“机器智能”的哲学再思考摘要：“机器智能”正处于从对人类解决问题能力形式上的模仿，到一种深层次的模拟的过渡阶段。当前机器智能研究不同进路所依托的三种哲学范式（符号主义、联结主义和行为主义）存在局限性。维特根斯坦语言哲学思想为机器智能领域“语义进路的联结主义”的新范式提供了支撑，给我们以重要的哲学启思：对“智能”概念理解上的纠正，对语义的强调以及对“关系”问题的洞见。维氏的“关系”思想将为困扰机器智能领域的“框架问题”提供某种问题解决方案。关键词：维特根斯坦;“关系”思想;机器翻译;框架问题中图分类号：B089文献标识码：A文章编号：1672-1101（2022）01-0007-05收稿日期：2021-05-26基金项目：2021年安徽省哲学社会科学规划项目：人工智能时代翻译技术的伦理治理研究（AHSKY2021D134）作者简介：方芳（1973-），女，浙江义乌人，副教授，在读博士，研究方向：语言哲学、科技哲学。①本文用“机器智能”代替“人工智能”的提法，理由是机器智能体无法完全模拟人类的生物属性，而是有其独特的思维特征和运行方式。PhilosophicalRe-examinationof“MachineIntelligence”：InsightsfromWittgenstein′sthoughton“Relation”FANGFang1，2，LIUChengke3（1.SchoolofHumanitiesandSocialScience，UniversityofScienceandTechnologyofChina，Hefei230026，China;2.SchoolofForeignLanguages，HeifeiUniversity，Hefei230601，China;3.SchoolofForeignLanguages，AnhuiAgriculturalUniversity，Hefei230036，China）Abstract：“MachineIntelligence”isinthetransitionstagefromsuperficialimitationofhumanproblem-solvingabilitytodeepsimulation.Therearelimitationsinthethreephilosophicalparadigms（symbolism，connectionismandbehaviorism）onwhichdifferentapproachestomachineintelligenceresearcharebased.Wittgenstein′sphilosophyoflanguagesupportsthenewparadigmof“semanticconnectionism”，andprovidesuswithimportantphilosophicalreflections：thecorrectionoftheconceptof“intelligence”，theemphasisonsemanticsandtheinsightintotheproblemof“relation”.Wittgenstein′sthoughton“relation”willprovideasolutiontothe“FrameProblem”thatplaguesthefieldofmachineintelligence.Keywords：Wittgenstein;thoughton“relation”;machinetranslation;FrameProblem机器智能①是一个具有无限可能的领域，自20世纪50年代开始，经历了通用问题求解、专家系统等发展阶段之后，目前已掀起第三次基于深度学习技术的浪潮。随着生物识别、自然语言处理、大数据驱动等智能技术的不断发展和深入，机器智能的各个领域取得了重要突破。而在机器智能研究发展的过程中，“智能”的概念也在发生着变化，从对人类解决问题能力形式上的模仿过渡到一种深层次的模拟。那么，究竟何谓“智能”？当前一些观点J为“智能”是指像人脑那样解决问题的能力。初始阶段，受时代和技术限制，“智能”被简化为“解决问题的能力”，而问题的解决过程不甚明了，好似被置于一个“黑匣子”当中，研究者不问中间过程，只问结果。2017年，AlphaGoZero击败人类棋手，成为机器智能领域划时代的事件，从这一突破来看，“智能”已经不再限于“解决问题的能力”，而是增加了一个重要的前提――在资源有限的前提下。当前机器智能的发展显得有些无序，其根本原因是对“智能”的理解差异，有关“智能”的哲学信念决定了它今后的发展方向，只有方向正确，技术才能有真正意义上的突破。Hammer把“智能”看作是“一个适应系统在知识和资源不足的条件下工作的能力”[1]。实际上，“智能”不是解决具体问题的能力，而是在不同情境和条件下应对问题的元能力，简单来说，是否“智能”不在于能做什么，而在于在什么条件下做到[2]。我们认为，AlphaGoZero的设计符合新的智能定义。它的胜利标志着机器智能离人类智能又近了一步，搁置已久的“黑匣子”有可能在第四次浪潮中被打开。按照图灵的分类，人工智能涉及到三个层面：知识层（knowledgelevel）、数据层（datalevel）和现实层（realitylevel），不涉及现实层的研究属于机器思维研究。为了使问题的讨论更加聚焦，本文只涉及机器思维层面，即从哲学层面展开分析和讨论，寻找机器智能研究新路向的哲学基础，暂不考虑感知和行动能力等更为复杂的情况。