摘要: 当前，关于人工智能的技术应用正在逐步完善，但依然需要哲学眼光的透视方能使这种动态有长效可持续的逻辑基础。人工智能在古希腊已经有其理性支点，随着近代观念论严谨审慎的理论体系的逐步建构，由此基于物理和心理两种假说而衍生出相应的AI发展路径，从而也就为当前以大数据技术及其应用作为典型提供一定的符号表征演算支撑。然而，大数据技术以其现存的高速进展，难以摆脱现实辩证运动的历史进程，因为其自身的演进如果不介入人本学的资源视角，就会更为隐蔽地将对人的劳动本质的异化的资本逻辑应用下去，而现代逻辑的症候就在于其对人文资源迭代意义的忽视，由此便会陷入程序推演和动态发展的制约悖论之中。如何破除甚或解决这种困境，胡塞尔现象学中的意向性理论能够给出一种现实性的启示方案，即一种以生活世界理论为底层逻辑、推动AI向AGI转换的智能实现通路。此通路的优势在于能够兼具类人类思维能动性和数据处理效率化的双重特性，由此克服技术应用的短期壁垒和剥削特征。
Abstract: Currently, the technological application of artificial intelligence is progressively maturing. However, it still requires philosophical insight to establish a long-term sustainable logical foundation for this dynamic trajectory. The roots of AI trace back to a rational fulcrum in ancient Greece. As the rigorous and prudent theoretical systems of modern idealism gradually took shape, corresponding developmental pathways for AI emerged, derived from dual hypotheses—the physical and the psychological. This evolution has provided symbolic computational representation and operational support for today’s typical applications of Big Data Technology. Nevertheless, Big Data Technology, with its current rapid advancement, struggles to escape the historical dialectical movement of reality. Without incorporating a humanistic perspective on resources, its progress risks more subtly perpetuating the alienating logic of capital against the essence of human labor. The symptomatic flaw of modern logic lies precisely in its neglect of the iterative significance of humanistic resources, thereby leading to a paradoxical constraint between programmatic deduction and dynamic development. To resolve or even overcome this dilemma, Husserl’s phenomenological theory of intentionality offers a practical solution: an intelligence realization pathway grounded in the lifeworld theory, facilitating the transition from AI to AGI. The advantage of this pathway lies in its dual capacity to emulate human cognitive agency while maintaining efficient data processing, thereby overcoming the short-term limitations and exploitative tendencies inherent in technological applications.
1. 引言
人工智能(Artificial Intelligence)常被简称为“AI”，按照目前学界的基本概念定义，其主要是指研究并开发用于模拟、延伸和扩展人类智能的理论、方法及应用的一门信息技术科学。换言之，它旨在企图了解人类智能的实质并产生一种“家族相似性”的智能机器，即以硅基结构来摹状碳基生命体的自主机器。由此，从相当程度上可以说明对于这项科技革命的重视与发觉势必是属于自然科学隶属下的工程学研究范畴，而一定的哲学审思亦有必要。
2. 人工智能在西方哲学中的理论节点反思
在对哲学思维的刻画上，言必称希腊是无法从根本上加以质疑甚至被抹杀的。古希腊哲学至少在原子学说和形式主义两方面为近代科学及以后的人工智能发展提供了可以运用的资源。对于前者，德谟克利特固然作为机械唯物主义的开创者而为机械化程序在近现代的应用提供了一定的哲学构想依据，但相对伊壁鸠鲁对于原子偏斜学说[1]的着重发明来说，就显得并不那么智能；而对后者来说，无疑由毕达哥拉斯开创、经由苏格拉底、柏拉图而达至朴素逻辑经典版本的亚里士多德而臻于极致[1]。但即使如此，古希腊哲学资源只能算上当前AI的“远亲”。
时间推至近代，如今被称之为“符号主义”与“联结主义”[2]的AI形态开始初露端倪。前者以霍布斯的“利维坦”智能构型为开端，继之笛卡尔基于心智理论的搭建以及心理学知识初露端倪、莱布尼茨基于其单子论所构建的世界机器模型，便开始推崇一种更为精密的机器用来完成智能性的任务。这种符号AI的路径模型由此迈出通往人工智能软件的第一步。后者则以洛克的观念系统为表征，经由贝克莱至休谟的联想原则[3]而大放异彩。这种联结AI的路径模型对于抵制后来控制论系统、增强活力方面上提供了更加横向的联系效用。
而对这两种AI路线优劣的判断分别基于以下两个理论假说：物理系统假设和心理联想假设。前者是指对于展现一个一般的智能行动来说，一个物理符号系统具有充要之手段。后者是指将智能系统的所有底层机械操作按照函数映射到一个统一的符号层面上，并赋予这个符号层面上的事物一定的实在性。针对近代肇始的两种AI路线所呈现的底层逻辑，就会发现当前AI发展产生难以估量的资源浪费。但是，相较之心理联想假设所呈现的联结AI而言，物理系统假设所表征的符号AI就显得极端偏颇，并随着数据处理模式的无穷倒退逻辑最终崩盘直至退出市场所需智能应用的份额。这又是为何呢？对于符号AI路线而言，其本质上是建立在肇始于弗雷格的现代逻辑处理模式，即对一阶谓词逻辑与命题逻辑的尊重和编程应用上。这种逻辑的底层哲学是对演绎逻辑的极致化追求，由此便往往忽略智能系统的运作效率，从而又致使本应天然具有工程学面向的AI研究通过让渡部分“特设化”的修正来弥补系统中无法转化的缺憾。因此，联结AI路径联想机制方案便存在着显著优越于符号AI路径先天性设计方案。但联结AI尽管在面对偶然性事件上有着自我修正的哲学逻辑优越性，但在面对模糊性上依然存在着难以逾越的鸿沟。即是说，智能系统本身的输入历史将决定性地影响其最后形成的符号体系之结构，而彼此不同的输入历史必然会导致连个不同的符号表征系统。而这对于当前所谓人工智能推进较为火热的大数据技术与沿袭其联结AI逻辑的深度学习无疑也是一种哲学拷问。
3. 关于大数据技术存在的劳动剥削本质与资源迭代问题
从信息技术的变革角度来说，大数据技术不仅是认知思想史上的一次重大变革，而且是一种新型的数据整理归类输出模型[4]。但变革与模型背后是其自身逻辑本身置于资本逻辑的统筹剥削面具之下。此外，随着大数据的广泛应用，其所暴露的私人隐私权等法律道德问题只是其缺陷的冰山一角，而这种伦理学背后的物质和精神资源，特别是人文资源的消耗才是隐藏在海面线下的真正特质。
3.1. 大数据技术应用的劳动剥削批判
既然大数据技术是时代的新锐变革利器，何以会说其自身的现实拓展与应用存在劳动剥削？从认知科学与计算机科学的初期融合发展去看，在机器设计上就需要大胆引入逻辑学与统计学的形式手段来对人类智能思维进行模拟，即主要纳入人类智能的理性逻辑部分，因此其系统设计自身的整全性与封闭性就是其理想追求。而这样做的后果便是建立一个类似“贝叶斯网络”的昂贵性和对于偶然事件可容纳的样本有限性。这时，我们不得不承认大数据技术自身在垂直纵向系统中植入横向联系网络的高明之处，这就是其不会针对所要解决的任务建立一个专门的“贝叶斯网络”，而会在忽略各种可能事件成因之间的层级结构的前提下，只搜寻数据事态之间的相关性关系。这就意味着大数据技术将检测对象从有限样本设定扩展到无限数据总体上。而做到这一点究竟和劳动剥削有关系吗？如果有关系，这条逻辑链条的相继传递过程是怎样的？
纵使大数据技术应用纵使呈现出自动化和数据处理集约化等智能特征，但这一切本身却依靠作为人类智能的主体，即作为一切社会关系总和的现实人才可以实现的。而这种结论的得出，首要来自对大数据能够处理海量信息的端口处——互联网中去探寻劳动剥削的奥秘。对于大数据技术而言，模式识别与机器翻译便是其最为基本的功能处理板块。针对模式识别，不去考虑传统AI中程序运行的繁琐性，只需要去关注大数据技术建模的简洁性，即当系统遇到内置程序难以解读的信息时，系统自身会利用互联网将难以识别的信息广泛发出去，而后通过互联网用户所提供的答案统计出“一般数据”，由此来修正以往无法甄别的信息；针对机器翻译，不去考虑传统AI中符号式进路和统计学近路，大数据技术采取“机智”地绕过“句法分析”和“建构例句库”的门槛，直接从互联网上搜集所有现成的语料。而这种处理模式一方面相较之传统AI翻译的输出质量上有着显著提升，另一方面相较之人类智能通常只能同时处理六至十个不同目标任务的脑神经系统而言无疑优越的处理效率。但果真如此吗？当然不是。对于互联网的利用乃是大数据技术得以成功的秘诀，但恰恰这个“互联网”中所统筹的不仅包括常规认知的网络本身，也包括广大网络用户自身的智力投入。由此可见，正如马克思在企业利润掩盖下挖掘出剩余劳动所产生的剩余价值[5]一样，大数据技术通过互联网这一看似狭窄交织的管道通路，其本质上大肆对既已存在的人类智能劳动予以剥削，由此才能在与传统AI中甚至于人类智能的对比竞争中占据先机的。纵使大数据技术作为联结主义方法论操作层面上的繁荣是当前现实中存在的现象，但它并不是合乎理性的必然形态。既然历史中存在着那么多的劳动剥削状况，即剩余价值被榨取的现象，我们何至于对人文资源抱着杞人忧天的态度呢？
3.2. 大数据技术应用的资源迭代矛盾
鉴于大数据技术对于互联网的依赖，而互联网带给大数据的春风并不总是那么强劲，从根基处看，人类自身所能够获取的信息量也是未超出世界所予的自在实存；但是，对于人类智能本身来说，恰恰是大数据自我繁殖的扩张逻辑反而会使得人类智能有被限制并被吞噬的可能性。而大数据技术力图以其虚假的繁荣外壳反过来对自身所倚靠的真实主体或者具身化智能的创造力予以排斥甚至泯灭。而人文资源的匮乏将会造成未来一个长时段或时期发展的瓶颈难题。以最近对于ChatGPT具有革新意义的DeepSeek为大数据技术同深度学习的媾和模型进行分析，的确，后者对于时势动态的可能预测更为精准，甚至对于哲学批判思维的应用都有其恰当的跳跃和缜密的逻辑论证，但实际上反而隐藏着大量相关学科行业人员的大量文本喂养和程序编码。当然，于此并不是反对大数据技术的进一步投资建设，而是说明其在长时段上发展的不可持续性，这种不可持续就在于对于人文资源的盘剥与挤压上。
人类智能在思想史或观念史的发展历程上往往呈现出周期性的特点，但是每次思维方式变革或价值秩序范导突破，都将使得人类及其中的个体成员呈现出内向化思辨的趋向，而这种动态演化过程不仅使得语义歧义性呈现出既清晰又模糊的悖论局面，也使得思维论证崭露出跳跃性特征。而这些智能进化来源可能来自于形式逻辑或数理逻辑，但更多的应该来自人文资源中存在的辩证逻辑或常识逻辑所铸就的思维定势。大数据技术在推动AI迭代的应用上自然显现出巨大的整合和应对能力，但正是其对于模糊性的处理上未能达到人类智能的强变通能力，致使人文资源的挖掘和开拓能力应当提上精准且宽厚的培养轨道上来，而非借跨学科研究之名，行窃人文思辨之实。对于人文资源的合理体察和具体应用，尤其体现在现代哲学中分析哲学同现象学的渐趋融合中，尤其是两者对于“意向性”概念的澄清和融通中，崭露着AI向AGI (通用人工智能，英文全称为Artificial General Intelligence)的真正可能性。
4. 胡塞尔哲学对于通用人工智能的哲学启示
4.1. “意向性”概念对于AGI通路的逻辑可能性
在人工智能进展研究中，拉里·泰勒斯[6]曾提出一项界定其本质的定理陈述：智能所固有的核心永远是存在于那些尚未程序化的东西之中。而对于这项泰勒斯定理，最为显著与之相似的哲学资源主要来自心理学哲学或后继的现象学资源。
从心智哲学的角度看，鉴于布伦塔诺早就将是否具有“意向性”视为区分为“有心智者”与“无心智者”的判别标准，由此不难推论：一个真正意义上的AGI系统将无法逃避“意向性”的难题，否则它就不是真正智能的。换言之，在此概念框架支配下，如果要解释人工智能的内涵，便可将其理解为“人工直观(Artificial Intuition)”或“人工意象(Artificial Imagery)”。人工智能的目标便应当弄清，人的大脑在一种十分复杂的环境中不动声色地从大量可能性中选择何种策略最为合理时，会发生什么事。但“意向性”如何能够通过工程学与数学语言来定义呢？对于概念的定性描述来说，很难通过严密的数学语言来加以界定，但在工程学描述中却是不可或缺的，因为对于任何工程产品的第三方评估都是检测其“可被接受性”的最关键环节。而“意向性”的胡塞尔哲学意涵究竟是什么呢？
胡塞尔在其《逻辑研究》中揭示出对心理主义解释意识活动的拒斥，他力图研究意识的结构和意识活动如何构造对象，最终奠定其如何使哲学作为一种严格科学的核心位置，即意识总是关于某物的意识，或意识活动总是朝向或意指某个对象，这就为虚构对象之形而上学的探究之门敞开其境域。按照胡塞尔专家扎哈维[7]对于胡塞尔原意的概括，在经历现象学悬搁之后，一个完整的意向性活动包括两个要素：1) 意向性活动所涉及的感觉要素，即所谓“质素”；2) 意向性中的意义内容要素，也就是在意向中被呈现出来的对象，此种对象不仅包含实在的物理对象，而且接纳现实的虚构对象；这就将同时应当带有动态的“意义赋予”的意味崭露出来。这就从根底处表明意识活动与意识对象的不可分割性，其本身蕴藏意识的本构性和超越主客二分的特点；这种特性对于AGI的实现便是首当其冲需要着力开发和拓展的。也就是说，“意向性”所内括的现象学悬搁却成为AI通向AGI的重要转换枢纽。由此看来，如果要实现AI向AGI的跨越式实现就必要要学会人类智能至为取巧的“信息减负”效能。这就要求现象学视野中的人工智能欲求实现通用状态，就必须使自身成为一个具有偏见但可以自行修正自己偏见的机器。
4.2. AGI中意向性学说的可能实现方案
在经历对于AI向AGI的转换过程采用现象学资源遇到的根本性逻辑在于，AI研究的基本本体论假设是“自然主义”甚至是“心灵功能主义”，而这与胡塞尔现象学一贯的反自然主义态度是极为冲突的。但是，必须在事实上要认知到，AI只不过是特定领域内拟定对人类智能的程序模仿，其本身的局限性就表明其必然是囿于功能论的窠臼中难以自拔。而AGI优越于AI的关键就在于其“高层次认知管理”和“人–机界面设计”的通用智能实现通路——前者指一个智能架构中处于相对较高层次的认知单元之间的关系，而此类机制就涉及到对于人工情绪研究并开拓的智能应用，即在此层面上，现象学对于能够在现象领域内涌现出来的诸种体验之间逻辑关系的特别关注将为人工情绪的理论，并进而为在人工系统设计上提供资源共享；后者则指对于“人工制品向用户呈现出的现象特征”的设计，而这种设计本身毫无疑问牵涉到对于大量后台操作设施的工程学建构，同时不可忽视的便是其设计结果始终是面向终端用户的现象体验的，这种现象体验便能够对于工程学设计形成某种“倒逼”效应。在对于AI向AGI转换的现象学资源利用的澄清后，我们便有必要探寻意向性学说如何能够在AGI通路实现中发挥效用。
对于意向性活动在社会结构中所发挥的重要作用呈现的那样，欲求实现AGI通路的现实方案就是尽可能赋予AI一种生活世界理论的形态。胡塞尔认为现代科学危机源于遗忘了其根基在生活世界，现象学需要回归并澄清生活世界的基本结构，即我们每个人预先给定的、直接的、前科学和前反思的日常经验世界才是所有科学活动、理论构建和文化成就的基础和意义源泉。按照贝耶尔的解释，生活世界可以被视为使得主题的意向性投射活动得以可能的一个更为广泛的背景性意义结构。通俗来说，当仅考察主体所在的本地化社团时，这一背景性的意义结构就是使得该社团内部信息交流得以可能得那些意义结构；当考察不同社团之间的关系时，这一背景性的意义结构就是使得不同社团的成员彼此翻译对方的语言得以可能的终极意义结构。可见，胡塞尔建基于意向性内涵的生活世界理论昭示着生活世界语特定的意向投射行为之间的关系。而如果能够赋予AI一种以特定生活世界的特定结构作为其逻辑前提的智识，那么AGI通路的实现就不无可能。而这种实现AGI通路的模型不仅能够应对偶发事件进行自我修正的类人类智能行为，同时能够拥有对于模糊性处理的强大历史背景意义结构之分析能力。
5. 结语
本文通过对人工智能的理论沿革和底层逻辑，以及作为当前最为集中发展的大数据技术的批判分析，旨在表明未来通用人工智能的真正发展前景。这就是说，胡塞尔哲学所能够达到的成效在笔者看来是大有可为的。此径路的实现不仅可以挽救人类自身对于人文资源的继承和创造，而且在资本逻辑尚未达到它的所有可能性穷尽之前，将有效降低劳动剥削的异化程度。此外，现象学本身对于意识内部的本质直观挖掘和生活世界理论的境域视野将为解决AI向AGI自我意识实现的可能提供着不同于认知科学的另类思考方案。