?
从神经计算模型看德性熏养
非常粗略地说，现代自然科学的特点便是表述诉诸量化手段，结果可由经验所验证。那么，怎么使得儒家的德性论也成为这样一种科学化的“心性”理论呢？一种比较容易想到的思路，便是像前文所提到的森舸澜那样，寻找利用神经科学的证据来印证儒式道德理论的可能性。而为了纾解这一问题，一个很容易想到的方案，便是提高原来的神经科学描述的层次，由此使得一种关于德性的高层次理论能够附着于其上。
这种比神经科学更高，却依然与其有关系的描述层次，就是“神经计算”的层次——在这个描述层次上，人工智能专家对于人类神经网络活动的方式进行适当的数学抽象与模型化，并凭据这一模型来对很多科学假设进行验证。与之相关的技术路径，则在人工智能文献中一般被称为“人工神经元网络”（artificial neural network）或“联接主义”（connectionism）。
非常粗略地说，神经元网络技术的实质，就是利用统计学的方法，在某个层面模拟人脑神经元网络的工作方式，设置多层彼此勾联成网络的计算单位（如输入层—隐藏单元层—输出层等）。由此，全网便可以以类似于“自然神经元间电脉冲传递，导致后续神经元触发”的方式，逐层对输入材料进行信息加工，最终输出某种带有更高层面的语义属性的计算结果。至于这样的计算结果是否符合人类用户的需要，则取决于人类编程员如何用训练样本去调整既有网络各个计算单位之间的权重（参图—1）。一般而言，隐藏层计算单元只要受过适当的训练，就能够初步将输入层计算单元递送而来的“材料”归类为某个较为抽象的范畴，而所有的这些抽象范畴之间的语义关系，则可以通过某种记录隐藏层计算单元之触发模式的所谓“矢量空间”，而得到一种立体几何学的表征。
图—1 一个被高度简化的人工神经元网络结构模型
基于上述基本技术思路，“神经哲学”的倡导者、美国哲学家丘奇兰德（Paul Churchland）便设想了在某种经过精心调试的人工神经元网络的平台上完成“德性”训练的可能[1]。他的大致想法是：如果我们能将关于人类行为的某些基本底层描述全部数码化并“喂入”一个神经元网络的话，那么，通过调整网络节点之间的信息传输权重，我们就能够使得网络中的隐藏层形成一个关于道德价值词分布的“矢量空间”（图—2）。而在这样的矢量空间中，每一个离散的点都表示网络对于特定某种行为样板的典型性表现形式——比如，“撒谎”[lying]这个点就是与撒谎有关的各种输入在得到特定的处理后，隐藏层所应该在矢量空间中激发的位置。而这些激发位置在矢量空间中构成的几何体，则形象地表示了一个具有特定价值观的行为者所尊奉的价值体系的内部结构。
图—2 丘奇兰德所设想的神经网络模型经过训练后形成的关于道德识别的矢量空间
虽然丘奇兰德没有提到儒家思想资源与他的技术建模之间的关系，但是对于此建模对于一般意义上的德性伦理学的说明意义，他却有着自觉的意识。依据他的理路，在神经计算的话语框架中，所谓“获得一种德性”，就是通过特定的数据训练而能够做到以下两点：
（1）在关于隐藏层触发模式的矢量空间中，形成一个在几何学特征与拓扑学特征上均符合社会规范要求的“价值几何体”（或说得通俗一点，知道“撒谎”与“诚实”之间的概念差距要大于“撒谎”与“保持沉默”之间的差距）；
（2） 在遇到新的行为输入的前提下，能够将这些输入正确地映射到前述“价值几何体”的正确位置上去（或说得通俗一点，知道哪些行为算“撒谎”）。而一个网络一旦满足了此类训练要求，我们就可以信赖其能够在未来遇到新的行为刺激时继续产生符合社会规范之期望的道德输出，因为它已经获得了特定的“德性”。
Paul Churchland
不得不承认，至少从表面上看来，丘奇兰德的德性伦理学刻画思路的确与儒家的思路的确有些相合：二者都试图在“前命题推理”的层面上处理德性的“熏养”问题；而且，二者都承认这种“熏养”需要外部的社会权威的介入（说得具体一点，在人工神经元网络中，系统初始输出与理想输出的比对，就是“社会权威意志”对于人造系统的一种介入方式）。而且，丘奇兰德对于“价值几何体”中的“价值端点”的复多性的强调，也与击靶伦理学的类似想法肖似。然而，出于如下理由，笔者依然认为：要将丘奇兰德的相关技术设想完全落实到对于儒家资源的重建上去，我们肯定会遭遇到重大的困难——而且这些困难不仅是技术性的，而且是带有哲学面相的。
任何一种试图用自然主义态度重建儒家德性论的技术路线，都不能通过一种“自下而上”的技术路径，而将儒家意义上的德性养成过程视为任何一种意义上的“模式识别”任务。毋宁说，对于任何一种典型的儒家式道德训诫样本来说，语义属性与价值属性都已经内在于其中，而无法被抽象掉了。因此，从哲学角度看，自然主义者必须接受语义属性与价值属性在原始材料中的“不可还原性”，并在此基础上探求某种不预设描述层次之间的等级架构的新刻画方案。