王钦：人工智能时代的潜能和文学
http://www.newdu.com 2024/11/28 06:11:35 天涯杂志 王钦 参加讨论
关键词：王钦 人工智能 日本昭和时代最重要的批评家之一小林秀雄在1959年写的一篇题为《常识》的随笔中，介绍了爱伦·坡于1836年发表的小说《梅泽尔的象棋手》。爱伦·坡在文本中对当时名噪一时的、据说可以自动下象棋的机器“土耳其人”进行了一番推理。关于这篇在发表时并不太有名，却早早由小林秀雄在1930年译介到日本的小说，小林秀雄写道：“爱伦·坡的推理很简单。既然是机器，那么就跟数学计算一样，一定的既定事项的必然发展，就无法避开一定的结果；在这个意义上，它必定是一开始就给定了答案的孤立系统。而棋盘上棋子的每一步移动都基于对局者的新判断，因此这对于机械装置是无法设想的。肯定在哪里藏着个人。”也就是说，对经历着十九世纪社会和技术的坡来说，下棋这样的复杂活动是机器所无法做到的。因此，小林秀雄写道： 坡从头到尾都认为，这架机器的目的不是下棋，而是把人藏起来。他仔细观察了梅泽尔一举一动所显示的内部构造，最后得出结论认为，处于机器内部的人顺着一定的步骤而适当变化姿势和位置，就可以做到决不让外部发现。 让我们稍稍离开小林秀雄和爱伦·坡的语境，可以说，生活在当今的时代，当初对于坡而言不可能的事情已经实现了。例如，众所周知，就小林秀雄谈论的将棋而言，在2012年进行的将棋电王战上，当时日本将棋联盟会长米长邦雄败给了伊藤英纪制作的电脑下棋软件“Puella α”。而在次年举行的第二回电王战上，五名现役棋手与东京大学开发的“GPS将棋”等软件对战，最后取得了一胜三败一平的结果。而且，在被人为比将棋更复杂的围棋那里，2017年在中国进行的世界性围棋对抗赛上，当时世界排名第一的柯洁败给了Google Deepmind开发的“AlphaGo”。运用所谓“蒙特卡洛树搜索（MCTS）”算法和深层神经网络技术的结合而开发的“AlphaGo”，其棋力在短短两年时间内，一跃从业余水平上升到世界一流水平。可以说，在当今时代，令世界上所有人震惊的人工智能技术的发展，确乎已经大大超过了十九世纪之人爱伦·坡的想象力。  2017年AlphaGo对阵柯洁，柯洁大比分0-3落败 而且，事情还不止于此。下棋软件的开发本身不是什么新鲜事。在1970年代中期为止的所谓“人工智能热潮”中，作为人工智能研究的一环，下棋软件已经得到了研发和运用。只不过，当时开发出来的软件的下棋水平，别说下围棋，就是下将棋也完全赢不了人类的职业棋手，以至于在过去很长一段时间内，将棋和围棋等竞技项目，都被视作只有人类能够胜任的活动。在2007年进行的将棋软件“Bonanza”与渡边明的对决中，当时的软件开发者保木邦首次引入了“机械学习”技术，从而让下棋软件终于具备了让人刮目相看的实力。而这次“AlphaGo”对于人类的完胜，也在某种意义上向人们显示了人工智能的惊人发展，甚至可以说，又一次“人工智能热潮”正在全球流行开来。如今，不仅下棋软件，从智能手机、无人机、自动驾驶汽车到扫地机器人……人工智能技术正在许多领域得到运用和推进，世界各国也在人工智能的研究发展上投入了相当多的资金和人力。不过，另一方面，围绕人工智能在未来的发展及其带来的可能影响，无论是否是这一方面的专家，人们似乎都以极大的兴趣或担忧进行相关的讨论。例如，迄今为止被提出的问题包括但不限于：由于人工智能的发展，人类劳动者是否会在某些领域失去工作？人工智能是否具有“意识”“精神”或“内心”？如果将来人工智能跨过了“特异点”（即人工智能可以自主开发生产能力更高的人工智能），那么人类是否会因此灭亡？如此等等。当然，作为人文学科出身的研究者，我本人无法对上述问题提供任何令人满意的答案。事实上，不仅是人文学者，甚至科学研究者们本身在当前也无法全面回答这些问题。因此，其实我想要探讨的是：当我们如今有史以来第一次面对仿佛具备了“智性”的人工智能时，不仅可以由此反过来重新讨论文学的“文学性”这一看上去非常陈旧的议题，更重要的是，“文学性”的思考角度或许也可以帮助我们理解人工智能的“能力”。所以，在这里，以“人工智能时代的潜能和文学”为题，我所论述的并非人工智能是否具备文学创作的能力或可能性；毋宁说，人工智能在当下（及未来）所具有（或被认为具有）的超越人类之上的“能力”，反而清楚地向我们显示了人之为人所不可或缺的某种“不能”或“欠缺”。 在详细讨论这一点之前，首先需要澄清的是，“人工智能”到底是什么，或为何得以被如此称呼？根据东京大学情报学环的池上高志教授的定义，所谓“人工智能”，指的是“在和物理法则无关的意义上，或在与物理法则相反的意义上，人工地将我们和宠物或人类自然接触时那样充满情绪和谈笑的相互作用予以生产的系统”。换言之，无论过去还是现在，人工智能的研究者们的最终目标肯定不是围棋软件和扫地机器人那样的东西，而是能够凭借机械手段实现“充满情绪和谈笑的相互作用”的系统。于是，在人工智能的发展历程中，“如何让电脑像人一样思考和行动”从一开始就是研究者们集中探索的核心问题。不过，1950年代至1990年代期间二度兴起和衰落的“人工智能浪潮”表明，研究者们期待的“像人一样”行事是非常难以做到的事情。而在海德格尔研究者德雷弗斯看来，这是因为当时的研究者们基于他所谓“表象主义”（representationalism）来理解人的行为，从而在原则上就落入了死胡同。例如，在其著名的堪称“人工智能批判”的书中，德雷弗斯写道： 表象主义假定，在日常理解之下有一个潜在的信念体系。……只有当人们已经假定常识源于由命题性知识构成的一个巨大数据库之后，才会产生人工智能的特殊问题，即如何以形式性的规则和特征来再现这种知识。 与此相对，德雷弗斯认为，我们在日常生活中对于周围世界的认识和应对，依靠的不是“命题性知识”，而是“常识的背景”。关于这种“背景”，他写道： 日常常识的背景性理解，使得我们可以在应对人和事的时候体验到什么是当下相关的，而这是一种技术。问题恰恰在于，这种技术——以及人之为人所需的所有利趣、感受、动机、身体性的能力——都得作为知识（作为一个庞大复杂的信念体系）而传达给计算机。而在一个符号性表象中，将我们对于人之为人所具有的默会的、前概念的背景性理解清晰呈现出来，在我看来这是一个无望的任务。 对于现在的人工智能研究者而言，恐怕德雷弗斯的批评也仍然值得思考。我们人类以“前概念的背景性理解”来应对周围的人和事，而将这一点予以明晰化和命题化，要比想象中困难得多。在德雷弗斯看来，这是因为“我们对于全局的熟悉……使我们能够对相关的事情作出回应，并忽略不相关的事情，而不需要任何以无语境事实的无目的表象为基础的规划”。同时，就下棋等“游戏”活动而言，德雷弗斯强调，计算机如果不接受人的指示，那么决不会自动计算出相关“特征量”：“在所有进行游戏的程式那里，早期的成功源于在那些游戏或游戏的一部分那里写进指导好了的计算方法；而当复杂性达到需要全局性意识来避免对于可能性的过量计算的时候，失败就发生了。”要言之，可以说德雷弗斯的“人工智能批判”的归结点在于，计算机不能像人类那样在所处的环境中自动地找出相关的“特征量”。  “深度学习”技术的应用还存在着很大的争议和分歧 不错，就当下的人工智能而言，通过引入所谓“深度学习”技术，研究者似乎终于可以对上述批判进行反驳了。因为“深度学习”使得计算机可以通过“多层结构的工学神经元和突触”，一边将信息从一层向另一层传达，一边在这一过程中深化学习和理解。在这个意义上，计算机可以实现自动找出“特征量”并进行运用。这个事实甚至在研究者自身看来也是不可思议的事情。例如，小林雅一对于人工智能的这种能力写道： “深度学习”为什么可以选出这些变数（特征量）？技术开发者（人类）无法理解能做到这一点的系统的思考路径。但是，就解决难题而言，“深度学习”几乎必定可以选出正确的变数。 无论如何，以“深度学习”技术为基础的人工智能，在如今的时代可以说已经具备了当初德雷弗斯拒绝承认计算机可能具备的能力，即在特定环境下自动找出“特征量”的能力。松尾丰甚至断言，“深度学习”的出现“至少在图像和声音领域显示了计算机自动获知‘基于数据应该表达什么特征’的可能性。计算机自主发现简单的特征量，以此为基础发现更高阶段的特征量”。 如果确如德雷弗斯所言，人类“为了认识语境，就必须已然从不确定的区别性特征量中选出合适的几个特征量”，那么至少在计算机围棋软件的领域，可以说人工智能已经具备了下棋时“认识”语境的能力。但是，即便如此，我们能否以“AlphaGo”等软件为基础，来想象或创造足以实现“充满情绪和谈笑的相互作用”的系统？或者，换一种说法，在探讨“人工智能在多大程度上能够像人类一样行事和理解”之前，我们恐怕首先需要分疏两种“人性”之间的差异：一方面是我们积极地予以认识和前景化的“人性”（无论它是以“命题性知识”的形式，还是以“默会知识”的形式呈现），另一方面是潜在于所谓“充满情绪和谈笑的相互作用”之中，我们无时无刻不在经历并体现着的“人性”。如果前景化了的“人性”不仅包括命题性的知识，而且在某种程度上也包括了找出“特征量”的能力，那么这里应该探讨的，就更是我们在经历的同时未加以前景化的另一种“人性”。 刚才引述的松尾丰，在其著作中就人类行为作出了如下观察： 人类（有时在超过必要性的程度上）试图以原因和结果的因果关系来理解事物，这恐怕是因为，作为动物，人类想要制定行动的计划。“做了A就会得到B”，如此按照原因和结果来理解的话，就能把事情串起来，以此实施导致目的状态的“计划性行动”。 毋须多言，1950年代的人工智能研究者们提出的“G.P.S（总问题解决方案）”，如其名称所示，意味着开发人工智能是为了解决问题。归根结底，“像人类一样思考和行动”相当于“像人类一样思考问题的解决方案”。这或许没什么不可以。不过，正因为只是集中在这一点上，使得研究者们一直设法辨明人们日常生活中运用的各种明确和不明确的行为规则，并将由此前景化了的“人性”和我们在习焉不察中经历着的“人性”混淆了起来。德雷弗斯就人工智能的“愚蠢”写道： 程式化了的行为要么是随意的，要么是严格意义上规则性的。所以，当面对一种新的用法时，一台机器必定要么将它视作遵循规则，要么盲目尝试。一个说母语的人会感到自己有第三种选择。他能认识到这个用法有点奇怪，既不遵循规则，但也并非不可理解——他会以一种显然并非规则性，但也并非随意的方式，在人类生活的语境下为之赋予一种意义。 换言之，在德雷弗斯看来，人之所以为人，靠的不是根据规则（体系）行动的能力，而是适当地根据语境随机应变的能力。然而，我认为德雷弗斯一方面把握了问题的关键，另一方面，他也正是在这一点上将论述引向了容易遭到反驳的方向上去。此话怎讲？ 如前所述，具备“深度学习”技术的人工智能或许已经没有必要限制在“随意”和“规则”的抉择之中。在这个意义上，当代的人工智能已经具备了德雷弗斯认为人类才有的能力，即认识语境的能力。但即使如此，我们能够说人工智能已经可以像人类一样行动了吗？这里似乎终归缺少了什么，不是吗？这么说未必是作为人类的自尊心在作祟。因为在这里，德雷弗斯恰恰没有提到一个关键问题：他所谓既不是“随意”也不是遵循“规则”的第三种可能性，事实上既无法归结为“命题化了的事实”，也无法归结到“手段—目的”的结构之中。换言之，德雷弗斯似乎和他要批评的人工智能研究者一样，站到了为“解决问题”而设定的同一个平台上，从而未能充分评价一个看上去非常不起眼，甚至谈不上“能力”的事实，即我们在日常生活中的大部分场合下，恰恰是在“命题化了的事实”和“手段—目的”的结构之外生活，并不断遭遇到各种人和事。当然，对于德雷弗斯来说，在对手划定的领域内进行内在批判，或许也是一件不得已的事情。 再说一遍，在人工智能的发展已然超越当初德雷弗斯的哲学批判的今天，我想说的绝不是：作为人文学者，我们应该以扩展德雷弗斯论点的形式继续否定人工智能。我想说的是，既然人工智能在各个领域已经（或被期待）获得超越于人类的优秀能力，那么我们就应该基于这一点来重新思考我们作为人类的存在方式和生活样式。只不过，在思考这一命题的时候，我们不能再度抬出“心灵”“感情”等支撑着现代政治意识形态的形而上学概念来为某种人类中心主义背书。但这也绝不意味着以人工智能为“中心”来建构一种新的形而上学。在这里，让我们把话题转向艺术领域。 人工智能可以创作艺术作品吗？这个话题听上去非常陈旧，因为许多据说可以创作诗歌和音乐的软件已经被开发出来了。另一方面，这些打着艺术创作旗号的软件，在人工智能研究领域受到的重视程度也远远无法和“AlphaGo”相提并论。但数十年前，美国加州大学大卫·柯普教授开发的音乐制作软件“艾米”，的确受到了人们的广泛关注，据说它在1992年一年里创作了一千五百首交响乐和一千首钢琴独奏曲。这期间举行了一个非常有意思的活动。根据小林雅一的介绍， 1997年，探讨“艾米”价值的活动在美国俄勒冈大学举办。这是一次聆听比较古典音乐的活动，会场聚集的三百人听众要聆听三首钢琴协奏曲——三首都是巴赫风格的作品，一首是真正的巴赫作品，一首是在同一所大学讲授音乐理论的拉松教授创作的曲子，还有一首是“艾米”创作的曲子。……结果令人震惊。多数听众断定拉松的曲子为“艾米”所作，而将“艾米”的曲子听成了巴赫的作品。 不过，“艾米”创作的也不尽是优秀作品。小林补充说，归根结底，“柯普教授要从这些作品中挑出他认为‘值得人类聆听’的曲子并在演奏会上演奏”。也就是说，作曲也好，绘画也好，作诗也好，人工智能软件所做的其实是以过去积累的大量文本数据库为基础，凭借计算机的高速运算而组合生成看起来是“新的”作品。但是，在此值得注意的是，听众将“艾米”所作的曲子听成巴赫作品这个事实提醒我们：在听音乐的时候，我们究竟是在听什么？换言之，或许与我们通常所持的观念不同，曲子本身并不表现作曲家的意图；不如说，它表现的是作曲家的某种风格。而且，这种风格并不是独一无二、无法复制的独特性，而恰恰始终带有被复制、被数据化的可能。的确，我们为了提高自己的围棋水平，也许必须学习很多的棋谱；为了创作曲子，必须熟悉过去的很多曲谱。在这个意义上，能够进行高速运算的计算机，就可以凭借远超人类能力的速度来积累数据库，并在数据组合的前提下进行“创造”。而且，随着人工智能的不断发展，将来计算机脱离人类的判断而自主识别出某首曲子“是否值得人类聆听”，也不是匪夷所思的事情。 然而，重要的地方在于，即使人工智能可以“创作”优美的曲子，而且，即使人们完全明白巴赫的风格并非独一无二、无法模仿，听众或许也会对自己将“艾米”所作的曲子误听成巴赫的作品这件事感到惊讶甚或不满。小林雅一介绍说：“当这些曲子在演奏会上进行演奏的时候，柯普教授有时候告诉听众这是‘艾米’（计算机）的作品，有时候则不告诉。如果不告诉，听众就会对演奏的音乐显示出极大的感动，演奏结束后会予以鼓掌喝彩；反过来，如果告诉听众这是‘艾米’的作品，听众就完全不会有此举动，演奏结束后会场鸦雀无声。”为什么会这样？是因为听众认为自己听到了“假的”音乐吗？或者如人们所言，是因为人工智能没有“心灵”，从而听众无法从这些曲子中听到作曲家的“心灵”吗？但根本而言，听众就连这首曲子是否是“艾米”所作都无法判断，还谈什么“心灵”“感情”呢？那么，我们是不是应该说，人们不愿意承认“艾米”，其实是源于自身的偏见？“AlphaGo”被认定为九段棋手，但人们恐怕不会认为“艾米”是伟大的作曲家。为什么？ 让我们回到小林秀雄的文章。在简单介绍了爱伦·坡的小说之后，小林秀雄关于下将棋这件事给出了非常有意思的思考线索。他写道：“按照常识而言，将棋这种游戏应该是以人的某种无知为条件的。高手的思索不管怎么深刻，都是有限的；正因如此，将棋才有胜负。”诚然，就算可以在数学上说明将棋或围棋的复杂性，对棋手和观众而言，有意思的地方不在于对弈者在多大程度上能够控制数学上的复杂性，而在于无论棋艺多么精湛，对弈双方都得在计算的有限性前提下进行对决。 但请不要误会：小林秀雄强调的不是我们人类因无知而优秀，而是说，如果没有这种无知，那么我们的人性（或者他所谓的“常识”）就会坍塌。因此，这里的“无知”指的并不仅仅是我们的“无能”。因为连围棋规则都不懂的门外汉，根本都谈不上“无知”。吊诡地说，只有持有围棋相关“知识”的人，才会在这个特定意义上“无知”。在这里，为了在概念上重新把握这种“无知”，我提议沿着意大利哲学家阿甘本有关“潜能（dynamis）”的论述来思考小林秀雄的上述说法。 阿甘本在《思考的潜能》一文中以新的方式重新阐述了亚里士多德那里的“潜能”概念，并将它和某种“欠缺”（以及阿甘本所谓“非潜能”）放在一起论述。阿甘本指出：“指涉习性和能力的‘hexis（状态）’一词，是亚里士多德为生物感觉作用（和其他‘能力’）不存在时赋予的名字。这种状态不是单纯的不存在，而毋宁说具有‘欠缺’的形式。所谓欠缺，证明的是‘现实’状态下缺少的东西的在场。拥有‘潜能’、拥有‘能力’，也就是拥有‘欠缺’。”需要注意的是，这里所谓“欠缺”说的不是单纯不具备某种潜能或能力，而是能力处于并未得以实现的状态。具体而言，阿甘本举出了亚里士多德那里的两种“潜能”，并解释说： 一方面是总体的潜能，由此我们通常可以说，婴儿具有智力的潜能，婴儿就潜能状态来说可以成为建筑师或国家领袖。另一方面则是已经具备对应于具体知识和能力的“hexis”的人的潜能。建筑家在不进行建筑的时候也具有建筑的潜能，竖琴演奏家在没有演奏的时候也具有演奏的能力，这些都是在第二种意思上说的。……建筑家具有潜能，前提是他能够不进行建筑。竖琴演奏家也是如此。因为不同于仅仅在总体意义上拥有潜能的人，换言之，不同于单纯不会演奏竖琴的人，竖琴演奏家能够做到不进行演奏。 根据阿甘本的论述，可以说，巴赫作为作曲家的“潜能”表明，他在不进行作曲的时候仍然是作曲家；或者，毋宁说他正是在不进行作曲的时候才展现了他作为作曲家的“潜能”。因为“潜能”的展现依靠的不是我们具有的某种能力本身，而是我们在具有这种能力的同时，可以停留在不将这种能力予以实现的“能力”（或阿甘本所谓“非潜能”）。换句话说，我们可以在某种能力和能力的实现之间，或在手段和目的之间，引入某种“滞留”。而且，如果没有这样一种“滞留”，我们的日常生活也将难以维系下去；这种“非潜能”的“滞留”无时无刻不在我们生活的不经意间发挥作用。在这个意义上，可以说“潜能”总是包含着“非潜能”。“非潜能”不是“潜能”的否定，而是“潜能”之为“潜能”所不可或缺的条件。关于这一点阿甘本写道： 以“潜能”的存在方式存在着的生物能够成为自身的非潜能，并由此开始具备自身的潜能。这一生物能够做这做那，是因为身处在与自身的不存在、自身的无为的关系之中。在潜能那里，感觉作用在构成性的意义上被麻痹，思考成为非思考，功效成为无为。 如果一个人无法停止弹奏竖琴，我们恐怕不会把这个人称作“竖琴演奏家”，而是将他视为一架机器。更重要的是，建筑家并不是为了建筑而生活，作曲家也不是为了作曲而生活；他们经营着自己的生活，建筑和作曲构成了他们生活的一部分。的确，我们或许可以凭借人工智能的各种算法来将巴赫的创造力还原为过去积累起来的数据库，但这样做并不能帮助我们更好地理解巴赫，而只能将我们自己还原到人工智能的水平上去。也就是说，我们的日常生活既无法还原为“没有目的的命题性事实”的数据库，也无法收编到“手段—目的”的结构之中。为了写出新的钢琴协奏曲，人们的确需要掌握大量的既有数据，但关键问题是，这些数据对作曲家而言决不单单作为“数据”而呈现出来，毋宁说，过去的曲谱作为作曲家生活的一部分，总是已经融入到他的生活整体之中，和种种看似与作曲，甚至与音乐领域毫无关联的因素发生关系。 所以，与其说人的“潜能”通过能力的实现而展现出来，毋宁说它通过将能力的实现予以“停滞”而展现出来。而且，在阿甘本看来，所谓“非潜能”绝不是随着能力的实现而消失的东西，反而是保留在实现状态之中的东西。他写道：“如果说一切潜能在本源的意义上都能做到不存在，那么就可以认为，潜能向实现的转化并没有单纯取消自身的非潜能，也没有把它放置在潜能的背后，而是原封不动地把自身的非潜能转移到实现状态之中；换言之，能够做到并非不向实现状态转化，这才是真正拥有潜能。”值得注意的是，虽然十分拗口，但这里所谓的“并非不向实现状态转化”，并不等于“向实现状态转化”。因为这里的要点在于，通过将“非潜能”引入“潜能”，阿甘本在“潜能”及其实现之间引入了某种根本上无法决定也无法规定的“滞留”，从而动摇了“手段—目的”的结构，动摇了能力通往其实现的线性规定。 如果阿甘本的上述论述显得有些难懂，我们不妨借助小林秀雄的论述来进行一番整理。一方面，将棋棋手的“潜能”通过下棋而得以实现，但另一方面，无论一位棋手的技艺多么高超，每一局的对弈必定伴随着某种“无知”。理所当然，一个棋手不论多么优秀，生涯中也会有许多精彩的对弈和许多糟糕的对弈。九段棋手输给七段棋手，这实在不是什么罕见的事情。而这就意味着，恰恰是在下棋的“潜能”被保留的时候，并且，恰恰是在这种保留状态下得以在场的“无知”那里，在阿甘本所谓的“非潜能”那里，棋手下棋的“潜能”才如其所是一般展现出来。如果棋手每次下棋都必然将自己的“潜能”实现殆尽，九段棋手就下九段的棋，七段棋手就下七段的棋，那么实现“潜能”就不再是可能的事情，而是变成了不能不然的事情。于是，“潜能”本身也就不复存在了。在这个意义上，正确说来，“AlphaGo”所拥有的“能力”，与其说是能够不断发展的东西，不如说是只能不断发展的东西。换句话说，“AlphaGo”的棋力越是增长，就越是证明它不具备这里所说的“潜能”。人工智能在不远的将来或许会在各个领域超越人类的能力，但这些能力始终都无法做到“不存在”，无法将“滞留”引入实现的过程之中。 到此为止，似乎我还完全没有触及标题中的“文学”。不过，事实上将作为“非潜能”的“无知”清晰表现出来的恰恰是文学。让我们以号称能够写作现代诗的人工智能软件为例来接近这个问题。比如，类似于前面提到的“艾米”，由微软开发的“小冰”看起来可以自动地创作现代汉语诗歌——只要输入几个文字或图片，几秒内就可以生成一首诗。而不仅是现代诗，自动创作古体诗的软件也并不鲜见。不过，相较于“艾米”所作的音乐有过之而无不及，人们对人工智能创作的“文学作品”呈现出了相当的轻蔑态度。这是为什么呢？因为文学作品比音乐更需要展现作者的“感情”和“内心”吗？我觉得不是这样。 在这里，我想暂定性地把“文学”或“文学性的事物”进行如下界定。文学短暂地切断了语词和现实的关联，通过展现语词的意义赋予作用本身，向我们表明语言绝不能被还原为实现“交流”这一目的的单纯“手段”。换句话说，我们从文学中看到的不仅仅是有意义的语词，而且是语词赋予意义的事实，以及这一事实在文本中得到的表象。语词绝不是在日常生活的交流中被使用殆尽的工具。的确，这并不是什么新鲜的主张，我只是在说一些再普通不过的事情。但是，恰恰是这一普通不过的事情，说明了为什么人们面对人工智能创作的“作品”，往往会固执地诉诸“内心”“感情”等说法来表现轻蔑和抗拒的态度。这未必是由于人们无意识之中陷入了人类中心主义的形而上学。毋宁说，“内心”也罢，“感情”也罢，这些概念作为症候向我们表明：当我们面对文学作品的时候，始终试图通过文本的明确表述来读取文本没有表达的内容。用阿甘本的话说，也就是“所有创造活动中都存在的某种抵抗表达、抑制表达的东西”。这个进行着“抵抗”的东西，也可以说是“非潜能”。阿甘本进一步写道： 作为一个关键的裁断机制，抵抗放慢了潜能向实现转化的盲目而直接的冲动，并以此防止了潜能被消解于、内在地耗尽于实现之中。……因此，为作品打下必然性记号的，恰恰是那或许也可能并不存在、或许可能以别的方式存在的东西，即作品的偶然性。 在与阿甘本的阐述类似的意义上，通过作品的消除，通过强调作品的“创作”过程而非作品的完成，以德国浪漫派为代表的文学家们已经凭借这种激进的主张而触及了小林秀雄所谓人类的“无知”之核心。假如我们试图探究位于人工智能的“作品”所表现的内容背后的东西，那么我们也只能得到一堆庞大的数据库。另一方面，假如我们试图探究人类“作品”所表现的内容背后的东西，而又不将它简单地还原为作者的“意图”或“感情”的话，那么可以说，这种探究所指向的，恰恰是作品中保留着的“抵抗”或“滞留”。无论如何，这些概念在说明，人类的作品不存在“必然性”——但凡是人类的制作，无论它是艺术还是机械或是社会制度，都是历史性的东西，都是可以得到改造、破坏、颠倒、动摇、重塑的东西。不过，这不是说我们要以“大数据”为依托来进行多种多样可能的排列组合；相反，这要求我们阻断从“大数据”向某种排列组合之成果进行转化的“盲目而直接的冲动”。优秀的作曲家往往很好地掌握了大量的乐谱，但他的创造始终都是偶然的，也必须是偶然的。同样，在文学那里，包括语词本身在内，由语词进行表象的东西暂时得以从它们在现实中所具有的一系列貌似必然的社会关系中解放出来，在充满偶然性的故事中得到意义和关系的改造和重铸。在展现语词的意义赋予作用的同时将意义赋予作用予以停滞，这正是文学的非功效的功效。 毫无疑问，今后人工智能还将得到更大的发展。面对这一事态，我们需要担心的或许并不是许多人讨论的问题，即人工智能终究会取代甚至毁灭人类；相比之下，我们更需要担心的恐怕是当年小林秀雄警告过的事情，即“由于完全熟悉了对机械的利用享乐，也就完全熟悉了以机械为模板来对事物进行思考的无聊习惯”。同样的担忧，也可以在德雷弗斯那里找到相应的表达： 如果计算机范式变得如此强大，以至于人们开始以人工智能的工作方式为蓝本，将自己视作电子器械，那么……机械不会变得和人一样，人却会变得越来越像机械。……人们开始将自己视作能够适应抽象机械的固定计算的客体：对这些机械而言，人的生活形式必须被分解为一堆没有意义的事实，而不是一个由感官运动技能组织起来的关切领域。我们的危险不是超智能计算机的降临，而是低智能人类的降临。 需要补充的是，尽管小林秀雄和德雷弗斯都批判了“以机械为模板来对事物进行思考”的做法，但这不是绝对不能做的事情，而且，如果人们无法做到以机械为模板来思考，那么迄今为止达成的许多成就或许也不再可能。问题只是，如果人工智能研究的目标是开发“像人类一样活动的系统”，那么无论如何都要避免的情况就是以“像系统一样行事和思考的人”为出发点来推进研究，不是吗？在这个意义上，我们如今仍然在阅读文学作品的理由之一，或许就在于文学中或文学性的“无知”和“无为”。 作者简介： 王钦 青年学者，现居日本东京。 主要著作有Configurations of the Individual in Modern Chinese Literature （Palgrave Macmillan，2020）。 译有德里达《野兽与主权者I》《赠予死亡》等。 (责任编辑：admin) |