哲学与人工智能相遇是这个时代最为重要的事件之一。前者是最为古老的学科，后者是最新的学科。此次相遇将两大问题呈现出来：取代问题和超越问题。取代问题探讨智能机器能否取代人类劳动和工作[102]；超越问题探讨机器智能能否超越人类智能。[103]本书将重点讨论第一个问题。从现有讨论取代问题的方式看，多见于日常生活或者媒体，充满了渲染和修辞，其目的是博人眼球，较多探讨取代的乌托邦或者敌托邦的后果。[104]在笔者看来，人工智能是海德格尔式的座架本性在智能时代的显现。如今生成对抗网络的图像生成大体上说已经突破了视觉性图灵测试，人们已经根据肉眼无法识别生成性对抗网络生成人脸的真假。在AI辅助诊断癌症的速度和准确率上，人工智能早已超越人类行为。所以，继续讨论“会不会”“能不能”已经没有太大意义。我们更需要的是直面这种取代本身所指，如人类实践活动形式劳动、工作被取代关系的实质。本书将从劳动的语义学分析开始，揭示与劳动有关以痛苦和压抑为特征的文化记忆，探寻哲学史上的劳动记忆论断，并在此基础上阐述技术取代如何改变上述文化记忆的可能性。
1．人类劳动划分及机器活动的双重本质
从语义学角度看，劳动（labor）至少包含了6种含义：（1）具有精神或者身体的工作、苦工（toil）含义；（2）工作、工业的应用；（3）从事的特定的工作和任务，尤其是非常困难的、大力神（Hercules）从事的任务；（4）工作、生产的结果或者产品；（5）与身体上的困难、苦工、艰苦和压力有关的任务；（6）与撕扯有关的身体压力。[105]从牛津—拉丁语辞典中关于labor的词义分析中有两点是需要注意的：（1）有三个定义是用工作（work）来解释劳动，这意味着工作—生产与劳动有着内在的一致性，被用来规定劳动自身，揭示劳动之所以为劳动的本质规定性，也恰恰是在这个意义上，劳动与工作是一体的。（2）有三个定义显示出劳动更多是和苦力、身体或者精神上的压力有关系。高瑞泉教授也在中国古代汉语中“劳动”的词源学考察中指出了相似的规定。“从词源学的向度说，古代汉语中早就存在‘劳动’一词，不过其意义是指一般的劳作、活动，而且在‘大传统’中略微带有负面的意蕴，体力劳动更是如此”。[106]语义学规定的明显缺陷是无法说明劳动如何成为人类得以维持生存和生活质量的条件，更没有说明上述行为的特定主体：传统社会中的人类劳动者和智能社会的非人能动者。所以不能为人们分析人工智能取代人类劳动确立足够的根据。
从哲学角度看，与劳动有关的人类活动描述概念包括行为（behavior）、工作（work）、行动（action）等。[107]这些多与人类实践活动相关。一旦我们从实践活动入手，那么就会触及人类活动的形式区分。在哲学史上，我们能够看到对于人类活动的划分多是二元划分。最初是存在于理论活动与实践活动的划分。这种划分可以追溯到古希腊哲学。柏拉图和亚里士多德将人的活动划分为沉思的活动与实践的活动。从价值角度看，前者比后者价值更加尊贵；从活动形式看，沉思的活动涉及的是思想的运作；后者涉及的是与技术有关的活动。这种划分主要澄清了活动的主体。沉思的主体被设定为精神或灵魂；实践的实体被设定为身体。但是这种划分的出发点却是抽象的。在二者那里，人是什么样的人并没有得到明确的界定。而且留下了一个空白：如何界定政治活动？如何理解奴隶活动？这是上述基于理论—实践框架划分模式无法解决的问题。对这种局限的克服导致了新的划分的出现。这就是劳动与行动的区分。这种划分可追溯到德国近代哲学，并且在当代德国哲学中得到了延续和继承。所谓劳动，即“通过使用技术而对自然环境的操控，它是由工具理性引导的……它被看作是人之为人的三个基本特征之一……在黑格尔那里，正是通过劳动，人与周围的世界发生关联，同时改造它”。[108]而行动多指向人与人发生关系。这种划分的好处是对活动的对象做出了明确规定：劳动指向物质对象，行动指向人类自身。并且这种划分为理解政治活动、奴隶活动提供了可能。但是这种划分的局限是无法明确活动的具体语境；与具体语境有关的划分表现在“事”与“活”的区分，这种区分将人类活动的两种形态给予明确，与之相应的是“做—事”和“干—活”的两种行为。这种划分无法追溯到某个特定阶段，只是这两个说法常常用来描述一种日常，出现在很多影视剧中的“做事了”“干活了”更多是描述了一种日常平凡人语境中的人类活动状态。上述两个二元划分的框架都包含着一个基本预设：能动者的优先性。无论是理论活动／实践活动、劳动／行动、事／活的划分，其主体都是能动者，作为主体存在的人。但是如何解释被动者的活动呢？或者说奴隶社会中奴隶的活动以及工业社会中像机器一样工作的人的活动呢？奴隶很显然不具备自我意识，其活动主要是遵循着主人的意图的活动。以机器方式行为的人相比奴隶，拥有了自我意识，但是自我意识被机器所淹没，如在生产线上的工人，也就是马尔库塞曾经分析过的“单向度的人”。
具有这种解释力的框架来自三元划分的框架。阿伦特为我们建立起来的是一个三元框架：劳动、工作和行动。她在《人的条件》一文中成功地将人的条件设定为劳动、工作和行动等三个维度。劳动是三种条件中的最基本的规定性。“去劳动意味着被必然性所俘获，这种被俘获内在于人类生命的条件之中。因为人们被生活的必然性所统治。他们通过借助力量，统治那些服从于必然性之人，可能会赢得他们的自由”。[109]在她看来，劳动是与动物活动相关，工作是与技术有关的活动，而行动则是与人有关的政治活动。很显然，我们用“劳动”可以解释奴隶的活动。“工作”可以用来解释作为主体的人的活动以及像机器一样工作的人的活动。但是阿伦特的框架也有一个预设是被遮蔽的：技术的工具性。在上述划分中，技术成为实践活动的工具，成为劳动得以可能的工具，服务于做事干活的目的。这一点在传统社会中是成立的，工业机器及其后来的计算机并不具备自我意识，只能接受指令，依然停留在工具层面。而在智能社会中基于神经网络和深度学习的智能机器已经远不是机械意义上的机器了，“深度学习的精妙之处更在于能够自动学习提取什么样的特征才能够获得更好的性能”。[110]它们首先可以像“人一样思维和行动”（S．J．Russell）。随着通用智能技术的成熟以及相应难题的解决，如灾难性遗忘，智能机器完全可以发展出自己的经验和经历，甚至产生机器活动甚至自主意识。所以需要发展出新的理论框架将机器活动纳入理论的解释范围。
当我们对机器活动展开探讨的时候，已经碰到了机器工具性设定的界限。在界限边缘处，双重的本质开始显现出来：其一是人类工作的深度科技化（自动化—智能化）趋势，取代意味着通过自动化—智能化的方式让人们摆脱身体痛苦压力和劳作，从而获得自由状态；其二是机器活动的崛起（机器的自我意识），机器从“准人类活动”向自身活动的过渡。它们共同指向了劳动及其自身的中断。
第一重本质问题：人类活动的深度科技化过程。在第一个结构中，经济现象的描述和哲学话语分析很容易混淆在一起，比如就劳动与工作的区分而言。我们首先面对的是人类工作被取代的大量现象。众多的相关研究已经指向了这个趋势。我们不需要太多地描述现象，而是分析其实质，实质是人类工作自动化的可能性。即哪些工作易于被自动化？在人工智能发展过程中，机器已经取代人类某些特定的岗位。比如用无人机送快递、用机器人陪伴他人。美国学者保罗·多尔蒂指出了未来的变化：出现新的工作模式、关键企业流程中出现新岗位和传统工作流程被全面颠覆等观点。[111]在我们的生活中，某些工作的主体在发生着极大的变化。甚至是艺术创作的主体，算法min max Ex［log（D（x））］＋Ez［log（1－D（G（z）））］曾经制作出一幅艺术作品《爱德蒙·贝拉米肖像》，拍卖了43．25万美元的市场价值。如此，形成了一种多元的工作主体状态，人和机器都可以成为工作主体。或许在未来的社会中，无人机送快递与人类送快递并存。在这一现象背后是人类工作岗位的自动化、智能化的深度融合，甚至是完全的被智能机器替代。对工作的分析势必指向对劳动及其他实践活动的分析，我们可以想见，其都是人类实践活动的自动化过程。以机器为特征的自动化席卷着人类的多数实践活动。
第二重本质是关于机器活动及其自我意识的崛起。这一点的内涵远未被揭示出来。从哲学史上看，哲学家认可了人类劳动对人类自身发展所具有的意义。比如黑格尔将劳动看作是奴隶从事的特有活动。“因此正是在劳动里，奴隶通过自己再重新发现自己的，才意识到他自己固有的意向”。[112]在他看来，意识得以发展和提高的前提条件是恐惧和陶冶事物的劳动。“陶冶事物的劳动”的作用是必要的，“没有陶冶事物的劳动则恐惧只停留在内心里，使人目瞪口呆，而意识也得不到提高与发展”。[113]黑格尔的揭示让我们明晰了恐惧与意识产生的关系，如果“机器活动”及其“恐惧”有效，那么机器自我意识崛起也是非常有可能的。[114]
2．劳动的痛苦记忆与自然中断的意义
词义学的分析已经表明：劳动意味着身体与精神的双重劳作，与身体的痛苦和压力直接相关。语义学的历史导致了一种独特的以痛苦与压力为特征文化记忆。这一点也可以得到个体体验和哲学论证的支持。从个体记忆角度看，个体在恶劣条件和环境下产生的是痛苦的个体记忆。我们在马克思相关著作中看到诸多的描述。在《马克思恩格斯全集》第11卷的说明中，我们看到这样的描述：“马克思为了揭穿自由贸易派关于英国劳动人民是‘幸福’的谎言，他根据工厂视察员的报告材料描述了英国工人群众特别是妇女和童工遭受剥削的触目惊心的景象。他指出资本主义企业的恶劣的劳动条件，劳动保护几乎完全没有，因而工人的健康和生命经常遭受威胁。”[115]这意味着马克思已经有意识地指出了特定社会制度下劳动给人带来的痛苦记忆。他用“异化劳动”来阐述了资本主义制度的劳动异化本质，为分析奴隶社会、资本主义社会等特定社会下劳动的痛苦记忆奠定了哲学根据。
面对劳动的痛苦记忆，通过劳动中断而获得的身心的休息和休整就成为人自身乃至社会遗忘上述痛苦记忆的主要方式，即采取多种方式让身体和精神上获得轻松和愉悦。
从个体角度来说，个体身体会在劳动过程中感到疲惫，随着年龄的增长，承受力越来越弱，越来越容易疲惫。精神会在劳动过程中获得双重结果，或许是愉悦，或许是痛苦。在人类历史上，奴隶从事大量体力劳动，可是他们在精神上获得的肯定不是愉悦。而在现代社会，大多数从事劳动的雇员，在精神上的获得也不一定是愉悦。“996．ICU”现象说明了对这个问题的争议。这场起源于互联网行业的活动有非常可能向其他领域蔓延。这场现象背后是表达了一种对于劳动以及相应的工作制度带来双重压力的抗议。所以在身体的疲惫与精神的痛苦一起压向个体的时候，在某个特定的临界点时刻，个体需要一个时间来休息，让身体重新恢复体力，让精神放松重新振作。这个中断过程就是根据自然身体的承受力而出现的自然中断。
从国家角度来说，国家设计了相应的制度和法律来确保劳动者的权利，如“五一”劳动节就是这样的节日。这些制度甚至被保留下来演变为文化的存在物；从文化角度看，大多数民族都有相应的休息日制度，这种制度往往是根据季节变化、传统节日、民族活动等形成。这些制度和节日从集体层面规定了劳动自然中断状态，并且形成了各自独特的文化形式。那么，自然中断的意义是什么呢？人类工作的自然中断意味着忘却痛苦、重构集体记忆和延续劳动。
劳动的自然中断意味着从身体自身的角度提出的遗忘痛苦和劳作的要求。人类更希望借助工具化的方式让身体从这种痛苦的劳作中摆脱出来。“……把人从最古老和最自然的负担中解放出来，那种劳动和被束缚于必然性的负担。人类条件的一个基本方面也处于危险之中，但是反抗它，那种从劳动者的‘苦工和麻烦’中解放出来的愿望不是现代的产物，而是和被记录的历史一样久远。从劳动自身解放出来不是新的，它曾经属于那些少数的已经最稳固确立的权利中”。[116]而自然中断导致的休息给人带来的最终结果是“暂时遗忘身体的痛苦和压力”。这种遗忘结果的产生是通过其他活动实现的，如与家人的团聚、享受一顿美食或者相应的休闲。但最终由于其从身体角度提出的要求而仅仅表现为偶然的要求。而将这种要求提升为普遍性的则是通过与人类庆典及其集体记忆的重构有关的方式。
劳动的自然中断意味着人类庆典及其集体记忆的重构。面对劳作的辛苦、身体和精神的双重压力，人们需要身体休息、精神放松。然而一个新的问题出来：当处于劳动的自然中断时期，如何填补随着而来的空白状态？这就成为一个需要关心的问题。从海德格尔的生存论角度看，一旦出现空白，无聊必然会涌入。消除无聊的最好方式就是庆祝和庆典，这成为劳动暂时停止后的主要活动。那么，人们通过这种狂欢形式要抵达怎样的目的呢？在自然中断的庆祝中，人们通过距离抵达了劳动本身，看清了劳动之意义，看清了劳动之于人类的关系，并从身体和精神上做好了双重准备：迎接下一次劳动活动的到来。从庆祝和庆典中，人们重塑了集体记忆。保罗·利科尔指出了这一点。“只有通过类比，并且和个体意识及其记忆联系在一起，我们才会将集体记忆视为影响了相关群体历史进程的诸事件留下的诸印痕的一个汇集，并且在节日、仪式、公共庆典活动的场合下，我们才会从中发现导演这些共同记忆的力量”。[117]
最终，劳动的自然中断意味着获得了确保劳动更好地延续的条件。个体和集体都可以通过特定的休息日子来获得修整，通过庆典获得精神上的愉悦，从而使得人们通过休息身体从而更好地迎接新的劳动。人类能够与劳动活动保持一种张力，让劳动者找到劳动自身的意义。
3．技术取代及遗忘痛苦记忆可能性
随着技术及其现代性本质的发展，劳动的自然中断状态逐渐失去了内在根据，人类的活动不再依靠天时来安排，休息也不能依靠身体的自然感受和状态来安排，依靠职责来调节自身是最为更加重要的方法。这种中断调节的效果取决于道德主体的道德意识和责任伦理精神。随着现代性的深入发展，一种新的由技术导致的强制中断开始出现，逐渐取代了上述依靠自然天时、依靠责任来中断的方式。我们更多感受到的是技术形成的各种规定性及其带来中断后果。
在手工技艺主导的时期，技术始终表现为人类劳动得以实现的工具和手段。一切都是工具形式变化，导致的是劳动效率的提升。而人类自身始终保持着对技术的掌控。劳动的中断依然保持为自然状态，即根据人类身体和心灵的自然承受力、根据天时来安排劳动和休息的节奏。休息的空余时间被庆祝和庆典的仪式活动所充盈，人们不仅得到了休息，而且保持着完整的集体记忆。
随着机器工业的发展，情况变得不同了。人类的掌控情况不再，更多出现了机械机器规定人类活动节奏的现象。人类活动被技术规定的最典型的现象是钟表的出现。精确化的刻度时间将人类活动变得匀质化和平面化，让人类活动失去了自然节奏。另外，这种规定强化出现了自动化倾向，也就是取代的初级形式。自动化取代过程因为技术一端的无以为继，人类变成了整体技术系统的边缘附属物。人处于技术系统之外，其功能被取代，人的地位沦为系统的维修者。
随着自动化过程中加速，人类社会步入到智能时代。从劳动演变角度看，数字时代的划分并没有太大意义，而机械时代与智能时代却构成了时代的两个节点。一方面自动化程度在逐步增大；另一方面人类劳动的作用发生了根本变化。智能时代意味着智能化取代现象的出现，这一现象的实质是完全自动化的实现。这个过程技术一端表现出无比强大的力量，人类被甩脱了这个技术系统。但是这种甩脱却采取了另一种形式，人与技术系统的深度嵌入与融合。人的地位不再是系统的维修者，因为系统本身是通过系统不断地维修。人在这一点上完全失去了作用。
自动化取代与智能化取代二者之间有着比较密切的关系。自动化的过程是随着自动控制等领域的出现而成为主导的，而这完全不同于智能化，智能化是自动化程度的质的提升。无论是机械机器取代还是智能机器取代，其实质都是技术取代，都会导致一个共同的结果：人类劳动的技术中断。之所以如此，是因为技术中止了人类的若干劳动。比如艺术家不需要创作、快递员不需要送快递、货车司机也不需要继续开车了。技术中断属于永久中断，因为历史条件的变化，人可能无法再回到原来的地方了，人类社会的工作形式会发生极大变化。
如此，人类活动的技术中断是目前人类活动面临的处境，其当前外在表现形式智能机器取代人类工作。这一过程有可能导致机器智能得以觉醒。在新的神经网络和增强学习的推动下，人工智能不仅能够获得知识，还能够形成一种独特的经验：建立在历史数据基础上的偏见经验。这意味着打开了通用人工智能的大门。如果灾难性遗忘的破解可以实现，那么机器意识觉醒就变得完全可能了。
4．面对被取代命运的四种态度
面对上述被取代的双重本质——人类活动的自动化程度与机器活动的发展，存在着四种态度：“批判”“审视”“适应”和“狂欢”。
第一种是批判的态度。这种态度深深地扎根在传统的人文主义者中，如海德格尔。他的批判建立在对自然状态的充分肯定和挖掘上。他曾经分析过人类社会重要的庆祝形式。在他看来：“庆祝首先意味着打断我们的日常活动以及把工作忘却。这让我们远离其他东西。”[118]庆祝导致了我们的“思”。“随着这些暂停，庆祝因此把我们带到了反思的分水岭，因此也进入到值得追问以及因此再一次抵达决定线的旁边”。[119]庆祝最终是让本真之物到来并且接纳它们。“庆祝是细心的倾听温和的规律，等待本真之物的到来，预备接纳本质之物，等待事件（Ereignis）发生，其中本质显现自身”。[120]尽管他没有经历到今天基于神经网络和深度学习的人工智能，但是他的洞见还是让我们感受到深入的批判态度以及对现代技术保有的警惕之心。他的批判直接指向了技术自身的自动化—智能化趋势，并将这种趋势看作是座架本质在智能时代的充分体现。
第二种是审视的态度。比批判的态度显得较为理性的是审视和适应。在现实生活中，这种态度主要源自企业家。在谈及人工智能即将取代人类工作的问题时，很多企业家表现出理性的审视态度，在他们看来，自动化以及智能化是技术发展的必然趋势，政府部门应该采取的措施是积极地准备应对措施来应对这种变化。这种态度充分显示了占据技术浪尖的精英们的优越态度。
第三种是适应的态度。美国学者戴维·哈维提出了适应的态度。他指出：“我们应该在服务业欢迎AI并推而广之，但也要试图找到一条通往社会主义的替代方案。AI会创造新的工作，也会取代一些工作。我们需要适应这个情况。”[121]他的态度是理性地看到了技术带来了危险与拯救的共存。
第四种是狂欢的态度。审视的态度较为热烈的态度是狂欢。在技术主义者看来，自动化的实现代表的是一种抵抗人类被束缚于工作的有效方式。从阿伦特的《人的条件》的潜在阅读中，我们看到她描述出来的自动化论者们摆脱劳动及其必然性的强烈愿望。在21世纪以来自动化论者转化为智能论者。大卫·法拉因（David Frayne）指出：“自动化论者抗议被浪费的时间，缺乏多样性和在资本主义社会中被多余管理。他们为了工人享受太阳照在身上的权利，与孩子玩耍的权利、发展工厂之外的兴趣和技巧以及在晚上平静地睡觉。我们可能会说自动化论者的诉求不是针对剥削的不公正，而是工人们已经消失的对于世界的感受。”[122]从他的描述中可以看出，技术主义者还是坚持着基于个体的乌托邦设想。
除了第四种态度，其他三种态度都指向了与人工智能有关的恐惧和畏惧。对于人工智能的恐惧情绪源自人工智能取代人类。这一情绪的设定是人类是主体，而机器是人类的辅助工具。[123]如今，人工智能的快速发展以及其不可解释性使得机器智能越来越具有自身的形式，这极大地冲击了“机器是人类的辅助物”这一观念。这种观念的动摇直接导致了人类对于机器的“恐惧”。恐惧更多是心理层面的一种情绪表达。机器智能及其活动发展超越了人们对于人工智能的心理预期，故而导致了恐惧的发生。对人工智能的畏惧主要来自对通用人工智能和超级智能的畏惧，这一切都是建立在机器自主行为及其意识活动的基础上。这一情绪的产生主要发生在精神性活动环节，主要涉及的是人工智能的终极指向，必然导致人类对于机器的“畏惧”。但是畏惧并非是单向的，还有机器对于人类的畏惧，“让人类保持理智永远是一种奢侈”，《流浪地球》中莫斯死亡之前发生的感叹说明了被忽略的机器对于人类的畏惧。畏惧更多是源自对不确定的本身的畏惧，这已经超出了心理层面的对于某种特定对象的恐惧，而上升到形而上学层面。从人自身而言，人类真正面对改变自身存在结构及其状态的事情：机器智能依照自身的路线不停地发展。它与人类智能走出了完全不同的路径。
5．启发
当我们回到AI会不会取代人类劳动（工作）——无论是体力劳动还是脑力劳动的时候，需要反思这个问题表达中存在着未被揭示出来的东西。对于劳动而言，痛苦、苦工、劳作这样的语义记忆如同影子一样难以排除；“被劳动束缚的人”总是让人们容易想到干苦工的奴隶，也成为人类历史难以忘却的文化记忆。马克思的“异化劳动”批判可以看作是劳动痛苦记忆的哲学根据；“像机器一样行为的单面人”是马尔库塞给我们提出的警示。进入数字与智能时代，如何摆脱这种文化记忆成为人们一直在探讨的话题。一本《数字对象与数字主体：大数据时代资本主义、劳动和政治学的跨学科视角研究》中以数字劳动的内容探讨了如何超越劳动的压力和奴隶特性。如J．L．邱（Jack LinChuan Qiu）指出通过数字对象向i-奴隶（i Slavery）说再见。[124]
我们真正担心的不是会被取代，而是担心这种取代会让我们继续延续着阿伦特所说的“劳动社会”（laboring society）。只是阿伦特在《人的条件》中所说的“劳动社会的延续”是指人们依然像动物、奴隶和机器一样劳作，无法上升到标志人类本质的政治活动。在智能社会，我们需要警惕的是“劳动社会”是建立在机器自主活动和意识崛起的基础上，智能机器将人类变成机器，让人进入到一种被规定的、无法摆脱的劳动状态。所以，在人类劳动自动化的意义上，“真正取代”将是一件好事，有利于人类摆脱劳动自身的痛苦和压力，更有助于改变劳动痛苦的文化记忆形象；但是在机器活动及其自主意识崛起的意义上，“真正取代”是需要限制的，需要为人类自身在技术面前保有自身的尊严和价值。所以，需要讨论的不是“会不会”这样的事实表述，而是“应该不应该”的价值表述。我们需要做的是通过取代让我们摆脱以及终结“劳动社会”的延续。
如果是这样，不用惧怕AI取代人类工作，因为就业结构的变化是经济发展的一个必然现象，旧的职业被取代，必然会产生新的职业。2019年，国家职业分类大典颁布了首批新的13个职业目录。[125]关键是我们从中看到AI与人类劳动之间的关系。当我们面对AI取代人类工作的时候，更应该推进这种速度，让AI真正取代人类劳动，只有这样才能够获得全面而自由地发展。
但是，持有对智能机器的恐惧却是必要的。“接下来我要提出的是从我们最近的体验和我们最近的恐惧重新考虑人的条件”。[126]只有正视人类对于人工智能的“恐惧”，才能够导致合适的智能人文意识的发生，从而构建起人与技术的自由关系。
【注释】
[1]康德哲学人类学著作中提到第一类感觉包括触觉（touch，tactus）、视觉（sight，visus）、听觉（hearing，auditus）；第二类感觉包括味觉（taste，gustus）、嗅觉（smell，olfactus），统称为五感。KANT．I．Anthropology from a Pragmatic Point of View［M］．Translated by VICTOR LYLE DOWDELL，Revised and Edited by HANS H．RUDNICK．Carbondale：Southern Illinois University Press，1996：41．
[2]KANT．I．Anthropology from a Pragmatic Point of View［M］．Translated by VICTOR LYLE DOWDELL，Revised and Edited by HANS H．RUDNICK．Carbondale：Southern Illinois University Press，1996：73．
[3]IERUSALEM A．Catastrophic Important of Catastrophic Forgetting［EB／OL］．（2018-10-09）［2020-09-06］https：／／arxiv．org／pdf／1808．07049．pdf．
[4]2018年9月7—8日，中国科学院的“人工智能伦理问题研究”的项目正式启动，这次会议邀请了哲学领域的相关学者进行研讨，会议讨论过程中，这些问题显露出来，比如对人工智能缺乏共同认可的界定、对话更多围绕媒体关心的话题，如危害、社会影响，对人工智能的基础理论等问题讨论较少。
[5]机器主体性的讨论国内学者如段伟文、田海平等；关于挑战的讨论主要代表如成素梅教授，参见：成素梅．智能化社会的十大挑战［M］．探索与争鸣，2017（10）：41-48．
[6]2018年9月5日，中国科学院张杰院士在西安召开的“华山论剑、创新中国”会议上发表了“未来已来，唯变不变——对新科技革命的思考与展望”的报告，在报告中他提出了人工智能三个阶段的观点。
[7]英国哲学家弗洛里迪（L．Floridi）倾向用“轻（light）人工智能”和“强（strong）人工智能”这样的表述。他也指出了多种说法，如弱人工智能／强人工智能、好的老式人工智能／新的新式人工智能等说法。在他看来，这关系到人工智能背后的两个灵魂——工程学和认知学的争议。
[8]LAKE BM．，et al Human-Level Concept Learning through Probabilistic Program Induction［J］．Science，2015，350（6226）：1332-1338．
[9]蔡自兴．人工智能及其应用（第3版）［M］．北京：清华大学出版社，2003．
[10]黑格尔．精神现象学［M］．贺麟，王玖兴，译．北京：商务印书馆，1997：19．
[11]RUIN H．，Memory［C］／／The Blackwell Companion to Hermeneutics，eds．Niall Keane＆Chris Lawn．Oxford：Blackwell，2016：114-121．
[12]MIYASHITA Y．Cognitive Memory：Cellular and Network Machineries and Their Top-Down Control［J］．Science，2004（306）：435440．
[13]嵌套LSTM（Nested LSTM）由卡内基梅隆大学（CMU）的Joel Ruben Antony Moniz和蒙特利尔大学的David Krueger联合提出的多级循环神经网络架构，这一模式能够处理更长时间的内部记忆。
[14]GRAVES A．，et al，Hybrid computing using a neural network with dynamic external memory［J］．Nature，2016（538）：471-476．
[15]HOCHREITER S．，SCHMIDHUBER J．Long Short-Term Memory［J］．Neural Computation，1997，9（8）：1735-1780．
[16]GRAVES，ALEX，MOHAMED，ABDEL-RAHMAN，HINTON，GEOFFREY E．Speech recognition with deep recurrent neural networks［EB／OL］．（2013-10-21）［2020-09-06］https：／／ieeexplore．ieee．org／document／6638947．
[17]SUTSKEVER，ILYA，VINYALS，ORIOL，LE QUOC V．Sequence to sequence learning with neural networks［J］．CoRR，abs／1409．3215，2014．
[18]VINYALS O．，TOSHEV A．，BENGIO S．，ERHAN D．Show and tell：A neural image caption generator［EB／OL］．（2015-04-20）［2020-09-07］https：／／arxiv．org／pdf／1411．4555．pdf．
[19]ZHU XD．，et al．Long Short-Term Memory Over Tree Structures［EB／OL］．（201804-05）［2020-09-06］https：／／arxiv．org／pdf／1503．04881．pdf．
[20]KALCHBRENNER N．，DANIHELKA I．，GRAVES A．Grid Long Short-Term Memory［EB／OL］．（2018 04-05）［2020-09-07］https：／／arxiv．org／pdf／1507．01526．pdf．
[21]从90年代的SRNN开始，纵览循环神经网络27年的研究进展［EB／OL］．（2018-01-05）［2020-09-05］．https：／／www．sohu．com／a／214797899_465975．
[22]YANG GYR，et al．A dataset and architecture for visual reasoningwith a working memory［EB／OL］．（2018-04-02）［2020-09-06］https：／／arxiv．org／pdf／1803．06092．pdf．
[23]YANG GYR，et al．A dataset and architecture for visual reasoningwith a working memory［EB／OL］．（2018-04-02）［2020-09-06］https：／／arxiv．org／pdf／1803．06092．pdf．
[24]YANG GYR，et al．A dataset and architecture for visual reasoningwith a working memory［EB／OL］．（2018-04-02）［2020-09-06］https：／／arxiv．org／pdf／1803．06092．pdf．
[25]TULVING E．Elements of Episodic memory［M］．Oxford：Clarendon Press，1983：iii．
[26]一些学者认为，AI发展的未来是迁移学习。根据吴恩达的看法，人工智能未来的发展方向是迁移学习（transfer learning），这种技术利用卷积神经网络（RNN）学习已有的标记好的预训练网络系统，如在医学图像中被运用。哈比斯（Demis Hassabis）的看法也是大体相同。他在一篇讨论人工智能与神经科学（2017）的论文中指出了两个学科交汇点的过去、当下和未来。从学习角度看，他提到了过去的“深度学习”和“强化学习”、当下“持续学习”以及未来的“有效学习、迁移学习”。［DEMIS HASSABIS，et al．Neuroscience-Inspired Artificial Intelligence［J］．Neuron，2017（95）：245-258．］根据他的观点，人工智能发展已经渡过深度学习阶段，正处于持续学习阶段，并且会进入到迁移学习阶段。
[27]N．Tishby，希伯来大学计算机与神经科学教授，他于2017年提出了信息瓶颈（Information Bottleneck）理论。
[28]RUSU AA．，et al．Progressive Neural Network［EB／OL］．（2018-09-17）［2020-09-06］https：／／arxiv．org／abs／1606．04671．
[29]根据段伟文研究员的看法，拟主体的核心问题在于采用代码编写的算法，将人类所倡导的价值取向与伦理规范得以嵌入到各种智能体中，使其遵守道德规范并具有自主伦理抉择能力。参见段伟文．人工智能的道德代码与伦理嵌入［N］．光明日报理论版．2017-09-04。国内相似的观点如田海平教授提出的“善法嵌入”（2017）、苏令银的“儒家伦理规范嵌入”（2018）；国外学者主要代表是荷兰的彼得·保罗·维贝克教授（2011）。
[30]赫克托·莱韦斯特．人工智能的进化［M］．王佩，译，北京：中信出版集团，2018：20．
[31]也有学者批判了这一理论，Adrian Colyer向ICLR2018大会提交了题为《关于深度学习的信息瓶颈理论》的论文，对这一理论做出了批判分析。
[32]RICHARDS BA．The Persistence and Transience of Memory［J］．Neuron，2017（94）：1071．
[33]笔者曾经提出记忆哲学是理解人工智能的钥匙（杨庆峰．记忆哲学：解码人工智能及其发展的钥匙［J］．探索与争鸣，2018（11）：60-66，107．），在这一观点的引导下展开思考，智能与记忆作为记忆哲学的基本问题需要解决和面对。
[34]从范畴来看，“智能”（intelligence）概念并不属于严格的哲学范畴，我们很难从传统哲学家那里找到比较系统的智能论述。从亚里士多德到胡塞尔，我们看到的是从灵魂到意识的相关论述和分析，却没有智能；即便对于最有可能的黑格尔来说，也只是精神概念成为最根本的概念。这个概念只是随着近代实验心理学的出现，才有了地位。这个概念也无法避免被数量化的命运，所以智能与智力测试密切联系在一起。心理学的做法为智能确立了一个科学的标准，即可以被测量的指数，也就是后来IQ合法性的确立。所以，从智能本身来看，至少存在着四个事实需要注意：（1）从质上说，智能是通过力量和能力表现出来；（2）从量上看，智能完全可以被测量，并通过某种方式加以表达；（3）从解释来说，可以通过意识、灵魂、心理等来解释和理解智能概念的相关问题；（4）就智能本身来说，还需要关注到智能的承载者。
[35]从智能承载者来看，人类智能与机器智能为两个被对立起来的端点。如果我们接受（3），如用灵魂来解释智能的话，可以从哲学史上找到人类智能和动物智能的合法性源头。亚里士多德在《论灵魂及其他》一文中指出了植物灵魂、动物灵魂和人类灵魂的三分法。他把植物灵魂归于感觉机能、动物灵魂归于运动机能，人类灵魂归于理性机能。如此解读的结论是：人类智能与人类灵魂相等同，而动物智能与动物灵魂相等同。但是，这种独立存在的问题，忽略了动物智能在整个智能类型中的地位。此外，在人工智能灵魂讨论问题的时候，我们会看到有一些混淆，如人工智能与机器智能的关系。一般情况下，人工智能与机器智能被画上等号。但是，二者存在最大的区别是，人工智能主要是强调的是智能的实现问题，其背后的根据是智能的可测量性和技术可实现性。而机器智能则突出了智能承载者，与机器并列的人类和动物会成为主要的对象。而如果是这样，人工智能理应与自然智能对应，而自然智能包括人类智能、动物智能等形式。
[36]图灵测试的经典例子来自以下这篇文章：TURING A．M．Computing machinery and intelligence［J］．Mind，1950（59）：433-460．
[37]BODDINGTON P．Towards a Code of Ethics for Artificial Intelligence［M］．Springer，2017：36．
[38]这篇文章主要讨论了人工智能体具备先天的类人空间表征结构，见BANINO A．，et al．Vector-based navigation using grid-like representations in artificial agents［J］．Nature，2018（557）：429433．能够为人、动物和智能体的同构分析提供科学根据。
[39]RUSSELL SJ．Artificial Intelligence—A Modern Approach：3d［M］．Upper Saddle River：Prentice Hall，2009：30．
[40]RUSSELL SJ．Artificial Intelligence—A Modern Approach：3d［M］．Upper Saddle River：Prentice Hall，2009：2．根据罗素的分析，像人一样思考来自Richard Bellman，1978、John Haugeland，1985年的观点；像人一样行为来自Ray Kurzweil，1990、Richard Karp和Kevin Knight，1991年的观点。
[41]杨庆峰．记忆、认知与记忆本体论［J］．南京社会科学，2018（7）：32 40．
[42]OECD Multilingual SummariesArtificial Intelligence in SocietySummary in English［EB／OL］．（2019／-06-11）［2020-09-07］https：／／www．oecd-ilibrary．org／docserver／9f3159b8-en．pdf？expires＝1562289689＆id＝id＆accname＝guest＆checksum＝7EB8CC4E5DCB12BD8B654ED5B5BDF175．
[43]DAEYUN SHIN，CHARLESSC．FOWLKES，DEREK HOIEM．Pixels，voxels，and views：A study of shape representations for single view 3D object shape prediction［EB／OL］．（2018-06-12）［2019-07-05］https：／／arxiv．org／pdf／1804．06032．pdf．
[44]GOODFELLOW I．，BENGIO Y．，COURVILLE A．Deep Learning［M］．Boston：The MIT Press，2016：2．
[45]黑格尔．精神现象学［M］．贺麟，王玖兴，译．北京：商务印书馆，1997：128．
[46]马文，明斯基．心灵社会：从细胞到人工智能，人类思维的优雅解读［M］．任楠，译，北京：机械工业出版社，2018：86．(www.xing528.com)
[47]马文，明斯基．心灵社会：从细胞到人工智能，人类思维的优雅解读［M］．任楠，译，北京：机械工业出版社，2018：184．
[48]马文，明斯基．心灵社会：从细胞到人工智能，人类思维的优雅解读［M］．任楠，译，北京：机械工业出版社，2018：184．
[49]DAVID MUMFORD．Can an artificial intelligence machine be conscious［EB／OL］．（2019-04-11）［2020-09-07］http：／／www．dam．brown．edu／people／mumford／blog／2019／conscious．html．
[50]安东宁·图因曼．智能就是算法吗？［M］．答凯艳等，译．北京：机械工业出版社，2019：23．
[51]GOODFELLOW I．，BENGIO Y．，COURVILLE A．Deep Learning［M］．Boston：The MIT Press，2016：2．
[52]GOODFELLOW I．，BENGIO Y．，COURVILLE A．Deep Learning［M］．Boston：The MIT Press，2016：6．
[53]GOODFELLOW I．，BENGIO Y．，COURVILLE A．Deep Learning［M］．Boston：The MIT Press，2016：6．
[54]GOODFELLOW I．，BENGIO Y．，COURVILLE A．Deep Learning［M］．Boston：The MIT Press，2016：3．
[55]GOODFELLOW I．，BENGIO Y．，COURVILLE A．Deep Learning［M］．Boston：The MIT Press，2016：3．
[56]胡塞尔．被动综合分析［M］．李云飞，译．北京：商务印书馆，2017：124．
[57]勒高夫．历史与记忆［M］．方仁杰、倪复生，译．北京：中国人民大学出版社，2010：80．
[58]勒高夫．历史与记忆［M］．方仁杰、倪复生，译．北京：中国人民大学出版社，2010：88．
[59]周昌忠．科学的哲学基础［M］．北京：科学出版社，2013：98．
[60]杨庆峰．当代记忆的哲学透视［J］．华东师范大学学报，2017（11）：26-37，173．
[61]讨论人类认知系统中的灾难性遗忘的文献主要是出现在80年代末心理学和认知科学中，如M．McCloskey（1989）、R．Ratcliff（1990）、J．L．McClelland（1995）和R．M．French（1999）。基本的观点是在联接主义模式中存在着灾难性遗忘，还有学者揭示出婴孩也会存在灾难性遗忘现象（Jennifer M．Zosh，2015）。对于灾难性遗忘的描述主要是阐述新旧信息的关系，比如再后续任务的训练中先前学习的信息内容丢失或者被破坏（Anthony Robins，1995；Joan Serra，2018）。这些界定已经隐含着一个规定性，遗忘是信息内容删除的结果。
[62]WEN SX．Overcoming catastrophic forgetting problem by weight consolidation and long-term memory［EB／OL］．（2018-10-09）［2020-09-07］https：／／arxiv．org／abs／，ar Xiv：1805．07441v1．
[63]杨庆峰，伍梦秋．记忆哲学：解码人工智能及其发展的钥匙［J］．探索与争鸣，2018（11）：60-66，107．
[64]McCLOSKEY M．，COHEN NJ．Catastrophic Interference in Connectionist Networks：The Sequential Learning Problem［J］．Psychology of Learning and Motivation，1989（24）：109-165．但是灾难性遗忘对于婴儿来说是存在的，这是不同于成人的地方。（ZOSH JM．，FEIGENSON L．Array heterogeneity prevents catastrophic forgetting in infants［J］．Cognition，2015（136）：365-380．）
[65]人工智能学界用“小样本学习”来描述触类旁通的学习过程，严格来说，这个概念并不能描述触类旁通的学习过程。小样本学习的哲学根据更多是“部分-整体”的知识论框架概念，即可以通过物体部分元素的学习来推演出物体整体的状态或行为，但是小样本学习更多针对同一物体而言，而触类旁通则是面对多个物体或者事件，并非是由同一个部分推演到同一个对象，而是在不同对象之间借助类似和联想获得一般性认识。所以，尽管从形式看，触类旁通也是从一到多，从部分到整体，但是其实质并非是推演的结果，而是更多有经验—想象因素在其中起作用。
[66]ARISTOTLE A．，JENKINSON J．，MURE G．R．G．Prior Analytics and Posterior Analytics［M］．Lawrence，KS：Digireads．com Publishing，2006：53-54．
[67]伽达默尔．真理与方法［M］．洪汉鼎，译．上海：上海译文出版社，2004：863．
[68]康德．实用人类学［M］．邓晓芒，译．上海：上海人民出版社，2005：71．
[69]康德．实用人类学［M］．邓晓芒，译．上海：上海人民出版社，2005：75．
[70]康德．实用人类学［M］．邓晓芒，译．上海：上海人民出版社，2005：76．
[71]FRENCH R M．Semi-distributed representations and catastrophic forgetting in connectionist networks［J］．Connection Sci．1992（4）：365-367；FRENCH R M．Catastrophic forgetting in connectionist networks［J］．Trends in Cognitive Sciences，1999，3（4）：128-135．
[72]HASSELMO ME．Avoiding Catastrophic Forgetting［J］．Trends of cognitive science，2017，21（6）：407-408．
[73]Overcoming Catastrophic Interference by Conceptors，ar Xiv：1707．04853，2017。Conceptor的概念非常有趣，其主要是解决大脑功能整合的问题，在人工智能界，从现象、功能、机制和对象等角度探讨agent的问题，为了解决这一问题，他们从不同学科借鉴了相应的概念，但是这些概念彼此之间的割裂情况非常严重。如何把这些概念整合成功能整体成为一个重要挑战。科学家也提出了多种范式，如行为主义、网络大脑、心灵社会等等概念，但是都不成功。Conceptor在2014年被提出来作为一种新的可能性。在一篇导论性文章中，作者Herbert Jaeger（2014）给出了定义“这是一种神经计算机制，它就像干细胞，能够区分为神经计算功能的多样性，通过这种方式，它们在看似多样的神经认知现象底下显示了一个共同的计算原则。”（JAEGER H．Conceptors：an easy introduction［EB／OL］．（2014-06-10）［2020-09-07］．https：／／arxiv．org／abs／1406．2671．
[74]RITTER H．，BOTEV A．，BARBER D．Online Structured Laplace Approximations For Overcoming Catastrophic Forgetting［EB／OL］．（2018-05-20）［2020-0907］．https：／／ar Xiv：1805．07810．
[75]SERR J．，SURIS D．，MIRON M．，KARATZOGLOU A．Overcoming Catastrophic Forgetting with Hard Attention to the Task［EB／OL］．（2018-01-04）［2020-09-07］．https：／／arxiv．org／abs／1801．01423．
[76]LEE SW．，et al，Overcoming Catastrophic Forgetting by Incremental Moment Matching［EB／OL］．（2017-03-04）［2018-10-9］．https：／／arxiv．org／abs／ar Xiv：1703．08475v3．
[77]LEE SW．，et al，Overcoming Catastrophic Forgetting by Incremental Moment Matching［EB／OL］．（2017-03-04）［2018-10-9］．https：／／arxiv．org／abs／ar Xiv：1703．08475v3．
[78]FRENCH R M．Semi-distributed representations and catastrophic forgetting in connectionist networks［J］．Connection Scicence，1992（4）：365367．
[79]ROBINS A．Catastrophic Forgetting，RehearsalPseudorehearsal［J］．Connection Science，1995，7（2）：123．
[80]这方面的代表性成果如：WEN SX．Overcoming catastrophic forgetting problem by weight consolidation and long-term memory［EB／OL］．（2018-10-09）［2020-09-07］．https：／／arxiv．org／abs／，ar Xiv：1805．07441v1；ZACARIAS AS．，ALEXANDRE LA．SeNA-CNN：Overcoming Catastrophic Forgetting in Convolutional Neural Networks by Selective Network Augmentation［EB／OL］．（2018-02-22）［2020-09-07］．https：／／arxiv．org／abs／1802．08250．
[81]KIRKPATRICK J．，et al．Overcoming catastrophic forgetting in neural networks［EB／OL］．（2016-12-02）［2018-10-9］．https：／／arxiv．org／abs／1612．00796．
[82]KIRKPATRICK J．，et al．Overcoming catastrophic forgetting in neural networks［EB／OL］．（2016-12-02）［2018-10-9］．https：／／arxiv．org／abs／1612．00796．
[83]KIRKPATRICK J．，et al．Overcoming catastrophic forgetting in neural networks［EB／OL］．（2016-12-02）［2018-10-9］．https：／／arxiv．org／abs／1612．00796．
[84]HIGGINS I，et al．Life-Long Disentangled Representation Learning with Cross-Domain Latent Homologies［EB／OL］．（2018-08-20）［2018-10-9］．https：／／arxiv．org／abs／1808．06508．
[85]JUN-TING HSIEH，et al．Learning to Decompose and Disentangle Representations for Video Prediction［EB／OL］．（2018-01-11）［2018-10-21］，https：／／arxiv．org／abs／1806．04166．根据李飞飞在本文中指出的，视觉预见包括早期识别与活动预见、人类姿势与轨迹预测、未来框架预见等。
[86]ZEJIAN LI，et al．Unsupervised Disentangled Representation Learning with Analogical Relations［EB／OL］．（2018-04-25）［2018-10-21］，https：／／arxiv．org／pdf／1804．09502．pdf．
[87]TRAN L．，et al，Disentangled Representation Learning GAN for Pose-Invariant Face Recognition［C／OL］．［2018-10-9］．Conference Paper，2017，DOI：10．1109／CVPR．2017．141．
[88]SERR J．，SURIS D．，MIRON M．，KARATZOGLOU A．Overcoming Catastrophic Forgetting with Hard Attention to the Task［EB／OL］．（2018-05-29）［2018-10-11］．https：／／arxiv．org／abs／1801．01423．
[89]③④ IERUSALEM A．Catastrophic Important of Catastrophic Forgetting［EB／OL］．（2019-11-27）［2020-09-07］．https：／／arxiv．org／abs／1908．07049v1，2018．
[90]IERUSALEM A．Catastrophic Important of Catastrophic Forgetting［EB／OL］．（2019-11-27）［2020-09-07］．https：／／arxiv．org／abs／1908．07049v1，2018．
[91]IERUSALEM A．Catastrophic Important of Catastrophic Forgetting［EB／OL］．（2019-11-27）［2020-09-07］．https：／／arxiv．org／abs／1908．07049v1，2018．
[92]胡塞尔．内时间意识现象学［M］．倪梁康，译．北京：商务印书馆，2009：59．
[93]胡塞尔．内时间意识现象学［M］．倪梁康，译．北京：商务印书馆，2009：60-61．
[94]BENGIO Y．，COURVILLE A．，VINCENT P．Representation Learning：A Review and New Perspectives［C／OL］．IEEE Transactions on Pattern Analysis and Machine Intelligence，2013，35（8）：17981828．doi：10．1109／tpami．2013．50．
[95]HIGGINS I．，etal．Life-Long Disentangled Representation Learning with Cross-Domain Latent Homologies［EB／OL］．（2018-0820）［2018 1014］．https：／／arxiv．org／abs／1808．06508．
[96]BENGIO Y．，COURVILLE A．，VINCENT P．Representation Learning：A Review and New Perspectives［C］．IEEE Transactions on Pattern Analysis and Machine Intelligence，2013，35（8）：1813．
[97]BENGIO Y．，COURVILLE A．，VINCENT P．Representation Learning：A Review and New Perspectives［C］．IEEE Transactions on Pattern Analysis and Machine Intelligence，2013，35（8）：1798．
[98]胡塞尔．被动综合分析［M］．李云飞，译．北京：商务印书馆，2017：15．
[99]胡塞尔．被动综合分析［M］．李云飞，译．北京：商务印书馆，2017：16．
[100]格林菲尔德，亚当．区块链、人工智能、数字货币［M］．张文平等，译．北京：电子工业出版社，2018：261．
[101]莫兰，德尔默．胡塞尔词典［M］．李幼蒸，译．北京：中国人民大学出版社，2015：95．
[102]Mckinsey Global Reprort已经指出人工智能正在取代人类工作。到2030年，人工智能和机器人将消除30%（约8亿）人的工作，中国近1亿人或面临职业转变。这份报告《自动化时代的劳动力转变》，主要提出（1）全球50%的工作可以被机器人取代；（2）6成的工作岗位，其30%的工作量可以被机器代劳；（3）2030年，保守估计全球15%的人会因为AI工作会发生变化，预计影响近8亿人。
[103]2019年5月份，图灵奖获得者齐聚中国成都商讨人工智能能否超越人类智能；这次讨论由原澳门大学校长赵伟教授主持。
[104]2019年有一本著作描写了取代论的关系及其后果。这本书主要讨论技术解放论（technoliberalism）和自动化的关系。其主要探讨人工智能取代后果的反思，即能否导致人类解放的问题。而对取代本身的思考还是较少。ATANASOSKI N．，VORA K．Surrogate＆Humanity：Race，Robots，and the Politics of Technological Futures［M］．Durham：Duke University Press，2019．
[105]SOUTER A．Oxford Latin Dictionary［M］．Oxford：Oxford University Press，1968：991．
[106]高瑞泉．“劳动”：可作历史分析的观念［J］．探索与争鸣，2015（8）：26-28．
[107]除了行为之外，其他概念都可以看作是实践活动的表现形式。行为是用来描述人与动物共同的生物特性的概念，如身体受神经机制支配的动作、包括感知等大脑的意识动作，这个概念多限于生物学领域；劳动则是用来描述人类与动物区相异的规定性，劳动（制造工具的活动）使得人与动物区别开的规定性（如马克思）。但是马克思那里把劳动等同于制造工具的活动，所以存在歧义性；而工作是比较好的作为人类特定活动的普遍形式，比如利用技术的活动；行动（action）则更加适合描述人类作为政治存在物的范畴，比如利用人的活动。职位（job）是具体的、描述的说法，一般情况下，工作与职业相当于同义词，在人类社会进化过程中，职业专业化的过程是不同工作细化的过程；工作的自动化过程就是工作被自动机器取代的过程。
[108]安德鲁．埃德加．哈贝马斯：关键概念［M］．杨礼银，朱松峰，译．南京：江苏人民出版社，2009：87．
[109]ARENDT H．The human condition［M］．Chicago：University of Chicago Press，1998：83．
[110]山下隆义．图解深度学习［M］．张弥，译．北京：人民邮电出版社，2018：6．
[111]此观点见保罗·多尔蒂．机器与人：埃森哲论新人工智能［M］．赵亚男，译．北京：中信出版集团，2017，第二部分的第五章、第六章。
[112]黑格尔．精神现象学［M］．贺麟，王玖兴，译．北京：商务印书馆，1997：131．
[113]黑格尔．精神现象学［M］．贺麟，王玖兴，译．北京：商务印书馆，1997：131．
[114]人工智能领域的专家大卫·芒福德（David Mumford）在一篇《人工智能的机器可能有意识吗》的文章中指出，如果希望AI真正拥有自主意识，它必须在某种意义上拥有自己的情绪。他谈到了多种情绪，其中也包含了恐惧。但是大卫并不了解黑格尔。这意味着人工智能的意识讨论能够从黑格尔的哲学中找到某种根据。存在这样一种可能性：机器意识的自觉发生存在着两种条件，劳动与恐惧。如果说智能机器取代人类工作意味着机器劳动的发生，而恐惧将随着机器记忆与经历的形成而逐步形成。同样，人类保有对AI的恐惧也有助于合适的人类智能人文意识的发生。
[115]中央编译局．马克思恩格斯全集：第11卷［M］．北京：人民出版社，1995．
[116]ARENDT H．The human condition［M］．Chicago：University of Chicago Press，1998：4．
[117]保罗·利科尔．记忆，历史，遗忘［M］．李岑彦，陈颖，译．上海：华东师范大学出版社，2018：151．
[118]HEIDEGGER M．Holderlin's Hymn“Remeberance”［M］．Translated by WILLIAM McNEILL and JULIA IRELAND．Bloomington：Indiana University Press，2018：57．
[119]HEIDEGGER M．Holderlin's Hymn“Remeberance”［M］．Translated by WILLIAM McNEILL and JULIA IRELAND．Bloomington：Indiana University Press，2018：58．
[120]HEIDEGGER M．Holderlin's Hymn“Remeberance”［M］．Translated by WILLIAM McNEILL and JULIA IRELAND．Bloomington：Indiana University Press，2018：59．
[121]The neoliberal project is alive but has lost its legitimacy'：David Harvey［EB／OL］．（2019-02-16）［2019-04-11］．https：／／mronline．org／2019／02／16／the-neoliberal-project-is-alive-but-has-lost-itslegitimacy-david-harvey／．
[122]FRAYNE D．The Refusal of Work：The Theory and Practice of Resistance to Work［M］．London：Zed Books Ltd，2015：2．
[123]这一设定建立在两个根据之上：其一是根据人工智能的基本定义，机器智能是对人类智能的模仿。S．J．罗素指出，人工智能是像人一样思维和行动，如此，机器智能是模仿人类智能的结果。在这样的逻辑设定之上，因为其智能上的模仿关系，机器最大可能地保持着辅助地位；其二人是目的，一切技术都是工具。这种强大的人类中心主义使得任何一种技术被限制在工具的规定之中。
[124]JACK LINCHUAN QIU．Goodbye iSlave：Making Alternative Subjects Through Digital Objects［M／OL］／／CHANDLER D．，FUCHS C．，eds．Digital Objects，Digital Subjects：Interdisciplinary Perspectives on Capitalism，Labour and Politics in the Age of Big Data［M］．London：University of Westminster Press，2019：151-164．DOI：https：／／doi．org／10．16997／book29l．．License：CC-BYNC-ND 4．0．
[125]新颁布的13个职业除了农业经理人之外，大部分和AI发展密切相关，如工程技术人员（人工智能、物联网、大数据、云计算）、数字化管理师、建筑信息模型技术员、电子竞技运营师、电子竞技员、无人驾驶员、物联网安装调试员、工业机器人系统操作员、工业机器人系统运维员。
[126]ARENDT H．The human condition［M］．Chicago：University of Chicago Press，1998：5．
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
