传媒教育网

 找回密码
 实名注册

QQ登录

只需一步,快速开始

搜索
做个试验
楼主: 刘海明
打印 上一主题 下一主题

人工智能与新闻业案例集锦

[复制链接]
141#
 楼主| 发表于 2019-8-7 22:29:56 | 只看该作者

央视新闻春节推新产品:能互动的AI,才是真的AI
开始的时候,我们创造工具,后来它们造就我们。
——马歇尔·麦克卢汉
当我们在讨论人工智能的时候,其实自身已不知不觉身处人工智能时代。越来越多的新媒体平台,以创新产品赋能用户为导向,来抢占AI应用在传播平台的制高点。从这一趋势中,可以窥见媒体的焦虑与紧迫,希望用AI来赋能自身、重塑内容。但细究这些产品,往往会发现多流于“为了创新而创新”“为了AIAI”的窠臼。
事实上,AI不仅是一种新工具,更是一种新的思维范式。想要用好AI,媒体要做的不是旧瓶装新酒,而是真正从用户角度出发,探究AI应用场景、深耕AI应用需求,站在AI赋能用户的视角,去做产品。
春节是一年一度各个新媒体平台的厮杀之地,在今年的春节大战中,央视新闻新媒体推出了一款交互产品《你的生活,AI为你唱作》。可以说,这款产品与最流行的行业基准相比,不仅实现了多个“最新”尝试,也为AI应用在产品互动创新上带来鲜活的实践范例。
一、预判使用场景
“春节:中国人最大的情感互动场”
春节产品,与其他的新闻节点产品有很大的区别。相信央视新闻对于这个节点的特殊性也在事前进行了分析。
春节作为一个用户场景,有两大特点:
1.感受的划一性
2.互动的强烈需求
对于“春节”,绝大部份中国人的感受几乎是一致的:团圆喜庆。在这一点上,庞大的用户人群没有太大的差异化。而春节场景中浓厚的传统中国人情味,也使得这一场景具有强烈的互动可能性。
对于央视新闻而言,从最初在重大活动、重要节点报道场景中,用无人机呈现震撼壮观的全景图片、VR/AR为用户呈现三维的感官体验……这些都通过AI技术手段拓宽了信息传播的方式方法,给予用户有别于以往的媒体体验。或许,正是这些鲜活实践的引领,不断从用户的所获所感中,让央视新闻新媒体寻找到深入探究AI在不同场景应用的用户体验,细化用户需求,是生产新媒体产品的主要根基。带着这种用户需求的指引,在新春之际,随着众多社交平台逐渐热闹起来,许多触手可及的现象级产品赋能用户有关“年”的体验。在这样的应用场景中,做一款有关春节话题的产品,服务用户需求变得尤为贴切。
二、深耕用户需求
秀场 + 独一无二  = 我愿意分享传播
互动产品的传播,主要路径有两个:B2CC2C
1.大平台的B to C 传播
2.用户自发在朋友圈等社交媒体的分享传播(C to C
央视新闻作为一个拥有近四亿用户的央媒旗舰平台,在B2C这一路径占有得天独厚的优势。但从央视新闻的产品思路中也可以看出,央媒同样认可:观众的“自来水”(自发传播)才是对一个产品的真正认可。从春节多款产品的设计思路来看,占据C2C传播路径,获得普通用户的真正喜爱,才是央视新闻的目标。
细究朋友圈的热款爆款,“秀”款占据了半壁江山,把握用户想秀出一个更美好的自己的心理,多款结合了p图技术的互动产品,曾经风靡一时。但时至今日,单纯的场景p图产品,已经让用户审美疲劳了。另外一方面,发朋友圈就是用户想要秀出一个更美好、更优秀的自我,这是所有产品设计者应该记住的人性逻辑。因此,想让用户自发传播,关键就在于如何能设计出一款既满足用户“爱秀”,又能秀得“独一无二”的产品。
用户的情感点、关注点、传播点与共鸣点,都是产品设计中需要考量的元素。因此,通过资源整合、技术联合,推敲能够深入情感互动、传递正能量的新媒体产品,则成为凸显创新实力,吸引用户情感参与的重要元素。
三、预判场景+深耕需求
央视新闻新春互动产品《你的生活,AI为你唱作》精彩上线
前面所谈,央视新闻新媒体细化用户需求、深化产品互动,可谓对AI技术赋能用户做了极为细致的定位分析,二者又如何叠加起来呢?在重要的时间节点“春节”话题场景中,推出一款基于情感共鸣、又颇具个人特色的互动产品是个挑战。然而,就在这样的环境下,一款由央视新闻联合微软平台全新打造的H5交互产品《你的生活,AI为你唱作》,在央视新闻新媒体各平台上线了。这款H5可堪称AI工具在互动传播应用领域的又一次突破。首先,这款新产品的互动性更强,应用AI技术更多、更全面;其次,它交互式的便捷应用,适用于大众用户群体,体验效果却因人而异。可以说,“私人订制”式互动优势,让这款产品成为当前最新颖的H5交互产品,那么这款产品到底新在哪儿?

《你的生活,AI为你唱作》

1.先进的AI技术支持
针对这款最新H5互动产品,所用AI技术总体包括3个主要部分:最新计算机视觉技术、最新智能歌词创作系统、最新定制声音技术。
其一,对于最新计算机视觉技术应用,主要是根据用户上传不同类别的照片,计算机会通过AI 视觉技术去分析照片的主题、环境、人物、颜色、表情等诸多元素,从而对照片的画面内容呈现得到掌握。
其二,借助对照片内容的综合理解,进入到一个最新智能歌词创作系统,该系统会根据内容分辨类别,开始进行歌词的创作。值得一提的是,计算机将会针对不同的照片内容,呈现不同主题,最后生成不同的歌词。
其三,这些歌词形成之后,最新定制声音技术将根据歌词的内容,把央视主持人康辉的声音跟歌词进行合成,并且和配乐伴奏进行混音处理。最后,每个用户就可以得到自己专属“私人订制”的MP3歌曲。
2.前沿资源整合
这款H5互动产品,最终呈现在央视新闻新媒体各端口平台,用户简捷使用的同时,殊不知这款简单的小应用,其实一次集成了多种最新AI技术及央媒资源。本次使用的最新的AI计算机视觉技术可以通过分析图像来检测出有关图像视觉主题,特性、颜色、识别人脸和提取文本内容等。智能歌词创作系统则是微软最新技术应用,它基于语义的理解以及韵律等各方面综合考虑,进行歌词的创作。定制声音的技术,也是最新尝试,结合不同声音,尤其是利用央视资源,以央视主持人康辉的声音和其他的一些文本进行匹配,生成场景丰富的千变万化的声音组合。可以说,几种最新AI技术上的应用,与央视职场人康辉唱作结合,这样的资源整合应用在H5产品中是历史上的头一次。
3.创新的互动体验
该款产品务求打造一个特殊式互动体验。其“特殊”就体现在每个用户都可以“私人订制”属于自己的一首歌曲。春节之际,忙碌了一年的每个人,都有着不同环境经历的奔波,每一个人都有属于自己的情感标签。而怎样来呈现这一年自己的经历,来编注这个标签呢?这时,用户只要参与央视新闻新媒体各平台上线的这款H5产品,就可以实现:只是上传自己的一到四张照片,计算机就会根据照片画面内容生成不同的歌曲,并以用户喜欢的声音唱出来。可见,这款产品以个性互动为呈现方式,以真实情感为落脚点,成为人与产品深入互动的一次鲜活体验。正是这样的新颖形式,使得该产品一上线,就在朋友圈及各平台活跃互动起来,并受到网友们的热切关注与点评。

录制

评论
4.深入的互动引领
一款优秀的新媒体产品,唯有触达用户,与用户发生广泛而频繁的互动交流,进入用户的生活使用场景,才有“上桌”被评判优秀与否的资格。作为央视新闻新春特奉献,这款产品《你的生活,AI为你唱作》,一经上线就受到网友们的追捧。据数据统计,该产品在央视新闻新媒体各平台上线仅2小时,用户参与量就超过了300万人次。同时,为配合《你的生活,AI为你唱作》产品,央视新闻新媒体利用AI声音再次创作,采访康辉,用“AI康辉采访康辉本辉”为话题制作视频3条《听这段康辉与AIBattle!猜哪个是真正的康辉?》《朱广权cue康辉:康辉用这段rap回复了》《AI康辉采访康辉本辉:咱俩谁的声音好听?》。视频抓住网友心理:央视主持人接地气的“反差萌”、真假康辉互动、回应朱广权表情包、点评人工智能几个点触动了网友的兴趣点,不仅在自有平台传播效果好,还在微博、抖音等平台上引发热议。同时,央视新闻新媒体还就该产品推出报道《央视新闻春节产品开拓人工智能媒体应用新场景》,对产品的技术创新和应用创新进行解读。可以说,这款H5产品带来的叠加传播效应可圈可点。截至28日,《你的生活 AI为你唱作》融媒体交互产品在各平台阅读量3800万,利用AI声音创作视频阅读量3500万,微博相关话题阅读量2700万,AI相关产品仅在央视新闻各账号总阅读量就已超过1亿,开创央视新闻新媒体融媒体交互产品阅读量新高。这样的传播效果再次印证,无论新媒体技术应用发生怎样的变革,源自人类本身真挚、朴实的感情永远最能打动用户关注。
诚然,央视新闻新媒体主抓用户情感,在细节上做出创新,赋予了内容产品灵魂和热度。这在当前AI应用渐趋成熟的环境中,实属为行内探究产品带来最新实践指引:当前产品深入互动还应更多呈现,毕竟“AI”要互动才是真“AI”。
来源:新闻与写作
链接:https://mp.weixin.qq.com/s/0QAdgHzJrOJCh-ix3YdILw
编辑:晓晴

微信图片_20190807222447.jpg (34.48 KB, 下载次数: 23)

微信图片_20190807222447.jpg
142#
 楼主| 发表于 2019-8-7 22:36:24 | 只看该作者
【案例】
央视新闻推出“识花世园会”融媒体产品 提供植物识别、展园导览等服务
正在举行的2019北京世界园艺博览会,荟聚全球奇花异草。为了方便大家游园,央视新闻推出“识花世园会”融媒体产品,提供植物识别、展园导览等服务。


在北京世园会上,看到漂亮的花草树木却叫不出名字、该怎么办?打开央视新闻“识花世园会”融媒体产品,拍张照,就能准确知晓植物的名称,还有名字的来历、相关诗词、植物价值和养护知识等。该产品还有园区导览功能,可查看特色展园、展馆的介绍、周边设施、每天的活动信息等。


游客 杨艳华:我对这个花感兴趣,因为本身是南方的植物,我们不了解。然后通过这个软件我知道了它的名字是什么,花的特色是什么。不是走马观花地看,这个我觉得很有意思。

“识花世园会”开发工程师 季兴杰:我们现在有5.4亿张的图片数据,识别准确率能够高达98%,基本上能解决用户在世园会看到的不认识的花。只要拍照,就能知道这个花的具体信息,还能看到更多花的一些美丽的图片。



此外,点击“人面似花”上传自己的照片,系统将匹配与你气质最符合的一种花,增加趣味性和互动性。该产品已在央视新闻新媒体平台上线,用户可通过央视新闻移动网、央视新闻客户端相关链接或扫描二维码来体验。


中央广播电视总台央视新闻主编 郑弘:世园会要持续6个月的时间,我们也会不断开发和解锁新功能,比如这次有300多个珍稀濒危植物来到了展会,有些植物的数据我们是没有的。我们现在已经开始着手制作这些植物的数据库,在很快推出的二期产品,我们会把它更新进去。
来源:央视网
编辑:晓晴

143#
 楼主| 发表于 2019-8-8 21:31:49 | 只看该作者
【案例】
阿西莫夫|技术恐惧症

艾萨克·阿西莫夫(Isaac Asimov),1920-1992,美国著名科幻小说家、科普作家、文学评论家,美国科幻小说黄金时代的代表人物之一。代表作品《机器人系列》《基地系列》《银河帝国三部曲》
人们为什么可能患上技术恐惧症,即对技术进步的一种病态恐惧,存在许多原因。有些与技术本身无关,而只是与不合意的结果有关,其他现象也可能同样会引发这些不合意的结果。

例如,许多人惧怕特定的技术进步,因为他们发现这类东西可能使他们失去工作。这是一种理性的恐惧,在一个对失业者的困境漠不关心的社会里,这甚至是一种合情合理的心理。
同样的不安全感能够而且确实能够带来这种对外来竞争、或者无限制的移民、或者雇佣迄今受排斥的少数民族的趋势的恐惧感。每一种情况都可能会对某些人产生压力,这些人的工作冒着关税、限额或者偏执——不是出于经济或种族理论,而是出于对失业和艰难的可以理解的恐惧——的风险。处理这种形态的技术恐惧症将需要一种开明的社会意识,即作为一个项目,要允许对教育和再教育提供便利,因为随着科学技术的进步,总有一定类型的工作要缩减,但决不会是全部工作
引起技术恐惧症的第二个原因是出于对伴随技术进步而来的风险的鲜明的正确评估:当原子核能发电厂建立起来时辐射的危险;当各种工厂激增时有毒废物的危害;因我们向自动化社会的转化而引起的污染和死亡的危险。整个这一点是足够合理的,尽管它常常需要着力强调其不利因素,并且毫不考虑伴随而来的任何技术优势。与这种形式的技术恐惧症战斗的一种明显的方式,是技术人员控制此类危险和顾及环境的一种持续的和明显的成见。
可是,技术恐惧症的这些形态都不是我现在要考虑的。我关注的是一种更为微妙和更不易理解的技术恐惧症,它包括对于新的技术进步的恐惧,这种技术进步是就那些职业生涯真正涉及到技术的人而言的,他们无疑主张技术进步会使人获益。
具体来说,我们已经进入了计算机时代,而且,有了许多利用计算机技术的设备,从而使得一个广泛的机器系列具有以往从来没有过的性能。人们能够以这样一种方式使用计算机进行工作,即通过电话,信件,信息储存和恢复、控制、调节,以及办公程序的维护,做出超乎 10 年前想象的事情。


这种计算机化仅仅能够帮助使用者,增加他的职责,使他对他的雇主来说更具价值。这看起来并不含明显的不利因素。然而,非常多的人反对新的、技术先进的设备,而且,如果他们或多或少被迫接受它,也会忍住不去使用它。
这不是我仅仅通过传闻了解到的东西。我自己,就是这种形态的技术恐惧症的一个主要患者,而且,就我而言,比起其他人的情况,它更让人困惑不解(而且更丢脸)。毕竟,我恰好不是要通过接受一定的变革来获益。我实际上是它们的不知疲倦的宣传员。比方,我写过很多的文章,在这些文章里,我赞扬过世界上即将来临的计算机化和自动化。我认为它是值得向往的进步,而且极力主张用各种办法加速它的进程。我常常指出,技术普遍进步的方法会起到促使当今世界面临的许多严重问题得到解决的作用。
你于是多半认为我会将处于变革前沿当成我的职责,时刻准备接受这些涉及我的职业和我的生活方式的进步。并非如此!
我是一名作家,而且是高产作家。我很好地使用这种或那种打字机的时间已超过40年。可是,现在所有在我周围的我的作家同行们正在改用文字处理器。我常常听到文字处理器给他们带来的好处,然而,我仍旧对这种诱惑充耳不闻。我坚持使用我的打字机。

告诉你,我完全能付得起购买一台文字处理器的钱,但我没有这样做。我甚至没有考虑过这种情况。我根本没有费心去了解过一台文字处理器像什么样、它怎样工作以及它能做些什么事情。我宁愿对它们视而不见,固执地使用打字机打字。
终于有一天,一名杂志编辑要我写一篇文章谈谈我使用文字处理器的体会。(当然,他猜想我有一台而且使用过它。)我不得不承认我没有文字处理器。这名编辑立即采取行动,他与Radio Shack公司取得了联系,在很短的时间里将一台带 ScripsitTM程序的 TRS-80 ModelⅡ型微型计算机送到了我的面前。其想法是,我得配置一台文字处理器,我得学会怎样使用它,然后,我得写一篇关于它的文章。
这看来再直截了当不过了,然而,我感到十分害怕。自然,Radio Shack公司的职员给了我极大的帮助。他们的代理花了数小时安装好设备,并教我使用它,然而,我的反应是,我仿佛正在被请上牙医的手术椅。惭愧的是,进行了十多次尝试,我仍然只能一次次地放弃这项工程,不过,我终于学会了怎样使用这台机器。从那时起,我一直在使用它,事实上,我就是在这台文字处理器上写这篇文章的。
然而,我自问,为什么我对某些确实有助于我(而且已经帮助了我),甚至一开始就没有花费我半文钱的东西如此抵触呢?
我的第一个理由是,我爱我的打字机,不想扔掉它。这是一个彻头彻尾的谎言。在我使用打字机的40多年里,我曾经不感到一丝痛楚地将手动设备换成了电动设备,又快活地将一个带有移动支架的电动设备换成了带有移动“胡桃”的电动设备。以往,当我扔掉一台陈旧的、习惯使用的机器时,我从没感到过痛苦。为什么我现在应该感到痛苦呢?事实上,我并没有扔掉它。无论何时,当我感到对它的爱意涌动时,我仍会使用我那台亲切的旧打字机。今天早上我就用它打了几封信,从而消除了怀旧情绪。
一个被我使用的更为理性的理由是,多年来,我已经设计出一套自动机构,使我能够在不太关注各个细节的情况下没完没了地打数小时字。我为什么要去破坏这种状况呢?
或许这也是个理由:我不希望为了从头学习其他某种东西而抛弃某样我好不容易才学到的东西。确实,我高估了相关的困难。当我使用文字处理器时,我仍然在打字,而且使用我的自动机构,因为在我的手指下方仍然有一个键盘。不过,还是有一些我必须使用的新键,因此我必须学会使用它们的秘诀。这被证明不难,而且,我能够(而且确实这样)毫无问题地在我的文字处理器和我的打字机之间来回轮换使用,然而,我对于不得不对自己进行再教育的畏惧是值得关注的。
人类在一生中要学会如何操作众多的复杂设备。这种学习并非总是容易的,然而,人们一旦学会了这种复杂的东西——如果他们完全学会了——一切都变成了自动化。放弃它而学习其他某些东西,再次经历这一过程的想法,是令人极其畏惧的
例如,美国使用的通用单位制——英寸、英尺、码、英里,或者盎司和磅,或者品脱、夸脱和加仑——是一个复杂得难以置信和毫无意义的单位混合体。文明世界的其他地方使用公制体系,相比之下,这个体系本身是简单的。使用公制体系将会把我们花在教育年轻人身上的无数时间给节省下来,而且,还有益于整个产业结构。自然,会有一个转化的初始代价,然而,这很快会被紧接而来的节省所补偿。
可是,毫无疑义,美国公众害怕公制体系。如果说美国公众有其愿望,那么,他们将倾向于永远使用目前的单位制。并不是因为公众使用通用单位制时具有任何了不起的技能。极少有美国人能够完全轻松地使用它们,也极少有美国人能够立即说出1蒲式耳等于多少配克,或者1英亩等于多少平方英尺,1英里等于多少英寸。然而,我们不愿将它更换为任何孩子都能在一天里学会并在一生中都能记住的一种单位制。我们为抵制这种更换制造了各种理由,然而真正的理由是,我们惧怕再学习这样一个过程
正是同样的恐惧使得人们没有用一种切合实际的日历,来取代我们现在使用的,或者是简化英语单词拼写的那种日历。我们坚持唯独在二月采用28天,而将“nite”拼写为“night”,完全是因为我们已经了解了这种没有意义的东西,而我们将不得不学习有意义的东西。
因为这个缘故,数百万人学会了如何在标准的打字机键盘上快速打字,这种键盘是由最初的发明者在没有关于这方面的太多想法的情况下逐步建造出来的。完全有可能设计一种其字母排列方式能让任何人的打字速度至少提高 10%的键盘,其简单原因是,人们的双手将会操作更为接近相同的部分,从一只手换到另一只手并且返回将更为协调。可是,一种新的合理的键盘不会被接受。有数百万人已经投身于学习怎样快速而自动地在标准而毫无意义的键盘上打字。
因此,你们患有技术恐惧症。这是对再教育的恐惧。受过教育而又高智力的有能力的经理主管人员,如果有什么不同的话,就是比其他人更倾向于它。因为在再教育过程中,你往往要从头开始,而比起较低等级的人员来,高级人员有更多的包袱要扔出窗外。要开始一个你认定已经永远结束了的过程,或者要抛弃一个已经辛辛苦苦达到了的高度,可不是件令人愉快的事情。
那么,人们会怎么做呢?不使用明显有益于我们所有人的新技术将会是荒唐可笑的。如果我们拒绝计算机化社会中的机遇,正如拒绝公制单位那样,那么相对于那些决心向前迈进的国家来说,我们将置自己的国家于令人无法容忍的劣势地位。我们已在蒙受被日本人超越的羞耻,他们正在使用一些包括工业机器人在内的先进技术。那么,我们如何克服技术恐惧症呢?
我觉得,再教育必须被认可,因为它是非常困难而且令人为难(甚至尤其如此)的过程。就我而言,我自己关于文字处理器的技术恐惧症是被Radio Shack公司的员工来到我家里并且私下教我操作方法这样一个事实所克服的。确实,这相当困难和棘手,但是,如果打一开始就有一群深谙文字处理器使用之道的人在一旁围观,并眼看着我将它搞得一塌糊涂,那我永远也不会成功地使用它。为了不经历这种羞辱,我宁愿将计算机踹出我那33层楼高的窗户, 并且高高兴兴地支付赔偿款。

因此,我要提议,不管办公室里的哪个人需要使用一台对他来说是全新的设备,他都应该有私下里学习使用方法的机会,并且无须过急地学会使用它。在学习中,对于任何困难决不应该感到任何惊奇,也不要坚持说:“真的,这种过程十分简单。”这种过程可能确实简单,然而放弃和重新开始的心理困难是巨大的,应该带着同情心去看待。
如果私下里富有同情心的再教育是胡萝卜,那么也要有大棒。年轻人在学习新技术的过程中没有麻烦。这并非因为学龄儿童比成人聪明,也并非因为智力动脉随年龄的增加而硬化。根本没这回事!年轻人还没有背上一大堆他必须卸下和舍弃的巨大的知识和经验的包袱。在一张白纸上写文章,远比只能擦除已经写好的另一篇文章(而且是用或多或少擦不掉的墨水写成的)之后再写同一篇文章所花的时间少
不管怎么说,刚进入一个行业的年轻人学会使用先进技术,要比老雇员们(就其经验和判断所涉及的各个方面而言,他们都处于优越地位)容易得多。人们不希望抛弃所有那些经验和判断,然而,正接下学习新技术的苦差使的经理们最好要懂得,如果所有其他人都失败了,还有那些雄心勃勃的年轻人正等着拾级而上。
比方,我没有理由害怕其他作者学习使用文字处理器。文字处理器可能会使写作的机械性工作变得既简单又快速,然而,这不会在质量上产生直接的效果;而且,只要我感到我的素材是好的,那么,不管制作它的方法可能多么老式,我都能够靠卖掉它不断谋得生计。不过,假设我意识到,编辑们乐意与我交往的原因之一是,我能快速罗列出条目,我能不负众望如期交稿(情况属实)。我若被其他使用文字处理器的作家所超越,则编辑们将对我越来越没有兴趣。在这种情况下,我肯定会以比我曾经做过的那样快得多的速度转向文字处理器求助,而且带着更为冷峻的决心面对痛苦的再教育任务。这便是胡萝卜加大棒的软硬兼施!
也许,再教育的任务不是挡在经理们全心全意地接受新技术道路上的唯一问题。
在某些方面,计算机化排除中间人。一台编程完好的计算机执行多种任务,如果用较陈旧的办法,这些任务是由一名秘书、打字员或者档案管理员去承担的。可是,纵览人类历史,一个人的身份是由有多少人立即按照他的命令办事来衡量的(至少部分是这样)。因此,存在一种趋向——总有一天,技术进步会使得不需要使用一个下属——即无论用什么方法使用一个下属——的情况出现。
比方,电话使得无须派出一名信使。只需拿起话筒拨号即可,而且还能够直接对话。用陈旧的标准来看,你亲自做这种事也不会对工作产生什么影响,除了会使你自降身价之外。因此,有必要让你的秘书替你拨电话号码。如果她遇到另一个秘书,那么,可能会有一场竞争,在交谈中作为首先接电话的一方会使身份降低。
在这种情况下,对一名经理来说,难以在不降低身份的情况下使用技术先进的设备。敲击一台打字机的键盘是秘书的工作,即使键盘对一个精心制作的计算机化系统给予了指示。自然,经理所处的位置越高,降低的身价就越多,就越不愿使用这种设备。这种趋向要求引入一类新的中间人,即使用定购设备的技术人员。当然,这增加了开支并且是低效的。究竟怎样才能纠正这种情况呢?
也许,方法之一是使用衡量身份的另一套标准。用钱来衡量!
在一个计算机化的社会里,乐于使用而且能轻松使用计算机的人是必不可少的,所以理应被给予报酬。如果一个经理亲自操作计算机,因此要求获得一份远高于他让别人代劳所获得的薪酬,这样设想似乎是合理的。此外,如果他重视对一个下属的控制甚于对金钱的纯粹占有,而且满足于较低的薪金,那么,假若这个操作非常重要的计算机的下属本人拥有一份经理的薪金,这可能会破坏某些乐趣。要感受一种真实的优越感可能变得困难,这种优越感是相对于显示出相同收入额的其他某些人来说的。
不过,这可能倾向于复杂难解。试图单独用金钱来取消声望的抽象概念,可能不总是起作用。在任何分等级的社会里,总存在某种特别的态度,不管怎样都会认为,一个可能处于极度贫困的没落的“绅士”,优越于一个只是有钱的“商人”。
幸运地是,还有另一条使问题可能得以解决的途径。在过去的40年中,计算机取得了令人惊异的进步。1942年时,甚至最有创见的科幻小说作者都不敢将1982年的计算机系统描述成它们现在被实际证明的样子。
至少,认为计算机将会持续取得迅速进步在目前是合理的。
也许,它们将在“便利”的方向上取得进步,也就是说,它们将在使之更易于人类操作的方式上得到改进。简化操作的最后结果是完全应用语音作为命令模式。
在经理能够使一条指令被执行的场合,能把作为下属的人与所有其他设备区分开来的标志是,人类能够服从一项口头的命令。而对其他所有事物而言,经理必须按动按钮、拨打号码、书写便条、摘录卡片——做某些不同于口头表达的事情。
因而,如果想要一条信息的经理可以说“给我如此这般”, 并且获得了这条信息,那么,遵循这条指令的无论是一个将这条信息放在桌子上的血肉之躯,还是将这条信息显示在荧屏上的铁电之身,都无关紧要。当然,如果(假设是后者)计算机能够说:“先生,这是您要的信息!”仿佛荧屏苏醒过来似的,那也不错,如果它能够被编制程序用尊敬的声调说这句话,那就更好了。
在这种情况下,有些使用计算机系统的人很可能根本没有太多的感受,即便有,那也是感到降低了身价。
一切都会到来。如果我们日益复杂的文明要继续发挥作用,那么,它必定会被计算机化,而技术恐惧不能而且将不会被允许挡在这条道路上。因此,我们将不得不弄懂不愿进行变革背后的原因,然后,采取行动消除它们,或者至少将它们压缩到最小。


原文链接:https://mp.weixin.qq.com/s/valPuXse2albhrwxcAdYqg


编辑:董莉
144#
 楼主| 发表于 2019-8-8 21:37:30 | 只看该作者
【案例】
机器人的未来发展:从工业自动化到知识自动化

读】智能时代的核心技术将是知识自动化,因此必须从一开始就加快、加强以软件形态为主的知识机器人的研发与应用,尽快形成软件和物理形态平行互动的新型机器人系统,并以此为突破口,引发下一代智能机器人的迅速发展。 王飞跃院长重点围绕软件机器人、知识机器人、平行机器人和相关的机器人学,对机器人发展的历史与趋势进行了简要的探讨。

王飞跃1,2

【摘要】 重点围绕软件机器人、知识机器人、平行机器人和相关的机器人学,对机器人发展的历史与趋势进行了简要的探讨。主要观点如下:1) 在加强和提高现有工业机器人,特别是以物理形态为主的机器人技术与应用的基础上,必须重视以软件形态为主的机器人,特别是知识机器人和虚实互动的平行机器人技术的发展;2) 工业机器人曾在工业自动化过程中发挥过重要作用,知识机器人的未来是知识自动化,必将在智能产业中起关键和核心作用,连通物理、社会和信息空间,使工业制造系统从过去的牛顿式机械系统成为默顿式智能系统,这就是未来机器人发展的主要特征。

【关键词】机器人;机器人学;软件机器人;知识机器人;云机器人;平行机器人;知识自动化;智能产业

近年来,机器人技术的研究与应用在全球范围内得到了各发达国家的空前重视,从美国的“国家机器人计划”、欧盟的“SPARC机器人研发计划”,到日本的“机器人新战略”等,充分表明机器人技术对发展国家实力和保障国家安全的重要性。长期以来,中国相关部门对机器人技术的研发也给予了很大的支持,尤其是自2014年起,在各级政府的推动下,我国机器人产业的发展呈爆发式增长,一场中国式的机器人“大跃进”势不可挡。

据报道,2014年中国工业机器人市场销量达5.7万台,与2013年的3.6万台同比增长55%,约占全球市场总销量的1/4。中国已经连续两年成为全球第一大工业机器人市场,但其中2013年国内企业仅占中国市场销量的15%左右。另据国际机器人联合会(IFR)统计,2005—2014年间,中国工业机器人市场销售量的年均复合增长率为32.9%,而2004—2013年间为29.8%。预计到2017年,工业、服务和特种机器人的全球市场规模将达到750亿美元,并带动相关产业上千亿美元的增长。该统计同时还指出,2013年,中国每万名制造业从业人员机器人保有量仅为25台,而世界平均水平为58台,其中韩国396台、日本332台、德国273台。对于机器人应用最多的汽车行业,先进汽车生产国的工业机器人使用密度均己达到1000台/万人,而中国仅为213台/万人。

因此,在目前的形势下,如何进一步健康有效地发展机器人技术,是一个必须关注的重要问题。人才培养、深入应用、让机器人在产品产业的转型升级中切实发挥作用,是大家公认的正确途径。同时,本文认为,除物理形态的机器人之外,应更加注重软件形态的机器人技术的发展与应用,吸取计算机技术发展过程中“重硬件、轻软件”所造成的信息技术与产业长期整体落后的惨痛教训,避免重蹈覆辙。工业时代的核心技术是工业自动化,物理机器人正起着越来越重要的作用;但智能时代的核心技术将是知识自动化,因此必须从一开始就加快、加强以软件形态为主的知识机器人的研发与应用,以软件机器人的发展促进物理机器人的升级,尽快形成软件和物理形态平行互动的新型机器人系统,并以此为突破口,引发下一代智能机器人的迅速发展。

1 物理机器人:功能智能化与深度化

第一台可编程工业机器人Unimate源自George Devol 1954年的专利Unimation,即通用自动化(universal automation)之意,由Joseph Engelberger主持试制生产,1961年完成并用于通用汽车公司(General Motors, GM)的压铸生产线。1978年,他们又推出用于组装生产的PUMA(Programmable Universal Machine for Assembly)机器人,这才真正启动了工业机器人的时代。随即,以George N. Saridis为首的自动化与智能控制学者进入机器人领域,于1984年创立“IEEE机器人与自动化委员会”,3年后转为“IEEE机器人与自动化学会(RAS)”,今天已成为全世界机器人领域最大最具权威的学术研发与应用专业人士的组织。

从发展历程来看,机器人技术的研发与应用在20世纪80年代后期至90年代中期达到了一个历史性的高潮(图1为本文作者当时在美国亚历桑那大学机器人与自动化实验室进行实验,领导团队于1992实现了通过互联网从法国和日本远程控制实验室的工业机器人),逐渐从工业制造向国防、救援、医健、娱乐、家庭、教育、生物等方向扩展,形成了工业机器人、服务机器人和军事特种机器人等分支。但核心技术基本相同,而且都是以机电一体化的物理形态机器人为主,机器人软件开发、机机通讯、人机交互等重要但非主流方向[7]为辅。20世纪90年代后期,由于科技发展的热点转向网络技术的研发与应用,机器人相关工作受到一定冲击,一度进展缓慢,人才流失严重。进入21世纪后,随着机器人和无人机在美军反恐战争中的有效部署、特种手术机器人的成功应用、无人车的重大突破,特别是智能技术的迅猛兴起与融合贯通,物理机器人的研发与应用也进入了一个新的历史阶段和高潮。
除传统的机电传感、规划控制、协调执行等研发方向之外,物理形态机器人的最近工作呈现许多新的趋势,例如:1) 人机交互、人机共同操作(Co-manipulation)、人机安全等;2) 软体机械人,从柔性机械臂向软性材料构建的机器人发展,对各种性能的人工假肢、人工关节和驱动型人工肌肉的开发;3) 小至体内检测、释药、手术的体内医用机器人,大至管道检测维护和岸边或离岸的巨型机器人等多种多样的特种机器人系统,还有更多种类的先进机器人武器等;4) 以无人车或智能车为代表的移动机器人更为引人注目,各大汽车制造厂家纷纷介入,推出自己的相应产品或演示系统,机器人汽车或许不久将成为现实;5) 机器学习、SLAM、概率图方法、多源数据深度融合、自然语言处理等智能技术方法广泛用于机器人的研发和应用,特别是己经成为数据驱动的机器人和人形机器人等的兴起及发展之关键。。由这些文献可以看出,物理形态的机器人的研发正朝着功能的精化、可靠、高效和智能化方向发展。

图1   20世纪90年代初本文作者在亚利桑那大学机器人与自动化实验室工作,图中有2个PUMA工业机器人和1个三菱教学机器人

2 软件机器人:系统虚拟化与云端化

软件机器人的历史起源很难清楚地界定,虽然与机器人仿真、胞式机器人(cellular robots)、元胞自动机(cellular automata)等密切相关,但这些从未被正式地以“软件机器人”称之。事实上,英文“software robots”或“software robotics”很少被专业地使用,至少没有专业上的界定或学术定义。一般认为:“software robots” 就是“bot、web bot、web crawler、spider”等软件的统称,就是网上数据的搜索、下载、复印等软件程序而已。近来,Siri、Cortana、 “小冰”、“小度”或“小i”等聊天问答软件的出现,更被大众视为“软件机器人”的代表和象征。

事实上,网络化机器人的出现和发展应被视为软件机器人的真正开始。20世纪80年代,通用汽车公司在已有工业机器人应用的基础上,提出“制造自动化协议(manufacturing automation protocol,MAP)”工程以及相应的基于EIA-1393A通讯协议的MMFS(Manufacturing Message Format Standard)标准。由于MMFS无法满足由不同厂家的机器人、数控机(NC)、可编程控制器(PLC)等组成的过程控制系统(PCS)的通信要求,制造报文规约(manufacturing message specification,MMS)应运而生,成为“虚拟制造装置(virtual manufacturing device, VMD)”之间通讯的标准,最终演化为国际标准ISO-9506,为网络化机器人系统,进而软件机器人的形成和实际应用创造了基础条件。

MAP/MMS之后,特别是在WWW使基于TCP/IP的HTTP得到广泛应用之后,网络化机器人系统才真正起步。20世纪90年代初,基于互联网的工业机器人系统雏形出现,如通过电子邮件和网页控制的PUMA和其他机器人系统,并逐渐发展成“网络机器人学(networked robotics)”这一新领域。 至20世纪90年代末,又提出了远程脑化机器人(remoted brained robots)等概念,并进一步演化成与生物或人类大脑交互的网络控制机器人等相关研究方向。

2001年,IEEE RAS创立“网络机器人专业委员会”,以推动相关研究。同时,自动化领域也开展了网络化控制等相关方向的工作,如基于代理的控制方法(agent-based control,ABC)等。代理,特别是移动智能代理的引入,加快了从网络机器人向软件机器人转化的进程。2009年,欧盟的“机器人地球(RoboEarth)”项目启动,目标宏大:提出要建立机器人自己的WWW,形成一个关于机器人的巨大网络和相关数据、知识和算法的机器人世界,让机器人可以在RoboEarth里共享信息并相互学习各自的行为和环境。图2给出RoboEarth的系统构架,相关功能模块清晰地显示了机器人软件从实质上开始了向软件机器人的转化过程。云网络、云计算等等,如Rapyuta平台,已在此项目中发挥重要作用。
图2   机器人地球(RoboEarth)系统框架

2010年,James Kuffner正式提出“云机器人(Cloud Enabled Robots)”和“云机器人学(Cloud Robotics)”的概念与术语,并阐述了其可能的优越之处。这一提议,很快得到了业界的支持,虽然Kuffner没有使用软件机器人一词,但这标志着软件机器人已经与物理机器人分离,入驻云端,成为一个独立的机器人研发与应用领域。

物联网、大数据、云计算为云机器人控制建立了起飞的基础,而机器学习、人工智能、智能控制等智能技术,特别是众包(包括人类的众包和机器的众包)又为云机器人构筑了起飞的平台并提供了发展的动力。但云机器人的发展也面临着诸多挑战,如在隐私与安全方面,存在着许多与法律和道德相关的约束,以及易受黑客和计算机病毒攻击等重要问题必须解决。技术上也存在网络引起的可靠性、服务质量、性能效率、算法设计等问题。很明显,基于代理的网络控制和管理方法,特别是“当地简单,远程复杂”的网络云系统设计原理,可以从IaaS、PaaS、SaaS这3个层面来应对这些挑战。

然而,软件机器人的深入和进一步发展,必须将机器人的物理形态与软件形态进一步分离,同时在分离的基础上更加深度地融合,因此,必须考虑知识机器人和平行机器人。
3 平行机器人:互动可视化与个性化

2011年,文献引入网间机器人(web surrogates)、知识机器人(knowledge robots)、平行机器人(parallel robotics)等概念,试图将机器人从CPS(cyber-physical systems)空间推向CPSS(cyber-physical-social systems)空间,从牛顿式的机械物理机器人,迈向默顿式的智能平行机器人,使机器人也普及成为RaaS(robot as a service)式的实时、互动,而且网络化、可视化和个性化的产品。最终,使机器人从主要服务于工业自动化,逐步发展演成为促进知识自动化的主力。

图3给出平行机器人的框架,主要由2个对应体和3个功能块组成。首先是一般意义下实体形态的物理机器人,其次是特别意义下虚拟形态的软件机器人,或软件定义的机器人(Software Defined Robot, SDR)。软件机器人SDR不但刻画了机器人的规格和性能,还以可视化的手段提供了机器人的其他详细信息,主要包括维护、维修、备件、更新、服务、新算法、新应用等网络化实时知识,使对应的物理机器人的操作与保养变得简单而且经济、方便、可靠。换言之,SDR就是实际物理机器人之“活”的本体知识描述、可视化的信息中心,可以放在云端,也可以放在手机端或其它客户端,是云机器人的具体化、个性化和专门化的体现,也是类似于RoboEarth项目发展的必然结果。通过软件机器人和物理机器人的对应和平行互动,可以实现下面3个主要的功能模块:

1)  机器人的学习与培训——这既可以是机器人的操作员,也可以是机器人本身的学习与培训。可以是操作人员利用SDR学习使用机器人,也可以是机器人本身学习新的控制算法或智能技术。此时,RoboEarth中所提供的虚拟工作环境和互学习功能可以被充分的利用,众包式的人类计算手段也能够得到更加完美的发挥。

2)  机器人的实验与评估——同理,可以是操作员或机器人本身进行的各类“计算实验”或“计算实践”,以此对机器人的轨迹规划、任务排序、安全检测等程序进行分析与评估,借以降低成本、遵守法规、合乎模式等等。目前的机器人图形编程和可视化规划,正是这一功能模块的初型。

3) 机器人的管理与控制——通过物理和软件机器人的虚实平行互动,在CyberSpace中形成一个关于任务执行的大闭环系统,从而可以利用虚实互动自适应的反馈方式,使平行机器人系统更加准确快速地完成指定的任务,实现对机器人系统的智能控制与管理。

图3   平行机器人框架

显然,利用平行机器人的框架和运营机制,可以方便地将生产制造的物理空间、消费服务的社会空间、数据知识的信息空间连通,进而使平行机器人成为基于CPSS,而非仅仅是基于CPS的智能机器人。一定程度上,平行机器人可视为封装的O2O(O2O in a box)。而且,这种面向智能产业的新型机器将为人类社会产生新的工种,就像计算机产生新的工作岗位一样,如机器人学习与培训工程师、规划与评估工程师、操作与管理工程师等等,绝非是简单的“机器换人”,而是“机器扩人”、“机器渡人”、“机器化人”等,使社会更加智能、高效、舒适和安全。

4 从工业自动化到知识自动化:牛顿机与默顿机

在工业时代,受效益驱动,加上生产制造任务的不定性、多样性和复杂化等,促生了工业自动化和工业机器人。随着社会的不断进步发展,知识工作,特别是涉及网上的数据处理、信息操作、知识运营等工作也变得更加不定、多样、复杂,因此更加迫切地需要知识机器人,也只有这样,才能真正迈入一个知识经济和智能社会。知识机器人,如上述的平行机器人系统,正是进入这一新社会形态的一种关键且核心的工具和手段。

如图4所示,利用平行机器人形式的知识机器人系统,可以将物理世界中物理形态的机器人和虚拟或云端世界中软件形态的机器人融合起来,如同实数和虚数的融合打通整个数域,通过社会网络和物联网络连通形成虚实互动的机器人平行世界,即:


如此就可以形成虚实一一对应、一多对应、多一对应、多多对应式的新型工业机器人、服务机器人、特种机器人系统等等,使智能机器人在处理不定、多样、复杂的知识工作任务和流程的时候,具有深度知识支持的灵捷、通过实验解析的聚焦以及反馈互动自适应的收敛等能力,进而完成从工业自动化向知识自动化的转化。

必须指出的是,在这一转化过程中,必须考虑以前工业机器人不必处理的社会信号。物理机器人曾只需要考虑物理信号,但在平行机器人中,软件机器人在相当程度上是依靠社会信号来获取其对社会和信息空间的感知,这就是平行知识机器人必须面临的新挑战,也是为什么知识机器人必须利用自然语言处理、机器学习、人工智能和其它智能技术的主要原因。这方面的相关讨论和研究目前刚刚起步,涉及社会、心理、文化等学科,主要是如何完成从“大定律,小数据”的机械式牛顿系统转向“小定律,大数据”的智能化默顿系统。这一过程远比传统的工业机器人的开发要复杂,但意义也更加重要和巨大,必须倍加关注,尽快完成从机械的牛顿机器向智能的默顿机器的升华。

图4   知识机器人:从工业自动化到知识自动化
(注:本图引用了网上开源的机器人图片,特此说明致谢)

5 展望

发展智能机器人系统是产业升级和智能产业的基础,也是时代的要求。首先是智能产业对劳动人口的能力提出了更专、更深、更高,有时甚至是“非分”的要求,一般素质难以达到。其次是新一代“QQ”式的劳动力人口,伴随着智能手机、微博、微信等“碎片化”社会媒体和生活方式成长,已经难以适应上一代传统的学习方式与工作要求,相对而言“传统能力”退化。这“一进一退”,使得需求双方的差距更加扩大,必须靠机器人这类智能机器加以“补偿”。否则,不但产业无法升级,整个社会的竞争和影响力也将退化,这就是中国和其他国家近年来纷纷提出发展机器人和智能制造战略与计划的根本原因。

人才,特别是面向应用的高端人才的培养和有效利用仍是机器人产业发展的瓶颈。此外,必须充分思考机器人产业发展的战略,在提高加强物理形态的工业机器人的基础上,关注并重视刚刚起步但意义非凡的软件和知识机器人,特别是二者融合的平行机器人,吸取中国在计算机产业发展过程中的教训,突破重“硬件”,轻“软件”的传统思维,不要在回头捡“芝麻”之时,却被面前的“西瓜”绊倒,在智能机器人和先进装备制造领域再次失去另一次可能的重大发展机遇。






编辑:董莉


145#
 楼主| 发表于 2019-8-8 21:42:52 | 只看该作者
【案例】
不确定性、悖论、矛盾

经济学中
    不确定性指经济行为者在事先不能准确地知道自己的某种决策的结果.或者说,只要经济行为者的一种决策的可能结果不止一种,就会产生不确定性。不确定性,经济学中关于风险管理的概念,指经济主体对于未来的经济状况(尤其是收益和损失)的分布范围和状态不能确知。
不确定性量子力学
    在量子力学中,不确定性指测量物理量的不确定性,由于在一定条件下,一些力学量只能处在它的本征态上,所表现出来的值是分立的,因此在不同的时间测量,就有可能得到不同的值,就会出现不确定值,也就是说,当你测量它时,可能得到这个值,可能得到那个值,得到的值是不确定的。只有在这个力学量的本征态上测量它,才能得到确切的值。
在经典物理学中,可以用质点的位置和动量精确地描述它的运动.同时知道了加速度,甚至可以预言质点接下来任意时刻的位置和动量,从而描绘出轨迹。在微观物理学中,不确定性告诉我们,如果要更准确地测量质点的位置,那么测得的动量就更不准确.也就是说,不可能同时准确地测得一个粒子的位置和动量,因而也就不能用轨迹来描述粒子的运动,可与宏观世界一样微观世界同样具有客观规律,独立于意识之外,这就是不确定性原理的具体解释。
    在量子力学中常见不确定性有关于坐标和动量之间和时间与能量之间的不确定关系。其实,对于任何两个不对易的物理量均不能同时确定其确切值。这是与测量无关的,这是微观世界的本质问题。
    不要试图通过测量之类的方法来解释不确定性,任何有关测量的手段都会引入新的误差,可误差与不确定性是存在本质的区别的。另外,对于宏观世界中并不能观察到不确定性之类的现象,这是与可观察的测量精度有关的,因而仅是在微观世界比较明显。   
不确定性信息论
    在信息论中,不确定性是表征某随机变量的发生有多么可靠的物理量。一般用熵来计算这个物理量,记作H(X),X是随机变量。当H(X)=0的时候,X是十分确定的,也即X这时就是一个确定的数值。当H(X)=1时,X非常不确定,即X的取值非常不确定是哪一个数值。

关系是指人与人之间,人与事物之间,事物与事物之间的相互联系。

关系是怎样产生的?这个问题灰常重要!不惹众怒的说法是:关系是相互作用。只有在交互过程中才能产生出关系来,不管是直接的交互还是间接的交互。

人既有确定性的一面也有不确定性的一面,机(机器、机制)同样如此,如何把不确定性的一面转为相对稳定的确定性加以使用,这是人机融合的一个重要问题。人的确定性+机的确定性比较好理解,人的不确定性+机的确定性、人的确定性+机的不确定性、人的不确定性+机的不确定性难度会依次递增,解决好这些问题就是人机融合过程。

形式不但是结构的可能性,也是实现意向的可能性。Being在某种意义上也是Should的可能性,Should是Being的发展惯性。

对人而言,机就是延伸自我的一种工具,同时也是认知自我的一种手段,通过机的优点来了解自己的缺点,通过机的缺点来明了自己的优点,然后进行相应的补偿或加强。人机融合还不是一见钟情,这是因为缺乏双向性的感知与觉察。当前更多是主从相声似的人机交互,尽管还并不那么尽人意,捧逗还存在失调失配,但未来仍值得期待:毕竟人在发明机器的同时也在发现着自己。


1975年,意大利哲学家卢乔.科莱蒂提出“无矛盾哲学原理”,引起了一场震撼西方哲学界的争论。他的中心论点是“矛盾只存在命题与命题之间,而不存在于事物之间”,现实是无矛盾的。科学包含无矛盾原理。一些科学家认为:“矛盾无处不在”的论断往往是如下原因带来的:一是人们用来把握事物的概念似是而非,二是人们所使用的语言和推理过程不够严密。 悖论意味着肯定和否定命题无条件同时成立,而矛盾中肯定和否定方面都依存于不同的条件。两者似乎不是一回事。一个互相矛盾的前提几乎覆盖了由一切可能命题组成的空间,其中包括了神话。如此,数理逻辑学家普遍接收一个原则:“矛盾隐含着一切东西”。 悖论对逻辑构造的损坏是一个无情的现实。哲学家早就知道,人在用概念、模型、语言认识自然规律时,概念常常可能是不正确的/不准确的,认识可能是不完全的/不深入的,主观性错误几乎是不可避免的/不可意料的。长期以来,科学家的逻辑一致清晰性使他们一直否认辩证思维的合理性,直至集合论悖论(如罗素理发师悖论)的发现才改变了这种看法:有时结果和条件会等价。在这个事实与事物混合的世界里,事物之间可以是互为因果的。

冥想一下:认知的逻辑和计算的逻辑确实不同! 那么,两者之间的差异究竟如何是什么呢?




原文链接:https://mp.weixin.qq.com/s/U9l8VfnEbuPYRTMKmlzALw


编辑:董莉


146#
 楼主| 发表于 2019-8-8 22:20:44 | 只看该作者
【案例】
机器人已证获得了“自我意识”?


图源:Daniel Picard

利维坦按:与其说利普森教授实验室中的机器人“获得了某种自我意识”,倒不如说这些机器人展示了自我意识中除了“源头“以外的、一系列关于信息输入与输出的机制模型。出于实际的研究目的,这样的模型的确可以称为某种“自我意识”。在哲学对于自我意识的源头的讨论早已陷入困境的时候,我们可喜地看到:科学家正在通过借用机器人来逆推意识的诞生。


文/John Pavlus译/Trion兵校对/何里活原文/www.quantamagazine.org/hod-lipson-is-building-self-aware-robots-20190711本文基于创作共同协议(BY-NC),由Trion兵在利维坦发布文章仅为作者观点,未必代表利维坦立场
“真希望在有生之年我能见到外星人啊!”说这话的人是哥伦比亚大学创新机器实验室的主任霍德·利普森(Hod Lipson),他还说希望在死前“能见到某种有智能且非人类的东西”。与其等着智慧生命体从天而降,利普森决定自己在实验室造一个,准确地说,他正在制造具备自我意识的机器。
为了达成目标,利普森必须直面那个模糊不清的概念——意识。但他面对的情况不容乐观,就连利普森的同事们都对这个概念闭口不谈,视为禁忌。“在机器人技术、人工智能技术的领域,人类曾经把意识当作一个禁忌看待,没有人能够碰触这个话题,”利普森坦言,“因为这个概念太暧昧了,没人知道意识到底是什么东西。但既然我们要做严谨科研,就必须直面这个概念。可惜,据我所知,意识究竟为何物这称得上是最大的未解之谜,只有生命起源、宇宙起源才能和这样宏大的谜团相提并论。
想想看吧——感觉是什么?创造力又是什么?情绪到底是什么?如今人类不仅想知道到底什么是人性,还期望搞清楚如何人工制造出人性。好吧,是时候直面这些问题了,对此我们再也不能畏畏缩缩了。”

霍德·利普森在哥伦比亚大学的创新机器实验室里。图源:Quanta

根据利普森的研究,组成自我意识最重要的一块基石,就是“自我模拟”(Self-simulation):建立一个身体的虚拟模型,描述身体如何在现实空间内运动,并通过这个模型指导行动。
利普森从2006年年初开始研究人造自我意识,当时他只不过是制造了一个外型邪恶的蛛形机器人,让这个机器人使用进化算法(Evolutionary Algorithm)自行学会如何在桌面上沿直线前进。(作为提示,除了进化算法以外,利普森还给机器人预装了一些程序解释基本物理规则。)

利普森曾经在TED演讲中展示了蛛形机器人是如何自己学会爬行的。首先,这些机器人会毫无目的地摆动触手,通过收集到的信息尝试建立自身的虚拟模型。上图:蛛形机器人终于完成了自身建模,并根据这个模型自己模拟出一种爬行动作。图源:TED


“看这家伙的样子,距离征服世界还很遥远。”利普森在展示蛛形机器人行动录像时这样说。虽然这种爬行动作看起来既邪恶又蠢笨,但机器人毕竟是完全依靠自身的学习能力迈出了这一小步。图源:TED
www.ted.com/talks/hod_lipson_bui ... ?language=en#t-8208
到了2012年,利用现代科技制造人工智能的研究终于掀起一股风潮,卷积神经网络(Convolutional Neural Networks)算法以及其他深度学习(Deep Learning)算法开始在研究界大放异彩,回忆起2012年,利普森说人工智能领域就像是“改革春风吹满地”。

2012年,利普森的团队在过去的蛛形机器人研究基础上公布了一个开源机器人项目,“蛛怪机器人”(Aracna Robot),如今全世界各地的科研团队都可以使用这个机器人进行研究。图源:Quanta

2019年初,利普森的实验室公布了一台手臂机器人的论文及视频,通过深度学习算法,这台机器人仅凭自身的运算能力就从无到有搭建出自己的虚拟模型——利普森描述这个过程时说,“这像极了一个还不会说话的婴儿第一次观察并认知自己的手。”


当这个手臂机器人对自身位置及形态完全一无所知的时候,它能做的只有长时间进行随机的摆臂运动,并收集所需的数据。图源:Columbia Engineering
(engineering.columbia.edu/press-releases/lipson-self-aware-machines)
成功搭建自身虚拟模型之后,这台手臂机器人可以准确地执行两种不同的任务,其一,从桌面捡起小球并放在杯子里;其二,在纸上写下特定的记号——理解、计划并完成上述任务的过程中,机器人并不会得到任何外界帮助。不仅如此,在本次实验中,研究员给机器人更换了一节变形的机械臂结构,以此模拟机械臂受到了损伤,而机器人不仅察觉到了这种变化,还更新了自身的虚拟模型,并且仍然能正确完成上述任务。


图源:Columbia Engineering


图源:Columbia Engineering

的确,这样的思考还远远称不上深思熟虑,但是利普森坚信这个手臂机器人已经完成了从应激反应到深度思考的质变,接下来只是量变的问题。
“当你提到机器人的自我意识,人们总觉得你指的是机器人会突然醒过来说:‘你好?我是谁?我在哪?’”利普森说道,“但是自我意识并不存在非黑即白的界限,它可以小到非常琐碎的念头,比如‘我的手应该伸到哪个方向去?’其实这与‘我是谁?我在哪?’是同样的思考,只不过它关注的是更短时间内的问题。”

这次,《量子》(Quanta)杂志采访了利普森,我们谈到如何界定机器人的自我意识?它们的意识有什么重要意义?具备自我意识的机器人又会把人类引领到什么样的未来?为了阅读的清晰明了,我们对采访问答做了删减加工。
——————
Q:对于意识本质这个宏大的问题,你显然有着极大兴趣,但是你为什么一定要用机器人来研究意识呢?为什么没有选择哲学家、神经学家的研究方向呢?
A:对于我来说,机器人技术的美妙之处就是它会逼迫你把自己的主观理解翻译成程序、算法,把你的思绪代入到机械原理的世界里。在机器人技术的领域进行研究,你永远不能避重就轻,也无法使用空洞的形容词,更不能说什么“生活就是一张画布”,对于这种话,不同的人可能有各种各样的理解。所有这些表达都太过于含混不清,根本无法翻译给机器。因此,机器人技术会逼着你脚踏实地。
我也想制造出实实在在的东西,而不只是让研究停留在嘴上。恕我直言,对于意识为何物,哲学家们在过去一千多年之间的研究乏善可陈。这并不是因为这一千多年里没有出现卓越的哲学家,也不是因为他们对意识问题兴趣淡漠——只不过是因为你不能站在宏观的高度去研究意识。当然,神经学家已经通过更确定、更量化的研究方式在接近意识的本质。但是,我猜他们最终还是会遇到瓶颈,因为他们仍然在使用一种宏观的研究视角。
想想看,如果你试图理解什么是意识,为什么要从人类开始研究呢?人类可是最复杂的有意识生物啊!这就好像是从最陡峭的山坡开始登山。我们不妨换个视角,寻找到更简单的系统,因为它们很可能更容易理解。这就是我现在尝试做的事情:我们制造出一个只有4个机构自由度(Degree of Freedom of Mechanism)的机器人,相比人类的复杂意识,它明显更渺小,但是我们也能提出更具体的问题,比如,“我们能不能让这个机械做出自己的虚拟模型?”(译注:机构自由度,即为了使机构的位置得以确定,必须给定的独立的广义坐标的数目。)


图源:Quanta

Q:自我意识和自我模拟的能力是同一个概念吗?
A:应该说一个能够进行自我模拟的系统,就已经获得了某种程度的自我意识。至于它自我模拟能达到的程度,无论是其模拟的物理精确度,还是对于自身的认知是短期当下的,还是可预期到未来的——所有不同的实验结果都可以说明它的自我意识到底处于什么程度。这个假设就是我们进行研究的基本出发点。
Q:换句话说,你把“自我意识”这样的抽象概念具象为“自我模拟”,在技术领域这是一个更清晰的标准,代表着一个系统将自身空间状态转化为虚拟模型的能力?
A:没错,对于自我意识,我提出了一个独特的定义,并使用这个非常精准的定义进行研究。它可以被计算、被测量、被量化,你甚至可以用电脑计算出这个定义本身存在多大的误差。也许哲学家会说:“呃,我们可不会这样理解自我意识。”然后他们会和你展开一些非常模糊不清的讨论……
的确,你可以指出我们提出的定义并不是真正的自我意识,但你必须承认这个定义非常实际,易于进行研究,因为我们已经有了一个标准(Benchmark)。这个标准就是以往研究中工程师亲手敲一行行代码,为机器人建立起来自身虚拟模型。而我们希望看到的,不只是人工只能算法学会了搭建自身的虚拟模型,更希望看到人工智能模型和人类做出的模型一样好,甚至可以超越人类。


这些画作是由一种已实现量产的人工智能机器人创作的,它们搭载的程序及算法是专门用于绘画的。图源:Quanta

Q:为什么一定要制造有形的机器人呢?难道不能在无形的虚拟程序中研究自我意识吗?

A:我是一个机器人科学家,制造机器人来研究当然是我的首选。实际上我们期望得到的东西是一个封闭系统(Closed System),其功能就是自行模拟,为了让这个封闭系统做到这一点,我们必须给它一定输入,并观察它的输出——关键在于这个研究过程必须存在于某种界限之内,在这个封闭环境内你才有可能制造出“自我”。而机器人简直是天生就适合进行这样的研究,它可以通过感知获得输入,也可以输出行为动作,而且一切都存在于可控范围内,它可以遭遇一些特定事件,然后对此进行模拟。


这是利普森团队今年公布的另一个机器人,“灰色粘液”(Gray Goo),这种机器人单个个体拥有感光设备以及小型电机,但是只能进行简单的收缩运动。图源:Columbia Engineering


当机器人组成列阵集群,它们通过算法理解了彼此之间的关系,顺利建模,并且找到了一种有效的集群移动方式,最终成功朝光源方向运动。图源:Columbia Engineering

(engineering.columbia.edu/press-releases/hod-lipson-gray-goo)

Q:这些机器人真的是从零开始创造自身模型的吗?
A:今天我们的研究的确是让机器人从零开始,看看机器人能走到哪一步,我们也把这样的初始状态当作原则问题。但是在早期的研究中,比如那个蛛形机器人,那时候我们还不具备足够的运算能力。就好像我们必须告诉它:“听好啦机器人小老弟,你现在根本不知道自己位于什么地方,也不知道自己的各部分零件都长在哪,不过我现在先告诉你一个我认为正确的物理学法则,F=ma,好啦,现在轮到你上场了。”
Q:在这个过程中人工智能是如何发挥作用的呢?
A:不知道为什么,人类总是热衷于通过人工智能让机器人了解外在的现实世界,然而对于机器人内部到底发生了什么,人类总是有某种奇怪的敲代码的热情,总是坚持亲手制作机器人的虚拟模型。因此我们在研究之初就着手于非常琐碎的细节,当时我们决定,“人类为了让机器人认知外部世界已经做了大量软硬件基础设施,我们应该利用这些东西让机器人学习自己的内在世界发生了什么,而且这次机器人只能依靠自己。”如果要用一句话概括我们的研究,这就是我们在做的事情。
Q:机器人很可能要做1000次随机的行为,才能收集到足够多的信息让深度学习算法搭建自身模型。这个过程就是你所说的机器人就像是一个连话都不会说的婴儿吗?
A:没错。当你看到机器人胡乱挥舞手臂,它很可能是在观察机械臂的尖端在哪里。想象一下你调动手臂肌肉做出摆臂的动作,寻找着自己的手指尖端。对于你来说,这就是你的输入信号与输出行为。为了完成这件事,机器人可能要在那里胡乱摆动30多个小时,当我们确认它已经收集到足够多的数据,我们才能下班回家。从这一刻开始,就全看深度学习算法能否完成挑战,制作出自身虚拟模型了。
接下来,我们提高了难度,把机械臂拆开,替换一节有着特殊形变的机械臂,以此模仿机器人受到了破坏,然后再次重复这个实验。于是我们亲眼目睹了“受伤”的机器人在整体模型的基础上纠正了发生形变的部分。这一次,它已经不需要从零开始制作模型了,虽然它仍然需要在一段时间内看似极其智障地胡乱扭动,但相比第一次实验,第二次收集数据的阶段节省了90%的时间。


图中红色部分即替换掉的机械臂结构,长度及弯曲度均有改变。图源:Columbia Engineering


图源:Columbia Engineering

然而更重要的是,在机器人开始第二次扭动之前,它首先要察觉到自身出现了问题。能做到这一步有着重大意义,但是它怎么能察觉到异常呢?当我们人类身体发生了变化,我们会和脑海中的那个虚拟模型比对,我们只要用眼睛一看就能马上知道自己的手是不是还在原来的位置。或者,你原本预期要移动4厘米,但是突然发现自己移动到了16厘米以外。你可以瞬间得到反馈,同理,机器人也是在一瞬间就发现了异常。接着,它花费了一些时间学着适应这些异常,等等……但是我必须说,单单是发现异常就已经是个重大的进步了。
Q:是不是可以把这种机器人自行模拟出来的自身模型类比成人类大脑的某个脑区?比如某个存储着身体构造图的脑区?
A:我就是这么想的。当然了,这也是为什么手臂机器人做出的自身模型看起来很粗糙、简略。毕竟我们的这个小机器人只不过是个能到处挥舞的机械臂,只有4个机构自由度而已。如果我们要使用一个拥有800多个自由度的人形机械做这个实验,人类今天掌握的人工智能技术还远远应付不了如此复杂的计算。


利普森的团队还曾经做过另一种实验,首先让人工智能在一个空间内模拟出1000个方型机器人,这些机器人能做到的只有通过翻转进行移动。但是一段时间后,画面右侧的深蓝色方形机器人开始清理出一片只属于自己的区域,右下方还有一团青色方形机器人开始形成集群。不知出于什么样的原因,人工智能自动通过自我复制奖励自己。图源:TED


在实验室中,利普森的团队制造了一种运动能力更强大的立方体机器人,研究员发现,只要他们不断地向实验环境内添加小立方体机器人,这些机器人就会不停地相互连接,建造出一个又一个立柱个体,也是通过这种方式进行自我激励。图源:TED
www.ted.com/talks/hod_lipson_bui ... ?language=en#t-8208
Q:如果这真的是一种自我意识,为什么要赋予机器人这样的能力呢?这样做有什么意义吗?
A:它最终将让机器人更具可塑性,的确,你可以亲手设计一个机器人,就像我们今天通常所做的那样。但是这不仅费工费力而且也拖延了人类自己的时间。当这个机器人在现实世界中发生了形变,比如被撞破了,或者掉了个轮子,或者其中一个电机速度下降了,那么我们原本设计的模型就不再适用。这样的问题很难被轻松解决,因为这不仅仅是在批量生产的机器人身上装错了个螺丝钉那么简单的问题。
恰恰相反,这样的问题非常严肃关键,想象一下无人驾驶汽车吧,如果你愿意开这样的车,就是把自己的身家性命托付给了智能机器人。你希望这些机器人可以探测到危险,并且持续稳定地监测潜在风险。
另一个原因是灵活性。假设某个机器人只做一项工作,当它进行该任务时,会不断修正更新自己的模型。如果它突然需要做一项新的工作,比如在另外一个地方安装螺丝钉,或者新的任务不再是拧螺丝,而是喷镀防锈涂层,此时机器人仍然可以使用同一个虚拟模型继续学习如何完成新的任务。
总体来说,这种学习过程很像人工智能领域的另一种算法,“零次学习”(Zero-shot Learning),它指的是一种人类能进行的深度学习——只要你会爬树,哪怕是面对一棵陌生环境的陌生树木,只需盯着树干观察一段时间,人类就可以成功攀爬这棵树。
相似地,一旦机器人获得了自我虚拟模型,它就可以进行这种程度的学习:唯一的不同是,你看不到机器人花费数小时在内部模拟推演爬树的过程。从你的视角观察,你只会看到一个机器人成功完成了某种任务,然后它停滞不动一段时间,马上就可以成功完成另一种任务,根本不需要试做或练习。
Q:目前你正在做的是能给自己建模的机器人,而你的目标是制造有自我意识的机器人,或者换个更通俗一点的说法,有思考能力的机器人——你距离这个宏大目标还有多远?
A:我们还进行了其他几个科研项目,同样是研究机器人的自我建模能力,但这次不是搭建外形,而是搭建自身的认知过程。在这两个方向上我们都在小步前进着,但最终这些小小的步伐会积累成一个飞跃,让人们相信机器人不仅最终可以获得人类的认知水平,还能超越我们。


动画短片集《爱,死亡和机器人》(Love,Death&Robots)中的《齐马的作品》(Zima Blue)片段。图源:Tumblr

Q:也就是说,无论是自我模拟身体还是自我模拟心智,你认为这两个研究方向未来会交汇在一起?

A:是的,我认为这两种研究其实本质是一样的,这是我们目前的假设,对于这些研究的未来我们也在拭目以待。

原文链接:https://mp.weixin.qq.com/s/9rIdd6B4fKIpXyjui6bI-A


编辑:董莉


5.gif (1.9 MB, 下载次数: 17)

5.gif
147#
 楼主| 发表于 2019-8-8 22:55:26 | 只看该作者
【案例】
各大媒体纷纷上马智媒体,到底是要做什么?

文丨黑羊 来源丨记者站(ID:jizhezhan001)

融媒体还没有全线铺满,智媒体已经来了。

百度百科这样解释智媒体:智媒体是用人工智能技术重构新闻信息生产与传播全流程的媒体。由智能媒体、智慧媒体和智库媒体三部分构成。
智媒体自2016年提出,当时仅仅是概念。但在后来AI技术的发展经历了长足的进步,到了2019年,智媒体已经从纸上谈兵转化为媒体的新驱动力。
包括新华社、上海报业集团、济南报业集团等媒体集团纷纷进军智媒体。南方传媒集团还以旗下的广州南方智媒产业园有限公司进行拿地,实现为智媒体产业铺路。
当下问媒体人:你的传媒集团融了么?显然已经过时。
最IN的流行表达应该是:你的媒体智能了么?
1、
在南方传媒集团于广州拿地之前,新华社已经开始了一次极为耀眼的智媒体首秀。
2018年11月,首届中国国际进口博览会在上海开幕。
作为一个新闻超级“富矿”,新华社首次将现场云与媒体大脑“智能生产平台”相结合进行新闻产品智能化生产,开幕不久便产出390多条短视频。仅在新华社客户端发布的视频浏览量就接近2000万。
在那次进博会上,新华社联合13家媒体,运用“现场云”移动采编平台,让媒体记者边走边拍边发。
这是智媒体真正意义上的现场秀。新华社启用了名为MAGIC智能生产平台,通过视觉、语音、自然语言等多方位的智能,对稿件和资料进行处理,并凭借AI的价值判断、智能标签整合,快速生成有看点的短视频片段,批量生产主题聚合类视频。
新华社现场云3.0版在线剪辑功能
“现场云”是由新华社主导研发的新闻直播平台。同时,又是可实现“新闻在线生产,在线审核,在线签发”的移动采编发系统。而MAGIC智能生产平台由新华智云科技有限公司研发,旨在以大数据、人工智能技术赋能媒体,成为内容自动生产的基础设施。

在俄罗斯世界杯上,这一系统生产了37581条短视频,最快一条进球视频的生产仅耗时6秒。

这是媒体智能化的一次前沿探索。在大数据和人工智能技术加持下,机器脑+人脑,技术+内容,使新闻生产更加丰富、有效率。
2、
新华社的智能媒体走在前线,各地方媒体集团也争先恐后地加入智能化媒体的秀场。
7月29日,南方报业传媒集团旗下广州南方智媒产业园有限公司,竞得广州市黄埔区黄埔大道以南鱼珠地段,总用地面积16373平方米。
按照南方报业传媒集团的计划,其将联手越秀集团,投资36亿元在该地块规划建设南方智媒大厦——这一大厦定位为“智慧型媒体产业园”,致力于打造移动媒体、视频媒体、自媒体等新媒体业务的孵化器和集聚平台。
南方传媒集团在智媒体的路上,已经先行了一步。
不过后来者也颇具实力。7月23日,在一场全国主流媒体会议上,《齐鲁晚报》发布了“齐鲁晚报·齐鲁壹点智媒矩阵战略”。这一战略让齐鲁晚报的主阵地全面向移动端转移,这包括智媒、智云、智库为产品平台的齐鲁壹点8.0版,数据平台的齐鲁智云,以及基于产品和数据的资源整合平台壹点智库。
同样是7月23日,在成都开幕的“2019第二届世界文化名城论坛•天府论坛”上,“天府智媒体城”发布。

天府智媒体城将分三期建设,既媒体城+智慧城+未来城,通过3到5年分步开发。目标是将天府智媒体打造成一个具有强大传播能力的全媒体集群。
再往前的7月17日,烟台日报社打造的“大小新闻”App4.0版正式上线。根据通稿所述,大小新闻APP将实现视(看视频)、听(听新闻)、读(读新闻)三大场景的全面覆盖和智能推送,使其成为一个“智慧”+“智能”的全新智媒体。
还有“起跑”更早的媒体。去年11月22日下午,在封面传媒2019年战略发布会上,封面传媒宣布将用AI重新定义媒体,推进实施视频传播战略、数据驱动战略、社群营销战略,以封面新闻为中心推动深度融合整体转型——封面传媒认为,通过一系列的合作和探索,其将迈入“智媒体”阵营。
3、
智媒体不像传统媒体介质单一,它的形态更加多元。
比如可以立足于共享经济,也可以基于移动互联、大数据、虚拟现实、人机交互等新技术的自强化的生态系统,
不过,当下的纸媒体所描述的画面还都是未来时。即便有新华社那样强大的硬件和技术作为支持,所出产的AI稿件也只不过是智媒体目前所能实现的很小一部分功能。

现在看来,多数媒体集团的智媒体项目都和AI有关,提及较多的词汇还包括大数据、流媒体、5G和聚合平台等等。
这些技术看似独立,实际上又相辅相成。未来的智媒体肯定是基于高速带宽,更是基于多种技术、硬件,让内容产生更多装载介质和传播途径。
媒体集团则为这些技术封装更具媒体属性的价值观。
比如上海报业集团在披露人工智能、大数据等技术为代表的“智媒体”矩阵布局时,就强调“算法也要有价值观”。
在这场围绕“新技术、新产品、新运营”进行的技术创新中,上海报业集团梳理出8类引领媒体变革的创新技术。在深度融合基础上,从中衍生出20个“智媒体”单元。

20个“智媒体”单元包括智能硬件、智能融媒体中心、新闻内容可视化、新媒体内容标签系统、沉浸式新闻体验、虚拟主播与互动式新闻、舆情监测系统与新媒体传播力指数等。
创新的时间则被定在未来5年。
届时,上海报业集团拟推的产品可能涉及自媒体聚合平台、内容有声化、内容视频化、智能金融数据平台、机器翻译、内容标签系统及智能审核等。
也就是说,20个智媒体单元的成长是逐渐的。可以预见的是,未来5年内,5G技术会慢慢普及,相关的衍生技术也会借此而不断发展。
而当下媒体们集中讨论智媒体已经为时不早了,因为只有把自己交给未来,才会在未来的传媒之争中稳操胜券。

原文链接:https://mp.weixin.qq.com/s/o_VLyq0TWNQVS1tSBJfDGw

编辑:董莉

148#
 楼主| 发表于 2019-8-10 00:18:06 | 只看该作者
【案例】
新华社智能化编辑部投入运行

文章转载自公众号 京原路8号 京原路8号 , 作者 李仁虎 毛伟

随着“媒体大脑”“AI合成主播”等不断更新迭代,智能化编辑部于2019年8月投入运行,一场影响广泛而深刻的媒体变革,正在新华社由点到面、由局部到整体全面推开。这场深刻影响传媒生态格局的融合发展,使有着88年历史的新华社距离国际一流的新型世界性通讯社的宏伟目标越来越近。
2019年6月,在第23届圣彼得堡国际经济论坛上,新华社联合俄罗斯塔斯社和中国搜狗公司推出了全球首个俄语“AI合成主播”丽莎,出席论坛的世界媒体巨头为之注目。早在2018年11月,在第五届世界互联网大会上,新华社联合搜狗发布了全球首个合成新闻主播——“AI合成主播”。2017年12月,在中国新兴媒体产业融合发展大会上,新华社面向全球发布了中国第一个媒体人工智能平台——“媒体大脑”。一系列重大成果的推出运用,标志着新华社在媒体融合创新发展中处于世界媒体领先地位。
习近平总书记多次强调推动媒体融合发展,做大做强主流媒体、主流舆论。新华社迅速行动、及早谋划、大步推进。蔡名照社长和何平总编辑直接策划指挥,创新体制机制,确定重大项目,探索发展路径,在关键处、要害处着力,在基础性、战略性上突破。随着“媒体大脑”“AI合成主播”等不断更新迭代,智能化编辑部于2019年8月投入运行,一场影响广泛而深刻的媒体变革,正在新华社由点到面、由局部到整体全面推开。这场深刻影响传媒生态格局的融合发展,使有着88年历史的新华社距离国际一流的新型世界性通讯社的宏伟目标越来越近。
科技引领传统媒体融合转型,技术突破推动智能媒体建设
作为新华社的杀手锏产品之一,“媒体大脑”和“AI合成主播”都具备技术领先的核心竞争力,这是在一系列技术积累基础上的重大突破,也孕育着更多更大更强的爆发。在技术领域重大突破的背后,为新华社完成传统业务的升级转型、快速实现媒体融合发展以及智能化媒体、全媒体建设提供了有效抓手。
(一)“媒体大脑”催生MGC(机器生产内容)新业态
文本、图片、音视频数据化——机器对数据化进行加工——根据需要自动生成内容,这将成为未来媒体的一种常态化生产模式。
“媒体大脑”融合了云计算、物联网、大数据、人工智能等多项前沿技术,功能应用覆盖从新闻线索发现、信息素材采集,到新闻编辑生产、稿件分发传播以及受众反馈监测等新闻业务的全流程。最初发布的“媒体大脑”1.0版本包含八项核心技术应用:自动采集生产新闻、新闻智能分发、语音识别转写、版权监测、人脸核查、用户画像、智能会话、语音合成。至2.0版本则成为“MAGIC”智能生产平台,“MAGIC”寓意“MGC”(机器生产内容)和“AI”(人工智能)。
“媒体大脑”的核心是“大数据+智能算法”,通过“业务数据化-数据业务化”将新闻业务全流程拆解为类似工业生产的流水线,智能算法进行调配组装。“业务数据化”就是将传统的新闻业务所需的各项资料转化为数据,“数据业务化”就是不断选取有价值的数据应用于新闻业务场景并通过人工智能机器学习不断自我进化。“媒体大脑”能够将信息内容不断拆解细化为无穷小的单位并且可标记、可检索,再通过智能算法的调用,便实现了对海量信息资源的无限应用的可能,可以根据不同场景、不同主题自动选取信息高效生产新闻。
(二)“AI合成主播”颠覆广播电视新闻生产格局
一切主要依靠人来操作的新闻各环节,将逐渐向人机协作、部分以智能化机器为主的操作转变,智能化的重要性和不可替代性越来越凸显。
“AI合成主播”就是依靠人工智能“分身”技术研发出来的。“分身”技术基于“自然交互+知识计算”的技术突破,将真人主播的声音、唇形、表情动作等特征提取出来,然后再通过人脸识别、人脸建模、语音合成、唇形合成、表情合成,以及深度学习等多项人工智能技术将真人主播“克隆”出来,展现出与真人相似度极高的信息播出效果。
“AI合成主播”开创了新闻领域实时音频与AI真人形象合成的先河,只需要输入所需要播发的文本内容,计算机就会生成相应的“AI合成主播”播报的新闻视频,每天24小时无限时投入工作中,不会生病、不会受情感因素影响,极大提升了电视新闻的制作效率,降低制作成本,提高了报道的时效性和质量。

(三)创意制作平台促进内容供给侧结构性改革
新闻是基于事实的报道,真实是新闻的生命。在全媒体时代,创意将被更多地融进新闻传播,受众对创意产品的需求推动了新闻业态的创新。
2018年12月,新华网媒体创意工场正式启用,旨在不断提升智能化水平,探索符合移动互联网规律的融合发展模式。目前,媒体创意工厂构建了“MR智能演播厅”“MOCO交互式智能视频摄制平台”和“生物智能用户评测实验室”三大利器。
其中,“MR智能演播厅”拥有全球最大的四面屏AR演播系统,并搭载智能拍摄机器人系统、前景增强现实实时渲染系统、动态捕捉系统等功能,可根据节目需求设计各类三维虚拟场景;“MOCO交互式智能视频摄制平台”作为全世界最先进的运动控制系统,能够完成好莱坞级别的特效拍摄,如“无限克隆”“一镜到底”“上下颠倒”等;“生物智能用户评测实验室”通过最新的生物传感技术,真实捕捉观众体验和反应,为视频传播效果评测、内容调整等提供更精准的数据支撑。三大“利器”拓展了新华社及新华网视频创意策划、内容制作的空间,为系统化创意创新提供有力支撑。


技术发展与内容建设深度融合,新技术广泛应用于新闻生产
从报纸到广播,从广播到电视,每一项重大技术的革命都会产生新的新闻业态。从手写稿到用电脑写稿,从胶卷相机到数码相机,每一项重大技术的突破,都会带来新闻业的革命性发展。1931年创立的新华社永远以一颗年轻的心,奋斗不息、创新不止。
(一)战役性报道中尽显主流媒体的使命责任担当
“媒体大脑”在发布当天便自动生产出了一条大会短视频。此后,在多场重大报道实践中,“媒体大脑”都发挥了极其重要的作用,打造出系列融合产品矩阵。如在2018年在全国两会报道中,“媒体大脑”从5亿网页中梳理出两会舆情热词,生产发布了全球首条关于两会内容的MGC视频新闻——《2018两会MGC舆情热点》,只耗时15秒。关于两会最关注的议题、《政府工作报告》中新出现的表述、两会热图等,原先需要编辑记者花费大量工作才能完成的报道,通过“媒体大脑”的算法分析便可瞬间完成。如通过文本、视频和图片的识别和比对技术,对1980年以来的《最高法工作报告》和《最高检工作报告》进行了数据分析,得出了一些有意思的结论,如“劳改”在1996年消失,“劳教”在2011年消失,“反革命”在1994年消失,“投机倒把”在1997年消失,“收容”在1997年消失等,最后自动生产出了视频报道《“媒体大脑”想陪你聊聊“两高”这五年》。另外,依托“媒体大脑”的技术支撑,新华社首次在媒体中建成人大代表智能化数据应用“飞识”平台,新华社记者通过上传代表照片,即可查询到代表信息和新华社相关历史报道等内容,并依托人脸识别技术推出了H5互动产品“谁是最懂你的人大代表”。
“AI合成主播”让普通受众第一次近距离地直观感受到人工智能在新闻场景中的应用。自“AI合成主播”新小浩、新小萌在新华社平台上岗以来,参与了春运、春节、两会等重要事件的新闻报道,已播报新闻13000多条。


(二)定制化报道中满足市场个性化的内容需求
“媒体大脑”在2018年俄罗斯世界杯报道实战中突出地展现出智能化生产的优势。如比赛进球后,“媒体大脑”的AI进球视频链路便自动完成画面分析、捕获、制作、配乐、加标题、合成、发送到优酷等视频站点,整个过程不超过30秒。人工能找到的角度、选题,“媒体大脑”都能及时生产出相关视频,而且人工定义的选题,机器通过算法学习后,可以复用到全部的比赛中。除了比赛集锦,“媒体大脑”通过智能算法还生成了不少有意思的短视频,如通过精准抓取马拉多纳多场观看不同比赛时的夸张表情和肢体动作,生成了《戏真多!马拉多纳:看台上一只行走的表情包》等短视频新闻。
“AI合成主播”则依靠多语种的无限可能正在走向世界。自推出俄语“AI合成主播”丽莎之后,世界媒体界纷纷找新华社合作。目前,新华社、搜狗与阿联酋阿布扎比媒体集团达成了合作,将共同打造全球首个阿语“AI合成主播”。未来,“AI合成主播”将不断扩展语种库和产品库,打造“AI合成主播”全球大家族。
(三)打造融媒产品矩阵引领主流媒体创新发展
从读报时代到触屏时代,阅读方式的变化是不可抗拒的潮流。新华社主动适应这一发展趋势,探索传播形态创新和内容建设创新,不断提升融合报道水平,做大做强主流舆论,《国家相册》系列等已经成为享誉中外的融媒品牌。2019年两会期间,新华社推出了“习近平的两会时间”等融媒体报道,将人工智能技术全面运用到新闻生产的采编发环节,打通线上线下各种资源池,融合文字、图片、图表、视频等形式,以全媒报道提升新闻品质、优化受众阅读体验。该系列融媒体报道“上接天线,下接地气”,在舆论场引起强烈反响。
作为全国两会报道的重头戏,对总理政府工作报告的解读报道向来是各家媒体比拼实力的重要舞台。2019年两会报道,新华社综合运用“AI平台”“AI主播”“现场云”“媒体大脑”等智能技术,推出的AI创意解读政府工作报告的全媒报道,快速引爆舆论场,全网浏览量过亿。打造的《全息交互看报告》紧扣关键数据,融入故事情节,将现场原声、虚拟场景、可视数据等融为一体,带给受众沉浸式地观看体验,全网总访问量达数亿。
融媒报道从《大道之行》到《父亲·我们·时代》,H5、动漫等新形式报道从《习近平关心的六件事》到《四个全面》,全媒报道从《中国反贫困的伟大决战》到《英雄的选择——95岁老党员张富清的初心本色》,日益常态化的融合报道构筑起矩阵,160多个浏览量过亿的现象级产品,进一步提升了新华社作为国家主流媒体的传播力、引导力、影响力、公信力。
全媒体报道《英雄的选择——95岁老党员张富清的初心本色》。
技术变革推动媒体创新发展,技术赋能深刻影响传媒格局
人工智能技术进入飞速发展时代,在传媒业的应用主要集中于以推荐算法为核心的内容分发等领域,但在新闻生产环节乃至新闻生产全流程方面还缺少核心技术变革。随着人民群众对新闻内容需求尤其是视频需求的不断增长,基于人工智能技术成长起来的抖音、快手等新型短视频直播平台吸引了大量流量,而传统媒体机构则面临用户流失和影响力下降的挑战。
传统媒体以往的专业化生产格局已经不能适应UGC时代的变革,而智能化生产为传统媒体快速实现媒体融合,量产优质内容留存用户,进一步做大做强影响力提供了可能。随着5G、人工智能、虚拟现实、区块链等新技术的迭代发展,媒体格局将发生深刻调整,舆论生态将发生重大变化,这种变化发展之快、覆盖之广超乎想象。
一是生产主体和传播主体不断变化。“媒体大脑”通过对大数据的掌控和对时度效的升级,改变了传统信息传播机制、路径和形态,推动新闻传播生态系统发生质的变化。机器自动生成新闻成为传统媒体新闻业务的重要补充和不可或缺的手段,未来新闻生产与新闻传播的主体不一定再是编辑记者,甚至不一定是专业媒体机构,而是PGC(专业生产内容)、UGC(用户生产内容)和MGC(机器生产内容)的共同联动,智能机器在未来的传播生态环境中将发挥更为重要的作用、承担更为重要的职能。
二是传播方式与传播形态不断变化。科学技术迭代是传媒业升级的基础,随着5G、4K/8K、AR、VR等新技术的不断深化应用,将信息传播从拟态化带向了体验感更强大的“现场化”“全景化”“全息化”,资讯视频化和直播常态化两种形态将成为主流媒体竞相发力的方向。目前4G网络只可提供1路直播,而在5G网络下可提供16路直播信号和更多视角呈现,现场报道将更为普遍,全程媒体将成为常态,新闻信息产品形态将更为丰富多样,直播态、沉浸式、交互式报道及其背后可互动、可分享、可体验的新闻表达方式,将对信息传播带来深刻巨变。
三是传播模式和传播格局不断变化。由最初自上而下以主流媒体为中心,到社交媒体时代自下而上“去中心化”,新闻传播模式正在发生巨大的变革。万物互联的智媒时代,科技为个体行动提供更多便利,移动端只是终端之一,更多以个体为中心的应用场景和终端将持续涌现,从而形成以每一个受众为中心的新型“再中心化”。“媒体大脑”“AI合成主播”等未来发展都是基于用户受众的视角考量,从发布稿件向用户运营转变,从提供内容向提供服务延伸,从独立发展向构建生态升级,通过掌握前沿技术核心应用、建设自主掌控的信息平台入口,争夺信息传播和舆论引导主导权。
四是新闻业务和媒介生态不断变化。从内容为王到采编-技术融合创新,新技术已经并正在对传媒业产生由内而外甚至是颠覆性的影响,主流媒体如果仍按既有逻辑发展业务,在新的舆论传播环境下将难以履行职责、守住阵地。谁能在采编——技术融合创新中取得突破性进展,谁就能在激烈的媒体竞争中赢得先机和优势。新技术的迭代不会停止,而新技术也必然催生新的传媒业态。随着传媒格局舆论生态和受众需求的变化,过去专业的传统媒体独占传媒市场已不复存在,新旧媒体联动、专业媒体与非专业媒体共生、媒体内容和用户与机器生成内容相融的趋势,使得传媒市场走向多元传媒力量共享共生的生态格局。


媒体融合进入深水区,主流媒体面临诸多挑战
科学技术的迅猛发展为传统主流媒体带来新的发展机遇,然而也应当看到,更多新挑战就在面前和未来。面对传媒领域正在发生的剧烈变革,传统主流媒体在创新体系、组织架构、业务模式等方面仍不能有效适应新态势、新格局。
一是技术引领作用尚未充分发挥。随着技术建设与内容深度融合,技术已经不仅仅是单纯的保障性手段,很多时候在改变甚至引领舆论生态,技术优势越来越成为媒体的核心竞争力。当前,前沿技术与内容融合的程度还有待进一步加强,VR、AR、大数据、人工智能、生物传感等依托前沿技术的传媒应用,在实践中更多地呈现出单打独斗的情况,与新闻业务对接的精准度不足,通过新技术有效引领新闻业务创新的力度也有待强化。
二是“新媒体优先”未能充分体现。主流媒体的内容生产仍以满足传统用户需求为主,文字、图片、视频仍呈各就各位的“分离”状态,远未实现“三位一体”的融合。报道选题、内容、视角、手法等并不匹配新媒体的传播方式,也不匹配网络舆论场的受众需求。距离习近平总书记提出的主力军要挺进主战场主阵地,把更多人财物投向互联网,让分散在网下的力量尽快进军网上、深入网上的要求还有很大的差距。
三是全媒人才培养需提前谋划。在大多数主流媒体的人员设置中,文字、摄影、音视频记者分工明确、各司其职,即便一名记者具备多媒体采集能力,因缺乏明确职责和配套考核要求,仍以单一形式采集为主,而西方强势主流媒体早已开展采编人员的转型探索,如美联社、法新社的全媒记者单独完成全媒采集已成为常态。此外,传统主流媒体在报道创意策划、新闻创新加工、新技术应用等领域的人才缺口较大,需要引起重视。
四是观念理念不能适应媒体格局变化。近年来,主流媒体尤其是央媒都投入了大量资金进行技术探索以及自有平台的建设,但从实际效果看,互联网商业巨头以及一些新兴媒体平台仍然在互联网舆论场占据优势地位。在技术、人才、平台、体制机制、用户服务等全方位的竞争中,传统媒体的核心竞争力有待加强。
新华社即将投入运行的智能化编辑部,将在采集、传输、加工、制作、播发、分发、反馈等各个环节运用人工智能等多种新技术,是新技术的集合式、集成式、全链条、全环节运用,其效果如何,我们充满着期待。
(作者分别系新华社新闻研究所所长、新华社新闻研究所新媒体与舆论研究室研究人员)(本文刊发于《中国记者》2019年第8期)

来源:传媒转型
链接:https://mp.weixin.qq.com/s/zaljTsWp6z4_Jnz3tdtkjQ
编辑:晓晴

149#
 楼主| 发表于 2019-8-10 20:57:53 | 只看该作者
【案例】
信息史学建构的跨学科探索


原创:王旭东
摘要:21世纪的历史学,处于信息时代、受益于信息社会的进步,又服务于信息社会的咨询和决策需求。这成为历史工作者应予积极应对的新挑战,信息史学的理论建构探索和实践应用方面所做的尝试,正是对此做出的主动回应。信息史学认为,史学的本原是信息;历史研究的文本阅读和著述表达,是历史学主客体之间的信息流动;历史研究全过程,则是流程完整的信息处理过程。信息史学的目的在于将历史和历史认知及其阐释,抽象或解构到信息层面,从而系统地综合运用信息、信息理论、信息科学,以及信息化应用的相关理念、方法和技术支持及实现手段,来探讨并深入研究史学领域的诸种问题(包括历史是什么,历史的主客体,历史的定性、定量、关系和作用,历史表述的过程和结论的呈现等)。不论信息史学的理论构建还是具体应用,均不失为历史学思维与表达方式的跨学科突破。
关键词:信息史学 数字化历史 数字人文 跨学科 数字世界史
作者王旭东,中国社会科学院世界历史研究所研究员(北京100006)。
处于信息时代的今天,遍布世界各地和社会各个领域运行着的电脑和各式各样单片机里的芯片,每分每秒都在根据数学的某些算法始终以01N种排列组合,循环往复地高速计算着,从而令01转换为可以被人类解读的各式各样的信息。正是这样的“计算→信息”,构成当下信息社会生活的基石,并且从某些侧面表明,信息始终同人类的生存密不可分,是人类社会历史发展的重要组成部分。现实启迪我们,将全新的信息阐释理论及与之相关的数据(data)和计算科技引入古老历史学并以此推动其跨学科变革,不失为一个值得尝试的新探索。我们意识到,据此构建一套新型的信息史学的基本理论、方法论乃至研究及应用范式,有助于开辟一条符合信息时代要求的历史学学科建设的新路径。
一、信息史学的定义和概念区分
(一)信息史学是什么
所谓“信息史学”(亦称信息历史学,英文historiography of information,或historiography of informatization,抑或informatizational historiography)是指,将历史和历史认知及阐释,抽象或解构到信息层面,系统地综合运用信息、信息科学、信息化应用之相关理念、方法和技术支持及实现手段,来探讨并深入研究历史学领域的诸种问题(包括诸如历史是什么,历史的主客体,历史的定性、定量、关系和作用,历史表述的过程和结论的呈现等)的一门新兴学问,或正在形成中的历史学门下的交叉/分支学科。
从体系建构角度加以规约和阐释,信息史学的基本范畴应包括三个层次:其一是“核心部分”,属于信息史学基本理论方面的研究,即以信息的视角,审视或探讨历史哲学和历史认识论中的所有命题,诸如历史是什么、历史和历史学的主客体、主客体之间的交流互动等。其二是“中间环节”,属于信息史学方法论方面的研究,即以信息与历史学相结合的视角,探讨信息化应用技术同历史研究的融合,纯粹的历史思辨向历史研究的可操作转化,进而从中抽象出可以指导历史研究具体应用的方法论原则。其三是“外延拓展”,属于史学实际应用的研究,即信息史学之实践理论的探讨,直接涉及具体的各类史学实践。
因此,在21世纪信息时代的今天,信息史学首先是一项跨学科的综合性理论研究及方法论研究,其次则是依赖于历史学领域具体问题探讨的信息化史学的应用研究。再有,信息史学的提出,并非要用它否认或替代历史长期积累形成的最基本的传统学术规范和文献学考据及实物考古之实证研究法则——“历史学是一门依赖于证据(史料)的学科”和“孤证不立”、“言之有据、论之成理”等,而是要在继承和发扬传统学术规范及实证方法的基础上推进历史学的科学化。
由上述信息史学的定义可见,其重点在于用“信息”变革“史学”。两者当中,“信息”是实现变革的视角或切入点、手段和途径,“史学”则是变革的作用对象或达到革新目的之主体。
(二)信息史学不是什么
信息史学首先肯定不是“信息史”(或“信息历史”,information history)。其次,信息史学也不是 “历史信息学”(historical informaticshistoinformatics/histoinformatics),或“历史信息科学”(historical information science)。再次,信息史学并不等同于“数字人文”。最后,信息史学和数字人文,也都不能与当下国内外流行的所谓“数字史学”混为一谈。
具体而言,关于“信息史”,如若仅以这个中文词汇讲,产生歧义的可能性极小。因为人们显然都会理解这个概念是指有关“信息”的历史。但是倘若把它看成一个外来译词而回溯到与之对应的英文词汇,这个原本不会发生歧义的中文词汇便具有了多义指向。在英语语境或文本中,可以译作中文词汇“信息史”的英文词汇,至少有“information history”、“informational history”和“history of information”。当然,这三组英文词汇,还可以有各自不同的译法,即依次可译为“信息历史/信息史”、“信息的历史/信息历史/信息史”和“信息的历史/信息历史/信息史”。尽管根据中文表达构词的通常习惯,这些貌似大同小异的英文词组都可以粗略地译成“信息历史”或简称“信息史”,但实际上却有相当区别。因为,“of”结构的描述性词组“history of information”,精确译法应为“信息的历史”(“关于或属于信息的历史”),根据这一译法的词组含义,可以简化译为“信息史”;而用形容词来修饰名词的词组“informational history”,按其准确译法同样可译为“信息的历史”(含义为“只是/仅限于以信息存在/表达的历史”),却不应简化译为“信息史”。至于以名词并列方式组合构成的专有名词“information history”,为了反映出英文原文构词形式上有别于前两组词汇或短语(在内涵及外延上当然也一定有所区别),则应以正式的表达法译为“信息历史”。如此一来,“information history”的涵盖最大,其中囊括了“informational history”和“history of information”的涵盖;而“informational history”的涵盖次之,其中囊括了“history of information”的涵盖;“history of information”的涵盖则再次之,仅囊括了自身的内涵及外延。
有意思的是,貌似“文字游戏”的这三组英文词汇,在研究“信息历史”的英国学者托妮·韦勒(Toni Weller)的学术实践中,都被她使用过。并且她的使用,并非无区别地混用。例如:韦勒2005年首度发表的有关信息历史的文章认为:“informational history”(此时韦勒所使用的是“信息的历史”用词)“把信息作为中心议题,审视它对现存的历史命题和当代社会、文化或政治基础设施的影响”。2007年,韦勒再度发表关于信息历史的论文,此时“informational history”用词已改为“information history”,并被明确定义为:“Information History(信息历史)本身就是一种独特的历史研究形式,其着眼于信息在过去社会中的作用。”“信息历史就是研究人类与不同知识形式之间的关系——记录、显示、传播、保存、收集、使用和理解信息”,以及“这些问题是如何产生影响并受到社会、经济和政治发展的影响的”。2008年,韦勒进一步指出:“Information History(信息历史)是对过去社会信息的研究,即探讨其是如何被理解、使用、组织、管理、收集、审查、恐惧、敬畏、出版、传播、展示等”,所强调的是信息在“社会中的作用”。2010年,韦勒依然明确表示:“Information History(信息历史)是对过去信息的研究”,其“试图将信息传播、审查、保存、访问、隐私等主题放在更广泛的历史话语中”,着重探讨信息在社会中的作用及其对社会历史发展的影响。这样对概念用词的调整使用,不仅表明韦勒充分意识到上述三组英文词汇之间存在内涵及外延的差别,更提示我们,身为国际学术界中信息历史的主要倡导和推动者,她所论述的“information history”概念理应译为“信息历史”。关于这点,在稍后韦勒为主编的论文集《近现代世界信息史:信息时代的历史》(Information History in the Modern World: Histories of the Information Age)撰写的《绪言》中,得到更加明晰系统的印证,即:“information history”概念用词,其实指的正是“信息”(information)“历史”(history)——探讨/揭示/描述/重现历史上的信息的作用,而绝非“信息”“史学”(historiography)。有评论指出,该论文集涉及的探讨方向和范围,反映出信息历史“是一个很有前途的新研究领域”,就此展开进一步研究将丰富我们对国家的信息如何发展及其背景的理解。至此,将以上界定与信息史学的定义相比较可以看出,信息史学显然不同于“information history”(信息历史/信息史)。
关于“历史信息学”,有必要先来弄清楚与之密切相关的“信息学”这个概念。所谓“信息学”(informatics),起先同计算机科学直接相关,通常被定义为基于计算机系统的信息处理研究。21世纪初,信息学被进一步确立为关于信息的科学,专门研究天然和人工系统中信息的表达、处理和通讯等。既然如此,历史信息学当然也就应该是信息学在历史学科中的具体应用。只不过历史信息学的涵盖,要远小于信息学。一种最为基本的狭义观点认为,历史信息学仅是关于历史知识组织和历史信息系统中的信息搜寻、检索及基本方法或手段的学问。另一种较为广义的观点则认为:(1)鉴于数字化(digital)和开放的数字化历史(digital history)之来源的日渐增多,历史学领域可以极大地从信息科学中获益,在组织和决策中建立起数据(data)和信息(information)的意识,并通过计算机或个人计算机(PC,俗称电脑)获得由其加工的丰富历史资源;(2)新的计算机科学技术可以应用于帮助历史学研究对象——史料或资料的验证和确认,进而实现基于文本的分析、图像的解析或多角度比较及构建某种历史假设,故而,历史信息学应当是类似于生物信息学或化学信息学的学问,有助于推动历史学的计算机运用以实现更广泛的科学计算之进步。与历史信息学相关的还有一个概念,即“历史信息科学”,这一概念由L.J.麦克瑞恩(Lawrence J. McCrank)在2001年发表的《历史信息科学:一个新兴的学科》(Historical Information Science: An Emerging Unidiscipline)中提出。他首次把历史信息科学的概念规定为:整合了历史的调查或考证方法,量化的社会科学和语言学的研究方法,计算机科学与技术,以及信息科学等,并且着眼于历史的信息的来源、结构和通讯。2004年,O.布恩斯特拉(Onno Boonstra)、L.布鲁尔(Leen Breure)和P.托伦(Peter Doorn)对历史信息科学这一概念作了发展,正式将其界定为处理历史研究特定信息问题的学科,并且规定该学科的主要任务是,在计算工具的帮助下,以一种通用的方式尝试解决历史研究中同史料有关的信息问题。他们还指出,这一定义不仅排除了历史研究领域之外的特定信息问题,同时也排除了非特定用于历史研究的一般信息问题。
信息史学不同于历史信息学或历史信息科学,除定义有别外同时还因为:信息史学与历史信息学或历史信息科学的侧重点不同,且前者的涵盖大于后者。前者引入信息科学的理论和方法研究历史学的所有问题,而后者只是探究服务于历史学科的信息学问题。在涵盖上,信息史学的理论建构,较之后者更加强调全方位。从这点上讲,历史信息学或历史信息科学其实应当从属于信息史学的方法论之技术应用层面。
至于信息史学与“数字人文”的关系,首先需要了解何谓“数字人文”。“数字人文”的英文词为“Digital Humanities”,缩略词为“DH”,而不断增添的试图定义“数字人文”学科的文献,则为我们提供一个可以洞悉其形成的重要视角。
1.Digital Humanities”发端于英语世界,是从“Humanities Computing”(缩略词HC,意即人文计算)这一概念转换过来的。从某种意义上讲,无视或不甚了解人文计算之概念定义,也就无法或很难准确把握数字人文的内涵基础及方法论内核。
2.作为一个概念,“数字人文”起初只是一小群研究人员在2001年达成共识的一个术语,之后随着时间的推移,被越来越多的人认知并使用。及至2007年,已有学者表述道:“数字人文本质上是一个交叉的领域,其跨越了学科界限,也突破了理论与实践、技术实施与学术反思之间的传统屏障。”并认为,这一领域随着时间的推移已经发展出“自己的正统学说”,“其内部的联系和合作路线已经成为阻力最小的学术道路”。尽管如此,2005年之前仍有许多其他术语被用于指代现今称为“数字人文”的这一领域。甚至到2012年,指代“数字人文”领域的一些术语同样也在并行使用,这些术语包括,“人文计算”(humanities computing)、“人文信息学”(humanist informatics)、“文学和语言计算”(literary and linguistic computing)、“人文数字化资源”(digital resources in the humanities),以及偶尔会出现在源于欧洲大陆的著述中使用的“e—人文”(eHumanities),等等。不过,有一个意义在今天看来是很明显的,即“数字人文”一词的兴起带来的一个重要影响是,使得有志于此的学者们能够自我认同为“数字人文学者”(digital humanities scholars)。
3.“数字人文”既是传统人文与计算方法(computational methods)相遇的产物,也是传统人文与计算方法的结合体。随着文化材料向网络环境的迁移,这些材料的生产、可用性、有效性和管理等诸问题给人文学科带来新的挑战和机遇。数字方法(digital approaches,亦称数字化方法)与大多数传统的学术形式相比,尽管仍然根植于人文研究的传统,但明显具有极强的协作性和生成性。它的出现,不仅改变了人类劳动文化,也改变了构成人文语料库的物质和客体的问题。有学者指出,从本质上讲,数字人文既包括学术生活,也包括社会生活,这一事实使得对其讨论必然远远超出技术的范畴。更有不少学者认为,“文化材料(cultural materials)向数字媒体(digital media)的迁移,是一个类似于文艺复兴和后文艺复兴印刷文化(postRenaissance print culture)开花的过程”,其历史重要性及对未来之意义和影响可想而知。与意味着一种计算形式的“人文计算”相比,使用“数字人文”这一术语则被认为意味着宣扬一种人文主义形式,而概念用词中强调或突出人文学科则会更容易让人文社会或文化圈所接受。
4.有三种被认为颇为极端的观点和两个被共同关注的主题,反映了近年来世界范围的数字人文学者自身对这一新兴领域的认知及评判状况。均于2011年发表的这三种观点分别是:其一,斯蒂芬·拉姆齐(Stephen Ramsay)认为,如果你不进行具体的任何操作或制作实践(应是指数字化实践),你就不是一个数字人文主义者(digital humanist);其二,Marc Sample认为,数字人文不是一个关于搭建或构筑(building)的学问或学科,而是一个关于共享(sharing)的学问或学科;其三,Alvarado则认为,数字人文是一个社会范畴,而不是一个本体论范畴。共同的主题之一是,一个人是否必须掌握或运用编程技术,才能成为或算是数字人文主义者。另一个重要的共同主题,则是对“数字人文的理论缺失”的探讨。
5.关于规范性定义问题,截至目前,被英语世界的学术著述认为有关“数字人文”概念界定还不错的范本,采自互联网上开放式编辑百科全书——《维基百科》(Wikipedia)。据此给出的定义为:数字人文,也被称为人文计算,是一个计算和人文学科交叉,并对其予以研究、探讨和发明或创新,以及将成果运用于教学实践的领域。它的性质是方法论的,范围是跨学科的,涉及调查、分析、综合和以电子形式呈现信息。它研究数字媒介如何影响它们被使用的学科,以及这些学科对我们的计算知识有什么贡献。
至此,将以上介绍的有关数字人文的阐释片段予以概括,数字人文应属于人文学科领域计算机应用方法论及其实践过程中的技术操作理论。与信息史学之定义进行比对,同样不难看出两者的差别。当然,从人文学科这个意义上讲,历史学自当从属于该学科,并且信息史学与数字人文在方法论和实践运用操作上也有交集或交叉。但是,就目前情况看,在理论探讨(哲学意义)的深度上,前者即信息史学显然已超越后者即数字人文。为此,两者并非等同,亦不能互为替代。何以有此差别?究其根本,关键在于前者的着眼点为“信息”(information),后者仅为“数字(化)”(digital)而已。
最后,谈到数字人文自然会联想到近几年同样很热的Digital History”这个词组,即“数字历史”,抑或国内时下普遍译成的“数字史学”(对于这一译法笔者持不同意见,但下文仍依国内当下流行的习惯,权且使用后者)。那么,“数字史学”(数字历史)与数字人文、信息史学之间又是怎样的关系?择要而言:其一,“数字史学”与数字人文的关系——前者实际上可以纳入后者的范畴。20世纪90年代数字人文学科发展阶段之特点,是大量关键性信息的提取及批判性编辑(上网)和存储库(数据库)建设。“数字史学”正是在这样的背景下,由数字人文探索中生发出来的。从这个意义上讲,“数字史学”完全可以视作是,数字人文的理念和方法导入历史学科之后而在史学领域的应用。其二,“数字史学”与信息史学的关系——前者处于后者体系建构之理论框架中的方法论及应用实践技术理论(实践理论)的位置,从这个意义上讲,前者同样也从属于后者即信息史学。
既然信息史学并非等同于近40年先后出现的那些分别冠以“digital”或“information/of information/informatics”的“humanities”(人文学科)及“history”(历史或历史学)新兴跨学科交叉领域,那么,我们当然就完全有必要专门对信息史学的立论展开更为深入的阐释。
二、信息史学的立论和建构依据
从历史学角度看,发生在20世纪并延续至今的当代社会信息化历史进程,存在着互为表里的两条重要发展轨迹。其一是外在的和物质或物理的,即从计算机到互联网,再到移动互联网的发展;其二则是内在的和思想认知或理论的,即从C.E.申农(Claude Elwood Shannon)信息理论的提出,到信息科学的确立,再到21世纪头10年科学研究第四范式的形成。不论就第一条发展轨迹,还是第二条发展轨迹而言,申农信息理论的问世,都具有开辟新时代的里程碑意义。因为,他的信息理论开启了20世纪人类社会思维和表达的转换。这样的重大转换,不仅确立了信息和数之间的科学关系,更引发了人类对信息本质的科学思考和理论探索。正因为经历了这样的思考和探索,才最终得以揭示信息的性质及其不可替代之存在价值。与此同时,亦为信息史学的立论及理论建构,奠定了客观历史演进所提供的物质基础。
(一)20世纪两次思维和表达的转换
以申农信息论为标志的这一次人类社会思维与表达的转换,由于建立在对信息和数之关系确立基础上的“信息计算思维”,从而引发人类社会历史上迄今最为重大、意义深远的一次革命——信息革命。
信息革命促成的社会进步带来的一系列变化是惊人的,以数字来表达,留给人们的印象一定极为深刻。国际信息哲学领域的开拓者、哲学家L.弗洛里迪(Luciano Floridi)指出,“信息革命正在深刻地改变着世界,而且这种改变是不可逆的。”他引用一份研究报告的数据显示,2002年度“印刷、电影、磁带和光学存储介质”共产生“约5艾字节(Exabyte, EB)新信息”(其中92%存储于以硬盘形式为主的磁介质上),“相当于3.7万座”“美国国会图书馆的藏书量”;人类的整个历史则仅需12艾字节便可存储起来。在弗洛里迪看来,以此为代表的普遍可见且定量化的海量数据,亦同样证实一个“数据库化的社会”(databased society)的广泛存在。故而他认为,信息社会“打造了全然一新的新实在”,为今天的人们“提供了极为强大的工具和方法论手段,不可避免地会影响哲学家从事研究和思考问题的角度、路径、方式和方法”,以及“观点的形成甚至所采用的词汇”。为此,正是第一次思维和表达的转换所引发的一系列历史变革,让我们这个社会的信息与数之间的关系发生巨大改变,使得人类历史的发展有了今日之走向。世界已处在一个信息时代,发达国家和大多数发展中国家的人们已完全置身于一个真实的信息社会。被卷入时代潮流中的历史学深处逐渐发生着的改变,已从学者个人的习惯和行为上悄然启始。
在当代社会信息化进程中,自然科学界探讨自身与信息化结合的问题,被视为“信息转向”。根据弗洛里迪的引申表述,所谓“信息转向”之定义,是指“由信息与计算机科学和数字信息与通信技术引起的实践与概念的转换”。这种转换“正导致一场大变革”,这场变革不仅发生在自然科学领域,而且也发生在哲学等人文社会科学领域L.弗洛里迪主编:《计算与信息哲学导论》,第20页。 从这个意义上讲,“信息转向”实际上可看作当今社会人们思维和表达的第二次转换。
国际科学界在前沿理论探索上做出的重大“信息转向”,大体发生在20世纪下半叶。20世纪50年代起至21世纪头10年,自然科学界先后涌现不少缀以“信息”词汇的交叉或分支学科,其中的突出代表是生物信息学(bioinformatics;亦称信息生物学,information biology)。作为新兴学科,其首要贡献是在20世纪80年代中后期触发科学家大规模的基因组研究,从而使生命科学领域于21世纪初取得人类基因组测序图谱等重大突破性成果。
置身于社会信息化浪潮中的哲学社会科学界,也在发生历史性变化。国际哲学界早在20世纪70年代就对信息及相关问题展开思考,90年代全面提出“信息哲学研究纲领”,21世纪头5年将“信息哲学”(philosophy of information)正式确立为哲学领域的一个独立学科。弗洛里迪借用哲学家埃文斯(G.Evams)的话指出,“有一个比知识更天然和更基础的概念……这个概念便是信息”。由此他认为,信息被提升为一个基本概念,它“与诸如‘存在’、‘知识’、‘生命’、‘智能’、‘意义’或‘善与恶’同等重要”,具有对其展开独立研究的价值和意义。在弗洛里迪看来,信息哲学大有希望成为“我们这个时代最具有激动和最富有成果的哲学研究领域”,“它将影响到我们处理新老哲学问题的整个方式,引起哲学体系的实质性创新”。这标志着哲学发生了“信息转向”。类似这样的转向,无疑也在其他人文社会科学领域出现。
(二)历史学的思维和表达的转换
统观历史学在20世纪下半叶的历程,不难发现它也在发生着突破传统束缚而实现自身思维和表达的转换。总体上看,这种转换是同历史学界关注且参与社会信息化进程,不断尝试凭借信息化应用技术的发展来努力追寻自身现代化的行为联系在一起的。
在中国,历史学从业者自20世纪80年代起开始尝试解决书写工具的现代化问题,由此形成当代历史学发展的“换笔阶段”,即以计算机替换书写效率低下的传统用笔。当然西方仅是用计算机键盘替换掉传统打字机,还称不上“换笔革命”,但计算机的信息综合处理能力和效率是传统打字机无法比拟的。所以,同样有着“换笔效应(工具进化)”。为此这个阶段中历史学家个体普遍发生的“换笔革命”,完全可以视作历史学的“计算机化转向”(computerized turn,亦有人简译为“计算机转向”)。如此转向的直接结果,便是让历史学家不仅达到“手的延伸”之目的,更要实现“大脑(脑力)的拓展”。进入90年代,历史学界又与图书馆界联手合作,共同尝试将历史研究资料数字化,建成便于使用的数据库。这种变化可以看作历史学“数字化转向”(digital turn,亦有人简译为“数字转向”)的起始阶段。也是在90年代,美国历史学界还率先出现通过互联网发表或网络出版历史研究资料及研究成果的现象,专门服务于历史学的网络学术期刊和网络资料库等陆续问世。对于这样的变化和之后21世纪头10年的发展,我们将其表述为“网络化/自媒体化转向”(internetize/WeMedia turn)。21世纪初,历史学领域从“计算机化转向”到“数字化转向”、再到“网络化/自媒体化转向”的探索和实践,已引发历史学界新的理论思考。这样的思考建立在哲学及其他学科领域已有变化的基础上,是对当今信息时代所发生重大社会变革做出的积极响应。
严格意义上讲,历史学的“计算机化转向”,探讨和解决的仅是工具或手段的现代化问题。而历史学的“数字化转向”,却将探讨和解决问题的重点从工具转到内容,并涵盖两个方面:其一是内容存在形式的现代化;其二是内容承载方式的现代化。内容存在形式的现代化,指的是历史学研究对象和成果,由传统的纸质文本转向以“0”和“1”数码编排组合构成的数字化文本。内容承载方式的现代化,指的是以“0”和“1”再外加计算机网络所构成的载体——存储载体和流通载体。究其本质,就是用数——01这样的二进制组合,替代天然物质形成的介质。这是人类真正意义上最了不起的创新革命之一!这种改变及改变所成就的客观现实的存在,自然要引发对历史学本身做出突破原有局限的进一步理论思考,思考究竟是什么在历史学背后对其内容起着支撑作用。换个角度提问,01之间以编码方式——“排列组合”之数学计算,所表达的是些什么?答案用一个词便可表述,即“信息”(information)。从信息的角度来重新认知历史;以信息化应用技术和手段提供的表达方式或方法用于历史内容的表述,据此建构一个全新的历史学阐释学体系,也就形成“历史学的信息转向”。信息转向,为古老的历史学和先进的信息科学之间的融合,提供了理论贴合面和可供实际操作的通道。
“信息”的科学概念和信息科学的理论及技术手段引入历史学,显然需要通过如下四个方面的转换来加以实现:第一,视角的转换,即用信息的视角来看待历史;第二,观念的转换,即用信息的观念来标识历史;第三,认知的转换,即用信息的认知来理解历史;第四,理论的转换,即用信息理论和方法论来阐释或表达历史。须在此强调的是,并非要用这四个转换来替代历史记载或书写的内容,而是要从史学理论层面重新审视或探究“历史到底是什么”这样似曾已解决的命题。从“信息”的角度重新解答这一命题,有助于让古老的历史学同最先进的信息科学相结合,从而在历史学“数字化转向”的基础上实现历史学的“信息转向”,使之真正实现与时代发展同步的自身现代化。
从上述四个方面的转换着手,以“信息”这一概念为基本出发点重新审视历史学,我们会发现如图1所示的一个全新的历史学理论体系架构和阐释系统。
首先,把“历史实在”、“历史文本”和“历史学家”三者联系在一起的唯一纽带,显然只能是“信息”。因为,历史学家只能通过历史文本(不论文献还是遗物或考古遗迹)来感知或领悟历史实在。图1右下方的三角结构,表达的正是三者之间的这种信息关系。



其次,历史上真实的客观世界对于后人而言,如同一个黑箱,里面究竟发生过什么、有怎样的过程,都无法直接知晓,唯有凭借或是通过留存下来的信息(历史文献、遗物、考古遗迹),才能间接地有所了解。历史学家是如何了解的?换言之,历史学的认知结构或体系框架是怎样的?在图1的方块结构图里,起自左下角而向右上方的逐级抽象的关系中,我们能够看出层级架构相互之间存在着如下关联:
1.“历史文本”是历史学或历史研究的基本出发点,性质属于历史学家与“历史上真实的客观世界”之间的边界贴合面。“历史上真实的客观世界”可以视为黑色的,因为我们无法直接从中获取信息。但“历史文本”较之前者则可以视其为灰色的,能够从中采集到直接来自于前者的一定数量的信息。对于历史学家而言,“历史上真实的客观世界”是他想要探知或了解的终极对象,而“历史文本”则是他可以直接接触到的研究对象。
2.为了解读“历史文本”的信息并将其表达出来,历史学形成“历史叙述”、“历史分析”和“历史认识”。“历史叙述”、“历史认识”与“历史文本”有直接联系,而“历史分析”则是附着于叙述和认识之间的信息处理过程,同“历史文本”发生关系属间接关系。该层级或环节的要素、内容,构成历史学的主体,亦是常人所理解的历史学,同时亦是千百年来传统历史学的基本架构。在传统历史学中,“历史分析”这一部分即分析过程基本上仅存在于史家的脑海里,而付诸文字的主要是“历史叙述”和“历史认识”两个部分。例如,司马迁撰《史记》,正文主体为“历史叙述”,而他的“历史认识”以“太史公曰”的方式列于篇尾。修昔底德著《伯罗奔尼撒战争史》,他的“历史认识”则以夹叙夹议的方式列于“历史叙述”的行文中。“历史分析”的过程由大脑中走出来落在纸上而成为历史著述的主体内容,则是20世纪以来的事情。正因为有这样的变化,“叙述的历史学”才得以转变为现在我们常可以见到的“分析的历史学”。
3.接下来的情况(结构层级或关系)变得复杂起来。其一,让我们先看一下图1列出的第一个纵向层级关系,即“历史文本”→“历史叙述”→“历史阐释”。这种最为基本也是最为传统的历史学思维或表达方式,目的是上升到阐释学意义上的境界,期待以此实现对历史真实的所谓“真切”阐释。在这一传统历史学模式中,“历史文本”直接处于逻辑结构的起点,拥有基础性或根本性的最重要的地位。其二,再看图1列出的第二个纵向层级关系,即“历史认识”→“历史分析”→“历史阐释”。这是完全不同于传统历史学的新模式。在这一模式中,“历史认识”成为逻辑结构的起点,而传统史学强调的“历史文本”在这里并不是最重要的(当然并不是将其排斥于历史学之外,而是以关联方式存在着),由此我们不禁想起柯林武德那句“一切历史都是思想史”的著名论断。不错,这就是以柯林武德为代表的20世纪的分析历史哲学模式,同时也是“分析性的历史学”的模式。其三,将视线转到横向关系并自下往上:“历史文本”通过“历史认识”,可以成为能被感知的“历史存在”,这就是历史文献和历史遗迹被认知的一个过程;“历史叙述”加上“历史分析”,也就构成最基本的“史学”;而结构性的和本原性的“历史阐释”,则构成“元史学”,这里的元史学并非局限于海登·怀特编纂学意义上的概念,而是史学理论意义上的概念。纵向层级关系中的“历史存在”→“史学”→“元史学”,可以清楚地揭示出“元史学”的含义及位置。其四,图1所示左下角至右上角的对角线关系,即“历史文本”→“历史分析”→“元史学”,同样揭示了“元史学”的含义和位置。这样一种逻辑关系,倒是体现了海登·怀特的本意。其五,我们将历史学诸要素及层级逻辑关系作逐级抽象,一直抽象到历史或历史学最本原的地方,那会是什么呢?很显然,正如图1的结构模型所标示的那样——位于层级最上端的唯有“信息”。前面我们说过,离开信息,也就无所谓历史和历史学。历史之所以是历史,是因为信息的作用;历史学之所以是历史学,也是因为信息的作用。历史研究倘若除掉同“历史”二字个性化相关的所有形容词和限定词,余下的也就是信息处理过程了。
所以,厘清和正确认识历史学与信息之间的关系,应当是历史学的第二次思维和表达的转换。这种转换,有助于建立历史学同信息科学及信息化应用技术科学之间的沟通和跨学科融合。如此的沟通和融合,对21世纪信息时代推动历史学的“信息转向”,并通过“信息转向”达到该学科进一步现代化的目的,无疑具有重要意义。
(三)基于“信息”的史学新认知依据
提出和建构21世纪的新史学——信息史学,并非只是基于以上关于历史学要素层级之间逻辑结构的分析,同时还具有源自现实的科学探索实践所构成的新认知依据。
依据之一:现实世界是由信息构成的。既然自然科学通过长期深入研究已经确定,信息是物质的;或进一步表述,信息是物质的第三(或曰X”——因为极有可能随未来进一步发现而改变)属性,信息就是物质的某种存在形式或方式;或者按照另一种更为彻底的观点,宇宙就是由物质、能量和信息构成的。那么,我们就完全能够由此导出这样一个结论,即:信息不仅是维系现实世界的纽带,更是现实世界的基本构成要素。如果我们跳出传统观念或知识体系的框框,重新以“信息”理念认知来审视整个地球变迁的沿革历程,便会发现生物界的演进离不开信息的存在与传递。这样的结论也是被自然科学的研究进展所证实了的。生物系统不论简单还是复杂,个体内部以及个体之间存在的相互作用,表明其具有信息处理功能,正是这种功能,让生物系统得以不断产生并维系。自然界生物系统的这一属性同样延伸至人类社会。事实上,对于人类社会的存在和发展,信息的这样一种不可替代的作用更为突出。信息在人类社会延续上发挥着两方面的作用,其一是生物学意义上的,即人体内的DNA——遗传基因编码,保持着人类这一物种的群体和个体的繁衍,并决定着人的血缘族氏家宗的特性承袭;其二是社会学意义上的,从口头语言、到形体语言,再到书面语言、通讯语言、计算机语言……不论是自然语言还是人工语言,承载和传递的信息既维系着人际交往又维系着社会秩序和社会运转。
依据之二:历史学的本原是信息。具体到历史学,信息的作用更是一种无以替代的客观存在。在历史学中,信息可以区分为“主动记载”和“被动遗存”两大类。所谓“主动记载”类是指,人们出于某种目的而有意识地,以符号(如文字等)或声音(口耳相传、录音等)、图像(绘画、雕塑、摄影、录像等)等方式记录下来的信息。对于历史学而言,则是历史学家出于记录、陈述、描写、还原、再现某个历史之目的而有意识地书写的历史或历史学著作,或通过近现代工业化及信息化手段制作的其他类型历史作品(如历史影片、数字化多媒体历史作品等)。所谓“被动遗存”类则是指,历史上的人们留存下来的生活遗迹,或生活物品(从日常生活必需品到精神消费品)、非用于历史书写目的之档案文献资料等。遗迹多数通过考古发掘来获得。生活物品则亦有通过一代代收藏或保管而存留给后世的。不论“主动记载”还是“被动遗存”,一个显而易见的事实是,如果没有信息的作用,历史便失去了赖以存在的根本,历史也就无所谓历史而灰飞烟灭。
依据之三:用信息科学视角看,历史认知或研究过程本身就是一个完整的信息处理过程。
前面已就历史与信息的关系作了明确分析或阐释,如果再从信息科学的角度具体审视历史认知过程和研究过程,则能进一步发现这样的过程本质上恰是一个完整的信息处理过程。如图2所示,以庞培遗址考古发现为例:(1)考古发现的过程基本可概括为四个阶段:“考古发掘”→“考古辨识”→“考古阐释”→“考古复原”。(2)对这一过程予以抽象,即将其中“考古”二字替换成“历史”,便可得出历史认知或研究的过程:“历史发掘”(收集史料)→“历史辨识”(分析史料)→“历史阐释”(解释史料)→“历史复原”(根据对史料的认知著述历史)。(3)再做进一步抽象,即将“历史”一词替换成“信息”,使之成为“信息发掘”→“信息辨识”→“信息阐释”→“信息复原”,由此会发现历史认知/研究过程的实质,恰恰是信息科学意义上典型的一个完整的信息处理过程。



既然已经揭示了历史的本原就是信息,历史的认知或研究本身就是一个完整的信息处理过程,那么,我们也就为历史学与信息科学的“无缝对接”找到了一个至关重要的关键词——“信息”。正是“信息”这个关键词,成为历史学同信息科学或信息化应用技术科学实现原本截然不同的话语体系之间的沟通、交汇或交融的衔接点或贴合面。有了这样的衔接点或贴合面,就为我们将信息化应用技术科学导入历史学领域并据此改造史学认知方式和表达方式,提供了依据。
三、信息史学的实践及有效性验证
将信息科学、信息化应用技术科学引入古老的历史学,探讨如何凭借信息化实现其自身现代化,并为此构建信息史学的理论和方法论体系,不仅要解决具体应用或操作环节上的某些技术性问题,更是希望能够达到“整体+综合+动态+可视化”的历史研究新境界。作为信息史学的实践理论之一——“数字世界史”(Digital World HistoryDWH)的提出,便是具体应用上的实践尝试。
(一)整体、综合的数字世界史理论模型和四维时空表达法
关于数字世界史之理论建构的系统阐释和论证,笔者已有专文刊发,兹不赘述。这里仅给出如下页图3所示的“数字世界史系统模型”(Model of Digital World History SystemMDWHS),以便就以往未尽的理论思考作进一步论述。



由图3可以看到,数字世界史系统模型(MDWHS)的主要特点反映在三部分:其一,数据源。通过数据库系统自身具有的全球性质的开放式网络接口,对大数据实施采集,以此实现全球范围内跨学科基础数据资源的调用。其二,系统的主体——数字地球。所谓“数字地球”(Digital Earth),是“对真实地球及其相关现象统一的数字化重现和认识”,“核心思想是用数字化的手段来处理整个地球的自然和社会活动诸方面的问题,最大限度地利用”数字化的各种信息“资源”,从而使人们“能够通过一定方式方便地获得他们想要了解的有关地球的信息”,主要特点是“嵌入海量地理数据”,实现对地球的“多分辨率、三维描述”。数字地球是本系统运行的主体平台,除了具有对各类基础数据提供选择性叠加或呈现等基本功能外,同时还应能提供数据科学计算(空间计算)、时间轴动态选择和可视化建模(2D+3D)等一系列高级编程或运行的功能。其三,叠加在数字地球之上的“世界历史时空架构(WHTSs)信息处理覆盖层”,且其表达方式为“可视化+可动态”的。这三部分组合成为一体,便是用于对人类社会历史发展实现总体、综合研究的“新世界史eScience”,即集成了大数据、云计算和可视化技术的“世界历史学科研信息化基础设施的理论体系及应用系统”(英文表述可以考虑有两种写法,eWorld History Science,缩写eWHS;或eScience for World History,缩写eSWH)。
就信息史学而言,专门提出“数字世界史”概念,以此进行理论探索和实践上的操作性检验,主要目的之一,就是要尝试将历史学家研究世界历史的思考过程及结论,由传统的“自然语言”表达方式(单纯的文字书写),转换成为一种“多维动态可视化”新表达(基于信息化应用技术科学的交互功能,在时间和空间两个方向均可自主调节)。这样一种全新表达方式的实现,涉及一个重要环节,即自然语言中的描述性历史要素,与虚拟现实(VR)情境之交互界面的数字化对接。具体地说,也就是对历史文献或历史学家著述中以自然语言表达出来的内容,进行关键性要点的抽取并加以数字化动态时空区位的标引。当然,若想很好地解决这一难题,必须首先在原理层面给出基础理论方面的科学依据,然后由此形成某些切实可行的方法论。对此,笔者采取的做法是引入理论物理学中的相对论。具体运用上,则涉及相对论的“四维时空”理论表述,“事件视界”(event horizon)中过去/现在/未来的表述,以及四维时空坐标定位的标注/表达方法等,如图45所示。



从图4可见,位于该图右上角的光锥(light cone)是相对论对空间、时间和事件点这三者之间某种关系的理论表达。这样科学性质的表达,应该说已大体直观地(可视化地)描述或揭示出过去、现在、未来这三个四维时空,与事件及事件视界之间的关系。以此为凭,我们便可构建出一种能够适用于数字世界史研究的“四维时空坐标体系表达法”,即该图主体区域所呈现的“动态历史时空”(Dynamic SpaceTime of History)系统。这样的动态历史时空系统,是以坐标化方式对历史事件的点和过程作出某种表达或描述的。对历史事件时空进行定位,恰恰为更好实现信息化应用技术层面上的可操作性标引,提供了相应的理论支撑和解决方案。
4呈现的坐标体系蕴含的主要内容有:(1)坐标系由“多维空间轴”(mutidimension of space)和“一维时间轴”(onedimension of time)构成,其中的多维空间轴对应地球上的实体空间,分别设定成“纬度”、“经度”和“海拔”;而一维时间轴则根据时间箭头的方向性,自左至右形成一条由“远的过去”(past 1)、“近的过去”(past)和“现在”(present)相连而成的从过去到现在、再延伸至未来的时间轴线。(2)存在于过去(past)的历史事件点“P”,是由较之更远一些过去(past 1)的某个点“P1”发端,而后再经历了事件过程(occurrence)的演进才最终形成或抵达的。借用爱因斯坦的表达法,这里的历史事件点“P”在多维动态时空坐标系中的定位——坐标值,可以标注为“P (lat., long., height, time)”,即括弧内的四个值分别为纬度、经度、海拔和时间。对于以如此的四个值来标注或表达四维时空中一个点的方法,美国杰出应用数学家、数学哲学家和数学史学家莫里斯·克莱因(Morris Kline)亦曾指出:“四维几何的概念,实际上在研究物理现象时非常有用。有一种观点,从这种观点出发,物理世界能够被认为是,而且应该被认为是四维的。任何事件都在一定的地点和一定的时间发生。为了描述这个事件与其他事件的区别,我们就应该给出该事件发生的地点和时间。它在空间中的位置能够由3个数来表示,也就是它在三维坐标系中的坐标,该事件发生的时间则能由第四个数来表示。x, y, zt 4个数,不能再少了,这样才能准确无误地表示事件。这4个数,就是四维时—空世界中的一个点的坐标。”“人们把关于事件的世界想象为一个四维世界,而且按照这种方式研究物理事件。”“连续变动的位置,也可以描述为是四维世界中的一些点的点集……”
既然在真实世界里,地球上的人类社会发展进程中所发生、出现或存在过的任何历史事件都有着特定时间和地点,那么,我们就完全可以赋予历史事实以相应的时空坐标值,从而使之实现在具体时空坐标点上的定位标注。以古代雅典卫城这一时空坐标点所发生的历史事实为例,运用图4“动态历史时空”的表达原理,便可转换成图5所示对实际发生过的历史事实做出具体标注。从图5能够看到,雅典卫城的空间三维坐标可以具体标做北纬3758分、东经2343分、海拔156米。而在这一空间位置上发生的历史事件,其事件过程P1P若反映在时间一维上,便会存在着Time″→Time′→Time这样的演进。倘若再设:事件起始点P1的时间为t″;事件终结点P的时间为t。据此而对应地标注到四维时空坐标系统上,则:事件起始点和终结点的坐标值便分别为,P137°58N23°43E156m Ht″)和P37°58N23°43E156m Ht)。显然,通过这样的定位标注方法,原本只能用自然语言进行一维表达的历史事件过程,便可以转换成为具有时间轴上多帧“空间横断切片”样式的动态的多维时空表达了。
总之,采取这种基于四维时空坐标系的“动态历史时空定位标注原理”,我们就可以凭借已有的信息化应用技术提供的软硬件工具,将其运用到基于DE+GIS软件平台所构建的数字世界史系统中,使之服务于具有“总体+综合+动态+可视化(虚拟现实)”等全新表达范式特点的历史研究。
(二)数字世界史理论的实际应用:GE平台上的综合性历史研究案例
不论是信息史学的理论认知、体系建构和方法论原则,还是更为具体的数字世界史的研究理论和四维时空表达法,均离不了实践的检验,即通过某些可操作性的实验来获得有效性验证。
1.可用于历史研究虚拟实验的大数据综合调用及可视化合成的GE平台
尽管在严格意义上讲,现实中人类社会的历史过程无法百分之百地还原重演,但由于社会信息化发展到今天的水平,我们还是可以凭借信息化应用技术搭建起一个“虚拟历史实验室”,以此虚拟出历史过程来验证我们的某些理论和观点。笔者注意到美国谷歌公司自2005年起公开发布的谷歌地球(Google Earth,简称GE)系统,基本符合数字世界史对数字地球的要求,可以用做我们的虚拟历史实验室。


6是笔者为进行信息史学之“数字世界史”实验选用的GE平台的PC桌面版客户端的用户界面截图。图6A)中,右边为主窗口,现在看到的是早期人类起源及迁徙概况的可视化呈现,由不同来源的三组数据层叠加而成;左下是谷歌免费提供的基础信息、数据资源的主数据库内容窗口,选择相应的基础数据层,便可将其覆盖到主窗口中的数字地球上,实现数据的叠加;左上是用户“我的地点”数据库内容,对其实施选择操作,用户自建的数据层同样可以叠加到主窗口中的数字地球上。当前截图显示的内容是,地球演变史即“地球史的全球古地理观察:从前寒武纪晚期到最近时期”(Global Paleogeographic Views of Earth HistoryLate Precambrian to Recent)的数据层。图6B),则是GE平台提供给用户进行可视化互动操作的大数据化的地球。此外,GE平台还提供了一个对于历史研究而言很重要的功能——时间轴,如图6C)所示。通过数据层的编程来实现对时间轴的调用,便能让主窗口中的数字地球可视化地动态展现出不同时间节点上历史空间里的事件过程,以及该过程所处环境的差异性变化。
2.研究案例:蒙古人西征路线历史数据+黑死病暴发流行历史数据+地球环境大数据=疾病史研究的新视角和新发现
接下来列举的案例,是一个以信息化手段,通过叠加处理三组数据(两组长时段历史文献数据,一组超长时段里形成的地理环境数据)获得的可视化大综合结果,对这一结果进行交互式操作,最终形成的则是三组数据之间历史相关性的探讨,如图7所示。



在现代西方历史学领域,中世纪史上的蒙古人西征属于20世纪下半叶全球史兴起后重新热起来的一个传统研究课题;同样,中世纪史上的黑死病也可谓20世纪最后20年因疾病史的兴起而再度热起来的传统研究课题。已有的疾病史研究成果普遍认为,两者之间的相关性,主要或集中表现在因果关系上。具体而言,一种较为普遍或正统的观点认为,蒙古人半个多世纪的西征开通了欧亚大陆北部(北纬45°—北纬55°之间)东西方贸易大通道,并于1346年攻打一个位于克里米亚半岛名叫卡法(CaffaKaffa,今称费奥多西亚,FeodosiyaTheodosia)的重要贸易中转栈点城市,这是导致14世纪黑死病暴发并在欧洲大流行的直接甚至根本原因。例如,威廉·麦克尼尔在1976年出版的《瘟疫与人》中就明确提出这种观点。事实上,早在1893年便有一位名叫弗朗西斯·加斯奎特(Francis A. Gasquet, 18461929)的黑死病研究者就已经这样看问题了。以美国另一位生态环境史研究见长的历史学家肯尼思·基普尔(Kenneth F. Kiple)为主编,聚集了各国知名专家学者执笔,并由颇具学术声誉的剑桥大学出版社于1993年首版的《剑桥世界人类疾病史》,更是沿用了这样的认知。
如某些研究者指出的,形成这种观点或认知的最主要依据是一份史料,即生活在14世纪的意大利商人加布里埃莱·德·穆西(Gabriele deMussi)用拉丁文撰写的一本回忆录。在该回忆录中,穆西记述了蒙古人攻打卡法城时散布瘟疫的情景。然而,仅凭这份个人回忆录性质的史料所载,便将影响巨大且深远的两个重要历史事件予以必然的因果关联,且由此推导或演绎出上述的结论,是否会造成“一叶障目”,由此遮掩了客观事实而阻碍人们去做进一步探究呢?显而易见,仅限于纸质文献或其他物理介质如考古遗址遗物等传统意义上的单一史料(孤证),以及史料的传统运用方式或手段,要想对上述问题有所破解,只能期待着史料方面的新发现了。幸运的是,信息时代的科学研究第四范式的兴起,为破解上述困境展现了完全不同的前景。图7所示的依照数字世界史理论和方法建立起来的大数据+可视化之交互性的研究平台,能够就上述问题实现单一史料难以达到的某种跨学科视野上的突破,进而让我们有新发现。
从图7可见,第一组数据层,即由GE自带的来自卫星观测的全球地理数据,属于基础性质的。运用这组数据,我们可以重构一个可视化的虚拟现实(VR)的数字地球。这样的数字地球,为研究的展开提供了历史事件赖以发生或存在的空间舞台即地理环境。这个地理环境有自然的,亦有人文的,既包括了地球表面远及逾千万年、近至数百余年来大自然变迁形成的海洋陆地、山川平原、河渠流壑,又包括了人类社会历史发展的一些人为成就,如人口聚落点——城镇乡村、集市码头,人口流动线——商贸交通、旅行道路和航线。此外,还有用现代科技手段获取或累积的历史气象变化态势和野生动植物分布态势这两方面的资料数据,也使得自然的和人文的地理环境的变迁因素进一步地丰富起来而更呈现动态化。
第二组是应用性质的,即依据历史文献建立起来的13世纪蒙古人西征路线及统治区域概况数据层,位于图7的右半部分。该数据层中两种颜色不同的曲线,分别表示不同时期的征战线路;色块覆盖区域则表示统治范围。这样的应用数据层,由研究者以用户的身份自行编制叠加而成,可供用户在四维时空的时间轴上操作移动,从而按时间顺序形成若干个历史时空横断面切片(犹如生物学上的生理切片)。该数据层的交互操作,让历史的“瞬间”横断面切片在计算机显示屏上依次呈现,为我们组合出13世纪2070年代,逾半个世纪时间里蒙古人西征历史的动态发展图景:蒙古人以骁勇善战的骑兵大军为先导,从欧亚大陆东部的干旱地区奔向西方——依此向里海地区、向黑海北岸区域及濒海传统贸易商栈地区、向中亚传统贸易路线区域等挺进,继之而来的则自然是其号令所及区域也在不断地拓展。基于这种宏观态势架构,凭借第一手的文献史料中的细节记载和第二手的史学家阶段性研究成果,不难勾勒甚至想象出进一步的微观历史图景。例如,被纳入蒙古汗国统治范围的那些地区(黑白图为白色覆盖区域),应当时常会有遥远东方的人们(不论蒙古巡视官员、信使,还是商旅者)前来光顾。换言之,蒙古人西征及其建立起来的汗国统治带来的直接历史后果之一是,欧亚大陆东西方之间的人员、人口流动,变得更为容易也更加频繁了(尽管汗国以严酷的统治手段强化了对当地原住民的控制)。显而易见,通过可视化交互界面窗口中历史横断面切片的依次呈现,我们便得以从宏观视角了解到某种全局性变化。
第三组数据层位于图7的左半部分,同样为应用性质。其基于依据史料记载绘制的“黑死病在欧洲”历史地图“来建立,反映14世纪欧洲黑死病大流行时期,不同时间段的疫情在空间上的覆盖情况。通过用户的交互操作,可以让时间轴上的黑死病这一历史事件实现横断面切片的逐帧展示。各帧切片分别指代不同时间段瘟疫流行蔓延到的具体地理区位和覆盖范围。据此可以看到,黑死病的蔓延时间段及覆盖范围由南向北再向东,深浅不同的色块所表示的时间段分别为:(113477月至13487月的覆盖区域;(213487月至13497月的覆盖区域;(31349年的覆盖区域;(413507月至13517月的覆盖区域;(51351年的覆盖区域;(61352年的覆盖区域;(7)个别的白色空白点,为没有发生黑死病流行的区域。此外,叠加的数据层中的深色圆点,为人口损失巨大的主要城镇。结合与其对应的地理环境数据,大致可以揭示出黑死病大流行的三个因果关联之要点(进而可视其为大流行基本规律的构成要素),即:(1)沿海港口区域,是黑死病登陆南部欧洲地中海沿岸并暴发首轮疫情的重要起始地理位置;→ (2)河运所及的区域,成为沿海港口疫情向内陆传播的主要通道;→ (3)以人口居住聚集地为中心,相互间人员流动和社会交往频繁的区域,是疫情进一步向欧洲腹地扩大传播和更广范围蔓延的发散地。
采自不同学科和研究领域,且时段长短和所处历史时期各有不同的上述三组数据的叠加,便成就了我们从图7看到的可视化互动窗口界面。这一界面,体现了信息史学意义上的全新历史研究范式。数字地球特有的无级缩放功能(外太空回观地球的宇航员视角,和低空飞翔俯瞰大地的鸟类视角,两者视域高度及范围的随意变换),让我们能够在图7界面中进行视角高度从海拔4500公里降至数百米的宏观与微观的切换。而三组数据层之间的关联(相关性)分析,则会令我们在全面综合比较过程中发现新的问题,进而对传统观点提出一连串的质疑。例如:
第一,如果像传统观点所认为的,引发欧洲黑死病大流行的源头在黑海北部港口商栈卡法,那么令人不得不质疑的则是,既然与俄罗斯地区有着较为频繁交往的蒙古金帐汗统治区域内已经出现规模不小的疫情,为何最初的向外传播,不是直接往西经由俄罗斯传入东欧,进而再由中欧向西、向南渐次扩散至欧洲大西洋沿岸和地中海区域,反倒是一场攻城战就让死神去了位于南方的地中海东部地区?
第二,是什么因素,使得引发黑死病的鼠疫杆菌在欧洲大陆的传播竟能走成如图7所示的弧形扇面蔓延状?(叠加的第三组数据层显示,黑死病经地中海东岸地区传播至南欧,再由南向北蔓延开来并转向东方,最后却消弭在今天俄罗斯境内靠近黑海以北偏西的位置)难道可以让黑死病病菌由金帐汗国直接西传的最快捷路径,会是因俄罗斯境内当时的人们已经形成的免疫力才中断的吗?欧洲黑死病大流行在俄罗斯境内的中部地区被终止,也是出于同样原因吗?由此引出进一步有待探讨研究的问题——现今俄罗斯境内欧洲东部的当时居民,是否真的已经具有了相应免疫力?
第三,环境因素对欧洲大陆黑死病传播起着怎样的作用?人类的社会行为与各自所处环境差异性之间的关系及交互作用,又对黑死病流行传播所呈现的区域性差异,发挥着怎样的影响力?
关于上述第三点中的两个疑问,前面提及的第三组数据层与第一组数据层之间的叠加分析所揭示的三个因果关联之要点,已经基本给出了初步答案,即:受那个时代的环境条件制约的贸易交往线路之分布和交往手段,以及不同地区的人们受各自所处环境影响而形成的各自生活和交往习惯,影响甚至直接决定了黑死病在欧洲大陆上的传播/扩散方向或路径。换言之,交往频率愈频繁,感染和传播黑死病的几率愈大;交往路线愈密集且长远,所及地区受黑死病感染的几率也就愈大。关于第一点中的疑问,倘若我们将查士丁尼瘟疫以来史籍/文献资料所载的中东、西亚乃至北非地中海沿岸区域瘟疫流行数据编制成第四组数据层,叠加到图7所示的GE研究平台上,或许也就有了与传统观点完全不同的答案,即:黑死病的暴发貌似偶然实则有其必然性,它极有可能是西亚地区不同规模瘟疫多次暴发流行,而最终在14世纪上半叶跨区域贸易日渐发达、人类远途交往愈渐频繁的历史大前提下,由东(西亚内陆)向西(地中海沿岸)传播扩散所引发/导致的恶果。至于第二点中的头一个疑问,基本上可以从第三个问题的阐释中获取答案,而后面两个疑问的破解,则有待于我们在微观层面做进一步更为深入地实证研究。
限于本文篇幅,笔者在此仅提出以上问题。诸如此类的新问题,当思维与表达在信息史学的架构中实现了跨学科突破之后,自然还会不断涌现。
综上所述,21世纪的历史学,处于信息时代、受益于信息社会的进步,又服务于信息社会的咨询和决策需求。这无疑成为无法回避且唯有诉诸跨学科方法才能自如应对的挑战,而信息史学正是对此主动做出的理论创新探索和方法论实践尝试的积极回应。2015年,第22届国际历史科学大会将“历史学的数字化转向”列为四大主题之一。信息史学的探索已不失时机地融入当今国际史学发展的新潮流中。史学研究的信息化,已然成为21世纪历史学变革的一个重要发展方向!
来源:中国学派
链接:https://mp.weixin.qq.com/s/ZGGwlyz-vwIlt5EsoZ-TiA
编辑:晓晴

图片35.png (429.31 KB, 下载次数: 17)

图片35.png
150#
 楼主| 发表于 2019-8-11 18:43:41 | 只看该作者
【案例】
于海防:人工智能法律规制的价值取向与逻辑前提——在替代人类与增强人类之间
作者:于海防
作者单位:烟台大学法学院
责任编辑:洪
全文已略去注释,如需查看,请订阅《法学》
人工智能法律规制的价值取向与逻辑前提——在替代人类与增强人类之间

【内容摘要】 在机器智能领域,人工智能与智能增强两大技术阵营在应替代人类还是增强人类上存有理念对立,并映射于法律。相对于计算机、网络等智能增强技术以人为中心、以增强人类为目标,人工智能技术以机器为中心、以替代人类为目标,在技术上具有去人类化的属性,此系人工智能诸多伦理困境与法律难题的产生根源。人工智能法律规制应当坚持以人为本,对人工智能前置性地施加局部替代人类、整体增强人类的价值负载,在人工智能不具有主体资格的前提下,围绕人工智能以机器为中心的特性进行制度设计,弱化复杂的伦理困境与责任认定疑难,并保持与既定体系的接洽、交融。人工智能法律研究不应局限于法律范畴之内,在技术分析之外,还需要结合哲学、伦理学等学科的研究。
【关键词】 人工智能 智能增强 人机关系 价值取向 主体资格 法律规制
(本文约22 000字)
目前,人工智能法律研究的核心在于如何科学、合理地规制人工智能。学界现阶段的研究多针对具体问题,但研究难以协同,观点纷纭,动辄否定传统法。而且,人工智能依托于计算机,但现有的人工智能法律研究却与之前有关计算机、网络、电子商务的法律研究差别极大。在相当程度上,人工智能研究的纷乱现状源于其法律规制的基点未得到确立,而这又可归因于人工智能基础法律问题研究的不足。从技术背景来看,人工智能领域内部仍存巨大分歧,至今尚未形成统一的理论与技术范式,甚至连人工智能概念的内涵与外延都是不确定的,致使新兴的人工智能法律研究缺乏共认的研究前提,这不利于顺利开展对人工智能基础法律问题的研究。笔者不揣浅陋,在人工智能技术、认知科学、哲学、伦理学、法学等多学科结合的视角下,梳理机器智能两大技术阵营的理念纷争及对法律所生影响,并以此为基础分析人工智能法律问题的根源、症结与解决思路,进而尝试确立人工智能法律规制的两个核心基点,以解决人工智能因去人类化属性而与法律产生的根本性冲突,将人工智能法律规制融入既定法律体系。
一、机器智能技术的理念纷争及对法律的影响
计算机、网络、电子商务与人工智能法律问题的产生均源于数字化计算机器的应用。计算机、网络、电子商务法律问题的产生已有三十余年,相关法律规制基本定型且已融入传统法律体系,人工智能发展六十余年,却于近年才产生法律问题。此外,虽然在技术、领域与应用上存在耦合与重叠,但人工智能法律研究与计算机、网络、电子商务等法律研究却相割裂,国内外均是如此。在笔者看来,这种割裂映射了人工智能与智能增强两大技术阵营在机器智能领域的长久对立。然而,人工智能与智能增强其实具有一定程度上的辩证统一关系,二者在法律问题上也具有这一特点。回溯梳理这两种机器智能技术的发展、分歧及对法律的影响,有助于人工智能法律问题的分析与解决,对于厘清人工智能立法与既定法的关系以避免体系龃龉也具有重要意义。
(一)机器智能框架下人工智能与智能增强的理念对立与统一
虽然哲学家、科学家与大众对人工智能的理解存在系统性差异,但可以肯定的是,人工智能是一种机器智能,依存于以计算机为代表的数字化计算机器,而计算机从产生时起便是具有区别于以往任何机器的、可发展的机器智能的。计算机从第一代发展到第四代,推动机器智能水平持续提升,计算机、网络、虚拟现实、大数据、云计算、物联网、区块链、人工智能等数字计算技术可以在机器智能的宏观维度上得到统一。各式数字化计算机器、技术的发展史就是机器智能的发展史,反之亦然。拥有机器智能的计算机器的出现改变了自工业革命以来的人机关系,并使人类与计算机器之间的关系成为人机关系的核心。人机关系因计算技术的进步、机器智能的提升而不断发展、变化,并向人际关系、社会关系传递,迫使法律不断作出调整,在此过程中产生的法律问题可以统称为机器智能法律问题。机器智能法律问题的实质是数字化时代的人机关系在法律上的投射,发轫于计算机,兴盛于网络。近年来,机器智能因人工智能技术的发展而进一步提升,对人机关系、人际关系、社会关系以及法律的影响更加激烈,所形成的人工智能法律问题系机器智能法律问题的进一步发展。需要注意的是,在机器智能与人机关系上,在整体上始终存在人工智能的“替代人类”与智能增强的“增强人类”的理念对立,这种对立投射于技术、社会与法律,对计算机、网络、电子商务等法律问题与人工智能法律问题的形成与解决具有直接影响,但当前的研究对此少有关注。
1950年,图灵在《计算机器与智能》中分析了基于计算机创造出具有智能的机器(学习机)的可能性,期待“机器能够在所有纯智能领域同人类竞争”。1956年,麦卡锡等科学家在达特茅斯会议上提出了“人工智能”(Artificial Intelligence,以下简称AI)的概念与设想,这是一种后来被称为GOFAIGood Old Fashioned AI)的采取符号主义范式的“老派AI”,通过使用计算机模拟人类智能创造类人机器智能,目的是通过提升机器智能使机器能够代替人类从事相关活动,而这同样也是后来被称为NFAINew Fangled AI)的采取联接主义范式与行为主义范式的“新派AI”的目标。AI的发展过程便是机器替代人类的过程,其间牵涉了诸如主客二分还是主客一体、身心二元还是身心一体、非身认知还是具身认知、唯理论还是经验论、科学主义还是人文主义等复杂问题,长期受到哲学与伦理学的关注。AIGOFAI发展到NFAI,现今在替代人类上更进一步,甚至开始替代律师、医生等复杂脑力劳动岗位,这导致人机关系发生了重大变化,催生出一系列的伦理与法律难题。
1962年,恩格尔巴特(Douglas C. Engelbart)提出了“智能增强”(Intelligence Augmentation,以下简称IA)的概念与设想。IA不认同AI通过计算机模拟人类智能、替代人类的理念,认为计算机应用于改善和增强人类的智慧、能力,强调以人为本,主张人机交互、人机共存,这种理念可以追溯到皮尔士(Peirce)的符号学与实用主义哲学。由于IA遵循主客二分,以人类为中心,因此受到的哲学、伦理学关注远较AI为少。在几十年间,IA连续推动了计算机、操作系统、应用软件、用户界面的进步,提升了人机交互水平,开发了超文本系统(至今仍是网络的根基),推进了阿帕网(因特网的前身)的形成,虚拟现实、智能网络搜索及电子商务的发展也与IA有着密切关系,“从恩格尔巴特的观念到现今的技术有着明确的因果链条”。
AIIA在替代人类与增强人类上的理念对立导致二者具有不同的技术思想与设计进路:AI以机器为中心,更关心机器本身,会淡化甚至排除人的参与;IA以人为中心,更关心人与机器的互动,会保证人的参与和控制。现今的无人驾驶与辅助自动驾驶的设计差异便呈现出这种差别。AI追求的是可以达到甚至超越人类智能的类人机器智能,可以令机器广泛替代人类。IA追求的是可增强人类甚至与人类协作的机器智能,这不是类人智能,而是人类智能在机器领域的延展。自20世纪60年代起,AI阵营与IA阵营在理念与研发上便是对立的。然而辩证地看,机器智能技术发展至今,AIIA既有对立性,也有统一性。在技术上,AIIA具有一定的共通性,相互促进,“计算机技术的发展正在消解 AI IA 的边界”, 各种技术交融集成,有时甚至难以判断某项技术究竟是AI还是IA。在理念上,AI虽秉持替代人类,但其在替代人类的同时也在增强人类;IA虽秉持增强人类,但其在增强人类的同时也在替代人类。AIIA在理念与技术上的迥异及辩证统一关系对法律问题的形成与发展产生了重要影响。
(二)人工智能法律问题与智能增强法律问题的分离与交融
IA融入了计算机技术的发展,IA法律问题随着计算机、网络、电子商务的发展而逐步显现。大约在20世纪80年代,个人计算机技术的成熟催生出计算机法律问题,网络与电子商务在20世纪90年代的兴起催生出网络与电子商务法律问题,大数据、云计算与区块链等技术在21世纪初的发展也促生出诸多法律问题。这些领域的机器智能均为极弱智能,均奉行增强人类的理念,法律问题的产生逻辑相似,也正是在此意义上这些法律问题可以统归为IA法律问题(即智能增强法律问题),包括意思表示、电子合同、数据、广告、侵权、虚拟财产、金融、知识产品、不正当竞争、医疗、消费者保护、大数据、云计算、区块链、物联网、电子证据、网络管辖与犯罪等各部门法问题。
AI虽然也与计算机技术协同发展,但它的目标、方法、进路与计算机技术不同,并高度融合了哲学、神经科学、心理学、工程学等学科,独立性较强。AI经历了从符号主义范式到联接主义范式、行为主义范式的不断自我否定的发展历程,数次陷入寒冬期。21世纪之前的AI智能水平较低,应用范围较为狭窄,对一般意义上的人际关系、社会关系影响极弱,基本未对法律产生影响。在进入21世纪后,随着网络、大数据、云计算等技术的成熟,AI获得了新的驱动力,各技术范式得以集成、混合,进一步推升机器智能。尤其是在2012年之后,AI类人智能水平提升迅速,甚至在人类传统智能优势领域多次击败了人类智能,并向各领域渗透,AI开始替代人类岗位,AI法律问题由此而生。目前AI法律问题涉及主体资格、意思表示、电子合同、数据、广告、侵权、金融、知识产品、不正当竞争、医疗、消费者保护、大数据、云计算、区块链、无人驾驶、机器人、物联网、机器决策、犯罪、行政管理、法律服务、司法审判等,与IA法律问题存在大量重合。
AIIA的对立性具化于计算机技术,显现于人机关系,传递于人际关系与社会关系,以至于AI法律问题有别于IA法律问题。AI法律问题既与IA法律问题存在重合,也包括大量新问题。在重合问题上,由于两种法律问题系不同理念与技术的具现,除部分问题外,AI法律问题通常无法套用IA法律规制。例如,以AI为主导的全自动无人驾驶与以人为主导的辅助自动驾驶在责任分配上会存在明显差异,自主机器人侵权问题的解决也明显不同于通常的计算机、网络侵权问题。不过,AIIA的统一性也使得AI法律问题与IA法律问题相互交融。首先,AI法律问题与IA法律问题均因数字化机器智能的进步而引发。其次,意思表示、电子合同、数据、消费者保护、广告与不正当竞争等重合问题的形成逻辑通常不与所使用的技术是增强人类还是替代人类相关,在AI之上大致可以使用既定的IA规制模式。最后,AIIA混用于各种场景,AI法律问题与IA法律问题在诸多领域具有桥接关系或混同关系,例如大数据、云计算、自动驾驶、证券算法交易等法律问题具有AIIA的双重属性。AI法律问题在承继部分IA法律问题的基础上进一步发展,二者既有区别,又有联系,这意味着二者的法律规制应当具有一定意义上的协同性。当然,协同并非意味着一致。
二、人工智能法律问题的根源、归纳与解决思路
鉴于AI法律问题具有特殊性、复杂性,并与IA法律问题存在分离与交融,研究AI的法律规制应首先分析AI法律问题的根源与症结,进而对AI法律问题进行归纳,在此基础上分析其解决思路。
(一)人工智能法律问题的根源与症结
虽然AI尚无公认的统一概念、理论与范式,应用繁乱,但从根本上说,AI为替代人类劳动而生,以替代人类从事活动为目标。法律为人类而设计,以人与人之间的关系为调整对象,而替代人类的AI是(智能)机器,其在决策逻辑、行为模式以及社会性、可预见性等方面与人类有差异,会超出人类经验或期望的限制,这导致面向人类的法律难以简单适用于AI。笔者认为,AI法律问题的产生根源便在于AI对人的替代,无人驾驶、智能投顾、作品定性、责任分担等系列问题的产生均是因AI替代人类实施本来由人类实施的行为,导致原本适用于人类的法律应对困难。
IA法律问题也有诸多疑难,但大多可以通过对传统理论、既定规则的解释与适度修正得以解决。之所以如此是因为IA奉行增强人类的价值取向,机器的设计是为了改善、提高人类能力,在IA式人机关系中,人处于中心地位,人为主体,机器为客体,这契合法律以人为中心的理念与主客二分的观念,将IA融入法律便不会存在体系性障碍。然而,在AI替代人类的理念之下,机器会采取独立于人类的设计,人的因素会被淡化甚至被消除,在AI式人机关系中,机器处于(技术)中心地位,人类甚至要服从于机器作出的决策,这在根本上与法律以人为中心的理念与主客二分的观念相悖,将AI融入法律便会存在巨大障碍。因此,AI替代人类的理念、以机器为中心的去人类化观念与法律以人为中心的理念、主客二分的观念之间的冲突便是AI法律疑难的症结所在,在未就如何解决这一根本性冲突达成共识、无法确立AI法律规制的基点时,针对具体问题的研究便会显得纷乱。
(二)人工智能框架性法律问题的归纳
从与IA相区别的角度而言,各式AI的共性在于贯彻替代人类的理念,在技术上以机器为中心,在应用上以(全部或部分地)替代人类劳动为目标,而这也正是AI法律问题产生的根源。在此基础上,可以从与IA法律问题相区别的角度归纳AI的框架性法律问题,以便于探讨其整体法律规制。
首先,AI法律规制应当遵循何种价值取向,此系其法律规制的价值基础。鉴于替代人类的AI与以人为中心的法律在价值理念上存在巨大冲突,AI法律规制必然伴随价值取向问题,即AI法律规制在替代人类与增强人类之间应如何权衡、取舍,是顺应AI替代人类的理念与技术,还是予以矫正。
其次,AI可以替代人类,那么应否赋予AI主体资格,此系AI法律规制的逻辑前提。AI应否拥有主体资格直接决定其法律地位与规制路径,也直接影响对AI系列问题的分析逻辑。诸多学者基于强人工智能已经或将要产生,甚至超级人工智能将来也会出现的趋势,动辄提出法律死亡论,否定传统法,在主张AI拥有主体资格的前提下进行制度设计。但事实上,当前的AI技术条件以及哲学、认知科学上的研究却根本不足以支撑强人工智能必会出现的假设,遑论超级人工智能。
再次,使用AI替代人类从事各种活动是否正当、适法,应遵循何种规则,此系AI法律规制的具体手段。AI的适法性问题表现为其安全性、伦理正当性、敏感领域应用准入与使用规则等问题。例如,AI在武器领域的运用是否应受限制?无人驾驶中的伤害选择应如何确定?在何种领域可使用AI进行机器决策以及应遵循何种程序?AI使得马克思•韦伯提出的自动售货机式的现代法官的设想成为可能,是否允许实现这种可能?对AI适法性问题的回答决定了各领域AI使用规则的制定。
最后,AI替代人类实施行为而产生的责任如何认定,此系AI法律规制的最终落实。AI责任问题的难点主要体现在责任主体、归责与因果关系的认定疑难上。第一,应当如何确定责任主体以及如何划定多主体间的责任分担比例?第二,在归责上,对不同类型的AI、不同应用场景应采取何种归责原则?若需考虑过错,如何确定相关主体的注意义务?在判定过错的有无与大小时,机器能否成为判断的对象,应在多大程度上考量AI开发流程、算法、应用方式与外部环境等因素的影响?第三,AI使得原本极为复杂的因果关系问题变得更为复杂,是该套用还是突破传统因果关系理论?如何合理切断过长的因果关系链条?在个案中应当如何进行因果关系认定,可否使用AI代替专家辅助人对标的AI进行逻辑回溯?在法律上如何破解AI固有的不可预见性所造成的难题?在行政法、刑法等领域讨论AI法律责任时也会遇到类似疑难。
(三)人工智能法律问题的解决思路
基于对AI法律问题根源与症结的分析,AI法律规制的关键在于解决AI与法律的根本性冲突并通过法律规范AI对人类的替代。从法律体系与立法成本的角度来看,基于前文对AIIA的辩证统一关系、AI法律问题与IA法律问题承继关系的分析,对AI法律规制的探讨宜在IA法律规制的基础上,围绕AI替代人类的特性进一步展开。前文所提炼的AI四项框架性法律问题正是从AI法律问题的产生根源出发,从与IA法律问题相区别的角度围绕AI替代人类而归纳得出。AI法律规制的基本思路应当是分析与解决此四项框架性法律问题,并向各领域延伸。
AI四项框架性法律问题涵盖了一般问题与具体问题,较为庞杂。其中,AI法律规制的价值取向与AI是否具有主体资格属于极为关键的一般性基础问题,关涉AI与法律之间根本性冲突的解决,指向AI法律规制核心基点的确立。前者回答了应当如何解决AI替代人类的理念与法律以人为中心的理念之间冲突的问题,确定了AI法律规制的价值基础。后者回答了应当如何解决AI以机器为中心的去人类化观念与法律上主客二分的观念之间冲突的问题,确定了AI法律规制的逻辑前提。诸多AI法律问题的研究便以这两项一般性基础问题为基础,在对这两项问题未达成基本共识、规制基点无法确立的背景下,对包括AI的适法性问题、责任问题以及AI作品、金融、交通与医疗等问题在内的具体问题的研究便难以深入。受限于问题性质及篇幅,下文仅探讨AI法律规制的价值取向问题与AI的主体资格问题。需要注意的是,AI本身便是多学科交融的产物,除自然科学外,AI与哲学、伦理学等人文科学也存在先天的紧密联系,在研究方法上,AI法律研究应当结合其他学科的研究,在许多问题上甚至需要以其他学科研究为基础,AI的这两项一般性法律问题便属此类。
三、人工智能法律规制应贯彻局部替代人类、整体增强人类的价值取向
AI与法律的理念冲突决定了从法律上规制AI首先需要对AI替代人类的理念进行评价,从整体上确定AI法律规制的价值取向,而不是如IA法律规制一样,仅需跟随技术的发展而作出调整。科学、技术具有双重价值性(正价值与负价值),“AI将造福人类”的乐观论与“AI将毁灭人类”的悲观论分别指出了AI因替代人类而产生的双重价值。在替代人类与增强人类之间,法律不得不进行权衡、选择。有学者指出,要从人机协作和人机共生而不是人机对立的角度探寻发展“基于负责任的态度的可接受的AI”的可能性,应当意识到发展AI旨在增强人类而非替代人类。笔者赞同这种观点。
AI的正价值在于机器智能的再次提升能够让人类的工作与生活更加便利,进一步改造产业模式、提升效率、推动经济发展、扩展对未知世界的探索。随之而来的问题却是AI可能会造成社会结构的巨大变革,冲击劳动力市场,引发严重的伦理困境。AI的本性便是去人类化的,以无人参与的闭环自动化为技术指向,甚至“将自动化本身予以自动化”,在其技术架构中可以没有人类的存在。AI势必继续发展并发挥更大作用,若其以机器为中心、以替代人类为目标的特性不受约束,那么以人类为中心的社会将走向何方?目前已经出现了将人类事务交由AI进行机器决策的情形,若AI智能水平进一步提升,机器决策大规模扩张,将可能产生何种后果?人类连现今的非“智能”网络技术都无法保证安全,何以可能保证具有去人类属性的、强大的“智能”机器是安全的?哲学上的研究多是从认识论的角度研究AI能否以及如何创造出“智能”等问题,价值论的研究相对较少,但已有的价值论研究基本上都是遵循人文主义。人文主义强调个人尊严、价值,坚持以人为本。人工智能伦理学研究也遵循了人文主义,认为应保证AI设计者的伦理性,将符合人类价值的伦理规范嵌入AI,将AI用于增强人类,避免制造出不符合人类价值和利益需求的AI。其中,机器伦理学主要研究如何使AI、机器人在行为上具有伦理性,机器人伦理学主要研究如何对人类设计者进行约束。2017年,电气和电子工程师协会(IEEE)发布的《以伦理为基准的设计:利用人工智能和自主系统最大化人类福祉的愿景》指出以人类价值观为导向的方法论是AI设计的核心。同年,由全球数千名科学家联名签署的“阿西洛马人工智能 23 条伦理原则”第1条原则便指出“人工智能的研究目标应当是创造有益(于人类)而不是不受(人类)控制的智能”。2018年,欧洲政治战略研究中心发布的《人工智能时代:实施以人为中心的人工智能战略》明确提出应将AI用于增强而不是替代人类。可以看出,价值哲学与伦理学并不是简单地跟随与顺应AI技术的发展,而是坚持以人为本,认为应对AI施加必要限制。在面对人类整体族群利益时,AI法律规制的价值理念并非一个特别复杂的问题,在以机器为中心与以人为中心的冲突之间应当选择后者。在法律上,如果只是基于AI的正价值而顺应与促进AI的发展,对AI的负价值却不予限制,无疑是违背人类整体利益与人文主义精神的。
需要注意的是,“替代人类”“增强人类”在技术语境中多为微观意义上的,在价值哲学与伦理学语境中则多为宏观意义上的。从法律上看,坚持AI在宏观上、整体上用于增强人类,并不是要否定AI在微观上、局部上对人的技术性替代,AI对人类的贡献也正在于此。法律应当肯定AI局部性替代人类的积极意义,并预防和避免人类整体性利益被损害。因此,从法律上规制AI,应当采取局部替代人类、整体增强人类的价值取向,适度矫正AI替代人类的理念与技术,对AI前置性地施加以人为本的整体价值负载,提前研判与化解AI对社会结构的冲击。鉴于AI在技术上具有去人类化的属性,其应用具有一定程度上的不可预见性、难以理解性,而且没有任何机构能够保证AI可以被人完全控制,法律在保障AI整体上不偏离增强人类的方向之外,还需要根据AI以机器为中心的技术特性制定相应的规则,从源头上保证人对AI的控制及其可归责性,以弱化复杂的伦理困境与责任认定疑难,尽量消解因AI替代人类而产生的不利影响。笔者认为,局部替代人类、整体增强人类的价值取向应当贯彻于AI其他三项框架性法律问题的解决。第一,AI不具有主体资格(容后详述)。第二,在AI的适法性方面,首先,法律应当确立AI研发规则,要求研发者将伦理代码写入AI,尽量预防伦理风险;其次,在AI使用方面,法律尤其需要确立立法、行政管理、司法审判等敏感领域中的AI准入规则与使用规则,以保障人类安全、服务人类与防范系统性风险,保证人类的最高决策权;最后,AI法律规制应采取主动的事前、事中监管措施,保障技术安全、可控。第三,在AI责任方面,首先,法律应当要求研发者尽可能保障AI的技术可回溯性,在代码层面对AI添加限制,以降低将来认定责任的难度;其次,法律应当强化研发者责任,迫使研发者适度矫正AI,在算法上保证AI行为可归责于相应的人,使AI不偏离整体增强人类的方向;最后,AI责任规则需要在以机器为中心的技术与以人为中心的责任之间建立合理连接,确定归责基础。AI法律规制在立法技术上面临的一般性挑战是,法律规则需要将以AI为基础的法律事实与人关联起来,将以机器为中心的AI置于以人为中心的法律关系之内。
需要指出的是,机器智能技术是会聚技术(NBIC)中的重要技术,可与纳米、生物等技术结合用于改善、增强人类的基因、身体,由此所产生的超(后)人类主义问题超出了本文讨论范围。本文所阐述的增强人类,并不包括将机器智能技术直接融入人类身体而增强人类。从对会聚技术的讨论中可以看出,应当通过制度防范高新技术的滥用,在AIIA上亦是如此,即便用于增强人类,也存在限度。法律对此必须加强监管,防范技术风险,在必要时应如禁止克隆人一样设置技术禁区。在以人为本、增强人类的理念之下,虽然法律需要在短期内作出调整以适应AI的发展趋势,但长远来看,不应当是法律如何迎合AI、而是AI如何迎合法律的问题。
四、人工智能不具有主体资格应作为法律规制的逻辑前提
目前法学界有种代表性观点提出以智能机器人为代表的AI应被赋予主体资格。笔者认为,在现有的科技、哲学、伦理学、社会学与法学背景下,这种观点只是一种过度超前的想象,AI法律规制应在AI不具有主体资格的前提下进行设计。
(一)人工智能难以产生类人的自主性与意识
认为应赋予AI以主体资格的观点大多认同在技术层面AI已经产生或必会产生自主性与意识等类人属性。例如,认为AI、机器人已经逐步具有一定程度的自我意识和自我表达能力;认为智能机器人具有精神,应当享有权利;认为AI具有自主性,非为纯受支配的客体;认为AI会发展到超越工具型的强人工智能阶段;认为智能机器人能够辨认自己行为的性质、意义与后果,人类创造机器人的技术达到了无与伦比的程度,智能机器人可能产生自主的意识和意志。在笔者看来,这些观点往往是基于无依据的断言与假定,对AI技术的理解出现了严重偏差。AI主流技术包括符号主义范式、联接主义范式、行为主义范式及贝叶斯网络、类脑计算等,可以肯定的是,这些技术路径均未令AI产生类人的自主性、意识或者说“智能”,并且在相当长的将来可能也无法实现这一点。基于AI具有意识、自主性等类人属性而主张赋予AI主体资格的法律研究在出发点上可能就是错误的。
符号主义范式立基于长久以来的理性主义、形式逻辑传统以及身心二元论,深受笛卡尔、莱布尼茨、霍布斯等哲学家、数学家思想的影响,将智能理解为物理符号系统,并通过创造符号系统自上而下地模仿人类思维,专长是专家系统、定理证明、棋类博弈等,至今仍是重要的AI技术范式。自20世纪70年代起,符号主义范式受到现象学学者的严厉批判。德雷弗斯认为,这是一种为海德格尔和梅洛-庞蒂所批判的理性主义,不可能取得成功,因为人类智能包含有不可形式化的成分,人的躯体在智能行为中的作用更是无法形式化的,AI无法形成人类主体性意义上的智能。不过德雷弗斯并未否定AI的整体前景,其提出了AI的具身(embodiment)进路。塞尔提出的中文屋思想实验对符号主义范式以及图灵测试进行了批判,认为形式化的符号系统不可能产生“智能”。 AI科学家麦克德莫特批评符号主义范式的支持者“对哲学家们昔日的失败一无所知”。符号主义范式在创造“智能”上遭遇了无法解决的困难,其无法将人类知识全部表征,难以具备背景知识与常识,无法处理非线性、非结构的复杂问题。
符号主义范式的假设被联接主义范式与行为主义范式所否定。联接主义范式受益于认知神经科学的进步,立基于身心二元论,将智能理解为众多并行分布的神经元相互作用的结果,通过数学方法模拟人脑神经网络及其联结机制,采取神经网络算法。行为主义范式受生物进化与遗传的启示,立基于身心一体论,认为智能取决于感知和行为,存在于人与世界的交互,因此采取进化算法,使用包含传感器与执行器的“机器身体”令AI直接与真实世界交互,产生“感知—行为”的反馈,以模拟生物进化的方式产生智能。联结主义范式与行为主义范式突破了传统的冯•诺伊曼计算结构,在21世纪初开始与数据驱动的机器学习相结合,近年来在提升机器智能方面取得了令人瞩目的成就。例如,使用深度神经网络算法的AlphaGoAI技术获得了巨大成功,BigDogAtlasiCubASIMO等机器人在智能方面也取得了重大进展。不过,AI的成就仅限于形式化领域,在意向性领域依然一无所获。联接主义范式与符号主义范式一样,无法跨越知识表征的障碍,计算机仍然难以将人类所拥有的背景知识、形象思维等以符号方式予以形式化表征。被誉为“神经网络之父”的科学家杰弗里•欣顿(Geoffrey Everest Hinton)近两年否定了当下大行其道的深度神经网络算法对于类人智能的意义。行为主义范式所模拟的其实并非人类智能,而是低等生物智能。采取行为主义范式的机器人在欠缺主体意向驱动或外界命令驱动的情况下,无法实施有意义的行为,这使得行为主义范式局限于对工业应用领域低层次智能的模拟。基于概率进行非确定性推理的贝叶斯网络算法高度依赖符号表征,虽可在非确定性推理、模糊计算方面取得一定成功,但高度依赖设计者对问题框架的提前设定,距自主性、意向性的实现十分遥远。“贝叶斯网络之父”朱迪亚•珀尔(Judea Pearl)在2018年否定了贝叶斯网络算法对实现类人智能的意义,认为“因果推理”才是通往类人智能的路线。一些科学家认为类脑计算(神经形态计算)将是从弱人工智能到强人工智能的主要进路,类脑智能将是人工智能的终极目标。类脑计算技术从硬件上突破冯•诺伊曼计算结构,借鉴人脑神经元信息处理机制发展类脑神经芯片与计算平台,试图实现低能耗、容错性与无须编程的三大人脑特性。类脑计算已发展二十余年,其不是如联接主义范式一样对人脑进行局部模拟,而是对人脑的整体运行机制进行研究、模拟,极可能大幅推动AI的进步,但人类至今仍不清楚人脑的整体运行机制,也不清楚“意识”在智能活动中的作用,更无法确定这种机制可以通过机器实现。对于能否创造出真正的“智能”,哲学家即便不予彻底否定,也多持悲观态度,AI科学家、未来学家却多持乐观态度,但也有AI科学家指出,“主流人工智能学界的努力从来就不是朝向强人工智能,现有技术的发展也不会自动地使强人工智能成为可能”。
在法律的向度上,AI是否拥有自主性、意向性与意识,是应否赋予AI自然人格的基础。AI始终依托计算机,图灵机是所有计算机的理论模型,但“丘奇—图灵”论题本身便承认图灵机并非对所有对象均可计算,存在算法不可解。计算机与AI的出发点一直建立在“认知可计算”的计算主义基础上,计算主义建基于一个假定:无法直接观察人脑中智能的运作,而只能借助于对人智能行为的间接观察。只有观察出真正的人脑运作原理并成功模拟,才有可能创造出类人智能,但这两项条件的满足困难重重。从最初的符号主义范式到联结主义范式、行为主义范式的转换,已经显现了计算主义的局限性,计算机器在知识获取、表达与处理上具有先天局限,人类心智的复杂性机制给机器模拟带来了极大困难,在通过机器模拟人类自适应、自学习以及与环境作用时,人类意识的意向性、自指性等重要特征是超越逻辑与算法的,非形式的、不可表征的智能活动是AI无法达到的极限。AI虽快速发展,但在难以进行形式化计算的认知活动中始终未获任何成功便印证了这一点。AI发展至今只有技术意义上的有限自主性,没有类人自主性、意向性与意识,将来可能也很难产生这些类人特性,欠缺类比自然人从而被赋予人格的根本基础。
(二)法律不应赋予人工智能主体资格
塞尔按照AI的智能程度提出的弱人工智能、强人工智能的分类得到普遍赞同,但塞尔当初提出的心智性区分标准却被替换成对人的局部模仿、全部模仿的技术性区分标准,这对于判断AI是否是“智能”的、应否拥有主体资格产生了极强的混淆性。事实上,目前的AI仍是“无心”的弱人工智能,并无“智能”, 不具备赋予主体资格的基础。如前所述,在相当长的将来,AI可能也只是在不“智能”的弱人工智能的框架内提升机器能力。AI法律研究若过度受到激进观念与无依据断言的影响,会出现危言耸听的情形。例如,认为AI技术已经发展到可以作出独立意思表示的阶段;认为只有承认AI的主体地位,才能进而分析其所缔结法律关系的效力问题、举证问题、责任问题;认为AI对民法更深层次的挑战在于对拥有与自然人同等甚至更高智力水平的机器人法律地位的认定;认为智能技术的便捷性和适用性会使传统法律变得没有用武之地,一系列算法机制会不断催生出各种类型“私人订制”的法律,民主机制也会伴随现实法律空间的瓦解失去用武之地;认为应当参照动物保护、法人拟制以及欧盟议会法律事务委员会《关于机器人的民法规则》提出的“电子人”,将AI确立为法律主体;甚至还有观点考虑从机器人的角度来看,若不赋予其公民权,将来可能会出现弥赛亚式的人物对机器人进行救赎。
笔者认为,第一,非人工智能的技术与机器早就可以在无人工介入的情况下作出所谓的独立意思表示、缔结电子合同、形成证据,电子商务法已经解决了意思表示的归属、效力、责任与证据等问题,但未赋予机器主体资格。第二,认为AI已达到或超越人类智能的观点是错误的,因为目前的AI仍然局限于“大数据、小任务”,即便可以局部超越人类智能,但在整体上仍然无法达到人类的智能水平,无法与人类“小数据、大任务”的能力相比拟。第三,参照对克隆人的禁止,人类社会根本就不应允许具有危险性的AI技术不受限制地向替代人类的方向发展,民主机制不仅不应瓦解,而且应当成为限制AI的掣肘。法律的代码化、算法化也是有限度的,因为自然语义的符号化已经是算法难以跨越的障碍,更何况法律不仅是逻辑的,还是经验的。第四,动物保护、法人拟制无法与AI主体资格问题相类比,因为所处环境、背景、价值理念、出发点以及在人类社会所引发的后果与连锁反应是完全不同的。欧盟议会法律事务委员会《关于机器人的民法规则》第59f)条声称,赋予机器人电子人的地位是为了解决所谓的最先进机器人造成的损害问题及外部互动问题。但是,不赋予机器人电子人地位也可以解决这些问题,赋予电子人地位只会使问题变得无谓的复杂。欧盟议会法律事务委员会的这种提议只是一种不成熟的、不成体系的设想,并无坚实的哲学、伦理与法律支撑。在赋予AI主体资格的观点中,机器人索菲亚被沙特宣布为具有公民身份的事例被广泛援引,人们普遍对索菲亚的“我将毁灭人类”等言论感到担忧与恐惧。但明显的是,目前的技术水平根本不可能使索菲亚作出此种自主性的回答,此事件完全是由商业利益推动的。索菲亚的公民身份根本不能成为支撑AI应具有主体资格的论据。AI远超常人吟诗能力的例子也常被援引,但与其说其在创作,不如说其在制造。可以肯定的是,AI无法理解其所吟之诗。主张赋予AI主体资格的观点基本上完全跟随了AI替代人类的理念,很少顾及AI技术的负价值。
应当承认的是,AI在一定程度上突破了主客二分、人物二分的传统观念,较其他人工物更符合“行动者网络理论”中的非人行动者的特点。拉图尔提出的“行动者网络理论”在社会学、人类学、伦理学、科学技术学等学科有着广泛影响,按照该种理论,主体、客体不是严格二分的,环境、人工物等非人因素与人均为具有能动性的、平权的行动者(actant),组成了相互交织的行动者网络。在社会学中,拉图尔“行动者网络理论”因认为非人行动者拥有与人类行动者完全对等的能动性而被批评为一厢情愿,因为其只能在文本中而不是在实践中实现非人行动者的能动性。AI与人类行动者具有更加密切的交织关系,但其不具备意识与意向性能动,在行动者网络中不可能与人类行动者对等、平权。从伦理学角度来看,“行动者网络理论”突破了人工物与道德不相干的传统伦理学观念,由此产生了人工物是否为道德行动者的问题。伦理学上大致包括认为人工物是道德行动者、认为人工物不是道德行动者以及折中的三种观点。折中论是主流观点,其承认人工物的道德能动性,但认为这种道德能动性只是调节性的,而人的道德能动性是原发性的,因此,在行动者网络中不能将人工物看作像人一样的道德行动者,而应将其看作对社会信息、关系具有能动调节作用的“道德调节者”。这种观点能够较好地解释人类与AI之间的伦理关系以及AI的伦理性,即AI与人并不对等,但具有道德调节的能动性,AI不具有主体资格并不意味着其不承担道德负载。认为AI为道德主体(或者说道德行动者)的观点与认为动物、大自然为道德主体的动物中心主义、生态保护主义相似,表达的其实是对动物、自然与人工物的尊重,其共同点在于重塑伦理关护对象的道德地位,仍然是立基于以人类为中心的思想。“无论审视动物的权利,还是审视人工智能和机器人的人格,仍然是一种人类中心的视角,一种基于对人自身的反射式关怀。”若法律赋予AI主体资格,无疑会偏离以人类为中心的思想。
在笔者看来,讨论AI主体资格问题的前提是出现了或极可能出现强人工智能,但哲学上多对强人工智能的出现持悲观态度,在无法确定人脑运行原理能否被准确认识的背景下,即便是乐观的AI科学家也不能确定通往强人工智能的突破口究竟在哪里。当然,我们也不能断言AI绝对不会产生意识、强人工智能一定不会出现,但从计算机结构、AI技术范式以及心智哲学的研究来看,机器从当前的“识别”走向“理解”,从逻辑走向思维甚至产生意识,即便人类上下求索,也是长路漫漫,就连看起来最容易突破的、不以“智能”为目标的无人驾驶也需要经过很长时间的完善。此外,即便技术具备内在的发展逻辑,也不能自主地展开,而是要受到社会的制约和规范的,尤其是具有危险性的技术,AI便属此列。若法律研究不加思辨地在人类社会允许出现拥有自主意识的AI、广泛的强人工智能的立场上讨论赋予AI主体资格,无疑是过度偏离了人文主义,追随了技术决定论,毫不顾及制约技术的必要性。试想克隆人是可能的,却为何被普遍禁止?AI冲击人类法律,研究AI法律规制是十分必要的,但提出将AI从客体提升为主体,在AI具有主体资格的前提下进行法律制度设计,脱离技术现状,过于激进,并无现实意义。况且,AI主体资格问题在更大程度上是哲学、人类学、政治学、伦理学与社会学层面的问题,牵涉极为广泛,并不是一个单纯的法律问题,即便将来出现了强人工智能,也不能简单地在法律范畴内讨论其主体资格问题。笔者认为,对AI系列法律问题应当在AI不具有主体资格的前提下进行研究、解决,这意味着在局部替代人类、整体增强人类的价值取向下,主客二分的传统法律体系完全可以容纳AI
五、结语
人工智能的崛起、机器的类人化催生出一系列法律难题,技术的进一步发展、会聚将对法律产生更深的影响。人工智能的正价值、负价值及法律问题的产生均源于人工智能替代人类的特质,人工智能法律规制应坚持以人为本,发挥技术的正价值,规避技术的负价值,在促进人工智能发展的同时,又予以矫正、限制。这主要体现为法律应秉持人工智能局部替代人类、整体增强人类的价值理念,保障人工智能符合人类伦理,在人工智能不拥有主体资格的前提下进行制度设计,则可消除人工智能与法律的根本性冲突,将人工智能法律规制融入既定法律体系。人工智能正处于快速发展之中,其对人机关系的技术性改造、变革会传递至社会关系并引发连锁反应,大量法律问题的涌现是可以预见的,但一旦人工智能法律规制的两大基点得以确定,立基于其上的具体法律问题研究便不至于纷乱无章。
来源:华政法学

发表回复

您需要登录后才可以回帖 登录 | 实名注册

本版积分规则

掌上论坛|小黑屋|传媒教育网 ( 蜀ICP备16019560号-1

Copyright 2013 小马版权所有 All Rights Reserved.

Powered by Discuz! X3.2

© 2016-2022 Comsenz Inc.

快速回复 返回顶部 返回列表