“中文屋”若被升级为“日语屋”将如何?——以主流人工智能技术对于身体感受的整合能力为切入点

发布时间：2022-02-11 11:42

　　就原始版本的"中文屋"思想实验而言,实验的提出者塞尔主要关心的是如何驳倒"强人工智能论题",而并不关心对于特定的经验语言的自然语言处理任务所可能遭遇到的经验问题。因此,从原则上看,将"中文屋"替换为"日语屋",并不会对其论证结构造成影响。然而,塞尔的对于具体经验语言这种漠不关心的态度,却使得他无法体察到日语言说者对于身体感受性的高度敏感,以及此类敏感对主流自然语言处理技术所构成的挑战。反过来说,将"中文屋"升级为"日语屋"的举措,纵然没有在先验的意义上构成对于作为哲学论题的"强人工智能论题"的威胁,却至少在经验的层面上提供了更多的理据,以便我们能够更好地考察在主流人工智能技术—无论是符号人工智能技术还是神经元网络技术—的框架内进行"具身化改造"的可能,并通过这些批判性考察,为学界对于一些新技术路径的关注设置指路的路灯。 

【文章来源】：自然辩证法通讯. 2018,40(01)北大核心CSSCI

【文章页数】：9 页

【部分图文】：

图1月本洋所描绘的日语脑与英语脑的信息加工路线之间的差异

供的（顺便说一句，考虑到目下如火如荼的“深度学习”技术只是神经元网络技术的升级版，因此，在本文中笔者还是倾向于用“神经元网络”兼指“深度学习”）。非常粗略地说，神经元网络技术的实质，是利用统计学的方法，在某个层面模拟人脑神经元网络的工作方式，设置多层彼此勾联成网络的计算单位，逐层对输入材料进行信息加工，最终输出某种带有更高层面的语义属性的计算结果。至于这样的计算结果是否符合人类用户的需要，则取决于人类编程员如何用训练样本与反馈算法去调整既有网络各个计算单位之间的权重（请参看图2）。而与传统神经元网络相比，“深度学习”网络的计算单位层数有数量级式的提升，全网的反馈算法在计算复杂性上也有极大的提升——因此，其整体的技术性能也明显优于传统的神经元网络技术。图2一个被高度简化的人工神经元网络结构模型不过，尽管神经元网络技术的工作原理的确具有某种意义上的“类脑性”并因此而与“具身性”发生了某种至少间接意义上的关联，但若我们从金谷武洋的立场上去审视该技术的化，我们就会发现：它依然是一种体现了“上帝的视角”的技术进路，人学新科技群、历史决定论与中道自由


本文编号：3620214