中国传统文化|基于AlphaGo的强化学习基础模型，对王阳明心学的现代分析( 三 ) 生态|人工智能|青海省|国家公

在阳明心学，甚至整个儒学体系中，所谓修行，本质上就是改善奖励函数f的算法的过程。对于“乐”的计算，儒家则给出了自己的一套方法。这套方法首先输出“利、义、仁、德、道”一组中间结果（可参考本账号下对儒家人生观的分析）。再从这个中间结果中给出最终的“乐”之正负和大小。这样把奖励函数f分为两个函数f1，f2。其中，函数的f1的输入是对世界的观察和行动，输出则是一个数组{利、义、仁、德、道}。一种并不精确的数学描述：可以认为“利”的数值是整型，其余为布尔型，这是理性的判断。函数f2则是从这个输出中做出选择，选择的结果正是人生观的体现。
{利、义、仁、德、道}= f1(Q，A)；
R=f2({利、义、仁、德、道})
对于函数f1，可以认为有客观性，即我们知道行为可能带来的结果。对于函数f2，儒家的采用的是一个简单的排序，即：道>德>仁>义>利。当然做到这一点就是“圣人”，而非普通人了。在众多的弟子中，孔子对颜回是最为欣赏的，然而颜回不如子贡能挣钱，也不如宰予能言善辩，更不如仲由勇而有力，可以说是“百无一用是书生”的典型。孔子欣赏颜回的原因是：
贤哉，回也！一箪食，一瓢饮，在陋巷，人不堪其忧，回也不改其乐。贤哉，回也！
而孔子有类似的追求：
饭疏食饮水，曲肱而枕之，乐亦在其中矣。不义而富且贵，于我如浮云。
后世将孔子和颜回的“乐”，称为“孔颜之乐”。后世，尤其是北宋时期对“孔彦之乐”的极为重视，可以看作是“圣人”的奖励函数算法。当然，要领会到这两位圣人的算法是有难度的，但是一个基本原则就是“道>德>仁>义>利”。

文章插图

三、奖励函数与人生观
依据奖励函数决策还需要解决另一个基本的哲学问题：我要到哪里去？这就是亚里士多德“四因说”种的“目的因”。打个比方，从成都出发，去北京应该往北走，去南京则应该往东走，去昆明则应该往南走，去拉萨则应该往西走。不同目标意味着不同的判断标准。“我要到哪里去？”这个问题的答案，本质上就是人生观。
正因为如此，包括心学在内的儒家强调“立志”，没有志向就没有了方向。儒家对人生观的看法是比较普适的，儒家并非提倡一个单一的人生观，而是比较全面的一个体系，“安生立命”是其主题，“先义后利”是其原则。
道家其实与儒家具有相同的人生观体系。在儒家提出“利、义、仁、德、道”的世界观中，显然“道”才是最高追求，但是儒家却更强调“仁、义”。其原因就在于，“仁义”可以作为社会追求的目标，而“道和德”通常只有少数人能做到。道家的追求与儒家是相反的，《老子》有言：
故失道而后德，失德而后仁，失仁而后义，失义而后礼。
但是，两千多年的实践表明，儒家始终处于主流地位。究其原因在于纯粹的精神追求尽管显得很高雅，但是却并非是人类的主流目标。在生存与繁衍的终极目标下，衣食住行是每一个人的必需。因而，对“利”的追求才是人类社会的基本底色。道家把“道”放在第一位，最后得到的大概率是颜回的自得其乐的状态。可见，从社会实践的意义上讲，儒家价值是大于道家的（可参考本账号下有关孔子与老子比较的文章）。
因此，现实中的人们在“利、义、仁、德、道”之中选择哪一项作为优先项，就决定了他或她的性格和行为方式。选“道”的人，因达不到圣人“中行”的标准，大多为“狷”者，狷者有所不为也。选“德”的人大多为“狂”者，狂者进取，欲明明德于天下。选“仁”的人充满同情和爱，仁者爱人。选“义”者，更看重自身名誉。而以“利”为乐，在孔子看来就是“小人”了：小人利其利。