·10- 智能系统学报 第13卷 语义信息 知识 预处理 归纳型算法 后处理 演绎过程不足以生成智能策略，就可以返回去要求 归纳新的知识，以支持更好的演绎。 认识论 欠成熟的 成熟的 超成熟的 信息 经验知识 规范知识 综合知识库 归纳学 验证提炼 自然沉淀常识知识 图6第二类信息转换原理模型示意图 Fig.6 A schematic diagram of second type of information conversion principles 本能知识 图7是“由语义信息转换为知识”的一个具体例 图8知识的内生态规律 子，即由钢笔、毛笔、铅笔这类具体的事物名称（语 Fig.8 The internal ecological law of knowledge 义信息)归纳出“笔”这个抽象概念（知识）的过程。 从中可以看出，语义信息（由相应的语法信息和语 认识论信息 归纳H 知识 (演绎)智能（策略 用信息映射命名所确定)是生成知识（概念是知识 的“原子”)的基础和前提：通过分别对具体事物（钢 图9知识的外部生态规律模型 笔、毛笔、铅笔)的语义信息的共性形态特征和共性 Fig.9 Model of external ecological law of knowledge 功能（效用）特征的提取，就归纳出抽象概念（笔）的 同信息的表示方法类似，也可以用因素空间理 共性形态特征和共性功能（价值）特征，从而抽象出 论有效地表示知识29。 了“笔的概念（知识的一个原子）。 4.3决策（智能创生）：第三类信息转换原理 笔 对照图2的模型可知，智能系统最为核心也是 最复杂的任务是：针对主体所选定的具体问题（语 共性形态特征集 共性功能特征集 义信息代表了主体对于“问题的感性认识)，在相关 知识支持下，在目标牵引下，创生解决问题达到目 标的智能策略。之所以这样说，是因为：智能策略 钢笔 毛笔 铅笔 是系统解决问题的“智能水平”的最集中体现，而 生成智能策略的过程也是最为复杂的过程，包括基 形态特 功能特 形态特 功能特 形态待 功能特 征集1 征集1 征集2 征集2 征集3 征集3 础意识的生成、情感的生成、理智的生成以及综合 图7由语义信息转换为知识的例子 决策。 Fig.7 An example of conversion from semantic informa- 其中所说的“理智”，大体上相当于现行人工智 tion to knowledge 能术语中的“智能”；不过，真正的智能应是基础意 读者不难由此举一反三，分析更多“由语义信息 识（基础智能）、情感（感性智能）和理智（理性智 归纳知识”的实际案例。所有的案例都会表明，如果 能)的综合表现，因此，为了与“基础意识”和“情感” 没有语义信息这个前提，获得知识就会成为无源之 的名称形成和谐默契的关系，这里就把过去习惯上 水。知识还具有两个特别有用的性质，这就是知识 称为“智能”的这个术语专门规范为“理性智能”，简 的内生态规律和知识的外生态规律。 称“理智”。 1)知识的内生态规律 另外，这里把智能生成称为“智能创生”，这是因 在先天的本能知识支持下，后天的经验知识才 为，由语义信息生成智能策略并非一般简单的逻辑 可以从语义信息（它是感知信息/认识论信息的代 演绎过程，其间存在许多不确定性：实际获得的语 表)归纳出来，它是“欠成熟”的知识，可通过修正和 法信息和语用信息的非完善性，由此导致语义信息 提炼而生长成为“成熟”的规范知识，两者又可通过 的不精准性以及知识的不充分性，预设目标的欠合 自然凝练生长成为“过成熟”的常识知识。本能知 理性等。因此，由语义信息生成智能策略的过程带 识、常识知识、经验知识、规范知识的概念易由图8 有难以避免的误差性，需要通过不断学习来优化， 获知。 其间也包含着“涌现”的复杂机制，是创造性生成，故 2)知识的外生态规律 日“创生”。 图9给出了知识的外生态规律模型，即由语义 如前所说，信息生态过程“源于信息，长于知 信息通过归纳生长成为知识，后者通过演绎可以生 识，成于智能”。因此，“智能创生”是人工智能理论 长成为智能策略；图中的虚线联系表示，如果通过 的“集大成者”也是最精彩最复杂的环节，而且也是预处理 归纳型算法 后处理 语义信息 知识 综合知识库 图 6 第二类信息转换原理模型示意图 Fig. 6 A schematic diagram of second type of information conversion principles 图 7 是“由语义信息转换为知识”的一个具体例 子，即由钢笔、毛笔、铅笔这类具体的事物名称 (语 义信息) 归纳出“笔”这个抽象概念 (知识) 的过程。 从中可以看出，语义信息 (由相应的语法信息和语 用信息映射命名所确定) 是生成知识 (概念是知识 的“原子”) 的基础和前提：通过分别对具体事物 (钢 笔、毛笔、铅笔) 的语义信息的共性形态特征和共性 功能 (效用) 特征的提取，就归纳出抽象概念 (笔) 的 共性形态特征和共性功能 (价值) 特征，从而抽象出 了“笔”的概念 (知识的一个原子)。 笔 共性形态特征集 共性功能特征集 钢笔 毛笔 铅笔 形态特 征集1 功能特 征集1 形态特 征集2 功能特 征集2 形态特 征集3 功能特 征集3 图 7 由语义信息转换为知识的例子 Fig. 7 An example of conversion from semantic informa￾tion to knowledge 读者不难由此举一反三，分析更多“由语义信息 归纳知识”的实际案例。所有的案例都会表明，如果 没有语义信息这个前提，获得知识就会成为无源之 水。知识还具有两个特别有用的性质，这就是知识 的内生态规律和知识的外生态规律。 1) 知识的内生态规律 在先天的本能知识支持下，后天的经验知识才 可以从语义信息 (它是感知信息/认识论信息的代 表) 归纳出来，它是“欠成熟”的知识，可通过修正和 提炼而生长成为“成熟”的规范知识，两者又可通过 自然凝练生长成为“过成熟”的常识知识。本能知 识、常识知识、经验知识、规范知识的概念易由图 8 获知。 2) 知识的外生态规律 图 9 给出了知识的外生态规律模型，即由语义 信息通过归纳生长成为知识，后者通过演绎可以生 长成为智能策略；图中的虚线联系表示，如果通过 演绎过程不足以生成智能策略，就可以返回去要求 归纳新的知识，以支持更好的演绎。 认识论 信息 欠成熟的 经验知识 成熟的 规范知识 超成熟的 常识知识 归纳学习 验证提炼 自然沉淀 本能知识 图 8 知识的内生态规律 Fig. 8 The internal ecological law of knowledge 认识论信息 归纳 知识 演绎 智能（策略） 图 9 知识的外部生态规律模型 Fig. 9 Model of external ecological law of knowledge 同信息的表示方法类似，也可以用因素空间理 论有效地表示知识[29]。 4.3 决策 (智能创生)：第三类信息转换原理 对照图 2 的模型可知，智能系统最为核心也是 最复杂的任务是：针对主体所选定的具体问题 (语 义信息代表了主体对于“问题”的感性认识)，在相关 知识支持下，在目标牵引下，创生解决问题达到目 标的智能策略。之所以这样说，是因为：智能策略 是系统解决问题的“智能水平”的最集中体现，而 生成智能策略的过程也是最为复杂的过程，包括基 础意识的生成、情感的生成、理智的生成以及综合 决策。 其中所说的“理智”，大体上相当于现行人工智 能术语中的“智能”；不过，真正的智能应是基础意 识 (基础智能)、情感 (感性智能) 和理智 (理性智 能) 的综合表现，因此，为了与“基础意识”和“情感” 的名称形成和谐默契的关系，这里就把过去习惯上 称为“智能”的这个术语专门规范为“理性智能”，简 称“理智”。 另外，这里把智能生成称为“智能创生”，这是因 为，由语义信息生成智能策略并非一般简单的逻辑 演绎过程，其间存在许多不确定性：实际获得的语 法信息和语用信息的非完善性，由此导致语义信息 的不精准性以及知识的不充分性，预设目标的欠合 理性等。因此，由语义信息生成智能策略的过程带 有难以避免的误差性，需要通过不断学习来优化， 其间也包含着“涌现”的复杂机制，是创造性生成，故 曰“创生”。 如前所说，信息生态过程“源于信息，长于知 识，成于智能”。因此，“智能创生”是人工智能理论 的“集大成者”也是最精彩最复杂的环节，而且也是 ·10· 智 能 系 统 学 报 第 13 卷