人工智能與統計融合的邏輯遵循與實施路徑

焦立濤 邢 軍 宋廣升

青島黃海學院 山東 青島 266427

以人工智能為代表的第四次科技革命的浪潮席卷全球,與現實社會、互聯網空間深度融合,人、機、物共同進入萬物互聯、虛實結合、開放共享的人工智能時代。根據馬克思主義機器觀,人工智能具有技術與社會的雙重屬性。習近平總書記指出:“科技從來沒有像今天這樣深刻影響著國家前途命運,從來沒有像今天這樣深刻影響著人們生活福祉?！苯y計工作作為經濟社會發展的重要部分,不可避免地受到人工智能的深刻影響。人工智能與統計融合是統計工作必須面對的時代課題,學界關于人工智能與統計相融合的研究剛剛起步,融合缺乏系統性,迫切需要汲取其他學科的“養分”,迫切需要以系統性融合研究,實現“可用之器”向“向善之道”轉變。人工智能與統計融合屬于跨學科研究,實質是人機融合的問題,需要從多個學科的角度,用多種學科研究范式進行研究。在社會主義的中國,需要放在馬克思主義哲學視閾下總體把握,借鑒系統性的分析框架,增強融合的系統性。本研究以馬克思主義指導,分析人工智能與統計融合的理論邏輯,以帕斯森功能結構分析為框架探究融合的內容結構,提出融合的實施路徑。

一、人工智能與統計融合的理論邏輯

(一)人工智能的本質

關于人工智能“是什么”,學界進行了深入探討,有科學技術說、復雜系統說、交叉學科說等觀點。在馬克思主義視閾中,人工智能本質上是模擬、延展和學習人類智能,借助機器實現人類判斷、推理、感知、識別、預測等知識信息處理行為的外包,仍然屬于人類“對象性活動”的產物,是人類器官的延伸。正是因為人工智能是“對象性活動”的產物、人類器官的延伸,與馬克思論域中“機器”本質上是一致的,雖然馬克思沒有關于人工智能的直接論述,但是在馬克思對機器的論述中所蘊含的基本原理,對于理解人工智能依然適用。人工智能本質就是模擬人類的思維做各種事情,在幫助人類完成重復性高、繁雜冗余的工作同時,也使得知識信息生產流程發生深刻變化。以深度學習為代表的人工智能技術已經超越人類的感知局限,傳感器采集、機器分析、AI合成智能主播、實時算法精準推送、VR/AR沉浸體驗等變革了知識和信息的生產流程。人工智能實際上是知識處理的革命,人類知識處理的外包。工業革命實現了體力外包革命,人工智能將實現腦力外包革命。

(二)人工智能與統計的內在關系

在馬克思主義哲學視閾中,人類活動分為認識世界和改造世界兩種,人工智能與統計同屬于認識世界的范疇,在改造世界中認識世界,進而再指導人們改造世界。

首先,二者同一性決定了融合必然性。人工智能與統計從認識世界的角度講都屬于社會意識的范疇,從改造社會的角度講,都是社會存在中生產力的范疇,屬于科學,二者具有同一性。人工智能是模擬人類智能,是模仿人的意識與行為,而統計是人研究數據的意識反手,人工智能是模仿人的意識的部分,而不能模仿人的全部,人的全部意識處于逐漸認識的過程中,具有無限可能性。人機結合是未來人的存在樣態,是未來社會的發展趨勢。但是,在融通和結合的過程中,人工智能與統計二者融合的關鍵問題是相互之間的語言問題,語言就是數據。人工智能與統計的融合隨著人機交互的日益密切逐漸深化。

其次,統計具有基礎性。意識的本質就是發現人類社會的規律,構建規則,促進人的自由發展。人類社會存在著規則與自由的本質邏輯。而統計和人工智能都從某個角度在探析、研究、傳播、構建著規則,統計是研究人的意識方向性的規則,具有基礎性,人工智能是輔助人完成感知、認知等決策層面的問題,具有具體性。統計學是一門傳統學科,是人工智能技術發展的基礎。在深度學習技術出現之前,統計學習方法是人工智能技術的主流,如回歸分析、支持向量機、貝葉斯分類器和貝葉斯網絡、決策樹、聚類、主成分分析、馬爾科夫鏈蒙特卡羅法等。同時,深度學習技術中,仍有諸多方法是基于統計學習的基礎。所以,推動人工智能和統計的融合技術創新,是順應科學發展規律的自然要求。

第3,人工智能具有輔助性。人工智能雖然是模仿人類智能的部分,但是其具有高度的規范性和專一性,能夠極大地延伸和拓展人的認知、分析和執行能力,人工智能恰恰可以彌補人類認知和、分析和執行的能力不足,幫助人實現腦力的自由全面發展。人工智能能夠促進統計有效性的提高和效度的轉化。人工智能因為其模仿人類智能的非全面性,所以全局性決策和分析具有局限性,特別是涉及多個因果的相關性分析,涉及人類價值與情感的問題,必須在人類價值指引下進行。

二、人工智能與統計融合的內容建構

(一)帕森斯功能結構分析框架

結構功能論認為,社會行動系統是由多個行為主體構成的,他們承擔著不同角色構成動態的模型,以一個整體的形式自我調適維持著社會運轉,行動者之間的關系結構形成了社會系統的結構,并以特定的功能對社會系統整體發揮作用。美國社會學家帕森斯(Talcott Parsons)是結構功能論的杰出代表人物,他提出任何社會行為系統都存在一定的結構,一定結構具備一定的功能,任何社會結構以組織化的形式整體存在,其部分雖然發生變化,但是可以通過組織自我調節實現平衡。[1]他構建的AGIL分析框架(簡稱AGIL),把社會行動視作一個多個行為主體通過不同角色相互影響的動態模型,任何社會系統存在和發展必須具備某些社會功能,社會行動系統一般具有適應功能(Adaption)、目標達成功能(Goal attainment)、整合功能(Integration)和模式維持功能(Latency pattern maintenance)四項結構功能[2]。

(二)人工智能與統計融合的內容結構

AGIL適用于多元主體動態協同社會行動。[3]主要進行宏觀系統的分析。而人工智能與統計融合恰恰是一項需要宏觀把握的,多元主體、動態的社會行動。[4]融合創新是指人工智能與統計雙方依據一定目標,制定融合內容,運用科學方法對融合的過程及結果進行動態調節的過程。人工智能與統計融合是多元主體參與的,而治理的一項核心內容就是多元主體的協同作用。從人工智能與統計融合功能結構構建角度來講,恰恰需要宏觀系統的科學分析框架,根據AGIL分析框架,社會行動系統要保證維持和延存,使社會行動結構趨向新的平衡,就必須實現四項基本功能,人工智能與統計融合要從這四項功能出發探究其結構。第一,適應(A)。適應功能主要依靠行為有機體承擔[5],具體到人工智能與統計融合就是由主體承擔。人工智能與統計共同輔助人的認識和決策,是人類認識能力的拓展,從主體出發,最終落腳到主體,融合關鍵取決于對主體的適應,融合的情況也最終體現在主體支撐上。第二,目標達成(G)。目標達成功能主要依靠社會行動的目標來導引[6],在人工智能與統計融合中,目標達成功能主要通過融合的價值目標來完成,沿著正確的方向來推動融合創新。第三,整合(I)。整合功能主要依靠技術來運作[7],具體到人工智能與統計融合就是技術融合創新來實現,用技術整合各部分的資源,增強二者融合的黏性。第四,模式維持(L)。模式維持功能主要依靠調節平衡來實現[8],具體到人工智能與統計融合就是由二者融合的法治體系作用。融合需要通過法治體系協調各方關系,對整個過程進行評價調節,在融合過程中不斷根據產生的新問題進行優化調整。

三、人工智能與統計融合的實施路徑

人工智能與統計的融合要面向統計發展中的問題,把縱向的守正繼承和橫向的交流互鑒兩種方式結合起來,以融合性的人才培養,以系統性的目標導引,以戰略性的技術創新,以發展性的治理體系,實現人工智能與統計的深度融合。

(一)深化科教融合,培養跨學科的人才

人工智能與統計的都是人“對象性活動的產物”,要實現融合關鍵在于具備融合的人才,只有人才掌握了融合技能,融合才能不斷科學發展。融合能力的培養需要打破學科邊界進行跨學科的培養,深化科教融合,促進人工智能與統計在實踐中融合。首先,加強頂層設計,科學謀劃跨學科人才培養。要科學設置人才培養方案,注重師生協同發展,有序推進跨學科人才培養。其次,提升教師的人工智能與統計融合水平。人工智能是以技術應用為牽引的,而統計注重理論分析,所以優秀的教師,應該既是精通人工智能和統計理論的“理論家”,又是洞察行業需求、擅長應用相關技術解決實際問題的“實踐家”,因此,應以“開發者型教師”為發展目標,提升教師的融合能力。再次,推動產教融合培養跨學科人才。高校立足于產教融合培養人才,學生應能面向行業需求,具有較強的解決實際問題的能力。然而,由于多方面原因的綜合影響,學生獲取“經驗”的途徑有限,解決實際問題的“應用”能力不足,同時還存在一些突出問題。我們必須幫助學生解決好以上幾個問題,通過系統化的訓練積累經驗,逐步使學生深化對行業需求的理解,提高將人工智能技術賦能行業應用的能力。

(二)強化價值引領,保障意識形態安全

人工智能技術的產業化應用,已經深刻地改變了行業發展和人們的生活,同時帶來隱私安全、主體界定、社群區隔、偏好固化、數字鴻溝等問題。為了有效保障意識形態安全,需要強化價值引領。一是通過價值引領,引導人工智能良性發展。雖然當前代表人工智能發展最高水平的深度學習技術,已經在很多領域取得了巨大成功,如計算機視覺、自然語言處理、語音識別、機器翻譯、推薦系統等,但仍處于感知智能階段,離認知智能仍有相當大的差距,知識圖譜等推理技術仍在探索中,遠未達到通用人工智能的水平,人工智能系統也無法像人類一樣實現價值判斷,內容審查、信息管理等不能完全放手讓人工智能接管,必須由人類對人工智能系統的運行過程和決策情況進行監管,以實現人類正確的價值觀對人工智能系統理性判斷的彌補和完善。二是加強人工智能從業者的意識形態教育。我們一般只從技術層面關注人工智能從業者開發或使用的相關技術,對于技術背后滲透的人文價值觀往往疏于了解。而人工智能從業者的意識形態、價值觀等可能會在開發新技術或使用技術解決實際問題中體現出來,若不加以正確引導和甄別,可能會形成意識形態安全隱患。需要重視人工智能從業者的主流意識形態教育,確保開發或使用人工智能技術時,自覺甄別并融入正確的價值觀,在意識形態危機初期即能有效化解。三是注重價值在技術開發與應用中的體現,努力將正確的價值觀融入技術體系,增強社會主義核心價值觀對人工智能系統統領能力,從系統層面防范技術演進中的意識形態安全風險。

(三)推動技術創新,供給與需求相契合

人工智能與統計融合關鍵要靠基礎創新,在普遍性基礎上把握特殊性,在供求平衡中增強融合的粘性。首先,機器學習是當前人工智能的核心技術,而統計學習理論是機器學習技術的基礎性理論。很多新開發的人工智能技術,仍有很多統計理論的支撐,而統計學習理論中,還有很多問題有待進一步研究,比方說如何利用相關理論或實驗的方法計算VC維,尋找反映學習機能力的更好的參數從而得到更好的推廣性的界,支持向量機的核函數和參數值的選擇。其次,這些統計問題的解決,可以從人工智能、數學、信息論、最優化理論等相關領域開展研究,如非凸優化算法、微分方程求解、小樣本學習、遷移學習、元學習、知識圖譜等,從而拓寬解決統計問題的思路,推動統計學理論的發展。最后,在人工智能技術的發展和應用中,雖然當前很多產業實踐都用到了深度學習技術,但是統計技術在解決小樣本、非線性、高維數和局部極小點等問題方面仍有著明顯的優勢,一些思想和技術路徑對人工智能技術的應用開發有著重要價值。所以,現有人工智能與統計融合技術創新,仍要重視統計技術的基礎理論創新和推動作用,并基于不斷演進的統計技術來助推融合。

(四)加強社會治理,法治與倫理共發力

人工智能算法復雜度很高,即使開源,絕大多數業內人士也無法全面解讀,且隨著算法的不斷演進,在與統計融合中,全面準確地解釋這些算法變得愈發困難。如何針對人工智能算法與統計融合進行立法和治理,使其體現平等、安全、公平的原則,是一項嚴峻的挑戰。一是制定法律法規,推進法治化治理。針對人臉識別、語音識別、生物特征識別、信用分析等具體應用場景,制定相應的法律法規,明確數據選擇使用的權責利,透視算法內在機理,并通過政策文件和行業規范,為人工智能與統計融合創設良好的制度環境。二是借鑒國外人工智能倫理監管的經驗,加強科技倫理的宣傳教育,制定安全、可靠、公正的基本原則,倡導開發合乎道德規范的人工智能應用,建立貫穿整體生命周期的人工智能監管機制,規劃未來治理路徑。三是大力發展人工智能與統計融合法治與倫理協同治理機制。深入研究倫理與法律存在的功能差異,充分考察統計工作的特殊性,將多種社會要素融入進來,共同發力實現治理目標。