人工智能视域下的社会学“费孝通悖论”求解

内容提要 费孝通晚年提出社会学应当具有“科学”和“人文”双重属性的命题，有学者称之为“费孝通问题”或“费孝通悖论”。近年来中国社会学界关于社会学方法论和本土化的论争，追根溯源都可以归结为社会学科学性与人文性能否统一和如何统一的问题。人工智能的最新进展为回答这一问题提供了启示：机器认知是从逻辑思维走向形象思维;暗知识的发现证明直觉和隐喻的合理性;诗性而“模糊”的自然语言可能比精确严密的数学语言更适于社会研究成果的表达;科学与人文融通的方向和路径，不是用科学规范人文，而是让科学归于人文。“费孝通悖论”的本质是：让工具理性服从于价值理性，让科学性服务于人文性。人工智能为社会研究提供了利器，但人工智能替代不了社会学家的作用，社会学者应当更加积极主动地投入到智慧社会建设之中。

关键词 费孝通悖论 人工智能 复杂性科学 社会学想像力

〔中图分类号〕C91-0;TP18 〔文献标识码〕A 〔文章编号〕0447-662X（2019）10-0023-11

一、费孝通悖论：方法论与本土化之争溯源

中国大陆社会学恢复重建的领军人物费孝通先生于2003年发表《试谈扩展社会学的传统界限》一文，提出社会学应当具有科学和人文“双重性格”的命题，①引发国内社会学界广泛而持久的关注。仇立平指出，“费孝通之问”是中国社会学研究无法回避的问题。不可高估科学理性在社会研究中的作用，定量研究和定性研究都有其不足，只有将定性研究和定量研究结合在一起，或许有可能接近对“经验事实”的认识;②陈云松认为费老所说的人文性与科学性兼而有之只是一个愿景，方法之争反映了中国社会学的不成熟，呼吁“走出费孝通悖论”;③渠敬东则对“方法主义”及其所带来的“学问与生活的疏离”进行了批评;④潘绥铭和刘林平围绕定性定量方法进行了激烈论辩，潘对“一切皆可量化”的观点提出质疑，⑤刘则认为潘的认识存在对大数据的严重误解;⑥赵鼎新指出“科学其实只是一种片面而深入地看问题的方法”，并论证了自然科学与社会科学具有根本性区别;⑦风笑天认为，定性研究与定量研究有着本质差别，二者的结合不可能发生在抽象的认识论和理论视角层面，只能发生在方法论和具体方法层面;风笑天：《定性研究与定量研究的差别及其结合》，《江苏行政学院学报》2017年第2期。王宁指出社会学本土化的讨论应深入到“知识创新力不足”的制度根源层面;王宁：《社会学本土化议题：争辩、症结与出路》，《社会学研究》2017年第5期。谢宇从知识的普遍主义角度认定“社会学本土化”是一个“伪问题”，谢宇：《走出中国社会学本土化讨论的误区》，《社会学研究》2018年第2期。翟学伟对此针锋相对予以反驳。翟学伟：《社会学本土化是个伪命题吗？——与谢宇商榷》，《探索与争鸣》2018年第10期。

近年国内社会学界围绕定性与定量、本土化与国际化等问题的讨论，一方面表明，中国社会学恢复重建40年来，已经从一开始的引进照搬走向独立思考，尝试建立能够与国际接轨的中国社会学理论体系;另一方面可以发现，方法之争的背后反映出学界对中国社会学研究和发展方向的反思乃至焦虑，其焦点其实就是被归纳为“费孝通之问”甚至“费孝通悖论”的科学性与人文性能否统一和如何统一的问题。

从学科分类角度来看，科学指数、理、化、天、地、生等自然科学学科;人文指文、史、哲、艺术、宗教等学科。一般意义上，科学性与人文性的区别体现在：前者偏重逻辑思维，后者偏重形象思维;前者重工具理性，后者重价值理性。社会学被认为是介于科学学科和人文学科之间的过渡性“社会科学”，其科学性和人文性能否统一？如何统一？人工智能的进展或许可以让我们从中得到启示。

二、人工智能：从逻辑思维到形象思维

1.图灵测试（Turing Test）、深蓝（Deep Blue）、阿尔法狗（AlphaGo）

人工智能（AI），也被称为“机器智能”，是新的科学技术革命的前沿领域，是世界经济转型产业升级的“风口”，也是当前社會普遍关注的重要热点领域。早在上世纪中叶，人工智能的概念和设想就已提出，但直到最近几年才有了突飞猛进的爆发式发展。一方面是由于互联网、大数据、云计算奠定了人工智能的物理基础，另一方面得益于人工智能的“算法”突破了旧有思维模式。

人类智能来自于人的思维，思维的器官是我们的大脑。我们把电子计算机称为“电脑”，但人们并没有将普通电脑称为人工智能。这是因为公认的“人工智能之父”英国数学家图灵提出了评估机器是否具有可以思考的智能的标准——图灵测试（Turing Test）：就是当人类测试者向机器提出一些问题由机器作答，当测试者无法分辨给出答案的对方是人还是机器，则该台机器即通过测试，认为其具备“智能”。因此，普通公众对人工智能的认知，是在人与机器的智力比较中获得的。于是，发生在1997年和2016年的两次棋类“人机大战”，成为人工智能发展史上重要的里程碑和转折点。

1997年5月11日，一台由IBM公司开发的命名为“深蓝（Deep Blue）”的计算机挑战国际象棋世界冠军卡斯帕罗夫，并最终以3.5∶2.5获胜。这不仅震惊了国际象棋界，也形成一波人工智能舆论高潮。然而计算机科学家十分清楚，“深蓝”的国际象棋赢得其实很艰难。“深蓝”重达1270公斤。利用30个IBM RS/6000处理器运行搜索，480个定制处理器执行行棋功能，平均每秒搜索12.6亿个节点，峰值时可达33亿个节点，每步棋可生成多达300亿个棋局。谭营：《人工智能知识讲座》，人民出版社，2018年，第152页。设计者是一个由计算机专家和国际象棋高手多人组成的专家小组，事先对卡斯帕罗夫下过的所有棋谱进行深入研究，输入了一百多年来世界顶尖国际象棋优秀棋手的对局棋谱两百多万局，对各种可能性写出应对程序，设计搜索算法，实际对弈中采用“穷举法”逻辑推理。也就是说，“深蓝”的胜利是依赖于强大的硬件和计算机逻辑计算的“蛮力”取胜的。在赢得胜利后，IBM即宣布“深蓝”退役。刚刚似乎热起来的人工智能又陷入近20年的“潜伏期”。近年来，由谷歌开发的围棋程序“阿尔法狗”则另辟蹊径，从“穷举法”逻辑推理到人工神经网络、“深度学习”，在围棋人机博弈中积累经验、愈战愈勇。2016年3月，“阿尔法狗”对弈职业围棋九段李世石，最终以4：1总比分取得胜利，震动全世界。2017年5月，又以3：0完胜世界排名第一的棋手柯洁。并自此保持了不败的记录。人类围棋高手由一开始的半信半疑不服气，到完全没有还手之力，不得不甘拜下风。

推荐访问： 视域 悖论 求解 人工智能 社会学

---