云绾宁墨晔小说

第三 人工智能中西方唯理智主义的偏向及其困境（第1页）

第三节人工智能中西方唯理智主义的偏向及其困境

美国著名计算机科学家、哲学家休伯特·德雷福斯或许是指出人工智能领域的形式化取向与西方两千年以来盛行的主流哲学传统相承接的第一人。他尖锐地指出：“支持符号信息加工的，不仅是笛卡尔和他的传人们，而且是全部西方哲学。”[31]这种传统哲学肇始于柏拉图。因为在柏拉图那里，如果人们的认识不能用清晰的指令和规则来表述，则不能算作知识；指令和规则是全部知识得以形式化的前提。这一思想后来经过笛卡尔、霍布斯、康德、莱布尼茨等人的阐发，使得被“认为能把全部知识形式化的信念很快就控制了西方思想界”[32]。不仅如此，自古希腊以来的还原论思想或原子的概念，在AI中表现为将形式化的符号建立在与语境无关的元素和原理之上。例如，在维特根斯坦的论文中，经验主义的原子论表现为逻辑独立命题的原子事实；在明斯基那里则表现为离散的计算符号。可以说：“在过去两千年间，客观性的重要作用、关于行为受固定规则支配的观念、关于技能可以形式化的观念，以及一般说来，人们能够提出有关实践活动的理论，这一切已对心理学和社会科学产生了影响。”[33]

另一位学者、美国斯坦福大学计算机科学和语言学教授T。温诺格拉德（T。Winograd）也指出，对计算机及其对社会的影响的思索一直是受到理性主义传统的支配的。他在《常规人工智能中的理性主义传统》一文中具体描述了经典人工智能中理性主义导向的基本步骤：①以具有合适规定的性质的那些可以鉴定的对象来表征局势；②找到按照那些对象和性质而应用于局势的普遍规则；③把这些规则合乎逻辑地应用于所关注的局势，进而引出关于具体行动的结论。他总结说：“这个传统强调表述用来引出逻辑结论的系统规则。而西方哲学的一个重要组成部分，从古典修辞学到现代符号逻辑，则对更加系统和更加精确地阐述有效推理的本质问题提供了动力。”又说：“理性主义导向不仅构成了纯科学和应用科学的基础，而且，或许是由于现代科学的声名显赫的成功，它也被看作是思维和智能的本质的真正范式。在思维的研究中，着重点放在规则的形式和逻辑上运用这些规则的过程上。数学的各个领域，比如说符号逻辑和自动机理论，被看作是对感知、思维和行动过程进行形式化的基础。”[34]这些与休伯特·德雷福斯的观点是基本一致的。

当然，早期人工智能研究中的形式主义受到了外部条件的影响。或者说，早期人工智能研究的主要是那些易于形式化的问题。在一定的发展阶段上，这样做是必要的。如前所述，常规或经典人工智能科学家的一个重要研究方向就是解决问题和推理。他们研究的重点只是人类智能的某些方面。例如，纽厄尔（A。Newell）将智能系统分为理性层、认知层和神经元层三个层次，并认为可以有这三个层次的智能模拟。其中的理性层模拟也就是思维模拟，其范围限定得比较狭窄。在知识表征上，基本上以理性的、逻辑的方法为主。

以一阶谓词逻辑知识表征形式为例。该表征形式的核心是谓词公式。所谓谓词公式，即用谓词连接符号将一些谓词连接起来所形成的公式。这一公式既可以表示事实性的知识，也可以表示规则性的知识。其特点有两点：一是谓词公式的逻辑值只有“真”和“假”两种结果，因而适合于表征那些精确性的、具有“二值逻辑”特征的知识，而不适宜于那些介乎于真假值之间的模糊性知识。从这个意义上说，谓词公式能够很好地转换为计算机的内部形式；二是与谓词逻辑相对应的推理方法的运用，使该表征形式具有演绎特征或公理性质。当一个表征系统蕴含另一个表征系统时，演绎理论（证明理论）可以替代真值关系理论（模型理论），或者说，通过内部论证关系就可以模拟外界真值关系。很明显，一个表征系统（命题）的语义内容是受制于句法形式的，即它得益于一些符号表达式及其规则。这一点表现在M&P模型中，当神经元活动与逻辑命题之间的关系具有某种一致性时，由单个神经元构成的与神经网络相联系的命题，并没有能够进行思维的适当的语义特征。

从计算机的符号操作来看，经典智能系统假定了具有句法结构的符号表述方式，同时又利用这种表述方式的结构定义了适应于它们的计算运作方式。在这一过程中，“计算”是纯句法的，可以用同样适合于符号逻辑的术语把它们定义为应用形式规则，进而对抽象符号进行形式处理；至于“程序”，人们同样可以将其理解为形式的和句法的。正如福多（1981）指出的：“因为它们是通过表征来定义的，同时它们又是形式化的，因为它们（概略地）借助于表征的句法操作特征……形式操作不需要通过如真值、指称和意指等表征语义特征加以说明……形式操作是指对特定范围内表征对象的形态进行的操作……按照心智的计算理论，两种不同的概念，只有在当它们能够被识别出不同的形式表征关系时，才能够区分。”[35]从一般意义上来看，经典智能系统确定了一类公理系统，并在该公理系统之下确立一套演绎规则；当这一公理系统不够用时，又寻求和确立所谓“二阶公理”，使之在计算机操作系统上构成所谓“形式约束”。A。霍尔（A。R。Hoare，1985）指出，从形式化、抽象化、问题定义、问题求解及证明验算等各个方面来看，程序设计与数学活动类似，本质上是一种形式逻辑活动。[36]“心智计算理论”把被运行的程序与程序的算法编码区分开来，其知识表征形式是被程序员指派的，因而它是“先天”固有的。也就是说，在传统计算机中，整个系统的行为由CPU中的存储程序来控制。概言之，这是一种“作为计算的认知”，它把智能看作是抽象算法或者程序。

对于语义网络和联结论而言，情况并没有实质性的改变。按照奎连（M。R。Quillian）的构想，语义网络通过概念及其语义的相互关系来表征知识。它将事物的属性及事物间的各种语义联系显著地表征出来。这一做法的长处在于，它试图通过语义编码存储来解决计算机操作形式和句法表征与真值语义表征之间的一定程度的分离问题。但从谓词逻辑角度来看，它的一个基本网元仍相当于一组一阶二元谓词；一个框架也可以被看作一个表达程式化了的数据结构，也就是说，它的身上仍摆脱不掉“形式化”的痕迹。而在联结论的模型当中，联结主义者对神经网络的建构也是从神经元的模型开始的，其网络模型以与语境无关的形式化的方式来反映与环境交互作用的、具有涉身性质的神经组织活动形式；节点的网络结构及其联结是硬件结构，激活—传递规则和联结权值是内部规则，输入矢量是它的输入，输出矢量是它的输出，信息储存在联结权值中。因此，就模型的“程序”而言，联结主义和物理符号主义是一样的。虽然神经网络的灵感来自大脑，但是神经网络与大脑活动只是在一个非常抽象的层次上有联系，而且神经网络忽略了生物神经和大脑的许多基本特性，大多是非具身性的，不能在环境中使用“身体”搜集自己的数据，这意味着它们需要根据设计者提供的数据进行训练，不能直接与外部世界相联结。

当然，经典人工智能学派并不是没有注意到不可避免的形式与内容或语形与语义的矛盾冲突；在特定的时期，他们注意到语义问题的重要性。例如，奎连指出：“我们不相信行为理论或计算机模型，像已有的大多语言处理程序那样，忽略或排斥语义而希望取得成功。无论程序的目的是否是用来分析句子、翻译语言或回答自然语言问题，如果它不尽早地、经常地考虑语义事实，那么我看它便没有可能接近人类的能力水平。”[37]为此，研究者们形成了某些技术性的补救方法，形成所谓语义理论。但是，这些理论和方法绝大多数都利用能够表示深层规律的形式化语言，并假设在自然语言中，每个语句都能与形式语言中的一个可能的解释相对应，而这种形式语言定义了合适的推理规则。这样，意义的研究包括实际上是将语句翻译成为相应的形式结构和与这些结构相联系的逻辑规则，进而将这些技术性成果的有效性用内在的连贯性和一致性来进行判断。[38]简单地说，就是依靠形式化的思路和方法解决形式与内容、语形与语义之间的矛盾。

必须承认，在句法和形式化的框架内解决语义与句法的相互关系问题，有其合理性。毕竟，系统程序的执行与它作为形式句法系统的性质之间，并不是完全分离的。根据计算机科学家B。C。史密斯（B。C。Smith，1982）的看法，程序指令和计算机符号在一定意义上是具有某些语义性质的，不管这一性质受到何种限制；任何计算机程序固有的过程结果，都给了程序一个语义的立足点。并且，这里所说的语义不是指称的，而是因果性的。[39]P。J。海斯进一步论证道，形式的“稠密性”意味着一种稠密的形式化在分散的概念之间形成许多联系，这些概念是用形式化中的标志来表示的。[40]还要看到，句法或形式化的推进反映了人类认识能力的提高和认识手段的进步；伴随着智能（包括模拟智能）和技术（包括计算机技术）的不断发展，原本不能形式化的东西将来未必不能变得形式化。也即“人工智能的界限并不是一成不变的，随着形式化的发展，这是一个逐步扩张的疆界”[41]。例如，当经典命题逻辑和一阶谓词逻辑不能描述人的思维活动时，多值逻辑、模糊数学以及概率理论也就登场了；当专家系统所具有的符号推理机制只能用于为离数的计算活动提供功能性的基础时，神经网络则有助于实现基于连续的数值计算。从这个意义上说，经典人工智能的进步得益于形式化能力的提高和认识手段的进步，反映了西方理性主义在一定阶段上的优势所在。这也反映出，用理想的方法解决人们面临的复杂问题，总是人类的一种良好愿望；尽管复杂的对象常常让这种良好的愿望落空。但问题在于，当这种优势或认识方式被推至极致，例如，认为对于计算机而言，所有问题都必须形式化[42]；不能形式化的问题，计算机是无能为力的，这样一些观点和做法是有局限性的。

不仅如此，经典人工智能研究对智能机“意向性”问题的解决也充斥着形式主义或符号论的味道。例如，物理符号学派强调一种表征的意向论。[43]作为其代表人物之一的福多就认为，心智是表征的，命题陈述的内容与它相关的表征相符。因此，心理状态包括思想内容和句法结构两个方面。其中，心理表征是“思想语言”的符号，它有句法结构和意义，其本质是标记意向状态。由于人脑中存在信念和愿望这样的心理状态，而这些状态是由相信、想要等这样的态度和命题内容组成，由此它们构成所谓“命题态度”。这样，人们可以通过符号的句法把符号的因果属性与它的语义属性联结起来；句法则是在符号的因果作用与它们的内容之间起调节作用的东西。在计算机方面，福多同时认为，心理计算理论强调心理表征是表征内容的计算；计算机则是一种对于符号的因果属性和语义属性之间的媒介问题的解答。常识心理学概括通过它们的内容与心理状态相联系，规范表征做它所能做的，从而建立起像形式那样的内容关系。为了将存在、意义一类问题“悬置”起来，福多将自己的研究方法称为“方法论的唯我论”，认为强调心理过程的形式计算不需要参考真理、指称和意义这样的语义性质。符号的标记是按照“心理物理学”的规律与它们所表达的性质的例示相连的。根据心智与世界之间所具有的因果关系来解释心理意向的物质基础，这样，表征意味着该事物。总的来看，表征意向论虽然试图弥合经典人工智能造成的形式与内容的裂隙，但它仍然在句法的框架内将一切心理活动表征化了。

通过对胡塞尔意向性理论的分析，休伯特·德雷福斯指出了上述思想的历史渊源。他认为，胡塞尔在意向性的说明中采纳了康德主体构造客观实在的经验的观点，并将心灵借以面对对象的抽象结构称之为noema（希腊文）。而这个抽象的结构被用来整理经验。由于这个noema在说明心灵对于对象的定向性时，需要对对象加以指称和描述，因而需要具有辨明对象的明显特性的所谓“谓项含义”（predises）。这个谓项含义作为有序集的规则，像弗雷格的意义（sinne）那样描述对象看起来像什么；一些高阶规则确定哪些谓项可望合适。因此他认为，在胡塞尔（特别是后期的胡塞尔）那里，意向状态的内容是原始事物尤其是他称为谓项含义的事物所建立的复杂的抽象结构。这个抽象的形式结构即使在没有数字计算机的情况下，也为其提供一个直观的模型。而且，胡塞尔关于人们经验的事实世界是一个典型化的世界的观点，也使得人工智能中以“框架”的方式描述世界的方案与“现象学的心理学”相吻合。从这个意义上说，胡塞尔不仅提供了按规则整理要素的精神活动之认知理论，而且作为“人工智能研究之父”而在人工智能史上占有一席地位。[44]但是，经过仔细的审视可以发现，没有任何证据表明胡塞尔曾认为他涉及的规则和结构是关于语义的。他的“任何对象……都指向……由规则支配的……结构”，无疑是形式主义的。

随着人工智能研究的深入发展，人工智能研究中的形式主义弊端不断显现出来。人们注意到，智能的定义实际上是非常宽泛的。人工智能研究的对象不应当仅仅是人类的智能，而同时还应当包括生物的智能、机器人的智能；智能还是一个连续体、一个渐变的现象。因此，不应当把全部智能都看作是可以用元计算机科学能接受的方式表达为一个可计算的问题类。实际上，低等动物在对外界环境反应过程中表现出来的智能，要比已有的、研究的较多的智能形态以及机器人所表现的智能，灵活和自然得多。例如，在低等动物——蚂蚁的行为中，其复杂的智能表现是由简单的神经机制控制的。这就是所谓“基于生物形态的智能”。同样，由R。布鲁克斯（RodneyBrooks）设计和制造的机器人具有许多“行走”模块；这些模块是由一组更低层次的、由腿部感官输入的东西组成的。其行为机制表明，活动的机器人不需要复杂的内部表达和外部世界的模型，也没有复杂的推理过程，而只是利用系统—环境的相互作用，以适应性的方式行动。据此，R。布鲁克斯认为，存在着“无表征的智能”和“无推理的智能”。他主张，人工智能研究要多向大自然中的动物学习，要在动态的外界环境中研究智能，要把机器智能放置于现实世界之中来考察。

对于人类的智能而言，符号的、逻辑的、数学化的形式智能也仅仅只是其中的一部分，还存在大量的不能或不完全能形式化的智能。如感觉经验、动作思维、情感思维、常识判断以及略带神秘性质的灵感、直觉等就是如此。这些活动都是无法形式化的，也不能完全将它们归结为计算。如果坚持将一切问题和智能表征形式化，那将会排斥这些智能形态和知识类型。正如德雷福斯兄弟所说，“常识物理学”不可以表示为一组抽象原理，因为寻找常识物理学理论的问题恰恰可能是不可解的，它是一个没有理论结构的领域。[45]经典的模式识别方法在进行计算机辅助诊断时未能很好地解决问题的根本原因之一，就是过分强调“计算”而忽略经验和形象思维的作用。[46]

同样，世界的复杂性也不可能用可列的算法步骤加以穷尽。人处于自然局势当中，人类在世界中的存在方式原则上无法用现在能想象到的技巧和方法加以形式化、程序化。这就不可避免地会出现“非形式化”。虽然将智能系统看作是基于情境和环境的交互作用的动力系统，而对动力系统的刻画本质上是一种更高层次的形式系统，但这个系统本身并不就等同于世界。正如塞尔所说，在每一种情况下，没有人会把计算机的模拟看作事实本身。没有人会想象计算机模拟的一场暴风雨会将我们浑身上下浇得湿淋淋的。世界是异质性的。同样，语义是世界的经验形式，是对“局势”的动态性表征。它的形式化非常困难。语词以及语词组合的语句构成的意义与语境有关，语义对应的一般问题不能给予任何形式的回答。也就是说，并不是所有的智能和知识都能进行形式化处理。

就心灵和意向性而言，无论根据何种信息加工的相似性，在计算机和大脑之间都不可能建立起真正的相似性关系。因为在计算机概念中，其要点是运算能被形式化地表述，或者说，计算机程序是完全以它的形式的或语法的结构来定义的，并且这种形式化的过程存在于计算机的物质形态当中。但是，“人心不仅仅是形式的或语法的过程。根据定义，我们的内在心理状态具有某种内容。……即使思想以一连串的符号的形式出现在头脑中，但是思想所包含的绝不止一些抽象的符号串，因为符号串本身没有任何意义。如果我的思想要涉及任何事物，符号串也必有某种意义，使得思想能够涉及某些事物。一句话，人心不仅是语法的，它还有个语义的方面。计算机程序永不可能代替人心，其理由很简单：计算机程序只是语法的，而心不仅仅是语法的。心是语义的，就是说，人心不仅仅是一个形式结构，它是有内容的”[47]。具体来说，只有具备与大脑完全一样的因果能力的东西才能够具备意向性；意向状态是根据它们的内容，而不是根据它们的形式定义的。人的大脑产生思维或具有意向状态，就如同我们的胃产生用于消化的胃液一般，它是一种生物现象。在这里，虽然塞尔对语法与语义的关系作了截然对立的、不恰当的划分，忽视了心理活动和意向状态的社会文化属性，但也确实指出了经典人工智能无法摆脱“意向性难题”的困境的实质性原因。

对于造成这一状况的一个原因，德雷福斯等人给予了深入的分析。他们认为，原因在于AI研究者对整体论抱有强烈的偏见以及西方文化中盛行的任何事情都是可控的态度。他们“能对简单的微世界做相对孤立的研究，这种完全不合理的信念反映了一种要把在自然科学领域已取得成就的方法搬到AI中来的天真想法”[48]。如果网络和我们一样要具有恰当概括的意识，它也许必须具有和人类大脑一样的尺寸、构造和初始联结构型。“如果海德格尔和维特根斯坦是正确的，人类的整体性将比神经网络大得多。智能必须受到有机体中目的和有机体从当前文化中获得的目标的促动。如果分析的最小单元就是与整个文化世界相啮合的整个有机体的最小单元，那么神经网络以及以符号编程的计算机，就还有漫长的道路要走。”[49]