【摘要】智能傳播是一種加快、加深人自我認知的新途徑、新方式。人機智能的融合終將是其發(fā)展的主要方向。未來智能傳播的最優(yōu)存在形態(tài)可能不是個別的傳播平臺，而是系統(tǒng)網(wǎng)絡(luò)性的平臺，更有可能是橫跨各不同人機環(huán)境系統(tǒng)的綜合聯(lián)動體系，并且該體系還會不斷地自主優(yōu)化升級。我們要解決智能傳播中人機融合問題首先要打破各種認知慣性，突破傳統(tǒng)的時空關(guān)系，進而把人、機各自的感知圖譜、知識圖譜、態(tài)勢圖譜融合在一起思考。智能傳播中人機融合理論體系建構(gòu)的基本核心就是建立起智能的人的情、境、意、識＋機的態(tài)、勢、感、知協(xié)同機制。智能傳播的倫理研究不僅僅要考慮機器技術(shù)的高速發(fā)展，更要考慮交互主體—人類的思維與認知方式，讓機器與人類各司其職，互相促進，這才是智能傳播的倫理研究的前景與趨勢。智能傳播的法律一定要順勢而為、自然制定，才能更好地保障整個社會秩序和自由的秩序。
【關(guān)鍵詞】智能傳播 人機混合智能 深度態(tài)勢感知
【中圖分類號】TP18 【文獻標識碼】A
【DOI】10.16619/j.cnki.rmltxsqy.2018.24.002
智能傳播的發(fā)展演進與未來趨勢
隨著智能終端和平臺技術(shù)的快速發(fā)展，“人人都是報道者”“人人都是主播”“人人都是網(wǎng)紅”的夢想，正在成為現(xiàn)實，傳媒業(yè)的生產(chǎn)方式、傳播方式、運行方式、消費方式正在發(fā)生著巨大改變，未來，“眼觀六路，耳聽八方”也將被賦予新的內(nèi)涵和外延，人類的感和知都會衍生出不一樣的味道，對同一事物的看、聽、觸、嗅、味、思都會呈現(xiàn)出與先前不一樣的秩序，這種新的認知機制將會變得更快、更立體、更飽滿、更富有多樣性（包含負面性、欺騙性）。對此，我們要加快智能傳播的發(fā)展，不僅要繼續(xù)深化智能技術(shù)的研究和應(yīng)用，還要提高新形勢下傳播理論和用戶體驗的分析和創(chuàng)新，唯此才能更好地應(yīng)對新聞傳播行業(yè)顛覆性競爭格局的出現(xiàn)。
無論是縱觀古今，還是展望未來，各種智能傳播系統(tǒng)始終都是一個完整的人機環(huán)境系統(tǒng)，大數(shù)據(jù)、智能化、移動網(wǎng)絡(luò)、云計算等各種智能傳播技術(shù)都不可能是完全無人的，人只不過是由前置轉(zhuǎn)為后置，由體力變?yōu)橹腔?，由具體執(zhí)行變?yōu)榛I劃操作，其中必將涉及復(fù)雜的人機交互及混合問題。對于未來的智能傳播變化趨勢而言，單純的人工智能或人類智能都不能使其發(fā)揮到最大效能，而兩者的結(jié)合——人機智能的融合終將是其發(fā)展的主要方向。客觀地說，智能傳播是一種加快、加深人自我認知的新途徑、新方式。它的出現(xiàn)使得人們主動、被動地突破各種舊我邊界的速度提高了，實現(xiàn)了更多時空下新我的態(tài)、勢、感、知之間的相互作用。它使得數(shù)據(jù)與信息（有價值的數(shù)據(jù)）、知識更加有機地結(jié)合在一起，甚至出現(xiàn)了數(shù)＋信＋知的新型混合輸入形式，進而使得知識圖譜（知識就是用理性區(qū)別事物的是非曲直，鑒于知識忽略了對感性的使用，所以知識圖譜僅是局部的理性世界反映）中的對象、屬性、關(guān)系從靜止不變的標量變成了隨機動態(tài)的矢量，并不斷衍生出新的知識、活的知識來。未來智能傳播的最優(yōu)存在形態(tài)可能不是個別的傳播平臺，而是系統(tǒng)網(wǎng)絡(luò)性的平臺，更有可能是橫跨各不同人機環(huán)境系統(tǒng)的綜合聯(lián)動體系，并且該體系還會不斷地自主優(yōu)化升級。
智能傳播中人機環(huán)境系統(tǒng)融合的關(guān)鍵還將包括：有靈活彌聚的表征達成、公理與非公理混合的推理方式、直覺與“間覺”交融的決策機制。首先，通過人的價值取向有選擇地獲取各種數(shù)據(jù)，在這個輸入過程中不僅是客觀數(shù)據(jù)與主觀信息的融合，還應(yīng)該結(jié)合人們的先驗知識和條件；其次，在人機信息/數(shù)據(jù)融合處理過程中，人加工的非結(jié)構(gòu)化信息框架（如自然日常語言）會漸變得結(jié)構(gòu)化一些，而機處理的結(jié)構(gòu)化數(shù)據(jù)語法則會變得非結(jié)構(gòu)化一些，這個過程不但要使用基于公理的推理，而且還需兼顧非公理性的推理（如情感、意向性等），使得整個智能傳播過程更加縝密合理且富有人性化；最后，在決策輸出階段，人常常是通過將腦中若干記憶碎片與感覺接收到的信息綜合在一起，跳過邏輯層次，直接把這些信息中和的結(jié)果反射到思維之中，形成所謂的“直覺”，其結(jié)果的準確程度，在很大方面取決于一個人的綜合判斷能力，而機器則是對通過計算獲得的結(jié)果——“邏輯”進行間接評價，這種把直覺與“間覺”相結(jié)合的獨特決策過程將是人機融合智能傳播輸出的突出特點。
如同人工智能當前還沒有共識的定義一樣，智能傳播除了應(yīng)用領(lǐng)域比較明確之外，現(xiàn)在也沒有共同一致的概念，將來可能也很難產(chǎn)生一致公認的普適概念，因為人本身就是一個極其不容易歸納概括的名詞，凡是涉及人的行為，尤其是智能行為，更是變化多端、很難預(yù)測；另外，未來傳媒的傳播方式、機理、手段也會日新月異，所以智能傳播可能是一個非定義項，其確切的含義無法通過三言兩語描述清楚。
但是世界再復(fù)雜，情境再捉摸不定，也總有蛛絲馬跡呈現(xiàn)。美國、歐洲各國在新財年的預(yù)算中將持續(xù)加大對自主系統(tǒng)、情報數(shù)據(jù)分析、大數(shù)據(jù)分析、機器人、自動化及情感計算技術(shù)的投資力度，研究出支撐智能傳播技術(shù)應(yīng)用的算法，提升人工智能、自主技術(shù)的水平，這將成為決定上述各主要方向技術(shù)在智能傳播領(lǐng)域發(fā)展的關(guān)鍵。從眾多公開信息分析不難看出，當前世界綜合實力排名第一的美國對智能傳播領(lǐng)域的重視程度也很高，其主要著力于兩部分：一是機器學(xué)習，二是自主系統(tǒng)。機器學(xué)習就是形式化的（程序規(guī)范性的）代表，描述一個規(guī)則的事態(tài)；自主系統(tǒng)具有意向性的（非形式化、事實經(jīng)驗性的）特點，描述一個可能的事態(tài)。形式化推理就是將命題的邏輯聯(lián)接符號化，然后規(guī)定變形規(guī)則，進行公式間的轉(zhuǎn)化變形，可以用來表達理性推理。非形式化的推理就是不借助符號，而是直接通過自然需要來進行語句間的變換，這部分主要涉及感性判斷，研究初期這兩部分可能會各自為戰(zhàn)、分頭突進，但假以時日，這兩項研究的真實意圖可能就會和未來科技的發(fā)展趨勢越發(fā)一致起來：人機融合智能系統(tǒng)。這也說明了智能傳播的可見未來既不是單純的機器學(xué)習，也不是可愛的自主系統(tǒng)，而很可能是結(jié)合人機各自優(yōu)勢的融合智能，若凝煉成科學(xué)問題，本質(zhì)上就是要回答認知和計算的關(guān)系，以及人類智慧和機器的類人智能之間的關(guān)系問題。
人與人交流的語言是能指與所指混合的復(fù)合載體，而目前的人機交互則是能指型單一通道，所以這就導(dǎo)致了當前的智能傳播還沒有出現(xiàn)弦外之音和言外之意。也許不遠的未來，人機智能傳播在能指和所指之間還會形成一種能指＋所指的折中交互方式，以利于聯(lián)系人與機的智能傳播體系發(fā)展。另外，當前人機融合的智能傳播面臨的一個難題是：如何在多樣性中尋求一致性表達。
人既有確定性的一面也有不確定性的一面，機（機器、機制）同樣如此，如何把不確定性的一面轉(zhuǎn)為相對穩(wěn)定的確定性加以使用，這是智能傳播中人機融合的一個重要問題。人的確定性＋機的確定性比較好理解，人的不確定性＋機的確定性、人的確定性＋機的不確定性、人的不確定性＋機的不確定性難度會依次遞增，解決好這些問題就是智能傳播中的人機之間的有機融合過程。
智能傳播大環(huán)路中的機器常常是基于大量的正確樣本進行訓(xùn)練的，而人類則是基于少量的正確或錯誤樣本進行學(xué)習的。機器學(xué)習的結(jié)果比較容易產(chǎn)生局部最優(yōu)（也許這也是數(shù)學(xué)本身的不足，如蟻群算法），而人更擅長把握整體最優(yōu)。機器學(xué)習（形式化）調(diào)參很難，人類（使用意向性）相對比較自如。更重要的是，在智能傳播過程中，人類的學(xué)習不但能建立起一種范圍不確定的隱性知識，還能建立起一種范圍不確定的隱性秩序/規(guī)則，人因此所起的作用是“創(chuàng)造意義”，而非“獲得意義”。雖然，機器學(xué)習也可以建立一定范圍的隱性知識、秩序，但這種范圍比人類學(xué)習建立的范圍要小得多，而且可解釋性更差，容易出現(xiàn)理解盲點。知識的默會性足已造成很多不確定性，規(guī)則的內(nèi)隱更使得交互復(fù)雜加倍，其根源主要在于智能傳播過程中各個交互對象（人、機、環(huán)境）具有“自己能在不確定和非靜態(tài)的環(huán)境中不斷自我修正”的能力。
智能傳播的不確定性是由表征與推理的可變性造成的。其機制背后都隱藏著兩個假設(shè):程序可變性和描述可變性。這兩者也是造成期望與實際判斷不一致的原因之一。程序可變性表明對前景和行為推導(dǎo)的差異，而描述可變性是對事物的動態(tài)非本質(zhì)表征。2018年8月11日，2011年諾貝爾經(jīng)濟學(xué)獎獲得者Thomas J. Sargent在世界科技創(chuàng)新論壇上表示：“人工智能就是統(tǒng)計學(xué)，只不過用了一個很華麗的辭藻。”在智能傳播過程中，這表現(xiàn)在構(gòu)成人工智能＋傳播的兩大基礎(chǔ)：人類和機器的感知/推理根本上都是統(tǒng)計概率性的，即各種歸納、演繹、類比等邏輯推理過程里面存有大量的漏洞和缺失，所以歸納、演繹、類比等推理機制都有升級的空間和余地。
對智能傳播中的人而言，機就是延伸自我的一種工具，同時也是認知自我的一種手段，通過機的優(yōu)點來了解自己的缺點，通過機的缺點來明了自己的優(yōu)點，然后進行相應(yīng)的補償或加強。種種跡象表明，目前人機融合智能傳播還不是一見鐘情，這是因為缺乏雙向性的感知與覺察，更多是主從相聲似的人機交互，盡管還不那么盡人意，捧逗還存在失調(diào)失配，但未來仍值得期待：人在發(fā)明機器、傳播信息的同時也在發(fā)現(xiàn)著人本身。
簡而言之，要解決智能傳播中人機融合問題，首先要打破各種認知慣性，突破傳統(tǒng)的時空關(guān)系，進而把人、機各自的感知圖譜、知識圖譜、態(tài)勢圖譜融合在一起思考。
智能傳播中人機融合理論體系建構(gòu)
恩格斯在《路德維希·費爾巴哈和德國古典哲學(xué)的終結(jié)》中曾不無深意地說道：“全部哲學(xué)，特別是近代哲學(xué)的重大的基本問題，是思維和存在的關(guān)系問題。”其實這不僅是近代哲學(xué)的重大基本問題，對智能傳播而言，也是極其重要的基本問題。哈耶克在其1952年出版的名著《感知的秩序》（The Sensory Order）一書的序言中也曾寫道：“完全解釋我們心智形成的外部世界圖景的不可能性，意味著永遠不可能完全解釋’現(xiàn)象的’外部世界。”這段話說明了思維問題的重要性，進而深刻地揭示了人類思維的難解釋性和存在的不穩(wěn)定性。18世紀英國哲學(xué)家大衛(wèi)·休謨在《人性論》中提出的一個著名問題，簡稱休謨問題，即所謂從“是”能否推出“應(yīng)該”，也即“事實”命題能否推導(dǎo)出“價值”命題。這個問題在西方近代哲學(xué)史上占據(jù)重要位置，許多著名哲學(xué)家紛紛介入，但終未有效破解。如果說休謨之問中的事實（being）是很難推出價值（should）來的，那么人機的結(jié)合則可以打破這個困擾多年的哲學(xué)和智能命題：人意向性認知所形成的價值觀與機器形式化計算產(chǎn)生的事實性交互所迸發(fā)出的火花足以照亮主客觀之間黑暗的通道。
1968年圖靈獎獲得者理查德·哈明就說過：“計算的目的不在于數(shù)據(jù)，而在于洞察事物。”計算機的本質(zhì)就是通過數(shù)理反映心理和物理規(guī)律。玻爾也說過：“完備的物理解釋應(yīng)當絕對地高于數(shù)學(xué)形式體系。”認知的核心是智能，是洞察事物，所以計算屬于認知，但認知卻不等同于計算。智能傳播的目的也不在于數(shù)據(jù)，而在于洞察事物，其中人機融合就是要自然地生成這種洞察機制，進而實現(xiàn)人類通過符號和媒介交流信息以期發(fā)生相應(yīng)變化的活動。
從知識角度看，波蘭尼曾把知識分為顯性和隱性兩大類。顯性知識（Explicit Knowledge）可以表述，屬于格式化的符號系統(tǒng)。隱性知識（Tacit Knowledge），可體驗領(lǐng)悟，屬于非格式化的意念系統(tǒng)。借用麥克利蘭的“冰山模型”一詞，我們不難看到，在人類知識中，科學(xué)部分（尤其是技術(shù)）在水面上，必定是顯性的，可考核衡量；人文部分在水面下，顯性中包含隱性，其價值由隱性知識決定，是不可衡量的，最核心部分在無意識層次，當事人自己都難以覺察。隱性知識在技術(shù)層面為“秘訣”，在認知層面為心智。人機思維可以在發(fā)現(xiàn)和體驗顯、隱性知識結(jié)合方面起到重要作用。對智能傳播而言，無論顯性知識學(xué)習還是隱性知識理解，都不外乎是為了精確地感知、正確地推理和準確地預(yù)測，這就涉及一個大家司空見慣又望之興嘆的智能核心概念——態(tài)勢感知。
我們研究發(fā)現(xiàn)：態(tài)，形也；勢，上也；態(tài)勢，形而上，道也；感，覺也；知，察也；感知，覺而察，可道也；態(tài)勢感知，道可道非恒道也（默會的道）；深，大也；深度態(tài)勢感知，即大道無形也。弗雷格曾區(qū)分了觀念（ideas）和含義（senses）兩個概念的含義，他認為觀念是心理的、主觀的和私人的，本質(zhì)上不能用于交際，因此不是通過語言交際所公用的共享意義的一部分。他還認為，一起構(gòu)成思想的含義與人類心理沒有關(guān)系，是遠離主觀的。含義和思想是非心理的、公用的、客觀的，并且可用于交流的，它們都能成為語言表達的意義。這一區(qū)分是達米特所謂的“從心智中擠壓出思想”，它實際上也是所有歐美語言哲學(xué)的根由。擺脫心智的思想是客觀的，它們可以根據(jù)與世上事物的直接對應(yīng)關(guān)系加以描述。態(tài)勢感知中最困難的兩部分，一是怎樣把主觀私人心理的“勢”（如生成、傳播“圍魏救趙”之勢）轉(zhuǎn)化為客觀公用非心理的“態(tài)”（如圍、魏、救、趙的各種狀態(tài)參數(shù)）；二是怎樣把主觀私人心理的“知”（我與趙、魏之間的關(guān)系）變換成客觀公用非心理的“感”（圍、救所需要的數(shù)據(jù)/信息）。從態(tài)空間進入勢空間，就是從數(shù)據(jù)特征空間進入信息（特征）向量空間，就是從邏輯空間進入非邏輯空間，就是從形式空間進入意向性空間，也即從語法空間進入語義空間，這種不同空間的進入所產(chǎn)生的誤差表達公式，就是未來要建立的智能傳播中人機融合—深度態(tài)勢感知理論體系。
《孫子兵法》云：“轉(zhuǎn)圓石于千仞之山者，勢也。”智能傳播中的深度態(tài)勢感知關(guān)鍵有三處，一是深，二是知，三就是這個勢。所以深度態(tài)勢感知可以簡稱為：深知勢。這里的勢不是狀態(tài)（參數(shù)）的樣子，而是帶有意圖指向的加速度變化過程，就像那塊千仞之山上的圓石一般。這種態(tài)勢感知包括人的態(tài)勢感知和機的態(tài)勢感知兩部分，對人而言，一般是態(tài)勢交融，態(tài)中有勢，勢中有（新）態(tài)，感中有知，知中有感。在眾多的智能傳播情境中，不可能什么都知道了再進行，如何以偏概全，以局部解全局，見滴水之冰而知天下之寒，窺斑知豹，以小映大，是深度態(tài)勢感知研究的瓶頸之一。深度態(tài)勢感知同時也體現(xiàn)在把平臺、系統(tǒng)、體系各級別態(tài)勢感知融合在一起形成的，可控的智能傳播是從勢到態(tài)的管理，不可控的智能傳播是單純的從態(tài)到勢的感知。漢語里的態(tài)勢與英文不同，situation=state+trendy，態(tài)里的客觀性、邏輯性多些，如車馬炮、上下左右、天時地利等；勢里的主觀性、非邏輯多些，如塞翁失馬、圍魏救趙、人和眾擁等。當然，人對相同態(tài)和勢的感、知都會不太一樣，而且人的態(tài)可能就包括了機器的勢，即進行了相應(yīng)的預(yù)處理。目前，在智能傳播中的人機融合過程里，態(tài)面臨的困難是形式化符號如何準確表征，勢對應(yīng)的瓶頸為意向性如何完整抽象提煉；感遇到的麻煩在如何反身性主動獲取，知直面的阻礙于局部—全面關(guān)系如何轉(zhuǎn)換，以及人的態(tài)、勢、感、知如何與機器的態(tài)、勢、感、知相融相合？！
智能傳播中，對“態(tài)”而言本質(zhì)是表征的問題，尤其是靜態(tài)的表達，側(cè)重于感形（客觀存在，being），感己感彼；對“勢”而言本質(zhì)是理解（構(gòu)建聯(lián)系）的問題，尤其是動態(tài)的會意，側(cè)重于知義（值得、應(yīng)該，should），知己知彼；由態(tài)到態(tài)的交互過程，沒有智能的出現(xiàn)，得“形”失意；由態(tài)到勢的交互過程，亦即數(shù)據(jù)在流動中生成信息知識（形成價值性）的過程，也就是智能的產(chǎn)生過程，得意忘形。態(tài)勢如同散文一般，散文“形散而神不散”，態(tài)散而勢不散，態(tài)散勢聚，得意忘形，得勢忘態(tài)。所以智能傳播中人機融合理論體系建構(gòu)的基本核心就是建立起智能的人的情、境、意、識＋機的態(tài)、勢、感、知協(xié)同機制。
智能傳播的主體性與倫理
智能（包括人工智能），本質(zhì)上是“人”學(xué)，就是從人的智能模仿開始，具體表現(xiàn)為：輸入是模擬人的各種感覺的傳感器信息處理，處理是仿真人的各種推理方法，輸出是師法人的決策行為過程，而在整個的智能程序中，最終還是人起作用、為人服務(wù)、向人學(xué)習！
智能的實質(zhì)就是適應(yīng)性交互（不一定是自適應(yīng)，還包括他適應(yīng)的混合），傳播是指兩個相互獨立的系統(tǒng)之間，利用一定的媒介和途徑所進行的、有目的的信息傳遞活動。傳播的實質(zhì)是一種信息分享過程，雙方都能在傳遞、交流、反饋等一系列過程中分享信息，在雙方的信息溝通的基礎(chǔ)上取得理解，達成共識。把兩者結(jié)合起來看，智能傳播的實質(zhì)就是顛覆以往的交流交互方式，包括自我、人人、人物（機）、人物（機）環(huán)境等方面，歷次革命，蒸汽機、電動機、計算機（網(wǎng)絡(luò)）、智能機、人＋機，莫不如此……
智能傳播的重點是人的變化而不是僵化，即加快了人的反身性（就是人與傳播的相互影響）和自否定（進化迭代的過程），自否定（自由）和反身性（反思）構(gòu)成了人機智能傳播的人文性，包括能動的創(chuàng)造性。機器從不會自否定和反身性，人會！人的態(tài)、勢、感、知中都包含隱性的自否定和反身性成分，機器沒有這種機制，一根筋。人可以既是又不是，是“關(guān)系”而不是“屬性”。羅素也曾指望通過對“既是又不是”的兩個“是”字的語義區(qū)分來排除悖論、矛盾，如說“蘇格拉底是人”，“蘇格拉底又不是人”（不等同于人），此中前一個“是”意味著具有某種“屬性”，后一個“是”則意味著“等同”，兩個命題講的不是一回事，構(gòu)不成邏輯矛盾。若“態(tài)”為“是”（being），那么“勢”即“應(yīng)”（should），從認識論角度，“態(tài)”或“是”就是從描述事物狀態(tài)與特征的參量（或變量）的眾多數(shù)值中取其任意值，“勢”或“應(yīng)該”就是從描述事物狀態(tài)與特征的參量（或變量）的眾多數(shù)值中取其最大值或極大值。從價值論角度，“態(tài)”或“是”就是從描述事物價值狀態(tài)與價值特征的參量（或變量）的眾多數(shù)值中取其任意值，“勢”或“應(yīng)該”就是從描述事物的價值狀態(tài)與價值特征的眾多數(shù)值中取其最大值或極大值。
價值是智能傳播中人機態(tài)勢感知的核心，其體現(xiàn)的已不再是原有的產(chǎn)生過程，而是由人機環(huán)境系統(tǒng)的共同作用而生成的顯性和隱性部分，隱性部分更值得深思。抽象符號間的聯(lián)系不能產(chǎn)生知識和意義，形式符號系統(tǒng)的語義解釋和知識建構(gòu)何以內(nèi)在于系統(tǒng)而不依賴于人的定義，應(yīng)該是未來智能傳播研究的核心問題。這涉及一個主體的生成。勢是（人物、環(huán)境）各部分之間的一種價值秩序和結(jié)構(gòu)，是一種主觀方面“內(nèi)外相應(yīng)”的心理作用，所以有人說，“勢不是事物本身的屬性，它只存在于觀察者的心里。每一個人心里見出一種不同的勢”。不過這并不否認勢與“對象各部分之間的秩序和結(jié)構(gòu)”有關(guān)，只是肯定對象的形式因素要適應(yīng)人心的特殊構(gòu)造，才能產(chǎn)生勢覺。勢的本質(zhì)為事物的雜多狀態(tài)與它的內(nèi)在本質(zhì)的協(xié)調(diào)一致性表征。勢產(chǎn)生的原則不在于客觀的規(guī)則邏輯和狀態(tài)的概率計算，而只來自于個性方面有意義和顯出特征的東西。其最高原則是從顯出特征的東西開始，達到意蘊——小信息弱概率的大反映強運籌，能夠用感性表達理性，用虛擬誘導(dǎo)現(xiàn)實，用should實現(xiàn)being?？傊?，勢是人們理念的感性價值顯現(xiàn)。
倫理一詞，英文為ethics，源自于希臘文“ethos”，其意義與拉丁文“mores”差不多，表示風俗、習慣的意思。西方的倫理學(xué)發(fā)展流派紛呈，比較經(jīng)典的有叔本華的唯意志主義倫理學(xué)流派、詹姆斯的實用主義倫理學(xué)流派、斯賓塞的進化論倫理學(xué)流派，還有海德格爾的存在主義倫理學(xué)流派。其中存在主義是西方影響最廣泛的倫理學(xué)流派，始終把自由作為其倫理學(xué)的核心，認為“自由是價值的唯一源泉”。
在我國，倫理的概念要追溯到公元前6世紀，《周易》《尚書》已出現(xiàn)單用的倫、理。前者即指人們的關(guān)系，“三綱五倫”“倫理綱常”中的倫即人倫；后者則指條理和道理，指人們應(yīng)遵循的行為準則。與西方相似，不同學(xué)派的倫理觀差別很大，儒家強調(diào)仁、孝、悌、忠、信與道德修養(yǎng)，墨家信奉“兼相愛，交相利”，而法家則重視法治高于教化，人性本惡，要靠法來制約。
一般而言，倫理是哲學(xué)的分支，是研究社會道德現(xiàn)象及其規(guī)律的科學(xué)。我們對其研究是很必要的。因為倫理不但可以建立起一種人與人之間的關(guān)系，而且可以通過一種潛在的價值觀來對人的行為產(chǎn)生制約與影響。很難想象，沒有倫理的概念，我們的社會會有什么人倫與秩序可言。
通過以上的討論與分析，筆者認為，人工智能還遠沒有倫理的概念（至少是現(xiàn)在），有的只是相應(yīng)的人對于倫理的概念，是人類將倫理的概念強加在機器身上。在潛意識中，人們總是將機器視為合作的人類，所以賦予機器很多原本不屬于它的詞匯，如機器智能、機器倫理、機器情感等。在筆者看來，這些詞匯本身無可厚非，因為這反映出人們對機器很高的期望，期望其能夠像人一樣理解他人的想法，并能夠與人類進行自然的交互。但是，當務(wù)之急是弄清楚人的倫理中可以進行結(jié)構(gòu)化處理的部分，因為這樣下一步才可以讓機器學(xué)習，形成自己的倫理體系。而且倫理，正如前面討論的，是由倫和理組成的，每一部分都有自己的含義，而“倫”，即人倫，更是人類在長期進化發(fā)展中所逐漸形成的，具有很大的文化依賴性。更重要的是，倫理是具有情景性的，在一個情景里的倫理是可以接受的，而換到另一種情景里，就變得難以理解，所以，如何解決倫理的跨情景問題，也是需要考慮的。
值得一提的是，就智能傳播的人機環(huán)境交互而言，“機”不僅僅是機器，更不是單純的計算機，還包括機制與機理。而環(huán)境不僅僅單指自然環(huán)境、社會環(huán)境，更涉及人的心理、體驗環(huán)境。單純地關(guān)注某一個方面就會以偏概全。智能傳播技術(shù)的發(fā)展，不僅僅是技術(shù)的發(fā)展與進步，更加關(guān)鍵的是機制與機理的與時俱進。因為兩者的發(fā)展是相輔相成的，技術(shù)發(fā)展過快，而機制并不完善，就會制約技術(shù)的發(fā)展?，F(xiàn)在的智能傳播的倫理研究就有點這個意味?，F(xiàn)在的人類智能的機理尚不清楚，更不要提機器的智能機理了。而且，目前研究機器大多數(shù)關(guān)注于人的外在環(huán)境，即自然環(huán)境與社會環(huán)境，根據(jù)機器從傳感器得到的環(huán)境數(shù)據(jù)來綜合分析人所處的外在環(huán)境，但是卻很難有相應(yīng)的算法來分析人的內(nèi)部心理認知環(huán)境，人的心理活動具有意向性、動機性，這也是目前機器所不具備的，也是不能理解的。所以對于智能傳播的發(fā)展而言，機器的發(fā)展不僅僅是技術(shù)的發(fā)展，更是機制上的不斷完善。研究出試圖理解人的內(nèi)隱認知行為的機器，則是進一步的目標。只有達到這個目標，智能傳播中的人機環(huán)境交互才能達到更高的層次。
智能傳播的倫理研究是智能科學(xué)技術(shù)發(fā)展到一定程度的產(chǎn)物，它既包括人工智能的技術(shù)研究，也包括機器與人、機器與環(huán)境及人、機、環(huán)境之間關(guān)系的探索。與很多新興學(xué)科一致，它的歷史不長，但發(fā)展速度很快。尤其是近些年，依托著深度學(xué)習的興起，以及一些大事件（AlphaGo戰(zhàn)勝李世石）的產(chǎn)生，人們對人工智能本身，以及智能傳播的倫理研究的興趣陡然上升，對其相關(guān)研究與著作也相對增多。但是，可以預(yù)期的是，人工智能技術(shù)本身離我們設(shè)想的智能程度還相去甚遠，且自發(fā)地將人的倫理遷移到機器中的想法本身實現(xiàn)難度就極大。而且如果回顧過去的話，人工智能總是在起伏中前進，怎樣保證無論是在高峰還是低谷的周期中，政府的資助力度與人們的熱情保持在同一水平線，這也是一個很難回避的問題。這些都需要目前的人工智能倫理專家作進一步的研究。
總之，智能傳播的倫理研究不僅要考慮機器技術(shù)的高速發(fā)展，更要考慮交互主體——人類的思維與認知方式，讓機器與人類各司其職、互相促進，這才是智能傳播的倫理研究的前景與趨勢。
智能傳播的法律規(guī)制
動物的智能更多是生理性的，人類的智能除此之外還有心理性和社會性。德國有句諺語：“秩序是生命的一半。”生命的另一半就是非秩序。現(xiàn)代電工學(xué)有個名詞叫作“擊穿”，就是在高電壓下絕緣體會變成導(dǎo)體，人類也有一種邏輯擊穿能力，即在一定的情境下，把理性的邏輯思維變成感性的非邏輯直覺行為。在韋伯那里，道德被視作局限于一定時空情境中的德性；它不可能超越時空而憑借邏輯被證明為普適原則。在現(xiàn)代西方的法學(xué)和哲學(xué)中，普適主義vs特殊主義，法律vs德性，其實是一個最基本的分歧。
把數(shù)據(jù)變成信息的過程就是產(chǎn)生定向理解的過程，而把信息變成知識的過程就是更小范圍的定向理解過程，這是一個聚合過程；反之，把知識溶解為信息、把信息轉(zhuǎn)化為數(shù)據(jù)的過程，就是一個泛化聯(lián)系、彌散理解的過程。這一來一往就是一個彌散聚合過程（簡稱彌聚過程），人與外部世界交互的過程就是一個認知彌聚過程。去掉數(shù)據(jù)的物理性是一個瞬間的極其復(fù)雜的過程，其意義不亞于石頭變猴的過程：把一個死沉沉的物體轉(zhuǎn)為一個活生生的生物，把無價物化為有價物，把有限變?yōu)闊o限，把無味道生成有意義，翻天覆地、萬象更新、一元復(fù)始，不可謂不巨大！這也是人類主觀形成的過程，即：人可以發(fā)現(xiàn)未來的動向并利用過去影響它現(xiàn)在的進程。猶如去掉人身上的動物性一般，不是簡單的刺激—反應(yīng)，而是刺激—選擇—反應(yīng)，中間的那個選擇就是主觀產(chǎn)生的源頭，智能也許就是人性—非動物性。有些動物身上也有人性。
感/知的不是該物的自然屬性之和，而是展現(xiàn)著該物時間性、歷史性的“意義”。“界限”是讓交互更有秩序，于是規(guī)則、概率、知識、信息、數(shù)據(jù)、規(guī)范、法律、道德都是這種“界限”的秩序表達。例如，“張三把李四打了，他進了醫(yī)院”與“張三把李四打了，他進了監(jiān)獄”兩個事實，存在著人機不同的理解“界限”，某域的“態(tài)勢感知”服從于局部的“界限”，遵守了某一種“秩序”，才能進入另一個時空中的“界限”。那種建立“統(tǒng)一”“跨域”的理想，其實是打破局部領(lǐng)域的“界限”“秩序”，成為“深度態(tài)勢感知”。很多態(tài)是形不成勢的，態(tài)形成勢的過程就是智能元素成分浮現(xiàn)的過程。
在不久的將來，隨著科技發(fā)展以及人工智能技術(shù)的不斷完善，人們將很容易“操縱信息”，且不留痕跡，在軍事領(lǐng)域，信息操縱并不是什么新鮮事，但如今的不同點在于，隨著科技發(fā)展，信息操縱的規(guī)模會更強。法國《歐洲時報》2018年9月6日報道稱，法國國防部在當?shù)貢r間9月4日發(fā)布一份報告，指出信息操縱將會造成極大的混亂。法國武裝力量部長弗洛朗絲·帕利表示，“整個社會和政治體制都有可能被撬動”。報告尤其提醒注意圖片、音頻和視頻編輯軟件帶來的威脅，稱這些軟件“能讓任何人講出任何話，而且不容易辨識”。報告指出，通過數(shù)碼修改視頻里的人物面部，按照修改人的意愿，讓他們講話或做事，這樣的加強版假視頻，已經(jīng)達到了極高的可信度。報告還指出，修改公眾人物的言論將變得很容易，并能發(fā)送20多個修改后的版本，“跟真的混在一起，能混淆視聽”。報告預(yù)計，因為制作成本低，而且被抓住的風險也低，操縱信息的行為會越來越多。平心而論，“界限”是讓這個世界更有秩序，于是規(guī)范、法律、道德都是這種“界限”的秩序表達。“自我”有必要服從于這一個“界限”，即遵守了某一種“秩序”，才能進入另一個時空中的“界限”。
在哈耶克的浩繁著述中，也許“自發(fā)秩序”四個字最為重要。重要何在？自發(fā)秩序是社會秩序的主要源泉，也就是說社會秩序是自發(fā)產(chǎn)生的，而不是人為創(chuàng)造的。想象一下遠古時期，沒有國家，也沒有今天這么復(fù)雜的社會秩序，質(zhì)樸的人們只根據(jù)對自己是否有利來決定行為，他們在長期的互動和磨合中形成了習俗和慣例，如家庭之禮或鄉(xiāng)規(guī)民約，這就是最初的社會秩序。習俗和慣例的特點是，它們是蕓蕓眾生創(chuàng)立的。當然此“創(chuàng)立”非彼創(chuàng)立。哈耶克曾劃分“人之行動”和“人之設(shè)計”。幾乎所有習俗或慣例都不是人們有目的地創(chuàng)立的，卻是他們“非目的行動”的結(jié)果。所謂“人為”不是指人的行動，而是指人的設(shè)計。人的非目的的行動也是自然的。海德格爾有句名言，叫“不是我說話，而是話讓我說”。這里的“話”，不應(yīng)從普通語言學(xué)意義上來理解，它不是語言學(xué)的形式規(guī)則，也非語言學(xué)的意義，而是有內(nèi)容（什么）的“話”。智能傳播的法律一定要順應(yīng)自然制定，才能更好地保障整個社會秩序和自由的秩序。
（本文系國家社科基金重大項目“智能革命與人類深度科技化前景的哲學(xué)研究”的階段性成果，項目批準號：17ZDA028）
參考文獻
M. Anderson, S. Anderson , C. Armen, 2005, "Towards Machine Ethics: Implementing Two Action-Based Ethical Theories", In M. Anderson, S. Anderson, C. Armen(Eds.), Machine Ethics: AAAI Fall Symposium, Technical Report FS-05-06, Menlo Park, CA: AAAI Press, pp. 1-7.
Collobert R, Weston J, Bottou L, et al., 2011, "Natural language processing (almost) from scratch", Journal of Machine Learning Research, 12(Aug), pp. 2493-2537.
Helmstaedter M, Briggman K L, Turaga S C, et al., 2013, "Connectomic reconstruction of the inner plexiform layer in the mouse retina", Nature, 500(7461) , p. 168.
Hinton G, Deng L, Yu D, et al., 2012, "Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups", IEEE Signal processing magazine, 29(6), pp. 82-97.
LeCun Y, Bengio Y, Hinton G, 2015, "Deep learning", Nature, 521(7553), p. 436.
Krizhevsky A, Sutskever I, Hinton G E, 2012, "Imagenet classification with deep convolutional neural networks", Advances in neural information processing systems, pp. 1097-1105.
Sutskever I, Vinyals O, Le Q V, 2014, "Sequence to sequence learning with neural networks", Advances in neural information processing systems, pp. 3104-3112.
Pearl J, Mackenzie D, 2018, "The Book of Why: The New Science of Cause and Effect" , BasicBooks, 36(6405), p. 855.
Stone P, Brooks R, Brynjolfsson E, et al., 2016, "Artificial intelligence and life in 2030", One Hundred Year Study on Artificial Intelligence: Report of the 2015-2016 Study Panel.
Silver D, Huang A, Maddison C J, et al., 2016, "Mastering the game of Go with deep neural networks and tree search", Nature, 529 (7587), p. 484.
Tegmark M, 2017, "Life 3.0: Being human in the age of artificial intelligence", Knopf, 548(7669), pp. 520-521.
Wu Z, Zhou Y, Shi Z, et al. Cyborg, 2016, "intelligence: Recent progress and future directions", IEEE Intelligent Systems, 31(6), pp. 44-50.
Wang Y, Lu M, Wu Z, et al., 2015, "Visual cue-guided rat cyborg for automatic navigation [research frontier", IEEE Computational Intelligence Magazine, 10(2), pp. 42-52.
劉偉、厙興國、王飛，2017，《關(guān)于人機融合智能中深度態(tài)勢感知問題的思考》，《山東科技大學(xué)學(xué)報（社會科學(xué)版）》，第19卷第6期，第10～17頁。
劉偉，2018，《智能與人機融合智能》，《指控信息系統(tǒng)與技術(shù)》，第9期，第1～7頁。
王紹源、崔文芊，2013，《國外機器人倫理學(xué)的興起及其問題域分析》，《未來與發(fā)展》，第6期，第48～52頁。
遲萌，2009，《機器人技術(shù)的倫理邊界》，《機器人技術(shù)與應(yīng)用》，第3期。
江曉原，2004，《人權(quán)：機器人能夠獲得嗎？——從〈機械公敵〉想到的問題》，《中華讀書報》，12月1日。
唐昊沫、舒心，2007，《人工智能與法律問題初探》，《哈爾濱學(xué)院學(xué)報》，第1期。
畢彥華，2010，《何謂倫理學(xué)》，北京：中央編譯出版社。
吳朝暉、鄭能干，2012，《混合智能：人工智能的新方向》，《中國計算機學(xué)會通訊》，第8期，第59～64頁。
［美］維納，2010，《人有人的用處：控制論與社會》，陳步譯，北京大學(xué)出版社。
［美］哈里·亨德森，2011，《人工智能——大腦的鏡子》，侯然譯，上海科學(xué)技術(shù)文獻出版社。
責 編／周于琬
Thoughts on Human-Machine Integration in the Age of Intelligent Communication
Liu Wei
Abstract: Intelligent communication is a new way to accelerate and deepen people's self-awareness, and the integration of human intelligence and computer will be its long-term development orientation. The optimal existential form of intelligent communication in the future may not be individual communication platforms, but a systematic network platform. It is more likely to be a comprehensive linkage system transcending different human-machine environment sub-systems, and the system will continue to optimize and upgrade independently. To solve the problem of human-computer integration in the intelligent communication, we must first break up various cognitive inertias, think beyond the traditional time-space relationship, and then combine the perceptual maps, knowledge maps, and situation maps of the humans with those of the machines. The basic core of the construction of human-computer integration theory system in the intelligent communication is to establish a coordination mechanism between the intelligence and cognition of humans on one hand and the sensing and perceiving of the machines on the other. The ethical research of intelligent communication need to take into account both the rapid development of machine technology and the human thinking and cognition, and let the machine and human beings perform their own duties and help each other. This is the trend of the ethical study of intelligent communication. The law of intelligent communication must be enacted naturally according to the circumstances so as to better protect the entire social order and free order.
Keywords: intelligent communication, human-machine hybrid intelligence, deep situational awareness
劉偉，北京郵電大學(xué)崗位教授，劍橋大學(xué)訪問學(xué)者。研究方向為人機交互、認知科學(xué)。主要著作有《人機交互技術(shù)與評估》《交互設(shè)計》（譯著）等。
