具身人工智能与现象学，本文主要内容关键词为：现象学论文,人工智能论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
〔中图分类号〕N0 〔文献标识码〕A 〔文章编码〕1000-0763(2012)06-0043-05
人工智能(以下简称AI)与现象学的关系非常奇妙。当AI产生伊始，她想要更好地解答哲学家们穷尽两千多年来都没能完满解答的问题，如：知觉、思维是如何产生和进行的。当她通过编程，让机器能够进行模式识别、通过图灵检测、实现问题求解时，她认为传统哲学的认识论难题已经得到克服，而且这种严肃的经验研究，应该取代坐而论道的哲学。然而，正如德雷弗斯所揭示的那样，经典AI的主张(例如：物理符号系统可以通过遵循形式规则的符号操作，来产生智能行为)，最早可以追溯到苏格拉底——他认为智慧是可以被清晰定义或形式化的，而当雅典那些宣称有智慧的人做不到这一点时，他就认为他们是没有智慧的。相应的，当明斯基认为智能可以分解为清晰的元素或被形式化时，他是在以AI的方式来实践苏格拉底的主张。德雷弗斯认为，如果海德格尔与梅洛-庞蒂是对的，那么经典AI就不可能成功。因此，在20世纪80年代之前，现象学主要是作为AI的批判者而存在的。
在20世纪70年代—80年代，AI的发展遭遇到了瓶颈。它所面临的难题，分别被表达为中文屋论证、框架难题、符号接地难题等。为了解决这些难题，具身AI应运而生了。1986年，著名的人工智能专家布鲁克斯(Rodney Brooks)提出：智能是具身化和情境化的，传统以表征为核心的经典AI进路是错误的，而清除表征的方式就是制造基于行为的机器人。换言之，智能体必须拥有一个身体才能由虚拟的微世界进入到真实世界中，并通过与世界的互动来突现和进化出智能。
具身AI的产生和发展，彻底改变了原来现象学与AI之间的分离甚至敌视的局面。本文试图解答以下问题：具身AI的产生与现象学到底有什么关系?具身AI的工程设计是怎么部分地体现现象学关于人类智能的洞见的?反过来，具身AI对于现象学有什么意义呢?具身AI是否真正克服了经典AI的难题呢?
一、具身AI的产生与现象学
经典AI在模拟所谓的高层次智能方面表现十分出色，例如：下棋、证明数学定理、逻辑推演等。但在实现所谓的低层次智能方面则表现得十分糟糕，例如：知觉、交谈、行走等。基于经典AI设计的机器人，通过计算来协调传感器和控制器，并依赖对于任务和世界的内在表征来运行，即通过感觉—模型—计划—运动回路来让机器人产生智能行为。这种回路的基本运行单位是表征，而它不得不面对动态性难题和相关性难题。前者指：当真实世界发生变化时，机器人的世界模型表征不能做出相应的调适，这会导致原先计划的失效。后者指：机器人不知道哪些事实与任务相关，因为它的输入和输出都没有自生意义。这种计算和表征框架下的AI进路，引发了难以处理的计算爆炸。
经典AI的工程设计，有两个思想内核：表征和计划。首先，经典AI相信：“内在实体代表或关联着外在的世界属性和事件，并且智能就是对内在表征的操纵……表征就是独立于情境的、可辨识的、内在的状态或过程。”[1]表征是智能体与环境进行互动的关键媒介。由此，经典AI的智能体都需要一个世界表征模型。其次，经典AI相信：智能活动本质上就是执行精神表征的组织序列(即计划)。“计划就是机体中的等级进程，而它可以控制运行序列的执行次序。”[2]由此，经典AI设计出了等级耦合：一个典型计划包括若干子计划，子计划又包括更小的计划，直至原初计划。
经典AI的工程设计，是对传统哲学的创造性理解和发展。笛卡尔主张身心二元分立，而思考作为心的功能，是人的本质所在。在经典AI这里，心的思考，被符号表征操控所取代；身心的分立，变成了硬件与计算的无关；心对外在世界的认识，变成了外在世界的表征模型。另外，尽管经典AI的计划观，直接源于心理学家米勒等人的《计划和行为的结构》一书，但它更深的根基是理性主义哲学思想。做出计划再采取行动的前提是，人们可以对情境中的所有要素进行清晰表征，并根据有限理性来做出决策。
经典AI的挫折，迫使研究者们进行反思。一些人认为，问题出在技术上，比如：计算速度还不够快、研发时间还不够长。这些人继续沿着原有方向，遵循原来的思想假设进行研究。还有人认为，问题出在经典AI的哲学假设上。经典AI对表征首要性的坚持，是错误的。布鲁克斯的新主张是：对于智能体来说，具身是至关重要的。“首先，只有具身的智能体才能完全成为能够应付真实世界的智能体。其次，只有通过物理根基，内在符号系统或其他系统才能接地。”([3]，p.167)这种思想是具身AI的开端。1991年，布鲁克斯凭借上述思想获得了“计算机与思维奖”(这是国际人工智能界35岁以下青年学者的最高奖)。尽管他的思想与当时的AI主流是完全相反的，但他的获奖表明：这个领域对具身AI寄予了厚望，期待它能解决经典AI的难题。
为什么布鲁克斯会有这种思想呢?他本人认为，这种思想完全源于工程考虑。“在某些圈子里，海德格尔作为研究存在动力学的学者而得到极大的信任。我们的进路与这位德国哲学家所启发的工作(如阿格勒和查普曼的日常生活动态结构)有相当的类似，但是我们的工作不是从他那里得到启发的。”([3]， p.97)他的话正反映了AI领域中对哲学根深蒂固的轻蔑和误解。
实际上，布鲁克斯的具身AI思想，可以在海德格尔及梅洛-庞蒂那里找到根基。瑞士苏黎世大学人工智能实验室主任、目前具身AI领域的主要代表人物——普菲尔(Rolf Pfeifer)，就明确承认具身AI的思想源于海德格尔。在20世纪80年代早期，当他从事专家系统研发多年后，他发现研究遭遇到了不可逾越的障碍。这时，他接触到了威诺格拉德《对计算机和智能的理解》一书。与这本书相联系的是德雷弗斯对经典AI的批评，以及由他所介绍的海德格尔。在上述哲学思想的启发下，他认识到经典AI的哲学假设是错误的。由此，他转入到了具身AI的研究上。[4]
二、具身AI设计中的现象学
尽管布鲁克斯否定具身AI与现象学的联系，然而，不可否定的是：具身AI确实体现了海德格尔和梅洛-庞蒂的思想。布鲁克斯是无心的应用，而普菲尔是有意的学习。另外，在德雷弗斯对经典AI进行长期批评的大背景下，也可以将具身AI看作是吸纳现象学洞见之后的新式AI，或者说是海德格尔式的AI。实际上，具身AI能够脱胎于经典AI，关键在于它有了新的哲学思想：(1)智能是非表征的；(2)智能是具身的；(3)智能是在智能体与环境互动时突现出来的。相应地，它有了新的设计原则：(1)非表征设计原则；(2)具身设计原则；(3)突现设计原则。本节将重点阐释这些设计原则与现象学的联系。
1.非表征设计原则与现象学
在布鲁克斯提出具身AI思想的同一年，德雷弗斯受麻省理工AI实验室主任温斯顿(Patrick Winston)之邀，发表这样一个讲话《为什么AI研究者应该研究〈存在与时间〉》。他重复了他在《计算机不能做什么》(1972)中的观点：“当我们栖居在世界中时，与我们同在的，并且根植于它们推理情境的有意义对象，不是储存在我们的心灵或大脑中的世界模型；它们就是世界本身”。[5]类似地，布鲁克斯提出：“世界的最好模型是世界本身”([6]，p.417)、“运动机器人使用世界本身为其表征——始终指向它的传感器，而不是内在世界模型”([6]，p.416)。他认为，他的模拟机器人能够解决框架难题的原因在于：它使用世界作为它自己的模型，而不指向对世界的内在表征(随着真实世界的发展，它们很快会过时)。
尽管布鲁克斯否定他的思想与海德格尔有直接联系，但他的思想显然可以追溯到海德格尔。传统哲学认为，人与世界相联系的最重要方式是沉思，即表征世界的活动。海德格尔批判了这种思想，指出了比表征更基本的活动是操劳(Besorgen/concern)。例如，在使用锤子敲打钉子时，使用得越好，就越没有对锤子的思考(表征)；只有在活动中断时(例如：锤子太重了)，使用者才会停下来思考它。“正如我们已经说明的，最切近我们的处理方式不是一味地进行知觉认知，而是操控和使用事物的操劳。”[7]
2.具身设计原则与现象学
布鲁克斯还提出了一个与梅洛-庞蒂相近的洞见：即智能以具身为基础。“在动态环境中，有关知觉和运动的简单事实……是高层智能的必要基础……因此，我建议把简单动物当作建构智能的基础模型。显然，推理不是机器智能的核心成分，机器人与其世界的动态互动才是其智能结构中的决定性成分”。([6]，p.418)为此，他开始研究昆虫的运动方式，并制造出了著名的“Ghengis”机器人。另外，普菲尔更清晰地解释了具身设计对于智能的意义：“关于具身性，我们指智能总是需要一个身体。或者更为精确地说，我们仅将智能归于具身化的智能体，也就是其行为能够在同周围环境的相互作用中被观察到的真实物理系统。”([8]，p.13)因此，具身AI设计的智能体都有一个物理身体，包括传感器(如摄像头)、驱动器(如滚轮)、能源、材料等。智能体通过具身化程度的提高，使得计算量大为缩减。例如，在让机器人执行抓取玻璃杯的任务时，如果机械手是用坚硬而缺乏弹性的材料制成，那么它的控制程序就需要非常复杂，而当使用类似于自然肌肉的人工肌肉时，问题就被大大简化了。原来应该由控制程序完成的计算任务，被材料接替了。
在现象学方面，德雷弗斯在《计算机不能做什么》(1972)中就提出：AI成功的关键在于能否制造出人造身体主体。这种思想源于梅洛-庞蒂。梅洛-庞蒂继承了海德格尔的“在世界之中的存在”思想——认知主体总已经是一个在世界之中的存在，所以笛卡尔的“我思故我在”的格言必须被颠倒过来，而变成“我在故我思”。在他的具身意向性模式中，主体身体起着塑造认知活动的作用。“存在着我的身体所遵循的世界逻辑，并且只有通过它，事物的意义对我们来说才是可能的……拥有一个身体就是拥有一个通用的装置、拥有一个涵盖所有类型的知觉展开图式。”[9]
3.突现设计原则与现象学
突现设计原则是上述两个原则的延升。在经典AI中，智能是无身且非情境化的，因此智能可以通过内在表征而得到设计者的预先编程。具身AI则认为：智能是智能体与环境进行互动的结果，因此智能不能被预先编程，而是突现出来的。[10]例如：一个设定了初始条件和发展机制的系统，会在与环境的互动中，使智能体的适当结构突现出来。具有突现性的人工系统不仅更能适应环境，而且在一定程度上解决了经典AI面临的动态难题。
具身AI的最简单形式是布兰登贝格车(Braitenberg vehicle)，它表明：智能行为来自智能体与其环境进行互动时感觉运动的突现。它是一个能够自动移动的智能体。它的感觉来自原始传感器(它能测量外来信号刺激)，而运动来自作为效应器的轮子(每个都由其运动器来驱动)。一个最简单的传感器，直接与效应器相联系，而感觉信号输入会导致轮子的运动。根据传感器与轮子的联结方式，车辆会展现出各种有目的行为。这意味着它可以识别某种情境，并避开其他车辆；当情境改变时，它的行为也会发生改变。它遵循如下规则：光照越强，运动越快；光照越弱，运动越慢。这种行为可以被解释为怕光的生物。它的目标是找一个黑暗的地方来停泊。[11]
突现设计强调：智能不单纯来自智能体内部，而是来自智能体与环境的互动。这种思想不仅反映了海德格尔“在世界中的存在”的思想，而且也直接受到了生物学的启发。生物学家马图拉那用结构耦合概念来说明：生物行为来自生物存在结构与环境的互动。由于它是一种突现，所以不能被编程。生物行为既改变了环境，也改变了机体的结构。结构耦合概念打破了生物内在与外在的界限，因此可将它理解为对哲学上主客二元对立的克服。类似地，海德格尔主张此在与世界不是分立的、此在是在世界中的存在。
具身AI使用感觉—运动回路设计来体现上述三种设计原则。相比经典AI使用的感觉—模型—计划—运动回路，它在设计上要简便得多。模型-计划环节的去除，源于表征的去除；智能体通过身体(传感和运动设备)，来与环境实行互动。好的感觉刺激模式的形成，有赖于与环境的互动，而这是对真实世界范畴化难题的非计算解决。例如，它通过中央凹处理，而不是经典AI的重建对于外在世界的三维表征的方式，来注视物体。中央凹处理即：机器人“移动头和眼，使物体出现在中央凹陷——视网膜的高分辨率中心的过程”。([8]，p.86)这个过程不仅揭示了身体是如何将感觉输入结构化，还在一定程度上克服了模式识别的难题。例如：机器人能够通过摆弄对象，来获得感觉输入，从而将机械臂与对象以及其他东西区分开。
简而言之，具身AI在现象学对经典AI批判的基础上，摆脱了经典AI的哲学假设；又通过吸收现象学非表征主义、具身、在世界中的存在的思想，建构起了新的设计原则；更重要的是，具身AI的感觉—运动回路等工程设计，不仅是对现象学的印证，更是对现象学的创造性发展。因此，具身AI是一种非常重要的现象学实践。
三、具身AI的新问题
在具身AI看来，经典AI的错误在于它聚焦于抽象推理，并依赖由内在表征构成的世界模型，因此解决方法是：让智能体具身化和情境化，以便让它们直接获取世界中的意义。它实现具身化和情境化的具体设计可追溯至控制论。罗森布拉特、维纳和毕格罗曾经提出：反馈循环(feedback loop)是实现目标搜索行为的必要条件。“所有的有目的行为都需要负反馈。如果要完成一个目标，那么必须要用源自目标的信号来指引行为。”[12]因此，具身AI通过设计感觉—运动回路，来让机器人实现具身化和情境化，即强调智能体制动器的作用——外在环境影响智能体的传感器，内在控制器再影响制动器。设计和调解智能体感觉运动循环的内在动力机制的困难，在今天主要诉诸进化算法，而它能使工程师不需要清晰地确定智能体与情境的相关联系([13]，p.471)。
普菲尔认为，感觉—运动回路，使智能体能够通过与环境的实时互动，来动态地把它自己的感觉输出结构化。这使得智能体不需要面对框架难题，因为它的感觉运动与世界已经耦合在一起了，并且它从来都不需要指向对世界的内在表征；另外，智能体经由它们的感觉运动协调，来植根于环境当中，从而符号接地难题也不存在了。
实际上，框架难题和符号接地难题的根源是意义难题：即智能体如何获得自生意义，而不只是接受来自设计者的外赋意义。因为框架难题的实质是：智能体如何通过意义，来应付真实世界的复杂性；符号接地难题的实质是：智能体怎么依靠自身获得单个符号和符号结构的意义，而不是依靠外在观察者。
目前，具身智能体通过感觉—运动的反馈循环而获取的意义，仍然只是外赋的，而不是内生的。约拿斯在其控制论批判中就曾指出：反馈循环不是有机体有目的行为的充分条件。可以自行搜索目标的鱼雷与觅食的兔子之间的区别在于：前者的反馈循环可以运行，也可以不运行，而后者的反馈循环始终都必须运行着，因为这就是它的存在方式。换言之，前者反馈循环的开启和运作取决于外在使用者；而后者则取决于自身(兔子面临生存的压力，必须去觅食)；兔子行为的意义是自生的，而鱼雷寻找目标的行为意义是外赋的([13]，p.473)。具身机器人仍然不能在世界中获得它们自生的意义。另外，智能体感觉—运动回路的一端是传感器提供的外在变量，另一端是运动轨迹，而二者之间的反馈循环同人类与真实世界的互动相去甚远。因此，迪保罗(Ezequiel A.Di Paolo)认为具身机器人就像恒温器。它们能够对环境变化做出反应，但它们永远都不知道这种反应的意义是什么。[14]
具身AI实践者也意识到了感觉—运动反馈循环的局限，因此他们提出设计一个额外的自动控制系统让机器人获得内生意义。例如，派里希(Domenico Parisi)设计的机器人拥有两套动机单元，分别用来解码饥饿和干渴的两种动机状态。当机器人身体中的现存能量和水量不足时，它就会去寻觅食物和水。[15]然而，机器人想要喝水以避免干渴，这显然体现的是人类设计者的意义规定，换言之，对机器人来说，这只是一个隐喻。普菲尔的办法是：设计神经调控器来充当价值系统，而它能够给予机器人以额外的信号来指导它的行动。为了让机器人获得真正的内生意义，他尝试遵照赫伯式(Hebbian)的学习原则，让机器人在与环境的互动中进行学习；他还提出让机器人通过发育和进化机制来实现自治智能的产生。然而，他自己也承认：目前这一切离成功还很遥远。目前，具身AI设计的机器人分为两种：嵌入式系统(如燃料直喷系统)和工业机器人。前者拥有传感器，能够与环境进行互动，但不能移动；后者的智能化程度更高，但它的智能仍是由设计者规定的，并非自生，所以它只能执行规定行为。
如果说具身AI的目标不包括解密和模拟人类水平的智能，那么它目前是相当成功的，但考虑到它不仅试图复制人类的部分智能，还试图揭开人类智能或生命的真正奥秘，那么当前的具身AI就是相当初级的。具身AI在解决经典AI难题的同时，又面临着新的难题：人造身体主体有可能实现吗?身体可以成为制造的对象吗?到底什么样的具身是展现人类智能的充分条件?智能或生命是否完全来自特定物质结构与环境互动后的突现?
四、结语
具身AI的产生，与现象学对经典AI的批判有密不可分的联系，而它的发展，也得益于现象学所提供的哲学基础：智能的非表征性、具身性、在世界中的存在。反过来，具身AI的发展和成熟，不仅为现象学提供了实证，而且它本身就是一种新的现象学实践。她使得现象学的思想得到了细节化和具体化。因此，具身AI就是现象学在人工智能领域的实践。尽管当前的具身AI，还不能完全克服经典AI的难题，并且她的技术局限，也使她还不能充分体现现象学的思想，但在她的发展过程中，始于近代的、泾渭分明的学科界限开始破除。相信通过这种多学科的努力，AI真正成功的那一天终将到来，而现象学也将通过对这项工程的参与，获得新的生命，而不只是停留在冰冷的文本上!