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)
中国社会科学2003年第1期 的行为响应。行为主义者坚信，认知行为是以“感知一行动”的反应模式为基础的，智能水平 完全可以，而且必须在真实世界的复杂境域中进行学习训练在与周围环境的信息交互作用与 适应过程中不断进化和体现。专家们从研制具有自学习、自适应、自组织特性的智能控制系统， 开发各种智能机器人开始，到90年代，在行为主义工作范式下进一步发展成了人工生命①和模 拟进化计算的研究。 如果说20世纪60一70年代人工智能的研究主要是面对规则的系统和逻辑推理的方法90年 代认知科学家已经开始不局限于基于规则的系统转而进入建基在细胞自动机理论、形态形成 理论、非线性科学理论和遗传理论之上的人工生命研究，试图通过用计算机生成自然生命系统 行为的仿真系统，了解真实世界中的生命和生命过程，这一领域的有效工具是采用信息数学模 型模拟进化的遗传算法②。人工生命的倡导者认为，生命是系统内各不同组成部分的一系列功能 的有机化，这些功能的各方面特性能够在物理机器上以不同方式被创造③，进化本身可视为一种 搜索试验的复杂过程，最重要的是生物的自适应性、自组织性造就了自身，而不在于是不是由 有机分子组成。当1990年托马斯雷(Tomas Ray)意外发现他所设计的复杂程序梯尔拉(Tierra) 在机器上演化出了一个丰富多彩的电子生态系统时，他看到了从人工有机体最基本的结构中涌 现出一种令人吃惊的复杂性的可能性，行为主义倡导者认为这是进化的威力。他们认为，进化 过程完全可以独立于特殊的物质基质，可能简单地发生在为了争夺存储空间的计算机程序的某 种聚合中，就像在早期环境中以碳为基础的有机体在竞争中发生的进化过程那样。这样，在行 为主义范式指导下，人工生命专家期待的就不是要构造一个大脑，而是要通过遗传算法进化出 一个大脑。从联结主义到行为主义范式转换的重要特征是对复杂性科学和“人工有机体”自演 化、自涌现特征的强调。目前行为主义被认为是极有前途的研究范式，虽然我们不能苟同“生 命的本质就是计算”的断言，但人工生命和进化计算的成果已经为认知科学研究纲领的变迁带来 了新的启示。 四、认知科学基础假设的确立和修正 在认知可计算主义研究纲领指导下，认知科学领域的各路专家遵循着不同的工作范式不断 修正着自己的目标和策略。归结起来可以说，符号主义者试图用符号演算模拟人类大脑；联结 主义者试图通过人工神经网络的并行计算建构大脑：而行为主义者则试图通过遗传算法进化出 大脑。我们认为，他们实际上在不同的探索道路上都在对认知可计算主义纲领进行着局部修正， 而且都自觉或不自觉地默认了一些基础假设。历史地看，这些假设随着范式的转换也经历了一 个逐步确立和修正的过程，今天它们可概括为： ①早在50年代冯~诺意曼(I.von Neumann)就提出了细胞自动机的设想。60年代斯塔勒(Sthl)建立了一些 细胞活动模型把图灵机用作“算法酶，将生化过程表示成字符串。70年代。科拉德(Coad)等人 研究仿生系统中的自适应特性、进化特性和群体动力学，提出“人工世界”概念，这些都是人工生命 研究的早期尝试， ②目前的“遗传算法”概念己经不完全在霍兰(.Hdland)最初的意义上使用。而且遗传算法与进化策 略和进化规划三者构成了进化计算的主要构架，90年代进化计算在人工智能和优化问题的研究中取得 许多成就，参见《人工神经网络与模拟进化计》第357页。 ③例如，普遍认可的生命的几大特征是：(1)自我繁殖的能力：(2)与环境相互作用的能力：(3)与其他 有机体以特定的方式相互作用和相互交流的能力。参见特瑞·波素马特尔《沙地上的图案一计算机、 复杂和生命》（陈禹等译，江西教育出版社，1999年）第200页. 2014 China Academic Journal Electronic Publishing House.All rights reserved.htp://www.enki
的行为响应 。行为主义者坚信 , 认知行为是以 “感知—行动” 的反应模式为基础的 , 智能水平 完全可以, 而且必须在真实世界的复杂境域中进行学习训练, 在与周围环境的信息交互作用与 适应过程中不断进化和体现。专家们从研制具有自学习、 自适应、 自组织特性的智能控制系统 , 开发各种智能机器人开始 , 到 90 年代 , 在行为主义工作范式下进一步发展成了人工生命① 和模 拟进化计算的研究。 如果说20 世纪 60 —70 年代人工智能的研究主要是面对规则的系统和逻辑推理的方法, 90 年 代认知科学家已经开始不局限于基于规则的系统, 转而进入建基在细胞自动机理论 、 形态形成 理论、 非线性科学理论和遗传理论之上的人工生命研究 , 试图通过用计算机生成自然生命系统 行为的仿真系统 , 了解真实世界中的生命和生命过程 , 这一领域的有效工具是采用信息数学模 型模拟进化的遗传算法②。人工生命的倡导者认为 , 生命是系统内各不同组成部分的一系列功能 的有机化, 这些功能的各方面特性能够在物理机器上以不同方式被创造③, 进化本身可视为一种 搜索试验的复杂过程 , 最重要的是生物的自适应性、 自组织性造就了自身, 而不在于是不是由 有机分子组成。当 1990 年托马斯·雷 (Tomas Ray)意外发现他所设计的复杂程序梯尔拉 (Tierra) 在机器上演化出了一个丰富多彩的电子生态系统时 , 他看到了从人工有机体最基本的结构中涌 现出一种令人吃惊的复杂性的可能性 , 行为主义倡导者认为这是进化的威力 。他们认为 , 进化 过程完全可以独立于特殊的物质基质 , 可能简单地发生在为了争夺存储空间的计算机程序的某 种聚合中, 就像在早期环境中以碳为基础的有机体在竞争中发生的进化过程那样 。这样 , 在行 为主义范式指导下, 人工生命专家期待的就不是要构造一个大脑 , 而是要通过遗传算法进化出 一个大脑。从联结主义到行为主义范式转换的重要特征是对复杂性科学和 “人工有机体” 自演 化、 自涌现特征的强调。目前行为主义被认为是极有前途的研究范式 , 虽然我们不能苟同 “生 命的本质就是计算” 的断言 , 但人工生命和进化计算的成果已经为认知科学研究纲领的变迁带来 了新的启示。 四 、 认知科学基础假设的确立和修正 在认知可计算主义研究纲领指导下, 认知科学领域的各路专家遵循着不同的工作范式不断 修正着自己的目标和策略 。归结起来可以说 , 符号主义者试图用符号演算模拟人类大脑 ;联结 主义者试图通过人工神经网络的并行计算建构大脑 ;而行为主义者则试图通过遗传算法进化出 大脑 。我们认为 , 他们实际上在不同的探索道路上都在对认知可计算主义纲领进行着局部修正 , 而且都自觉或不自觉地默认了一些基础假设 。历史地看 , 这些假设随着范式的转换也经历了一 个逐步确立和修正的过程 , 今天它们可概括为: · 104 · 中国社会科学 2003 年第 1 期 ① ② ③ 例如, 普遍认可的生命的几大特征是:(1) 自我繁殖的能力;(2)与环境相互作用的能力;(3)与其他 有机体以特定的方式相互作用和相互交流的能力。 参见特瑞·波素马特尔 《沙地上的图案———计算机、 复杂和生命》 (陈禹等译 , 江西教育出版社, 1999 年)第 200 页。 目前的 “ 遗传算法” 概念已经不完全在霍兰 (J .Holland)最初的意义上使用, 而且遗传算法与进化策 略和进化规划三者构成了进化计算的主要构架, 90 年代进化计算在人工智能和优化问题的研究中取得 许多成就。 参见 《人工神经网络与模拟进化计算》 第 357 页。 早在 50 年代冯·诺意曼(J.von Neumann)就提出了细胞自动机的设想, 60 年代斯塔勒 (Stahl)建立了一些 细胞活动模型, 把图灵机用作 “ 算法酶” , 将生化过程表示成字符串。 70 年代, 科拉德 (Conrad)等人 研究仿生系统中的自适应特性、 进化特性和群体动力学, 提出 “ 人工世界” 概念, 这些都是人工生命 研究的早期尝试
认知科学研究纲领的困境与走向 假设1：大脑是人类认知和智能活动的载体。 假设2：认知和智能活动是一个物理过程。 假设3：图灵机可模拟任何物理过程。 假设4：通过研究虚拟世界各类人工生命智能的详情可以把握真实世界人类认知和智能的基 本性质。 假设5：一切认知和智能活动的复杂系统都可以通过各个组分的动态行为和整体性相互作用 加以解释（可以称作“借鉴了整体主义的还原主义假设”）。 假设1对于不同范式下工作的认知科学家的区别在于：主张符号主义的群体认为.我们所要 做的只是抽象出大脑的思维规律并编码为计算机可识别的形式，而不必考虑大脑的硬件构成。 主张联结主义的群体则认为，人类大脑特殊的物理构成方式对于认知起了关键作用，因此，应 主要集中于通过构造能尽量反映大脑功能结构的程序来模拟人类智能。行为主义研究群体认为， 大脑是生命进化的产物，因此主张通过机器程序模拟生命进化过程来实现对人类智能的模拟。 假设2在哲学上是对纽拉特(O.Neurath)和卡尔纳普(R.Camap)的早期物理主义、普特 南-奥本海莫(H.Putnam-P.Oppenheime)20世纪60年代的科学还原纲领，以及福德(.Fobr) 的非还原的物理主义的修正，而且大多数科学家坚信假设2的真理性。克里克(F.H.C. Cik)1990年把它称为“一个惊人的假说”：“人的精神活动完全由神经细胞、胶质细胞的行为 和它们的构成以及影响它们的原子、离子和分子的性质所决定。”①而且他认为，人的喜悦、 悲伤、记忆和抱负、自我感觉和自由意志，实际上都不过是一大群神经元而已。因此，“从神经 元的角度考虑问题，考察他们的内部成分以及他们之间复杂的、出人意料的相互作用的方式才 是研究意识问题的本质”②。而且这一生物物理主义观念从90年代起深刻地影响着目前相当活跃 的关于意识一神经计算的研究。 假设3断言，任何物理过程的信息传递规律都能在恰当程序化的计算机上模拟。1985年多 奇(D.Deutsch)将“能行可计算的函数”替换为“有限可实现的物理系统”，陈述了“物理版本的 丘奇一图灵论题”：“每个有限可实现的物理系统，总能为一台通用模拟机器以有限方式的操作 来完美地模拟”③依多奇之见，作为物理过程的自然界和人类心智原则上都可以用通用计算机 完美地模拟。显然多奇论题是较丘奇一图灵论题更强的“工作假说”，多奇等人甚至认为，算法 或计算这样的纯粹抽象数学概念完全是物理定律的体现，计算系统不外是自然定律的一个自然 结果，通用计算机的概念很可能就是自然规律的内在要求。 假设4主张：我们所称的真实世界的实在性并不比在机器上显示的“人工有机体”组成的虚 拟世界更实在，通过考察一台机器内部人工生命的所作所为，能使我们认识机器之外的人类生 命是如何形成和演化的。换言之，机器世界的版本和真实世界的版本是“同构的”。因此，把注 意力从模拟智能转移到模拟生命就意味着，如果能够在一台机器上创造出生命，那么智能将自 然产生。可以说，假设4是整个认知科学和人工智能事业存在的理由。 实际上，以上4个假设都可归结为借鉴了整体主义观念的还原主义假设④：一切认知和智能 ①弗朗西斯·克里克：《惊人的假说》，湖南科学技术出版社，1998年，第3页。 ②《惊人的假说》.第3页。 3 D.Detsch Qantum Theary,the Chrd-Turing Principle and Universal Quantm Camputer.Prceedings of the Roy- al Society of London,vol.400 1985,p.97. ④许多人认为，联结主义和行为主义完全是一种整体主义立场，我不认为如此，只要强调人类智能的科 学手段模拟。就不可能摆脱还原主义，没有还原主义，就没有科学。 ?1994-2014 China Academie Journal Electronic Publishing House.All rights reserved.htwww.enki
假设 1 :大脑是人类认知和智能活动的载体 。 假设 2 :认知和智能活动是一个物理过程。 假设 3 :图灵机可模拟任何物理过程。 假设 4 :通过研究虚拟世界各类人工生命智能的详情可以把握真实世界人类认知和智能的基 本性质。 假设 5 :一切认知和智能活动的复杂系统都可以通过各个组分的动态行为和整体性相互作用 加以解释 (可以称作 “借鉴了整体主义的还原主义假设”)。 假设1 对于不同范式下工作的认知科学家的区别在于 :主张符号主义的群体认为, 我们所要 做的只是抽象出大脑的思维规律并编码为计算机可识别的形式 , 而不必考虑大脑的硬件构成 。 主张联结主义的群体则认为, 人类大脑特殊的物理构成方式对于认知起了关键作用, 因此 , 应 主要集中于通过构造能尽量反映大脑功能结构的程序来模拟人类智能 。行为主义研究群体认为 , 大脑是生命进化的产物, 因此主张通过机器程序模拟生命进化过程来实现对人类智能的模拟 。 假设 2 在哲学上是对纽拉特 (O .Neurath)和卡尔纳普 (R.Carnap)的早期物理主义 、 普特 南-奥本海莫 (H .Putnam-P .Oppenheime)20 世纪 60 年代的科学还原纲领 , 以及福德 (J .Fodor) 的非还原的物理主义的修正 , 而且大多数科学家坚信假设 2 的真理性。克里克 (F .H .C . Crick)1990 年把它称为 “一个惊人的假说” :“人的精神活动完全由神经细胞 、 胶质细胞的行为 和它们的构成, 以及影响它们的原子 、 离子和分子的性质所决定 。” ① 而且他认为, 人的喜悦 、 悲伤、 记忆和抱负、 自我感觉和自由意志, 实际上都不过是一大群神经元而已 。因此 , “从神经 元的角度考虑问题, 考察他们的内部成分以及他们之间复杂的、 出人意料的相互作用的方式才 是研究意识问题的本质” ②。而且这一生物物理主义观念从 90 年代起深刻地影响着目前相当活跃 的关于意识—神经计算的研究 。 假设 3 断言, 任何物理过程的信息传递规律都能在恰当程序化的计算机上模拟。 1985 年多 奇(D .Deutsch)将 “能行可计算的函数” 替换为 “有限可实现的物理系统” , 陈述了 “物理版本的 丘奇 —图灵论题” :“每个有限可实现的物理系统 , 总能为一台通用模拟机器以有限方式的操作 来完美地模拟。” ③ 依多奇之见 , 作为物理过程的自然界和人类心智原则上都可以用通用计算机 完美地模拟 。显然多奇论题是较丘奇—图灵论题更强的 “工作假说” , 多奇等人甚至认为 , 算法 或计算这样的纯粹抽象数学概念完全是物理定律的体现 , 计算系统不外是自然定律的一个自然 结果 , 通用计算机的概念很可能就是自然规律的内在要求 。 假设4 主张:我们所称的真实世界的实在性并不比在机器上显示的 “人工有机体” 组成的虚 拟世界更实在, 通过考察一台机器内部人工生命的所作所为, 能使我们认识机器之外的人类生 命是如何形成和演化的。换言之, 机器世界的版本和真实世界的版本是 “同构的” 。因此 , 把注 意力从模拟智能转移到模拟生命就意味着 , 如果能够在一台机器上创造出生命, 那么智能将自 然产生。可以说 , 假设 4 是整个认知科学和人工智能事业存在的理由 。 实际上 , 以上 4 个假设都可归结为借鉴了整体主义观念的还原主义假设④:一切认知和智能 · 105 · 认知科学研究纲领的困境与走向 ① ② ③ ④ 许多人认为, 联结主义和行为主义完全是一种整体主义立场, 我不认为如此。 只要强调人类智能的科 学手段模拟, 就不可能摆脱还原主义, 没有还原主义, 就没有科学。 D.Deutsch, Quantum Theory , the Church-Turing Principle and Universal Quantum Computer .Proceedings of the Royal Society of London , vol.400, 1985 , p.97. 《惊人的假说》 , 第 3 页。 弗朗西斯·克里克:《惊人的假说》 , 湖南科学技术出版社, 1998 年, 第 3 页
中国社会科学2003年第1期 活动的复杂系统都可以通过各个组分的动态行为和整体性相互作用加以解释。但是，一个重要 的事实是，前4个假设在整个认知科学领域是长期得到共识的，第5个假设却是经历了演变和修 正过程的。如果说符号主义早期立场还具有较强的逻辑原子主义的还原倾向，后期的联结主义 和行为主义则更强调整体主义的某些观念与还原主义融合，这种立场一方面强调物理作用可以 解释人类认知和智能活动，另一方面又强调认知和智能活动是复杂的生命系统的子系统，需要 强调其整体性、动态性观念，甚至需要强调突现的观念。因此，这种新的还原主义假设使认知 科学家逐渐地不仅把问题求解看做认知和智能的基本形式，还把学习和与环境的相互作用作为 认知和智能的基本形式。他们一方面强调使用经典的和非经典逻辑，另一方面又不断探索借助 统计学、生物学和复杂性科学来理解人类认知和智能的本质。我们认为，这是认知科学工作范 式逐步发生转换的关键之处，更是依据自然科学的进展对认知可计算主义强纲领进行局部修正 的必然产物。 五、认知可计算主义纲领面临挑战 认知科学的发展除了必要的哲学假定和各门自然科学的进展，更依赖于计算理论和计算机 技术的突破。目前人们普遍接受了“计算机的复杂性遵循摩尔定律：每18个月翻一番”的说 法①，计算的观念也确实为人工智能带来丰硕成果。然而，在认知可计算主义旗帜下，几十年过 去了，虽然从符号主义经联结主义到行为主义范式转换，最初完全基于规则的还原主义思想慢 慢弱化，复杂性、整体主义思想逐渐增强，认知科学和人工智能的实践仍然困难重重，举步维 艰。因此，应当引起我们反思的是，认知和智能的本质究竟是什么？图灵意义下的计算概念在 认知和智能活动中的意义是什么？人工智能的研究是否存在不可逾越的逻辑和物理的界限？我 们应当从生物学、物理学和复杂性科学中借鉴哪些方法和途径？目前对认知可计算主义研究纲 领的反思主要聚焦于以下几方面： 1.哲学上的反思。认知科学家，特别是人工智能专家似乎都持有一种乐观主义态度，认为 原则上不存在用机器模拟人类智能的障碍惟一的争论是如何实现模拟。历史上，反对强人工 智能立场的哲学论证基本上沿着三条路线②：休伯特德莱弗斯H.Dreyfus)和斯多尔特德莱弗斯 (S.Dreyfus)诉诸现象学哲学所开辟的现象学路线；塞尔(J.Searle)主张的反行为主义路线；鲁卡 斯(.Lucase)和彭罗斯(R.Penrose)等人诉诸哥德尔不完全性定理的路线。三条路线的基本出发点 是，人类的许多认知行为不能被简单地看做是遵循规则行事的。人类的心灵、大脑和计算机之 间存在着“本质差别”，大脑的功能也许可以说是一台计算机，但更深层的智能活动，特别是以 意向性为核心的心智活动决不是计算机的算法可穷尽的。照语法规则定义的计算机程序本身不 足以担保心的意向性和语义的呈现，心的本质不是可计算的。哥德尔的不完全性定理已经设定 了人工智能的极限超过人类智能的计算机不过是强人工智能专家所钟爱的一副“皇帝新脑” ①机器人研究领域的权威之一汉斯·莫拉维克(HsP.Moravec)1999年预言：到2010年将出现智力为蜥蜴 级（爬行动物脑力）的第一代通用机器人，2020年出现智力为老鼠级（有自适应、自学习能力，但很 易犯错误)的第二代通用机器人。2030年出现猴子级第三代通用机器人，有全局建模能力，能实时模 拟外部环境。具备更强的自学习和自适应环境的能力，2040年出现人类级具有推理能力的通用机器人， 可以一边模拟环境。一边对模拟的情况进行推理，并能理解人类自然语言。参见杰拉德·密尔本《费曼 处理器一量子计算机简介》（郭光灿译，江西教育出版社，1999年）第96一109页. ②《人工智能哲学》，第92一119、417一453页。 2014 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki
活动的复杂系统都可以通过各个组分的动态行为和整体性相互作用加以解释 。但是 , 一个重要 的事实是 , 前 4 个假设在整个认知科学领域是长期得到共识的, 第 5 个假设却是经历了演变和修 正过程的。如果说符号主义早期立场还具有较强的逻辑原子主义的还原倾向, 后期的联结主义 和行为主义则更强调整体主义的某些观念与还原主义融合, 这种立场一方面强调物理作用可以 解释人类认知和智能活动 , 另一方面又强调认知和智能活动是复杂的生命系统的子系统 , 需要 强调其整体性、 动态性观念, 甚至需要强调突现的观念。因此, 这种新的还原主义假设使认知 科学家逐渐地不仅把问题求解看做认知和智能的基本形式, 还把学习和与环境的相互作用作为 认知和智能的基本形式。他们一方面强调使用经典的和非经典逻辑 , 另一方面又不断探索借助 统计学 、 生物学和复杂性科学来理解人类认知和智能的本质 。我们认为 , 这是认知科学工作范 式逐步发生转换的关键之处, 更是依据自然科学的进展对认知可计算主义强纲领进行局部修正 的必然产物。 五 、 认知可计算主义纲领面临挑战 认知科学的发展除了必要的哲学假定和各门自然科学的进展 , 更依赖于计算理论和计算机 技术的突破 。目前人们普遍接受了 “计算机的复杂性遵循摩尔定律 :每 18 个月翻一番” 的说 法①, 计算的观念也确实为人工智能带来丰硕成果 。然而, 在认知可计算主义旗帜下 , 几十年过 去了, 虽然从符号主义经联结主义到行为主义范式转换 , 最初完全基于规则的还原主义思想慢 慢弱化, 复杂性 、 整体主义思想逐渐增强 , 认知科学和人工智能的实践仍然困难重重 , 举步维 艰。因此 , 应当引起我们反思的是, 认知和智能的本质究竟是什么 ? 图灵意义下的计算概念在 认知和智能活动中的意义是什么 ? 人工智能的研究是否存在不可逾越的逻辑和物理的界限 ? 我 们应当从生物学 、 物理学和复杂性科学中借鉴哪些方法和途径? 目前对认知可计算主义研究纲 领的反思主要聚焦于以下几方面: 1.哲学上的反思 。认知科学家 , 特别是人工智能专家似乎都持有一种乐观主义态度 , 认为 原则上不存在用机器模拟人类智能的障碍, 惟一的争论是如何实现模拟。历史上, 反对强人工 智能立场的哲学论证基本上沿着三条路线②:休伯特·德莱弗斯(H .Dreyfus)和斯多尔特·德莱弗斯 (S .Dreyfus)诉诸现象学哲学所开辟的现象学路线 ;塞尔(J .Searle)主张的反行为主义路线 ;鲁卡 斯(J .Lucase)和彭罗斯(R .Penrose)等人诉诸哥德尔不完全性定理的路线 。三条路线的基本出发点 是, 人类的许多认知行为不能被简单地看做是遵循规则行事的 。人类的心灵、 大脑和计算机之 间存在着 “本质差别” , 大脑的功能也许可以说是一台计算机 , 但更深层的智能活动, 特别是以 意向性为核心的心智活动决不是计算机的算法可穷尽的 。照语法规则定义的计算机程序本身不 足以担保心的意向性和语义的呈现, 心的本质不是可计算的。哥德尔的不完全性定理已经设定 了人工智能的极限, 超过人类智能的计算机不过是强人工智能专家所钟爱的一副 “皇帝新脑” · 106 · 中国社会科学 2003 年第 1 期 ① ② 《人工智能哲学》 , 第 92—119 、 417 —453 页。 机器人研究领域的权威之一汉斯·莫拉维克 (Hans P.Moravec)1999 年预言:到 2010 年将出现智力为蜥蜴 级 (爬行动物脑力)的第一代通用机器人。 2020 年出现智力为老鼠级 (有自适应、 自学习能力, 但很 易犯错误)的第二代通用机器人。 2030 年出现猴子级第三代通用机器人, 有全局建模能力, 能实时模 拟外部环境, 具备更强的自学习和自适应环境的能力。 2040 年出现人类级具有推理能力的通用机器人, 可以一边模拟环境, 一边对模拟的情况进行推理, 并能理解人类自然语言。 参见杰拉德·密尔本 《费曼 处理器———量子计算机简介》 (郭光灿译, 江西教育出版社, 1999 年)第 96 —109 页
认知科学研究纲领的困境与走向 而己。 2.复杂性科学和生物学的反思。许多人认为，与现代计算机不同，大脑不是一种通用图灵 机，大脑的每一部分都是特异化的，并且是在相互作用中完成整体心智活动的，心脑活动的基 础是遵循非力相关性原理的，体现出一种内在的、依存性的、整体自涌现的形式，它不是一个 完全一致的系统①。因此必须放弃纯粹的理性主义、还原主义和物理主义倾向，而代之以复杂性 思维和生物学眼光。协同学领袖哈肯(H.Hken)曾经预言，从长远的观点看，有希望制造出以自 组织方式执行程序的计算机来模拟人类智能。神经达尔文主义者阿德尔曼(L.M.Adelman)认为， 我们的意识心智活动是动态的达尔文过程，所有行为现象都是由神经细胞活动的时空模式决定 的，意识和心智活动无非是大量神经活动中模式选择“胜者为王”的结果，因此，194年以来 他一直极力主张借鉴生命科学成果建立DNA计算机理论。甚至认知可计算主义纲领的倡导者明 斯基1990年也不得不承认，人脑在进化过程中形成了许多用以解决不同问题的高度特异性的结 构，认知和智能活动不是由建基在公理上的数学运算所能统一描述的现象，无论是符号主义还 是联结主义都受害于唯理主义倾向，都是用在物理学中获得成功的方法和简单而漂亮的形式系 统来解释智力。他主张，要在认知科学领域有实质性突破，就应当放弃唯理主义哲学，从生物 学而不是物理学中去寻找启示和线索②。 3.计算机技术的反思。一部分专家认为，目前计算机量级规模上的局限性，制约了人工智 能实现高级人类心智。因为大脑的神经元及其连接构成了规模无比的神经元集群网络，因此， 只要计算机的集成电路中基本元件与连接规模超过大脑的神经元件与连接的规模，就能期望计 算机像大脑一样自涌现出高级心智现象。目前硅基材料的计算机远远达不到如此规模，应当寄 希望于光子计算机、量子计算机和生物计算机。例如密尔本(G.J.Mibm)1999年提出，满足多 奇原理的计算机只能是利用量子迭加效应实现大规模的高效并行计算的量子计算机。但是，密 尔本己经断言，无论量子计算机的速度多快，仍是一种建立在量子图灵机基础上的计算机，丘 奇一图灵论题依然是量子计算机的理论基础。因此在我们看来，量子计算机不过是实现图灵机 算法的另一物理装置而己，试图以量子计算机模拟整个人类智能仍然没有超出“认知可计算主 义”纲领的指导。③ 显然，这三个层面的反思路线是对认知可计算主义纲领的深刻质疑，而且在历史上，恰是 这些反思浪潮激励了认知科学家探索新的研究进路。我们认为，首先需要澄清的一点是，哥德 尔本人并不反对用他的不完全性定理作为论证“机器永远不能超越人心”的部分证据，但是他 曾指出，要推出如此强硬结论还需附加两个哲学假定，其一，人心(ind)没有物质载体；其 二，人类理性提出的问题人类理性一定能够解答，④其次需要强调的是，人的心智是在不断进化 之中的，迄今为止，对于大脑的运作机制、意识的本质、智能的本质等，我们只有极为肤浅的 理解，基于这种理解就用哥德尔定理做出计算机永远能，或永远不能超越人类心智的断然结论 为时尚早。另外，对于机器量级规模的突破导致计算速度的提高是否能够带来难以预期的智能 ①参见周昌乐《无心的机器》（湖南科学技术出版社，2000年）第256一264页， ②《21世纪初科学技术发展趋势》.第108、314一315页， ③刘晓力：《从丘奇一图灵论题到多奇原》，《自然辩证法研》2002年逻辑专刊. ④关于哥德尔的思想参见KtG3 del Some Basic Theorms on the Foundations d Mathematics and Their Implica- tions,Collected Works,Ill Solomon Feferman ed al New York Oxford:Oford University Press 1995 pp. 304一323，以及王浩《哥德尔》（康宏逵译，上海译文出版社.1997年）第472一474页：刘晓力《理性 的生命一哥德尔思想研究》（湖南教育出版社，2000年）第96一117页， ?1994-2014 China Academic Journal Electronic Publishing House.All rights reserved
而已 。 2.复杂性科学和生物学的反思。许多人认为, 与现代计算机不同 , 大脑不是一种通用图灵 机, 大脑的每一部分都是特异化的, 并且是在相互作用中完成整体心智活动的, 心脑活动的基 础是遵循非力相关性原理的 , 体现出一种内在的 、 依存性的 、 整体自涌现的形式, 它不是一个 完全一致的系统①。因此必须放弃纯粹的理性主义 、 还原主义和物理主义倾向, 而代之以复杂性 思维和生物学眼光。协同学领袖哈肯(H .Haken)曾经预言 , 从长远的观点看 , 有希望制造出以自 组织方式执行程序的计算机来模拟人类智能。神经达尔文主义者阿德尔曼(L.M .Adelman)认为 , 我们的意识心智活动是动态的达尔文过程, 所有行为现象都是由神经细胞活动的时空模式决定 的, 意识和心智活动无非是大量神经活动中模式选择 “胜者为王” 的结果, 因此, 1994 年以来 他一直极力主张借鉴生命科学成果建立 DNA 计算机理论。甚至认知可计算主义纲领的倡导者明 斯基 1990 年也不得不承认 , 人脑在进化过程中形成了许多用以解决不同问题的高度特异性的结 构, 认知和智能活动不是由建基在公理上的数学运算所能统一描述的现象, 无论是符号主义还 是联结主义都受害于唯理主义倾向, 都是用在物理学中获得成功的方法和简单而漂亮的形式系 统来解释智力。他主张, 要在认知科学领域有实质性突破 , 就应当放弃唯理主义哲学 , 从生物 学而不是物理学中去寻找启示和线索②。 3.计算机技术的反思 。一部分专家认为 , 目前计算机量级规模上的局限性, 制约了人工智 能实现高级人类心智 。因为大脑的神经元及其连接构成了规模无比的神经元集群网络, 因此 , 只要计算机的集成电路中基本元件与连接规模超过大脑的神经元件与连接的规模, 就能期望计 算机像大脑一样自涌现出高级心智现象 。目前硅基材料的计算机远远达不到如此规模 , 应当寄 希望于光子计算机、 量子计算机和生物计算机。例如密尔本(G .J .Milburn)1999 年提出, 满足多 奇原理的计算机只能是利用量子迭加效应实现大规模的高效并行计算的量子计算机。但是 , 密 尔本已经断言, 无论量子计算机的速度多快 , 仍是一种建立在量子图灵机基础上的计算机 , 丘 奇—图灵论题依然是量子计算机的理论基础 。因此在我们看来, 量子计算机不过是实现图灵机 算法的另一物理装置而已 , 试图以量子计算机模拟整个人类智能仍然没有超出 “认知可计算主 义” 纲领的指导 。③ 显然 , 这三个层面的反思路线是对认知可计算主义纲领的深刻质疑, 而且在历史上 , 恰是 这些反思浪潮激励了认知科学家探索新的研究进路 。我们认为 , 首先需要澄清的一点是 , 哥德 尔本人并不反对用他的不完全性定理作为论证 “机器永远不能超越人心” 的部分证据 , 但是他 曾指出, 要推出如此强硬结论还需附加两个哲学假定, 其一, 人心 (mind)没有物质载体;其 二, 人类理性提出的问题人类理性一定能够解答 。④ 其次需要强调的是 , 人的心智是在不断进化 之中的 , 迄今为止, 对于大脑的运作机制、 意识的本质、 智能的本质等 , 我们只有极为肤浅的 理解, 基于这种理解就用哥德尔定理做出计算机永远能 , 或永远不能超越人类心智的断然结论 为时尚早。另外 , 对于机器量级规模的突破导致计算速度的提高是否能够带来难以预期的智能 · 107 · 认知科学研究纲领的困境与走向 ① ② ③ ④ 关于哥德尔的思想参见 Kurt Gö del, Some Basic Theorems on the Foundations of Mathematics and Their Implications, Collected Works, Ⅲ , Solomon Feferman ed al, New York &Oxford:Oxford University Press, 1995, pp. 304—323;以及王浩 《哥德尔》 (康宏逵译, 上海译文出版社, 1997 年) 第 472—474 页;刘晓力 《理性 的生命———哥德尔思想研究》 (湖南教育出版社, 2000 年)第 96 —117 页。 刘晓力:《从丘奇—图灵论题到多奇原理》 , 《自然辩证法研究》 2002 年逻辑专刊。 《21 世纪初科学技术发展趋势》 , 第 108、 314—315 页。 参见周昌乐 《无心的机器》 (湖南科学技术出版社, 2000 年)第 256 —264 页
中国社会科学2003年第1期 复杂性的模拟我们也不能盲目做出断言，因为即使机器程序可以产生自组织和突现的特性，依 据切廷(G.Chii)的算法信息论，这种复杂性本身仍然是有相当大限度的，期望这样的复杂性达 到人类心智的复杂性恐怕还有相当距离，毕竞复杂性之复杂性本身仍是一大难题。但是我们相 信，哲学、科学和技术这三个层面的反思，恰是孕育新的研究纲领最为重要的基础，也为我们 的下一步研究提供了深刻的方法论启示。 六、探索以“认知是算法不可完全的”理念为基础的新纲领 从以上对认知科学的研究纲领、工作范式和基础假设的反思，我们应当更加明确图灵意义 下的算法概念在模拟认知和智能活动中的作用。由于图灵机等价于形式系统，如果局限于图灵 机算法可计算范围，我们将无法摆脱哥德尔不完全性定理设定的逻辑极限，尽管我们可以通过 提高计算机运行速度解决目前不能解决的复杂问题，但借助逻辑手段，受到逻辑一致性的约束， 任何超越逻辑运算的事情都是机器难以胜任的。即使用形式系统表达图灵机的方式不惟一，可 以采取某种新型的物理装置。仍然不能忽视的一个问题是，新的物理装置体现的形式系统至少 应当满足紧致性定理，这样一来，仍然回到了哥德尔不完全性定理设定的极限。当然，由于哥 德尔定理仅仅揭示了形式推理的极限，并没有设定人类理性的界限，因此，我们面临三种选择： 或者放弃逻辑的人工手段，超越图灵机算法可计算概念，探索其他生物或物理途径，这样，前 景将不可预测：或者像目前我们所做的一样，依靠逻辑和图灵机算法，只求系统的局部一致性， 局部模拟人类的某一部分智能做计算机能够做到的事情，这样，认知科学和人工智能的原初 目标将不得不予以修正；另一种较为现实的选择是，正视图灵机算法可计算概念的有效范围， 认识到只要不突破原有的“算法”概念，我们就永远不能追求完全模拟人类智能的最高目标，倡 导基于“认知是算法不可完全的”理念的新的研究纲领不局限于基于规则的系统，从复杂性 科学等领域不断汲取营养，积极探索更加有效的模式（如“算法十自然机制”模式），以解决认 知科学的深层问题。 其次，我们认为，认知科学所有的理论困境和实践困难的另一个重要根源在于我们对人类 认知和智能的本质缺乏真正的认识①。人类心智活动的内在机制及其体现出的灵活性、选择性和 自涌现性仍然是我们今天的科学不能完全解释的，建基于图灵机算法可计算的认知可计算主义 纲领显然不足以深刻把握其本质。目前，“人的智能和人工智能的极限”己经列为21世纪需要解 决的24个数学问题清单②，未来的认知科学必将以对认知和智能的本质的理解为基础。也必然 基于各门科学和计算机技术的进展不断修正其研究纲领、工作范式和基础假设。近年来人工生 命、进化计算等领域的新成果预示了认知科学将会产生新的研究纲领。我们相信，在没有足够 科学证据支持的情况下，对于认知科学前景的任何主观臆测和哲学思辨都难免武断和不完全， 人类认知的本质规律以及人工智能是否会超过人类智能终究是一个科学问题。 [本文责任编辑：魏长宝〕 ①目前对智能的一般理解是：智能是在一定的环境下，面对一定的问题为了一定的目的，有效地获取、 处理和理解“环境一问题一目的”的信息，进而再生出合理的策略信息，并运用策略信息成功地解决 问题，达到预期目的的能力，参见《21世纪初科学技术发展趋物》第353页， ②中国科学院：《科学发展报告》.科学出版社，1999年，第44页 2014 China Academie Journal Electronic Publishing House.All rights reserved.http://www.cnki
复杂性的模拟我们也不能盲目做出断言 , 因为即使机器程序可以产生自组织和突现的特性 , 依 据切廷(G .Chitin)的算法信息论, 这种复杂性本身仍然是有相当大限度的, 期望这样的复杂性达 到人类心智的复杂性恐怕还有相当距离 , 毕竟复杂性之复杂性本身仍是一大难题。但是我们相 信, 哲学 、 科学和技术这三个层面的反思 , 恰是孕育新的研究纲领最为重要的基础 , 也为我们 的下一步研究提供了深刻的方法论启示 。 六 、 探索以 “认知是算法不可完全的” 理念为基础的新纲领 从以上对认知科学的研究纲领、 工作范式和基础假设的反思 , 我们应当更加明确图灵意义 下的算法概念在模拟认知和智能活动中的作用 。由于图灵机等价于形式系统, 如果局限于图灵 机算法可计算范围, 我们将无法摆脱哥德尔不完全性定理设定的逻辑极限, 尽管我们可以通过 提高计算机运行速度解决目前不能解决的复杂问题 , 但借助逻辑手段 , 受到逻辑一致性的约束 , 任何超越逻辑运算的事情都是机器难以胜任的 。即使用形式系统表达图灵机的方式不惟一 , 可 以采取某种新型的物理装置, 仍然不能忽视的一个问题是, 新的物理装置体现的形式系统至少 应当满足紧致性定理 , 这样一来 , 仍然回到了哥德尔不完全性定理设定的极限 。当然 , 由于哥 德尔定理仅仅揭示了形式推理的极限, 并没有设定人类理性的界限, 因此, 我们面临三种选择 : 或者放弃逻辑的人工手段 , 超越图灵机算法可计算概念, 探索其他生物或物理途径, 这样 , 前 景将不可预测;或者像目前我们所做的一样 , 依靠逻辑和图灵机算法 , 只求系统的局部一致性 , 局部模拟人类的某一部分智能, 做计算机能够做到的事情 , 这样 , 认知科学和人工智能的原初 目标将不得不予以修正 ;另一种较为现实的选择是, 正视图灵机算法可计算概念的有效范围 , 认识到只要不突破原有的 “算法” 概念, 我们就永远不能追求完全模拟人类智能的最高目标 , 倡 导基于 “认知是算法不可完全的” 理念的新的研究纲领, 不局限于基于规则的系统 , 从复杂性 科学等领域不断汲取营养 , 积极探索更加有效的模式 (如 “算法 +自然机制” 模式), 以解决认 知科学的深层问题。 其次, 我们认为 , 认知科学所有的理论困境和实践困难的另一个重要根源在于我们对人类 认知和智能的本质缺乏真正的认识①。人类心智活动的内在机制及其体现出的灵活性 、 选择性和 自涌现性仍然是我们今天的科学不能完全解释的 , 建基于图灵机算法可计算的认知可计算主义 纲领显然不足以深刻把握其本质。目前 , “人的智能和人工智能的极限” 已经列为 21 世纪需要解 决的 24 个数学问题清单②, 未来的认知科学必将以对认知和智能的本质的理解为基础, 也必然 基于各门科学和计算机技术的进展不断修正其研究纲领、 工作范式和基础假设。近年来人工生 命、 进化计算等领域的新成果预示了认知科学将会产生新的研究纲领。我们相信, 在没有足够 科学证据支持的情况下, 对于认知科学前景的任何主观臆测和哲学思辨都难免武断和不完全 , 人类认知的本质规律以及人工智能是否会超过人类智能终究是一个科学问题。 〔本文责任编辑 :魏长宝〕 · 108 · 中国社会科学 2003 年第 1 期 ① ② 中国科学院:《科学发展报告》 , 科学出版社, 1999 年, 第 44 页。 目前对智能的一般理解是:智能是在一定的环境下, 面对一定的问题, 为了一定的目的, 有效地获取、 处理和理解 “ 环境—问题—目的” 的信息, 进而再生出合理的策略信息, 并运用策略信息成功地解决 问题, 达到预期目的的能力。 参见 《21 世纪初科学技术发展趋势》 第 353 页