沈庆：论人工智能有助于深化社会自省

社会自省本质上是一种在找错纠错中推动社会进步的深层次民意，一切深层次的民意都不能仅仅依靠宣传机器或群众运动在从众思维中形成。大量具有独立人格的个体人独立思考各种重大社会问题，在包容理性争辩求同存异的社会环境中社会自省才能得以深化。用暴力造就的朝代更迭并不能使社会自省走出低水平循环。在世界近代史中长期封建割据并且“王在神下”的西方国家，统治者缺乏大一统的舆论控制能力，在先天下之忧而忧的思想者引领下，逐渐形成了以批判性社会舆论监督制约权力的社会自省模式。在此过程中也经历过不少社会动荡，但是其对经济长期发展的影响可控。在欧美率先形成了一些具有对外扩张的经济和军事能力的发达国家。在现代世界西方霸权主义国家掌握着意识形态话语权，对发展中国家一再推行颜色革命，带来了一次次难以控制的社会动乱。发展中国家为维持社会稳定和社会发展，往往不得不推行“学术无禁区，宣传有纪律”的国家行为，以正面的主流宣传统一认识。这种深化社会自省要开放理性争辩与维持社会稳定要强调宣传纪律的矛盾，往往成为发展中国家的后发劣势。社会自省中一些理性批判的反思因言获罪，若干年后又予以平反改正，在深化社会自省的过程中走了不少弯路，也影响了经济建设的持续平稳发展。

随着人工智能的不断发展，上述矛盾有望逐渐得到消解。进入21世纪后人工智能特别是人工智能自然语言大模型，对古今中外人类文明长期累积的海量思想认识成果进行数据化处理和数字化迭代运算，深度挖掘出各种知识信息之间形而上的连接关系和变化规律，逐渐成为在人机互动中可以跨学科多角度助力人类脑力劳动的强大助手。人工智能自然语言大模型为深化社会自省，提供了具有私密性的人机互动学习讨论模式。这种人机互动没有第三者介入也并不面向大众，因而不存在违反宣传纪律的可能，也不会引发导致破坏社会稳定的群体行为和从众思维。互联网时代发生过故意将私密性交谈中敏感的错误言论放到网上发酵，以政治正确绑架相关人员及其工作单位领导做出激进处理的事例。相比之下在人工智能大模型人机互动中，个体人的言论不会被公开传播也不会伤害到他人和社会，因此不仅有正确言论的自由也有错误言论的自由。如果将言论自由限制在完全正确的言论范围内，那么这种自由将失去其本质意义，因为人们往往需要在探索和讨论中才能逐渐接近真理。言论自由这个现代社会的重要基本价值观在人工智能时代可以得到更好的落实。这对于提升个体人自省和社会自省都有正面的促进作用。

在人工智能与个体人的互动中使用人可以无禁忌地提问，人工智能为个体人头脑中的理性争辩提供开放、多元、全面、客观的信息。即使有过于政治敏感的话题被输入输出过滤器截止，人工智能也至多回复“抱歉，我无法回答你的问题。”不会造成使用人由于担心犯了政治错误而感到有思想压力。人工智能自然语言大模型除了在大数据输入、算法设置和输入输出过滤器设置阶段需要开发者人为介入外，在人机互动中不受局外人为干预，其分析和预测不容易受人类主观情感和利益驱动的影响。因此人工智能自然语言大模型的输出，在客观性上优于报刊、影视、网站等全过程都可以进行人为干预的传统宣传工具。以往比较成功的对报刊、影视和网站的监管方式，也很难适用于对人工智能自然语言大模型建构和使用的监管。人工智能正是由于具有这种客观性，对深化社会自省有着独特价值。可以帮助民众更理性地审视社会问题，发现潜在的错误和偏差，引导社会自省向更加公正、合理的方向发展。与此同时大量个体人在人机互动中的认知交流，作为新的输入数据也会提升人工智能自然语言大模型的认知水平，使其能够更加精准地理解和回应人类的问题。人工智能将成为连接个体人与社会整体的桥梁和连接民众与政府的桥梁，在保持社会稳定的同时助力深化社会自省推动社会进步。

不妨举二个使用人与人工智能自然语言大模型进行人机对话探讨社会问题的例子，说明人工智能自然语言大模型在人机对话中，是如何心平气和地解答具有政治敏感性的问题。

问题一：如何认识中国人口红利结束后的工程师红利与大学毕业生就业难的关系？

AI回答：实际上，当我们谈论中国人口红利结束后，出现的工程师红利与当前大学毕业生就业难题之间的关系时，可以发现这两者之间存在着微妙的联系。随着人口结构的变化，传统的人口红利逐渐消退，但与此同时，中国的高等教育体系在过去几十年中迅速扩张，培养了大量高素质的工程师和技术人才，形成了所谓的“工程师红利”。然而，这一红利的释放并非一帆风顺，特别是在当前全球经济形势下，大学毕业生就业面临诸多挑战。

一方面，工程师红利的存在为中国的产业升级和创新提供了坚实的基础。这些高素质的人才在高科技、制造业、信息技术等领域发挥着重要作用，推动了经济的持续增长。另一方面，由于产业结构调整和市场需求的变化，部分传统行业的就业机会减少，而新兴行业的发展又需要更高技能的人才，这导致了一部分大学毕业生在就业市场上遇到困难。

因此，如何充分利用工程师红利，同时解决大学毕业生就业难题，成为了当前社会亟待解决的问题。政府、企业和教育机构需要共同努力，通过加强职业培训、推动产业升级、优化就业政策等措施，促进人才与产业的深度融合，实现经济与社会的可持续发展。

问题二：为什么韩国总统被刺杀、弹劾、罢免反复发生，却又对韩国经济的快速发展影响不大？

AI回答：这主要是因为韩国拥有较为稳定和成熟的民主制度与法治体系。尽管历史上确实出现过总统被刺杀、弹劾或罢免的事件，但这些事件往往能够在法律框架内得到妥善处理，从而避免了政治动荡对经济的直接冲击。韩国的政治体制设计了一套相对完善的权力制衡机制，包括立法、行政、司法三权分立，以及独立的司法机构和监察机构，它们共同确保了政治权力的平稳过渡和法律的严格执行。

此外，韩国经济具有强大的内生动力和韧性。其产业体系完善，制造业和服务业发达，特别是在电子、汽车、造船、钢铁等领域拥有世界领先的竞争力。这些产业不仅为韩国经济提供了坚实的支撑，还使得韩国在面对外部冲击时能够迅速调整并恢复增长。

同时，韩国政府也高度重视经济发展，积极制定和实施了一系列有效的经济政策。无论是前任政府推动的“汉江奇迹”，还是现任政府提出的“新经济振兴计划”，都旨在通过促进产业升级、加强科技创新、扩大市场开放等措施来推动经济持续健康发展。因此，尽管韩国政治舞台上偶尔会出现波折，但得益于其稳定的民主制度、成熟的经济体系和政府的有效治理，这些政治事件对韩国经济发展的影响相对有限。

以上二个问题是在高等教育大扩张潮流中突然面对就业难的大学毕业生及其家长群体的困惑，也是产能大扩张后中突然面对企业关停倒闭的职工群体的困惑。二者都由于不属于社会主旋律而不适宜在公开的宣传舆论中进行深入讨论。但是就深化社会自省而言对此应该有比较全面公正的认知。上述人工智能自然语言大模型比较客观的答疑解惑，无疑有利于推动社会自省实事求是的深化。

当然人工智能是有着局限性的人类理性思维的产物，并不是全知全能上帝不可质疑的启示。过度依赖人工智能给人类社会带来的风险是也多方面的。人类近代史中蒸汽机、纺织机、汽车等技术的大规模社会应用，造成过体力劳动者大量失业。不难预料人工智能广泛应用会造成如教师、律师、公务员、程序员等大量脑力劳动者失业。而专业化的脑力劳动者寻找和适应新工作岗位更加困难，会连锁形成一系列难以解决的社会问题。前车之鉴是近十年来互联网线上电商快速发展导致线下商业门店断崖式崩溃，许多城市的商业中心门可罗雀不得不停业乃至破产，至今还缺乏亡羊补牢的好办法。此外，依靠人工智能生成的学术论文重在知识堆砌，不利于学者独立思考能力的提升，严重损害了学术公正性。

人工智能自然语言大模型输出正确认知有二个根本前提。一个前提是大模型具备优质的大数据、高效的算法和足够的算力。如果其在数据的收集、清洗和训练过程中未能有效识别和剔除偏见性数据，或者过度依赖于某种特定政治正确的标准而牺牲了数据的多样性和真实性，那么这种数据上的缺陷很可能最终反映到模型的输出上，进而影响其整体性能和用户信任度。另一个前提则是使用人有合理的提问路径和对输出正确性的评估标准。使用人的提问路径不对也会导致人工智能答非所问甚至是胡言乱语。尚无自我意识的人工智能不可能自省，人类的社会自省还应该担当起对人工智能找错纠错使其趋利避害的引导作用。

人类科学研究的传统认知路径是在实践中归纳创新出概念，科学家们往往是在冥思苦想中得到可遇不可求的顿悟后，构建出各种概念间形而上的变化规律的简化模型，经求解得到受种种适用条件限制的预测结果。再经由逻辑推理和实验实践的检验予以不断修正。而人工智能大模型的主流认知路径，却是用统计数学工具在人类文明成果的数据化海洋中挖掘知识预测未来，其工作原理对绝大多数使用人都呈现为难以理解的黑箱操作。人类社会近代史中其他复杂技术社会化运用时也遇到过社会性难题，在使用人了解其大致功能架构组成后往往可以得到较好解决。例如汽车使用已经普及到家庭，驾驶人也难以全面深入了解汽车的构造和运转细节。但是驾驶人了解变速箱与刹车器的架构关系后，就会在汽车长距离下坡行驶过程中，自觉放弃为节约燃油挂空挡行驶的错误做法，大大减少了反复踩刹车引起刹车片过热失灵造成汽车失控的重大事故。同样对于人工智能自然语言大模型了解其基本的架构和功能，也有助于更准确地评估其输出的可靠性和适用性。进而更安全、更有效地利用人工智能大模型推动社会自省的深化。

以下对人工智能发展的基本思路、基本架构组成予以简略介绍。1950年英国数学家图灵发表论文《计算机器与智能》，提出了判断计算机是否具有智能的图灵测试法：如果一台计算机通过模仿人类对话使测试者无法分辨它是否人类，就可以说这台机器具有了人工智能的思考能力。图灵测试法回避了人工智能的工作原理必须与人脑思维模式一致的非必要约束。随后在人工智能开始兴起时，人们还是习惯于相信只要将人类专家的知识和专业领域内相对固定的规则集，转换为计算机可执行的符号，人工智能就能像专家一样进行推理判断。上世纪80年代人工智能沿着这种符号主义路径发展形成了首个高潮，在医疗、法律、金融和棋类比赛等许多专业领域，分别构建出主要由专业知识库和逻辑推理机组成相应的人工智能专家系统。这些专家系统逻辑严谨可解释性好，在许多专业领域内迅速得到广泛运用。

但是在处理涉及多知识领域的复杂问题和模糊性问题时，上述人工智能专家系统由于知识存储量少、数据难以跨领域灵活调用和推理思路狭窄常常陷入困境。例如在处理自然语言时面对复杂的语境、比喻和隐含意义时显得无能为力。于是研究者们回顾图灵测试法的寓意，认为人类文明的理性思维经受长期实践和逻辑推理的检验，已经传承积累形成了有着内在客观联系的海量知识信息宝藏。人工智能发展可以从规则驱动转型为数据驱动，使用具有高度普适性的统计数学工具，数据化处理宝藏中知识信息后进行合理的计算，可以挖掘提炼出各种内在连接关系及相关的形而上的因果变化规律。

沿着这种连接主义路径开发出的人工智能自然语言大模型，使用大量高性能芯片模仿人脑多层神经元分布存储海量数据，通过神经元间的连接进行数据信息传递和并行运算。人工智能自然语言大模型在深度学习阶段，对已被证实的大量已知命题进行反向传播迭代计算，提取出相关数据的有用特征并对其运算权重进行调整优化，捕捉出数据间的内在连系规律。人工智能自然语言大模型的深度学习不局限于在单一知识领域积累认知，因而在面对复杂问题时能够自动跨领域理解和应用知识，通过大量计算推断出高概率准确的预测。人工智能的认知路径极大地提升了解决问题的效率，拓宽了解决问题的边界。为其在人类社会各领域的应用提供了广阔的空间，21世纪初人工智能形成了第二个发展高潮，许多人工智能大模型凭借算法、算力和大数据，用迭代计算和多路径推演成功地解决了大量复杂问题，成为许多学科领域的创新引擎。

人类文明在自然科学及相关技术领域和社会科学领域分别积累的因果关系认知，在普适性和有效性上有着很大的差别。科学技术认知往往经过反复试验和实践的证实并且长期无法予以证伪，从而具有较强的普适性。而人类所有的社会性实践都是无法重复进行的一次性过程，人工智能大模型无法经由大数据训练给出放之四海而皆准的社会科学判断。因为社会科学认知不能套用科学技术认知的实验检验模式，为保持人工智能对社会科学问题的持续性和鲁棒性（面对变化和不确定性时保持稳定性和可靠性的关键指标），需要意识形态的宏观引导。人工智能大模型完全不受意识形态约束的数据输入会导致数据混乱，而数据输入受特定意识形态的过度约束则会导致训练结果带有偏见，影响其公正性和准确性。在将人工智能应用于社会科学领域时，既要确保数据输入具有足够的多样性和包容性，以反映社会现实的复杂性和多元性，也要通过适当的意识形态引导，确保数据的输入不会偏离社会的主流价值观和伦理规范。不仅要关注算法和算力的提升，还要注重数据的筛选、清洗和标注，以确保数据的准确性和代表性。同时还需要在相应的社会自省的基础上，建立有效的监管机制，对人工智能大模型的输出结果进行监督和评估，及时发现并纠正可能存在的偏见和误差。只有这样才能利用人工智能推动社会科学深入发展，同时确保人工智能的应用不会对社会造成负面影响。

（作者沈庆1964年于中国科学技术大学毕业，长期在高校从事流固耦合多体系统的教学科研工作。2007年退休后转为对哲学社会科学的学习探讨。）