人造社會性的未來？——社會學參與人工智能研究的幾個途徑
Tags: ,

◎劉育成（南華大學應用社會學系副教授兼系主任）

＊本文經授權轉載自巷仔口社會學，2020/03/04發佈

Photo by Franck V. on Unsplash

一、殊途同歸？—社會學與人工智能的核心議題

德國社會學家 G. Simmel 在對 Kant 有關「自然如何可能？（How is nature possible?）」的探問中指出，Kant 之所以能夠提出這樣的問題，其前提是自然「只不過是對自然的再現而已（nothing else but the representation of nature）」（Simmel, 2009[1908], pp. 40-41）。這意思是說，我們所熟知的自然界中的顏色、溫度、味道、音調等，都是透過我們的意識所延伸而來的主體經驗，是透過心智的活動而將世界中的各種元素放在一起——包含因果連結等，使其變成為所謂的自然。據此，Kant 認為真正的自然意謂的是，「世界的不一致且沒有法則的快閃片段（incoherent and lawless flashing fragments of the world）」（Ibid.）。總而言之，Simmel 指出，自然對 Kant 而言，「就是個特定種類的經驗，一個透過且在我們的知識範疇中所發展出來的圖像」（Ibid.）。

Simmel 藉此提出其所關心的問題：「社會如何可能？（How is society possible?）」他認為，在認識「社會」這個概念上，可以用類比於 Kant 對自然的探問方式。也就是說，那些個別的元素，「只有透過一種意識的過程，將這些個別的存有物，根據確定的法則，以確定的形式而與其他存有物關聯起來」，以形成為社會（Ibid.）。然而，Simmel 提到兩者的不同之處在於，自然僅會是發生於正在進行觀察的主體（observing subjects）之中，而社會則是「只能由其自身之元素來實現，因為這些元素本身就是具有意識的，並且是主動地綜融出社會，同時其也不需要旁觀者。……這些社會的連結，乃是直接地在個別的心智中獲得實現」（Ibid., p. 41）。對這個問題—社會如何可能？—的回答，可借由在元素中所發現的先驗（a priori）條件。透過這些先驗條件，這些元素實際上結合而形成該綜合體，也就是「社會」（Ibid., p. 42）。這些 Simmel 所言之先驗條件指的便是，個別的心智（個體）對不同事物及其內容可能會有的相類似的理解、看法或期待。例如，在我前面擺著的這一顆蘋果，我會認為對另一個人而言，也會是一顆蘋果，而不是其他水果。因此，Simmel 說，「對社會進行有意識的建構，確實並非是抽象地展現在個體之中，而是對所有個體而言，每一個人都知道其他人是與自身綁在一起的；……」（Ibid.）。換句話說，社會之所以可能，或許正是因為我們同時是建構社會、也是這個被建構之社會的一部分，而非如同對自然的再現所指出的一個外部觀察者。

以上 Simmel 的「社會如何可能？」之討論，除了一方面指出過去社會學的核心問題之外，另一方面，就本文旨趣而言，筆者認為，這樣的社會學探問或許正指出，社會學不應該在人工智能（artificial intelligence）研究中缺席的主要原因之一。1假如就像 Kant 所言，我們口中所談論的自然，只不過是對自然的再現，那麼我們如何能夠肯定，我們所認識或討論的自然，就是自然本身？同樣地，對人工智能而言，其最終目的如果是要打造出「像人一樣思考與行動的機器」（Nilsson, 2010, p. 77），那麼，這樣的機器如何確定，其所進行的思考與行動，確實就是「像人一樣」。這兩個探問或弔詭之間所存在的一個中介，其實還是得回到人類自身。

儘管如此，若社會學的探問從「社會如何可能？」出發，並且視社會行動者彼此間的相互期待——無論是基於文化、信仰、科學知識或者是其他面向——為理解社會之所以可能的基礎之一，那麼，在討論人工智能研究及其現象上，社會學的探問就會具有更深刻的內涵與功用。就人工智能研究的目標或者是其得以成功的基礎，乃是對社會與人類智能之運作的理解而言，人類智能（個體心智或意識）如何認識世界，並且如何在對彼此——包括人與非人行動者——的相互期待上，進而能夠構作出社會實在（social reality）或社會自身，更是不可或缺的。例如，現象學家 Schutz 借由社會學家 Max Weber 對社會行動的討論中也指出，社會行動中的人「不僅意識到他人的存在，還需意識到他人行為的意義，以及詮釋他人行為的意義」（Schutz, 1991, p. 13）。這又將問題推進了一步，也就是關於「意義製造」與如何詮釋的問題。無論如何，對社會學與對人工智能而言，其目標可以說都是在認識什麼是社會、社會如何運作，以及為何會如此運作等。這裡的「認識」也包含了諸如觀察、拆解、解構、揭露（debunk）、建構、再現、拼貼等社會學研究中的經典概念。這些概念也可見於人工智能研究中的應用。

總地來說，社會學與人工智能都是在認識社會，但這兩種「認識」仍存在著差異：社會學是透過「解釋」來認識社會，而人工智能則是透過「模擬」來認識社會。這樣的差異也會在本文的最後一個部分中，進一步探討「人造社會性（artificial sociality）」概念。就對社會或社會現象的「解釋」與「模擬」而言，前者包含了人際之間的關係與互動、個體與社會結構之間的關聯性等，更包括了人們如何賦予前述之關係、互動、關聯性等以意義的過程與產物。就後者而言，人工智能並不尋求發展出對上述這些內容進行解釋——或者說是賦予意義——的能力，也並未對其自身及其與環境之關係進行解釋，而更多是透過模擬來進入人類社會世界。不可否認的是，社會學也經常透過各種研究方法來模擬社會自身，例如透過統計推論、模型或者是理論觀點等，這或許也都可以視為是一種對社會的「模擬」。然而，這些「模擬」在於提供解釋或賦予意義，一方面並未假定個體心智或意識、社會或社會現象等能夠被完全地再現，另一方面該模擬本身也非社會學自身的目的。相對地，人工智能科技的發展，乃先假設了個體心智、大腦運作或社會現象等，或許遵循了一套演算法或公式，而大腦被視為是一種訊息處理單元，用以執行某種演算法等。據此，人工智能的發展，便著重於如何打造出更好、更快速且正確的訊息處理系統上。這是關於「如何」而非「為何」的問題。這或許也再次回應，心理學家 Mead 與社會學家 Weber 有關人類與非人類之區別的討論——也就是關於「意義製造能力」之問題，人類行動者具有製造意義的能力，而人工智能可能尚未有能力知道自己在執行的程序或演算法具有什麼意義。

此外，另一個值得提問的是，假如模擬的前提是理解——在相當程度上意味著，對於一件事物的模擬，乃是以對該事物之理解或解釋為前提——然而，能夠「模擬」，便意味著或等同於是「解釋」嗎？以自動駕駛技術為例，自動駕駛車輛能夠在自身系統中模擬其所處之真實世界中可能出現的情況，並據以執行相對應的指令及行動。我們是否可說，自動駕駛車輛對其環境有了清楚且適切的「理解」？還是說，這只是在執行一種「模擬的理解（simulated understanding）」，但對該理解本身並不理解？就此而言，社會學的模擬是為了提出解釋，並非是透過模擬以「參與」社會，這就如同 Simmel 所言，「其不需要旁觀者」，每一個社會行動者既是建構社會的一份子，也是社會建構的一部分。然而，人工智能的模擬卻為的是參與社會，透過模擬而得以進入社會之中，這就像Kant所謂的對自然的再現總是伴隨著旁觀者之討論。在某種意義上，人工智能的模擬或許不是取消了與人類智能之間的那條界線，而是在創造出一個向其靠攏的世界觀，就如同那個被再現的自然——包含了科學、理性、客觀等概念，已經成為主宰人類世界的認識論一般。據此，這個看起來殊途同歸的發展——同樣都是在認識社會，卻可能帶來的是前所未有的顛覆潛力——假如社會學不積極介入的話。

二、社會學如何探問人工智能？—2+1取徑

社會學對人工智能的討論，主要有兩個途徑，其一是應用人工智能技術於社會學研究之中，這就如同社會學也使用了許多統計方法或其他各種研究方法，用以協助理解並解釋社會現象。其二是將人工智能視為一種社會現象或「社會事實」，透過社會學觀點而對之進行探究。過去在社會學與人工智能之關聯的討論上，並未受到太多重視。Steve Woolgar 對 1980 年代社會學缺席於人工智能研究的討論中指出，社會學大多被排除在外，或者是僅關注於有關「社會的」概念之討論，以及社會學家對當前技術水準的討論與描述存在很大差異（Woolgar, 1985, p. 557）。

第一種途徑在過去二十年間也未能成熟發展，但仍有不少研究者認為，人工智能技術應可在方法論上為社會學理論帶來貢獻（Anderson, 1989; Brent, 1998; Carley, 1996; Schnell, 1992）。例如 Rainer Schnell 認為人工智能技術可以用來進行理論建構，也就是透過人工智能模擬社會行動者所需要的日常知識之資料結構。也因此，在其應用過程中，Schnell也指出，人工智能與社會學探問的共通之處。例如，人工智能中的框架問題與俗民方法學的目標或有直接對應，亦即：「哪種知識對日常行動而言是必須的？」（Schnell, 1992, pp. 335-336）。然而，儘管兩者間有一定程度的相似性，但就其內涵而言，人工智能主張以形式化（formalization）的方法，也就是透過計算、數學或量化等來更好地模擬其對象物，但社會學——尤其是 Schnell 提到的俗民方法學（ethnomethodology），並不完全同意形式化方法的確能夠更好地認識世界。台灣近年來的人工智能研究在社會科學場域也多以此路徑為主，筆者以「人工智能」為關鍵字搜尋「華藝線上圖書館」資料庫，若再加上關鍵字「台灣」、「TSSCI」進行篩選後，餘有34篇論文，其中除一篇書評之外，非應用型的論文僅有三篇。此外，也沒有一篇論文是將人工智能本身視為社會學探問的對象，而多是探討其在個別場域中的應用可能性。然而，若從前述有關社會學與人工智能研究具有之相似性來看，兩者間應更可相輔相成。

在進入二十一世紀之後，另一個與之有關的概念應用則是「分散式人工智能（Distributed Artificial Intelligence, DAI）」與「多重行動者系統（Multiagent Systems, MAS）」的觀點與應用。Thomas Malsch 提出的「仿社學（socionics）」概念——亦即，「如何利用從社會世界中所獲得的模型，以發展出智能計算機科技」，同樣也是將人工智能應用於社會學研究的途徑（Malsch, 2001, p. 155; Malsch & Schulz-Schaeffer, 2007）。「仿社學」概念或許也回應了前述 Kant 對「自然」的看法，人工智能對社會與行動者（心智、行為與行動）的模擬，就如同對自然的再現。Malsch 認為社會學家對現代社會的觀察、描述與解釋等，與「分散式人工智能研究或以其為基礎的社會模擬很類似」。「分散式」一詞意指是為了解決個別機器運算上的限制，期待透過分散且協作的方式來解決複雜問題（Ibid., p. 158）。DAI 架構可以用來發展「多重行動者系統（MAS）」，主要可用以「模擬」社會學理論的建構，其核心提問是：「在何種意義上，我們有可能透過多重行動者技術作為媒介，以模擬現代社會的理論？」（Ibid., p. 161）。

第二個取徑是將人工智能當作是社會現象或社會事實，以作為社會學探問的對象。Woolgar 在其〈Why not a Sociology of Machines? The Case of Sociology and Artificial Intelligence〉一文中即指出，「人工智能現象提供了一個重新評估社會學之核心教條的重要情境，亦即某種獨特地關於人類行為的社會性」（Woolgar, 1985, p. 568）。Alan Wolfe 則認為社會學家應該將人工智能視為一種思想實驗，並提出一系列「假如（這樣）…會（怎樣）…（What if…）」的問題。其對社會學提出的一個 What if 問題就是：「假如塑造社會學思想的那個自然與人造的二元性是錯誤的，那怎麼辦」（Wolfe, 1991, p. 1074）？將人工智能現象放在社會學的研究對象之位置上，似乎很容易指出傳統社會學二元觀點的限制，無論是人與自然、人與社會、自然與社會、心智與身體，甚至是人與非人等概念。儘管如此，對人工智能的討論或許有助於社會學對「何謂社會的」進行重新檢視或甚至是定義。例如，社會不只是傳統上人與人的互動，或者是 Latour 式的人與技術物的互動，更是兩種智能—人工智能與人類智能—的互動。當技術物被人類視為是有智能的時候，這樣的觀點或許有可能改變每一件既存認知之事物，而技術物的角色與意義在人類社會中也產生了變化——尤其是在倫理與道德面向上。換句話說，人工智能研究對社會學與其他與人文相關學科的挑戰在於，其能夠有機會面對人類智能本身。當人類開始覺得有可能打造出具有跟人類一樣思考與行為能力的機器時，「人之所以為人」的獨特性也開始受到挑戰。這個挑戰對行動者（agency）與社會（society）之間的那條界線也提出了新的問題（例如 Muhle, 2017, p. 88）。

關於社會學如何介入人工智能研究這部分，筆者認為或許第三個取徑是「對人造社會性進行社會學的探問與研究」。這與過去有關「社會建構」概念的討論不同，也與 STS 研究將物拉進人的世界來討論某個或某些實在之建構也有些許差異。例如在 Latour 的行動者網絡（Actor Network Theory）理論中，科技物是被行動者主體—也就是人—所召喚進網絡中，其對實在之建構的參與相對來說仍是靜態或被動的，或者，其具有的動態性是由人類行動者所賦予的（Latour & Woolgar, 1979）。這意思是，對人類行動者來說，雖然物在形塑實在的這件事上，是與人類行動者共同行動的，然而人類並未將其視為與之相同的具有智能的行動者。這就像是，我們或許可以同意，社會成員對教室的「解明」（accounting）在過去或許僅關注的是師生角色與互動關係——也就是只有人類行動者之參與，現在則加入了空間中的各種技術物，例如黑板或白板、整齊面向某個方向的桌椅、麥克風與電腦相關設備、佈告欄等，共同形塑了社會成員對場景的解明——人與非人行動者共同形塑對場景的解明。然而，這些技術物只是作為非人行動者而加入社會成員對場景的解明實作過程之中，其並未如同人類行動一樣，佔據了「社會」這個概念或詞彙。這也是筆者所謂的被動或靜態之意。

當人類行動者將某個技術物視為是「具有智能」且又相當程度上參與或介入或決定日常生活之時——無論這裡的智能所指可能為何，其毋寧是獲得了某種「社會的」性質。這意思是，我知道你會思考，但我不知道你在想什麼，我也無法知道你如何思考，這樣的對象在參與日常生活上，便生產出某種社會性，其也與人類行動者共構某種社會性，這是為「人造社會性」之內涵。這也符應於 Simmel 對「社會如何可能」的想像，而這種「人造社會性」指涉的不再只是人與人之間的相互期待，還包括人類智能與人工智能之間的相互期待，前者甚至受後者所決定。換句話說，社會學在傳統上研究的社會性，多以人類行動者及其彼此間之互動為對象，ANT 理論觀點向前跨了一步，社會性的內涵是由人與—不被認為具有智能的—非人行動者所形塑。如今在人工智能的發展下，人類行動者開始將某些科技物—例如某些聊天機器人、照顧機器人、自動駕駛車輛等—視為具有智能的對象時，這些科技物的參與較過去有更高的主動性，他們不是被召喚而進到某個行動者網絡，他們甚至是可以決定了行動者網絡的內容與樣貌。

這些「非人社會行動者（non-human social actors）」在某種意義上取得了「社會的」性質。這也是許多研究者在自動駕駛的倫理研究中的提問：人類會如何看待那些在路上自動駕駛的車輛，以及可能如何對待他們？對此的研究成果顯示，這個倫理問題就像是人類如何看待其他物種或其他族群或種族的「人類」一般，許多人會刻意阻擋自動駕駛車輛的行進、挑戰其各種行動，或者對車身進行破壞。換句話說，這些具有智能的自動駕駛車輛，僅是其存在就足以構成對另一種智能的威脅。然而，在做出這些行為的當下，人類行動者展現的其實是對其之存在——或具有某種智能——這件事的肯認，也才會想要挑戰或試探對方，也因此會產生各種情感或情緒，就如同人類在對待其他物種、對待同樣身為人類的其他人種一般。這樣的一種「人造社會性」，或許便可成為社會學研究的對象，人類行動者不再只是其關注的對象，物的參與或介入實在之建構也不再是由行動者所召喚，而是研究兩種不同智能之互動，而其所建構的就是所謂的「人造社會性（artificial sociality）」（Rezaev, & Tregubova, 2018）。

三、代結論：「人造社會性」的未來？

在科技高度介入的可能性日益增加之時，原本人類社會性是作為人造社會性的基礎，如今卻有反過來的趨勢——透過以人工智能為基礎的非人社會行動者與人類行動者共同構作出來的人造社會性，反倒成為理解甚至是制訂在真實世界中管理與規範人類社會性的主要來源。對此，除了鉅觀社會學對社會結構、社會行動與社會系統等概念，已經具有的洞見之外，本文認為微觀社會學——尤其是俗民方法學的提醒，或可作為本文的代結語：對社會成員如何使得社會場景變成是可觀察的（observable）且是可以說得出來的（reportable）解明實作進行探究，或許能對所謂「人造社會性」、「非人社會行動者（non-human social actor）」參與社會互動的內涵與意義提出不同觀點與啟發。

參考書目

  • 劉育成. （2020）. 如何成為「人」：缺陷及其經驗作為對人工智能研究之啟發—以自動駕駛技術為例. 資訊社會研究, 38, 93-126.
  • Anderson, Bo. (1989). On artificial intelligence and theory construction in sociology. The Journal of Mathematical Sociology, 14(2-3), 209-216.
  • Brent, Edward. (1998). Is there a role for artificial intelligence in sociological theorizing? The American Sociologist, 19(2), 158-166.
  • Carley, Kathleen M. (1996). Artificial Intelligence within Sociology. Sociological Methods & Research, 25(1), 3-30.
  • Latour, Bruno, & Woolgar, Steve. (1979). Laboratory Life: Social Construction of Scientific Facts. London: Sage.
  • Malsch, Thomas. (2001). Naming the Unnamable: Socionics or the Sociological Turn of/to Distributed Artificial Intelligence. Autonomous Agents and Multi-Agent Systems, 4(3), 155-186.
  • Malsch, Thomas, & Schulz-Schaeffer, Ingo. (2007). Socionics: Sociological Concepts for Social Systems of Artificial (and Human) Agents. Journal of Artificial Societies and Social Simulation, 10(1).
  • Muhle, Florian. (2017). Embodied Conversational Agents as Social Actors? Sociological Considerations on the Change of Human-Machine Relations in Online Environments. In Robert W. Gehl & Maria Bakardjieva (Eds.), Socialbots and Their Friends: Digital Media and the Automation of Sociality (pp. 86-109). New York: Routledge.
  • Nilsson, Nils. (2010). The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press.
  • Rezaev, A. V., & Tregubova, N. D. (2018). Are sociologists ready for ‘artificial sociality’? Current issues and future prospects for studying artificial intelligence in the social sciences. Monitoring of Public Opinions: Economic and Social Changes, 5, 91-108.
  • Schnell, Rainer. (1992). Artificial Intelligence, Computer Simulation and Theory Construction in the Social Science. Paper presented at the SoftStat ’91. Advances in Statistical Software 3: The 6th Conference on the Scientific Use of Statistical Software, Heidelberg.
  • Schutz, Alfred. (1991). 社會世界的現象學 (盧嵐藍, Trans.). 台北市: 久大桂冠.
  • Simmel, Georg. (2009[1908]). Sociology: Inquiries into the Construction of Social Forms (Volume 1) (Anthony J. Blasi, Anton K. Jacobs, & Mathew Kanjirathinkal, Trans.). Leidon & Boston: Brill.
  • Wolfe, Alan. (1991). Mind, Self, Society, and Computer: Artificial Intelligence and the Sociology of Mind. American Journal of Sociology, 96(5), 1073-1096.
  • Woolgar, Steve. (1985). Why not a Sociology of Machines? The case of Sociology and Artificial Intelligence. Sociology, 19(4), 557-572.