■7月19日，第十五届中国（南京）国际软件产品和信息服务交易博览会在南京开幕，来自全球30多个国家和地区的1200多家企业齐聚一堂，共展“数字经济”下的“智慧未来”。图为工作人员演示动作传感机器人。如同动作传感机器人需要以人类动作为基础一般，人工智慧也需要以人类智慧为基础。 图片来源：中国新闻图片网

　　弗林效应（Flynn effect）表明，人类智能（intelligence）水平在逐年提升，不仅是人类智能，机器等非生物智能也在提升，有学者甚至认为，非生物智能会在一些年后到达一个超越人类智能的“奇点”。然而，当前许多社会问题并未解决，有些矛盾反而被越发激化，人类的智慧（wisdom）水平却未随着智能的增长得到相应的增长。如何才能让智能的增长促进智慧的增长？若想解决这一难题，就要对智能与智慧的内涵及二者的异同进行辨析。

　　智能的内涵

　　智能，尤其是人类智能，一直是心理学家研究的重要主题。不过，有关智能的定义与测量却一直争论不断，缘由主要有二：一方面，对人类智能的评价不可避免地会受到“场外因素”的干扰，一个典型例子是，诺贝尔奖得主、被称为“DNA之父”的沃森，曾公开发表关于种族间智商差异的言论，被其研究所解雇并剥夺荣誉头衔，引起了巨大争议；另一方面，在研究者内部，如斯滕伯格（Robert J. Sternberg）指出，“基本上有多少智能的研究专家就有多少关于智能的定义”。随着对人类智能研究的深入，尤其是各种类型智力量表的开发与应用，心理学家对人类智能的理解逐渐达成共识，认为人类智能代表着使个体能够很好地适应环境的心理能力，这些能力通常包括推理、计划、问题解决以及从经验中学习等。当前争议较大的是，一些研究者认为，这种能力具有领域一般性，而另一些研究者则认为，这种能力具有领域特殊性。不过，双方都认为，人类智能能够为个体在现实生活中带来可观的回报。一些研究也揭示，智商（IQ）可以独立地预测如学业成绩、收入等代表世俗意义上成功的指标。

　　心理学对智能的研究具有“物种特异性”。以人工智能为例，虽然其主要目的是对人类智能的模拟与延伸，但以人类智力测验中所涉及的工作记忆、抽象推理及处理速度等指标来衡量人工智能水平并不合适。无论从功能还是从结构的角度模拟人类，人工智能的内在机制都迥异于人类。例如，机器可以通过暴力算法或深度学习来赢得棋类游戏。同时，莫拉维克悖论（Moravec’s paradox）也指出，对人类而言越难的智能活动，机器实现起来却越简单，反而对人类而言近乎本能的能力，机器越难实现。因此，对智能的认识既要跟上科技进步的脚步，也要与心理学家对人类智能的刻画相容，同时还能为各种类型的智能提供一个可以相互比较的统一标准。若考虑人类、其他动物及机器等的所有智能，剔除描绘智能的“偶然因素”（如必须依赖神经系统产生的各项能力），剩下的对智能而言将更本质，可将其定义为主体在多种环境下达成目标的能力。当前，主流人工智能的目标由人类赋予，并且只能用于单一环境中（如AlphaGo只能用于围棋环境中），而人类则可以适应多种环境，目标则通常由其带来的“奖赏”决定（不过人工智能中的强化学习技术也是利用了奖赏原理）。以环境种类为标准，人类智能水平依然远超当前机器智能。

　　智慧的内涵

　　智慧一词在中西文明中均出现甚早，很多哲学家都认可智慧能够帮助人们过上幸福生活。20世纪80年代，在心理学领域，斯滕伯格等智能研究的权威学者意识到，高智能并不能助人幸福，他们开始转向并与“毕生能力发展”方向的学者一起致力于研究智慧。智慧是文化的结晶，早期心理学家主要探究大众在特定文化下的智慧观，即智慧的内隐理论研究。但大众的智慧观往往支离破碎、不成系统。并且，心理学家还认为，这些内隐观并不足以准确反映出智慧的内涵及本质。因此，他们以各自的研究背景与内隐观为基础，提出自己的智慧理论，这一取向被称为智慧的外显理论研究。

　　智慧的外显理论又可细分为能力与人格两种取向。其中，能力取向的观点主要有：以巴尔特斯（Paul B. Baltes）为代表的柏林智慧范式认为，智慧是关于重要的人生领域的实用性专家知识系统；斯滕伯格的平衡智慧理论认为，智慧是在积极价值观指导下，运用智能、创造力和知识经验，平衡个体内部、个体与他人和社会的利益，平衡短期与长期利益，平衡适应环境与塑造环境，以获取整体的福祉；格罗斯曼（Igor Grossmann）等人认为，智慧包括特定类型的实用推理（pragmatic reasoning），主要体现在理智的谦逊、视野宏观、意识不确定和变化与妥协或整合。人格取向主要包括：阿德尔特（Monika Ardelt）的三维智慧理论认为，智慧本质上是认知、反省和仁爱（情感）整合而成的人格特质；韦伯斯特（Mic M. Webster）的智慧的英雄模型（The H. E. R. O. （E.） model of wisdom）认为，智慧由重要人生经验、幽默、反省、开放性、情绪调节五个部分整合而成（该模型名称为这五个部分英文的首字母）；莱文森（Michael R. Levenson）等人的智慧自我超越（self-transcendence）理论认为，智慧是个体不再靠外在特征彰显自我存在，而是关注内心世界和精神，同时消解自我和他人的界限达到自我整合的状态。

　　个体所拥有的智慧都是特定领域的，因而智慧无法像人格那样表现出泛情境性，但在个体擅长的领域往往会有更稳定的表现，所以智慧又是相对稳定的。基于此，汪凤炎提出智慧的德才一体理论，以此来整合以上两种取向的智慧研究，认为智慧是个体在其智力与知识的基础上，经由经验与练习习得的一种德才一体的综合心理素质。个体一旦拥有这种综合心理素质，就能睿智、豁达地看待人生与展现人生，并洞察生活中形形色色的人与事；当身处某种复杂问题情境时，就能适时产生下列行为：个体在其良心的引导下或善良动机的激发下，及时运用其聪明才智去正确认知和理解所面临的复杂问题，进而采用正确、新颖（常常能给人灵活与巧妙的印象）且合乎伦理道德规范的手段或方法高效率地解决问题，并保证其行动结果不但不会损害他人和社会的正当权益，还能长久地增进他人和社会或自己、他人和社会的福祉。

　　智能与智慧的异同

　　智能与智慧的相互重叠之处，主要在于两者均包含一定的问题解决能力，这种能力一方面依赖以分析推理为主的流体智能（fluid intelligence），另一方面依赖通过后天学习才能得到增长的晶体智能（crystallized intelligence）。对于人工智能而言，符号认知派的流体智能的实现与人类类似，都是通过一定的物理符号系统，而晶体智能则可以通过预装各种类型的专家系统，在系统中实现；联结派对流体智能的实现源自对人脑结构的模拟，其具体原理尚无定论，晶体智能的实现也不需要提前赋予，而可以通过深度学习方式“从零学起”，例如AlphaGo的升级版AlphaGo Zero就是通过这种方式很快成为超一流围棋高手。

　　当然，智能与智慧在问题解决上运用的认知能力具有本质差异。以分析推理为主的流体智能（即相当于皮亚杰所说的形式运算能力），主要在个体青少年时期形成；智慧中认知能力远不止于此，还包含以辩证思维为主要特征的“后形式运算能力”，而这一能力主要在个体成年早期形成。除此之外，智能与智慧还有以下三方面不同：1.智能是价值中立的，是“有条件的善”，而智慧则是“无条件的善”。当高智能者将自身能力用来作恶即是愚蠢；而智慧则百利而无一害。一个有智慧的人，若“入世”谋发展，往往能取得一番辉煌事业；若退隐过隐士生活，往往能够自得其乐过上幸福生活。2.平衡是智慧的重要特征，而智能则不具备。高智能者更关注如何高效地完成目标，由于目标主要由可以带来一定利益的“奖赏”决定，使得高智能者往往以自我利益为中心，忽视他人以及社会利益，成为一个“精致的利己主义者”，这也是斯滕伯格愚蠢失衡理论所说的“太聪明以至于很愚蠢”的典型。智慧者则更注重整体的利益，不仅能够平衡自我与他人和社会的利益，还能够平衡短期与长期利益，因此常常会对自身的目标做出让步与妥协。3.上述区别仅针对人类智能与人类智慧，而智能本质上与人类无关，智慧则不然。在现代智人出现之前，地球就已经存在各种形态的动植物，它们均已进化出益于各自生存的能力，侧面体现了其各自的智能。与此同时，目前人工智能已经在很多特殊的“环境”下（如棋类游戏中）战胜人类。作为一种程序，除需要一定的电能与设备供其运转外，已不需要人类帮助，当强人工智能诞生，机器或许可以达到完全脱离人类的程度。智慧中“善”是人类文化的产物，是在人类相互交流中所形成的，就算人工智能具备德才一体的属性从而发展为“人工智慧”，但并不代表机器具有所谓“机器智慧”，而是希望机器能认可人类的价值观念，所以其体现的依然是人类智慧。

　　（作者单位：南京师范大学道德教育研究所暨心理学院）