劉日明 劉小濤

人工智能技術(shù)的應(yīng)用，在許多方面給社會(huì)知識(shí)生產(chǎn)帶來(lái)了巨大影響，包括知識(shí)生產(chǎn)的內(nèi)容、知識(shí)生產(chǎn)的方法和過(guò)程、知識(shí)探索所處的社會(huì)情境、生產(chǎn)組織的方式、知識(shí)的獎(jiǎng)勵(lì)體制、知識(shí)的質(zhì)量監(jiān)控機(jī)制等。從影響的社會(huì)廣度和深度來(lái)看，以人工智能技術(shù)的應(yīng)用為特征的知識(shí)生產(chǎn)已經(jīng)構(gòu)成一種知識(shí)生產(chǎn)模式，即智能知識(shí)生產(chǎn)模式。這一模式必將產(chǎn)生越來(lái)越廣泛和越來(lái)越重要的社會(huì)影響，因此，系統(tǒng)地描述、分析這一生產(chǎn)模式的特點(diǎn)，就成為迫切的理智要求和社會(huì)實(shí)踐任務(wù)。

這里，我們嘗試分析、比較傳統(tǒng)知識(shí)生產(chǎn)模式和智能知識(shí)生產(chǎn)模式的一些重要差異，并援引人工智能哲學(xué)和科學(xué)知識(shí)社會(huì)學(xué)的理論資源，進(jìn)一步討論智能知識(shí)生產(chǎn)的特征和社會(huì)因素對(duì)智能知識(shí)生產(chǎn)的影響。因?yàn)檫@種模式的證實(shí)性證據(jù)非常豐富，而且仍然在迅速發(fā)展變化，所以要全面匯集材料進(jìn)行分析就需要一個(gè)宏大的研究計(jì)劃。作為初步的嘗試，我們將滿(mǎn)足于援引有限的材料來(lái)提出一些觀察或判斷，并簡(jiǎn)要提示一些需要深入討論的方向。

論文的結(jié)構(gòu)安排如下：首先，通過(guò)比較三種知識(shí)生產(chǎn)模式，我們嘗試勾畫(huà)智能知識(shí)生產(chǎn)模式的概念內(nèi)涵和覆蓋范圍，闡明這一模式和兩種傳統(tǒng)知識(shí)生產(chǎn)模式之間的突出差異。其次，從馮·諾伊曼關(guān)于人腦語(yǔ)言和計(jì)算機(jī)語(yǔ)言具有不同的邏輯深度和計(jì)算深度的觀察來(lái)看，我們建議為智能知識(shí)生產(chǎn)的特點(diǎn)提供更具深度的理解。再次，援引科學(xué)知識(shí)社會(huì)學(xué)的思想資源，特別是一些有人類(lèi)學(xué)特征的進(jìn)路的研究結(jié)果，我們希望表明，社會(huì)因素會(huì)一般性地影響知識(shí)生產(chǎn)的內(nèi)容和組織方式，彌散、多元的智能知識(shí)生產(chǎn)模式會(huì)大規(guī)模地向各專(zhuān)業(yè)領(lǐng)域擴(kuò)散，大規(guī)模的公眾介入會(huì)使得智能知識(shí)生產(chǎn)的結(jié)果具有人類(lèi)學(xué)特征，不過(guò)，其智能特征更敏感于社會(huì)政治經(jīng)濟(jì)因素。因此，對(duì)更容易受社會(huì)因素影響的智能知識(shí)生產(chǎn)，施加科學(xué)的決策約束程序尤其必要。

要預(yù)先說(shuō)明的是，在術(shù)語(yǔ)上，我們將遵從科學(xué)知識(shí)社會(huì)學(xué)的通行用法，在最一般的意義上使用“知識(shí)”這一概念，它既包括科學(xué)知識(shí)，也包括人文學(xué)科和社會(huì)性知識(shí)。另外，這里所說(shuō)的“模式”，是一種類(lèi)似于庫(kù)恩的“范式”概念的用法（而不是在“范例”這個(gè)較窄的意義上），它抽象地指一種目標(biāo)、方法、程序、規(guī)范和價(jià)值的綜合。①庫(kù)恩：《科學(xué)革命的結(jié)構(gòu)》，金吾倫、胡新和譯，北京：北京大學(xué)出版社2003 年。

一、與傳統(tǒng)知識(shí)生產(chǎn)模式的比較

20 世紀(jì)末，在頗負(fù)盛名的《知識(shí)生產(chǎn)的新模式》一書(shū)里，科學(xué)哲學(xué)家邁克爾·吉本斯等人勾勒了兩種知識(shí)生產(chǎn)模式：模式1 為傳統(tǒng)的以個(gè)體探究為主的生產(chǎn)模式；模式2 為政府干預(yù)、應(yīng)用導(dǎo)向?yàn)樘卣鞯纳a(chǎn)模式。根據(jù)吉本斯的分析，模式1 和模式2 的差別具體而清晰：

在模式1 中，設(shè)置和解決問(wèn)題的情景主要由一個(gè)特定共同體的學(xué)術(shù)興趣所主導(dǎo)。而模式2 中，知識(shí)處理則是在一種應(yīng)用的情境中進(jìn)行的。模式1 的知識(shí)生產(chǎn)是基于學(xué)科的，而模式2 則是跨學(xué)科的。模式1 以同質(zhì)性為特征，而模式2 則是異質(zhì)性的。在組織上，模式1是等級(jí)制的，而且傾向于維持這一形式，而模式2 則是非等級(jí)化的異質(zhì)性的、多變的。兩種模式也有不同的質(zhì)量控制方式，與模式1 相比，模式2 的知識(shí)生產(chǎn)擔(dān)當(dāng)了更多社會(huì)責(zé)任且更加具有反思性。模式2 涵蓋了范圍更廣的、臨時(shí)性的、混雜的從業(yè)者，他們?cè)谝恍┯商囟ǖ?、本土的語(yǔ)境所定義的問(wèn)題上進(jìn)行合作。②邁克爾· 吉本斯等：《知識(shí)生產(chǎn)的新模式：當(dāng)代社會(huì)科學(xué)與研究的動(dòng)力學(xué)》，陳洪捷、沈文欽等譯，北京：北京大學(xué)出版社2011 年，第 3 頁(yè)。

吉本斯的觀察重點(diǎn)在于描畫(huà)這兩種模式的特征，并揭示這兩種模式所呈現(xiàn)出的系統(tǒng)性差異，包括研究動(dòng)機(jī)和研究過(guò)程的組織等。如果以典型案例來(lái)幫助闡釋的話(huà)，顯然，牛頓、愛(ài)因斯坦的物理學(xué)研究是模式1 的典型情形，而現(xiàn)代應(yīng)用科學(xué)和工程科學(xué)，比如以曼哈頓計(jì)劃為代表的化學(xué)工程或登月計(jì)劃等航天工程，則是模式2 的典型情形。

如何理解這兩種知識(shí)生產(chǎn)模式的運(yùn)作，吉本斯的分析富有啟發(fā)意義。這兩種模式已經(jīng)獲得許多研究者的認(rèn)同。事實(shí)上，這兩種模式有一定的共性，即相對(duì)而言是中心化的。比如，模式1 會(huì)形成所謂的“智力中心”，即以杰出的科學(xué)家（或維護(hù)某一研究范式的代表性科學(xué)家）為中心，而其他的知識(shí)生產(chǎn)者或相關(guān)生產(chǎn)過(guò)程都圍繞這個(gè)中心展開(kāi)。模式2 則會(huì)形成“需求中心”，即圍繞位于中心的需求發(fā)出方（如政府的特定需要）來(lái)展開(kāi)知識(shí)的生產(chǎn)，其典型案例就是曼哈頓計(jì)劃。

以一定的抽象眼光看，吉本斯關(guān)于兩種模式之間差異的討論提供了一個(gè)參考系，有助于識(shí)別出當(dāng)代一種新的知識(shí)生產(chǎn)模式，即以計(jì)算機(jī)、互聯(lián)網(wǎng)和智能手機(jī)等信息基礎(chǔ)設(shè)施的廣泛利用和以“深度學(xué)習(xí)”算法等信息技術(shù)的應(yīng)用為突出特征的智能知識(shí)生產(chǎn)模式，我們可以稱(chēng)之為模式3。這種知識(shí)生產(chǎn)模式的典型案例是基于大數(shù)據(jù)加工和機(jī)器學(xué)習(xí)算法的人工智能領(lǐng)域的一些進(jìn)展。

在過(guò)去的十余年里，因?yàn)闄C(jī)器學(xué)習(xí)領(lǐng)域出現(xiàn)的一些新算法，人工智能的應(yīng)用大大拓展。應(yīng)用這些算法的系統(tǒng)既可以從輸入的經(jīng)驗(yàn)數(shù)據(jù)學(xué)習(xí)，也可以在任務(wù)執(zhí)行的過(guò)程中自主學(xué)習(xí)來(lái)改善行為表現(xiàn)，在科學(xué)研究、醫(yī)療、弈棋、語(yǔ)言識(shí)別、產(chǎn)品推薦、詐騙識(shí)別等領(lǐng)域都有出色表現(xiàn)。以深度學(xué)習(xí)算法為例，除了阿爾法圍棋（AlphaGo）的驚艷表現(xiàn)以外，這一算法在預(yù)測(cè)藥物分子結(jié)構(gòu)、圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言理解等領(lǐng)域也取得了一些令人矚目的成就。③Yann LeCun, Yoshua Bengio and Geoffrey Hinton, “Deep Learning”, Nature, Vol.521, 2015, pp.436-444.

從較寬泛的“知識(shí)生產(chǎn)”概念來(lái)看，“智能知識(shí)生產(chǎn)”的涵蓋面還要廣一些。它包括運(yùn)用軟件機(jī)器人進(jìn)行輔助的科研活動(dòng)，甚至個(gè)體天文愛(ài)好者用天文望遠(yuǎn)鏡進(jìn)行的觀測(cè)、事故現(xiàn)場(chǎng)旁觀者的影音錄像以及日常觀鳥(niǎo)愛(ài)好者的隨手拍攝等。在這些智能設(shè)施、大數(shù)據(jù)和算法得到應(yīng)用的領(lǐng)域，新的知識(shí)生產(chǎn)模式也得到充分體現(xiàn)。而且，從科學(xué)知識(shí)社會(huì)學(xué)的視角看，我們有足夠充分的理由認(rèn)為，在知識(shí)生產(chǎn)的情境、生產(chǎn)過(guò)程和知識(shí)的內(nèi)容等方面，這一新模式都表現(xiàn)出一些獨(dú)特的特征。

智能知識(shí)生產(chǎn)模式最突出的定義性特征是人工智能技術(shù)的應(yīng)用使其具有了“智能”的特點(diǎn)。不管是阿爾法圍棋的成績(jī)，還是算法在預(yù)測(cè)藥物分子結(jié)構(gòu)上的應(yīng)用，在這些知識(shí)生產(chǎn)活動(dòng)中，算法和軟件都以極高的效率完成了一些超出一般人類(lèi)計(jì)算能力的任務(wù)。這個(gè)特點(diǎn)使之明顯區(qū)別于依賴(lài)科學(xué)家的計(jì)算、推理等人類(lèi)認(rèn)知能力的傳統(tǒng)知識(shí)生產(chǎn)模式。

這一新模式還有更多與傳統(tǒng)知識(shí)生產(chǎn)模式不同的方面。比如，較之深受傳統(tǒng)學(xué)科背景約束的知識(shí)生產(chǎn)，智能知識(shí)生產(chǎn)的問(wèn)題情境和組織要更為靈活多樣。智能知識(shí)生產(chǎn)活動(dòng)需要解決的問(wèn)題情境未必一定出于學(xué)科興趣或科學(xué)家個(gè)人興趣，也不是必須由政府主導(dǎo)決定。它可能出于某個(gè)單一的學(xué)科背景，也可能需要跨學(xué)科研究與合作；在組織形式上，它可以出于組織嚴(yán)密的垂直管理（比如某軍工項(xiàng)目），也可以因企業(yè)甚至公眾的參與而極為扁平和松散。①NASA 執(zhí)行的“開(kāi)普勒計(jì)劃”（Kepler Mission）是公眾參與大型科研計(jì)劃的典型案例。參見(jiàn)譚力揚(yáng)：《大數(shù)據(jù)中的算法化常規(guī)科學(xué)及其反常：以疑似“戴森球”的發(fā)現(xiàn)為例》，《自然辯證法通訊》2018 年第2 期。

同樣以人們熟悉的阿爾法圍棋為例來(lái)闡釋。阿爾法圍棋是谷歌（Google）旗下的Deepmind 公司團(tuán)隊(duì)開(kāi)發(fā)的人工智能機(jī)器人。這種機(jī)器人的研發(fā)雖然有人工智能研究的動(dòng)機(jī)，但并不純粹出于學(xué)科興趣；公司研發(fā)團(tuán)隊(duì)的組織形式區(qū)別于傳統(tǒng)的科學(xué)家研究團(tuán)隊(duì)或者政府組織的項(xiàng)目團(tuán)隊(duì)。另外，研發(fā)結(jié)果的質(zhì)量控制和評(píng)估主要根據(jù)應(yīng)用情境中解決問(wèn)題的能力來(lái)考量，并不或者說(shuō)較少考慮它的學(xué)科價(jià)值。②就阿爾法圍棋案例來(lái)說(shuō)，這一點(diǎn)或許可以討論，因?yàn)椤吧疃葘W(xué)習(xí)”算法是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要進(jìn)步。

特別值得強(qiáng)調(diào)的是，與傳統(tǒng)知識(shí)生產(chǎn)模式相比，智能知識(shí)生產(chǎn)有彌散和多元的特點(diǎn)。這一特點(diǎn)表現(xiàn)在兩個(gè)方面：一是知識(shí)來(lái)源的分散和多元化；二是知識(shí)生產(chǎn)者的分散和多元化。從知識(shí)來(lái)源的角度看，由于新型模式所依賴(lài)的人工智能技術(shù)，以及為該技術(shù)提供輸入的大數(shù)據(jù)技術(shù)，其知識(shí)的來(lái)源（即數(shù)據(jù)）不但從量上而且從來(lái)源的途徑類(lèi)型上都有極大拓展，甚至還能接納一些傳統(tǒng)模式所排斥的來(lái)源。比如，它會(huì)接受并處理各種攝像器材上傳的拍攝數(shù)據(jù)，特別是一些非官方和非專(zhuān)業(yè)的、片段式的拍攝數(shù)據(jù)，包括那些事故現(xiàn)場(chǎng)旁觀者的影音錄像、個(gè)體天文愛(ài)好者用家用天文望遠(yuǎn)鏡進(jìn)行的觀測(cè)和拍攝、日常觀鳥(niǎo)或野營(yíng)愛(ài)好者的隨手拍攝等。

從知識(shí)生產(chǎn)者的角度來(lái)看，其分散與多元化趨勢(shì)也有明確體現(xiàn)。隨著人工智能技術(shù)的推廣與普遍使用，除了人類(lèi)以及人類(lèi)組織之外，任何一個(gè)存在人工智能制品的角落都可能進(jìn)行知識(shí)生產(chǎn)，而且，這些生產(chǎn)會(huì)以傳統(tǒng)的人類(lèi)生產(chǎn)者難以預(yù)料的角度介入和滲透到既有的知識(shí)體系之中。比如，即使是在以人類(lèi)駕駛者為主導(dǎo)的汽車(chē)駕駛過(guò)程中，當(dāng)代的新型汽車(chē)很可能已經(jīng)不再完全依賴(lài)人類(lèi)來(lái)感知駕駛場(chǎng)景并進(jìn)行相應(yīng)的推理與決策，而是大量地運(yùn)用人工智能與相關(guān)的信息收集、處理技術(shù)來(lái)提供輔助。而且，這樣的人工智能處理元件現(xiàn)在已經(jīng)普遍存在于人類(lèi)制造與應(yīng)用的絕大多數(shù)機(jī)械——特別是運(yùn)用了電子技術(shù)的機(jī)械之中。這就使得知識(shí)生產(chǎn)的承載者不再是個(gè)別的科學(xué)家，或圍繞著某些中心（如政府）運(yùn)作的專(zhuān)家團(tuán)隊(duì)；一些性能足夠強(qiáng)大但分散于民用設(shè)備中的人工智能裝置足以完成同等的甚至質(zhì)量更高的知識(shí)生產(chǎn)任務(wù)。

人工智能技術(shù)與分散、多元化的知識(shí)來(lái)源（即大數(shù)據(jù)技術(shù)提供的數(shù)據(jù)輸入）相結(jié)合，將對(duì)某些專(zhuān)業(yè)領(lǐng)域甚至學(xué)科專(zhuān)業(yè)壁壘造成沖擊效應(yīng)。畢竟，阿爾法圍棋的設(shè)計(jì)者未必需要特別高明的圍棋知識(shí)；③Silver D, Schrittwieser J, Simonyan K, et al., “Mastering the Game of Go Without Human Knowledge”, Nature, Vol.550, 2017, pp.354-359.長(zhǎng)于數(shù)據(jù)挖掘和分析的技術(shù)專(zhuān)家也可能未必熟悉數(shù)據(jù)所涉及的學(xué)科領(lǐng)域。也許，大學(xué)、研究機(jī)構(gòu)等傳統(tǒng)知識(shí)生產(chǎn)機(jī)構(gòu)和政府部門(mén)、企業(yè)、民眾之間的知識(shí)交互，會(huì)不斷促進(jìn)跨學(xué)科合作，在新知識(shí)生產(chǎn)模式里產(chǎn)生更多還不能預(yù)料的積極作用。

需要補(bǔ)充說(shuō)明的是，智能知識(shí)生產(chǎn)模式和所謂的科學(xué)發(fā)現(xiàn)的“第四范式”有些區(qū)別。圖靈獎(jiǎng)得主蒂姆·格雷曾熱烈地歡迎科學(xué)發(fā)現(xiàn)的“第四范式”，即數(shù)據(jù)密集型的科學(xué)發(fā)現(xiàn)范式。他主要從科學(xué)家如何獲得科學(xué)發(fā)現(xiàn)這一視角，通過(guò)比較科學(xué)家的工作方式來(lái)區(qū)分四種范式。簡(jiǎn)言之，“第一范式”指訴諸經(jīng)驗(yàn)觀察和對(duì)現(xiàn)象的描述；“第二范式”則依賴(lài)于理論的概括和推理；“第三范式”是用計(jì)算機(jī)進(jìn)行模擬試驗(yàn)；“第四范式”則著重于數(shù)據(jù)挖掘和處理。①Hey, T., Tansley, S., Tolle, K., “Jim Gray on Science: A Transformed Scientific Method”, Hey, T., Tansley S., Tolle, K. (eds), The Fourth Paradigm: Data-Intensive Scienti c Discovery, Washington: Microsoft Research, 2009, p.xviii.

作為方法論的多元論者，在意圖上，我們不是想刻畫(huà)個(gè)體科學(xué)家工作方式上的改變，而是要從知識(shí)社會(huì)學(xué)的角度，一般性地審視特定社會(huì)范圍內(nèi)突出的知識(shí)生產(chǎn)模式。換言之，格雷的區(qū)分主要是一個(gè)科學(xué)方法論區(qū)分；而對(duì)模式3 的刻畫(huà)則是要識(shí)別當(dāng)代很多重要的知識(shí)生產(chǎn)活動(dòng)的知識(shí)社會(huì)學(xué)特征。相應(yīng)地，模式3 在范圍上較“第四范式”更為寬廣，盡管著重?cái)?shù)據(jù)挖掘和處理的“第四范式”確實(shí)是我們所說(shuō)的智能知識(shí)模式中的突出情形。比如，不妨考慮一下阿爾法圍棋，或者一個(gè)嵌入了功利主義原則的自動(dòng)駕駛程序；②Luis Moniz Pereira, Ari Saptawijaya, Programming Machine Ethics, Switzerland: Springer International Publishing, 2016, pp.8-9.顯然，在較嚴(yán)格的意義上，它們都不算科學(xué)發(fā)現(xiàn)，不過(guò)，在寬泛的涵義上，可以將它們視為智能知識(shí)生產(chǎn)活動(dòng)的案例。

另外，將智能知識(shí)生產(chǎn)模式與模式1 和模式2 進(jìn)行比較，容易讓人誤以為這是一種在各個(gè)方面都有別于前述兩種知識(shí)生產(chǎn)模式的嶄新模式。實(shí)際情況并非如此，它們并非在每個(gè)方面都截然不同。從研究興趣或動(dòng)機(jī)來(lái)講，人工智能技術(shù)既可以應(yīng)用于基于個(gè)人興趣的某一特定學(xué)科領(lǐng)域，也可以應(yīng)用于政府主導(dǎo)的、大型跨學(xué)科研究項(xiàng)目；從組織上講，它可以在過(guò)度組織、等級(jí)制嚴(yán)格的組織結(jié)構(gòu)中執(zhí)行，也可以在扁平的、非等級(jí)制的合作過(guò)程中進(jìn)行。

二、智能知識(shí)生產(chǎn)的特征

智能知識(shí)生產(chǎn)模式有自身的特點(diǎn)，這些特點(diǎn)對(duì)于理解信息技術(shù)時(shí)代的知識(shí)生產(chǎn)和質(zhì)量控制尤其重要。關(guān)于智能知識(shí)的生產(chǎn)及智能知識(shí)的構(gòu)成和評(píng)估，科學(xué)哲學(xué)家還沒(méi)有獲得共識(shí)。對(duì)智能知識(shí)生產(chǎn)模式的認(rèn)識(shí)，在一定程度上依賴(lài)于如何對(duì)現(xiàn)象進(jìn)行描述，以及如何識(shí)別現(xiàn)象的核心特征。

在計(jì)算機(jī)應(yīng)用的早期階段，馮·諾伊曼就提出了計(jì)算機(jī)語(yǔ)言和人腦語(yǔ)言有不同的“邏輯深度”和“計(jì)算深度”。其中，邏輯深度指的是為完成問(wèn)題的求解過(guò)程所需要進(jìn)行的初等運(yùn)算的數(shù)目；計(jì)算深度則指的是計(jì)算機(jī)執(zhí)行的串行運(yùn)算的長(zhǎng)度。③馮· 諾伊曼：《計(jì)算機(jī)與人腦》，甘子玉譯，北京：北京大學(xué)出版社2010 年，第74—78 頁(yè)。根據(jù)馮·諾伊曼的看法，正是計(jì)算機(jī)語(yǔ)言的特點(diǎn)，使得加工結(jié)果能獲得極高的算術(shù)準(zhǔn)確度和邏輯可靠性。與之相比，人腦系統(tǒng)使用的語(yǔ)言只有很小的邏輯深度和算術(shù)深度，“它在一個(gè)相當(dāng)?shù)偷臏?zhǔn)確度水平上，進(jìn)行非常復(fù)雜的工作”。④根據(jù)馮·諾伊曼的判斷，人腦“只可能達(dá)到2 位至3 位十進(jìn)制數(shù)字的準(zhǔn)確度水平”。參見(jiàn)馮·諾伊曼：《計(jì)算機(jī)與人腦》，第74 頁(yè)。

馮·諾伊曼的觀察對(duì)于識(shí)別智能知識(shí)生產(chǎn)模式的本質(zhì)特征起到了關(guān)鍵作用。首先，也是最重要的，智能知識(shí)生產(chǎn)模式的第一個(gè)特征是廣泛利用計(jì)算機(jī)系統(tǒng)。給定計(jì)算機(jī)具有區(qū)別于人腦的邏輯深度和計(jì)算深度，這一知識(shí)生產(chǎn)模式的運(yùn)作過(guò)程和結(jié)果都有不同于傳統(tǒng)知識(shí)生產(chǎn)模式的地方。比如，計(jì)算機(jī)能迅速處理非常龐大的數(shù)據(jù)，而且進(jìn)行邏輯運(yùn)算的失誤概率非常低（盡管不是零）。

隨著計(jì)算機(jī)計(jì)算能力的提高，人腦和計(jì)算機(jī)之間在準(zhǔn)確度和可靠性上的對(duì)比愈加分明。這在模式1 和模式3 的對(duì)比上有鮮明體現(xiàn)。傳統(tǒng)模式的知識(shí)生產(chǎn)需要充分利用人腦的抽象推理能力和創(chuàng)造性能力，但科學(xué)家常常只需要進(jìn)行很簡(jiǎn)單的數(shù)學(xué)計(jì)算或邏輯推理。雖然只要求很低的準(zhǔn)確度，但研究者的個(gè)體特征、歷史文化因素等非理性因素也會(huì)對(duì)知識(shí)生產(chǎn)過(guò)程產(chǎn)生影響。相較而言，在智能知識(shí)生產(chǎn)模式里，計(jì)算機(jī)的復(fù)雜計(jì)算過(guò)程幾乎不能也不會(huì)被知識(shí)生產(chǎn)者完全理解；科學(xué)家的個(gè)體特征也不對(duì)計(jì)算過(guò)程的準(zhǔn)確性產(chǎn)生任何積極或消極作用。更重要的是，計(jì)算機(jī)語(yǔ)言的準(zhǔn)確性為信息（知識(shí)）的存儲(chǔ)和傳播提供了便捷渠道，各種信息基礎(chǔ)設(shè)施的有效運(yùn)作，使得智能社會(huì)里趨體系化的知識(shí)生產(chǎn)模式得以形成。不過(guò)，要注意的是，僅憑是否利用了計(jì)算機(jī)的強(qiáng)大計(jì)算能力，還不足以在第二種知識(shí)生產(chǎn)模式和第三種知識(shí)生產(chǎn)模式之間劃出界限來(lái)；顯然，在曼哈頓計(jì)劃的執(zhí)行過(guò)程中，正是計(jì)算機(jī)的強(qiáng)大計(jì)算能力使得一些實(shí)驗(yàn)計(jì)劃得以進(jìn)行。

其次，隨著信息技術(shù)的發(fā)展和信息基礎(chǔ)設(shè)施建設(shè)的升級(jí)，人們已習(xí)慣用“信息時(shí)代”來(lái)標(biāo)識(shí)今天的時(shí)代特征。因此，智能知識(shí)生產(chǎn)模式的第二個(gè)特征，就是“信息時(shí)代”成為知識(shí)生產(chǎn)的突出社會(huì)環(huán)境；更具體地說(shuō)，互聯(lián)網(wǎng)等信息基礎(chǔ)設(shè)施，以拍字節(jié)（petabytes）為單位的大數(shù)據(jù)，還有云計(jì)算的強(qiáng)大分布式計(jì)算能力等，都已成為特定領(lǐng)域知識(shí)生產(chǎn)的關(guān)鍵要素，促進(jìn)了知識(shí)的生產(chǎn)和流通。

信息時(shí)代的大數(shù)據(jù)，研究人員常將其特點(diǎn)歸納為“4V”，即規(guī)模性（volum e）、多樣性（variety）、高速性（velocity）和價(jià)值（value）。①馬世龍、烏尼日其其格、李小平：《大數(shù)據(jù)與深度學(xué)習(xí)綜述》，《智能系統(tǒng)學(xué)報(bào)》2016 年第6 期。大數(shù)據(jù)的這些特點(diǎn)被認(rèn)為改變了科學(xué)研究的范式。②Hey, T., Tansley, S., Tolle, K., “Jim Gray on Science: A Transformed Scientific Method”, Hey, T., Tansley S., Tolle, K. (eds.),The Fourth Paradigm: Data-Intensive Scienti c Discovery, Washington: Microsoft Research, 2009, p.xviii.隨著各學(xué)科獲取的數(shù)據(jù)越來(lái)越多，科研人員對(duì)龐大數(shù)據(jù)的分析和處理必然依賴(lài)于高性能的計(jì)算機(jī)和特定的算法，于是，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)手段逐步成為獲得結(jié)果的通用研究手段。

相應(yīng)地，智能知識(shí)生產(chǎn)模式的第三個(gè)特征就是算法等核心技術(shù)在知識(shí)生產(chǎn)中的突出作用。知識(shí)如何形成，一直是科學(xué)知識(shí)社會(huì)學(xué)的核心議題。著眼于智能知識(shí)生產(chǎn)，不妨說(shuō)，正是諸如“深度學(xué)習(xí)”這樣的能自主學(xué)習(xí)的算法，使得模式3 凸顯成為獨(dú)特的生產(chǎn)模式；盡管機(jī)器學(xué)習(xí)的成就并不局限于某一種算法。

最后，從知識(shí)生產(chǎn)的社會(huì)組織來(lái)看，如前所述，因?yàn)橛?jì)算機(jī)、智能手機(jī)等信息基礎(chǔ)設(shè)施的廣泛應(yīng)用，知識(shí)生產(chǎn)越來(lái)越呈現(xiàn)出彌散性、多元性和迅速增長(zhǎng)的特點(diǎn)。特別是，在知識(shí)和數(shù)據(jù)具有商業(yè)價(jià)值的背景下，知識(shí)生產(chǎn)不再只局限于個(gè)體或者政府組織的探索活動(dòng)，它們往往在一個(gè)更廣闊的、不限學(xué)科的社會(huì)經(jīng)濟(jì)情境中被創(chuàng)造出來(lái)。特別是，因?yàn)閷?duì)經(jīng)濟(jì)利益或其他興趣的追求，傳統(tǒng)知識(shí)生產(chǎn)體制之外的個(gè)人、公司或企業(yè)等主體也以飽滿(mǎn)的熱情追逐著從數(shù)據(jù)中挖掘出來(lái)的有價(jià)值的信息。

不妨以動(dòng)物行為研究為例，來(lái)比較模式3 和模式1 的差異。早期的動(dòng)物行為學(xué)家和達(dá)爾文一樣，以長(zhǎng)期的實(shí)地觀察來(lái)贏得人們的尊重。他們的知識(shí)創(chuàng)造基于個(gè)人的辛勤工作和創(chuàng)造力，有時(shí)候也依賴(lài)于碰巧觀察到某類(lèi)有趣的動(dòng)物或動(dòng)物行為。然而，隨著智能手機(jī)等信息基礎(chǔ)設(shè)施的廣泛分布，社會(huì)知識(shí)生產(chǎn)主體越來(lái)越彌散，偶然、碰巧的觀察的重要性在下降，因?yàn)橛性S多人在有意或無(wú)意地觀察并記錄有趣的動(dòng)物行為，從而參與了知識(shí)生產(chǎn)。不管你是想了解白蟻蟻丘的結(jié)構(gòu)，還是想獲得對(duì)螞蟻死亡漩渦的直接觀感，智能手機(jī)之類(lèi)的發(fā)達(dá)的信息基礎(chǔ)設(shè)施和便捷的搜索渠道都能提供方便。

三、來(lái)自科學(xué)知識(shí)社會(huì)學(xué)的啟發(fā)

人工智能產(chǎn)生的許多哲學(xué)問(wèn)題（主要是認(rèn)識(shí)論問(wèn)題和倫理問(wèn)題），特別是像人工智能的可解釋性問(wèn)題，數(shù)據(jù)歧視、認(rèn)知不公、隱私保護(hù)等倫理問(wèn)題，已得到較深入研究。③成素梅：《智能化社會(huì)的十大哲學(xué)挑戰(zhàn)》，《探索與爭(zhēng)鳴》2017 年第10 期；廖備水：《論新一代人工智能與邏輯學(xué)的交叉研究》，《中國(guó)社會(huì)科學(xué)》2022 年第3 期。相對(duì)而言，社會(huì)因素對(duì)智能知識(shí)生產(chǎn)模式的影響，還沒(méi)有獲得充分理解。接下來(lái)，我們主要從兩個(gè)方面進(jìn)行討論：一是社會(huì)因素對(duì)智能知識(shí)生產(chǎn)的內(nèi)容的影響；二是社會(huì)因素對(duì)智能知識(shí)生產(chǎn)活動(dòng)的組織方式的影響。

科學(xué)知識(shí)社會(huì)學(xué)的研究已經(jīng)表明，科學(xué)知識(shí)的內(nèi)容與產(chǎn)出科學(xué)知識(shí)的社會(huì)因素和社會(huì)結(jié)構(gòu)之間有緊密關(guān)聯(lián)。這種關(guān)聯(lián)表現(xiàn)在三個(gè)維度：其一，特定時(shí)期的社會(huì)熱點(diǎn)議題和政治經(jīng)濟(jì)結(jié)構(gòu)與科學(xué)理論的內(nèi)容可能有很強(qiáng)的相關(guān)性，④Bloor, D., Knowledge and Social Imagery, London: Routledge & Kegan Paul, 1976.雖然研究者對(duì)這種聯(lián)系的性質(zhì)和強(qiáng)度有不同見(jiàn)解。其二，根據(jù)庫(kù)恩及其追隨者的看法，在既有證據(jù)不能充分決定理論選擇的情況下，社會(huì)因素往往會(huì)成為理論選擇的重要決定因素。⑤托馬斯·庫(kù)恩：《客觀性、價(jià)值判斷和理論選擇》，張志林主編：《當(dāng)代哲學(xué)經(jīng)典·科學(xué)哲學(xué)卷》，北京：北京師范大學(xué)出版社2014 年。其三，有些研究者對(duì)知識(shí)生產(chǎn)的人類(lèi)學(xué)特征做了細(xì)致考察，根據(jù)他們的建議，知識(shí)生產(chǎn)是建構(gòu)性的（而不是描述性的），因?yàn)橹R(shí)生產(chǎn)活動(dòng)總有科學(xué)家的決策負(fù)載（decision-laden），常常是特定時(shí)空中的社會(huì)協(xié)商的結(jié)果，而不完全取決于個(gè)體決策的邏輯。⑥Karin D. Knorr-Cetina, The Manufacture of Knowledge: An Essay on the Constructivist and Contextual Nature of Science, Oxford:Pergamon Press, 1981, p.152.

這些不同維度的考慮對(duì)于理解智能知識(shí)生產(chǎn)的內(nèi)容有不同程度的助益。首先，布魯爾的重要洞察在于，特定時(shí)期的社會(huì)因素、政治經(jīng)濟(jì)因素影響科學(xué)理論的內(nèi)容。對(duì)于智能知識(shí)生產(chǎn)來(lái)說(shuō)，情形也是如此。在傳統(tǒng)的生產(chǎn)模式里，知識(shí)創(chuàng)造的動(dòng)力在很大程度上來(lái)源于理解自然和人類(lèi)社會(huì)的求知欲。這種求知欲的驅(qū)動(dòng)力仍然在傳統(tǒng)的知識(shí)生產(chǎn)機(jī)制內(nèi)起作用，不過(guò)，在更廣泛的社會(huì)范圍里，智能知識(shí)生產(chǎn)模式顯然更敏感于社會(huì)、政治、經(jīng)濟(jì)關(guān)注的焦點(diǎn)問(wèn)題，比如醫(yī)療、生育、生物技術(shù)、環(huán)境等社會(huì)公共議題。

以近幾年新冠肺炎疫情這一最突出的社會(huì)現(xiàn)象為例。在抗擊新型冠狀病毒肺炎疫情的過(guò)程中，人工智能已廣泛應(yīng)用于臨床醫(yī)學(xué)各領(lǐng)域，包擴(kuò)放射影像診斷、疾病預(yù)測(cè)、疾病追蹤和藥物研發(fā)等。比如，人工智能可以快速?gòu)囊?guī)模龐大的分子結(jié)構(gòu)數(shù)據(jù)庫(kù)中篩選出潛在藥物，極大地降低了藥物研發(fā)周期和成本，在藥物研發(fā)領(lǐng)域有巨大潛力。再如，在輔助診斷方面，在人工智能的幫助下，放射科醫(yī)生診斷COVID-19 的平均精確度從85%提升到了90%。①劉思遠(yuǎn)、張麗軍、劉雷：《人工智能在抗擊新型冠狀病毒肺炎疫情中的應(yīng)用》，《中國(guó)醫(yī)學(xué)物理學(xué)雜志》2020 年第8 期。顯然，新冠肺炎疫情這一全球性公共衛(wèi)生危機(jī)，已使得疫情防治成為近三年來(lái)知識(shí)生產(chǎn)最密集的研究領(lǐng)域之一。

其次，慮及人工智能的某些特征，庫(kù)恩的提醒有其認(rèn)識(shí)論價(jià)值。深度學(xué)習(xí)等具備主動(dòng)學(xué)習(xí)能力的算法，以及一些軟件機(jī)器人，早已經(jīng)深度參與知識(shí)生產(chǎn)活動(dòng)。新冠肺炎疫情防治工作中存在許多證據(jù)不充分決定的情形，并沒(méi)有一個(gè)客觀的公共準(zhǔn)則表或算法能代替人類(lèi)的決策。比如，目前還沒(méi)有足夠好的治療特效藥物，大部分藥物臨床試驗(yàn)的療效不佳；有時(shí)候胸部CT 掃描結(jié)果不足以幫助醫(yī)生做出精確判斷；傳染病模型的預(yù)測(cè)結(jié)果會(huì)有比較大的誤差等。在數(shù)據(jù)量極大且運(yùn)算速度可以起作用的地方，人工智能提供了幫助。比如，谷歌Deepmind 公司開(kāi)發(fā)的AlphaFold 深度學(xué)習(xí)系統(tǒng)快速預(yù)測(cè)了新型冠狀病毒（COVID-19）的蛋白質(zhì)結(jié)構(gòu)，大大縮短了疫苗設(shè)計(jì)所需要的時(shí)間。②Alimadadi A, Aryal S, Manandhar I, et al., “Artificial Intelligence and Machine Learning to Fight COVID-19”, Physiol Genomics,2020, Vol.52, Iss.4, pp.200-202.然而，至少目前看來(lái)，許多問(wèn)題能否解決在本質(zhì)上并非取決于數(shù)據(jù)大小或計(jì)算速度，人工智能的作用還極為有限。庫(kù)恩式的洞察，即心理因素、社會(huì)因素可以對(duì)相關(guān)理論選擇起決定作用，仍然是理解某些理論選擇的基礎(chǔ)模型。

再次，從人類(lèi)學(xué)進(jìn)路來(lái)看，我們也可以獲得一些重要的啟示。盡管運(yùn)用智能技術(shù)獲得的知識(shí)，本質(zhì)是基于具有不同算術(shù)深度和邏輯深度的語(yǔ)言所產(chǎn)出的知識(shí)結(jié)果，計(jì)算機(jī)的強(qiáng)大計(jì)算能力和深度學(xué)習(xí)等算法處理大數(shù)據(jù)的能力使得智能知識(shí)生產(chǎn)模式的產(chǎn)出結(jié)果有一些非人的特點(diǎn)。但是，它們?nèi)匀辉谝恍┲匾矫婢哂兄档脧?qiáng)調(diào)的人類(lèi)學(xué)特征。特別是，如果人類(lèi)學(xué)分析進(jìn)路是對(duì)的，那么科學(xué)知識(shí)的客觀性在本質(zhì)上就是社會(huì)性。從知識(shí)“制造”的過(guò)程來(lái)看，科學(xué)家的目的和決策，科學(xué)家之間的信息溝通與交流，幾乎總是會(huì)使知識(shí)生產(chǎn)的結(jié)果具有人類(lèi)決策負(fù)載。從知識(shí)生產(chǎn)結(jié)果的質(zhì)量控制和評(píng)估來(lái)看，智能知識(shí)生產(chǎn)的輸出結(jié)果的重要性也總是體現(xiàn)或反映了人類(lèi)的興趣或關(guān)切。例如，某個(gè)醫(yī)療診斷是否應(yīng)該被采納，某種特定療效的藥物是否應(yīng)該用于臨床，裝備了某種敏感于倫理原則的自動(dòng)駕駛程序是否可以準(zhǔn)予應(yīng)用，等等。③白惠仁：《自動(dòng)駕駛汽車(chē)的“道德”困境》，《科學(xué)學(xué)研究》2019 年第1 期。

科學(xué)知識(shí)社會(huì)學(xué)的研究還表明，科學(xué)生產(chǎn)活動(dòng)的組織方式受許多社會(huì)因素的影響和制約。在近代很長(zhǎng)一段時(shí)間里，隨著現(xiàn)代大學(xué)的興起和擴(kuò)張，知識(shí)生產(chǎn)主要由身處大學(xué)或研究機(jī)構(gòu)的科研人員承擔(dān)，而其產(chǎn)出結(jié)果的質(zhì)量控制一般由學(xué)術(shù)共同體或其他合法機(jī)構(gòu)（比如期刊和出版社）通過(guò)同行評(píng)議的方式來(lái)掌握。隨著智能知識(shí)生產(chǎn)模式的出現(xiàn)，知識(shí)生產(chǎn)的動(dòng)力機(jī)制、組織方式和質(zhì)量控制等問(wèn)題已逐步凸顯為需要重新認(rèn)識(shí)的議題。

由于大學(xué)教育的普及，民眾的知識(shí)素養(yǎng)普遍提高，越來(lái)越多受過(guò)高等教育、有能力從事知識(shí)生產(chǎn)的人員流入政府部門(mén)、企業(yè)、專(zhuān)業(yè)團(tuán)體或其他社會(huì)組織。隨著科學(xué)態(tài)度從大學(xué)向社會(huì)的不斷外溢，在互聯(lián)網(wǎng)及其他社交軟件的幫助下，人們對(duì)知識(shí)生產(chǎn)活動(dòng)的關(guān)注度日益高漲，也有越來(lái)越強(qiáng)的參與意識(shí)和社會(huì)問(wèn)責(zé)意識(shí)。在一定程度上，因?yàn)殡娮油ㄐ?、智能技術(shù)的普遍應(yīng)用，以及公眾的廣泛參與，知識(shí)生產(chǎn)已經(jīng)形成一個(gè)彌散分布于整個(gè)智能化社會(huì)的體系。這一體系既包括現(xiàn)代大學(xué)和研究機(jī)構(gòu)，也包括企業(yè)的實(shí)驗(yàn)室、研究團(tuán)隊(duì)、其他類(lèi)型的機(jī)構(gòu)或研究中心，甚至還包括某些業(yè)余社會(huì)個(gè)體。在這一體系里，參與知識(shí)生產(chǎn)的場(chǎng)所的數(shù)量已經(jīng)遠(yuǎn)遠(yuǎn)超出傳統(tǒng)大學(xué)或科研機(jī)構(gòu)的數(shù)量，而且，知識(shí)在傳統(tǒng)知識(shí)生產(chǎn)機(jī)構(gòu)和社會(huì)之間的流通或獲取也愈趨便捷。體系里的組織和交流，比如成果的發(fā)表或傳播，有時(shí)候會(huì)繞過(guò)略顯僵化的傳統(tǒng)體制，它們未必會(huì)在傳統(tǒng)學(xué)術(shù)期刊發(fā)表，也未必經(jīng)過(guò)嚴(yán)格的同行評(píng)議。比如，維基百科、百度學(xué)術(shù)、知乎等網(wǎng)絡(luò)資源平臺(tái)就表現(xiàn)出這樣的特點(diǎn)。

就動(dòng)力機(jī)制而言，純粹的求知欲仍然在發(fā)揮作用，不過(guò)，智能知識(shí)生產(chǎn)模式的驅(qū)動(dòng)機(jī)制更為復(fù)雜。相對(duì)而言，它較少受傳統(tǒng)的學(xué)科興趣驅(qū)動(dòng)，而對(duì)特定時(shí)期突出的社會(huì)、政治、經(jīng)濟(jì)問(wèn)題更敏感。出于商業(yè)利益的驅(qū)動(dòng)或國(guó)際競(jìng)爭(zhēng)的考慮，公司、企業(yè)的研發(fā)團(tuán)隊(duì)往往成為更有能力承擔(dān)研究任務(wù)的主體；谷歌的阿爾法圍棋研究團(tuán)隊(duì)、科大訊飛的自然語(yǔ)言處理研究團(tuán)隊(duì)，是這類(lèi)知識(shí)生產(chǎn)主體的典型代表。在組織形式上，智能生產(chǎn)模式里的知識(shí)生產(chǎn)往往不再是獨(dú)立的研究活動(dòng)。①由位于日內(nèi)瓦的歐洲核研究組織（CERN）的實(shí)驗(yàn)室指導(dǎo)的一個(gè)粒子物理學(xué)研究項(xiàng)目，研究成員包括100 多家研究機(jī)構(gòu)和2000余名物理學(xué)家。參見(jiàn)Christine M. Hine, New Infrastructures for Knowledge Production: Understanding E-science, Information Science Publishing, 2006, p.VI。科學(xué)家日復(fù)一日的重復(fù)實(shí)驗(yàn)，或者哲學(xué)家的反思和推理，這種傳統(tǒng)的知識(shí)生產(chǎn)主體形象已經(jīng)只存在于有限的范圍內(nèi)。智能知識(shí)生產(chǎn)模式的組織，相對(duì)要靈活得多，既可以通過(guò)項(xiàng)目制來(lái)進(jìn)行組織，也可以是像維基百科那樣的大眾匿名貢獻(xiàn)。

由于社會(huì)公眾教育程度和社會(huì)開(kāi)放程度的提高，人們不僅熱情地關(guān)注、支持某些議題的研究，也反對(duì)、聲討某些越軌或有悖倫理的研究，以這樣的方式，越來(lái)越多的人實(shí)質(zhì)性地參與了研究目標(biāo)的設(shè)定或者研究的倫理標(biāo)準(zhǔn)的設(shè)定。因而，智能知識(shí)生產(chǎn)模式的質(zhì)量控制，往往不再是取決于少數(shù)科學(xué)家或技術(shù)專(zhuān)家的事情；相較而言，知識(shí)生產(chǎn)越來(lái)越受更大范圍的多種因素影響，需要社會(huì)中的不同利益相關(guān)方的協(xié)商和談判。同時(shí)，人們普遍認(rèn)識(shí)到，計(jì)算機(jī)不同于人腦。計(jì)算機(jī)的運(yùn)作本身有其限制，比如，不能處理規(guī)范性問(wèn)題或規(guī)則出錯(cuò)的情形，智能知識(shí)的產(chǎn)出過(guò)程的“黑箱”特性，也還有超出人類(lèi)認(rèn)知能力把握的方面。在特定情境下，尤其是知識(shí)生產(chǎn)有重要社會(huì)后果的情境下，對(duì)知識(shí)產(chǎn)出結(jié)果的質(zhì)量評(píng)估需要人力干預(yù)和質(zhì)量控制，尤其要施加社會(huì)民主化約束以防止社會(huì)風(fēng)險(xiǎn)。在無(wú)人駕駛、醫(yī)療服務(wù)、環(huán)境問(wèn)題，以及其他重要的智能知識(shí)應(yīng)用領(lǐng)域，社會(huì)民主決策程序的引入都非常必要。值得一提的是，在知識(shí)生產(chǎn)的質(zhì)量控制上，軟件機(jī)器人表現(xiàn)出強(qiáng)大功能，比如，由維吉爾·格里菲斯（Virgil Griffith）開(kāi)發(fā)的維基掃描器（Wikiscanner）軟件，就對(duì)維護(hù)維基百科詞條內(nèi)容的質(zhì)量起到了重要作用；它能通過(guò)提高維基百科的透明度來(lái)防止一些惡意的篡改或編輯。

另一個(gè)相對(duì)被忽視但特別值得討論的問(wèn)題，是探索社會(huì)干預(yù)促進(jìn)智能知識(shí)生產(chǎn)的機(jī)制和措施。詹姆士·布朗對(duì)社會(huì)干預(yù)促進(jìn)科學(xué)的途徑做了討論。②Jams Robert Brown, “Social Factors in Science”, in A Companian to the Philosophy of Science, W. H. Newton-smith (eds.), Blackwell Publishers Inc, 2000, pp.442-443.吉本斯也曾呼吁，知識(shí)生產(chǎn)模式的轉(zhuǎn)變要求科技政策的轉(zhuǎn)變，即要從“為適應(yīng)科學(xué)發(fā)展而制定政策”轉(zhuǎn)向“為技術(shù)創(chuàng)新而制定政策”。③邁克爾· 吉本斯等：《知識(shí)生產(chǎn)的新模式：當(dāng)代社會(huì)科學(xué)與研究的動(dòng)力學(xué)》，第138 頁(yè)。鑒于智能知識(shí)生產(chǎn)模式的特點(diǎn)，也迫切需要社會(huì)科技政策做出相應(yīng)的前瞻性考慮。

在智能知識(shí)生產(chǎn)模式里，主要的生產(chǎn)機(jī)構(gòu)有相互滲透、跨界融合的特點(diǎn)。一方面，大學(xué)和研究機(jī)構(gòu)仍然是穩(wěn)定的傳統(tǒng)研究力量；另一方面，市場(chǎng)主導(dǎo)的公司、企業(yè)還有其他一些社會(huì)個(gè)體也在持續(xù)發(fā)揮作用。尤其值得注意的是，因?yàn)樯虡I(yè)利潤(rùn)的吸引力，企業(yè)和跨國(guó)公司等市場(chǎng)主體有特別強(qiáng)烈的知識(shí)創(chuàng)新動(dòng)力，已經(jīng)或正在成為主要的知識(shí)生產(chǎn)機(jī)構(gòu)。從知識(shí)生產(chǎn)的組織特點(diǎn)看，智能知識(shí)生產(chǎn)模式能更好激勵(lì)、促進(jìn)穩(wěn)定的機(jī)構(gòu)和靈活的組織之間進(jìn)行合作的制度和措施，應(yīng)該成為當(dāng)下和未來(lái)的科技政策制定的核心考慮。傳統(tǒng)的嚴(yán)格單位管理的科技管理措施和科技政策有可能對(duì)智能知識(shí)生產(chǎn)模式的產(chǎn)出造成限制，特別是限制了專(zhuān)業(yè)人才和技術(shù)專(zhuān)家的活動(dòng)范圍，或許新的生產(chǎn)模式要求新的、更動(dòng)態(tài)化的組織模式和制度化模式。鑒于此，我國(guó)國(guó)務(wù)院2017 年印發(fā)的《新一代人工智能發(fā)展規(guī)劃》要求：“以提升新一代人工智能科技創(chuàng)新能力為主攻方向……構(gòu)筑知識(shí)群、技術(shù)群、產(chǎn)業(yè)群互動(dòng)融合和人才、制度、文化相互支撐的生態(tài)系統(tǒng)?！雹佟缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》，《科技導(dǎo)報(bào)》2018 年第17 期。經(jīng)過(guò)數(shù)年建設(shè)，在人工智能人才團(tuán)隊(duì)建設(shè)、人工智能學(xué)科建設(shè)、產(chǎn)學(xué)研一體化的政策建設(shè)、培育智能經(jīng)濟(jì)等方面，我國(guó)已經(jīng)取得明顯進(jìn)展。不過(guò)，目前來(lái)看，如何協(xié)調(diào)產(chǎn)業(yè)政策、創(chuàng)新政策與社會(huì)政策，將激勵(lì)和規(guī)制相結(jié)合，建立“開(kāi)放協(xié)同的知識(shí)創(chuàng)新體系”，以最大限度地釋放智能模式下的社會(huì)知識(shí)創(chuàng)新活力，仍然還是要持續(xù)探索的問(wèn)題。

結(jié) 語(yǔ)

在當(dāng)代的知識(shí)生產(chǎn)中，以學(xué)術(shù)共同體的學(xué)術(shù)興趣主導(dǎo)的知識(shí)生產(chǎn)模式和國(guó)家主導(dǎo)的跨學(xué)科攻關(guān)模式都在發(fā)揮重要作用。在這兩種知識(shí)生產(chǎn)模式之外，還有一類(lèi)特殊的知識(shí)生產(chǎn)情形，它利用了智能設(shè)備、互聯(lián)網(wǎng)等信息基礎(chǔ)設(shè)施和當(dāng)代計(jì)算機(jī)的強(qiáng)大計(jì)算能力，特別是利用了基于前者獲得的大數(shù)據(jù)和一些新型算法。這種知識(shí)生產(chǎn)模式正在改變一些傳統(tǒng)的科研手段和工作范式，深刻塑造著現(xiàn)代社會(huì)和未來(lái)技術(shù)文明。

“新的技術(shù)人類(lèi)文明類(lèi)型”是現(xiàn)代社會(huì)歷史性生成的結(jié)果，“無(wú)法脫離由商業(yè)、技術(shù)工業(yè)與資本文明共同提供的現(xiàn)實(shí)的與經(jīng)驗(yàn)的基礎(chǔ)”。②劉日明：《馬克思的未來(lái)社會(huì)與新文明類(lèi)型》，《哲學(xué)動(dòng)態(tài)》2022 年第1 期。從當(dāng)代知識(shí)生產(chǎn)的現(xiàn)實(shí)基礎(chǔ)和社會(huì)因素來(lái)看，智能知識(shí)生產(chǎn)模式的動(dòng)機(jī)對(duì)社會(huì)實(shí)踐和社會(huì)生活的重要關(guān)切敏感。正如智能駕駛、軍事技術(shù)、醫(yī)療、環(huán)境、認(rèn)知模擬等特別重要的社會(huì)生活領(lǐng)域或技術(shù)應(yīng)用領(lǐng)域，驅(qū)動(dòng)著智能知識(shí)生產(chǎn)。智能知識(shí)生產(chǎn)的組織，一般來(lái)說(shuō)，越來(lái)越不依賴(lài)于科學(xué)家個(gè)體，而往往是科學(xué)家團(tuán)隊(duì)合作科研和決策的結(jié)果，因?yàn)橄嚓P(guān)問(wèn)題的知識(shí)創(chuàng)新需要的知識(shí)背景和技術(shù)條件幾乎總是超出科學(xué)家個(gè)體的掌握程度。公眾教育程度的提高、科學(xué)態(tài)度的外溢、信息基礎(chǔ)設(shè)施的進(jìn)步等因素，使得科研工作逐漸成為公眾越來(lái)越關(guān)注的活動(dòng)，客觀上也要求擴(kuò)大社會(huì)公眾對(duì)智能知識(shí)生產(chǎn)結(jié)果的評(píng)估和監(jiān)督。

如果從更廣闊的背景來(lái)探討知識(shí)生產(chǎn)模式和社會(huì)因素之間的互動(dòng)，那么會(huì)產(chǎn)生更多重要的、值得深入討論的問(wèn)題。比如，如何在未來(lái)的國(guó)際競(jìng)爭(zhēng)中，通過(guò)依賴(lài)于新知識(shí)生產(chǎn)的技術(shù)創(chuàng)新來(lái)實(shí)現(xiàn)競(jìng)爭(zhēng)優(yōu)勢(shì)；如何有效發(fā)揮人工智能科技體系的作用和智能知識(shí)生產(chǎn)模式的效能，并將其更廣泛地利用于各個(gè)領(lǐng)域的知識(shí)生產(chǎn)等；這一類(lèi)問(wèn)題還迫切需要加以研究。