人工智能与哲学思考精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能与哲学思考主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工智能与哲学思考范文

人工智能是人类发展到一定阶段而必然产生的一门学科，它既包括人，也包括机和环境两部分，所以也可以说是人机环境系统交互方面的一种学问。它同样“有一个漫长的过去，但只有短暂的历史”。它的起源可以追溯到文艺复兴，接着，又在第一、二次工业革命浪潮中逐渐崭露头角。法国人帕斯卡尔研制了第一台现代意义上的数字计算机，第一、二次世界大战大大加快了该学科发展的进程，剑桥大学巴贝奇的差分机和图灵的测试进一步把人工智能领域的研究范围扩展到了人类学习、生活、工作等方面。到目前为止，研究人工智能的学科不但包括生理、心理、物理、数理、地理等自然科学技术领域，而且还涉及到哲理、伦理、法理、艺理、教理等人文艺术宗教领域。

1997年5月11日，名为“深蓝”的电脑毫无悬念地在标准比赛时限内击败了国际象棋男子世界冠军卡斯帕罗夫，从而证明了在有限的时空里电脑“计算”可以战胜人脑“算计”，进而论证了现代人工智能的基础条件(假设)——物理符号系统具有产生智能行为的充分必要条件(Newell and Simon，1976)是成立的。更有意思的是，2011年2月17日，一台以IBM创始人托马斯·沃森的名字命名的电脑在智力问答比赛中“狂虐”两位最聪明的美国人而夺得冠军，2016年3月9日至3月15日，“围棋名誉九段”AlphaGo在首尔以4:1的比分战胜了围棋世界冠军李世石九段，从而引发了人工智能将如何改变人类社会生活形态的话题。

人工智能是人机环境系统交互的产物

众所周知，当前制约机器人科技发展的瓶颈是人工智能，人工智能研究的难点是对认知的解释与建构，而认知研究的关键问题则是自主和情感等意识现象的破解。生命认知中没有任何问题比弄清楚意识的本质更具挑战性，或者说更引人入胜。这个领域是科学、哲学、人文艺术、神学等领域的交集。尽管意识问题如此重要，令人啼笑皆非的是：无论过去还是现在，一旦涉及到意识问题，大家不是缄口不提，就是敬而远之，避之唯恐不及。究其原因，不外乎意识的变化莫测与主观随意等特点严重偏离了科学技术的逻辑实证与感觉、经验、验证、判断，既然与科学技术体系相距较远，自然就不会得到相应的认同与支持了，这好像是顺理成章、理应如此的！然而，最近科技界一系列的前沿研究正悄悄地改变着这个局面：研究飘忽不定的意识固然不符合科技的尺度，那么在意识前面加上情境(或情景)二字呢？人在大时空环境下的意识是不确定的，但“格物致知”一下，在小尺度时空情境下的意识应该有迹可循吧！自古以来，人们就知道“天时地利人和”的小尺度时空情境对态势感知及意识的影响，只是明确用现代科学的手段实现情境(或情景)意识的研究是源自1988年Mica Endsley提出的Situation Awareness(SA)概念框架：“…the perception of the elements in the environment within a volume of time and space， the comprehension of their meaning， and the projection of their status in the near future.”(在一定的时间和空间内对环境中的各组成成分的感知、理解，进而预知这些成分的随后变化状况)但这只是个定性分析概念模型，其机理分析与定量计算还远远没有完善。

在真实的人机环境系统交互领域中，人的情景意识(Situation Awarensss)SA、机器的物理SA、环境的地理SA等往往同构于统一时空中(人的五种感知也应是并行的)，对于人而言，人注意的切换产生了不同的主题与背景感受／体验。在人的行为环境与机的物理环境、地理环境相互作用的过程中，人的情景意识SA被视为一个开放的系统，是一个整体，其行为特征并非由人的元素单独所决定，而是取决于人机环境系统整体的内在特征，人的情景意识SA及其行为只不过是这个整体过程中的一部分罢了。另外，人机环境中许多个闭环系统常常是并行或嵌套的，并且特定情境下这些闭环系统的不同反馈环节信息又往往交叉融合在一起，起着或刺激或抑制的作用，不但有类似宗教情感类的柔性反馈(不妨称之为“软调节反馈”，人常常会延迟控制不同情感的释放)，也存在着类似法律强制类的刚性反馈(不妨称之为“硬调节反馈”，常规意义上的自动控制反馈大都属于这类反馈)。如何快速化繁为简、化虚为实是衡量一个人机系统稳定性、有效性、可靠性大小的主要标志，是用数学方法的快速搜索比对还是运筹学的优化修剪计算，这是一个值得人工智能领域深究的问题。

人机环境交互系统往往是由有意志、有目的和有学习能力的人的活动构成，涉及变量众多、关系复杂，贯穿着人的主观因素和自觉目的，所以其中的主客体界线常常模糊，具有个别性、人为性、异质性、不确定性、价值与事实的统一性、主客相关性等特点，其中充满了复杂的随机因素的作用，不具备重复性。另外，人机环境交互系统有关机(装备)、环境(自然)研究活动中的主客体则界线分明，具有较强的实证性、自在性、同质性、确定性、价值中立性、客观性等特点。无论是在古代、中世纪还是在现代，哲学宗教早已不单纯是意识形态，而且逐渐成为各个阶级中的强大的政治力量，其影响不断渗透到社会生活的各个领域，更有甚者，把哲学、政治、法律等上层建筑都置于宗教控制之下。总之，以上诸多主客观元素的影响，进而导致了人机环境交互系统异常复杂和非常的不确定。所以对人机环境交互系统的研究不应仅仅包含科学的范式，如实验、理论、模拟、大数据，还应涉及到人文艺术的多种方法，如直观、揣测、思辨、风格、图像、情境等，在许多状况下还应与哲学宗教的多种进路相关联，如现象、具身、分析、理解与信仰，等等。

在充满变数的人机环境交互系统中，存在的逻辑不是主客观的必然性和确定性，而是与各种可能性保持互动的同步性，是一种得“意”忘“形”的见招拆招和随机应变能力。这种思维和能力可能更适合复杂的人类各种艺术过程。凡此种种，恰恰是人工智能所欠缺的地方。

人机之间的不同之处

人与机相比，人的语言或信息组块能力强，具有有限记忆和理性；机器对于语言或信息组块能力弱，具有无限记忆和理性，其语言(程序)运行和自我监督机制的同时实现应是保障机器可靠性的基本原则。人可以在使用母语时以不考虑语法的方式进行交流，并且在很多情境下可以感知语言、图画、音乐的多义性，如人的听觉、视觉、触觉等具有辨别性的同时还具有情感性，常常能够知觉到只可意会不可言传的信息或概念(如对哲学这种很难通过学习得到学问的思考)。机器尽管可以下棋、回答问题，但对跨领域情境的随机应变能力很弱，对彼此矛盾或含糊不清的信息不能有效反应(缺少必要的竞争冒险选择机制)，主次不分，综合辨析识别能力不足，不会使用归纳推理演绎等方法形成概念或提出新概念，更奢谈产生形而上学的理论形式。

人与机器在语言及信息的处理差异方面，主要体现在能否把表面上无关之事物相关在一起的能力。尽管大数据时代可能会有所变化，但对机器而言，抽象表征的提炼亦即基于规则条件及概率统计的决策方式与基于情感感动及顿悟冥想的判断(人类特有的)机理之间的鸿沟依然存在。

人工智能与哲学

人类文明实际上是一个认知的体现，无论是最早的美索不达米亚文明(距今6000多年)，还是四大文明之后日新月异的以西方为代表的现代科技力量，其原点都可以落实到认知这个领域上。历史学家认为：以古希腊文化为驱动力的现代西方文明来源于古巴比伦和古埃及，其本质反应的是人与物(客观对象)之间的关系；而古印度所表征的文明中常常蕴含着人与神之间的信念；排名最后的古代中国文明是四大古文明中唯一较为完整地绵延至今的文化脉搏，其核心之道理反映的是人与人、人与环境之间的沟通交流(这也许正是中华文明之所以持续的重要原因吧)。纵观这些人、机(物)、环境之间系统交互的过程中，认知数据的产生、流通、处理、变异、卷曲、放大、衰减、消逝无时无刻不在进行着……

有人说人工智能是哲学问题。这句话有一定的道理，因为“我们是否能在计算机上完整地实现人类智能”，这个命题是一个哲学问题。康德认为哲学需要回答三个问题：我能知道什么？我应该做什么？我可以期待什么？分别对应着认识、道德、信仰。哲学不是要追究“什么是什么”，而是追求为什么“是”和如何“是”的问题。自2013年10月回国后，笔者一直在思考人机交互的本质问题，偶然与朋友交谈时聊及“共在”(Being together)一词，顿感很是恰当，试想，当今乃至可见的未来，人机之间的关系应该不是取代而是共存吧：相互按力分配、相互取长补短，共同进步，相互激发唤醒，有科有幻，有情有义，相得益彰……非常巧合的是，2014年以来，机器学习、互联网、机器人、人工智能等领域的发展也相当迅速，深度学习、类脑计算、情景感知一时间成了关键词，成了时髦语，但细细品来，其核心实质都不过是解释与建构的问题，形而上后竟会变成高大上的哲学问题。

其实哲学与科学、宗教一样，都是一个人为了能够获得理解而必须相信(除非你相信你不应当理解)的过程，这不是盲从，而是一种先信仰后理解的先验！比如，在科学中，物理学研究世界是什么样的(解释世界)，计算机(数学)研究怎么造一个世界(建构世界)，在这两者之间若没有相信、信任、信仰等先于理解而存在，恐怕是难以坚持进行下去的，毕竟在伸手不见五指的黑夜中，人是很难自行产生前进动力的(如一个没有利润的环境常常少见商人身影一般)。而信仰是一种赞同的思考，常常是一种非理性的激情、冲动情感，通过非理性而达到理性(通情达理)，这不能不说是一个有趣的悖论！或许，这同时也是无中生有的禅理(以情化理)吧！

实际上，目前以符号表征、计算为代表的计算机虚拟建构体系是很难逼真反映以物理、生理、心理等理论解释真实世界的(数学本身并不完备)，而认知科学的及时出现不自觉地把各“理”(物理、生理、心理)解释与各“机”(计算机、飞机、拖拉机)建构之间对立统一了起来，围绕是(Being)、应(Should)、要(Want)、能(Can)、变(Change)等节点展开融合进而形成一套新的人机环境系统交互体系。

有时候，世界是确定的，不确定的是我们自己，面对相同的文字、音乐、视频等情境事物，我们常常会随心情的不同而产生不同的觉察和理解，境随心转。有时候，世界是不确定的，确定的反而是我们自己，面对不同的文字、音乐、视频等情境事物，我们却能够处变不变而产生恒定表征，形成概念，心随境转。不管怎样，世界包括我们自己是由易、不易、简易、迁易、无易、有易、一易、多易……等诸多演化过程构成的，在这些纷繁复杂的变化中，都需要一种或多种参考框架体系协调其中的各种矛盾、悖论，而若追溯到这些框架体系的起源，应该就是人机环境之间的交互作用。或许，最好的智慧/智能真的就隐藏在这些交互的自相矛盾之中？！若果真如此，那又该如何破译呢?

哲学意义上的“我”也许就是人类研究的坐标原点或出发点，“我是谁”“我从哪里来”“要到那里去”这些问题也许就是人工智能研究的关键瓶颈？！

结束语

人工智能，尤其未来的强人工智能很可能是一种集科学技术、人文艺术、哲学宗教为一体的“有机化合物”，是各种“有限理性”与“有限感性”相互叠加和往返激荡的结果，而不仅仅是科学意义上的自然秩序之原理。它既包含了像科学技术那样只服从理性本身而不屈从于任何权威的确定性知识(答案)的东西，又包含着诸如人文艺术以及哲学、宗教等一些迄今仍为确定性的知识所不能肯定的思考。它不但关注着人机环境系统中的大数据挖掘，而且对涉及“蝴蝶效应”的临界小数据也极为敏感；它不但涉及计算、感知和认知等客观过程，而且还对算计、动机与猜测等主观过程颇为青睐；它不但与系统论、控制论和信息论等“老三论”相关，更与耗散结构论、协同论、突变论等“新三论”相联。它是整体与局部之间开环、闭环、自上而下、自下而上交叉融合的过程，是通过无关—弱相关—相关—强相关及其逆过程的混关联变换。

通过研究，我们是这样看待指人工智能技术问题的：首先人工智能过程不是被动地对环境的响应，而是一种主动行为，人工智能系统在环境信息的刺激下，通过采集、过滤，改变态势分析策略，从动态的信息流中抽取不变性，在人机环境交互作用下产生近乎知觉的操作或控制；其次，人工智能技术中的计算是动态的、非线形的(同认知技术计算相似)，通常不需要一次将所有的问题都计算清楚，而是对所需要的信息加以计算；再者，人工智能技术中的计算应该是自适应的，人机系统的特性应该随着与外界的交互而变化。因此，人工智能技术中的计算应该是外界环境、机器和人的认知感知器共同作用的结果，三者缺一不可。

第2篇：人工智能与哲学思考范文

在一些特定领域，比如说国际象棋、围棋、股市交易以及人机对话等，我们已经发明出与人脑匹敌或超越人脑的计算机。电脑和驱动他们的运算法则只会变得更好，电脑精通几乎任何人类能力只是时间问题。

纽约大学心理学家盖瑞?马库斯(Gary Marcus)曾说过，几乎所有研究AI的人都认为机器最终将取代人类。“狂热分子和怀疑论者之间唯一的不同是对时间早晚的判断。”未来主义者，像雷?库兹韦尔，认为机器统治人类会在几十年后发生，而其他人则说可能得几个世纪。

最初设想的机器智能可能缺乏一种或多种这些属性。最终，我们可能制造出极其聪明的AI，但是它不能通过主观的自我意识感受这个世界。沙纳罕说也许能够将智力和意识结合在一个机器内，但是我们也要认识到智力和意识终究是两种不同的概念。

AI怀疑论者认为生物脑在本质上是有独特之处的，这是无法解决的科技难题，其实这些是没有说服力的。我们的大脑是生物学意义的机器，但也不过是机器。他们存在于现实世界里，就要遵循基本的物理法则。人脑没有东西是不可知的。

2.“人工智能将会有意识。

关于机器智能的一个普遍假设是：将来机器智能会有意识。也就是说，机器会像人一样思考。评论家们，如微软创始人之一的保罗?艾伦，则更进一步认为我们还未达到人工通用智能，即机器能够像人类一样执行任何需要智力的任务，因为我们缺乏关于意识的科学理论。正如伦敦帝国理工学院认知机器人研究者穆雷?沙纳罕(Murray Shanahan)所指出的那样，我们应该避免混淆认知和意识这两种概念。

“探究意识确实是一门迷人且重要的课题，但是我认为意识对于人类水平的人工智能来说是并不是必要的。或者更精确地说，我们用‘意识’这个词来指代心理的和认知的属性，这些在人类身上是捆绑在一起的。”

最初设想的机器智能可能缺乏一种或多种这些属性。最终，我们可能制造出极其聪明的AI，但是它不能通过主观的自我意识感受这个世界。沙纳罕说也许能够将智力和意识结合在一个机器内，但是我们也要认识到智力和意识终究是两种不同的概念。

不能仅仅因为一台机器通过了图灵测试，就认为它有意识。先进的AI留给我们的印象是它们是有意识的，但是再先进的AI对于自己的认识也不会比一块石头或一个计算器多。

3.“超级人工智能会很友好。”

哲学家康德认为智能与道德密不可分。神经学家David Chalmers在他的论文《非凡的哲学分析》中吸取了康德的著名观点，并将其运用于人工智能的提升中。

如果这个观点是正确的话，我们可以想到AI因智力爆发性增长致使道德感急剧升高的状况。可以想到，ASI系统变得超级智能的同时会具有无上的道德感，因此我们可以认为它们是善良的。

但是，这个“先进的AI从本质上将是好的、开明的”的观点是站不住脚的。正如Armstrong指出，存在很多聪明的战犯。智力和道德感间的关系在人类中貌似并不存在，所以他怀疑该假设在其他智能形式中，恐怕也是难以成立的。

“聪明的人的不道德行为可以比他们的笨蛋同胞造成更大规模的破坏，”他说。“智力只是给了他们变得更坏的能力，它并没有把他们变成好人。”

4.“简单的程序修补就能解决AI的控制难题。

假设创造出比人类更伟大的AI，我们将面临一个严重的问题，那就是：控制问题。如何在家里安置以及控制ASI？如何确保ASI对人类是友好的？在这些问题上，未来主义者和AI理论家们完全不知所措。最近，佐治亚理工学院的研究人员天真地认为AI可以通过阅读简单的故事来学习人类的价值观和社会习俗。这可能远不是读几个小故事能解决的。

“人们推荐了很多可能解决整个AI控制问题的简单技巧，”阿姆斯特朗说。示例包括为ASI编写取悦人类的程序，或者仅仅使ASI作为人类的工具使用。再或者，我们可以将积极的概念，比如爱或尊敬整合进他的源代码。为了防止ASI对社会只有单一偏激的看法，我们可以给它编写欣赏智力、文化和社会多样性的程序。

但是这些方法要么太过简单，这就好比试图给复杂的人类喜恶确定一个简单肤浅的定义，要么就是把复杂的人类价值观生硬地压缩成一个简单的字词或想法。比如，对“尊敬”这个词，要确定内涵一致又普遍接受的定义是极度困难的。

“并不是说这些简单的技巧是没用的。这些对策里面有很多给研究指明了道路，对解决这个终极难题有所帮助。但是这些只是想法，具体的操作还需要我们做更多的开发研究工作。”阿姆斯特朗说。

5.“人工超智能很聪明，不会犯错。

AI研究者兼Surfing Samurai机器人开发者Richard Loosemore认为大多数假设的AI毁灭世界的情景都不符合逻辑。人们总假想在这种情景下，AI可能会说：“我知道毁灭人类文明只是我的设计故障，但我不得不这么做。”Loosemore指出如果AI像这样打算毁灭人类时，那它一生会很多这样的逻辑矛盾，也会因此摧毁自己的知识库，导致自己变得愚蠢，而不足以对我们造成伤害。他还断言，那些认为“AI只会按照指定程序做事”的人，与当初用这样的话评价电脑不具备灵活性的人一样，犯了同样的错误。

就职于牛津大学人类未来研究所(Future of Humanity Institute)的皮特?麦金泰尔(Peter McIntyre)和斯图尔特?阿姆斯特朗(Stuart Armstrong)都对此有不同看法。他们认为人工智能将很大程度上受到编程的限制。他们相信AI也会犯错误，或者他们还没有聪明到了解人类想从他们那里得到什么。

“从定义上讲，超级人工智能(ASI)是一个拥有智力的载体，它在各个相关领域都要比最优秀的人类大脑更聪明。”麦金泰尔如是告诉Gizmodo。“它将十分清楚我们用他们来做什么。”麦金泰尔和阿姆斯特朗相信AI只会做程序编写的任务，如果它能变得足够聪明的话，它将能理解依照程序完成任务与领略规则精髓的不同，也将能理解人类的意图。

麦金泰尔把人类未来的困境比作老鼠的困境。老鼠想要在人类居所寻求食物和栖息地，人类不愿居室内有老鼠，两者冲突。麦金泰尔说，“正如我们明白老鼠的目的，超级智能系统也能知道人类想要的，但仍对此漠不关心。”

6.“我们将被超级人工智能毁灭。”

没有任何证据表明我们会被AI毁灭或无法控制它们。正如AI研究者Eliezer Yudkowsky所说：“AI既不会恨，也不会爱，但人类由原子构成的，除了智能以外，人类还有感情。”

牛津大学的哲学学者Nick Bostrom在他的书《超级智能：路径、危险与策略》中提到，真正的超级人工智能一旦完成，将比以往人类的任何发明都危险。一些著名的学者如Elon Musk， Bill Gates， and Stephen Hawking(后者曾警告AI也许是人类史上最糟糕的错误)也提出了警告。

但没有什么事是可以确定的，没人知道AI将采取什么行动以及如何威胁到人类。正如Musk指出的，人工智能可以用来控制、调节和监视其它人工智能。也许可以它灌输人类的价值观，使之毫无保留地对人类保持友好。

7.“我们不应该害怕AI。

一月份，脸书创办者马克扎克伯格说我们不应该害怕AI，AI会为世界带来难以估量的好处。扎克伯格只说对了一半。我们随时准备从AI身上收获巨大的利益——从自动驾驶汽车到新药物的研制，但是没有人能保证AI的所有影响都是良性的。

高度智能化的系统也许了解某一特定任务的一切，例如解决令人厌烦的财务问题，或者黑进对手的系统。但是在这些特殊领域之外，高度智能系统会变得极其无知无觉。谷歌的DeepMind系统精通围棋，但除围棋以后，它在其他方面没有探索的理性和能力。

8.“AI和机器人造成的风险是相同的。”

这是一个特别常见的错误认识，不加鉴别消息的媒体和好莱坞电影比如《终结者》系列使这一错误更加深入人心。

如果一个超级人工智能比如天网想要毁灭人类，它不会使用端着机枪的机器人。其实还有更高效的办法，如散播瘟疫，引发纳米级灰雾(grey goo，具备自我复制能力的微小机器人)灾难，甚至仅仅破坏大气层。人工智能有潜在的危险，不是因为它所昭示的机器人的未来，而是它在世界上的自我定位。

9.“未来的AI和科幻小说里的AI是相同的。”

的确，科幻作品被作家和未来主义者们用来预测美好的将来，但ASI所带来的图景完全不是一回事。更重要的是，与人类本性不同的AI不会让我们知道并预测它们确切的本性和形式。

科幻作品考虑到我们人类是弱小的，大多数AI被设定地与人类很类似。“有一些观点认为，即使是在人类中，也存在着多种类型的心智模式，你和你的邻居也是不同的，但人与人之间的心智区别要同其他可能存在的心智形式相比是微不足道的，”McIntyre说道。

大多数科幻小说旨在讲一个引人入胜的故事，但不够科学准确。因此，科幻小说中的冲突往往是存在于实力接近的实体之间。Armstrong说，“没有意识、喜乐或仇恨的AI毫无阻力地消灭所有的人类、达到一个本身无趣目标，可以想见这样的电影情节会有多无聊。”

10.“AI将会抢走我们所有的工作。”

人工智能把我们大部分的工作自动化和它能毁灭人类的潜在性，这是两件完全不相关的事情。根据《机器人的崛起》的作者Martin Ford所说，这两件事常常被混为一谈。思考在遥远的将来AI的意义是很好的，但只有这不影响到我们思考未来的几十年遇到的问题时，这样做才有意义。其中最主要的是大规模的自动化。

毫无疑问，人工智能将取代很多现存的职业，包括从车间工人到高级白领。一些专家预测在不久的将来美国的一半工作将被自动化所取代。但这不意味着我们没有能力应付局面。最理想的情况是为我们人类实现人人称赞的目标，达到接近乌托邦的境界，无论是脑力劳动者还是体力劳动者，人人都从劳役中解放了出来。

第3篇：人工智能与哲学思考范文

关键词：人工智能；智能化计算机辅助教学；专家系统；知识库

中图分类号：TP18文献标识码：A文章编号：1009-3044(2007)12-21667-02

The Application of Artificial Intelligence in Education

HU Ji-li,YIN Yun-xia

( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)

Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.

Key words:Artificial Intelligence;CAI;expert system;knowledge base

1 引言

人工智能作为当今世界三大尖端技术(空间技术、能源技术和人工智能技术)之一，是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学、机器学习、计算机视觉等。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多的是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决定支持系统和人工神经网络。它总的来说是面向应用的，随着人工智能的诞生和发展， 人们开始把计算机用于教学领域。同时， 自七十年代以来， 有教学能力的专家系统得到研制。人工智能技术与专家系统的成就， 促使人们把问题求解、知识表示这些技术引入计算机辅助教学(CAI) ， 这便是智能型计算机辅助教学(CAI)。

近几十年来， 随着人工智能技术的日渐成熟， 它的一些研究成果被陆续应用到教学领域， 推进了教育发展改革和教学现代化进程。人工智能在教学系统的重要性也已形成共识。

2 人工智能在教育中的作用

目前在教育技术中涉及到AI的主要有以下领域：

2.1 知识的表示与访问

基于人工智能的知识表示是以知识为对象，以计算机的软硬件和计算机科学及人工智能和专家系统技术为工具，以哲学、心理学和逻辑学等为方法和指导，将知识表达成计算机可以直接处理的“知识库”，使用“计算机的智能”来模拟人类专家或“人类智能”，对知识进行快速、精确、自动、科学的处理。它不属于通常的“数据管理或信息管理”的“数据”层次，而是属于“知识处理”或“知识”的智能化层次。其主要内容是对于知识进行形式化的表示、自动化的推理，智能化的教学或创造。计算机辅助教育是其中重要的组成部分。

2.2 符号计算

符号计算包括数值计算、符号计算和函数作图。其代表软件是Mathematica，当该软件在1988年第一次，对科技及很多其他领域的计算机使用方式产生了深刻的影响。Mathematica 1.0时，商业周报将其列入当年最重要的十大新产品名单。这标志着现代科技计算的开始。Mathematica也被大量地用于教育:有成百上千的课程，从高中课程到研究生课程用它作基础。随着各种学生版的，Mathematica也已成为全世界各种不同专业学生的重要工具。

2.3 对学生错误的自动诊断

采用人工智能技术，使得教学过程中系统可以自动诊断学生的学习水平，不仅能发现学生的错误，而且能指出学生错误的根源，从而做出有针对性的辅导或学习建议。而且根据学生的特点自动选择教学内容，自动调整教学进度，自动选择教学策略与方法。

2.4 实现智能性超媒体教学系统

超媒体系统有理想的教学环境，容易激发学生的学习兴趣和学习主动性，但不能保证达到预期的学习目的，而且由于不了解所要教的对象，所以不能做到有针对性的指导，不能因材施教。智能辅助教学系统正好与此相反。将二者结合起来，就可实现性能互补，从而研究制出新一代高性能的智能超媒体教学系统。

3 人工智能应用于教育的新方向：ICAI

3.1 传统CAI的不足

传统的CAI由于其集成性、交互性、多媒体性等特点，在教学中可以极大地激发学生的学习动机，提高教师的教学效率和学生的学习效率。但在使用过程中，CAI的一些弱点也逐渐暴露出来。主要表现有:

(1)缺乏人机交互能力

现有CAI 大多以光盘作为信息的载体， 将教材中的内容以多媒体的形式展现出来， 教学信息是按预置的教学流程机械式地提供给学生的， 学生接受起来很被动。而且在课堂教学中， 一般也只能通过教师按预定的课件流程进行操作， 无论学生还是教师都不能很好地参与教与学的过程， 因此人机交互没有很好地实现。

(2)缺乏教师与学生的互动

现有的CAI 课件在学生自学、进行操作使用时，如何学习都是学生自己的事。教师不能完全了解学生的情况，学生在碰到问题时，也不能向教师求助，师生之间是互相封闭的，软件所起的积极效果大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI 课件是在单机环境下运行的，它们无法利用网络的优势使知识内容快速更新，也更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。

(3)缺乏智能性

要想面对不同情况的学生进行不同程度的教学过程， 使学生的学习变为主动， 并能由系统自动地提供助学信息而有选择地学习，要想使教师的教学能积极地参与进去并根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容， 给予不同方式的教学模式与方法， 没有智能性的CAI 课件系统， 是很难实现以上目的并达到良好教学效果的。由此可见，现有的CAI 随着人们要求的提高， 已经不能尽如人意。因此以智能CAI 为代表的新的计算机辅助教学系统将是教师在教育技术上需要不断探求、努力实现的发展方向索。

3.2 ICAI－人工智能与多媒体技术的结合

为了克服传统CAI的缺点，需要在知识表示、推理方法和自然语言理解等方面应用人工智能原理。因此很多专家提出了智能计算机辅助教学(ICAI)，智能计算机辅助教学(Intelligence Computer Assisted Instruction－ICAI)以认知学为理论基础。将人工智能技术应用于CAI，是智能化的CAI。在ICAI系统中，允许学生与计算机进行较自由的对话，学生的应答不限于数字或简单的短语。系统能够判定学生应答的正确程度，并给予适当的反馈，而不是简单地说“对”或“错”。ICAI的宗旨在于利用现有计算机技术实现较好的人工智能，模仿人类的交互方式、思维习惯及情绪流动，修饰和掩盖计算机的缺陷。

3.3 ICAI的优点

(1)将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略。

(2)通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、以及进一步学习内容的建议。

(3)通过对全体学生出现的错误分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议。

(4)为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略。

(5)通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说，一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。

3.4 ICAI的标准

以现有的科学技术水平而言，短时期内显然无法实现具备上述全部功能的ICAI系统。一般认为，只要具有下列一个或几个特征的CAI系统就可以称之为ICAI系统。

(1)能自动生成各种问题与练习。

(2)根据学生的学习水平与学习情况选择与调整学习内容和进度。

(3)在了解教学内容的基础上自动解决问题，生成解答。

(4)具有自然语言生成与理解能力，以便实现比较自由的教学问答系统，提高人机交互的主动性。

(5)对教学内容有解释咨询能力。

(6)能诊断学生错误，分析原因并采取纠正措施。

(7)能评价学生的学习行为。

(8)能评价教师的教学行为。

不难看出，ICAI与传统的CAI相比，更加符合教育教学的规律，切合学生的认知习惯，具有明显的优越性。

3.5 ICAI的结构

ICAI主要由三个模块组成:专家系统模块、教师模块和学生模块。

(1)知识库

知识库是实现知识推理与专家系统的基础，而建造知识库的前提则是要解决知识的形式化，人工智能技术在教育中的应用表示以及知识的访问与调用问题。因此，知识的表示与访问是人工智能的核心技术之一，也是将AI引入教育领域必须首先解决的一个难题。

ICAI中的资源库应该包括以下一些内容:

①多媒体素材库:包括所要呈现的知识的一些素材，包括:文本、图像、声音、动画及数字影象等多媒体教学资源。这些用于多媒体数据库管理，便于分类、增删、修改及查询等操作。

②教学内容库:教学内容库用于存放教学内容，包括领域知识库(含辅助知识库、提示帮助库、练习题库，和测试题库)。这些教学内容，包括习题和试题分章、节、课及知识点等有序存贮。供专家决策系统调用。

(2)学生模块

学生模块主要包括以下三个模块:学生登陆模块、学生水平评价模块和学生监督模块。

①学生登陆模块:利用该模块主要用于学生使用ICAI时登录，第一次登录时学生输人姓名、性别、年龄、学历等相关信息，然后对学生进行询问，选择合适的测验题对学生进行初测推荐学习计划。当再次登录时，系统根据保存的信息安排合适的学习内容。

②学生水平评价模块:学生水平测试模块用于评价某一教学单元学习完后测试成绩。通过测试等因素分析，可以比较确切地了解学生的具体情况，从而制定出合理的教学策略和教学过程

③学习监测模块:学习检侧模块用于监测记录学生的日常学习情况，记录学生学习某教学单元时的参数值，并记录在学生档案中。包括:学生目前学习单元号；学习方式；正常学习、练习、提前浏览、学后复习；学习时间；学生提示问题的类型和次数；学生本次练习出错次数。

(3)专家决策模块

CAI中的专家决策系统可以看作专家系统中的推理机。专家系统是目前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过入类专家的水平。计算机中存有人类专家的知识并具有推理能力，从而可解决诊断、规划、调度、预报、决策等要靠人类专家才能完成的任务。

成功的例子如:① DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用;②MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见经正式鉴定结果，对患有细菌血液病、脑膜炎方而的诊断和提供治疗方案已超过了这方面的专家。

ICAI根据学生模块提供的学生学习情况，通过智能系统的搜索与推理，得出智能化的教学方法与教学策略，能够较科学地评估学生的学习水平，还可以通过分析学生以往的学习兴趣和学习习惯，预测学生的知识需求和常犯错误，动态地将不同的学习内容、学习方法与不同的学生匹配，智能地分析学生错误的原因，进而有针对地提出合理的教学建议、学习建议以及改进方法，既提高了学生学习的满意度，激发了学生的学习热情，也对教师教学提供了客观的依据和科学的方法。

4 结束语

由此可见人工智能技术已经逐步应用于计算机辅助教学中，与教学现代化有着密切的关系。人工智能技术的发展也必将会对ICAI 的发展起到巨大推动作用。近几年来，人工智能的研究者们尝试着使学生脱离“辅导学习”的过程来接受新知识，而采用“通过活动进行学习”的方式。在教学的其他方面，人工智能技术还可以建立人类推理模型学习工具等诸多的运用， 展示出越来越好的实用性。随着Internet 的发展，虚拟现实技术的广泛应用， ICAI 也将得到进一步的完善。21 世纪的教育教学手段将是以智能化CAI 为主线，多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念，使人类扩展了自己的能力，促进了教育领域方方面面的改革。

参考文献：

[1]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2000.

第4篇：人工智能与哲学思考范文

 

AI从诞生到现在已经有60年的时间，期间经历两轮起落，呈阶梯式进化，走到今天进入第三个黄金期。如果按照其智能科技水平划分，今天的人工智能尚处在狭义智能向广义智能进阶的阶段，还是一名不折不扣的“少年”，未来拥有无限的可能和巨大的上升空间。

 

AI是一门交叉的学科：人工智能由不同的技术领域组成，如机器学习、语言识别、图像识别、自然语言处理等。而同时，它也是一门交叉学科，属于自然科学和社会科学的交叉，涉及到哲学和认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论等学科。人工智能领域的技术壁垒是比较高的，并且会涉及到多学科协作的问题，对任何公司来说，想做好人工智能将是一门大工程。未来不大可能出现一个公司能包揽整个人工智能产业每一个部分的工作，更可能的模式将是一个公司专注于一个相对细分的领域，通过模块化协作的形式实现人工智能领域的不同应用。

 

进化史呈阶梯状，以阶段突破式为成长模式：人工智能的发展经历了两次黄金和低谷期，

 

现在正经历着第三个黄金期。1956年，麦卡赛、明斯基、罗切斯特和申农等年轻科学家在达特茅斯一起聚会，并首次提出了“人工智能”这一术语，标志着人工智能的诞生。第二年，由 Rosenblatt 提出 Perceptron 感知机，标志着第一款神经网络诞生。1970年，因为计算能力没能突破完成大规模数据训练，人工智能的第一个黄金期到此结束。

 

后直到1982年德普霍尔德神经网络的提出，人工智能进入第二个黄金期，之后BP算法的出现使大规模神经网络训练成为可能，人工智能的发展又一次进入。1990年，因为人工智能计算机和DARPA没能实现，政府撤资，人工智能又一次进入低估。2006年，随着“深度学习”神经网络取得突破性进展，人工智能又一次进入黄金时期。

 

AI将由狭义智能向广义智能进化，虽然人工智能的诞生已经有60年的时间但如果把它比喻成一个人的话，当前的他应该还未成年。按照人工智能的“智能”程度，可以将其分成狭义智能、广义智能、超级智能三个大的发展阶段，现阶段的图像与语音识别水平标志着人类已经基本实现狭义智能，正在向广义智能的阶段迈进。

 

狭义智能：即当前的技术已经实现的智能水平，包括计算智能与感知智能两个子阶段，计算智能指的机器开始具备计算与传递信息的功能，感知智能指机器开始具备“眼睛”和“耳朵”，即具备图像识别与语音识别的能力，并能以此为判断采取一些行动。

 

广义智能：指的是机器开始具备认知能力，能像人类一样获取信息后主动思考并主动采取行动。在这个阶段，机器可以全面辅助或代替人类工作。

 

超级智能：这个阶段的机器几乎在所有领域都比人类聪明，包括科学创新、通识和社交技能等。这个阶段目前离我们还比较遥远，到时候人类的文明进步和跨越或许将有赖于机器，而机器人意识的伦理问题也许将在这个阶段成为主要问题。

 

推荐引擎及协同过滤可以分析更多的数据

 

智能助手并不只局限于Siri等手机语音助手。微软率先在win10 系统中加入个人智能助理Cortana，标志着个人PC端智能助理的出现;图灵机器人以云服务的方式进入海尔智能家居、博世mySPIN车载系统，预示着多场景人工智能解决方案的潮流。初步实现人机交互的智能助手系统，已经被应用于智能客服、聊天机器人、家用机器人、微信管理平台、车载系统、智能家居系统、智能手机助理等多个软硬件领域。

 

垂直类网站及社交平台可以借助智能助手系统打造高专业度的“在线专家”以提升平台价值;企业可以借助以“语义识别”为基础的智能助手系统，打造智能客服，效率远高于传统的以“关键词对应”为技术支持的客服系统。

 

推荐引擎，是主动发现用户当前或潜在需求，并主动推送信息给用户的信息网络。挖掘用户的喜好和需求，主动向用户推荐其感兴趣或者需要的对象。传统推荐引擎通常利用用户在平台上的历史记录进行推荐，效率低、匹配度不高。目前随着大数据和深度学习技术的推进，推荐引擎及协同过滤可以分析更多的数据，乃至全网数据，并模拟用户的需求，真正达到按需推荐。全球最大的正版流媒体音乐服务平台Spotify也利用卷积神经网络参与建设其音乐推荐引擎;谷歌也提出利用深度学习方法来学习标签进行推荐建设。出品纸牌屋的全球最大在线影片租赁公司Netflix 也利用深度学习网络分析客户消费的大数据，还计划构建一个在AWS云上的以GPU为基础的神经网络。

 

“餐厅推荐引擎”Nara，便是一个利用AI技术的推荐引擎。在上线之初，Nara 就取得了400万美元的投资。Nara 的数据库中有超过100000家餐厅的信息，并利用特有的“Nara神经网络”，学习使用者的偏好，最终达到“电脑帮你点餐”的目的。

 

而今年3月22日，国内AI领军企业阿里巴巴旗下的阿里云数加启动“个性化推荐”引擎对外公测，该引擎用于帮助创业者可以快速获得媲美淘宝天猫的个性化服务能力。阿里云数加上的推荐引擎能够以更低的成本完成开发，节省程序量达到90%，推荐引擎的搭建时间将由几个月缩短到几天。

 

对于不了解算法的人，只能实现标签规则类的推荐，但如果要做成机械化、类似协同过滤的算法，创业公司需要配置大量的算法工程师，人力成本很高。现在用了数加的推荐引擎，商家只需要做数据的ETL加工，推荐的结果集、训练集都不用处理，只需要调整参加即可得到推荐结果。

 

AI带给人们新的视觉???

 

医疗：为健康诊断和药品研发插上高飞的翅膀

 

健康诊断有望迎来新纪元，海量的病历数据和医学界的新研究成果，单靠人工很难及时筛选并利用，而引入人工智能技术将充分发挥这些信息的价值。例如著名的个人健康管理产品公司Welltok将 IBM的Watson功能融入旗下产品 CafeWell Concierge APP中，借助 Watson 的认知计算能力理解人类语言，实现与用户沟通的能力，从大量数据中进行分析并为用户提供健康管理相关的答案和建议，实现健康管理、慢病恢复训练、健康食谱等功能，这一领域的良好前景使 Wellltok公司近年的融资额连创新高。另外，2015年IBM斥资10亿美元收购医疗影像与临床系统提供商Merge，将研究如何实现 Watson的“辨读”医学影像功能。此外，AI 还可以从医疗中心获得的健康数据，通过大数据分析，实现根据分析患者行为来制定个性化治疗方案的功能。

 

智能家居：天花板尚远，AI有望成为核心

 

行业天花板尚远，增速有望保持在 50%左右， 《钢铁侠》中的“Jarvis”作为智能管家，除了起到钢铁侠的小秘书的作用，还帮主人打理着日常生活，向我们展示了一个理想中的智能家居系统。虽然我们目前可能离那个无所不能的智能管家还很遥远，但智能家居对我们生活的变革确实已经开始了。根据《2012-2020 年中国智能家居市场发展趋势及投资机会分析报告》的预测，我国智能家居市场在 2016年将达到605.7亿的规模，同比增长50.15%，到2020年市场规模将达到3294亿，年均增速将保持在50%左右，具备充足的向上延伸空间。而智能家居想达到“Jarvis”般的终极效果，必然需要引入AI技术，实现家居的感应式控制甚至自我学习能力。

 

AI有望成为智能家居的核心，实现家居自我学习与控制。按照智能家居的发展进度，大致可以分为四个阶段：手机控制、多控制结合、感应式控制、系统自我学习。当前的发展水平还处在手机控制向多控制结合的过度阶段。而从多控制结合向感应式控制甚至自我学习阶段进化时，AI将发挥主要功能。到今天为止，家居的实体功能已经较为全面，未来的发展重点可能在于如何使之升级改造，实现家居的自我行为及协作，因此未来AI在智能家居领域的应用有望成为其核心价值。AI对智能家居的重构可以深入到方方面面，包括：控制主机、照明系统、影音系统、环境监控、防盗监控、门窗控制、能源管理、空调系统、花草浇灌、宠物看管等等。

 

无人驾驶：政策渐萌芽，AI决定可靠性

 

优点多、动机足、政策渐萌芽。据麦肯锡的调查显示，如果能解放驾驶员的双手，一辆无人驾驶汽车内的乘客通过移动互联网使用数字媒体服务的时间多一分钟，每年全球数字媒体业务产生的利润将增加 50亿欧元。此外，由于自动泊车无须为乘客下车预留开门空间，使得停车位空间可缩减至少15%。

 

如果无人驾驶汽车以及ADAS系统能够将事故发生率降低90%，即可挽回全美每年的损失约1千900亿美金。可以说诸多的优点使得无人驾驶技术的研发动机还是相当充分的，因此未来无人驾驶推行的力度应该还会保持在一个比较高的水平。美国勒克斯研究公司曾预计无人驾驶汽车的市场规模在2030年将达到870亿美元。

 

到目前为止，各国政府对于无人驾驶技术在政策上的支持正逐步放开，美国政府在年初刚刚宣布了40亿美元的资助计划;英国目前已经不需要获得额外批准和履约保证即可进行实际道路的无人驾驶汽车测试;而德国也在去年宣布将计划设立无人驾驶汽车测试路段，供安装有驾驶辅助系统或全自动驾驶系统车辆行驶;欧盟总部正在就如何修改现行有关驾驶的法律法规从而支持自动驾驶的发展展开讨论和研究工作;日本也提出要在2020年之前实现自动驾驶汽车方面的立法，并将自动驾驶作为 2016年9月七国集团交通部长会议的议题。

 

“无人汽车大脑”AI的智能程度决定了无人驾驶的可靠性。由于无人驾驶完全交由汽车的内置程序负责，因此AI就是无人汽车的大脑，而测距仪、雷达、传感器、GPS等。设备都是AI的“眼睛”。AI的智能程度直接决定了无人驾驶汽车在不同的路况、不同的天气、甚至一些探测设备出现故障的突况下能否及时做出正确的判断并灵活调整行驶策略，最终决定了无人驾驶汽车当前最亟待突破的可靠性。

 

NVIDIA 在2016年的 CES大会上了“Drive PX 2”车载计算机，以及一套与之搭配的具有学习功能的自动驾驶系统。该系统的亮点在于“自我学习”，通过让车辆自行分析路面状况，而不是在数据库中寻找预先储存的策略实现自动驾驶，系统背后连接着名为NVIDIA DIGITS的深度学习训练平台，最终连接到NVIDIA DRIVENET神经网络，为车辆的自我学习和完善提供支持。并且由于它是通过判断物体的行进轨迹而不是物体本身去计算路径，因此在驾驶时受天气影响较小。

 

AI 成必争之地

 

目前全球AI主战场依旧在欧美。Venture Scanner的统计显示，根据从事 AI相关业务的公司数量来看，目前全球 AI的主战场还是集中在北美和西欧地区。美国数量最多，达到450家左右的水平。而中国从事相关业务的公司数量还比较少，和俄罗斯、澳洲、部分欧洲国家及非洲南部国家水平接近，相比起欧美国家的AI公司数量，还有很大的提高空间。

 

Google：投资未来的人工智能帝国

 

建立Alphabet帝国，具备品牌背书效应。2015年，谷歌成立母公司 Alphabet， 搜索、广告、地图、App、Youtube、安卓以及与之相关的技术基础部门”仍属于谷歌，而Calico、Nest、Google Fiber、Google Venture、Google Capital 及 Google X 都将独立出来，成为 Alphabet 旗下的独立公司。通过建立 Alphabet集团，谷歌将不同业务的研发独立出来，以子公司的形式进行业务开展，保留在Google这个品牌下的基本都是原有的传统强势业务。

 

而其它公司负责在各自的领域“打头阵”，一旦业务研发成功，母公司连带着google这个品牌都可以受益，而如果研发失败，也不会公司的品牌造成多大的不良影响，建立了良好的品牌背书效应。将机器学习技术应用到所有产品之中，我们不难发现，谷歌近年几乎将人工智能渗透到了旗下的各类产品中，可谓是全线铺开。正应了谷歌 CEO的那句话：“我们将小心谨慎地将机器学习技术应用到我们所有的产品之中。”根据当前Alphabet 的集团架构，我们将涉及到AI应用的子公司情况以及相应的业务开展情况罗列如下：

 

Nest：从事智能家居生态系统建设。2014 年谷歌以32亿美元收购 Nest。Nest 生产智能恒温器，它能够学习用户的行为习惯，并且根据他们的喜好去调节温度。同时，Nest 也提供火警探测器和家庭安全摄像头等智能家居。

 

Google X：谷歌各类创新技术的“孵化池”。Google X开展的与AI有关的项目有：无人驾驶汽车、Project Wing 无人机送货项目、对抗帕金森氏症的 Liftware“反抖”汤匙、用于疾病预警和健康监控的可穿戴设备、Project Titan 太阳能无人机项目、以及 Replicant 团队负责的机器人项目等。

 

Verily：从事生命科学业务，即原来的 Google Life Science。代表产品有可以收集佩戴者体温和血液酒精含量等生物数据的智能隐形眼镜，以及监控血液中纳米粒子的智能腕表。

 

DeepMind：深度学习算法公司。2014年谷歌以4亿美元收购了DeepMind。

 

DeepMind的算法源于两种机器学习方法的结合：第一种是深度学习，是受人脑启发的一种结构。深度学习系统能够从大量的非结构数据中获取复杂信息。第二种是增强学习，灵感源自动物大脑中的神经递质多巴胺奖励系统，算法不断通过试错来进行学习。目前，DeepMind在深度学习上面的研究成果已经开始用在谷歌的机器人项目中。

第5篇：人工智能与哲学思考范文

［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑

现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。

本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。

实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理

的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。

我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。

1．常识推理中的某些弗协调、非单调和容错性因素

AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]

“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。

在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]

非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。

2．归纳以及其他不确定性推理

人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。

首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。

再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。

3．广义内涵逻辑

经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。

大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。

在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。

一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]

在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。

4．对自然语言的逻辑研究

对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。

自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：

（1）数量准则：在交际过程中给出的信息量要适中。

a．给出所要求的信息量；

b．给出的信息量不要多于所要求的信息量。

（2）质量准则：力求讲真话。

a．不说你认为假的东西，。

b．不说你缺少适当证据的东西。

（3）关联准则：说话要与已定的交际目的相关联。

（4）方式准则：说话要意思明确，表达清晰。

a．避免晦涩生僻的表达方式；

b．避免有歧义的表达方式；

c．说话要简洁；

d．说话要有顺序性。[⑧]

后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：

（i）S说了p；

（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；

（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；

（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；

（v）S无法阻止听话人H考虑q；

（vi）因此，S意图让H考虑q，并在说p时意味着q。

试举二例：

（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”“有”版权所

第6篇：人工智能与哲学思考范文

一、 1973年同名电影《西部世界》

美剧《西部世界》的故事创意并不鲜见，早在20世纪70年代，由于电影工业的高速发展，好莱坞的科幻片迎来了一股新浪潮，视觉冲击逐渐占据主导地位。电影《西部世界》（又译《失控的乐园》《血染乐园》）是一部在画面和故事上比较均衡的作品，这部科幻片是“科幻惊悚小说之父”迈克尔・克莱顿的电影导演处女作，他在片中讨巧地将西部片、史诗片和骑士片的类型元素一网打尽，并留下了经典的“人形机器人”形象。

迈克尔・克莱顿是风靡全球的科幻小说家，他的作品被改编成电影的次数，在畅销书作者里可能也只有史蒂芬・金能与之比肩了。电影讲述了在遥远的未来，一座巨型高科技成人乐园Delos建成，其中有西部世界、罗马世界、中世纪世界三大主题版块的机器人世界，它提供给游客杀戮与的满足，而这座巨大机械乐园的后台监控渐渐失去了对机器人的控制，游客被机器人杀死，所有想逃离者都被锁定……[2]这部科幻片上映时，万人空巷。其科幻创意和理念在70年代是相当超前的。

充满了枪战和暴力的“西部世界”，是1880年美国西部的重现。和作者的多数作品一样，电影《西部世界》表达了其对未来科技发展的忧虑。高科技的机器人原本是以服务人类的目的而制造出来，却由于意外失去了控制转而造成了灾难。《西部世界》的故事也成了好莱坞“游园暴乱”电影的模板。①

光头影帝尤伯连纳（Yul Brynner）在1973年主演的这部《西部世界》，对20世纪80年代的内地观众来说可谓既震惊又紧张的佳作，尤伯连纳如同僵尸一样冰冷残酷的演出，至今仍然象甩不掉的梦魇一样令人不寒而栗。电影里的乐园迎合了人们隐秘的欲望，包括暴力的宣泄、的满足、英雄梦的实现以及各种猎奇的心理，这样的乐园其实从某种程度上来说，提供了一个良好的途径来进行情感的宣泄，但同时克莱顿又残忍地将这个美好的愿景打上了不可靠的标签。科学的精研就像一盏灯的开关，即使打开它可以照亮一切，但开关总会失灵。唯一可以确定的是，恐惧与欲望的纠结将伴随我们很久很久。②

二、 美剧《西部世界》的华丽转身

电影版《西部世界》曾于1989年引进中国大陆，然而观众反响并不大;2016年，HBO连续剧《西部世界》由J・J・艾布拉姆斯监制，乔纳森・诺兰担任编剧及剧集总监，安东尼・霍普金斯、埃文・蕾切尔・伍德、艾德・哈里斯等戏骨担纲主演。该剧故事结构大致如下：在未来，人们已经不再热衷于玩网络游戏，而是创造了高科技成人乐园，体验更加真实刺激的游戏。里面有不少机器人接待员，他们过着设定好的剧情生活。而游客呢，现实中不敢的胡作非为，在公园里都能无限制放纵，妓、追凶甚至滥杀无辜。

提供服务的机器人，也不是一般的机器人。他们不仅具有超高仿真外形，还有自身情感，而且能带给游客最真实的体验。比如，中弹以后会流血，受伤以后会痛苦地嗷叫。

夜幕降临，所有机器人的记忆被清除，一切归零，第二天太阳升起，新一批游客入园。不过，在程序的失误以及乐园创始人要求机器人更接近于人类思维和情感的情况下，机器人的自主意识和思维使他们开始怀疑这个世界的本质，进而觉醒并反抗人类。

剧集故事大纲与电影版类似，然而又有诸多不同，可以说电影版《西部世界》借着剧集进行了一场华丽的转身：新的编剧、新的创意、新的视效手段、新的科幻理念及新的哲学思考。

（一）形式的新元素

美剧《西部世界》的编剧乔纳森・诺兰是著名导演克里斯托弗・诺兰的弟弟，克里斯托弗・诺兰的诸多大热电影，如《致命魔术》《盗梦空间》等都由乔纳森负责剧本。

关于人工智能的电影屡见不鲜：《终结者》系列、《机器人瓦力》《机械姬》等，都是这一题材的佳作。然而这些影片都有一定的固定模式，即人类如何运用人工智能，从改善生活到解决危机，再到人工智能觉醒后，如何与人类对抗等。美剧《西部世界》则不同，它给了观众一种新型的“玩家代入感”。

《西部世界》借用了《爱丽丝梦游仙境》的形式，将充满高科技的未来世界与尘土飞扬的西部世界沟通起来，只不过将爱丽丝的“兔子洞”，换成了主题乐园提供的复古蒸汽火车。这种设定本身就充满游戏的感觉，写过《陨落星辰》的科幻小说作家拉詹・肯纳在接受采访时表示，《西部世界》是少见的有游戏感的科幻片，“这部剧从《上古卷轴》《生化危机》《红色死亡救赎》等许多游戏中吸取了灵感，我们玩这类游戏时除了自己控制的角色，在游戏中会遇到很多负责各种戏份的NPC（非玩家控制角色），NPC们会根据自己的设定，让玩家进入各种情景，推动剧情发展”。[3]不同的是，玩游戏时玩家是中心，而《西部世界》的中心则是NPC，这部剧应该改名叫《NPC们丰富的内心世界》。拉詹・肯纳续说：“对于游戏迷来说，能身临其境的进入游戏世界，而游戏世界中的NPC又突然不按剧本设定行事，有了自己的独立思维，想想都令人激动或者心惊胆战。”[4]

（二）内涵的新元素

美剧《西部世界》从科技到人性甚至“神性”都有涉及。首先说科技，该剧详细展示了人造人的“诞生”过程――先用类似3D打印的技术精细打印出人类或者动物的骨骼，然后在白色的液体池子中浸泡“过水”，最后骨骼拥有肉身，而乐园的技术人员再植入程序，设定其性格、身份以及行为模式等等，再安排其进乐园“服役”。

由此看来，把这些“人造人”称为智能机器人是不合适的，因为他们与人类的相似度达99.9%，他们的骨骼和肉体都是和人类一样的，会流血，流血过多会死亡，而且还会感染病菌（美剧《西部世界》第二集）――如果是机器人不可能发生感染。而这种“人造人”的科技在将来是否可能达到，则给观众留下一个巨大的问号。

再来说人性讨论方面，剧中的游客在主题乐园里尽情释放自己的兽性，他们肆意猎杀“人造人”，杀完之后还和他们的尸体合照。除了猎杀，诸如虐待、、羞辱“人造人”的戏码也层出不穷，该剧的主创之一乔纳森・诺兰表示：“我做这部剧的想法之一就是探索人类与人类行为，我们很喜欢拉斯维加斯的那句名言‘发生在维加斯的事情请留在维加斯’，这是一句很经典的宣传语，但也隐含非常邪恶的信息。”[5]诺兰解读，“所谓的‘发生在维加斯的事情留在维加斯’，不是说你去看场演出的事情也留在维加斯，真正要‘留在维加斯’的，是那些你不便透露的事情，在这个地方，可以释放你的一切欲望、随心所欲放纵自己，而不需要承担任何后果，也不会被记录下来，这个设定让我们非常着迷，这就像玩游戏，如果不需要承担任何后果，那人们会做出什么事情，我们都很难以预料。”[6]

而扮演德洛丽丝并且有戏份的著名演员埃文・蕾切尔・伍德则表示：“如果你给人类一个没有规则和处罚的世界，有多少人会当好人？估计许多人都会想当坏蛋，如果我们制造出人形的人工智能，而且有一天他们超越了我们，那他们会思考他们是否想变成和我们一样的人，他们看到我们所做的一切，当他们回顾我们的历史，我们真的没有多少光彩的历史。”[7]

对于“神性”，剧集也进行了大胆的探讨，因为播出集数有限，而关于“神性”又是一个及其宏大的命题，本文只介绍其中提到的一个有趣的探讨部分――“二心分智”论。

剧集中，老牌奥斯卡影帝安东尼・霍普金斯扮演的游乐园创始人福特博士的不少举动，让人感受到他有着扮演上帝创造一个新世界的念头。他在第二集中讲解“人造人”原理的时候，提到了“二心分智”论，其理论来源于朱利安・杰恩斯（Julian Jaynes）的一本著作《二分心智的崩塌：人类意识的起源》。简单来说杰恩斯认为，直到公元前 2000 年的时候，人类都一直处于无意识状态。这些没有意识的人类一切行为都只依赖于二分心智：一半大脑会听到来自另一半大脑的声音，这个声音会对控制行动的另一半大脑下达命令，而听到这种声音的人类就把它视为了“神的声音”。杰恩斯最后得出这种理论是有确凿证据可依的。他在古代文学、现代行为主义和异常心理现象中做了大量调查，种种迹象都表明他的想法可能是对的。

比如，在古希腊文学《荷马史诗》（主要描写了特洛伊战争）中出现的人物，都明显缺乏“自省”行为，他们的一切行动几乎都是靠神在驱动的。而且 2009 年的脑成像研究结果也和杰恩斯的理论不谋而合，即人类的听觉幻象是源于右脑，随之而来的行为则源于左脑。这就是换了个形式的二分心智。

第7篇：人工智能与哲学思考范文

关键词:机器人控制技术;双语教学;教学改革

自1920年,捷克剧作家卡雷尔•凯培克(Karel Capek)第一次提出“机器人”这个名词以来,机器人学和机器人控制技术已取得令人瞩目的成就。从20世纪60年代在美国问世的第一台工业机器人,到人工智能学界引入机器人作为研究对象,再到日本工业机器人的崛起,如今,机器人技术的应用正逐步由现有的生产领域向更为广泛的人类生活领域拓展[1],并朝着智能化的方向发展。其间,新兴学科“机器人学”悄然形成,作为一门高度交叉的前沿学科,机械学、生物学、计算机科学、控制科学、人工智能等学科为机器人学的发展带来了无限活力。

机器人技术是近年来得到广泛关注的研究领域,中国、日本、韩国和欧盟等都将机器人技术列入了国家科技发展规划[2]。随着机器人技术的发展,人们已逐步认识到,在信息技术教育中渗透机器人学科知识与机器人应用前景方面的教育已势在必行[3]。中南大学在研究生阶段开设的机器人控制技术课程采用双语教学,可以让学生在中英文两种语言中自由翱翔,了解机器人学的发展历史和最新动态,掌握机器人控制技术的数理基础、运动学、动力学,熟悉一些机器人轨迹规划、编程控制的方法,实现知识学习和语言应用的双赢效果,更好地在这一当今世界科技热门领域与国际接轨。

1开展双语教学改革的必要性

首先,机器人控制技术(Control Techniques of Robots)研究各种机器人的控制手段,以达到使机器人完成各种任务和动作的目的。作为全球科学界研究的热门领域,其发展日新月异,最新、最前沿的资料往往以英文表述,中文翻译不一定能够表达出原文的丰富内涵。因此,实施双语教学有其必要性和紧迫性。

其次,由于人才市场的竞争日趋激烈,社会对人才的需求越来越高,独立学习新专业知识的能力和较高的英语水平,必然会给毕业生带来额外的就业竞争力,高等教育有责任将学习能力和就业能力的培养结合起来,把学生培养成为有较高综合素质的人才。

2开展双语教学改革的可行性

2.1以优秀教材为基础

本课程采用的是中南大学蔡自兴教授编著的《机器人学(第二版)》,书中介绍了机器人学的基本原理及其应用,全面反映了国内外机器人学研究和应用的最新进展,是一部机器人学的通用教材和系统著作[4]。书中关于机器人学及相关学科的专业术语都有英文标注,内容涉及机器人学的概况、数理知识、控制方法、应用与展望,使学生阅读时能够方便、快速地学习专业英文术语,有助于研究生阶段的英文学习和专业学习,尤其是英文文献的阅读和英文稿件的写作。

2.2以国家级教学团队为人力资源

我校教授该课程的是国家级智能科学基础系列课程教学团队,学生们都感到非常幸运。双语教学不仅要求教师具备较好的学科知识基础和学术研究能力,还应熟练地使用英语进行读写和交流,表达专业知识,解析专业词汇[5]。教学团队的老师具备机器人控制技术的专业英语基础、较高的英语口语水平、扎实的课程教学能力,使学生能够获得经典的理论知识、最新的机器人技术应用和发展动态。

3教学改革实施过程

3.1教学内容的改革

3.1.1丰富实例激发兴趣

第一节课,教师就向学生提出了一个问题,“你们想象中的机器人是什么样的(What do the Robots look like in your mind)?”这一个小小的问题激发了学生无限的想象,是漫画里的机器猫,还是电影里的终结者?同学们由此展开了热烈的讨论,学习兴趣也热烈地迸发了。

在学习绪论中,老师通过图片、视频,生动地介绍了“机器人”这一名词的起源、发展,机器人研究的主要内容,目前的应用情况以及广阔的应用前景、社会的巨大需求等。此外,同学们还参观了中南大学信息科学与工程学院智能所的研究成果,“中南移动”系列机器人(如图1所示)灵活、可爱,表演了机器人导航、避障、多机器人协同作业等。

3.1.2双语讲述课程内容

机器人控制技术是一门高度交叉的前沿学科,包括机械学、电子学、自动控制、计算机等相关内容。学习这门课程需要许多知识储备,需要良好的数学和物理学基础知识[2,6]。因此,课程内容也要合理安排,既要使学生掌握关键知识,又不过多纠缠于繁琐的公式推导,本课程主要的授课内容如表1所示。

机械手位姿表示(Representation of Position and Attitude)、机器人运动学(Kinematics)和动力学(Dynamics)等基础知识把学生领进了机器人控制世界的大门,使学生具备了控制机器人的基本工具。

机器人控制包括基本控制原理(Basic Principles)、力与位置的控制(Force/Position Control)、智能控制(Intelligent Control)、机器人传感器(Sensors)、轨迹规划(Trajectory Planning)以及机器人编程(Programming)等内容,这些内容使学生对机器人控制技术的认识提高到实际操作的层面上来,更有助于学生的动手实践。

3.2课堂互动与自主学习

在机器人应用现状和未来前景等较活跃的领域,任何课本都无法反映最近一两年的最新动态,所以这两个方面的知识就要从最新的科技文献、新闻甚至与相关专家的交流中去了解获得。老师把这些作为课堂互动内容,鼓励学生使用英语汇报,一方面可以让学生自己搜集、整理第一手资料、制作PPT演示文稿,锻炼信息处理的能力;另一方也锻炼了英语演讲的能力。

3.2.1课堂英语辩论

关于机器人应用的学习,教师设计了一次题为“机器智能能否超越人类智能(Will Machine Intelligence Surpass Human Intelligence)”的辩论课,老师给学生两周的准备时间,布置学生查阅相关资料,根据资料搜集的情况确立自己的观点,形成正方阵营或反方阵营,鼓励学生在辩论过程中用英语表达。

课堂上,正方和反方各抒己见,探讨机器智能与人类智能各自优越性的命题。学生从科学幻想(Science Fiction)到深蓝(Deep Blue),从图灵测试(Turing Test)到机器人的结构化/功能化模拟(Structural/ Functional Imitation),从工程角度(Mechanical Perspective)到哲学角度(Philosophical Perspective)展开辩论,可谓包罗万象,分析全面。

在比较和辩论过程中,同学们渐渐发现了机器智能相对于人类智能的优缺点。在运算速度(Calculation Speed)、记忆能力(Memory)、逻辑推理(Logical Reasoning)方面,机器智能有着人类无法比拟的优势,而在创新思维(Creative Thinking)和社会属性(Sociality)等方面,机器智能又有着很大的局限性。

在这次课堂辩论课中,虽然正反双方最终都没有驳倒对方,但是学生对机器智能的优缺点有了更深刻的认识,对机器人在哪些领域更能发挥特长,在哪些领域有待进一步探索都达成了共识;此外,在课堂采用辩论中,学生们用英语唇枪舌战,互相辩驳,表达自己的思想、观点,英语使用能力都有了很大提高。

3.2.2课堂英语讨论

关于机器人学展望的学习,教师又为学生提供了一次自主学习的机会,同样提前两周给学生布置任务,设计了一次题为“机器人学展望(Prospection of Robotics)”的讨论课。

在课堂上,大部分学生用英文进行了汇报,同时演示了精心制作的英文PPT。机器人技术的发展日新月异,科技成果丰富多彩,学生们根据自己的兴趣,在不同领域查阅资料,所以汇报成果也展示了当今世界最新的机器人科技成果,涉及家政服务(Domestic Service)、军事国防(Military Defense)等。

在家政服务领域,目前世界上就有婚礼司仪机器人(Wedding Master Robot)、智能清洁机器人(Intelligent Cleaning Robot)、机器人宝宝(Robot Baby)等;而在军事国防领域,则有无人驾驶飞机(Unmanned Aircraft)、智能侦查机器人(Intelligent Robot for Detection)、拆弹机器人(Bomb Disposal Robot)、太空探索(Space Exploration)等。而学生们对未来机器人的发展更做出了大胆设想。

3.3双语考核办法

为了使双语教学改革落到实处,考核中既要体现双语,也要灵活掌握考核方式。我校的平时成绩占30%,主要来源于学生在辩论课和讨论课中的表现。期末考试成绩占70%,考试内容主要为表1所示的核心授课内容。卷面全部为英文,题型有简答题、计算题等,学生可以用英文作答,也可以用中文作答。这样既考查了学生的课程学习成果,又考察了学生对相关英语用法的掌握程度,又给学生一次阅读英语和写作英语的机会。

4结语

纵观中南大学的研究生机器人控制技术课程双语教学改革,在课程初始阶段,采用丰富的双语实例激发学生的学习兴趣;在教授理论基础和实践方法阶段,精心安排授课内容并使用双语授课,使学生既不陷入深奥的数学推理中,又能把握机器人控制技术的核心知识、英语用法;在探讨机器人技术的最新发展动态时,采用英语课堂互动,充分地调动了学生的自主学习热情,有利于成为复合型专业人才。

参考文献:

[1] ,张剑平. 美国机器人教育的特点及其启示[J]. 现代教育技术,2007,17(11):108-112.

[2] 张奇志,周亚丽.“机器人控制”课程建设与改革[J]. 科技信息,2009(32):382-383.

[3] 陆承景. 对机器人学科教学目标和内容的实践与思考[J]. 中国电化教育,2006(12):71-72.

[4] 蔡自兴. 机器人学[M]. 2版. 北京:清华大学出版社,2009:1-2.

[5] 戴小鹏,陈恳.“人工智能”双语教学的实践与探索[J]. 高等理科教育,2008(1):151-153.

[6] 赵弘,赵毅鑫,周擎坤,等. 机器人学课程教育方法的探讨[J]. 中国现代教育装备,2008(11):81-83.

Practical Reform of Bilingual Education in Control Techniques of Robots

ZHOU Zhi

(Institute of Information Science and Engineering, Central South University, Changsha 410083, China)

第8篇：人工智能与哲学思考范文

一 哲学的“创造”与“显现”概念

( 一) 创造的概念

汉语“创造”一词出现在文献中，最早是在陈寿《三国志•魏志》，“诸葛诞创造凶乱”，作“制造、引发( 某种局面) ”讲，但具有现代意义上的创( 造) 在公元前 476 年左右成书的《考工记》中就已出现。中国古代的创( 造) 一词体现在礼仪制定、基业开拓，物器制造、文章创造等方面，内涵丰富，特点鲜明［2］。我国著名的哲学家张岱年认为“新类与新级由未有而为有，谓之创造，亦曰创辟，亦曰开辟。创造即前所未有之出现。宇宙历程之中常有新类发生、新级成立，帮宇宙为创造的历程”［3］。

柏格森创立了以生命为出发点的创造概念。柏格森认为“我们的思维被生命所创造”，因此“知识理论与生命理论是不可分割的”［4］2 －4。西方哲学传统的“机械论”和“目的论”这两件成衣都与进化论不合体，需要重构进化的主线，那就是与“人类的智力进化路线一同前进”［4］5的以生命为主线。“心灵生活既不是单一的，也不是多样性的，它超越了机械的和智力的( 范畴) ，其中出现了”直觉多样性“和”局部性“时，机械论的目的论才有意义，而其结果自然就是预先存在的各个局部的集合: ”真正的绵延“既意味着未被分割的连续性，也意味着创造”［4］6。因此可以理解创造是生命的连续性。

本文探讨的创造概念的显现，是哲学层次的创造，也就是傅世侠、罗玲玲提出的“元创造”现代创造学或“创造力研究”将“唯创必新”本来就是在其研究之先即已预设的理论前提，但是“这样的问题实已涉及‘新’从何来，或已涉及究竟是‘谁’创造了这个世界这样的关乎宇宙本原的世界观或宇宙观的根本问题，因而是一个形而上的或哲学的问题”［5］。对这一问题的深层理解不可能来自具体的科学研究，只能来自于哲学形而上学的思辨。本文理解人的创造，区别于“神创”，人是创造主体，创造过程是人的主观能动思维和实践的过程，是一种自然过程与非自然过程的结合; 创造的产品是自然界中原本没有的，仅靠自然的过程是无法产生的东西，是人工物( 人工的物质产品和精神产品) 。

( 二) 显现

从哲学角度，有学者认为，现象和显现在传统哲学中常常为同义词，自海德格尔才有了对现象与显现的明确区分。如康德在《纯粹理性批判》中对两个概念的运用。显现总是某物的显现，显现自身不是某物。它意味着，显现和使显现可能的基础乃至物自体之间有一个区别。

也有学者认为这种显现是与“存在”相对立的:这种“显现”就是一种自否定即自生发的辩证过程。“显现”的结果就是一件艺术作品。在艺术作品中，人们可以从一种有限事物的感性形象直接认识到无限的普遍真理。人们常说，艺术寓无限于有限。这种说法其实就是黑格尔的美是理念的感性显现的说法［6］。

海德格尔解释显现的概念: 显现作为“某物”的显现，因而恰恰并不表明显示自身，而是通过自身显示的某物来表示不显示自身的某物，显现是一种不显示自身; 但是，显现只有在显示某物的基础上才可能［7］。海德格尔强调，直观的、在场的不一定显现，而显现的是从现象原初自身出发所涉及的一些东西。而与海德格尔齐名的汉娜•阿伦特对显现与存在也有自己独到的见解，她认为“人所降生的世界包含各种各样的东西，自然的和人造的，死的东西和活的东西，转瞬即逝的东西和永恒的东西，所有这些东西的共同特点是它们的显现，因而意味着它们能被看见、被听到、被触知、被尝到、被闻到，能被具有相应感官的有感知能力的生物感知”［8］。她不仅认为显现是世间所有事物的共同特点，并且把存在与显现看做是同时发生的，即在显现的时候，这个东西必然也是存在的，而任何存在的东西都必然被人感知———显现出来。

本文的显现所指倾向于海德格尔，认为创造性之显现是有着深刻内涵的，不是仅涉及创造性的能指。而在探讨西方哲学史人的创造性显现的过程中，一直秉持阿伦特的观点，存在与显现同在，存在着的必然显现，但如果没有显现或是在某些特定人中没有显现，一定是存在着不能显现的缘由。并且本文认为“显现”是一个过程，在西方哲学家中创造概念的显现更是一个曲折的过程。

二 西方哲学史“创造”概念从潜在到显现

研究人的内心活动，研究人的观念和意志，是古希腊哲学家的主要任务。古希腊的哲学家们虽然没有提出明确的自我意识的概念，但已经发现了人是具有自我意识的，较低的感性自我意识已经被以普罗泰戈拉为首的哲学家所提出，而柏拉图对人的主观意识的系统论述，使得人的主观能动性处于一种萌芽状态。虽然在这一时期，是神创论大行其道的阶段，没有“人的创造”，但是，哲学家对人的自我意识的发现，对人的主观能动性的论述无不在为“人的创造”的出现打下基础。只有人的理性自我意识出现，人的主观能动性得以彰显，人才可能作为创造的主体出现，被自身清晰认识到的存在，心灵———创造力的本原的驱动，人才能主动地有意识地进行创造活动。

( 一) 西方哲学史“创造”概念的潜在

统治了人们思想上千年的“神创论”在坚定地走过了中世纪之后，被当时人类从来没有经历过的一场变革———文艺复兴———所打乱。14 世纪，人们对古典辉煌的向往，爆发成了一场以意大利为中心的广泛而深刻的思想运动———文艺复兴。

文艺复兴时期的艺术领域可谓是整场运动的中心及焦点，米开朗基罗、达•芬奇这些天才艺术家们尽管仍然坚持认为最好的绘画乃是与对象最相似的作品，但无论是他们自己还是那个时代的许多艺术家都在试图改变作品对自然事物的“仿造”形式，“原创性”———创造的主要特征之一———正在他们的作品中闪现。而同时，身处文艺复兴这场运动洪流中的文学家思想家都已被“卷入”这一时代浪潮中，并且在文学、科学方面的成绩斐然。有但丁、彼特拉克、薄伽丘这样的思想家，也有以哥白尼、伽利略为代表的科学家，更有布鲁诺、库萨的尼古拉、列奥纳多这样划时代的哲学家。这些思想家、艺术家、哲学家们的个人天才在文艺复兴自由的氛围中蓬勃发展，而他们的个人才能又反过来成就了文艺复兴时期的自由氛围和人文精神。

这些伟大的艺术家和工匠们的超凡能力，不再被认为是神的代表，而是个人能力的体现，人的创造力在这一时期得到了极大彰显。人类当仁不让地站了出来，不再把神推到自己的面前，让其完全遮挡住自己的光辉。在文艺复兴运动中，“人”放到了一切问题的首要地位。人们开始认识自身的力量，找出人性的地位和尊严，认为人只有认识了自己，才能真正地认识世界，人的理性被自身找到并重视; 人的能力是自身血统的体现，不是凭借神来获得的，这与中世纪基督教神学所主张的必须通过认识上帝才能认识自己的观念针锋相对。也正是经历了文艺复兴，人们懂得了用科学和知识来认识世界，把科学放在极其重要的地位上，尊重科学知识，在自然科学方面取得了许多重大成果，使科学重新兴起，并为近代科学的发展打下基础。在文艺复兴时期，人们告别了中世纪上帝统治一切、上帝万能的时代; 推崇以“人”为本反对以“神”为中心，世间唯“我”独行。这种极度彰显个人主义，使得个人的能力被推崇并得以大力实现，人的主体意识得以发现。

尽管文艺复兴时期人对自身创造性的理解在本质上是早期“仿造”思想的延续，但人本身的“创造”能力，已使人从被动的“仿造”者走向人“创造”世界的征途之中。这一时期人对主体意识的认识还不成熟，是外在肤浅的，但人类已经开始去探索自己的本来面目。凡此种种，我们可以说“人的创造”在文艺复兴时期已经存在了，虽不完善，虽没有被人类自身深刻地认识清楚，没有显现出来，但是已经存在了。

( 二) 西方哲学史创造概念的显现

西方哲学史有关创造概念的显现，是以认知到实践的主体创造能力显现为主题。

就在文艺复兴运动带领着欧洲人走向文化、艺术、科学对古希腊的复兴之时，欧洲的手工业也在不断发展，生产工具得以不断改进。到了 17 世纪，在人的思想领域以笛卡尔主客二分为主导的观念，带领着欧洲走向了哲学革命。同时，也爆发了第一次科学革命，至 19 世纪末又发生了两次科学革命，哲学家以康德为代表，对人类主体超验构造能力的认知已达到了最高境界。康德将人的科学认识能力归结为人对经验现象的超验构造能力，而非“模仿”水准。但是康德没有对“超验范畴”的来源作发生学意义上的思考，他只讨论了人能够认识什么，以及认识不能达到的界限超验构造能力。科学的不断技术化，加之人与自然的矛盾关系，主客体矛盾的综合推动下，技术一跃而起，成为了部分哲学家们研究的核心，也正是在此时，“创造”概念，显现在哲学家的视野中。

而 19 世纪一位集哲学家、政治家、经济学家称谓于一身的德国人卡尔•马克思，通过对人的实践活动的认知把人推到了创造主体的位置。马克思认为劳动是人的本质，“劳动首先是人和自然之间的过程，是人以自身的活动来引起、调整和控制人和自然之间的物质交换的过程。人自身作为一种自然力与自然物质相对立。为了在对自身生活有用的形式上占有自然物质，人就使他身上的自然力———臂和腿、头和手运动起来。当他通过这种运动作用于他身外的自然并改变自然时，也就同时改变他自身的自然。他使自身的自然中沉睡着的潜力发挥出来，并且使这种力的活动受他自己控制。”［9］这种“沉睡着的潜力”其实应该就是人的创造能力，人通过劳动来发挥自己的创造力，自身自然与外界自然的改变，要通过人的创造能力的实践，人是创造的主体。

西方哲学史有关创造概念的显现，是以本能到生命力的主体创造动力显现为本质。

19 世纪后期，法国哲学家亨利•柏格森对创造问题的哲学研究，是“创造”概念显现的一个标志。柏格森不赞同达尔文的进化论，他基于对哲学、生物学、心理学及文学的浓厚兴趣及功底，柏格森提出了创造进化论观点，并以自己的方式阐述了这一独到的理论。柏格森认为生命的本质在于创造，生命的每一个瞬间是一种创造，我们在连续地创造我们自己，人的生命的存在是因为变化，变化是因为成熟，而成熟在于不断地自我创造。他把宇宙看成是正在绵延，并且越深入研究时间的本质，就领悟到绵延其实意味着创造，形式上的创造，意味着全新的事物的不断生产［4］16。柏格森把人的直觉看做生命前进的方向，而智慧是沿着相反的方向前进，要受到物质运动的制约。人的意识包括了智慧与直觉两个方向，不过直觉才是人精神的本身，在某种意义上可以说就是生命本身。

至此，是真正意义上的创造概念的显现，显现的不仅是“创造”概念本身，而且包括了隐藏在表面之下的深刻内涵，揭示了创造的生命本源，是自然的进化与人的进化的连续性，是人与自然相互作用过程中的生命的绵延，是自然给予人的本能与人的非连续性的智力的结合。在许多人只看到人的非连续性的智力因素在创造中的作用时，柏格森则告知我们连续性的本能。柏格森对创造的哲学研究只是一个显现的标志，之后的“创造”的显现不断，是一个长期持续的过程。

三 西方哲学史“创造”概念显现原因浅析

从神创论阶段至文艺复兴人的创造性的潜在，再至 19 世纪，历经两千余年，为什么“创造”概念一直没能够在哲学家中显现呢? 如果按海德格尔的理解，存在着必然显现，那么“创造”概念一直没有在哲学家中显现的原因为何呢?

( 一) 人成为创造主体为哲学“创造”概念的显现提供前提

从古希腊的米利都学派起，哲学家们就开始探索“存在”，世界的本原，人的本质为何，这些一直是人类探讨的重要问题。此后，历经柏拉图、亚里士多德等各个时期哲学家们对本体论的探索。但对人的本质问题的探索与人的创造本质问题相行甚远，以致人的创造性一直无法得以被认知。

19 世纪中后期哲学家们对人的主体创造动力的认知把人的创造主置彻底显现出来。对人性、人的价值具有独特评价标准的尼采认为，上帝死了，一切价值要重估，人才是创造者，“而所谓的创造者，乃是创造人类的目标，给大地赋予它是意义和它的未来的人: 只有这种人才能创造出善的和恶的事物。”［10］尼采自身的哲学思想恰恰也是内心情感激发出来的灵感的爆发，是其个人独特创造魅力的一种呈现，他用自己毕生所为验证了自己的观点。深受达尔文进化论影响的弗洛伊德选择了本能，人身体生理需要的体现的本能，作为寻找演化的起点。弗洛伊德把人的人格划分为自我、本我和超我三层次。自我并不包括整个本我，但并未同本我截然分开，它的较低部分拼合到本我中去了; 自我是本我的一部分，而在自我之中假设存在着一个等级，一个自我内部的分化阶段，就可称为超我［11］。在人的潜意识中存在着非理性的因素，本我是人的本能与冲动的代表，本身也是在进化的，自我与本我都受本能的影响。柏格森认为“生命冲动”是一种创造的需要，创造是人进化的动力和根本。“对于一个有意识的生命来说，存在在于变化，变化在于成熟，成熟在于不断地自我创造。”［4］13文章认为柏格森从哲学角度对创造的研究是创造概念在西方哲学家中显现的一个标志。

从人的本能到生命冲动，以非理性为特征的思维模式，上述三位哲学家观点中的共同之处在于都是对人的主体地位的明确。无论是弗洛伊德强调人本能，尼采强调生命意志，还是柏格森对生命冲动的解读，都是把人作为创造活动的主体，不再是神或者其他。人的创造动力得以肯定和突出，只有人成为创造主体，创造活动才能得以实现。人是创造的主体，并且有创造的动力。

( 二) 对技术的关注引起物的显现为哲学创造概念显现奠定基础

在 13 世纪，中国的指南针、造纸术和火药传到了欧洲，引起了西方众多行业的革新。之后，一些西方国家生产力迅速提高，工业生产规模不断地扩大。14 世纪至 16 世纪，文艺复兴运动把“人的创造性”推到了一个存在但被遮蔽不可见的位置。如前所述在这一时期，人的创造性已经存在，一些艺术家已经被作为创造的主体。但一如既往地，人们把自身使用、构造人工物的活动———技术，仍然看做是科学的附属，把世界的本原仍然限定在形而上的思考中。

对人的创造性的最早承认是源于艺术，技术始终没有被纳入创造研究的对象，其原因大概有两点，一是技术专家被认为是一个“做事者”，在地位上低于思考者; 二是将技术简单地看做科学的应用。美国学者 S． 达斯古普塔认为这是相当大的误解，技术要比人类的科学智慧更为古老。“发明人工物的心理过程不应当被看做是从属于科学发现过程”［12］。人类只有更好地理解作为人类进取心的技术，才能更好地理解自身的创造性。

17 世纪科学革命爆发，科学的进步，不仅仅表现为新科学的出现，更有一些新发明的工具成为了哲学家们开启新的思想世界的钥匙，弗朗西斯•培根更是倡导通过实验去研究整个世界。这样，以笛卡尔、培根为首的哲学家们开始对技术有了新的评价，在探讨世界的本原，人的本质问题时，开始涉及技术。近代认识论的兴起，使得人们对人的本质的理解转到了另一个天地。

由于技术创造了一个人工世界，因此哲学对人的创造性的探索，离不开技术这个主题。19 世纪至20 世纪哲学家对人工物的关注是哲学界探讨人与外界关系的一个重大转向，即转向了技术。柏格森是把智力定义为“构成非器官化的( 换句话说，即制造出来的) 工具的机能”，“智力的基本功能就是在无论任何环境中找出克服困难的办法”，“因此从根本上看，智力指向既定环境与利用这个环境的关系。”［4］129

第9篇：人工智能与哲学思考范文

关键词：大数据时代；美术教育；创新发展

大数据时代的特点是与电子社交网站以及网络图像图库有着紧密的联系。尽管学校的大部分学生可能不知道不了解大数据这个名词，但学生的日常生活和行为习惯在大范围的被大数据影响着，只要是与互联网息息相关的，而且，相当一部分的学生已经沉迷于大数据时代下的互联网网站，其中包括微信、新浪微博、知乎、豆瓣等等。大数据时代与传统的印刷时代相比，在视觉图像的传输等多个方面有着极其大的优势。在对视觉艺术品的作者创作意图、情感、形式特点等多个方面进行解读、鉴赏、分析，然后进行语言讲述时，大数据时代背景下的图像传播为这种文化传播形态的转变，提供了更为广阔的空间。

一、大数据时代给美术教育提出了更高的要求

科技技术的飞速发展，带动了人工智能以及移动学习等领域的高普及度和快速进步，同时也给教育行业提出了更高的要求，必须是与飞速发展的时代同步前进。但教育行业的现状是，教育系统仍然是按照传统模式的教育范式，没有对学生的学习打上时代的烙印，也没有产生足够深远的影响。找到一种与时展同步前进的正确教育思想，才能使现代教育有更深的影响力，培养出与时俱进，技能丰富的新时代人才。学习与创新技能、数字素养技能、生活和职业技能是在新时代背景下，学生更好地适应现代社会提出的挑战所必须掌握运用的技能。美术教育对帮助学生掌握这些技能有特殊的贡献，大数据时代带来的教育政策趋势更多的“以证据为本”，通过多维度、多层次、多群体、多因素的巨型数据，来总结艺术教育如何决策。大数据时代下的美术教育在重塑学习概念的同时，也在重塑教育，“如何学”以及“学什么”在私人订制的个性化教学方式方法应用下，给美术教育的创新与发展提供了方向。

二、大数据时代下美术教育的特点

人们对于信息传播形态以及接受信息的方式在科技不断发展推动下得以改变，大数据时代丰富的图像对人们的生活、学习以及感知世界的方式产生了各种改变。语言已经不再是唯一的通信系统，口头以及书面语言、图像、公式、符号、声音、手势、图表、文物等多种通讯类型成为传递信息的方式。视觉文化在大数据时代的背景下，对现代人使用图像技能有了新的要求，无论在改变学习环境还是工作场所方面，美术素养对新的能力的掌握都有巨大的推进作用。美术教育促进学生学习和创新技能的发展。美术与科学、数学以及哲学、文学有着不同的独特的思维方式，是各民族文化的基础，学校的美术教育范畴广阔，包括绘画、雕塑、设计、工艺、书法、篆刻以及新媒体艺术等多个方面，各样式的工具、技术以及过程也在其中。美术教育通过提供多种富含背景和多感官的指令来更好地帮助大脑进行学习和记忆，在与文字、数字、声音等各种资源与图像信息的解读、传递、创造进行交互时，提供了创意、想象、思考、情感以及观念上的思维方式。美术教育拓展了学生的数字素养技能。世界各地的美术图像信息在性能高超的互联网的带动下，越来越多地走进了课堂，开阔了学生的视野，树立了全球意识，更加富有创新性和挑战性的艺术门类在艺术与科学的结合下产生，那就是新媒体艺术，它不但要求学生具有更高的美术素养，同时还需要较高的媒体素养，在对学生数字素养技能的取用、理解和创造环节具有重要的推进作用，摄影、摄像、计算机绘画、计算机设计、视觉笔记、动画。小电影的解读与创作等都是美术教育新媒体艺术单元的内容。美术教育培养学生的生活与职业技能。大数据时代需要学生更多的跨学科协作的发挥创意，通过设计诸如“变旧为新”这样的美术教育课程议题，提高学生对全脑思维的锻炼，对创造能力的提升，增强自身的综合素养。

三、大数据时代下美术教育的创新与发展

美术教育在大数据时代背景下面临了新的挑战。文化多元化的表现已经越来越明显。大数据时代的到来，在近十年使很多国家在视觉文化方面产生了重大的转型变革，尤其是欧美等发达国家。视觉文化的转型主要表现在：首先，对创作对象的思考以及对观念艺术的关注成为了创意的重点；其次，独特的艺术形式越来越多包括摄影、电影以及印刷媒体等传统艺术表现形式；第三，传统的意识形式越来越多地与数字技术领域产生合作，并催生了类似电子创意这样的领域；第四，对视觉文化的审美理想越来越以国家为基础，审美兴趣也更多地加入了对土著传统艺术和工艺的元素；最后，社会文化的融合使得美术行业的已经也产生了变化，融合方式诸如全球性的文化以及体育运动，难民的数量增加以及移民现象的增多等。美术教育工作者要主动迎接大数据时代的挑战。美术教师要在传达课本课程上的教学内容之外，把目标更多地放在深度学习上，包括材料的教学，美术学习的方式方法，教学变化趋势等，在大数据时代背景下构建多元化的教育氛围，更好地帮助学生养成必备的美术素养。

四、结语

大数据时代在“互联网”到“互联网＋”的转变过程中对美术教育有更多的要求，除了发展学生的个人素养以及培养造型的感觉与技能之外，要更多地注重塑造学生的创造能力以及为社会更多地贡献意识能力，美术教育在大数据时代要有更多的教学内容，更新的教学方式方法，帮助学生更好地适应现代社会生活的挑战。

参考文献：

[1]孔新苗.关于大数据时代美术教育的三点思考[J].美育学刊，2016（1）:62-65.

[2]钱初熹.大数据时代的创意美术教育———大数据时代美术教育的创新发展[J].美育学刊，2016（1）:49-54.

[3]李静.基于大数据思维的我国美术教师教育创新发展路径研究[J].美育学刊，2016（6）:46-52.