如何教人工智能说人话？

当人工智能遇上哲学

会碰撞出怎样的火花？

为什么说ChatGPT不靠谱？

人工智能发展的瓶颈何在？

复旦“斜杠”教授徐英瑾的跨界回归之作

指出当前AI研究的根本误区

内容简介

AI的本质是什么？自然语言和人工语言的区别在哪里？ChatGPT究竟是人工智能发展道路上的里程碑，还是某种误入歧途的“假AI”？我们绝不许诺美丽空洞的AI前景，而是告诉读者，未来的AI之路到底有多少激流险滩——对于统计学工具与硬件升级的片面崇拜，对于智能科学基本原理的蔑视，是目前AI研究的大危机。在我们看来，今天万众期待的ChatGPT，只是新时代的“牛顿炼金术”。

作者简介

徐英瑾，1978年生，上海人。复旦大学哲学学院教授，浦江国家实验室顾问，专业为英美分析哲学、人工智能哲学。著有《人工智能哲学十五讲》《心智、语言和机器》《用得上的哲学》以及五卷本长篇历史小说《坚：三国前传之孙坚匡汉》等。

目 录

导　论　关于人工智能，别上科幻影视的当

一　以人工智能为主题的科幻影视之基本要素间的冲突

二　主流科幻影视作品对于人工智能的三大误解

三　影视界对于人工智能的误读的外溢

小结性评论

第一章　现在的人工智能，尚且不能“说人话”

一　为何让机器“说人话”很重要？

二　目前的机器是否真会“说人话”？

三　为何自然语言处理需要哲学？

本章小结

第二章　ChatGPT 或许会加剧人类社会的“自欺”

一　重述萨特的“自欺”论

二　作为“常人”之音复读机的 ChatGPT

三　 ChatGPT 、刺客与被刺者

本章小结

第三章　ChatGPT 或许会模糊科学共同体的“颜面”

一　和辻哲郎论“脸”

二　进化论视野中的“无脸人”

三　 ChatGPT 时代“脸”的模糊化

本章小结

第四章　机器翻译之“八仙过海”

一　行为主义

二　外在论的语义学

三　莱布尼茨的“理想语言”假说

四　乔姆斯基的“深层句法”假说

五　休谟式的统计学进路

六　康德式的混合式进路

七　孔子式的基于实例的理解进路

八　新瓶装旧酒：大语言模型

第五章　机器翻译与认知语言学

一　对深度学习路径的反思

二　认知语言学论翻译

三　认知语言学技术刻画之难点

四　由“纳思系统”另辟蹊径

本章小结

第六章　大森哲学让人工智能说“心语”

一　现有的人工智能路径，都谈不上具有“第一人称”

二　大森是如何利用维特根斯坦去反对维特根斯坦的？

三　纳思系统中的“私人语言”

本章小结

第七章　让机器说日语可不容易

一　日语言说者对于具身性的敏感性

二　主流自然语言处理技术为何处理不了具身性？

本章小结

第八章　如何让机器懂汉字之“六书”？

一　《马氏文通》以来的汉语语法研究史批判

二　《说文解字》的微言大义

三　如何让机器懂“六书”？

四　机器也能会意

五　懂“六书”的机器有何用？

第九章　机器能够把握汉语或日语中的量词吗？

一　统计学机制真懂量词吗？

二　蒯因的量词论及其疏漏

三　汉语演化史与认知语言学视野中的量词

本章小结

第十章　机器能够把握隐喻吗？

一　隐喻，让“微软小冰”与 ChatGPT 都感到无力

二　关于隐喻的种种理论

三　斯特恩的隐喻理论

四　纳思系统如何懂隐喻？

本章小结

总　结　机器人杰夫与查派何以说人言？

后　记

试 读

章节一

AI 虽然是一个具有高度技术集成性的学术领域，其商业运用的范围却非常广泛。由于二者之间的信息不对称，AI 在专业领域的“内部形象”与其在公众（包括政界与商界精英人士）心目中的“外部形象”之间往往有巨大的落差。

而要减少这种落差，阐释活动的重要性就不容低估了。从信息哲学的角度看，优秀的阐释往往能够有效减少沟通双方的信息差；而从语言哲学的角度看，成功的阐释往往能够将被阐释对象的概念结构顺化为阐释接收方的理解能力所能把握的新概念结构。

但需要指出的是，在人类的信息传播历史上，不少诠释方案也确实造成了不同知识背景的受众之间更多的误解，而对于 AI 概念的误解就是这方面的显著案例。

影视媒介对于 AI 的形象刻画，具有明显的双刃剑效应。

一方面，AI 的确通过相关科幻电影的广泛传播而获得了更为广泛的公众知名度，并因为这种传播学效应间接获得了更多的在商业与行政方面的支持——但在另一方面，在特定艺术规律与心理学规律指导下的 AI 形象刻画，也往往会偏离 AI 的技术实质，引发公众形成对于AI 的不必要的期望，或是激发公众对其产生不必要的恐慌。而对于AI 系统与人类对话能力的过高期望，便是基于影视传播而导致的此类误解中非常典型的一种。

章节二

第一，本书绝对不属于“画馅饼类”的 AI 科普图书，即向读者许诺美丽而空洞的 AI 发展的未来，以便暗中为一些其实不那么成熟的科技投资方案助力。相反，本书的用力，恰恰与其相去甚远：本书试图告诉大家，AI 发展的未来到底有多少激流险滩，因此，我们的研究需要的与其说是金钱，还不如说是耐心与时间。

需要指出的是，此类图书在西方世界早就有特定的生态位，美国哲学家德雷福斯的《计算机不能做什么——人工智能的极限》便是此类图书的优秀代表。但在汉语图书市场，此类批判性的图书还是比较少见的。

第二，本书聚焦的乃是 AI 研究中的 NLP 问题，并试图从哲学的角度对 NLP 问题背后的哲学理论问题进行反思。考虑到语言哲学一向被视为哲学诸分支中与语言问题最相关的分支，所以很多人或许会期待英美国家的语言分析哲学在此类跨学科对话中占据显著的位置。

······

第三，除了对于哲学资源的依赖之外，本书也将包含一定篇幅的对于语言学问题的讨论，特别是基于认知语言学的各种分析。

同时，对于日语等小语种语料的讨论，也会在本书的讨论中占据比较高的权重。这样的讨论将既增加本书所涉及的经验材料的丰富性，也会帮助读者理解人类语言现象的多样性与复杂性。而这样的处理方式，也在相当程度上与上面所提到的对于英语思维霸权的警觉心相互呼应。

不过，最后需要提醒读者注意的是，“警惕英语思维霸权”，绝不等于要放弃学习英语，因为作为学术研究基本工具的英语早就在今日的学术舞台上扮演了“现代拉丁语”的角色。

实际上，那些对颠覆英语思维霸权特别有用的语言学理论——特别是认知语言学的理论——主要都是在英语学术平台上发表的，中国的研究者如果不能快速通读英语文献，对于这些理论的利用本身就会成为问题。

此外，任何有过用英文发表语言学与亚洲哲学论文经历的人都知道，使用英语读者能够充分理解的语言去发表那些反对英语思维霸权的论文，在技术上完全是可行的，因为英语本身就是一种充满了各种外来语插入端口的高度多样化的表达工具。

笔者个人所担心的问题毋宁说是：主流的 NLP 研究者懂的语言太少（有些人只懂英语），他们对人类语言的丰富性往往缺乏真正的“现象学体验”，因此，其所设计的产品，也很难会考虑到操不同母语的用户的个性化要求。而要解决这个问题，我们就应当鼓励 NLP 的研究者去学习英语之外的语言，而不像某些人所鼓吹的那样，“懂汉语就够了”。

实际上，对于一般中国人而言，学习英语的时间与精力成本要远远小于学习日语、韩语等黏着语所带来的成本（毕竟一般中国人从小就已经熟悉了拉丁字母），倘若连学习英语都畏惧，那岂不是以汉语世界的母语偏执，取代了英语世界的母语偏执了呢？

此外，再考虑到 AI技术本身就非常容易沦为主流语言霸凌弱势语言的技术工具，未来的理想 NLP 研究者就更应当在多元文化意识方面超过一般人的水准了。

然而，令人遗憾的是，随着美国 Open AI 公司开发的 ChatGPT技术所获得的短期成功，基于主流语言（特别是英语）的语料学习获得相关的大语言模型，貌似已经成为当下 NLP 研究的主流。对这一主流路径之合理性的质疑，也将构成本书的重要内容。