為理智主義辯
——從人工智能的視角出發(fā)

戴益斌

(上海大學(xué) 哲學(xué)系， 上海 200444)

理智主義與反理智主義之間的爭論最早可以追溯至賴爾(Gilbert Ryle)。賴爾嚴(yán)格地區(qū)分了命題性知識(shí)(knowing that)與能力之知(knowing how)(1)參見郁振華：《論能力之知：為賴爾一辯》，《哲學(xué)研究》2010年第10期。。命題性知識(shí)即命題表達(dá)的知識(shí)，在寬泛的意義上，它可以被理解為關(guān)于“事實(shí)是如此這般”的知識(shí)。命題性知識(shí)既可以是陳述性的，也可以是假言式的，還可以是范導(dǎo)性的。在賴爾的意義上，只要是能夠用命題表達(dá)的，都可以稱之為命題性知識(shí)。能力之知?jiǎng)t是實(shí)踐性的，總是體現(xiàn)在某種活動(dòng)之中，比如知道如何騎車、下棋、游戲等等。因此，能力之知總是體現(xiàn)為知道做某事的知識(shí)。在這種區(qū)分的基礎(chǔ)上，賴爾指出了兩種理論立場，即理智主義(intellectualism)和反理智主義(anti-intellectualism)之間的對立。前者認(rèn)為能力之知可以被還原為命題性知識(shí)；后者則反對這一做法。通過一系列討論，賴爾認(rèn)為理智主義是站不住腳的。他的核心理由是，理智主義的觀點(diǎn)會(huì)導(dǎo)致無窮倒退(2)Cf. Gilbert Ryle，“Knowing How and Knowing That：The Presidential Address”，Proceedings of the Aristotelian Society，Vol.46,No.1，1946.。21世紀(jì)初，斯坦利和威廉姆森(J. Stanley and T. Williamson)的論文《知道如何做》批評了賴爾的論證，重新討論了命題性知識(shí)與能力之知之間的關(guān)系，并主張將能力之知還原為命題性知識(shí)(3)Cf. J. Stanley，T. Williamson，“Knowing How”，The Journal of Philosophy，Vol.98，No.8，2001.。這引發(fā)了新一輪對理智主義和反理智主義之間爭論的討論。

在理智主義與反理智主義的這場爭論中，本文主張為理智主義辯護(hù)，原因在于：首先，從直覺上說，反理智主義有可能會(huì)妨礙能力之知的迭代過程，而理智主義則有利于能力之知的積累；其次，在事實(shí)層面上，人工智能的發(fā)展過程可以證明理智主義的合理性。本文試圖在回應(yīng)反理智主義的基礎(chǔ)上，從人工智能的發(fā)展中獲得某些洞見，證明理智主義的合理性。

一、反理智主義的挑戰(zhàn)：關(guān)于無窮倒退的論證

在理論層面上，反理智主義者對理智主義立場的批評有很多，但最嚴(yán)肅的批評來自于賴爾的無窮倒退論證。在討論這個(gè)論證之前，有必要厘清賴爾的一些預(yù)備性工作。根據(jù)賴爾的觀點(diǎn)，能力之知與命題性知識(shí)之間的區(qū)別在語言層面上體現(xiàn)得更為明顯。對于能力之知而言，可以有一系列的形容詞來描述，比如，積極的語詞有聰明的、細(xì)心的等，否定的語詞有愚蠢的、粗心的等，賴爾將這些語詞統(tǒng)稱為智力(intelligence)的概念家族；與之相對，命題性知識(shí)所涉及的活動(dòng)是構(gòu)成理論思維的活動(dòng)，賴爾稱其為理智(intellect)活動(dòng)，其中的典型代表是數(shù)學(xué)和各門已經(jīng)建立起來的自然科學(xué)。在賴爾看來，智力與理智之間的區(qū)分對應(yīng)著能力之知與命題性知識(shí)之間的區(qū)分。在一定程度上，理智主義者也承認(rèn)智力與理智之間的區(qū)分，同時(shí)也認(rèn)為能力之知與命題性知識(shí)有所不同。只是理智主義并不認(rèn)為二者之間有種類上的區(qū)分，他們傾向于認(rèn)為能力之知是命題性知識(shí)的一種，可以還原為命題性知識(shí)。正是在這一點(diǎn)上，賴爾給出了他反駁理智主義者的決定性意見，也即他的無窮倒退論證。

關(guān)于無窮倒退論證，賴爾說：“對于命題的考慮本身就是一種活動(dòng)，這種活動(dòng)的實(shí)施可以在某種程度上顯示智力，而在某種程度上又是愚蠢的。但是，如果要有智力地實(shí)施一項(xiàng)活動(dòng)，必然先實(shí)施一項(xiàng)理論活動(dòng)，而且要有智力地實(shí)施，那么，任何人要打破這種循環(huán)都是邏輯上不可能的事情?！?4)吉爾伯特·賴爾：《心的概念》，徐大建譯，北京：商務(wù)印書館，2011年，第28頁。譯文有改動(dòng)，參見Gillert Ryle，The Concept of Mind，London：Hutchinson，1949，p.30。賴爾的這個(gè)論證比較簡短，但它的核心思路還是清楚的?？梢詫⑺恼撟C過程重構(gòu)如下：

前提1：任何對命題的思考活動(dòng)都會(huì)體現(xiàn)出智力特征；

前提2：對理智活動(dòng)智力特征的刻畫依賴于有智力地實(shí)施一種新的理論活動(dòng)；

結(jié)論1：實(shí)施新的理論活動(dòng)會(huì)體現(xiàn)智力特征；(由前提1得)

結(jié)論2：對新的理論活動(dòng)的智力特征的刻畫依賴于有智力地實(shí)施另一種新的理論活動(dòng)；(由前提2得)

……以至無窮。

前提3：無窮倒退不可能；(普遍共識(shí))

結(jié)論：理智主義方案有問題，能力之知無法被還原為命題性知識(shí)。(5)一個(gè)常見的重構(gòu)模式來自于斯坦利和威廉姆森，他們認(rèn)為，賴爾的循環(huán)論證大致可以表述如下：“如果能力之知是命題性知識(shí)的一個(gè)種類，那么要實(shí)施一個(gè)行動(dòng)，就必須思考一個(gè)命題，但對命題的思考本身就是一個(gè)行動(dòng)，這需要另一個(gè)思考命題的行動(dòng)。如果能力之知是命題性知識(shí)的一個(gè)種類的主張，要求能力之知的每一次展現(xiàn)都需要伴有另一個(gè)思考命題的行動(dòng)，而這種思考本身就是能力之知的展現(xiàn)，那么能力之知將無從顯現(xiàn)?！?J. Stanley，T. Williamson，“Knowing How”)郁振華認(rèn)為，這種重構(gòu)模式忽視了賴爾對能力之知的刻畫中所蘊(yùn)含的智力因素(郁振華：《論能力之知：為賴爾一辯》)。筆者同意這一觀點(diǎn)。事實(shí)上，斯坦利后來也意識(shí)到了這一點(diǎn)，他在《知道如何做》(J. Stanley，Know How，Oxford：Oxford University Press，2011)一書中對循環(huán)論證進(jìn)行了重新表述。

賴爾構(gòu)造的這個(gè)論證很巧妙。以上對賴爾論證過程的闡述表明，賴爾是通過利用“無窮倒退不可能”這樣一個(gè)普遍共識(shí)來反駁理智主義立場的，但是得到“無窮倒退”這一結(jié)論，是否就可以用來反駁理智主義呢？事實(shí)上，這里仍然有一些問題值得進(jìn)一步探討。首先，在賴爾的論證過程中，除前提3這個(gè)普遍共識(shí)之外，賴爾至少還利用了另外兩個(gè)前提，其中前提2被賴爾視為理智主義的解決方案。因此，正常來說，賴爾通過無窮倒退否定的是前提1和前提2的合取，而并非前提2自身。其次，賴爾認(rèn)為前提2是理智主義的方案，但他并沒有說明理智主義為什么會(huì)采用這種解釋方案；除此種解釋方案之外，理智主義是否還有其他的方案能夠解釋思考理智活動(dòng)中的智力特征？如果不回答這些問題，賴爾對理智主義的反駁力度很有可能會(huì)比他想象中的要弱很多。

關(guān)于第一個(gè)問題，賴爾用無窮倒退論證否定的是兩個(gè)前提的合取。一般來說，只有當(dāng)賴爾論證前提1為真的情況下，他才可以認(rèn)為前提2是有問題的。但根據(jù)賴爾對能力之知的刻畫，前提1似乎是真的。因?yàn)樵谫嚑柲抢?，能力之知并不是“出于純粹的?xí)慣、盲目的沖動(dòng)或心不在焉地做出的行動(dòng)”(6)吉爾伯特·賴爾：《心的概念》，第41頁。，而是有技巧地做出的行動(dòng)，因而會(huì)體現(xiàn)出智力特征。然而，賴爾的這個(gè)命題實(shí)際上可以區(qū)分出兩種不同的解讀：1.在現(xiàn)實(shí)世界中，任何對命題的思考活動(dòng)都會(huì)體現(xiàn)出智力特征；2.在所有可能世界中，任何對命題的思考活動(dòng)都會(huì)體現(xiàn)出智力特征。第一種解讀方式很常見，是反理智主義者最為常見的解讀方式，也是學(xué)者最容易接受的理解方式；第二種解讀方式是一種帶有模態(tài)謂詞的解讀方式，它要求在所有可能世界中，對命題的思考活動(dòng)都體現(xiàn)出智力特征。這兩種不同的解讀方式可能會(huì)導(dǎo)致不同的結(jié)論。

賴爾的描述表明，智力特征屬于一種價(jià)值上的判斷，比如聰慧或愚蠢、細(xì)心或粗心等，這些都屬于價(jià)值維度的語詞。換句話說，智力特征并不具備任何本體論意義，它其實(shí)是來自于人類從價(jià)值維度對某一活動(dòng)所作的評價(jià)，真正具有本體論意義的是此活動(dòng)本身。以人工智能產(chǎn)品AlphaGo圍棋機(jī)器人為例，AlphaGo之所以被認(rèn)為具有智力特征，是因?yàn)樵u價(jià)者立足于人類現(xiàn)有的價(jià)值維度，驚嘆于它贏得了與人類頂尖棋手的對戰(zhàn)。如果是在一種可想象的可能世界中，比如由各種不同的人工智能圍棋機(jī)器人組成的世界中，AlphaGo即使贏得了所有的圍棋對弈，也不會(huì)引起這個(gè)世界中其他智能機(jī)器人的驚嘆。因?yàn)樵谶@樣的世界里，不存在價(jià)值判斷，也不會(huì)有人認(rèn)為AlphaGo會(huì)體現(xiàn)出任何智力特征。也就是說，在賴爾那里，雖然智力與能力之知具有對應(yīng)關(guān)系，但這種對應(yīng)關(guān)系并不具有必然性。只有當(dāng)一種類似于人類世界的價(jià)值判斷存在時(shí)，對命題的思考活動(dòng)才會(huì)體現(xiàn)出一種智力特征。因此，如果堅(jiān)持第一種解讀方式，那么前提1似乎是真的，因?yàn)樵诂F(xiàn)實(shí)世界中，我們的確會(huì)從價(jià)值維度判斷事物；但如果堅(jiān)持第二種解讀方式，那么前提1是有問題的，因?yàn)橄胂竽硞€(gè)不涉及到價(jià)值維度的可能世界是可能的。因此，在存在這兩種不同解讀方式的意義上，前提1并不具有普遍有效性。

更進(jìn)一步的考慮似乎可以表明，在前提1的這兩種解讀方式中，第二種解讀方式可能更為根本。首先，第一種解讀方式是基于現(xiàn)實(shí)的考慮，第二種解讀方式中的“可能世界”則為我們提供了更多的選擇，因?yàn)楝F(xiàn)實(shí)世界只是可能世界中的一種。而且，現(xiàn)實(shí)世界在不斷地發(fā)展變化。隨著人工智能技術(shù)的發(fā)展，我們有理由相信，尚未實(shí)現(xiàn)的可能世界有可能進(jìn)一步變成現(xiàn)實(shí)世界。其次，即便在現(xiàn)實(shí)世界中，分離出不存在價(jià)值維度的“世界”仍然是可能的，需要利用的只是瓦雷拉(F.J.Varela)所提出的“微世界”概念。在瓦雷拉的視角中，微世界指的是，行動(dòng)者處于其中的并且由它(可以)感知到的東西所決定的環(huán)境(7)Cf. F. J.Varela，Ethical Know-How：Action，Wisdom and Cognition，Stanford：Stanford University Press，1999，pp.9-10.。如果我們將不同解讀中的“世界”理解為微世界，那么在寬松的意義上，智能機(jī)器人在不依賴于人的環(huán)境中運(yùn)作，也可以形成某種微世界，比如智能機(jī)器人群體基于它們的周遭環(huán)境所形成的微世界。這表明，雖然人工智能的發(fā)展不大可能會(huì)導(dǎo)致人類的消失，即不會(huì)導(dǎo)致價(jià)值維度在現(xiàn)實(shí)世界中的消失，但它的確表明，在微世界中，價(jià)值維度并非是一個(gè)必然選項(xiàng)。綜上考慮，第一種解讀方式可能略顯狹隘，第二種解讀方式更合理些，而這種解讀方式同時(shí)表明前提1并不成立。

關(guān)于前提2，賴爾認(rèn)為，理智主義為了解釋對命題的思考活動(dòng)體現(xiàn)出來的智力特征，需要借助另一種思考命題的活動(dòng)，但這很可能不是理智主義者的主張。理智主義者主張能力之知可以被還原為命題性知識(shí)這種立場并沒有強(qiáng)調(diào)，對能力之知智力特征的刻畫依賴于另一種思考命題的活動(dòng)。斯坦利就認(rèn)為，賴爾的這種要求對理智主義者而言，是不可接受的，因?yàn)槿祟惤?jīng)常明智地行動(dòng)，但并不需要首先公開承認(rèn)任何格言或規(guī)則，比如現(xiàn)象學(xué)家利用現(xiàn)象學(xué)方法思考某些經(jīng)驗(yàn)對象時(shí)，并不需要有任何在先的對命題的思考活動(dòng)(8)Cf. J.Stanley，Know How，p.14.。反理智主義者可能會(huì)選擇的一種回復(fù)是，用在先的理智活動(dòng)理解某一活動(dòng)的智力特征，是賴爾對理智主義的一種定義。但問題在于，賴爾對理智主義的定義很可能是站不住腳的。因?yàn)槔碇侵髁x者只是強(qiáng)調(diào)，能力之知能夠被還原為命題性知識(shí)，它們之間不存在種類上的區(qū)分。除此之外，理智主義者并不需要用另一種理智活動(dòng)解釋某一活動(dòng)的智力特征。理由有以下幾點(diǎn)：

首先，認(rèn)為能力之知能夠被還原為命題性知識(shí)，與認(rèn)為需要用另一種理智活動(dòng)解釋某一活動(dòng)的智力特征是兩回事，二者之間并不等價(jià)。承認(rèn)前一點(diǎn)與否定后一點(diǎn)，在邏輯上并不沖突。如果堅(jiān)持用后一點(diǎn)定義理智主義，那么賴爾的無窮倒退論證，即便在現(xiàn)實(shí)世界中，也只能用來反駁需要用另一種理智活動(dòng)解釋某一活動(dòng)的智力特征這一觀點(diǎn)。但是，這一論據(jù)并不能證明能力之知不能被還原為命題性知識(shí)。

其次，前面已然澄清，智力特征來自于人類從價(jià)值維度對某一活動(dòng)所作的評價(jià)，但在一種可能世界里，如果不存在類似于人類這樣的存在物，那么活動(dòng)本身可能就不會(huì)體現(xiàn)出智力特征，因而也就不需要用關(guān)于其他命題的理智活動(dòng)進(jìn)一步解釋此種活動(dòng)。事實(shí)上，在現(xiàn)實(shí)世界中，出現(xiàn)這種情況的可能性也在逐漸提高，相互協(xié)作的群體機(jī)器人其實(shí)就是一個(gè)典型案例，它們之間既相互獨(dú)立，又構(gòu)成一個(gè)整體，但不需要任何價(jià)值性的評價(jià)。

以上論證表明，賴爾反駁理智主義的核心論證所依賴的兩個(gè)前提或多或少都是有問題的。他的第一個(gè)前提并不具有必然性，在一種可能世界中，能力之知不會(huì)體現(xiàn)出智力特征；他的第二個(gè)前提是他自己構(gòu)造的一個(gè)假設(shè)，對于理智主義者而言，這個(gè)假設(shè)并不合適。因此，無窮倒退論證并不成立，賴爾試圖通過無窮倒退的論證來反駁理智主義是無效的。

二、人工智能具備能知之知：理智主義的證成

相對于反理智主義而言，理智主義似乎更具有合理性。這種合理性來源于我們的一項(xiàng)觀察，即人工智能相關(guān)成果至少已經(jīng)證明，那些通常被認(rèn)為無法還原的能力之知，實(shí)際上可以被還原為命題性知識(shí)。以AlphaGo圍棋機(jī)器人為例，我們可以說明這個(gè)問題。

2016年，AlphaGo圍棋機(jī)器人打敗了人類圍棋高手李世石。這是人工智能領(lǐng)域內(nèi)的一個(gè)標(biāo)志性事件。它在一定程度上突破了人類對機(jī)器的認(rèn)識(shí)。因?yàn)楹芏嗳藘A向于認(rèn)為，圍棋是計(jì)算機(jī)最難攻克的領(lǐng)域之一。他們的理由大致有兩點(diǎn)：1.圍棋需要計(jì)算的內(nèi)容超出了現(xiàn)有任何計(jì)算機(jī)的能力；2.圍棋中涉及到的“局”、“勢”被認(rèn)為是計(jì)算機(jī)無法刻畫的。如果因?yàn)锳lphaGo在自我學(xué)習(xí)過程中參考了人類棋盤，因而不能被認(rèn)為在圍棋智力上超出了人類水平，那么AlphaGo Zero的出現(xiàn)則打破了這一認(rèn)識(shí)。AlphaGo Zero自始自終并未借助任何人類經(jīng)驗(yàn)，它在空白狀態(tài)下通過自我學(xué)習(xí)，在40天之內(nèi)就打敗了AlphaGo的升級(jí)版。這表明，人工智能在某一領(lǐng)域內(nèi)，通過自我學(xué)習(xí)，可以完全實(shí)現(xiàn)對人類相關(guān)領(lǐng)域的超越。事實(shí)上，這一結(jié)論在被不斷地證實(shí)。比如，清華大學(xué)薇薇作詩機(jī)器人已經(jīng)通過了圖靈測試，人臉識(shí)別技術(shù)已經(jīng)被廣泛地應(yīng)用于各種場景，波士頓動(dòng)力公司推出的Atlas機(jī)器人可以實(shí)現(xiàn)奔跑與跳躍，等等。完全可以設(shè)想的是，隨著技術(shù)的進(jìn)一步發(fā)展，人類有能力將人工智能在這些不同領(lǐng)域中所獲得的成果綜合在一起，實(shí)現(xiàn)更大的突破。比如說，在圍棋領(lǐng)域中，AlphaGo Zero下棋時(shí)不再需要借助人類輔助落子，而是真正以類人的形態(tài)出現(xiàn)，自主讀棋盤、拿棋子、落棋子等。這意味著，在人工智能領(lǐng)域內(nèi)，智能機(jī)器人可以像人類一樣實(shí)現(xiàn)知道如何下棋、如何奔跑、如何騎車等一系列活動(dòng)。在賴爾的意義上，似乎不得不承認(rèn)智能機(jī)器人具備能力之知。

根據(jù)目前學(xué)界的共識(shí)，人工智能之所以在最近幾年有顯著的提升，主要來源于算法的精進(jìn)。而在這些算法中，應(yīng)用最廣的算法有五大類：規(guī)則和決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳算法、概率推理、類比推理。規(guī)則和決策樹背后的核心理念是所有和智力相關(guān)的工作都可以被歸結(jié)為對符號(hào)的操控；神經(jīng)網(wǎng)絡(luò)則試圖通過改變神經(jīng)元之間的聯(lián)結(jié)方式獲得自己想要的輸出；遺傳算法的核心是適應(yīng)度函數(shù)，通過此函數(shù)給程序打分，反映它與目標(biāo)的契合度；概率推理是以貝葉斯定理為基礎(chǔ)進(jìn)行概率計(jì)算或者為證據(jù)尋找最可信的解釋方法；類比推理的基礎(chǔ)是對于作為學(xué)習(xí)基礎(chǔ)的相似判斷的信任，包括最近鄰算法以及支持向量機(jī)(9)參見佩德羅·多明戈斯：《終極算法：機(jī)器學(xué)習(xí)和人工智能如何重塑世界》，黃芳萍譯，北京：中信出版集團(tuán)，2017年，第65-70頁。。

通過分析，可以推知這些算法都是通過命題的方式顯現(xiàn)的。規(guī)則和決策樹依賴于對符號(hào)的操控，而符號(hào)可以用命題表達(dá)；神經(jīng)網(wǎng)絡(luò)的關(guān)鍵在于它學(xué)習(xí)的主題以及其中蘊(yùn)含的獎(jiǎng)懲機(jī)制，這些同樣可以用命題來表達(dá)；遺傳算法中的適應(yīng)度函數(shù)是一個(gè)有待填充的命題；概率推理的核心即貝葉斯定理本身就是一個(gè)命題；而類比推理所依據(jù)的相似判斷也是一個(gè)命題。事實(shí)上，如果考慮這一事實(shí)，即AlphaGo采用的是神經(jīng)網(wǎng)絡(luò)算法，并且它之所以成功的原理與機(jī)制已經(jīng)用命題形式發(fā)表在《自然》雜志之上，那么我們就能夠更加確信，人工智能的實(shí)質(zhì)是由一系列命題構(gòu)成的。

基于以上討論，大致可以得出兩個(gè)結(jié)論：1.人工智能產(chǎn)品可以展現(xiàn)出它具備某種能力之知，知道如何做某事；2.人工智能產(chǎn)品本身是由一系列命題性知識(shí)構(gòu)成的。綜合這兩個(gè)結(jié)論，可以進(jìn)一步推知，原則上，某些能力之知可以被還原為命題性知識(shí)。因?yàn)槿斯ぶ悄墚a(chǎn)品之所以具備能力之知是因?yàn)樗鼡碛忻}性知識(shí)，除此之外，它并沒有其他知識(shí)來源。而這恰恰是理智主義立場的核心主張。這表明，在理智主義與反理智主義的爭論中，人工智能技術(shù)的發(fā)展成果可以證明，理智主義立場似乎更合理些。因?yàn)橹辽倌承┰?jīng)被認(rèn)為不能還原的能力之知被證明是可以還原的。

然而，德雷福斯(H. Dreyfus)的觀點(diǎn)對這兩個(gè)結(jié)論提出了挑戰(zhàn)，在他看來：“所有形式的智能行為中都包含著不可程序化的人類能力。”(10)參見休伯特·德雷福斯：《計(jì)算機(jī)不能做什么——人工智能的極限》，寧春巖譯，北京：生活·讀書·新知三聯(lián)書店，1986年，第293頁。如果這一觀點(diǎn)成立，那理智主義是不可能的，因?yàn)榈吕赘Ｋ沟挠^點(diǎn)表明，總是存在某種能力之知不能被還原為命題性知識(shí)。根據(jù)德雷福斯的分析，他同時(shí)代的人工智能樂觀主義者，比如赫伯特·西蒙(Herbert Simon)、艾論·紐維爾(Allen Newell)、約翰·麥肯錫(John McCarthy)等人，他們的人工智能工作中存在四個(gè)基本假設(shè)，即生物學(xué)上的假設(shè)、心理學(xué)上的假設(shè)、認(rèn)識(shí)論上的假設(shè)和本體論上的假設(shè)。生物學(xué)上的假設(shè)指的是，在某一運(yùn)算水平上，大腦以離散的運(yùn)算方式加工信息，采用某種生物學(xué)的辦法，等價(jià)于開關(guān)閉合與斷開的辦法；心理學(xué)上的假設(shè)指的是，大腦可以被看作是一種裝置，它按照形式規(guī)則加工信息單位；認(rèn)識(shí)論上的假設(shè)闡述的是，一切知識(shí)都可以被形式化；本體論上的假設(shè)指的是，存在一組在邏輯上完全互相獨(dú)立的事實(shí)(11)參見休伯特·德雷福斯：《計(jì)算機(jī)不能做什么——人工智能的極限》，第166頁。。在這四個(gè)假設(shè)中，后三個(gè)假設(shè)存在一個(gè)共同點(diǎn)，即它們都認(rèn)為，“人一定是一種可按規(guī)則對取原子事實(shí)形式的數(shù)據(jù)做計(jì)算的裝置”(12)休伯特·德雷福斯：《計(jì)算機(jī)不能做什么——人工智能的極限》，第239頁。。德雷福斯認(rèn)為，這四個(gè)假設(shè)都是站不住腳的。其中，生物學(xué)上的假設(shè)與當(dāng)時(shí)已發(fā)現(xiàn)的證據(jù)不相符；而后三個(gè)假設(shè)則存在一些概念上的問題，與哲學(xué)上已獲得的認(rèn)識(shí)相沖突。

德雷福斯所利用的哲學(xué)上的認(rèn)識(shí)有很多。這些認(rèn)識(shí)至少有以下幾種思想來源：1.胡塞爾對意識(shí)問題的思考；2.格式塔心理學(xué)對整體結(jié)構(gòu)的認(rèn)識(shí)；3.海德格爾對意義的理解；4.梅洛·龐蒂對身體的現(xiàn)象學(xué)分析；5.維特根斯坦對規(guī)則的分析。這些思想資源都指向一點(diǎn)，即人類行為并非是可形式化的。這似乎可以證明，人工智能專家試圖通過將人類行為形式化以模仿人類智能的做法可能是行不通的。然而，在評論這個(gè)結(jié)論之前，有必要弄清一個(gè)問題，即德雷福斯所說的“形式化”是什么意思。

通常認(rèn)為，形式化指的是，通過將研究對象轉(zhuǎn)變成符號(hào)來考察的方法。但是，在德雷福斯的討論中，他所說的“形式化”指的是一種特定的人工智能進(jìn)路，即符號(hào)主義進(jìn)路。符號(hào)主義進(jìn)路的代表人物有很多，比如德雷福斯提到的西蒙和紐維爾，他們認(rèn)為，“物理符號(hào)系統(tǒng)具有實(shí)現(xiàn)通用智能行為的必要和充分手段”(13)Allen Newell，Herbert A.Simon，“Computer Science as Empirical Inquiry：Symbols and Search”，Communications of the ACM，Vol.19，No.3，1976.。也就是說，符號(hào)主義者往往認(rèn)為，符號(hào)系統(tǒng)可以實(shí)現(xiàn)對智能行為的刻畫。雖然符號(hào)主義的代表人物之間可能存在某些細(xì)微的差別，但還是可以將符號(hào)主義的基本思想概括如下：在人為定義知識(shí)的前提下，通過符號(hào)的邏輯演算解決人工智能期待解決的問題，其中，人為定義的規(guī)則是其中的核心要素。從德雷福斯對形式化的理解中，可以得出這樣的結(jié)論，即德雷福斯對人工智能的批評實(shí)際上是對人工智能研究過程中符號(hào)主義進(jìn)路的批評。因此，面對德雷福斯的批評，至少有兩個(gè)問題可供思考：1.德雷福斯對符號(hào)主義的批評是否恰當(dāng)；2.德雷福斯對符號(hào)主義的批評是否可以擴(kuò)展到人工智能的其他研究進(jìn)路之上。

關(guān)于第一個(gè)問題，有些符號(hào)主義者，比如麥肯錫認(rèn)為，德雷福斯對人工智能的批評過時(shí)了，因?yàn)樵诘吕赘Ｋ沟恼撌鲋?，沒有看到他關(guān)于最新文獻(xiàn)的論斷，比如符號(hào)主義者對非單調(diào)邏輯的使用(14)John McCarthy，“Book Review：Hubert Dreyfus，What Computers Still Can’t Do”，Artificial Intelligence，Vol.80，No.1，1996.。從人工智能的工作原理來看，麥肯錫的回應(yīng)在某種意義上是恰當(dāng)?shù)摹Ｒ驗(yàn)楹荛L一段時(shí)間以來，符號(hào)主義使用的是演繹推理，它是一種根據(jù)已有知識(shí)基于邏輯規(guī)則推導(dǎo)出新知識(shí)的推理過程，但非單調(diào)邏輯與之不同。非單調(diào)邏輯強(qiáng)調(diào)新知識(shí)的加入對原有系統(tǒng)的改變。不過，麥肯錫的反駁似乎不足以回應(yīng)德雷福斯的批評。因?yàn)闊o論是符號(hào)主義中的演繹推理，還是非單調(diào)推理，都是一種基于規(guī)則的思路，都試圖通過規(guī)則把握智能行為。但德雷福斯告訴我們，通過對人類行為的反思，哲學(xué)家們發(fā)現(xiàn)，人類的智能行為不是遵循規(guī)則的，而是依賴于背景知識(shí)、依賴于上下文的。為此，德雷福斯給出了人類智能行為的三個(gè)特征：1.人類的智能行為是情境式，依賴于知識(shí)背景和上下文；2.身體在智能行為中起著至關(guān)重要的作用；3.智能行為并非規(guī)則性的行為?；谶@些特征，我們可以發(fā)現(xiàn)，即便符號(hào)主義在研究人工智能的過程中添加了非單調(diào)推理，只要這種研究思路不放棄規(guī)則的主導(dǎo)地位，那么它仍然無法避免德雷福斯的指責(zé)。事實(shí)上，德雷福斯對人工智能的批評真正出問題的地方在于，他無法將這種批評擴(kuò)展到人工智能的所有研究進(jìn)路之上，特別是目前流行的以深度學(xué)習(xí)技術(shù)為代表的聯(lián)結(jié)主義進(jìn)路和行為主義進(jìn)路。

首先，當(dāng)今最流行的人工智能技術(shù)即深度學(xué)習(xí)包括兩個(gè)部分：知識(shí)與經(jīng)驗(yàn)。知識(shí)是人類預(yù)先給予智能機(jī)器的，比如數(shù)學(xué)公式等。在人工智能領(lǐng)域，它們也被稱為“先驗(yàn)知識(shí)”。經(jīng)驗(yàn)是智能機(jī)器在運(yùn)行過程中得到的反饋，這與人類的經(jīng)驗(yàn)類似。就像人類在生活中發(fā)現(xiàn)不能用手碰觸燃燒的火焰是一種經(jīng)驗(yàn)一樣，人工智能的經(jīng)驗(yàn)也是后天的。將知識(shí)與經(jīng)驗(yàn)融為一體是深度學(xué)習(xí)技術(shù)的一個(gè)典型特征。這一特征表明，人工智能可以避免德雷福斯的第一個(gè)批評。因?yàn)槿斯ぶ悄苤械闹R(shí)成分等同于德雷福斯所強(qiáng)調(diào)的知識(shí)背景，而經(jīng)驗(yàn)則相當(dāng)于他所說的上下文。

其次，強(qiáng)調(diào)身體在智能行為中的作用，也不足以反駁人工智能。因?yàn)槿斯ぶ悄芗夹g(shù)并不排除利用其他材料和技術(shù)實(shí)現(xiàn)人工智能產(chǎn)品的“身體”構(gòu)造，比如生物材料技術(shù)、多傳感器信息融合技術(shù)、導(dǎo)航與定位技術(shù)等等。雖然這些技術(shù)本身很復(fù)雜，但是都可以用命題的形式表達(dá)出來，它們以文字形式呈現(xiàn)在教科書、論文、專著之中即是例證。比如多傳感器信息融合技術(shù)，其基本原理是利用多傳感器資源，將傳感器獲取的信息進(jìn)行整合，形成關(guān)于外部環(huán)境或被測對象某一特征的描述。這并沒有超出命題所能表達(dá)的范圍。因此，試圖通過“具身性”概念否認(rèn)人工智能具備模仿人類智能的可能性(15)類似的批評參見何靜：《具身性與默會(huì)表征：人工智能能走多遠(yuǎn)？》，《華東師范大學(xué)學(xué)報(bào)》(哲學(xué)社會(huì)科學(xué)版)2018年第5期。，很可能是不恰當(dāng)?shù)?。人工智能可以利用其他材料與技術(shù)實(shí)現(xiàn)人工智能產(chǎn)品的“身體”構(gòu)造，從而以具有“身體”的形態(tài)實(shí)現(xiàn)人工智能與外在世界之間的“耦合”。人工智能技術(shù)中的行為主義進(jìn)路典型地體現(xiàn)了這一點(diǎn)。

最后，智能行為并非規(guī)則性行為，這一結(jié)論是恰當(dāng)?shù)?，我們的確可以在智能行為中找到很多證據(jù)，但這并不意味著人工智能會(huì)失敗。因?yàn)槿斯ぶ悄艿陌l(fā)展現(xiàn)狀表明，人工智能在聯(lián)結(jié)主義思路的影響下，并沒有強(qiáng)調(diào)規(guī)則在智能行為中的作用，而是主張人工智能在數(shù)據(jù)中學(xué)習(xí)，即通過給定的數(shù)據(jù)統(tǒng)計(jì)出某些近似的規(guī)律，以解決人工智能期望解決的問題。也就是說，人工智能并不強(qiáng)調(diào)規(guī)則的使用，而是強(qiáng)調(diào)概率的使用。在這種思路的影響下，人工智能已經(jīng)取得了很多令人意想不到的成果。從這個(gè)角度來看，德雷福斯對規(guī)則的批評也不適用人工智能領(lǐng)域所使用的最新技術(shù)。

基于以上討論，可以發(fā)現(xiàn)，當(dāng)前的人工智能技術(shù)的發(fā)展并沒有像德雷福斯所說的那樣，蘊(yùn)含了四個(gè)基本假設(shè)。因?yàn)檠芯空邆冊谶@一研究過程中并沒有假設(shè)大腦是以離散的方式處理信息的，也沒有假設(shè)人類的智能行為一定可以按照符號(hào)的形式將其形式化，而是主張將每一種智能行為看作是一個(gè)系統(tǒng)。這個(gè)系統(tǒng)蘊(yùn)含了很多成分，它既與先驗(yàn)知識(shí)有關(guān)，也與經(jīng)驗(yàn)反饋相聯(lián)。而且，德雷福斯對人類智能行為特征的描述并不會(huì)妨礙人工智能對人類智能的模仿，人工智能中的聯(lián)結(jié)主義進(jìn)路與行為主義進(jìn)路可以適配人類智能行為的這些特征。這些結(jié)論表明，德雷福斯對人工智能的考察并不成立。

事實(shí)上，德雷福斯對人類智能行為特征的概括可以看作是能力之知的某種共性。因?yàn)槟芰χ『皿w現(xiàn)在人類的智能行為之中。如果這個(gè)判斷成立，以上論述可以確定，在實(shí)踐領(lǐng)域內(nèi)，人類并沒有什么特殊的能力之知是人工智能無法實(shí)現(xiàn)的。從這個(gè)角度來說，理智主義的觀點(diǎn)是合理的，能力之知可以還原為命題性知識(shí)。

三、理解能力之知：整體論視域下的理智主義解釋

能力之知是可還原的，但應(yīng)如何理解能力之知呢？在理智主義的框架下，人工智能的發(fā)展現(xiàn)狀或許能為我們澄清能力之知給出某些啟示。人工智能的相關(guān)成果表明，學(xué)會(huì)一件事情，或者說具備某種能力之知，并不是簡單地可以用一句話如“某人會(huì)做某事”來概括的。它涉及到的內(nèi)容非常多。這些內(nèi)容構(gòu)成了一個(gè)整體，而實(shí)現(xiàn)某種能力之知即是在這種整體的意義上完成的。無論是從人工智能的一般工作原理還是從某個(gè)特定的人工智能產(chǎn)品出發(fā)，都可以證明這一點(diǎn)。

從人工智能的一般工作原理來看，目前人工智能的靈魂即“機(jī)器學(xué)習(xí)”實(shí)際上包括四個(gè)部分：學(xué)習(xí)目標(biāo)、學(xué)習(xí)結(jié)構(gòu)、訓(xùn)練數(shù)據(jù)和學(xué)習(xí)算法。這四個(gè)部分構(gòu)成一個(gè)整體，任何一個(gè)部分的缺乏都會(huì)導(dǎo)致人工智能無法完成它所設(shè)定的任務(wù)，無法展現(xiàn)出它所具有的特定的能力之知。

從特定的人工智能產(chǎn)品比如AlphaGo出發(fā)，AlphaGo的算法里結(jié)合了樹搜索技術(shù)以及大量的經(jīng)驗(yàn)訓(xùn)練，并且內(nèi)置了快速落子網(wǎng)絡(luò)和策略網(wǎng)絡(luò)，它們之間相互關(guān)聯(lián)，構(gòu)成了一個(gè)系統(tǒng)，去掉其中的任何一個(gè)環(huán)節(jié)都可能無法完成對人類圍棋冠軍的挑戰(zhàn)。人工智能領(lǐng)域內(nèi)的這些事實(shí)表明，在理解能力之知的問題上，整體論的視角是一種合適的選擇(16)需要簡單澄清的是，“整體論”一詞應(yīng)用在不同領(lǐng)域之中會(huì)有不同的含義。比如在語言哲學(xué)中，整體論意指，一門語言中所有語詞的意義相互依賴；而在認(rèn)識(shí)論中，整體論意指，一個(gè)陳述的認(rèn)知意義反應(yīng)在它與其他陳述之間的邏輯關(guān)系的全體之上。本文在寬松的意義上使用“整體論”一詞，其要點(diǎn)在于將各式各樣內(nèi)部相互關(guān)聯(lián)的系統(tǒng)看成是一個(gè)整體。。

而且更重要的是，從理論上看，整體論的視角更符合人類對知識(shí)整體的認(rèn)知。哲學(xué)家們對知識(shí)的探索似乎越來越清楚地表明，知識(shí)之間并不是獨(dú)立的，而是相互關(guān)聯(lián)的。對一個(gè)概念的把握，依賴于是否已經(jīng)把握與它相關(guān)的其他概念；為了理解一個(gè)命題，需要理解與之相關(guān)的其他命題。在某種意義上，離散性的知識(shí)體系很可能并不存在。在涉及到能力之知的相關(guān)問題時(shí)，可能也是如此情形。獲得一種能力之知，意味著對該能力之知涉及到的所有內(nèi)容都有所認(rèn)識(shí)。當(dāng)然，需要強(qiáng)調(diào)的是，這種認(rèn)識(shí)過程并不是即時(shí)性地瞬間完成的，而是漸進(jìn)式的。行動(dòng)者一步一步完成對某類知識(shí)的把握，逐漸加深對該類知識(shí)的理解。隨著對能力之知相關(guān)內(nèi)容認(rèn)識(shí)的增加，行動(dòng)者對能力之知的理解和操作也更會(huì)加清晰與熟練。

基于整體論的理論視角，可以推知，原則上能力之知最終可以還原為一系列命題性知識(shí)。需要注意的是，這種還原與理智主義的代表人物斯坦利和威廉姆森所采用的還原模式不一樣。斯坦利和威廉姆森通過分析“漢娜知道如何騎車”這樣的事例試圖闡明，某人S具有某種能力之知KH可以還原為，在某一特定語境C中，存在某種方法W，并且S知道W是KH的方法，且在實(shí)踐的呈現(xiàn)模式下，擁有此命題(17)Cf. J. Stanley，T. Williamson，“Knowing How”.。很明顯，這樣的還原模式基本上是一一對應(yīng)的，即將一種能力之知還原為一個(gè)命題。但這種還原模式很可能是行不通的。其中的關(guān)鍵因素在于，實(shí)現(xiàn)一種能力之知，并不是一種命題性知識(shí)可以完成的。整體論的視角表明，一種能力之知涉及到相當(dāng)多數(shù)量的命題性知識(shí)。在AlphaGo的案例中，數(shù)量眾多的代碼綜合在一起才體現(xiàn)出AlphaGo具備下圍棋的能力。這也就是說，當(dāng)我們試圖還原某種能力之知時(shí)，應(yīng)該將其還原為一系列命題的組合，而不是某個(gè)單個(gè)命題。

能力之知往往體現(xiàn)在做某件事情的行動(dòng)之中，這種行動(dòng)可以進(jìn)一步分解，而分解后的行動(dòng)大多都可以用適當(dāng)?shù)拿}來表達(dá)。比如說，在“漢娜知道如何騎車”這個(gè)事例中，漢娜知道如何騎車可以進(jìn)一步分解為：漢娜知道在開始騎車前，應(yīng)保持身體平衡，坐在車座上；漢娜知道，準(zhǔn)備騎車時(shí)，雙手應(yīng)握住車把；漢娜知道，雙手握住車把后，用雙腳踩蹬；等等。當(dāng)然，在這種分解過程中，仍然可能會(huì)有某些命題隱含了某種能力之知。比如漢娜知道雙手握住車把后用腳踩蹬，實(shí)際上就隱含了漢娜知道如何用腳踩蹬這種知識(shí)，而這恰恰是一種能力之知。在這種情況下，我們可以做進(jìn)一步的還原，即繼續(xù)將這種用腳踩蹬的能力之知，進(jìn)一步分解為更為基礎(chǔ)的知識(shí)，比如知道把腳平穩(wěn)地放到腳蹬上，知道用腳發(fā)力，等等。當(dāng)然，這種程序可以繼續(xù)下去，但不會(huì)無限進(jìn)行下去。因?yàn)樵趯δ芰χM(jìn)行分解的過程中，它所蘊(yùn)含的能力之知，如果看成一個(gè)集合的話，是真包含于它自身的。這意味著分解的次數(shù)越多，其中所蘊(yùn)含的能力之知越基礎(chǔ)。而對于這個(gè)最為基礎(chǔ)的能力之知，一定會(huì)有某種命題系統(tǒng)與之相互等價(jià)。否則的話，不但AlphaGo不可能，任何一種能體現(xiàn)出有某種能力之知的智能機(jī)器都是不可能的。

需要澄清的是，將能力之知還原為某個(gè)命題系統(tǒng)，命題系統(tǒng)中所包含的命題不僅有陳述性的，還有很多是范導(dǎo)性的和假言式的。而且，范導(dǎo)性的命題和假言式的命題在這種命題系統(tǒng)中很可能是必不可少的，尤其是假言式的命題。通常情況下，在一個(gè)命題系統(tǒng)中，陳述性的命題往往表達(dá)的是對事物的認(rèn)識(shí)，比如雪是白的；范導(dǎo)式的命題呈現(xiàn)出一種規(guī)則或指令，指引著行動(dòng)者在某種情況下做出某種相應(yīng)的回應(yīng)，比如靠右行走；而假言式的命題則通過前件與后件之間的關(guān)系，表達(dá)了一種普遍性，比如如果a是植物，那么a會(huì)光合作用。對于能力之知而言，普遍性大概是一個(gè)必要屬性，因?yàn)橹黧w擁有某種能力之知，意味著他可以在不同場合中使用這種能力之知。這也是假言命題在命題系統(tǒng)中不可或缺的原因。

如果以上對能力之知的考察是合理的，那么這將證明，能力之知原則上可以還原為命題性知識(shí)。能力之知與命題性知識(shí)之間并沒有種類上的區(qū)分。只不過，將能力之知還原為命題性知識(shí)，不是將一種能力之知還原為某一命題所表達(dá)的命題性知識(shí)，而是將能力之知還原為由一系列不同類型的眾多命題構(gòu)成的命題系統(tǒng)。這一結(jié)論表明，無論在事實(shí)上，還是在理論上，相比反理智主義而言，理智主義更為合理。進(jìn)一步的思考表明，從整體論的視角為理智主義辯護(hù)，會(huì)有很多優(yōu)勢。

首先，整體論的思路不但可以證明能力之知可以被還原為命題性知識(shí)，而且可以證明能力之知和命題性知識(shí)之間的確存在某種差別。一方面，能力之知可以被還原為命題性知識(shí)，因而二者之間，并沒有種類上的差別；另一方面，能力之知與單個(gè)命題表達(dá)的知識(shí)之間的確存在差別，這種差別體現(xiàn)為一種樣式上的差別。因?yàn)槟芰χ怯擅}系統(tǒng)構(gòu)成的，而學(xué)界通常所說的命題性知識(shí)，往往都是由單個(gè)命題表達(dá)的知識(shí)。前者是系統(tǒng)性的，而后者是個(gè)體性的。當(dāng)然，這種樣式上的差別，從認(rèn)識(shí)論的視角來看，也會(huì)體現(xiàn)出一些差異。比如在存在價(jià)值判斷的現(xiàn)實(shí)世界中，一個(gè)命題系統(tǒng)，尤其是當(dāng)它包含有很多范導(dǎo)性命題和假言命題的時(shí)候，往往會(huì)體現(xiàn)出一些智力特征，但單個(gè)命題幾乎不會(huì)表現(xiàn)出這種智力特征。此外，應(yīng)用單個(gè)命題也會(huì)出現(xiàn)意想不到的情況，比如將單個(gè)命題表達(dá)的信念指派給行動(dòng)者時(shí)，往往可能會(huì)出現(xiàn)一些蓋梯爾反例的情形，但應(yīng)用一個(gè)命題系統(tǒng)在一般情況下不會(huì)出現(xiàn)這種情形。事實(shí)上，這一點(diǎn)也可以用來說明，為什么理智主義者可以解釋能力之知的智力特征，而不需要依賴在先的對某一命題的理智活動(dòng)。

其次，從整體論出發(fā)，可以解釋以往理智主義和反理智主義之間的爭論可能存在的問題。理智主義者通常認(rèn)為，能力之知并非知識(shí)的一種特類，它和命題性知識(shí)并無區(qū)分；反理智主義者則傾向于在能力之知與命題性知識(shí)之間劃出一條嚴(yán)格的界限。但是他們的討論往往是原子式的。斯坦利和威廉姆森的解釋方案很明顯，他們用一種命題性知識(shí)解釋一種能力之知；賴爾對理智主義的反駁也蘊(yùn)含了這種思維方式，因?yàn)樗坪跸氘?dāng)然地認(rèn)為，“要有智力地實(shí)施一項(xiàng)活動(dòng)，必然先實(shí)施一項(xiàng)理論活動(dòng)”(18)吉爾伯特·賴爾：《心的概念》，第28頁。譯文有改動(dòng)，參見Gillert Ryle,The Concept of Mind,p.30.。問題在于，他們并沒有為這種思維方式給出任何辯護(hù)。我們并不清楚，為什么只能用一種命題性知識(shí)解釋一種能力之知，為什么有智力地實(shí)施一項(xiàng)活動(dòng)，只會(huì)涉及到一項(xiàng)理論活動(dòng)。與之不同的是，整體論的思考方式不僅在理論上有很多說明，而且在某種意義上，它在經(jīng)驗(yàn)領(lǐng)域也得到了一些證明，知識(shí)的學(xué)習(xí)過程是一種明證。當(dāng)然，最重要的是，以整體論的思考方式思考能力之知與人工智能的發(fā)展現(xiàn)狀在事實(shí)層面上相契合。

最后，從整體論上證明能力之知可以被還原為命題性知識(shí)，這一結(jié)論對于知識(shí)的積累而言，具有重要意義。反理智主義者認(rèn)為，能力之知不能還原為命題性知識(shí)。如果這是合理的，那么這將意味著能力之知只能通過個(gè)體行為呈現(xiàn)出來，行動(dòng)者也只能通過自己的領(lǐng)悟力學(xué)習(xí)能力之知。在這種情況下，能力之知的傳播和積累會(huì)面臨巨大的障礙。但事實(shí)上，這樣一種觀點(diǎn)在很大程度是成問題的，因?yàn)橐延凶C據(jù)表明，從AlphaGo到AlphaGo Zero，人工智能棋藝的精進(jìn)相當(dāng)迅速。理智主義者認(rèn)為能力之知可以被還原為命題性知識(shí)，通過命題形式學(xué)習(xí)能力之知，這為能力之知的積累提供了保障。

當(dāng)然，以上從整體論角度思考能力之知的各種優(yōu)勢并沒有要求我們必然在現(xiàn)實(shí)社會(huì)中將各種能力之知還原為命題性知識(shí)。因?yàn)槭聦?shí)上，將能力之知還原為命題性知識(shí)系統(tǒng)，這一過程并不容易，甚至在一定程度上可能超出了有限個(gè)體的認(rèn)識(shí)。比如說，AlphaGo的研發(fā)并非是集一人之力完成的。這很可能是眾多學(xué)者在直覺上傾向于認(rèn)為能力之知與命題性知識(shí)屬于不同類型的知識(shí)的原因。但是，這并不意味著在原則上，我們不能將能力之知還原為命題性知識(shí)。這也就是說，在理論上，能力之知可以還原為命題性知識(shí)，但在現(xiàn)實(shí)生活中，是否應(yīng)該將能力之知還原為命題性知識(shí)可能還要考慮其他方面的問題，比如經(jīng)濟(jì)問題、還原效率問題等等。而在語言層面上，由于使用“能力之知”這樣的語詞比使用它可能被還原的一個(gè)命題系統(tǒng)要簡單得多、方便得多，因此，基于實(shí)用精神，在語言層面保留“能力之知”這一語詞是可以接受的。

綜上所述，理智主義與反理智主義之間的這場爭論，無論是在事實(shí)層面上，還是在理論層面上，理智主義都更具有優(yōu)勢。在事實(shí)層面上，人工智能的相關(guān)成果可以證明，能力之知可以被還原為命題性知識(shí)，二者之間并沒有種類上的差別。在理論層面上，反理智主義者通過無窮倒退論證反駁理智主義的核心主張并不成立。因?yàn)樗玫膬蓚€(gè)前提都不是必然有效的。在一種可能世界中，能力之知并不會(huì)體現(xiàn)出智力特征；并且，理智主義不需要求助于在先的對命題的思考活動(dòng)就可以說明能力之知可能體現(xiàn)出的智力特征。從整體論的視角出發(fā)，能力之知被證明可以還原為一系列命題性知識(shí)的組合。能力之知與命題性知識(shí)之間的差別是命題系統(tǒng)和單個(gè)命題之間性質(zhì)上的差別。我們之所以在語言層面上使用“能力之知”這個(gè)語詞，也只是因?yàn)橄啾容^而言，它在使用上更加方便。