人工智能课题及其认知意义，本文主要内容关键词为：人工智能论文,认知论文,课题论文,意义论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：B023;TP18 文献标识码：A 文章编号：1009-105X(2001)01-0036-06
一、两种进化
1956年夏季，美国的一批数学家、心理学家、神经生理学家、信息论和计算机方面的学者和工程师在达特玛斯大学召开了一次以人工智能(Artificial intelligence)为题名的学术讨论会。从此，人工智能作为一个新兴的独立学科创立并受到社会各界的关注。几十年来，在人工智能研究领域产生了一大批人们预想不到的成果，这些成果的运用把过去只有在幻想中存在的东西变成了现实，有力地推动着科学技术进步和生产发展。
人工智能是相对于人脑的神经生理智能而言的。人脑的神经生理智能通常称为智慧，“是指人认识客观事物并运用知识能解决实际问题的能力，集中表现在反映客观事物深刻、正确、完全的程度上和应用知识解决实际问题的速度和质量上，往往通过观察、记忆、想象、思考、判断等表现出来。”[1](P.1401)哲学和心理学历来以对人的神经生理智能研究为己任，分别从认识论和人的心理活动过程提出了多种认知模式。例如，辩证唯物主义认识论提出了“在实践的基础上由感性认识到理性认识，又由理性认识到实践的能动飞跃”的认知模式；格式塔心理学认为认知现象最基本的特征是在意识经验中所显现的结构性或整体性等等。这些研究成果对人的学习过程和解决问题过程具有重大实践意义，也为人工智能研究提供了背景知识和基底模式。
人工智能的实质是把人的某些神经生理智能赋予机器，让机器模拟和代替人的某些智能。所以，人工智能也可称之为“机器智能”或“智能模拟”。或者可以说“人工智能是探索和模拟人的感觉和思维过程的规律并进而设计出类似人的某些智能的自动机的科学。”[2](P.80)人工智能的实现载体和主要工具是电子计算机，人工智能现阶段的主要任务是把尽可能多的人的神经生理智能赋予机器，通过机器识别符号、图象、声音等信息载体，使机器能象人类那样进行学习、联想、判断、推理乃至行动。简言之，“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这正是马克思所预言的“科学通过机器的构造驱使那些没有生命的机器肢体有目的地作为自动机运转，”[3](P.208)实现社会生产力高度发达。显然，人工智能是高度自动化生产的基础。
从进化论的观点看，人工智能的产生是生物进化与机器进化的统一。这两种进化的统一是自然界物质统一性的反映。达尔文和马克思分别为有机界和无机界这两个不同领域内的进化研究作出了开创性的贡献，他们都在各自的著作中论述了作为“生产工具”的动植物器官形成的过程和原因，指出器官的专业化、完善化是自然选择通过优胜劣汰实现的。马克思在《机器。自然力和科学的应用》一书中依据人类社会发展基本矛盾和人类主观能动作用的对立统一，指出了作为人类各种器官延伸的生产工具和机器的产生、发展、进化是一个客观历史过程并具有自身固有规律。在马克思之后，通过近一个世纪的科学发展和积累，美国科学家维纳综合研究了数学、工程控制、心理学、医学和神经生理学等学科已有成果，创立了“控制论”这一学科。控制论揭示了机器、生物界和人类社会共同的信息传递与运动的控制规律，用统一的科学规律把机器系统、生物界和人类社会联系在一起。在几乎同时发展起来的计算机科学、仿生学和其它相关技术科学的共同推动下，终于在20世纪50年代产生了作为独立学科和研究领域的“人工智能”。
人工智能也是科学技术和社会生活发展的客观需要。长期以来，人们一直希望用机器代替大脑的某些功能，以提高人类征服自然的能力和效率。人类为这一目标奋斗的历史企盼在文学典籍和科幻作品中留下了许多美丽的幻想。现在，三维动画和“虚拟现实”直接在电脑屏幕上圆了这个梦。马克思在他那个时代就指出：“科学的发展同前一代人遗留下来的知识量成正比例。因此在最普通的情况下，科学也是按几何级数发展”。[4](P.62)现代社会生活运行节奏和发展速度越来越快。据统计，二战以来人类知识总量大约每7-10年就增加一倍，出现了所谓“知识爆炸”现象。减轻和代替人脑工作的需求越来越迫切。但由于生物进化是一个极其缓慢的过程，人脑的功能限制了人类的记忆容量和处理信息的能力，有许多工作在规定的时间内或个体生命周期内是无法完成的，而超过时限又失去了完成它的意义，这就需要人类在信息处理方面掀起一场革命。
电子计算机的问世在一定程度上使人类从繁重紧张的脑力劳动中解放出来。过去人们不敢问津的繁杂运算得到解决，如四色定理证明和适时气象数值预报等。但是，也还有许多问题以现有的电子计算机为工具不可求解，如组合爆炸类型的问题。为了更有效地减轻和代替人脑的繁重劳动，迫切需要研制出“思维的机器”，它除了能按逻辑程序做推理和数值计算外，还能按人的思维模式并行思维和模糊思考处理问题，如果辅以相应的机械装置，它还可以自动地执行只有经过人的大脑指挥才能产生的行为，这就是“机器人”。人工智能为实现这些任务奠定了理论基础和实施规则。
二、课题论域
目前，人工智能的研究主要通过三种途径实现。第一是生理学途径。主要采用仿生学方法，直接模拟动物和人的感官特别是人脑的结构与功能，制成神经元模型和脑模型硬件或软件。第二是心理学途径，或称为“启发式途径”。它应用实验心理学的方法考察人在解决问题时采用的方法、程序、策略等，概括出人的思维活动的规律，再把这些规律编译为程序化的心理模型，然后用计算机进行模拟。第三是工程技术途径。着重研究计算机如何从功能上模拟人的智能行为。人工智能在这三个方面都取得了一些重要成就，但也还存在着相应的困难。例如说，由于脑细胞和神经元的数量极其巨大，生理学途径制作模型硬件时导致了复杂的巨系统问题，处理巨系统问题目前还没有成熟的理论和有效的数学工具，实际运行中容易产生混乱或混沌现象；心理学途径在人的创造性思维和非形式逻辑思维的研究方面遇到了困难，不能建立令人满意的数理逻辑模型，编程就成了无源之水；现阶段工程技术途径发展最快，成为人工智能研究和运用的主要发展方向，但是工程技术途径只能解决较低层次上的人工智能问题，较高层次上的人工智能问题只有在心理学途径取得重大突破之后才有可能取得长足的发展。
用电子计算机解决人工智能型的问题必须具备三个基本前提。首先，必须把研究的问题形式化。这是因为目前的电子计算机只能进行有限符号集的有限长符号序列的决定型形式变换，即使在较高层次上可以放宽，但计算机总是在作符号处理。因此，任何问题要交给计算机处理，必须先建立一个符号形式系统。这方面的问题目前解决的较好。其次，计算机要解决的形式化问题还必须是可计算的，即一定要有求解的“算法”。实际上并非所有可形式化的问题都是可计算的。例如可以从理论上证明“判定整系数不定方程（丢番都方程）”是否有解的算法是不存在的。对具体问题来说，即使存在着某种算法，但要找到这种算法也是无必然联系的两回事，前者是客观的，后者是主观的，谁也不能保证主客观在任何条件下完全一致。第三，计算机根据某种算法求解的问题必须有一个合理的复杂度。一个算法所需计算的次数称为计算的复杂度。计算的复杂度越高，计算所需的时间也越长。计算的复杂度有6个层次，即n、n[2]、n[3]、2[n]、n！n[n]。对幂指函数n[n]来说，当n不大时其值就可能很大，如当n=10时n[n]=10[10]（百亿）。随着n的增大，即使对于有限的n值，其计算时间也是最现代化的电子计算机所难于接受的，这种现象称为“组合爆炸”。现实生活中的许多问题都具有较高的幂指数复杂度，这是问题本身固有的性质，不是通过任何巧妙的技术措施可以避绕过去的。
在满足上述三个基本前提的条件下，现阶段人工智能研究常见的课题可以归纳为下列八个方面，[5](PP.2-6)大略展示人工智能研究课题的基本面貌：
1.问题求解。目前，电子计算机主要是用专用程序求解特定的具体问题，如编制工资表或机械加工中心的编程。这确实可以在很大程度上减轻或代替人的脑力劳动，但还不属于严格意义上的人工智能。人工智能的任务是使计算机模拟人脑思考解决问题的方法与步骤。为此，我们必须研究求解问题的规律。一般地说，需要用人工智能求解的问题具有三个最重要的特征，即目标、状态和操作。问题求解的过程就是使初始状态逐步地转变为符合目标要求的状态的过程，状态和操作之间关系的数学工具是状态图。计算机作问题求解实质上就是从初始状态开始，在有希望找到目标状态的方向上按状态图的搜索。用这种方法已经解决了许多人工智能问题。
2.自然语言处理。当前人——机“对话”要按一定的规则进行。人们更希望用自然语言与计算机直接“对话”，这要求计算机能“听懂”和识别人的自然语言。现在，语音输入软件已基本上解决了这方面困难。虽然语言有完整的语法规则，但人们在使用时并不完全遵守这些规则，往往通过语调、手势、表情等感情因素来表达或识别对话者的思想。日本已研制出可同时翻译三种语言的可视电话，但总的来说，识别自然语言的人工智能研究特别是机器翻译还处于初级阶段。
3.模式识别。在科学研究和日常生活中，人们要碰到大量的模式识别问题。从人群中认出一个熟人就是一种模式识别。人工智能的模式识别就是研究如何从大量信息中提取模式特征，再根据模式特征识别不同事物。模式识别是人工智能应用最广泛、最活跃的领域之一。它在应用方面已经取得了一大批积极重要的成果，如军事间谍卫星的识别系统和社会管理中的指纹识别系统。
4.智能数据库。现在电子计算机大部分并非用于科学计算而用于数据处理。图书情报资料检索系统是一种典型的数据库。大量的图书资料的名称、摘要、编目等特征通过软件转化为数据，在计算机内通过有机组合存储为相应的数据库。随着数据库越来越庞大，如何对存储的数据快速检索和修改就成为一个迫切需要解决的新问题。人们发现，人的记忆具有非常奇妙的功能，可以在一瞬间想起几十年前记住的东西，搞清人脑记忆的这一机制就可以更有效地组织和运用数据库。人工智能数据库最实用的发展方向是各种专家系统。专家系统实质上是一种具备学习机制、能对知识加以改进以增强解题能力的智能数据库。
5.机器人。机器人是在一定的动力和控制下具有人的部分功能、完成相应任务的机器。机器人的种类很多，全自动家用洗衣机就是一种最简单的机器人。最简单的机器人没有适应周围环境变化的能力，它能在无人干涉的情况下执行较复杂的操作，但每次操作的执行步骤相同，实际上也是一种自动机，广泛地使用在工业流水生产线上。智能机器人则装备了相当于人的感官的电子摄像机和各种传感器件，它能拾取周围环境（温度、压力、地形等）变化的信息并输入中枢计算机，经综合处理后作出正确的反应。智能机器人在工业、军事、航天、海洋工程等方面发挥人的行为不能完成的作用。智能机器人的运作步骤是：问题规划、输入信息分析、外界环境模型化、中枢管理、对操作部分的指令、运作等。
6.博弈。博弈原指两个人（或集团）参加的对抗性游戏活动。下棋是典型的博弈。由于博弈包括了许多人类智力活动的基本特点，因此一直是人工智能研究的重要领域。人工智能中的博弈以问题求解、模式识别为基础。1956年，美国科学家赛缪尔把利用对策论和启发式搜索技术编制的跳棋机程序输入计算机，3年后击败了它的设计者，6年后击败了州跳棋冠军，从而引起人们对这一领域的重视。1997年5月，美国IBM公司研制的“深蓝”超级计算机击败了国际象棋冠军卡斯帕洛夫，这一重大突破使沉寂多年的人工智能博弈研究领域重新活跃起来，为在复杂思维领域计算机可以达到甚至超过人类的观念注入了一针强心剂。“深蓝”具有每秒计算两亿个棋位的超级计算能力，这足以让它战胜99.9999%的在世棋手。“深蓝”的主要开发者是两位华裔科学家谭崇仁和许峰雄。
7.程序自动化。设计一种计算机语言或软件是一项非常复杂和费时的工作。FORTRAN语言就是IBM集中力量、历经8年、四次修订才完成的。编制软件难免发生错误，而寻找和改正错误更为费时，这也是“软件危机”的原因之一。因此，人们企求让计算机自动编程。程序自动化目前主要在两方面开展工作。一是自动程序设计，主要是算法的设计。二是自动程序验证，即让机器自动寻找程序中的错误，再进一步研究程序的容错技术，使具有错误的程序也能正常运行，就像人一样，虽然口语中有语法错误和词汇错误，但仍能清楚地表达思想。
8.自动证明定理。人们也在寻求用电子计算机证明数学定理。目前，自动证明定理研究大致有三个途径。一是完全机械化的证明，如我国数学家吴文俊教授完成的初等几何和微分几何的机械化证明。前不久，吴先生因在此领域的杰出成就荣获首届国家最高科学成就奖。二是所谓探索式，即让计算机根据条件去试探各种不同的解决，如求解不定积分的自动证明定理系统。第三条路是人——机结合，人多做一些创造性的思维工作，计算机多做些繁复的计算推导，这方面最成功的范例是四色定理的证明。数学家先证明了四色问题可以归结为1936种状态，每秒运算速度超过百万次的电子计算机运行验算了1200小时，共作过100亿个以上的逻辑判断，终于使数学家多年来可望而不可及的四色问题合理证明得到解决。机器证明定理的实质是把求解的问题质的困难性转化为量的复杂度，而量的计算对于电子计算机来说是得心应手。机器证明定理的意义还在于它有可能使数学学科跻身于实验科学的行例，使数学成为越来越较少地依赖于天才的学科。
三、认知意义
人工智能的产生是人类信息处理能力的一次革命。由于人工智能和人的思维能力和意识密切相关，它对认识论和认知作用研究当然地具有重要意义。本文仅从哲学方面论及若干。
首先，人工智能逐渐成为人类改造自然的有力工具。从物质实体看，人工智能是机器进化的必然结果，也是人类改造自然、创造人工物的需要。创造人工自然和人工物是人类活动的重要特点。“狭义的动物也有工具，然而这只是它们躯体的四肢，蚂蚁、蜜蜂、海狸就是这样；动物也能进行生产，但是它们的生产对周围自然界的作用在自然界面前只等于零。只有人才给自然界打上了自己的印记”。[6](P.19)随着人类活动范围日益扩大和深化，越来越多的“自在之物”转化为“为我之物”，越来越多的自然资源成为劳动对象，如宇宙和海洋。许多客体的变革是人自身难以直接操作的，在科学研究和工业生产中，超高温、超高压、强辐射等非常规条件下，用机器人代替人工作成为必要。即使在常规生产领域，甚至提高效率和精度的需求，机器人也越来越多地参与生产。另一方面，现代社会生活节奏加快、交往频繁、信息剧增，人脑已难于适时有效地处理信息，用机器减轻和代替人脑智能活动的要求非常迫切。有鉴于此，人工智能正经历着从客观需要到成为必备工具的飞跃。
其次，人工智能作为人的思的物化成果对人类认识自身作出了积极的贡献。众所周知，思维的生理机制至今仍是科学上尚未能解决的难题。由于人脑内部组元数量极其庞大和组元间生化反应非常复杂，用结构方法研究人脑有很大的局限性。由于人的思维是一种生命活动过程，采用解剖研究方法甚至是不可能的。人工智能另辟蹊径，主要采用黑箱功能模拟法研究人的思维机制，进展令人鼓舞。人工智能对人脑的感受、记忆、演绎、选择四种基本功能已通过电子计算机实现物化再现。虽然目前还是在较低层次上的实现，但可以相信，随着人工智能的发展，人的智能的更多方面在高层次上得到物化，思维的奥秘将进一步被揭示。如果把人工智能的成果和分子生物学的成就结合起来，我们对人脑思维的本质特征已经可以作出如下概括。
1.思维是高度发展了的物质的属性。现在的电子计算机都是冯·诺意曼机型，其系统结构是模仿人脑的输入——输出结构并结合人的行为设计的，人脑的记忆、运算、判断功能借助计算机硬件即物质实现的。冯·诺意曼机型从非生理解剖学角度映证了思维是物质的属性、是一种有规律可循的物质运动的内部状态。人工智能以计算机为工具，它的成就进一步证明了思维的物质属性。
2.人脑对事物的认识是“白板”与“模式”的结合。自古以来，哲学家们关于认识的来源和本质进行过长期的争论。影响较大、各执一端的有两种主张。一是由亚里士多德提出，洛克给予充分发挥的“白板论”；二是由柏拉图建立，黑格尔完成的“模式论”。“白板论”肯定人的知识来源于后天实践经验，是唯物主义反映论的滥觞，曾得到列宁的肯定。长期以来，人们对“模式论”基本上持否定态度，甚至斥之为唯心主义的“先验论”。没有输入信息和软件的计算机硬件可视为“白板”，人工智能用电子计算机处理问题则首先要求输入以符号形式和载体数据、知识以及解题的程序和规则。这两者的有机结合与运动，最终构成了电脑的“机器思维”。这样就在客观上冲淡了“白板论”与“模式论”的长期争论，在“白板”与“模式”之间建立了相互联系和转化的关系，这是人工智能对人类认识发展的重要贡献。
3.人脑是一个进化着的系统。人脑的进化也有着和电脑相同的两种进化方式，即“硬件”进化方式和“软件”进化方式，大脑的“硬件”进化方式是生物进化，“据国外有关统计资料指出，现代人的脑平均重量仍在不断增长着。”[2](P.258)大脑的“软件”进化方式是人的知识结构的进化。考古学证明，从原始社会到现代社会人脑的生理结构虽然也在变化，但这种变化毕竟是微小的，而现代人类与原始人类的智力水平已不可同日而语，原因何在？关键在于对人的智力发展起决定作用的是知识进化，即通过学习和实践不断丰富人的知识结构，显著地提高了人类的智能水平。人工智能的发展将继续为人脑的非生物进化提供有益的可借鉴模式。
第三，人工智能使认识主体具有新质。电脑将在越来越多的方面代替人脑，那么，它们是否会发展成为新的认识主体或称为独立于人的第二认识主体呢？对此有三种观点。一种观点认为，既然人工智能机可以认识客体甚至改造客体，具有目的性和能动性，就可以视其为独立的认识主体。另一种观点认为，人的实践活动和机器行为有本质区别。人有自觉能动性和自我意识、能理解和预见自身活动的意义并具有社会性。机器只是纯形式化的操作，人工智能机只是人脑某些功能在形式逻辑意义上的扩展，它们不是也不可能成为独立的认识主体。在美日等国发生过计算机“犯罪”和机械手“杀死”工人的事实支持这种观点。第三种看法认为，人工智能中的“人——机系统”组成了新的认识主体，它确实在某些方面高于人的认识能力。人——机系统的产生证明了世界上最复杂的有机物人脑与无机界之间不存在绝对分明的界限，它们之间存在统一性，这是客观世界物质统一性的新形式。人工智能认识主体问题的逻辑延伸是人工智能可以实现到何种程度，即电脑能否超过人脑、机器是否会控制人类（就像某些科幻电影中显示的那样），对这些问题不能简单地将其斥责为“无稽之谈”，因为历史上曾经被斥之为无稽之谈的许多幻想今天已经成为现实。我们认为，在这些问题上正确态度是，既要看到两种智能在形式上的同一性，也要看到两种智能在结构和思维过程中的质的差异性。人工智能机是人类根据社会需要而研制的人工物。人工智能凭借特有的载体、资源和工作条件必然会发展出自身独特的方法和系统，但它不可能完全等价于人的生理神经智能。人工智能既在无限可能的前提条件下发展着，也在永恒的质的差异条件下受到局限。对此，我们不必杞人忧天。
人工智能研究的重要意义已受到各国政府的高度重视。有人把它与宇宙开发、生命科学并列誉为当代最引人注目的三大前沿科技领域。尽管人工智能的研究工作困难仍然不少，但20世纪80年代以来始终保持蓬勃发展的势头。美日政府拨巨款资助研制以实现人工智能为目标的第五代电子计算机，新机型将突破前四代计算机的冯·诺意曼型结构框架。特别是一些“矮于”公司在这一领域甚至已全力投入，孤注一掷。我国人工智能研究虽起步较晚，但在不少项目上已取得举世瞩目的成就。可以预言，人工智能研究在全世界范围的勃兴必将给人类社会的物质文明和精神文明增添辉煌！
收稿日期：2000-08-08
标签：人工智能论文; 电子计算机论文; 科学思维论文; 智能机器论文; 系统思维论文; 计算科学论文; 计算思维论文; 认知过程论文; 科学论文;