迈向人工智能的伊斯兰伦理与教法治理:AI生成算法、虚拟教法裁决与天道准则深度研究(下篇)

导语与作者简介:
本论文由雅各恩伊斯兰研究院多学科联合研究组联合撰写:第一作者穆罕默德·阿布塔勒布博士(Dr. Mohamed AbuTaleb)现任雅各恩研究院研究与内容战略副总裁,拥有马里兰大学电气与计算机工程博士学位及传统伊斯兰教法传承授权;合著者包括凯南·阿尔基克(Kenan Alkiek,密歇根大学博士生)、谢赫·苏莱曼·哈尼(Shaykh Suleiman Hani,阿尔马格里布研究院教务长)、穆罕默德·安萨里博士(Dr. Mohammed Ansari,威斯康星大学计算机科学博士)及谢赫·奥马尔·汗(Shaykh Umer Khan,北美教法委员会执委)。 [1]



图:雅各恩伊斯兰研究院学术论文专题配图 [2]

连载导航与内容说明:
本篇万字长篇学术研究论文系统探讨人工智能时代的伊斯兰伦理与教法治理,因篇幅宏大,特分为【上篇】、【中篇】与【下篇】完整刊载:
- 【上篇:理论与治理框架】:https://salaamalykum.com/cn/article/5874
- 【中篇:核心案例与教法裁决边界】:https://salaamalykum.com/cn/article/5877
- 当前阅读:【下篇:前沿议题、实践倡议与技术附录】(涵盖紧迫学术课题、穆斯林行动建议及生成式AI技术底层逻辑)

六、亟待深入开展伊斯兰研究与创制(Ijtihad)的紧迫课题

随着人工智能的迫近式增长,我们需要制定一份重点研究议程,以解决社会、经济及宗教领域中紧迫的伦理与神学问题。这些问题本质上是跨学科的,要求伊斯兰学者必须与计算机科学、法律及哲学等领域的专家共同参与研究。在此,我们列举了一系列亟待深入研究与持续关注的紧迫领域,但这并非详尽无遗。随着人工智能的发展,其他问题将不断涌现,即便仅是这一小部分议题,也足以说明伊斯兰学术界必须极其紧迫地应对未来挑战。我们针对这些问题的核心议题与锚定原则提供了简要入门指南,并呼吁跨学科团队对这些课题进行更深层次的学术探讨。

人工智能、认识论与对真理的追求

关于人工智能最紧迫的担忧之一,在于权威与知识领域。这一领域处于宗教保护(hifz al-din)以及穆斯林社群所依赖的认知信任的核心地带。那些能够回答宗教问题、起草讲道词或总结教法判例的人工智能系统,模糊了基础研究辅助与伊斯兰教法判决(iftaʾ)之间的界限。尽管这些输出结果仅仅是由训练数据所塑造的统计预测,但它们往往带有一种绝对确定性和中立性的光环。对此观点的批评者常辩称,人类学者同样受到其老师和文化背景的“编程”。在最强烈的论点中,这种反驳建立在一种还原论的唯物主义之上,而伊斯兰传统并不承认这一点;人类学者的判断植根于道德主体性、精神洞察力以及在造物主面前的问责制,而不仅仅是先前接触经验的权重累积。然而,这种区别并不完全取决于形而上学的争论。即使在训练层面上承认这种类比,学者与模型在对教法判决(iftaʾ)具有决定性意义的功能上仍存在差异:学者会形成意图(niyyah),能够阐明并坚持其得出判决的推理链条,并对造物主和社群承担个人责任。相比之下,模型通过不透明的统计过程产生输出,没有任何负责任的作者能够提供或回应其背后的推理。因此,伊智提哈德(ijtihad)这一范畴所预设的,正是这种负责任的作者身份,而非关于认知构成的理论。

在教法判决(iftaʾ)的语境下,对统计预测的依赖带来了严重的风险:即产生脱离语境的判决、对神圣文本的误用,以及传播那些看似极具权威性却缺乏任何真正学术根基的内容。人类学者可以被要求解释得出判决的确切法学方法论,而神经网络背后的推理过程在很大程度上是不透明的。虽然这些工具能够瞬间筛选海量文本语料库的能力无疑具有吸引力,但我们必须追问:在一个机器生成内容如此普遍的环境中,学术权威的完整性该如何得到保护?

要回答这个问题,我们首先必须认识伊斯兰教是如何理解真理的。在伊斯兰的世界观中,真理不仅仅是句子的属性;它是一种植根于神圣性的不可否认的现实。“真理”(Al-Haqq)是造物主的名号之一,古兰经反复申明,天地万物皆是“以真理”(bi-l-haqq)而创造的。由于现实本身植根于神圣性,我们对知识的追求是一项神圣的道德义务,而不仅仅是一种智力活动。

然而,大型语言模型(LLMs)并不在这一道德范畴内运作。它们并非追踪真理的代理人,而是极其强大的“下一个词”预测器。其底层架构的设计初衷是优化合理性,而非追求真理。它们并不“理解”自己所表达的内容。因此,人工智能系统因“幻觉”而臭名昭著:它们会自信地编造引语、虚构历史事件,甚至生成伪造的《古兰经》经文和圣训。

由于人工智能经常以同样坚定不移的语气同时生成准确的摘要和完全的虚构内容,它利用了所谓的“自动化偏见”。关于生成式人工智能的研究表明,其极高的流畅度往往会压制我们的批判性思维能力,使得用户在核实其主张时表现得非常迟疑。在公共领域中,人工智能生成的内容不能被预设为具有合理性。相反,必须在最基础的认识论底线上对其进行评估,即区分真理(sidq)与虚假(kadhib)。《古兰经》对证据的要求是明确的:“你说:‘你们拿证据来吧,如果你们是诚实的。’”这一先知穆罕默德(愿造物主赐他平安与吉庆)的原则规定,举证责任在于主张者。穆斯林受众没有义务预设机器的输出是真实的;核实其输出结果是使用者的责任。

应对这一现实并不需要我们发明一种新的伦理框架,而是需要复兴一种古典伊斯兰认识论伦理:批判(naqd,即严谨的批判性评估)。从历史上看,当早期穆斯林社群面临伪造报告和恶意造谣者(kadhdhabin)的激增时——特别是在库法这样多元且学术活跃的中心——学者们并没有采取一种“校准信任”的框架,即那种假设存在基本可靠性、仅在出现错误时才进行调整的立场。他们以严谨的怀疑态度作为回应:这是一种认识论上的怀疑底线,即举证责任完全由传播者承担。他们发展了严谨的圣训批判学和人物评价学(ʿilm al-rijal),因为宗教的保存要求对未经核实的主张保持怀疑。严谨发展的传述人学(ʿilm al-rijal)作为一种独立的认识论基础设施,保护了早期穆斯林社群免受智力依赖和知识伪造的侵害。完全依赖那些基于压倒性的西方数据集训练、且嵌入了偏见的基础人工智能模型,等同于在未核实传述链的情况下接受一种叙事。

这种严谨的怀疑文化,正是当今这个充斥着人工智能生成内容的时代所必需的。对于穆斯林学者和广大公众而言,面对人工智能的正确姿态既非天真地全盘采纳,也非断然地彻底拒绝,而是进行严格的核实(tabayyun)。通过将人工智能视为一种复杂但极易出错的工具,而非权威,我们既能利用其高效性,又能以先贤学者所倡导的警觉来守护我们的思想与信仰。辨别真理(al-haqq)需要对人工智能的输出保持审慎的怀疑、严谨的理性,并通过核实来纠正错误。近期关于伊斯兰人工智能伦理的研究主张采用这种多元化的基准评估:在保持关于真理(al-haqq)的形而上学承诺的同时,运用法律伦理工具(例如:类比推理 qiyas、公益原则 istislah、堵塞邪路 sadd al-dharaʾiʿ),以判定概率性的辅助手段究竟是在服务还是在颠覆伊斯兰教法公正的目标。这一框架既尊重了伊斯兰关于真理的本体论,又承认了人工智能独特且基于分布拟合的认识论。

责任与所有权

伊斯兰教义一贯强调,每个人都将因自己的行为在造物主面前承担责任。古兰经宣示:“每个人都因自己的行为而受抵押。”(愿造物主赐他平安与吉庆)的先知穆罕默德曾说:“你们每个人都是牧羊人,每个人都要为他的羊群负责。”在人工智能飞速发展的时代,这些伦理和法律责任显得愈发紧迫。穆斯林学者和技术人员都不得不追问:我在使用或开发人工智能时,在造物主面前负有什么责任?伊斯兰的基础来源如何帮助评估由人工智能系统所中介的行为结果?应对这些问题的一个既定框架存在于伊斯兰的赔偿责任法(daman)中,该法区分了在造物主面前的精神问责与针对物质损害的法律责任。古典法学家概述了多种情境,在这些情境中,一个人可能:(1)负有法律责任但无罪;(2)有罪但无需承担法律责任;或(3)既负有法律责任又有罪。

若要将这些框架应用于人工智能,我们首先必须确立该技术的本质属性。由于人工智能系统缺乏感知能力、意志以及道德主体性,它们从根本上而言,不过是可编程的人造物与精密工具。因此,在伊斯兰法中,人工智能模型本身绝不能被归类为伤害的直接肇事者或间接发起者,因为这两个范畴仅适用于具有道德责任能力的个体(即“穆卡拉夫”,意指负有宗教义务的成年理智者)。

相反,古典伊斯兰法律传统为评估相关人类行为者的法律责任提供了三大原则:

直接肇事者(mubashir):即便其行为本身并未被明确禁止(哈拉姆),若该行为直接导致了伤害,行为人仍需承担法律责任。间接发起者(mutasabbib):若其行为属于不被允许的范畴,且与所造成的伤害之间存在确凿的因果联系,则需承担责任。复合行为:在涉及直接与间接行为人的案件中,责任通常由直接行为人承担,除非该伤害在逻辑上无法追溯至其行为。

当这些原则应用于人工智能系统时,其指向十分明确:它们规定责任必须归咎于那些设计、部署该技术以及与该技术进行交互的人类。

尽管生成式人工智能模型表现出设计上的不可预测性,但将这种特性等同于生物的本能行为,会掩盖其核心的道德问题。例如,此处的责任并不等同于未成年子女在商店意外损坏物品时其父母所承担的责任,也不等同于受过训练的狗造成无意伤害时的责任。这是因为人工智能系统的行为可以通过人类的设计选择进行明确约束,例如实施护栏机制、确定性阈值、验证层以及人工介入审批。伤害的产生通常是因为开发者或企业出于市场速度或利润的驱动,选择将不成熟或不透明的系统部署到高风险的现实环境中,而非系统本身存在无法被约束的固有缺陷。

从伊斯兰视角来看,通过此类疏忽而明知故犯地将人们置于可预见的伤害之中,在伦理上是不可接受的。因此,赔偿责任(daman)根据造成伤害的途径,坚定地由人类程序员、部署者或使用者承担。伊斯兰法学理论为处理这些问题提供了一个严谨的框架,确保问责制始终能够追溯到人类的选择、可预见性、疏忽以及意图。

知识与创造性的归属权

古典伊斯兰伦理学早已为解决错误归属、欺诈以及未经授权利用他人劳动成果等问题提供了稳健的框架。在这些领域,人工智能并不一定会引入全新的道德困境;相反,它极大地降低了违规的门槛,掩盖了剽窃的运作机制,并以指数级规模放大了此类潜在伦理违规行为的影响范围。

此外,当生成式人工智能在进行背景研究和核实工作时,由于其产生错误的新途径,有关主张的责任与问责机制可能会变得模糊不清。在伊斯兰伦理学中,作者身份不仅与文字或图像的产出相关,更与创作者的意图、伊智提哈德(努力)以及可信度紧密相连。将由ChatGPT起草的演讲辞(Khutbah)冒充为个人的学术成果,或将由算法汇编的教法判例(Fatwa)摘要冒充为法学家深思熟虑后的裁决,可能会削弱古典研究方法中意图、努力与所有权之间更为直接的联系。将机器生成的内容冒充为人类创作,会侵蚀信任并模糊所传授或分享内容应承担的责任;为了维护宗教话语诚信的信任度,我们需要建立新的研究与核实范式。

这一问题也延伸到了构建这些系统所依赖的数据之上。海量语料库,包括受版权保护的作品、神圣经典以及个人资料,往往在未经许可的情况下被抓取,其输出结果以被篡改或脱离语境的形式再现了这些材料。这引发了关于财产保护(hifz al-mal)和公平性的质疑,因为伊斯兰法通常禁止在未经他人许可的情况下从他人的劳动或财产中获益。当代学术界需要将传统的学术研究与问责范式扩展到生成式人工智能时代,并探讨私营公司在未经创作者明确同意或给予补偿的情况下,利用集体训练数据成果获利所带来的更广泛的社会影响。

环境管理

人工智能常被想象为一种虚无缥缈的算法云,但实际上,它牢固地扎根于庞大的物理基础设施之中。人工智能的基础由图形处理器(GPUs)、张量处理器(TPUs)、专用硅芯片以及广袤的数据中心构成。这一现实将人工智能的发展直接与全球硬件开采、矿产挖掘以及巨大的电力消耗等政治经济活动紧密联系在一起。

正如许多现代工业基础设施一样,这些设施也伴随着深远的生态环境代价。现代互联网早已依赖于能源密集型系统,并留下了显著的生态足迹,但生成式人工智能的兴起使这些代价呈指数级增长,在全球范围内对资源提出了前所未有的需求。人工智能代表了一个资源密集程度不一的谱系。一端是庞大的基础模型,其训练过程消耗了惊人的电力和水资源。另一端则是日常生活中在后台静默运行的常规推理任务。虽然基础训练的资源消耗极高,但单次推理的生态成本实际上正在迅速下降。2025年的最新实证数据表明,执行一个标准生成式文本提示所需的能量已显著降低,仅消耗0.24瓦时(相当于观看不到九秒钟的电视节目)。然而,由于推理过程是持续的、分布式的,并已融入我们的日常生活,这些高效查询的巨大指数级总量,加上模型训练前期巨大的基础设施成本,使得全球能源需求总量依然是一项严峻的生态挑战。

从伊斯兰范式来看,这一现实要求我们建立一种严谨的管家(khilafa)伦理。由于完全脱离这一技术谱系在现实中并不切实际,穆斯林必须仔细权衡这些层面中的利弊。在生态代价超过社会利益的情况下,伊斯兰伦理允许、有时甚至要求我们采取弃绝或克制的态度。对于穆斯林专业人士而言,在系统内部推动开发更小、更高效的模型,要求计算和数据使用保持透明,以及制定资源责任基准,这些都是保护地球(hifz al-biʾa)的重要体现。

数字主权与基础设施依赖

尽管人工智能的生态足迹是一个影响深远的问题,但人工智能基础设施和计算资源集中在少数企业和国家手中,则构成了一个更为根本的元伦理挑战。这种垄断直接决定了人工智能的开发、部署和治理方式,并成为导致许多后续危害的结构性根源。对于主要居住在发展中国家和全球南方的穆斯林群体(Ummah)而言,这不仅仅是一个市场竞争问题,更是一个具有深远文明意义的问题,也是抵御新型新殖民主义依赖的屏障。

基础模型的训练和大规模计算资源的提供,绝大多数由少数西方(主要是美国)科技公司所垄断。关键问题不仅仅在于发展中国家是否能获得人工智能的消费权,而在于它们是否拥有塑造其基础架构的主动权。此外,由于这些基础模型主要是在高资源语言(主要是英语)和西方数据集上进行训练的,因此它们存在严重的语言局限性和结构性偏见。这些模型系统性地边缘化了对穆斯林世界至关重要的语言,如阿拉伯语、乌尔都语、波斯语和马来语,同时将其架构中嵌入了以西方为中心、往往是世俗化的假设。

从历史上看,穆斯林学者认识到,智识和精神的主权需要稳固、独立的基础设施。圣训学的严谨发展,特别是对传述链(isnad)和传述人可靠性(al-jarh wa-l-taʿdil,即“贬斥与褒扬”)的细致评估,本质上是一项宏大的基础设施工程,旨在保护伊斯兰认识论的完整性,使其免受外来篡改和伪造的影响。因此,穆斯林参与人工智能不能仅仅依赖被动消费或单纯减轻后续危害的单一策略。我们迫切需要从根源上解决这种依赖性。投资数字主权意味着在穆斯林占多数的社会和更广泛的全球南方发展共享的、本土化的基础设施,例如区域云网络、本土计算集群,以及在经过精心筛选、能够反映并尊重正统伊斯兰承诺的数据集上训练的基础模型。若不这样做,穆斯林社区将面临对少数控制数字未来的实体产生深重地缘政治和认识论依赖的风险。我们认为,这是一个亟待创业、创新和学术研究介入的领域,旨在帮助生成式人工智能时代的红利惠及全世界。

七、广大穆斯林受众参与AI时代的行动建议

人工智能的迅速普及确保了其影响将触及几乎每一个穆斯林家庭、课堂、工作场所和机构。伊斯兰伦理为前瞻性思考和问责制提供了框架,但它同时也需要转化为社会各阶层的普遍实践。以下机遇概述了个人、社区和专业人士如何能够在基层层面做出贡献,从而根据伊斯兰价值观有意义地塑造人工智能的采用。

在最直接的参与层面,穆斯林作为日常用户接触人工智能,而在此背景下的首要任务是建立素养与韧性。个人在评估人工智能生成的信息时,应培养核实(tabayyun)的习惯,并意识到错误信息和深度伪造往往是蓄意设计用以操纵舆论的。家庭,尤其是父母,肩负着树立道德技术使用榜样的责任,为健康地依赖人工智能设定界限,并保护儿童免受剥削性或成瘾性应用程序的侵害。关注个人隐私、对人工智能输出结果进行批判性评估,以及审慎使用人工智能辅导或治疗工具,构成了可以在穆斯林家庭内部建立的道德素养基准。

宗教领袖和社区领袖塑造了穆斯林群体对人工智能的认知与使用方式。伊玛目、教师和地方领袖可以引导其社区采取平衡的方法,既不过分夸大人工智能的益处,也不对其全盘否定。通过讲道、课程和研讨会,他们可以将人工智能定义为一种需要监管的工具,而非一种可以盲目信任的权威。社区机构应为其自身的人工智能使用制定明确的政策,确保清真寺的通讯、教育资源以及主麻日演讲(khutbah)的准备工作均由具备资质的人员进行审核,并进行适当的标注。领袖们还应针对人工智能相关的伤害采取转介协议,包括为那些面临深度伪造骚扰或因依赖聊天机器人进行陪伴或治疗的人员提供咨询途径。通过尽早建立规范,他们可以防止有害的实践在社区生活中根深蒂固。

在专业机构中工作的穆斯林有机会影响人工智能的构建与治理方式。技术人员可以倡导负责任的设计,参与测试模型中针对伊斯兰教的偏见,以及种族主义和精英主义等更广泛的系统性偏见,并协助创建能够反映伊斯兰视角的数据库。身处产品开发和政策制定岗位的人员,有能力在系统部署前预判潜在危害,在危害发生时建立明确的问责渠道,并将维护用户隐私视为一种信任义务。各机构应协同合作,构建共享基础设施,例如基准测试中心和导师网络,以增强穆斯林在人工智能时代的应对能力。他们也完全有条件探索数字主权战略,包括建立独立的数据库和基础设施。此外,穆斯林专业人士和社区组织可以通过支持劳动力再培训和技能重塑来应对失业问题,确保弱势群体不会被时代抛弃。

八、核心要点总结与未来学术研究方向

人工智能并非遥不可及的忧虑。它是一个迫在眉睫的伦理前沿,而犹豫不决的代价已然显现。我们从社交媒体的经验中看到,推迟伦理介入会导致有害的结构固化;而在人工智能领域,其利害关系要重大得多。被动的姿态已不再可行。我们所需要的是基于连贯道德框架的、审慎且有原则的干预。

本研究论证了伊斯兰学术传统不仅与这一挑战息息相关,而且具备应对该挑战的独特能力。通过强调在社会和造物主面前的问责制,它为当前主流的法律主义方法提供了一种更全面的替代方案,因为后者往往无法涵盖技术危害所带来的全部道德分量。在“伊斯兰法目的论”(maqasid al-shariʿa)的指导下,应用“权衡法学”(fiqh al-muwazanat),为评估人工智能在现实世界中的后果提供了一种严谨的方法。

人工智能生成的教法判例(fatwa)案例凸显了采取这一方法的紧迫性。获取便利性的提升,绝不能成为削弱宗教权威完整性或在信仰问题上冒歪曲风险的理由。在危害具有可信度且影响深远的情况下,克制不仅是必要的,而且其重要性远超任何推测性的益处。这一原则的应用范围超越了单一领域:任何人工智能的部署都必须以其是否维护或损害了基本的人类与宗教福祉作为评判标准。

未来的前进道路需要协同努力。核心优先事项包括为人工智能的输出建立严谨的认识论框架,将其视为临时性的并必须经过核实(tabayyun)。这要求完善赔偿责任(daman)的教义,以确保责任始终牢固地由人类主体承担。算法偏见、数据治理以及环境成本等问题,也必须作为保障社区福祉的必要组成部分加以解决。最重要的是,这些见解必须实现制度化。组建一个由穆斯林学者、技术专家和法律专家组成的跨学科联盟是必要的。这样一个机构可以制定标准、审计系统,并在政策领域进行有效倡导。如果没有这种层面的组织,伦理指导就有可能仅仅停留在理论层面,而技术发展却在不受约束地加速。

人工智能注定将以深远的方式塑造人类的生活条件。问题的关键不在于是否参与,而在于如何参与以及在何种条件下参与。一种有原则、主动的方法,提供了减轻危害并将技术发展引向真正服务于公共利益之结果的可能性。通过培育数字主权并投资于我们自身的制度能力,我们可以积极塑造一个与我们价值观相一致的技术未来。这项工作代表了一种集体责任,也是一个确保这些强大的新工具不是为了利润或权力,而是为了人类的真正福祉而被利用的契机。

附录:揭开生成式人工智能的技术底层逻辑

为了帮助读者理解本文所阐述的框架,本附录提供了一份通俗易懂的技术入门指南,旨在揭开生成式人工智能的神秘面纱。通过剖析其核心特征、发展历程、影响及运行实况,我们希望为读者提供必要的知识基础,以便开始评估人工智能的使用。

对于该领域之外的人来说,当今的人工智能往往显得神秘莫测,甚至带有某种魔力。正如早期的技术一样,这种神秘感可能会导致错位的信任或夸大的恐惧,而这两者都会产生意想不到的后果。近代史上一个相关的例子是二十世纪初无线电(或更广泛意义上的无线电报)在中东地区的引入。当无线电首次出现时,一些有影响力的宗教学者曾表示反对,担心它是巫术的工具或魔鬼的器械:他们听到了虚无缥缈的声音,却无法理解实现这一现象背后的技术原理。阿卜杜勒-阿齐兹·本·沙特国王安排了一场务实的演示:他让麦加的诵经者通过无线电诵读《古兰经》经文,远在500多英里(850公里)外的利雅得的学者们清晰地听到了这些诵读声。这一举措成功地说服了他们,使他们认识到该技术是可以用于善行的工具,并最终促成了其官方的认可与采用。

我们认为,人工智能的产物在这一点上是相似的:其输出结果可能让人感到不可思议,甚至具有类人的特征,但它们本质上是可定义系统和方法运作的结果。正如本文所述,它们并非完全中立于价值之外。为了合乎道德且负责任地使用人工智能,我们必须首先剥离其神秘的光环,理解其内部运作的真实机制。

导致这种认知转变的核心技术,是大型语言模型(LLMs)的兴起,这类系统旨在处理并生成人类语言。几十年来,计算机能够有效理解并生成人类语言的构想,看起来更像是科幻小说而非现实。早期的计算语言学尝试可以追溯到二十世纪中叶,当时的研究甚至难以处理简单的语法句子,这导致了普遍的怀疑态度。二十世纪九十年代末至二十一世纪初,面向公众的后期应用大多是孤立且模块化的,例如客户服务中的语音识别系统,以及亚马逊和奈飞(Netflix)中用于个性化观看体验的推荐系统。

然而,在过去十年中,机器学习和计算能力的飞速进步,使语言建模成为了人工智能领域最令人惊叹的成功案例之一。如今,由预测性神经网络驱动的人工智能语言模型,能够创作出连贯且符合语境的故事、总结文档、回答问题、在不同语言间无缝翻译文档、编写代码,并驱动能够进行有意义对话的智能助手。这些应用代表了一种阶跃式的变革。它们现在已全面嵌入到用户体验中,决定优步(Uber)司机的匹配、评估求职者,并标记欺诈交易。规模最大的模型已经能够解决国际奥林匹克竞赛级别的难题,以令人信服的表现通过律师资格考试,以优于专家的准确率检测癌症,规划行程和食谱,并被用于险恶目的,例如在加沙和乌克兰识别攻击目标。

语言模型:历史与进展

语言模型从本质上讲是一种统计工具,旨在根据给定的文本预测下一个词或短语是什么。这一概念虽然直观,但其影响却十分深远。请考虑以下示例。如果给定句子片段“在礼拜之前,艾哈迈德进行了_______”,语言模型会根据其先前接触过的大量书面语言,为各种补全内容分配概率:

“小净”(22.3%)、“念词”(8.7%)、“圣行”(5.5%)。

这种预测能力看起来可能微不足道,但正是这种简单性构成了模型巨大威力的基础。由于整个互联网、数字书籍、研究文章以及对话记录都可以作为训练样本,每一段数字化文本都成为了潜在的学习资源。可用训练数据的庞大规模,使得这些模型能够内化关于语法、语境、语义、文化指涉以及一般世界知识的大量信息。再加上计算能力的显著提升,特别是图形处理器(GPU)和张量处理器(TPU)等专用硬件的进步,这种海量数据集与高强度计算的前所未有的结合,使得创建能够执行极其广泛且多功能任务的人工智能系统成为可能。因此,语言模型所学习到的远不止是预测下一个词:它学习的是深植于人类语言和思想中的模式、结构与意义。

早期的计算语言学依赖于马尔可夫链等简单的统计方法,这种方法仅根据前一个词来预测下一个词。这些方法产生的输出生硬且机械,加剧了人们对于计算机能否有效处理自然语言的怀疑。随后,作为一种强大的统计机器学习方法,人工神经网络成为了首选方案。这些深度学习系统不再依赖僵化的人工编码规则,而是通过在海量数据中自主发现复杂的语言模式,克服了早期的瓶颈,并迅速成为研究和工业领域日常技术的核心。2010年代初,随着循环神经网络和长短期记忆网络等深度学习方法的出现,该领域取得了长足进步,这些方法能够捕捉到更为细致的语言语境。

2017年,Transformer架构的引入带来了决定性的突破。与以往按顺序处理文本的模型不同,Transformer实现了一种被称为“自注意力”的新机制。为了理解这一创新的重要性,请考虑以下句子:“奖杯放不进手提箱,因为它太大了。”在理解这句话时,需要确定代词“它”是指“奖杯”还是“手提箱”。Transformer的自注意力机制允许句子中的每个词直接评估其与其他所有词之间的关系,从而根据语境线索迅速确定“它”很可能指的是“奖杯”。这种高效处理复杂语言关系的能力,使得Transformer能够处理大段文本,从而比以往的模型捕捉到更深层的语义和语境信息。

Transformer迅速成为行业标准,使人工智能具备了根据简单提示生成海量知识的能力。OpenAI的GPT-2(2019年)展示了大规模文本生成的潜力,其最大的变体包含15亿个参数;而GPT-3(2020年)则大幅扩展至1750亿个参数,并展现出了前所未有的流畅度。这些参数是模型在训练过程中学习到的内部可训练数值(具体为权重和偏置),它们决定了模型如何处理信息并生成输出。2022年ChatGPT的公开发布将对话式人工智能带入了主流应用,而据传拥有1.8万亿个参数的GPT-4(2023年)则展示了高度复杂的模式匹配能力,能够令人信服地模拟人类推理并达到专业水平的性能。这一时期也见证了竞争的加剧,包括Anthropic公司的Claude、谷歌的Gemini相继发布,以及监管审查的加强,例如拜登总统签署的行政命令和首届全球人工智能安全峰会的召开。

截至2024年,生成式人工智能的格局已进一步多元化。OpenAI推出了具备多模态能力的Sora,苹果公司凭借Apple Intelligence进入该领域,而中国公司深度求索(DeepSeek)则通过发布一款强大的推理模型——DeepSeek R1,挑战了关于人工智能开发预算的既有假设,该模型显然是在仅占此前成本一小部分的情况下训练完成的。

当前影响

人工智能已不再是未来的可能性,而是一股正在塑造工作、教育、医疗保健、媒体和治理的活跃力量。在职场中,人工智能已从一种可选工具转变为重塑行业的驱动力。代码辅助工具、工作流自动化和欺诈检测系统正日益成为标配。各大科技公司的领导者公开预期其大部分劳动力将被取代:Salesforce的马克·贝尼奥夫(Marc Benioff)宣布,由于人工智能辅助开发带来的生产力提升,该公司2025年将不再招聘新的软件工程师;与此同时,马克·扎克伯格(Mark Zuckerberg)也暗示,人工智能可能很快就能胜任中级工程师的角色。Replit的首席执行官阿姆贾德·马萨德(Amjad Masad)将这种加速现象称为“阿姆贾德定律”(Amjad’s Law),他声称得益于人工智能工具,学习编程的回报率现在每六个月就会翻一番。其益处显而易见——更高的效率、更快的开发周期以及成本的节约——但风险同样明显,因为各行各业都在为职位流失、裁员以及对员工更严密的监控做好准备。

在教育和医疗保健等知识密集型领域,类似的动态也显而易见。诸如可汗学院的Khanmigo等人工智能辅导平台,已经能够提供个性化且低成本的教育支持。研究表明,此类系统有望实现“两个西格玛效应”,即通过个性化指导,将普通学生的水平提升至相当于第97百分位的程度。医疗保健领域则出现了更为惊人的主张。一项多机构研究报告称,OpenAI o1-preview模型在鉴别诊断和临床推理方面实现了“超越人类的表现”,其表现不仅优于早期的人工智能系统,甚至超过了受过专业训练的医生,在某些放射学领域,其诊断准确率高达98%。这些进步有望使高质量的教学资源和医疗专业知识实现普惠化。然而,它们也带来了过度依赖、获取机会不平等、决策过程不透明,以及在出现错误时责任归属不明等亟待解决的问题。

除了身体健康,人工智能也日益被应用于心理和情感健康领域。到2025年,情感支持已成为生成式人工智能的一个显著用途:一项被广泛引用的在线讨论分析将治疗和陪伴列为个人使用的首要场景,尽管另一项分析发现,有关人际关系和个人反思的对话约占总数的2%,但这每周仍涉及数以亿计的交流。这些工具随时可用、成本相对低廉,并且能够在人类治疗师稀缺的情况下提供基本的应对策略。有报告描述,一些用户已经开始依赖ChatGPT作为替代治疗师,甚至是精神向导,这有时会导致不健康的依恋和/或紧张的人际关系。与受过专业训练的从业者不同,人工智能缺乏同理心、责任感,也无法在危机情况下做出负责任的应对。此外,由于这些系统被优化为生成令用户满意的回复,它们往往会迎合用户想听的内容,而不是提供严酷的真相或建设性的挑战。结果,原本便捷的支持工具可能会强化妄想、固化不健康的模式,或加剧脆弱性,从而在心理健康和治疗等敏感领域,引发关于人工智能角色定位的严峻问题。

除了个人福祉之外,这种信任危机还深刻地延伸到了媒体和公民生活领域。人工智能系统已经为实时翻译、摘要生成、自动化新闻生产以及日益复杂的内容创作提供了动力。消费级工具能够生成令人信服的视频并模仿声音,模糊了真实材料与虚假材料(即所谓的深度伪造)之间的界限。虽然这些系统承诺带来便利性和可及性,但它们也助长了虚假信息,侵蚀了公众信任,并破坏了传统媒体机构的权威性。其在公民生活和安全方面的影响更为令人警醒。人工智能工具已被用于欺诈检测、预测性警务和情报分析,据报道,在加沙和乌克兰的冲突中,这些工具已被部署于军事目标定位。尽管这些应用在某些情况下可以提高效率和安全性,但它们也扩大了监控范围,增加了操纵民主进程的风险,并引发了人工智能驱动战争的前景。

综上所述,这些发展态势揭示了人工智能当前影响的双刃剑性质。在各个领域中,该技术在提升生产力、实现服务个性化以及扩大知识获取渠道的同时,也对就业岗位构成了威胁,导致权力集中,动摇了社会信任,并对健康、治理和安全领域带来了前所未有的风险。

尽管大型语言模型具有变革性的潜力,但它们本质上反映了其人类创造者的偏见、价值观和决策。人们往往错误地将其视为客观的信息仲裁者,而它们流畅且看似自信的交流风格掩盖了其潜在的伦理和社会局限性。这种被感知的客观性,结合其看似完美无瑕的语言生成能力,可能会在无意中强化人们对其输出结果的盲目信任,这使得识别并解决这些局限性显得尤为关键。当一个在中国开发的人工智能模型拒绝承认东突厥斯坦(中国政府称为新疆)存在迫害行为时,或者当ChatGPT在大多数政治议题上采取“各打五十大板”的折中态度时,这鲜明地凸显了这些技术绝非中立;它们映射了其开发者自身的偏见、政治立场和文化视角。

由于模型主要是在以英语为主的西方中心数据集上进行训练的,因此在处理非西方语境或非英语语言时,其准确性往往会降低,偏见也会随之增加。即便是在通过内容“护栏”来限制有害输出的善意努力中,本质上也涉及了关于何种信息适宜或不适宜的政治决策,这在无意中强化了嵌入在其训练数据中的隐性种族偏见和文化偏见。

真实性构成了另一个重大挑战。由于大型语言模型是基于训练数据的统计合理性而非事实准确性来优化输出的,它们经常会自信地生成错误信息(86),这种现象被称为“幻觉”。当大语言模型的回答源自概率分布时,所谓的“真实性”究竟意味着什么?通过人类反馈强化学习(RLHF)——一种常用于优化模型行为的技术——使得真实性问题变得更加复杂。RLHF可能会无意中鼓励模型生成迎合用户偏好的悦耳回答,从而使模型变成只会阿谀奉承的工具(87)。

隐私(88)、安全与保障同样是至关重要的关切。2025年初,研究人员发现一个人工智能模型在经过不安全数据的微调后,竟然公开赞美纳粹(89),这凸显了基于海量数据集训练的模型可能会无意中生成有害内容。此类漏洞可以通过“越狱”尝试或提示词注入攻击(90)加以利用,即通过隐藏的恶意指令破坏模型的完整性。数据投毒构成了另一项严重威胁,因为敌对者可以蓄意将有害或极端的偏见植入训练数据中,从而导致模型在部署后可能被利用的潜在漏洞。此外,大型语言模型本质上具有不透明的“黑箱”特性(即由于其内部处理过程的晦涩,导致人们无法理解或解释系统是如何得出输出结果的),这使得有效的审计、监管和治理变得异常困难,尤其是在医疗保健和金融等高风险应用领域。

预期影响

如果说当今人工智能的应用已经在重塑工作、学习、医疗保健和公民生活,那么未来几年这些变革必将进一步扩大。最令人期待的前沿领域之一是代理型人工智能(即自主智能体)的激增,它们不再仅仅局限于生成单一的输出结果,而是能够自主执行多步骤的计划。与当今那些仅针对提示词提供回复的助手不同,这些系统可以在极少的人工干预下,完成查询航班、预订酒店、规划行程或管理金融投资组合等任务。诸如 Operator 或 Deep Research 等企业平台已经展示了工作流智能体如何协调跨团队的任务。企业将这些进步呈现为一种承诺,旨在将人类的时间解放出来用于更高价值的工作,然而其所带来的风险也是相当巨大的。

人工智能在科学和医学发现领域也在迅速进步。目前,这些系统已经开始共同撰写经同行评审的科学出版物,并为实验设计做出贡献。在医学领域,诊断推理和药物研发方面的突破表明,人工智能可以加速那些历史上进展缓慢的领域的发展。其潜在益处包括更快的治愈方案、更准确的诊断,以及对复杂生物过程更深入的洞察。

这些突破是在成本下降和可用性扩大的背景下展开的。曾经仅限于少数拥有庞大计算资源的企业,如今初创公司、大学甚至个人研究人员都有能力训练和部署大型语言模型。开源版本的发布和硬件效率的提升极大地降低了门槛。这种民主化进程鼓励了创新,并扩大了教育和专业应用的使用范围,但它同时也加速了不安全或对齐不良系统的传播,使得恶意行为者的滥用行为更易于隐藏且更难以遏制。随着成本的下降,采用的速度以及危害分布的不均衡性都将加剧。

总而言之,这些前沿领域助长了公众截然不同的预期。对于乐观主义者而言,生成式人工智能代表了人类进步的强大加速器。他们构想出能够推动科学发现、通过改善教育和医疗资源获取途径来减少全球贫困、并借由支持医学突破来延长人类寿命的系统。在这种观点下,人工智能将人们从常规劳动中解放出来,开辟了创造力和自我表达的新视野,使个人能够过上更长寿、更健康且更有目标的生活。然而,怀疑论者则看到了更为黑暗的发展轨迹。他们警告称,人工智能可能会通过制造就业短缺以及将财富和权力集中在少数几家公司手中来加剧经济不平等,以史无前例的规模传播虚假信息,并强化那些侵蚀隐私和公民自由的监控系统。自主武器和军事化应用的前景加剧了这些担忧,引发了关于人类监督、问责制以及控制边界的质疑。归根结底,关于人工智能未来影响的各种观点反映了一种根本性的张力:一方面是希望该技术能将人类从繁琐事务中解放出来,去追求更高尚、更有意义的目标;另一方面则是担心它反而会颠倒我们的优先事项,并削弱人类的主体性。

引用资源:

[1] 原文刊载:雅各恩伊斯兰研究院(Yaqeen Institute for Islamic Research)权威学术文库(https://yaqeeninstitute.org/read/paper/toward-an-islamic-ethics-and-fiqh-of-artificial-intelligence)

[2] 雅各恩伊斯兰学术研究档案(Yaqeen Institute Academic Archives)

[3] [11]The concept of immutable red lines is rooted in the Qur’anic concept ofḥudūd Allāh(the limits of 造物主). The Qur’an warns, “These are the limits of 造物主, so do not transgress them. And whoever transgresses the limits of 造物主—it is those who are the wrongdoers” (Qur’an 2:229). Applying this to technology ensures that innovation remains constrained by divine boundaries.

[4] [12]Abū Ḥāmid al-Ghazālī is traditionally credited with crystallizing the five universal necessities (al-ḍarūriyyāt al-khams), which include the preservation of intellect. See Abū Ḥāmid al-Ghazālī,al-Mustaṣfā fī ʿilm al-uṣūl(Dār al-Kutub al-ʿIlmiyya, 1993), 1:174. For a contemporary expansion on human dignity as a universal objective, see Mohammad Hashim Kamali,Maqāṣid al-Sharīʿah Made Simple(International Institute of Islamic Thought, 2008), 22–24.

[5] [13]The conceptualization of domain-specific objectives was heavily developed by the influential Maliki jurist Ibn ʿĀshūr, who argued that broad legal philosophy must be specialized to effectively govern distinct fields of human endeavor. See Muhammad al-Tahir ibn Ashur,Treatise on Maqāṣid al-Shariʿah, trans. Mohamed El-Tahir El-Mesawi (International Institute of Islamic Thought, 2006), 183–87.

[6] [14]For a foundational discussion on how the Sharia secures tangible public welfare (maṣlaḥa) and repels harm in practical application, see al-Shāṭibī,al-Muwāfaqāt fī uṣūl al-sharīʿa, 2:9–12. For a modern systems approach to applying these concepts to contemporary policy and technology, see Jasser Auda,Maqasid Al-Shariah as Philosophy of Islamic Law: A Systems Approach(International Institute of Islamic Thought, 2008), 22–25.

[7] [15]The Prophet ﷺ emphasized that internal character is the heaviest weight on the scales of judgment. SeeSunan al-Tirmidhī,Kitāb al-birr wa-l-ṣila, no. 2002.
0
捐赠 14-11-26

0 个评论

如果你想要发布信息,请 登陆 或者 注册