巧胜人工智能不要“以子之矛，攻子之盾”，只能另辟蹊径，殊途同归。
国内AI行业翘楚“第四范式”总裁戴文渊总结AI是五大系统能力混成，合称BRAIN （Big data, Response, Algorithm, Infrastructure, Needs）: 大数据、闭环反馈、算法、基础结构和需求。巧胜不能在同样维度上比强度，而只能在不同思维路线上比温度。
是的，比温度。在创造体验价值的维度上，沿着直观感知思维路线，自然人仍将在未来很长一段时间巧胜人工智能。
我们必须承认在BRAIN发展方向上AI已经到了爆炸的奇点。
地质考古发现，5亿年前的地球发生过一个“寒武纪大爆炸”（Cambrian Explosion）阶段。它是地球有机生命物种爆炸式繁衍的奇点。人工智能目前就处于类似的一个无机智能物种爆炸的奇点。它在算法上表现最突出。《驭天算法》（Master Algorithm）的作者多明格斯（Pedro Domingos）说：“所有的知识，过去、现在、将来，都终将可以由单一的通用学习算法处理数据而成”（“All knowledge -past, present, and future – can be derived from data by a single, universal learning algorithm”），这个单一的通用算法就是“驭天算法”（驾驭一切的算法，Master Algorithm）。多明格斯所描述的“驭天算法”（Master Algorithm）不是能否出现，而是何时发生。
幸运的是，作为表面现象的世界，它一直被牛顿以降的数理科学家低视，一直是追求数理抽象规律的科学家要穿透的布片。今天，随着量子科学的发展，我们突然发现，表面现象也许是世界的另一种元属性。要掌握它，代表牛顿知识体系的数理分析工具就不灵了。感觉（Perception）、意向（Intentionality）、体验（Experience）、意识（Consciousness）、同情（Empathy）这五种能力（PIECE）则更适合。
迄今为止，以算法体现事物抽象本质的人工智能还只发生在牛顿知识体系中。因此，巧胜它的路线一定不在牛顿知识体系内。但非常可能发生在“表面现象”研究领域，在感觉、意向、体验、意识和同情这五种能力上。而“抽象本质”和“表面现象”这两条思维路线之争可以追溯到歌德-牛顿的颜色之争上。讨论歌德的颜色学有助于我们理解如何巧胜人工智能。
1810年，德国诗人歌德发表著名的《颜色学》（The Theory of Colors）。在关于颜色本质和形态的歌德-牛顿之争中，歌德挑战的不仅是牛顿在1672年提出的光谱学，更是牛顿代表的世界观和认识论（世界是什么？怎么认识它？）。
19世纪，欧洲已经广泛接受牛顿对光的抽象本质的论断：关于光线，没有颜色，只有折射率。折射镜试验显示颜色和折射率之间的关系。不同折射率的光线显示不同颜色。它们的复合产生我们看到的白色光线。人的眼睛就像折射镜。有不同折射率的光线通过人的眼睛晶体显示我们看到的不同颜色。颜色只是眼睛的幻觉。牛顿的光谱学用数学公式概况总结出光线现象背后的抽象规律。因为牛顿理论（数理科学）的成功传播，人们接受科学的自然观：自然现象背后有科学规律，科学规律可以用数学模型抽象总结。抽象规律是第一性的，可靠的。表面现象是随机性的，不可靠的。
一趟去法国南部的旅行触发歌德对牛顿光谱学的质疑。旅行中，歌德发现，尽管牛顿对颜色的客观科学解释已经很普及，当地画家却把蓝天的“蓝”画出多种有差异的“蓝”。他们对其它颜色的处理也这样。面对歌德的询问，画家回答：各地画廊经纪人有各自的色彩偏好，按照他们感知偏好的颜色创造才有生意。这段偶遇触发歌德的理论猜想：颜色不是计算折射率的数学方程式，不是眼睛的幻觉，不是抽象出来的理论假说。颜色是一种通过我们直观感知的原型现象。通过能够直观感知的原型现象，我们理解和体验世界。颜色是真实的。
对于牛顿，颜色是假的，背后的计算折射率的数学原则才是真的。对于歌德，能够直观感知的颜色是第一性的，是真的，是指导我们理解和组织世界的原型现象。抽象数学原则奠定自然科学的基石。直观感知的原型现象为理解日常世界提供实在体验。
在《颜色学》中，歌德汇总亲自在各地区收集的颜色形态。他试图在牛顿的科学光谱论之外建立起另外一套理解使用颜色的知识系谱。歌德试图说明：1）对日常生活的直接感知体验不是碎片现象，而是真实生活全部。2）在科学抽象之外，我们不要排斥五官六识首先体察的表面现象。意识首先体察到的表面现象也包含能够上下左右推演的“原型现象”（urbild）。原型现象的功效不低于科学抽象规律。
200年之后，歌德所关心的“直观感知原型现象”为我们开辟了巧胜人工智能的另类思维路线。
对于人工智能，数据是真的，不能通过算法分析处理的就不相关，就是不真。人工智能的牛顿知识体系就是数学分析的世界观和认识论。它不能替代理解歌德所说的直观感知原型现象。因此，巧胜人工智能可以从发现和运用直观感知的原型现象开始。
从我们一般生活体验中，我们就可以发现人工智能不能替代理解的直观感知原型现象。例如，美好的错误。人工智能不喜欢错误。它的“深度学习”组成一个从过去到现在并投射未来的反馈闭环。在这个闭环中，人工智能可以回到过去，修改曾经犯下的错误，让未来更正确。在歌德的直观感知世界，错误的价值不在于改进，而在于对错误现象的感知、感悟和感动。诗人陆游《钗头凤》中的“一怀愁绪，几年离索，错，错，错！”写出什么是“凄美的错误”，以至于它有“千斤橄榄”的嚼头（红楼梦语）。这种原型现象的价值无法数理分析，只能直观感知。它提醒我们去发现“美好的错误”，并创造感知的机会。
又如，来自非人类生命现象的启迪。人工智能以人的活动为起点和终点。即使研究其它自然生命现象，人工智能仍然只会通过分割、分离、分散的方法来解析。而直观感知的现象学强调“观自在”，即与现象溶于一体，让感知自然升腾呈现。比如，即使我们不是鱼，如果我们浸淫到鱼的环境中，力求像鱼一样生活，那么我们可以接近感知鱼的快乐。人工智能只能分析模仿，我们可以体验无以名状的通感。关注人之外的自然生命现象，以同情交感方式体验与它们的通灵效果，这是我们可以巧胜人工智能之处。研究思维和语言哲学的塞尔（John Searle）教授就曾指出：用第一人称（我，亲自）去感知生命现象的理解效果，人工智能做不到。
属于歌德所说的“直观感知原型现象”还有许多种。
例如，宗教般归属体验。人能够体验精神层次的存在。我们既能欣赏“前不见古人，后不见来者”的旷宇孤独，也能感受“采菊东篱下，悠然见南山”的自然归属感。又如，昙花一现的瞬间永恒。人工智能只能计算时间，我们可以有时态。时态随心境和情境而变化，24小时既可以度日如年，也可以“一日不见，如隔三秋兮”。再如，我们对神奇的巧合（缘分）情有独衷。而人工智能要消灭不可预测的偶然事件。我们喜欢“逢场作戏”般的角色代入表演（Cosplay）。而人工智能指导下的“临场应变”都经过算法推演，早就失去随机性的神秘美妙。
20世纪初，人力替代马力。进入21世纪，人工智能替代人力，这已经是不可逆转的趋势。与其排斥人工智能，还不如思考如何在直观感知的思维路线上巧胜它。从歌德式的直观感知原型现象出发，现代商业组织可以重新改写自己的商业模式和价值创新活动。
关于歌德-牛顿的颜色之争，著名物理学家海森堡（W. Heisenberg) 曾言：“无视这场争论的重要性而把它忘掉，那只不过是无知的表现。“它的重要性就在于赋予直观感知的现象世界以数理科学不能替代的价值。后来，歌德关于直观感知的思维方式影响了从胡塞尔到海德格尔等一系列现象学哲学家。当代量子科学也已经从试验角度说明意识现象的存在和作用（波粒二相性）。我们前面总结的PIECE（感觉、意向、体验、意识、同情）其实是21世纪精神现象哲学的核心观念。在人工智能挑战人的认知能力局限当口，精神现象学开辟了另一条平行竞争的思维路线。
海森堡担心的哲学无知有现代意义，因为把人工智能等同于算法或设备技术是一件非常危险的事情。从上世纪50年代开始，人工智能就一直是一个跨越科学技术和人文伦理的综合探索。其中，哲学批判扮演着极其重要的角色。值世界人工智能大会在上海召开之际，我们更要牢记“批判的武器不能代替武器的批判”（马克思）。我们要防止“武器太先进而忘记战争的目的”（钱世政）。任何缺乏哲学批判的人工智能，都难以有长久的生命力。
（本文作者鲍勇剑是加拿大莱桥大学迪隆商学院终身教授、复旦大学管理学院EMBA特聘教授。）
评论