人工智能算法的深层认识论意蕴

王天恩

(上海大学 哲学系， 上海 200444)

由于与关于既存世界的认识和实践具有根本性的不同，作为人工智能的核心领域，智能算法深入到了“本体设置”的更深层次，因此具有非同寻常的认识论意蕴。关于人工智能认识论意蕴的思考，深入到算法层次会看到认识论本身的新发展趋势和动向。作为人类认识自己整体对象化的产物，人工智能的更深层次认识论意蕴，在于其算法的发展意味着认识论本身的更高层次发展。其中最为基本的方面主要有：智能算法的实践本性涉及认识和实践的一体化；
智能算法的发展展开了信息作为感受性关系进化过程中逻辑和经验的深度融合；
智能算法中逻辑和经验深度融合的“本体设置”意味着算法认识论的存在论化。这些都是人工智能算法具有重要的深层认识论意蕴、亟待系统深入研究的重要课题。人工智能算法的深层认识论意蕴的系统展开，不仅对于认识论的发展，而且对于人工智能算法的进化都具有重要理论和实践意义。

目前，在人工智能算法的认识论研究领域，最具代表性的人物之一是美国怀俄明州立大学哲学系计算机博士宾·希尔(Robin K.Hill)教授。她有一个重要概括，深入涉及人工智能算法的实践性：“算法必须‘做’，而非‘是’。”(1)Robin K.Hill，“What an Algorithm Is”，Philosophy & Technology，Vol.29，No.1，2016.这一观点隐含着可以推出一系列重要结论的信息空间。智能算法之所以具有实践的本性，与信息的性质密切相关。

关于信息的当代研究表明，信息既不是物质也不是能量(2)Norbert Wiener，Cybernetic，or Control and Communication in the Animal and the Machine(Second Edition)，Cambridge：The MIT Press，1985，p.132.，而是感受性关系；
作为感受性关系，信息具有创生性和涌现性等基本特性(3)详见王天恩：《信息及其基本特性的当代开显》，《中国社会科学》2022年第1期。。而信息的创生性意味着信息世界创造是信息创生意义上的整体建构——创构(4)详见王天恩：《大数据中的因果关系及其哲学内涵》，《中国社会科学》2016年第5期。。把信息理解为感受性关系，对信息编码及其与信息的关系就可以有一个清晰的认识：信息编码是作为感受性关系的信息的物能化和观念化。因此数据不是信息而是信息编码。信息编码有两种基本类型：信息的物能编码和信息的观念编码。前者典型的如物理信号和DNA；
后者典型的如作为自然类(natural kinds)概括产物的概念和符号。信息的符号编码有一种特殊的方式，那就是信息的数字编码(bit)。正是信息的数字编码，既与信息的物能编码，也与信息的观念编码内在相关，因此算法就可以通过信息的数字编码将观念和物能内在结合在一起，从而在物能和信息关系层次构成了认识和实践的一体化。正是在信息层面，人工智能算法使认识和实践结合得如此紧密，以致随着算法的智能化和智能算法的自主化发展，认识和实践渐趋一体化。正因为如此，智能算法的发展使算法越来越是实践性的，实践性是发展到一定层次的智能体理所当然的本性。由于算法的发展意味着算法的智能化，因此实践作为智能算法的本性是在归根到底的意义上说的。在由此而达成的认识和实践一体化中，3D打印正是标志性的存在。

关于智能算法认识和实践的统一，3D打印不只是具有象征意义——有什么样的算法，直接地就有什么样的实践产物，而且具有物信息化和信息物化一体化的重要机制。只要能将创意变成信息模型，就能打出实物；
其发展趋势朝向只要能想到，就能通过3D打印得到物能实现。这清楚表明在信息和物能之间，认识和实践不只是无缝衔接，二者就是一体化的。随着智能算法的发展，从简单程序到通用机器智能构成认识和实践一体化的进程。在人工智能算法中，在认识和实践关系之上，甚至涉及哲学和科学一体化的更深层次，发展出更高层次的哲学范式。

在算法的哲学研究中，会遇到一个十分耐人寻味的问题：“那么无操作(即什么都不做)和琐碎的程序呢？实现算法了吗？”(5)Robin K.Hill，“What an Algorithm Is”.这似乎是认识和实践一体化层面的一个特殊问题，甚至与存在论层面的“非存在”概念相联系。只有从信息范式才能看到，与“非存在”一样，“无操作”没有物能或实体意义，但有信息意义。由于其信息性质，算法也具有信息存在的特殊性。在算法语言中，语形、语义和语用不仅以普通语言的方式存在，而且通过信息的物能关联，具有与物能实践直接对接的重要性质。这正是智能算法不仅具有超越普通语言的形式化运演性质，而且具有超越普通语言和现实实践关联的性质，从而在更高层次达到认识和实践一体化的原因所在。越是在哲学和科学一体化深处，这一点越是明显。在希尔关于算法概念的科学和哲学一体化理解中，认识和实践的一体化趋势就有深刻体现。

希尔关于算法概念的理解，不仅处于科学和哲学一体化的层次，而且由此体现了算法理解的认识和实践一体化。在科学和哲学一体化层次，希尔给出了算法的深刻定义：“算法是一个有限、抽象、有效、复合的控制结构，命令式(指令性)给出，在给定规定(provisions)下达到给定目的。”对于自己关于算法的这一定义，希尔作了进一步解释：“与经典定义不同，我们的定义将命令式特征视为算法的基本特性——不是作为算法书面表达产物的祈使语态或祈使语气，而是核心属性意义上的命令。为了通过一种自然语言来解释一个算法，我们最终把它的程式特质转化为祈使语句。”希尔由此认为，“在发出命令或命令操作之前，我们尚未呈示算法。虽然语言表达不是算法本身，但算法本身就是程式，我们可以用于表述这些程式的只是祈使动词”(6)Robin K.Hill，“What an Algorithm Is”.。在算法的非形式定义中，算法本身意味着“做”，这是“言语即行为”在数字意义上的真正具体化。

希尔的算法定义，充分体现了这样一种理念：“算法都是关于语义的，对我们来说，‘它所意味的’被理解为‘它所做的’。”(7)Robin K.Hill，“What an Algorithm Is”.正是由此，可以看到发展到具有自主性的算法的另一突出性质：人类原有认识和实践一体化的人工智能发展回归。算法越智能化，就越是实践程式，作为实践程式，算法就直接意味着实践。离开实践，算法没有任何意义，这一点，甚至比命令就意味着执行更为直接和根本。由于算法的智能化意味着与信息物能编码越来越直接的关联，这就进一步意味着信息的观念编码和物能编码，也就是“是”和“做”的一体化。人工智能算法的认识和实践一体化意蕴，在算法决策中体现得最为典型。

在智能算法的发展过程中，决策算法介于非自主和自主智能算法之间，是一种从辅助人类决策到在越来越大程度上决定决策的发展中算法。“决策算法的应用范围很广，从简单的决策模型到复杂的分析算法。值得注意的当代例子包括：在线服务提供商代表用户执行操作的在线软件代理；
在线争议解决算法在争议调解中取代人类决策者；
对用户进行比较和分组，以提供个性化内容的推荐和过滤系统；
向医生推荐诊断和治疗的临床决策支持系统；
预测犯罪活动热点的预测治安系统”(8)Brent Daniel Mittelstadt，Patrick Allo，et al.，“The Ethics of Algorithms：Mapping the Debate”，Big Data & Society，Vol.3，No.2，2016.。从这些决策算法，可以典型地看到关于算法代替人类决策必要性的说明。虽然决策可以最终仍然由人作出，但决策算法的设计和应用会在越来越大程度上影响甚至决定人的决策。

作为一个快速成长的概念，智能算法的实践关联是一个新的课题。算法的智能化发展，本身就是其实践性不断成长的过程。一般算法可以看作只是代码，但算法越是智能化就越不只是形式化的代码那么简单了。不深入到具体机制层面，就可能始终将智能算法看作只是静态的机器语言。卡罗尔·克莱兰(Carol E.Cleland)就曾提出这样的观点：“区分指令-表达和指令是很重要的。因为一个通常程式的识别取决于其组成指令的识别，而不是其表达的载体。”(9)Carol E.Cleland，“Recipes，Algorithms，and Programs”，Minds and Machines，Vol.11，No.2，2001.在普通算法意义上，算法与其执行可以区分得一清二楚，而在人工智能算法中，情况却完全不同。在关于算法是动态的还是静态的问题中，这一点表现得十分明显。

算法是动态的还是静态的？正是这一问题，更清楚地导向关于算法的更深层次认识：作为创构的基本机制，算法具有实践的本性。关于算法究竟是静态的还是动态的问题，希尔的回答是“静态的”。正是由此，可以看到希尔的明显局限。这与她没有在算法高度智能化甚至自主化的层次谈论问题有关，也有她没有自觉意识到更深层次的哲学和科学一体化的原因，而其中最根本的局限，则是没有深入到感性实践的层面思考问题——在当代发展背景下，就涉及信息的感受性关系理解。

在希尔看来，“人们可能会问，我们的‘算法’是静态的还是动态的，或者二者兼而有之。答案是：‘静态的’。我们所知道的是一套指令，而不是它们的执行。就存在论而言，这类似于一个程序和一个过程，或者一首歌曲及其表演，我们的重点是歌曲而不是表演。请注意，一个算法或它的执行可以出售和交易，静态版本作为代码，动态版本运行于一定硬件。但我们可以很好地区分二者。动态对象是算法的某种实现的应用程序或执行，它具有超出我们定义所给出的属性。例如，动态对象可能不是有限的，但在我们的算法中，为了完成任务，我们的一组指令必须有一个按照规定和目的标准应用于给定条件的结局。算法在执行过程中可能会失败，但这‘不是它们的错’。在无限运行或产生错误的结果中，会失败的是有缺陷的贯彻或应用”(10)Robin K.Hill，“What an Algorithm Is”.。这显然不是在智能算法的意义上给出的答案，在这里，“歌曲”(a song)事实上指的是曲谱，在没有记录歌曲的曲谱之前，歌曲即使没有演唱出来，也是以无声的歌曲而不是曲谱的方式存在于演唱者的脑子里。智能算法之所以越来越不像歌曲，正是因为算法智能化的结果就是歌曲本身，而不是还没有进入演唱的曲谱。只是在智能算法的发展中，顺序与音乐的发展相反。音乐的发展是先有歌曲再有曲谱，而智能算法的发展则是先有作为代码集合的算法，然后才有智能算法。二者的典型形态都是一样的：充分发展的智能算法正像原生态的歌曲。随着智能算法自主性的增强，静态的算法就逐渐向动态的算法过渡。就智能算法而言，静态和动态的区分显然已经不再能像在物能条件下那样清晰了。程序是信息编码系列，作为程序的灵魂，算法解决“做什么”和“怎么做”的问题，而智能算法则将形式语言和“做”整合在了一起。

作为信息编码系统，程序是一种感受性关系的凝固，就像DNA是这样的关系体，它们能将一定的输入转换为特定输出，而普通算法则是信息体这种数字行为的形式化(数学)原理(formalism)呈现，正像曲谱是歌曲的形式化记录。人工智能算法的实践本性，在根本上表明了认识和实践的一体化，这可以从歌曲创作者头脑中的原始旋律——甚至第一次唱出得到形象的想象。在信息的感受性关系理解中，旋律或歌曲和曲谱的关系就可以得到更到位的厘清。如果旋律或歌曲是作为信息的感受性关系，那么曲谱就是信息编码。这就与作为感受性关系的信息、与感性实践密切相关。不建立在信息的感受性关系理解之上，关于算法及其发展的哲学研究就没有进一步深入的基础。而从作为感受性关系的信息出发，就可以看到感性实践的深层基础，看到算法本身所具有的深刻实践意蕴。

作为对操作的描述，算法的智能化本身就具有实践意蕴。算法通过操作数据不仅得到预想结果，而且由于智能意味着对环境的作用，还可以直接表现为实践。在人工智能领域，智能算法的实践本性已经有目共睹，“我们看到的证据表明，任何程序或决策过程，无论定义如何模糊，都可以被称为媒体和公共话语中的算法。算法可能是对的，也可能是错的，我们在新闻中听说过为单身人士推荐潜在伴侣的算法，也听说过为商家发现财务收益趋势的算法。许多学术讨论也没有确定‘算法’的技术类别或正式定义。在这两种情况下，这个术语都不是用来指作为数学结构的算法，而是指一个或多个算法在特定程序、软件或信息系统中的实现和相互作用。任何算法伦理的尝试都必须解决算法的正式定义和流行用法之间的冲突”(11)Brent Daniel Mittelstadt，Patrick Allo，et al.，“The Ethics of Algorithms：Mapping the Debate”.。正是由此推论，科学理论中的自然法则是自然存在和发展的描述性规律，智能算法则是创生新的存在的创构性律则——规律和规则一体化的存在。

如果说自然法则是既存世界的规律，那么算法则是世界创构律则的构成。也正是在这个意义上，相对于智能算法，普通算法是压缩保存的实践，确切地说是以程式(理论)方式表达的实践，或者实践的程式(理论)表达。因此关于算法是静态的还是动态的，不同的回答实质上意味着对认识和实践关系的不同理解。随着算法的智能化发展，智能算法具有越来越内在的实践关联，以致在自主进化的智能算法中，代码已经和执行长合在一起。智能算法发展中代码和执行的长合，建立在逻辑语言和物理语言直接关联的基础之上。

智能算法意味着逻辑语言和物理语言的直接对接，意味着代码始终处于相应物理语言的表达中，正像生物活体中的DNA，绝不可以看作只是书写在电脑屏幕上的代码，只要在适宜的条件下，它们就始终是处于性状表达过程中的信息编码。在信息的数字编码与信息的物能编码之间，具有信息和物能直接关联的内在机制。“数字技术把数学和物理有机结合起来”(12)李冰：《数字技术与科技进步》，《数学的实践与认识》2002年第3期。。在这个意义上，智能算法意味着认识和实践的一体化。而认识和实践的一体化又有更深刻的哲学意蕴，它不仅进一步意味着规则和规律一体化，而且意味着逻辑和经验在更深层次融合的全新认识论基础。正是逻辑和经验的深度融合，表明智能算法具有深层认识论意蕴。

随着算法的智能化，不仅关于人工智能算法的哲学思考具有越来越重要的意义，而且对其研究的深化也显得越来越迫切。关于人工智能算法的研究急需从关键环节切入，在更深层次面对其所引发的理论和实践问题，使人们认识到，当面临诸如新冠疫情这样的全球灾难时，不仅必须更快推进人工智能的发展，而且应当在人工智能和人类智能关系深入探索的基础上，揭示其更深层次的认识论意蕴。

同样作为智能算法，由于人工智能与人类智能的信息和物能联系机制的差异，人工智能算法相应具有与人类智能算法不同的特点。正是信息和物能联系机制的不同，意味着人工智能算法的研究可以深化理解基于人类智能算法形成的一些重要观念。在作为硅基智能的人工智能中，信息的数字编码本身意味着信息的两种编码的直接关联：作为数字编码的比特——“0”和“1”本身既是信息的符号编码，同时又可以是电流的“断”和“开”，信息的符号编码和信息的物能编码在比特中直接关联在一起。而在作为碳基智能的人类智能中，信息的生物编码和信息的观念编码之间的关联则相对间接，不像硅基智能具有信息数字编码体系那样的直接关联。由此可见，仅仅从人工智能和人类智能不同的信息和物能关联机制，就几乎可以自然而然地意识到，在认识和实践一体化的同时，人工智能算法意味着逻辑和经验的深度融合。

在智能算法中，之所以“是”和“做”是一体化的，一个重要表现就是算法中经验和逻辑更紧密的内在关联，这种关系凝结成了算法和数据结构的关系。希尔曾提醒人们注意，“数据结构是非程式组件，但仍然起着至关重要的作用”(13)Robin K.Hill，“What an Algorithm Is”.。智能算法中经验和逻辑的融合，可以在信息层面得到深刻说明，它根源于信息的物能编码和观念编码之间的内在关联。

由于信息的观念编码既有符号编码又有概念编码，基于大数据的智能算法既具有数学的形式化性质，又具有经验性的语用性质，因此将形式化运演与实践操作密切联系在一起，使信息逻辑性的符号编码与经验性的物能编码关联在一起。在算法中，数学本来就是最基本的，具有基础地位，而且由于智能算法的发展，数学在算法中的显示度空前提高。正是对算法中数学地位的强调，算法被认为是“解决一给定类型的数学问题的程式”(14)David Bender，Anthony R.Barkume，“Patents for Software-Related Inventions”，Software Law Journal，Vol.4，No.2，1992.。由此我们似乎可以更深入地理解这一点的意义所在：提醒重新思考数学在智能时代的地位。MIT媒体实验室的凯文·斯拉文(Kevin Slavin)建议：“重新思考当代数学的作用——不仅仅是金融数学，还有普通数学。它将我们从世界中提取和推导出来的东西转变为实际上开始塑造我们周围世界和我们内心世界的东西。这是专门的算法，基本上是计算机用来决定事情的数学。它们获得了真理的敏感性，因为它们一次又一次地重复，它们僵化和钙化，它们成为现实。”(15)Kevin Slavin，“How Algorithms Shape Our World”，2014-03-14，http：//www.ted.com/talks/kevin_slavin_how_algorithms_shape_our_world.html，2022-08-05.无论数学与“真理”还是与“现实”的进一步关联，都不能不促使我们关注以数学为代表的形式化的逻辑和具体经验之间关系的深刻变化，思考智能算法中数学的经验意蕴。其中的一个重要方面，似乎与经验维度重要性的相对降低形成强烈反差。

关于智能算法的哲学研究将会越来越清晰地揭示，随着信息文明的发展，经验维度的重要性显示度可能会降低；
相应地，数学及至整个形式化的逻辑维度的重要性显示度则会提高。这与人类活动越来越从物能世界的解释和改变向信息世界的创构扩展密切相关。因此，智能算法中经验和逻辑关系的这种变化，所表明的当然不是经验重要性的降低，而恰恰是逻辑和经验深度融合将把经验提升到更高层次。在智能算法中，数学及至整个形式化的逻辑维度作用的凸显，当然也不会改变代码落实到现实实践的重要性，其得以凸显的一个根本原因，就是创构活动理想性的张扬以及创构认识论(16)详见王天恩：《大数据和创构认识论》，《上海大学学报》(哲学社会科学版)2021年第1期。中逻辑性的凸显。这是算法语言的语形方面。算法语言的另一方面则是其语义和语用性质。这也是算法理论内蕴特别丰富、研究不易的重要原因，涉及算法极为丰富的认识论内涵。乌斯彭斯基(V.A.Uspensky)和谢苗诺夫(A.L.Semenov)就发现，“算法理论的发展遇到了下述事实引起的困难：算法本身是一类非常特殊的对象，具有非数学对象的非典型性质——语义属性‘具有意义’。在这方面，算法理论类似于符号逻辑，其术语和公式也具有意义。术语或公式的含义是指示性的，术语表示事物、公式-事实。算法的含义是命令式的：一个算法将被执行”(17)V.A.Uspensky，A.L.Semenov，“What Are the Gains of the Theory of Algorithms：Basic Developments Connected with the Concept of Algorithm and with Its Application in Mathematics”，G.Goos，J.Hartmanis，eds.，Algorithms in Modern Mathematics and Computer Science，NewYork：Springer-Verlag Berlin Heidelberg，1981，pp.100-101.。“将被执行”是一般算法的特性，而算法的智能化和智能算法的发展，则意味着算法将从被执行的命令性存在，发展为能动的智能存在，即信息体(agent)从一个简单的程序不断升级为通用智能体。这又与信息的数字编码，从而与信息的观念编码和物理编码以数字方式直接相互转化密切相关。

正是信息的数字编码，使信息的观念编码和物理编码直接相互转化，从而使逻辑得以在智能算法中和经验直接衔接在一起，既通过信息的数字编码将信息的物理编码转换为信息的观念编码，也可以将信息的观念编码直接转化为信息的物理编码，并构成物信息化和信息物化的双向循环。这种物信息化和信息物化的双向循环，归根到底又建立在作为感受性关系的信息本性基础之上。正是在这个意义上，智能算法意味着逻辑和经验的深度融合。

关于智能算法中逻辑和经验深度融合的理论研究，在美国卡内基·梅隆大学教授维尔弗里德·西格(Wilfried Sieg)那里有明显涉及。通过提供有界性和局域性公理，西格将形式概念引入现实世界，而现实世界所表明的则是物理系统属性。在他看来，这些公理理所当然是形式定义的一部分(18)Wilfried Sieg，“Church without Dogma：Axioms for Computability”，S.Barry Cooper，Benedikt Löwe，et al.，eds.，New Computational Paradigms：Changing Conceptions of What is Computable，New York：Springer Science+Business Media，LLC，2008，p.139.。西格的这一理解，明显具有经验和逻辑融合的性质。而在实践领域，人工智能算法中逻辑和经验的融合则集中表现在发展过程中算法性质的根本变化——从一般算法的数学性质到智能算法的造世性质(19)王天恩：《大数据、人工智能和造世伦理》，《哲学分析》2019年第5期。，而其根源就在于信息的感受性关系性质。

作为感受性关系，信息随着信宿的发展涉及感受性关系的层次和信宿观念层次的重要关联。在实践和认识发展之初，人类主要以外部世界的经验事物为信源，信宿建立起感受性关系也就是建立起经验性信息。这种作为感受性关系的信息，最初是纯粹感性性质的。随着人类实践的发展，所建立的感受性关系要越来越深化，就必须对对象进行观念重建，在信息层次而言，也就是借助信息的观念编码，典型的是信息的概念编码。有了信息的概念编码，就可以在此基础上推导出越来越复杂的概念，从而建立起观念体系，并用以深化对信源的感受，与同一信源建立起更深层次的感受性关系；
而更深层次的感受性关系，反过来又为观念体系的发展提供更深层次的经验基础，由此又构成作为感受性关系的信息和观念体系之间的双向循环。这正是信息研究中发现的重要机制，以前人们往往把这一双向循环过程的一个方面称之为信息赋义过程。

实际上，信息赋义所反映的正是感受性关系的层次深化，其机制即对信源投以基于信息观念编码的观念体系“光照”——通过建立在信息观念编码基础上的观念体系，构成由其赋予意义的感受性关系。只有基于信息的观念编码建立起一定的观念体系，才可能建立起更深层次的感受性关系，从而深化对信源的理解。一般而言，信宿的观念体系越发达，与信源建立的感受性关系层次越深，对信源的理解就越深入，当然也可能由于错误观念体系的建立而导致对信源的曲解。信宿观念体系的建立，事实上就是基于信息观念编码的信息加工产物。而作为基于信息观念编码的观念体系，必须建立在逻辑的基础之上。由此构成两个重要而基本的方面：一方面，信息的观念编码及其基础上建立起来的观念体系使信宿可以建立起更深层次的感受性关系；
另一方面，在这一过程中，随着感受性关系的发展，基于信息观念编码的观念体系可以不断合理化。由此构成了双向循环，同时也就在这种双向循环机制基础上构成了逻辑和经验的融合。智能算法的逻辑和经验融合，正是源自信息的物能编码和观念编码之间的内在关联。因此，作为感受性关系，信息本身就意味着逻辑和经验的融合，只是在智能算法中，这种融合才得以在更高层次展开，从而得以空前凸显。

正是逻辑和经验在智能算法层次融合的凸显，表明智能算法层面认识论甚至存在论的全新关系，进一步深入体现了哲学和科学的一体化。而在算法认识论层次，这一发展趋势则表现为认识论的存在论化。

智能算法层面认识和实践的一体化以及逻辑和经验的融合进程，日益凸显出人工智能算法极为丰富的哲学意蕴，隐含着人工智能算法科学和哲学一体化研究的更深层次课题。由于都涉及根本，这些课题最后都指向最为基本的存在论乃至本体论理解的深化——认识论和存在论的一体化。

从希尔关于智能算法的科学和哲学一体化探索，可以看到很多深刻的内容，它们不仅涉及认识论和存在论，而且是以一种完全不同的整体方式涉及。希尔关于智能算法的存在论研究，建立在算法认识论研究的基础之上，为智能算法的系统研究提供了重要思想资源。通过关于智能算法的哲学思考，希尔不仅深化了对智能算法本身的理解，而且在这方面拓展了哲学研究的领域，甚至提升了哲学研究的层次。首先，她不仅将算法作为哲学研究的对象，而且将其明确为“一个可识别和描述的对象”，并“通过对命名、讨论和教学中广泛实践的认可为此提供支持”。其次，她对算法和图灵机作了必要的区分，并“由有意的、命令式的特性和概念标识提供支持，它们阻止了算法和图灵机器之间的简单映射”。最后，她确认“算法是一个值得哲学研究的对象”，并“由一个尚未解决的问题提供支持：关于计算的形式和非形式领域之间的关系以及算法在公共和专业话语中的出场(the sheer presence)”(20)Robin K.Hill，“What an Algorithm Is”.。这是一种典型的科学和哲学一体化研究，而她所提出的这一尚未解决的开放问题，正是科学和哲学一体化研究涉及的典型问题。从科学领域的形式化研究到哲学领域的非形式化研究，从科学领域的专业话语到哲学领域的更大范围的公共话语，晓示了在更高层次对人工智能算法进行更深入研究的进路。

由于信息的创生性，信息生产意味着创构，而在创构过程中，“本体”甚至不是在先存在的预设，而是设计的产物，这就是说，在信息创构过程中，“设计本体论”(designing ontology)(21)Eric G.Little，Galina L.Rogova，“Designing Ontologies for Higher Level Fusion”，Information Fusion，Vol.10，No.1，2009.以及“创建一种本体论”(creating an ontology)甚至“本体论工程”(ontological engineering)等概念(22)Brian Cantwell Smith，The Promise of Artificial Intelligence：Reckoning and Judgment，Cambridge：The MIT Press，2019，p.58.，意味着最基本的思维规定。规定是在客观条件基础上根据主观需要所作出的设定，包括行为规定和思维规定两种基本类型。由于越是高层次的行为规定越是基于思维规定，规定的根本方式是思维规定。最简单的思维规定可以是像“米原器”那样的设定；
最典型的思维规定深及人类思维最基础层次，是在特定具体条件下为思维发展递进所作出的经验和逻辑预设(23)详见王天恩：《创构时代的思维规定》，《南国学术》2019年第3期；
王天恩：《规定论导论》，北京：人民出版社，2022年。。因此思维规定成了基于某种认识的预设性存在，这无疑具有重要哲学后果。由于在信息世界(其最具代表性的现实反映无疑是当下正火热的元宇宙)的创构中，预设性存在是认识——更确切地说是设置的结果，人的认识或设置决定了有什么样的信息存在。这就意味着，在信息层次，认识可能决定信息性存在，而且不是在物质世界改变而是在信息世界创生的意义上。这显然是意识反作用于存在的一种新形式，反映了意识反作用于存在这一重要机制在信息领域的新展开。它一方面意味着信息创构过程使思维规定得以开显，另一方面凸显了信息世界存在的思维规定性质，使信息创构过程中出现认识论和存在论的一体化。这种认识论和存在论的一体化，既意味着存在论的认识论化，也意味着本体论(在这里，“本体”的含义比“存在”更为具体，可以用来指一个具体信息系统的本身基础)的认识论或知识论化。

信息创构过程中存在论研究的认识论化，集中体现在智能算法的本体设计即基本规定的设置中，体现为本体论研究和认识论研究在智能算法规定中的一体化。作为感受性关系，信息是创生的，不像物能守恒，信息创构是无中生有的过程。在无中生有的信息创构过程中，所谓“算法认识论”事实上已经不是传统意义上基于本体论的研究，而是包括本体设计在内的知识论领域。

创造是关于从未存在的对象的，而发现是面对既存对象的，由此可见，在无中生有信息创生的意义上，创构活动中认识论和存在论新的关系。创造和发现的一体化，不仅典型地表现在智能算法的设计中，而且由于其创构性，智能算法还表现出创造和发现之间新的联系性质。希尔在研究中就遇到这一问题。“算法以某种方式存在于详细说明对其调用之前。这构成冲突吗？如果是这样的话，解决之道也许只是一个详细说明可能需要一个算法；
或者也许这一解决之道是在创造和发现之间的一些更复杂和有趣的交互”(24)Robin K.Hill，“What an Algorithm Is”.。由此也可以看到创造和发现的一体化在智能算法中的体现。在创造活动中，创造和发现的一体化应当是不言而喻的，创造往往意味着新的发现，但并不是所有的发现都同时意味着创造，除非发现不是经验性而是逻辑性的。在这方面，典型的类比是一些具体的数学的美(数学的美不仅有抽象的，也有具体的，比如数字对称的美等)，它们既是创造又是发现。而逻辑(包括数学)的美本身又是规则和规律一体化的体现。在创构过程中，正如逻辑性的发现，所有的发现都意味着同时是创造，智能算法就正是最为典型的表现，“算法认识论”的提出就是一个具有标志性的进程。

从电子计算机到智能算法的哲学研究中，新的认识论旨趣相继出现，不仅在计算机哲学研究中有“程式认识论”，而且在智能算法的哲学研究中提出了“算法认识论”(epistemology of the algorithm)。正是在上述算法定义的基础上，希尔进一步明确提出了“算法认识论”概念：“哲学的考虑促使我们提出算法认识论，特别是在不同于其他学科算法的学习中，也许可以运用实验哲学来确定计算机科学界内外人们对算法的看法。”(25)Robin K.Hill，“What an Algorithm Is”.智能算法的发展既是创造和发现一体化，也是认识论研究和存在论研究一体化进程。由于本体的设计本身意味着创构性认识，涉及创构认识论，“设计本体论”典型地体现了认识论的存在论化；
由于算法本身就是创构的产物，其创构过程涉及创构认识论，“算法存在论”正是认识论和存在论一体化的典型标志。由于在创构过程中，算法更加接近描述过程中的形式化内容，因此更类似康德先天形式基础上的规律或原理性层次。

康德的“人为自然立法”主要还是在对世界的描述意义上说的，而算法则把康德的这一命题进一步落实到创构世界的层次，这意味着人通过在自己所设置的前提性规定基础上，自定法则创构世界新的层次，而且是最贴近人类的层次。正因如此，自然而然却又十分耐人寻味的是，希尔的探索关联到了剑桥大学数学家约翰·康威(John Conway)的“生命游戏”。

康威发明的“生命游戏”(the game of life)是一种自动元胞机，通过简单的规定和相应的规则，可以演化出无穷无尽的“生命”形式(26)Martin Gardner，“MATHEMATICAL GAMES：The Fantastic Combinations of John Conway’s New Solitaire Game ‘Life’”，Scientific American，Vol.223，1970.。康威的“生命游戏”是创构的典型案例，它以基本的规定为前提，按照特定规则演化出具有自身规律的各种“生命”类型，只是不像通常的游戏那样设定了特定形式的结局。所有的游戏都是在基本规定的基础上，由玩家按照特定规则演化出各种不同方式的结果。“在‘生命游戏’中，没有设置任何结局。当然，算法可以在‘生命游戏’中产生特定的元胞模式；
这些指令子集符合我们的定义，因为它们终止于一个预先设定的目标，而生命游戏过程可能还在继续”(27)Robin K.Hill，“What an Algorithm Is”.。算法的哲学研究与康威的“生命游戏”相联系绝非偶然，在这一关联中，不仅具有很大的创构认识论思考空间，而且具有十分深刻的认识论的存在论化意蕴。在描述认识论研究中，毫无疑问也有知识体系的前提性预设，但这是认识论或知识论意义上的；
而在创构认识论研究中，却是存在论意义上的前提性规定预设，从而在更深层次呈现出创构认识论与存在论一体化的趋向。

算法认识论和描述认识论的根本区别，就在于描述认识论的前提性规定是对既定的、在先存在的反映，而算法认识论的前提性规定则是人类设置的。在传统认识论中，面对外部世界，对象是在先的既存事实，因而存在论甚至本体论就成了最基础的研究；
而我们预想中的信息对象的创构则本身就包含作为前提性规定的预设。这一根本不同集中表现在智能算法中。智能算法的发展，不仅使规则和规律一体化，而且空前凸显了人类的规定及其重要性，这使伦理学首先成了反映更高层次整体性的研究领域。“道德被认为不是由发现道德事实的特殊能力所发现的事实的集合，就像从柏拉图到我们这个时代许多哲学家所相信的那样；
道德毋宁说是一种被规定的因此不能是发现的东西。它是发明而不是发现的，是创制的而不是找到的。就这方面而言，它变得类似于艺术创作”(28)Isaiah Berlin，Freedom and Its Betrayal：Six Enemies of Human，Princeton：Princeton University Press，2014，p.64.。道德是被规定的观点应当不成问题，但智能算法通过基于客观根据和人类需要的设计，则凸显了规定性质的更广泛理解。不光是道德原则，事实上包括认识论和存在论的理解，都具有以创生为根本特性的创构性质，而这在创构的前提性规定中，正蕴含着认识论的存在论化。认识论和存在论研究的一体化，也正反映了信息意义上的造世哲学的性质。

在信息意义上的造世过程中，算法是创构的基本方式。作为创构的基本方式，算法必定涉及前提性预设或规定。在各种不同的算法定义中，可以看到“规定”的三种不同用法——“stipulate”、“provision”和“prescribe”，英文中具有“规定”含义的主要几个语词几乎都用到了。关于“指令-表达式按顺序排列它们指定的动作类型的表达”，希尔使用表达式“规定”(prescribe)将一种特殊所指关系和其他所指关系区分开来。这种特殊所指关系，即指令-表达式和动作-类型之间的所指关系，指令-表达式按字面顺序执行它们指定的动作-类型(29)Robin K.Hill，“What an Algorithm Is”.。而“被不予争论地规定”的表述则最为典型，它完全不同于描述认识论给人的印象：规定性是对既存对象的反映。在智能算法的在先预设中，规定则是创构者认识的产物甚至需要的反映。

在描述和创构活动中，相对于对自然的描述，信息创构的前提性预设显然具有完全不同的性质和认识价值。“信息的内在价值只能在它将要作出的决策中得到充分表达。这就是为什么信息是一个不易掌握的多变概念”(30)Béranger，Jérme，The Algorithmic Code of Ethics，Ethics at the Bedside of the Digital Revolution，London：ISTE Ltd and John Wiley & Sons，Inc.，2018，p.69.。这意味着，智能算法的实践本性归根到底源自信息的实践特质——作为感受性关系，信息意味着信宿的感性活动。正如智能算法的逻辑和经验融合源自感受性关系——更确切地说作为感受性关系的信息和基于信息编码的观念体系之间的内在关联，智能算法的实践本性根源于信息的感性活动性质，这与感性实践密切相关，而基于智能算法的认识论存在论化，则源自作为“设计本体论”的创构思维规定——在信息层面，表现为基于信息编码的观念体系所设定的思维基础。根据人类认识活动的性质，思维规定还可以区分为描述的思维规定和创构的思维规定。前者是描述既存对象的前提性基础，后者是创构尚未存在对象的前提性基础。在描述的思维规定中，对象在先存在，思维规定只是给在先存在命名，关于这种在先存在的研究构成存在论，其与认识论的区别不言而喻。而在创构的思维规定中，对象尚未存在，思维规定是设定这种存在，由于设定存在本身就是创构认识论活动，因此设计本体就意味着创构认识论的存在论化。信息的这种实践特质，正是在智能算法中得以充分展开，使智能算法获得其实践本性；
而作为“设计本体论”的思维规定，则正是在智能算法中得以凸显。

在描述过程中，前提性预设的合理化被理解为接近对象真相的过程，在人们心目中，人类认识的发展正是这样一个自然过程；
而在创构过程中，前提性预设的合理化可以意味着推倒重来。由于创构活动越是在信息意义上的造世层次，这种完全推倒重来越不可能，有些文化甚至整个物种因此而被淘汰。所谓“化石文化”是被淘汰文化的标本，而作为这种文化的主人无疑也在淘汰之列。如果将生物智能的软件作为广义文化，物进化史上很多物种被淘汰都与此密切相关。描述性的既存对象摹写在根本上是特定主体感受基础上的客观反映，创生性的信息创构在根本上是一定客观根据基础上的主观设置。二者最重要的区别之一在于：与描述不同，创构本身就是直接的实践过程，而这正是智能算法实践本性的凸显，同时也是信息实践特质在智能算法中的展开。正是由于充分展开了信息的本性，我们不仅可以看到智能算法中认识论的存在论意蕴，而且可以看到其信息根据。人工智能算法的这些深刻认识论意蕴，对于传统认识论而言都具有超越性，由此不仅可以看到认识论和知识论的联系和区别，而且可以感觉到在信息意义上的造世哲学与释世哲学镜像对称构成的哲学新图景。

由于基于信息，人工智能算法的发展不仅意味着一个新的认识论领域——算法认识论的拓展，而且具有认识论本身发展的深刻意蕴。算法认识论意味着，随着智能算法的发展，其实践本性越来越得以凸显，从而越来越明显地具有与传统认识论不同的发展层次。在传统认识论——更确切地说描述认识论中，由于主要基于物能范式，必须强调认识和实践的结合本身就意味着二者脱离的可能性；
在算法认识论——更确切地说创构认识论中，由于主要基于信息范式，智能算法实践本性的凸显则在更深层次表明认识和实践的一体化。在描述认识论中，经验和逻辑泾渭分明；
在创构认识论中，经验和逻辑却由于基于信息而日趋融合。作为感受性关系，信息在进化过程中表现出逻辑和经验日渐融合的趋势，而作为信息进化的重要展开，智能算法的发展意味着经验和逻辑的深度融合。在描述认识论中，本体在先存在，本体论在逻辑上是认识论的前提性基础；
在创构认识论中，智能算法中的“本体设置”同时成了认识论研究的内容，从而不仅既是经验和逻辑深度融合的根源及重要标志，而且意味着认识论的存在论化——认识论和存在论的一体化。由人工智能算法的这些重要的深层的认识论意蕴，可以看到认识论本身的更高层次内涵。关于人工智能算法深层的认识论意蕴的深入研究，不仅为认识论的更高层次发展，而且为存在论研究的进一步深化提供了新的时代条件，无论对于哲学还是人工智能的发展都具有特殊意义。

猜你喜欢智能算法性关系存在论人工智能的存在论意蕴社会科学战线(2022年5期)2022-07-23神经网络智能算法在发电机主绝缘状态评估领域的应用大电机技术(2022年1期)2022-03-16任意熵纠缠平方的单配性关系量子电子学报(2021年3期)2021-06-13论马克思的存在论马克思主义哲学研究(2020年2期)2020-07-21信用证下汇票存在论中国外汇(2019年7期)2019-07-13英国：性和性关系教育成必修课程中国德育(2018年11期)2018-11-19从鸡群算法看群体智能算法的发展趋势数码世界(2017年5期)2017-12-29改进的多目标快速群搜索算法的应用价值工程(2016年32期)2016-12-20如何安置现代性——马克思的政治存在论与海皑格尔的艺术存在论批判天府新论(2016年6期)2016-11-23捡尸体东西南北(2016年20期)2016-11-10

推荐访问:认识论 意蕴 人工智能