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)