機器學習與科學認知的新方式*

酈全民 項 銳

2020年11月30日，《自然》雜志在一篇題為《“它將改變一切”： AI在求解蛋白質(zhì)結(jié)構(gòu)中實現(xiàn)巨大飛躍》的科學新聞中，突出報道了谷歌公司旗下“深智”（DeepMind）團隊運用機器學習系統(tǒng)AlphaFold，精準高效地預(yù)測了大量蛋白質(zhì)的三維結(jié)構(gòu)形狀；①Callawa E., “‘It Will Change Everything’: AI Makes Gigantic Leap in Solving Protein Structures”, Nature, Vol. 588, 2020, pp.203-204.2021年7月16日，該團隊再次在《自然》上發(fā)文，宣布新一代的AlphaFold2已成功地預(yù)測了98.5%的人類蛋白質(zhì)結(jié)構(gòu)。②Tunyasuvunakool K. et al.,“Highly Accurate Protein Structure Prediction for the Human Proteome”, Nature, https://doi.org/10.1038/s41586-021-03828-1, 2021-07-22.在科學界，目前普遍認為，這是21世紀以來最為重要的科學成就之一。而從科學哲學和科學方法論的視角看，這也是人工智能（特別是機器學習）改變科學認知方式的出色范例。本文中，我們結(jié)合這一范例，試圖就機器學習對科學認知方式的改變及其哲學意蘊進行初步的探究。

一、科學認知的計算方式

簡單地說，AlphaFold是具有一定的自主學習能力的計算系統(tǒng)，因而，當其被用于求解蛋白質(zhì)折疊這一科學問題時，實質(zhì)上是計算方式（或進路）在當代科學認知中運用的具體表現(xiàn)。為了探究機器學習如何改變?nèi)祟惪茖W地認識世界的過程，我們有必要先對科學認知中計算方式的興起和發(fā)展進行簡單概述。

我們知道，近代科學誕生以來，依仗一代又一代探索者的熱情、智慧和努力，偉大的經(jīng)驗發(fā)現(xiàn)和理論創(chuàng)造不斷涌現(xiàn)。其結(jié)果是，人類認識的視野拓展到了宇宙的起始階段和物質(zhì)的基本構(gòu)成；我們在相當程度上知曉了自己究竟從何而來，也通過技術(shù)釋放出科學所蘊含的巨大力量。總之，科學取得了無與倫比的成功。從認知的角度看，科學的成功在于系統(tǒng)地、習慣地運用了人類認識世界的兩種基本方式，即實驗和理論，并在認知過程中將兩者動態(tài)地整合。也就是說，在伽利略、開普勒和牛頓等開創(chuàng)近代科學以后的數(shù)百年間，科學的探索者們一方面通過不斷地發(fā)明儀器設(shè)備去從事實驗和測量，以更多、更精確地獲取關(guān)于自然現(xiàn)象的經(jīng)驗數(shù)據(jù)，另一方面通過創(chuàng)造理論來統(tǒng)一地解釋和合理地預(yù)測各種自然現(xiàn)象。而在實驗與理論之間，既依靠已確立的理論來指導、設(shè)計和實施實驗，又用實驗數(shù)據(jù)對新理論進行嚴格的檢驗，這樣就實現(xiàn)了兩者之間的正向互動，不斷地推動科學的繁榮和進步。

大約自20世紀80年代起，一方面出于科學自身演進的內(nèi)在要求，另一方面由于信息技術(shù)（尤其是計算機）持續(xù)增強的影響，科學發(fā)展的版圖上呈現(xiàn)一系列新的景象。其中，引人注目的是“計算科學運動”（the computational science movement）的興起。①Denning P., Martell C., Great Principles of Computing,Cambridge: The MIT Press, 2015, p.10.其標志是運用計算模型和方法研究自然現(xiàn)象乃至社會現(xiàn)象，形成了眾多冠以“計算”的新興學科，如計算物理學、計算化學和計算生物學，從而開創(chuàng)了科學認知的第三種基本方式，即除了實驗和理論以外的計算方式。當時，頗有代表性的是，諾貝爾物理學獎獲得者威爾遜（Wilson K.）基于他本人創(chuàng)立的重正化群變換理論，建構(gòu)了計算模型，并利用計算機成功地發(fā)現(xiàn)了一些物質(zhì)材料的相變。于是，他宣告： “除了理論和實驗，計算是做科學（doing science）的第三種方式（way）?！雹赪ilson K.,“Grand Challenges to Computational Science”, Future Generation Computer Systems, Vol.5, No.2-3, 1989, p.171.

在認識世界的過程中，盡管依仗實驗和理論以及兩者的整合，科學已經(jīng)取得了極其輝煌的成就，但事實上，這兩種認識方式都存在著內(nèi)在的局限或不足。對實驗來說，雖然研究者通?？梢詫嶒瀸ο筮M行控制或變革，或者制備簡化、純化或強化的相對理想的環(huán)境，從而發(fā)現(xiàn)在特定條件下對象的屬性或變化的模式，但一旦這樣做，所獲得的認識就不一定反映自然條件下實際對象的真相。尤其是，大量復雜的或極端的物質(zhì)系統(tǒng)實際上無法通過實驗加以研究。此外，探究多組元（或復雜）系統(tǒng)的結(jié)構(gòu)、功能和變化過程，不僅要求發(fā)展更加精準、有效的探測工具，也需有處理和分析大量數(shù)據(jù)的手段，而這單靠人力或簡單的統(tǒng)計方法遠遠不夠。就理論而言，所有理論都是由基本的概念和規(guī)律所構(gòu)成，這些概念和規(guī)律又是科學抽象的產(chǎn)物，因而，它們一方面具有普遍性和抽象性，另一方面與實際系統(tǒng)之間的關(guān)系往往是間接的、迂回的和粗?；摹Ｕ驗槿绱?，除非所面對的實際對象很簡單，否則，從理論的規(guī)律（加上相關(guān)的輔助條件）通常無法嚴格地推演出可以解釋或預(yù)言具體對象的屬性或過程的結(jié)論。

相當程度上，計算方式能夠克服或突破傳統(tǒng)理論和實驗的局限，并成為兩者在當代科學認知中發(fā)揮更大作用的有力推進器。在實驗方面，當代科學的重心已轉(zhuǎn)向?qū)碗s系統(tǒng)的結(jié)構(gòu)、功能和演化過程的具體研究，如生物系統(tǒng)和全球氣候變化。這不僅要有靈敏探尋和精確測量對象的尖端儀器，而且要有對獲得的海量數(shù)據(jù)進行快速和有效處理的能力。因此，不論是在科學實驗還是科學觀測中，計算技術(shù)和方法已經(jīng)必不可少。特別是，計算機模擬可以在一定程度上充當實驗的角色。這種方法是將表征現(xiàn)實或可能對象（原型）的模型在計算機上運行，以期通過對運行過程和結(jié)果的研究來認識對象。盡管模型的運行只是基于算法的程序生成過程，卻類似于真實的實驗，因為其具有可重復性和對錯誤過程的可修改性等，并能生成穩(wěn)定的輸出結(jié)果。在理論方面，通過在已有理論的指導或約束下建立關(guān)于對象的具體計算模型，并運用計算機對模型進行操作，就能在理論與經(jīng)驗之間架起可以通達的橋梁。事實上，基于理論建構(gòu)模型，并讓其在計算機上實現(xiàn)和運行，再將輸出的結(jié)果與經(jīng)驗數(shù)據(jù)作比較，或者運用模型對現(xiàn)象進行解釋和預(yù)言，已經(jīng)成為探索復雜系統(tǒng)的主要認識方式。如今，計算方式已經(jīng)在科學領(lǐng)域無處不在，極大地改變了科學研究的面貌。

二、從運行模型到建構(gòu)模型

在基于深度人工神經(jīng)網(wǎng)絡(luò)的機器學習出現(xiàn)之前，雖然計算機模擬和計算技術(shù)已經(jīng)被廣泛地用于科學研究，并取得了極大的成功，但是，這種（舊的）計算方式存在著自身的局限或不足。

一個完整的計算機模擬過程，實際上由三個基本的環(huán)節(jié)構(gòu)成，即計算模型的建構(gòu)、計算模型的運行、對生成結(jié)果的闡釋和評價。其中，計算機所承擔的角色是模型的運行，這個過程本質(zhì)上是“按部就班”的程序運作，并不包括自主學習和創(chuàng)造的成分，因而沒有“智能”；而模型的建構(gòu)和結(jié)果的闡釋需要由具有智能的認知者——人——來履行。同樣，那些嵌入儀器的專用計算機和通用計算機上用于數(shù)值計算和數(shù)據(jù)處理的軟件，也是由人根據(jù)事先確定的目標而設(shè)計和實現(xiàn)的，并不具備自主學習的功能。

從中我們可以很容易地看出，在計算機模擬和數(shù)據(jù)處理中，建構(gòu)模型和設(shè)計軟件是前提，也是關(guān)鍵。就模型的建構(gòu)而言，選擇什么樣的變量和規(guī)則（或函數(shù)）是一個具有高度創(chuàng)造性的智力活動，這不僅依賴于所模擬的對象和環(huán)境，更取決于建模者擁有的知識和能力。由于模型的建構(gòu)需要由人的心智來完成，而面對復雜的研究對象，人的心智直接獲取數(shù)據(jù)的容量和處理數(shù)據(jù)的能力均十分有限，因此，一般是通過抽象生成概念的方式來進行表征。這樣，建構(gòu)模型的元素的屬性和元素之間的聯(lián)系相對較少，且假定這些屬性和聯(lián)系是刻畫研究對象的本質(zhì)的或主要的方面。這就意味著，由人的心智所建構(gòu)的模型通常只是對實際系統(tǒng)的簡化，或者說并非是對實際系統(tǒng)的真實結(jié)構(gòu)和過程的描述。正因為如此，在科學認知中，以往所建構(gòu)的計算機模型主要是作為理性思維的手段而起類似于理論的作用。

基于深度神經(jīng)網(wǎng)絡(luò)的機器學習的出現(xiàn)，使情況發(fā)生了一個實質(zhì)性的變化。我們知道，一個具有自主學習能力的認知者，比如人，能夠?qū)ν獠枯斎氲男畔⑦M行選擇并從這些信息中發(fā)現(xiàn)模式（對認知者而言屬于建構(gòu)模型）。人工神經(jīng)網(wǎng)絡(luò)的理論研究表明，要讓一個系統(tǒng)（機器）具有較強的學習能力，需要創(chuàng)建具有多個中間層（體現(xiàn)深度）并帶有反饋等機制的神經(jīng)網(wǎng)絡(luò)，而這依賴于強大的計算力和豐富的訓練數(shù)據(jù)（數(shù)據(jù)是在媒介上登錄的信息）。大約十年前，隨著計算力和大數(shù)據(jù)這兩個基本條件得到滿足，基于深度神經(jīng)網(wǎng)絡(luò)的機器學習才得以興起。

2016年春，當“深智”團隊基于深度神經(jīng)網(wǎng)絡(luò)開發(fā)出擊敗圍棋世界冠軍的AlphaGo以后，人工智能技術(shù)在大眾媒體中迅速走紅，通過人臉識別和語音處理等技術(shù)開始影響人們的生活，并在網(wǎng)絡(luò)安全、自動駕駛、醫(yī)療健康和教育等領(lǐng)域展示出巨大的應(yīng)用前景。而對于“深智”的創(chuàng)始人哈薩比斯（Hassabis D.）來說，創(chuàng)立公司的初衷正是希望研發(fā)具有智能的人工計算系統(tǒng)，以推動當代科學的繁榮和發(fā)展。事實上，在創(chuàng)建AlphaGo的同時，“深智”團隊就已經(jīng)著手研發(fā)AlphaFold，以求解決蛋白質(zhì)折疊這一困擾人類50年之久的重大科學難題。因此，當AlphaFold2取得巨大成功后，哈薩比斯興奮地寫道： “這是我一生中夢寐以求的日子，也是創(chuàng)辦DeepMind的緣由：創(chuàng)建AI并用它去實現(xiàn)非凡的科學突破，像Alphafold2那樣，以推進科學并造福人類。”①https://www.tuipster.com/us/tweet/1418229304194859011.

目前，包括AlphaFold在內(nèi)的機器學習系統(tǒng)基本上依賴深度神經(jīng)網(wǎng)絡(luò)，這些神經(jīng)網(wǎng)絡(luò)具有一定的自主學習能力，經(jīng)過大量的數(shù)據(jù)訓練后就能從新的數(shù)據(jù)中建構(gòu)針對特定問題的經(jīng)驗?zāi)Ｐ?，比如蛋白質(zhì)的三維結(jié)構(gòu)，進而作出可靠的預(yù)測。而從本質(zhì)上說，只有當具備學習能力的人工智能系統(tǒng)出現(xiàn)后，才有可能像人那樣進行模型的建構(gòu)或在數(shù)據(jù)中發(fā)現(xiàn)模式。因此，基于深度神經(jīng)網(wǎng)絡(luò)的機器學習系統(tǒng)的問世，標志著科學認知的計算方式可以實現(xiàn)從單純的模型運行到包括模型建構(gòu)在內(nèi)的飛躍，從而能對科學研究產(chǎn)生巨大的推動作用。近年來，以機器學習為代表的人工智能技術(shù)正迅速地被應(yīng)用于各種各樣的科學探索，并呈爆炸性的發(fā)展態(tài)勢。

三、人工自主體的認知角色

一般認為，像AlphaFold這樣的機器學習系統(tǒng)可被看作具有一定自主性的人工自主體（artificial agent）。在科學認知的過程中，這類人工自主體處于何種地位？它的介入對于科學知識的獲取和科學知識的屬性究竟具有什么樣的影響？

為了確定人工自主體在科學認知中的地位，需要先界定和闡明認知和科學認知這兩個概念的內(nèi)涵。這里，我們采用認知科學和認知心理學中的主流觀點，即認知本質(zhì)上是信息加工（或計算）。一般的認知過程包括三個基本環(huán)節(jié)： （1）認知是關(guān)于某個或某些對象的。這樣的對象叫作認知客體，而從事這種活動的就是認知者（或認知主體）。其中，作為認知客體的可以是具體的物質(zhì)對象，也可以是思想的建構(gòu)體（如數(shù)），而充當認知者的是具有認知能力的自主體，包括人、動物甚至機器。（2）認知在于獲得認知客體的信息。這樣的信息可以是全面的也可以只是部分的，可以為真也可以為假，而獲得信息是通過認知者的知覺、判斷、記憶、推理和聯(lián)想等具體的學習活動或過程來實現(xiàn)的。 （3）為了確認獲得的信息是否為真或似真，也就是可否稱為知識，認知者需要展開行動進行經(jīng)驗的和邏輯的檢驗；這樣，在認知者與認知客體之間就形成了信息互動的環(huán)路。

科學認知是人類認知的一種特殊情形，其區(qū)別于自然（或常識）認知的兩個最明顯的特點是：（1）在自然認知中，獲取認知客體的信息，所依仗的基本上就是作為認知者的人所固有的感覺器官和肢體，而科學認知則常常借助觀察儀器和測量儀器等認知工具，如顯微鏡和計數(shù)器。這樣，自然認知是獲取并確認認知者所處的周圍環(huán)境的信息，而科學認知則借助認知工具實現(xiàn)了對前者的超越。 （2）在自然認知中，人們基本上是運用自然語言或身體圖式（如手勢）來對獲取的信息進行表征。從功能上說，自然語言和身體圖式均是保存或傳遞信息的自然媒介。與此相對照，在科學認知中，認知者除了運用自然媒介，更多（或者說越來越多）地依賴于人工符號來表征知識；尤其是，通過系統(tǒng)地運用數(shù)學語言，認知者不僅可以精確地表征科學知識，而且能實現(xiàn)基本假設(shè)與具體結(jié)論之間的形式推理。因此，自然認知是運用自然媒介表征知識，而科學認知則借助數(shù)學語言等人工符號突破了這一限制。①酈全民：《當代科學認知的結(jié)構(gòu)》，科學出版社2021年版，第56—57頁。

由此可知，具有學習能力的人工自主體在科學認知中可以處于特殊的地位，實際上能承擔雙重角色。一方面，面對具體的數(shù)據(jù)對象，人工自主體可以通過學習建構(gòu)并運行關(guān)于對象的模型，而如果數(shù)據(jù)對象是真實的物質(zhì)對象的體現(xiàn)，則模型就是對后者模式的刻畫。倘如這種模式是人類此前未曾知曉的，比如由AlphaFold預(yù)測的蛋白質(zhì)的新結(jié)構(gòu)，那么，我們可以將這種人工自主體視作能進行科學發(fā)現(xiàn)的人工認知者，類似于在實驗室里從數(shù)據(jù)中發(fā)現(xiàn)模式的經(jīng)驗科學家。另一方面，人工自主體單獨（至少目前）并不能完成真正的科學發(fā)現(xiàn)。這是因為：其本身是人類發(fā)明的產(chǎn)物，更為重要的是，一個科學發(fā)現(xiàn)的過程還包括研究者（人）對問題的設(shè)定，對所生成模型的解讀、解釋和評價等，離不開研究者的知識、洞察和判斷。故對于研究者而言，人工自主體可以被看作是整個科學認知過程中的有用工具，類似于顯微鏡和質(zhì)譜分析儀。不過，隨著認知能力和自主性的持續(xù)增強，人工自主體的第一種地位正在不斷提升。

如果將人工自主體看作人工認知者，那么就會遇到兩個深刻的哲學問題。一是意向性問題。在心智哲學中，意向性一般指人（也可包括一些動物）的心智狀態(tài)是關(guān)于或表征某個對象的，簡單地說就是“關(guān)于性”——這是人有別于機器等人工物的本質(zhì)特性。哲學家塞爾（Searle J.）提出的“中文屋”思想實驗，就是為了論證一個僅僅依據(jù)指令執(zhí)行程序（運行模型）的計算系統(tǒng)并沒有內(nèi)稟的意向性，因而不具備真正的理解力。②Searle J.,“Minds, Brains, and Programs”, Behavioral and Brain Sciences, Vol.3, No.3, 1980, pp. 417-457.而如今，具有學習能力的人工自主體，并非僅僅執(zhí)行程序或運行模型，還能夠進行模型的建構(gòu)，那么，其是否具備了某種內(nèi)稟的意向性呢？我們認為，如果一個人工自主體能通過自主學習在內(nèi)部建構(gòu)模型，且這樣的模型又是關(guān)于外部對象的，比如蛋白質(zhì)的結(jié)構(gòu)，那就意味著其內(nèi)部狀態(tài)具備了內(nèi)稟的意向性。當然，這種意向性還只是原初的或一階的，且不涉及意識。而作為人，我們不但具有原初的意向性，還具有對建構(gòu)的模型進行評價和反思的能力，也就是說，具有高階的意向性和意識。

二是知識問題。由AlphaFold準確預(yù)測所獲得的蛋白質(zhì)結(jié)構(gòu)，在什么意義上可以被稱為“知識”？從認知的三個基本環(huán)節(jié)中可以看出，前兩個環(huán)節(jié)已經(jīng)可由AlphaFold自主地履行，但這樣獲得的結(jié)果實際上還只是針對特定對象的信息結(jié)構(gòu)（模型），而這樣的信息結(jié)構(gòu)是否真的表征和刻畫了某種蛋白質(zhì)的結(jié)構(gòu)，則還需要通過“深智”團隊的研究者或其他生物學家的證成（或辯護）來完成。所以，嚴格地說，并不能將單獨由AlphaFold預(yù)測所得的蛋白質(zhì)結(jié)構(gòu)稱為知識。不過，這種蛋白質(zhì)結(jié)構(gòu)也不是充當研究者的人單獨獲得的，事實上，即使是AlphaFold的設(shè)計者也不一定能理解其生成新的蛋白質(zhì)結(jié)構(gòu)的具體機制和過程。鑒于此，在這種情況下，我們不妨引入一個“超認知者”的概念，作為所發(fā)現(xiàn)知識的承擔者：其由像AlphaFold那樣的人工自主體與科學家所組成，并通過兩者的協(xié)同來進行科學發(fā)現(xiàn)。可以預(yù)期，在科學研究中，特別是當面臨復雜的科學問題時，這樣的“超認知者”將扮演越來越重要的角色。

四、心智建模能力的外化

從意向性問題和知識問題出發(fā)，自然可引出一個更具哲學意味的問題：隨著人工智能不斷發(fā)展，是否有可能出現(xiàn)擁有高階意向性和更有創(chuàng)造力的人工自主體，從而進一步改變科學認知乃至人類生存的方式？這里，我們從人類心智外化的視角對這一重大問題作些粗略的思考。

我們知道，人的心智雖然異常復雜，卻是生物進化的自然產(chǎn)物。不過，人之所以為人，不僅僅在于他是生物進化的主體，更重要的是成為另一種進化方式的主體，即文化進化的主體。那么，這究竟是如何發(fā)生的？一個簡單而又直觀的回答是：這是人的心智運作外化的結(jié)果。

在自然條件下，心智的運作發(fā)生在個體層面，即只有在一個個具體的大腦（更確切地說在神經(jīng)系統(tǒng)）中，各種認知功能和意識方可實現(xiàn)。人的心智能力是其超越其他物種最重要的特性，但實現(xiàn)這種超越的關(guān)鍵卻是作為個體的人將自身心智運作的結(jié)果外化，即輸出并記錄到個體以外。對于人而言，心智建構(gòu)的模型所表征和處理的信息具有語義，因而產(chǎn)生的結(jié)果承載內(nèi)容。通常，我們把這樣的結(jié)果叫作知識或思想。于是，心智運作結(jié)果的外化實際上就是知識或思想的外化。一旦將知識或思想傳遞給其他個體，或以符號的形式“下載”到自身以外的媒介，一種突變就發(fā)生了：外化的知識或思想形成一個新的亞世界，即文化世界。于是，人與自然環(huán)境、人與人之間的關(guān)系就發(fā)生了根本性的變化：一方面，個體可以將其所獲得的知識或思想持續(xù)外化，從而導致文化世界的不斷膨脹；另一方面，因為構(gòu)成文化世界的內(nèi)容包括自然的和社會的知識，所以，他人或后代便不必直接去與自然環(huán)境或社會環(huán)境發(fā)生作用，而只需憑借自身所具備的學習能力便可（間接地）獲取有關(guān)的知識。

除了以符號的形式外化心智內(nèi)容，人類還采用了另外一種非?；竞椭匾耐饣绞?，即依據(jù)心智所產(chǎn)生的內(nèi)容，將外在的自然物轉(zhuǎn)變成具有特定功能的器物，并利用這些器物獲取可以滿足自身生存的食物、能量和信息。以這樣的方式外化心智的內(nèi)容，其實就是技術(shù)?？v觀技術(shù)發(fā)展的歷史，我們不難發(fā)現(xiàn)，它實際上就是一部人類不斷外化心智運作所生成的知識的歷史。與其他符號化的知識不同的是，構(gòu)成技術(shù)的知識是人的心智所“寫成”的程序。這些程序通常具有特定的功能，并以內(nèi)隱的方式物化在一定的系統(tǒng)（如機器）中，為人本身的生存和進化服務(wù)。

我們說，技術(shù)也是人類外化知識的活動，不過，在技術(shù)發(fā)展的不同時期，由其所外化的內(nèi)容在性質(zhì)上并不相同。在人類進化的絕大多數(shù)時間里，技術(shù)活動所外化的知識基本上屬于心智運作的結(jié)果，而不是關(guān)于心智運作本身的知識或心智能力。那些物化了心智運作生成的程序的工具，替人類承擔了輸送物件、變換實物形態(tài)和轉(zhuǎn)換能量形式等方面的功能，可以說，是將人的體力和肢體技能在機器中對象化了。在這一過程中，人類不斷地增強控制和利用自然環(huán)境的能力，反過來，又使得這種對象化過程進一步升級，而其中，心智運作的能力是起核心作用的環(huán)節(jié)，不可缺少。

終于，文化進化發(fā)展到這樣一個階段：人不僅僅滿足于將心智運作的結(jié)果外化，而且開始將處理和操作信息的認知能力外在化和對象化。由帕斯卡、萊布尼茨和巴貝奇等先輩所發(fā)明的加法器、乘法器和分析機是外化認知技能的早期代表。而最具革命性的事件當屬20世紀40年代普適電子計算機的問世：它標志著人類進入了一個外化自身的新階段，即心智運行模型能力的外化。從此，人類對世界的認識和文化進化均躍上了一個新臺階。就認識世界而言，人類獲得的關(guān)于認知對象越來越多的科學知識，就不僅僅是人的心智運作的結(jié)果，還是人與計算機之間協(xié)同的產(chǎn)物。

不過，正如此前所述，如果只是停留在對計算模型的運行和展開的層面，而不具備建構(gòu)模型的能力，那么，這樣的計算機或人工系統(tǒng)就缺乏真正的理解力或智能。然而，出于進化動力的驅(qū)使，人類似乎并不想止步于心智運行模型能力的外化，更希望實現(xiàn)建模能力的外化，以便產(chǎn)生具備類人智能或者擁有超級智能（超越人的智能）的人工自主體。

如今，人工智能技術(shù)已經(jīng)成為人們最為關(guān)注的科技熱點之一。這是因為，基于深度神經(jīng)網(wǎng)絡(luò)的人工自主體具備了一定的學習能力。對人而言，所謂學習，就是將來自環(huán)境中對象的信息進行選擇和登錄（轉(zhuǎn)化為數(shù)據(jù)），再基于這些數(shù)據(jù)建構(gòu)模型；如果由模型所生成的信息（預(yù)測環(huán)境中對象）與來自對象的信息相匹配，則表明模型表征了對象，學習取得了成功；否則，再基于數(shù)據(jù)對模型進行訓練和修改，直至產(chǎn)生理想的結(jié)果。由此可見，學習能力實質(zhì)上就是選擇信息和建模的能力，體現(xiàn)在神經(jīng)網(wǎng)絡(luò)中便是學習算法。

因此，我們可以理解，深度神經(jīng)網(wǎng)絡(luò)的學習能力，恰恰是人類心智的學習能力外化的表現(xiàn)，特別是，通過發(fā)明學習算法實現(xiàn)建模能力的外化。由此看來，對于人類而言，基于深度神經(jīng)網(wǎng)絡(luò)的機器學習一定程度上實現(xiàn)了人類建模能力的外化，表明文化進化又躍入了一個新的階段。當然，目前的機器學習算法尚處于專門（適于特定的問題）、低效（需要大量的數(shù)據(jù)訓練才能建構(gòu)合適的模型）和低級（僅限于建構(gòu)數(shù)據(jù)模型）的階段，即使在預(yù)測蛋白質(zhì)結(jié)構(gòu)方面顯得能力超強的AlphaFold亦是如此。但是，似乎并沒有力量能阻止人類去發(fā)明更通用、高效和高級（如建構(gòu)概念模型）的學習算法的欲望和熱情，也沒有什么科學理論排除了發(fā)明這樣的新算法的可能性。

隨著人工智能技術(shù)的不斷發(fā)展，人工自主體的建模能力以及其他能力將會進一步提高。因此，可以預(yù)期，在未來的科學發(fā)展中，人工自主體所扮演的認知角色也將愈來愈重要，從而更加深刻地改變科學認知的面貌。

結(jié) 語

在當代科學認知中，計算是除了理論和實驗以外的第三種基本方式?；谏疃壬窠?jīng)網(wǎng)絡(luò)的機器學習系統(tǒng)在科學研究中的應(yīng)用，使得計算方式實現(xiàn)了從運行模型到建構(gòu)模型的突破，從而導致科學認知的方式發(fā)生重大的改變。在科學研究中，具有自主學習能力的人工自主體的介入，引出了一系列基本且重要的哲學問題，如意向性問題和知識問題，有待我們進一步探索。從根本上說，人工智能的問世和發(fā)展是人類不斷外化自身智能的自然結(jié)果，而這給未來的科學認知乃至人類的進化均帶來巨大的機遇和挑戰(zhàn)。