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