酈全民 項 銳

2020年11月30日，《自然》雜志在一篇題為《“它將改變一切”： AI在求解蛋白質(zhì)結(jié)構(gòu)中實現(xiàn)巨大飛躍》的科學(xué)新聞中，突出報道了谷歌公司旗下“深智”（DeepMind）團(tuán)隊運用機(jī)器學(xué)習(xí)系統(tǒng)AlphaFold，精準(zhǔn)高效地預(yù)測了大量蛋白質(zhì)的三維結(jié)構(gòu)形狀；①Callawa E., “‘It Will Change Everything’: AI Makes Gigantic Leap in Solving Protein Structures”, Nature, Vol. 588, 2020, pp.203-204.2021年7月16日，該團(tuán)隊再次在《自然》上發(fā)文，宣布新一代的AlphaFold2已成功地預(yù)測了98.5%的人類蛋白質(zhì)結(jié)構(gòu)。②Tunyasuvunakool K. et al.,“Highly Accurate Protein Structure Prediction for the Human Proteome”, Nature, https://doi.org/10.1038/s41586-021-03828-1, 2021-07-22.在科學(xué)界，目前普遍認(rèn)為，這是21世紀(jì)以來最為重要的科學(xué)成就之一。而從科學(xué)哲學(xué)和科學(xué)方法論的視角看，這也是人工智能（特別是機(jī)器學(xué)習(xí)）改變科學(xué)認(rèn)知方式的出色范例。本文中，我們結(jié)合這一范例，試圖就機(jī)器學(xué)習(xí)對科學(xué)認(rèn)知方式的改變及其哲學(xué)意蘊進(jìn)行初步的探究。

一、科學(xué)認(rèn)知的計算方式

簡單地說，AlphaFold是具有一定的自主學(xué)習(xí)能力的計算系統(tǒng)，因而，當(dāng)其被用于求解蛋白質(zhì)折疊這一科學(xué)問題時，實質(zhì)上是計算方式（或進(jìn)路）在當(dāng)代科學(xué)認(rèn)知中運用的具體表現(xiàn)。為了探究機(jī)器學(xué)習(xí)如何改變?nèi)祟惪茖W(xué)地認(rèn)識世界的過程，我們有必要先對科學(xué)認(rèn)知中計算方式的興起和發(fā)展進(jìn)行簡單概述。

我們知道，近代科學(xué)誕生以來，依仗一代又一代探索者的熱情、智慧和努力，偉大的經(jīng)驗發(fā)現(xiàn)和理論創(chuàng)造不斷涌現(xiàn)。其結(jié)果是，人類認(rèn)識的視野拓展到了宇宙的起始階段和物質(zhì)的基本構(gòu)成；我們在相當(dāng)程度上知曉了自己究竟從何而來，也通過技術(shù)釋放出科學(xué)所蘊含的巨大力量?？傊?，科學(xué)取得了無與倫比的成功。從認(rèn)知的角度看，科學(xué)的成功在于系統(tǒng)地、習(xí)慣地運用了人類認(rèn)識世界的兩種基本方式，即實驗和理論，并在認(rèn)知過程中將兩者動態(tài)地整合。也就是說，在伽利略、開普勒和牛頓等開創(chuàng)近代科學(xué)以后的數(shù)百年間，科學(xué)的探索者們一方面通過不斷地發(fā)明儀器設(shè)備去從事實驗和測量，以更多、更精確地獲取關(guān)于自然現(xiàn)象的經(jīng)驗數(shù)據(jù)，另一方面通過創(chuàng)造理論來統(tǒng)一地解釋和合理地預(yù)測各種自然現(xiàn)象。而在實驗與理論之間，既依靠已確立的理論來指導(dǎo)、設(shè)計和實施實驗，又用實驗數(shù)據(jù)對新理論進(jìn)行嚴(yán)格的檢驗，這樣就實現(xiàn)了兩者之間的正向互動，不斷地推動科學(xué)的繁榮和進(jìn)步。

大約自20世紀(jì)80年代起，一方面出于科學(xué)自身演進(jìn)的內(nèi)在要求，另一方面由于信息技術(shù)（尤其是計算機(jī)）持續(xù)增強(qiáng)的影響，科學(xué)發(fā)展的版圖上呈現(xiàn)一系列新的景象。其中，引人注目的是“計算科學(xué)運動”（the computational science movement）的興起。①Denning P., Martell C., Great Principles of Computing,Cambridge: The MIT Press, 2015, p.10.其標(biāo)志是運用計算模型和方法研究自然現(xiàn)象乃至社會現(xiàn)象，形成了眾多冠以“計算”的新興學(xué)科，如計算物理學(xué)、計算化學(xué)和計算生物學(xué)，從而開創(chuàng)了科學(xué)認(rèn)知的第三種基本方式，即除了實驗和理論以外的計算方式。當(dāng)時，頗有代表性的是，諾貝爾物理學(xué)獎獲得者威爾遜（Wilson K.）基于他本人創(chuàng)立的重正化群變換理論，建構(gòu)了計算模型，并利用計算機(jī)成功地發(fā)現(xiàn)了一些物質(zhì)材料的相變。于是，他宣告： “除了理論和實驗，計算是做科學(xué)（doing science）的第三種方式（way）?！雹赪ilson K.,“Grand Challenges to Computational Science”, Future Generation Computer Systems, Vol.5, No.2-3, 1989, p.171.

在認(rèn)識世界的過程中，盡管依仗實驗和理論以及兩者的整合，科學(xué)已經(jīng)取得了極其輝煌的成就，但事實上，這兩種認(rèn)識方式都存在著內(nèi)在的局限或不足。對實驗來說，雖然研究者通?？梢詫嶒瀸ο筮M(jìn)行控制或變革，或者制備簡化、純化或強(qiáng)化的相對理想的環(huán)境，從而發(fā)現(xiàn)在特定條件下對象的屬性或變化的模式，但一旦這樣做，所獲得的認(rèn)識就不一定反映自然條件下實際對象的真相。尤其是，大量復(fù)雜的或極端的物質(zhì)系統(tǒng)實際上無法通過實驗加以研究。此外，探究多組元（或復(fù)雜）系統(tǒng)的結(jié)構(gòu)、功能和變化過程，不僅要求發(fā)展更加精準(zhǔn)、有效的探測工具，也需有處理和分析大量數(shù)據(jù)的手段，而這單靠人力或簡單的統(tǒng)計方法遠(yuǎn)遠(yuǎn)不夠。就理論而言，所有理論都是由基本的概念和規(guī)律所構(gòu)成，這些概念和規(guī)律又是科學(xué)抽象的產(chǎn)物，因而，它們一方面具有普遍性和抽象性，另一方面與實際系統(tǒng)之間的關(guān)系往往是間接的、迂回的和粗?；?。正因為如此，除非所面對的實際對象很簡單，否則，從理論的規(guī)律（加上相關(guān)的輔助條件）通常無法嚴(yán)格地推演出可以解釋或預(yù)言具體對象的屬性或過程的結(jié)論。

相當(dāng)程度上，計算方式能夠克服或突破傳統(tǒng)理論和實驗的局限，并成為兩者在當(dāng)代科學(xué)認(rèn)知中發(fā)揮更大作用的有力推進(jìn)器。在實驗方面，當(dāng)代科學(xué)的重心已轉(zhuǎn)向?qū)?fù)雜系統(tǒng)的結(jié)構(gòu)、功能和演化過程的具體研究，如生物系統(tǒng)和全球氣候變化。這不僅要有靈敏探尋和精確測量對象的尖端儀器，而且要有對獲得的海量數(shù)據(jù)進(jìn)行快速和有效處理的能力。因此，不論是在科學(xué)實驗還是科學(xué)觀測中，計算技術(shù)和方法已經(jīng)必不可少。特別是，計算機(jī)模擬可以在一定程度上充當(dāng)實驗的角色。這種方法是將表征現(xiàn)實或可能對象（原型）的模型在計算機(jī)上運行，以期通過對運行過程和結(jié)果的研究來認(rèn)識對象。盡管模型的運行只是基于算法的程序生成過程，卻類似于真實的實驗，因為其具有可重復(fù)性和對錯誤過程的可修改性等，并能生成穩(wěn)定的輸出結(jié)果。在理論方面，通過在已有理論的指導(dǎo)或約束下建立關(guān)于對象的具體計算模型，并運用計算機(jī)對模型進(jìn)行操作，就能在理論與經(jīng)驗之間架起可以通達(dá)的橋梁。事實上，基于理論建構(gòu)模型，并讓其在計算機(jī)上實現(xiàn)和運行，再將輸出的結(jié)果與經(jīng)驗數(shù)據(jù)作比較，或者運用模型對現(xiàn)象進(jìn)行解釋和預(yù)言，已經(jīng)成為探索復(fù)雜系統(tǒng)的主要認(rèn)識方式。如今，計算方式已經(jīng)在科學(xué)領(lǐng)域無處不在，極大地改變了科學(xué)研究的面貌。

二、從運行模型到建構(gòu)模型

在基于深度人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)出現(xiàn)之前，雖然計算機(jī)模擬和計算技術(shù)已經(jīng)被廣泛地用于科學(xué)研究，并取得了極大的成功，但是，這種（舊的）計算方式存在著自身的局限或不足。

一個完整的計算機(jī)模擬過程，實際上由三個基本的環(huán)節(jié)構(gòu)成，即計算模型的建構(gòu)、計算模型的運行、對生成結(jié)果的闡釋和評價。其中，計算機(jī)所承擔(dān)的角色是模型的運行，這個過程本質(zhì)上是“按部就班”的程序運作，并不包括自主學(xué)習(xí)和創(chuàng)造的成分，因而沒有“智能”；而模型的建構(gòu)和結(jié)果的闡釋需要由具有智能的認(rèn)知者——人——來履行。同樣，那些嵌入儀器的專用計算機(jī)和通用計算機(jī)上用于數(shù)值計算和數(shù)據(jù)處理的軟件，也是由人根據(jù)事先確定的目標(biāo)而設(shè)計和實現(xiàn)的，并不具備自主學(xué)習(xí)的功能。

從中我們可以很容易地看出，在計算機(jī)模擬和數(shù)據(jù)處理中，建構(gòu)模型和設(shè)計軟件是前提，也是關(guān)鍵。就模型的建構(gòu)而言，選擇什么樣的變量和規(guī)則（或函數(shù)）是一個具有高度創(chuàng)造性的智力活動，這不僅依賴于所模擬的對象和環(huán)境，更取決于建模者擁有的知識和能力。由于模型的建構(gòu)需要由人的心智來完成，而面對復(fù)雜的研究對象，人的心智直接獲取數(shù)據(jù)的容量和處理數(shù)據(jù)的能力均十分有限，因此，一般是通過抽象生成概念的方式來進(jìn)行表征。這樣，建構(gòu)模型的元素的屬性和元素之間的聯(lián)系相對較少，且假定這些屬性和聯(lián)系是刻畫研究對象的本質(zhì)的或主要的方面。這就意味著，由人的心智所建構(gòu)的模型通常只是對實際系統(tǒng)的簡化，或者說并非是對實際系統(tǒng)的真實結(jié)構(gòu)和過程的描述。正因為如此，在科學(xué)認(rèn)知中，以往所建構(gòu)的計算機(jī)模型主要是作為理性思維的手段而起類似于理論的作用。

基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的出現(xiàn)，使情況發(fā)生了一個實質(zhì)性的變化。我們知道，一個具有自主學(xué)習(xí)能力的認(rèn)知者，比如人，能夠?qū)ν獠枯斎氲男畔⑦M(jìn)行選擇并從這些信息中發(fā)現(xiàn)模式（對認(rèn)知者而言屬于建構(gòu)模型）。人工神經(jīng)網(wǎng)絡(luò)的理論研究表明，要讓一個系統(tǒng)（機(jī)器）具有較強(qiáng)的學(xué)習(xí)能力，需要創(chuàng)建具有多個中間層（體現(xiàn)深度）并帶有反饋等機(jī)制的神經(jīng)網(wǎng)絡(luò)，而這依賴于強(qiáng)大的計算力和豐富的訓(xùn)練數(shù)據(jù)（數(shù)據(jù)是在媒介上登錄的信息）。大約十年前，隨著計算力和大數(shù)據(jù)這兩個基本條件得到滿足，基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)才得以興起。

2016年春，當(dāng)“深智”團(tuán)隊基于深度神經(jīng)網(wǎng)絡(luò)開發(fā)出擊敗圍棋世界冠軍的AlphaGo以后，人工智能技術(shù)在大眾媒體中迅速走紅，通過人臉識別和語音處理等技術(shù)開始影響人們的生活，并在網(wǎng)絡(luò)安全、自動駕駛、醫(yī)療健康和教育等領(lǐng)域展示出巨大的應(yīng)用前景。而對于“深智”的創(chuàng)始人哈薩比斯（Hassabis D.）來說，創(chuàng)立公司的初衷正是希望研發(fā)具有智能的人工計算系統(tǒng)，以推動當(dāng)代科學(xué)的繁榮和發(fā)展。事實上，在創(chuàng)建AlphaGo的同時，“深智”團(tuán)隊就已經(jīng)著手研發(fā)AlphaFold，以求解決蛋白質(zhì)折疊這一困擾人類50年之久的重大科學(xué)難題。因此，當(dāng)AlphaFold2取得巨大成功后，哈薩比斯興奮地寫道： “這是我一生中夢寐以求的日子，也是創(chuàng)辦DeepMind的緣由：創(chuàng)建AI并用它去實現(xiàn)非凡的科學(xué)突破，像Alphafold2那樣，以推進(jìn)科學(xué)并造福人類?！雹賖ttps://www.tuipster.com/us/tweet/1418229304194859011.

目前，包括AlphaFold在內(nèi)的機(jī)器學(xué)習(xí)系統(tǒng)基本上依賴深度神經(jīng)網(wǎng)絡(luò)，這些神經(jīng)網(wǎng)絡(luò)具有一定的自主學(xué)習(xí)能力，經(jīng)過大量的數(shù)據(jù)訓(xùn)練后就能從新的數(shù)據(jù)中建構(gòu)針對特定問題的經(jīng)驗?zāi)Ｐ?，比如蛋白質(zhì)的三維結(jié)構(gòu)，進(jìn)而作出可靠的預(yù)測。而從本質(zhì)上說，只有當(dāng)具備學(xué)習(xí)能力的人工智能系統(tǒng)出現(xiàn)后，才有可能像人那樣進(jìn)行模型的建構(gòu)或在數(shù)據(jù)中發(fā)現(xiàn)模式。因此，基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)系統(tǒng)的問世，標(biāo)志著科學(xué)認(rèn)知的計算方式可以實現(xiàn)從單純的模型運行到包括模型建構(gòu)在內(nèi)的飛躍，從而能對科學(xué)研究產(chǎn)生巨大的推動作用。近年來，以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)正迅速地被應(yīng)用于各種各樣的科學(xué)探索，并呈爆炸性的發(fā)展態(tài)勢。

三、人工自主體的認(rèn)知角色

一般認(rèn)為，像AlphaFold這樣的機(jī)器學(xué)習(xí)系統(tǒng)可被看作具有一定自主性的人工自主體（artificial agent）。在科學(xué)認(rèn)知的過程中，這類人工自主體處于何種地位？它的介入對于科學(xué)知識的獲取和科學(xué)知識的屬性究竟具有什么樣的影響？

為了確定人工自主體在科學(xué)認(rèn)知中的地位，需要先界定和闡明認(rèn)知和科學(xué)認(rèn)知這兩個概念的內(nèi)涵。這里，我們采用認(rèn)知科學(xué)和認(rèn)知心理學(xué)中的主流觀點，即認(rèn)知本質(zhì)上是信息加工（或計算）。一般的認(rèn)知過程包括三個基本環(huán)節(jié)： （1）認(rèn)知是關(guān)于某個或某些對象的。這樣的對象叫作認(rèn)知客體，而從事這種活動的就是認(rèn)知者（或認(rèn)知主體）。其中，作為認(rèn)知客體的可以是具體的物質(zhì)對象，也可以是思想的建構(gòu)體（如數(shù)），而充當(dāng)認(rèn)知者的是具有認(rèn)知能力的自主體，包括人、動物甚至機(jī)器。（2）認(rèn)知在于獲得認(rèn)知客體的信息。這樣的信息可以是全面的也可以只是部分的，可以為真也可以為假，而獲得信息是通過認(rèn)知者的知覺、判斷、記憶、推理和聯(lián)想等具體的學(xué)習(xí)活動或過程來實現(xiàn)的。 （3）為了確認(rèn)獲得的信息是否為真或似真，也就是可否稱為知識，認(rèn)知者需要展開行動進(jìn)行經(jīng)驗的和邏輯的檢驗；這樣，在認(rèn)知者與認(rèn)知客體之間就形成了信息互動的環(huán)路。

科學(xué)認(rèn)知是人類認(rèn)知的一種特殊情形，其區(qū)別于自然（或常識）認(rèn)知的兩個最明顯的特點是：（1）在自然認(rèn)知中，獲取認(rèn)知客體的信息，所依仗的基本上就是作為認(rèn)知者的人所固有的感覺器官和肢體，而科學(xué)認(rèn)知則常常借助觀察儀器和測量儀器等認(rèn)知工具，如顯微鏡和計數(shù)器。這樣，自然認(rèn)知是獲取并確認(rèn)認(rèn)知者所處的周圍環(huán)境的信息，而科學(xué)認(rèn)知則借助認(rèn)知工具實現(xiàn)了對前者的超越。 （2）在自然認(rèn)知中，人們基本上是運用自然語言或身體圖式（如手勢）來對獲取的信息進(jìn)行表征。從功能上說，自然語言和身體圖式均是保存或傳遞信息的自然媒介。與此相對照，在科學(xué)認(rèn)知中，認(rèn)知者除了運用自然媒介，更多（或者說越來越多）地依賴于人工符號來表征知識；尤其是，通過系統(tǒng)地運用數(shù)學(xué)語言，認(rèn)知者不僅可以精確地表征科學(xué)知識，而且能實現(xiàn)基本假設(shè)與具體結(jié)論之間的形式推理。因此，自然認(rèn)知是運用自然媒介表征知識，而科學(xué)認(rèn)知則借助數(shù)學(xué)語言等人工符號突破了這一限制。①酈全民：《當(dāng)代科學(xué)認(rèn)知的結(jié)構(gòu)》，科學(xué)出版社2021年版，第56—57頁。

由此可知，具有學(xué)習(xí)能力的人工自主體在科學(xué)認(rèn)知中可以處于特殊的地位，實際上能承擔(dān)雙重角色。一方面，面對具體的數(shù)據(jù)對象，人工自主體可以通過學(xué)習(xí)建構(gòu)并運行關(guān)于對象的模型，而如果數(shù)據(jù)對象是真實的物質(zhì)對象的體現(xiàn)，則模型就是對后者模式的刻畫。倘如這種模式是人類此前未曾知曉的，比如由AlphaFold預(yù)測的蛋白質(zhì)的新結(jié)構(gòu)，那么，我們可以將這種人工自主體視作能進(jìn)行科學(xué)發(fā)現(xiàn)的人工認(rèn)知者，類似于在實驗室里從數(shù)據(jù)中發(fā)現(xiàn)模式的經(jīng)驗科學(xué)家。另一方面，人工自主體單獨（至少目前）并不能完成真正的科學(xué)發(fā)現(xiàn)。這是因為：其本身是人類發(fā)明的產(chǎn)物，更為重要的是，一個科學(xué)發(fā)現(xiàn)的過程還包括研究者（人）對問題的設(shè)定，對所生成模型的解讀、解釋和評價等，離不開研究者的知識、洞察和判斷。故對于研究者而言，人工自主體可以被看作是整個科學(xué)認(rèn)知過程中的有用工具，類似于顯微鏡和質(zhì)譜分析儀。不過，隨著認(rèn)知能力和自主性的持續(xù)增強(qiáng)，人工自主體的第一種地位正在不斷提升。

如果將人工自主體看作人工認(rèn)知者，那么就會遇到兩個深刻的哲學(xué)問題。一是意向性問題。在心智哲學(xué)中，意向性一般指人（也可包括一些動物）的心智狀態(tài)是關(guān)于或表征某個對象的，簡單地說就是“關(guān)于性”——這是人有別于機(jī)器等人工物的本質(zhì)特性。哲學(xué)家塞爾（Searle J.）提出的“中文屋”思想實驗，就是為了論證一個僅僅依據(jù)指令執(zhí)行程序（運行模型）的計算系統(tǒng)并沒有內(nèi)稟的意向性，因而不具備真正的理解力。②Searle J.,“Minds, Brains, and Programs”, Behavioral and Brain Sciences, Vol.3, No.3, 1980, pp. 417-457.而如今，具有學(xué)習(xí)能力的人工自主體，并非僅僅執(zhí)行程序或運行模型，還能夠進(jìn)行模型的建構(gòu)，那么，其是否具備了某種內(nèi)稟的意向性呢？我們認(rèn)為，如果一個人工自主體能通過自主學(xué)習(xí)在內(nèi)部建構(gòu)模型，且這樣的模型又是關(guān)于外部對象的，比如蛋白質(zhì)的結(jié)構(gòu)，那就意味著其內(nèi)部狀態(tài)具備了內(nèi)稟的意向性。當(dāng)然，這種意向性還只是原初的或一階的，且不涉及意識。而作為人，我們不但具有原初的意向性，還具有對建構(gòu)的模型進(jìn)行評價和反思的能力，也就是說，具有高階的意向性和意識。

二是知識問題。由AlphaFold準(zhǔn)確預(yù)測所獲得的蛋白質(zhì)結(jié)構(gòu)，在什么意義上可以被稱為“知識”？從認(rèn)知的三個基本環(huán)節(jié)中可以看出，前兩個環(huán)節(jié)已經(jīng)可由AlphaFold自主地履行，但這樣獲得的結(jié)果實際上還只是針對特定對象的信息結(jié)構(gòu)（模型），而這樣的信息結(jié)構(gòu)是否真的表征和刻畫了某種蛋白質(zhì)的結(jié)構(gòu)，則還需要通過“深智”團(tuán)隊的研究者或其他生物學(xué)家的證成（或辯護(hù)）來完成。所以，嚴(yán)格地說，并不能將單獨由AlphaFold預(yù)測所得的蛋白質(zhì)結(jié)構(gòu)稱為知識。不過，這種蛋白質(zhì)結(jié)構(gòu)也不是充當(dāng)研究者的人單獨獲得的，事實上，即使是AlphaFold的設(shè)計者也不一定能理解其生成新的蛋白質(zhì)結(jié)構(gòu)的具體機(jī)制和過程。鑒于此，在這種情況下，我們不妨引入一個“超認(rèn)知者”的概念，作為所發(fā)現(xiàn)知識的承擔(dān)者：其由像AlphaFold那樣的人工自主體與科學(xué)家所組成，并通過兩者的協(xié)同來進(jìn)行科學(xué)發(fā)現(xiàn)?？梢灶A(yù)期，在科學(xué)研究中，特別是當(dāng)面臨復(fù)雜的科學(xué)問題時，這樣的“超認(rèn)知者”將扮演越來越重要的角色。

四、心智建模能力的外化

從意向性問題和知識問題出發(fā)，自然可引出一個更具哲學(xué)意味的問題：隨著人工智能不斷發(fā)展，是否有可能出現(xiàn)擁有高階意向性和更有創(chuàng)造力的人工自主體，從而進(jìn)一步改變科學(xué)認(rèn)知乃至人類生存的方式？這里，我們從人類心智外化的視角對這一重大問題作些粗略的思考。

我們知道，人的心智雖然異常復(fù)雜，卻是生物進(jìn)化的自然產(chǎn)物。不過，人之所以為人，不僅僅在于他是生物進(jìn)化的主體，更重要的是成為另一種進(jìn)化方式的主體，即文化進(jìn)化的主體。那么，這究竟是如何發(fā)生的？一個簡單而又直觀的回答是：這是人的心智運作外化的結(jié)果。

在自然條件下，心智的運作發(fā)生在個體層面，即只有在一個個具體的大腦（更確切地說在神經(jīng)系統(tǒng)）中，各種認(rèn)知功能和意識方可實現(xiàn)。人的心智能力是其超越其他物種最重要的特性，但實現(xiàn)這種超越的關(guān)鍵卻是作為個體的人將自身心智運作的結(jié)果外化，即輸出并記錄到個體以外。對于人而言，心智建構(gòu)的模型所表征和處理的信息具有語義，因而產(chǎn)生的結(jié)果承載內(nèi)容。通常，我們把這樣的結(jié)果叫作知識或思想。于是，心智運作結(jié)果的外化實際上就是知識或思想的外化。一旦將知識或思想傳遞給其他個體，或以符號的形式“下載”到自身以外的媒介，一種突變就發(fā)生了：外化的知識或思想形成一個新的亞世界，即文化世界。于是，人與自然環(huán)境、人與人之間的關(guān)系就發(fā)生了根本性的變化：一方面，個體可以將其所獲得的知識或思想持續(xù)外化，從而導(dǎo)致文化世界的不斷膨脹；另一方面，因為構(gòu)成文化世界的內(nèi)容包括自然的和社會的知識，所以，他人或后代便不必直接去與自然環(huán)境或社會環(huán)境發(fā)生作用，而只需憑借自身所具備的學(xué)習(xí)能力便可（間接地）獲取有關(guān)的知識。

除了以符號的形式外化心智內(nèi)容，人類還采用了另外一種非?；竞椭匾耐饣绞剑匆罁?jù)心智所產(chǎn)生的內(nèi)容，將外在的自然物轉(zhuǎn)變成具有特定功能的器物，并利用這些器物獲取可以滿足自身生存的食物、能量和信息。以這樣的方式外化心智的內(nèi)容，其實就是技術(shù)?？v觀技術(shù)發(fā)展的歷史，我們不難發(fā)現(xiàn)，它實際上就是一部人類不斷外化心智運作所生成的知識的歷史。與其他符號化的知識不同的是，構(gòu)成技術(shù)的知識是人的心智所“寫成”的程序。這些程序通常具有特定的功能，并以內(nèi)隱的方式物化在一定的系統(tǒng)（如機(jī)器）中，為人本身的生存和進(jìn)化服務(wù)。

我們說，技術(shù)也是人類外化知識的活動，不過，在技術(shù)發(fā)展的不同時期，由其所外化的內(nèi)容在性質(zhì)上并不相同。在人類進(jìn)化的絕大多數(shù)時間里，技術(shù)活動所外化的知識基本上屬于心智運作的結(jié)果，而不是關(guān)于心智運作本身的知識或心智能力。那些物化了心智運作生成的程序的工具，替人類承擔(dān)了輸送物件、變換實物形態(tài)和轉(zhuǎn)換能量形式等方面的功能，可以說，是將人的體力和肢體技能在機(jī)器中對象化了。在這一過程中，人類不斷地增強(qiáng)控制和利用自然環(huán)境的能力，反過來，又使得這種對象化過程進(jìn)一步升級，而其中，心智運作的能力是起核心作用的環(huán)節(jié)，不可缺少。

終于，文化進(jìn)化發(fā)展到這樣一個階段：人不僅僅滿足于將心智運作的結(jié)果外化，而且開始將處理和操作信息的認(rèn)知能力外在化和對象化。由帕斯卡、萊布尼茨和巴貝奇等先輩所發(fā)明的加法器、乘法器和分析機(jī)是外化認(rèn)知技能的早期代表。而最具革命性的事件當(dāng)屬20世紀(jì)40年代普適電子計算機(jī)的問世：它標(biāo)志著人類進(jìn)入了一個外化自身的新階段，即心智運行模型能力的外化。從此，人類對世界的認(rèn)識和文化進(jìn)化均躍上了一個新臺階。就認(rèn)識世界而言，人類獲得的關(guān)于認(rèn)知對象越來越多的科學(xué)知識，就不僅僅是人的心智運作的結(jié)果，還是人與計算機(jī)之間協(xié)同的產(chǎn)物。

不過，正如此前所述，如果只是停留在對計算模型的運行和展開的層面，而不具備建構(gòu)模型的能力，那么，這樣的計算機(jī)或人工系統(tǒng)就缺乏真正的理解力或智能。然而，出于進(jìn)化動力的驅(qū)使，人類似乎并不想止步于心智運行模型能力的外化，更希望實現(xiàn)建模能力的外化，以便產(chǎn)生具備類人智能或者擁有超級智能（超越人的智能）的人工自主體。

如今，人工智能技術(shù)已經(jīng)成為人們最為關(guān)注的科技熱點之一。這是因為，基于深度神經(jīng)網(wǎng)絡(luò)的人工自主體具備了一定的學(xué)習(xí)能力。對人而言，所謂學(xué)習(xí)，就是將來自環(huán)境中對象的信息進(jìn)行選擇和登錄（轉(zhuǎn)化為數(shù)據(jù)），再基于這些數(shù)據(jù)建構(gòu)模型；如果由模型所生成的信息（預(yù)測環(huán)境中對象）與來自對象的信息相匹配，則表明模型表征了對象，學(xué)習(xí)取得了成功；否則，再基于數(shù)據(jù)對模型進(jìn)行訓(xùn)練和修改，直至產(chǎn)生理想的結(jié)果。由此可見，學(xué)習(xí)能力實質(zhì)上就是選擇信息和建模的能力，體現(xiàn)在神經(jīng)網(wǎng)絡(luò)中便是學(xué)習(xí)算法。

因此，我們可以理解，深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，恰恰是人類心智的學(xué)習(xí)能力外化的表現(xiàn)，特別是，通過發(fā)明學(xué)習(xí)算法實現(xiàn)建模能力的外化。由此看來，對于人類而言，基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)一定程度上實現(xiàn)了人類建模能力的外化，表明文化進(jìn)化又躍入了一個新的階段。當(dāng)然，目前的機(jī)器學(xué)習(xí)算法尚處于專門（適于特定的問題）、低效（需要大量的數(shù)據(jù)訓(xùn)練才能建構(gòu)合適的模型）和低級（僅限于建構(gòu)數(shù)據(jù)模型）的階段，即使在預(yù)測蛋白質(zhì)結(jié)構(gòu)方面顯得能力超強(qiáng)的AlphaFold亦是如此。但是，似乎并沒有力量能阻止人類去發(fā)明更通用、高效和高級（如建構(gòu)概念模型）的學(xué)習(xí)算法的欲望和熱情，也沒有什么科學(xué)理論排除了發(fā)明這樣的新算法的可能性。

隨著人工智能技術(shù)的不斷發(fā)展，人工自主體的建模能力以及其他能力將會進(jìn)一步提高。因此，可以預(yù)期，在未來的科學(xué)發(fā)展中，人工自主體所扮演的認(rèn)知角色也將愈來愈重要，從而更加深刻地改變科學(xué)認(rèn)知的面貌。

結(jié) 語

在當(dāng)代科學(xué)認(rèn)知中，計算是除了理論和實驗以外的第三種基本方式?；谏疃壬窠?jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)系統(tǒng)在科學(xué)研究中的應(yīng)用，使得計算方式實現(xiàn)了從運行模型到建構(gòu)模型的突破，從而導(dǎo)致科學(xué)認(rèn)知的方式發(fā)生重大的改變。在科學(xué)研究中，具有自主學(xué)習(xí)能力的人工自主體的介入，引出了一系列基本且重要的哲學(xué)問題，如意向性問題和知識問題，有待我們進(jìn)一步探索。從根本上說，人工智能的問世和發(fā)展是人類不斷外化自身智能的自然結(jié)果，而這給未來的科學(xué)認(rèn)知乃至人類的進(jìn)化均帶來巨大的機(jī)遇和挑戰(zhàn)。