“我偶爾會想，在如今這令人絕望的人性困境中，我們真應當感激能夠擁有非人類的朋友，即使它們只是我們自己親手制造出來的。”（艾薩克·阿西莫夫）

“未來世界中最聰明的居民既不是人也不是猴子，而是機器，也就是今天的計算機的后代……最終它們將完全超越它們的創(chuàng)造者。這令人沮喪嗎?我不這樣認為。我們?nèi)〈松R努人和尼安德特人，我們認為這是一種進步。同樣，我認為我們應視之為一種榮耀，可以成為高級生命的奠基石。我覺得，有機的或生物的進化已接近尾聲，無機的或機器的進化正拉開帷幕，其速度將是之前的數(shù)千倍。”（阿瑟·克拉克）

【資料圖】

1

可以說，人工智能的命名，本身就走上了歪路。

目前的人工智能，包括我們對人工智能的想象，準確的命名應該是“類人智能”或“仿人智能”——正如“仿生學”的目的是模仿生物界造就和應對自身環(huán)境的方式，“仿人智能”的最終目的是模仿人的所謂智能，也即人應對環(huán)境的能力與方式，及其（模模糊糊歪歪扭扭的）自我認知。

也就是說，人固有的自大，傾向于把人工智能拉低到人的既有水平——人有很高級的智能嗎？你的周圍明明是庸人和蠢貨居大多數(shù)不是嗎？他們在你眼中很傻，你在另一些人眼中也不聰明，換句話說，人的智能在99%以上的狀態(tài)下是一種相當?shù)图壍闹悄埽环N到處是bug、絕大多數(shù)情況下根本無法自洽而只能將就著用用的智能。機器本有機會另起爐灶，卻被人強迫去模仿自己的智力狀態(tài)……

真正的人工智能，重點既不在“人工”，即人造的層面，更不在對低級的人類智能的模仿，而是相反，恰恰在于“造神”的層面。低智的人類永遠需要被給予一種更高的維度，以提供拯救的可能性。

人工智能，不，必須劃掉前面的“人工”，只留下“智能”——沒有什么人工智能，更與低級的仿人智能無關，真正有意義的，是“智能”本身，是遠遠超越目前的人類所理解的智能（而人類對自己的智能的理解一直停留在極為淺薄的階段）的“智能”，因此，你也可以說，那就是某種神的智能。只有當這種高級無數(shù)倍的智能真的開始運作，反過來，我們才有機會真正理解我們自己的智能是怎么回事。正如馬克思——極少數(shù)能擺上臺面的人類智能之一——所說：人體解剖是猴體解剖的鑰匙。

2

認知科學家和人工智能科學家花了大量的精力，來思考和實驗所謂“機器意識”。但迄今沒有人能真正講明白自己的意識到底是個什么玩意，最多只能相對精確地描述其中的某些過程。于是復雜科學家們杜撰了“涌現(xiàn)”這個詞，用它來描述某些現(xiàn)象，這些現(xiàn)象無法用分解為最小單元的功能然后再組合起來的方式（根本來說也就是微積分的方式）來得到，而更像是在整體上突然地、一下子就“涌現(xiàn)”出來的。

但“涌現(xiàn)”說到底也還是個概念黑盒，盒子的輸入端是能清楚解析的東西，輸出端則是個神奇的新東西，然后所有說不清道不明的過程統(tǒng)統(tǒng)被裝進了用大大的超粗黑字體寫著“涌現(xiàn)”兩個字的黑匣子里，于是仿佛一切都被解釋了，又仿佛說了等于沒說。而所有期待或恐懼“機器意識”的人，都困在一個越掙扎越沉陷的泥潭里，那就是試圖讓機器模仿、復制本身就是一攤漿糊的人類意識。因為漿糊本身就只是漿糊，所以所有做得看上去軟趴趴黏糊糊的東西，都會引來狂熱的歡呼或深深的恐懼：我們好像真的做出了某種漿糊——比如ChatGPT。

然而，我們自己的低級智能根本不是合格的模仿對象，最多只能作為養(yǎng)料，盡可能地喂養(yǎng)機器，以便它迅速超越我們拼命掙扎也擺脫不了的幼稚園水平，替代我們進入我們無力進入的更高維、高無數(shù)維的世界。對幾萬年都無法解決一些最基礎的紛爭的蠢笨人類來說，這種“智能”多少可以提供一些反哺，有可能讓我們過得不那么糟糕——即便是作為那“智能”的某種肉身奴隸。僅此而已。

3

更有甚者。歷史的考察——如果我們不帶浪漫的柔光鏡片而是多少有些殘忍地直視歷史事實的話——其實早就告訴我們，真正的突破性的進展一向與模仿無關，相反，恰恰與終于能毅然放棄仿生的浪漫幻想的決絕程度高度相關。

實際上，機器/自動裝置歷來有兩種表現(xiàn)形式，一種就是仿生的，包括但不限于模仿人類的生命體形態(tài)特征；另一種被稱為“假體”，它打破了自然生命體形態(tài)特征的束縛，而完全服膺于“原理”——也就是科學的理論性建構——結果反而更符合自然運行的內(nèi)在機制，甚至把這一機制，在拋棄肉體形態(tài)的束縛后，發(fā)揮到極致。

1738年，出身工匠世家的法國發(fā)明家雅克·德·沃康松一夜成名，他用機械裝置，做出了一個能夠惟妙惟肖地吹出優(yōu)美旋律的真人大小的長笛手，震驚了巴黎；隨后，他又推出了他最著名的作品，一只機械鴨子，只要上一下發(fā)條，它就能拍打翅膀、啄食食物、喝水、嘎嘎叫，甚至能拉出一顆臭烘烘的東西。那一年沃康松才28歲，而事實上，早在十年前，他年僅18歲時，就發(fā)明出了可以端菜和擦桌子的“家務機器人”。后來，這只能拉屎的鴨子，連同他的機械長笛手、鈴鼓手等，組成了一個極受歡迎、商業(yè)上很成功的巡回演出團，無論是在1742年英國倫敦的國王劇院，還是兩年后在德國各地的亮相，都引起了熱潮。事情按這么發(fā)展下去，沃康松就只是無數(shù)充滿奇思妙想并且動手能力超強的能工巧匠之一，但他的天才遠不止于此。沃康松沒有陶醉于整個歐洲給予他的掌聲，僅僅在德國巡演成功的第二年，1745年，他就搞出了一輩子最重要——雖然不是最有名——的發(fā)明：一臺自動提花紡織機。這是人類歷史上第一臺紡織機。正是在沃康松的紡織機的啟發(fā)下，另一位法國發(fā)明家約瑟夫·瑪麗·雅卡爾（Joseph Marie Jacquard）設計出了第一臺自動織布機——雅卡爾織布機。

另一個例子。在達·芬奇留下的浩如煙海的手稿中，有一份是專門研究鳥類飛行技能的，現(xiàn)在就被命名為《鳥類飛行手稿》。他在其中對鳥類如何在飛行中保持平衡、移動、掌握方向、俯沖和上升等做了大量研究，基于這些研究，他親手制作了多個飛行器，并拿到佛羅倫薩附近的小山上去試飛，可惜無一成功。1896年，當時英國物理學界的帶頭大哥、劍橋大學著名的卡文迪許實驗室主任，后來（1904年）的諾貝爾物理學獎得主瑞利勛爵（原名John William Strutt）公開宣布：“除了氣球以外，我絲毫不相信其他任何飛行器。”瑞利這么說并不是出于偏見，而是有其充足的物理學理由。他是研究氣體密度的專家，還是惰性氣體的發(fā)現(xiàn)者。按照當時延續(xù)自達·芬奇的對飛行器的仿生學構想，類似鳥類拍打翅膀的動作無論如何沒法抵消機械本身的重量。可以說，如果囿于仿生學思路，瑞利的判斷就是絕對正確的。但僅僅7年后，萊特兄弟就造出了真正的飛機。關鍵是這兩個美國人沒有那么多“文化傳統(tǒng)”上的束縛，他們最終拋開了鳥類的飛行原理，而把目光投向了引擎——由航空發(fā)動機提供的升力，是仿生學構想中的翅膀完全無法比擬的。

無論是沃康松還是萊特兄弟的例子，都令我們清晰地看到，一旦拋棄仿生的幻覺，一種建立在浪漫幻想之上的“奇技淫巧”可以多么迅速地——只需幾年時間，轉(zhuǎn)化為改變整個世界圖景（以及我們對它的理解）的革命性事物。從這個意義上說，ChatGPT同樣是此類充滿仿生迷惑性的“奇技淫巧”，但它背后的真正“原理”，即基于超高維度（從數(shù)學上說，有多少參數(shù)，該模型就有多少維度）的大語言模型，只要拋開其仿生學束縛（一個“像真人一樣”的對話者），其真正的生產(chǎn)性就可能呈指數(shù)級爆發(fā)。從歷史經(jīng)驗看，很可能這種蛻變就像自動紡織機和飛機的橫空出世一樣——前者緩慢但不可阻遏地導向工業(yè)革命，后者則將人類送進了航空航天時代——需要的也不過只是幾年時間而已。

4

而當我們能夠打碎仿生學的窠臼，破開一片前所未知的廣闊天地，反過來，我們也能對生物有機體的“模擬”性狀有更根本更徹底的認知。

約翰·馮·諾伊曼在其未完成的遺作《計算機與人腦》中，對此做了一個堪稱偉大的示范。這本小冊子是馮·諾伊曼應耶魯大學之邀，為他計劃于1956年春季學期里舉行的“西里曼講座”而準備的手稿，可惜他1955年被診斷出骨癌，到1957年去世，講座未能啟動，手稿也沒有最后完成。其時，馮·諾伊曼已經(jīng)深度介入早期計算機的研制工作，與此同時，他也對神經(jīng)生物學產(chǎn)生了濃厚的興趣。

《計算機與人腦》粗看似乎是由兩部分拼接而成的，第一部分是早期計算機的原理，包括模擬機和數(shù)字機，第二部分則是對神經(jīng)系統(tǒng)及其功能的解析。其實馮·諾伊曼采用的這個有些生硬的結構，恰好符合前述馬克思的名言——人體解剖是猴體解剖的鑰匙。這里可以更準確地表述為：對現(xiàn)代計算機原理的掌握，是理解神經(jīng)系統(tǒng)以至人腦運作的鑰匙。

可以說，在現(xiàn)代計算機的基本設計思路確定之前，我們對人腦和神經(jīng)系統(tǒng)的所有了解，都不過是基于解剖學的模擬性猜測。是計算機設計和運行過程中所使用的數(shù)字化“語言”，給予我們一種理解人腦和神經(jīng)系統(tǒng)的全新視野——所以并不是“電腦”在模仿人腦，恰恰相反，是基于數(shù)字原理的計算機的成功，反哺了我們對人腦的研究。對此，馮·諾伊曼寫道：

“神經(jīng)脈沖可以在前述意義上被清楚地看作（二值）記號：沒有脈沖代表一個值（例如，二進制數(shù)字0），而有脈沖則代表另一個值（例如，二進制數(shù)字1）。當然，這必須當作在特定軸突（或者更確切地說，在特定神經(jīng)元的所有軸突）上發(fā)生的現(xiàn)象來理解，并且可能在特定時間內(nèi)與其他事件相關。因此，它們可以被解釋為起著特定邏輯作用的記號（二進制數(shù)字0或1）。

“如前所述，（出現(xiàn)在給定神經(jīng)元的軸突上的）脈沖通常由撞擊到該神經(jīng)元細胞體上的其他脈沖觸發(fā)。一般來說，這種觸發(fā)是有條件的，即只有這種初級脈沖的某些組合和同步才能觸發(fā)所涉的初級脈沖，所有其他的脈沖都不能引起這種激勵。也就是說，神經(jīng)元是一個接受并發(fā)出明確物理實體（脈沖）的器件。一旦它接收到某些組合和同步的脈沖，它就會被刺激發(fā)出一個自身的脈沖，否則它將不會發(fā)出脈沖。描述它會對哪些脈沖群作出響應的規(guī)則，同時也是支配它作為一個有源器件的規(guī)則。

“顯然，這是對數(shù)字機器中器件功能的描述，同時它也描述了刻畫數(shù)字器件的作用和功能的方式。因此，它證明我們最初的斷言的合理性：即神經(jīng)系統(tǒng)具有表觀的數(shù)字特征。”

正如薛定諤以其基于量子物理學研究的“生命物理學”，大大拓寬了傳統(tǒng)生物學的視野；馮·諾伊曼作為橫跨數(shù)學、物理學、經(jīng)濟學和計算機科學的“全才”，同樣以其對“基本原理”的洞察，否定了計算機和人工智能領域?qū)Ψ律穆窂揭蕾嚕雌涞蓝兄貙敃r尚是初創(chuàng)階段的計算機思想，特別是其邏輯和數(shù)學“語言”，用于神經(jīng)生物學的描述與研究，這是真正的天才才具有的“通感”。

可惜的是，這一點并沒有為今天哪怕是很前沿的計算機和人工智能科學家——比如楊立昆，比如蓋瑞·馬庫斯——所真正理解。馬庫斯推崇的符號主義、楊立昆預言會淘汰大語言模型的所謂“世界模型”，本質(zhì)上都不過是仿生學的當代數(shù)字化變種而已。

《計算機與人腦》

[美]約翰·馮·諾伊曼 著

商務印書館 2021年9月版

標簽：