首页 >> 哲学 >> 科学技术哲学
“计算的解释鸿沟”的新证据及其哲学反思
2020年05月21日 11:51 来源:《自然辩证法通讯》 作者:赵泽林 字号

内容摘要:

关键词:

作者简介:

The New Evidence and Philosophical Reflections on the Computational Explanatory Gap

  作者简介:赵泽林(1979- ),男,湖北建始人,华中科技大学哲学系,国家治理研究院副教授,研究方向为认识论,人工智能哲学。E-mail:laozhao@hust.edu.cn。武汉 430074

  原发信息:《自然辩证法通讯》第20196期

  内容提要:瑞杰等人根据机器意识、神经科学、认知心理学的最新成果认为,在用“计算”解释心灵、意识、思维现象时仍然存在着“计算的解释鸿沟”。本文通过对“计算”概念内涵及其内在结构与逻辑的分析,认为“计算的解释鸿沟”源自我们对人工计算系统与自然计算系统“内部结构与逻辑关联”的“错位理解”,忽视了自然计算系统中句法在物理基础与表征之间的重要桥梁作用。如果我们在用表征解释心灵、意识、思维现象的同时,更加注重对心灵句法的揭示,“计算的解释鸿沟”就可能得到自然消解。

  According to the latest results of machine consciousness,neuroscience and cognitive psychology,Reggia,J.et al.affirm that there is still a “Computational Explanatory Gap” in the explanation of mind,consciousness and thinking phenomena by “computation”.Based on the philosophical analysis of the concept of “computation”,this paper suggests that the “Computational Explanatory Gap” is derived from our “misplaced understanding” on “internal structure and logical association” between artificial computing system and natural computing system.The important bridge between the physical basis and the representation of syntax in natural computing system is neglected.If philosophers payed more attention to the revelation of mind syntax while using representations to explain mind,consciousness and thinking phenomena,the Computational Explanatory Gap could be naturally eliminated.

  关键词:意识/计算/解释鸿沟/Consciousness/Computation/Explanatory gap

  标题注释:中央高校基本科研业务费专项资金项目“人工智能背景下的马克思主义哲学创新研究”(项目编号:2019kfyXJJS122)阶段性成果。

  

  在有关心灵、意识、思维与计算的哲学理论中,所谓“计算的解释鸿沟(the computational explanatory gap)”,是指在用“计算”解释人类心灵、意识、思维现象时,无法用“计算”从根本上说明物质性的低级神经活动是如何产生了精神性的高级意识活动。这一问题在当代的揭示主要源自莱文(Joseph Levine)以“疼痛是C纤维的燃烧”为例的论述。他认为,这个命题在生理学上可能是有效的,但它并不能帮助我们理解“疼痛的感觉”。后来,查默斯(David Chalmers)区分了意识的容易问题(easy problems)与困难问题(hard problem),将此发展为物理主义的反例,同样认为在意识经验与大脑物理状态之间存在着无法逾越的解释鸿沟。最近几年,瑞杰(James Reggia)等人提出了关于“计算的解释鸿沟”的三个新证据,并将这个命题更加细化为这样的表述:即使我们承认可以用“计算”从整体上来解释心灵、意识、思维的工作原理,但也面临着低层次的神经计算网络是如何可能产生高级认知现象这个鸿沟。本文将通过梳理瑞杰等人关于“计算的解释鸿沟”的三个新证据,追溯“计算”的概念内涵,揭示“计算的解释鸿沟”蕴含的“内部问题”,分析“计算的解释鸿沟”的产生原因及其可能的消解路径。

  一、“计算的解释鸿沟”的新证据

  最近几年,即使是人工智能领域取得了出人意料的新进展,瑞杰等人也仍然认为,现有人工智能研究并没有提供一个令人满意的人工意识方案,也没有明确的证据表明人工意识最终将成为可能。这是因为,绝大多数研究意识的哲学和科学基础的人,包括那些开发意识的计算机模型的人,都是功能主义者。瑞杰认为,他们把人工机器称为计算机已经意味着一种功能定义:计算机是一种执行机械过程或算法的设备,不管它的大小或它的原材料。这本身就是一种隐喻的表达,而非事实的揭示。迄今为止,我们都只能将一个正在执行程序的计算机硬件的功能状态看作是与大脑具有相似的精神状态。如果从功能主义的视角看现在人工智能进展,那就不是一个“质的飞跃”。因为,如今的人工智能进展并没有克服意识的“困难问题”。“容易的问题是理解意识的信息处理方面:行为的认知控制、信息整合的能力、注意力的集中、以及能力的体现……相比之下,意识的难题是指与意识相关的主观体验。即使科学最终解释了所有容易出现的意识问题的信息处理机制,这也不能解释为什么这些机制或功能在没有主观意识的情况下不会发生,而是伴随着主观经验或规定。换句话说,成功的功能、计算意识与伴随意识而来的主观体验之间存在着解释上的鸿沟。”[1]

  机器仍然无法具有主观体验的意识“看起来”确实是“计算的解释鸿沟”的最新证据。当代机器意识的研究策略主要有“自上而下”和“自下而上”两类。前者强调符号对物理现象的表征,后者强调对神经元群模拟的重要性。自上向下的符号方法擅长建模高级认知任务。目标导向的推理、元认知、问题解决、决策制定、理解自然语言等,但它们在模式识别和低水平的运动控制方面的成功要少得多。它们相对成功地捕捉了高层次思辨推理和顺序行为控制的各个方面,这些方面在人身上与有意识的、可报告的认知成分非常相近。自上而下的方法通常也被发现是脆弱的。例如在复杂的上下文语境、小的意外事件或内容的小变化方面,自上而下的方法很难做到客观表征。相比之下,自下而上的神经计算方法的优势和劣势大致相反。它们在学习低水平模式分类的输入任务和低水平控制的输出任务方面非常有效,但在高级认知任务方面却远不如自上而下的方法有效。现有的神经计算系统已经被证明在学习程序性知识方面非常有效,而程序性知识对一个人来说,很大程度上是以一种无意识的方式进行的。与自上向下的符号人工智能方法相比,神经计算方法在外部噪声或存储信息的大量随机变化的情况下不那么脆弱。瑞杰认为,“这两种方法与其说是相互竞争的替代品,不如说是它们各自在情景处理方面的优势互补。这也表明,坚持符号主义的人工智能,无论是自上而下,还是自下而上,都还无法弥合计算上的解释鸿沟。人工智能领域在很大程度上仍然被分成两个对立的阵营,部分是由于计算的解释鸿沟的存在”。([1],p.162)

  “计算的解释鸿沟”的第二个新证据来自于神经科学对意识的研究。查默斯在2000年发表的一篇论文中认为,意识的神经关联是一种最小的神经生物学状态。它的存在足以产生相应的意识状态。这种理解意识的方法确定了几种可能的相关关系,如大脑电活动中广泛存在的40赫兹皮质振荡的特定活动模式、丘脑内氨基核的特定神经结构的激活、全球大脑激活等。然而,尽管有这样的研究和一个多世纪以来大量的神经科学研究,我们对大脑中无意识信息处理的理解与有意识信息处理之间仍然存在很大的差异。考虑无意识的信息处理,比如走路时腿部运动的自动控制机制,或者长期记忆中储存信息的机制。这些机制如今并没有什么神秘之处,因为我们可以识别神经回路并能够合理地解释这些功能的计算。相比之下,对于与意识认知更紧密相关的高层次认知任务,如目标导向的问题解决和理解口语自然语言的意义,我们在神经计算方面相对而言仍很迷惑。尽管我们现在对高级认知和大脑有很多了解,已经有了宏观层面对高级认知功能与脑区和微观层面不同功能区神经回路的理解,但是,我们目前尚不清楚如何将这两种类型的信息结合起来。或者说我们仍不清楚大脑如何将这些高级认知功能映射到现有的低层次神经回路的计算中。在此,我们再一次遇到了“计算的解释鸿沟”。从认知过程到神经计算的映射仍然是如此的不透明。瑞杰认为“这里的关键点是我们神经科学知识中,在宏观和微观信息处理水平之间,存在着关于如何联系这两者的巨大鸿沟,至少在某种程度上,这也是潜在的计算的解释鸿沟的体现。”([1],p.163)

  “计算的解释鸿沟”的第三个新证据来自于认知心理学。瑞杰认为,当我们考虑过去努力明确地区分描述人类意识和无意识认知信息处理的特性时,计算的解释鸿沟也变得明显起来。人类有意识的信息处理被认为是连续的,相对缓慢的,并且很大程度上被限制在一次只处理一个任务,试图同时执行多个需要有意识方向的任务会导致干扰和错误。无意识的信息处理是并行的,相对快速的,并且很容易同时涉及多个任务,此时任务之间的干扰是有限的。有意识的信息处理似乎涉及广泛的全球大脑活动,并且内部是一致的,而无意识的信息处理似乎涉及更多的大脑区域的局部激活,其内部一致性也有所不同。意识信息处理常常与内在言语联系在一起,在操作上被认为是可报告的认知。这里的关键是,心理学家试图明确地描述意识和无意识信息处理之间的差异,但却隐含地,或许是无意地,发现了这种计算的解释鸿沟。他们所揭示的无意识信息处理具有并行、高效、模块化、非可移植性等特性,与神经计算匹配得相当好。不可报告性与神经计算模型的性质非常吻合。但是,即使神经网络学会了非常成功地执行一项任务,该网络学到的东西对外部观察者来说仍是很大程度上不透明的,通常需要付出很大的努力才能完成象征性地决定或表达。相比之下,与有意识的信息处理串行处理方式相关的属性,如相对缓慢、整体、可移植性,则更好地匹配了符号的自上向下算法,却与神经计算的特性不太匹配。瑞杰认为,“在这种背景下,意识认知和支持它的基础神经计算之间无法解释的鸿沟是显而易见的。这是特别值得注意的,因为,认知心理学识别认知的意识和无意识方面的差异性,并不是一个主要的研究方向,而还只是无意中揭示了计算的解释鸿沟的客观存在。”([1],p.165)

  据此,来自机器意识、神经科学、认知心理学的研究似乎都证明了一个事实,即哲学上提出的“计算的解释鸿沟”问题不仅没有消失,相反正在变得越来越明显。这就如查默斯在上世纪90年代提出的意识的“困难问题”一样,当我们试图将意识、心理现象还原为物理解释时,始终是忽略了一些“东西”。在查默斯那里,这种还原忽略的是“主观的经验”。现在的问题是,如果我们承认心灵、意识现象的存在,承认心灵、意识就是“计算”,我们却又无法用计算来“造出”拥有人工意识、人工心灵的机器。这就是一个悖论。这个悖论产生的真实原因就在于,我们依然无法解释这些“主观的经验”如何可能产生,无法弥补心灵、意识、思维现象的计算解释中的“鸿沟”。考虑到作为机器模拟的对象的大脑结构当然是相当复杂的,自上向下的人工智能在建模高级认知方面,相对于神经计算方法来说在定性上可能是一种成功,但仅凭这种复杂性依然不太可能解释心灵、意识现象的全部。瑞杰认为,“在当代哲学思想中占主导地位的那些容易和困难问题,极有可能最终会被证明是完全相反的。换句话说,计算的解释鸿沟实际上是更基本的、更难解决的问题。”([1],p.176)

作者简介

姓名:赵泽林 工作单位:

转载请注明来源:中国社会科学网 (责编:李秀伟)
W020180116412817190956.jpg
用户昵称:  (您填写的昵称将出现在评论列表中)  匿名
 验证码 
所有评论仅代表网友意见
最新发表的评论0条,总共0 查看全部评论

回到频道首页
QQ图片20180105134100.jpg
jrtt.jpg
wxgzh.jpg
777.jpg
内文页广告3(手机版).jpg
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们