第1卷第2期 智能系统学报 Vol.1 N2 2 2006年10月 CAAI Transactions on Intelligent Systems 0ct.2006 Herbert Simon在最后几年里的两个研究方向 秦裕林，朱新民2，朱丹3 (浙江大学理学院，浙江杭州310027：2.中国科学院心理研究所，北京100101：3.爱荷华州立大学商学院) 摘要：Newell,Show和Simon的“逻辑理论家”LT)是l956年6月在Dartmouth研讨会上唯一的编出了程序的 人工智能实例，这个研讨会宣告了人工智能(AD的诞生.今天，在纪念人工智能诞生S0周年之际，本文拟介绍Hr bert A.Simon在他人生最后几年的研究领域中的2个方向一例中学和多种表达.本文的笔者们曾作为Simon的 学生，同事和朋友参加了这2个研究方向的工作，谨以此文表达我们对Simon(19162001)的哀思及追念 关键词：例中学，多种表达式；人工智能 中图分类号：TP18文献标识码：A文章编号：1673-4785(2006)02-0011-05 Herbert Simon s two research directions in his lost years QIN Yurlin,ZHU Ximmin ,ZHU Dan (1.College of Science,Zhejiang University,Hangzhou 310027,China:2.Institute of Psychology,Chinese Academy of Sciences, Beijing 100101,Chian;3.College of Business,lowa State University,IA 50011,USA) Abstract:Newell,Show and Simon's "logic theorist"(LT)was the only tangible (programmed)example of artificial intelligence (Al)at the Dartmouth workshop in J une 1956,which declared the birth of artificial intelligence and was the central event celebrated at this meeting.In this article,we discuss two of Herbert Simon's research directions during his last years-tearning from examples and multiple representations. The authors were involved in these researches as his students,colleagues and friends.This paper was dedi- cated as a memorial to Herbert Simon (1916-2001). Key words :learning from examples;multiple representation;artificial intelligent Herbert A.Simon(1916-2001)生前系美国 意义(social implications) 卡内基梅隆大学的计算机系和心理学系教授，人工 40余年来，Simon从事于建立模拟人的不断增 智能理论奠基人之一，中国科学院首批外籍院士.曾 加复杂性的处理，非良构的(ill-structured)认知任 获得1978年诺贝尔经济奖，1975年图灵奖（与 务的过程的计算机模拟模型，其中包括科学发现过 Newell共享)，I995年国际人工智能协会杰出研究 程和思维中视觉图像的使用，更多细节见心理学系 奖，以及1986年美国国家科学金奖，1993年美国心网页，在心理学系网页上(http:/www.psy.cmu. 理学会终身贡献奖等重大奖项.他在美国卡内基梅edu/psy/faculty/hsimon/hsimon.html)Simon说 隆大学的计算机系和心理学系的网页至今还保存 道：“人类应用符号加工来解决问题，推理，说话，写 着.在计算机系的网页上(http://www.psy.cmu. 作，学习与发明创造.过去45年来，认知心理学已 edu/psy/faculty/.hsimon/comp-sci..html)这样介 经建立和检验了这些加工过程的经验模型.开始是 绍：“Herbert Simon在计算机方面的主要兴趣是人 较简单的任务，然后到较复杂的任务.这些模型的形 工智能、人机界面、人和机器的组织原理是信息加工 式是模拟人的行为的计算机程序.” 系统，用计算机（通过建立模型）来研究有关智能本 研究已经从这些解释人类思维的领域扩展到新 质以及认识论的哲学问题，以及计算机技术的社会 的现象和领域，主要是例中学，CaMeRa(一种用视 收稿日期：200608-28. 觉图像推理的模型)，发现好的问题表达，EPAM(一 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
第 1 卷第 2 期 智 能 系 统 学 报 Vol. 1 №. 2 2006 年 10 月 CAAI Transactions on Intelligent Systems Oct. 2006 Herbert Simon 在最后几年里的两个研究方向 秦裕林1 ,朱新民2 ,朱 丹3 (浙江大学 理学院 ,浙江 杭州 310027 ;2. 中国科学院 心理研究所 ,北京 100101 ;3. 爱荷华州立大学 商学院) 摘 要 :Newell , Show 和 Simon 的“逻辑理论家”(L T) 是 1956 年 6 月在 Dartmouth 研讨会上唯一的编出了程序的 人工智能实例 ,这个研讨会宣告了人工智能(AI) 的诞生. 今天 ,在纪念人工智能诞生 50 周年之际 ,本文拟介绍 Her2 bert A. Simon 在他人生最后几年的研究领域中的 2 个方向 ———例中学和多种表达. 本文的笔者们曾作为 Simon 的 学生 ,同事和朋友参加了这 2 个研究方向的工作 ,谨以此文表达我们对 Simon (191622001) 的哀思及追念. 关键词 :例中学 ;多种表达式 ;人工智能 中图分类号 : TP18 文献标识码 :A 文章编号 :167324785 (2006) 0220011205 Herbert Simonπs two research directions in his lost years QIN Yu2lin ,ZHU Xin2min ,ZHU Dan (1. College of Science , Zhejiang University , Hangzhou 310027 ,China ;2. Institute of Psychology , Chinese Academy of Sciences , Beijing 100101 ,Chian ;3. College of Business , Iowa State University , IA 50011 , USA) Abstract :Newell , Show and Simon’s“logic theorist”(L T) was t he only tangible (programmed) example of artificial intelligence (AI) at t he Dartmout h workshop in J une 1956 , which declared t he birt h of artificial intelligence and was t he central event celebrated at t his meeting. In t his article , we discuss two of Herbert Simon’s research directions during his last years —learning from examples and multiple representations. The aut hors were involved in these researches as his students , colleagues and friends. This paper was dedi2 cated as a memorial to Herbert Simon (191622001) . Keywords :learning from examples ; multiple rep resentation ;artificial intelligent 收稿日期 :2006208228. Herbert A. Simon (1916 - 2001) 生前系美国 卡内基梅隆大学的计算机系和心理学系教授 ,人工 智能理论奠基人之一 ,中国科学院首批外籍院士. 曾 获得 1978 年诺贝尔经济奖 , 1975 年图灵奖 (与 Newell 共享) ,1995 年国际人工智能协会杰出研究 奖 ,以及 1986 年美国国家科学金奖 ,1993 年美国心 理学会终身贡献奖等重大奖项. 他在美国卡内基梅 隆大学的计算机系和心理学系的网页至今还保存 着. 在计算机系的网页上 ( http :/ / www. p sy. cmu. edu/ p sy/ faculty/ hsimon/ comp2sci. html ) 这 样 介 绍“: Herbert Simon 在计算机方面的主要兴趣是人 工智能、人机界面、人和机器的组织原理是信息加工 系统 ,用计算机(通过建立模型) 来研究有关智能本 质以及认识论的哲学问题 ,以及计算机技术的社会 意义(social implications) . 40 余年来 ,Simon 从事于建立模拟人的不断增 加复杂性的处理 ,非良构的 (ill2structured) 认知任 务的过程的计算机模拟模型 ,其中包括科学发现过 程和思维中视觉图像的使用. 更多细节见心理学系 网页 ,在心理学系网页上 ( http :/ / www. p sy. cmu. edu/ p sy/ faculty/ hsimon/ hsimon. html ) Simon 说 道“: 人类应用符号加工来解决问题 ,推理 ,说话 ,写 作 ,学习与发明创造. 过去 45 年来 ,认知心理学已 经建立和检验了这些加工过程的经验模型. 开始是 较简单的任务 ,然后到较复杂的任务. 这些模型的形 式是模拟人的行为的计算机程序. ” 研究已经从这些解释人类思维的领域扩展到新 的现象和领域 ,主要是例中学 ,CaMeRa (一种用视 觉图像推理的模型) ,发现好的问题表达 ,EPAM (一
·12 智能系统学报 第1卷 个模拟知觉和记忆的统一理论)，科学发现的心理学 如果：目标是因式分解x2+ax+b (BACON及其他程序) 那末：找2个整数c和d,使满足c+d=a, 文中仅介绍Simon他在人生的最后几年，在人 cXd=b: 工智能和认知心理学方面的众多研究方向中的2个 写下x2+ax+b=(x+c(x+. 研究方向例中学及多种表达(CaMeRa),本文 这个学习过程，后来成功地用基于解释的泛化 的笔者参加了这2个研究方向的工作】 学习(Explanationbased generalization,EBG)方 法⑧.列在THEO系统1上进行了模拟.下面是这 1 例中学(learning from examples) 个模拟所用的知识表达（由Prolog语言翻译成中 Newell,Show和Simon的“逻辑理论家(LT)” 文)： 始于1955年，完成于1956年.这是在宣布了人工智 1)目标概念（因式分解定义，因式分解是多项 能诞生的1956年6月Dartmouth研讨会上唯一的 式的乘积的逆运算)： 编了程序的AI实例)，LT对AI的主要贡献，除了 如果：x+d和(x+d的乘积是x2+a+b. LT本身以外，是启发式搜索2]和表处理语言（命名 那末：x2+ax+b的因式是(x+g和(x+d 为LPL(信息加工语言)四 2)领域知识(domain knowledge) 在1957年开发的通用问题解决者(GPS),他们 如果：己知整数c和d,满足c+d=a,cXd=b 给AI增加了手段目的分析方法.这个方法是从 那末：(x+d和(x+d的乘积是x2+ax+b 分析测试者在实验室执行问题求解任务时的口述报 3)实例 告中发现的 x2+5x+6的因式是(x+2)和(x+3) 在Newell和Simon1972年出版的《人类问题 THEO可以由此形成因式分解的产生式规则， 求解》一书中，他们申明人类问题求解的过程是调 它类似于人类被试学得的因式分解产生式规则山 用产生式（条件动作对）在问题空间中搜索从起点 Simon一直有一个想法，认为产生式的左边（条 到目标的通道的过程.同样，这也是从分析测试者的 件部分)是学习形成新产生式的更重要的部分，而这 口述报告中得来的.从这以后，产生式系统就成了 一点恰恰为很多老师和教材所忽略（他们通常过分 Simon,Newell(如Soarts)的问题求解系统，以及 强调了学生掌握产生式的右边，即动作部分). 许多其他问题求解系统（如John A Anderson的 1996年，朱新民、刘亦菲、Herbert Simon和朱 ACT-R)的核心组成部分 丹指出，通过呈现给学生仔细选择的排好解题步骤 早在1955年，当还在开发LT时，Simon就考 的例体和习题，能使学生注重学习产生式的条件部 虑了能够学习和编程序的程序，在产生式系统的框 分，抓住相关线索，忽略无关信息四 架下，学习，至少是技能的学习，意味着新的产生式 例如，在下面这两个题中，除了第一个条件外， 的建立.1978年，自适应产生式系统(APS),一种能 其余都非常相似， 够修改自身的产生式的产生式系统，被应用于计算 问题1如果A和B均浮在水上，A比B重 机学习解代数题 但B比A体积大，假如A所受的浮力为F(A),B 朱和Simon在1987年的试验，“提供了坚实的 所受的浮力为F(B),以下断言中哪一个正确？ 证据，表明了通过呈现给学生仔细选择的排好解题 A.F(A)>F(B) 步骤的例题和习题从而教会学生不同的数学技能的 B.F(A)=F(B) 可能性.这中间不需要老师的讲课或其他的直接指 C.F(A)F(B) 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
个模拟知觉和记忆的统一理论) ,科学发现的心理学 (BACON 及其他程序) . 文中仅介绍 Simon 他在人生的最后几年 ,在人 工智能和认知心理学方面的众多研究方向中的 2 个 研究方向 ———例中学及多种表达 (CaMeRa) . 本文 的笔者参加了这 2 个研究方向的工作. 1 例中学(learning from examples) Newell , Show 和 Simon 的“逻辑理论家(L T) ” 始于 1955 年 ,完成于 1956 年. 这是在宣布了人工智 能诞生的 1956 年 6 月 Dartmout h 研讨会上唯一的 编了程序的 AI 实例[1 ] ,L T 对 A I 的主要贡献 ,除了 L T 本身以外 ,是启发式搜索[2 ] 和表处理语言 (命名 为 L PL (信息加工语言) [1 ] . 在 1957 年开发的通用问题解决者( GPS) ,他们 给 AI 增加了手段 —目的分析方法. 这个方法是从 分析测试者在实验室执行问题求解任务时的口述报 告中发现的[3 ] . 在 Newell 和 Simon1972 年出版的《人类问题 求解》一书中[4 ] ,他们申明人类问题求解的过程是调 用产生式(条件 —动作对) 在问题空间中搜索从起点 到目标的通道的过程. 同样 ,这也是从分析测试者的 口述报告中得来的. 从这以后 ,产生式系统就成了 Simon ,Newell (如 Soar [ 5 ] ) 的问题求解系统 ,以及 许多其他问题求解系统 (如 John A Anderson 的 ACT - R) 的核心组成部分. 早在 1955 年 ,当还在开发 L T 时 ,Simon 就考 虑了能够学习和编程序的程序. 在产生式系统的框 架下 ,学习 ,至少是技能的学习 ,意味着新的产生式 的建立. 1978 年 ,自适应产生式系统(A PS) ,一种能 够修改自身的产生式的产生式系统 ,被应用于计算 机学习解代数题[ 6 ] . 朱和 Simon 在 1987 年的试验“, 提供了坚实的 证据 ,表明了通过呈现给学生仔细选择的排好解题 步骤的例题和习题从而教会学生不同的数学技能的 可能性. 这中间不需要老师的讲课或其他的直接指 导方法”[7 ] . 他们所用的例子之一是因式分解 ,对刚刚学了 多项式乘法的初中生 ,指出因式分解是 2 个一次多 项式的乘积的逆运算 ,同时给出一个例子 , x 2 + 5 x + 6 = ( x + 2) ( x + 3) ,学生就能够学到新的产生 式 : 如果 :目标是因式分解 x 2 + ax + b 那末 :找 2 个整数 c 和 d , 使满足 c + d = a , c ×d = b: 写下 x 2 + ax + b = ( x + c) ( x + d) . 这个学习过程 ,后来成功地用基于解释的泛化 学习 ( Explanation2based generalization , EB G) 方 法[8 - 9 ]在 T HEO 系统[ 10 ] 上进行了模拟. 下面是这 个模拟所用的知识表达 (由 Prolog 语言翻译成中 文) : 1) 目标概念 (因式分解定义 , 因式分解是多项 式的乘积的逆运算) : 如果 :( x + c) 和( x + d) 的乘积是 x 2 + a + b, 那末 : x 2 + ax + b的因式是( x + c) 和( x + d) . 2) 领域知识(domain knowledge) 如果 :已知整数 c 和 d ,满足 c + d = a , c ×d = b. 那末 :( x + c) 和( x + d) 的乘积是 x 2 + ax + b. 3) 实例 x 2 + 5 x + 6 的因式是( x + 2) 和( x + 3) . T HEO 可以由此形成因式分解的产生式规则 , 它类似于人类被试学得的因式分解产生式规则[11 ] . Simon 一直有一个想法 ,认为产生式的左边(条 件部分) 是学习形成新产生式的更重要的部分 ,而这 一点恰恰为很多老师和教材所忽略 (他们通常过分 强调了学生掌握产生式的右边 ,即动作部分) . 1996 年 ,朱新民、刘亦菲、Herbert Simon 和朱 丹指出 ,通过呈现给学生仔细选择的排好解题步骤 的例体和习题 ,能使学生注重学习产生式的条件部 分 ,抓住相关线索 ,忽略无关信息[12 ] . 例如 ,在下面这两个题中 ,除了第一个条件外 , 其余都非常相似. 问题 1 如果 A 和 B 均浮在水上 , A 比 B 重 , 但 B 比 A 体积大 ,假如 A 所受的浮力为 Fb ( A) , B 所受的浮力为 Fb ( B) , 以下断言中哪一个正确 ? A. Fb ( A) > Fb ( B) ; B. Fb ( A) = Fb ( B) ; C. Fb ( A) Fb ( B) ; · 21 · 智 能 系 统 学 报 第 1 卷
第2期 秦裕林，等：Herbert Simon在最后几年里的两个研究方向 ·13· F.F(A)=F(B) 1995年在“图形推理”一书的前言中，Simon写 G.F(A)<F(B) 道：“在一个全神贯注于信息高速公路的社会中，对 H.所给条件不足以做出判断 图形推理的深刻理解将是保证这高速公路上车辆运 在这个实验中，学生通过学习能够和专家一样， 行的基本条件州s] 认出在这2题中，第一个条件是关键因素.在问题1 在这个方向上Simon的一个重要贡献是CaM 中，关键因素是“如果A和B均浮在水上”，因此，A eRa(computation with multiple representation, 重于B是有关信息，B大于A是无关信息.因而正 有多种表达的计算)i).这个系统是他和Hermina 确答案是A.在问题2中，关键因素变成了“A和B Tabachneck-Schilf以及M.Anthony Leonardo于 全部浸没于水中”，于是，A重于B成了无关信息，B 1997年合作开发的计算系统，用来模拟专家用多种 大于A成为有关信息，因而正确答案是C.可以预 表达方式（即图形(diagrammatic)表达与文字(ver 测，学生有能力建立子日标来正确的回答下面这个 bal)表达)解决问题的过程.它是用OPS5(一种基 更能“困惑”人的问题，“如果A和B都浮在水上，A 于Common LISP的产生式系统语言)实现的 比B重，但B比A体积大，哪一个物体排开的水更 CaMe Ra的一个重要特征是，不同的模态用不 多？”尽管B比A体积大，学生仍然能正确地回答 同的表达（数据结构及其操作）.系统有一个图形短 A排开的水更多 时记忆(psTM)和图形长时记忆(pLTM)用于图形 更重要的是，Simon热切地想看到这些发现被 表达，有一个文字短时记忆(vSTM)和文字长时记 用于现实世界中的学校教学过程中去，文献[13]综 忆(vLTM)用于文字表达.外界的图形表达于外在 述了例中学，例中学用于教学的基本原理.令人鼓舞 图形显示（一个位图bitmap)中，用于内部图形表达 的结果表明，认知理论已经发展到能为实际教学提 的pSTM,又叫做心理眼(mind'seye),由一个低层 供有用的启发式信息(heuristics)的地步.它显示 次的视觉缓冲区(vision buffer,也是一个位图，模 了从自适应产生式理论获得的经验，如何为实现有 拟主视觉皮层用)和一个由连接节点构成的高层次 效的理解性学习提供了具体的实践指导.Simon在 的空间和对象的信息结构所构成.一个小型的平行 他的网页上总结道：“能够通过检查已解出的问题的 网络用于处理视觉缓冲区中的低层次图形信息.文 例子来学习新技能的计算机程序已经建立，以这个 字记忆结构模型是命题表.这两种表达的共同特点 程序为模型经中国科学院的同事们的努力，中国的 是这两种知识都是由小的组块(Chunk)组成，这些 全部中学数学（代数，几何）教材己经设计出来，并且 组块可以在同一模态内或者跨模态而关联连接.然 在二十几个中学获得了成功的应用.” 而只能由他们所在模态的短时记忆来更动.基于规 则的过程用于高水平的图形的以及文字的推理中 2 多种表达(multiple representation) 模型中没有目标堆栈 在1955年的一段时间，Simon想用计算机来模 CaMeRa图形和文字表达是相互互补的表达 拟人求解几何题.但遇到了处理几何图形的困难 因而能得到两种表达特有的优势.例如：CaMeRa成 为了避免这个问题，他和Newell改选了“逻辑理论 功地模拟了经济学专家是如何处理供求关系的.它 家”作为用选择性搜索的方法来解决非数值算计问 模拟了专家用黑板上的图形来表达这种关系.如果 题的第一个程序，从这以后，表达(representation) 物价高于了平衡点，CaMeRa就会像专家一样察看 一直是他的研究领域中的核心问题之一 供求关系图，发现有剩余(Surplus),然后进行文字 1987年Jill Larkin和Simon在他们的著名的 推理，得出剩余将导致物价降低的结果 “为何一幅图（有时候）能抵万个词”论文中41仔细 CaMeRa的另一个重要特征是心理图像(men 地定义了表达的信息等价与计算等价，指出了一个 tal image)与视觉刺激非常相似.这样做是基于心理 表达的计算的有效性取决于它的数据结构，操作数 眼假说：由观看外在图画产生的心理图像于短时记 据结果做出新推断的程序的管理，以及它们是如何 忆中的表达与由对这个图画的记忆而形成的心理图 一起工作的.该文具体揭示了为什么图形表达有时 像有相同的图像结构.在CaMeRa中，图形短时记 会优于语句表达 忆中有视觉信息与文字信息的关联（而外部显示则 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
F. Fb ( A) = Fb ( B) ; G. Fb ( A) < Fb ( B) ; H. 所给条件不足以做出判断. 在这个实验中 ,学生通过学习能够和专家一样 , 认出在这 2 题中 ,第一个条件是关键因素. 在问题 1 中 ,关键因素是“如果 A 和 B 均浮在水上”, 因此 , A 重于 B 是有关信息 , B 大于 A 是无关信息. 因而正 确答案是 A. 在问题 2 中 ,关键因素变成了“A 和 B 全部浸没于水中”,于是 , A 重于 B 成了无关信息 , B 大于 A 成为有关信息 , 因而正确答案是 C. 可以预 测 ,学生有能力建立子目标来正确的回答下面这个 更能“困惑”人的问题“, 如果 A 和 B 都浮在水上 , A 比 B 重 ,但 B 比 A 体积大 ,哪一个物体排开的水更 多 ?”尽管 B 比 A 体积大 , 学生仍然能正确地回答 A 排开的水更多. 更重要的是 ,Simon 热切地想看到这些发现被 用于现实世界中的学校教学过程中去 ,文献[ 13 ]综 述了例中学 ,例中学用于教学的基本原理. 令人鼓舞 的结果表明 ,认知理论已经发展到能为实际教学提 供有用的启发式信息 ( heuristics) 的地步. 它显示 了从自适应产生式理论获得的经验 ,如何为实现有 效的理解性学习提供了具体的实践指导. Simon 在 他的网页上总结道“: 能够通过检查已解出的问题的 例子来学习新技能的计算机程序已经建立 ,以这个 程序为模型 ,经中国科学院的同事们的努力 ,中国的 全部中学数学(代数 ,几何) 教材已经设计出来 ,并且 在二十几个中学获得了成功的应用. ” 2 多种表达(multiple representation) 在 1955 年的一段时间 ,Simon 想用计算机来模 拟人求解几何题. 但遇到了处理几何图形的困难. 为了避免这个问题 , 他和 Newell 改选了“逻辑理论 家”作为用选择性搜索的方法来解决非数值算计问 题的第一个程序 ,从这以后 ,表达 (representation) 一直是他的研究领域中的核心问题之一. 1987 年 ,Jill Larkin 和 Simon 在他们的著名的 “为何一幅图 (有时候) 能抵万个词”论文中[14 ] 仔细 地定义了表达的信息等价与计算等价 ,指出了一个 表达的计算的有效性取决于它的数据结构 ,操作数 据结果做出新推断的程序的管理 ,以及它们是如何 一起工作的. 该文具体揭示了为什么图形表达有时 会优于语句表达. 1995 年在“图形推理”一书的前言中 ,Simon 写 道“: 在一个全神贯注于信息高速公路的社会中 ,对 图形推理的深刻理解将是保证这高速公路上车辆运 行的基本条件”[15 ] . 在这个方向上 Simon 的一个重要贡献是 CaM2 eRa (comp utation wit h multiple representation ,具 有多种表达的计算) [16 ] . 这个系统是他和 Hermina Tabachneck2Schilf 以及 M. Anthony Leonardo 于 1997 年合作开发的计算系统 ,用来模拟专家用多种 表达方式(即图形 ( diagrammatic) 表达与文字 (ver2 bal) 表达) 解决问题的过程. 它是用 OPS5 (一种基 于 Common L ISP 的产生式系统语言) 实现的. CaMeRa 的一个重要特征是 ,不同的模态用不 同的表达(数据结构及其操作) . 系统有一个图形短 时记忆(pSTM) 和图形长时记忆 (pL TM) 用于图形 表达 ,有一个文字短时记忆 (vSTM) 和文字长时记 忆(vL TM) 用于文字表达. 外界的图形表达于外在 图形显示(一个位图 bitmap) 中 ,用于内部图形表达 的 pSTM , 又叫做心理眼(mind’s eye) ,由一个低层 次的视觉缓冲区 (vision buffer , 也是一个位图 , 模 拟主视觉皮层用) 和一个由连接节点构成的高层次 的空间和对象的信息结构所构成. 一个小型的平行 网络用于处理视觉缓冲区中的低层次图形信息. 文 字记忆结构模型是命题表. 这两种表达的共同特点 是这两种知识都是由小的组块 (Chunk) 组成 ,这些 组块可以在同一模态内或者跨模态而关联连接. 然 而只能由他们所在模态的短时记忆来更动. 基于规 则的过程用于高水平的图形的以及文字的推理中. 模型中没有目标堆栈. CaMeRa 图形和文字表达是相互互补的表达. 因而能得到两种表达特有的优势. 例如 :CaMeRa 成 功地模拟了经济学专家是如何处理供求关系的. 它 模拟了专家用黑板上的图形来表达这种关系. 如果 物价高于了平衡点 ,CaMeRa 就会像专家一样察看 供求关系图 ,发现有剩余 (Surplus) ,然后进行文字 推理 ,得出剩余将导致物价降低的结果. CaMeRa 的另一个重要特征是心理图像 (men2 tal image) 与视觉刺激非常相似. 这样做是基于心理 眼假说 :由观看外在图画产生的心理图像于短时记 忆中的表达与由对这个图画的记忆而形成的心理图 像有相同的图像结构. 在 CaMeRa 中 ,图形短时记 忆中有视觉信息与文字信息的关联 (而外部显示则 第 2 期 秦裕林 ,等 : Herbert Simon 在最后几年里的两个研究方向 · 31 ·
·14 智能系统学报 第1卷 没有)，因而能由存在内部记忆中的信息组成心理图 b)光从A到B运行距离大于杆长→ 像 光运行距离=rs+某种东西（半定性关系） 例如，CaMeRa能过模拟测试者心理图像，作为 c)某种东西=光运行时间杆速（半定性关系， 物理过程的动态表达，来帮助他们理解Einstein的 由观察心理图像获得) 1905年相对论论文：论动体的电动力学[17].在仔 d)某种东西=光运行时间杆速→ 细地定义了时钟的同时性，提出了相对性原理和光 某种东西=(ta·ta)y(半定量关系) 速不变原理以后，Einstein邀请他的读者去想像光 e)某种东西=(ta·tu)Xy→ 线沿着一个运动着的杆的运动的过程并由此推导出 光运行距离=a+(a-a)y(半定量关系) 导致Lorentz变换的关键方程：“有一个给定的静态 f)光运行距离=(ta-tu)XC(光速不变原理) 的刚性杆·现在让我们想像这个杆的中轴线与静 g)结合e),f)→ 止坐标系的X坐标轴平行，然后，有一个速度为ⅴ， (1B-tu)*C=raB+(tB-tu)Xy(定量关系) 方向沿着X轴增加的方向的匀速运动作用到杆上 h)(tn -t)XC=raB +(t8-ta)v …让我们进一步想象在杆的两端A和B各有一 t8 t4 r4B/(c-v) (3) 时钟，它们与静止坐标系的时钟同步，进一步想像 3 束光线在时间A由A端发出，在时间时由B端 结束语 反射回来，在于时间1（回到A端，考虑到光速不变 Simon离开我们己经五年了，他的科研方法，如 的原理，有 上面两节所示，由检查人的行为（例如，通过口头报 tB-t4=rAB/(c-以， 1) 告分析)到建立计算模拟模型，再通过检查计算模型 及 来加深对人的行为的理解，依然值得我们效仿 t∥-a=raB/(c+以 (2 1997年，在他离去的前4年，他为他的传记《我 式中：raB是运动的杆在静止坐标系中测量的长度， 生活的种种模式》的中文版写了中译本序.这个序己 c是光速.请注意，按Galilean变换，式(1)和式(2) 经全文翻译成中文，登在文献[21]之中，英文从未发 的右边应该相同，均等于4B/c.如果不去“看”这 表.下面摘出其中部分英文原文，在AI诞生50周 个过程，一个人是很难如果还有可能的话)推导出 年纪念时，与AI的探索者共享 这两个方程来的.CaMeRa能够模拟从按照阅读材 "As I have had the good fortune to live 料形成心理图像，检查心理图像，直到导出这些方程 through the years of the birth of the modern elec- 的全过程 tronic com puter and the field of artif icial intelli- )整合阅读材料及记忆中的信息，形成可控的 gence to w hich it gave rise,a large part of my 动态心理图像，以表达光沿着动杆运动的过 story is the story of those exciting years.My 程8.？，这个图像可以由图形短时记忆中视觉缓冲 chief hope for this autobiography is that it may 区中的位图模拟， give young people considering a career in science, 2)观察心理图像所显示的过程，推出量之间的 or just entering such a career,some picture of the 定性联系，例如，光从A到B的运行距离（由静止坐 excitement of life in science.Of course the picture 标系测量)大于杆长2， it paints refers to years,many of w hich are long 当用CaMeRa模拟时，在图形短时记忆中的信 past.and mostly to a land that is very far from 息及存于文字短时记忆和文字长时记忆中的信息， China:but the urge that a scientist feels to ex plore 均在此过程被调用 the unknow n is not peculiar to any time or to any 3)结合光速不变原理，推出两变量之间的定量 special part of the globe.In w hatever century and 关系.如，光从A到B的过程2o1,CaMeRa能够用 w hatever land we spend our lives,we can respond 文字推理结合观察心理图像模拟： to that urge and ex perience the satisf actions of a)光从A到B运行距离大于杆长（定性关系， finding new ideas and new things of value to hu 由观察心理图像获得) manity” 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
没有) ,因而能由存在内部记忆中的信息组成心理图 像. 例如 ,CaMeRa 能过模拟测试者心理图像 ,作为 物理过程的动态表达 ,来帮助他们理解 Einstein 的 1905 年相对论论文 :论动体的电动力学[ 17 ]. 在仔 细地定义了时钟的同时性 ,提出了相对性原理和光 速不变原理以后 , Einstein 邀请他的读者去想像光 线沿着一个运动着的杆的运动的过程并由此推导出 导致 Lorentz 变换的关键方程“: 有一个给定的静态 的刚性杆 …,现在让我们想像这个杆的中轴线与静 止坐标系的 X 坐标轴平行 ,然后 ,有一个速度为 v , 方向沿着 X 轴增加的方向的匀速运动作用到杆上 ……让我们进一步想象在杆的两端 A 和 B 各有一 时钟 ,它们与静止坐标系的时钟同步 ,进一步想像一 束光线在时间 tA 由 A 端发出 ,在时间 tB 时由 B 端 反射回来 ,在于时间 t′A 回到 A 端 ,考虑到光速不变 的原理 ,有 tB - tA = rA B / ( c - v) , (1) 及 t′A - tB = rA B / ( c + v) . (2) 式中 :rA B 是运动的杆在静止坐标系中测量的长度. c 是光速. 请注意 ,按 Galilean 变换 ,式 (1) 和式 (2) 的右边应该相同 ,均等于 rA B / c. 如果不去“看”这 个过程 ,一个人是很难 (如果还有可能的话) 推导出 这两个方程来的. CaMeRa 能够模拟从按照阅读材 料形成心理图像 ,检查心理图像 ,直到导出这些方程 的全过程. 1) 整合阅读材料及记忆中的信息 ,形成可控的 动态 心 理 图 像 , 以 表 达 光 沿 着 动 杆 运 动 的 过 程[18 - 19 ] ,这个图像可以由图形短时记忆中视觉缓冲 区中的位图模拟. 2) 观察心理图像所显示的过程 ,推出量之间的 定性联系 ,例如 ,光从 A 到 B 的运行距离(由静止坐 标系测量) 大于杆长[20 ] ; 当用 CaMeRa 模拟时 ,在图形短时记忆中的信 息及存于文字短时记忆和文字长时记忆中的信息 , 均在此过程被调用. 3) 结合光速不变原理 ,推出两变量之间的定量 关系. 如 ,光从 A 到 B 的过程[20 ] , CaMeRa 能够用 文字推理结合观察心理图像模拟 : a) 光从 A 到 B 运行距离大于杆长 (定性关系 , 由观察心理图像获得) . b) 光从 A 到 B 运行距离大于杆长 ] 光运行距离 = rAB + 某种东西(半定性关系) c) 某种东西 = 光运行时间 ×杆速(半定性关系 , 由观察心理图像获得) . d) 某种东西 = 光运行时间 ×杆速 ] 某种东西 = (tB - tA ) ×V (半定量关系) . e) 某种东西 = (tB - tA ) ×V ] 光运行距离 = rAB + (tB - tA ) ×V (半定量关系) . f) 光运行距离 = (tB - tA ) ×C(光速不变原理) . g) 结合 e) , f) ] (tB - tA ) 3 C = rAB + ( tB - tA ) ×V (定量关系) . h) (tB - tA ) ×C = rAB + ( tB - tA ) ×V ] tB - tA = rAB / ( c - v) (3) 3 结束语 Simon 离开我们已经五年了 ,他的科研方法 ,如 上面两节所示 ,由检查人的行为 (例如 ,通过口头报 告分析) 到建立计算模拟模型 ,再通过检查计算模型 来加深对人的行为的理解 ,依然值得我们效仿. 1997 年 ,在他离去的前 4 年 ,他为他的传记《我 生活的种种模式》的中文版写了中译本序. 这个序已 经全文翻译成中文 ,登在文献[21 ]之中 ,英文从未发 表. 下面摘出其中部分英文原文 ,在 A I 诞生 50 周 年纪念时 ,与 AI 的探索者共享. “As I have ha d t he good f ort une to li ve t hrou g h t he years of t he birt h of t he modern elec2 tronic com p uter and t he f iel d of arti f ici al i ntelli2 gence to w hich it gave rise , a l arge p art of m y story is t he story of t hose exciti ng years. M y chief hope f or t his autobiog ra p hy is t hat it m ay gi ve young people consi deri ng a career i n science , or j ust enteri ng such a career , some pict ure of t he ex citement of li f e i n science. Of course t he pict ure it p ai nts ref ers to years , m any of w hich are long p ast , an d mostl y to a l an d t hat is very f ar f rom Chi na ; but t he urge t hat a scientist f eels to e x plore t he unk now n is not peculi ar to any time or to any s peci al p art of t he globe. I n w hatever cent ury and w hatever l and we s pend our li ves , we can res pond to t hat urge and e x perience t he satisf actions of f i ndi ng new i deas and new t hi n gs of v al ue to hu2 m anit y” · 41 · 智 能 系 统 学 报 第 1 卷
第2期 秦裕林，等：Herbert Simon在最后几年里的两个研究方向 ·15 [13]ZHU X,ZHU D,LEE Y,SIMON H.Cognitive theory 参考文献： to guide curriculum design for learning from examples [1]SIMON H.Models of my life[M].New York:Basic- and by doing[J ]Journal of Computers in Mathematics Bo0ks,1991 and Science Teaching,2003,22(4):285-322. [2]NEWELL A,SHAW J,SIMON H.Empirical explana 14]LARKIN J,SIMON H.Why a diagram is (sometimes) tions of the logic theory machine:A case study in heuris- worth ten thousand words[J].Cognitive Science,1987 tic[A].Proceedings of the Western Joint Computer Con (11):65.99 ference[C].New York:Me Graw-Hill,1963. [15 SIMON H.Diagrammatic reasoning,cognitive and [3]NEWELL A,SHAW J,SIMON H.The process of creative computational perspectives[M].Cambridge:The MIT thinking[J ]Models of Thought,1979(1):144-174. Press,1995. [4]NEWELL A SIMON H.Human problem solving[M]. [16]TABACHNECK H S,L EONARDO A,SIMON H. Englewood Cliffs,NJ:Prentice-Hall,1972. CaMeRa:a computational model of multiple representa- [5]NEW ELL A.Unified theories of cognition M].Cam- tions[J ]Cognitive Science,1997,21(3):305-350 bridge,MA:Harvard University Press,1990. [17]EINSTEIN A.On the electrodynamics of moving [6]NEVES D.A computer program that learns algebraic bodies,1905[M].Dover Publications,1923. procedures by examining examples and working problems [18]QIN Y,SIMON H.Image as process representation in in a textbook[A].In:Proceedings of the Second Nation- problem solving[A ]In:Proceedings of the Fourteenth al Conference of the Canadian Society for Computational Annual Conference of the Cognitive Science Society[C]. Studies of Intelligence[C].[S.L.],1978. Hillsdale,NJ:Lawrence Eribaum Associate,1992. [7]ZHU X,SIMON H.Learning mathematics from exam [19]QIN Y,SIMON H.Diagrammatic reasoning,cognitive ples and by doing[J ]Cognition and Instruction,1987,4 and computational perspectives M].Cambridge:The (3):137-166. MIT Press,1995. [8]DEJONG G,MOONEY R.Explanationbased learning: [20]QIN Y.From language to mental images to equations An alternative view [J ]Machine Learning,1986,1(2): [D].Pennsylvania,Pittsburgh:Carnegie Mellon Univer- 145.176. sity,1992. (9]MITCHELL T,KELL ER R,KEDARCABELLI S.Ex- [21]SIMON H.我生活的种种模式[M].上海：东方出版社， planationbased generalization:a unifying view [J].Ma- 1998. chine Learning,1986,1(1):47-80. 作者简介： [10]MITCHELL T,ALL EN J,CHALASANI P,et al. 秦裕林，1947年生.浙大心理系兼 Theo:a framework for self-improving system[M].NJ: 任教授；美国卡内基·梅隆大学 Lawrence Eribaum Associate,1989. (CMU)高级研究心理学家.北航计算 [11]QIN Y,MITCHELL T,SIMON H.Using EBG to 机硕士，CMU认知心理学博士，曾与 simulate human learning from examples and learning by 导师Herbert A.Simon共同署名发论 doing[A]In:Proceedings of the fifth Artificial Intelli- 文6篇，与Anderson(美科学院院士)共 gence Research Symposium[C].[S.L.]Florida,1992. 同署名发论文9篇，其中2篇在美科学 [12]ZHU X,LEE Y,SIMON H,ZHU Dan.Cue recogni- 院院刊发表.目前研究方向为计算认知体系结构(Computa- tion and cue elaboration in learning from examples[A]. tional Cognitive Architecture)ACT,R及其应用.Email: In:Proceedings of National Academy of Sciences of yuling @yahoo.com USA[C].[s.1.1,1996. 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
参考文献 : [1 ] SIMON H. Models of my life [ M ]. New York : Basic2 Books , 1991. [2 ]NEWELL A , SHAW J , SIMON H. Empirical explana2 tions of the logic theory machine : A case study in heuris2 tic[A ]. Proceedings of the Western Joint Computer Con2 ference[C]. New York : Mc Graw - Hill , 1963. [ 3 ]NEWELL A , SHAW J , SIMON H. The process of creative thinking[J ]. Models of Thought , 1979 (1) : 144 - 174. [4 ]NEWELL A , SIMON H. Human problem solving[ M]. Englewood Cliffs , NJ : Prentice2Hall , 1972. [5 ]NEWELL A. Unified theories of cognition [ M ]. Cam2 bridge , MA : Harvard University Press , 1990. [ 6 ] N EV ES D. A computer program that learns algebraic procedures by examining examples and working problems in a textbook[ A ]. In : Proceedings of the Second Nation2 al Conference of the Canadian Society for Computational Studies of Intelligence[C]. [ S. L. ] ,1978. [7 ]ZHU X , SIMON H. Learning mathematics from exam2 ples and by doing[J ]. Cognition and Instruction , 1987 , 4 (3) : 137 - 166. [8 ]DEJON G G , MOONEY R. Explanation2based learning : An alternative view[J ]. Machine Learning , 1986 , 1 (2) : 145 - 176. [9 ]MITCHELL T , KELL ER R , KEDARCABELL I S. Ex2 planation2based generalization : a unifying view [J ]. Ma2 chine Learning , 1986 , 1 (1) : 47 - 80. [10 ]MITCHELL T , ALL EN J , CHALASANI P , et al. Theo : a framework for self2improving system[ M]. NJ : Lawrence Eribaum Associate , 1989. [11 ] QIN Y , MITCHELL T , SIMON H. Using EB G to simulate human learning from examples and learning by doing[A ] In : Proceedings of the fifth Artificial Intelli2 gence Research Symposium[C]. [ S. L. ] ,Florida ,1992. [12 ]ZHU X , L EE Y , SIMON H , ZHU Dan. Cue recogni2 tion and cue elaboration in learning from examples[ A ]. In : Proceedings of National Academy of Sciences of USA[C]. [s. l. ] ,1996. [ 13 ]ZHU X , ZHU D , L EE Y , SIMON H. Cognitive theory to guide curriculum design for learning from examples and by doing[J ]. Journal of Computers in Mathematics and Science Teaching , 2003 , 22 (4) : 285 - 322. [ 14 ]LARKIN J , SIMON H. Why a diagram is (sometimes) worth ten thousand words[J ]. Cognitive Science , 1987 (11) :65 - 99. [ 15 ] SIMON H. Diagrammatic reasoning , cognitive and computational perspectives[ M ]. Cambridge : The MIT Press , 1995. [16 ] TABACHNECK H S , L EONARDO A , SIMON H. CaMeRa : a computational model of multiple representa2 tions[J ] . Cognitive Science , 1997 ,21 (3) :305 - 350. [17 ] EINSTEIN A. On the electrodynamics of moving bodies , 1905[ M]. Dover Publications , 1923. [18 ]QIN Y , SIMON H. Image as process representation in problem solving[ A ]. In : Proceedings of the Fourteenth Annual Conference of the Cognitive Science Society[C]. Hillsdale , NJ : Lawrence Eribaum Associate , 1992. [19 ]QIN Y , SIMON H. Diagrammatic reasoning , cognitive and computational perspectives [ M ]. Cambridge : The MIT Press , 1995. [20 ]QIN Y. From language to mental images to equations [D]. Pennsylvania , Pittsburgh :Carnegie Mellon Univer2 sity ,1992. [21 ]SIMON H. 我生活的种种模式[ M ]. 上海 :东方出版社 , 1998. 作者简介 : 秦裕林 , 1947 年生. 浙大心理系兼 任教 授 ; 美 国 卡 内 基 ·梅 隆 大 学 (CMU) 高级研究心理学家. 北航计算 机硕士 , CMU 认知心理学博士 ,曾与 导师 Herbert A. Simon 共同署名发论 文 6 篇 ,与 Anderson (美科学院院士) 共 同署名发论文 9 篇 ,其中 2 篇在美科学 院院刊发表. 目前研究方向为计算认知体系结构 (Computa2 tional Cognitive Architecture) ACT - R 及其应用. E2mail : yulinq @yahoo. com 第 2 期 秦裕林 ,等 : Herbert Simon 在最后几年里的两个研究方向 · 51 ·
