论文总字数：38119字

目 录

1.人工智能技术概述

1.1 人工智能界定与演进

1.1.1人工智能的概念分析

1.1.2符号主义

1.1.3联结主义

1.1.4行为主义

1.2深度学习框架

1.2.1深度学习的概念

1.2.2深度学习的原理

1.3人工智能技术的应用

1.3.1 专家系统

1.3.2 机器学习

1.3.3 模式识别

1.3.4 机器人学

1.3.5 人工神经网络

1.3.6智能决策支持系统

2.人工智能的人格性思辩

2.1图灵测试与塞尔的“中文屋”

2.1.1 图灵测试

2.1.2“中文屋”实验

2.2意向性

2.2.1意向性的历史及发展

2.2.2 内在意象性与派生意向性

3.人工智能的民事主体资格思辨

3.1 人工智能不具备人格

3.1.1 人工智能非人

3.1.2 要素X缺失理论

3.2 涉及人工智能的民事责任归责原则

3.2.1 概述

3.2.2 算法作者的责任免除

3.2.3 特别立法的可能性探讨

4.拟制人格下的间接责任理论

4.1人工智能的法律人格论

4.1.1 人格拟制

4.1.2 人工智能成为法律主体的可能

4.2人工智能的作为主体民事能力

4.2.1 人工智能的民事权利能力

4.2.2 人工智能的民事行为能力

4.2.3 人工智能的民事责任能力

4.2.4 人工智能设立法人的侵权归责原则

4.3人工智能法人理论的问题思考

结论

参考文献

致谢

人工智能的民事责任认定问题研究

孙明宇

,China

Abstract: A dramatic development of artificial intelligence(AI) has been witnessed by the generation of us, as the evolution from programmable machine to IBM’s Deep Blue and Google’s AlphaGo. In the epoch of Big Data, distributed cloud is taking the place of super computer, in which deep learning, based on artificial neural network, provides AI a new potential. In the context of increasing application of AI, it is necessary to legally explore civil personhood of AI and the liability of parties involved in AI,including programmer, developer, and operator.

Key words: Artificial intelligence; personhood; civil liability.

1.人工智能技术概述

1980年12月，美国佛罗里达大学的实验机器人发生故障，险致一名研究员死于非命。1981年7月4日，日本兵库机器人发生故障致一工人死亡。不时见诸报端的机器人伤人事件引起西方社会普遍恐慌。^[1]阿西莫夫在其小说《I, Robot》中提出的“机器人三定律”成为机器人研究的重要法则。^[2]维纳在《人有人的用处：控制论与社会》中指出，自动化技术未来的为善或是作恶都是存在无限可能的，很可能造成人脑贬值。^[3]

目前，原意即人形机器人的安卓（Andorid）^[4]系统较高的市场占有率预示人工智能的广阔未来，以Hadoop为代表的分布式处理技术助力人工智能加速发展^[5]，相关民事纠纷责任认定与承担等问题亟待解决。

1.1 人工智能界定与演进

1.1.1人工智能的概念分析

“人工智能是一门制造智能机器的理工学科，尤指计算机智能程序。AI与利用计算机理解人类智能密切相关，但这却不限制AI必须采取生物学可见的方式理解人类智能。”^[6]阿兰·图灵的《计算机器与智能》为现代计算机发展奠定重要基础，文中设计的图灵测试也成为机器能否具备人类智能的重要标准。^[7]无论ENIAK还是现代计算机，采取的是冯·诺依曼体系架构，即数字计算机的数字采用二进制。^[8]1956年，约翰·麦卡锡在达特茅斯学会上提出人工智能概念之后^[9]，历经多次转折和变化。

1.1.2符号主义

符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，所以也成为逻辑学派、计算机学派或者心理学派。符号主义是以有限合理性为原则，通过总结规律，利用物理符号模仿人脑进行数学演绎推理。^[10]符号主义是上世纪五十年代中期至八十年代末的主流人工智能智能算法流派。David Marr在《视觉：视觉信息人类表达与处理的计算机研究》中，认为人类的视觉由计算、算法及操作三个部分组成。^[11]以Marr的算法与计算为准则，同时吸收阿兰·图灵和冯·诺依曼的观点，传统符号主义通过研究人的认知，将认知过程转换为符号操作。符号主义认为，人工智能源于数学逻辑。19世纪末，数学逻辑得到迅速发展，20世纪30年代，数学家们开始利用数学描述智能行为。人的认知基元是符号，通过数学方法，符号主义分析人类的认知和智能活动，并将其进行编码，实现计算机模拟人的逻辑演绎。^[12]

目前我们可以看到的人工智能领域取得的很多成就是以符号主义为范式的，如逻辑推理、人类一般性问题求解及专家系统的成功开发与应用。

符号主义的发展经历了启发式算法——专家系统——知识工程的三个阶段。起初，人工智能的发展主要致力于基础问题的探索，数学定理证明、人机博弈、自然语言翻译和问题求解都是人工智能的研究内容。符号主义早期的代表人物是1975年“图灵奖”获得者艾伦·纽厄尔和赫尔伯特·西蒙。 他们和约翰·肖共同合作，编写了世界上最早的启发式程序“Logic Theoris”，该程序能够模拟人类大脑，使用数理逻辑实现定理证明。利用该程序，纽厄尔等人证明了《数学原理》第二章中的38条定理，并在随后证明了该章全部52条定理。^[13]二十世纪 70 年代，集成电路的应用推动了符号主义的进一步发展。借助商用计算机的应用，科学家们开始尝试新的知识表示方法，知识表示方法的多元化极大地推动了人工智能研究的发展。1965年，费根鲍姆(E．A．Feigenbaum)总结了过往通用问题求解系统的经验并结合化学知识，世界上第一个专家系统DENDRAL问世。这一程序的应用标志着人工智能走向应用，而专家系统也从此形成了一个重要的人工智能流派。^[14]技术的发展推动了更多专家的应用，这些专家系统通过接口收集数据，通过预设的算法分析处理，减轻了工业设计、程序编写、数据分析、精准营销等行业的工作负担。当前，符号主义正处于知识工程的发展阶段。“知识工程”这一概念是由美国计算机学家费根鲍姆在1977年第五届国际人工智能会议上提出的。知识工程是一门人工智能、数据库、数理逻辑、认知科学、心理学交织的边缘学科。

目前，符号主义的代表人物是英国数学家史蒂芬·沃尔弗拉姆。借助冯·诺依曼与乌拉姆的“细胞自动机”理论，斯蒂芬·沃尔弗拉姆认为可以采取计算归纳的方式来理解世界。^[15]

符号主义存在的一个最大弊端就是“过拟合”。单一固定的算法可能导致计算结果过拟合。计算机学界普遍存在的现象是为了证明某一算法的可靠性，研究员每日的工作就是重复计算，并从大量计算结果中抓取符合要求的结果。当这种算法投入应用，过拟合的问题会出现，而结果就是预测与实际结果出现很大偏差。除此之外，符号主义的发展对编程人员的知识水平要求不断增高，当前的知识工程的发展不仅要求编程者掌握编程技巧，而且还应是某一领域专家。这也是目前符号主义发展的难题之一。

1.1.3联结主义

统合了神经科学、认知心理学、人工智能和心理哲学，人工智能形成了联结主义（Connectionism）。联结主义将心理活动和行为建模，将人类活动建模，使之成为由简单单元构成的互联网络的，以此为核心编写程序。^[16]联结主义认为知识本身是有结构的，但学习者的任务并不是掌握知识的内部结构，而是通过构建一个外部结构来掌握知识。^[17]

1943年，美国科学家莫克罗（W.S.McCulloch）和彼得（W.Pitts）建立了以数学方式描述神经网络的“MP模型”。^[18]通过该模型，他们将网络结构方法和形式化数学描述引入神经元研究，并证明了神经系统中的简单神经元具备执行逻辑的能力。“MP模型”揭开了人工智能联结主义发展的大幕。^[19]唐纳德·赫布（Donald O. Hebb）于上世纪40年代第一次提出“无监督学习”算法，“赫布算法（hebbian learning algorithm）”。^[20]计算机学者借鉴该算法，于1948年将该算法的部分观点应用于“图灵B型机”。上世纪80年代中期，David E. Rumelhart 和 James McClelland出版的《并行分布处理》^[21]阐述了人工智能的联结主义，并提出了BP算法，掀起联结主义发展的又一个高潮。 Rina Dechter于1986年第一次提到了“深度学习”。^[22]基于机器学习论的深度学习开启了人工智能新的发展方向，分布式储存及并行处理的架构极大地推动了深度学习的发展。

1.1.4行为主义

行为主义（Behaviorism）的基本观点源自于20世纪初的一个心理学流派。为了预见和控制行为，该流派观点认为，有机体在应对环境时会出现各种身体反应，而这些反应综合在一起就形成了“行为”。^[23]行为主义认为，主体与环境的交互导致了智能行为的产生。很多行为虽然复杂难于理解，但可以通过研究将其分解为多了可理解的简单行为进行描述。主体在受到环境的刺激时会产生相应的直接反应，而这种直接反应将会引发再次反应，很多时候二次反应就是我们对导致直接反应的情景或刺激的描述。行为主义通过上述的快速反馈机制取代符号主义中的线性数学模型，进而实现快速适应复杂、多变、较难预测的周围环境。^[24]

维纳在《控制论》中指出，控制论是一门结合了自动控制理论、统计信息论和生物学理论的学科，机器的行为是由预设的反馈行为决定的。^[25]综合了脑科学、信息获取理论、控制理论、逻辑以及自动化技术，控制论极大地推进了机器人研究。以控制论为基础，通过“感知—行为”模式，机器人能够与环境的交互，从运行环境中获取信息，从而做出相应的反映行为。

剩余内容已隐藏，请支付后下载全文，论文总字数：38119字