王知飛 馬迎輝

(1.浙江大學 哲學學院， 杭州 310058；2.浙江大學 現(xiàn)象學與心性思想研究中心， 杭州 310058)

自1956年達特茅斯會議以來，“人工智能”(AI)已經(jīng)深刻地影響了現(xiàn)代社會，并隨著近年來在數(shù)據(jù)和算力上的疾速發(fā)展全面滲透到當下的生活世界中。19世紀60年代起，許多現(xiàn)象學家從各自的角度對人工智能進行了現(xiàn)象學—哲學的反思，例如德雷福斯基于海德格爾與梅洛-龐蒂哲學對當時的符號主義進行了深入批判，將胡塞爾現(xiàn)象學視為這種人工智能范式的先驅(qū)?；魝愃固垢敢獬姓J計算機的形式語言隱含了一種現(xiàn)象學態(tài)度，因而能夠得到一種現(xiàn)象學上的解釋，而基于其現(xiàn)象學與結構主義結合的語言學研究，他又提出自然語言的功能模式可以為人工智能提供新的啟迪。(1)Hubert Dreyfus,What Computers Can’t Do: The Limits of Artificial Intelligence,NY: MIT Press, 1972; Hubert Dreyfus,Husserl, Intentionality and Cognitive Science,NY: MIT Press, 1984, p.2; Elmar Holenstein, “Natural and Artificial Intelligence—Computer Science and Phenomenology,”Philosophy of Science,16, 1983, pp.63-84.針對塞爾由中文屋實驗得出的人工智能不具有思維的著名結論，門施借助胡塞爾的被動綜合分析指出，意向性并不是不可以進一步描述的黑箱概念，被塞爾視為人類心靈獨有的意向的語義學維度仍然可以被形式化，使機器成為意向的是使其成為真正智能的前置條件。最近，倪梁康先生基于對純粹意識的本質(zhì)研究區(qū)分了現(xiàn)有的人工智能和未來可能的人工意識或人工心靈，認為在后者的設計中至少應該包含在意識現(xiàn)象學中已得到澄清的“結構奠基”“發(fā)生奠基”和“動態(tài)奠基”三種秩序模式。(2)參見John R. Searle, “Is the Brain’s Mind a Computer Program？”Scientific American,262(1), 1990, pp.27-31.James Mensch, “Phenomenology and Artificial Intelligence: Husserl Learns Chinese,”Husserl Studies,8, 1991, pp.107-127.倪梁康：《人工心靈的基本問題與意識現(xiàn)象學的思考路徑——人工意識論稿之二》，《哲學分析》2019年第6期。隨著人工智能的學科范式從符號主義演進到聯(lián)結主義，同時也隨著學界對胡塞爾現(xiàn)象學研究的越發(fā)深入，胡塞爾現(xiàn)象學與人工智能的關系問題已逐漸成為學界研究的新焦點。

事實上，二者的關聯(lián)有著更深刻的“同源”基礎，它們共同受益于萊布尼茲建立“普遍數(shù)學”來進行邏輯演算的構想。更具體地說，胡塞爾在早期的數(shù)學哲學—純粹邏輯學研究中已經(jīng)將形式算法從基數(shù)算術學中獨立出來，通過將計算概念形式化和演繹化構想了一般算術學的算法理論，其關于形式演繹系統(tǒng)的思考在《邏輯研究》中被總結為一門獨特的流形論。值得注意的是，在《算術哲學》及其相關文稿中胡塞爾甚至給出了部分遞歸函數(shù)集的一種等價表達，后者正是可計算性理論的核心概念之一。對這種同源性的勾勒將構成本文第一部分的主要內(nèi)容。 本文的第二部分將在此同源性的基礎上，進一步探討胡塞爾的思想發(fā)展與人工智能學科范式的歷史演進中的平行關系，前者展現(xiàn)為從對象化的邏輯構成到非對象化的意識關聯(lián)的移步換景，而后者則呈現(xiàn)為從符號主義的經(jīng)典算法到聯(lián)結主義的深度學習的逐級推進。必須指出，盡管可以技術性地通過多層次設計解決單層人工神經(jīng)網(wǎng)絡的“異或”(XOR)函數(shù)難題，但相較于意識關聯(lián)的“深度”與“多維”而言，聯(lián)結主義仍然是“平面的”和“單維的”。本文的第三部分將關注21世紀以來人工智能領域關于“感知的流形方式”的研究，這一發(fā)現(xiàn)與胡塞爾現(xiàn)象學有一定的親緣性：二者同樣基于黎曼的“流形”(Mannigfaltigkeit)概念描述了空間感知的構造過程，表明存在著一種嵌套在高維空間(感覺材料在其中側顯性展現(xiàn))中的低維流形(為前者奠基的動覺流形)。在此認識論模型的基礎上，流形學習嘗試將包含噪點的數(shù)據(jù)還原到低維流形結構之上，從而實現(xiàn)對感知過程的模擬。但需要指出，在系統(tǒng)建構的核心法則上現(xiàn)象學與流形學習仍然是不同的，二者分別遵循動機引發(fā)的法則和因果性法則，基于因果性的單向度關聯(lián)最終難以模擬意識的深度。最后，本文將從胡塞爾現(xiàn)象學的視角出發(fā)，說明人工智能的不同范式或綱領之間并非一種非此即彼的對立關系，而是可以兼容在現(xiàn)象學的奠基關系中。

一、一般算術學與流形論：計算概念的深化

數(shù)學在19世紀取得了重要的突破。無論是非歐幾何以及黎曼流形論、克萊因埃爾朗根綱領的出現(xiàn)，還是嚴格化運動和公理化運動的興起，抑或是抽象代數(shù)、邏輯代數(shù)和數(shù)理邏輯的發(fā)展，都標志著當時正在發(fā)生一場“數(shù)學革命”，而胡塞爾正是這一革命的親歷者和見證者。(3)關于數(shù)學在19世紀的發(fā)展可以參見Dieter Lohmar,Ph?nomenologie der Mathematik,Dordrecht: Kluwer Academic Publishers, 1989, SS.11-24. 關于胡塞爾的數(shù)學背景可以參見Mirja Hartimo, “The Development of Mathematics and the Birth of Phenomenology,” M. Hartimo,Phenomenology and Mathematics,Dordrecht: Springer, 2010, pp.108-122.

大致說來，胡塞爾在1890年之前的數(shù)學哲學研究更多地帶有他的老師魏爾斯特拉斯的思想印記，他接受了后者的分析學進路，認為算術學必須奠基在“基數(shù)”(Anzahl)(4)胡塞爾的“基數(shù)”概念并非指通常意義上與序數(shù)相對的“基數(shù)”(Kardinalzahl)，而是首先指有本真直觀表象的數(shù)(2～12)，進而也可以指包括象征的數(shù)(0、1以及大于12的數(shù))在內(nèi)的自然數(shù)系。概念之上，并進一步分析本真的數(shù)概念的直觀起源和象征的數(shù)概念和數(shù)系統(tǒng)的雙重擴展。在1890年左右，即《算術哲學》(第一卷)正式出版前，胡塞爾就已經(jīng)意識到“在草擬我的任教資格論文時仍舊引導我的觀點，即基數(shù)概念構成一般算術學的基礎，很快被證明是錯誤的”，此時他開始逐漸認為是運算或算法構成一般算術學的核心，它的形式化特性導致了運算法則下新的對象域?qū)τ谠蓄I域的兼容，從而支撐了數(shù)系擴張的合法性。(5)Edmund Husserl,Studien zur Arithmetik und Geometrie. Texte aus dem Nachlass (1886-1901),Den Haag: Martinus Nijhoff, 1983, SS.245,56.胡塞爾這一思想轉(zhuǎn)變與當時數(shù)學界正在興起的公理化思潮相契合，他將技術性的計算提升到邏輯演算乃至演繹系統(tǒng)(流形論)的構想也得到了其同事希爾伯特的賞識，并在后者的力排眾議下成為教席教授。

盡管胡塞爾對算法的早期理解仍帶有一定的工藝論色彩，即認為算法是出于“思維經(jīng)濟原則”的實踐工具(6)胡塞爾：《邏輯研究(第一卷)》，北京：商務印書館，2015年，第53-56頁。，但他從《算術哲學》時期就開始了對計算概念的深入思考。在他看來，最寬泛的計算概念也可以適用于本真的數(shù)概念，但更為嚴格的計算概念則指的是借助感性符號的、在規(guī)定的運算下從數(shù)到數(shù)的象征性派生。鑒于其早期對于數(shù)的概念和數(shù)的符號的雙重系統(tǒng)的區(qū)分，胡塞爾認為上述兩個計算概念仍然著眼于數(shù)的(本真的與象征的)概念內(nèi)容，而第三個計算概念則立足于符號本身：“在任意一個算法符號系統(tǒng)內(nèi)，根據(jù)這一系統(tǒng)特有的結合、分離和置換的‘諸法則’——或更確切地說：諸約定——的每一種從符號到符號的合規(guī)則的推導?！?7)Edmund Husserl,Philosophie der Arithmetik. Mit erg?nzenden Texten (1890-1901),Den Haag: Martinus Nijhoff, SS.244,258.事實上，計算不應被限制在有具體質(zhì)料內(nèi)容的自然數(shù)領域中，而是可以根據(jù)形式法則的保真性擴張到“無內(nèi)容”的空形式領域，因此計算被演繹化了：“計算無非是在形式邏輯意義上形式正確的(合規(guī)則的)‘推理’?！?8)Edmund Husserl,Studien zur Arithmetik und Geometrie. Texte aus dem Nachlass (1886-1901),S.29.根據(jù)這個定義，計算所涉及的不只是直接的數(shù)與量，而可以是任何代數(shù)化的函數(shù)關系乃至邏輯命題，即數(shù)學的計算實際上是一種形式性的演算過程。憑借概念系統(tǒng)和符號系統(tǒng)的這一區(qū)分，計算初步從基數(shù)算術的質(zhì)料性的語義學層次中抽離出來，在形式性的句法學層次形成了自成一體的程式；而只有當計算結束時，所得的符號結果才會被賦予一個解釋，從而特殊化為一個含有質(zhì)料內(nèi)容的具體結論。憑借這種形式化了的計算概念，胡塞爾進一步將算術運算視為通過計算把數(shù)的非標準形式(例如7+5)還原到進位制系統(tǒng)中數(shù)的標準形式(例如12)的有窮操作過程(9)這一過程近似于今天的“項重寫理論”(term rewrite theory)，參見Mirja Hartimo, Mitsuhiro Okada, “Syntactic Reduction in Husserl’s Early Phenomenology of Arithmetic,”Synthese,193, 2016, pp. 937-969.，它構建了算術領域之整體(一般算術學)。

1891年以后，胡塞爾的關注點逐漸從算術學意義上的計算和運算(數(shù)學演算)轉(zhuǎn)移到了邏輯學意義上的演繹(邏輯演算)(10)正如《胡塞爾全集》第21卷的編者施托梅爾(Strohmeyer)所指出的，“胡塞爾在相應的早期手稿(1890-1895年左右)中發(fā)展出一種以演算概念為導向的理解”。Edmund Husserl,Studien zur Arithmetik und Geometrie. Texte aus dem Nachlass (1886-1901),S.Ⅹ.，從算術學轉(zhuǎn)移到了邏輯基礎與形式理論本身。正如他后來所說：“計算方法的最大成就在純粹邏輯領域上。通過這種方法，人們首先完全地注意到邏輯相對于認識質(zhì)料的角色，并且進一步導致了一門新的學科和方法論的形成，它超越一切特殊的計算學科，并且形成了一門新型的最普全的數(shù)學?！?11)埃德蒙德·胡塞爾：《邏輯學與認識論導論(1906-1907年講座)》，北京：商務印書館，2016年，第122頁。在他看來，在句法學層面的計算和演繹之所以區(qū)別于單純的符號工藝，在于其以可直觀的形式對象、即以流形(12)“流形的形式定義顯然是這樣一個定義，它從對象的‘特殊本性’中抽象出來，通過其關系形式定義了特定對象一般?！盓dmund Husserl,Philosophie der Arithmetik. Mit erg?nzenden Texten (1890-1901),S.493.作為自身特有的概念領域，形式化非但不是對象領域的縮減和抽象，反而使得本身隱而不顯的范疇關聯(lián)得以呈現(xiàn)。在《邏輯研究》第一卷中，胡塞爾指認純粹邏輯學需要從句法關系和對象結構(后來被命名為形式命題學和形式本體論)的雙重視角出發(fā)，構建范疇及其聯(lián)結的范疇論、邏輯演算的后承語義學以及作為理論間聯(lián)結和擴展的流形論的三維系統(tǒng)。(13)埃德蒙德·胡塞爾：《邏輯研究(第一卷)》，第241-251頁。如果說前兩個層次涉及的是基本范疇的確立和理論的公理化，第三個層次則考察的是諸流形(演繹系統(tǒng))之間的同態(tài)(等價)、從屬(特殊化)、擴展(一般化)等的可能關聯(lián)，從而構成“諸可能理論之理論”。

值得注意的是，胡塞爾早期的數(shù)學哲學研究不僅將算法從基數(shù)算術中抽象出來逐漸推進到形式化的高度，同時胡塞爾通過計算和運算而得出的“所有可設想的數(shù)的象征構成方式”也在外延上與“部分遞歸函數(shù)”(partial recursive functions)集(14)“全體部分遞歸函數(shù)的集合為最小的包含所有初始函數(shù)，并且對復合、原始遞歸和極小化封閉的函數(shù)集合。”郝兆寬等著：《數(shù)理邏輯：證明及其限度》，上海：復旦大學出版社，2014年，第130-131頁。相重合。岑托內(nèi)(Centrone)指出，部分遞歸函數(shù)中的原始函數(shù)、組合算子、原始遞歸算子和“正則極小算子”(μ-operator)都可以在胡塞爾的構想中找到對應(初始運算、原始遞歸、逆運算和運算結合)，從而在形式上證明了胡塞爾構想的所有算術函數(shù)的集合等價于可計算函數(shù)(部分遞歸函數(shù))集。換言之，胡塞爾已經(jīng)對后來精確刻畫可計算性的丘奇—圖靈模型有了一種“明確的直觀”(15)Stefania Centrone,Logic and Philosophy of Mathematics in the Early Husserl,Dordrecht: Springer, 2010, pp.55-60, 47.。

綜合以上分析，胡塞爾的早期工作與人工智能之間存在著往往被忽視的實質(zhì)關聯(lián)。首先，二者都起源于現(xiàn)代數(shù)學的革命性進展，都將傳統(tǒng)中技術性的計算概念深化為了一種形式化和演繹化的邏輯演算：胡塞爾早期的思想轉(zhuǎn)變在某種程度上是從魏爾斯特拉斯的分析學理路向希爾伯特的公理化思路的轉(zhuǎn)變，而作為人工智能先驅(qū)的圖靈在1936年的開山之作《論可計算的數(shù)及其在判定性問題上的應用》也是對希爾伯特的判定性問題的直接回答。其次，胡塞爾對數(shù)的概念與數(shù)的符號的雙重系統(tǒng)的區(qū)分逐步演化成其對質(zhì)料性的語義學層面和形式性的句法學層面的區(qū)分，一方面前者為后者奠基，另一方面后者在新的層面上自身建基，從句法學層面到語義學層面的多值對應則說明了形式在重新質(zhì)料化過程中的通用性。正如米希(Münch)所指出的，胡塞爾用計算(演算)系統(tǒng)來形式化思想和推理，再通過解釋將結果重新質(zhì)料化的思路，已經(jīng)與符號派人工智能研究者關于通用計算的最初設想具有同構性。(16)Dieter Münch, “The Early Work of Husserl and Artificial Intelligence,”Journal of the British Society for Phenomenology,21(02), 1990, pp.107-120.最后，如果著眼于計算的形式系統(tǒng)本身，胡塞爾則在19世紀末就已經(jīng)通過運算組合、遞歸和逆運算來構想算術運算的總體，這在某種程度上是對20世紀30年代丘奇與圖靈獨立發(fā)現(xiàn)的“可計算性”概念的預先直觀?！翱捎嬎阈浴被颉翱捎嬎愫瘮?shù)”劃定了計算的邊界，同時也構成了目前基于計算概念的人工智能在形式層面的理論極限。

如果說胡塞爾早期的研究與人工智能學科有著同源性，那么胡塞爾現(xiàn)象學的歷史發(fā)展與人工智能的現(xiàn)實演進則呈現(xiàn)出一種奇特的平行性：它們不約而同地從“自上而下”的邏輯構成開始，逐漸轉(zhuǎn)向了“自下而上”的關聯(lián)生成之路。

二、從邏輯構成到關聯(lián)生成

作為其早期問題意識的展開，胡塞爾在《邏輯研究》第二卷的六個研究中對意識進行了本質(zhì)性的考察，希望逐步澄清邏輯范疇的意向根源。在探討認識啟蒙之要素的“第六研究”中，胡塞爾指認普遍之物和范疇形式最終顯現(xiàn)于一種不同于感性直觀的范疇直觀(代現(xiàn))之中。(17)胡塞爾：《邏輯研究(第二卷第二部分)》，北京：商務印書館，2015年，第1009-1063頁。不同于從感性直觀出發(fā)的經(jīng)驗主義道路，胡塞爾認為范疇之物的獨立存在不可還原為對個體之物的抽象或集置。盡管對于普遍之物的直觀是由感性直觀所引起的，但這并不意味著前者是從后者中產(chǎn)生的(18)胡塞爾：《邏輯研究(第二卷第一部分)》，北京：商務印書館，2015年，第506頁。，范疇直觀并非感性直觀的外在添加或者簡單擴展，相反它是自然感知得以發(fā)生的前置條件。

為了說明這一點需要回到“第三研究”，胡塞爾在這里重新檢討了整體與部分的先天關聯(lián)，這是“充分理解以后各項研究的一個根本前提”(19)胡塞爾：《邏輯研究(第一卷)》，第12頁。。在他看來，我們之所以能夠區(qū)分出個別的顏色，必須基于有相應的體驗塊片從意識的融合領域中突出，即“只有當一個間斷性通過被覆蓋的因素創(chuàng)造出來，而且只有當那個與此變更的一個塊片相符的整體隨之而被劃分出來，這個變更的塊片才能自為地受到注意，并且首先在意識中得到突出”。換言之，任何突出的意識內(nèi)容必須處于一個它在其中得以現(xiàn)身的相對“整體”中，若非間斷性對連續(xù)融合領域的先行劃分，則突出和獨立都是不可想象的。事實上，這種間斷性植根于普遍的種屬觀念，“間斷性本身與在同一個僅高于它的屬(在亞里士多德意義上的)中的最低的種差有關”(20)胡塞爾：《邏輯研究(第二卷第一部分)》，第570、569頁。。因此，胡塞爾確認感覺內(nèi)容的突出必須基于屬種上的間斷性(最小種差)，從而不獨立的感覺內(nèi)容才能在一個先天種屬中呈現(xiàn)并確定客體化的立義方向，也正因此我們的目光才可以在感性直觀(紅色)和范疇直觀(紅色一般)之間自由切換。在這一意義上，范疇的存在反而成為感性感知的前提，范疇對象性則構成了認知自身的邏輯結構。

在1913年的《觀念I》中，胡塞爾將范疇對象性推進到了形式/區(qū)域本體論的層次。他區(qū)分了屬于特定區(qū)域的質(zhì)料本質(zhì)(例如紅色、圓形等)以及與區(qū)域特性無關的、貫穿所有區(qū)域的形式范疇(例如同一、差異、相似等)，它們有著不同的起源與構型。質(zhì)料本質(zhì)源于對個體的直接觀念化，因而受制于不同區(qū)域的原對象性，通過逐級的總體化展開為從個體本質(zhì)直到最高屬的種屬樹；而真正的形式范疇則完全脫離了對象性的束縛，它是“一切可能本質(zhì)的空形式”(21)Edmund Husserl,Ideen zu einer reinen Ph?nomenologie und Ph?nomenologischen Philosophie. Erstes Buch: Allgemeine Einführung in die Reine Ph?nomenologie,Den Haag: Martinus Nijhoff, 1976, S.26.。后者盡管同樣參與區(qū)域的構成，卻獨立于任何具體的種屬關聯(lián)。一方面我們可以從事態(tài)本身出發(fā)，通過形式化獲得這種形式范疇，另一方面形式范疇也可以通過事象化在質(zhì)料領域得到具體充實。雖然不同的區(qū)域之間存在著各異的種屬序列和構成法則(區(qū)域的綜合公理)，但是它們都被統(tǒng)攝于形式本體論下，后者包含了貫穿所有區(qū)域的分析真理。據(jù)此，認知的可能性和整體性就植根于形式本體論與區(qū)域本體論的逐階邏輯構成上，從而胡塞爾實際上先于卡爾納普提出了某種“世界的邏輯構成”或者說“認識的形式構架”的構想，而后者的邏輯理路正是人工智能的早期符號派的直接思想資源。(22)肖峰：《人工智能與認識論的哲學互釋：從認知分型到演進邏輯》，《中國社會科學》2020年第6期。

在人工智能發(fā)展初期，符號主義顯然占據(jù)著主導地位，曾參與達特茅斯會議的紐厄爾(A. Newell)和西蒙(H.A. Simon)是這一思路的早期推動者。其基本立場在于將智能視為特定演繹系統(tǒng)的符號推理/計算程序。這種特定性既可以基于形式本體論上的公理(定理證明)，也可以基于區(qū)域本體論上的知識(專家系統(tǒng))。相對于個體事態(tài)(數(shù)據(jù))而言，公理法則與知識規(guī)則總是先在的，推理/計算就是在先天法則下基于新輸入的知識生成。推理的結果本身也可以作為新的知識規(guī)則重新置入演繹系統(tǒng)，從而形成一個生成式的知識表征系統(tǒng)。可以說，知識和推理/計算的邏輯互證成為符號派人工智能的核心。在紐厄爾與西蒙看來，這種知識的生成過程恰恰是人類求解問題的一般手段，即運用長期記憶中的前置法則來處理和解決短期記憶中識別的問題情景。(23)A.Newell, H.A.Simon,Human Problem Solving,Englewood Cliffs: Prentice-Hall, 1972, pp.5-67.在這個意義上，德雷福斯認為胡塞爾知識現(xiàn)象學與符號派人工智能一致地通過形式規(guī)則和知識表征來構成世界。(24)Hubert Dreyfus,Husserl, Intentionality and Cognitive Science,p.21.但是，符號主義的思路在兩個維度上都有著難以解決的困難，首先是在常識中顯而易見但在規(guī)則系統(tǒng)中往往引起組合爆炸的框架問題，其根源在于存在大量無法被正則化的默會知識；其次，經(jīng)典邏輯總是單調(diào)的，即一旦證明則不會被證偽，就無法呈現(xiàn)出人類意識中的錯感知現(xiàn)象。實事上，無論是默會知識還是錯感知，它們都或多或少地反映了在符號主義中難以體現(xiàn)的人類意識中的關聯(lián)感，這并非意味著符號主義的徹底失敗，而是顯示出高階的知識系統(tǒng)需要更深層次的奠基。

與符號主義不同，人工智能中的聯(lián)結主義起源于對人類神經(jīng)網(wǎng)絡的模擬。早在1943年，麥卡洛克(W. McCulloch)和皮茨(W. Pitts)便聯(lián)合發(fā)表了《內(nèi)在于神經(jīng)活動中的觀念的邏輯演算》(25)Warren S. McCulloch, and Walter Pitts, “A Logical Calculus of the Ideas Immanent in Nervous Activity,”The Bulletin of Mathematical Biophysics,5(4), 1943, pp.115-133.一文，指出單個神經(jīng)細胞的微觀信息傳遞(開/關)過程可以用邏輯門(0/1)來模擬，而決定是否傳遞的活動閾值則可以通過權重向量來表示，仿照神經(jīng)元之間不同的激活模型可以形成不同的算法。基于這種神經(jīng)計算理論，大量的人工神經(jīng)單元可以組成復雜多層的算法網(wǎng)絡，對其的訓練構成了機器學習。在經(jīng)歷了“異或”問題(即單層或雙層的感知機無法處理線性不可分函數(shù))的困擾后，聯(lián)結主義人工智能從19世紀80年代起重新快速發(fā)展起來。如果說符號主義的核心是正則化的知識和推理，那么聯(lián)結主義則注重模擬人類意識的關聯(lián)現(xiàn)象。根據(jù)訓練集提供的大量數(shù)據(jù)，多層神經(jīng)網(wǎng)絡根據(jù)反饋逐步調(diào)整算法參數(shù)，最終形成了特定識別模型。因此，算法并非先在預置的，而是在學習過程中逐漸涌現(xiàn)，在隱藏層中完成了某種組織化。因此，聯(lián)結主義呈現(xiàn)出與符號主義的普遍化邏輯構成不同的經(jīng)驗化關聯(lián)生成的特點，符號主義難以解決的默會的關聯(lián)性問題可以通過在深度學習中生成的權重結構來解決。當然，由于關聯(lián)性的不可對象化，神經(jīng)網(wǎng)絡也同時具有了不透明性，即參數(shù)的調(diào)整僅僅是為了提高結果準確率，參數(shù)和節(jié)點本身的意義經(jīng)常是模糊的和難以解釋的。

與人工智能從符號主義向聯(lián)結主義的演進一樣，胡塞爾現(xiàn)象學也呈現(xiàn)出從普遍化邏輯到關聯(lián)性歷史的縱向發(fā)展。按照胡塞爾的表述，“在其形成‘綜合統(tǒng)一性’之功能的‘目的論’視角下對單一體驗的考察取代了僅限于單一體驗上的分析和比較、描述和分類。這種考察轉(zhuǎn)向……意識流形”。換言之，呈現(xiàn)特定范疇的單一意識行為本身必須在意識流形的權能整體中得到構造性的說明，而切入意識流形的關鍵就是行為間的關聯(lián)性本身。在胡塞爾看來，能思(意識活動)與所思(意識相關項)構成了一種多維度交織的平行關聯(lián)。(26)Edmund Husserl,Ideen zu einer reinen Ph?nomenologie und Ph?nomenologischen Philosophie. Erstes Buch: Allgemeine Einfuhrung in die reine Ph?nomenologie,SS.197，200-224.這種平行同樣是基于能思與所思各自的流形樣態(tài)，不僅能思側有著多層的暈圈結構，所思側也呈現(xiàn)出復式的相關項—意義—對象的綜合體：盡管不同模態(tài)(感知、回憶、想象……)的能思對應著擁有不同存在特征的所思相關項，它們卻都可以通過多項設定的能思綜合指向一個單項設定的意義，而支撐意義存在的則是作為純粹同一性的對象X。(27)對此進一步的分析參見馬迎輝：《胡塞爾論能意—所意——一種基于“顯現(xiàn)”之先天可能性的研究》，《哲學分析》2014年第6期。從關聯(lián)機制上看，聯(lián)結主義機器學習的過程對應著與能思側的原印象的滯留化同步發(fā)生的所思的觀念類型化過程，在背景意識中個體之物的可區(qū)分性逐漸消退而成為風格相同的類似事態(tài)，這種觀念性的結構類型在喚起中映射到新的印象素材之上，從而實現(xiàn)類型化的再認。(28)埃德蒙德·胡塞爾：《被動綜合分析：1918-1926年講座稿和研究稿》，北京：商務印書館，2017年，第205-208頁。

需要指出的是，盡管同樣關注到意識現(xiàn)象中的關聯(lián)性，胡塞爾現(xiàn)象學與聯(lián)結主義人工智能仍存在根本的分歧。人工神經(jīng)網(wǎng)絡所模擬的是大腦神經(jīng)元在特定刺激下所呈現(xiàn)的生物活動，通過這種關聯(lián)權重結構來建立對象模型。因此，它一方面確實在對象層次上是多層的，但另一方面在意向側是缺乏深度的。這種能思與所思的失衡直接導致了聯(lián)結主義的算法黑箱和決策不透明，這也意味著聯(lián)結主義雖然在結果上是卓有成效的，其過程卻難以得到理解和說明。

盡管符號主義與聯(lián)結主義都未能使人工智能成為“意向的”，但意識問題仍然是人工智能哲學中最重要的問題之一。從意向?qū)W上看，感知、感受與意志都是意識現(xiàn)象的構成性要素，而反身性自識以及對這種自識的反思性認知則是意識的必要權能，缺失了這些的人工智能幾乎不可能具有意識現(xiàn)象。那么，是否存在一種能在某種程度上體現(xiàn)能思—所思的意向結構的人工智能設計？如果存在，那么它很可能從模擬被胡塞爾視為所有客體化行為之基礎的感知活動開始，2000年左右新生的流形學習或多或少體現(xiàn)了這樣一個向度。

三、感知流形與空間構造現(xiàn)象學

流形學習可以追溯到2000年商(H. Seung)和李(D. Lee)在《科學》雜志上發(fā)表的《感知的流形方式》一文(29)H. Seung and D. Lee, “The Manifold Way of Perception,”Science,290(5500), 2002, pp.2268-2269.。他們的出發(fā)點是認為在感知現(xiàn)象中存在著根本的謎題，即大腦如何在其原始感覺輸入是流動的情況下依然感知到恒常性。在兩位作者看來，這最終是基于我們的感知與記憶都是以黎曼連續(xù)流形的方式完成的。從范式上看，流形學習仍然屬于聯(lián)結主義，但與單純注重通過權重結構反映對象隱藏關聯(lián)的一般思路不同，流形學習在起點上對于感知和記憶的過程有著特別的關注。

以視覺為例，視覺空間中存在著無窮多不斷變動的感覺材料。如果將其數(shù)學化，即用一系列數(shù)來刻畫每個像素點或視覺感受細胞上的光強，那么視覺空間是一個具有無數(shù)變量的數(shù)學意義上的高維拓撲空間，根據(jù)這一高維空間的視覺圖像來進行圖像識別是十分困難的。然而，視覺感知實際過程卻并非全然基于感覺材料，并非基于表層的視覺圖像或一個完全對象化的表象，而是首先將其還原為一個連續(xù)的、低維的曲率空間，即一個嵌套在高維視覺空間中的拓撲流形，視覺記憶也因此是以穩(wěn)態(tài)流形的方式被儲存的。例如，在感知過程中往往可以在不同的旋轉(zhuǎn)角度或側顯角度中認定物體的同一性，是因為感知已經(jīng)在進行從高維視覺空間向低維流形的映射還原，即這一組圖像的表面變化其實是受旋轉(zhuǎn)角度作為單一的自由度所支配，因而可以被還原到同一條一維的變量曲線。如果考慮到縮放、平移等其他自由度，那么這些內(nèi)在維度的曲線將形成一個內(nèi)嵌在視覺圖像空間中的低維流形，它支撐了高維視覺空間的變化萬千。而記憶實際上就發(fā)生在這個低維流形之中，感知到記憶的過程就是視覺圖像不斷收斂到具體的穩(wěn)態(tài)流形或連續(xù)吸引子的過程，這也構成了再認的基礎。(30)對于這一“眼中的黎曼流形”更為詳細的討論參見張軍平：《愛犯錯的智能體》，北京：清華大學出版社，2019年，第40-52頁。流形學習算法便是在模擬感知過程中所發(fā)生的映射過程，將包含噪點的高維數(shù)據(jù)還原到低維流形的基本結構上，在這種還原中被噪點所隱藏的不變量得到了更好的顯現(xiàn)。與此同時，流形學習的算法也取得了新的突破，從高維數(shù)據(jù)中以線性或非線性的方式恢復低維流形結構的局部鄰域的流形嵌入方法進一步完善，2000年以后，流形學習逐步地成為機器學習的一個熱點問題。

相比于傳統(tǒng)的機器學習，流形學習對于感知過程進行了更加深入的思考和模擬，因而與胡塞爾現(xiàn)象學有著更深的相似性。在二者的語境中，流形都與“多中之一”的穩(wěn)態(tài)結構有關。在胡塞爾看來，“對于感知流形之結構的澄清……是靜態(tài)分析的問題”(31)Edmund Husserl,Einleitung in die Philosophie. Vorlesungen 1922/23,Dordrecht: Kluwer Academic Publishers, 2002, S.407.，感知流形是事物呈現(xiàn)的基本方式，這里的流形一方面指諸多側顯指向了一個事物的同一性(個體化的多中之一)，另一方面指多個個體事物共屬同一個本質(zhì)類型(本質(zhì)化的多中之一)，二者的結合形成了感知的識別功能。但無論是個體化還是本質(zhì)化，所思或?qū)ο髠鹊牧餍谓Y構最終要基于能思側的流形綜合，胡塞爾指認空間感知本身是以一種雙重流形的方式進行的：首先是感覺流形的側顯性的連續(xù)形變，這種改變一方面來自對象側幾何形態(tài)的平移、放縮乃至旋轉(zhuǎn)，另一方面來自自我側的運動所導致的與對象相對位置的改變。這一連串的運動改變使得顯象本質(zhì)上是一個流形—統(tǒng)一的側顯的動態(tài)過程。而更重要的是能思側的動覺流形的持續(xù)綜合，它敞開了空間的可能秩序本身，它“使展現(xiàn)成為可能，但自身并不展現(xiàn)”(32)Edmund Husserl,Ding und Raum. Vorlesungen 1907,Den Haag: Martinus Nijhoff, 1973, SS.87-88, 161.。概言之，“動覺”(Kin?sthese)不是涉及顯象的具體性質(zhì)的感覺，而是對于顯象的形態(tài)和位置要素的權能性意識，它是意識從平面或曲面的視覺場構造出具有深度的視覺空間的關鍵。(33)對胡塞爾“動覺”概念以及它對視覺空間的構造作用的進一步刻畫參見Ulrich Claesges,Edmund Husserls Theorie der Raumkonstitution,Den Haag: Martinus Nijhoff, 1964, SS.64-66, 79-84.在感知的流形方式中的高維視覺空間與嵌入高維空間的低維流形在某種程度上就對應、或者說佐證了這種感覺與動覺的雙重流形：感覺流形對應于視覺空間的高維數(shù)據(jù)，而動覺流形則是構造空間的低維結構，它們共同構成了感知的流形結構。在胡塞爾看來，二者在對象化的過程中分別起到了不同的作用：“形象—成分提供了‘意向—指向’，動覺—成分提供了意向之動機?！?34)Edmund Husserl,Ding und Raum. Vorlesungen 1907,S.188.前者是一種超越的對象化立義，后者則是一種非立義的自身關聯(lián)。

然而這里也會涉及感知的流形方式與胡塞爾的感知流形之間的重要區(qū)分，即感知過程中的因果性和動機性的區(qū)分。感知的流形方式顯然仍有著因果還原論的自然主義傾向，它將感覺材料還原為物理輸入，而將感知過程還原為神經(jīng)元的群組活動。以此為理論基礎的流形學習的算法系統(tǒng)的調(diào)節(jié)仍然是由外部輸入決定的，向低維流形的映射實際上是對外部信息的加工和處理過程，而非動覺對于感覺材料的動機引發(fā)和整合過程，因而這個意義上它也未能形成獨立于因果法則的內(nèi)在性區(qū)域。在現(xiàn)象學的意義上，動機引發(fā)指的是意識內(nèi)在關聯(lián)的一般法則，意味著意識狀態(tài)之間基于可能性視域的指引關聯(lián)，它獨立于自然態(tài)度下的因果性，后者因為預設了感知對象的客觀存在和感覺過程的實在性而成為一種現(xiàn)實的指令關聯(lián)。在胡塞爾看來，“每一行為體驗都是動機化了的，處于動機交織中”，它不僅存在于理性和主動性領域，也存在于習性的和被動聯(lián)想的領域；不僅存在于諸能思之間，同樣存在于諸所思之間，從而形成能思和所思的流形。甚至時間構造本身也要遵循動機引發(fā)的法則，“這里還要指出一種動機引發(fā)，它包括在內(nèi)時間意識的形式中”(35)Edmund Husserl,Ideen zu einer reinen Ph?nomenologie und ph?nomenologischen Philosophie. Zweites Buch: Ph?nomenologische Untersuchungen zur Konstitution,Den Haag: Martinus Nijhoff, 1952, S.227.。在《貝爾瑙手稿》中，胡塞爾將其進一步刻畫為前攝與滯留相互引發(fā)的充實過程，這種時間性的動態(tài)牽引關聯(lián)使得動機引發(fā)根本地區(qū)別于在時間上單向度的因果法則。事實上，流形學習所模擬的感知中動覺流形與圖像顯現(xiàn)之間的持續(xù)相合本質(zhì)上應該是構造對象的動機引發(fā)過程，即前者為后者的立義提供了“意向之動機”，但囿于其還原主義的基本預設，這一過程被敉平為了機械地加工信息的因果過程。

由此可見，一方面流形學習對于感知和記憶的研究是深入的，它已經(jīng)突破了表象模式的限制，并非簡單地在高維視覺空間中歸納類型，而是將其還原映射到低維流形的結構關聯(lián)中，這一還原映射模擬的正是感知流形的構造過程。但另一方面它又將構造感知流形的動機引發(fā)還原為一種實在的因果法則，從而取消了由動機引發(fā)而帶來的意識整體的多維建構，其對感知活動側的關注最終也只是為了優(yōu)化算法以及為算法提供一定的解釋。在這個意義上，目前的深度學習之所以缺乏深度，是因為系統(tǒng)中缺乏可以建構深度的動機引發(fā)關聯(lián)，隨著動機引發(fā)的缺乏，與之相關的感發(fā)、意志、本欲等現(xiàn)象也將一并闕如。在這一點上，現(xiàn)象學對于意識整體內(nèi)在關聯(lián)的描述恰恰可以為建構形式化的人工意識系統(tǒng)提供新的啟發(fā)，從因果性的單向度關聯(lián)中恢復多維度的動機關聯(lián)也是建構真正具有深度的智能系統(tǒng)的前提。

結 語

至此我們從三個層面探討了胡塞爾與人工智能的可能關聯(lián)，即胡塞爾早期的研究與人工智能的理論基礎的同源，胡塞爾現(xiàn)象學的發(fā)展與人工智能的范式演進的平行，以及新近的流形學習與胡塞爾的空間構造現(xiàn)象學的互證。從其同源性上看，胡塞爾本人置身于人工智能得以誕生的數(shù)學革命之中，他從基數(shù)算術逐漸轉(zhuǎn)向了形式化的計算理論和流形論，甚至提出了類似部分遞歸函數(shù)集的全部計算之總體的構想。從其平行性上看，胡塞爾現(xiàn)象學對其早期的研究有著明顯的后承性，而人工智能初期的符號主義也直接誕生于數(shù)學—邏輯哲學，二者都強調(diào)了先在的范疇和法則對于認知的邏輯構成作用；隨著研究的深化，關聯(lián)性事態(tài)的缺失將導致一系列難題，胡塞爾現(xiàn)象學與人工智能研究都從一種“自上而下”的邏輯構成的道路轉(zhuǎn)向了一種“自下而上”的關聯(lián)生成的立場。從其互證性上看，傳統(tǒng)聯(lián)結主義對于權重算法的片面強調(diào)逐漸導致了“算法黑箱”的出現(xiàn)，而流形學習的出現(xiàn)開始彌補人工智能在算法的可解釋性上的不足，深入到感知和記憶活動的深層機制中發(fā)現(xiàn)對象的構造過程，盡管這一探索還是初步的，仍然混淆了自然的因果性和現(xiàn)象學的動機引發(fā)。

從胡塞爾現(xiàn)象學的視角，符號主義、聯(lián)結主義與流形學習之間的模式差異可被歸結為問題層次上的差異：符號主義著眼于高階的知識表示與邏輯推理，聯(lián)結主義立足于所思的多維關聯(lián)結構，而流形學習則開始關注于能思對所思的構造功能。三者歷史上的先后順序恰恰是事態(tài)上的逐層深入：沒有能思的構造，所思的多維結構無法顯現(xiàn)；而失去了所思的關聯(lián)域，高階的對象化將成為空中樓閣。因此，三者實際上構成了一種現(xiàn)象學意義上的奠基序列，三者的深度整合正是通用人工智能發(fā)展的方向。

人工智能是否必須模擬意識？如果傾向于肯定回答——既然人工智能總是處于與人類意識的交互中——那么胡塞爾現(xiàn)象學與人工智能的這些關聯(lián)就在某種意義上可以啟示人工智能的未來發(fā)展，即進一步深入對于能思流形的結構化理解并且模擬出意識的諸種特性。如果傾向于否定回答——正如人類自身也并非總是處于有意識的狀態(tài)之中——那么“算法黑箱”似乎反而意味著一種“非—人”乃至“超—人”智能的可能性，黑箱可能已經(jīng)超越了人類意識的架構。最后筆者愿意用圖靈著名的《計算機器與智能》一文的結語來展望未來：“我們只能看到前方很短的距離，但是我們能看到在那里有著諸事須實行?！?36)A. M. Turing, “Computing Machinery and Intelligence,”Mind,59, 1950, p.460.