我们无须参透生命的意义就能正确对待人工智能，因为它实际上只是一种应用范围有限的工具。
对于人工智能，美国副总统詹姆斯 · 万斯（James Vance）发出警示：“人工智能领域的过度监管，或将扼杀这一尚处于起步阶段的变革性产业。”他在人工智能行动峰会的演讲中向与会者指出：“我坚信，人工智能将助力并提升人的生产效率。它不会取代人，亦永远不可能取代人。”他进而强调：“人工智能的未来，并非取决于对安全问题的焦虑与犹疑，而是取决于建构与实践。”
万斯的观点不无道理。其立论依据远非演讲中泛泛的技术乐观主义所能涵盖。人工智能的未来之所以属于建构者而非规制者，根本原因在于：如何善用人工智能，并非仅凭制定抽象规则并将其强加于人工智能发展便可解决。质言之，人工智能的伦理并非先验的预设之物，而是在技术的实际建构过程中逐步显现的，是在编程实践本身之中得以生成与探明的。
这或许有悖直觉。当前对人工智能进行监管的呼声，在很大程度上源于一种认识：互联网（包括社交媒体）的发展如果从一开始就受到更好的监管，本可以减少对个人、企业、经济乃至整体文化的损害。不可否认，互联网在发展初期确实未受到太多监管；而作为人工智能技术浪潮之前的上一轮技术革命，这段历史教训促使人们保持警惕。然而，人工智能并非互联网，在为其构建任何形式的监管框架之前，我们必须先理解它的本质。
严格的伦理规范始终有其存在意义。对人工智能技术在短期内可能产生的具体后果进行切实评估，同样具有必要性，例如警务与司法领域公信力受损，或易被自动化替代的岗位引发大规模失业。针对短期后果，可通过惩处滥用人工智能的行为（如制作深度伪造色情与恋童癖内容者，或是在其职责范围内放任人工智能做出错误医疗诊断者）加以应对。
然而，任何不以人类对技术的建构实践为核心的人工智能伦理，都终将走向失败，其立场亦只能是被动回应式的。
谁在畏惧理性主义？
我们不妨从一个颇具说服力的疑虑入手：我们究竟能否正确建构人工智能伦理？罗伯特 · 斯内尔（Robert Snell）指出，伦理并不能将我们从人工智能的困境中解救出来。他以此批判科技企业家布兰登 · 麦考德（Brendan McCord）那一颇具抱负的方案——将启蒙哲学注入人工智能系统的设计之中。
牛津大学最近成立了一个“以人为本人工智能实验室”，该实验室得到了麦考德创立的“宇宙研究所”的资助。该实验室的目标是创建一条“从哲学到代码的通道”，它将顶尖哲学家与人工智能从业者汇聚一堂，把理性、去中心化、人类自主性等概念嵌入正在塑造当今世界的人工智能技术之中。而斯内尔则表示担忧，这一“从哲学到代码”路径中的哲学维度，确实可能推进启蒙运动主张的理性观念，却未能意识到，启蒙运动作为一项道德事业，最终已然走向失败。
斯内尔在其2023年出版的著作《迷失于混沌之中》（Lost in the Chaos）中对他所认为的理性主义之失败进行了全面剖析。在题为“理性主义的狂热迷梦”的一章中，他警示人们，不应认为仅仅诉诸理性便可解决社会问题。在斯内尔看来，启蒙理性主义无力回应真正的道德问题。他援引英国哲学家迈克尔 · 奥克肖特（Michael Oakeshott）的观点：理性主义者“追求完满，追求问题的解决，追求统一的秩序，并且想要即刻且彻底地实现这一切”。理性主义并非真正的道德推理，而更近乎一种将人类困境重构为数学谜题的思维方式。
斯内尔担忧，人们将伦理简单等同于实现人类放之四海皆准的结论。在技术解决主义于政治与法律领域大行其道的当下，这种思路显得格外诱人。它无视人类自由的现实，也无视个体朝向道德目的的独特历程。斯内尔主张，伦理植根于人之为人的全部维度，而不仅仅是我们的理性。它必须以对情境、个体生命历程和人类学的关注为基础，涉及真实的选择和真实的人。在此意义上，找到正确的普遍法则并不是道德的充分保障——道德还需要智慧、习惯和人际关系。
所有这些都使理性主义者面临某种危险。当理性主义者诉诸理性却得到令人失望的不确定结论时，他将陷入绝望。
对理性主义者而言，“差不多好”是不够好的，他不会感恩于因习俗所获得的良善，而是“以自己的造物取而代之”——理性主义者总有一套方案，其行事风格始终模仿的是工程师而非长者。
斯内尔担忧，我们如今在人工智能领域正重蹈覆辙。他认为，麦考德诉诸理性，将引导我们形成一种观点——人类能够为自身设计行为准则，而这正是尼采宣扬的自我创造与自我投射。
斯内尔提出的替代方案是回归亚里士多德伦理学的基本原则：承认道德善是真实且客观的，并植根于对人之为人的全面理解。我们并不仅仅是追求目标的理性存在者，同时也是具有关系性与政治性的存在者。如果我们广泛接受一切人工智能技术时未能考虑到这一点，无疑将使自身陷入弊大于利的境地。
斯内尔的观点确有其道理：我们不应以一种狭隘的启蒙目标观念，去框定“人之为人”与“善之为善”的全部内涵。但这一论证的问题在于：要正确地理解与发展人工智能，我们并非仅需回答“人是什么”“善是什么”这类问题，还需要更为具体的思考。原因在于，人工智能是一种工具，一种由我们创造并在使用中被不断塑造的特定工具。这意味着，真正的问题在于：我们应当如何更好地开展某些特定的人类实践。既然我们能够在其他实践中回答这一问题，那么在人工智能编程这类新兴实践中，我们同样能够给出答案。进而言之，人工智能是一种简单且有限的工具，其简单性足以让我们认为，理性主义式的思路——思考如何借助这一工具实现特定道德目的——实际上接近正确的路径。如此看来，“从哲学到代码”的转化路径或许确有其合理之处。
人工智能并非你听闻的那样
人工智能伦理的出发点，必须是承认人工智能是一种简单且有限的工具。唯有把握这一点，我们才有可能逐步探索出一种最适配该领域的伦理范式。
令人遗憾的是，我们不断被与之截然相反的论调轰炸：人们将人工智能描绘成既不简单，也非有限的存在。我们被告知，人工智能是一种通用工具，正在接管一切。这种图景主要有两种广为流传的论调，而二者均步入歧途。
第一种论调，源于对技术指数级进步的追捧。摩尔定律便是这种普遍心态的绝佳例证——该定律大致成功地预测了集成电路中晶体管数量每两年会翻一番。这一数字看似可观，但要记住：我们眼前增加的，仅仅是更多的晶体管而已。指数级变化曲线在图表上固然令人瞩目，但实际上，最重要的变革发生在我们从没有晶体管到威廉 · 肖克利（William Shockley）、约翰 · 巴丁（John Bardeen）和沃尔特 · 布拉顿（Walter Brattain）发明第一个晶体管之时。从零到一的突破，其变化倍数是无限的，因此此后任何“指数级”增速，相较于最初的发明都已相形见绌。
当技术变得更快捷、更小巧、更轻便时，它固然给我们带来了一种变革日新月异的印象，但实际上，我们并未提出真正全新的发明，以至于不得不依赖对现有产品的改进和重新营销。这并非真正意义上的创新性发展，也绝不意味着某项技术在未来拥有无限的潜力。
我们时常听到的第二种论调是：人工智能正在承担越来越多的任务，因此它与过去那些用途更为单一的技术不同，具有某种无限性。我们还被告知，人工智能很可能会承担对认知要求越来越高的任务，而这似乎进一步证明了其无限的可能性。
这一说法看似有几分道理，但实际上是一个相当平庸的观点，因为技术往往会被赋予远超其最初设计者预期的多样用途。但这并不能证明技术本身发生了改变。以微波炉为例，它是美国电气工程师珀西 · 斯宾塞（Percy Spencer）在英国第二次世界大战期间的雷达技术的基础上开发的。据称，他是在雷达装置附近，注意到口袋中的糖果融化，进而发现了微波具有加热效应。可见，技术会发生转向与再应用，并由此产生各种意想不到的用途。然而，某一事物拥有新用途，并不意味着它的潜在用途是无限的。
诚然，人工智能的多元应用将会引发广泛的市场动荡，这与当年万维网出现时的情形颇为相似。但与互联网一样，人工智能现在是、将来也仍是一种只适用于特定任务而非所有任务的媒介。尽管我们这些学者竭力回避谈论电子游戏，但在游戏领域，这一点早已十分明确。游戏中不乏表现出色的人工智能机器人案例，然而，就在这些机器人日趋完善的同时，人与人之间的多人联机游戏非但没有衰落，反而持续繁荣，甚至需求不减。由此看来，即便程序化机器人能击败许多人类玩家，人工智能在电子游戏行业中的作用依然有限。原因在于，“游戏”是一种关涉人类社会性面向的“基本善”。我们需要与和我们一样的人一起游戏。
尽管如此，我们仍时常因人工智能被应用于新场景而感到意外，并将其视为全新形态人工智能的诞生，例如大型语言模型首次实现诗歌创作，或人工智能技术在金融科技领域的部署。在这些案例中，与微波炉的类比似乎不再具有说服力，人工智能也由此显得在未来具备无限潜能。然而，我们所面对的并非人工智能本身的能力拓展，而更多是越来越多的技术与应用被笼统地冠以“人工智能”之名。
众所周知，人工智能的热潮意味着每位首席执行官都希望让股东觉得自己没有错失良机。大量现有技术机制被重新描述为可经由人工智能实现变革，这使得我们对人工智能的通俗认知边界不断扩张。然而，将越来越多的技术机制冠以“人工智能”之名，并不能为其未来能力具有无限性提供有效论证。
一个典型例证便是当下引发狂热追捧的ChatGPT。截至本文发表之时（2026年4月），维基百科将其界定为“生成式人工智能聊天机器人”。然而，该词条于2022年12月5日初建时，表述更为平实：“由OpenAI开发的一款注重易用性并对不当提示进行审核的聊天机器人。” 这一工具被正式界定为“人工智能聊天机器人”的修改发生在2023年2月25日——Meta发布同类竞争模型的次日。尽管在此期间，ChatGPT依托的大型语言模型底层机制并未发生改变。ChatGPT固然可以被归为人工智能，这一归类如今已毋庸置疑。但其中的问题在于：我们对人工智能的定义正在持续扩张——将任何借助计算机完成的、基于算法的信息处理均纳入其中。
可以说，几乎任何事物的动态——无论多么粗略——都可以用算法形式表达，任何机制似乎都可以被改造以纳入这一定义之下。天气监测系统是人工智能的一种吗？翻译软件是人工智能的一种吗？大学候选人的积分制评分是人工智能的一种吗？我们或许会产生人工智能不断拓展的印象，但实际上，我们所做的不过是将一切事物都冠以“人工智能”之名。
倘若人工智能无所不包，是一种范畴与能力不断拓展的通用工具，那么斯内尔的观点便成立了，且由此终结相关争论：我们需要一种整全性的伦理框架引导其发展与应用。然而，如果人工智能的独特属性在于机器学习——这也是过去数十年间人工智能相关技术带来的唯一真正创新——且它本身只是一种简单而有限的工具，那么我们难道不能构建一种专属于人工智能的特定伦理规范吗？
编程，作为一种人类实践
机器学习本质上无非一种模式识别与响应的方法。它有助于识别大型数据集中的模式，并针对已识别的模式生成优化后的响应。这是一种可被选择用于解决当前特定问题或任务的方法。这意味着机器学习技术的设计本身是一种实践形式，是一种我们可用于实现特定目标的人类活动。
国际象棋、绘画与科学各自拥有其自身的规则或规范，这些规则或规范有助于确立各领域内何为卓越，从而确定何以使人精于此道。例如，科学家必须识别可重复的结果，并对其方法论给出诚实、公开的说明。国际象棋棋手同意在锦标赛中交替执白子和黑子，并遵守比赛规则。社会的一般规则和法规——如禁止骚扰和盗窃的法律——是有用的，但它们并未完整呈现成为一名优秀棋手、优秀画家或优秀科学家的全部意涵。
为此提供思想指南的是已故的苏格兰哲学家阿拉斯代尔 · 麦金太尔（Alasdair MacIntyre）。他在著作《追寻美德》（After Virtue）中阐明，人类实践能够培育内在的道德善。某些与“善”相关的品质，是与人们从事的各类专门化活动契合的。“德性”（“道德习性”）并非仅仅指向一般意义上的完善人格，同样也体现为个体在其承担的特定社会角色中展现的卓越品格。
许多人或许会认为，对人工智能以及实际从事机器学习的实践予以如此厚重的道德概念化并不合适，因为麦金太尔描述的是合作性的人类活动，而这恰恰与当前正在使人类变得“多余”的人工智能截然相反。但事实并非如此。如果人工智能只是将人类排除在道德决策之外，那么它无疑应当被直接判定为“恶”。但现实远比这复杂得多。机器学习是一种将人类意图付诸现实的机制，因此即便部分工作发生改变或不再必要，人类意向性仍将持续主导人工智能的走向。若认为人工智能属于消解人类能动性与人类共同体的总体趋势的一部分，便是错误地将人工智能视作能够自主行动的主体。这一观点之荒谬，这就像说语言机器人将消除对语言的需求一样。
“人工智能旨在取代人类”这一观念仍占据主流，而它正在阻碍我们就人工智能构建过程中的伦理问题展开真正有效的讨论。令人诧异的是，当下大量关于人工智能伦理的思考，要么极少提及、要么完全忽略了背后的人类开发者。人工智能程序与机器学习技术，都是人类创作与设计的产物。这意味着，即便人工智能在某些活动中取代了一些人——这在某些情况下可能是极为糟糕的——也会有其他人以另一种方式参与其中。而如果这些新的行动者未能理解并践行实践本身的真正意义，这种替代便会成为问题。人工智能程序与机器学习技术归根结底是人类创造与设计的产物，这一事实表明：伦理责任永远无法与参与人工智能制造和使用的人类分离。
除了编程是一项不可化约的人类活动这一事实之外，在各项人类活动中，它还具有高度的协作性。任何程序员都能说明，仅凭个体所能完成的工作极为有限。以“开源”为例，它并不只是“加州嬉皮士式”的慷慨姿态，而是诸多程序与平台得以成功的必要条件。从附加组件、漏洞修复再到版本更新，一切都依赖一个致力于充分释放软件潜能的开发者社群。更不必说普遍存在的代码盗用现象。无论这与传统上以专利与版权激励创新的理念相去多远，代码的共享与借鉴在供需双方看来，通常都是推动创造性革新的一种方式。我曾在费城与谷歌文档的一位开发者共进午餐，她对这款产品被广泛使用并持续迭代感到由衷欣喜。诚然，搜索引擎的算法往往属于商业机密，但即便如此，它们在相关企业内部也同样是高度协作的成果。
哲思型的技术专家
我们有充分理由怀疑编程能否在伦理意义上被界定为一种实践，核心原因有二：其一，编程并非一项拥有悠久传统的实践活动；其二，也是最为重要的一点，借用麦金太尔的话，目前尚不清楚编程领域“关于所涉及的目的与善的人类观念”是否正在被“系统性拓展”。其中，第一个原因只需时间便能逐步解决，而第二个原因则将我们带回到问题的起点：事实上，程序员确实需要借助哲学思维，更深入地反思自身所从事的工作。如今，职业培训与哲学教育相结合的模式已逐渐兴起，圣约瑟夫工人学院便是典型例证。这种模式同样适用于程序员群体：牛津大学开设的“计算机科学与哲学文学学士学位”课程，以及位于意大利、颇具特色的美国研究型大学天主教理工学院，都在推行同类教育。后者致力于提供深度融合哲学、神学与伦理学的STEM学位教育。
倘若你四处宣称自己是一名哲思型技术专家，旁人或许会觉得你过于刻意地标新立异。但如果这才是真正做好技术的唯一方式呢？在麦金太尔看来，我们将秉承木器制作传统的人称为木匠，将秉承建筑营造传统的人称为建筑师，是有充分理由的：这些都是具有卓越标准的、独特的实践活动。由于编程尚未形成深厚的传统，我们往往只将其视为一种功能性活动，而这恰恰是我们需要哲学的原因——帮助我们在实践本身之中发掘其内在伦理。
如今已有向正确方向发展的迹象：部分学者不再简单纠结于技术本身是“善”是“恶”这类绝对化问题，转而以更精细的视角探讨何种技术化方式最为可取。例如，乔赛亚 · 奥伯（Josiah Ober）和约翰 · 塔西乌拉斯（John Tasioulas）率先将“德性”，引入人工智能伦理的讨论前沿，要求我们思考哪些惯常的技术实践方式最有利于人类的繁荣。
牛津大学以人为本人工智能实验室的负责人菲利普 · 科勒拉斯（Philipp Koralus）指出，我们迫切需要“一类新型的哲学家－技术专家”——那些会主动思考如何构建真正有益于人类福祉的系统的人工智能开发者。他写道，这需要“在实践中学习”，因为哲学与工程都离不开主动参与，而非仅仅停留在理论层面。这意味着，人工智能伦理学家应当与程序员保持密切联系，以便更准确地阐明程序员工作的道德目的以及做好这项工作所需的道德习性。
若要让编程实践臻于完善，就需要形成理性的思维习性与合乎理性的行为习性，例如协作共享的规范。对这些规范加以深入思考与清晰阐释，便能为编程确立伦理实践层面的标准。
在我看来，数字技术专家在竭力打造一款人人可随时使用的产品这一问题上，已然走向极端，而这种倾向也影响了人工智能领域对自身使命的认知。尽管这一抱负或许能催生股市泡沫，但它本质上是一种误入歧途的尝试——试图复刻战后经济繁荣时期的模式，将白色家电（如洗衣机、冰箱、滚筒式烘干机等）普及到每个家庭。人工智能的价值恰恰不在于此，而在于其专门化的模式识别能力与程序化的优化响应功能，这种价值具有特定领域的实用性，需要针对性的应用场景。
要出色地开展编程实践，就必须贴近用户与最终受益者。这意味着我们需要培养医疗领域程序员、法律领域程序员、语言学领域程序员，并摒弃那种将人工智能奉为“无所不能、惠及众人的新神”的执念。
资料来源 The New Atlantis
————————
本文作者多米尼克·伯比奇（Dominic Burbidge）是牛津大学政治学讲师、牛津大学人工智能伦理研究所研究员