肖仰华 /复旦大学计算机学院教授
自培根发出理性主义的呼声以来，自然学科与人文学科在分析和还原思想的指引下在各自道路上一路走来，盘点和梳理着人类对于客观世界和人类社会的有限经验与理性思考，成就了现代意义的自然科学和人文科学，但也造成了学科之间藩篱林立与壁垒重重。原本统一的整体世界被分解得支离破碎。细分学科内部同质化研究泛滥，原始创新动力不足。
所谓的学科内卷一词十分形象地道出了当前人文与自然学科研究的窘迫状态。破题之关键在于交叉与融合。未来最为重要的任务在于重建关于世界本原的整体性认知。
在各种可能的学科交叉融合中，我对人文社科与人工智能的交叉与融合充满了期待。如果套用自动驾驶汽车成熟度分级的思想，人工智能与其他学科的交叉融合由浅入深大致可分为三个层次。
其典型代表分别是人工智能与工科、医科的融合，人工智能与脑科学的融合，以及人工智能与人文社科的融合。首先需要肯定的是任何一种融合都具有巨大的科学意义与重要的应用价值，这里只就几类融合方式的特点展开论述，并无厚此薄彼之意。
人工智能与工科、医科的融合，更像是一场单向的恋爱（彼有意，我无情）：人工智能更多地是被用作工具。工具只是手段，赋能才是目的。很少能看到功利性的恋爱或婚姻能够持久，倒不如定位为在商言商的合作关系更为合适，也能持久。人工智能虽然也能从相应学科获得验证场景与应用反馈，但是很难从相应学科获得对其自身发展内涵而言的启发与指引。
人工智能与脑科学研究的融合则更进一步。人类对于大脑神经机制的理解对于人工智能的实现具有积极的指导意义，其最为典型的代表就是神经网络。进入大数据时代之后，以深度神经网络模型为代表的深度学习更是大放异彩，推动了机器智能在感知与运动方面的跨越式发展，在语言智能方面也彰显出诱人的前景。
然而，智能未必全然采取人类生物智能的实现机制，更广义的智能未必遵循生物法则。跳出生物智能的狭隘层面去认识智能的本质是实现多元化人工智能所不可或缺的。事实上，人工智能发展之初的三大思想流派中，只有联结主义受到了人类脑神经认知机制的启发。人工智能的符号主义与行为主义路线则是从古希腊哲学的概念逻辑与达尔文的进化理论寻求其思想源头与灵感的。
因此，脑科学所研究的大脑神经认知机制虽然十分重要，其发展出的类脑智能也有其重大价值，但其与人工智能的融合相对而言仍然是局部的，仅限于基于神经机制的智能实现路径。
人工智能与人文科学的融合，相较前两者而言，是双向的融合、全面的融合、深层次的融合。人文与智能的融合是一种良好的双向互补、彼此成就的关系。首先，人文学科也是人工智能最为重要的应用场景之一。如果说工科与医科可以检验人工智能对于自然与生命的理解能力，那么人文社科则可以检验人工智能对人与社会的理解能力。一个不能理解人类（特别是人类心灵世界）、不能理解社会的智能体，如何能很好地为人类服务呢？毕竟设计人工智能的初衷就是为造福人类社会。当前的陪伴机器人、家政机器人、司法机器人、写稿机器人都需要进一步提升对于人以及社会的认知与理解水平，才能更好地融入人类社会。
其次，人文学科为人工智能的发展提供指引。人文学科绝不仅仅是应用场景“之一”、验证场景“之一”，更是滋养人工智能自身发展内涵不可或缺的养分，是驱动人工智能持续发展的动力源头，是指引人工智能发展路径的明灯。当下的人工智能正在经历从模拟人类的身体能力（以感知与运动为代表）向模拟人类的心智能力（以认知与思考为代表）发展的关键阶段。人类对其自身认知现象的理解、对社会现象的理解是塑形人工智能发展内涵与路径的唯一模板。理论物理学家费曼说过：“不能实现的就是不能理解的”。反之，不能理解的更不可能实现。要实现人类水平的智能，首先就要理解人与智能的本质。
此处，需要回应一种由人工智能科学家的盲目自信所带来的质疑，那就是是否可以跳过理解人与智能的本质而实现外在类人的机器智能。在AlphaGo挑战人类围棋冠军成功之后，深度学习彰显出了解决问题的强大能力。然而深度学习是不透明的，是黑盒且难理解的，其走出的一些对弈策略已经超出了人类专家的理解范围。我们似乎做到了“不理解也能实现”。技术实现先于人类理解似乎已然成为了现实。
