用人工智能方法为美德伦理学辩护

一、美德伦理学与境遇主义批评

美德伦理学(virtue ethics)①Van Zyl，L.Virtue Ethics：A Contemporary Introduction.Routledge，2018，12.通常被看作规范伦理学的三种主要理论中之一。与结果主义(consequentialism)和义务论伦理学(deontology)相比，美德伦理学的不同之处在于，它将道德判断的概念基础建立在各种美德(virtue)与罪恶(vice)之上。这些美德和罪恶常常被定义为人们的道德行为和感受的某种倾向。尽管其他的伦理学理论也会对美德与罪恶的概念进行分析，但那些分析常常建立在其他的伦理学原则之上，例如要求评估行为可能产生的后果的效用原则等。自从安斯康姆著名的《现代道德哲学》②Anscombe，G.E.M.“Modern Moral Philosophy”.Philosophy，1958，33(124)：1-19.发表以来，美德伦理学在当代的道德哲学领域受到了越来越多的关注。人们逐渐认识到，美德伦理学的独特思路有助于揭示被其他规范伦理学理论所忽略的重要论题，例如幸福(happiness)的观念和实践智慧(practicalwisdom)等。然而，美德伦理学的内部也发展出了不同的版本，美德伦理学家对于一些基础问题的争论也远远没有结束。美德的本质是什么?分为多少个种类?美德是与生俱来的还是通过后天的努力逐步习得的?美德与现实利益有怎样的关系?是否可以在美德和罪恶的概念基础上建立起一个完整的规范伦理学理论?这些问题都是美德伦理学亟待解决的理论问题。

境遇主义批评(situationist critique)是近年来对于美德伦理学的主要批评之一。这一批评的思想资源主要来自于社会心理学领域从20世纪开始所做的一系列心理学实验。例如在著名的米尔格拉姆的“服从”(obedience)实验中，实验者以权威的身份要求被试对教学过程中回答问题出错的学习者施加模拟的电击惩罚，这些惩罚的严重程度足以致命。实验结果显示超过65%的普通人没有坚持反抗这种明显违背道德的行为要求①Milgram，S.Obedience to Authority：An Experimental View.New York：Harper&Row，1974.。一些“哲学境遇主义者”(philosophical situationists)，例如哈曼和梅里特等，认为这些心理学实验不但质疑了美德作为一种稳定的性格特征的存在，也从根本上质疑了人们根据美德的规范来指导道德行为的现实可能性。②Harman，G.“The Nonexistence of Character Traits”，Proceedings of the Aristotelian Society，100(1)：223-226.③Merritt，M.“Virtue Ethics and Situationist Personality Psychology”.Ethical Theory and Moral Practice，2000，3(4)：365-383.

对于美德伦理学的境遇主义批评可以根据批评的对象分为两类。第一类批评者认为，类似米尔格拉姆实验的经验研究结果说明，人们的道德行为会随着不同环境或境遇的影响而变化。而美德伦理学假定人们拥有跨越境遇的稳定的性格特征，这一基本假定与经验研究结果不符，因此美德伦理学的理论基础存在根本缺陷。第二类批评者认为，上述实验说明人们的道德行为并不完全由人的有意识的理性思维来决定，而是理性思维和无意识(non-conscious)的心理过程共同作用的结果，而且两者常常是相互冲突的。这意味着人们无法通过理性的教化来习得特定的性格特征，因此美德伦理学所设定的有意识地培养个人的美德这一道德理想在本质上不可能实现。如果上述两类批评最终被判定是正确的，美德伦理学的理论基础将受到严重的挑战。

美德伦理学的支持者们对境遇主义批评的回应有很多种，例如“罕见回应”(rarity response)④Miller，C.“The Real Challenge to Virtue Ethics from Psychology”，Snow，E.N.，Trivigno，V.F.(Ed)The Philosophy and Psychology of Character and Happiness.New York：Routledge，2014，15-34.和CAPS性格特征的存在⑤Snow，E.N.Virtue as Social Intelligence：An Empirically Grounded Theory.New York：Routledge，2010，31.等。本文讨论与这些传统哲学方法不同的基于人工智能的另一种回应方法。这种方法运用基于智能体的建模技术(agent-based modeling)对一种特殊的美德进行建模，并在此基础上设计实现两组计算实验，通过对实验结果的分析来澄清境遇主义的批评，并探讨可能的回应。

二、美德伦理学的人工智能模型

美德伦理学是一个典型的人文学科研究领域，拥有十分悠久的历史。对美德伦理学的传统研究方法与其他的人文学科类似，包括经典解释、概念分析，以及苏格拉底式的论证等。在过去的几十年里，人工智能的方法与技术被广泛应用于社会科学与人文学科的研究中。其中特别值得关注的是基于智能体的建模方法。尽管这一研究方法在经济学、社会学等社会科学中有大量的应用，但它在规范伦理学，特别是美德伦理学研究中的应用仍然很少。本节首先简要介绍基于智能体建模方法的基本思想，然后介绍第三节的计算实验所采用的美德伦理学模型，并给出本文回应境遇主义批评的核心论证。

基于智能体的模型是一种表征社会复杂系统的有效工具。复杂系统的基本特征在于，它们是由大量更小的部分或单元组成，这些小单元的行为可以有很大的变化，并且每个单元的行为都受到其他单元的影响⑥Shalizi，C.R.“Methods and Techniques of Complex Systems Science：An Overview”，Deisboeck.S.T.(Ed)Complex Systems Science in Biomedicine，New York：Springer.2004，33-114.。人类社会的许多方面都满足这一复杂系统的基本特征。社会现象常常可以看作很多独立决策的个体相互作用得到的共同结果。例如，如果一个自由市场中的每个参与者都大致遵循理性决策的规则，那么这个市场在宏观层面将产生供需平衡的现象。这一社会总体的现象是由大量个体各自的决策过程共同造成的。由于很多社会现象都拥有类似复杂系统的结构，因此可以用复杂系统科学所提供的模型对这些社会现象进行描述、解释和预测。基于智能体的模型是复杂系统科学常用的一种模型，它直接模拟复杂系统中的每个小单元及其相互作用，因此可以作为社会复杂系统的直接表征。例如在上例中，可以将每个个体决策者用一个智能体来模拟，在每个智能体内部建立个体决策机制的计算模型，并用算法实现智能体之间交互作用的计算机模拟。

美德伦理学所考虑的美德有很多种。本文选择古希腊四元德中的“公正”(justice)作为建模对象。为了避免不必要的重复设计，本文采用著名的厄尔法罗(El Farol)模型作为基本模型，并按照美德伦理学的特征加以改造。在阿瑟①Arthur，B.W.“Inductive Reasoning and Bounded Rationality”.American Economic Review，1994，82(2)，406-411.对厄尔法罗模型的原初描述中，厄尔法罗是指美国新墨西哥州圣塔菲的一个小酒馆。每个周四都有100位酒馆的常客会考虑去酒馆听爱尔兰音乐。但这个酒馆的面积有限，如果去酒馆的顾客超过60人，那么酒馆就会变得非常拥挤，使得每个人都无法舒适地享受音乐。当地的报纸会在每周四之前刊登上一周光临酒馆的人数，每位顾客都可以记录下这些数据，并根据前几周的酒馆人数来独立判断本周四是否应该去酒馆。图1(见129页)是厄尔法罗模型的图示，其中右上角围起来的部分代表酒馆内部，位置在酒馆外部的人代表本周四不去酒馆的人。

如果我们将上述模型中的小酒馆看作一个公共资源，那么厄尔法罗模型所描述的社会现象就是这一公共资源如何在由100个人所组成的群体中分配的问题。分配的公正性取决于每个人各自的决策行为。如果每位顾客都仅仅依照自己的喜好去光临酒馆，那么酒馆将有100个人，环境会变得很糟糕，每个个体的利益都会受到损失。如果每位顾客都不去酒馆，酒馆作为一种公共资源便被浪费了。因此，理想的状态是刚好有60位顾客光临酒馆。但是由于模型设定每个个体独立做决策，不允许个体之间进行商议后再行动，因此每个人只能通过观察他人过去的行为来调整自己当下的策略，努力达成只有60个人去酒馆的理想状态。

在模型中刚好有60位顾客光临酒馆的理想状态是一种公正的资源分配。然而由于美德是个体的稳定的性格特征或行为倾向，因此群体层面的公正分配不能作为个体层面的美德。本文用个体的下述行为倾向作为模型中“公正”这一美德的具体实现：“当酒馆的人数预期(包括本人)超过60人时，不去光临酒馆。”这一行为倾向的界定符合美德伦理学对于美德的诸多要求。第一，由于每个人都希望自己能去酒馆欣赏音乐，并且每个人都知道，如果大家同时都去酒馆，就没有人能够安心享受音乐，因此可以认为那些选择在适当的时候不去酒馆的人拥有一种公正的美德。第二，美德不等同于个体利益的最大化。如果对于个体来说，拥挤的酒馆和不去酒馆的损失是同样的，那么个体利益最大化的选择是无论如何都去光临酒馆，因为无论酒馆是拥挤的还是有空位的，去酒馆的利益都不小于不去酒馆的利益。这种行为与公正美德的要求是不一致的。第三，美德也不等同于群体利益的最大化。如果在100个人的群体中存在超过60个人始终去酒馆，那么无论这60个人之外的个体是否遵循公正的美德，都无法改变酒馆始终拥挤的现实。因此是否拥有美德与群体利益的大小并没有严格的对应关系。第四，存在与美德相对的罪恶。例如，如果一个个体不顾他人的感受，每周都坚持去酒馆，无论酒馆是否拥挤，那么这个人的行为近于无赖，可以认为他拥有一种与公正相对的罪恶。第五，美德与实践智慧是相关的。这里所定义的公正只是一种行为倾向，这一倾向最终所产生的行为还取决于个体对于酒馆人数的预期是否足够准确。如果一个个体不具备足够的智慧，每次对酒馆是否拥挤的预期都与真实情况相反，那么他每次的行动对公正的资源分配都没有帮助，无法在行为中体现出公正的美德。第六，美德不仅与个体的行为相关，也与主观的动机相关。如果一个遵循公正的行为准则的个体每次对酒馆是否拥挤的预期都少于60人，那么他每周都会光临酒馆，其行为与无赖无异，尽管他的主观动机完全是公正的行为倾向。因此，从一个人的无赖行为并不能判定这个人的动机一定是罪恶的，或许他仍然拥有美德，只是没有机会在行为结果中体现出来。综上所述，以上对于个体的“公正”这一美德的定义符合美德伦理学的基本要求。

图1只给出了厄尔法罗模型的环境。基于智能体的建模方法还要求我们对模型的环境内每个智能体的行为策略给出精确定义。由于境遇主义的第二类批评区分了有意识的和无意识的心理过程，因此本文对智能体的认知模型也做同样的设计。模型的有意识的理性决策部分采用阿瑟的有限理性决策模型。在这个模型中，假定人们的行为决策并不遵循从第一原则出发的演绎方法，而是采用从经验出发的归纳方法。每个智能体都事先被赋予一个有限的行为策略集合，智能体通过选择这个集合中的最佳策略来预测每一周的酒馆人数，并根据这一预测来决定在那一周是否光临酒馆。将过去每一周光临酒馆的实际人数记录为酒馆人数的历史，每个智能体都保留过去几周的酒馆人数历史作为智能体的记忆，这一记忆的内容随着时间不断更新。智能体的每个事先赋予的行为策略都是一组数字，它们是通过记忆中的过去几周的人数来预测本周的人数的线性模型的参数。在智能体的决策过程中，这些参数保持不变。智能体在每一周都选择在策略集合中能够最好地预测前几周酒馆人数的那个策略。智能体根据这一最佳策略来预测本周的酒馆人数，并依此决定是否光临酒馆。

模型的无意识决策部分采用厄夫和罗思的强化学习方法①Erev，I.，and Roth，E.A.“Predicting How People Play Games：Reinforcement Learning in ExperimentalGameswith Unique，Mixed Strategy Equilibria”.American Economic Review，1998，88(4)，848-881.。其基本思想是为每个智能体设定一个无意识地产生某个行为的倾向。在厄尔法罗模型中，每个智能体只有两种行为，光临酒馆和不去酒馆。每个智能体都为这两种行为各自设置一个倾向值，这两个值随时间不断更新，智能体依据它们两者的相对大小相应地设定选择某个行为的概率。如果某个行为的倾向值相对较大，则选择该行为的概率也较大，反之亦然。倾向值的更新方法是，智能体在进行每次行为之后，都在这次行为对应的倾向值之上增加等同于这次行为回报(reward)的值。模型的行为回报设定为，如果智能体选择光临酒馆并且酒馆人数不足60人，那么回报为1；所有其他的情况回报都为0.1。从上文中对公正定义的分析可以看出，这样的回报设定能够将公正的美德与个体或群体利益最大化区别开来。有意识和无意识的决策过程对智能体的行为分别给出建议，最终的真实行为从两个建议中随机抽取，抽取概率事先分别赋予每个智能体。这一模型设定反映的基本假设是，每个人的理性决策受到无意识过程的干扰程度是稳定不变的，并且不同的人在决定具体的行动时，理性部分所占的比重各自不同。

基于上述模型设计，本文的核心论证叙述如下：

1.境遇主义认为，类似米尔格拉姆实验的经验研究结果说明，人们的道德行为受到不同环境或境遇的影响而变化，不存在美德伦理学所假定的跨越境遇的稳定性格特征。

2.境遇主义还认为，类似米尔格拉姆实验的经验研究结果说明，人们的道德行为并不完全由人的有意识的理性思维来决定，而是理性思维和无意识的心理过程共同作用的结果。因此通过理性的道德教育所发展出来的美德的观念无法对人的道德行为产生影响。

3.“公正”美德的智能体模型揭示出，即使是通过理性认知过程凭空定义的美德概念，也可以对个人或群体的行为后果产生影响。

4.“公正”美德的智能体模型还揭示出，如果人们可以通过理性认知过程习得凭空定义的美德概念，那么这一美德教育的结果可以对个人或群体的行为后果产生影响。

5.我们无法彻底排除理性的道德思维对行为产生影响的可能性。

6.根据3—5，人们可以习得凭空定义的美德概念，并且习得的美德概念对人们的道德行为及其后果会产生影响。

7.境遇主义的结论1和2无法对美德伦理学构成反驳。

图1 厄尔法罗模型

图2 酒馆人数随时间的变化

三、实验设计与结果分析

基于上一节所建构的公正美德的智能体模型，本文设计了两组计算实验，分别验证核心论证的第3点和第4点。本节简要描述两组实验的设定和结果，并分析实验结果如何支持本文的核心论证。

实验1

在上文所叙述的公正美德的智能体模型中，智能体的认知模型包括有意识的理性决策和无意识的行为倾向两个部分。在模型设定中，无意识决策的部分采用完全基于行为收益的强化学习方法，与公正的美德不相关。有意识的理性决策部分根据预期酒馆人数是否小于60人来选择行为，选择的过程遵循公正美德的要求：当预期人数超过60人时不去酒馆。由上一节的分析可知，这一决策准则与个体利益最大化的准则并不一致，它反映的是我们人为定义的美德标准的特殊要求。实验设定每个智能体保留过去5周的酒馆人数，其策略集合包含10个随机分配的不同策略。每个智能体有两个行为，光临酒馆和不去酒馆，每个行为的初始行为倾向设定为1，并按实际实现的行为回报值进行行为倾向的更新。实验分别考察智能体只遵循无意识机制决策、只遵循有意识机制决策、随机分配有意识和无意识决策比例三种情况下，每种情况的酒馆拥挤比率、平均回报及公正行为。实验对每种情况各自模拟10次，每次做1000次行为决策，取所得结果的平均值。实验结果分析如下：

1.无论智能体采用哪种决策机制，酒馆的人数始终在某个数值附近上下波动，见图二。这意味着即使智能体的决策是各自独立的，整个系统在群体层面仍然突现出相互合作并共享资源的现象。由于有意识决策的部分采用的是阿瑟的模型假设，这与阿瑟的结论是一致的。

2.当智能体都采用无意识的强化学习机制时，酒馆人数在超过60人的数字附近波动，酒馆的拥挤率为98.7%。根据强化学习的模型假设，这反映了回报最大化的后果主义决策准则。当智能体都采用有意识的有限理性决策机制时，酒馆的拥挤率降低到38.6%，这同样符合阿瑟的结论。当智能体采用随机分配有意识和无意识决策比例的混合策略时，酒馆的拥挤率为71.9%，处于以上两者之间。比较三种情况可以看到，模型所定义的公正美德能够显著影响群体在资源分配方面的行为后果。此外，模型所定义的公正美德是根据理性认知中的公正观念凭空定义的，其中包含一个可以任意选取的数字60。这一美德概念在模型中仅仅体现在有意识的理性决策机制中，与基于回报最大化的无意识过程并不相关。由此可见，即使是通过理性认知过程凭空定义的美德概念，也可以对个人或群体的行为后果产生影响。这种影响并不要求主体是完全理性的。事实上，在混合策略的情况下，每个智能体都只是依一定的比例采用理性决策，保留了无意识冲动的行为可能。但即使是在这种部分理性的情况下，仍然能够看到公正美德对群体行为后果产生的显著影响。

3.图3展示的是每种情况下的个体平均回报在10次实验中的分布。当智能体都采用无意识的强化学习机制时，个体获得的平均回报只有7.6。当智能体都采用有意识的有限理性决策机制时，个体的平均回报为334.4。在混合策略的情况下，个体的平均回报为162.4。后两种情况的平均回报都大大提高。由此可见，凭空定义的美德概念对个体的行为后果也有影响。这种影响是通过酒馆拥挤的不同程度造成的。

4.在实验中还可以看到一种现象，个体的回报与其公正美德的程度有时是相反的，其中公正美德的程度由个体在酒馆拥挤的情况下不去酒馆的次数决定。这意味着在群体中获得回报最多的人常常是那些没有美德的人，他们无论酒馆是否拥挤都霸占着酒馆的位置，因此能够在酒馆不拥挤的时候留在酒馆，从而获得更大的收益。但美德与个体的回报并不完全冲突，因为也存在有美德的人获取大量回报，他们对于酒馆人数的判断常常是对的。

实验2

为了验证核心论证的命题4，需要建立智能体对公正美德的学习模型。根据境遇主义的反驳，智能体之间的美德学习只能通过理性决策过程完成。美德伦理学通常认为美德的目的在于美好的生活方式，而不局限于实现特定的行为，因此在模型中设定智能体之间能够互相习得对方的某个预测酒馆人数的策略，而不是简单复制被学习者每个时刻的行为。具体的学习方法是，学习者从自己的策略集中随机删除一个，并将被学习者在本次行动时刻的最佳策略复制到自己的策略集中。实验2在实验1的随机分配有意识和无意识决策的情况中加入美德的学习过程。实验对有学习过程的情况模拟10次，每次做1000次行为决策，每次决策有10%比例的最无赖的个体向最公正的个体学习美德。其中无赖是指在主观上不遵循公正美德，即当预测人数超过60仍然光临酒馆。无赖的程度由无赖行为的次数来度量。最公正的个体由行为公正的程度来决定，其中行为公正与主观公正不同，它是指当实际人数超过60时不去酒馆。行为公正体现了主体的实践智慧，因为如果预测酒馆人数的策略不准确，只有主观公正的意愿并不必然导致公正的行为。实验设定的学习过程是，在最无赖的智能体和最公正的智能体中分别随机选取1个人，令无赖者依照学习模型设定的方法向公正者学习一次策略，整个过程在一次决策行为中重复10次。与实验1类似，实验2考察在加入学习过程的混合策略情况下，酒馆的拥挤比率、平均回报及公正行为。

从图4中可以看到，在加入美德的学习过程之后，酒馆的拥挤率从71.9%降低到了32.4%，甚至超过了只遵循有意识机制决策的情况。而个体的平均回报也增长到了283.1。不仅如此，回报在100个人中的分布也更加集中，获得最高回报的人公正美德的程度也得到了提高。实验结果说明，通过理性认知过程习得凭空定义的美德概念可以对个人或群体的行为后果产生显著影响。

图3 不同策略下的平均回报

图4 不同策略下的酒馆拥挤率

总结以上两个实验的结果，可以得到以下结论：只要理性的思维过程能够对个体的行为产生影响，那么人们就可以通过理性地学习凭空定义的美德概念，在某些情况下改善道德行为及其后果。这一结论并不要求美德是跨境遇稳定的性格特征，也不要求美德的习得在所有情况都能够改善行为后果。如果上述结论成立，那么美德伦理学仍然是一个有价值的规范伦理学理论。使得这一结论不成立的条件是，理性思维在任何情况下都无法对个体行为产生任何影响。而这明显是与事实不符的。例如，当一个人经过理性的深思熟虑决定学习一门外语时，这个决定会影响其未来的一系列行为和后果，如职业选择或生活目标等。只要还存在着理性影响行为的可能性，就无法排除美德伦理学的价值。因此，即使美德既不是跨境遇稳定的性格特征，也不是决定行为的唯一因素，对个体的美德培养仍然可以改善道德行为及其后果。境遇主义无法对美德伦理学构成反驳。

四、美德伦理学与人工智能方法

对于本文提出的为美德伦理学辩护的核心论证，境遇主义者可以给出很多回应。例如，境遇主义者或许会指出，本文所选择的公正美德与资源的分配直接相关，因此也可以用后果主义的方式来理解。而类似谦虚这种与后果不直接相关的美德则难以直接用智能体模型来模拟。然而这样的反驳已经进入了人工智能研究方法的语境中了。本文的目的是以公正美德的智能体模型为案例，展示人工智能方法在美德伦理学或其他哲学问题中的具体应用。因此，本节不对境遇主义者的可能反驳逐一回应，而是简要总结人工智能方法和传统哲学方法之间的关系，并指出进一步研究的方向及建议。

首先，人工智能的方法和技术可以用来澄清哲学的概念和理论，辅助建构哲学论证。传统的哲学研究方法如概念分析、思想实验等，在解决哲学争论时需要依赖哲学家们的理论直觉。而直觉的依据常常是不明确的或相互矛盾的，因此很难得到可靠的结论。例如在实验2中，公正美德的学习对行为后果至少产生两种影响：一种是更加公正的个体数量可以降低酒馆的拥挤率；另一种是学习会降低无赖们的个体回报。这两种影响对于总体回报的效果是相反的，单靠直觉很难辨识出美德学习最终造成的后果。实验2的结果说明，运用人工智能方法设计的计算实验可以在这种模棱两可的情况下给出直觉无法确定的判断。这些判断可以用来建构新的哲学论证，或者澄清哲学理论和概念的精确含义。

其次，人工智能方法无法代替传统的哲学方法。尽管人工智能研究提供了各种新的计算方法，如机器学习、数据挖掘、社会模拟等，但它们在处理哲学问题时起到的仍然只是工具的作用，是哲学工作的一部分而不是全部。例如在本文的研究中，人工智能方法只是核心论证的建构过程中的一个环节。无论是论题的分析、概念的界定还是论证的有效性都属于规范伦理学的研究范围，是运用传统的哲学方法得到的。人工智能方法与传统哲学方法之间是相互补充的关系，不是相互代替的关系。

再次，哲学不能将自己限定在传统哲学方法的范围内。由于智能体模型、计算认知模型以及数值模拟技术等人工智能相关领域的快速发展，过去很多只存在于想象中的思想实验如今可以运用数值方法实现模拟实验。传统的哲学领域需要考虑这些新的进展，并借此推动哲学研究的进一步发展。同样的情况不仅适用于人工智能方法，也适用于其他科学领域的研究方法与成果。例如认知科学的研究提供了一些新的认知架构和认知模型，这些认知模型可以用来模拟虚拟社会中的个体认知过程，从而使得模拟社会更加接近真实社会，反映出更多真实社会中的复杂结构。这意味着哲学需要进行更多的跨学科研究，也要求哲学家们跳出哲学学科自身的视野，更加深入到其他科学领域中汲取必要的知识和方法。

最后，本文指出在运用人工智能方法研究规范伦理学时仍然需要继续深入研究的三个课题：

第一，更为复杂的认知模型对美德模型的建立是否有帮助?本文的研究所采用的有意识和无意识的认知模型比较简单，它们与人们真实的认知机制相差较大。如果采用更加真实的认知模型，如LIDA①Franklin，S.，Patterson Jr，F.G.“The LIDA Architecture：Adding New Modes of Learning to An Intelligent，Autonomous，Software Agent”，Integrated Design and Process Technology，New York：Springer.2006，703：764-1004.或SOAR②Laird，E.J.The Soar Cognitive Architecture.The MIT Press，2012.，能否揭示出美德伦理学的更多细节?

第二，将本文的研究方法拓展到其他的美德。公正只是亚里士多德四元德的其中之一。是否可以对其它种类的美德，如勇气、节制，乃至中国哲学中的仁、义等概念建立计算模型?能否依此建立一个完整的美德伦理学的智能体模型?

第三，将本文的研究方法拓展到其他的规范伦理学。除美德伦理学之外，规范伦理学的主要理论还包括后果主义与义务论。是否可以将人工智能方法拓展到这些理论，并与美德伦理学一起形成一个规范伦理学的一般理论?

本文认为，在人工智能与规范伦理学的交叉领域，上述三个课题是比较重要并且有很好发展前景的研究方向。上述分析与论证进一步说明，我们可以运用当代的计算方法来回应古老的哲学问题。本文将这类方法统称为计算哲学方法。哲学的任务不仅仅是提出问题，更为重要的是对这些问题的解决。人工智能方法为重要的哲学问题的解决提供了新的思路与研究方向。

A Defense of Virtue Ethics by Means of Artificial Intelligence

YANG Ren-jie

Abstract：Virtue ethics is commonly regarded as a third approach to normative ethics.Different from deontology and consequentialism，virtue ethics is based on the idea that the foundational concepts of moral judgements are virtues and vices.In recent year，there is a serious objection against the project of virtue theory from the situationist perspective.The first wave of the critique questions the existence of the virtues as robust dispositional traits.The second wave casts doubton the possibility of learning to become more virtuous.This paper proposes an agent-based model of the virtue of justice.The purpose is to design experiments on the model to help clarify the situationist critiques as well as investigating possible responses.As a case study，this paper shows the potential of artificial intelligence methods for further research in normative ethics.

Key words：virtue ethics；the situationist critique；agent-based modeling；artificial intelligence

中图分类号：B089

文献标识码：A

文章编号：1004-9142(2020)06-0125-08

收稿日期：2020-08-15

作者简介：杨仁杰，男，黑龙江哈尔滨人，首都师范大学政法学院哲学系讲师，哲学博士。(北京 100089)

(责任编辑：新中)