在上一篇论文初稿基本达到预期之后，我计划进一步撰写一篇工程技术教育学论文。上面这段文字，是我根据这篇新论文的主要观点向人工智能作出简要指示后，由它改写形成的一份初步论述。 注：我感觉人工智能可以成为优秀的秘书和写作助手，帮助研究者整理材料、调整结构、修改语言和检查论证，但它不具备主导这类跨学科学术论文写作的知识基础、研究经验和学术判断。真正担任主导角色的研究者，必须具备信息数学、计算机科学、计算机工程学和教育学等方面的扎实基础，同时具有广泛而深厚的科学技术素养、丰富的学术研究经验，以及判断问题发展方向的远见。人工智能根据一句话指示扩写出一段基本令人满意的文字，并不等于它完成了学术研究。一篇成熟的论文还需要明确的问题意识、原创性的中心论点、严格的概念界定、可靠的事实证据、大量相关文献、对不同观点的分析，以及作者长期研究形成的独立判断。
人工智能并没有脱离计算机工程的基本原理现代人工智能并不是一种脱离计算机基本原理而产生的新型智能实体。它仍然运行在数字计算机上，仍然建立在逻辑门、数字电路、存储器、中央处理器或并行处理器等硬件基础之上，仍然通过程序规定的步骤，对经过编码的数据进行自动处理。 从最基本的工程层面看，计算机内部发生的仍然是电路状态的改变。逻辑门按照确定的物理条件执行逻辑运算；处理器按照指令改变数据；存储器保存和读取编码后的信息；软件则把复杂任务分解为机器能够执行的计算步骤。无论最终输出是一组数字、一幅图像、一段文字，还是一段看起来像人类回答的语言，其底层过程都没有脱离这些基本原理。 今天的人工智能虽然在规模和性能上取得了巨大进步，但这种进步没有改变计算机的基本性质。更快的芯片、更大的存储空间、更多的训练数据、更复杂的算法和更多的参数，可以显著提高系统处理信息的速度、范围和准确程度，却没有把数字计算机转变成一种具有生命活动和主观经验的生物器官。 所谓人工神经网络，也没有改变这一事实。“神经网络”和“神经元”是借用生物学词语形成的技术名称。人工神经网络中的“神经元”实际上是一个数学函数：它接收若干数值，对这些数值进行加权、求和和非线性变换，然后输出另一个数值。大量这样的数学函数按照一定结构连接起来，便形成能够进行分类、预测和生成的计算模型。它与生物神经元具有某些抽象的形式类比，却不是生物神经元，也不具备生物神经元的生命性质。 同样，机器学习中的“学习”也不是人类意义上的学习。它主要是根据数据和目标函数调整模型参数，使系统在某种评价标准下减少误差或提高输出效果。这里发生的是参数的数学变化，而不是一个主体通过生活经验理解世界。系统可以从大量文本中计算词语之间的统计关系，却不能仅凭这些计算证明它理解了词语所表达的意义。 大型语言模型生成语言时，也没有脱离这一计算框架。它把输入转换为数字表示，根据已经形成的参数关系计算后续符号的概率，再按照一定规则逐步生成输出。输出可以十分流畅，可以表现出复杂的语言形式，甚至可以在许多问题上给出有用答案。但是，语言形式与人类语言相似，并不能证明产生这些语言的内部过程也与人的思维相同。 因此，必须区分“计算能力超过人类”和“思维超越人类”这两种完全不同的说法。 计算机在许多具体任务上早已超过人类。例如，它能够比人更快地进行算术运算，能够存储和检索数量巨大，而且能够在短时间内分析远超个人处理能力的数据。这些优势是真实的，也是可以测量和验证的。但是，它们属于计算速度、存储容量、信息搜索和模式处理方面的工程优势。 所谓“人工智能超越人类思维”，却是另一种性质的主张。思维不仅涉及信息处理的速度和数量，还涉及理解、意义、目的、判断、经验和主观意识。要证明计算机在这些方面超越人类，首先必须证明计算机确实具有这些属性。现有人工智能仍然只是由数字硬件和程序实现的自动化信息处理系统；计算机工程并没有发现一种能够从逻辑门、数值运算和参数变换中产生主观意识的技术机制。 增加处理器数量不会自动产生理解；扩大训练数据不会自动产生生活经验；增加模型参数不会自动产生主观意识；提高语言输出的流畅程度，也不会自动把数学计算变成人类思维。数量的增加可以带来性能的提高和行为的复杂化，却不能在没有证据的情况下被解释为性质的根本改变。 这并不是否认人工智能的技术力量。相反，人工智能之所以强大，正是因为计算机能够以极高速度、巨大规模和高度一致性执行人类设计的数学与信息处理过程。承认这种力量，并不要求我们把计算机说成具有人的思维。准确说明它能够做什么，比赋予它没有得到证明的属性，更能体现工程科学的严谨性。 从现有工程事实出发，我们可以说，人工智能在许多计算任务和功能表现上能够超过人类；但是，没有工程根据把这种功能优势说成“人工智能的思维已经或必将超越人类思维”。现有人工智能的计算机原理没有发生这种性质的改变，也没有出现能够证明主观意识和真正理解已经产生的新技术。 因此，“人工智能超越人类思维”并不是由计算机工程自然推出的科学结论。它混淆了计算与思维、功能与意识、行为表现与主观体验，也把可测量的工程性能扩大成了未经证明的哲学判断。 人工智能没有脱离计算机工程的基本原理。它所表现出的强大能力，仍然是数字硬件按照程序和数学模型进行自动化信息处理的结果。在没有发现新的工程机制、也没有提供意识存在的可靠证据以前，把这种计算系统描述为能够真正思考、理解，甚至全面超越人类思维，是没有工程技术根据的。
因此，刚才生成的那一段只能看作一个待研究、待验证、待引用文献支持的论述草稿。要把它发展成论文，至少还需要深入研究以下问题： 从逻辑门、处理器、存储器到人工神经网络的工程连续性。 “计算”“智能”“思维”“理解”和“意识”的严格定义。 计算机功能描述与人的主观体验之间的逻辑区别。 人工神经网络与生物神经系统之间究竟有哪些相似和根本差异。 人工智能“涌现能力”的技术含义，以及它是否能证明思维的产生。 图灵、塞尔以及计算主义相关论争中的主要观点。 人工智能公共传播中把行为表现解释为思维或意识的问题。 计算机、人工智能和工程教育应当怎样帮助学生形成准确的技术认识。
人工智能可以帮助写论文，但不能代替具备跨学科知识、研究经验和学术远见的研究者主导论文。生成文字不等于从事研究，更不等于形成了可以承担学术责任的原创思想。
|
