1．尋找日常思維的規(guī)則

    人工智能在表述科學理論時得心應(yīng)手，但在表述人的日常思想時卻遇到了麻煩，這一現(xiàn)象表明了科學推理和日常思維推理是有區(qū)別的。科學思維具有精確性和嚴密性，是構(gòu)建在數(shù)學-邏輯基礎(chǔ)上的，這種方式與人工智能運作的基礎(chǔ)恰好是一致的。所以由人工智能實現(xiàn)科學推理是一件較為容易的事情。日常思維的情況要復雜得多。對于這個問題，雖然不能很快找到答案，但它促使我們重新考察以往的哲學認識論的立場。哲學沒有把建立具體的思維體系當作自己的任務(wù)，它沒有背負起這樣的責任，所以它發(fā)問的角度與必須擔當這種任務(wù)的人工智能相比，可能會狹窄得多。哲學看待問題的角度僅僅是從人出發(fā)的角，而沒有從包括人在內(nèi)的更完整的世界的角度出發(fā)。人工智能使我們看到了，哲學其實沒有能力回答這樣的問題：一個完整的思維系統(tǒng)應(yīng)當具備什么樣的基本條件。

    從一定意義上講，傳統(tǒng)哲學對于日常思維是相對輕視的。當哲學家區(qū)分“意見與理念”、“經(jīng)驗與知識”、“信念與真知”的時候，無疑給予后者以較高的地位。另一方面，直到邏輯經(jīng)驗主義之前，在討論思維規(guī)律的時候，在哲學中并沒有對科學思維和日常思維做出嚴格的區(qū)分，所以這兩者又同時包含在傳統(tǒng)哲學對思維的討論之中。人工智能的提問，使我們有必要重新考慮以往哲學中孰輕孰重的立足點。

    日常思維有沒有自己的規(guī)則？回答應(yīng)當是肯定的。我們能夠根據(jù)一個人的思維方式區(qū)分出他是正常的人，還是精神病患者，這說明正常的思維是遵循一定規(guī)則的。但是要對這個規(guī)則加以刻畫，卻不是一件容易的事。為了推進這一方面的認識，我們可以從強弱兩個層次著手研究。一個強的規(guī)則，應(yīng)當是一個完善的理論，而一個弱的規(guī)則可以僅僅建立在現(xiàn)象的、描述的基礎(chǔ)上。弱規(guī)則條款是必要條件，而不是充分條件。根據(jù)目前的情況，我們只能從弱規(guī)則條款的探討入手。

    日常思維不需要精深的理論知識，一個文盲仍可以正常地思維，所以這個規(guī)則不是針對專門的知識背景建立的。

    通過分析科學理論，我們可以看到，科學思維的陳述是可以由日常思維陳述來完成的。科學中最初的陳述無疑要由日常陳述來搭建，即使是經(jīng)過多次演繹的、復雜形式的科學陳述，仍然可以還原為日常陳述，所以日常思維可以看作科學思維的基礎(chǔ)，科學思維只是這個系統(tǒng)的一個子系統(tǒng)。事實上，了解一個子系統(tǒng)總是比了解整個系統(tǒng)要容易得多。

    日常思維在認知中的主要任務(wù)是辨識對象（對個體做判斷）和解決問題（對事物的關(guān)系做判斷）。在識別對象時，對人而言，無論是熟悉的還是陌生的事物，都有能力將它納入自己的思維，成為思考的對象。這種過程實際上是將某一事物按照認知的習慣方式加以指認，根據(jù)知識背景，使其與已有的知識框架相聯(lián)系，而獲得意義。即使完全不熟悉的東西，也會因其具有物質(zhì)的外形，可以從直觀的角度加以表述，使其獲得定位。所以在物質(zhì)的經(jīng)驗世界里，日常思維不會留下任何空白。這是日常思維的一個重要特點。關(guān)于辨識對象，哲學中的命名問題和摹狀詞理論是值得借鑒的。人工智能在討論對象的表征時與之關(guān)系密切。

    解決問題可以看作是根據(jù)已有的對象關(guān)系建立新的所需的對象關(guān)系。在從一種狀態(tài)向另一種狀態(tài)過渡時，思維是按照一定方式組織的。傳統(tǒng)哲學中對此有過一些討論。在日常思維中，聯(lián)想是一種常見的思維方式。洛克十分重視這一方式，對其進行過較為詳細的探討。康德將認識劃分為感性、知性、理性，這種層次性，以及上層對下層的統(tǒng)攝，從某個角度反映了思維規(guī)則。他還指出了二律背反的存在，說明思維中存在矛盾后果的情形。但是用他構(gòu)造的體系很難直接解釋具體的思維過程，或者說人的思維體系難以直接根據(jù)這幾條規(guī)則來構(gòu)造。在具體構(gòu)造方面，人工智能“創(chuàng)造”了一些局部行之有效的方法，如“腳本”或“框架”等方法。弗雷格-羅素建立的謂詞邏輯理論是對思維形式體系的說明，人工智能借重于這些理論，但它不能解決全部日常思維規(guī)則的問題。與之相關(guān)的一些方面將在下一個問題中討論。

    在解決問題的過程中目的性具有重要作用，導向是其作用之一。推理過程在每一節(jié)點上存在著多種選擇，必須有導向的機制存在，人工智能的搜索過程就面臨著導向的問題，而采用“啟發(fā)式”策略，是其采用的方法之一。

    日常思維的機制是直接與遺傳（本能）機制相銜接的。喬姆斯基之所以愿意像研究一個身體器官一樣講究人的語言能力，是因為越是接近基礎(chǔ)，與天賦的關(guān)系也將越密切。這方面的一個例子是，心理學的研究發(fā)現(xiàn)，面孔的識別在人的大腦中占有一個專門的位置，它與物體的識別分屬兩個系統(tǒng)。人對面孔的識別能力中天賦的因素在起主要作用，所以幼小的兒童就具有這種能力，而計算機獲得這種能力卻是相當困難的。先天的機制具有較為固定的模式，了解這種模式的形態(tài)是怎樣的，是一項重要工作。這種研究有些類似于“解剖學”和仿生學，對于人工智能模仿人的智能來說，是十分重要的。

    日常思維的規(guī)則是一個有待研究的方面，繼續(xù)挖掘哲學的資源，也許可以將認識推進一步。

    2．邏輯與日常思維推理的關(guān)系

    為了研究人的日常推理，出現(xiàn)了一些突破傳統(tǒng)邏輯的新方法，如缺省邏輯，非單調(diào)邏輯，模糊邏輯，動態(tài)邏輯等等。但是這些方面仍然不能全部涵蓋日常思維的規(guī)則。日常思維同邏輯的關(guān)系是值得探討的問題。許多并非符合邏輯的思維過程實際上卻是合理的。例如，在選擇一條旅游線路時，往往是偶然因素在起作用，可以是因為閱讀了旅游書籍，也可能因為思想深處的某種感情。還有一個常見的現(xiàn)象，人在解決問題時，常常有各種奇思妙想，其出現(xiàn)的原因無法解釋，而謂之頓悟。在這類思維方式中，猜謎語有一定的代表性。原先的知識系統(tǒng)可以自由地進行各種組合，可能出現(xiàn)的結(jié)果幾乎是無窮多的。

    這里的一個問題是，思維可以在完全不同的系統(tǒng)中自由地轉(zhuǎn)換，既有很具體的系統(tǒng)，也有很抽象的系統(tǒng)。僅僅根據(jù)邏輯系統(tǒng)，這種轉(zhuǎn)換是很難表述的。還有一個問題，在多通道系統(tǒng)中，邏輯本身只提供選擇的分配，而不提供選擇的原因。從一定意義上說，邏輯是對一種即定的思想過程的描述，而不是驅(qū)動思維發(fā)展的機制。日常思維是和需求（目的）相聯(lián)系的，而邏輯不能反映需求或需求的變化。再一個問題，邏輯中的量詞和關(guān)系詞雖然可以反映思維運用的一些基本概念，如“全”、“非”等，但是它們和日常思維中的用法卻是不同的。日常思維離不開對“域”的設(shè)置，但是域的界限不是非常嚴格的，而僅僅是為了思維的方便。

    3．學習的本質(zhì)和機器學習的可能性

    知識學習對于個體人的發(fā)展和人類的進步都是必不可少的。知識學習在個體身上是如何發(fā)生的？對人而言，這是一個生成和建構(gòu)的過程，是通過對自身經(jīng)驗的總結(jié)，以及繼承他人的經(jīng)驗成果實現(xiàn)的。自身經(jīng)驗總結(jié)雖有歸納的特點，但如皮亞杰所說，是一個復雜的“同化和順應(yīng)”的過程。繼承性學習則包含了生成、建構(gòu)過程，也是一個系統(tǒng)創(chuàng)生的過程。事實上，這兩者中都包含了創(chuàng)造性的因素。前者表現(xiàn)為從哪個角度去歸納，以及歸納中是否包含著范式的創(chuàng)新。人可以靈活地做出多種選擇，而機器只能根據(jù)人的規(guī)定去歸納。后者是建立在概念（語義）基礎(chǔ)上的，同時要有聯(lián)想和想象的參與，以建構(gòu)的方式形成一些新的知識系統(tǒng)。如果把學習看成是一種本質(zhì)上是創(chuàng)造性的活動，是否可以說，機器是不能完成真正的學習的。

    人工智能中聯(lián)結(jié)主義的學習系統(tǒng)雖然可以產(chǎn)生出與初始狀態(tài)完全不同的系統(tǒng)，但這種“不同”只是表面上的，各種新的狀態(tài)都是眾多（可能是數(shù)量很大的）備選狀態(tài)中的一種，是在選擇該系統(tǒng)時已經(jīng)確定下來的模式中的一種。機器的學習是以模擬為機理的，這與人類學習有著本質(zhì)的差異。

    4．信息的組織形式

    信息開采（信息挖掘）是當前人工智能研究的重要方面之一。已經(jīng)獲取的信息庫（如人造衛(wèi)星拍攝的大量照片），以及自然界固有的信息，如果運用計算機來開采，其效率勢必大大提高。

    我們可以把信息的類別區(qū)分為語義的信息和物理的（包括生物的）信息。這兩種信息的組織方式是不同的。當學者從龜甲上發(fā)現(xiàn)一些異樣的條紋時，就可以斷定其中包含著文字信息；我們也可以根據(jù)線條的特征區(qū)分出它是亂畫的曲線還是文字的筆畫，即使是一種陌生的文字。這些現(xiàn)象說明了文字（語義）信息自身一定是有某種外在形式的特征的。除了外在的形式特征，語義信息系統(tǒng)也有內(nèi)在的組織特征，這種研究有可能幫助考古學家破解古埃及文字的內(nèi)容。與計算機的方法結(jié)合起來研究這些問題，也許會有新的發(fā)現(xiàn)。

    物理信息是自然狀態(tài)的。對物理信息而言，可以說，信息的存在也就是事物的存在：信息是告訴我們事物存在的方式。如果我們從普通的事物里看到了不尋常的信息，這種“不尋常”只是與習慣不一致，并不是信息本身有什么特殊。外部世界可以通過各式各樣的方式組織起來，向我們呈現(xiàn)意義，通過這樣一種過程，它們就變成了可以被理解的信息，而這些組織信息方式是我們先天具有的，或者后天建立的。

    所謂信息發(fā)掘有兩種情況，第一種情況是，信息以我們已經(jīng)具備的理解系統(tǒng)存在著，但是它同其他東西混雜在一起，被隱蔽起來，尋找它，就是將它和其他的東西分離開來，使其成為我們可認識的形式；還有一種是，我們原先不具備認識它的能力（系統(tǒng)），當我們具有了新的理論或是新的儀器后，原先無意義的信息成為有價值的了。自然界向我們提供什么樣的信息，不在于自然界本身，而在于我們的篩選機制。我們從自然界無際的“信息海洋”里撈取出那些對我們來說是有意義的部分，關(guān)鍵取決于我們的“過濾”工具。在這個意義上，將自然界看作是物自體，是合情合理的。

    自然界中許多極其重要的信息，由于沒有得到發(fā)掘，都白白流失了。近年來出現(xiàn)的功能腦成像技術(shù)，非常有力地說明了這一點。在原有的磁共振成像機上增加一個截取信息的軟件，就可以顯示以來完全無法看到的大腦思維活動的狀況，一個嶄新的研究領(lǐng)域也由此被開拓出來，讓人不能不感嘆信息獲取方式的改善所產(chǎn)生的巨大影響。

    一方面人類通過建立各種理論，開辟新的獲取信息的切入點，另一方面，人直接獲取信息的方式又是受到自身條件限制的。為此，人們設(shè)計了各種儀器，來拓展原有的信息獲取方式。計算機可以借鑒這些已有的方式，但是也可能開辟不同于以往的方式。計算機在信息組織方面的靈活性大大超出其他機器。人工智能中發(fā)展起來許多新的開采信息的方法，是非常有效的。在認識世界的方式上，計算機作為拓展我們原有的思維工具，有可能帶來非常深刻的創(chuàng)新。

    5．何謂理解？

    塞爾“中文屋”思想實驗的例子在哲學界和人工智能界都引起了較大的反響。這個例子不僅因為比喻精當而引人深思，它還包含著值得進一步探討的問題：理解究竟是什么？理解的機制是什么？借助于這個例子，我們嘗試做出一些回答。

    比照塞爾的例子，我們假定有一個只懂中文而不懂英文的人，看一看他回答在兩語言提問時的情況是怎樣的。當他回答中文問題時，他是根據(jù)語義運作的；當他回答英文問題時，他是根據(jù)中文工具書的指令來運作的。如果我們把語義看成是一種聯(lián)結(jié)關(guān)系，將它同工具書發(fā)出的機械指令聯(lián)結(jié)關(guān)系來比較，會看到一些差別。首先，語義聯(lián)結(jié)方式更靈活，效率更高。這種差別在人的目的性行為和動物由本能產(chǎn)生的行為模式的比較中很容易看到。昆蟲的向性是一種固定的行為模式，可以看作一種生理的機械聯(lián)結(jié)。它可以產(chǎn)生出一些表面上看來是目的性的行為，但是如果環(huán)境稍有變化，它的機械僵硬的弱點就會暴露出來。語義方式的靈活性來自語義結(jié)構(gòu)的多連通性，以及語義轉(zhuǎn)換的快捷性。但是語義結(jié)構(gòu)的構(gòu)造是不容易模仿的，因為對它的許多方面我們還缺乏透徹的認識。

    這里還存在著另一個差別。這個懂中文的人在理解中文時也可以不直接理解，而通過一本中文指令書來操作。在這種情況下，他必須對中文指令書做出理解，而且是語義的理解。這兩種情況的差別在于理解的基點不同。由于人的生理特點，人在同一時刻注意的內(nèi)容是有限的，只能有一個中心區(qū)域。這個區(qū)域的內(nèi)容可以被理解，并按語義的方式被組織，以某種方式進行操作。凡在中心區(qū)域以外的內(nèi)容是得不到理解的，也不被操作。如果我們同時聽兩個人說話，一般情況下只能理解其中的一個。當我們一個非常復雜的句子時，會感到理解的困難，或是遇到一些陌生詞匯時感到理解的困難，是因為復雜句子的內(nèi)容不能進入中心區(qū)，或者某些詞匯不能與語義結(jié)構(gòu)接通，都因不能在中心區(qū)被操作而達不到理解。就這個意義而言，能夠理解的東西必須是在意義上能夠直達的東西。

    建立在語義基礎(chǔ)上的意義的直達是理解的必要條件。這是一種特殊的組織結(jié)構(gòu)，它具有強大的功能。

    6．從物理關(guān)系到語義關(guān)系的轉(zhuǎn)換

    當我們說“那棵樹上落著一只鳥”的時候，如果是因為看到了這樣一個實在的場景，那么我們的感知系統(tǒng)和語義系統(tǒng)同時對此做出了反映。這兩者結(jié)合得如此自然，如果不刻意區(qū)分，就不會感到這是兩個可以分離的方面。但實際上感覺系統(tǒng)中的物理世界和語義系統(tǒng)中的意義世界處在兩個不同的范疇。它們之間存在著一種對應(yīng)關(guān)系，這種關(guān)系中的某些因素是相當穩(wěn)定的，尤其在日常思維中，但是這種對應(yīng)關(guān)系卻不是單一的和不可改變的。

    感知的內(nèi)容是以表象方式呈現(xiàn)的，而表象是以實體本身的樣式存在的（人以為的實體本身的樣式），這種樣式是由形狀、顏色、聲音等物理的特點構(gòu)成的，所以由感覺反映出的是一種物理的關(guān)系。語義的內(nèi)容是由概念的意義和和意義形成的概念間的關(guān)系構(gòu)成的，是通過語言系統(tǒng)表達的語義關(guān)系。這兩個系統(tǒng)是各自獨立的，還是可通約的？它們的對應(yīng)關(guān)系是如何建立的？是值得討論的問題。這里我們遇到了認識論的基本問題。

    就出現(xiàn)的順序而言，物理關(guān)系是先于語義關(guān)系的。但是另一方面，物理關(guān)系可以通過語義關(guān)系來表述，反之卻不能。有時候，在思維中兩種關(guān)系形式是并存的，如借助于圖形來說明某一抽象問題，但這只是一種比喻或類比，而不是真正建立物理關(guān)系。一般說來，思維中的操作是基于語義關(guān)系的。這種情況使我們看到，若要將兩個關(guān)系統(tǒng)一起來，即進行通約的話，只能統(tǒng)一于語義關(guān)系。但事實上這兩個系統(tǒng)是不能完全通約的。因為若要從語義關(guān)系還原到物理關(guān)系也是不可能的。這兩個系統(tǒng)是獨立存在的，因為它們的構(gòu)成、運作方式都不相同，雖然它們之間存在著對應(yīng)關(guān)系。從上面簡單的分析看，同物理關(guān)系相比，語義關(guān)系處在更基本的地位上。這種看法與物理關(guān)系先于語義關(guān)系之說是否矛盾呢？這里所謂“先后”之分是指時間上產(chǎn)生的順序，而“基礎(chǔ)”性，是指兩者產(chǎn)生之后，在運作時所處的地位。另外，并非所有的物理關(guān)系都必須轉(zhuǎn)化成語義關(guān)系后才能在思維中運作，可能存在著一些系統(tǒng)，直接在物理關(guān)系的層面上被加工，例如人的面孔識別，神經(jīng)科學已發(fā)現(xiàn)，這是一個獨立于其他物體識別的系統(tǒng)。

    這種關(guān)系問題正是機器人所面臨的。一方面，它的攝像頭得到了外部世界的信息，而同時它內(nèi)部又有某些指令（可以表達抽象的理論）。指令是信息和信息運作的組織者，指令甚至也決定著攝像頭應(yīng)獲取什么樣的信息（在人獲取信息時，“注意”起著類似的作用）。機器人之不同于一般的自動機，正在于它的內(nèi)部運作根據(jù)的是建立是語義基礎(chǔ)上的理論模式，在這里起作用的完全不是物理關(guān)系，而是那些電子器件上附加的語義關(guān)系——某種機器語言。

    在建立對應(yīng)關(guān)系時，有一個從物理關(guān)系到語義關(guān)系的轉(zhuǎn)換，它是如何完成的呢？機器能否產(chǎn)生和人一樣的轉(zhuǎn)換呢？對后一問題的回答是：非常困難，至少目前還無法實現(xiàn)，因為人的轉(zhuǎn)換具有極大的選擇性。人會根據(jù)此刻的情況和目的性產(chǎn)生出各種不同的語義關(guān)系。人的語義系統(tǒng)可以產(chǎn)生出多個不同的結(jié)果，機器所具備的只是其中之一。

    7．人和機器是怎樣辨識物體邊界的？

    在通常的情況下，人可以毫不費力地將一個物體與它的背景區(qū)分開來，也可以將圖片上的圖形與背景區(qū)分開來。然而對于機器來說，這卻不是一個簡單的任務(wù)。在這方面，人工智能已經(jīng)開發(fā)了許多行之有效的技術(shù)。例如，記錄下闖紅燈的汽車牌號，辯識手寫字體，等等。我們需要了解的是，人工智能實際上是用什么方法來解決這個問題的。

    人是如何完成這些任務(wù)的？心理學的某些研究對此有一定的幫助。知覺過程本身有一定的組織作用，如視覺中的恒常性。福多在心理模塊性中提到不少這一方面的成果。這種能力也可以看作是以往經(jīng)驗形成的參照系在起作用。