張昌盛

(中國(guó)社會(huì)科學(xué)院 哲學(xué)研究所，北京 100732)

對(duì)于當(dāng)下方興未艾的人工智能科技熱潮，哲學(xué)可以扮演什么樣的角色？按通常的說(shuō)法，哲學(xué)可以促進(jìn)我們理解人工智能，尤其是可以通過(guò)人工智能的倫理問(wèn)題的研究，對(duì)人工智能的產(chǎn)業(yè)政策制定、產(chǎn)品設(shè)計(jì)和實(shí)際使用提供規(guī)范性的建議，并規(guī)避隨之而來(lái)的安全風(fēng)險(xiǎn)。但是，這樣的思考是不夠的。我們需要在更基礎(chǔ)的哲學(xué)層面上考慮人工智能的本性和界限等問(wèn)題。這一方面是對(duì)人工智能的局限性的深度反思，另一方面是要為人工智能的發(fā)展方向和可能性提供哲學(xué)的思想靈感。

本文主要從現(xiàn)象學(xué)的角度探討對(duì)人工智能進(jìn)行哲學(xué)思考時(shí)所面臨的主要問(wèn)題、研究進(jìn)路、主要主題，以及在人工智能科技中可以發(fā)揮的作用。這種探討中也伴隨著主體主義與自然主義的對(duì)話，也會(huì)設(shè)想如何能結(jié)合現(xiàn)象學(xué)的方法與邏輯分析的方法來(lái)促進(jìn)人工智能的研究的可能性。

一、現(xiàn)象學(xué)與人工智能的哲學(xué)問(wèn)題

對(duì)人工智能的哲學(xué)研究尤其是現(xiàn)象學(xué)研究并非新近才開(kāi)始，早在20世紀(jì)60年代，美國(guó)哲學(xué)家德雷福斯(Hubert Dreyfus)就從海德格爾的現(xiàn)象學(xué)的角度探討了人工智能的限度問(wèn)題[1]。由于人工智能與意識(shí)、腦的問(wèn)題密切相關(guān)，后來(lái)的人工智能哲學(xué)更多地與心靈哲學(xué)、認(rèn)知科學(xué)哲學(xué)的研究交織在一起。例如，塞爾等人從分析哲學(xué)角度對(duì)人工智能進(jìn)行闡釋，提出了強(qiáng)人工智能和弱人工智能的概念區(qū)分；20世紀(jì)90年代，查爾莫斯區(qū)分了意識(shí)的難問(wèn)題和容易問(wèn)題。與此相關(guān)的人工智能哲學(xué)問(wèn)題是基于功能主義的強(qiáng)人工智能是否可行，即所謂人工意識(shí)是否可以由算法加芯片實(shí)現(xiàn)。

(一)人工智能的基本觀念

人工智能哲學(xué)首要的問(wèn)題是如何從哲學(xué)層面理解人工智能。從科技的層面看，所謂人工智能(AI)通常也叫機(jī)器智能，是一種試圖以機(jī)器的算法模擬產(chǎn)生的智能來(lái)代替部分乃至全部人類智能的科技分支，甚至也有人設(shè)想未來(lái)可以構(gòu)造具有類人意識(shí)的AI。人工智能的基本原理是基于對(duì)事物的形式化、符號(hào)表達(dá)，以相應(yīng)的算法模擬事物的特性和關(guān)系，以計(jì)算機(jī)硬件和軟件結(jié)合，來(lái)實(shí)現(xiàn)機(jī)器視覺(jué)、自然語(yǔ)言理解和交流、認(rèn)知與推理、機(jī)器學(xué)習(xí)、機(jī)器人等領(lǐng)域的功能，甚至有人設(shè)想將來(lái)有一種通用人工智能(Artificial general intelligence)，可以統(tǒng)一地處理與智能和認(rèn)知相關(guān)的眾多領(lǐng)域的問(wèn)題。

按照通常的觀念，人工智能主要是一種多學(xué)科交叉的前沿科技，側(cè)重于技術(shù)和應(yīng)用層面，甚至被看作是工程問(wèn)題。但是，人工智能并非僅僅是一種前沿技術(shù)也并非只是算法和硬件的組合，而是以對(duì)主體的目標(biāo)和價(jià)值體系、環(huán)境的特性和因果鏈條，以及二者關(guān)系的理解為前提的；更涉及到智能的本性，與腦科學(xué)、意識(shí)問(wèn)題密切相關(guān)；不同的人工智能的觀念和假說(shuō)，背后涉及到對(duì)意識(shí)、心靈、主體、自由意志、主體和人等基本哲學(xué)主題的基本觀念；而這些基本概念不僅屬于認(rèn)知科學(xué)哲學(xué)、心靈哲學(xué)和現(xiàn)象學(xué)研究的基本領(lǐng)域，也是近代以來(lái)整個(gè)哲學(xué)的基本主題?？梢哉f(shuō)，人工智能的問(wèn)題實(shí)質(zhì)上逼近近現(xiàn)代哲學(xué)核心的區(qū)域，因?yàn)樗P(guān)涉到我們?nèi)绾卫斫庖庾R(shí)、主體乃至人性等的本質(zhì)。因此，人工智能的本性和極限等問(wèn)題構(gòu)成了對(duì)現(xiàn)代哲學(xué)乃至整個(gè)哲學(xué)基本觀念的根本挑戰(zhàn)。

(二)人工智能與現(xiàn)象學(xué)

由于人工智能與腦、認(rèn)知、意識(shí)等領(lǐng)域的問(wèn)題高度相關(guān)，尤其是當(dāng)下的仿生的機(jī)器學(xué)習(xí)與腦科學(xué)研究密切關(guān)聯(lián)，而后者又與意識(shí)研究相關(guān)，因此我們需要在一種跨學(xué)科的視野中考察人工智能。相應(yīng)地，對(duì)人工智能的哲學(xué)研究也需要結(jié)合認(rèn)知科學(xué)和意識(shí)問(wèn)題等領(lǐng)域的哲學(xué)研究。因此，人工智能的哲學(xué)研究是一種多重意義上的跨學(xué)科研究：不僅是在科學(xué)層面跨不同學(xué)科分支的研究，而且在哲學(xué)層面也涉及不同的研究領(lǐng)域，是跨科學(xué)-哲學(xué)的研究。

人工智能科技的研究涉及意識(shí)、腦、身體、他者和環(huán)境等方面，因此與認(rèn)知科學(xué)、意識(shí)哲學(xué)天然地具有內(nèi)在的密切關(guān)系，尤其會(huì)涉及意識(shí)、語(yǔ)言、認(rèn)知、邏輯、數(shù)學(xué)等學(xué)科領(lǐng)域。這些領(lǐng)域都是現(xiàn)象學(xué)研究的重要主題，因此人工智能、人工智能哲學(xué)和現(xiàn)象學(xué)之間能夠建立重要的聯(lián)系。

從現(xiàn)象學(xué)的視角研究人工智能的哲學(xué)問(wèn)題的優(yōu)勢(shì)在于，可以從主體主義的視角把智能、認(rèn)知和意識(shí)問(wèn)題統(tǒng)合進(jìn)行綜合而系統(tǒng)的研究。

(三)現(xiàn)象學(xué)視角中人工智能的基本問(wèn)題

從現(xiàn)象學(xué)角度思考，人工智能科技的哲學(xué)問(wèn)題主要分兩個(gè)方面：一是探尋人工智能(AI)的哲學(xué)基礎(chǔ)，涉及到大腦、意識(shí)和智能三者之間的關(guān)系，尤其是最終會(huì)追問(wèn)人工智能的極限問(wèn)題；二是在此基礎(chǔ)上，從現(xiàn)象學(xué)的方法和理論中尋求促進(jìn)人工智能科技的可能進(jìn)路。前一方面是關(guān)于人工智能的基礎(chǔ)性、理論性和終極性問(wèn)題的研究，而后一方面相對(duì)而言是帶有應(yīng)用性質(zhì)的、局部的、相對(duì)具體的問(wèn)題的探究。這兩個(gè)方面具有內(nèi)在相關(guān)性，前者是奠基性的，后者以前者的研究為基本理論前提。但它們之間的關(guān)系又是開(kāi)放式的、雙向的、動(dòng)態(tài)的，因?yàn)檫@種研究并不是一種傳統(tǒng)的從基本理論前提開(kāi)始的演繹，而是與人工智能科技關(guān)聯(lián)的跨學(xué)科研究，而人工智能需要不斷接受經(jīng)驗(yàn)的檢驗(yàn)而修正基本理論設(shè)定和應(yīng)用的方式。

二、人工智能的限度問(wèn)題：現(xiàn)象學(xué)VS自然主義

(一)強(qiáng)人工智能和弱人工智能：基本的理論立場(chǎng)和進(jìn)路選擇

在人工智能的基本哲學(xué)問(wèn)題中，終極的問(wèn)題就是人工智能的極限問(wèn)題。強(qiáng)人工智能認(rèn)為機(jī)器智能能夠?qū)崿F(xiàn)類人智能，而弱人工智能則認(rèn)為機(jī)器智能可以局部接近但整體上始終達(dá)不到人類智能的程度。

AI的智能基于圖靈機(jī)的算法模擬，而后者以形式化的符號(hào)表達(dá)為前提。因此，從理論上講，凡是可以形式化表征的認(rèn)知和行為，都可以被AI實(shí)現(xiàn)。關(guān)于AI的一個(gè)主要哲學(xué)爭(zhēng)論是：形式化模擬的極限在哪里？

按照德雷福斯和塞爾等人的觀點(diǎn)，人工智能尤其是傳統(tǒng)的符號(hào)計(jì)算進(jìn)路的人工智能無(wú)法模擬人類的智能，更無(wú)法實(shí)現(xiàn)人工的意識(shí)。塞爾甚至指出：“計(jì)算機(jī)不只是理解能力破碎、不完整(就像我理解德語(yǔ)一樣)，而是它的理解能力為零?！盵2]419因此，強(qiáng)人工智能是無(wú)法通過(guò)任何計(jì)算機(jī)的算法模擬來(lái)實(shí)現(xiàn)的。

功能主義、聯(lián)結(jié)主義、生物自然主義和現(xiàn)象學(xué)基于各自的基本理論立場(chǎng)，對(duì)于機(jī)器智能的極限問(wèn)題有不同的觀點(diǎn)。其中，前三者都主張人類的智能是基于人腦的神經(jīng)元組織的功能，而后者認(rèn)為智能和意識(shí)以及具身主體是密不可分的。功能主義主張強(qiáng)人工智能，而后三者都主張弱人工智能，但因各自的哲學(xué)預(yù)設(shè)不同而有不同類型的弱人工智能主張。

基于物理主義的功能主義主張強(qiáng)人工智能，認(rèn)為人類大腦或生物大腦并不是實(shí)現(xiàn)智能的必要條件，斷言智能是可以多重實(shí)現(xiàn)的，也就是說(shuō)智能的核心在于演繹的算法，而其物理實(shí)現(xiàn)的平臺(tái)是次要的，大腦是實(shí)現(xiàn)智能的充分條件，但硅基的半導(dǎo)體也可能實(shí)現(xiàn)類似于人類的智能，甚至可以全面地超越人類智能。

聯(lián)結(jié)主義認(rèn)為人類的智能基于大腦的神經(jīng)元組織，因此機(jī)器智能來(lái)源于對(duì)人腦的仿生。假設(shè)大腦的神經(jīng)元組織的運(yùn)行是一種廣義的算法，那么人工智能就可以以算法模擬人類大腦的智能機(jī)制來(lái)實(shí)現(xiàn)類似于人類的智能。凡是持弱人工智能立場(chǎng)的學(xué)者大多主張這種“仿生”人類大腦的人工智能，如德雷福斯認(rèn)為：“我們應(yīng)當(dāng)以建立大腦模型，而不是建立心靈關(guān)于世界的符號(hào)表述的模型的方式來(lái)創(chuàng)造人工智能?！盵3]421由于這種算法模擬的困難，機(jī)器智能只能逐漸逼近和局部實(shí)現(xiàn)類人智能，并不能全面達(dá)到比肩于人類的智能。

生物自然主義也主張人工智能需要仿生大腦的認(rèn)知模式，這一點(diǎn)類似于通常的聯(lián)結(jié)主義；但不同在于，它特別強(qiáng)調(diào)人類的智能與人的意識(shí)不可分割，而且斷言意識(shí)是大腦的屬性，因此大腦是人類的智能的必要條件。人工智能的局限在于軟件只能局部模擬人類大腦的算法，而人類大腦的另一些算法是基于人腦的獨(dú)特的神經(jīng)元組織結(jié)構(gòu)的，而后者是無(wú)法由硅基芯片加軟件實(shí)現(xiàn)的；也就是類人的智能只能由類人的功能性組織實(shí)現(xiàn)，而且這種功能性組織只有在生物平臺(tái)上才能實(shí)現(xiàn)；因此也不能排除一種理論的可能，一旦可以以硬件加軟件的方式模擬出人腦的組織性功能，則不僅類人的智能可以實(shí)現(xiàn)，而且類人的意識(shí)也可以實(shí)現(xiàn)，這種意義上的人工智能是一種基于生物平臺(tái)的人工智能。

二元論者也主張弱人工智能，但所依據(jù)的理論前提是二元論。如查爾莫斯等人認(rèn)為，強(qiáng)人工智能之所以無(wú)法實(shí)現(xiàn)，并非因?yàn)榇竽X的功能無(wú)法模擬，而是因?yàn)槿说闹悄芨庾R(shí)密切相關(guān)，而意識(shí)是機(jī)器無(wú)法完全模擬的。

而從現(xiàn)象學(xué)的角度看，人的智能與主體性的維度，尤其與是意識(shí)活動(dòng)密切相關(guān)，而主體性的維度是無(wú)法徹底還原為物理-生物的機(jī)制的。另一方面，主體性又是具身的，身、心并不二元對(duì)立地存在，因此從生物的大腦機(jī)制探索人類的意識(shí)、智能有其合理的一面。就現(xiàn)象學(xué)的進(jìn)路而言，在探討人工智能極限的問(wèn)題中，可以暫時(shí)懸置意識(shí)的產(chǎn)生與大腦工作的物理和生物機(jī)制之間的關(guān)系，而集中關(guān)注主體性、意識(shí)的活動(dòng)模式。這樣，機(jī)器智能的極限問(wèn)題就轉(zhuǎn)化為計(jì)算機(jī)的算法加硬件可以在何種程度上可以模擬主體性的認(rèn)知模式尤其是意識(shí)活動(dòng)的模式的問(wèn)題。

(二)表征的概念和范圍

德雷福斯對(duì)于人工智能極限的思考有兩個(gè)基本的預(yù)設(shè)：第一，AI的算法模擬是基于形式化、符號(hào)表征基礎(chǔ)上的機(jī)械算法；第二，人類的智能、意識(shí)等的特征、行為并非都是可表征的，即只有部分可表征。除此之外，德雷福斯應(yīng)該還有一個(gè)隱含預(yù)設(shè)：凡是可表征的意識(shí)、行為都是可以形式化地計(jì)算的。

德雷福斯對(duì)于表征的含糊用法遭到塞爾的批評(píng)。塞爾區(qū)分了認(rèn)知的表征和邏輯的表征，表征不一定是心智的，任何擁有條件的事物都對(duì)應(yīng)著表征。塞爾認(rèn)為，德雷福斯和海德格爾意義上的現(xiàn)象學(xué)的局限就在于限于主體視角的認(rèn)知，而忽略了對(duì)象領(lǐng)域的邏輯結(jié)構(gòu)[4]。

根據(jù)塞爾的看法：第一，我們的很多認(rèn)知和行為都有意向性貫穿其中，也未必像德雷福斯認(rèn)為的那樣是不可表征的，所謂表征并不一定伴隨著體驗(yàn)，只要能夠刻畫心理或者行為的狀態(tài)的滿足條件就可以；第二，邏輯表征和認(rèn)知表征有重要區(qū)別，很多在認(rèn)知層面未被表征的特性可以在邏輯表征層面被揭示出來(lái)；第三，囿于現(xiàn)象學(xué)的主體主義視角和方法局限，對(duì)于表征的揭示較為有限，但通過(guò)邏輯分析方法，可以揭示認(rèn)知和行為的整體邏輯結(jié)構(gòu)。

總之，在塞爾看來(lái)，如果超出現(xiàn)象學(xué)的主體主義視角，就可以看到人的認(rèn)知和行為的很多方面都包含有表征，可以用綜合的方法揭示其中的滿足條件，那么關(guān)于人的意識(shí)、認(rèn)知和行為的可表征及其可刻畫的范圍就要比現(xiàn)象學(xué)所認(rèn)為的寬廣得多；相應(yīng)地，人工智能的算法模擬的范圍也要比現(xiàn)象學(xué)的第一人稱方法所限定的范圍廣得多。

當(dāng)然，如果還有現(xiàn)象學(xué)方法之外的方法可以揭示主體的更多表征特征和條件，那么人工智能的應(yīng)用范圍也許比德雷福斯等人一開(kāi)始預(yù)想的要樂(lè)觀得多。

(三)關(guān)于現(xiàn)象學(xué)描述的主體性特征如何被表征與形式化的問(wèn)題

另外還有一個(gè)相關(guān)的重要問(wèn)題是：凡是表征都可以被形式化表達(dá)嗎？這里首先要區(qū)分表征和表征的刻畫兩個(gè)問(wèn)題：(1)凡是表征都能被語(yǔ)言刻畫嗎？(2)凡是被語(yǔ)言刻畫的表征都能被形式化嗎？塞爾強(qiáng)調(diào)表征的廣泛性，區(qū)分了認(rèn)知表征和邏輯表征，前者是在意識(shí)中的表征，后者是在邏輯層面，對(duì)應(yīng)的是狀態(tài)的滿足條件的集合。

按照塞爾的觀點(diǎn)，原則上，邏輯表征是可用邏輯分析方法揭示，進(jìn)而被命題化表達(dá)，因此可以對(duì)問(wèn)題(1)進(jìn)行肯定的回答。塞爾似乎認(rèn)為所謂邏輯分析可以完全不依賴意識(shí)表征而被單獨(dú)使用；具體而言，他借鑒了語(yǔ)言哲學(xué)的邏輯分析方法：“我把超越語(yǔ)句與言語(yǔ)行為的邏輯分析方法擴(kuò)展到分析信念、愿望、意向、感知經(jīng)驗(yàn)和意向行動(dòng)的滿足條件；而且，擴(kuò)展到與現(xiàn)象學(xué)在很大程度上(盡管不完全)是不相關(guān)的這項(xiàng)事業(yè)。但是，如果你不超越現(xiàn)象學(xué)，你將不會(huì)揭示這些現(xiàn)象的邏輯結(jié)構(gòu)?！盵5]7但這里的邏輯分析方法本身并沒(méi)有被清晰地界定，而是借用了語(yǔ)言哲學(xué)中邏輯分析的概念。所謂邏輯分析通常是基于對(duì)對(duì)象領(lǐng)域的整體認(rèn)知，而且還伴隨著某種理論模型的假設(shè)，即便被塞爾作為邏輯分析典范的摹狀詞理論，也并不純?nèi)皇沁壿嫹治龅慕Y(jié)果，而是一種理論假說(shuō)。問(wèn)題(2)即凡是被語(yǔ)言表達(dá)的表征(也就是滿足條件)是否都可以被形式化？這個(gè)問(wèn)題依然是很難肯定回答的，也許即使對(duì)那些我們可以描述的表征，也許只有其中的一部分可以被形式化表達(dá)。

需要重申的是，雖然說(shuō)廣義上無(wú)論是我們的認(rèn)知、行為還是外部世界的事物都涉及表征問(wèn)題，但此處關(guān)注的表征主要是關(guān)于主體的認(rèn)知和行為模式的表征，因?yàn)槿斯ぶ悄艿哪繕?biāo)在于模擬人類的智能，即使是對(duì)外部對(duì)象和環(huán)境的表征，也是基于機(jī)器智能與環(huán)境的交互過(guò)程。這種對(duì)主體性特性和功能的表征，一方面是對(duì)與認(rèn)知和行為相關(guān)的大腦、身體行為的物理-生物層面的活動(dòng)的表征，另一方面還有對(duì)人的意識(shí)活動(dòng)以及相關(guān)的機(jī)制等主體性維度的表征。目前，仿生的人工智能主要關(guān)注前者，而基于現(xiàn)象學(xué)視角探討人工智能的機(jī)制時(shí)則主要關(guān)注后者。

(四)現(xiàn)象學(xué)的描述結(jié)果如何轉(zhuǎn)化為算法的問(wèn)題

另一個(gè)主題是算法。因?yàn)楸碚骱托问交菫樗惴ǚ?wù)的，只有使主體下認(rèn)知和行為的物理-生物/意識(shí)活動(dòng)過(guò)程可以被算法模擬，相應(yīng)的機(jī)器智能才能實(shí)現(xiàn)。

狹義算法建立在形式化表征基礎(chǔ)上，而廣義的算法則指自然界中、生活中可以用有限步驟完成的過(guò)程，未必都是計(jì)算機(jī)的形式化、數(shù)字化的計(jì)算。由此產(chǎn)生的問(wèn)題是，廣義的算法有多少可以被形式化模擬？特別地，假如作為人類智能基礎(chǔ)的大腦的生化運(yùn)行機(jī)制被看作廣義的算法，那么機(jī)器智能可以在什么程度上模擬大腦智能？從人腦、人的意識(shí)以及人的行為被形式化表征到實(shí)現(xiàn)對(duì)它們的算法模擬依然有很大的鴻溝需要跨越：因?yàn)橛?jì)算機(jī)模擬是基于數(shù)字化表達(dá)的，所以機(jī)器智能只能模擬那些離散數(shù)據(jù)的過(guò)程，由此推出的機(jī)器智能所能模擬的人類的認(rèn)知、意識(shí)和行為只限于那些可以處理為離散的、數(shù)字化的片段。但是，人腦的神經(jīng)元組織的活動(dòng)尤其是人的意識(shí)過(guò)程是否都可以被看作是離散的集合？到目前為止，這些問(wèn)題依然存在爭(zhēng)議，這也是機(jī)器智能要逼近人類智能可能面臨的關(guān)鍵困難之一。

對(duì)于現(xiàn)象學(xué)進(jìn)路的意識(shí)模擬而言，這個(gè)問(wèn)題在初步階段層面并不構(gòu)成困擾。這是因?yàn)楝F(xiàn)象學(xué)并不關(guān)心意識(shí)的心理過(guò)程，而關(guān)注意識(shí)行為及其相關(guān)項(xiàng)，任務(wù)是描述其本質(zhì)結(jié)構(gòu)，至于心理層面的意識(shí)活動(dòng)是否連續(xù)并不重要。塞爾也認(rèn)為心理狀態(tài)的直觀層面并不重要，而那些可以用邏輯分析刻畫的狀態(tài)滿足條件才是重要的。當(dāng)對(duì)意識(shí)行為的模擬深入到原初的意識(shí)之流時(shí)，則對(duì)內(nèi)在時(shí)間意識(shí)的延綿狀態(tài)的準(zhǔn)確、系統(tǒng)的描述才會(huì)成為現(xiàn)象學(xué)方法面臨的嚴(yán)重挑戰(zhàn)，這是現(xiàn)象學(xué)的非對(duì)象性的原初層面，反思的直觀受到一種限制，而試圖對(duì)這種時(shí)間意識(shí)之流的符號(hào)模擬似乎超出了現(xiàn)象學(xué)方法所能延伸到的有效范圍。

三、設(shè)想一種基于現(xiàn)象學(xué)視角的人工智能研究新進(jìn)路

前述第二個(gè)問(wèn)題實(shí)際上是探尋現(xiàn)象學(xué)的方法和理論可以為人工智能的發(fā)展提供什么幫助。一個(gè)可能的方式是借助現(xiàn)象學(xué)對(duì)意識(shí)結(jié)構(gòu)、主體與世界關(guān)系等的描述，采用算法模擬方式來(lái)發(fā)展人工智能的認(rèn)知方式。

(一)探索現(xiàn)象學(xué)進(jìn)路的人工智能研究的必要性

眾所周知，到目前為止，人工智能最主要的進(jìn)路是基于邏輯演繹的符號(hào)計(jì)算模式和模仿人腦的仿生模式，占據(jù)主流地位的是聯(lián)結(jié)主義的仿生進(jìn)路的機(jī)器學(xué)習(xí)，這是對(duì)之前的邏輯-符號(hào)表征進(jìn)路的人工智能的突破而取得的。仿生模式的人工智能和腦科學(xué)研究密切相關(guān)，可以說(shuō)主要是奠基在腦神經(jīng)科學(xué)基礎(chǔ)之上。

目前，人工智能的一個(gè)重要進(jìn)路是模擬大腦的智能模式，具體而言是試圖從腦科學(xué)對(duì)亞個(gè)體層面的神經(jīng)元組織的研究中獲取靈感。自然主義者認(rèn)為智能主要是人腦的功能，因此主張人工智能科技主要奠基于腦科學(xué)、認(rèn)知神經(jīng)科學(xué)。目前，腦科學(xué)研究已經(jīng)揭示了很多人類的感知、認(rèn)知的生物機(jī)制，因此基于神經(jīng)科學(xué)研究的仿生的人工智能對(duì)人工智能的發(fā)展非常重要。

但是，仿生的人工智能研究并非僅僅局限于模擬神經(jīng)元組織活動(dòng)的層面，它還可以對(duì)人類的個(gè)體層面和群體層面的認(rèn)知和行為模式進(jìn)行借鑒和模擬。目前的人工智能主要是用數(shù)學(xué)統(tǒng)計(jì)模式代替原來(lái)的邏輯演繹模式，但依然具有很大的局限性。

目前的人工智能的產(chǎn)業(yè)化和宣傳看似如火如荼，但實(shí)際進(jìn)展仍然緩慢。機(jī)器學(xué)習(xí)無(wú)法像人類一樣舉一反三，無(wú)法靈活地適應(yīng)變動(dòng)中的環(huán)境，不具備人類的基本常識(shí)，無(wú)法完成很多基本的日常任務(wù)。雖然近些年腦科學(xué)研究進(jìn)展迅猛，但迄今為止所取得的成就依然不足以給人工智能的研究模式以重大革新。事實(shí)上，人工智能如果只是延續(xù)目前的方法和思路，那么人工智能要實(shí)現(xiàn)距離代替人類的很多工作例如科研、執(zhí)行危險(xiǎn)任務(wù)以及照顧老人小孩等目標(biāo)就會(huì)遙遙無(wú)期。因此，我們必須不斷反思研究思路的問(wèn)題和方法，找到新的突破口。

比如，有人工智能專家對(duì)比了鸚鵡和烏鴉的智能，發(fā)現(xiàn)鸚鵡很善于模仿人類的語(yǔ)言，類似于目前的聊天機(jī)器人，“二者都可以說(shuō)話，但鸚鵡和聊天機(jī)器人都不明白說(shuō)話的語(yǔ)境和語(yǔ)義，也就是它們不能把說(shuō)的話對(duì)應(yīng)到物理世界和社會(huì)的物體、場(chǎng)景、人物，不符合因果與邏輯”[6]。而烏鴉要比鸚鵡聰明，“它們能夠制造工具，懂得各種物理的常識(shí)和人的活動(dòng)的社會(huì)常識(shí)”[6]?？梢?jiàn)，人工智能的進(jìn)步確需要仿生的研究，不僅要探究神經(jīng)元層面的活動(dòng)模式，而且更需要從宏觀層面對(duì)人和動(dòng)物的認(rèn)知、行為模式的研究中汲取推進(jìn)人工智能的思想靈感，甚至需要考察生物的社會(huì)認(rèn)知和群體行為模式。

(二)設(shè)想一種現(xiàn)象學(xué)進(jìn)路的“仿生”人工智能研究

現(xiàn)象學(xué)是從主體角度來(lái)理解人和世界的，尤其在研究人的意識(shí)、認(rèn)知和行為、主體間性、社會(huì)認(rèn)知以及主體與世界的關(guān)系方面有大量的成果積累。因此，現(xiàn)象學(xué)的理論，現(xiàn)象學(xué)對(duì)主體性和主體間性層面對(duì)主體的意識(shí)、語(yǔ)言和行為的研究可以為上述所設(shè)想的主體性層面的人工智能進(jìn)路提供重要的支持，推動(dòng)人工智能突破目前困境，探索新的革新道路。

這種主體性進(jìn)路的模式也是一種“仿生”的模式，不過(guò)模仿的對(duì)象不是人腦而是人的認(rèn)知模式和行為模式。與腦科學(xué)側(cè)重于腦神經(jīng)系統(tǒng)的生理-物理微觀機(jī)制研究不同，這種主體性的仿生模式主要是對(duì)認(rèn)知和意識(shí)的特征、模式的模擬。

人工智能的目標(biāo)是設(shè)計(jì)具有類人智能的機(jī)器，即希望“智能機(jī)器有自主的感知、認(rèn)知、決策、學(xué)習(xí)、執(zhí)行和社會(huì)協(xié)作等方面的能力，并符合人類情感、倫理與道德觀念”[6]。因此，我們需要先澄清人類所具有的這些方面的能力所需要的滿足條件和結(jié)構(gòu)模式，而這些問(wèn)題的澄清需要一個(gè)基本背景框架，即我們需要先理解人與世界打交道的方式。對(duì)于這些問(wèn)題，從人類的主觀性維度切入是便捷之路，也是任何人工智能繞不開(kāi)的必由之路。

這種基于現(xiàn)象學(xué)的描述方法的研究進(jìn)路可以與腦科學(xué)的研究相互參照。這種主體性的仿生模式，需要在現(xiàn)象學(xué)、經(jīng)驗(yàn)科學(xué)和人工智能科技之間建立一種“翻譯”機(jī)制，實(shí)現(xiàn)彼此之間的理論轉(zhuǎn)化和方法的互補(bǔ)，也就是需要把現(xiàn)象學(xué)的第一人稱視角的描述方法與腦科學(xué)和認(rèn)知神經(jīng)科學(xué)的第三人稱視角的方法結(jié)合起來(lái)，深化對(duì)意識(shí)、智能和腦之間關(guān)系的深度探索，從而深化和豐富“仿生”進(jìn)路的人工智能研究。例如，前面所提到的人工智能中的表征、形式化、算法如何與現(xiàn)象學(xué)中對(duì)意識(shí)結(jié)構(gòu)、認(rèn)知方式和行為模式等的理論成果對(duì)接起來(lái)，形成一種雙向的相互參照和闡釋。

以前面討論表征問(wèn)題為例，表征可以是呈現(xiàn)在第一人稱視角中的認(rèn)知表征，也有不依賴于意識(shí)行為的邏輯表征?，F(xiàn)象學(xué)所擅長(zhǎng)的是把握和描述意識(shí)體驗(yàn)中的認(rèn)知表征，例如胡塞爾現(xiàn)象學(xué)揭示了意識(shí)和行為中具有普遍性的意向性結(jié)構(gòu)，這是帶有主觀性特征的表征結(jié)構(gòu)。而邏輯分析方法則擅長(zhǎng)刻畫意向狀態(tài)的滿足條件意義上的邏輯表征，相對(duì)而言這是對(duì)認(rèn)知行為的客觀的、靜態(tài)的揭示。這兩種方法具有互補(bǔ)性和依賴性。邏輯分析方法需要以直觀描述方法提供的基本經(jīng)驗(yàn)內(nèi)容為前提才能進(jìn)一步深入地分析。兩方面的描述和分析的結(jié)果需要相互補(bǔ)充和相互校對(duì)才能更全面和準(zhǔn)確。對(duì)于人工智能的表征而言，最主要是把握主體表征的根本特征和基本模式。這除了外在的觀察實(shí)驗(yàn)和建模之外，還需要參照主體維度的認(rèn)知成果和直觀經(jīng)驗(yàn)內(nèi)容：現(xiàn)象學(xué)的描述提供了主觀性角度的直觀方式和經(jīng)驗(yàn)內(nèi)容，而邏輯分析提供了對(duì)表征滿足條件的揭示。

這些方法在人工智能領(lǐng)域的綜合應(yīng)用總是有限度的。關(guān)于意向性的邏輯表征的內(nèi)容容易轉(zhuǎn)化為符號(hào)表征，但意向性的主體性特征并不能夠被帶入到人工智能中，也就是說(shuō)機(jī)器人也許具備類似我們的感知能力，但可能始終無(wú)法和我們一樣“主觀地”感知世界，這也是傳統(tǒng)“意識(shí)的難問(wèn)題”(the hard problem of consciousness)在人工智能領(lǐng)域的體現(xiàn)。

(三)現(xiàn)象學(xué)可以為主體性“仿生”模式提供的基本主題

如前所述，現(xiàn)象學(xué)是在主體性維度研究人的意識(shí)、認(rèn)知、行為、主體間性以及與世界的關(guān)系等問(wèn)題，這些主題如主體間性以及人與世界的關(guān)系等問(wèn)題是一般性的、總體框架層面的問(wèn)題，其他問(wèn)題都是重要的基本專題。因此，現(xiàn)象學(xué)可以在總體理論框架和重要的專門主題這兩個(gè)方面為人工智能的研究提供理論思想資源。

第一個(gè)方面，總體框架層面的問(wèn)題尤其是人與世界的關(guān)系問(wèn)題對(duì)人工智能而言是基礎(chǔ)也很重要，因?yàn)檫@是一切人工智能的具體理論展開(kāi)的前提理論。當(dāng)然，主體間性問(wèn)題即與他者的關(guān)系問(wèn)題也是基本的，很重要，但它涉及到人、意識(shí)、身體、他者和世界等多方面的關(guān)系，是更復(fù)雜、深入、高階的問(wèn)題，需要在對(duì)前一個(gè)人與世界關(guān)系問(wèn)題的探討到一定程度后才能逐步逼近的問(wèn)題。

如何理解人與世界的關(guān)系？這涉及到人、世界以及二者的關(guān)系等三個(gè)方面的問(wèn)題。物理主義、自然主義和現(xiàn)象學(xué)因?yàn)楦髯缘牧?chǎng)和方法都不相同，故對(duì)這些問(wèn)題的理解有很大的差異。主流的人工智能往往持物理主義或自然主義的立場(chǎng)，預(yù)設(shè)了世界是一個(gè)遵循物理規(guī)律的，由物理事物構(gòu)成、因果鏈條關(guān)聯(lián)起來(lái)的世界，主體是一個(gè)由物理-生物規(guī)律所決定的生物體，主客之間的關(guān)系是生物系統(tǒng)和物理系統(tǒng)之間的交互作用關(guān)系。有學(xué)者認(rèn)為生物的特征在于具有“智能物種與生俱來(lái)的任務(wù)與價(jià)值鏈條”[6]。人和動(dòng)物具有共性，“動(dòng)物的行為都是被各種任務(wù)驅(qū)動(dòng)的，任務(wù)由價(jià)值函數(shù)決定，而后者是進(jìn)化論中的phenotype landscape，通俗地說(shuō)就是進(jìn)化的適者生存”[6]。因此，站在這種立場(chǎng)上，“說(shuō)到底，人工智能要變成智能科學(xué)，它本質(zhì)上必將是達(dá)爾文與牛頓這兩個(gè)理論體系的統(tǒng)一”[6]。這種觀點(diǎn)的問(wèn)題是，人是否可以被簡(jiǎn)單地看作是受本能驅(qū)動(dòng)的動(dòng)物？這些物理主義、自然主義的觀點(diǎn)顯然忽略了人的自由意志問(wèn)題。因此，這種進(jìn)路的人工智能的基礎(chǔ)在于認(rèn)知科學(xué)，相關(guān)的人的主觀性維度，如自由意志、情感、體驗(yàn)等方面的難題有待于未來(lái)的認(rèn)知科學(xué)、腦科學(xué)來(lái)解答。

但現(xiàn)象學(xué)對(duì)主體、世界及二者間關(guān)系提出了另外一種系統(tǒng)的看法。首先，不僅人的高級(jí)意識(shí)具有一種主動(dòng)性，而且在感性層面的被動(dòng)意識(shí)中也有一種主動(dòng)的成分，即便是熟練技能的操作看似有無(wú)意識(shí)的特征，但實(shí)際上也是由意志驅(qū)動(dòng)的；主體的精神有一種自發(fā)性，而且貫穿于主體的所有行為中；即便身軀也不僅是生物學(xué)意義上的對(duì)象，而是具身性的。因此，現(xiàn)象學(xué)給予人工智能的啟發(fā)之一是不能把主體視為一種笛卡爾式的物理學(xué)-生物學(xué)意義上的機(jī)器，如果忽視人的主體性維度，那么可能無(wú)法把握人類認(rèn)知和智能的根本特征。

其次，從現(xiàn)象學(xué)的角度看，世界是主體間性的生活世界，也就是我們所理解的世界其實(shí)滲透著群體的共主體性的因素。由于人工智能不是物理學(xué)，而是要處理以世界為背景的認(rèn)知和行為，因此如果忽略我們認(rèn)知和理解的世界都是基于人與世界打交道的方式(用海德格爾的表達(dá)式是“此在在世界中存在”)，那么人工智能可能永遠(yuǎn)也不具有類似主體的認(rèn)知能力和行動(dòng)能力。

第三，對(duì)于主體間性問(wèn)題，也是人工智能需要處理的最重要的問(wèn)題之一。因?yàn)槿斯ぶ悄懿粌H是與世界打交道，更多地是與人打交道，因此也需要理解人之間的行為方式，才可能識(shí)別和理解人類的社會(huì)行為，使機(jī)器人、智能機(jī)器協(xié)助人類的工作或者服務(wù)于人類生活。

前述人工智能哲學(xué)的第二個(gè)方面問(wèn)題，是借用現(xiàn)象學(xué)對(duì)人的認(rèn)知和行為的重要方面的研究來(lái)為人工智能的專題性研究尋求靈感。此第二個(gè)方面問(wèn)題的研究必須以前述第一個(gè)方面的基本研究為基礎(chǔ)。例如，人工智能可以借鑒現(xiàn)象學(xué)對(duì)意識(shí)、身心關(guān)系、主體間性以及主體與環(huán)境之間的關(guān)系等方面的研究成果，可能幫助人工智能理解人與世界、自我與他者的基本關(guān)系；現(xiàn)象學(xué)對(duì)意向性、注意力、聯(lián)想機(jī)制、動(dòng)機(jī)引發(fā)、具身性、主體間性、情感、價(jià)值、倫理、主體與世界的關(guān)系因果等的揭示，也可能啟發(fā)人工智能發(fā)明一些相應(yīng)的新擬人算法。

(四)先驗(yàn)邏輯譜系學(xué)：一種構(gòu)造認(rèn)知算法的重要參考理論

另外，還可以借鑒以往現(xiàn)象學(xué)對(duì)于意識(shí)和認(rèn)知的研究思路和成果，設(shè)計(jì)人工智能算法。例如，胡塞爾在《經(jīng)驗(yàn)與判斷》[7]等研究中對(duì)于認(rèn)知的邏輯譜系有很深入的研究，不僅研究了經(jīng)驗(yàn)的和先天的普遍性判斷，還研究了意向構(gòu)成的基本視域(包括構(gòu)成對(duì)象的內(nèi)在視域)、前謂詞經(jīng)驗(yàn)的構(gòu)成機(jī)制和方式，涵蓋了認(rèn)知經(jīng)驗(yàn)構(gòu)成的整個(gè)譜系。這種對(duì)經(jīng)驗(yàn)和知識(shí)的從下到上，從感性到理性、由特殊到普遍的邏輯譜系的描述，揭示了認(rèn)知的邏輯發(fā)生機(jī)制，這對(duì)于發(fā)展機(jī)器智能具有重要的啟示。

例如，早期的邏輯演繹的符號(hào)主義的人工智能面臨的最大問(wèn)題是所謂“框架問(wèn)題”(frame problem)，即為了認(rèn)知一個(gè)對(duì)象，需要對(duì)作為背景的環(huán)境的整體規(guī)律有個(gè)框架式的設(shè)定和概要表述，才能推演出關(guān)于此具體對(duì)象的認(rèn)知。而近年來(lái)的基于數(shù)學(xué)統(tǒng)計(jì)的機(jī)器智能則嘗試發(fā)展無(wú)監(jiān)督的學(xué)習(xí)，即希望智能機(jī)器能夠盡量少依賴預(yù)先的訓(xùn)練和海量數(shù)據(jù)，學(xué)會(huì)在開(kāi)放的環(huán)境中逐漸學(xué)習(xí)而識(shí)別對(duì)象。胡塞爾的邏輯譜系學(xué)所揭示的這種從底層開(kāi)始的邏輯的發(fā)生構(gòu)成機(jī)制可以啟發(fā)涉及智能機(jī)器如何去從少量的數(shù)據(jù)輸入開(kāi)始從環(huán)境中學(xué)習(xí)識(shí)別對(duì)象，這才是真正模擬人類的認(rèn)知方式。因此，可以為主體性“仿生”模式的算法模擬提供很好的研究思路。

(五)主體性“仿生”模式的限度

如前所述，人工智能的算法模擬基于形式化，那么對(duì)于主體性尤其是意識(shí)而言，形式化的極限在哪里？

首先，從顯現(xiàn)和把握的方面來(lái)看，現(xiàn)象學(xué)的描述方法可以把握人的主體性維度，也就是揭示意識(shí)、認(rèn)知和行為的主觀性維度中的本質(zhì)特征和根本結(jié)構(gòu)等。但現(xiàn)象學(xué)的方法是基于現(xiàn)象在直觀中的原初給予，那些對(duì)直觀而言未顯現(xiàn)、未在場(chǎng)的部分，雖然也通過(guò)現(xiàn)象學(xué)的“共現(xiàn)”(apprasentation)的方式直觀把握，但具有直觀的明見(jiàn)性的領(lǐng)域始終是有限的，這也是第一人稱視角本身所無(wú)法克服的問(wèn)題。例如，用現(xiàn)象學(xué)的方式探索非對(duì)象性、非謂詞領(lǐng)域時(shí)，一直存在的一個(gè)爭(zhēng)論就是有人認(rèn)為反思行為可能會(huì)干擾被反思領(lǐng)域的原初狀態(tài)。另外，對(duì)原初意識(shí)之流的直觀已經(jīng)逼近現(xiàn)象學(xué)方法極限，而更為深邃的無(wú)意識(shí)領(lǐng)域包括在具身性領(lǐng)域的無(wú)意識(shí)行為，并不能被明見(jiàn)性地察覺(jué)。還有，對(duì)于具身性主體的無(wú)意識(shí)層面的探究，是現(xiàn)象學(xué)描述方法的盲區(qū)，除非像塞爾所認(rèn)為的，一切主體維度的無(wú)意識(shí)的行為最終會(huì)顯現(xiàn)在意識(shí)中，從而被意識(shí)所把握。但這即便是正確的，也依然是相對(duì)的，能夠進(jìn)入意識(shí)層面的無(wú)意識(shí)行為總是有限的，總有一些與身體相關(guān)的感性論層面是晦暗不清、無(wú)法被考察和描述的。

其次，即便是可以被現(xiàn)象學(xué)的基于直觀的描述方法所把握到的主體性特性，也未必能夠以符號(hào)化的方式加以描述。例如：胡塞爾所說(shuō)的前謂詞的經(jīng)驗(yàn)、非對(duì)象性的意識(shí)尤其是原初的意識(shí)之流的層面的意識(shí)等，雖然可以被反思把握，但必能夠以語(yǔ)言描述出來(lái)；海德格爾所謂的此在的存在論結(jié)構(gòu)未必可以被現(xiàn)象學(xué)的語(yǔ)言描述方法對(duì)象化地、系統(tǒng)地把握。即便它們可以被語(yǔ)言描述出來(lái)，也未必可以用符號(hào)表達(dá)式、形式化方式描述出來(lái)。這些并不是現(xiàn)象學(xué)方法的問(wèn)題，而是由主體性本身的特性所決定的，或者也可以說(shuō)是計(jì)算機(jī)的形式化表達(dá)和算法本身的局限性所決定的。

最后，現(xiàn)象學(xué)的描述方法可以與邏輯分析方法互補(bǔ)來(lái)擴(kuò)充其使用范圍。前面以意向性論題為例討論表征的刻畫問(wèn)題時(shí)，已經(jīng)略述了塞爾主張的所謂邏輯分析方法。塞爾認(rèn)為語(yǔ)言的邏輯結(jié)合和意識(shí)的基本特征具有對(duì)應(yīng)性，因此以語(yǔ)言哲學(xué)中的邏輯分析方法類比意識(shí)研究中的邏輯分析方法。雖然塞爾對(duì)上述邏輯分析方法并沒(méi)有給予清晰的闡明，甚至這種方法分析得出的結(jié)論也帶有理論設(shè)想的成分，但其刻畫意識(shí)狀態(tài)的滿足條件的思維可以配合現(xiàn)象學(xué)的描述，拓展對(duì)于各種意識(shí)、認(rèn)知和行為模式的揭示。也就是說(shuō)，在現(xiàn)象學(xué)的方法遇到困難的地方，可以借助不那么具有“明見(jiàn)性”的邏輯分析的經(jīng)驗(yàn)來(lái)補(bǔ)充。因?yàn)槿说恼J(rèn)知、意識(shí)等機(jī)制極端復(fù)雜，我們不期望可以對(duì)人的意識(shí)和認(rèn)知等特征進(jìn)行完備無(wú)缺的描述，也更不可能在人工智能中進(jìn)行復(fù)制式的嚴(yán)格模擬，而只能對(duì)其主要特征近似地把握，為人工智能提供靈感；因此我們并不需要嚴(yán)格遵循現(xiàn)象學(xué)的明見(jiàn)性原則，而采取現(xiàn)象學(xué)描述和邏輯分析相結(jié)合的方式進(jìn)行這種主體性進(jìn)路的揭示和模擬。

(六)人工意識(shí)問(wèn)題

如前所述，功能主義認(rèn)為智能的核心是算法，甚至意識(shí)都能在非生物的平臺(tái)例如芯片加算法基礎(chǔ)上實(shí)現(xiàn)。而無(wú)獨(dú)有偶，在認(rèn)知科學(xué)領(lǐng)域，生物自然主義認(rèn)為意識(shí)是大腦的功能性組織的特性。生物自然主義雖然認(rèn)為意識(shí)是人腦的產(chǎn)物，但并不能夠由硅基芯片加算法實(shí)現(xiàn)；因?yàn)樯镒匀恢髁x固然承認(rèn)大腦神經(jīng)元組織的運(yùn)行廣義上也遵循著種種“生物算法”來(lái)實(shí)現(xiàn)，但卻認(rèn)為這種廣義的“生物算法”必須依賴大腦的生物平臺(tái)，并不一定能夠以數(shù)字化的方式進(jìn)行模擬。

但是，如果接受人的意識(shí)是廣義的“生物算法”的產(chǎn)物，那么在理論上人腦的部分功能還是可能以由計(jì)算機(jī)的算法部分模擬的，乃至未來(lái)有可能發(fā)明基于腦科學(xué)和計(jì)算機(jī)科技的生物計(jì)算機(jī)，以高度逼真的方式模擬人腦的運(yùn)行方式，從而實(shí)現(xiàn)類人智能甚至某種程度的類人的人工意識(shí)。

因此，從現(xiàn)象學(xué)的角度看，主體性的特性尤其是意識(shí)具有感受性質(zhì)(qualia)、自我覺(jué)知(Self awareness)等特性，這些問(wèn)題對(duì)于認(rèn)知科學(xué)依然是難題。意識(shí)最原初層面的原初意識(shí)之流、內(nèi)在時(shí)間意識(shí)機(jī)制、記憶等問(wèn)題對(duì)于現(xiàn)象學(xué)和整個(gè)哲學(xué)也是難題。而人工智能的算法模擬需要建立在哲學(xué)以及科學(xué)對(duì)于意識(shí)的內(nèi)在機(jī)制的揭示之上，因此所謂“人工意識(shí)”的問(wèn)題很長(zhǎng)時(shí)間之內(nèi)很難真正成為人工智能的研究主題。

四、結(jié)束語(yǔ)

人工智能作為一種前沿科技，涉及多種科學(xué)學(xué)科乃至哲學(xué)，需要一種跨學(xué)科的廣闊視野，在多種科學(xué)-哲學(xué)的學(xué)科交叉中不斷開(kāi)拓前進(jìn)的道路。哲學(xué)對(duì)人工智能的意義最主要是在方法論的層面，其次才是哲學(xué)理論的洞見(jiàn)對(duì)技術(shù)的啟發(fā)，從而開(kāi)辟多種可行的發(fā)展進(jìn)路?，F(xiàn)象學(xué)的主體性視角、描述方法在研究主體尤其是意識(shí)方面的獨(dú)特優(yōu)勢(shì)，會(huì)成為人工智能研究的重要推進(jìn)力量。可以預(yù)期，在未來(lái)很長(zhǎng)的時(shí)期，現(xiàn)象學(xué)的研究會(huì)伴隨著人工智能的發(fā)展，也會(huì)促成自身的深化發(fā)展?，F(xiàn)象學(xué)進(jìn)路的人工智能哲學(xué)必須深入到人工智能科技的進(jìn)展中而展開(kāi)，尤其是靈活應(yīng)用現(xiàn)象學(xué)的描述方法，結(jié)合邏輯分析的方法，以可操作的方式不斷給予人工智能以方法和思路上的啟示?，F(xiàn)象學(xué)并不停留在抽象的理論層面，而是一種工作哲學(xué)，“像胡塞爾常說(shuō)的那樣，哲學(xué)必須有能力將它的普遍命題的大票面鈔票兌換成接近實(shí)事的細(xì)致分析的小零錢”[9]12-13。這也是讓哲學(xué)的理論和方法直面科技前沿的經(jīng)驗(yàn)和實(shí)踐的嚴(yán)峻檢驗(yàn)，賦予哲學(xué)以更多的經(jīng)驗(yàn)材料和思想靈感，使哲學(xué)更好地與時(shí)代精神接軌，從而激活哲學(xué)的內(nèi)在生命力。