鑽石舞台

人工智能（Artificial Intelligence）自其誕生之初，就開始追求對人類心智乃至身體的模仿。時至今日，人工智能已經不滿足於擁有強大的計算能力，也追求類人的外觀並能與人進行社會交往。然而，日本機器人專家森政弘（Masahiro Mori）在1970年提出了一種他稱為「恐怖谷」（Uncanny valley）的假設，認為機器人與人的相似度越高確實會增加其親和力，但相似度達到某一極值時，會突然讓人感到不安甚至恐懼。[1]類似的體驗在日常經驗中已多有出現，如採用先進的電腦生成動畫（CGI）技術使畫面相當逼真的電影卻並不受人歡迎；著名真人版電影《貓》中，人們也對這些人形的貓科動物感到毛骨悚然。

近十餘年來，隨着人工智能技術快速發展，尤其在社交機器人的研究上，如何克服「恐怖谷」成為研究者們面對的關鍵難題。在腦神經科學與心理學等領域也出現越來越多可以佐證「恐怖谷」效應的實驗，如通過測試驗證了腹內側前額葉皮質對人類和非人類的反應存在強烈和微弱的區別等（RVD Pütten et al. 2019）[2]。同時，學界已從多個視角對「恐怖谷」產生原因做出了解釋，如違背預期論、人類身份悖論、死亡想象論、噁心感理論等（MacDorman and Ishiguro, 2006）[3]。但是，對「恐怖谷」現象中不安感產生的內在機制仍缺少深入的探討，而現象學中有關主體間性（intersubjectivity）的洞見或許能給予我們極大的啟發。

因此，本文將從違背預期論出發，聚焦於具有一定社會性的擬真人工智能，分析其發展現狀及符號表徵預設，嘗試引入胡塞爾（E. Husserl）的意識時間結構理論和德亞戈（H. De Jaegher）等人的交互理論（Interaction Theory），深入闡釋預期對於人類意識活動的意義及其如何產生於交互中，並通過比較人工智能與人類交互模式的差異揭示出「恐怖谷」效應的深層原因。我們認為，人工智能由於缺乏面向他者的心智能力而無法在交互中滿足人類預期，進而導致人類主體產生不安與恐懼。

讓我們想象「恐怖谷」效應發生的場景：當瑪麗面對一個和人類極其相似的機器人，與之交談、互動後卻敏銳地發現了異常，隨即產生一種不安、怪異甚至恐懼的感覺。違背預期論認為，「機器人越像人類，就會引起越多潛意識中與人類有關的期待」，而如果它們「不能滿足這些期待」就會引起人類的不安。[4]所謂預期指的是我們對他者接下來可能會做什麼的概率性預測，也就是說，當瑪麗已經對機器人做出關於人類的預測時，她將會在與機器人實際交互的瞬間感到落差。

我們不禁疑問，如果人工智能能夠和人類一模一樣，是否就能夠滿足人們的預期？是什麼導致人工智能的異常呢？第一部分將重點分析當下人工智能的特點，初步揭示擬真機器人引起人們不安的真正原因。因為儘管違背預期會帶來巨大的不安感，「恐怖谷」的曲線仍有回升的可能。如果我們能夠探明「恐怖谷」效應的深層機制，將為克服這一現象找到有效的突破口。

現階段的人工智能大都仍然沿襲以符號表徵的方式來實現對人類的模擬。例如，在追求面部表情的高度擬真過程中，目前採取的最主要兩種方法是模擬現實技術和動態捕捉技術。前者指的是藉助複雜的數學模型來嘗試模擬人類的解剖學特徵，將人的表情分解為不同部位的動作並給予每個細微動作不同的指令，但問題在於人類的面部表情不僅涉及肌肉的協同運動，還包括光在皮膚上的散射，它們會受到習慣、環境、皮膚質感等多重因素的影響，這導致所需的數學模型複雜得超乎想象，技術上難以實現。因此人們有時更多採用後一種技術，藉助真實的人體，記錄和存儲其每一個面部動作乃至無意識的細微表情，建立一個龐大的數據庫，例如完美地數碼克隆了演員艾米麗•奧布萊恩（Emily O』Brien）的虛擬角色「數字艾米麗「（Digital Emily），它被人視作跨越「恐怖谷」的橋樑。[5]事實果真如此嗎？至少目前，儘管動態捕捉為人工智能形成面部表情提供了海量的數據支持，但這些基於個體特徵的數據之間是否具有可遷移性是令人懷疑的，換言之，「數字艾米麗」克隆的僅僅是艾米麗而不是瑪麗、安妮乃至湯姆，它在社會交往中的靈活性仍然較低。

此外，如上述這兩種基於模型或基於大數據的路徑也同樣出現在人工智能的情感功能、語言表達等模塊的設計中，一部分模型已相當成熟，數據的收集也並不困難，但在交互中人工智能仍然無法滿足我們的期待，這是為什麼呢？

目前認知科學領域不乏對這一問題的研究。如心理學家科特•格雷（Kurt Gray）等人區分了人類的兩項主要心智能力——感知覺和能動性，為了證明有感知覺經驗是更為基礎的人類特徵，他設計了三個用於驗證「恐怖谷」理論的實驗，其中反映的現象極具啟發性。實驗一是「恐怖谷」理論的經典實驗，測試了人們對類人機器人和機械機器人的反應，數據顯示前者更令人不安；實驗二則將取消了類人外表這一特徵，測試人們對普通機器、有感知覺經驗的機器和有能動性的機器三種類型的反應，證明了即便沒有類人外表，但當人們發現機器有感覺經驗時仍然是不安的；實驗三中他從人類的角度進行驗證，引入哲學殭屍的概念，測試人們對照片中正常的、缺乏能動性或缺乏感覺經驗的人的反應，則發現缺乏感覺經驗的人更令人不安。[6]

這一系列實驗引導我們思考在去除外表上的擬真後，人工智能令人不安的本質因素是什麼。然而，如前所述，僅僅歸因於感知覺是不充分的，因為將人類的心智能力簡單區分為感知覺和能動性的做法預設了能動性代表面向外部世界的行動能力，而感知覺只是被動接收刺激、產生反應的能力，事實上知覺過程也包含着能動的面向。因此，確切地說，人類知覺體驗的關鍵因素是包含了預期、交互在內的主體間性。可以說，主體間的交互應當被理解為我們不僅僅是在體驗他者，同時也會在體驗中產生預期，並對他者及後續的體驗造成影響。而這是人工智能尚未具備的。

由此看到，上述無論哪一種模仿人類的路徑，實際上都遵循符號表徵、計算推理的範式，因而局限於人工智能個體層面。設計者單向地追求人工智能對人類形象的擬真，卻未曾將其置於真實的社會交互情境中。然而，「恐怖谷」效應面向的是人機關係，這意味着人工智能所要解決的不再僅僅是計算難題，還應當滿足社會交互的需要。當我們面對擬真機器人時，雙方就進入了交互的狀態，擬真機器人對我們來說是區別於自我主體的一個他者。因此，擬真人工智能的面部表情、語言表達、情感功能等都不應是孤立的系統，而必須被置於主體間性的視角下加以考察。

在了解了人工智能的設計特徵後，我們意識到人工智能缺乏的可能是主體間性的維度，而預期和交互都是主體間性的重要環節。為了進一步揭示擬真人工智能無法滿足預期的深層因素，我們需要回答的問題是，真實世界裡，預期是如何在交互中產生並發揮作用的呢？這有助於我們了解人類對擬真人工智能產生錯誤預期的原因，以及人工智能與人類交互模式的差異。對於這一問題，胡塞爾曾在意識的時間結構理論中有過深入研究。

現象學對主體間性的一個基本判斷是：我對自身的直接體驗與對他者的體驗是不對稱的，因為我們只能從某一視角去體驗他者，更無法真正看到其內在狀態。具體而言，這種體驗他者的視角又可從兩個層面上來理解。一方面是從物理學層面看，如果我們有過臨摹繪畫的經驗就會發現，從不同角度看到並如實描摹下來的蘋果各不相同，每一個人能夠從其所在角度看到的只是蘋果的一個側面，但我們在體驗中所把握到的卻是完整的蘋果；此外，我們也無法看到他者的完整軀體，更看不到其內在心理狀態，但我們卻能將其體驗為一個活生生的同我們相似的人。

另一方面則可以從心智意義上看，這就涉及胡塞爾所提出的意識的時間結構理論。他將意識活動的每一瞬時階段表達為一個包含了滯留（retention）——原印象——前攝（protention）的三重結構（Husserl, 1991）。滯留指對剛剛過去的對象的意識，而前攝指對於未來即將進行的體驗的預期，它們與原印象之間具有相互生成的關係並被有機地統一在一起。我們知覺他者的每一瞬時都嵌入在一個意向地保留了過去並對未來有所預期的情境中，這一情境即是對我們知覺視角的規定，因而他者並不是在所有角度上面向我開放的。意識的時間結構在日常經驗中的體現比比皆是，例如，當我給貓餵食時，滯留的意識是貓在不斷走近我，這使我不加反思地產生了一種認為貓願意親近我的預期，我隨即伸手撫摸了貓，事實上貓可能只是過度飢餓，不存在與我親近的動機，但不妨礙我獲得人貓和諧互動的體驗。因此，我們的意識並不只是在被動地接收來自他者的訊息，而是通過滯留與前攝而生成的，[7]這意味着我們會對他者做出預期，有所取捨地篩選外部的信息。

可以看到，我們對他者的體驗往往具有不完整性，那麼如何將他者體驗為完整且豐富的存在呢？我們仍然需要依賴「預期」。胡塞爾指出，對他者的體驗建立在統覺的基礎上，[8]換言之，即便我們沒有實際看到但也能夠以特定方式獲得對他者完整的體驗。並且，他者作為一個整體是被「共現」（appresented）的，而非我們通過從不同角度的觀察拼湊而成，也不是通過自我與他者間相似度的類比推理而得出。進而，胡塞爾認為：「根本性的東西在於：對事物的直觀自身始終是對於已處於視域中的，即對在當下恰恰是非直觀的被給予方式的一種預期。」[9]統覺可以通過基於先前經驗的預期而實現，正如我們可以延伸已有的線條畫出立體的透視圖，對他者的體驗也是同樣的透視過程。也就是說，預期在為我們對他者的體驗做出視域限制的同時，也提供了實現完整體驗的情境。

至此，人類對自我以外的他者的預期如何作用於意識活動的過程已得到解釋。簡言之，能夠進行預期意味着只有當我們的知覺始終面向他者而開放，我們才能夠高效地嵌入世界之中，獲得完整的體驗。而接下來還將繼續說明，預期促進了人們在交互中形成社會性理解和情感共鳴。

在現象學的視域下，我們闡釋了預期對人類意識活動的意義，那麼預期是如何產生的呢？這一部分將從人類如何理解他者的問題出發，並在德亞戈（H. De Jaegher）和蒂保羅（A. Di Paolo）提出的交互理論框架下，進一步深入主體間性這一概念，說明預期如何從主體的交互中產生並貫穿在交互過程中。我們認為，人工智能真正缺乏的是一種面向他者的心智能力，因為其心智能力基於單向的符號表徵預設，並非從第二人稱的交互中發展而來。

對人類如何理解他者這一問題的研究也曾經歷以符號表徵、計算推理為範式的階段，強調解釋「讀心」能力的心智理論（theory of mind, ToM），其中兩種主流進路是「理論論」（theory theory，TT）和「模擬論」（simulation theory, ST）。理論論認為我們是基於大眾心理學知識，即「關於『他人通常是如何採取行動的』以及『我們的心智狀態是如何引起自身行動的』這樣的先天理論」，[10]運用推理來理解他人。而模擬論則主張我們可以按照自身的心智模型去模擬他人的心理狀態，將自己的信念和和意圖投射到他人身上。儘管在類比對象的選擇上有所區別，但TT和ST同樣屬於一種對他人心智狀態的類比推理，也就是說，ToM預設了我們永遠不可能直接通達他人的心靈，而只能從外部以觀察性的第三人稱視角進行推理，並且即便處於社會交往的情境中，讀心活動也僅僅發生在個體的大腦內部。事實上，這非常類似於上文所說的人工智能的工作原理，社會性理解被簡化為基於模型或經驗數據的因果邏輯推斷，並且只需要在人工智能自身系統內部即可完成。

但交互理論從現象學視角對此提出了批評，認為ToM無法解釋人類的面對面（face to face）交流過程。首先，他者的心智狀態並非是不可通達的，相反，情感和意向會表現在他者的身體和情境中，如面部表情、姿勢、眼神、行動等，而可以被我們直接感知到。其次，除了某些非常複雜的情境，我們理解他者通常不需要讀心這一類比推理過程，例如看到一個人因為寫作論文而緊皺眉頭、面色凝重時，我們能切身地同感到他的苦惱與焦慮，而不需要經過二階的計算或推理。再者，在社會交往中我們並非觀察性地理解他者，也不是在個體的大腦中進行推理，否則他者就將淪為第三人稱視角下的被研究物，而非活生生的對象。正如加拉格爾所言：「當我遭遇他人時，我所遭遇的不是作為其他心靈和作為需要加以解釋的理論難題的他人；我是在具身互動中遭遇他人的，他人是與我一起參與有意義活動的行動主體。」[11]只有身處與他者進行交互的共享情境中，將他者看作第二人稱的對象，我們才能真正地理解他者。

進而，德亞戈等人給予了「交互」一個正式的定義：

至少在兩個自主的行動主體之間發生的相互參與、共同規制的耦合作用（coupling），在其中，共同規制和耦合作用相互影響，在關係動力學的區域內構成了一個獨立的組織結構。[12]

這也可以與前文所討論的意識時間結構相聯繫，從而幫助我們更好地理解「相互參與」和「共同規制」的內涵。如我們所見，交互的情境生成了最初的原印象，包含我對你過去行動的經驗的滯留和我對你未來行動的前攝。因此一方面你的行動規制了我有可能做出的反應，不斷修正我對你的預期，也就是說，交互構成了預期的必要條件；另一方面我的預期也進一步影響我看待你行動的視域，並對你的行動有所規制，接着立即前往下一時刻滯留與前攝的循環。我和你始終意向地參與着彼此瞬時知覺的構成，並處於持續的動力耦合過程中。正是這種相互嵌入的交互關係使社會性理解和情感共鳴成為可能。

必須強調的是，德亞戈指出了動態瞬時活動的重要性。在正常的交互中，主體雙方始終不斷交換當下的知覺體驗，從而保持交互的穩定性。而一旦一方的實時運動變為過去運動的記錄，另一方就會脫離出交互關係。[13]關於嬰兒的例子可以說明這一點，尚未具備推理能力的嬰兒已經能夠與母親進行有意義的交互，會對母親的活動給出豐富的反應，但當我們將交互的對象替換為關於母親的錄像時，嬰兒往往會迅速停止交互並感到不安。由此我們看到，人工智能在與人交互時也更多是在呈現對過去經驗數據的記錄或既有的理論模型，而非時刻向另一交互主體而開放，參與到實時的交互中。尤其當人工智能遭遇記錄中未曾涉及的情況時，這一困難將變得更加明顯，它會導致交互的效率減緩甚至停滯。「恐怖谷」效應通常也發生在這種情況下，人們的預期出現偏差，脫離交互關係，進而產生無法理解人工智能活動的異常感乃至不安感。

這可以進一步揭示出擬真人工智能導致「恐怖谷」現象的深層機制，即人工智能缺乏人類所具有的面向他者的心智能力，而是更多面向其自我內部。因為計算機只是被動地、不加選擇地接收着外界信息，將其轉化為二進制的數據，運行預先設定的程序加以處理，再作出應答。也就是說，它們只是孤立地、以符號表徵的方式完成着認知和知覺任務，而不是在交互中發展預測、理解乃至共情的能力。所以在社會性交往中，尤其是面對面的交互時，人工智能的應答顯得非常艱澀與游離。相反，人類始終身處具體的交互情境中，學習以預期的方式意向地參與到第二人稱的交互中，生成有關他者與自我的體驗，並形成理解，產生共情。總而言之，一種面向他者的心智能力對於擬真人工智能來說將是至關重要的，這為人工智能社會性功能的實現提供了基礎。

通過從現象學視角對「恐怖谷」效應的分析，本文揭示了預期與交互在人類社會交往中所起的作用，即為我們的知覺體驗和對他者的理解提供了限制和實現的情境。我們在與他者第二人稱的交互中相互理解、同感乃至建立密切的關係，而這種面向他者的心智能力正是以符號表徵為核心的人工智能所缺乏的，這意味着人工智能仍然無法靈活地參與到社會交往中，滿足人們社會性的需求。相反，這一缺陷還會與其高度擬真的外表形成衝突，導致人們陷入「恐怖谷」中，產生不安感和恐懼感。

但同時，這也能夠為人工智能研究如何克服「恐怖谷」提供一些啟發。因為面向他者的心智能力不僅僅位於內在心靈之中，而是強調一種主體間的交互。如交互理論所展現的，「我們的社會性本質，以及某種程度上我們獨特的心智屬性，恰恰是從不同的可感知的自主體的互動中湧現出來的」。[14]換言之，儘管人工智能還未能擁有和人類同等的心靈或者說意識，但仍然可以通過人機或機器集群間的交互來獲得側重於行動維度的主體間性。而人工智能，尤其是社會性人工智能，如何從純粹的符號表徵走向一種具備主體間性的交互，亟待計算機科學與認知科學領域的深入研究。