人=机器人论题的困境与出路
关键词： 机器人人=机器人论题的困境与出路
——评勃克斯的逻辑机器哲学
任晓明/文
提要：计算机科学与信息技术的迅猛发展，必然引起哲学范式的转换，从而提出具有创新意义的研究纲领。逻辑机器哲学是传统哲学与现代计算机科学、信息技术的哲学思考相结合的产物。它通过人与计算机的类比，探讨用计算机模拟人类心智的可能性以及有关的哲学问题。从本质上看，勃克斯的逻辑机器哲学及其人=机器人论题建基于心智的计算观，而心智的计算观不断地受到了严重的质疑。人工生命的进化研究成果表明，心智的计算观的困境是可以摆脱的。“人工意识”的计算机生成和进化系统的动力学研究，将为拯救和发展心智的计算观开辟了新的道路。
关键词：计算机革命；逻辑机器哲学；人工生命
中图分类号：B81-055文献标识码：A
勃克斯把自己的哲学叫做逻辑机器哲学（philosophy of logical machinism）。逻辑机器哲学的中心论题是一个有穷自动机（机器人）可以实现人的一切自然功能。这就是他所谓的“人=机器人论题”（man=robots thesis），也叫做“心智-机器论题”(mind-machine thesis)。
逻辑机器哲学及其人=机器人论题显然是基于早期唯物论哲学之遗绪，即希腊人的朴素唯物论，18世纪拉美特利（人是机器）和霍尔巴赫的机械唯物论的遗绪。然而，逻辑机器哲学形态与众不同之处在于，它还基于这样一些在最近100年间取得长足发展的有关学说，即数理逻辑、现代电子计算机和程序语言的理论以及应用、宇宙进化和生物进化理论。
一、对人=机器人论题的辩护
所谓人=机器人论题所提出的问题是：一个机器人可以实现人的一切自然功能吗？换言之，有穷决定性自动机能够行使人的所有功能吗？勃克斯认为，就计算机科学和人工智能研究现状看，还难以做出肯定或否定的回答；只能做哲学的思考和推断。其答案是：有穷决定论自动机能够行使人的所有功能。这个答案包括两方面的含义——一是它的决定性方面，二是它的有穷方面。一个自动机之所以是决定性的，是因为它的输入和输出曲线之间有决定性的关系，每一条输入曲线都产生一条唯一的输出曲线。换言之，在一台决定性自动机中，当前的输入状态I与当前的内存延迟状态D决定了下一个唯一的内部延迟状态。另一方面，一个自动机之所以是有穷的，是因为尽管这些函数曲线的长度是无穷的，但它们的基础是有穷的。因为它们由有穷的离散时刻组成。另一方面，要回答上述问题，还必须对机器人能否拥有情感和意识做出回答。于是，这个问题又可以分为以下几个子问题：
1. 这种自动机可以是决定性的吗？
勃克斯的答案是肯定的。就自动机的决定性方面而言，有人会以非决定性的概率自动机为例，证明它同样可以行使人的所有自然功能。为此，勃克斯指出，决定论与概率论的关系问题是一个非常复杂的问题。这里关键的概念是伪随机性。概率自动机的行为往往是伪随机性的。在他看来，一个伪随机性序列表面上看来是随机的，但实际上是决定性的。在计算机的概率运算中，伪随机性序列已被成功地应用。尽管计算机是决定性的，但对于伪随机性序列照样运用自如。因此，勃克斯认为，伪随机性序列和决定性序列都同样适合于编制计算机程序以行使人的自然功能。他的结论是：如果概率自动机可以行使人的所有功能，那么决定性自动机同样能够行使人的所有自然功能。
2. 这种自动机可以是有穷的吗？
就自动机的有穷性方面而言，勃克斯论证说，有穷自动机事实上能够行使人的所有自然功能。他指出，我们人类的每一种自然功能都是根据对于一组刺激的反应来定义的；而感觉刺激的哪怕是极为微小的差别都将导致神经反应的极大差别——哪怕是多出一根稻草也会压垮骆驼。因此，只有当每一种可能输入的菜单包含了导致不同可能输出结果的无穷多个细节，有关人类自然功能的完全说明才有可能。然而，用以完全说明有关人类自然功能所能获得的细节数量又存在着一个极限。例如，存在着有机体不能为之做出反应的刺激强度之间极为细微的差别，也存在着有机体来不及在身体变化方面做出反应的极为短暂的时间间隔，还存在着有机体无法检测在其区域内产生质变的极为微小的空间体积，这就向人=机器人论题提出了又一个挑战。为此，勃克斯采用所谓量子论证来应对上述挑战。他借用量子论概念来分析时间空间结构，将时间、空间分割到不可再分的最小单元，从而得到时空量子（quantum of space-time）的概念。在勃克斯看来，由于存在着时空量子，生物有机体也就只需对发生在时空中的有限数目的质的差异做出反应。由于人的肉体是有限的，可分为有限个空间量子，生物有机体也就只需区别有限数目的不同的可能输入状态了。于是，他进一步论证说，人的时空量子与自动机的时空结构有某种对应关系。人的时间量子可对应于有穷自动机的离散时刻（0，1，2，3，……直至无穷）；人的一个空间量子可对应于有穷自动机的一根输入线。这样一来，就人的自然功能而言，人的输入函数关系曲线具有与有穷自动机同样的逻辑结构：因为二者的每一条可能的输入函数关系曲线都是由有限设备制作的输入状态的离散序列。同样，人的输出函数关系曲线也具有与有穷自动机相同的逻辑结构。最后，勃克斯论证说，人的输入曲线向输出曲线的转换与自动机的类似转换，其结构也是相同的。
3. 机器人能不能像人那样具有感情和情绪？
勃克斯认为机器人可以像人那样具有感情和情绪。他指出，设想一个“自动机情人”。她美丽聪敏，富有魅力。但它是机器而不是人。问题是：她能有感情吗？她能谈情说爱吗？勃克斯认为，我们所关心的只是机器人能不能具有谈情说爱的行为，而不关心她能不能意识到自己在恋爱且堕入情网。他指出，我们每个人都有一个在行为上与之等效的有穷自动机。首先来看这个“自动机情人”的输入-输出装置。勃克斯认为，从逻辑的可能性的角度看，完全可以假设，终有一天我们人类的输入-输出功能可以被无生命的人工装置所模拟。还可以假设，有穷自动机能够与人工眼、人工耳、人工手等部件相匹配，以便控制它们并从那里接受信息。最后假设有穷自动机能够行使人的所有功能，而它的内部计算系统能造得很小以便装入机器人体中。勃克斯相信，人的这些输入-输出装置的功能，能够在计算机上实现；而计算机和人的内部计算系统情况更复杂一些。就人=机器人论题的这个核心部分而言，勃克斯的主张是：存在这样一个有穷决定性自动机，当接通这个“自动机情人”的输入-输出装置时，就其行为看起来像一个真的情人而言，它完全能够满足其计算的要求。在这个意义上讲，构造“自动机情人”是可能的。显而易见，这个思想不仅包括而且超越了莱布尼兹关于人们的所有推理都能被还原为数字计算的观点。
4. 机器人能不能像人那样具有意向性？
勃克斯认为，机器人不仅可以在外在方面（即行为主义方面）实现人的功能，而且可以在内在方面（即反思和内省的现象学方面）实现人的功能。据此，勃克斯“直觉地感到，人的一切功能都可以程序化。”他还指出，人有两种思维能力：一是意向性目标制导或搜索能力；二是包括自我意识在内的意识能力。就人的意向性目标制导或搜索能力而言，勃克斯认为，人的最高能力是对思想和行为的自我控制能力，它包括使可择目标系统化的能力，搜索目标的能力，评价目标结果的能力，他们都可称为意向性目标制导或搜索能力。在人这样的意向性目标制导或搜索系统中，目标置根于基本的“欲望结构”。人的毕达哥拉斯数或遗传程序中包括了与目标或欲望相关的当时状态的“模型”和“结构”，也包括这些遗传因素与环境、文化之间的相互作用，等等。在人类社会，个人的欲望反映了受不同文化和环境影响的不同欲望之间的相互作用。其作用力的大小，视具体情况的不同而有所不同。现在的问题是：怎样才能将欲望置入机器人呢？勃克斯认为，从原则上讲，可以通过分配权重（相对的重点）到各个目标（欲望），通过引入解决目标（欲望）之间冲突的机器标准，设计人员能够处理将欲望置入机器人的问题。说到底，人的欲望既包括信息因素，又包括控制因素，在这一点上，人与机器有共同点。因此，以上说明既适用于人类以及其他意向性有机系统，也适用于机器人。显然，勃克斯对意向性以及有关概念的分析与传统哲学的观点是相左的。现象学家F.布伦塔诺认为，意向性是所有精神现象的共性。他认为，意向性是精神现象与物理现象的分野，而后者不具有意向性。但是，勃克斯不同意这种观点。他认为物理系统也具有意向性。尽管物理学不研究意向性，然而物理性的计算机能够实施意向性目标制导。因为现代计算机是布伦塔诺时代难以想象的非常特殊的物理系统。
5. 机器人能不能像人那样具有意识？
关于机器人是不是具有意识的问题恐怕是当代哲学中最有争议的问题之一了。要使人=机器人的论题成立，必须阐明这一问题。勃克斯的做法是：把意识分为“功能性意识”和“直接经验”两个方面。为了论证功能性意识能够由机器人模拟，他提出了以下两个步骤。
步骤Ⅰ：设计一台能实现与疼痛、感觉经验以及生存意志等有关功能的机器人。
以疼痛为例，在勃克斯看来，疼痛的经验包括两个方面：感受到疼痛本身，即对疼痛的直接感受，这是意识的直接经验方面；从作为刺激的疼痛感到作为反应的修正行为的直接经验中体验到的功能性联系，这属于功能性意识。就如何设计一台具有功能性意识的机器人，勃克斯谈了这样的看法。正常的人感受到疼痛时，就会产生一种（功能性）意识，从而对其行为进行自我保护性的调整和修正。而机器人同样也有在受到刺激时修正自己的行为和排除自己故障的方法，这是人所共知的事实。勃克斯认为，感觉经验的功能特性，主要表现在有机体如何运用从环境中收集到的信息，并对其做出适当反应的能力。要对人的感觉经验的功能特性进行模拟，就必须研究感觉报告之间，感觉报告与思维、行为之间相互联系的各种方式，探讨感觉报告在多大程度上使这些联系生效。这属于模式识别领域的问题。勃克斯相信，“总有一天，这一问题会得到解决。”对如何设计具有生存意志的机器人，勃克斯设想，通过某种设计赋予机器人以欲望，使他们能够追求包括自我保存意志在内的各种目的，就能使机器人具有生存意志。为了解决不同目的之间有冲突的问题，他主张分配权重于不同的目的，使机器人具有活性，以便使它在为实现目的而奋斗时受到权重分配的约束和控制。根据以上论证，勃克斯得出的结论是：制造出能够实现具体的有意识的人类经验的所有功能的机器人是可能的。
步骤Ⅱ：设计一台具有意识统一性的机器人。
勃克斯清醒地看到，我们关于疼痛、欲望的机器人描述，关于机器人具有意向性的论证，都不能说明机器人是有意识的。只能说明这种通用机器人与人类较多的相似性。此外，这些具体的功能性意识还不是意识的统一体。事实上，一定存在着人类赖以实现其功能的某种意识机制或特殊方式，即意识的统一体。在他看来，就意识的外延和复杂性来看，意识只是人的一小 “部分”。人作为一个整体可以视作一个系统，而意识则是其子系统。尽管这个子系统是比较复杂的，但是对意识现象的近似描述肯定比对整体系统作近似描述简短得多。从建构计算机系统的前景来看，人的意识可以看作一个特殊类型的计算机控制系统，即一个处于清醒状态时能指导短期行为并筹划长期活动的相对简单的实时控制系统。在这个功能性意义上讲，机器人是有意识的。这样一来，在功能上最有效的机器人设计可以使机器人具有意识。关于作为直接经验的意识，勃克斯假定，我们每个人都有一个机器人替身，机器人是否具有直接经验的问题就变成了机器人替身是否具有直接经验的问题。勃克斯指出，可能性最大的答案是：机器人替身是具有直接经验的。因为人与机器在直接经验的功能方面没有什么大的区别，唯一的区别就是材料不同——硬件不同于肉体。因此，不难想象，我们每个人的机器人替身也是有意识的。设计一台具有意识统一性的机器人是可能的。人=机器人的论题是成立的。
总的说来，人=机器人论题在人与机器人、思维与计算之间所做的类比为我们深入理解心智奠定了基础。首先，它对心智所做的说明既避免了行为主义在解释上的贫乏无力，又化解了二元论对心智的神秘化。较之以往对心智的说明，将心智视为一台计算机并由此使心智程序化，有助于使研究者对心智的运作机制做出更为精细而严密的说明。其次，由于心智的计算观能够精确地编制程序，通过运行模拟来测试人类思维的行为，因此它在客观上使人们认识到人类思维的复杂性，也看到了自己的思路的局限性。总体上看，勃克斯的思想属于人工智能的乐观主义观点。因为在他看来，从可能性上看，机器总有一天会完全实现人类以及人类心智的功能。然而，勃克斯的立场受到了来自各方面的质疑和挑战。
二、挑战与应对
勃克斯的逻辑机器哲学思想吸收了现代计算机科学、人工智能以及认知科学的最新成果，但是从本质上看，勃克斯的逻辑机器哲学及其人=机器人论题建基于心智的计算观，而心智的计算观不断地受到了严重的质疑。来自各方面的挑战主要有；
1.1来自情感方面的挑战， 即认为心智的计算观并不能够真正解决情感的计算实现问题。神经科学家达马西奥（Damasio 1994）的研究表明，情感在思维中扮演重要的角色。他研究一批大脑受损的病人，他们尽管在数学和语言能力上没有任何缺陷，但他们的日常生活能力却大受影响。因此，长于数学和语言能力的机器难以处理情感。面对情感对心智计算观的这种挑战，人工智能研究学者试图通过扩展新的表征结构来摆脱困境。例如，在基于规则的系统中引入恐惧的表征结构，这种结构的激活就会驱动诸如逃逸的行动，这里使用的规则不会导致推理，而是直接改变行为。也可以借助类比的计算模型来模拟移情，在这个模型中，从源类比体到目标类比体之间的转换不是语言式的表征，也不是图像式的表征，而是关于情感经验的表征。但是，对情感计算持怀疑态度的学者认为，对情感的模拟并不等于让计算机真正具有情感，就像在计算机上模拟地震完全不同于真正的天翻地覆一样。在他们看来，有关情感产生、情感表达的计算实现研究，与其说是在实现人的情感部分，还不如说是在实现智能的情感部分。这种计算实现即便是成功了，那么实现的东西也就不会再是情感的了，而是纯粹理性思维的东西了。事实上，情感远不是那么简单，它是不可能用心智的计算观来阐释清楚的。（参见周昌乐，第144页）
1.2对来自情感方面的挑战的回应。要应对来自情感方面的挑战，我们认为，在原有系统中作一些修修补补是无济于事的。应该在生命科学、人工生命研究中寻找出路。一些生物学家和人工生命研究者似乎已经猜测到，人类的情感经验与我们整个身体有密切的联系，而不仅仅与抽象思维有关。给机器人大脑装一块情感芯片而不赋予它的身体，就认为它也具有人类的情感，那是没有道理的。
因此，我们认为，摆脱困境的出路在于提出一种既认真考虑情感的经验内容和生理基础，又兼顾其计算作用的理论。一方面要在计算系统中引入新的表征以刻画人类情感的基本方面，另一方面要在吸收人工生命、生命科学研究成果基础上开发刻画情感的生理和经验方面的非计算手段。
2.1来自意识方面的挑战, 即认为心智的计算观并不能够真正解决意识的计算实现问题，并不能让机器人真正拥有意识。总的说来，坚持心智的计算观的学者对意识的重视是很不够的。这不仅是因为在他们看来，意识真是一个谜，而且是因为从根本上看，意识超出了计算表征的范围。于是，多数坚持心智的计算观的学者都承认，我们目前用来模拟人类思维的计算机或机器人都不具有真正的意识。勃克斯也不例外，尽管他认为他的机器人总有一天会具有意识。目前，让机器人真正拥有意识主要采取两种方式；其一是利用自然的力量来解决意识的自然模拟问题，例如建构一种肥皂膜计算机（Courant and Robbins,1941）。其二是采用逻辑的手段实现“人工”意识。对此持怀疑态度的学者认为，任何让机器人拥有意识的尝试，必然会遇到这样的二难困境：要么放弃逻辑的人工手段，采用特异化的自然手段；要么坚持有明显局限的逻辑人工手段；前者正是在自然界中产生人类意识的途经，即便“仿造”成功，它也不再是机器人的意识了；后者注定是死路一条，那就是基于逻辑的机器人，只能是没有意识的机器人。（参见周昌乐，第264页）
2.2对来自意识方面的挑战的回应。面对着来自意识方面的挑战，悲观主义论调甚嚣尘上，甚至一些心智的计算观的支持者也试图否认意识在人类思维中的重要地位。但是，我们坚信摆脱计算困境的出路在于进一步理解意识在人类思维中的地位和作用。有幸的是，生物学和神经科学的研究成果已经向我们展现了希望的曙光。比较突出的成果是克里克（Crick 1994）对视觉意识的神经基础的研究。他认为意识可能涉及某种注意机制。他推测大脑注意某一目标而不注意另一目标的机制涉及有关神经元的激励。他还推测说，在同时发生激励的神经元之间可能存在着一种协同性，而且神经元之间也可能具有某种竞争性。神经元之间的这种既竞争又合作的联系向我们暗示，对协同学等复杂性科学的深入研究，可能有助于我们认识意识的本质，从而有助于意识的机器实现。另外，克里克还认识到，意识涉及短时记忆。在他看来，我们往往易于意识到短时记忆的内容的事实表明，短时记忆与意识之间有某种关联。实际上，勃克斯也同样看到了短时记忆与意识之间有关联，也许是克里克的研究影响和启发了勃克斯。总的说来，克里克关于注意、记忆与意识之间的关系还有待于进一步研究，但是这种研究已向我们展示了这样一种可能性,即深入理解意识进而在机器上实现意识的最佳出路在于将多方面理论和实践探索加以综合，尤其是要把神经科学、实验心理学与计算机建模的成果加以整合。不应该简单地拒斥和全盘否定心智的计算观。
3.1来自物质世界方面的挑战，即认为心智的计算观将思维局限于发生在心智中的计算加工或逻辑操作，忽视了人与物质世界之间有着多种多样的不断交互作用这一基本事实。在这方面提出挑战的学者主要有受海德格尔（ Heidegger 1962）影响的哲学家以及偏离人工智能传统路线的机器人学研究者。德国哲学家海德格尔否认认知科学所假定的心理表征物与外在世界的分离，认为我们之所以在物质世界中有所作为是因为我们就是这个世界的一部分。他用“在此世界中存在”（Being-in-the-World）来表明人们之所以能作用于物质世界是基于人们自身的物理技能，而根本用不着什么心理表征。与海德格尔如出一辙，德雷弗斯（Dreyfus 1992）认为人的智能本质上不是表征性的，试图用能行的方法对知识进行形式化的表征是徒劳的。海德格尔的思想影响了一大批不满传统人工智能路线的学者。例如，温诺格拉德和弗洛尔斯（Winograd and Flores 1986）就认为我们不可能表征作为人类各种能力基础的大量背景信息，因此传统的人工智能路线是不可能成功的，根本的出路是另辟蹊径。于是，史密斯（Smith 1991）提出了所谓的“嵌入式计算”，通过强调与物质世界的交互作用以避免传统计算方式的表征负担。类似地，布鲁克斯（Brooks 1991）提出了一种与传统方式大相径庭的建造机器人的方法。他并不基于逻辑和规则对机器人所需知识进行编码，而是建造一个具有从环境中学习那样一种能力的机器人。
一些人类学家和心理学家也认为计算主义纲领低估了情景在人的问题求解和学习过程中的重要作用，过分强调逻辑因素和心理作用。在这些批评和异议声中，兴起了一场情景化运动。例如，苏彻曼（Suchman 1987）以及雷弗和温格（Lave and Wenger 1991）指出，现实世界中的问题求解并不是那么倚重于抽象数学表征，而是借助于与外在世界和其他人的交互作用。香农（Shanon 1993）也指出，计算主义纲领无法说明人们与外在世界发生关系的那些微妙的、依赖具体情景的方式。
对人=机器人论题的更为严峻的挑战来自塞尔（Searle 1992）所谓“中文房间”的思想实验。这个实验通过使你把自己看作一个与外界隔绝的符号处理器，揭示了纯符号加工的局限，进而表明计算机不可能具有意向性。塞尔认为，人们操作的符号具有意向性是基于我们与外在世界的交互作用，而计算机的表征是独立于外在世界的，因而没有意向性。在他看来，计算机是纯粹的句法机器，不具有人类那种语义能力，不能在与世界的交互作用基础上赋予符号以意义。所以，计算主义纲领在根本上是错误的。
3.2对来自物质世界方面的挑战的回应。无论是海德格尔、塞尔的观点，还是嵌入式计算、情景化运动，都有过分强调环境因素之嫌，其共同局限是：要么把人类的思维消解为简单化的、昆虫式的反应，要么将其视为神秘的、无法分析的偶然事件。摆脱这种二难困境的出路在于，对人类思维的全面理解必须将大脑的非表征运作与计算程序结合起来。在这方面，科斯林（Kosslyn 1994）的工作是一个有益的尝试。在他看来，人的视觉表征与大脑对它们进行加工的方式是有密切关系的。按照这种思路，我们可以指望通过了解人脑如何处理各种感知输入，来推测它们与我们的言语表征之间的联系。总之，除了我们的高层认知（如问题求解）涉及计算程序之外，并非人脑的一切加工过程都可以视为计算。认识到这一点，才是解决人=机器人论题困境的出路所在。值得注意的是，对计算机没有意向性的诘难，勃克斯已经做出了回应。在他看来，尽管目前用来模拟人类思维的计算机难以理解人类语言的语义，然而通过给计算机提供关于外在世界的视觉、听觉和触觉输入的机器人界面，再配上能生成各种分布式的、语言的、图像式的表征的学习算法，机器人就可以具备从外在世界进行学习的能力。这样一来，一台机器人式的、具有学习能力的计算机就能在处理句法的同时处理语义，从而对它的内部表征赋予了意向性。
4. 1来自社会环境方面的挑战。即认为心智的计算观过分局限于逻辑操作和计算表征，忽视了思维并不是一个脱离社会环境的孤立现象这一基本事实。在这方面提出挑战的学者主要有社会认识论研究学者以及对知识的社会性表现出兴趣的人工智能研究者、心理学家以及人类学家。传统认识论忽视知识的社会性，社会认识论则把知识看作一项社会性的事业。受此影响，心理学家开始把认知视作“分布式的”，人工智能研究者开发了人工智能的新分支——分布式人工智能，研究拥有不同类型知识库的计算机怎样连接并通过计算机互联网络的协同合作，以解决一台计算机单独工作所不能解决的问题。尤其值得注意的是，一些心理学家近来也把关注焦点转到了社会文化方面，例如，赫希菲尔德和戈尔曼（Hirschfeld and Gelman 1994,p4）认为心智“与其说是一个通用目的的问题求解者，不如说是针对各种与环境相关的任务的、稳定且独立的子系统的集合”。在他们看来，这些任务与社会文化相关，因而问题求解会呈现文化上的多样性。由此可见，要建构类似于人类智能的机器智能，不能忽视其社会文化环境方面。人=机器人论题局限于方法论的个体主义，难以应对来自社会性方面的挑战。
4.2对来自社会环境方面挑战的回应。要回应社会性方面的挑战，就需要从一种新的视角来看待数字表征和加工过程。在我们看来，数字表征和加工不仅仅是由个体来完成的，也不仅仅为个体所利用，它还为群体所共享和利用。因此，对心智的理解还需要借助一些社会性的概念，如群体、网络、社会、文化、以及交流沟通等。简言之，对心智的表征-计算理解还需要考虑社会性的方面。
5. 1来自复杂系统理论方面的挑战。即主张我们放弃心智的计算观，把心智看作一个复杂动力学系统，而不把它理解为一系列表征和计算过程。这里所说的动力学系统，是指那些随时间而发生的变化可以用一组方程式来加以刻画的系统。也就是说，我们应当像在物理学中那样，用方程式来刻画心智是怎样随时间而发生变化的。把心智看作动力学系统的方式有几种，但比较普遍的是在隐喻的意义上使用动力学系统概念。也就是说，尽管无法确定相应的方程和变量，但可以用吸引子、相变、和混沌等来描述复杂系统的变化。特伦和史密斯（Thelen and Smith 1994）用吸引子状态的变化来描述儿童学习行走就是一例。值得注意的是，一部分联接主义者采纳了动力学系统概念。他们认为用动力学系统的概念来描述神经网络是有益的。在他们看来，联接主义的系统就是一种动力学系统。它包含了各种单元激励值和单元联接强度的变量，也包含了修正这些激励值和改变联接强度的非线性方程。波拉克（Pollak 1991）、斯卡达和弗里曼（Skarda and Freeman 1987）的联接主义模型就是借助动力学系统来刻画的。
5.2对来自复杂系统理论方面挑战的回应。实际上，在思维研究中采用动力学系统方法并不意味着一定要拒斥表征和计算过程。联接主义模型仍然属于计算主义纲领，应用动力学系统来刻画神经网络只不过是对联接主义模型的扩展和补充。不过，我们应当更加重视动力学方法的应用，也许这是摆脱计算困境的一条出路。其理由有三：第一，动力学系统方法与传统的计算主义纲领相比，能更好地处理时间因素，因为，正如范·戈尔德和波特（Van Gelder and Port 1995）指出的那样，动力学系统方法可以提供新的概念以描述在智能系统中所发生的变化。第二，动力学系统方法可以为应对来自物质世界方面的挑战提供一条出路。上述挑战强调，心智不是一个封闭的处理器，它时时刻刻都在与外在世界发生交互作用。从复杂动力学系统的观点看，心智与世界这两个系统不是相互隔绝的，它们共同构成一个更大的动力学系统。尽管用方程来描述心智与世界的相互作用难度太大，但是用一组相互匹配的术语来刻画恐怕是可能的。第三，在解释人类行为的非表征性方面，动力学系统方法大有可为。例如，对于运动控制、释梦和情绪的变化而言，用动力学系统的吸引子或相变概念来解释似乎更恰当。此外，对联接主义模型而言，采用动力学系统方法加以补充应该是大有可为的。
三、出路何在
对心智的计算观的各方面挑战表明，通过单一学科或领域的探索和进展以摆脱困境是不可能的。可供选择的出路可能要靠新的跨学科的整合。在我们看来，依靠计算机科学、人工智能、认知科学、神经科学、哲学、语言学和人类学等学科的整合，借助各个学科、多个领域的共同努力，也许可以取得新的突破。从目前的研究状况看，我们认为可以进行三个方面的整合。首先，要努力促进生物学、神经科学、社会学与认知科学的整合，开辟一种基于生物学-神经科学-社会认识论的对心智的计算-表征的理解，建立生物-社会-认知的整合模式。这种新的模式将从各个不同侧面理解心智，全面推进人与机器人类比的研究。其次，要推进理解心智的逻辑模式与认知模式的整合。逻辑模式对心智的理解主要借助推理、概念等手段，而认知模式比逻辑模式更普遍，因为它诉诸的表征、程序等并不局限于形式逻辑中演绎推理、归纳推理和概率论的方法，它还包括认知模型化方法、图解法以及诸如视觉意象那样的非语句表征。既然认知模式与逻辑模式是相容的，而且人的心理描述比逻辑描述涉及更广泛的结构和内容，那么逻辑模式与认知模式的整合对心智的理解就可能有成效。再次，要推进人工智能和计算机科学中数字方法与模拟方法的整合。在人工智能的研究历史上，数字方式与模拟方式是此消彼长，相互竞争又互相融合的。这两种方式各有优于对方的长处，又有相互之间可以互补的短处，这就构成了二者相互融合的可能性。近年来，不少人工智能研究的学者如西蒙（Sinom）已经意识到这种整合的必要性，并提出一些尝试性的设想（熊哲宏 2002）。但是，迄今为止，整合二者的新模式尚未提出。因此，推进人工智能中数字方法与模拟方法的整合应该提到议事日程上来了。
从认知科学的视角看，人=机器人论题及其所建基的心智的计算观的论证主要是在逻辑和心理结构方面静态地考察人类与机器人的功能，忽视了对人类与机器人的功能做动态的、进化的、发展的考察。我们认为，人与机器的最大区别是人有自我意识，而目前的机器没有。而要理解包括自我意识在内的意识，最好的办法莫过于借鉴人类最美丽花朵的萌生和发展过程——进化。显然，从广义进化论的视角重新审视心智的计算观和勃克斯的“心智-机器论题”，也许对我们摆脱困境走出新路有启发性。据我所知，目前这方面的研究主要在两方面：一是引入进化机制对勃克斯思想加以扩展；二是以人工生命的进化研究来发展上述研究。
在扩展勃克斯的思想方面，莱因（Laing 1977）引进了进化过程中的适应概念，以“适应行为”替代了勃克斯的“自然功能”概念。在他看来，我们不仅要理解机器如何表现人的行为，而且要了解人实际上怎样做出这些行为的。而那些进化系统的适应行为也就是与人有关的、目标导向的自然行为。勃克斯的论证无助于理解人实际上怎样表现出这些行为的问题，而冯·诺伊曼的自增殖细胞自动机系统的理论可以使这些复杂行为变得可理解。按照这一理论，最有可能与自然进化系统行为相关的机器行为是这样的：从最简单的机器行为着手，在自增殖的竞争中，看看哪些机器行为最能经受住竞争的考验，然后将其保留，使其自增殖。换言之，他建议着重关注那些适应性的机器行为。总之，莱因认为，那些具有自测试、自诊断、自修复行为或功能的自动机能完成勃克斯的自动机系统不能完成的任务。此外，加拿大的克拉克（M.Clarke）提出了“达尔文算法”，他还指出，人并不是逻辑地而是适应地进行推理。在多数情况下，适应性推理足以使我们获得真理。我们认为，引进进化机制以扩展勃克斯的理论，也许是摆脱困境的出路之一。
我们认为，在借助人工生命的进化研究来修正和发展心智的计算观方面，新成果更多，前景更为广阔。所谓“人工生命”是指对计算机生成的生命系统的增殖和进化的研究。它是在克服人工智能有关机器学习的局限的过程中诞生的新学科。“人工生命”的基本方法是建构一组仿真生命体，每个生命体嵌入一个程序。再选择一定的适应能力标准。然后给“较适应的”程序赋予较多的繁殖下一代的机会。例如，希利斯（W. D. Hillis 1991）利用人工生命技术以检验自己的“联接机”能否进化。他把上千个微型处理器（每一个都是有自己的内存的计算机）相互连接起来，然后给它设计软件，看一看最后能不能产生像人脑智能那样的机器智能。再如，美国的霍兰德（Holland 1984）也提出了“遗传算法”，探讨了人和机器在遗传和适应方面的相似性。应当注意的是，人工生命是在复杂性科学的框架中发展起来的，不少人工生命研究者采用了动力学系统方法来研究生命以及心智，例如，人工生命的创始人兰顿（Langton 1987）放弃了冯·诺伊曼元胞自动机的通用性要求，设计了一个很简单的能繁殖自己的元胞自动机。他引进了一个参量耄美纯袒低车亩ρ形⒀芯苛穗的动力学意义。总之，无论是“人工意识”的计算机生成，还是进化系统的动力学研究，都为修正和发展心智的计算观开辟了新的道路。
（责任编辑:鲁旭东）
参考文献
勃克斯，1993年：《机器人与人类心智》，游俊 等译，成都科技大学出版社。
熊哲宏，2002年：《认知科学导论》，华中师范大学出版社。
周昌乐，2000年：《无心的机器》，湖南科学技术出版社。
Brooks,R.A.:“1991, Intelligence without Representation”,Artificial Intelligence 47,139-159.
Burks,Arthur and Wright,J.B.:1953，“Theory of Logical Nets”, Proceedings of the Institute of Radio Engineers 41,1357-1365.
Burks,Arthur(ed.):1970， Essays on Cellular Automata， University of Illinois Press.
Clarke, M.：1996，“Darwinian Algorithms and Indexical Representation”，Philosophy of Science, Vol. 63,pp.27-48.
Courant, R. and Robins, H.：1941，What is Mathematics? Oxford University Press, Londpn.
Crick,F.：1994，The Astonishing Hypothesis:The Scientific Search for the Soul，London: Simon and Schustet.
Damasio,A.R.：1994，Descartes’ Error， New York:Putnam.
Dreyfus,H.L.：1992,What Computers Still Can Not Do，3rd ed. Cambridge, Mass.: MIT Press.
Heidegger, M.：1962，Bing and Time. Trans. By J. Macquarrie and E. Robinson，New York: Harper and Row.
Hillis, W. D.：1991，“Co-Evolving Parasites Improve Simulated Evolution as an Optimization Procedure”, in Langton et al.(1991),313-324.
Hirschfeld, L. A. and Gelman, S. A. eds.：1994，Mapping the Mind: Domain Specificity in Cognition and Culture，Cambridge University Press.
Holland, John: 1984, “Genetic Algorithms and Adaptation”. Adaptive Control in Ill-Defined Systems, pp. 317-333.O. G. Selfridge, E. L. Rissland, and M. A. Arbib(eds.),Plenum Press, New York.
Kosslyn, S. M.：1994， Image and Brain: The Resolution of the Imagery Debate，Cambridge, Mass.: MIT Press.
Laing,Richard:1977，“Automaton Models of Reproducing by Self-Inspection”，Journal of Theoretical Biology 66, 437-456.
Langton,Christopher:1986，“Studying Artificial Life with Cellular Automata”，Physica 22D, pp.120-149.
Lave, J. and Wenger, E.：1991，Situated Learning :Legitimate Peripheral Participation， Cambridge: Cambridge University Press.
Pollack, J. B：1991，“The Induction of Dynamical Recognizers”，Machine Learning 7, 227-252.
Searle, J.：1992，The Rediscovery of the Mind， Cambridge, Mass.:MIT Press.
Shanon, B.：1993，The Representational and the Presentational. New York: Harvester Wheatsheaf.
Skarda, C. A. and Freeman, W. J.：1987，“How Brains Make Chaos in Order to Make Sense of the World”， Behavioral and Brain Sciences 10,161-195.
Smith, B. C.：1991，“The Owl and the Electric Encyclopedia”，Artificial Intelligence 47, 251-288.
Suchman, L.：1987,Plans and Situated Actions: the Problem of Human-Machine Communication， Cambridge: Cambridge University Press.
Thelen, E. and Smith, L. B.：1994，A Dynamic Systems Approach to the Development of Cognition and Action， Cambridge, Mass.:MIT Press.
Van Gelder, T. and Port, R.：1995，“It’s about Time: An Overview of the Dynamical Approach to Cognition”, In R. Port and T. van Gelderfds.,Mind as Motion:Explorations in the Dynamics of Cognition, 1-43，Cambridge, Mass.:MIT Press.
Von Neumann, John and Burks, A.W. and Goldstine,H.H.,Preliminary Discussion of the Logical Design of An Electronic Computing Instrument,Princeton,Institute for Advanced Study,1946.
Von Neumann, John: 1966,The Theory of Self-Reproducing Automata,Edited and Completed by Arthue W. Burks. University of Illinois Press.
Winograd, T. and Flores, F.:1986,Undersdanding Computers and Cognition. Reading, Mass.:Addison-Wesley.
Trackback
你可以使用这个链接引用该篇文章 http://publishblog.blogchina.com/blog/tb.b?diaryID=6528897
回复
|
- 评论人：gw491309
2011-11-16 13:40:34
|
|||
完全看不懂，神马东东呀！ |
||||
