程伏锐：人类思维与计算性智能的互补

人机合作如何扩展创造过程的初步研究

摘要

计算性智能具有远超个人的信息储存、检索、比较、重组和语言生成能力，但这些能力不能直接等同于人的思维、理解、意识和责任主体性。本文不再停留于人与机器孰强孰弱的比较，而是讨论性质不同的两种能力如何形成互补。人的作用在于发现值得研究的问题、提供生活与专业经验、判断意义和价值、选择方向并承担结论的责任；计算性智能则可以扩大候选信息和候选结构的范围，加速比较、组织、反馈与修改。多轮人机互动可能产生任何一次初始输入都未完整包含的新结构和新认识，但互动生成并不意味着机器成为与人地位相同的思想主体。本文将计算性智能界定为一种非主体性的互动性认知工具，认为它扩展的不是人的意识本身，而是人的创造过程。文章进一步指出，工具能否促进创造，取决于使用者是否具有问题意识、知识基础、独立判断和认识自主性。教育不应只教学生怎样操作计算性智能，更应防止他们把对教材、宣传材料和标准答案的依赖转移为对机器输出的依赖，并培养一种既敢于质疑又接受证据检验的可检验的不服从。

关键词： 计算性智能；人机合作；创造能力；认识自主性；互动工具；教育；独立判断

作者说明：本文表达的是我本人的观点，写作过程中得到了 ChatGPT 的协助。

一 问题的提出

关于计算性智能的讨论常常落入两个极端。一种观点把它看作普通的自动化工具，因而低估它进入写作、研究和创造过程的深度；另一种观点则因为它能够生成流畅语言、解决复杂任务，便把计算表现直接解释为人类式思维、理解甚至意识。前者忽略了工具形态的变化，后者则混淆了功能表现与主观经验。

更值得研究的问题不是计算性智能是否已经变成了人，而是人怎样在不放弃思想主体地位的前提下，利用一种非人类的计算能力扩大自己的创造范围。机器与人的差异并不必然构成合作障碍；恰恰因为二者具有不同优势，互补才成为可能。

本文所说的计算性智能，是由硬件、软件、数据、算法和数学模型实现的信息处理能力。它可以表现出高度复杂的任务能力，却没有因此获得可以由外部表现直接证明的人类生活经验、价值主体性和责任能力。本文讨论的核心不是机器意识，而是工具怎样进入人的创造过程，以及这种进入对教育和独立思考意味着什么。

二 差异是互补的基础

人的优势主要不在于储存海量信息或者迅速排列文字，而在于从生活、研究和社会经验中感受到真正的问题。人会对现有解释产生不满足，会判断什么问题值得付出时间，会在多个可能方向中作出价值选择，并对最终结论及其后果承担责任。

计算性智能的优势则在于规模和速度。它能够检索和比较大量材料，把零散意见整理成结构，提出不同解释和候选方案，发现表面矛盾或遗漏，并根据人的新要求迅速重新组织。它扩大的是人的候选思想空间，而不是自动决定哪一个思想最有价值。

因此，人机关系不应被理解为同一种能力的简单竞赛。人负责问题、意义、方向和责任；计算系统扩展记忆、检索、比较、重组和检查。没有人的方向，机器可能产生大量形式完整却缺乏目的的内容；没有工具的帮助，个人又可能受限于记忆、时间和材料处理能力。

三 新思想如何在互动中形成

人机合作中最值得注意的不是第一次提问和第一次回答，而是多轮反馈。人可以先提出一个尚未成熟的判断，计算性智能将其展开；展开后的结果使人意识到遗漏、偏差或者新的方向；人补充经验、纠正概念，机器再重新组织。经过反复循环，最后形成的思想可能既没有完整存在于最初的人类表达中，也不等于机器第一次生成的内容。

这种过程可以称为互动生成，但互动生成不等于主体共有。机器参与了思想形成的条件，却不因此与人共同获得生活经验、价值判断和责任地位。作者身份也不能按打字数量或生成字数分配。更重要的问题是：谁提出核心问题，谁提供不可替代的经验，谁决定取舍，谁核实事实和论证，谁能够解释全文，并对公开结论承担责任。

真正的新思想也不能等同于从未出现过的句子。语言新组合只是最低层次。更重要的创新包括提出过去没有被清楚提出的问题，在分离知识之间发现有意义的联系，重新界定旧问题，形成新的概念和方法，以及经过证明、实验或事实核验而建立可靠的新结论。计算性智能容易产生新表达，也能帮助结构和概念重组；知识性创新则仍然需要相应领域的严格检验。

四 非主体性的互动性认知工具

文字扩展记忆，纸笔扩展分步推理，书籍保存他人知识，数学符号扩展抽象运算，计算器扩展数值计算，搜索引擎扩大信息查找。计算性智能与这些工具具有连续性，因为它仍然建立在计算机工程和数学模型之上。

但它又具有过去工具很少同时具备的三种性质。第一，它能够使用自然语言与人互动；第二，它能够依据已有材料生成多种结构和表达；第三，人的每次判断都可以成为下一轮计算的条件。这使它不再只作用于创造过程的某一个环节，而能够进入问题展开、材料比较、结构设计、文字表达和修改反馈等多个阶段。

因此，把它仅仅称为普通工具容易低估其影响，把它称为另一个人又超出了证据。更准确的定位是：计算性智能是一种非主体性的互动性认知工具。所谓认知工具，是指它能够参与人的认识活动；所谓非主体性，是指它并未因此成为具有自身人生目的、价值经验和责任能力的人格主体。

它所扩展的不是人的意识本身，而是创造过程：人可以接触更广的信息，比较更多方案，检查更多结构，跨越更远的知识距离，并更迅速地获得反馈。

五 发现的不同层次与验证责任

计算性智能参与发现时，需要区分三个层次。检索性发现，是找到已经存在但个人原来不知道的内容；关系性发现，是把分别存在的内容并置，使人注意到此前未见的联系；知识性发现，则是形成过去没有的、能够解释事实或解决问题的新结论，并经受适当检验。

机器能够高效完成检索，也可以提出大量候选联系，但候选联系不等于有意义的发现。机器增加可能的连接，人判断连接的意义。数学结论必须接受完整证明，科学结论必须接受实验，事实判断必须核实资料，政策建议还要分析价值选择、现实条件和可能后果。

因此，思想可以大胆跳跃，结论必须逐步返回。灵感能够跨越中间步骤指出可能道路，验证则必须回到定义、证据和推理，把被跨越的步骤补充完整。

六 认识自主性决定工具的作用

计算性智能不会自动使人更有创造力。它往往首先放大使用者原有的认知习惯。有问题意识、知识基础、独立判断和自律能力的人，会用它寻找反例、比较方法、检查论证和扩展联系；只想迅速得到现成答案的人，则可能用它代替阅读、写作、判断和验证。前者通过工具扩大能力，后者通过工具掩盖能力的缺失。

使用门槛似乎降低了，判断门槛实际上提高了。任何人都能获得语言流畅的回答，却不是任何人都能识别事实错误、概念偷换、证据不足和虚假联系。基础知识没有因此失去价值，反而成为判断机器输出的必要条件。

独立使用还表现为能够拒绝机器。真正的合作不只是得到什么，也包括能够指出：这不是我的意思，这个结构偏离问题，这个例子不能支持结论，这个事实需要核实。人与工具之间如果永远只有接受，就不是合作，而是依赖。

七 教材依赖与新的机器权威

教材能够整理基础知识，是教育不可缺少的工具。但教材为了教学必须选择、简化和重组，往往省略理论产生时的争论、失败和曲折。如果学生把教材当作结论的终点，而不是思考的起点，便可能熟悉大量答案却没有自己的问题。

不少尖子学生特别善于适应课程、考试和标准答案。这是一种真实能力，却不等于创造能力。最成功地适应既有评价体系的人，有时也最难怀疑这个体系本身。一旦进入没有标准问题和及时评价的真正研究，他们可能失去方向。

宣传材料更容易以选择性事实、情绪语言和权威身份代替论证。长期依赖这些材料，人可能形成被动接受而不自知的习惯。危险不仅在于相信某个错误结论，更在于失去追问结论为什么成立的能力。

计算性智能可能成为比教材更隐蔽的新权威。它的语言流畅、结构完整、回应迅速，容易让人把生成结果误认为经过验证的知识。一个习惯盲从教材或宣传材料的人，可能只是把旧依赖转移给新的机器。问题不只是在使用机器以前是否掌握知识，更在于是否已经学会使用自己的头脑。

八 可检验的不服从

教育既不应培养盲从，也不应把无根据的反对误认为独立。真正需要的是可检验的不服从：可以质疑教材，但要准确理解其内容并指出理由；可以怀疑专家，但要比较证据；可以提出新方法，但必须接受结果检验；可以相信灵感，却要补足证明；可以拒绝机器回答，但应说明问题所在。

这种能力把独立性与严谨性结合起来。无论结论来自教材、教师、专家、计算性智能还是自己，都要求它接受理由和证据的检验。所谓天才也不能成为免除检验的身份。一些被过早赞誉的学生后来未能形成真正成果，既可能因为过分服从权威，不能离开标准答案，也可能因为过分相信自己，拒绝批评和专业审查。两者表面相反，本质上都缺少成熟的独立判断。

九 教育如何安排人机合作

计算性智能不应在人的思想尚未开始形成之前便接管过程。学生需要经历理解问题、尝试方法、发现错误、忍受暂时没有答案和重新选择方向。这些困难看似低效，却是能力形成的一部分。

较为合理的顺序是：学生先独立接触问题，写下初步理解和方案；经过必要尝试以后，再利用计算性智能获得比较、反例或反馈；最后由学生核实、修改并说明为什么接受或拒绝机器建议。

教育可以利用工具减少排版、机械整理、格式转换和初步分类等低价值负担，把人的精力集中于理解概念、建立证明、判断证据、发现问题和承担责任等有价值的困难。教育的目标不是消除一切困难，而是重新选择值得保留的困难。

评价方式也应从只看成品转向考察形成过程。教师可以关注学生最初提出什么问题，使用工具前有什么判断，机器给出什么建议，学生修改或拒绝了什么，哪些事实经过核实，以及学生能否离开现成文本独立解释并继续推进问题。

十 人机合作与创造性跳跃

创造性思维往往不是沿既定顺序前进，而是在问题牵引下选择、跳跃、停顿和转向。以思考为主导的阅读者，并非由书本章节完全决定下一步读什么，而是由正在形成的问题决定寻找哪些材料。计算性智能能够迅速提出相关概念、不同解释、潜在反例和跨学科联系，相当于增加这种跳跃的候选落点。

搜索引擎主要帮助人找到自己知道要找的东西；计算性智能还可能帮助人看见自己尚不知道应该寻找什么。但它提出的方向可能错误、牵强或毫无价值，因此只是候选落点。机器增加跳跃的范围，人决定是否值得跳过去，并在到达以后决定停留、返回还是继续前进。

这种合作能够缩短长期积累的思想从内在形成走向公开表达的距离。计算性智能没有替代积累，也没有获得积累背后的人生经验；它帮助零散思想获得结构和语言，并使人在看到展开结果以后继续修正和发现。

结语

人机合作的优势并不来自机器变成了人，而来自人与机器没有变成同一种能力。计算性智能的规模、速度和重组能力可以弥补个人记忆与处理能力的限制；人的经验、问题意识、价值判断和责任主体性则赋予计算结果以方向、意义和检验。

多轮互动可能形成超出任何一次初始输入的新结构，但机器并不因此成为与人相同的思想和责任主体。它是一种非主体性的互动性认知工具，扩展的是人的创造过程，而不是取代人的意识。

这种工具最终扩大创造还是削弱思考，取决于人的认识自主性。计算性智能越强，人越需要学习怎样不把自己的思考交出去。教育的责任不是简单允许或禁止工具，而是帮助学生形成问题意识、扎实基础、独立判断、验证能力和可检验的不服从，使机器从新的权威转变为真正的创造工具。