恆小花：人工智能的歷史

其實，只要去追溯人工智能的歷史，就知道人工智能正是在利用電子計算機處理符號結構時提出的。早在1956年，數十名來自數學、心理學、神經科學、計算機科學與電氣工程學領域的學者聚集在一起，討論如何用計算機來處理符號結構，會上美國計算機科學家約翰·麥卡錫將這種研究命名爲人工智能；同樣作爲計算機科學家的艾倫·紐厄爾和司馬賀把一種被稱爲“邏輯理論家”的程序帶到會議上，他們被會議發起人稱爲“人工智能之父”。縱觀這些被稱爲人工智能的研究，無一不是發明一種處理信息（符號系統或數字）的裝置，用其來整理和提取解決問題的知識。無論是邏輯理論家，還是1959年司馬賀、紐厄爾和軟件工程師約翰·肖公佈的通用問題求解系統，都是如此。這種裝置和前文講過的兩類裝置（具有學習能力的神經網絡和進行數學定理證明的計算機）的不同之處在於，前者處理的不是純科學經驗知識，亦不是純數學知識，而是科學理論知識。正因爲人工智能一開始就被界定爲如何用一種裝置實現運用科學理論知識解決實際問題，或通過經驗提出科學理論，其被廣泛地稱爲專家系統。

舉個例子。1964年美國人工智能學家愛德華·費根鮑姆、分子生物學家喬舒亞·萊德伯格和化學家卡爾·傑拉西用某種裝置處理火星上採集來的數據，看火星上有無可能存在生命。三人合作的結果就是第一個專家系統DENDRAL的誕生。DENDRAL輸入的是質譜儀的數據，輸出的是給定物質的化學結構。另一個例子是1978-1983年司馬賀和計算機科學家帕特·蘭利、蓋裡·布拉茨霍夫陸續發佈了6個版本的BACON系統發現程序，該裝置重新發現了一系列著名的物理、化學定律。縱觀各式各樣的專家系統，它們都是在創造一種裝置，以獲得科學理論知識的信息。專家系統有時是用科學理論推出經驗知識，解決碰到的實際問題；有時是根據受控實驗信息提出科學理論，或修改現有的科學理論知識。這些工作本來都是由人完成的，而專家系統是一種人造裝置，用它來取代人做的事情。

我要問一個問題：這些專家系統獲得的可靠信息中有暗知識嗎？根據暗知識的定義，我們知道最後得到的可靠信息是什麼，但不知道該信息是如何獲得的。今日所有已知的專家系統都沒有這樣的智能。專家系統之所以做不到這一點，是因爲它們不能如人工神經網絡那樣自行學習，也不能如機器證明那樣完全不需要人的干預自行進行邏輯判斷。如前所述，科學理論知識的進步依靠的是科學理論信息和經驗信息的互動，它包括當從科學理論推出之受控實驗信息不包含相應科學經驗的受控實驗信息時，規定兩者哪一個必須修改，即兩者如何互動。只有互動過程形成完全的閉環（沒有主體參與），其才能完全通過人工裝置來實現。這時，主體通過該裝置得到科學理論的信息，但不知道該信息是如何得到的。這纔是科學理論中的暗知識。

目前，這種裝置正在孕育之中，美國人工智能研究實驗室OpenAI推出的一款大型預訓練人工智能語言模型ChatGPT也許是一個例子。爲什麼？科學理論作爲橫跨受控實驗和數學世界的拱橋，由拱圈和上蓋組成。上蓋是用邏輯語言表達的受控實驗和受控觀察，即目前文獻中記錄的科學知識。拱圈是建立在測量之上用數量表達的受控實驗（觀察）結果之間的關係，它是作爲各門科學基礎的定律。ChatGPT利用自然語言的語法研究把自然語言陳述轉化爲邏輯語言陳述，然後自動把這些邏輯語言陳述中所蘊含的信息提取出來。當人通過ChatGPT得到了新的科學理論知識，但不知道該新知識是如何得到的時候，科學理論知識滿足暗知識的定義。對於拱圈，亦可以建立電腦控制的受控實驗和受控觀察，獲得測量數據和實現控制都不需要主體直接參與。這時，研究者也不知道得到的新定律是如何得到的。這也是科學理論的暗知識。

更重要的是，上蓋是建立在拱圈之上的。只要將從陳述中得到新信息和電腦自行做實驗結合，我們將發現，在科學理論中，暗知識的增長將超過明知識。在今日迅速發展的合成生物學中，正在醞釀着兩者結合的可能性。這意味着人工智能第三種形態（獲得科學理論知識中的暗知識的裝置）也許最先在生命科學中被使用，其背後是物理、化學、數學、信息理論與生命科學理論深度交叉，形成基因合成、基因編輯、蛋白質設計、細胞設計、實驗自動化的使能技術。其中，生命鑄造廠（biofoundry）或許是典型的例子。然而，在被稱爲大設施的生命鑄造廠的建造和調試中，有中國研究者卻以“造物致知”作爲口號。該口號沿用了中國傳統的“格物致知”，大設施的建造者或許沒有想到，只要合成生物學中有關設施實現了科學理論知識修改的閉環，科學理論知識中的暗知識就會產生。這種“致知”和我們熟悉的獲得知識不盡相同。通過造物大設施的運作，合成生物會源源不斷地被製造出來，但這一切不一定導致今日所知的那種生命科學理論知識的增長，因爲它們中的相當一部分可能都是暗知識。

人類發現科學理論中存在大量暗知識，標誌着自然現象因果解釋的一場革命。我們知道自然現象服從因果律，但能體驗因果律認識過程的只是知曉因果律的極小一部分。即便如此，也並不妨礙人類用因果性改造世界，因爲就算大多數因果律是暗知識，我們仍可以通過人工智能來駕馭它們。