3、RoboLabs：构建可理解性的表面

RoboLabs：构建可理解性的表面

1. 引言

从社会学科技研究的视角来看，算法和数据驱动的推理形式遵循“表面逻辑”。算法能够从行为模式的关联中提取意义，而无需将以特定方式行事的主体理解为具有内在态度、动机、情感和思想的个体。这种算法分类程序可以在不必明确询问人们行为意图的情况下，形成对人类习惯的认知。然而，与之对应的行为主义承诺却遵循着人与技术之间亲密、心理化且常带有情感色彩的叙事。

在创新政策方面，福利指标正从GDP转向幸福登记，期望通过人工智能技术在心理健康或情感支持等问题上进行诊断和治疗，使其发挥效用。相关的发展范式，如情感计算、意图估计或积极计算，表明观察可见的表达数据不仅能推断人们未来的行为，还能了解他们的内在动机、欲望和情感。在设计社交机器人时，社交智能常与读心能力相结合，通过观察人类的表情并应用心理化或民间心理学，让机器人理解人类的意图和情感，这被视为社交智能机器人的一项基础技能。

不过，Sybille Krämer引入了“扁平化的文化技术”，认为智能只有通过表面的产生才成为可能。算法对人类的分类过程类似于“图表学”，从洞穴壁画到复杂的可视化工具，它们通过消除深度维度来产生引导智能的表面。那么，不同类型的智能如何在这些表面上相互协作，就成为了一个值得探讨的问题。

2. 智能的互联

不同的智能并不能简单地相互整合。机器和人类的思维方式不同，而且两者都是多种不同类型智能的载体和产物，这些智能包括有机的、心理的、认知的、控制论的和社会的，它们相互之间不可通约。智能意味着观察者无法看到一个系统或生物体如何得出有效的解决方案，智能会根据自身规则进行选择，并让其他智能依赖于它。

智能是一个表面现象，当我们看到一