在AI时代，我们将如何坚持人的教育和研究

朱晓阳

在等待花开的日子，一边看美国股市被deepseek搅局，一边看去年诺贝尔物理奖得主辛顿（Hinton）的几次演讲 。辛顿被称为AI的教父。现在引领人工智能的大模型就是受到他的思路影响的。辛顿自己受到美国语言哲学家丹尼特的影响，丹尼特则是牛津哲学家赖尔的弟子。这位赖尔对于当代人类学颇有影响，格尔兹的厚描概念就是来自赖尔。赖尔以行为主义进路著名，这影响到丹尼特的唯物主义的心智的路线，从而也影响到辛顿的神经网络模拟进路。赖尔可是维特根斯坦的弟子之一。通过赖尔以降的这条路径，将人的意识和语言等都变成了物质过程。其中如丹尼特称“语言进化以适应大脑，然后大脑进化以适应语言，这是一个共同进化的过程”。英国的阿尼尔?塞思提出生物自然主义，也主张人的意识与人脑这个生物分不开，从而对无生物硬件的AI是否能有意识做了否定。并提出未来即使有可能产生能有意识的人工智能，应该是朝向建立有生物体的东西。
现在有不少AI专家动辄以维特根斯坦的“家族相似”、语言游戏等为行话。前些日子一位自杀的Deep Mind的研究科学家Felix Hill甚至说维特根斯坦和某某，某某可以共同设计出transformer 。从大语言模型的基础是自然语言处理，而后者是以词向量作为语言预测核心而言，维特根斯坦确实够得上是当代人工智能的鼻祖。因为这种词向量为核心的自然语言处理与后期维特根斯坦的重要概念“综观”和“中间链接”之说是一致的。也许AI专家就是“蒸馏”了维特根斯坦的相关言论而得到灵感的。
但ai专家们对维特根斯坦关于人的语言游戏底下有人的亲知、生活形式和人的动物性行动等少有理解。虽然丹尼特对辛顿有很大影响，但丹尼特将语言归结为人脑这种生物体和文化的立场是很清楚的。他讲过一个有关与狮子对话的思想实验：“维特根斯坦“曾有过著名的论述：‘如果狮子可以讲话，我们会无法理解他。’但是错了！如果狮子可以讲话，我们会很好地理解他。只是那对我们理解狮子毫无帮助。” 可见丹尼特认为人脑和语言与当下的ai还是有距离的。辛顿的“凡人计算（Mortal Computation）”即使能装进硬盘，估计在当今的条件下，也不会超过能与人对话的狮子。

辛顿认为人类智能的本质不是逻辑推理，而是“学习（learning）”，并认为人工智能的学习与人类是一样的。辛顿并不认可人工智能的学习仅仅是统计分布和大数据基础上的“随机鹦鹉”。辛顿批评追随乔姆斯基理论，将智能视为逻辑推理的人不了解人工智能的能力，也不理解人工智能的真正威胁。辛顿的批评貌似如同当今的语言现象学，看出命题逻辑和推理并非哲学本质，从而也并非智能的本质，但是辛顿不认为类比、相似、关联等与人工智能“学习”接近的人类认识形式背后同样有人的生活形式或亲知。这是与人工智能的“学习”不同的。因此辛顿的“人类智能本质”与语言现象学的预设仅仅在表面上相似，在根本问题上却不一样。
按照辛顿的说法，人工智能会有主观经验，并且能用语言表达。例如你给机械臂装上摄像头，然后再给它的镜头前装一个棱镜，在镜头前面有一把铁锹在飞舞，然后它看到铁锹，它说：“铁锹飞在我的右边”。人指出：铁锹在你前面，但我给你的镜头前放了一个棱镜。机器人说：我看到物体就在我前面，但我有一个主观体验，觉得它在旁边。这表达了一种主观体验，并使用语言表达出来。这跟人的语言表达没有什么差别。
在我看来，这种说法有些像是将著名的思想实验“假如成为蝙蝠会如何”反过来的一种想法。机器可以用代替人眼的摄像机“看”，可以借用人的语言描述看见什么。人的语言是可以被借用的，就像鹦鹉借用人的语言一样。但是它说“一只铁锹在我的右边飞舞”的时候，它的眼睛是那样一种机器的镜头。它的感受，如果它有感受，会和我们一样吗？人工智能的主观体验是什么，我们不可能知道，我们不过是用人的感受去假设它的感受。这种说法有些像丹尼特那个狮子说话故事的前半部分，即维特根斯坦讲的部分。丹尼特过后补充其后半部分时说：“他与普通狮子的差异如此之大，以至于他无法告诉我们做一头狮子是什么样的体验。我认为我们应该习惯这样一个事实：我们在日常生活中熟悉的人类概念只能被部分地应用到动物身上。”
虽然我们和机器貌似有共同对话语言，但机器的语言甚至是与机械的硬盘分离的，是一套算法。更准确一些说，大语言模型是将人类语言以token为单位（经常等于词）进行下一个词的预测，或曰“词汇接龙”。其基础是按照日常语言使用时词的出现距离，按概率派给其“词向量”。所谓神经网络（transformer）也是以词向量为基础。多头注意力则是在基础的语词猜测上，再有进一步的重点提取等等。虽然transformer被翻译成“神经网络”，实际上与人脑处理语言和图像的意识过程关系不大。例如人在写作之时，创意状态下的语言获得往往是来自一种类似现象学还原的状态。Deepseek推出之初曾宣扬这个AI也会有“顿悟时刻”，但Deepseek本质上仍然是与ChatGPT一样的神经网络模式，只是蒸馏更有效，更概括，成本更低，并不是一个革命性的替代，其宣扬的顿悟时刻，也不可能是人脑的顿悟时刻。从本人和他人用d、Deepseek写成的文本看，Deepseek文本的更锐利实际上是更标题党。我猜测这与Deepseek的“更有效”蒸馏有关，将老师模型中的好词好句更有效地提取。而老师（特别是小学）要求学生学习范文也是要找“好词好句”，“概括主题”等。在更高的教育中则要求回答要有“知识点”。这确实有效，但在快速获得老师文本关键话语的时候，却失去精读文本能获得的全面信息。这种情况有些像我们做学生时，为了赶作业的dl，将一本经典著作的阅读先通过读“index”或前言后跋，做一个概括掌握一样的。许多用Deepseek后狂欢的人被魅惑的往往是其输出文本的所谓“锐利”性。这些锐评看上去是一些夸张和显眼的标签。

一个人说：我手摸到泥土，是湿的。这是我这样一只手，这样一个人的器官的手在摸泥土。
这是人工智能没法感受到的，或者说这种亲知是人有的。维特根斯坦认为语言游戏底下有生活形式或“动物性”。实际上指的是这个东西。维特根斯坦认为这种生活形式或动物性实践是语言游戏和常识性真理的根基。
辛顿认为人并没有一个所谓的内心剧场。所以人工智能把我们的话说的一模一样，就是人的状况。它用它的感官，如摄像机看，机械臂感触到世界，也可以借用人的语言说出感受。但是它和我们人的亲知不一样。在这一点上，我觉得它永远也不可能取代了人。
但是它可以力量很强大，这毫无疑问，就像它是一颗原子弹，原子弹可以没有这种亲知感觉。但是它可以把人给炸死了。一台失控的汽车能将马路上的人压死。难道能说汽车有了人的意识？因此辛顿感到很可怕。他说：“我试图向你们解释为什么我突然对 AI 感到如此害怕。 辛顿反对大模型开源的理由与这种恐惧有关。他称就像在超市里能买到原子弹一样，你能不害怕吗？

丹尼特认为没有什么神秘的心灵和语言的关系。但是我觉得AI科学家们学维特根斯坦，是半截维特根斯坦。只看见维特根斯坦对心理主义的怀疑，对因果逻辑的批评，但这只是前半截，因为维特根斯坦认为，语言游戏的背后是生活形式，是人的动物性的行动。这一点没有被继承。
当丹尼特认为语言是人工智能可以掌握的，随着它的进化可以出现智能，并且只是资金的问题。这一点辛顿接过去了。但是丹尼特后面也说人还有内心，还有表征，这些不等于辛顿意义上的语言。
如果用维特根斯坦的话来说的话，这个内心的表征（维特根斯坦称为世界图景）是和语言分不开的。这一点上是人之为人，这个世界图景的背后是各异的生活形式、行动或动物性的实践。

辛顿等人以这种半截维特根斯坦式预设开发的人工智能，是走上一条模仿语言和心智，实际上背离人的路线，与人越来越远。

当下也有坚持认为AI现有路线不能产生有“意识”的人工智能者，例如阿尼尔?塞思（Anil Seth）。他认为：“我们应认真考虑意识可能依赖于我们作为生物体的本性这一可能性，这是一种生物自然主义观点。“这种观点被称为人工智能的生物自然主义。辛顿虽然也提出Mortal Computation（凡人计算，有生计算）也被认为类似生物自然主义，“软件无法脱离物理载体 / 硬件而存在。但到目前为止AI仍然是他所谓的“永生计算”，计算软件与硬件分离，人错误地预设AI已经获得人的意识。

人工智能在模拟人类语言和“主观经验”方面都取得惊人进步 ，并有可能对命题对应事实式社会科学方法及相应写作在不远的未来作替代 。例如中国的AI产品如豆包和Kimi和最近推出的Deepseek在进行文献资料梳理、论文写作方面已经显示出能够替代人的能力。我用自己的文稿测试过人工智能写作，例如将文稿喂给AI，让其写“摘要”和“结论”。分别试过豆包 Kimi和Deepseek。但很明显人工智能能根据文章的内容编写流畅的“好词好句”作文，但不能理解作者的思考，其拓展评语是陈腔滥调，更不可能做有作者想象的创新。

可以预想未来的社会科学研究和教育将更注重人与人面对面对话（类如戏剧演示），更强调以浸入生活世界的方式（如实地测度）和以一手田野资料演示研究者想法。如果仍然坚持传统的知识生产方式，剩余的梳理文献、论文写作或（视频）编辑成片等等将由人工智能去做。这些方法的不可替代是因为它们是以人的生活形式和行动为根基的看世界方式。如果要拉扯维特根斯坦的话，这些方法与他后期所称的“综观/一目了然表达”有关，但是以人的生活形式为根基的综观，而不是AI大模型模仿的上半截维特根斯坦。再若谈到如何能以综观/一目了然呈现的方式看世界，“艺术”这个词浮上我的心头，未来人的教育和人文社会科学研究逃不开这个核心。

补记：因为在小红书上发表关于AI的言论，有从事AI的人来问我：“是否有从分析哲学进路来制定详细推理规则的思考，或者能否推荐一些相关学者让我们深入研究。”
我回应说：“很抱歉我更多的了解是人类学和社会学，哲学方面了解有限。文中提到的丹尼特倒确实值得做AI的注意。从人类学角度，生物自然主义的ai路径可能还没有现实可能性，因此当下的AI集中考虑计算功能论的语言路径潜力仍然是出路。辛顿等人实际上就是这样的。这条路可以多参考维特根斯坦关于综观演示的概念。”
在回答过后，我感到有些问题还可以谈谈。当维特根斯坦谈到综观和中间链接背后是人的生活形式、行动，甚至是人的动物性（我理解为肉身）时，我联想到胡塞尔现象学还原的超验自我和一种洞若观火的忽兮恍兮状，以及海德格尔的寂静之声和“栖居“等等。在这个状态人会有顿悟，会有灵感。这些是人的意识和思维具有的，AI不可能有，现在AI的进路也不是朝向这方向。如果要有仿人意识的AI，应当是朝向这个方向。