徐英瑾教授：心灵哲学、认知与人工智能
2021年末，由复旦大学哲学学院“哲学课堂”与根元咨询携手打造的根元通识计划思想课程开启第三课。复旦大学哲学学院徐英瑾教授与大家分享了“心灵哲学、认知与世界”以及“计算思维与人工智能”。
让思想相遇，MetaThink撷其精要，为你划重点：
机器：心智的本质
1. 人脑是一台从外部环境获取并处理信息的机器
进化心理学大牛考斯米德和托比认为人类的大脑是一种可以经过自然选择机制而演化成的信息处理机器，其任务是从外部环境获取信息。人类所有的外部行为都是由这种内部的信息处理而产生的，所以你要了解人类的行为，就必须了解人脑的信息处理程序。
2. 神奇的数字“7±2”：“心智机器”都具有“有限性”
心理学家米勒发现神奇的数字“7±2”，指在某种意义上说，你短时记忆能够记到的事项实际上是多则9，少则5。每一种心智机器能够应对的问题都是有限的，都有一个运作范围，不可能出现全能的情况。比如人处于愤怒的情况下是没有办法好好思考的，而当你尽情思考的时候，你一般来说是冷静的。
3. 算法就是“套路”
Algorithm（算法）实际上是“套路”的意思，就是说要在有限的步骤里面，能够按照一定的步骤给出一个问题的答案。凡是这样的东西就叫算法。
4. 人类的心智要适应物竞天择的环境
我们的心智是个适应器，适应器是要适应环境的，而环境不仅仅指我们和自然环境狼虫虎豹间的斗争，也指我们人和人之间关系的斗争，比如同性之间要为了异性进行竞争。
5. 人类历史文化的演进速度快于人类心智计算的速度
人类在采集狩猎时代，经过长期演化形成的这种心智结构是很稳定的，但我们的文化进化会在很短的时间内有重大的变化，这个重大的变化实际上就是历史的速度，它会比人的心智计算快。比如现在我把曹操、刘备、孙权叫过来看后代的历史，他们根本想不到会发生什么，历史的大势变化已经超过了他们的心智，这说明人类的心智还是保守。
6. 品牌关乎“心智机器”对“符号信息”的解读
任何品牌信息和符号信息，都是通过心智机器加以咀嚼和阅读的。如果光从符号这个角度来理解，很可能只是局限于客观；我们还要更多了解心智机器是怎么获取外部的信息，要从主观和客观两方面来理解品牌。
“成见”：心智的本能
1. “思维土法”：人类会根据简单的界面信息走“推理捷径”
德国心理学家吉仁泽提出“思维土法”，又称“推理捷径”：人类在进行信息处理的时候，有可能都是根据一些简单的界面信息。比如把一组美国城市的名字（如斯普林菲尔德VS旧金山）给美国及非美国同学，让他们判断这组对子里面哪个人口多，结果是非美国同学得分高。因为美国同学会下意识地认为自己熟悉的城市人口更多，美国有很多斯普林菲尔德，美国人对它太熟悉了，就觉得它人口多；而外国同学对美国了解少，他就看新闻里哪个城市出现得多，他就选哪个城市，这反而使得他的得分高。
2. “成见”是我们大脑工作的方式
“成见”也可以说是“偏见”（Bias），它是我们大脑工作的方式。我们大脑要在单位时间内以最高的效率来获取信息，而当你以最高效率来获取信息的时候，你不可能看问题面面俱到；如果你看问题面面俱到，你采样的时间就会很长。
3. “成见”有时能够帮助我们把握机会
直觉也是某种“偏见”（Bias），泛指任何没有理性论证而得到的结论。比如你是个名将，当你知道有战术机会的时候，别人觉得没战术机会，你可以看到阳光像利剑一样刺破了乌云，照到大地上，你的心里面会看到这个东西，别人都看不到。而当军队有危险的时候，别人觉得我们都胜利了，你突然就看到尸横遍野的样子，莫名其妙有这种直觉。你是根据这些直觉来做的，而且这些直觉的成功率相当高。这是很奇怪的一件事情。
4. 强大的自尊心会把负面的东西和更负面的东西进行切割
当一个人自尊心强到一定的地步以后，基本上会把一些我们认为负面的东西和更负面的东西进行切割。意大利人当然知道法西斯主义是坏的，但纳粹主义更坏，因此我要把负面的东西和更负面的东西切割开，找个比我更坏的，然后来进行对比。
5. 宗教是“一厢情愿”：一种系统化的“成见”
宗教是一种很典型的思维偏见的全面扩大，就是wishful thinking ,就是指你希望它发生的事情就发生了。我打仗一定能赢，为什么？我希望我能赢。我考北大清华一定能考上，为什么？我希望我能考上。本来只是针对单个事件的，但是宗教要把这些故事说大、说圆，所以宗教实际上是一个更广泛的、系统化的wishful thinking。
6. 品牌要唤起大家的“情”，但用“理”来管理
在我们做所有决策的时候都会产生原始的情和理之间的纠葛，而解决情与理的矛盾有个方法：要让你的客户按照你的情做，但按照你的理预测他的情的方向。比如好莱坞编剧对人性很了解，煽动大家的情绪，应该在几分几秒煽情、什么时候煽情过了，他们都有数学公式，这背后就是理。所以实际上品牌管理就是要唤起大家的情，但要用理来管理它。
人工智能：局限与反思
1. 哲学思考的特征：为各门学科提供统一框架，从根源点明出路
哲学喜欢刨根问底、融会贯通，它是一个不受制于一门特殊经验学科的思维方式。哲学给你提供各门学科上面的统一框架，让你意识到这个问题的根结，会在骨子里给你一个更大的出路。比如一般人像苍蝇在一个玻璃瓶里面不停地撞玻璃壁撞不出来，然后把脑袋撞得头破血流，而哲学家会指出你为什么不往瓶口飞，瓶口还开着。他就是给你这样一个启发。
2. 人工智能的不可阐述性可能对人类社会的基本构架造成威胁
深度学习面对的一个问题就是它是unaccountable，不可阐述的。它基本上是一个黑箱，你只是知道它在input和output之间做了这么一个事情，但是你不知道它到底是怎么做成这个事情。而人类社会有基本框架，是讲理的。所以一旦这种讲理的机制被破坏，人工智能就可能会动摇人类社会生活的基本面。
3.人工智能较难“迁移学习”
深度学习有一个特点就是它领域的特异性，做深度学习的程序，它只能干一件事，而干别的事就挺难的，它要迁移学习就非常累。比如人脸识别的一个网络，它主要就是做人脸识别，如果你要做别的事情，比如声音识别，那它就得另起炉灶。
4. 发展人工智能需要对人类的心理学自我有清楚的了解
萨特有一句名言：自我不是被给予的，而是被构造出来的。人工智能的关键是整体性自我的建立，这要付出非常复杂的心智劳动，而不是简简单单通过符号层面来奠定的。所以如果搞人工智能的人不对心理学上自我是怎么建立的有很清楚的了解，匆忙地进入人工智能的研究，恐怕就会遗漏很多专业的问题。
5. 人工智能与人交流的媒介——机器翻译，某种无需自主理解但依赖海量案例的深度学习机制
人工智能和人交流很重要的一个中介就是语言。现在对于人工智能最高的期待，就是人工智能取代人类意愿，变成人类的翻译者。机器翻译最大的特点是其自身的一种端对端的人工神经元网络，它是某种自带工作记忆架构，能够依据海量的语用案例对整句进行翻译的深度学习机制。它并不是因为理解文本是什么意思而翻译，而是因为看到网络上有很多人这样翻，就依据这些语用案例来翻。
图片来源：unsplash
内容整理：Andy，Eric
本文由根元咨询原创。如需转载，请在消息栏回复“转载”查阅须知。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）