简介:刘玉成(华南大学应用社会学系)1。殊途同归?3354社会学与人工智能的核心问题德国社会学家G齐美尔正在写关于康德:刘玉成(南华大学应用社会学系)
一、殊途同归?3354社会学与人工智能的核心问题德国社会学家G .齐美尔在讲康德的《自然如何可能?(自然怎么可能?)”质疑指出,康德能够提出这样一个问题的前提是,自然“除了自然的表象之外,不是别的”(Simmel,2009 [1908],第40-41页)。这意味着颜色、温度、味道、色调等。在我们所熟悉的自然界中,都是通过我们的意识延伸出来的主观经验,世界上所有的元素都是通过心智活动放在一起的。3354包含因果联系等。使之成为所谓的自然。据此,康德认为,真正的自然意味着“不一致的、无法无天的世界的闪光片段”(同上)。总之,齐美尔指出,自然对于康德来说,“是一种特定的经验,一种通过我们的知识并在我们的知识中发展起来的形象”(同上)。
梅尔借此机会提出了他的关注点:“社会如何可能?(社会怎么可能?)”他认为,在理解“社会”这个概念上,可以与康德对自然的探究方式相提并论。也就是说,那些个体的要素,“只有通过一个有意识的过程,这些个体的存在物才能按照一定的规律,以一定的形式与其他存在物发生关联”,形成一个社会(同上)。但齐美尔提到,两者的区别在于,自然只发生在观察主体身上,而社会只能通过自身的要素来实现,因为这些要素是有意识的,主动融入社会的,同时也不需要旁观者。这些社会联系直接在个人头脑中实现”(同上,第41页)。社会怎么可能回答这个问题?3354的答案可以通过在元素中找到的先验条件得到。通过这些先验条件,这些要素实际上结合起来形成复合体,即“社会”(同上,第42页)。
齐美尔所说的先验条件是指个体心智(个体)对不同事物及其内容可能具有的相似的理解、看法或期望。比如我面前的这个苹果,我想,会是另一个人的苹果,而不是其他水果。所以,齐美尔说,“社会的自觉建构真的不是抽象地表现在个体之间,而是对于所有的个体来说,每个人都知道别人是和自己捆绑在一起的;……〔同上〕.换句话说,社会是可能的,也许是因为我们既是被建构的社会的一部分,也是社会的一部分,而不是自然的再生产所指出的外部观察者。
以上齐美尔的《社会如何可能?除了指出以往社会学的核心问题之外,另一方面,就本文主旨而言,笔者认为这样的社会学探究可能是在指出社会学不应该成为其在人工智能研究中缺席的主要原因之一。[1]如果真如康德所说,我们口中所谈论的自然只是自然的再现,那么我们如何确定我们所认识或讨论的自然就是自然本身呢?同样,对于人工智能来说,如果它的最终目标是创造一个“像人一样思考和行动的机器”(Nilsson,2010,第77页),那么如何确定这样的机器,它的思维和行动真的“像人”呢?这两个问题或悖论的中介,其实还得回到人类自身。
然而,如果社会学的探究从“社会如何可能”开始“,并且取决于社会行动者的相互期待3354,无论是基于文化、信仰、科学知识还是其他3354导向,它都是理解社会的可能基础之一。那么,在讨论人工智能及其现象的研究中,社会学的探究就会有更深的内涵和作用。就人工智能研究的目标或其成功与否而言,是对社会和人类智能运行的理解。更不可或缺的是人类智慧(个体心智或意识)对世界的认识,以及如何基于彼此的相互期待来建构社会现实或社会本身,包括人和非人类的行动者。
例如,现象学家史高斯通过社会学家马克斯韦伯对社会行动的论述也指出,社会行动中的人“不仅意识到他人的存在,还需要意识到他人行为的意义,并解释他人行为的意义”(史高斯,1991,第13页)。这就把问题推进了一步,即“意义制造”和如何解读的问题。无论如何,对于社会学和人工智能来说,它的目标可以说是知道社会是什么,它是如何运作的,为什么会这样运作。这里的“认知”还包括观察、拆解、解构、拆穿、建构、复制等东西。
、拼贴等社会学研究中的经典概念。这些概念也可见于人工智能研究中的应用。总地来说,社会学与人工智能都是在认识社会,但这两种「认识」仍存在着差异:社会学是透过「解释」来认识社会,而人工智能则是透过「模拟」来认识社会。这样的差异也会在本文的最后一个部分中,进一步探讨「人造社会性(artificial sociality)」概念。就对社会或社会现象的「解释」与「模拟」而言,前者包含了人际之间的关係与互动、个体与社会结构之间的关联性等,更包括了人们如何赋予前述之关係、互动、关联性等以意义的过程与产物。就后者而言,人工智能并不寻求发展出对上述这些内容进行解释——或者说是赋予意义——的能力,也并未对其自身及其与环境之关係进行解释,而更多是透过模拟来进入人类社会世界。
不可否认的是,社会学也经常透过各种研究方法来模拟社会自身,例如透过统计推论、模型或者是理论观点等,这或许也都可以视为是一种对社会的「模拟」。然而,这些「模拟」在于提供解释或赋予意义,一方面并未假定个体心智或意识、社会或社会现象等能够被完全地再现,另一方面该模拟本身也非社会学自身的目的。相对地,人工智能科技的发展,乃先假设了个体心智、大脑运作或社会现象等,或许遵循了一套演算法或公式,而大脑被视为是一种讯息处理单元,用以执行某种演算法等。据此,人工智能的发展,便着重于如何打造出更好、更快速且正确的讯息处理系统上。这是关于「如何」而非「为何」的问题。这或许也再次回应,心理学家Mead与社会学家Weber有关人类与非人类之区别的讨论——也就是关于「意义製造能力」之问题,人类行动者具有製造意义的能力,而人工智能可能尚未有能力知道自己在执行的程序或演算法具有什么意义。
此外,另一个值得提问的是,假如模拟的前提是理解——在相当程度上意味着,对于一件事物的模拟,乃是以对该事物之理解或解释为前提——然而,能够「模拟」,便意味着或等同于是「解释」吗?以自动驾驶技术为例,自动驾驶车辆能够在自身系统中模拟其所处之真实世界中可能出现的情况,并据以执行相对应的指令及行动。我们是否可说,自动驾驶车辆对其环境有了清楚且适切的「理解」?还是说,这只是在执行一种「模拟的理解(simulated understanding)」,但对该理解本身并不理解?就此而言,社会学的模拟是为了提出解释,并非是透过模拟以「参与」社会,这就如同Simmel所言,「其不需要旁观者」,每一个社会行动者既是建构社会的一份子,也是社会建构的一部分。
然而,人工智能的模拟却为的是参与社会,透过模拟而得以进入社会之中,这就像Kant所谓的对自然的再现总是伴随着旁观者之讨论。在某种意义上,人工智能的模拟或许不是取消了与人类智能之间的那条界线,而是在创造出一个向其靠拢的世界观,就如同那个被再现的自然——包含了科学、理性、客观等概念,已经成为主宰人类世界的认识论一般。据此,这个看起来殊途同归的发展——同样都是在认识社会,却可能带来的是前所未有的颠覆潜力——假如社会学不积极介入的话。
二、社会学如何探问人工智能?——2+1取径社会学对人工智能的讨论,主要有两个途径,其一是应用人工智能技术于社会学研究之中,这就如同社会学也使用了许多统计方法或其他各种研究方法,用以协助理解并解释社会现象。其二是将人工智能视为一种社会现象或「社会事实」,透过社会学观点而对之进行探究。过去在社会学与人工智能之关联的讨论上,并未受到太多重视。Steve Woolgar对 1980 年代社会学缺席于人工智能研究的讨论中指出,社会学大多被排除在外,或者是仅关注于有关「社会的」概念之讨论,以及社会学家对当前技术水準的讨论与描述存在很大差异(Woolgar, 1985, p. 557)。
第一种途径在过去二十年间也未能成熟发展,但仍有不少研究者认为,人工智能技术应可在方法论上为社会学理论带来贡献(Anderson, 1989; Brent, 1998; Carley, 1996; Schnell, 1992)。例如Rainer Schnell认为人工智能技术可以用来进行理论建构,也就是透过人工智能模拟社会行动者所需要的日常知识之资料结构。也因此,在其应用过程中,Schnell也指出,人工智能与社会学探问的共通之处。例如,人工智能中的框架问题与俗民方法学的目标或有直接对应,亦即:「哪种知识对日常行动而言是必须的?」(Schnell, 1992, pp. 335-336)。然而,儘管两者间有一定程度的相似性,但就其内涵而言,人工智能主张以形式化(formalization)的方法,也就是透过计算、数学或量化等来更好地模拟其对象物,但社会学——尤其是Schnell提到的俗民方法学(ethnomethodology),并不完全同意形式化方法的确能够更好地认识世界。
近年来的人工智能研究在社会科学场域也多以此路径为主,笔者以「人工智能」为关键字搜寻「华艺线上图书馆」资料库,若再加上关键字「」、「TSSCI」进行筛选后,余有34篇论文,其中除一篇书评之外,非应用型的论文仅有三篇。此外,也没有一篇论文是将人工智能本身视为社会学探问的对象,而多是探讨其在个别场域中的应用可能性。然而,若从前述有关社会学与人工智能研究具有之相似性来看,两者间应更可相辅相成。
在进入二十一世纪之后,另一个与之有关的概念应用则是「分散式人工智能(Distributed Artificial Intelligence, DAI)」与「多重行动者系统(Multiagent Systems, MAS)」的观点与应用。Thomas Malsch 提出的「仿社学(socionics)」概念——亦即,「如何利用从社会世界中所获得的模型,以发展出智能计算机科技」,同样也是将人工智能应用于社会学研究的途径(Malsch, 2001, p. 155; Malsch & Schulz-Schaeffer, 2007)。「仿社学」概念或许也回应了前述Kant对「自然」的看法,人工智能对社会与行动者(心智、行为与行动)的模拟,就如同对自然的再现。
Malsch认为社会学家对现代社会的观察、描述与解释等,与「分散式人工智能研究或以其为基础的社会模拟很类似」。「分散式」一词意指是为了解决个别机器运算上的限制,期待透过分散且协作的方式来解决複杂问题(Ibid., p. 158)。DAI架构可以用来发展「多重行动者系统(MAS)」,主要可用以「模拟」社会学理论的建构,其核心提问是:「在何种意义上,我们有可能透过多重行动者技术作为媒介,以模拟现代社会的理论?」(Ibid., p. 161)。
第二个取径是将人工智能当作是社会现象或社会事实,以作为社会学探问的对象。Woolgar在其〈Why not a Sociology of Machines? The Case of Sociology and Artificial Intelligence〉一文中即指出,「人工智能现象提供了一个重新评估社会学之核心教条的重要情境,亦即某种独特地关于人类行为的社会性」(Woolgar, 1985, p. 568)。Alan Wolfe 则认为社会学家应该将人工智能视为一种思想实验,并提出一系列「假如(这样)…会(怎样)…(What if…)」的问题。其对社会学提出的一个What if问题就是:「假如塑造社会学思想的那个自然与人造的二元性是错误的,那怎么办」(Wolfe, 1991, p. 1074)?将人工智能现象放在社会学的研究对象之位置上,似乎很容易指出传统社会学二元观点的限制,无论是人与自然、人与社会、自然与社会、心智与身体,甚至是人与非人等概念。儘管如此,对人工智能的讨论或许有助于社会学对「何谓社会的」进行重新检视或甚至是定义。
例如,社会不只是传统上人与人的互动,或者是Latour式的人与技术物的互动,更是两种智能—人工智能与人类智能—的互动。当技术物被人类视为是有智能的时候,这样的观点或许有可能改变每一件既存认知之事物,而技术物的角色与意义在人类社会中也产生了变化——尤其是在伦理与道德面向上。换句话说,人工智能研究对社会学与其他与人文相关学科的挑战在于,其能够有机会面对人类智能本身。当人类开始觉得有可能打造出具有跟人类一样思考与行为能力的机器时,「人之所以为人」的独特性也开始受到挑战。这个挑战对行动者(agency)与社会(society)之间的那条界线也提出了新的问题(例如:Muhle, 2017, p. 88)。
关于社会学如何介入人工智能研究这部分,笔者认为或许第三个取径是「对人造社会性进行社会学的探问与研究」。这与过去有关「社会建构」概念的讨论不同,也与STS研究将物拉进人的世界来讨论某个或某些实在之建构也有些许差异。例如在 Latour 的行动者网络(Actor Network Theory)理论中,科技物是被行动者主体——也就是人—所召唤进网络中,其对实在之建构的参与相对来说仍是静态或被动的,或者,其具有的动态性是由人类行动者所赋予的(Latour & Woolgar, 1979)。这意思是,对人类行动者来说,虽然物在形塑实在的这件事上,是与人类行动者共同行动的,然而人类并未将其视为与之相同的具有智能的行动者。
这就像是,我们或许可以同意,社会成员对教室的「解明」(accounting)在过去或许仅关注的是师生角色与互动关係——也就是只有人类行动者之参与,现在则加入了空间中的各种技术物,例如黑板或白板、整齐面向某个方向的桌椅、麦克风与电脑相关设备、布告栏等,共同形塑了社会成员对场景的解明——人与非人行动者共同形塑对场景的解明。然而,这些技术物只是作为非人行动者而加入社会成员对场景的解明实作过程之中,其并未如同人类行动一样,佔据了「社会」这个概念或词彙。这也是笔者所谓的被动或静态之意。
当人类行动者将某个技术物视为是「具有智能」且又相当程度上参与或介入或决定日常生活之时——无论这里的智能所指可能为何,其毋宁是获得了某种「社会的」性质。这意思是,我知道你会思考,但我不知道你在想什么,我也无法知道你如何思考,这样的对象在参与日常生活上,便生产出某种社会性,其也与人类行动者共构某种社会性,这是为「人造社会性」之内涵。这也符应于Simmel对「社会如何可能」的想像,而这种「人造社会性」指涉的不再只是人与人之间的相互期待,还包括人类智能与人工智能之间的相互期待,前者甚至受后者所决定。
换句话说,社会学在传统上研究的社会性,多以人类行动者及其彼此间之互动为对象,ANT理论观点向前跨了一步,社会性的内涵是由人与—不被认为具有智能的—非人行动者所形塑。如今在人工智能的发展下,人类行动者开始将某些科技物—例如某些聊天机器人、照顾机器人、自动驾驶车辆等—视为具有智能的对象时,这些科技物的参与较过去有更高的主动性,他们不是被召唤而进到某个行动者网络,他们甚至是可以决定了行动者网络的内容与样貌。
这些「非人社会行动者(non-human social actors)」在某种意义上取得了「社会的」性质。这也是许多研究者在自动驾驶的伦理研究中的提问:人类会如何看待那些在路上自动驾驶的车辆,以及可能如何对待他们?对此的研究成果显示,这个伦理问题就像是人类如何看待其他物种或其他族群或种族的「人类」一般,许多人会刻意阻挡自动驾驶车辆的行进、挑战其各种行动,或者对车身进行破坏。换句话说,这些具有智能的自动驾驶车辆,仅是其存在就足以构成对另一种智能的威胁。
然而,在做出这些行为的当下,人类行动者展现的其实是对其之存在——或具有某种智能——这件事的肯认,也才会想要挑战或试探对方,也因此会产生各种情感或情绪,就如同人类在对待其他物种、对待同样身为人类的其他人种一般。这样的一种「人造社会性」,或许便可成为社会学研究的对象,人类行动者不再只是其关注的对象,物的参与或介入实在之建构也不再是由行动者所召唤,而是研究两种不同智能之互动,而其所建构的就是所谓的「人造社会性(artificial sociality)」(Rezaev, & Tregubova, 2018)。
三、代结论:「人造社会性」的未来?在科技高度介入的可能性日益增加之时,原本人类社会性是作为人造社会性的基础,如今却有反过来的趋势——透过以人工智能为基础的非人社会行动者与人类行动者共同构作出来的人造社会性,反倒成为理解甚至是制订在真实世界中管理与规範人类社会性的主要来源。对此,除了鉅观社会学对社会结构、社会行动与社会系统等概念,已经具有的洞见之外,本文认为微观社会学——尤其是俗民方法学的提醒,或可作为本文的代结语:对社会成员如何使得社会场景变成是可观察的(observable)且是可以说得出来的(reportable)解明实作进行探究,或许能对所谓「人造社会性」、「非人社会行动者(non-human social actor)」参与社会互动的内涵与意义提出不同观点与启发。
[1] 笔者在本文中依旧将 artificial intelligence 译为「人工智能」,而非一般所用的「人工智慧」,相关原因已在笔者另一篇文章讨论过,敬请参考刘育成(2020, p. 95)。
参考书目 刘育成. (2020). 如何成为「人」:缺陷及其经验作为对人工智能研究之启发—以自动驾驶技术为例. 资讯社会研究, 38, 93-126. Anderson, Bo. (1989). On artificial intelligence and theory construction in sociology. The Journal of Mathematical Sociology, 14(2-3), 209-216. Brent, Edward. (1998). Is there a role for artificial intelligence in sociological theorizing? The American Sociologist, 19(2), 158-166. Carley, Kathleen M. (1996). Artificial Intelligence within Sociology. Sociological Methods & Research, 25(1), 3-30. Latour, Bruno, & Woolgar, Steve. (1979). Laboratory Life: Social Construction of Scientific Facts. London: Sage. Malsch, Thomas. (2001). Naming the Unnamable: Socionics or the Sociological Turn of/to Distributed Artificial Intelligence. Autonomous Agents and Multi-Agent Systems, 4(3), 155-186. Malsch, Thomas, & Schulz-Schaeffer, Ingo. (2007). Socionics: Sociological Concepts for Social Systems of Artificial (and Human) Agents. Journal of Artificial Societies and Social Simulation, 10(1). Muhle, Florian. (2017). Embodied Conversational Agents as Social Actors? Sociological Considerations on the Change of Human-Machine Relations in Online Environments. In Robert W. Gehl & Maria Bakardjieva (Eds.), Socialbots and Their Friends: Digital Media and the Automation of Sociality (pp. 86-109). New York: Routledge. Nilsson, Nils. (2010). The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press. Rezaev, A. V., & Tregubova, N. D. (2018). Are sociologists ready for ‘artificial sociality’? Current issues and future prospects for studying artificial intelligence in the social sciences. Monitoring of Public Opinions: Economic and Social Changes, 5, 91-108. Schnell, Rainer. (1992). Artificial Intelligence, Computer Simulation and Theory Construction in the Social Science. Paper presented at the SoftStat ’91. Advances in Statistical Software 3: The 6th Conference on the Scientific Use of Statistical Software, Heidelberg. Schutz, Alfred. (1991). 社会世界的现象学 (卢岚蓝, Trans.). 台北市: 久大桂冠. Simmel, Georg. (2009[1908]). Sociology: Inquiries into the Construction of Social Forms (Volume 1) (Anthony J. Blasi, Anton K. Jacobs, & Mathew Kanjirathinkal, Trans.). Leidon & Boston: Brill. Wolfe, Alan. (1991). Mind, Self, Society, and Computer: Artificial Intelligence and the Sociology of Mind. American Journal of Sociology, 96(5), 1073-1096. Woolgar, Steve. (1985). Why not a Sociology of Machines? The case of Sociology and Artificial Intelligence. Sociology, 19(4), 557-572.本文经巷仔口社会学授权刊登,原文发表于此
标签:
免责声明:本文由用户上传,如有侵权请联系删除!