人工智能是否可以实现与人相似的情绪智力?——基于对纳思系统的分析

情绪智力作为人类智力结构的重要组成部分,对人类的生存发展起到重要作用。情绪智力不仅受到心理学界的广泛关注,也成为人工智能领域研究的一个重要方面。但目前人工智能领域关于情绪智力的研究基本都是基于情感计算等专用人工智能领域的成果取得的,在人工智能领域实现近似于人的情绪智力的相关研究却几乎没有看到。文章从智力的角度出发,结合当前人工智能研究的最新动态,对当前人工智能领域的情绪智力研究进行归类分析,随后以目前和人类智力最为接近的非公理化推理系统——纳思系统为蓝本,对人工智能目前是否真正拥有情绪智力做出基本判断,并从纳思系统的基本原理出发,对其是否可以拥有情绪智力进行分析研究,最终得出结论:人工智能领域关于情绪智力的研究虽然很多,但真正拥有和人类似的情绪智力并能与人类正常沟通的人工智能系统目前还没有问世,且要真正实现这个目标目前还面临着技术突破、安全风险等多重挑战,但是却存在实现的基础和可能性。

如何设计具有自主意图的人工智能体——一项基于安斯康“意图”哲学的跨学科探索

具有自主意图、只依赖小数据运作的通用人工智能系统的出现,并不会像有些人所预估的那样导致"机器奴役人类"的局面出现,因为此类技术对于小数据的容忍可以大大增加此类技术的潜在用户的数量,并使得体现不同用户价值观的通用人工智能系统能够大量出现。这样一来,具有不同意图的通用人工智能系统彼此之间的对冲效应,最终会使得任何一种具有特定意图的通用人工智能系统都无法占据主宰地位。相反,由于作为专用人工智能技术代表的深度学习技术的运用在原则上就需要大量数据的喂入,其对于民众隐私权的侵犯就成为一种难以被全面遏制的常态,因此,此类技术的发展在原则上就会加强一部分技术权贵对于大多数民众的统治地位。不过,要在通用人工智能系统里实现对于意图的工程学建模,就需要我们在哲学层面上首先厘清关于意图的种种哲学迷思。在这个问题上,美国女哲学家安斯康的意图理论是一个比较好的讨论起点。具体而言,安斯康关于"意图是在欲望驱使下做某事的理由"的观点,是可以在通用人工智能的语境中被实现的,但是她关于信念与意图之二元对立的观点,却在不少地方有失偏颇。而"非公理化推理系统"(纳思系统),则将为吸纳安斯康意图论的合理部分提供相应的工程学手段。

如何让电脑真正懂汉语?——一种以许慎的“六书”理论为母型的汉语处理模型

哲学家塞尔曾指出,任何一台处理汉语输入的计算机都不能够像真人那样理解汉语,因为计算机无法获取汉语表达式的语义内容。他的这个论证,既预设了语义学和句法学之间的二分,而且也预设了一种外在论式的语义学观点。上述两个预设在本文中都会受到挑战。首先,本文将采纳一种内在论的(并且是准整体论)的语义学进路:根据此进路,意义完全可以在不直接牵涉到和外部对象的关系的情况下而被带入语义网。此外,本文所试图构建的语义学模型也不是句法驱动的——换言之,在该模型中,并没有任何语义中立的原则可以告知系统,复合语义是如何从"原子"语义中生成的。毋宁说,"原子"语义之间的亲和性,便已然在复合语义的构成中扮演了枢纽性角色。需要指出的是,关于语义融合的语义学难题,绝非当代语言学家和语言哲学家的专利。实际上,它早在东汉学者许慎的"六书"论中就已得到触及。根据许论,只要一个汉字的构件的语义得到了其它汉语表达式的恰当注解,该汉字本身的语义也便可得到确认。在本文中,许慎的"六书"论将以一种可计算的方式而得到系统化的重构,而该重构的技术基础则是王培先生发明的"纳思系统"(非公理化推理系统)。在这种重构基础上,现代汉语中语词的语义复合方式,也可以得到一种新颖的理解。

如何将认知语言学的洞见带入机器翻译研究?

主流的机器翻译研究主要分为"基于统计的路径"与"基于规则路径"这两大支,而前者则乘着"深度学习"的东风,日益受到业界的青睐。不过,与人类的自然语言理解能力与翻译能力相比,基于深度学习的机器翻译系统的运作既无法脱离大量的语料输入(因此无法解释为何人类可以在"刺激匮乏"的情况下学习语言的问题),也无法彻底避免"过拟合"的问题。相比较而言,基于规则的机器翻译路数则无法有效地应对语用学考量对于句法分析的影响。与这两大主流思想相比,认知语言学的翻译理论毋宁说更为符合人类译员的翻译实际。然而,由于认知语言学的基本描述手段存在着"难以被计算化"的问题,要将相关的洞见兑现为能被计算语言学所消化的材料,我们还需要借助于别的技术手段,比如目前作为"通用人工智能"技术路径之一的"非公理化推演系统"(纳思系统)。