2025, Vol. 15
人工智能深刻地影响了人类社会，其超强能力主要建立在信息的高效处理之上。虽然人工智能是一个信息处理系统，但它为什么“关注”（focus on）特定对象？它对信息关涉性（aboutness）的处理机制是什么？
更成问题的是，信息是一个复杂概念，学界仍未对其定义达成共识。信息在当下已成为“泛化”使用的词汇，它在各学科中的定义和内容不尽相同。在通讯理论中，信息被视作一种“概率论现象”，此理论聚焦于信息的测量而不关注信息的本质、属性及其实质的内容，“语义方面的沟通对工程问题是不相关的”[1]。通信理论作为20世纪的主导理论，它成为计算机和人工智能信息运作的理论基础。卢西亚诺·弗洛迪（Luciano Floridi）在评价此理论时认为：“它不关注交换信息的意义、推理、相关性、可靠性、有用性、意义和真理性，而是关注不可描述的数据所构成的信息细节和数量”[2]。如果此种信息是由“不可描述的数据”（即数字0和1）构成，那么上述概率论处理以及统计学分析的方式势必会“遮掩”信息的实质内容。作为对现实世界描述的信息不仅是有内容的，而且是“有所指向的”，如人类实施的语言活动是为了实现特定目标（如对他人施加某种影响），此语言活动不仅包含了形式性的句法信息，还包括了意义性的语义信息以及实用性的语用信息。从上述区分上讲，通讯理论意义上的信息仅可以是形式性的句法信息，而不包含语义和语用的信息。相较而言，现实个体不仅可以处理通讯理论意义上的“量化信息”，还可以从主体视角赋予此信息以实质性的意义内容，那么从哲学层面的关涉性来考察人工智能的关涉机制，这不仅可以为人工智能的信息处理提供实践指引，也可以为人类和人工智能的“深层次交互”提供理论资源。总体上，人工智能的信息处理过程展现了它具有关涉能力的大量“外显论据”，如从人类指令信息中提取出关键信息、智能机器人的动作指向了某个对象，那么其关涉能力有何特殊之处？其关涉机制是什么？在展开分析之前，这里首先引出“关涉性”的定义。
关涉性是一个专业的哲学术语，学界常将之与意向性等同，“关涉性是精神（认知）状态的表征属性”[3]。心灵哲学家将关涉性用于分析人类的心灵活动、精神状态以及表征过程。弗朗兹·布伦塔诺（Franz Clemens Brentano）最早将意向性视作“精神的标志”，他认为精神状态是关于其他状态的，包括其他不存在的状态。可以看到，关涉性表现出“朝向某物”（directed towards things）以及“关于某物”（about things）的特征，意向性则与人类精神状态（特别是意向状态）紧密关联。就此而言，关涉性包含的范围更广，而且包含了意向性。即使非人对象没有意向状态，它如果展现出“有所指向”的外显论据，那么它仍有可能持有关涉能力。
对人类而言，关涉能力是认知能力的表现，精神性的意向状态为人类的关涉过程提供了“整体方向”，此整体方向“渗透到”信息关涉的各个阶段而影响了人类的关涉机制。人类意向状态有信念、欲望、意向和希望等类别。例如，信念的意向状态反映了个体的认知水平（如知识水平），个体对不同命题持有不同强度的证成信念。意向状态在一定程度上解释了个体为什么“关注”某事物及其特定方面。除了意向状态的关涉性，个体在前思考的亚信念阶段、外显的态度以及经验基础等方面都具有关涉性，这对应的是亚信念关涉性（subdoxastic aboutness）、态度关涉性（attitude aboutness）和经验关涉性（experiential aboutness）。进一步地，信息也有关涉性，因为信息是对特定对象的描述，对象可以是事物、事件和事态等，因此表现出方向性的特征。信息以事实的形式表达，它与真理是“唯名论”（nominal）的关系。按照上述论述，当从关涉性的视角考察信息处理过程，那么此处理过程本质上是具有不同关涉能力的对象对信息关涉性的识别过程，此为关涉性的“相互匹配”。
虽然现实中大量非人对象（如动物、植物和人造技术物等）不具有人类心灵，也不持有心灵之上的精神状态，但仍会特别地关涉某对象并识别某对象信息的关涉性，如病毒寻找宿主时对宿主信息的识别，向日葵面向太阳时获取的温度信息等。上述生物过程是生物体具有关涉能力的“外显论据”。同样，人工智能作为具有“人造智慧”的技术物，其实施的多样活动也是它具有关涉能力的外显论据，那么人工智能是否具有关涉能力？在此关涉能力之上的认识过程是什么，即其“泛化认识论”基础是什么？
二、狭义人类中心主义路径的否定性论断所谓狭义人类中心主义视角是指仅从人类角度出发考察非人对象的各项活动，这往往得出“非人对象不具备人类能力以及不能实施人类活动”等结论，那么基于此视角的人工智能将不可以持有关涉能力，主要表现为：第一，由于人工智能没有人类主体地位，因而其“自我关涉性”（self-aboutness）是缺失的。也就是说，由于没有主体视角的参与，人工智能对信息的处理将不能按照人类的方式将信息围绕在“自我”这一主体的“周围”。因此人工智能对信息的处理仅是各种信息片段的“堆积”，整个过程并没有主体视角贯穿其中。第二，主体性的缺失导致人工智能不可以为信息提供主观要素，从而不能进入人类的意义领域，因此不能有效把握语义信息的语义内容。第三，人工智能在获取对象物理信息方面是能力缺失的，因为人类的感知过程受到精神状态关涉性的引导，感知过程与认知过程是“不可分割”的整体。相较而言，人工智能并没有人类层面的感知和认知阶段的区分，因为上述阶段都属于信息处理的过程。上述三个方面决定了人工智能不持有关涉能力，具体内容如下：
首先，从主体地位到自我关涉能力的缺失。“主体”（subject）概念自笛卡尔哲学之后成为近代西方哲学的一个重要概念，主体凸显了“人之为人”的地位。“人不是生来即为主体，人成为主体是笛卡尔之后的事情”[4]。当从主体视角考察人类关涉机制时，此种主体视角将“渗透到”信息关涉的不同阶段，即主体在自我关涉之上会将对信息的搜集和处理活动都置于“主体”视角。例如，现实个体在面对海量杂多的信息时，他将从主体视角对上述信息进行甄别、筛选、编码以及整合等，这些活动都是自我关涉的表现。从这个角度讲，自我关涉能力相当于人类信息处理过程的“过滤器”，他会将与主体无关的信息排除，并确认与主体有关的“有用信息”，最终将这些信息纳入自身知识体系。
延续上述思路，已知人工智能是服务于人类的工具，它是工具性的客体，那么它的信息处理过程包括泛化意义上的认知活动并没有主体视角的参与，而是以客体视角展开的，这导致的结果是：虽然人工智能可以处理海量杂多的信息，但是此过程既没有主体视角的切入，也没有基于主体视角的主观要素的“摄入”，它在自我关涉方面是缺失的。易言之，人工智能虽然可以存储和加工信息，但却不能以人类方式在自我关涉的背景下将信息片段整合起来而形成最终的知识，因此人工智能所存储和处理的知识不能等同于人类的知识，其信息处理过程也不同于人类形成知识的过程。弗洛迪说：“打破这一点，你会得到一堆真理或一系列随机信息，这对尝试理解现实是无益的”[2]。所谓“打破这一点”是指知识和信息的互补关系“被打破”，此时知识没有有用信息的支撑，而只是无用信息或随机信息的拼凑，因此这种“虚假知识”对“理解现实是无益的”。
其次，由于主体视角的缺失和自我关涉能力的缺失，人工智能不可以赋予信息以主观要素，因而也不能把握语义信息的语义内容，其思路如下：一是从语言哲学的角度讲，语义信息是语言活动的重要构成要素，它是语言活动所表达的内容和意义。进一步，语义信息由不同“更小的”语义单位构成，这包括了义素、义位、义丛、义句等。二是从信息哲学的角度讲，由于语义信息是语言活动的构成部分且信息具有关涉性，那么某对象实施的特定语言活动是“有所关涉的”，即它是“关涉”（about）某个对象以及试图实现某个目标的。米歇尔·福柯（Michel Foucault）曾在其“语言矩形”（linguistic rectangle）也表达了语言活动的关涉性，此“矩形”由命题、表达、指定和派生四个“直角”构成。其中，“指定”（designation）要素是指语言活动对特定对象的“指定”，此为语言活动的方向特征[5]。三是从主体哲学的角度上看，人类的自我关涉能力不仅实现了“自我”与信息关涉性的“匹配”（如将信息片段整合为知识），它也参与到意义赋予和理解的各阶段之中。意义是主观且易错的，认知对象赋予信息何种意义受到了其认知水平和所处境况的限制，“信息本身不能是错误的，但思想和信念可以是错误的”[3]。就此而言，上述从形式且客观的句法信息到主观生动的体验内容的转变，这是赋予信息以意义的过程。四是将上述不同哲学视角的分析用于人工智能情境时，这些狭义人类视角的分析表明人工智能不可以“真正”把握人类语言活动的本真意义。虽然当下各类人工智能体已展现出多样的语言能力，如智能语音系统对人类声音的识别、与人类用户的“语言交互”等，这些能力都是基于句法信息的处理而实现的。如在“中文屋”案例中，作为人造技术物的被测试者虽然可以就相关问题作出适当回应，但它不理解故事的真正含义。在约翰·希尔（John Searle）看来，程序软件是基于嵌入语法而“看起来”能够理解中文故事[6]。在此之上，希尔认为作为关涉性的意向性不以语义信息为基础。相反，语义信息的语义内容由人类心灵及其精神状态提供，赋予语义信息以语义内容是人类关涉能力的表现。
总体上，狭义人类视角是基于人类心灵和精神状态的关涉能力考察，人工智能在主体地位、心灵和精神状态等方面的缺失导致其不持有人类式的关涉能力。按照希尔对原初意向性和派生意向性的区分，人造技术物不可能持有基于心灵的原初意向性，它所展现的关涉能力和关涉论据是人类设计者所提供的，即这是一种非原初而“被设计出来”的关涉能力，因此人工智能的活动遵循的是设计者的命令。在希尔看来，一个举动或动作（act）包含了先在意向（prior intentions）[7]。按照此种理解，当此“先在意向”以语义学的命令被嵌入到人工智能中时，即便人工智能基于“先在意向”实施了活动，这仍是人类指令的作用。就此而言，人工智能在意向之上的活动与机械体的动作没有本质区别。简言之，人工智能不可以持有狭义人类意义上的关涉性。
三、广义人类视角和非人类视角的“可能方案”虽然狭义人类视角拒斥了人工智能持有人类式关涉能力的可能性，但人工智能仍可持有非人类式的关涉能力，下面的论述分别从广义人类视角和非人类视角为人工智能持有此能力提供了可能性：
首先，对于广义人类视角，这以大卫·麦凯（David MacKay）和丹尼尔·丹内特（Daniel Dennett）等人的理论为代表[8-9]。丹内特受麦凯理论的影响而提出了意向系统理论，他是通过“意向立场”来预示非人对象的活动。非人对象的物理系统在对目标追求的过程中展现出了关涉能力，此过程无需心灵、精神状态以及语言活动的参与，例如生理冲动之上的追求目标活动即关涉能力的表现，如动物的捕猎活动。丹内特进一步在其意向系统理论中提出了“人类中心主义化”（anthropomorphizing）这一概念，涉及对非人活动的广义人类视角的考察。也就是说，虽然人造物不持有人类心灵和精神状态，但其追求目标过程中展现出了持有信念、欲望、意向和愿望等意向状态的论据，因而可以通过赋予它们以意向状态的方式来预示其活动。按照此种思路，这里可以将人工智能的存储的信息作为视作其信念，也可以将人工智能内嵌的目标视作其需求和欲望，因此它可以成为一个意向系统而具有了关涉能力[10]。
总体上讲，上述广义人类视角的分析是以“外在地”赋予非人对象以意向状态的方式作出的分析，而意向状态处于行动的“准备阶段”，因此这涉及的是行动“准备性”（preparedness）的关涉性。也就是说，在一项行动尚未实施之前，对象围绕其意向目标确定关涉对象以及识别信息的关涉性。由于人工智能所实施的活动指向了其嵌入的各类目标，这包括设计者的意向目标以及人类用户输入的指令目标等，因此广义人类视角人工智能持有是基于上述目标的关涉能力。然而，问题是：一个对象所实施的活动并不一定都是指向目标的，它也可以是“无目标”的准备活动，如“漫无目的”的思考活动等，即它无需外显为特定的行动，如人类的目的论和非目的论的活动。就此而言，基于“行动准备性”的分析并未把握关涉能力的“全貌”，因为广义视角的分析仅涉及目标相关的关涉过程，而未能对非目标的关涉过程提供说明。
其次，对于非人类视角的分析，此路径认为一般生物体具有关涉能力。生物体是“直接地获取”信息，而不涉及信息处理的过程，如动物确定“行动路线”时，它是“直接获取”所处环境的相关物理信息。也就是说，此信息获取过程无需精神状态以及精神表征过程的参与，生物体信息提取是一种非精神性的非表征过程，安东尼·切莫（Anthony Chemero）说：“直接感知中的信息处理不需要在心灵中表征”[11]。按照此种理解，即使生物体没有人类心灵也可以持有关涉能力。在塞勒看来，生物体是在适应外部环境的过程中逐步具备了关涉能力，如病毒在寻找食物的过程逐渐关涉不同的对象信息。同样，人工智能也具有生物体的上述能力，它可以确定食物的空间方位、提取温度信息等，这说明非人类视角下的人工智能是具备关涉能力的。问题是上述路径将关涉能力视作信息的获取能力，此过程无需认知要素的参与，也没有赋予信息以相关内容的过程，那么这在一定程度上将高阶复杂的关涉能力排除在外。例如，生物体确定能量源头的过程被视作获取信息的过程，但是它仅是生物体的本能反应，这没有思考和判断的参与，更不可能有概念、信念等认知要素的“摄入”。虽然老鹰可以基于其视觉官能而“直接获取”猎物信息，但此直接过程也有其结合捕食经验的相关判断。非人类视角的生物学路径过于强调感知阶段的信息获取，忽视了认知阶段的信息处理，因此仅是对低阶关涉能力的考察。
对于上述生物学路径，弗洛迪认为：“激进的具身认知科学家所研究的感知－行为的信息处理，它们不涉及心理锻炼的信息处理的各种形式”[2]。这里的“精神锻炼”（mental gymnastics）是指精神状态之上的相关认知活动，由于生物学路径关注感知过程，从而忽略了精神锻炼过程中的信息处理。或许对简单的生物体来讲，“刺激—反应”的感知模式可以把握其关涉能力的“全貌”，但对于复杂生物体而言，感知阶段的信息提取受到其认知水平影响，以人类感知和认知为例，按照身体现象学的基本论点，身体同时具有了感知和认知的能力[12]。也就是说，在基于身体官能获取信息的过程中，认知要素始终参与其中，因此感知过程并非只是获取信息而没有处理信息。简言之，生物学路径过于聚焦于简单生物体的感知阶段的分析，这忽视了对复杂生物体认知阶段的考察，此种“割裂地”对待感知和认知过程导致了它对关涉能力的把握是不全面的。
上面分别从广义人类视角和非人类视角阐述人工智能持有关涉能力的可能性。广义视角为人工智能确立了基于行动准备性的关涉能力，非人类视角则为人工智能确立了低阶关涉能力。然而，上述两种路径并非完备的。广义人类视角聚焦于目标之上的关涉性，非人类视角则考虑感知阶段的关涉性。下面将从关涉性视角把握人工智能认知过程“全貌”。
四、基于关涉性的“泛认识论”认识论是哲学的重要分支，它主要是对人类认知活动的考察，如对概念的形成和本质的考察、对信念的命题态度和基于信念的知识证成的考察、对知识本质、结构及其特征的分析等，那么在展开人工智能的认识论考察之前需追问：人工智能是否可以实施认知活动，是否持有认知状态？进一步地，什么是认知活动？进入认知状态需要满足何种条件？显然，不同视角的分析会带来不同的答案，而这些答案与本部分的分析紧密关联。如果人工智能的关涉活动不是认知活动以及人工智能不可以持有认知状态，这说明对其认识论的考察并不可行。
在上面狭义人类视角的分析中，人工智能的主体地位和自我关涉能力的缺失导致它不能持有人类式的主观要素，也不能进入人类意义领域。“成为一种认知状态需上升到意义层面，且这是一种高于仅仅承载信息的层面”[13]。此论断阐述了进入认知状态的基本要求：他不仅需要具有信息的承载能力，还需要能够进入意义层面。就当下技术而言，人工智能是具备此种承载能力的，如它对信息的存储，但人工智能尚且不能进入人类的意义领域。意义既有主观要素的“摄入”，也有客观信息的“支撑”，如弗雷德·德雷斯克（Fred Dretske）认为信息属性的转化能力是认知能力的表现，这是一种将“模拟信息”转换为“数据信息”的能力，因此德雷斯克断定各类人造技术物（如电视机等）不能算作认知系统，因为这类对象的信息处理过程不涉及信息属性的转化[14]。
上述分析表明：人工智能不可以持有人类层面由精神活动构成的认知状态，其信息处理活动不同于人类认知活动。然而，前面基于广义人类视角和非人类视角阐述了人工智能是可以被视作意向系统，它持有了“类人式”的意向状态，这说明人工智能可以进入到“广义认知状态”之中。换言之，人工智能虽不持有狭义人类认知状态，但其关涉活动仍可被视作“泛化”或广义的认知活动（generalized cognitive activity），因此对其“泛认知论”（general epistemology）的考察是可行的。具体而言，人工智能的泛认知活动包含了如下内容：
首先，人工智能在感知阶段获取信息，这为后续认知活动提供了“基本材料”。前面论及，人工智能是直接地获取信息，这主要通过各类传感设备实现，如摄像头、温度传感器等以及脑机交互中的人工耳蜗和人工视网膜等技术。人工智能进一步对所获取的原始感知信息展开处理以提取出信息的“有用特征”，如以统计学方法和机器学习识别感知数据的规律特征和结构特征。此种信息提取虽类似于人类感知，但它没有生物体层面的生物－化学机制的参与，“触觉和其他四种感觉（视觉、听觉、嗅觉、味觉）是难以分离的”[15]。生物体的感知建立在“五感”对信息的综合处理之上，最终形成的“整体感觉”，因此生物体的感觉有整体主义特征。相较而言，人工智能的信息提取虽然可以模仿生物体的“五感”，但是其特征和规律总结阶段并不能“完全模仿”生物体的整体主义感觉。其次，人工智能基于感知信息展开思维与推理活动，如在复杂数据中识别规律、基于经验材料学习相关规则等。在此之上，人工智能将作出相关决策和反应活动，如自动驾驶领域确定驾驶轨迹、在机器人控制领域确定与人类动作的交互模式等。
可以看到，虽然人工智能的泛认知活动不同于人类认知活动，但在感知和认知阶段的信息处理可以为人类提供帮助。在感知方面，人工智能基于机器学习能力来处理海量的数据材料，在反复识别数据、总结数据特征的基础上将不断调整自身运作参数，最终完成一些难以用具体规则描述的复杂任务，如图像和语音的识别。在认知方面，前面虽然论及了人工智能不能形成人类知识，但它在知识活动上同样发挥重要作用。人工智能对复杂数据的规律把握能力是人类不具有的，此能力将扩展人类的知识范围。人工智能的泛认知活动虽然未能产生“新的”人类知识，但可以在上述阶段施加影响，此为对人工智能泛认识论考察的必要性。
从技术角度讲，人工智能是一种“相关性”的技术造物，而不是“因果性”的技术物，其运作过程本质上是由数据驱动的，它涉及的是统计学意义上不同变量间的相关性，且这无需因果性的支撑，原因是：因果关系需要确定对象的具体运作机制，如物理因果关系的确立不仅关注外显物理活动的相关性，还需考察物理活动的原因、结果、规律等。相较而言，相关性无需“深入到”关于对象运作机制的考察之中，它可以对所获取的数据直接观察以确定“正相关性”或“负相关性”，如人工智能对图像属性的直接识别、归类和整理等。简言之，“因果性”（causality）不同于“相关性”（correlation）：前者可以预设后者，反之则不一定成立。
总体上，相关性体现了人工智能的“工程学”优势，它在相关性上的优势被广泛用于推荐系统、语音识别以及图像归类等领域。然而，人类社会和外部世界不仅有“相关性的应用场景”，还包含大量“因果性的场域和主题”。人工智能在此类领域的作用有限。以药物研发为例，患者使用此药品取得不同效果，人工智能可以基于患者的使用数据确定出“服药和康复”的相关性，但它在下面的因果议题上却“无能为力”，如药物是否真正有效？其作用机制是什么？当从关涉角度考察相关性和因果性时，这实际上是以“相关和因果”两种不同的方式关涉信息，关涉角度更清晰地外显了人工智能认知能力的局限性。由于关涉能力是关于对象不同侧面信息属性的“关注”，这包括了“相关和因果”方式确立信息关系。也就是说，信息关系可以是基于相关性的信息关系和基于因果性的信息关系，即相关关系和因果关系。然而，人工智能关注统计学层面的相关性，这是归纳推理之上的“外显特征”的考察，它体现了人工智能的“低阶”关涉能力。相较而言，因果性建立在演绎和反事实等推理之上，这要求能动者具有提出假设以及验证结论等能力。显然，这对当下人工智能而言是过高的要求。易言之，作出因果性的假设和结论等活动主要由人类完成，因此建立因果性的信息关系展现了人类的“高阶”关涉能力。
上述分析为人工智能认知活动的提升以及“泛认识论”的完善提供了重要启示：鉴于人工智能的“因果力量”（causal power）是缺失的，故而限制了其“认知表现”。在希尔看来，只有生物体才具有“因果力量”，即“生物性的因果力量”（biological causal power）[16]。如果人工智能在因果领域有“良好表现”，它不仅能够有效解释自身活动（即消解了可解释性的难题），也可以实现与人类的“深度交互”，因此未来的重点是侧重于人工智能“因果增强”学习能力的提升，以使其逐步具备“因果力量”。
五、总 结以上不同视角考察了人工智能的关涉能力。狭义人类研究视角从人工智能不具有人类的心灵能力、意识能力以及意向性能力等方面出发，由此拒斥了此人造技术物具有“精神性的关涉能力”的可能性，广义人类研究视角和非人类研究视角虽为人工智能持有关涉能力提供了可能性，但它们也展示了人工智能关涉能力的局限性。总体上讲，上述考察为未来人工智能的研究带来了如下启示：
第一，人类基于心灵和精神状态而持有独特的关涉能力，此独特性表现为：自我关涉能力贯穿于感知和认知的整个阶段，因此人类基于此能力可以为信息提供丰富且多样的意义内容，人工智能作为“低阶”的信息-符号处理系统，它只可以实施“初始性”的符号活动，如识别形式符号以及通过对人类面部表情识别而作出简单的回应等。然而，人工智能技术处于高速发展之中，未来并不排除人工智能进入人类意义领域的可能性，如当下已经出现大量关于人造意识、人造情感、人造感觉以及人造统觉等议题的讨论。就此而言，未来深层次地研究信息的本质、意义的形成以及关涉性的结构是必要的，这构成了未来的研究方向。
第二，上面阐述了人工智能对人类感知和认知活动的重要支持，但人类某些活动（如知识形成的认知活动）仍是人工智能所不可替代的，此“不可替代性”为人类和人工智能确立了明晰的“界限”。具体而言，人工智能已展现出众多类似于人类乃至超越人类的能力，如模拟人类身体动作、模仿人类思维方式以及增强型脑机接口对人类官能的增强等，人工智能愈来愈多的“拟人”特征导致了它对人类社会的“全面渗透”。因此，人类与人工智能之间的边界更为模糊，表现为价值和意义的数量化、规范原则的算法化以及活动的同质化等。就此而言，虽然人工智能在不断地“形塑”人类社会，但不能等同于“控制”人类社会。如何基于关涉性为人工智能“划界”，这将是未来研究的方向。
① 学界关于“aboutness”的译法多有不同，如相关性、指涉性和关联性等。虽然这些译法在一定程度上展现了此概念的方向特征，但也有其他相应的英文词汇，如相关性（correlation）、指涉性（referentiality）、关联性（relevance）等。“aboutness”是当下众多哲学分支关注的重要概念，如心灵哲学、行动哲学和信息哲学等。这里主要涉及信息哲学视角的考察，此哲学分支中的“aboutness”与特定情境和外部世界的信息紧密关联，如“aboutness”的“情境性”（situatedness）的特征。有鉴于此，为了把握“aboutness”的“关注”的方向特征和“涉及”的对象特征，这里将之译作“关涉性”。
| [1] |
Shannon C, Weaver W. The Mathematical Theory of Communication. Urbana: University of Illinois Press, 1949: 31.
|
| [2] |
Floridi L. Semantic Information. in the Routledge Handbooks of Philosophy of Information. Floridi L.(ed). London: Routledge, 2016: 44.
|
| [3] |
Adams F. Information and Cognition. in The Routledge Handbooks of Philosophy of Information. Floridi L. (ed). London: Routledge, 2016: 321.
|
| [4] |
海德格尔. 林中路. 孙周兴, 译. 上海: 上海译文出版社, 2004: 109.
|
| [5] |
福柯. 词与物. 莫伟民, 译. 上海: 上海三联书店, 2001: 306.
|
| [6] |
Searl J. Minds, Brains, and Programs.
Behavioral and Brain Sciences, 1980, (3): 417-424.
|
| [7] |
Searl J. The Intentionality of Intention and Action.
Cognitive Science, 1980, (22): 47-70.
|
| [8] |
Mackay D. Information, Mechanism, and Meaning. Cambridge: MIT Press, 1969.
|
| [9] |
Dennett D. Content and Consciousness. London: Routledge, 1969.
|
| [10] |
Dennett D. Intentional Systems.
The Journal of Philosophy, 1971, (68): 86-106.
|
| [11] |
Chemero A. Radical Embodied Cognitive Science. Cambridge: MIT Press, 2009: 127.
|
| [12] |
梅洛-庞蒂. 知觉现象学. 姜志辉, 译. 北京: 商务印书馆, 2001: 194.
|
| [13] |
Adams F, Beighley S. Information, Meaning, and Animal Communication. in Animal Communication Theory: Information and Influence. Stegmann U.(ed). Cambridge: Cambridge University Press, 2013: 402.
|
| [14] |
Dretske F. Knowledge and the Flow of Information. Cambridge: The MIT Press, 1981: 182.
|
| [15] |
Gallace A, Spence C. In Touch with the Future: The Sense of Touch from Cognitive neuroscience to virtual reality. Oxford: Oxford University Press, 2014: 159.
|
| [16] |
Searl J. Animal Minds.
Midwest Studies in Philosophy, 1994, (19): 206-219.
|