加州大学伯克利分校的哲学教授休伯特·德雷福斯（Hubert L.dreyfrus）在讨论人工智能问题时，曾大胆地预言：人工智能有其局限，无法处理人脸识别和下棋这样复杂的问题。二十世纪中后期，他把人工智能比作巫师和术士的“炼金术”。不过，历史似乎在按照德雷福斯预言的反方向前行。二十一世紀的第二个十年，围棋机器人阿尔法狗（AlphaGo）与人类的对弈，成为火热的新闻事件，而AI 人脸识别则获得了广泛应用，出现在写字楼、火车站、购物中心等各式生活场景中。可以发现，德雷福斯的预言失败了。曾被德雷福斯嘲讽的“炼金术”这个标签，如今似乎被回赠给了他自己。面对这一事件，有必要重温康德的经典问题：我们到底能知道、认识什么？

一、 德雷福斯：从成名到骂名

德雷福斯曾受教于分析哲学大师奎因，却一直对海德格尔和梅洛·庞蒂等欧陆哲学家情有独钟，其研究可谓兼欧陆哲学和分析哲学两派之长。他的著作论域非常广泛，汉语学界已经可以读到《计算机不能做什么》《论因特网》《在世》等。

作为哲学家，德雷福斯最闪亮的标签是“反AI”，这一标签的获得，源于他参与过的一些思想史事件。例如，他不断地批判马文·明斯基（MarvinLee Minsky）和司马贺（Herbert Alexander Simon）等早期人工智能科学家；又如，在他的现象学和存在主义研究中，常常夹枪带棒地反讽“计算理性”；再如，他借现象学传统，反思AI 的认知逻辑，写就《人工智能与炼金术》，并给兰德公司提供负面的意见，预言这门新兴学科在未来的必然失败。这些事件让他大名鼎鼎，或者说臭名昭著。

他的著作有些尚未和中文读者见面，其中一本名为《机器心智》（Mind over Machine ），这是德雷福斯“反AI”的代表作之一，成书于一九八六年，由哲学专业的休伯特·德雷福斯和数学专业的斯图亚特·德雷福斯合作完成，对他早期的思想有系统总结的性质。这本书反思了“专家系统”这一早期人工智能实践，书名以英文修辞中押头韵的方式，表达了他的总态度，“Mind over Machine”，人类智能优于人工智能。本书中德雷福斯的观点可以简要归结为：在“弈棋”和“人脸识别”等领域，机器智能必然会失败。就具体预言而论，毫无疑问，历史已经证明了德雷福斯的预言是失败的。

德雷福斯为什么会失败？

如果要归结它的深层原因，需要观察一次重要的数学范式转换—AI 方法论自专家系统的符号主义，到机器学习的人工神经网络，完成了一次整体性进化，这种变化被称为“统计革命”。人工智能发展史上的统计革命，指的是以人工神经网络与机器学习为基础的，而非以大型知识库和符号推演为基础的AI 革新，机器学习和深度学习伴随而生。罗森布拉特在二十世纪六十年代就提出了感知机模型，但是，直到二十世纪八十年代AI 寒冬冰雪消融之后，人工神经网络才迎来了学术探讨的热潮，而直到二十一世纪，它才收获了诸多具体的商业成果。

从思想基础的角度讲，“统计革命”源于符号主义到联结主义的观念转变。简而言之，符号主义主张通过知识累积、规则设定、逻辑推导和符号运算来完成对人类心智的模拟；而联结主义，则通过大量数据的累积，人工神经网络的学习，完成判断方式与行为方式的拟合。基于这一理论，计算机在下棋领域取得了重要的突破。“统计革命”中暗含着对德雷福斯早期预言的彻底颠覆，超出了德雷福斯旧有的想象空间。

德雷福斯的具体预言失败了，不过，他的哲学根基是否也发生了动摇？

二、 科学还是炼金术？

让我们放宽视野暂且避开德雷福斯在具体预言方面的失败，思考这样一个问题：德雷福斯的底层逻辑，与后来的“统计革命”是否有类似之处？

在知识论的层面，德雷福斯的核心观点是：存在一种“直觉性专业知识”，它区别于形式化的知识、符号化的知识、计算化的知识。在《从菜鸟到专家必经五步》（“Five steps from novice to expert”）一文中，德雷福斯举了“自行车”的例子来阐发他的观念。我们很多人都会骑自行车，知晓如何登上自行车，开始骑行，并且骑到自己的目的地，我们还知道如何维持平衡，调整速率，在途中躲避各种障碍物和同行车辆。不过，很少有人能够给出一套标准化的自行车相关规则和专业知识。在这里，徳雷福斯做出了一个主要区分：知其如何（know-how）与知晓原理（know-what）是不同的。

在刚开始学习一个新技能的时候，首先要学习识别各种各样的客观存在的事物， 去了解它们的特性，尝试记住那些复杂的规则，而此刻这些规则都是与情境无涉的，对我们来说，它们的抽象程度无异于一门外语或者一堆数学公式。与之相反，对习以为常的事情，我们却不知其所以然，不过，不知其所以然并不代表不能够成功地做好它。