人工智能的歷史與發(fā)展

來(lái)源：混沌巡洋艦

作者：人工智能學(xué)家

為什么說(shuō)人臉識(shí)別是一種明知識(shí)？

促使人們意識(shí)到暗知識(shí)和人工智能的關(guān)系的，首先是有學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)在擴(kuò)大科學(xué)經(jīng)驗(yàn)方面的運(yùn)用，它明確無(wú)誤地把暗知識(shí)和某一種裝置對(duì)應(yīng)起來(lái)。也許，人臉識(shí)別是最簡(jiǎn)單的例子。自古以來(lái)，人臉識(shí)別是（科學(xué)）經(jīng)驗(yàn)知識(shí)，而且是一種明晰的經(jīng)驗(yàn)知識(shí)。為什么說(shuō)人臉識(shí)別是一種（科學(xué)）經(jīng)驗(yàn)的明知識(shí)？所謂人臉識(shí)別實(shí)為主體看到某一圖像，即可根據(jù)該圖像把某人從人群（或記憶）中找出來(lái)。這里，看到圖像為獲得可靠信息，它是一個(gè)普遍可重復(fù)的受控觀(guān)察。把某人從人群（或記憶）中找出為完成某種選擇（控制），其為主體對(duì)可控制變量的控制。人臉識(shí)別作為科學(xué)的經(jīng)驗(yàn)知識(shí)，實(shí)為獲得信息和實(shí)現(xiàn)某種控制之間的確定聯(lián)系。通常，主體是知曉識(shí)別過(guò)程的（這種聯(lián)系如何建立），即它屬于科學(xué)經(jīng)驗(yàn)知識(shí)中的明知識(shí)。當(dāng)人臉識(shí)別可用其他方式做到，即用一個(gè)有學(xué)習(xí)能力的人造神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別人臉時(shí)，主體并不知道神經(jīng)網(wǎng)絡(luò)是如何做到的，人臉識(shí)別也就成為暗知識(shí)。

今天，人臉識(shí)別裝置已在社會(huì)生活中得到廣泛運(yùn)用。人臉識(shí)別是主體基于經(jīng)驗(yàn)的一種能力，當(dāng)這種能力用某種機(jī)器實(shí)現(xiàn)時(shí)，該機(jī)器就是有智能的。我們已經(jīng)看到，當(dāng)某一種暗知識(shí)是用某一種人造裝置獲得時(shí)，該裝置一定對(duì)應(yīng)著一種獲得相應(yīng)知識(shí)的智能。在很多人心目中，和人臉識(shí)別這種近于本能的簡(jiǎn)單能力相比，下棋才真正體現(xiàn)出主體擁有的高級(jí)智能。然而，只要我們?nèi)シ治鱿缕暹^(guò)程，就會(huì)發(fā)現(xiàn)它同樣是主體獲得（科學(xué)）經(jīng)驗(yàn)知識(shí)，只是獲得經(jīng)驗(yàn)知識(shí)的過(guò)程較為復(fù)雜而已！因?yàn)楹腿四樧R(shí)別一樣，下棋同樣是主體根據(jù)獲得的信息（棋局）來(lái)實(shí)現(xiàn)某種控制（下一步選擇）。如果說(shuō)人臉識(shí)別是信息和控制之間的一次性對(duì)應(yīng)，下棋經(jīng)驗(yàn)就是主體獲得信息和實(shí)行控制之間對(duì)應(yīng)關(guān)系構(gòu)成的序列。每一次，主體根據(jù)棋局的信息做一次選擇，改變了棋局，然后根據(jù)對(duì)手改變的棋局再次選擇。這由一次次選擇構(gòu)成的序列有自己的明確目標(biāo)，那就是下棋每一步的結(jié)果規(guī)定的最后結(jié)果。

既然下棋的知識(shí)實(shí)為每一次獲得信息后如何進(jìn)行選擇，那么每一次獲得信息規(guī)定選擇什么，是一種（科學(xué)）經(jīng)驗(yàn)知識(shí)，它和人臉識(shí)別一樣，是可以通過(guò)一個(gè)人造神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練實(shí)現(xiàn)的。由于選擇序列冗長(zhǎng)，兩次選擇互相依賴(lài)，下棋的輸贏(yíng)取決于該序列最后的結(jié)果，這一切使人造神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)訓(xùn)練方式比人臉識(shí)別復(fù)雜得多。但無(wú)論人造神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)訓(xùn)練多么復(fù)雜，其整體上仍是圖4-2所示的學(xué)習(xí)機(jī)器。因此，在神經(jīng)網(wǎng)絡(luò)組成的學(xué)習(xí)機(jī)器學(xué)會(huì)下棋后，主體如何下棋亦成為暗知識(shí)。和這種暗知識(shí)直接對(duì)應(yīng)的是下棋的能力，由此我們可以理解為什么神經(jīng)網(wǎng)絡(luò)組成的學(xué)習(xí)機(jī)器戰(zhàn)勝世界圍棋冠軍那么重要了，因?yàn)檫@是人工智能登上歷史舞臺(tái)的象征。

2016年3月9日舉行了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器AlphaGo（阿爾法圍棋）和世界圍棋冠軍、職業(yè)九段棋手李世石的公開(kāi)比賽。只要有過(guò)下圍棋的經(jīng)驗(yàn)，就知道這種經(jīng)驗(yàn)知識(shí)有多復(fù)雜，掌握它無(wú)疑需要相當(dāng)高的智能。AlphaGo具有應(yīng)付千變?nèi)f化的圍棋棋局的智能嗎？人們是持懷疑態(tài)度的。但這場(chǎng)比賽的結(jié)果是AlphaGo以4∶1取勝，這是有史以來(lái)第一次世界圍棋冠軍輸給了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器。這場(chǎng)比賽不僅意味著神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器戰(zhàn)勝人，而且意味著人無(wú)法理解AlphaGo如何下棋。機(jī)器的下棋方式是名副其實(shí)的暗知識(shí)。暗知識(shí)和智能的關(guān)系終于被世人意識(shí)到了。事實(shí)不正是如此嗎？暗知識(shí)這個(gè)觀(guān)念正是王維嘉為了說(shuō)明神經(jīng)網(wǎng)絡(luò)機(jī)器是如何用一種和人類(lèi)獲得經(jīng)驗(yàn)知識(shí)完全不同的方式時(shí)提出的。從此以后，科學(xué)界普遍認(rèn)識(shí)到，只要主體明確要獲得的經(jīng)驗(yàn)知識(shí)是什么，都可以用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器來(lái)取代人，即神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器可以運(yùn)用到獲得科學(xué)經(jīng)驗(yàn)知識(shí)的任何一個(gè)領(lǐng)域。

地圖四色定理證明中的爭(zhēng)議

早在20世紀(jì)40年代神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器的數(shù)學(xué)模型剛提出時(shí)，它已經(jīng)被證明是有限自動(dòng)機(jī)，并和圖靈機(jī)等價(jià)，即它既可以用來(lái)表達(dá)電脈沖輸入與輸出互動(dòng)中的學(xué)習(xí)，亦可用來(lái)計(jì)算和邏輯推理。因此，對(duì)科學(xué)知識(shí)的另一種類(lèi)型——數(shù)學(xué)知識(shí)，只要用公理推出定理必須通過(guò)某種計(jì)算機(jī)裝置，就證明其中也存在暗知識(shí)。圖靈機(jī)就是通用電子計(jì)算器，通用電子計(jì)算器（馮·諾依曼機(jī)）的發(fā)明比神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器早，故在科學(xué)經(jīng)驗(yàn)知識(shí)中發(fā)現(xiàn)暗知識(shí)之前，人類(lèi)已經(jīng)知道數(shù)學(xué)中存在著暗知識(shí)。地圖四色定理的證明是典型的例子。

地圖四色定理由一個(gè)英國(guó)業(yè)余數(shù)學(xué)家弗朗西斯·格斯里在1852年提出，它是指任何一張地圖只用四種顏色就能使具有共同邊界的國(guó)家著上不同的顏色。地圖即平面圖，它由圖論的一組公理給出。這樣，證明地圖四色定理就是將其用平面圖的公理推出。證明這一猜想極為困難。1878年英國(guó)數(shù)學(xué)家阿爾弗雷德·肯普發(fā)現(xiàn)，如果地圖至少需要五色，則一定存在一種正規(guī)五色地圖。接著他證明：如果有一張正規(guī)的五色地圖，就會(huì)存在一張國(guó)數(shù)最少的極小正規(guī)五色地圖；如果極小正規(guī)五色地圖中有一個(gè)國(guó)家的鄰國(guó)數(shù)少于六個(gè)，就會(huì)存在一張國(guó)數(shù)比其還要少的正規(guī)五色地圖，這樣就不會(huì)有國(guó)數(shù)極小的五色地圖，也就不存在正規(guī)五色地圖了。通過(guò)歸謬法，肯普認(rèn)為他已經(jīng)證明了地圖四色定理。但若干年后，英國(guó)數(shù)學(xué)家約翰·赫伍德發(fā)現(xiàn)了肯普的證明存在漏洞。

肯普的證明雖被否定，但他提出的兩個(gè)概念對(duì)解決四色問(wèn)題提供了方法。第一個(gè)概念是構(gòu)形?？掀兆C明在每一張正規(guī)地圖中至少有一國(guó)具有兩個(gè)、三個(gè)、四個(gè)或五個(gè)鄰國(guó)，不存在每個(gè)國(guó)家都有六個(gè)或更多個(gè)鄰國(guó)的正規(guī)地圖。另一個(gè)概念是可約性，即只要五色地圖中有一國(guó)具有四個(gè)或五個(gè)鄰國(guó)，就會(huì)有國(guó)數(shù)減少的五色地圖。自從引入構(gòu)形和可約的概念后，數(shù)學(xué)家逐步發(fā)展出一套檢查構(gòu)形是否可約的標(biāo)準(zhǔn)方法。研究者發(fā)現(xiàn)，解決四色問(wèn)題要證明構(gòu)形可約，需要檢查大量的細(xì)節(jié)。1950年德國(guó)數(shù)學(xué)家海因里?！ず谑┩ㄟ^(guò)不斷試驗(yàn)指出，用構(gòu)形化約證明四色定理，涉及的構(gòu)形有一萬(wàn)多種。要對(duì)如此多的構(gòu)形逐一證明，工作量極為巨大，這非人力所能完成。正因如此，人們一度認(rèn)為地圖四色定理是無(wú)法證明的。

1975年愚人節(jié)，美國(guó)數(shù)學(xué)家、數(shù)學(xué)科普作家馬丁·加德納在《科學(xué)美國(guó)人》上發(fā)布了一張地圖，聲稱(chēng)四色猜想被否定，因?yàn)檫@張地圖需要至少五種顏色才能完成上色。當(dāng)然，這只是一個(gè)玩笑。然而，人們?nèi)f萬(wàn)沒(méi)有想到，就在幾個(gè)月以后，美國(guó)伊利諾伊大學(xué)的數(shù)學(xué)家沃夫?qū)ず诳蠈?duì)黑施的方法做了改進(jìn)，他與美國(guó)數(shù)學(xué)家肯尼斯·阿佩爾合作設(shè)計(jì)了一個(gè)計(jì)算機(jī)程序，在計(jì)算機(jī)專(zhuān)家科克的參與下，終于在1976年1月6日證明了四色猜想。他們是利用窮舉檢驗(yàn)法檢查了1482種構(gòu)形，一個(gè)又一個(gè)地證明它們都是可約的，即沒(méi)有一張需要五色。該工作是在兩臺(tái)IBM360計(jì)算器上各做了100億個(gè)判斷實(shí)現(xiàn)，計(jì)算機(jī)運(yùn)行達(dá)1200多個(gè)小時(shí)，兩臺(tái)計(jì)算機(jī)得到一樣的結(jié)果。用計(jì)算機(jī)證明四色定理引起了轟動(dòng)，但也帶來(lái)了巨大的爭(zhēng)議。

黑肯等人設(shè)計(jì)的構(gòu)形化約程序當(dāng)然是正確的，但化約和相應(yīng)判斷是運(yùn)用兩臺(tái)計(jì)算機(jī)分別做出的，鑒別其可靠與否的方法是看兩臺(tái)計(jì)算機(jī)得到的結(jié)果是否一致。這種做法有點(diǎn)像工程技術(shù)和物理學(xué)鑒定。這里，證明計(jì)算機(jī)工作是否可靠，就和判別用電子顯微鏡觀(guān)察對(duì)象所獲得的信息是否可靠一模一樣。美國(guó)數(shù)學(xué)家威廉·瑟斯頓曾評(píng)論說(shuō)：“一個(gè)可以運(yùn)作的計(jì)算機(jī)程序，其正確性和完備性標(biāo)準(zhǔn)比起數(shù)學(xué)界關(guān)于可靠的證明的標(biāo)準(zhǔn)，要高出幾個(gè)數(shù)量級(jí)。”但是，沒(méi)有人全面驗(yàn)證過(guò)四色猜想證明的每一步，原因是人力不可能做到。正因如此，很多數(shù)學(xué)家不認(rèn)可上述證明，蘇格蘭數(shù)學(xué)家弗蘭克·波塞爾指出，這種證明根本不屬于數(shù)學(xué)。

我認(rèn)為，可以從兩個(gè)方面來(lái)梳理地圖四色定理證明中的爭(zhēng)議。一是有些人不知道數(shù)學(xué)知識(shí)中也有暗知識(shí)。地圖四色問(wèn)題的證明，屬于抽象代數(shù)中純圖論的領(lǐng)域。圖論定理由相應(yīng)的基本公理規(guī)定。規(guī)定這些公理時(shí)，已給出相應(yīng)符號(hào)系統(tǒng)的所有可靠信息，證明定理只是把公理注入的信息找出來(lái)。主體獲得公理注入的可靠信息和主體經(jīng)歷每一步信息的獲得過(guò)程，原則上亦可分離。數(shù)學(xué)知識(shí)中存在暗知識(shí)是沒(méi)有疑義的。然而，在人類(lèi)所具有的數(shù)學(xué)知識(shí)中，暗知識(shí)占的比例很小，數(shù)學(xué)家還不習(xí)慣數(shù)學(xué)知識(shí)中的暗知識(shí)。然而，我要問(wèn)：為什么一定存在著一個(gè)不同于現(xiàn)在已給出四色問(wèn)題證明的非窮舉式證明呢？數(shù)學(xué)家遲早會(huì)意識(shí)到必須接受數(shù)學(xué)知識(shí)中亦存在暗知識(shí)。

此外，數(shù)學(xué)家不承認(rèn)地圖四色問(wèn)題被證明還有一個(gè)原因，那就是拒絕這種證明體現(xiàn)了人的數(shù)學(xué)能力。愛(ài)因斯坦做過(guò)一個(gè)比喻：純數(shù)學(xué)是邏輯思想的詩(shī)歌，但四色定理的確證依靠的是計(jì)算機(jī)對(duì)人不能處理的個(gè)案之窮舉，它猶如一本電話(huà)簿。數(shù)學(xué)家很難想象如查電話(huà)簿般的、用計(jì)算機(jī)的快速窮舉是一種數(shù)學(xué)智能。正因如此，至今這個(gè)領(lǐng)域的研究被稱(chēng)為機(jī)器證明，而非人工智能。但是，任何一種暗知識(shí)都對(duì)應(yīng)著一種智能，我們能否定這種幫助數(shù)學(xué)家獲得暗知識(shí)的裝置是人工智能嗎？答案是沒(méi)有疑義的。純數(shù)學(xué)是普遍可重復(fù)的受控實(shí)驗(yàn)無(wú)限擴(kuò)張的符號(hào)表達(dá)，主體在研究純符號(hào)系統(tǒng)的結(jié)構(gòu)時(shí)，任何一種處理符號(hào)系統(tǒng)的能力當(dāng)然也是智能。因此，在數(shù)學(xué)領(lǐng)域，由于計(jì)算機(jī)的運(yùn)用，用人工智能獲得暗知識(shí)比在經(jīng)驗(yàn)領(lǐng)域要早，只是因?yàn)槠湎∩伲瑳](méi)有被意識(shí)到罷了。

人工智能的歷史

其實(shí)，只要去追溯人工智能的歷史，就知道人工智能正是在利用電子計(jì)算機(jī)處理符號(hào)結(jié)構(gòu)時(shí)提出的。早在1956年，數(shù)十名來(lái)自數(shù)學(xué)、心理學(xué)、神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)與電氣工程學(xué)領(lǐng)域的學(xué)者聚集在一起，討論如何用計(jì)算機(jī)來(lái)處理符號(hào)結(jié)構(gòu)，會(huì)上美國(guó)計(jì)算機(jī)科學(xué)家約翰·麥卡錫將這種研究命名為人工智能；同樣作為計(jì)算機(jī)科學(xué)家的艾倫·紐厄爾和司馬賀把一種被稱(chēng)為“邏輯理論家”的程序帶到會(huì)議上，他們被會(huì)議發(fā)起人稱(chēng)為“人工智能之父”?？v觀(guān)這些被稱(chēng)為人工智能的研究，無(wú)一不是發(fā)明一種處理信息（符號(hào)系統(tǒng)或數(shù)字）的裝置，用其來(lái)整理和提取解決問(wèn)題的知識(shí)。無(wú)論是邏輯理論家，還是1959年司馬賀、紐厄爾和軟件工程師約翰·肖公布的通用問(wèn)題求解系統(tǒng)，都是如此。這種裝置和前文講過(guò)的兩類(lèi)裝置（具有學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)和進(jìn)行數(shù)學(xué)定理證明的計(jì)算機(jī)）的不同之處在于，前者處理的不是純科學(xué)經(jīng)驗(yàn)知識(shí)，亦不是純數(shù)學(xué)知識(shí)，而是科學(xué)理論知識(shí)。正因?yàn)槿斯ぶ悄芤婚_(kāi)始就被界定為如何用一種裝置實(shí)現(xiàn)運(yùn)用科學(xué)理論知識(shí)解決實(shí)際問(wèn)題，或通過(guò)經(jīng)驗(yàn)提出科學(xué)理論，其被廣泛地稱(chēng)為專(zhuān)家系統(tǒng)。

舉個(gè)例子。1964年美國(guó)人工智能學(xué)家愛(ài)德華·費(fèi)根鮑姆、分子生物學(xué)家喬舒亞·萊德伯格和化學(xué)家卡爾·杰拉西用某種裝置處理火星上采集來(lái)的數(shù)據(jù)，看火星上有無(wú)可能存在生命。三人合作的結(jié)果就是第一個(gè)專(zhuān)家系統(tǒng)DENDRAL的誕生。DENDRAL輸入的是質(zhì)譜儀的數(shù)據(jù)，輸出的是給定物質(zhì)的化學(xué)結(jié)構(gòu)。另一個(gè)例子是1978—1983年司馬賀和計(jì)算機(jī)科學(xué)家帕特·蘭利、蓋里·布拉茨霍夫陸續(xù)發(fā)布了6個(gè)版本的BACON系統(tǒng)發(fā)現(xiàn)程序，該裝置重新發(fā)現(xiàn)了一系列著名的物理、化學(xué)定律?？v觀(guān)各式各樣的專(zhuān)家系統(tǒng)，它們都是在創(chuàng)造一種裝置，以獲得科學(xué)理論知識(shí)的信息。專(zhuān)家系統(tǒng)有時(shí)是用科學(xué)理論推出經(jīng)驗(yàn)知識(shí)，解決碰到的實(shí)際問(wèn)題；有時(shí)是根據(jù)受控實(shí)驗(yàn)信息提出科學(xué)理論，或修改現(xiàn)有的科學(xué)理論知識(shí)。這些工作本來(lái)都是由人完成的，而專(zhuān)家系統(tǒng)是一種人造裝置，用它來(lái)取代人做的事情。

我要問(wèn)一個(gè)問(wèn)題：這些專(zhuān)家系統(tǒng)獲得的可靠信息中有暗知識(shí)嗎？根據(jù)暗知識(shí)的定義，我們知道最后得到的可靠信息是什么，但不知道該信息是如何獲得的。今日所有已知的專(zhuān)家系統(tǒng)都沒(méi)有這樣的智能。專(zhuān)家系統(tǒng)之所以做不到這一點(diǎn)，是因?yàn)樗鼈儾荒苋缛斯ど窠?jīng)網(wǎng)絡(luò)那樣自行學(xué)習(xí)，也不能如機(jī)器證明那樣完全不需要人的干預(yù)自行進(jìn)行邏輯判斷。如前所述，科學(xué)理論知識(shí)的進(jìn)步依靠的是科學(xué)理論信息和經(jīng)驗(yàn)信息的互動(dòng)，它包括當(dāng)從科學(xué)理論推出之受控實(shí)驗(yàn)信息不包含相應(yīng)科學(xué)經(jīng)驗(yàn)的受控實(shí)驗(yàn)信息時(shí)，規(guī)定兩者哪一個(gè)必須修改，即兩者如何互動(dòng)。只有互動(dòng)過(guò)程形成完全的閉環(huán)（沒(méi)有主體參與），其才能完全通過(guò)人工裝置來(lái)實(shí)現(xiàn)。這時(shí)，主體通過(guò)該裝置得到科學(xué)理論的信息，但不知道該信息是如何得到的。這才是科學(xué)理論中的暗知識(shí)。

目前，這種裝置正在孕育之中，美國(guó)人工智能研究實(shí)驗(yàn)室OpenAI推出的一款大型預(yù)訓(xùn)練人工智能語(yǔ)言模型ChatGPT也許是一個(gè)例子。為什么？科學(xué)理論作為橫跨受控實(shí)驗(yàn)和數(shù)學(xué)世界的拱橋，由拱圈和上蓋組成。上蓋是用邏輯語(yǔ)言表達(dá)的受控實(shí)驗(yàn)和受控觀(guān)察，即目前文獻(xiàn)中記錄的科學(xué)知識(shí)。拱圈是建立在測(cè)量之上用數(shù)量表達(dá)的受控實(shí)驗(yàn)（觀(guān)察）結(jié)果之間的關(guān)系，它是作為各門(mén)科學(xué)基礎(chǔ)的定律。ChatGPT利用自然語(yǔ)言的語(yǔ)法研究把自然語(yǔ)言陳述轉(zhuǎn)化為邏輯語(yǔ)言陳述，然后自動(dòng)把這些邏輯語(yǔ)言陳述中所蘊(yùn)含的信息提取出來(lái)。當(dāng)人通過(guò)ChatGPT得到了新的科學(xué)理論知識(shí)，但不知道該新知識(shí)是如何得到的時(shí)，科學(xué)理論知識(shí)滿(mǎn)足暗知識(shí)的定義。對(duì)于拱圈，亦可以建立電腦控制的受控實(shí)驗(yàn)和受控觀(guān)察，獲得測(cè)量數(shù)據(jù)和實(shí)現(xiàn)控制都不需要主體直接參與。這時(shí)，研究者也不知道得到的新定律是如何得到的。這也是科學(xué)理論的暗知識(shí)。

更重要的是，上蓋是建立在拱圈之上的。只要將從陳述中得到新信息和電腦自行做實(shí)驗(yàn)結(jié)合，我們將發(fā)現(xiàn)，在科學(xué)理論中，暗知識(shí)的增長(zhǎng)將超過(guò)明知識(shí)。在今日迅速發(fā)展的合成生物學(xué)中，正在醞釀著兩者結(jié)合的可能性。這意味著人工智能第三種形態(tài)（獲得科學(xué)理論知識(shí)中的暗知識(shí)的裝置）也許最先在生命科學(xué)中被使用，其背后是物理、化學(xué)、數(shù)學(xué)、信息理論與生命科學(xué)理論深度交叉，形成基因合成、基因編輯、蛋白質(zhì)設(shè)計(jì)、細(xì)胞設(shè)計(jì)、實(shí)驗(yàn)自動(dòng)化的使能技術(shù)。其中，生命鑄造廠(chǎng)（biofoundry）或許是典型的例子。然而，在被稱(chēng)為大設(shè)施的生命鑄造廠(chǎng)的建造和調(diào)試中，有中國(guó)研究者卻以“造物致知”作為口號(hào)。該口號(hào)沿用了中國(guó)傳統(tǒng)的“格物致知”，大設(shè)施的建造者或許沒(méi)有想到，只要合成生物學(xué)中有關(guān)設(shè)施實(shí)現(xiàn)了科學(xué)理論知識(shí)修改的閉環(huán)，科學(xué)理論知識(shí)中的暗知識(shí)就會(huì)產(chǎn)生。這種“致知”和我們熟悉的獲得知識(shí)不盡相同。通過(guò)造物大設(shè)施的運(yùn)作，合成生物會(huì)源源不斷地被制造出來(lái)，但這一切不一定導(dǎo)致今日所知的那種生命科學(xué)理論知識(shí)的增長(zhǎng)，因?yàn)樗鼈冎械南喈?dāng)一部分可能都是暗知識(shí)。

人類(lèi)發(fā)現(xiàn)科學(xué)理論中存在大量暗知識(shí)，標(biāo)志著自然現(xiàn)象因果解釋的一場(chǎng)革命。我們知道自然現(xiàn)象服從因果律，但能體驗(yàn)因果律認(rèn)識(shí)過(guò)程的只是知曉因果律的極小一部分。即便如此，也并不妨礙人類(lèi)用因果性改造世界，因?yàn)榫退愦蠖鄶?shù)因果律是暗知識(shí)，我們?nèi)钥梢酝ㄟ^(guò)人工智能來(lái)駕馭它們。

審核編輯：湯梓紅