■王峰
人工智能 （AI）现在已经是全社会关注的热点问题，一般来说，我们认为人工智能主要是自然科学的事情，人文学科很难与人工智能扯上关系。不仅大众如此认为，人文学科内部也对人工智能态度冷淡。虽然学者们认为人工智能的发展已势不可挡，但毕竟离人文学科还比较遥远，完全可以置之不论。甚至有学者认为，人工智能只是一阵风，学术研究本不该盲目跟风，过度参与只会产生浮躁的成果和新的学术泡沫。可以说，这些观念相当正常，并且一定要有这样的声音存在，才能使学术研究不会被技术过度捆绑，从而保持自身的纯粹，以及具有独立价值的思考。
但我们必须看到，人工智能作为必将彻底改造整个社会生活的一项技术，也必然将彻底改造学术研究的方式和内涵。人文学科虽然是离技术最远的领域，终也逃不过这一巨大浪潮。
所以，我们不如迎潮而上，思考人工智能与人文学科的关系，即使我们不做这件事情，我们的后辈也必须做。因为再过十年二十年，人文研究将再无退路，除了正视这一巨大变革，别无他选。
我们已站在一个巨大的转折点上，后退即成传统，前进则为新变
其实在人文学科内部，对于人工智能的发展存在着一股焦虑。一方面这是技术的自然发展所致；另一方面，我们也意识到这一变化将极大地改变研究的手段、方式和内容，甚至整个学术训练都将发生相应变化。也许二十年之后回望这一时代，就会发现，我们已经站在一个巨大的转折点上，后退即成传统，前进则为新变。
人工智能既是一种挑战，也是一次机遇，也许正是在这样一种变革面前，中国的人文研究才有可能找到一条突围之路，实现人文思想创新领先。但如何进行研究，怎样找到一条道路，并不是一件容易的事情。不同学科的学者既要关心人工智能发展的大趋势，还应把这些新技术、新理念与自己的研究领域结合起来，只有一个个具体学科开辟出创新发展之路，才能真正实现人文研究的整体转向。
作为一名文学和美学研究者，我关心的就是 “人工智能与美学”这样一个问题。二者怎样结合？相信不同学者会有不同的思考方式。下面就是我个人的探索之路。
首先，必须明确人工智能的工业化道路与人文道路的区别。人工智能的工业化，指的是人工智能的现实发展及理论推进，它注重的是工业化实现手段。相对而言，目前大家更重视这一道路。无论是国内还是国外，都在大力加码人工智能的工业化实现。但技术不仅仅是一种工具，它还与所有社会文化紧密结合在一起，技术在快速发展，相关的法律、伦理、人的观念、使用技术的心态以及新的社会文化形式都必须跟上，才能保护既有社会心理和文化形式不被摧毁，新旧两种文化形式才能顺利融合。但是，目前各类媒体在谈论人工智能的时候，不能很好区分这两条道路，甚至将二者混为一谈，从而产生两大害处：一是唯技术论，轻视社会人文研究，认为它没有用；二是不注意区别，将技术科幻化，这不可避免地伤害社会人文研究。
人工智能的人文道路不可避免地涉及想象的层面，这是一种新型的乌托邦，但它是有理有据的推测，而不是任意的想象。但工业化道路暂时无法实现人文想象的高度，这就会带来对人文道路的复杂态度。但是人文道路不仅仅着眼于当下的工业化发展，还着眼于未来几十年。简单地说，人工智能的人文道路主要是观念性和文化性的，但人工智能的工业化道路也必然是从观念到实践，而不是反过来。所以，这样的观念性也包含在人工智能发展的自然之理。
只有把两种道路明确地区分开来，我们才能逐渐明晰人文道路的方向和工作半径，把握讨论的分寸。在美学上亦是如此。现在的人工智能达到人类美学的高度了吗？并没有。但不可否认的是，现在的人工智能也提供了一些可供讨论的美学话题，这是我们的机遇。即按照实例进行分析，同时沿着这样的方向，对人工智能美学问题的发展做出预测。当然，既然是预测，就不可避免地与对未来的想象结合在一些，一步步推进。
如果我们把创造力解释为一种 “算法”，这能否解决人工智能的美学难题
“微软小冰”是最著名的文学艺术类人工智能。以前，人们认为，无论人工智能会做什么，它都不可能会写诗，因为写诗是最需要人的创造力的，但机器没有创造力，它只有程序，只会排列字序，不可能写出文学的 “明珠”——诗歌。但现在小冰能写诗了，这就对我们的文学、美学观念提出了挑战。
对于小冰的诗歌创作，往往存在两种截然对立的观念：一种认为小冰创作的不是诗，因为小冰不是人，是机器，没有创造力，所以它创造出来的不可能是诗。这种观点面临的难题是，如果小冰创作出来的不是诗，那么，为什么我们把它的诗作与其他诗人的诗作混在一起，却无法分辨出哪一首出自小冰之 “手”呢？另一种观念认为，小冰创造的是诗，它具有独特的创造力，只是我们现在不了解这一创造力来自哪里，就像我们现在也说不清人的创造力来自于哪里一样。这种观点面临的困难是，回答什么是创造力，如果它很神秘，无法说清楚，那么，究竟是因为它根本不存在，还是我们无法理解它？
创造力的神秘是美学中一个由来已久的观念。但 “微软小冰”给了我们一个契机，让我们从人工智能的角度去理解人。如果说小冰有创造力的话，那么这个创造力是什么？相对于通用人工智能而言，小冰其实只是一个比较初级的人工智能，它只会写诗，进行自然语言的学习和处理。小冰的“创造”应该视为一种算法，它在效果上与人类创作诗歌基本相同，争议集中在机制上。如果我们把创造力解释为一种 “算法”，这是不是能够解决人工智能的美学难题呢？我们甚至可以把人工智能当作从美学角度理解人类创造力的钥匙，这样一来，美学的研究对象就不再仅限于人类，还包括与人类对照的人工智能，算法与创造力之间就形成了一种互动关系。
当然，这样考虑问题的时候，就一定不局限于目前人工智能的工业化发展，还包含了对于未来的展望，或者说理论性的设想。在人工智能与美学这一话题上，如果我们设想一个人工智能达成审美判断，它应该用什么样的方式来实现？要回答这一问题，必须讨论人工智能的审美建模问题，也就是怎样建立一种对于审美判断的算法。
人工智能与美学问题，将与其他相关问题一样，边建构边解构
我们所讨论的是最基础的建模方式，是一种相对哲学化的讨论。就我理解，如果人工智能要达到审美判断，大致有两种基本建模方式：一种是康德式，另一种是维特根斯坦式。两位哲学家在人类审美的理解上代表了最深刻的两种途径，但他们的路径也往往针锋相对、互相排斥，往往很难判断其高下。当我们把美学与人工智能相关联，将这两位哲学家的思路视为人工智能建模方式，即一种复杂算法的组合体，可能就会产生新的观念。
简单地说，康德式建模方式注重底层规则组合，以达到整体判断，其基础规则必须非常牢靠，这可以称作最底层的逻辑，每一步推导必须是坚实的，如此才能达成一种必然如此的审美判断。而维特根斯坦的做法则完全不一样，他完全放弃康德式的底层规则组合方式，更注意语言训练，否定普遍性本质的存在。如果冒险一些的话，可以把他的方法类比为 “大数据式”，强调建模之后的训练，重视输出端管理。现在的人工智能建模更流行这种方式。
哪种方式更适合人工智能呢？这还真不好判断。因为不同的建模方式依赖于不同的技术高度，维特根斯坦式似乎更适合当前的大数据式人工智能，而康德式更适合通用式人工智能。但这个判断是以目前技术为基础的，一旦新的技术发展起来，比如量子计算机成熟，那么，这些建模方式就要重新评估。
在涉及人类审美的理解上，我更倾向于维特根斯坦是对的，而在人工智能的审美可能性上，我更倾向于康德式建模方式，因为它更适合通用人工智能。但无论康德式还是维特根斯坦式，这两种分析都是以人为基础的，如何 “转运”到人工智能领域，还需要极大的功夫。
人的心灵已经是一个事实了，它摆在那里，无论观察者怎么想，它都已经在那里，能够进行审判判断，可一旦加入人工智能，事情就发生了巨变——现在心灵、创造、审美判断等似乎都消失了，但人工智能的输出结果却可能与人类的输出结果一样，这又如何理解呢？这不是一个简简单单就能回答的问题，我们只能把它列为任务进行探讨，也许不同的观点相互碰撞，就能渐渐打开思路，寻找到新的方向。
无论怎样，这完全是一个新的话题。这里的探讨并不是要建立一个系统性的人工智能与美学研究框架，而是展现一个初步的思考。在这个话题上，我们必须抱有开放心态，所有拿出来讨论的方案都是为了听取更多批评意见，所有方案都必将调整。对于人工智能与美学问题，将与其他相关问题一样，边建构边解构。每个人都有知识和观念的盲区，重要的是开放的讨论。
（作者系华东师范大学中文系教授）