认知科学研究纲领的困境与走向 刘晓力 自20世纪70年代以来，“认知可计算主义”研究纲领一直占据认知科学研究的主导地位.但 是，由于这一研究纲领建基在“图灵机算法可计算”的概念之上。有其不可克服的内在局限.这 也是认知科学和人工智能各种理论困境和实践困难的真正根源。几十年来，认知科学内部发生的 从符号主义经联结主义到行为主义工作范式的转换，以及对最初意义上的还原主义基础假设所进 行的调整正是对这一强纲领的局部修正。新近的一些进展显示认知科学正在面临研究纲领的 变迁.应当倡导一种以“认知是算法不可完全的”理念为基础的新的研究纲领。 关键词认知科学认知可计算主义研究纲领工作范式基础假设 作者刘晓力，女，1954年生.哲学博士，北京师范大学哲学系教授（北京100875）. 一、认知科学面临理论困境和实践困难的根源 认知科学被称作21世纪智力革命的前沿，它是哲学、心理学、语言学、计算机科学、人类 学和神经科学六大学科的一个交叉领域。今天，这一领域汇集了一大批数学家、物理学家、计 算机科学家、生物学家、心理学家、语言学家和哲学家，形成了相对独立的研究群体。最近二 十几年，随着学科建制化步伐的加快哈佛大学等院校的认知科学研究机构相继成立，以“认 知科学”为名义的杂志相继创刊，1986年加州大学圣地亚哥分校率先设立认知科学博士学位， 麻省理工学院等成立了世界上第一批认知科学系，这些都标志着这一学科逐渐走向成熟。更为 重要的是，认知科学作为一门独立学科，己经逐渐形成了一套独特的研究纲领、工作范式和基 础假设，人工智能也己成为这一学科的智力内核。 然而，认知科学家和人工智能专家也遇到了令人困惑的难题。早在965年，认知科学的领 袖人物西蒙(H.A.Simon)就曾预言：“在20年内，机器将能做人所能做的一切”；明斯基(M.Min sky)1977年也曾预言：“在一代人之内，创造人工智能’的问题将会基本解决。”①但是，几十 本文系中国社会科学杂志社与浙江大学人文学院联合举办的“当代科技革命与哲学创新”学术研讨会 (2002年10月，杭州)入选论文，并受到国家哲学社会科学基金(02ZX047)和中山大学逻辑与认知 研究基地的资助。 ①21世纪初科学技术发展趋势编写组：《21世纪初科学技术发展趋势》，科学出版社.1996年第314页， ?1994-2014 China Academic Journal Electronic Publishing House.All rights reserved. htt9www.cnki
认知科学研究纲领的困境与走向 刘 晓 力 自 20 世纪70 年代以来, “ 认知可计算主义” 研究纲领一直占据认知科学研究的主导地位。 但 是, 由于这一研究纲领建基在 “图灵机算法可计算” 的概念之上, 有其不可克服的内在局限, 这 也是认知科学和人工智能各种理论困境和实践困难的真正根源。 几十年来 , 认知科学内部发生的 从符号主义经联结主义到行为主义工作范式的转换, 以及对最初意义上的还原主义基础假设所进 行的调整, 正是对这一强纲领的局部修正。 新近的一些进展显示, 认知科学正在面临研究纲领的 变迁, 应当倡导一种以 “ 认知是算法不可完全的” 理念为基础的新的研究纲领。 关键词 认知科学 认知可计算主义 研究纲领 工作范式 基础假设 作者刘晓力, 女, 1954 年生, 哲学博士, 北京师范大学哲学系教授 (北京 100875)。 本文系中国社会科学杂志社与浙江大学人文学院联合举办的 “ 当代科技革命与哲学创新” 学术研讨会 (2002 年 10 月, 杭州)入选论文, 并受到国家哲学社会科学基金 (02BZX047)和中山大学逻辑与认知 研究基地的资助。 ① 21 世纪初科学技术发展趋势编写组:《21 世纪初科学技术发展趋势》 , 科学出版社, 1996 年, 第 314 页。 一 、 认知科学面临理论困境和实践困难的根源 认知科学被称作 21 世纪智力革命的前沿 , 它是哲学、 心理学 、 语言学 、 计算机科学 、 人类 学和神经科学六大学科的一个交叉领域 。今天, 这一领域汇集了一大批数学家 、 物理学家 、 计 算机科学家 、 生物学家、 心理学家 、 语言学家和哲学家, 形成了相对独立的研究群体 。最近二 十几年, 随着学科建制化步伐的加快, 哈佛大学等院校的认知科学研究机构相继成立, 以 “认 知科学” 为名义的杂志相继创刊, 1986 年加州大学圣地亚哥分校率先设立认知科学博士学位 , 麻省理工学院等成立了世界上第一批认知科学系, 这些都标志着这一学科逐渐走向成熟 。更为 重要的是, 认知科学作为一门独立学科 , 已经逐渐形成了一套独特的研究纲领、 工作范式和基 础假设, 人工智能也已成为这一学科的智力内核 。 然而, 认知科学家和人工智能专家也遇到了令人困惑的难题 。早在 1965 年 , 认知科学的领 袖人物西蒙(H.A .Simon)就曾预言 :“在 20 年内, 机器将能做人所能做的一切” ;明斯基(M .Min sky)1977年也曾预言 :“ 在一代人之内 , 创造`人工智能' 的问题将会基本解决 。” ①但是 , 几十 · 99 ·
中国社会科学2003年第1期 年过去了，认知科学领域不断涌现出各种流派和花样翻新的问题解决方案，但其先驱者当年预 期的目标并没有达到，在认知科学的实践中不时会遇到难以克服的深刻困难。今天，最先进的 计算机可以做人不能做的许多复杂工作，但在模式识别、感知和在复杂境域中决策的能力远不 及人。这些困难背后的真正根源究竞是什么？是我们的技术有问题，还是我们的理论基础有缺 陷？一部分从事计算机设计工作的专家认为，目前计算机的功能足够强大，关键是我们的软件 编程的能力不能与之匹配，因此必须发掘新的计算方法：而一些从事理论计算机研究的专家 却认为，是目前计算机量级规模限定了模拟人类高级智能，必须寻求新的计算机模型。根据近 年对认知科学各个理论派别和工作实践的深入考察，我们认为，认知科学和人工智能工作的出 发点是建立在一种强纲领的基础上，这一纲领可概括为“认知可计算主义”，其核心是，“认知 的本质就是计算”。同时，由于这里的“计算”观念完全基于“图灵机算法可计算”的概念，因 而有其不可克服的内在局限，成为认知科学和人工智能各种理论困境和实践困难的真正根源。 我们认为，目前认知科学正在面临研究纲领的变迁，应当建立以“认知是算法不可完全的”理 念为基础的新的研究纲领。因此有必要借鉴新的研究成果，对认知科学几十年来形成的研究 纲领的内核，从符号主义经联结主义到行为主义工作范式转换的诱因，以及还原主义等基础假 设的确立和修正进行深刻的哲学反思，从中揭示出认知科学和人工智能面临困境的深层根源， 说明新的研究纲领产生的势所必然。 二、认知可计算主义研究纲领的核心 认知科学思想的智力资源除了哲学上的理性主义，还来源于形式计算理论、计算机技术以 及大脑科学的奠基性贡献，认知科学也因这三个领域所提供的新概念和新事实而使研究问题域 不断拓展，研究方法和手段不断深化。这其中至为重要的无疑是“算法”概念数学定义的产生。 可以说。没有1936年的图灵机概念，就没有对人类认知和智能的真正科学研究。正是对“能行 可计算”这一直观概念的数学刻画和丘奇一图灵论题的提出，才使人类对智能的研究从一种哲 学思辨式的争论、依赖于直觉的猜想或停留于过分经验式的观察结论，开始转向对智能的产生 和认知本质的理论研究。正如西蒙1988年在回顾认知科学发展的历史时所说的：“在把计算机看 做通用符号处理系统之前，我们几乎没有任何科学的概念和方法研究认知和智能的本质”① 从我们的观点看，丘奇一图灵论题给我们这个时代最重要的贡献在于三个方面：第一，指 出了能行可计算函数就是递归函数，也就是图灵机算法可计算的函数②；第二，指出了任何计算 机都是通用图灵机的特例：第三，澄清了抽象的形式系统的真正涵义，指出形式系统不过是图 灵机概念准确刻画的机械程序。 随着第一台电子计算机诞生，人们不仅看到了通用图灵机的物理实现更重要的是看到了 这种物理装置如何神奇地表现出了人类的某种智能。于是，认知科学领域的先驱者似乎由此找 到了建立人类认知和智能的形式模型的有效工具，而且乐观地认为，人类认知和智能活动完全 可以解释为大脑中实现的能行过程，因而可以转换成计算程序用机器进行模拟。可以说，从图 1 John L.Casti DePauli Wemer,Gidd:A life of Logic.Perseus Publishing 2000 p.130. 2 Richard L.Epstein Walter A.Camielli Computablity:Computdbe Functions Logic,and the Foundation df Mathematics.Wadswonth Brooks Cole 2nd.2000 pp.223-229. 2014 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki
年过去了, 认知科学领域不断涌现出各种流派和花样翻新的问题解决方案, 但其先驱者当年预 期的目标并没有达到 , 在认知科学的实践中不时会遇到难以克服的深刻困难 。今天 , 最先进的 计算机可以做人不能做的许多复杂工作 , 但在模式识别 、 感知和在复杂境域中决策的能力远不 及人。这些困难背后的真正根源究竟是什么 ? 是我们的技术有问题 , 还是我们的理论基础有缺 陷? 一部分从事计算机设计工作的专家认为 , 目前计算机的功能足够强大, 关键是我们的软件 编程的能力不能与之匹配 , 因此, 必须发掘新的计算方法;而一些从事理论计算机研究的专家 却认为 , 是目前计算机量级规模限定了模拟人类高级智能 , 必须寻求新的计算机模型 。根据近 年对认知科学各个理论派别和工作实践的深入考察, 我们认为, 认知科学和人工智能工作的出 发点是建立在一种强纲领的基础上 , 这一纲领可概括为 “认知可计算主义” , 其核心是, “认知 的本质就是计算” 。同时 , 由于这里的 “计算” 观念完全基于 “图灵机算法可计算” 的概念 , 因 而有其不可克服的内在局限, 成为认知科学和人工智能各种理论困境和实践困难的真正根源 。 我们认为 , 目前认知科学正在面临研究纲领的变迁, 应当建立以 “认知是算法不可完全的” 理 念为基础的新的研究纲领 。因此, 有必要借鉴新的研究成果, 对认知科学几十年来形成的研究 纲领的内核 , 从符号主义经联结主义到行为主义工作范式转换的诱因 , 以及还原主义等基础假 设的确立和修正进行深刻的哲学反思, 从中揭示出认知科学和人工智能面临困境的深层根源 , 说明新的研究纲领产生的势所必然 。 二 、 认知可计算主义研究纲领的核心 认知科学思想的智力资源除了哲学上的理性主义, 还来源于形式计算理论、 计算机技术以 及大脑科学的奠基性贡献 , 认知科学也因这三个领域所提供的新概念和新事实而使研究问题域 不断拓展 , 研究方法和手段不断深化。这其中至为重要的无疑是 “算法” 概念数学定义的产生 。 可以说, 没有 1936 年的图灵机概念, 就没有对人类认知和智能的真正科学研究 。正是对 “ 能行 可计算” 这一直观概念的数学刻画和丘奇—图灵论题的提出, 才使人类对智能的研究从一种哲 学思辨式的争论 、 依赖于直觉的猜想或停留于过分经验式的观察结论 , 开始转向对智能的产生 和认知本质的理论研究。正如西蒙 1988 年在回顾认知科学发展的历史时所说的 :“在把计算机看 做通用符号处理系统之前 , 我们几乎没有任何科学的概念和方法研究认知和智能的本质 。” ① 从我们的观点看 , 丘奇—图灵论题给我们这个时代最重要的贡献在于三个方面:第一 , 指 出了能行可计算函数就是递归函数 , 也就是图灵机算法可计算的函数②;第二, 指出了任何计算 机都是通用图灵机的特例 ;第三, 澄清了抽象的形式系统的真正涵义 , 指出形式系统不过是图 灵机概念准确刻画的机械程序 。 随着第一台电子计算机诞生, 人们不仅看到了通用图灵机的物理实现, 更重要的是看到了 这种物理装置如何神奇地表现出了人类的某种智能。于是, 认知科学领域的先驱者似乎由此找 到了建立人类认知和智能的形式模型的有效工具, 而且乐观地认为 , 人类认知和智能活动完全 可以解释为大脑中实现的能行过程 , 因而可以转换成计算程序用机器进行模拟 。可以说 , 从图 · 100 · 中国社会科学 2003 年第 1 期 ① ② Richard L.Epstein &Walter A.Carnielli, Computablity:Computable Functions, Logic , and the Foundation of Mathematics .Wadsworth &Brooks Cole , 2nd .2000, pp.223—229 . John L.Casti &DePauli Werner, Gödel :A life of Logic.Perseus Publishing , 2000, p.130
认知科学研究纲领的困境与走向 灵的《计算机与智能》(I950)到麦卡洛克(WanS.MaCulloch)和皮茨(W.H.Pits)的 《神经活动内在概念的逻辑演算》(1965)，再到纽厄尔(A.Nvl)和西蒙的《作为经验探索的 计算机科学：符号和搜索》(1976)，以“图灵机算法可计算”这一核心概念为基础。认知科学领 域已逐渐形成了“认知可计算主义”的研究纲领。它的核心是“认知的本质就是计算”。其含义 是，作为信息处理系统描述认知和智能活动的基本单元是符号，无论是人脑还是计算机，都 是操作、处理符号的形式系统，认知和智能的任何状态都不外是图灵机的一种状态，认知和智 能的任何活动都是图灵意义上的算法可计算的。正是基于这一认识，纽厄尔和西蒙曾乐观地宣 称：“作为一般的智能行为，物理符号系统具有的计算手段既是必要的也是充分的”①，人类认知 和智能活动经编码成为符号都可以通过计算机进行模拟。可以说从20世纪70年代起，这一主 导思想已经无可争议地上升为统帅认知科学和人工智能研究的一种强纲领。 三、认知科学范式转换的动因 认知科学研究基本上沿着心理学、生理学和机器模拟三条进路展开，几十年来在“认知 可计算主义”纲领下，催生了一系列新思想、新方法。随着大脑科学、复杂性科学和计算机技 术的进展，认知科学经历了从最初的符号主义到联结主义，再到行为主义工作范式的转换；从 最初的问题求解程序到人工神经网络和人工生命的研究，经历了从符号计算到神经计算和进化 计算的倡导和实施。②认知科学的进展越来越显示出这一强纲领的局限。而且我们随后可以看 到，正是通过一系列范式转换，不断吸收自然科学领域的新成果，认知科学对其研究纲领进行 着局部修正以求新的突破。事实上，在我们看来，各范式的竞争和转换的根源都是由于“认知 的本质是计算”这一观念受到了某种程度的深刻挑战。 1.符号主义与基于规则的形式系统研究 符号主义是认知可计算主义纲领最早和最直接的担当，也是最具局限性的一种工作范式。20 世纪50年代初纽厄尔和西蒙就指出，由计算机操作的二进制数串能够表达包括现实世界的任何 东西，大脑和心灵与计算机一样，都不外是一种物理符号系统无论它们在结构和动力机制上 可能有多大不同，但在计算理论层次上③都具有产生、操作和处理抽象符号的能力。在这个层 次上，大脑和恰当编程的计算机可以被看做同一类装置的不同特例，完全可以在形式系统中通 过用规则操作符号演算来生成智能。故而，这一范式也被称作“基于规则”的范式。 符号主义范式指导下的工作经历了三个明显的阶段，但每一个阶段都遇到了难以解决的新 困难：④ 第一个阶段是寻求表达和搜索的阶段(15一1965年)。这一阶段的主要任务是借助离散符 号系统的功能实现知识的获取、表达和处理，从而揭示计算机如何能借用称为“意义一目标分 DCummins Robent Cummins Danrise Dellarosa Minds Brains,and Computers:the Foundations of Cognitive Science.Blackwvell Publishers20O0pp84一94及玛格丽特·博登《人工智能哲学》（刘西瑞、王汉琦译 上海译文出版社，2001年)第419页。 ②阎平凡、张长水：《人工神经网络与模拟进化计算》.清华大学出版社.2002年，第357页。 ③认知科学广泛接受的方法论原则是从三个层次分析理解认知和智能的：实现层、表征和算法层以及计 算理论层，它们在不同水平上是相对独立的，但计算理论层次的工作最为根本，也最为困难。 1John L.Casti De Pauli Werner,Gidel:A life of Logic.Perseus Publishing 2000 pp.129-132. ?1994-2014 China Academic Journal Electronic Publishing House.All rights reserved. hto www.enki
灵的 《计算机与智能》 (1950)到麦卡洛克 (Warren S .MaCulloch)和皮茨 (W.H.Pitts)的 《神经活动内在概念的逻辑演算》 (1965), 再到纽厄尔 (A .Newell)和西蒙的 《作为经验探索的 计算机科学:符号和搜索》 (1976), 以 “图灵机算法可计算” 这一核心概念为基础, 认知科学领 域已逐渐形成了 “认知可计算主义” 的研究纲领。它的核心是 “认知的本质就是计算” 。其含义 是, 作为信息处理系统, 描述认知和智能活动的基本单元是符号, 无论是人脑还是计算机 , 都 是操作、 处理符号的形式系统 , 认知和智能的任何状态都不外是图灵机的一种状态 , 认知和智 能的任何活动都是图灵意义上的算法可计算的 。正是基于这一认识 , 纽厄尔和西蒙曾乐观地宣 称:“作为一般的智能行为, 物理符号系统具有的计算手段既是必要的也是充分的” ①, 人类认知 和智能活动经编码成为符号都可以通过计算机进行模拟。可以说, 从20 世纪 70 年代起, 这一主 导思想已经无可争议地上升为统帅认知科学和人工智能研究的一种强纲领 。 三 、 认知科学范式转换的动因 认知科学研究基本上沿着心理学 、 生理学和机器模拟三条进路展开, 几十年来, 在 “认知 可计算主义” 纲领下 , 催生了一系列新思想、 新方法。随着大脑科学 、 复杂性科学和计算机技 术的进展, 认知科学经历了从最初的符号主义到联结主义 , 再到行为主义工作范式的转换 ;从 最初的问题求解程序到人工神经网络和人工生命的研究 , 经历了从符号计算到神经计算和进化 计算的倡导和实施。② 认知科学的进展越来越显示出这一强纲领的局限。而且我们随后可以看 到, 正是通过一系列范式转换 , 不断吸收自然科学领域的新成果 , 认知科学对其研究纲领进行 着局部修正以求新的突破 。事实上, 在我们看来, 各范式的竞争和转换的根源都是由于 “认知 的本质是计算” 这一观念受到了某种程度的深刻挑战 。 1.符号主义与基于规则的形式系统研究 符号主义是认知可计算主义纲领最早和最直接的担当 , 也是最具局限性的一种工作范式 。20 世纪 50 年代初纽厄尔和西蒙就指出, 由计算机操作的二进制数串能够表达包括现实世界的任何 东西, 大脑和心灵与计算机一样, 都不外是一种物理符号系统, 无论它们在结构和动力机制上 可能有多大不同 , 但在计算理论层次上③ 都具有产生、 操作和处理抽象符号的能力。在这个层 次上, 大脑和恰当编程的计算机可以被看做同一类装置的不同特例 , 完全可以在形式系统中通 过用规则操作符号演算来生成智能 。故而, 这一范式也被称作 “基于规则” 的范式 。 符号主义范式指导下的工作经历了三个明显的阶段 , 但每一个阶段都遇到了难以解决的新 困难 :④ 第一个阶段是寻求表达和搜索的阶段 (1955 —1965 年)。这一阶段的主要任务是借助离散符 号系统的功能实现知识的获取 、表达和处理 , 从而揭示计算机如何能借用称为“意义 —目标分 · 101 · 认知科学研究纲领的困境与走向 ① ② ③ ④ John L.Casti &De Pauli Werner, Gödel :A life of Logic.Perseus Publishing , 2000, pp.129 —132. 认知科学广泛接受的方法论原则是从三个层次分析理解认知和智能的:实现层、 表征和算法层以及计 算理论层, 它们在不同水平上是相对独立的, 但计算理论层次的工作最为根本, 也最为困难。 阎平凡、 张长水:《人工神经网络与模拟进化计算》 , 清华大学出版社, 2002 年, 第 357 页。 参见 Cummins Robert &Cummins Dannise Dellarosa , Minds, Brains, and Computers :the Foundations of Cognitive Science.Blackwell Publishers, 2000, pp.84—94 及玛格丽特·博登 《人工智能哲学》 (刘西瑞、 王汉琦译, 上海译文出版社, 2001 年)第 419 页
中国社会科学2003年第1期 析”的通用启发技术解决特定领域的问题。最早的符号主义程序是20世纪50年代由西蒙、纽厄 尔和肖尔(P.Sor)发明的通用问题解决器，到1956年己经能成功地解决简单的智力测验、命 题演算定理的证明、机器编程等问题，致使西蒙60年代断言，直觉、顿悟和学习不再是人类专 有，任何大型高速计算机都可以通过编程表现出这些能力。 第二阶段是建构微型世界阶段(1965一1975年)。虽然符号主义范式早期在证明几何学定 理、弈棋，以及运用逻辑演算和少量现实世界背景知识就可精确控制的一些领域取得了成功， 但是，人们很快认识到，日常生活中要解决的大多数问题无法归入少数几种因素的形式组合。 至少机器语言翻译的经验告诉我们，人类认知是与真实世界的大量背景知识相关的，因此符号 主义倡导者又试图发明一些解决日常生活实际问题的程序，致力于按照规则的观念阐明必要的 背景知识。最初的努力是试图建构一个嵌入机器的“微型世界”，这种微型世界是对真实世界特 征的极大简化。人们猜测，只要抽象出真实世界中那些对于求解问题非常重要的特征，机器就 能给出这个抽象世界足够的背景信息，并智能地思考简化了的人工世界中的对象及其关系，从 而实现模拟真实世界的目的。不幸的是，如休伯特·德莱弗斯H.D©yfus)所说，微型世界不 是世界，而是孤立的，缺乏意义的不毛之地。不能指望这样的不毛之地能生长出我们日常生活 的多彩世界。 第三阶段是寻求极小常识知识集合的阶段(1975年至今)。由于上述困难，人们寄希望于从 尽量少的知识集合出发，通过形式化手段演绎出整个知识系统。如明斯基的“框架”，程序和尚 克(R.Schank)的“脚本”程序、麦克德莫特(D.McDemott)和多伊尔(J.Doyle)的“非单 调逻辑”、赖特(R.Reiter)的“缺省推理逻辑”、麦卡锡(J.McCarthy)的“划界系统”，以及 麦克德莫特的“时态逻辑”等，都是试图构造一个极小系统，通过借助经典和非经典的演绎推理 的形式实现对整个知识体系的把握。但事实上，这些结果都只能完成某一范围的局域性特定任 务，难以真正广泛通用。包括1985年德克萨斯奥斯丁微电子和计算机中心开始启动的、预计建 立包含上亿条逻辑语句的常识知识数据库的重大项目，由于难以摆脱用机器程序处理日常问题 遇到的“组合爆炸”问题，目前仍在艰难进行之中。 从以上分析可以看出，符号主义工作范式的目标是寻找一种形式结构，将人类的认知和智 能活动转换成抽象的符号系统的运作。符号主义倡导者们坚信，只要能对我们所了解或我们所 相信的日常生活的非形式知识提供形式化理论，就能通过恰当的编程来获取、表达和处理知识。 但是，将人类的认知和智能活动转换成抽象符号的一个主要障碍是，任何实际问题都涉及大量 的背景知识，背景知识本身是一个不确定集合，而且这些知识大部分不能基于符号逻辑推理获 得，即使局限于求解小范围问题的专家系统，也仍然不能克服符号逻辑功能的固有局限。如此 说来，在认知可计算主义纲领指导下，建基在“认知的本质就是符号运算”这一理念上的符号 主义工作范式必然与认知科学早期目标相距甚远。 2.联结主义与人工神经网络研究 为了摆脱符号主义的困境，80年代认知科学发生了一场“人工神经网络革命”，认知科学的 “联结主义”研究范式诞生。联结主义范式是基于对人类认知机制的另一种理解，即认为一切人 类认知活动完全可归结为大脑神经元的活动。 由于人们观察到，认知活动产生的同时大脑的物理硬件在工作，而大脑是由极大量的神经 元经过复杂的相互连接构成的信息处理系统。因此，联结主义者主张，应该用机器程序去精确 阐明大脑的硬件结构，采取一种“内在”眼光，考察大脑是如何真正记录我们认为是“智能” 的行为的，以及大脑的这种硬件结构是如何产生“智能”行为的。人工神经网络研究就是力图 2014 China Academie Journal Electronic Publishing House.All rights reserved.http://www.cnki
析” 的通用启发技术解决特定领域的问题。最早的符号主义程序是 20 世纪 50 年代由西蒙 、 纽厄 尔和肖尔 (P .Shor)发明的通用问题解决器 , 到 1956 年已经能成功地解决简单的智力测验 、 命 题演算定理的证明、 机器编程等问题, 致使西蒙 60 年代断言, 直觉 、 顿悟和学习不再是人类专 有, 任何大型高速计算机都可以通过编程表现出这些能力 。 第二阶段是建构微型世界阶段 (1965 —1975 年)。虽然符号主义范式早期在证明几何学定 理、 弈棋, 以及运用逻辑演算和少量现实世界背景知识就可精确控制的一些领域取得了成功 , 但是 , 人们很快认识到 , 日常生活中要解决的大多数问题无法归入少数几种因素的形式组合 。 至少机器语言翻译的经验告诉我们, 人类认知是与真实世界的大量背景知识相关的 , 因此符号 主义倡导者又试图发明一些解决日常生活实际问题的程序, 致力于按照规则的观念阐明必要的 背景知识。最初的努力是试图建构一个嵌入机器的 “微型世界” , 这种微型世界是对真实世界特 征的极大简化。人们猜测 , 只要抽象出真实世界中那些对于求解问题非常重要的特征 , 机器就 能给出这个抽象世界足够的背景信息, 并智能地思考简化了的人工世界中的对象及其关系 , 从 而实现模拟真实世界的目的 。不幸的是 , 如休伯特·德莱弗斯 (H .Dreyfus)所说, 微型世界不 是世界, 而是孤立的 , 缺乏意义的不毛之地, 不能指望这样的不毛之地能生长出我们日常生活 的多彩世界。 第三阶段是寻求极小常识知识集合的阶段 (1975 年至今)。由于上述困难 , 人们寄希望于从 尽量少的知识集合出发, 通过形式化手段演绎出整个知识系统。如明斯基的 “框架” 程序和尚 克 (R.Schank)的 “脚本” 程序、 麦克德莫特 (D .McDemott)和多伊尔 (J .Doyle)的 “非单 调逻辑” 、 赖特 (R .Reiter)的 “缺省推理逻辑” 、 麦卡锡 (J .McCarthy)的 “划界系统” , 以及 麦克德莫特的 “时态逻辑” 等, 都是试图构造一个极小系统, 通过借助经典和非经典的演绎推理 的形式实现对整个知识体系的把握。但事实上, 这些结果都只能完成某一范围的局域性特定任 务, 难以真正广泛通用。包括 1985 年德克萨斯奥斯丁微电子和计算机中心开始启动的、 预计建 立包含上亿条逻辑语句的常识知识数据库的重大项目 , 由于难以摆脱用机器程序处理日常问题 遇到的 “组合爆炸” 问题 , 目前仍在艰难进行之中。 从以上分析可以看出 , 符号主义工作范式的目标是寻找一种形式结构, 将人类的认知和智 能活动转换成抽象的符号系统的运作。符号主义倡导者们坚信, 只要能对我们所了解或我们所 相信的日常生活的非形式知识提供形式化理论, 就能通过恰当的编程来获取 、 表达和处理知识 。 但是, 将人类的认知和智能活动转换成抽象符号的一个主要障碍是 , 任何实际问题都涉及大量 的背景知识 , 背景知识本身是一个不确定集合, 而且这些知识大部分不能基于符号逻辑推理获 得, 即使局限于求解小范围问题的专家系统 , 也仍然不能克服符号逻辑功能的固有局限 。如此 说来 , 在认知可计算主义纲领指导下, 建基在 “认知的本质就是符号运算” 这一理念上的符号 主义工作范式必然与认知科学早期目标相距甚远 。 2.联结主义与人工神经网络研究 为了摆脱符号主义的困境 , 80 年代认知科学发生了一场 “人工神经网络革命” , 认知科学的 “联结主义” 研究范式诞生。联结主义范式是基于对人类认知机制的另一种理解 , 即认为一切人 类认知活动完全可归结为大脑神经元的活动 。 由于人们观察到 , 认知活动产生的同时大脑的物理硬件在工作 , 而大脑是由极大量的神经 元经过复杂的相互连接构成的信息处理系统。因此, 联结主义者主张 , 应该用机器程序去精确 阐明大脑的硬件结构 , 采取一种 “内在” 眼光, 考察大脑是如何真正记录我们认为是 “智能” 的行为的 , 以及大脑的这种硬件结构是如何产生 “智能” 行为的 。人工神经网络研究就是力图 · 102 · 中国社会科学 2003 年第 1 期
认知科学研究纲领的困境与走向 体现大脑的分布式并行计算和非线性等特征①，所建构的人工神经网络是一种具有大量连接的并 行分布式处理器，具有通过学习获取知识并解决问题的能力，且知识是分布存储在与大脑神经 元突触相类似的连接的权重中②。因此，通过人工神经网络，联结主义者看到机器体现的思维如 何从连接的各种模式中以一种涌现的方式产生③。 与人工神经网络研究相伴的是从计算理论层次上研究人工神经网络的神经计算，主要是运 用现代数学方法探究人工神经网络系统非程序的、适应性的、大脑风格的信息处理的本质和能 力，以及信息处理的机理和途径。人工神经网络与基于符号主义的处理离散符号的计算系统不 同。在神经网络中，知识由网络各单元之间的相互作用的加权参数值表征，网络的学习规则决 定于以这些连续参数为数值的变量的活动值方程，因此描述认知和智力活动的单元已经不是离 散符号了，而是“亚符号”的数值变量。显然亚符号研究模式与以往关于“离散符号的处理对 于任何智能活动既是必要的也是充分的”的观念相冲突，联结主义者工作的目标也从用符号模 拟大脑转变成用大规模并行计算建构大脑。 但是，即使经历了这次范式转换，模拟人类高级智能的目标仍然显得遥不可及。这里的一 个重要原因是，大脑结构是经历了生命进化和与环境的交互作用长期形成的，人工神经网络专 家尝试了各种方案后逐渐开始意识到，试图通过机器程序建立一个与大脑功能类似的人工网络 实在过于困难了。借用德莱弗斯的话：“如果分析的最小单元是同整个文化世界联系起来的整个 有机体，那么，类似于符号化和程序化的计算机式的神经网络就仍然有很长的路要走。”④造成 困难的另一个重要因素是，联结主义程序自身仍然难以摆脱认知科学中最棘手的常识知识问题。 虽然迄今为止研究者已经提出了五十多种人工神经网络模型，广泛应用于模式识别与图像处理、 控制与优化、金融预测与管理以及通信等领域，但是人们己经从理论上研究了现有神经网络模 型计算能力的局限性，认为它们仍然不能解决传统的基于物理符号系统的人工智能中的困难⑤。 于是，研究者又开始寄希望于行为主义范式指导下的进化计算和人工生命的研究。 3.行为主义与人工生命研究 行为主义工作范式的基本出发点是，略去知识的表达与推理的环节，考虑在感知与行为之 间建立直接的联系，期望认知主体在感知刺激后，通过自适应、自学习、自组织方式产生适当 ①大脑神经元的个数是102，不同的连接方式有6X103种。目前普遍受到认可的大脑特征有如下几点： (1)大脑是一个由神经元连接的巨型复杂系统：(2)大脑中的计算是建立在大规模并行计算基础之上 的：(3)大脑具有很强的容错能力和联想能力，而且善于概括、类比、推广：(4)大脑功能虽然受先 天因素制约，但后天因素，如经历、学习、训练等起重要作用，这表明人脑有很强的自组织性和自适 应性(《21世纪初科学技术发展趋势》，第347页)， ②实际上.人工神经网络和神经计算概念可追溯到1943年麦卡洛克(W.S.M cCulloch)的第一个人工神 经细胞模型。50年代末到60年代初，人工神经细胞模型与计算机结合，研制出了具有感受神经网络的 输入层、中枢神经网络的联系层和效应神经网络的输出层结构的简单感知机，70年代由于明斯基和佩 伯特(Papert)的强烈批判，神经网络研究陷入低谷。I982年又由于赫普菲尔德(J.Hopfield)的人工神 经网络模型成功求解了计算复杂度为NP型的“旅行商”问题神经网络研究复苏.其后还有可求解非 线性动力学系统优化问题的神经网络模型(1983)、基于人工神经网络的并行分布式处理的认知过程的 “微结构”理论(1985)和可用于求解非线性感知和复杂模式识别的多层感知机、具有良好自适应特性 的自适应神经网络(1986、1987)，等等。 3 W.Rechtel Connectionism and the Philosophy o Mind.An Overview,The Southern Joumal of Philosophy.1990.p. 27. ④博登：《人工智能哲学》，刘西瑞、王汉琦译，上海译文出版社.2001年，第451一452页. ⑤《人工神经网络与模拟进化计》，第11页。 ?1994-2014 China Academic Journal Electronic Publishing House.All rights reserved. ht1o3www.cnki
体现大脑的分布式并行计算和非线性等特征①, 所建构的人工神经网络是一种具有大量连接的并 行分布式处理器 , 具有通过学习获取知识并解决问题的能力, 且知识是分布存储在与大脑神经 元突触相类似的连接的权重中②。因此, 通过人工神经网络 , 联结主义者看到机器体现的思维如 何从连接的各种模式中以一种涌现的方式产生③。 与人工神经网络研究相伴的是从计算理论层次上研究人工神经网络的神经计算 , 主要是运 用现代数学方法探究人工神经网络系统非程序的、 适应性的、 大脑风格的信息处理的本质和能 力, 以及信息处理的机理和途径。人工神经网络与基于符号主义的处理离散符号的计算系统不 同。在神经网络中, 知识由网络各单元之间的相互作用的加权参数值表征, 网络的学习规则决 定于以这些连续参数为数值的变量的活动值方程 , 因此描述认知和智力活动的单元已经不是离 散符号了, 而是 “亚符号” 的数值变量 。显然亚符号研究模式与以往关于 “离散符号的处理对 于任何智能活动既是必要的也是充分的” 的观念相冲突 , 联结主义者工作的目标也从用符号模 拟大脑转变成用大规模并行计算建构大脑。 但是 , 即使经历了这次范式转换, 模拟人类高级智能的目标仍然显得遥不可及 。这里的一 个重要原因是, 大脑结构是经历了生命进化和与环境的交互作用长期形成的, 人工神经网络专 家尝试了各种方案后逐渐开始意识到 , 试图通过机器程序建立一个与大脑功能类似的人工网络 实在过于困难了 。借用德莱弗斯的话 :“如果分析的最小单元是同整个文化世界联系起来的整个 有机体 , 那么, 类似于符号化和程序化的计算机式的神经网络就仍然有很长的路要走。” ④ 造成 困难的另一个重要因素是 , 联结主义程序自身仍然难以摆脱认知科学中最棘手的常识知识问题 。 虽然迄今为止研究者已经提出了五十多种人工神经网络模型, 广泛应用于模式识别与图像处理 、 控制与优化 、 金融预测与管理以及通信等领域, 但是人们已经从理论上研究了现有神经网络模 型计算能力的局限性 , 认为它们仍然不能解决传统的基于物理符号系统的人工智能中的困难⑤。 于是 , 研究者又开始寄希望于行为主义范式指导下的进化计算和人工生命的研究。 3.行为主义与人工生命研究 行为主义工作范式的基本出发点是 , 略去知识的表达与推理的环节 , 考虑在感知与行为之 间建立直接的联系, 期望认知主体在感知刺激后 , 通过自适应 、 自学习 、 自组织方式产生适当 · 103 · 认知科学研究纲领的困境与走向 ① ② ③ ④ ⑤ 《人工神经网络与模拟进化计算》 , 第 11 页。 博登:《人工智能哲学》 , 刘西瑞、 王汉琦译, 上海译文出版社, 2001 年, 第 451—452 页。 W.Rechtel, Connectionism and the Philosophy of Mind:An Overview , The Southern Journal of Philosophy , 1990.p. 27. 实际上, 人工神经网络和神经计算概念可追溯到 1943 年麦卡洛克 (W.S.McCulloch)的第一个人工神 经细胞模型。 50 年代末到 60 年代初, 人工神经细胞模型与计算机结合, 研制出了具有感受神经网络的 输入层、 中枢神经网络的联系层和效应神经网络的输出层结构的简单感知机, 70 年代由于明斯基和佩 伯特 (Papert)的强烈批判, 神经网络研究陷入低谷。 1982 年又由于赫普菲尔德 (J.Hopfield)的人工神 经网络模型成功求解了计算复杂度为 NP 型的 “ 旅行商” 问题, 神经网络研究复苏。 其后还有可求解非 线性动力学系统优化问题的神经网络模型 (1983)、 基于人工神经网络的并行分布式处理的认知过程的 “微结构” 理论 (1985)和可用于求解非线性感知和复杂模式识别的多层感知机、 具有良好自适应特性 的自适应神经网络 (1986、 1987), 等等。 大脑神经元的个数是 10 12 , 不同的连接方式有 6 ×10 13种。 目前普遍受到认可的大脑特征有如下几点: (1)大脑是一个由神经元连接的巨型复杂系统;(2)大脑中的计算是建立在大规模并行计算基础之上 的;(3)大脑具有很强的容错能力和联想能力, 而且善于概括、 类比、 推广;(4) 大脑功能虽然受先 天因素制约, 但后天因素, 如经历、 学习、 训练等起重要作用, 这表明人脑有很强的自组织性和自适 应性 (《21 世纪初科学技术发展趋势》 , 第 347 页)