谈起法律工具主义，还要追溯到公元前5世纪左右，管仲提出依法治国。此后，法律就被公认为是治理国家的工具。所谓治世之具，也可以叫治国之具，法律的工具主义从这儿就开始了。到唐朝，魏征做了一个形象的比喻。他说国家好像是一匹奔马，骑在马上的骑手就是皇帝，皇帝手中拿的鞭子就是法律，这样就把法律工具主义更加形象化。既然古代的法律是君主手中的鞭子，这个法律必然受到君主的影响。遇有开明的君主就能够发挥法律治世功能的作用，遇到昏君那就没有办法发挥法律的治世功能。历史事实也确实如此。唐太宗时期就是个讲究法制的时代。当时，针对官吏假冒伪造履历，唐太宗说了一句话，以后再遇到假冒履历的官员必死不赦。不久，又发现了假冒履历的事情，大理寺少卿戴胄据法断流，没有断死刑，唐太宗就非常不高兴，说我说过以后再有一定要处死。这时戴胄讲了一句话，他说什么是法，法是“国家布大信于天下”，不能因为皇帝一时喜怒的意见，使法丧失了大信，这样说服了唐太宗。唐太宗说了一句话，法乃天下之法非朕一人之法。所以皇帝也遵法了，这就发挥了法律的工具主义的作用，这是遇到了明主。

遇到了昏君的时候，就是法制的败坏。隋文帝本来是很重视法律的，但是到晚年任意为法。比如说六月天要判处犯人死刑，大家就劝解他从汉以来都秋冬行刑，六月天不能判死刑。他说六月天为什么不能判死刑呢？六月天还有雷霆震怒，雷还会击人呢，我是皇帝我也可以杀人。所以法律工具主义是人治下的法制，遇到明主确实起到了治世的功能，但是遇到昏君的时候便不能发挥积极作用。法律工具主义不仅影响了整个古代社会，也包括近代社会。想起用法就把法拿出来，不想用法就把法收起来。所以今天我们要牢固树立依法治国的法律权威主义的观念，就必须肃清法律工具主义的残余影响。

法与改革的关系就是古人所说的改制与更法。春秋战国时期处于社会大变动时期，其经济体制改革和政治体制改革是联在一起的。到汉以后，专制制度牢固建立起来，谈改革多半都是经济体制改革。无论是先秦的也好，以后的也好，体制改革总是和法制密切联系在一起。也就是说，成功的改制，成功的改革都是和法制相向而行。举一个大家知道的例子，就是商鞅变法。商鞅变法就经济体制改革来说，是建立一家一户的封建的生产方式。政治体制改革是废除世卿制度，建立军功爵制。这次改革借助于法律，颁布了许多新法。开阡陌，封疆令，废除了过去的土地国有制。颁布二十等军功爵令，奖励首功，废除世卿世禄。这些法律明确地提出改革的内容和方向，对改革起了了引导作用。其次商鞅也利用法律扫除或者是减除阻碍改革的旧势力。把反对改革的旧贵族，甚至太子的师傅处以肉刑，借以推动改革。最后是运用法律来巩固改革的成果。这些成果得到了秦国百姓的拥护，所谓秦民大悦。尽管商鞅被处以死刑，但其法未败。所以改制与更法密切相关，成功的例子都是改制与更法相向而行。

在大数据基础上，深度学习和强化学习技术势如破竹，正引领着时下人工智能的热潮。一方面，相比于二十世纪八十年代的浅层神经网络，深层神经网络不仅在图像、语音及自然语言处理等方面大放异彩，而且与人类大脑神经系统的多层结构更加相似;另一方面，强化学习通过与环境互动所获得的奖惩来调节系统权重结构，使主体在最大化期望奖励诱导下不断修订从状态到动作的映射策略，从而实现快速提升系统性能的目的。前者受到认知神经科学的启发，后者则与心理学中经典的行为主义范式如出一辙。更不必说，为了改进深度学习和强化学习技术而引入的注意力、长短时记忆等机制几乎是直接照搬了心理学术语，用心理学词汇和理论武装人工智能现已蔚然成风。

这并不奇怪，毕竟人工智能的核心目标就是研发愈加接近人类的高级的智能系统，而真正的智能也必然具有一定的心理活动。在这种情况下，公众对人工智能的期望水涨船高，人工智能“友善论”或“威胁论”的论调层出不穷，文学和影视作品则及时将其呈现到人们的眼前，仿佛类人智能机器人明天就会到来一般。

与此同时，人工智能产品也迅速地向心理学领域渗透。例如，基于面部表情的情绪识别系统，基于大数据分析技术的舆情分析或自杀预警系统，基于GIS的大规模人群跟踪调查系统，基于VR技术的心理健康干预系统，基于行为特征的测谎系统等等。遗憾的是，琳琅满目的各色项目解决的只是心理学的应用问题，而对于心理学核心的理论问题却没有什么实质性的帮助。

实际上，当前人工智能领域中主流的深度学习和强化学习与人脑和心理差距甚远。

首先，从构成单位上看，人脑的神经网络与深度神经网络非常不同，深度神经网络最小单元一般为同类的神经元，但人脑的神经元不仅类型众多，功能各异，而且神经元也不是最底层的加工单位;从网络结构上看，深度神经网络中大部分节点是等同的，但人脑不同的脑区甚至脑区内部，都可能存在很大的差别；从编码方式上看，人脑神经元虽然能够产生可表征为[0，1]的动作电位，却是通过动作电位的频率对信号进行编码的，而人工神经网络却不都是如此;从信息加工方向上看，深度神经网络最经典的训练方式为反向传播，但大脑中似乎不存在类似的反向传播机制。

其次，人的注意力和记忆系统具有很强的语义性加工导向，而深度学习中的注意力机制靠的是输入与当前上下文信息的统计映射而非语义理解。

再次，人类的学习过程远非“刺激——反应”这般简单。无数心理学和教育学证据指出，人类学习是非常复杂的行为，是内隐和外显两种方式有机的融合，是对环境主动的加工，也是新信息与已有经验不断动态建构的一种生态表现。然而，类似巴普洛夫的狗和斯金纳的鼠，在强化学习中要求对行为结果必须具有确定性的奖惩判断以巩固经验。但是，在真实的开放世界中，人脑中经验往往具有模糊性，甚至有时是对抗和矛盾的，难以清晰辨识好坏优劣。

(摘编自刘凯《返朴人工智能与心理学融合的“貌合神高”》)