。人工智能的目标是通过计算机实现机器模仿人类智能，人工智能的发展直接指向哲学的中心问题。例如，意向性问题、形式化问题、身心问题等。对于人工智能的哲学基础溯源有利于推动哲学的进步与发展，也可以拓展对于传统哲学问题的研究。只有对人工智能的哲学思想基础进行追溯与探源，才能为人工智能工作者提供思想源泉，从而更好地理解与把握人工智能的理论基础、发现人工智能的发展规律以及预测人工智能的发展趋势、把握人工智能的发展方向。

参考文献：

〔1〕玛格丽特·博登.人工智能哲学〔M〕.刘西瑞，王汉琦，译.上海：上海译文出版社，2001.

〔2〕汪子嵩，等.希腊哲学史〔M〕.北京：人民出版社，2004.

〔3〕亚里士多德.形而上学〔M〕.李真，译.上海：上海人民出版社，1995. 〔4〕安东尼·梅耶斯.爱思唯尔科学哲学手册〔M〕.张培富，等译.北京：北京師范大学出版社，2015.

〔5〕〔M〕.NorthHolland，Amsterdam：MacmillanmagazinesLtd，1992.

〔6〕Davis，：mathematiciansandtheoriginofthecomputer〔M〕.NewYork：&，2001.

人工智能论文3000字【第四篇】

摘要：时代是不断发展的，对于电气信息类专业的学生来说，社会岗位在综合素质和专业能力方面提出了对学生诸多新的要求。因此为了促进学生能够在毕业之后获得良好的发展，在电气信息类专业教育教学中，教师要对原有课程教育模式和课程教育手段进行有效的改革以及创新，从而促进学生专业能力的提高。为了使学生更加积极地进行知识内容的学习，教师要在电气信息类专业教育教学中充分的发挥人工智能的优势，提高课堂教学的效果。

关键词：人工智能;电气信息类;教学应用

教师在电气信息类专业教育教学中在运用人工智能技术进行教学时，要对人工智能技术的含义和特点进行深入的分析和研究，并且还要了解电气信息类专业的育人目标和教学要求，将人工智能和电气信息类专业教学进行有机的融合，为学生打造全新的教学课堂，从而使学生的专业素质和学习能力能够在人工智能的运用下得到有效的提高，为学生后续的发展提供更多的可能性。

一、人工智能时代的概述

人工智能(ArtificialIntelligence，缩写为AI)亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。人工智能于一般教材中的定义领域是“智能主体(intelligentagent)的研究与设计”，智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。约翰•麦卡锡于1955年的定义是“制造智能机器的科学与工程”。安德里亚斯•卡普兰(AndreasKaplan)和迈克尔•海恩莱因(MichaelHaenlein)将人工智能定义为“系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力”。人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能是十分广泛的科学，它由不同的领域组成，它是哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等多种学科互相渗透而发展起来的一门综合性学科。在人工智能时代下进行电气信息类专业教育改革的过程中，需要对人工智能时代的含义和发展背景进行深入的分析和研究，这样才可以给电气信息类专业教育改革指明一个正确的方向，保证后续工作的科学性和有效性。在2016年的世界经济报告中，人工智能被预测为第4次工业革命的主要技术代表，人工智能的发展将从宏观到微观的各个角度进行相互的渗透以及融合，从而符合各个领域对于智能化技术的新要求和新需求。在人工智能技术发展的过程中，产生了大量的新技术和新产品，也形成了新的产业核心的发展模式[1]。我国经济结构在人工智能时代下发生了重大的变革，由于人工智能技术独特的技术形式和技术模式，深刻地改变着人们的生活方式和生活模式。在一定程度上不仅可以推动我国社会生产力的提高，还有助于推动科学技术水平逐渐朝着智能化和数字化的方向而发展，从中可以看出人工智能技术的发展是时代发展的必然趋势，并且发展前景是比较广阔的。人工智能技术主要是指将多个学科技术进行有效的整合，其中涵盖了计算机学科、语言学科和心理学科，智能化特征是比较明显的。在实际应用的过程中，由于融合了各种尖端的技术，能够将技术能力和技术思维进行有机的结合，模仿人的工作行为和思维，在当前时代下人工智能技术得到了蓬勃的发展，但是人工智能技术的发展也需要一定的时间和精力。首先，在实际用的过程中相关工作人员进行了机器人的研发，机器人可以在复杂的环境中对信息进行有效的替代和处理，模仿人类的思维进行日常的工作。在后续工作的过程中，相关工作人员进行了数据系统的开发，可以自动化和智能化的对计算机数据进行有效的处理以及分析，在较短时间内提取出有效的信息，完成整个工作流程[1]。随着我国当前科学技术的不断发展，一些工作人员纷纷加强了对人工智能技术的研发力度和开发力度，不仅可以提高计算机的使用效果，还可以及时的发现在计算机系统日常运行过程中所存在的故障。在当前时代下人工智能技术的使用范围在不断的扩展，并且人工智能技术的发展前景是非常广阔的，在计算机网络技术中发挥着独特性的作用和决定性的重要影响的作用。

其次，随着人工智能技术的不断发展，人工智能技术和各行各业进行了相互的渗透以及融合。在当前电气信息专业领域中人工智能技术得到了广泛的应用，并在实际工作的过程中对原有的工作模式进行了有效的改进和创新。一些工作人员在实际工作的过程中构建了自动化的工作模式和工作平台，将人工智能技术完美的融入电气信息领域中，不仅为我国电气信息领域指明了一个正确的方向，也在一定程度上提高了人工智能技术的水平。最后，人工智能技术的发展，在电气信息领域中的影响是迅速扩大的，人工智能的使用会对电气信息行业的各个环节产生深刻的影响，甚至是革命性的变化。人工智能的应用不仅仅停留于行业的技术层面，更加重要的是在人工智能时代下一些新的工作思维和发展理念。作为电气信息类专业的工作人员在人工智能的时代下要提高自身的专业素质和专业水平，根据人工智能时代的特点以及发展方向，对原有的工作模式和工作理念进行深入的改革以及创新，并且还要掌握有关人工智能方面的新技能，从而使得电气信息类专业影响力能够得到有效的提高。但是从侧面来看人工智能技术的发展对于电气信息类专业•2•本刊特稿科学咨询/教育科研2021年第24期(总第745期)来说是把双刃剑，给实际工作带来了新的挑战，一些工作人员不得不提高自身的专业素养和专业素质，掌握更多的人工智能技术。在当前时代下这种影响和变革已经被普遍认可，因此使我国电气信息类专业行业能够得到良好的发展。高校要对电气信息类专业教育进行适当的改革以及创新，根据当前人工智能时代的发展方向和对人才的要求，对学生的综合素质和创新能力进行良好的培育，从而使学生能够充分的发挥人工智能技术的优势，提高电气信息类专业的水平和质量，再一次加深人工智能和电气信息行业的融合力度。相关负责教师要加强对这一问题的理解，对原有人才培养模式和课程教育重点进行适当的改革和创新，根据人工智能时代和电气信息领域融合的背景，提高课堂教学的科学性和针对性，从而使学生在毕业之后能够获得良好的发展。

二、人工智能对电气信息类专业人才需求的影响分析

人工智能主要是利用计算机对人脑功能进行模拟，具备一定程度的人类认知和分析问题的能力，人工智能是人类所制造的智能化技术，也是机器智能化发展的主要载体。在人工智能发展的过程中，由于是计算机科学领域的一个分支，所以在人工智能研究的过程中，涉及有关语言识别和图像识别方面的功能。在当前时代下，人工智能所形成的热点效应是比较广阔的，人工智能技术的应用，使得各行各业朝着智能化的方向而发展，对于电气信息类专业人才需求来说，也逐渐朝着智能化的方向而发展。电气信息类的教学，主要是为了让学生能够在班级学习的过程中，将理论和实践进行有机的结合，提高学生的实践能力和操作能力，实践性是比较强的。在电气信息类专业发展的过程中各种新兴的技术被应用其中，扩展了电气信息类专业的发展实力，并且人工智能和电气信息类专业进行了有机的融合和渗透。人们在互联网思维的影响下已经形成了互联网思维的发展理念，随着人工智能技术的广泛运用再加上云技术和算法技术的普遍化，这又给电气信息类专业的发展提供了重要的支撑。在相互融合的技术背景下，电气信息类专业也即将进入到人工智能发展的领域中[2]。因此对于电气信息类专业行业的工作人员来说，要了解人工智能时代下先进的信息技术，并且还要结合电气信息类专业在人工智能背景下的新特点，树立新的工作模式和工作理念，从而使得电气信息类专业能够在人工智能技术背景下得到广泛的发展。对于人才需求方面，要求高校要对原有课堂教学模式和课程教学重点进行深入的改革和创新，融入人工智能方面的内容，对学生的综合素质和专业能力进行良好的培育，高校要正确地理解人工智能对电气信息类专业教学的影响，从而使得电气信息类专业能够朝着生态化和持续性的方向而发展。

三、人工智能给电气信息类专业提供的机遇

在人工智能技术中，所涵盖的技术内容相对来说是较为丰富的，这在一定程度上有助于提高电气信息类专业的教学水平和教学质量。从中可以看出在当前时代下的电气信息类专业教育教学中，教师要充分地把握人工智能技术所带来的机遇，从而提高课堂教学的效果和质量。在人工智能技术中包含着语言识别技术和图像辨认技术，也可以对一些语言进行有效的处理和研究。在课堂教学的过程中，教师要充分的发挥人工智能技术的优势，让学生了解当前电气信息领域的发展方向和主要的发展特点[3]。由于电气信息类专业所涵盖的内容是相对来说较为复杂的，学生在日常学习的过程中，需要进行多个学科知识内容的学习，这给学生日常学习和教师的课堂教学带来了诸多的挑战，教师要结合课程教学的内容，对课堂教学模式和流程进行精心的安排。在实际工作过程中，要以计算机作为主要的辅助手段兼容，并且充分利用其他专业领域的技术来开展日常的教学。在课堂教学过程中，教师要充分的利用人工智能技术，对原有课堂教学模式进行深入的改革以及研究，并且结合新一代人工智能发展规划的这一大背景，对原有课程教育模式进行创新和调整，从而给学生提供更加广阔的发展空间。首先，在实际工作的过程中，人工智能技术重新构造了电气信息专业的课程，由于电气信息类的实用性是比较强的，在人工智能的技术下能够取得不一样的教学效果。将语言识别技术和图像辨认技术进行了有机的结合，教师可以充分发挥这些专业技术的优势，提高课堂教学的效果。另外在课堂教学情景中，教师可以利用人工智能技术来实现网络化的教学，并且为学生打造智能化的工厂开展虚拟实验室，从而对学生的专业能力和操作水平进行良好的培育。其次，在电气信息类专业教学中人工智能技术的应用能够对传统课程教育模式进行有效的转型和升级。在以往课程教学中，由于电气信息类专业所涉及的知识学科是相对来说较为丰富的，这给教师的日常教学带来了诸多的问题。比如在实际教学的过程中很难实现课程的有效统一，也无法为学生打造标准化的课程教育体系，在进行个性化和独特性课程教学方面的力度还是不足的，甚至也没有完善的教育体系进行主要的支撑，这给实际的教学工作带来了诸多的问题。随着人工智能技术的应用，在课程教育的过程中，教师可以充分的发挥人工智能技术的优势，对相关信息进行有效的总结和收集。从而为学生打造个性化的教学课堂，并且运用人工智能技术，还可以对不同学生的学习需求进行分析和研究，提高课堂教学的针对性，从而使学生可以更加积极地进行知识内容的学习，实现快乐学习的效果[4]。在专业教育中教师要充分的发挥人工智能技术的优势，提高人工智能技术的应用性效果，对学生的知识需求进行深入的挖掘以及研究，从而使学生的学习质量能够得到有效的提高。与此同时，在课程教育的过程中，教师还可以进行课堂情景的构建，通过网络化的教学为学生再现一些生活中的真实案例，为学生全面素质的提高奠定坚实的基础。

四、人工智能技术在电气信息类专业教育教学中的应用路径

(一)转变人才培养目标在人工智能时代下的电气信息类专业教育中，由于原有的教育重点和人才培养模式已经无法顺应人工智能时代的发展特点和对人才的需求了，所以在实际工作的过程中，要对电气信息类专业教育进行有效的改革，帮助学生在毕业之后能够获得稳定的发展。首先，在对电气信息类专业教育进行改革时，要转变人才培养的目标，这主要是由于人工智能技术在电气信息类专业行业中的运用对各个环节都产生了非常深刻的影响，并且电气信息类专业对于人才的需求发生了很大的变化。比如，对人才的知识结构和专业技能方面都和传统发现模式有所不同，在电气信息处理的过程中提出了诸多的要求。相关电气信息类专业从业者不仅要具备完善的理论知识，还要具备创新性的思维能力，能够面对当前变化多端的人工智能时代，具备新的技术和新的思维，灵活地运用在实际工作中所存在的问题。因此对于电气信息类专业教育来说，要对人才培养目标精准定位，实现良好的变革。其次，电气信息类专业要着眼于当前国际发展方向和新业务的特征，了解有关业态产品和专业能力方面的内容。从这些问题入手提出正确的人才培养目标，并且对原有课程教学进行改革和创新，从而促进学生能够在课堂学习的过程中加深对人工智能技术的了解，提高学生的专业素质和创新能力。

(二)升级人才培养模式在人工智能背景下对电气信息类专业教育进行改革时，要在原有育人模式的基础上实现有效的升级，改变传统的课程教学设置。当前大部分电气信息类专业院校还是采用之前偏理论的课程来对学生进行知识内容的讲授，虽然这些理论知识是学生在学校学习期间必须要掌握的内容，但是假如仍然向学生讲述这些课程的话，也没有将理论和实践进行相互的结合，使得学生无法在人工智能时代下得到良好的发展，因此相关负责教师在实际教育工作中要对原有人才培养模式进行转型和升级。电气信息类专业教师要根据当前电气信息行业的发展和对人才的要求，对课程教育内容进行重新的调整。首先，在实际教育的过程中要向学生全面地展示先进的人工智能技术，技术是推进电气信息专业前进的动力之一。但是在原有的电气信息类专业教育中，教育技术的实施和教学并没有受到相关负责教师的重视，教师在班级教学的过程中，也没有为学生融入当前先进的人工智能技术和运用案例，提高学生的专业素质。在人工智能时代下，人机协作是当前主要的工作模式和发展模式，因此对于电气信息类专业教育来说，要对人才培养课程结构和课程重点进行有效的调整和创新。教师在教学中不仅要加入有关以往课程的教育内容，还要对课程进行有效的扩展，融入新媒体和人工智能技术应用相关的课程。比如教师可以立足于教材中的内容，为学生创设多样化的实训活动和实践操作平台，在学生实践的过程中要融入先进的人工智能技术，这些教学模式的运用不仅可以让学生了解人工智能技术的实际应用情况，还可以多方位的锻炼学生的创新能力和实践应用能力。所以相关高校要适当的借鉴这一教学经验，提高课程教学的针对性。其次，在育人模式中还要加强对学生创新思维和操作能力的培养，在人工智能背景下，电气信息的发展模式和主要的发展方向都发生了一定的改变。在当前电气信息领域发展的过程中，为了使自身能够在人工智能背景下得到有效的发展需要创新和创意的人才，并且要求这部分人才能够掌握先进的人工智能技术，根据电气信息发展的实际需求和人们对电气信息的要求，从而生产出个性化和特色化的产品。在育人模式升级中，教师要将专业和特色进行有机的融合，构建新的教育思路，过硬的专业素质才是人才升级的重要基础。在人工智能时代下，信息的来源和途径逐渐朝着多样化的方向发展，在这些繁杂的信息中既有重要的信息也有多余的信息，所以要使学生能够对这些信息进行有效的辨别。高校在制定人才培养模式中，要专业性的锻炼学生的工作能力和专业素质，从而使学生能够在这些大量的信息中提取有用的信息，提高电气信息类专业的有效性。

(三)引入任务驱动的实验模式在人工智能背景下对院校电气信息类专业进行教学时，教师要在保留原有学习项目的同时，立足于学生当前的理解能力，开发新的教学内容。在教学中教师要求学生进行独立性的思考，并且教师还要对学生的学习思路进行适当的引导以及启发，使学生可以运用课堂中所学到的知识内容灵活的解决实际实验过程中所存在的问题。教师要引导学生运用不同的方法进行学习，鼓励学生进行大胆的设计以及验证。教师在班级教学的过程中，可以为学生引入任务驱动式的教学模式任务，驱动式的教学模式主要是以学生为中心，教师要立足于教材中的内容和课堂教学的目标为学生布置相关的学习任务，实现综合性的学习效果。在为学生布置学习任务时，要融入当前先进的人工智能技术，让学生充分的发挥人工智能技术的优势来完成教师所布置的任务。教师要在任务驱动式的教学模式中增加一些设计型和创新型的学习活动，让学生直接深入到实践学习中进行方案的设定以及验证，并且对最终的实验结果进行多方位的分析以及讨论。在班级教学的过程中，教师要让学生围绕着一个教学目标来开展日常的学习，并且学生在学习和验证的过程中，教师还要加强和学生之间的互动和交流，从而对学生的实验方向和实验思路进行有效的引导，使学生可以在强烈的学习兴趣和学习动力的驱动下进行自主性的探索以及学习，并且也可以在班级中形成良好的互动。

(四)利用人工智能技术进行辅助性的教学在电气信息类专业教学课堂中，教师在利用人工智能技术进行教学时，要在原有课程的基础上充分地发挥人工智能技术的优势，从而对实际教学起到一个良好的辅助作用。比如，在实际教学的过程中，教师需要将理论知识和学生的实践学习进行相互的结合，提高课堂教学的真实性和有效性，在课程内容中要围绕着各种企业的实际项目来让学生进行知识内容的学习，教师要利用人工智能技术的优势为学生展现真实的一线工作现场，让学生全面的感受工作的环境，不仅有助于提高课堂教学的效果，还可以让一些抽象的理论知识变得生动和直观，促进学生学习效率的提高。

(五)在电气设备故障诊断中的应用在电气设备故障诊断中，人工智能技术中的模糊理论、人工神经网络和专家系统的应用比较广泛。以前我们常常面临的问题是，当电气设备出现问题或故障时，总是表现出比较复杂的症状，采用传统处理手法难以对问题做出准确判断和查找，人工智能技术则很好地解决了上述问题。比如发电机的设备故障具有非线性、不确定和复杂性的特征，传统论断方法准确率非常低，而通过人工智能技术中模糊理论和专家系统的综合应用，能大大提高故障论断的准确率。

五、结束语

在电气信息专业教学课程中，开展人工智能技术的教学方法是非常重要的，教师要加强对这一问题的重视程度，充分的发挥人工智能技术的优势。在原有课程育人目标的基础上，制定信息化人才培养目标，并且对原有课程教育体系进行不断的完善和优化，从而使得电气信息类专业教学课堂和教学效果能够在人工智能的运用下得到有效的改善，促进学生专业素质的提高。

参考文献：

[1]周利.人工智能与中国高校教育的冲击和应对对策[J].教育现代化,2019(9):185-186.

[2]黄天元.人工智能时代的高等教育与变革分析[J].复旦教育论坛,2019(4):18-22.

[3]杨洋.人工智能技术的发展及其在教学中的运用[J].软件导刊,2018(10):86-88.

[4]潘克明.利用人工智能技术推进信息技术与教育教学的融合创新[J].教育信息技术,2018(2):13-15.

人工智能论文3000字【第五篇】

摘要：崔政博士的新著《科学技术知识的政治经济学研究》以马克思的“劳动”概念为中心，提供了一个划定人工智能替代人类劳动的边界框架。该书区分了重复性劳动与创造性劳动，提出创造性劳动是人类劳动的本质也是人工智能不可替代的。但需要进一步指出的是，机器学习已经在认识实践中表现出对人类认知劳动的极大辅助作用，包括：人工智能能够提升科学知识生产效率;人工智能擅于提取和传递默会知识;人工智能可以产生某种机器知识。以上原因使得我们在创造性劳动中很难将人工智能排除在外，未来可能的创造性劳动方式应当是某种人机协作或人机融合。

关键词：人工智能;创造性劳动;科学知识;默会知识;机器知识

中图分类号：TP18文献标识码：A文章编号：CN61-1487-（2020）01-0154-03

产业科学出现以来，科技创新对经济增长的驱动作用已经成为全球性的共识。崔政博士的新著——《科学技术知识的政治经济学研究》，试图以“劳动”概念的历史分析为切入点，讨论科学技术在当代资本主义经济中所扮演的角色，进而以一种动态的劳动价值论表明当代社会经济运行的内在动因[1]2。该书以马克思的“劳动”概念为核心构建了一个哲学空间，将科学知识、技术创新、资本运行纳入其中，完整地阐述了科学技术对经济社会的塑造作用。该书的叙事方式表达了两个理论取向：第一，对科技创新的分析不同于传统技术创新理论仅关注经济“增长”，而是从更为基础的社会分工出发关注经济“发展”;第二，将科学知识的生产还原到马克思的“科学劳动”概念，实际上已经使用了一种扩展了的“科学”概念，蕴含着当代科学知识生产所具有的实践性、情境化、多主体等特征。

该书更为重要的贡献在于讨论了人工智能技术对于社会生产方式的挑战和变革作用。书中提出：“人工智能的替代效应是建立在对人类劳动数据化和逻辑化的基础上的，探索自在自然的创造性劳动是不可数据化和逻辑化的。因此，人工智能只能围绕既有的对象进行重复性生产，替代重复性劳动;而人类则能够探索自在自然，从而摸索新技术、建构新对象，进行创造性劳动。也就是说，机器所不能替代的人类劳动的‘硬核’是探索自在自然的劳动，是创造对象和掌握技术的‘创造性劳动’。”[1]25作者将马克思的“劳动”概念区分为“重复性劳动”和“创造性劳动”，进而指出人工智能是对机器大工业的否定，它将替代人类劳动中可以重复、可以数据化的部分，但创造性劳动是人类劳动的本质，是人工智能所不能替代的。

作者提出：“人工智能可以在将重复性劳动数据化的基础上，对人类劳动进行模仿，从而取代任何形式的重复性劳动。但人工智能却不能取代人类的创造性劳动，创造性劳动是通过探索自在自然，经过反复的摸索与实验、征服反常和偶然、掌握技术、创造对象、实现对象从无到有的过程的劳动，这是一种原生性的劳动。”[1]27作者认为，创造性劳动是对马克思的“自在自然”的探索，“自在自然”是在人类的现有认知能力之外，却以反常和失败等形式向人类显现其自身。然而，在认知实践当中，机器学习已经可以帮助人类探索认知能力之外的“自然”，当然这种“自然”并不以反常或失败的形式存在。作者也指出：“尤其是在大数据和云计算的背景之下，机器学习的速度远超人类的认知极限，甚至可能在数据中找到人尚未发现的方法和规则。”[1]35因此，在认知劳动方面，我们可以在作者的概念框架下进一步区分出人工智能对人类“创造性劳动”的辅助作用，具体表现为三个方面：人工智能提高科学知识生产效率;人工智能擅于提取和传递默会知识;人工智能可以产生某种机器知识。

一、人工智能能够提升科学知识生产效率

机器学习的广泛使用可以提升科学知识生产的效率，主要表现在文献研究和实验室研究两个方面。人工智能系统可以通过自然语言理解获取、阅读和总结所有相关文献。例如，一个叫做Iris的人工智能系统的运行方式是：从某个研究主题的演讲切入，先使用自然语言处理算法分析演講的脚本，挖掘从开放渠道获取的研究文献，然后将相关研究文献分组并进行可视化，再通过人工标注文献使机器匹配精度增加，当机器能够理解文献的内容和结构时，可以帮助科研人员总结出该研究主题下的所有研究问题、假设、实验结果等，从而将前人工作完整呈现。此外，机器学习的使用还能够加快实验研究的进程。例如，2016年5月，澳大利亚国立大学的研究团队使用机器学习重复了物质的玻色—爱因斯坦凝聚态的实验室发现过程，从反复设置调整实验设备的各种参数到产生凝聚态物质，机器学习只用了一个小时，而凭借这一发现获得诺贝尔奖的三位科学家是在直觉的基础上经过多年实验才制造出了物质的凝聚态。由此可见，作为技术的人工智能的进步已经开始反向促进作为基础研究的科学知识的生产。

二、人工智能擅于提取和传递默会知识

波兰尼（MichaelPolyani）提出了默会知识（tacitknowledge）的概念，以区别于可以明述的知识（explicitknowledge），明述知识是用语言文字来表达的知识，如科学知识，默会知识则是我们知道但通常不加言述或者不能充分言述的知识[2]。默会知识具有以下几个特点：难以用语言文字描述，不易传播、记录和积累;获取默会知识主要依靠亲身体验;默会知识呈分布式存在，难以整合。这些特点导致我们很难有效运用默会知识，而机器学习的大规模运用使得人工智能系统非常擅于处理默会知识。作者敏锐地意识到了这一特点——“以往我们所说的‘默会知识’、手工技艺技巧，以及复杂程度远超人类认知能力之外的一些潜在规则，也都不再是一个个‘黑箱’，机器可以基于将人类劳动的过程还原成物理量和数据，再通过机器学习找到其内在的规律，从而取代人类劳动。”[1]56

在当前人类社会所有已经产生的信息中，文字只占极少的比例，大量的信息以图片和视频方式呈现，其中蕴含了大量需要通过亲身体验才能获取的默会知识。如果有办法将事物状态用图片或视频记录下来，就有可能使用机器学习从中萃取出知识。很多电影公司已经使用人工智能系统观看大量人类历史上的影视作品，从而归纳提取出经典桥段，创作出新的配乐、台词和预告片以供人类借鉴。更为重要的是，由人工智能系统获取的默会知识是以神经网络参数集的形式存在的，这对人类而言仍然不可描述，也难以在人类之间传递，但却非常易于在人工智能系统间传播。例如，一台掌握驾驶技能的自动驾驶汽车只要将参数集分享出来就可以快速让所有汽车学会这项技能，而且可以实现机器间的协同行动。

三、人工智能可以产生某种机器知识

如果说默会知识还是“可意会而不可言传”的知识，那么AlphaGoZero在围棋上的表现已经表明人工智能系统产生了某种既无法“意会”也无法“言传”的机器知识。AlphaGoZero在没有人类以往的经验或指导、不提供基本规则以外的任何领域知识的情况下，就使用机器学习在短时间内探索了大量人类从未尝试过的走法。机器发现的知识不仅完全超出了人类的经验，也超出了人类的理性，成为人类几乎无法理解的知识。由此，产生了讨论某种“机器认识论”的可能性，GregoryWheeler在《MachineEpistemologyandBigData》一文中提出：机器学习对事物间隐蔽的相关性的发现和掌握已经远超人类，因此机器知识更多的是一种相关性知识。[3]321董春雨教授在《机器认识论何以可能？》一文中也指出：“人类必须正视机器在其擅长的领域，通过特殊的认识方式所获得和积累的知识。”[4]

机器知识与科学知识或默会知识的核心差别在于：机器知识依赖数据，科学知识或默会知识依赖信息。信息是事物可观察的表征，或者说信息是事物的外在表现。任何一个物体的信息量都非常大，要精确描述一个物体，就需要将其中所有基本粒子的形态以及它们之间的关系都描述出来，同时还要将该物体与周围环境的关系都描述出来。而数据是已经描述出来的部分信息，关于一个物体的数据通常要比信息少得多，例如只包含它的形状、重量、颜色和种属关系等。只有当信息经过适当的处理，当它被用来进行比较、得出结论和建立联系时，它才會转化为知识。而知识可以理解为伴随着经验、判断、直觉和价值的信息，作为认知主体的人在其中扮演了关键角色。

相较之下，机器知识可以被刻画为数据在时空中的关系，这些关系表现为某种模式，对模式的识别就是认知，识别出来的模式就是知识，用模式去预测就是知识的应用。这些数据在时空中的关系只在少数情况下才能用数学工具进行表达，而多数情况下知识表现为数据间的相关性的集合，这些相关性只有一小部分可以被人类感知和理解。这源于人类感受能力的局限性：人类只能感受部分外界信息，人类的感官经验局限在三维的物理空间和一维的时间。因此，当数据无法被感知，它们之间的关系又无法用数学工具表达时，这些数据间的关系就超出了人类的理解能力之外而属于机器知识。当前机器学习的主流形式——人工神经网络的最大特点就是发现并记忆数据中的相关性，例如在看了很多汽车图片后会发现汽车都有四个轮胎，人类对图片这类直观的数据间的相关性也能发现并记忆一部分，这就是默会知识。但当数据量很大且不直观时，例如股票市场的数据或者核电站的内部数据，人类就无法应对了。而随着人工神经网络层级和数量的增加，人工智能系统能够处理大规模的复杂数据，这就是机器知识。机器知识当前的主要表现形式类似于AlphaGoZero中的神经网络的全部参数。

概言之，科学知识和默会知识多是基于信息的因果性知识，而机器知识多是基于数据的相关性知识。此外，科学知识是易于记录、易于陈述、易于传递的;默会知识是难以记录、难以陈述、可传递的;机器知识则是可记录、不可陈述、易于在机器间传递的。

四、人工智能发展的局限性

当然，基于人工神经网络的机器学习仍有两个核心的局限性导致人工智能系统还不足以承担创造性劳动。第一个局限是，人工神经网络需要依赖特定领域的先验知识，也就是需要特定场景下的训练，这是因为人工神经网络的学习本质上是对相关性的记忆，人工神经网络将训练数据中相关性最高的因素作为判断标准。这个问题在自动驾驶汽车中表现的非常突出，鉴于道路交通情境的复杂性和交通标示的多样性，自动驾驶系统难以避免很多交通事故。第二个局限是，人工神经网络无法解释产生某个结果的原因，这种不可解释性在许多涉及安全和公共政策的领域显现的比较突出，例如在智能医疗中，人工神经网络在影像识别和辅助诊断中都对其结果缺乏医学上的解释性，都需要专业医生的复核。

基于人工神经网络的人工智能系统在记忆和识别这两个基础智能方面超越了人类，但在推理、想象等高级智能方面还相差较远。与人类相比，人工智能无法承担创造性劳动的原因还不止于以上的局限性，还包括：人工智能没有常识和物理世界的模型;人工智能没有自主和自发的通用语言能力;人工智能没有想象力，需要大量常识、反事实假设和推理能力;最重要的是人工智能没有自我意识。自我意识的缺乏导致能够产生机器知识的人工智能系统仍然无法被视为认知主体，其知识的“创造性劳动”是一种无意识认识活动。

五、结语

人工智能系统在提升科学知识生产效率、处理默会知识以及产生机器知识方面的优势，使得我们在创造性劳动中很难将其排除在外，未来可能的创造性劳动方式应当是某种人机协作或人机融合。脑机接口（brain-computerinterface）是当前一个重要的人机协作研究方向，而其中最激进的方式是马斯克提出的Neuralink，即通过柔性电极对接在人脑的神经网络上，Neuralink要解决的是人类的信号输入与输出，但其问题在于人类的高级思维（如逻辑推理或描述场景）必须依赖语言，而目前基于人工神经网络的机器学习能力主要是对环境的识别能力，还远没有达到语言和逻辑推理，但人类智能通过语言进行沟通。这背后就隐含了人类的科学知识与人工智能系统的机器知识之间的不可通约，以上例子也表明基于人机协作的创造性劳动还有很大的技术障碍需要克服。

参考文献：

[1]崔政.科学技术知识的政治经济学研究[M].石家庄：河北人民出版社，2019.

[2]郁振华.当代英美认识论的困境及出路——基于默会知识维度[J].中国社会科学，20187.

[3][A].inMcIntyre，Lee，andAlexRosenberg，[C].Taylor&Francis，2016.

[4]董春雨，薛永红.机器认识论何以可能？[J].自然辩证法研究，20198.