【人工智能】“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓

第15卷第3期 智能系统学报 Vol.15 No.3 2020年5月 CAAI Transactions on Intelligent Systems May 2020 D0L:10.11992tis.202002019 “范式变革”引领与“信息转换”担纲：机制主义 通用人工智能的理论精髓 钟义信 (北京邮电大学人工智能学院，北京100876) 摘要：世界人工智能研究至今一直沿用着物质科学的科学范式（科学观和方法论），因此被分解为结构主义人 工智能（人工神经网络）、功能主义人工智能（物理符号系统/专家系统）和行为主义人工智能（感知动作系统/智 能机器人)3个各自为战互不相容的学派。虽然各个学派都获得了一些精彩的局部性专用性成果，却没有通用 性整体性的人工智能应用，更无法形成通用的人工智能整体理论，这成为人工智能研究与发展的最大痛点。目 前，通用性整体性的人工智能理论越来越成为社会的紧迫需求。为此，本文依据作者四十多年研究的积累.总 结和提出了“机制主义通用人工智能理论”，特别强调了“范式变革”和“信息转换”，希望引起学界的研讨和批评。 关键词：人工智能；范式变革；信息转换；整体理论；通用理论；智能生成机制；显因素；隐因素 中图分类号：TP18文献标志码：A文章编号：1673-4785(2020)03-0615-08 中文引用格式：钟义信.“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓，智能系统学报，2020， 15(3):615-622. 英文引用格式：ZHONG Yixin.Leading of paradigm shift and undertaking of information conversion::theoretical essence of mech- anism-based general Al[JI.CAAI transactions on intelligent systems,2020,15(3):615-622. Leading of paradigm shift and undertaking of information conversion: theoretical essence of mechanism-based general Al ZHONG Yixin (AI School,Beijing University of Posts and Telecommunications,Beijing 100876,China) Abstract:Because of the employment of scientific paradigm (i.e.,scientific outlook and methodology)in the field of materials science,the global research on artificial intelligence(Al)has been divided into three branches,namely,struc- turalism-based AI(e.g.,artificial neural networks),functionalism-based AI (e.g.,physical symbol systems and expert systems),and behaviorism-based AI(e.g.,sensorimotor systems and intelligent robots),which are independent from each other and mutually unharmonious.A decent number of results from each of the three branches have been achieved; however,no progress has been made in the global theory of Al,let alone the universal theory of Al,and this has be- come the biggest pain point in the research and development of Al.Presently,the universal and global theories of AI have gradually become urgent social demands.Accordingly,the article titled "The theory of mechanistic general artifi- cial intelligence"has been presented on the basis of the research experiences of the author during the past four decades; the work mainly focuses on"paradigm shift"and "information conversion."The author hopes that the views and results presented in the article could draw discussions and criticisms from the readers of the AI academic circle. Keywords:artificial intelligence(AI),paradigm shift,information conversion;global theory;universal theory;mechan- ism for intelligence growth;explicit factor,implicit factor 收稿日期：2020-02-26. 科学范式引发的思考。在理想的情况下，为 基金项目：国家社科基金项目(I8ZDA027):国家自然科学基金 了对某个学科展开深入系统的科学研究，首先需 项目(60873001.60575034). 通信作者：钟义信.E-mail:zyx@bupt.edu.cn. 要对这个学科有一个整体性的理解，能够在宏观

DOI: 10.11992/tis.202002019 “范式变革”引领与“信息转换”担纲：机制主义 通用人工智能的理论精髓 钟义信 （北京邮电大学 人工智能学院，北京 100876） 摘 要：世界人工智能研究至今一直沿用着物质科学的科学范式 (科学观和方法论)，因此被分解为结构主义人 工智能 (人工神经网络)、功能主义人工智能 (物理符号系统/专家系统) 和行为主义人工智能 (感知动作系统/智 能机器人) 3 个各自为战互不相容的学派。虽然各个学派都获得了一些精彩的局部性专用性成果，却没有通用 性整体性的人工智能应用，更无法形成通用的人工智能整体理论，这成为人工智能研究与发展的最大痛点。目 前，通用性整体性的人工智能理论越来越成为社会的紧迫需求。为此，本文依据作者四十多年研究的积累，总 结和提出了“机制主义通用人工智能理论”，特别强调了“范式变革”和“信息转换”，希望引起学界的研讨和批评。 关键词：人工智能；范式变革；信息转换；整体理论；通用理论；智能生成机制；显因素；隐因素 中图分类号：TP18 文献标志码：A 文章编号：1673−4785(2020)03−0615−08 中文引用格式：钟义信. “范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓 [J]. 智能系统学报, 2020, 15(3): 615–622. 英文引用格式：ZHONG Yixin. Leading of paradigm shift and undertaking of information conversion: theoretical essence of mech￾anism-based general AI[J]. CAAI transactions on intelligent systems, 2020, 15(3): 615–622. Leading of paradigm shift and undertaking of information conversion: theoretical essence of mechanism-based general AI ZHONG Yixin (AI School, Beijing University of Posts and Telecommunications, Beijing 100876, China) Abstract: Because of the employment of scientific paradigm (i.e., scientific outlook and methodology) in the field of materials science, the global research on artificial intelligence (AI) has been divided into three branches, namely, struc￾turalism-based AI (e.g., artificial neural networks), functionalism-based AI (e.g., physical symbol systems and expert systems), and behaviorism-based AI (e.g., sensorimotor systems and intelligent robots), which are independent from each other and mutually unharmonious. A decent number of results from each of the three branches have been achieved; however, no progress has been made in the global theory of AI, let alone the universal theory of AI, and this has be￾come the biggest pain point in the research and development of AI. Presently, the universal and global theories of AI have gradually become urgent social demands. Accordingly, the article titled “The theory of mechanistic general artifi￾cial intelligence” has been presented on the basis of the research experiences of the author during the past four decades; the work mainly focuses on “paradigm shift” and “information conversion.” The author hopes that the views and results presented in the article could draw discussions and criticisms from the readers of the AI academic circle. Keywords: artificial intelligence (AI); paradigm shift; information conversion; global theory; universal theory; mechan￾ism for intelligence growth; explicit factor; implicit factor 科学范式引发的思考。在理想的情况下，为 了对某个学科展开深入系统的科学研究，首先需 要对这个学科有一个整体性的理解，能够在宏观 收稿日期：2020−02−26. 基金项目：国家社科基金项目 (18ZDA027)；国家自然科学基金 项目 (60873001，60575034). 通信作者：钟义信. E-mail：zyx@bupt.edu.cn. 第 15 卷第 3 期 智 能 系 统 学 报 Vol.15 No.3 2020 年 5 月 CAAI Transactions on Intelligent Systems May 2020

·616· 智能系统学报 第15卷 上说明这个学科“是什么”；在此基础上，还应当 完成了。时至今日，研究者应当遵循怎样的科学 有“怎样研究”这个学科的宏观指南。前者就是关 范式来建立通用性整体性的人工智能理论？本文 于这个学科的“科学观”，后者是关于研究这个学 的研究，就从这里开始。 科的“方法论”。科学观和方法论两者是一个有机 的整体：有什么样的科学观，就会有什么样的方 1人工智能的历史经验与教训 法论。通常，这个整体就称为“科学范式”，也称 20世纪中叶，人工智能的研究从酝酿阶段进 为“研究范式”，或者简称为“范式”。 入到正式起步阶段。一个现实的问题摆在了研究 科学范式是科学研究活动的最高层次，是整 者们面前：实实在在的人工智能系统研究应当从 个科学研究活动的指导和支配力量。不管人们是 哪里入手？ 否已经意识到，一切科学研究活动都必然要接受 那时，十分成功因而也十分流行的科学研究 某种科学范式的指导和支配，正如人类的活动无 方法论是“分而治之”；它指出：在研究复杂系统 不受到某种世界观和方法论的指导和支配一样。 的时候，可以把它分解为若干相对简单因而比较 所以，科学范式（科学观和方法论）在科学研究活 容易研究的子系统，当这些子系统研究成功之 动中的地位和作用，就如同人类活动中的世界观 后，把它们的结果合成起来就还原成为了原系 和方法论的地位和作用一样。 统。作为复杂信息系统的人工智能，人们认为它 众所周知，人工智能是一类开放的复杂信息 的原型主要是人类的大脑，它们当然是极为复杂 系统，是信息科学技术的高端产物。因此，人工 智能的研究应当遵循信息科学的科学范式。但 的系统，因此符合“分而治之”的条件。 是，20世纪中叶人工智能问世的时候，世界上还 那么，如何对人脑进行“分而治之”的模拟研究？ 不存在信息科学的科学范式，这是因为，信息科 当时学界已有共识，系统具有3个基本要素： 学本身也是在20世纪中叶才快速崛起，还没有来 1)结构是系统的第一要素，因为若是没有系统的 得及总结和提炼出自己的科学范式。在这种情况 结构，就没有系统本身；2)功能是第二要素，有了 下，人工智能的研究就沿用了当时非常成熟也非 一定的系统结构，就可形成一定的功能：3)行为 常流行的传统物质科学的科学范式（其实信息科 是系统的第三要素，有了一定的结构和功能，系 学技术本身的研究状况也是如此)。 统就会表现出一定的行为。 传统物质科学的科学观认为：1)研究对象是 于是，人工智能系统的研究便从模拟人类大 “客观”的物质，与主体因素无关：2)研究对象是 脑第一要素一大脑皮层结构开始。这便是以 “确定性”的物质，可以分解，可以合成；3)对物质 1943年McCulloch-Pitts发表的神经元数理逻辑模 的研究应当关注的是它们的结构与功能。与此相 型为开端的人工神经网络研究。这种研究的 应，传统物质科学的方法论主张：1)应当“排除主 标志性特征是“模拟大脑皮层神经网络的结构”， 观因素”；2)对复杂系统应当采用“分而治之”的方 因此被称为“结构主义人工智能研究”（也有不少 法；3)“纯形式化方法”就可以表示和分析物质的 人把它叫作“连接主义”，但“连接”不是“结构”的 结构和功能。 唯一特征，“连接”没有刻画被连接的“节点”的性 正是沿用了传统物质科学的范式，人工智能 质，因此，“连接”只是“结构”的一个不完整的下位 的研究就一直践行着“排除主观”、“分而治之”和 词，“连接主义”的称谓不如“结构主义”确切，还是 “纯粹形式化”的研究方法，并一直持续到今天。 应当称为“结构主义”)。可见，那时虽然没有使用 传统物质科学的范式对于人工智能研究的影 “人工智能(artificial intelligence,AI)”这个术语， 响主要有两个方面：一方面，迄今世界人工智能 但人工神经网络却是从人脑系统第一要素开始模 研究所取得的“局部进展”，得益于传统物质科学 拟人类智能的真正开端。这一点，通过近期“深层 的范式在人工智能研究活动中的统领地位，要不 神经网络”的表现，使人们看得更加清楚。 是因为有“分而治之”和“纯形式化的表示和分析 由于大脑皮层神经网络极为复杂，模拟人脑 方式”，那时的人们就不知道应当怎样去研究这样 结构的人工神经网络研究进展艰难。于是，一些 高度复杂的信息系统；另一方面，人工智能研究 思想敏锐的研究者便把注意力转向了模拟人脑系 至今都无法建立通用性整体性的人工智能理论， 统的第二要素一系统功能。这便是以模拟人 也受害于传统物质科学的范式在人工智能研究活 脑思维的逻辑功能为目标的第二种人工智能研究。 动中的统领地位，要不是实行了“分而治之”与“纯 1956年，McCarthy和Minsky等在美国麻省 形式化”，或许通用性整体性的人工智能理论早就 Dartmouth举办了为期近两个月的模拟人类逻辑

上说明这个学科“是什么”；在此基础上，还应当 有“怎样研究”这个学科的宏观指南。前者就是关 于这个学科的“科学观”，后者是关于研究这个学 科的“方法论”。科学观和方法论两者是一个有机 的整体：有什么样的科学观，就会有什么样的方 法论。通常，这个整体就称为“科学范式”，也称 为“研究范式”，或者简称为“范式”。 科学范式是科学研究活动的最高层次，是整 个科学研究活动的指导和支配力量。不管人们是 否已经意识到，一切科学研究活动都必然要接受 某种科学范式的指导和支配，正如人类的活动无 不受到某种世界观和方法论的指导和支配一样。 所以，科学范式 (科学观和方法论) 在科学研究活 动中的地位和作用，就如同人类活动中的世界观 和方法论的地位和作用一样。 众所周知，人工智能是一类开放的复杂信息 系统，是信息科学技术的高端产物。因此，人工 智能的研究应当遵循信息科学的科学范式。但 是，20 世纪中叶人工智能问世的时候，世界上还 不存在信息科学的科学范式，这是因为，信息科 学本身也是在 20 世纪中叶才快速崛起，还没有来 得及总结和提炼出自己的科学范式。在这种情况 下，人工智能的研究就沿用了当时非常成熟也非 常流行的传统物质科学的科学范式 (其实信息科 学技术本身的研究状况也是如此)。 传统物质科学的科学观认为：1) 研究对象是 “客观”的物质，与主体因素无关；2) 研究对象是 “确定性”的物质，可以分解，可以合成；3) 对物质 的研究应当关注的是它们的结构与功能。与此相 应，传统物质科学的方法论主张：1) 应当“排除主 观因素”；2) 对复杂系统应当采用“分而治之”的方 法；3)“纯形式化方法”就可以表示和分析物质的 结构和功能。 正是沿用了传统物质科学的范式，人工智能 的研究就一直践行着“排除主观”、“分而治之”和 “纯粹形式化”的研究方法，并一直持续到今天。 传统物质科学的范式对于人工智能研究的影 响主要有两个方面：一方面，迄今世界人工智能 研究所取得的“局部进展”，得益于传统物质科学 的范式在人工智能研究活动中的统领地位，要不 是因为有“分而治之”和“纯形式化的表示和分析 方式”，那时的人们就不知道应当怎样去研究这样 高度复杂的信息系统；另一方面，人工智能研究 至今都无法建立通用性整体性的人工智能理论， 也受害于传统物质科学的范式在人工智能研究活 动中的统领地位，要不是实行了“分而治之”与“纯 形式化”，或许通用性整体性的人工智能理论早就 完成了。时至今日，研究者应当遵循怎样的科学 范式来建立通用性整体性的人工智能理论？本文 的研究，就从这里开始。 1 人工智能的历史经验与教训 20 世纪中叶，人工智能的研究从酝酿阶段进 入到正式起步阶段。一个现实的问题摆在了研究 者们面前：实实在在的人工智能系统研究应当从 哪里入手？ 那时，十分成功因而也十分流行的科学研究 方法论是“分而治之”；它指出：在研究复杂系统 的时候，可以把它分解为若干相对简单因而比较 容易研究的子系统，当这些子系统研究成功之 后，把它们的结果合成起来就还原成为了原系 统。作为复杂信息系统的人工智能，人们认为它 的原型主要是人类的大脑，它们当然是极为复杂 的系统，因此符合“分而治之”的条件。 那么，如何对人脑进行“分而治之”的模拟研究？ 当时学界已有共识，系统具有 3 个基本要素： 1) 结构是系统的第一要素，因为若是没有系统的 结构，就没有系统本身；2) 功能是第二要素，有了 一定的系统结构，就可形成一定的功能；3) 行为 是系统的第三要素，有了一定的结构和功能，系 统就会表现出一定的行为。 于是，人工智能系统的研究便从模拟人类大 脑第一要素−大脑皮层结构开始。这便是以 1943 年 McCulloch-Pitts 发表的神经元数理逻辑模 型为开端的人工神经网络研究[1-5]。这种研究的 标志性特征是“模拟大脑皮层神经网络的结构”， 因此被称为“结构主义人工智能研究”(也有不少 人把它叫作“连接主义”，但“连接”不是“结构”的 唯一特征，“连接”没有刻画被连接的“节点”的性 质，因此，“连接”只是“结构”的一个不完整的下位 词，“连接主义”的称谓不如“结构主义”确切，还是 应当称为“结构主义”)。可见，那时虽然没有使用 “人工智能 (artificial intelligence, AI)”这个术语， 但人工神经网络却是从人脑系统第一要素开始模 拟人类智能的真正开端。这一点，通过近期“深层 神经网络”的表现，使人们看得更加清楚。 由于大脑皮层神经网络极为复杂，模拟人脑 结构的人工神经网络研究进展艰难。于是，一些 思想敏锐的研究者便把注意力转向了模拟人脑系 统的第二要素−系统功能。这便是以模拟人 脑思维的逻辑功能为目标的第二种人工智能研究。 1956 年，McCarthy 和 Minsky 等在美国麻省 Dartmouth 举办了为期近两个月的模拟人类逻辑 ·616· 智 能 系 统 学 报 第 15 卷

第3期 钟义信：“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓 ·617· 思维功能的学术研讨会，诞生了以计算机为硬件 棋程序AlphaGo战胜韩国围棋顶尖高手李世乭以 平台、通过编制软件来模拟人脑思维功能、以通 来，世界各地的人工智能研究与应用风起云涌， 用问题求解为目标的物理符号系统，而且创造了 形成全球性的人工智能发展大潮。 “人工智能”这个术语来表征这种研究。由于这种 耐人寻味的事实是：按照“分而治之”的原则 研究的标志性特征是“功能模拟”，因此被称为“功 先后问世的人工智能三大学派，在整个历史上一 能主义人工智能研究6（虽然后来也有人把它 直各自为战，互不认可，甚至互不相容61”，始终 叫作“符号主义”，但“符号”只是用来表示“功能” 无法形成人工智能的整体理论，更不要说通用性 的一类记号，符号所表征的本质特征是“功能”， 的整体理论，甚至找不到建立通用性整体性人工 因此还是应当称为“功能主义”)。 智能理论的途径刿，因此始终无法达到人工智 随着研究的深入，物理符号系统研究遇到了 能研究应当达到的成熟状态。 越来越严重的“知识难题（知识的边界模糊、知识 客观地说，在人工智能处于发展的初期阶段 的获取困难、知识的表示能力有限，知识的推理 研究的注意力主要还停留在“局部摸索”阶段的时 能力不足等)”，于是便把“通用问题求解”的目标 候，“分而治之”方法论还没有显露出明显的负面 收缩为面向专门领域问题的“专家系统”。即使如 作用；但是，随着人工智能的研究不断向前发展， 此，专家系统的研究也仍然不能有效地摆脱“知识 注意力从仅仅关注人工智能的某些侧面、某些局 瓶颈”的困扰。 部的研究，逐步发展到越来越关注人工智能的整 于是，又有了面向系统第三要素的研究：行为 体理论，甚至越来越关注人工智能的通用理论的 模拟。这就是Brooks等在1990年展示的模拟六 时候，“分而治之”方法论便成为了人工智能研究 脚虫爬行行为的智能机器人1它能在不平坦 的最大障碍。这是因为，按照“分而治之”方法论 的地面上行走而不会摔倒，引起学术界的高度关 思想把人工智能整体“分解”为各个部分的时候 注。这就是“感知-动作系统”的研究。它的标志 就不可避免地把各个部分之间复杂而看不见的信 性特征是“行为模拟”，因此被称为“行为主义的人 息联系割断了，而这些信息联系正是整体系统的 工智能研究”。智能机器人就是“感知动作系统” 生命线：生命线被割断了，整体理论的建立便不 的一种具体类型31 再可能。显然，只有从源头上摆脱“分而治之”方 今天，人工智能的研究风生水起，异彩纷呈， 法论，人工智能的研究才能健康发展并逐步到达 其实全部都源自上述“三大学派”。迄今，这三大 成熟状态。 学派各自也都分别取得了不少精彩成果： 此外，沿用传统物质科学的科学范式，人工智 1)人工神经网络的研究在模式识别方面取得 能的研究贯彻了“纯形式化”的原则。因此，它的 了不少成果，例如文字识别、语音识别、机器翻 各种概念（数据、信息、知识、智能）和各种方法 译、图像识别（包括人脸识别、指纹识别、医学图 (如各种变换和推理)也全面实行了“纯形式化”的 像识别等)、故障诊断、组合优化问题求解等， 原则。然而，人工智能的核心课题是“智能决 特别是深层神经网络显示了很强的分类与学习 策”，只有形式因素而没有内容因素和价值因素的 能力。 决策怎么可能有足够的“智能水平”呢？由此造成 2)专家系统的研究产生了一批机器定理证明 了现有人工智能系统的理解力低下以及结论的不 系统，例如：战胜自己的设计者的跳棋系统，特别 可解释。这种情况表明：人工智能的研究到了一 是战胜国际象棋人类世界冠军的Deeper Blue系 个“不能不变”的历史关头。 统，战胜两位全美问题抢答冠军的Watson系统， 总之，作为信息科学技术高端产物的人工智 以及战胜61位世界围棋顶尖高手的AlphaGo系 能研究，起步于20世纪中叶的工业时代并接受了 统，等等。 传统科学的科学范式有其历史的必然。现在，信 3)感知动作系统（也称为Agent)的研究产生 息时代已经发展起来，信息科学的科学观和方法 了一批各式各样的智能机器人，例如：小冰、小、 论也已经锤炼成型，人工智能研究转型换轨、回 小度等，其中，最引人注目的是获得了沙特阿拉 归信息科学的科学范式的时刻已经到来！ 伯联合王国国籍的Sophia系统，在一定领域的自 2信息科学的科学范式 然语言理解能力令人叹为观止。 至今，三大学派各自演绎出的人工智能应用 那么，什么是符合人工智能研究性质的科学 系统已经不计其数。特别是2016年人工智能围 范式呢？

思维功能的学术研讨会，诞生了以计算机为硬件 平台、通过编制软件来模拟人脑思维功能、以通 用问题求解为目标的物理符号系统，而且创造了 “人工智能”这个术语来表征这种研究。由于这种 研究的标志性特征是“功能模拟”，因此被称为“功 能主义人工智能研究” [6-12] (虽然后来也有人把它 叫作“符号主义”，但“符号”只是用来表示“功能” 的一类记号，符号所表征的本质特征是“功能”， 因此还是应当称为“功能主义”)。 随着研究的深入，物理符号系统研究遇到了 越来越严重的“知识难题 (知识的边界模糊、知识 的获取困难、知识的表示能力有限，知识的推理 能力不足等)”，于是便把“通用问题求解”的目标 收缩为面向专门领域问题的“专家系统”。即使如 此，专家系统的研究也仍然不能有效地摆脱“知识 瓶颈”的困扰。 于是，又有了面向系统第三要素的研究：行为 模拟。这就是 Brooks 等在 1990 年展示的模拟六 脚虫爬行行为的智能机器人[13-15] ，它能在不平坦 的地面上行走而不会摔倒，引起学术界的高度关 注。这就是“感知−动作系统”的研究。它的标志 性特征是“行为模拟”，因此被称为“行为主义的人 工智能研究”。智能机器人就是“感知动作系统” 的一种具体类型[13-15]。 今天，人工智能的研究风生水起，异彩纷呈， 其实全部都源自上述“三大学派”。迄今，这三大 学派各自也都分别取得了不少精彩成果： 1) 人工神经网络的研究在模式识别方面取得 了不少成果，例如文字识别、语音识别、机器翻 译、图像识别 (包括人脸识别、指纹识别、医学图 像识别等)、故障诊断、组合优化问题求解等， 特别是深层神经网络显示了很强的分类与学习 能力。 2) 专家系统的研究产生了一批机器定理证明 系统，例如：战胜自己的设计者的跳棋系统，特别 是战胜国际象棋人类世界冠军的 Deeper Blue 系 统，战胜两位全美问题抢答冠军的 Watson 系统， 以及战胜 61 位世界围棋顶尖高手的 AlphaGo 系 统，等等。 3) 感知动作系统 (也称为 Agent) 的研究产生 了一批各式各样的智能机器人，例如：小冰、小 i、 小度等，其中，最引人注目的是获得了沙特阿拉 伯联合王国国籍的 Sophia 系统，在一定领域的自 然语言理解能力令人叹为观止。 至今，三大学派各自演绎出的人工智能应用 系统已经不计其数。特别是 2016 年人工智能围 棋程序 AlphaGo 战胜韩国围棋顶尖高手李世乭以 来，世界各地的人工智能研究与应用风起云涌， 形成全球性的人工智能发展大潮。 耐人寻味的事实是：按照“分而治之”的原则 先后问世的人工智能三大学派，在整个历史上一 直各自为战，互不认可，甚至互不相容[16-17] ，始终 无法形成人工智能的整体理论，更不要说通用性 的整体理论，甚至找不到建立通用性整体性人工 智能理论的途径[18-19] ，因此始终无法达到人工智 能研究应当达到的成熟状态。 客观地说，在人工智能处于发展的初期阶段， 研究的注意力主要还停留在“局部摸索”阶段的时 候，“分而治之”方法论还没有显露出明显的负面 作用；但是，随着人工智能的研究不断向前发展， 注意力从仅仅关注人工智能的某些侧面、某些局 部的研究，逐步发展到越来越关注人工智能的整 体理论，甚至越来越关注人工智能的通用理论的 时候，“分而治之”方法论便成为了人工智能研究 的最大障碍。这是因为，按照“分而治之”方法论 思想把人工智能整体“分解”为各个部分的时候， 就不可避免地把各个部分之间复杂而看不见的信 息联系割断了，而这些信息联系正是整体系统的 生命线；生命线被割断了，整体理论的建立便不 再可能。显然，只有从源头上摆脱“分而治之”方 法论，人工智能的研究才能健康发展并逐步到达 成熟状态。 此外，沿用传统物质科学的科学范式，人工智 能的研究贯彻了“纯形式化”的原则。因此，它的 各种概念 (数据、信息、知识、智能) 和各种方法 (如各种变换和推理) 也全面实行了“纯形式化”的 原则。然而，人工智能的核心课题是“智能决 策”，只有形式因素而没有内容因素和价值因素的 决策怎么可能有足够的“智能水平”呢？由此造成 了现有人工智能系统的理解力低下以及结论的不 可解释。这种情况表明：人工智能的研究到了一 个“不能不变”的历史关头。 总之，作为信息科学技术高端产物的人工智 能研究，起步于 20 世纪中叶的工业时代并接受了 传统科学的科学范式有其历史的必然。现在，信 息时代已经发展起来，信息科学的科学观和方法 论也已经锤炼成型，人工智能研究转型换轨、回 归信息科学的科学范式的时刻已经到来！ 2 信息科学的科学范式 那么，什么是符合人工智能研究性质的科学 范式呢？ 第 3 期 钟义信：“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓 ·617·

·618… 智能系统学报 第15卷 前已述及，人工智能是开放的复杂信息系统， 的破坏也可能会反过来威胁主体“生存与发展”的 因此应当遵循信息科学的科学范式。经过半个多 目的。所以，主体生成的行为必需具有足够的“智 世纪的思考、探索和体验，笔者终于完成了对于 能”水平。 信息科学的科学范式的提炼。图1就是笔者总结 这就是“智能”问题的由来：“智能”是人类实 的智能系统的简化模型，包括人类智能系统和人 现“生存与发展”这个永恒目的的根本保证，没有 工智能系统。这个模型虽然如此简单，却是足 智能，就没有人类的生存与发展。这就透彻地解 够典型，而且可以清晰地揭示信息科学的科学范 释了：为什么“智能”问题会成为人类关注的焦点 式的基本特征。 和热点。这是研究“智能”问题的全部意义所在。 而且，模型还表明，信息是智能（智能策略和 主体（目的，知识） 智能行为)的真正源头。主体对信息的理解水平 和把握程度如何，将在很大的程度上决定他所生 客体信息 智能行为 成的行为是否真正具有智能以及智能水平如何。 因此，忽视了信息作用的人工智能研究必定会“先 客体环境 天不足”。 图1智能系统的最简模型 传统物质科学的科学观的基本特征是“客观 Fig.1 The simplest model of an intelligent system 性、确定性”。但图1的模型却表明：1)研究对象 首先需要说明，环境中的任何客体都能产生 应是“相互作用的双方是客体和主体”，而不是单 信息，这就是它所呈现出来的自身的状态及其变 纯的“客体”；2)相互作用的过程不是“确定性”的， 化方式。但是，1)模型中所表现的“客体信息”并 而是充满了“不确定性”。这说明，传统物质科学 不是外部世界一切客体所产生的信息，而只是“能 的科学观确实不适用于智能系统的研究，智能系 够直接作用于主体”的那些客体信息；2)并非所 统的研究应当接受“主体客体互动性”和“过程不 有能够直接作用于主体的客体信息都能参与“主 确定性”的科学观。 体与客体之间的相互作用”，只有那些与主体的目 传统物质科学的方法论的基本特征是“分而 的相关（正面相关或负面相关）的客体信息才能 治之，合成还原”。图1的模型却显示，在主体与 参与。换句话说，能够参与主客相互作用的客体 客体相互作用的过程中，客体信息将被主体一步 信息是经过主体选择的，否则无穷无尽的客体信 一步地加工生长成为智能行为，形成了一个以“信 息就会使主体手足无措，被客体信息所淹没。所 息生态，整体演化”为特征的信息生态演化过程。 以，这种限定不但是必要的和合理的，而且完全 这说明，传统物质科学的方法论也不再适用于智 符合现实的真实情况。 能系统的研究，智能系统的研究应当转而接受“信 现在我们就可以来考察图1模型的工作过程了。 息生态，整体演化”的方法论。 模型显示：人类主体是有“目的”的。人类共 图1的模型还表明，在智能系统研究的场合， 同体的永恒目的是要不断求得更好的“生存与发 是主体驾驭着主体与客体的相互作用，主体关注 展”。同时，人类主体也具有先前积累起来的知 的是它所追求的目的是否得到满足，后者必须采 识，通常称为“先验知识”。因此，当外界客体所 用“形式、内容、价值”的三位一体的描述和分析 产生的客体信息作用于主体的时候，为了维护主 方法。可见，传统科学方法论的“纯形式化”方法 体“生存和发展”的目的，主体就必须生成相应的 不能支持智能系统的研究。 行为反作用于客体。这里对主体行为的基本要求 基于以上的讨论，我们就可以总结出信息科 是：它必须是智能的行为，否则主体就不可能实 学的科学范式。 现自己的目的：同样，这个行为必须是智能的，否 表1给出了传统物质科学和现代信息科学 则就可能破坏环境的运行规律，而环境运行规律 2种科学范式的基本特征。 表1两种科学范式的主要特征对比 Table 1 Comparison of main characteristics of two scientific paradigms 科学范式 传统物质科学的科学范式 现代信息科学的科学范式 科学观 客观性，确定性 主客互动性，非确定性 方法论 分而治之，形式化 信息生态，形式、内容、价值一体化

前已述及，人工智能是开放的复杂信息系统， 因此应当遵循信息科学的科学范式。经过半个多 世纪的思考、探索和体验，笔者终于完成了对于 信息科学的科学范式的提炼。图 1 就是笔者总结 的智能系统的简化模型，包括人类智能系统和人 工智能系统[20]。这个模型虽然如此简单，却是足 够典型，而且可以清晰地揭示信息科学的科学范 式的基本特征。 主体 (目的, 知识) 客体信息 智能行为 客体/环境 图 1 智能系统的最简模型 Fig. 1 The simplest model of an intelligent system 首先需要说明，环境中的任何客体都能产生 信息，这就是它所呈现出来的自身的状态及其变 化方式。但是，1) 模型中所表现的“客体信息”并 不是外部世界一切客体所产生的信息，而只是“能 够直接作用于主体”的那些客体信息；2) 并非所 有能够直接作用于主体的客体信息都能参与“主 体与客体之间的相互作用”，只有那些与主体的目 的相关 (正面相关或负面相关) 的客体信息才能 参与。换句话说，能够参与主客相互作用的客体 信息是经过主体选择的，否则无穷无尽的客体信 息就会使主体手足无措，被客体信息所淹没。所 以，这种限定不但是必要的和合理的，而且完全 符合现实的真实情况。 现在我们就可以来考察图 1 模型的工作过程了。 模型显示：人类主体是有“目的”的。人类共 同体的永恒目的是要不断求得更好的“生存与发 展”。同时，人类主体也具有先前积累起来的知 识，通常称为“先验知识”。因此，当外界客体所 产生的客体信息作用于主体的时候，为了维护主 体“生存和发展”的目的，主体就必须生成相应的 行为反作用于客体。这里对主体行为的基本要求 是：它必须是智能的行为，否则主体就不可能实 现自己的目的；同样，这个行为必须是智能的，否 则就可能破坏环境的运行规律，而环境运行规律 的破坏也可能会反过来威胁主体“生存与发展”的 目的。所以，主体生成的行为必需具有足够的“智 能”水平。 这就是“智能”问题的由来：“智能”是人类实 现“生存与发展”这个永恒目的的根本保证，没有 智能，就没有人类的生存与发展。这就透彻地解 释了：为什么“智能”问题会成为人类关注的焦点 和热点。这是研究“智能”问题的全部意义所在。 而且，模型还表明，信息是智能 (智能策略和 智能行为) 的真正源头。主体对信息的理解水平 和把握程度如何，将在很大的程度上决定他所生 成的行为是否真正具有智能以及智能水平如何。 因此，忽视了信息作用的人工智能研究必定会“先 天不足”。 传统物质科学的科学观的基本特征是“客观 性、确定性”。但图 1 的模型却表明：1) 研究对象 应是“相互作用的双方是客体和主体”，而不是单 纯的“客体”；2) 相互作用的过程不是“确定性”的， 而是充满了“不确定性”。这说明，传统物质科学 的科学观确实不适用于智能系统的研究，智能系 统的研究应当接受“主体客体互动性”和“过程不 确定性”的科学观。 传统物质科学的方法论的基本特征是“分而 治之，合成还原”。图 1 的模型却显示，在主体与 客体相互作用的过程中，客体信息将被主体一步 一步地加工生长成为智能行为，形成了一个以“信 息生态，整体演化”为特征的信息生态演化过程。 这说明，传统物质科学的方法论也不再适用于智 能系统的研究，智能系统的研究应当转而接受“信 息生态，整体演化”的方法论。 图 1 的模型还表明，在智能系统研究的场合， 是主体驾驭着主体与客体的相互作用，主体关注 的是它所追求的目的是否得到满足，后者必须采 用“形式、内容、价值”的三位一体的描述和分析 方法。可见，传统科学方法论的“纯形式化”方法 不能支持智能系统的研究。 基于以上的讨论，我们就可以总结出信息科 学的科学范式。 表 1 给出了传统物质科学和现代信息科学 2 种科学范式的基本特征。 表 1 两种科学范式的主要特征对比 Table 1 Comparison of main characteristics of two scientific paradigms 科学范式 传统物质科学的科学范式 现代信息科学的科学范式 科学观 客观性，确定性 主客互动性，非确定性 方法论 分而治之，形式化 信息生态，形式、内容、价值一体化 ·618· 智 能 系 统 学 报 第 15 卷

第3期 钟义信：“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓 ·619· 3为什么要“范式革命引领” 导和支配力量。因此，在研究和建立一个学科的 整体理论的时候，一定要遵循正确的科学范式。 本文开头便指出：科学范式处在整个科学研 否则，就会事倍功半。表2给出了新科学研究活 究活动的最顶层，是整个科学研究活动的最高指 动中各种要素的合理层次结构2四。 表2新科学研究活动要素的层次结构及其意义 Table 2 Hierarchical structure of the elements of discipline research activities and its significance 科学研究的要素 要素涵义 要素作用 科学观 阐述一门学科的宏观总体认识 确保科学观念正确 科学范式 方法论 明确一门学科的宏观研究方法 确保科学方法有效 全局模型 确立一门学科研究的基本架构 确保研究模型真实 学科定位 研究路径 确立一门学科研究的基本方略 确保研究路径合理 交叉结构 认识本学科与其他学科的关系 确保交叉学科正确 学科基础 数理基础 明确一门学科理论的数理基础 确保数理基础精准 基本概念 构建一门学科的基础概念体系 确保概念体系完整 学科理论 基本原理 构建一门学科的基本原理体系 确保概念联系通畅 表2的意思是说，一门学科的科学范式，是关 能的范式处在“张冠李戴”的状态：传统物质科学 于这门学科的“总纲”，它从宏观上界定了这门学 的科学范式（张冠）支配着人工智能的研究活动 科“是什么”（科学观）和“怎么研究”（方法论）。有 (李戴)。这种状态对于通用性整体性人工智能理 了科学范式的引领，才能够明确这门学科的具体 论研究显然极不合理。因此，颠覆传统物质科学 定位，包括明确学科需要研究内容的蓝图（全局 的科学范式对人工智能研究的统领地位，确立信 模型)和研究的基本方略（研究路径）。有了正确 息科学的科学范式对人工智能研究的支配作用就 的学科定位，才能进一步认识符合科学范式和学 成为首当其冲的任务。一旦摆正了科学范式的地 科定位所要求的学科基础，包括它与其他学科的 位（正冠），理顺了上述要素的关系，整个科学研究 相互关系和所需要的数学基础与逻辑基础。最 就会一正百正，一顺百顺，一通百通。 后，根据所有上述要素的约束，才能确定学科所 4为什么要“信息转换担纲” 需要的基础概念和基本原理，形成学科的基本 理论。 在本文论述信息科学的科学范式的时候，借 这是研究一门学科的有机层次结构体系。需 助了图1的“智能系统最简模型”。在那里，我们 要指出的是，人们直接看到的是由基础概念和基 已经很明确地得到了“信息是智能的真正源头”的 本原理所组成的“学科理论”，但是，在学科理论 结论：一切智能策略和智能行为都源于外部客体 的后面却隐藏着一系列比它更基础、更深刻也更 所产生的客体信息的刺激，客体信息在主体目的 全面的要素：科学范式、学科定位和学科基础。 的引领下、在知识的支持下，最终转换成了解决 而且，科学范式决定着学科定位，学科定位决定 问题的智能策略和智能行为。没有客体信息的刺 着学科基础，科学范式、学科定位、学科基础共同 激，系统就不会产生对它的智能反应。 决定着学科理论。总之，在整个科学研究活动 由此就可以从图1的模型提炼出一个规律： 中，科学范式确实处于“统领”的地位。如果忽视 信息转换与智能创生。意思是说，首先要对客体 了科学范式的指导和支配作用，只是单纯地考虑 信息进行一系列的转换（转换是必要的，因为信 学科理论，忘记了根本，那就一定会出问题。特 息本身毕竞不是智能的)，然后才可能创生智能。 别是，在关注通用性和整体性人工智能理论研究 这里提到了“智能创生”，表明生成智能并非易 的时候，遵循正确的科学范式乃是成功的根本 事，需要复杂的信息转换，需要创造性。 保证。 顺便指出，可以证明，在信息与智能的研究领 就人工智能研究的历史与现状来看，人工智 域，“信息转换与智能创生”不是一个普通的规

3 为什么要“范式革命引领” 本文开头便指出：科学范式处在整个科学研 究活动的最顶层，是整个科学研究活动的最高指 导和支配力量。因此，在研究和建立一个学科的 整体理论的时候，一定要遵循正确的科学范式。 否则，就会事倍功半。表 2 给出了新科学研究活 动中各种要素的合理层次结构[21]。 表 2 新科学研究活动要素的层次结构及其意义 Table 2 Hierarchical structure of the elements of discipline research activities and its significance 科学研究的要素 要素涵义 要素作用 科学范式 科学观 阐述一门学科的宏观总体认识 确保科学观念正确 方法论 明确一门学科的宏观研究方法 确保科学方法有效 学科定位 全局模型 确立一门学科研究的基本架构 确保研究模型真实 研究路径 确立一门学科研究的基本方略 确保研究路径合理 学科基础 交叉结构 认识本学科与其他学科的关系 确保交叉学科正确 数理基础 明确一门学科理论的数理基础 确保数理基础精准 学科理论 基本概念 构建一门学科的基础概念体系 确保概念体系完整 基本原理 构建一门学科的基本原理体系 确保概念联系通畅 表 2 的意思是说，一门学科的科学范式，是关 于这门学科的“总纲”，它从宏观上界定了这门学 科“是什么”(科学观) 和“怎么研究”(方法论)。有 了科学范式的引领，才能够明确这门学科的具体 定位，包括明确学科需要研究内容的蓝图 (全局 模型) 和研究的基本方略 (研究路径)。有了正确 的学科定位，才能进一步认识符合科学范式和学 科定位所要求的学科基础，包括它与其他学科的 相互关系和所需要的数学基础与逻辑基础。最 后，根据所有上述要素的约束，才能确定学科所 需要的基础概念和基本原理，形成学科的基本 理论。 这是研究一门学科的有机层次结构体系。需 要指出的是，人们直接看到的是由基础概念和基 本原理所组成的“学科理论”，但是，在学科理论 的后面却隐藏着一系列比它更基础、更深刻也更 全面的要素：科学范式、学科定位和学科基础。 而且，科学范式决定着学科定位，学科定位决定 着学科基础，科学范式、学科定位、学科基础共同 决定着学科理论。总之，在整个科学研究活动 中，科学范式确实处于“统领”的地位。如果忽视 了科学范式的指导和支配作用，只是单纯地考虑 学科理论，忘记了根本，那就一定会出问题。特 别是，在关注通用性和整体性人工智能理论研究 的时候，遵循正确的科学范式乃是成功的根本 保证。 就人工智能研究的历史与现状来看，人工智 能的范式处在“张冠李戴”的状态：传统物质科学 的科学范式 (张冠) 支配着人工智能的研究活动 (李戴)。这种状态对于通用性整体性人工智能理 论研究显然极不合理。因此，颠覆传统物质科学 的科学范式对人工智能研究的统领地位，确立信 息科学的科学范式对人工智能研究的支配作用就 成为首当其冲的任务。一旦摆正了科学范式的地 位 (正冠)，理顺了上述要素的关系，整个科学研究 就会一正百正，一顺百顺，一通百通。 4 为什么要“信息转换担纲” 在本文论述信息科学的科学范式的时候，借 助了图 1 的“智能系统最简模型”。在那里，我们 已经很明确地得到了“信息是智能的真正源头”的 结论：一切智能策略和智能行为都源于外部客体 所产生的客体信息的刺激，客体信息在主体目的 的引领下、在知识的支持下，最终转换成了解决 问题的智能策略和智能行为。没有客体信息的刺 激，系统就不会产生对它的智能反应。 由此就可以从图 1 的模型提炼出一个规律： 信息转换与智能创生。意思是说，首先要对客体 信息进行一系列的转换 (转换是必要的，因为信 息本身毕竟不是智能的)，然后才可能创生智能。 这里提到了“智能创生”，表明生成智能并非易 事，需要复杂的信息转换，需要创造性。 顺便指出，可以证明，在信息与智能的研究领 域 ，“信息转换与智能创生”不是一个普通的规 第 3 期 钟义信：“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓 ·619·

·620· 智能系统学报 第15卷 律，而是一个普适性的基本规律，也就是“定律”， 弃”)，如果有关（无论是正面相关还是负面相 而且是与物质科学领域的“质量转换与物质不灭 关)就予以关注并生成“感知信息”，后者具有3个 定律”和能量科学领域的“能量转换与能量守恒定 分量：反映客体形态的“语法信息”，反映客体对 律”相辅相成的三大定律。“物质不灭”和“能量守 于主体目的而言的利害关系的“语用信息”以及定 恒”是自然界的物质资源和能量资源领域的根本 义在语法信息和语用信息之上的“语义信息”。根 规律，必须严格遵守，不可逾越；与此相应，“智能 据语义信息的这个定义，不难理解，语义信息可 创生”则是自然与社会的信息资源领域的根本规 以代表语法信息和语用信息，因此也就可以代表 律，人们可以遵循和运用这个定律来生成智能， 整个感知信息四。 从而更好地实现“生存与发展”的目的。这3个基 3)语义信息到知识的转换（认知）。 本定律恰好覆盖了物质领域、能量领域和信息领 通过归纳运算，主体就可以把输入的语义信 域，前两者告诉人们“不许如何如何”，后者告诉 息抽象、提炼成为相应的知识。与语义信息的情 人们“应该如何如何”。综合起来，3个基本定律 形相应，知识也具有形态性知识、价值性知识、由 告诉人们：在遵守“物质不灭”和“能量守恒”的前 形态性知识和价值性知识共同定义的内容性知 提下，可以通过“信息转换与智能创生”来为人类 识。这就是“通过认识活动获得知识”的认知过 谋求更好的“生存与发展”前景。 程。认知所生成的各种知识按照一定的规则组织 现在，我们就可以进一步地追问：有了“信息” 起来就构成了包括本能知识、常识知识、经验知 这个源头，怎样才能通过“信息转换”来生成智能 识和规范知识的综合的知识库。 系统所需要的“智能”（包括智能策略和智能行 4)语义信息到智能策略的转换（谋略与决策）。 为)呢？ 根据语义信息，主体就可以利用从综合知识 图2实际上是图1“智能系统最简模型”的详 库检索到的本能知识和常识知识生成相应的基础 细版：智能系统的标准模型，也是通用人工智能 意识反应，利用本能知识、常识知识和经验知识 理论模型21-2刘 生成情感反应，利用本能知识、常识知识、经验知 识和规范知识生成理智反应，并将它们综合成为 情感生成 基础意识 应对这个客体的“智能策略”（这个过程比较复杂， 理智生成 除合决策智能 可以参见文献[23)。 策略 知识目的 5)智能策略到智能行为的转换（执行）。 知识 认知 综合 效果好闲 知识库 主体通过执行机构把智能策略转换成为“智 N 能行为”，反作用于外部客体。 感知注意 客体 智能 策略执行引 感知 6)偏差信息到优化策略的转换（检验与优化）。 信息 信息 行为 在一般情况下，由于信息转换的每个步骤都 问题/环境 存在不理想性和不确定性，把智能行为反作用于 图2智能（人类智能和人工智能）系统的标准模型 客体之后的结果往往与预期目标之间会存在误 Fig.2 Standard model of intelligent (human intelligence 差。这种误差实际上就是一种新的信息，表示策 and artificial intelligence)systems 略的智能程度还不够。因此，需要把这种误差信 图2和图1一样，都刻画了人类主体与客体 息反馈到智能系统的输入端，产生新的感知信息/ 相互作用的过程。图2中的椭圆表示的是环境及 语义信息，学习和提取新的知识，根据目的、新 其中的客体（也可称为问题），其余部分则表示主 的信息和新的知识来改进策略，优化效果。这种 体为了生成智能行为所必需经历的基本过程，也 反馈、学习、优化的过程通常要进行多次，直到 就是“信息转换与智能创生定律（即普适性智能生 误差足够小为止。这时所得到的策略才是真正 成机制)”的实施过程： 可用的智能策略，把它存储在综合知识库（策略 1)客体（或问题）的信息作用于主体。 库)中备用。 2)客体信息到感知信息/语义信息的转换（感 7)重设目标（更新）。 知与注意)。 如果经过多次误差反馈、学习、优化过程都 由于主体具有目的和知识，所以，主体就通过 不能以满意的程度达到目标，主体就要考虑原来 “感知与注意”功能来判断这个客体信息是否与自 预设的目标可能不够合理，需要重新预设目标， 己的目的有关，如果无关就不予理会（也就是“舍 重新进行上述信息转换过程，直到信息转换过程

律，而是一个普适性的基本规律，也就是“定律”， 而且是与物质科学领域的“质量转换与物质不灭 定律”和能量科学领域的“能量转换与能量守恒定 律”相辅相成的三大定律。“物质不灭”和“能量守 恒”是自然界的物质资源和能量资源领域的根本 规律，必须严格遵守，不可逾越；与此相应，“智能 创生”则是自然与社会的信息资源领域的根本规 律，人们可以遵循和运用这个定律来生成智能， 从而更好地实现“生存与发展”的目的。这 3 个基 本定律恰好覆盖了物质领域、能量领域和信息领 域，前两者告诉人们“不许如何如何”，后者告诉 人们“应该如何如何”。综合起来，3 个基本定律 告诉人们：在遵守“物质不灭”和“能量守恒”的前 提下，可以通过“信息转换与智能创生”来为人类 谋求更好的“生存与发展”前景。 现在，我们就可以进一步地追问：有了“信息” 这个源头，怎样才能通过“信息转换”来生成智能 系统所需要的“智能” (包括智能策略和智能行 为) 呢？ 图 2 实际上是图 1“智能系统最简模型”的详 细版：智能系统的标准模型，也是通用人工智能 理论模型[21-24]。 基础意识 情感生成 理智生成 综合决策 智能 策略 知识目的 知识 认知 综合 知识库 效果好坏 策略执行 智能 行为 问题/环境 客体 信息 感知 信息 感知注意 Y N 图 2 智能 (人类智能和人工智能) 系统的标准模型 Fig. 2 Standard model of intelligent (human intelligence and artificial intelligence) systems 图 2 和图 1 一样，都刻画了人类主体与客体 相互作用的过程。图 2 中的椭圆表示的是环境及 其中的客体 (也可称为问题)，其余部分则表示主 体为了生成智能行为所必需经历的基本过程，也 就是“信息转换与智能创生定律 (即普适性智能生 成机制)”的实施过程： 1) 客体 (或问题) 的信息作用于主体。 2) 客体信息到感知信息/语义信息的转换 (感 知与注意)。 由于主体具有目的和知识，所以，主体就通过 “感知与注意”功能来判断这个客体信息是否与自 己的目的有关，如果无关就不予理会 (也就是“舍 弃” ) ，如果有关 (无论是正面相关还是负面相 关) 就予以关注并生成“感知信息”，后者具有 3 个 分量：反映客体形态的“语法信息”，反映客体对 于主体目的而言的利害关系的“语用信息”以及定 义在语法信息和语用信息之上的“语义信息”。根 据语义信息的这个定义，不难理解，语义信息可 以代表语法信息和语用信息，因此也就可以代表 整个感知信息[21]。 3) 语义信息到知识的转换 (认知)。 通过归纳运算，主体就可以把输入的语义信 息抽象、提炼成为相应的知识。与语义信息的情 形相应，知识也具有形态性知识、价值性知识、由 形态性知识和价值性知识共同定义的内容性知 识。这就是“通过认识活动获得知识”的认知过 程。认知所生成的各种知识按照一定的规则组织 起来就构成了包括本能知识、常识知识、经验知 识和规范知识的综合的知识库。 4) 语义信息到智能策略的转换 (谋略与决策)。 根据语义信息，主体就可以利用从综合知识 库检索到的本能知识和常识知识生成相应的基础 意识反应，利用本能知识、常识知识和经验知识 生成情感反应，利用本能知识、常识知识、经验知 识和规范知识生成理智反应，并将它们综合成为 应对这个客体的“智能策略”(这个过程比较复杂， 可以参见文献 [23])。 5) 智能策略到智能行为的转换 (执行)。 主体通过执行机构把智能策略转换成为“智 能行为”，反作用于外部客体。 6) 偏差信息到优化策略的转换 (检验与优化)。 在一般情况下，由于信息转换的每个步骤都 存在不理想性和不确定性，把智能行为反作用于 客体之后的结果往往与预期目标之间会存在误 差。这种误差实际上就是一种新的信息，表示策 略的智能程度还不够。因此，需要把这种误差信 息反馈到智能系统的输入端，产生新的感知信息/ 语义信息，学习和提取新的知识，根据目的、新 的信息和新的知识来改进策略，优化效果。这种 反馈、学习、优化的过程通常要进行多次，直到 误差足够小为止。这时所得到的策略才是真正 可用的智能策略，把它存储在综合知识库 (策略 库) 中备用。 7) 重设目标 (更新)。 如果经过多次误差反馈、学习、优化过程都 不能以满意的程度达到目标，主体就要考虑原来 预设的目标可能不够合理，需要重新预设目标， 重新进行上述信息转换过程，直到信息转换过程 ·620· 智 能 系 统 学 报 第 15 卷

第3期 钟义信：“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓 ·621· 所生成的智能策略能够满意地达到预设的目标 两个问题：“引领”解决的是研究方向问题，“担纲” 为止。 解决的是实施方略问题。 以上7个步骤，构成了人工智能理论研究的 在表2所示的科学研究各种要素结构体系 基本问题，也反映了“人类认识世界和改造世界并 中，学科理论属于“显要素”，科学范式、学科定 在改造客观世界的过程中同时改造自己”的过 位和学科基础则属于“隐要素”。“显要素”是看 程。人类就是在“不断地认识世界和改造世界并 得见的，“隐要素”是看不见的；但是，正如“思想 在改造客观世界的过程中同时改造自己”的过程 指导行动”的道理一样，“显要素”是由“隐要素” 中不断进步，不断求得越来越好的生存与发展。 决定的。这也是“有（有形的）生于无（无形的）” 人工智能系统也就在这样的过程中逐渐实现主体 的道理。 目标。 所以，科学研究工作者应当同时关注显要素 从图2和上述7个步骤，可以非常清晰和确 和隐要素，甚至应当更加关注隐要素，也就是要 切地体会到：为什么在研究通用性和整体性人工 有刨根问底的精神。不无遗憾的是，人们往往只 智能理论的时候一定要以“信息转换”来担纲。实 看见“显要素”，不太关心甚至完全忽视“隐要 际上，主体生成智能策略和智能行为的整个过程 素”。这是缺乏创新特别是源头原始创新的思维 就是实施信息转换的纲领的过程。 根源。学科理论是怎么来的？学科理论应当怎 图2所示的智能系统模型是通用的模型，既 样定位？应当遵守哪些重要的约束？比学科理 适用于人类智能，也适用于生物智能和人工智 论更为深刻的“科学范式、学科定位、学科基础” 能。当然，生物智能可以看作是人类智能的特殊 是怎样支配着学科的理论？只有正本清源，才能 情形，模型将要适当简化和特化，但原理是一致 在源头上发现问题，在源头上创新，直至进入学 的。人工智能的情形也与此类似，特别是，人工 术研究的“无人区”。因此，本文的讨论应当是有 智能系统的“目的”是人类主体赋予的。 益的。 通用模型的另一层意义是：它适合于解决各 种不同领域的问题。它的通用程度主要取决于综 参考文献： 合知识库所存储的知识领域范围：不管是什么具 [1]MCCULLOCH W S,PITTS W.A logical calculus of the 体的领域，解决问题的系统框架和工作机制是一 ideas immanent in nervous activity[J].The bulletin of 致的，所不同的只是具体的信息内容、知识内容 mathematical biophysics,1943,5(4):115-133 和智能内容。 [2]ROSENBLATT F.The perceptron:a probabilistic model 在建立了通用性整体性人工智能的理论模型 for information storage and organization in the brain[J]. 之后，接下来的问题就是要研究模型中每个模块 Psychological review,1958,65(6):386-408. 的技术原理和系统实现。目前，这些问题已被解 [3]HOPFIELD JJ.Neural networks and physical systems 决。不过，由于篇幅的考虑，这些问题很难在 with emergent collective computational abilities[J].Pro- 篇文章里都得到阐述。建议有这方面兴趣的读者 ceedings of the national academy of sciences of the United 可以参阅作者的相关论著22。 States of America.1982,79(8):2554-2558 5结束语 [4]KOHONEN T.The self-organizing map[J].Proceedings of EEE,1990,78(9):1464-1480 处理好显要素与隐要素的关系。人工智能现 [5]MCCLELLAND JL.RUMELHART D E.Parallel distrib. 今的各种应用，多少已经有点令人眼花缭乱，然 uted processing[M].Cambridge:MIT Press,1986 而，对于人工智能下一步的发展来说，当前社会 [6]MCCARTHY J,MINSKY ML,ROCHESTER N,et al.A 更为关注的却是通用性和整体性人工智能。而 proposal for the Dartmouth summer research project on ar- 且，如果没有这方面的理论成果的进步，原有理 tificial intelligence[R].Dartmouth College,1955. 论演绎出来的应用（如模式识别等）热情一旦减 [7]NEWELL A.Physical symbol systems[J].Cognitive sci- 退，新一轮人工智能的寒冬迟早还会再度来临。 ence,1980,4(2:135-183 为此，本文主要根据笔者自己长期的研究积 [8]TURING A M.Can machine think?[M]//FEIGENBAUM 累，论述了通用性整体性人工智能理论研究的成 E A,FELDMAN J.Computers and Thought.New York: 功之路：“范式革命引领”和“信息转换担纲”。这 McGraw-Hill,1963. 是通用性和整体性人工智能理论研究最为关键的 [9]NEWELL A,SIMON H A.GPS,a program that simulates

所生成的智能策略能够满意地达到预设的目标 为止。 以上 7 个步骤，构成了人工智能理论研究的 基本问题，也反映了“人类认识世界和改造世界并 在改造客观世界的过程中同时改造自己”的过 程。人类就是在“不断地认识世界和改造世界并 在改造客观世界的过程中同时改造自己”的过程 中不断进步，不断求得越来越好的生存与发展。 人工智能系统也就在这样的过程中逐渐实现主体 目标。 从图 2 和上述 7 个步骤，可以非常清晰和确 切地体会到：为什么在研究通用性和整体性人工 智能理论的时候一定要以“信息转换”来担纲。实 际上，主体生成智能策略和智能行为的整个过程 就是实施信息转换的纲领的过程。 图 2 所示的智能系统模型是通用的模型，既 适用于人类智能，也适用于生物智能和人工智 能。当然，生物智能可以看作是人类智能的特殊 情形，模型将要适当简化和特化，但原理是一致 的。人工智能的情形也与此类似，特别是，人工 智能系统的“目的”是人类主体赋予的。 通用模型的另一层意义是：它适合于解决各 种不同领域的问题。它的通用程度主要取决于综 合知识库所存储的知识领域范围：不管是什么具 体的领域，解决问题的系统框架和工作机制是一 致的，所不同的只是具体的信息内容、知识内容 和智能内容。 在建立了通用性整体性人工智能的理论模型 之后，接下来的问题就是要研究模型中每个模块 的技术原理和系统实现。目前，这些问题已被解 决。不过，由于篇幅的考虑，这些问题很难在一 篇文章里都得到阐述。建议有这方面兴趣的读者 可以参阅作者的相关论著[22-24]。 5 结束语 处理好显要素与隐要素的关系。人工智能现 今的各种应用，多少已经有点令人眼花缭乱，然 而，对于人工智能下一步的发展来说，当前社会 更为关注的却是通用性和整体性人工智能。而 且，如果没有这方面的理论成果的进步，原有理 论演绎出来的应用 (如模式识别等) 热情一旦减 退，新一轮人工智能的寒冬迟早还会再度来临。 为此，本文主要根据笔者自己长期的研究积 累，论述了通用性整体性人工智能理论研究的成 功之路：“范式革命引领”和“信息转换担纲”。这 是通用性和整体性人工智能理论研究最为关键的 两个问题：“引领”解决的是研究方向问题，“担纲” 解决的是实施方略问题。 在表 2 所示的科学研究各种要素结构体系 中，学科理论属于“显要素”，科学范式、学科定 位和学科基础则属于“隐要素”。“显要素”是看 得见的，“隐要素”是看不见的；但是，正如“思想 指导行动”的道理一样，“显要素”是由“隐要素” 决定的。这也是“有 (有形的) 生于无 (无形的)” 的道理。 所以，科学研究工作者应当同时关注显要素 和隐要素，甚至应当更加关注隐要素，也就是要 有刨根问底的精神。不无遗憾的是，人们往往只 看见“显要素” ，不太关心甚至完全忽视“隐要 素”。这是缺乏创新特别是源头原始创新的思维 根源。学科理论是怎么来的？学科理论应当怎 样定位？应当遵守哪些重要的约束？比学科理 论更为深刻的“科学范式、学科定位、学科基础” 是怎样支配着学科的理论？只有正本清源，才能 在源头上发现问题，在源头上创新，直至进入学 术研究的“无人区”。因此，本文的讨论应当是有 益的。 参考文献： MCCULLOCH W S, PITTS W. A logical calculus of the ideas immanent in nervous activity[J]. The bulletin of mathematical biophysics, 1943, 5(4): 115–133. [1] ROSENBLATT F. The perceptron: a probabilistic model for information storage and organization in the brain[J]. Psychological review, 1958, 65(6): 386–408. [2] HOPFIELD J J. Neural networks and physical systems with emergent collective computational abilities[J]. Pro￾ceedings of the national academy of sciences of the United States of America, 1982, 79(8): 2554–2558. [3] KOHONEN T. The self-organizing map[J]. Proceedings of IEEE, 1990, 78(9): 1464–1480. [4] MCCLELLAND J L, RUMELHART D E. Parallel distrib￾uted processing[M]. Cambridge: MIT Press, 1986. [5] MCCARTHY J, MINSKY M L, ROCHESTER N, et al. A proposal for the Dartmouth summer research project on ar￾tificial intelligence[R]. Dartmouth College, 1955. [6] NEWELL A. Physical symbol systems[J]. Cognitive sci￾ence, 1980, 4(2): 135–183. [7] TURING A M. Can machine think?[M]//FEIGENBAUM E A, FELDMAN J. Computers and Thought. New York: McGraw-Hill, 1963. [8] [9] NEWELL A, SIMON H A. GPS, a program that simulates 第 3 期 钟义信：“范式变革”引领与“信息转换”担纲：机制主义通用人工智能的理论精髓 ·621·

·622· 智能系统学报 第15卷 human thought[M]//FEIGENBAUM E A,FELDMAN J. [20]钟义信.人工智能：概念方法机遇).科学通报，2017 Computers and Thought.New York:McGraw-Hill,1963: 62(22):2473-2479 279-293 ZHONG Yixin.Artificial intelligence:concept,approach [10]FEIGENBAUM A.The art of artificial intelligence: and opportunity[J].Chinese science bulletin,2017, themes and case studies of knowledge engineering[C]// 6222):2473-2479 Proceedings of the 5th international joint conference on [21]钟义信.机制主义人工智能理论—一一种通用的人工 Artificial intelligence.Cambridge,USA,1977:1014-1029. 智能理论[).智能系统学报，2018,13(1)2-18。 [11]NILSSON N J.Principles of artificial intelligence[M]. ZHONG Yixin.Mechanism-based artificial intelligence Berlin:Springer-Verlag,1982 theory:a universal theory of artifical intelligence[J]. [12]MINSKY M.The society of mind[M].New York:Simon CAAI transactions on intelligent systems,2018,13(1): and Schuster,1986. 2-18. [13]BROOKS R A.Intelligence without representation[J].Ar- [22]钟义信.信息科学原理[M).福州：福建人民出版社， tificial intelligence,1991,47(1//3):139-159. 1988. [14]BROOKS R A.Elephant cannot play chess[J].Autonom- [23]钟义信.机器知行学原理M).北京：科学出版社，2007. ous robert,1990,6:3015. [24]钟义信.高等人工智能原理[M.北京：科学出版社， [15]BROOKS R A.Engineering approach to building com- 2014 plete,intelligent beings[C]//Proceedings of the SPIE Intel- ligent Robots and Computer Vision VII.Boston,USA, 作者简介： 钟义信，教授，博士生导师，发展 1989:618-625. 中世界工程技术科学院院土，国际信 [16]MINSKY M L,PAPERT S.Perceptron[M].Cambridge: 息研究会2022一2023年度候任主席 MIT Press,1969 北京邮电大学原副校长，曾任国家 [17]PAPERT S.One AI or many?[J].Daedalus,1988,117(1): 863计划通信主题首届首席专家，中 1-14. 国人工智能学会第4届和第5届理事 [18]RUSSELL S J,NORVIG P.Artificial intelligence:a mod- 会理事长，国务院信息化领导小组办 ern approach[M].Englewood Cliffs,N.J.:Prentice Hall, 公室专家委员会常务理事，中国科协-联合国信息技术咨商 委员主席，主要研究方向为信息化、信息科学和人工智能基 1995 础。获得首届吴文俊人工智能科学技术成就奖和原邮电部 [19]NILSSON N J.Artificial intelligence:a new synthesis[M]. 科技进步一等奖等多项奖励。发表学术论文500余篇，出版 San Francisco:Morgan Kaufmann Publishers,1998 专著18部

human thought[M]//FEIGENBAUM E A, FELDMAN J. Computers and Thought. New York: McGraw-Hill, 1963: 279−293. FEIGENBAUM A. The art of artificial intelligence: themes and case studies of knowledge engineering[C]// Proceedings of the 5th international joint conference on Artificial intelligence. Cambridge, USA, 1977: 1014−1029. [10] NILSSON N J. Principles of artificial intelligence[M]. Berlin: Springer-Verlag, 1982. [11] MINSKY M. The society of mind[M]. New York: Simon and Schuster, 1986. [12] BROOKS R A. Intelligence without representation[J]. Ar￾tificial intelligence, 1991, 47(1/2/3): 139–159. [13] BROOKS R A. Elephant cannot play chess[J]. Autonom￾ous robert, 1990, 6: 3015. [14] BROOKS R A. Engineering approach to building com￾plete, intelligent beings[C]//Proceedings of the SPIE Intel￾ligent Robots and Computer Vision VII. Boston, USA, 1989: 618−625. [15] MINSKY M L, PAPERT S. Perceptron[M]. Cambridge: MIT Press, 1969. [16] PAPERT S. One AI or many?[J]. Daedalus, 1988, 117(1): 1–14. [17] RUSSELL S J, NORVIG P. Artificial intelligence: a mod￾ern approach[M]. Englewood Cliffs, N.J.: Prentice Hall, 1995. [18] NILSSON N J. Artificial intelligence: a new synthesis[M]. San Francisco: Morgan Kaufmann Publishers, 1998. [19] 钟义信. 人工智能: 概念∙方法∙机遇 [J]. 科学通报, 2017, 62(22): 2473–2479. ZHONG Yixin. Artificial intelligence: concept, approach and opportunity[J]. Chinese science bulletin, 2017, 62(22): 2473–2479. [20] 钟义信. 机制主义人工智能理论——一种通用的人工 智能理论 [J]. 智能系统学报, 2018, 13(1): 2–18. ZHONG Yixin. Mechanism-based artificial intelligence theory: a universal theory of artifical intelligence[J]. CAAI transactions on intelligent systems, 2018, 13(1): 2–18. [21] 钟义信. 信息科学原理 [M]. 福州: 福建人民出版社, 1988. [22] [23] 钟义信. 机器知行学原理 [M]. 北京: 科学出版社, 2007. 钟义信. 高等人工智能原理 [M]. 北京: 科学出版社, 2014. [24] 作者简介： 钟义信，教授，博士生导师，发展 中世界工程技术科学院院士，国际信 息研究会 2022—2023 年度候任主席， 北京邮电大学原副校长，曾任国家 863 计划通信主题首届首席专家，中 国人工智能学会第 4 届和第 5 届理事 会理事长，国务院信息化领导小组办 公室专家委员会常务理事，中国科协−联合国信息技术咨商 委员主席，主要研究方向为信息化、信息科学和人工智能基 础。获得首届吴文俊人工智能科学技术成就奖和原邮电部 科技进步一等奖等多项奖励。发表学术论文 500 余篇，出版 专著 18 部。 ·622· 智 能 系 统 学 报 第 15 卷