巧勝人工智能不要“以子之矛，攻子之盾”，只能另辟蹊徑，殊途同歸。
國內AI行業翹楚“第四范式”總裁戴文淵總結AI是五大系統能力混成，合稱BRAIN （Big data, Response, Algorithm, Infrastructure, Needs）: 大數據、閉環反饋、算法、基礎結構和需求。巧勝不能在同樣維度上比強度，而只能在不同思維路線上比溫度。
是的，比溫度。在創造體驗價值的維度上，沿著直觀感知思維路線，自然人仍將在未來很長一段時間巧勝人工智能。
我們必須承認在BRAIN發展方向上AI已經到了爆炸的奇點。
地質考古發現，5億年前的地球發生過一個“寒武紀大爆炸”（Cambrian Explosion）階段。它是地球有機生命物種爆炸式繁衍的奇點。人工智能目前就處于類似的一個無機智能物種爆炸的奇點。它在算法上表現最突出。《馭天算法》（Master Algorithm）的作者多明格斯（Pedro Domingos）說：“所有的知識，過去、現在、將來，都終將可以由單一的通用學習算法處理數據而成”（“All knowledge -past, present, and future – can be derived from data by a single, universal learning algorithm”），這個單一的通用算法就是“馭天算法”（駕馭一切的算法，Master Algorithm）。多明格斯所描述的“馭天算法”（Master Algorithm）不是能否出現，而是何時發生。
幸運的是，作為表面現象的世界，它一直被牛頓以降的數理科學家低視，一直是追求數理抽象規律的科學家要穿透的布片。今天，隨著量子科學的發展，我們突然發現，表面現象也許是世界的另一種元屬性。要掌握它，代表牛頓知識體系的數理分析工具就不靈了。感覺（Perception）、意向（Intentionality）、體驗（Experience）、意識（Consciousness）、同情（Empathy）這五種能力（PIECE）則更適合。
迄今為止，以算法體現事物抽象本質的人工智能還只發生在牛頓知識體系中。因此，巧勝它的路線一定不在牛頓知識體系內。但非?？赡馨l生在“表面現象”研究領域，在感覺、意向、體驗、意識和同情這五種能力上。而“抽象本質”和“表面現象”這兩條思維路線之爭可以追溯到歌德-牛頓的顏色之爭上。討論歌德的顏色學有助于我們理解如何巧勝人工智能。
1810年，德國詩人歌德發表著名的《顏色學》（The Theory of Colors）。在關于顏色本質和形態的歌德-牛頓之爭中，歌德挑戰的不僅是牛頓在1672年提出的光譜學，更是牛頓代表的世界觀和認識論（世界是什么？怎么認識它？）。
19世紀，歐洲已經廣泛接受牛頓對光的抽象本質的論斷：關于光線，沒有顏色，只有折射率。折射鏡試驗顯示顏色和折射率之間的關系。不同折射率的光線顯示不同顏色。它們的復合產生我們看到的白色光線。人的眼睛就像折射鏡。有不同折射率的光線通過人的眼睛晶體顯示我們看到的不同顏色。顏色只是眼睛的幻覺。牛頓的光譜學用數學公式概況總結出光線現象背后的抽象規律。因為牛頓理論（數理科學）的成功傳播，人們接受科學的自然觀：自然現象背后有科學規律，科學規律可以用數學模型抽象總結。抽象規律是第一性的，可靠的。表面現象是隨機性的，不可靠的。
一趟去法國南部的旅行觸發歌德對牛頓光譜學的質疑。旅行中，歌德發現，盡管牛頓對顏色的客觀科學解釋已經很普及，當地畫家卻把藍天的“藍”畫出多種有差異的“藍”。他們對其它顏色的處理也這樣。面對歌德的詢問，畫家回答：各地畫廊經紀人有各自的色彩偏好，按照他們感知偏好的顏色創造才有生意。這段偶遇觸發歌德的理論猜想：顏色不是計算折射率的數學方程式，不是眼睛的幻覺，不是抽象出來的理論假說。顏色是一種通過我們直觀感知的原型現象。通過能夠直觀感知的原型現象，我們理解和體驗世界。顏色是真實的。
對于牛頓，顏色是假的，背后的計算折射率的數學原則才是真的。對于歌德，能夠直觀感知的顏色是第一性的，是真的，是指導我們理解和組織世界的原型現象。抽象數學原則奠定自然科學的基石。直觀感知的原型現象為理解日常世界提供實在體驗。
在《顏色學》中，歌德匯總親自在各地區收集的顏色形態。他試圖在牛頓的科學光譜論之外建立起另外一套理解使用顏色的知識系譜。歌德試圖說明：1）對日常生活的直接感知體驗不是碎片現象，而是真實生活全部。2）在科學抽象之外，我們不要排斥五官六識首先體察的表面現象。意識首先體察到的表面現象也包含能夠上下左右推演的“原型現象”（urbild）。原型現象的功效不低于科學抽象規律。
200年之后，歌德所關心的“直觀感知原型現象”為我們開辟了巧勝人工智能的另類思維路線。
對于人工智能，數據是真的，不能通過算法分析處理的就不相關，就是不真。人工智能的牛頓知識體系就是數學分析的世界觀和認識論。它不能替代理解歌德所說的直觀感知原型現象。因此，巧勝人工智能可以從發現和運用直觀感知的原型現象開始。
從我們一般生活體驗中，我們就可以發現人工智能不能替代理解的直觀感知原型現象。例如，美好的錯誤。人工智能不喜歡錯誤。它的“深度學習”組成一個從過去到現在并投射未來的反饋閉環。在這個閉環中，人工智能可以回到過去，修改曾經犯下的錯誤，讓未來更正確。在歌德的直觀感知世界，錯誤的價值不在于改進，而在于對錯誤現象的感知、感悟和感動。詩人陸游《釵頭鳳》中的“一懷愁緒，幾年離索，錯，錯，錯！”寫出什么是“凄美的錯誤”，以至于它有“千斤橄欖”的嚼頭（紅樓夢語）。這種原型現象的價值無法數理分析，只能直觀感知。它提醒我們去發現“美好的錯誤”，并創造感知的機會。
又如，來自非人類生命現象的啟迪。人工智能以人的活動為起點和終點。即使研究其它自然生命現象，人工智能仍然只會通過分割、分離、分散的方法來解析。而直觀感知的現象學強調“觀自在”，即與現象溶于一體，讓感知自然升騰呈現。比如，即使我們不是魚，如果我們浸淫到魚的環境中，力求像魚一樣生活，那么我們可以接近感知魚的快樂。人工智能只能分析模仿，我們可以體驗無以名狀的通感。關注人之外的自然生命現象，以同情交感方式體驗與它們的通靈效果，這是我們可以巧勝人工智能之處。研究思維和語言哲學的塞爾（John Searle）教授就曾指出：用第一人稱（我，親自）去感知生命現象的理解效果，人工智能做不到。
屬于歌德所說的“直觀感知原型現象”還有許多種。
例如，宗教般歸屬體驗。人能夠體驗精神層次的存在。我們既能欣賞“前不見古人，后不見來者”的曠宇孤獨，也能感受“采菊東籬下，悠然見南山”的自然歸屬感。又如，曇花一現的瞬間永恒。人工智能只能計算時間，我們可以有時態。時態隨心境和情境而變化，24小時既可以度日如年，也可以“一日不見，如隔三秋兮”。再如，我們對神奇的巧合（緣分）情有獨衷。而人工智能要消滅不可預測的偶然事件。我們喜歡“逢場作戲”般的角色代入表演（Cosplay）。而人工智能指導下的“臨場應變”都經過算法推演，早就失去隨機性的神秘美妙。
20世紀初，人力替代馬力。進入21世紀，人工智能替代人力，這已經是不可逆轉的趨勢。與其排斥人工智能，還不如思考如何在直觀感知的思維路線上巧勝它。從歌德式的直觀感知原型現象出發，現代商業組織可以重新改寫自己的商業模式和價值創新活動。
關于歌德-牛頓的顏色之爭，著名物理學家海森堡（W. Heisenberg) 曾言：“無視這場爭論的重要性而把它忘掉，那只不過是無知的表現?！八闹匾跃驮谟谫x予直觀感知的現象世界以數理科學不能替代的價值。后來，歌德關于直觀感知的思維方式影響了從胡塞爾到海德格爾等一系列現象學哲學家。當代量子科學也已經從試驗角度說明意識現象的存在和作用（波粒二相性）。我們前面總結的PIECE（感覺、意向、體驗、意識、同情）其實是21世紀精神現象哲學的核心觀念。在人工智能挑戰人的認知能力局限當口，精神現象學開辟了另一條平行競爭的思維路線。
海森堡擔心的哲學無知有現代意義，因為把人工智能等同于算法或設備技術是一件非常危險的事情。從上世紀50年代開始，人工智能就一直是一個跨越科學技術和人文倫理的綜合探索。其中，哲學批判扮演著極其重要的角色。值世界人工智能大會在上海召開之際，我們更要牢記“批判的武器不能代替武器的批判”（馬克思）。我們要防止“武器太先進而忘記戰爭的目的”（錢世政）。任何缺乏哲學批判的人工智能，都難以有長久的生命力。
（本文作者鮑勇劍是加拿大萊橋大學迪隆商學院終身教授、復旦大學管理學院EMBA特聘教授。）
