消解STS中的坚冰——马塞洛·费茨对话哈里·柯林斯

本次访谈中,哈里·柯林斯和马塞洛·费茨讨论了柯林斯早期关于“默会知识”在实验室研究中的重要性,早期科学技术研究(STS)的革命精神以及他对当前这一主题智识关注度下降的担忧,他认为这是由于行动者网络理论(ANT)方法的普及以及对与政策相关的STS研究的日益重视。柯林斯描述了在STS的早期,他是如何成为社会科学家中的一员及这些社会科学家对科学知识和实践的分析感兴趣,他们沉浸在其中并发展研究这个新主题的激进方法。对他来说,在这种相互交汇中“互动型专长”的发展是一个关键的研究工具——也是在STS领域产生一种令人信服的理解科学和技术的新方法最有效的方式。在他的后续反思中,费茨考虑了“消解科学坚冰”所需的统一条件,以及STS制度化带来的后期问题。

人工智能科学及其批评

人工智能研究者关注的重点是复制出能够模仿人类大脑的某个东西,而忽视了能够模仿人类智能的人造大脑也必须能够模仿人类社会中的社会化过程,因为人类智能的核心特征植根于人类社会之中。比较典型的案例是自然语言,它以个人无法预测或控制的方式持续变化着,具有非常大的使用弹性。流利使用自然语言的人吸收利用社会中的语言的方式与温度计从其所浸入的液体中测量温度的方式一样。温度计上显示的温度不是温度计的特性,而是液体的特性,它会随着液体的升温或降温而发生变化。同样,一个流利使用语言的人所讲的语言体现的是他/她所处的社会的特性,而不是个人的特性;与温度计一样,语言也会随着社会的变化而变化。这也意味着,纯粹基于自然语言性能的图灵测试可以成为测试机器人智能的优秀测试。自然语言的这一特性是深度学习取得某些惊人成功的原因,同时也是其遭遇某些失败的原因。本文还试图说明,为什么人工智能科学在表述和验证其主张方面表现得如此糟糕。因为它的目标是让外界相信它的成功,而不是像物理科学那样孜孜不倦地进行自我批评。

人工智能科学及其批评

一、引言《跨学科科学评论》杂志2021年第1-2期特刊的标题“人工智能及其不满”表达了人们对人工智能领域的某种看法,这种倾向体现在这一期特刊的各篇文章之中。这些文章在研究方法、所用资料和动机方面都非常不同,我认为,这正好反映了人工智能作为一门科学在自我表述方面存在广泛的差异。