本文關(guān)鍵詞：人工智能發(fā)展的困境和出路，由筆耕文化傳播整理發(fā)布。

人工智能發(fā)展的困境和出路 投稿：韓煤煥

廣西師范大學(xué) 碩士學(xué)位論文 人工智能發(fā)展的困境和出路 姓名：韋淋元 申請學(xué)位級別：碩士 專業(yè)：科學(xué)技術(shù)哲學(xué) 指導(dǎo)教師：胡新和 20090401 人工智能發(fā)展的困境和出路 姓 名：韋淋元 指導(dǎo)教師：胡新和 教授 專 業(yè)：科學(xué)技術(shù)哲學(xué) 研究方向：科學(xué)技術(shù)…

第２ｌ卷第１期 重慶 工 學(xué) 院學(xué)報(bào)２００７年１月 Ｖ０１．２１Ｎｏ．１ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙＪａｎ．２００７ ＩＩＩ■■■■■■■■■■■■—●●●■■■■■■■■■—■●■■■■■●■●●■…

食品工藝參考答案 食安freeheart出品 一、填空 1、食品的三個功能 營養(yǎng)、感官、保健 2果蔬中的果膠物質(zhì)在不同的生長階段三種形式。 原果膠、果膠、果膠酸 3、乳粉的噴霧干燥主要兩種設(shè)備。 壓力噴霧干燥、離心噴霧干燥 4、根據(jù)加工目的及所需的照…

廣西師范大學(xué)

碩士學(xué)位論文

人工智能發(fā)展的困境和出路

姓名：韋淋元

申請學(xué)位級別：碩士

專業(yè)：科學(xué)技術(shù)哲學(xué)

指導(dǎo)教師：胡新和

20090401

人工智能發(fā)展的困境和出路

姓 名：韋淋元 指導(dǎo)教師：胡新和 教授

專 業(yè)：科學(xué)技術(shù)哲學(xué) 研究方向：科學(xué)技術(shù)與社會

年 級：2006級

中文摘要

自第一臺數(shù)字計(jì)算機(jī)產(chǎn)生以來，人工智能己有50多年的發(fā)展歷史。但以計(jì)算機(jī)為核心的人工智能研究并沒有停下腳步，相反一如繼往地飛速發(fā)展。本文通過分析人工智能研究領(lǐng)域的主要學(xué)派：符號主義學(xué)派、行為主義學(xué)派和聯(lián)結(jié)主義學(xué)派的研究方法所遇到的不同程度的困難和質(zhì)疑，積極地探討人工智能研究的出路。筆者認(rèn)為，人工智能的出路在于：正確認(rèn)識人工智能是人類改造世界的工具，而不奢望制造達(dá)到甚至超過人類智能的人工智能系統(tǒng)，在弱AI的框架內(nèi)，在“人機(jī)結(jié)合”技術(shù)路線的指引下，采用機(jī)制主義的研究方法，推動人工智能更快、更好的發(fā)展。

論文共分四部分：第一部分簡要地介紹了人工智能的涵義、誕生及發(fā)展歷程。第二部分，介紹了人工智能最具代表性的三大學(xué)派，即符號主義學(xué)派、行為主義學(xué)派和聯(lián)結(jié)主義學(xué)派的發(fā)展和主要特點(diǎn)。第三部分，著重闡述了符號主義學(xué)派、行為主義學(xué)派和聯(lián)結(jié)主義學(xué)派所面臨的困境和遭受的質(zhì)疑。第四部分，通過對強(qiáng)AI、弱AI可行性的分析以及對傳統(tǒng)人工智能學(xué)派的方法論進(jìn)行比較，嘗試探討人工智能研究的出路：在弱AI的前提下，以“人機(jī)結(jié)合”的技術(shù)路線為指引，采用融合了整體論和還原論思想的機(jī)制主義研究方法，以期人工智能研究能取得更大的突破。

關(guān)鍵詞：人工智能；人機(jī)結(jié)合；機(jī)制主義；困境；出路

The Predicament and Outled on The Dvelopment

of Artificial Intelligence

Postgraduate：Wei Lin-yuan Major：Philosophy of Science and Technology Study Direction：Science，Technology and Society Grade：2006 Supervisor：Professor Hu Xin-he

Abstract

Since the invention of the first digital computer， artificial intelligence has been developed for over 50 years. However， the research of artificial intelligence， focusing on computer， still keeps its rapid development rather than slow down its pace. The author analyzes the difficulties existing in the research approaches of the major schools in artificial intelligence research area ---- symbolism， behaviorism and connectionism， and tries to put forward some solutions to tackle the difficulties. The author thinks that we should realize that artificial intelligence is an important tool for human beings to transform the world but to design an artificial system to reach or even surpass human intelligence. In the framework of weak AI， we should， by adopting the research approaches of mechanism， promote the development of artificial intelligence in a quicker and better way under the guidance of the technical principle of man-computer combination.

This thesis consists of four parts. The first part briefly introduces the definition， invention and development history of artificial intelligence. The second part introduces the development and main features of symbolism， connectionism and behaviorism， the three most representative schools of artificial intelligence. The third part lays emphasis on the predicament and challenges the three schools mentioned above are faced with. By analyzing the feasibility of strong AI and weak AI as well as the methodology of traditional artificial intelligence schools， the fourth part puts forward some solutions on artificial intelligence research. It is suggested that on the premise of weak AI， we should， by adopting the research approaches of mechanism which combines holism and reductionism， make breakthrough in artificial intelligence research under the guidance of the technical principle of man- computer combination.

Key words：artificial intelligence， man- computer combination，mechanism， strong AI， weak AI， Predicament，Outled

論文獨(dú)創(chuàng)性聲明

本人鄭重聲明：所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含其他個人或其他機(jī)構(gòu)已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究作出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律責(zé)任。

研究生簽名： 日期：

論文使用授權(quán)聲明

本人完全了解廣西師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。廣西師范大學(xué)、中國科學(xué)技術(shù)信息研究所、清華大學(xué)論文合作部，有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可以公布（包括刊登）論文的全部或部分內(nèi)容。論文的公布（包括刊登）授權(quán)廣西師范大學(xué)學(xué)位辦辦理。

研究生簽名：日期：導(dǎo) 師簽名：日期：

引言

（一）選題緣由

半個多世紀(jì)以來，人工智能領(lǐng)域的研究得到很大的發(fā)展，它引起眾多學(xué)科和不同專業(yè)背景學(xué)者們的日益重視，成為一門廣泛交叉的前沿學(xué)科。伴隨著世界社會進(jìn)步和科技發(fā)展的步伐，人工智能在世界范圍內(nèi)得到迅速傳播與發(fā)展，并促進(jìn)了其它學(xué)科的發(fā)展。

近年來，現(xiàn)代計(jì)算機(jī)在硬件和軟件方面都取得了長足進(jìn)步，對人工智能的研究也起到了極大的推動應(yīng)用。盡管目前人工智能在發(fā)展過程中面臨不少爭論、困難和挑戰(zhàn)，但挑戰(zhàn)始終與機(jī)遇并存，爭論是有益的，困難終將被克服，人工智能的研究必將跨入新的階段，并為發(fā)展國民經(jīng)濟(jì)和改善人民生活做出更大貢獻(xiàn)。

目前，人工智能研究領(lǐng)域的三大學(xué)派——符號主義學(xué)派、聯(lián)結(jié)主義學(xué)派和行為主義學(xué)派在理論上和實(shí)踐中都面臨著不同程度的困難。本文希望通過對這三大學(xué)派進(jìn)行深入分析，找出它們的優(yōu)勢和不足，取長補(bǔ)短，對如何走出一條突破人工智能研究困境的道路進(jìn)行積極地探討。

（二）國內(nèi)外研究現(xiàn)狀

國外對人工智能的研究始于20世紀(jì)60年代。1956年，美國計(jì)算機(jī)協(xié)會組織的達(dá)特茅斯會議上提出了“人工智能”一詞。此后，人工智能的研究沿著三條迥異的路徑不斷發(fā)展成三個不同的學(xué)派：其一，以紐維爾、西蒙和威爾森等人為代表的符號主義學(xué)派，其代表性成果是紐維爾和西蒙等人研制的“邏輯理論家”的數(shù)學(xué)定理證明程序LT以及后來出現(xiàn)的各種專家系統(tǒng)；其二，以麥卡洛克、皮茲、羅森布拉特、霍普菲爾德等人為代表的聯(lián)結(jié)主義學(xué)派，其代表性成果是MP模型，感知機(jī)，Hopfieid網(wǎng)，BP算法等；其三，以維納、布魯克斯等人為代表的行為主義學(xué)派，其代表性成果是布魯克斯研制的 “機(jī)器昆蟲”。

我國的人工智能研究起步較晚。納入國家計(jì)劃的“智能模擬”研究始于1978年；1984年召開了智能計(jì)算機(jī)及其系統(tǒng)的全國學(xué)術(shù)討論會；1981年起，相繼成立了中國人工智能學(xué)會（CAAI）等學(xué)術(shù)團(tuán)體；1986年起把智能計(jì)算機(jī)系統(tǒng)、智能機(jī)器人和智能信息處理（含模式識別）等重大項(xiàng)目列入國家高技術(shù)研究計(jì)劃；1993年起，又把智能控制和智能自動化等項(xiàng)目列入國家科技攀登計(jì)劃。進(jìn)入21世紀(jì)后，有更多的人工智能與智能系統(tǒng)研究獲得各種基金計(jì)劃支持。

中國的科技工作者，已在人工智能領(lǐng)域取得許多具有國際領(lǐng)先水平的創(chuàng)造性成果。在關(guān)于人工智能理論研究方面，國內(nèi)學(xué)者除沿襲國外三大人工智能學(xué)派理論之外，具有代表

性的還有：我國人工智能學(xué)科的主要奠基人、中國人工智能學(xué)會的主要創(chuàng)始人之一涂序彥提出的廣義人工智能（GAI），北京郵電大學(xué)鐘義信教授提出的機(jī)制主義理論；北京師范大學(xué)教授劉曉力倡導(dǎo)的以“認(rèn)知是算法不可完全的”理念為基礎(chǔ)的研究綱領(lǐng)等。

現(xiàn)在，我國已有數(shù)以萬計(jì)的科技人員和大學(xué)師生從事不同層次的人工智能研究與學(xué)習(xí)。人工智能研究已在我國的深入開展，必將為促進(jìn)其它學(xué)科的發(fā)展和我國的現(xiàn)代化建設(shè)做出新的重大貢獻(xiàn)。

（三）研究意義

21世紀(jì)將是人工智能飛速發(fā)展的世紀(jì)，如何改進(jìn)現(xiàn)有的理論和研究方法，提高智能機(jī)器的效率和性能，使其更快更好地發(fā)展，從而更接近于人類智能，將成為人工智能研究的重要課題。這意味著我們必須重新審視目前的人工智能理論與技術(shù)，找出其中的優(yōu)點(diǎn)和不足。

本文通過對人工智能研究領(lǐng)域主流學(xué)派所面臨的困境入手進(jìn)行分析，同時(shí)對人工智能研究的路線、方法、目標(biāo)定位進(jìn)行探討，希望能對人工智能未來的發(fā)展方向進(jìn)行嘗試性的解答，并對人工智能研究提供一些參考。

一、人工智能的概念解析及其發(fā)展回顧

（一）智能的定義和本質(zhì)

在了解人工智能之前，首先要了解什么是智能，智能的本質(zhì)是什么。

智能一詞來源于拉丁語，字面意思是采集、收集、匯集，并由此進(jìn)行選擇。一般認(rèn)為：智能是指人類在認(rèn)識世界和改造世界的活動中，由腦力勞動表現(xiàn)出來的能力。即個體對客觀事物進(jìn)行合理分析、判斷及有目的的行動和有效的處理周圍環(huán)境事宜的綜合能力。[1]

目前科學(xué)界已經(jīng)從不同的角度、不同的側(cè)面、采用不同的方法闡述了智能的本質(zhì)，其中已經(jīng)達(dá)成共識的大致可以概括為以下幾點(diǎn)：

1、智能具有感知能力

感知能力是指人們通過視覺、聽覺、味覺、觸覺等感覺器官感知外部世界的能力。人類的大腦具備感知能力，通過感知獲取外部信息。如果沒有感知，人類無法獲取前提知識，也就不可能引發(fā)各種智能行為。因此，感知是智能活動的必要條件。

2、智能具有記憶和思維能力

記憶和思維是人腦最重要的功能，它們是人具有智能的根本原因，需要同時(shí)具備。記憶用于存儲由感官器官感知到的外部信息以及由思維所產(chǎn)生的知識；思維用于對記憶的信息進(jìn)行處理，利用已有知識對信息進(jìn)行分析、計(jì)算、比較、判斷、聯(lián)想及對策等。思維是一個動態(tài)過程，是獲取知識及運(yùn)用知識求解問題的根本途徑。而思維又分為幾種：邏輯思維（抽象思維）、形象思維（直感思維）以及頓悟思維。

3、智能具有學(xué)習(xí)能力、自適應(yīng)能力及行為能力

學(xué)習(xí)能力是指通過指導(dǎo)、實(shí)踐等過程來豐富自身的知識和技巧的能力；自適應(yīng)能力是指在各種環(huán)境下都能保持同等效率的能力；行為能力是指可以把思維決策轉(zhuǎn)化為行動的能力。

（二）人工智能的定義

“人工智能”(Artificial Intelligence，英文縮寫為AI)一詞最初是在1956年美國計(jì)算機(jī)協(xié)會組織的達(dá)特茅斯（Dartmouth）會議上提出的，到目前為止，人工智能的發(fā)展已經(jīng)走過了近半個多世紀(jì)的歷程。雖然對于什么是人工智能，學(xué)術(shù)界有各種各樣的說法和定義，但就其本質(zhì)而言，“人工智能是研究如何制造出人造的智能機(jī)器或智能系統(tǒng)來模擬人類智能活動的能力，以延伸人類智能的科學(xué)”。 [2] (P4)

在不同的思維形式下，人工智能的定義是不一樣的。可以說“人工智能（學(xué)科）是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個分支”；也可以說“人工智能（能力）是智能機(jī)器或系統(tǒng)所執(zhí)行的通常與人類智能有關(guān)的智能行為，如判斷、推理、證明、識別、感知、理解、通信、設(shè)計(jì)、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動”。 [3](P4)

（三）人工智能的發(fā)展歷史

1、萌芽時(shí)期（1956年以前）

自古以來，人類就力圖根據(jù)認(rèn)識水平和當(dāng)時(shí)的技術(shù)條件，用機(jī)器來代替人的部分腦力勞動，以提高征服自然的能力。公元850年，古希臘就有制造機(jī)器人幫助人們勞動的神話傳說。在我國公元前900多年，也有歌舞機(jī)器人傳說的記載，這說明古代人就有人工智能的幻想。

隨著歷史的發(fā)展，到十二世紀(jì)末至十三世紀(jì)初年間，西班牙的神學(xué)家和邏輯學(xué)家Romen Luee試圖制造能解決各種問題的通用邏輯機(jī)。十七世紀(jì)法國物理學(xué)家和數(shù)學(xué)家巴斯卡爾制成了世界上第一臺會演算的機(jī)械加法器并獲得實(shí)際應(yīng)用。隨后德國數(shù)學(xué)家和哲學(xué)家萊布尼茲在這臺加法器的基礎(chǔ)上發(fā)展并制成了進(jìn)行全部四則運(yùn)算的計(jì)算器。他還提出了邏輯機(jī)的設(shè)計(jì)思想，即通過符號體系，對對象的特征進(jìn)行推理，這種"萬能符號"和"推理計(jì)算"的思想是現(xiàn)代化"思考"機(jī)器的萌芽，因而他曾被后人譽(yù)為數(shù)理邏輯的第一個奠基人。十九世紀(jì)英國數(shù)學(xué)和力學(xué)家C.Babbage致力于差分機(jī)和分析機(jī)的研究，雖因條件限制未能完全實(shí)現(xiàn)，但其設(shè)計(jì)思想不愧為當(dāng)時(shí)人工智能最高成就。

進(jìn)入本世紀(jì)后，人工智能相繼出現(xiàn)若干開創(chuàng)性的工作。1936年，年僅24歲的英國數(shù)學(xué)家圖靈在他的一篇“理想計(jì)算機(jī)”的論文中，就提出了著名的圖靈機(jī)模型，1945年他進(jìn)一步論述了電子數(shù)字計(jì)算機(jī)設(shè)計(jì)思想，1950年他又在《計(jì)算機(jī)能思維嗎？》一文中提出了機(jī)器能夠思維的論述，可以說這些都是圖靈為人工智能所作的杰出貢獻(xiàn)。1938年德國青年工程師Zuse研制成了第一臺累計(jì)數(shù)字計(jì)算機(jī)Z-1，后來又進(jìn)行了改進(jìn)，到1945年他又發(fā)明了Planka.kel程序語言。此外，1946年美國科學(xué)家莫奇利等人制成了世界上第一臺電子數(shù)字計(jì)算機(jī)ENIAC。還有同一時(shí)代美國數(shù)學(xué)家維納控制論的創(chuàng)立，美國數(shù)學(xué)家香農(nóng)信息論的創(chuàng)立，英國生物學(xué)家W.R.Ashby所設(shè)計(jì)的腦等，這一切都為人工智能學(xué)科的誕生作了理論和實(shí)驗(yàn)工具的巨大貢獻(xiàn)。

2、形成時(shí)期（1956-1961）

1956年在美國的達(dá)特茅斯大學(xué)的一次歷史性的聚會被認(rèn)為是人工智能學(xué)科正式誕生的標(biāo)志，從此在美國開始形成了以人工智能為研究目標(biāo)的幾個研究組：如紐維爾和西蒙的Carnegie-RAND協(xié)作組；塞繆爾和格倫特的IBM公司工程課題研究組；明斯基和麥卡錫的MIT研究組等，這一時(shí)期人工智能的研究工作主要在下述幾個方面。

1957年紐維爾和西蒙等人的心理學(xué)小組編制出一個稱為邏輯理論機(jī)LT(The Logic Theory Machine)的數(shù)學(xué)定理證明程序，當(dāng)時(shí)該程序證明了B.A.W.Russell和

A.N.Whitehead的《數(shù)學(xué)原理》一書第二章中的38個定理（1963年修訂的程序在大機(jī)器上終于證完了該章中全部52個定理）。后來他們又揭示了人在解題時(shí)的思維過程大致可歸結(jié)為三個階段：

（1） 先想出大致的解題計(jì)劃；

（2） 根據(jù)記憶中的公理、定理和推理規(guī)則組織解題過程；

（3） 進(jìn)行方法和目的分析，修正解題計(jì)劃。

這種思維活動不僅解數(shù)學(xué)題時(shí)如此，解決其他問題時(shí)也大致如此。基于這一思想，他們于1960年又編制了能解十種類型不同課題的通用問題求解程序GPS（General Problem Solving）。另外他們還發(fā)明了編程的表處理技術(shù)和NSS國際象棋機(jī)。和這些工作有聯(lián)系的紐維爾關(guān)于自適應(yīng)象棋機(jī)的論文和西蒙關(guān)于問題求解和決策過程中合理選擇和環(huán)境影響的行為理論的論文，也是當(dāng)時(shí)信息處理研究方面的巨大成就。后來他們的學(xué)生還做了許多工作，如人的口語學(xué)習(xí)和記憶的EPAM模型（1959年）、早期自然語言理解程序SAD-SAM等。此外他們還對啟發(fā)式求解方法進(jìn)行了探討。

1956年塞繆爾研究的具有自學(xué)習(xí)、自組織、自適應(yīng)能力的西洋跳棋程序是IBM小組有影響的工作，這個程序可以像一個優(yōu)秀棋手那樣，向前看幾步來下棋。它還能學(xué)習(xí)棋譜，在分析大約175000幅不同棋局后，可猜測出書上所有推薦的走步，準(zhǔn)確度達(dá)48％，這是機(jī)器模擬人類學(xué)習(xí)過程卓有成就的探索。1959年這個程序曾戰(zhàn)勝設(shè)計(jì)者本人，1962年還擊敗了美國一個州的跳棋大師。

在MIT小組，1959年麥卡錫發(fā)明的表（符號）處理語言LISP，成為人工智能程序設(shè)計(jì)的主要語言，至今仍被廣泛采用。1958年麥卡錫建立的行動計(jì)劃咨詢系統(tǒng)以及1960年明斯基的論文《走向人工智能的步驟》，對人工智能的發(fā)展都起到了積極的作用。

此外，1956年N.Chomsky的語法體系，1958年Selfridge等人的模式識別系統(tǒng)程序等，都對人工智能的研究產(chǎn)生有益的影響。這些早期成果，充分表明人工智能作為一門新興學(xué)科正在茁壯成長。

3、發(fā)展時(shí)期（1961年以后）

六十年代以來，人工智能的研究活動越來越受到重視。為了揭示人工智能的有關(guān)原理，研究者們相繼對問題求解、博弈、定理證明、程序設(shè)計(jì)、機(jī)器視覺、自然語言理解等領(lǐng)域的課題進(jìn)行了深入的研究。幾十年來，不僅使研究課題有所擴(kuò)展和深入，而且還逐漸搞清了這些課題共同的基本核心問題以及它們和其他學(xué)科間的相互關(guān)系。1974年尼爾森對發(fā)展時(shí)期的一些工作寫過一篇綜述論文，他把人工智能的研究歸納為四個核心課題和八個應(yīng)用課題，并分別對它們進(jìn)行論述。

這一時(shí)期中某些課題曾出現(xiàn)一些較有代表性的工作，1965年羅賓森提出了歸結(jié)（消解）原理，推動了自動定理證明這一課題的發(fā)展。70年代初，T.Winograd、R.C.Schank和西蒙等人在自然語言理解方面做了許多工作，較重要的成就是Winograd提出的積木世界中理解自然語言的程序。關(guān)于知識表示技術(shù)有格林于1996年發(fā)表的一階謂詞演算語句，昆利恩1996年的語義記憶的網(wǎng)絡(luò)結(jié)構(gòu)，西蒙等人的語義網(wǎng)結(jié)構(gòu)，R.C.Schank（1972年）的概念網(wǎng)結(jié)構(gòu)，明斯基的框架系統(tǒng)的分層組織結(jié)構(gòu)等。關(guān)于專家系統(tǒng)，自1965年研制

DENDRAL系統(tǒng)以來，一直受到人們的重視，這是人工智能走向?qū)嶋H應(yīng)用最引人注目的課題。1977年費(fèi)根鮑姆提出了知識工程（Knowledge Engineering）的研究方向，導(dǎo)致了專家系統(tǒng)和知識庫系統(tǒng)更深入的研究和開發(fā)工作。此外智能機(jī)器人、自然語言理解和自動程序設(shè)計(jì)等課題，也是這一時(shí)期較集中的研究課題，也取得不少成果。

從80年代中期開始，經(jīng)歷了10多年的低潮之后，有關(guān)人工神經(jīng)元網(wǎng)絡(luò)的研究取得了突破性的進(jìn)展。1982年生物物理學(xué)家霍普菲爾德提出了一種新的全互聯(lián)的神經(jīng)元網(wǎng)絡(luò)模型，被稱為Hopfield模型。利用該模型的能量單調(diào)下降特性，可用于求解優(yōu)化問題的近似計(jì)算。1985年霍普菲爾德利用這種模型成功地求解了"旅行商（TSP）"問題。1986年Rumelhart提出了反向傳播（back propagation-BP）學(xué)習(xí)算法，解決了多層人工神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)問題，成為廣泛應(yīng)用的神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí)算法。從此，掀起了新的人工神經(jīng)元網(wǎng)絡(luò)的研究熱潮，提出了很多新的神經(jīng)元網(wǎng)絡(luò)模型，并被廣泛的應(yīng)用于模式識別、故障診斷、預(yù)測和智能控制等多個領(lǐng)域。1997年5月，IBM公司研制的"深藍(lán)"計(jì)算機(jī)，以3.5：2.5的比分，首次在正式比賽中戰(zhàn)勝了人類國際象棋世界冠軍卡斯帕羅夫，在世界范圍內(nèi)引起了轟動。這標(biāo)志著在某些領(lǐng)域，人工智能系統(tǒng)經(jīng)過努力可以達(dá)到甚至超過人類智能的水平。

本世紀(jì)六十年代，學(xué)術(shù)交流的發(fā)展對人工智能的研究有很大推動作用。1969年國際人工智能聯(lián)合會成立，并舉行第一次學(xué)術(shù)會議IJCAI-69（International Joint Conference on Artificial Intelligence），以后每兩年召開一次。隨著人工智能研究的發(fā)展，1974年又成立了歐洲人工智能學(xué)會，并召開第一次會議ECAI(European Conference on Artificial Intelligence)，隨后也是相隔兩年召開一次。此外許多國家也都有本國的人工智能學(xué)術(shù)團(tuán)體。在人工智能刊物方面，1970年創(chuàng)辦了《Artificial Intelligence》國際性期刊，愛丁堡大學(xué)還不定期出版《Machine Intelligence》雜志，還有IJCAI會議文集，ECAI會議文集等。此外ACM，AFIPS和IEEE等刊物也刊載人工智能的論著。

美國是人工智能的發(fā)源地，隨著人工智能的發(fā)展，世界各國有關(guān)學(xué)者也都相繼加入這一行列，英國在60年代就起步人工智能的研究，到70年代，在愛丁堡大學(xué)還成立了"人工智能"系。日本和西歐一些國家雖起步較晚，但發(fā)展都較快，前蘇聯(lián)對人工智能研究也開始予以重視。我國是從1978年才開始人工智能課題的研究，主要在定理證明、漢語自然語言理解、機(jī)器人及專家系統(tǒng)方面設(shè)立課題，并取得一些初步成果。我國也先后成立中國人工智能學(xué)會、中國計(jì)算機(jī)學(xué)會人工智能和模式識別專業(yè)委員會和中國自動化學(xué)會模式識別與機(jī)器智能專業(yè)委員會等學(xué)術(shù)團(tuán)體，開展這方面的學(xué)術(shù)交流。此外國家還著手興建了若干個與人工智能研究有關(guān)的國家重點(diǎn)實(shí)驗(yàn)室，這些都將促進(jìn)我國人工智能的研究，為這一學(xué)科的發(fā)展作出貢獻(xiàn)。

近年來，人工智能在很多方面取得了新的進(jìn)展，尤其是隨著因特網(wǎng)的普及和應(yīng)用，對人工智能的需求，變得越來越迫切，也給人工智能的研究提供了新的廣闊的舞臺。

二、人工智能研究領(lǐng)域的主要學(xué)派概述

人工智能的研究和傳統(tǒng)的計(jì)算機(jī)程序設(shè)計(jì)在很多方面有所不同。從研究對象上看，人工智能系統(tǒng)是以符號表示知識，并以知識為主要研究對象，而傳統(tǒng)的程序是以數(shù)值為研究對象，這說明了知識在人工智能中的重要性。知識是一切智能系統(tǒng)的基礎(chǔ)，任何智能系統(tǒng)的活動過程都是一個獲取知識和運(yùn)用知識的過程。[4](P14)

由于人們對人工智能本質(zhì)的不同理解和認(rèn)識，形成了人工智能研究的多種不同的路徑。不同的研究路徑有不同的研究方法和不同的學(xué)術(shù)觀點(diǎn)，并形成了不同的研究學(xué)派。目前在人工智能界的主要研究學(xué)派有符號主義、聯(lián)結(jié)主義和行為主義等學(xué)派。

（一）符號主義學(xué)派

符號主義又稱邏輯主義、心理學(xué)派或計(jì)算機(jī)學(xué)派，其理論基礎(chǔ)是物理符號系統(tǒng)假設(shè)和有限合理性原理。符號主義學(xué)派認(rèn)為，人認(rèn)知的基本元素是符號，認(rèn)知過程即符號操作過程。同時(shí)，人可以看成是一個物理符號系統(tǒng)，計(jì)算機(jī)也是一個物理符號系統(tǒng)，因此，我們就能夠用計(jì)算機(jī)來模擬人的智能行為，即用計(jì)算機(jī)的符號操作來模擬人的認(rèn)知過程。它還認(rèn)為，知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)，人工智能的核心問題是知識表示、知識推理和知識運(yùn)用。知識可用符號表示，也可用符號進(jìn)行推理，因而有可能建立起基于知識的人工智能系統(tǒng)。這個學(xué)派的主要代表人物有紐維爾、肖.西蒙和威爾森等。

所謂符號就是模式，任何一種模式，只要它能夠和其他模式相區(qū)別，它就是一個符號。例如：不同的英文字母就是符號。物理符號系統(tǒng)的基本任務(wù)就是對符號進(jìn)行比較，辨認(rèn)相同的符號和區(qū)分不同的符號。

符號主義的重要性之一就是它指出了這種物理符號系統(tǒng)由什么構(gòu)成并不重要，這一假設(shè)完全是中性的。一個智能實(shí)體能處理符號，它可以由蛋白質(zhì)、機(jī)械運(yùn)動、半導(dǎo)體或其他材料構(gòu)成，如人的神經(jīng)系統(tǒng)等。計(jì)算機(jī)具有符號處理的推算能力，這種能力本身就蘊(yùn)含著演繹推理的能力，因此可以通過運(yùn)行相應(yīng)的程序來體現(xiàn)出某種基于邏輯思維的智能行為，故計(jì)算機(jī)可以看作是一種理想的物理符號系統(tǒng)。物理符號系統(tǒng)假設(shè)實(shí)際上也肯定了如下信念：計(jì)算機(jī)能夠具有人的智能。[5] (P14)

大量傳統(tǒng)的人工智能研究是在這個學(xué)派的思想推動下進(jìn)行的。早期的人工智能主要研究棋弈、邏輯和數(shù)學(xué)定理的機(jī)器證明以及機(jī)器翻譯等問題。后來發(fā)展起來的專家系統(tǒng)和知識工程則是人工智能的重要應(yīng)用領(lǐng)域，陸續(xù)開發(fā)出許多著名的專家系統(tǒng)，為工礦數(shù)據(jù)分析處理、醫(yī)療診斷、計(jì)算機(jī)設(shè)計(jì)、符號運(yùn)算和定理證明等提供了強(qiáng)有力的工具。

符號主義的代表性成果是紐維爾和西蒙等人研制的“邏輯理論家”的數(shù)學(xué)定理證明程序LT。以符號主義的觀點(diǎn)看，知識表示是人工智能的核心，認(rèn)知就是處理符號，推理就是采用啟發(fā)式知識及啟發(fā)式搜索對問題的求解過程，而推理過程又可以用某種形式化的語言來描述。

（二）行為主義學(xué)派

行為主義又稱為進(jìn)化主義或控制論學(xué)派，是基于控制論和“動作-感知”型控制系統(tǒng)的人工智能學(xué)派，屬于非符號處理方法�！靶袨橹髁x者認(rèn)為智能不需要知識、不需要表示、不需要推理；人工智能可以像人類智能一樣逐步進(jìn)化（所以稱為進(jìn)化主義）；智能行為只能在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來。”[6]

1948年，維納在《控制論》中指出：“控制論是在自控理論、統(tǒng)計(jì)信息論和生物學(xué)的基礎(chǔ)上發(fā)展起來的，機(jī)器的自適應(yīng)、自組織、自修復(fù)和學(xué)習(xí)功能是由系統(tǒng)的輸入輸出反饋行為決定的” [7]。持有這種觀點(diǎn)的學(xué)者認(rèn)為：人的智能經(jīng)過了在地球上十億年甚至更長時(shí)間的進(jìn)化。而要制造出真正的機(jī)器，也必須沿著這些進(jìn)化的步驟走。他們認(rèn)為機(jī)器是由蛋白質(zhì)構(gòu)成還是由各種半導(dǎo)體構(gòu)成是無關(guān)緊要的，智能行為是由所謂的“亞符號處理”（即信號處理）產(chǎn)生而不是由“符號處理”產(chǎn)生的。如識別熟悉的人的面孔，對人來說易如反掌，但是對機(jī)器就很困難，最好的解釋就是人類把圖像或圖像的各個部分作為多維信號而不是符號來處理。因此，他們認(rèn)為應(yīng)該以復(fù)雜的現(xiàn)實(shí)世界為背景，研究簡單動物如昆蟲的信號處理能力并模擬和復(fù)制，沿著進(jìn)化的階梯向上進(jìn)行。這一方案不僅能在短期內(nèi)制造出實(shí)用的人造物，而且能為更高級的智能的建立打下堅(jiān)實(shí)的基礎(chǔ)。

行為主義方法在最低階段采用信號的概念。60—70年代，行為主義學(xué)者模擬人在控制過程中的智能行為和作用，對自尋優(yōu)、自適應(yīng)、自修復(fù)、自鎮(zhèn)定、自組織和自學(xué)習(xí)等控制論系統(tǒng)的研究，并進(jìn)行“控制動物”的研制，使這些控制論系統(tǒng)的研究取得一定進(jìn)展。80年代，隨著計(jì)算機(jī)技術(shù)、仿生學(xué)等科學(xué)的發(fā)展，以美國麻省理工學(xué)院人工智能實(shí)驗(yàn)室的科學(xué)家布魯克斯(Rodney Brooks)為代表的一批研究人員將行為主義的觀點(diǎn)引入到人工智能的研究中，并逐步形成了有別于傳統(tǒng)人工智能的新的研究方法。在1991年悉尼舉行的國際人工智能聯(lián)合會議上，布魯克斯提出具有挑戰(zhàn)性的“無需知識表征”及“沒有推理”的智能系統(tǒng)，他認(rèn)為：“首先要弄清楚生命系統(tǒng)在復(fù)雜的自然環(huán)境中所具有的生存和反應(yīng)能力的本質(zhì)，然后才有可能進(jìn)一步探討人類高水平的智能問題。其次許多作用物的行為能夠通過一些分解的動物而合成�！盵8](P15)他認(rèn)為智能只是在與環(huán)境的交互作用中才表示出來，不應(yīng)采用集中式的模式，而是需要具有不同的行為模塊與環(huán)境交互，以此來產(chǎn)生復(fù)雜的行為。因此智能系統(tǒng)應(yīng)該屬于具體的環(huán)境之中，應(yīng)該有軀干、眼睛等感官，應(yīng)該與環(huán)境交互作用，只能是系統(tǒng)的各個部件交互作用、系統(tǒng)與環(huán)境交互作用所涌現(xiàn)出來的總的行為。布魯克斯等人認(rèn)為，既然人工智能的終極目標(biāo)是復(fù)制人的智能，那么可以從復(fù)制動物的智能開始。其代表性的工作是布魯克斯研制的有6條腿的“機(jī)器昆蟲”。這種機(jī)器昆蟲用一些相對獨(dú)立的功能單元，分別實(shí)現(xiàn)避讓、前進(jìn)、平衡等功能，組成分層異步分布式網(wǎng)絡(luò)，取得了一定的成功，特別是為機(jī)器人的研究開創(chuàng)了一種新的方法。

基于行為主義的基本觀點(diǎn)可以概括為以下幾點(diǎn)：

第一、知識的形式化表達(dá)和模型化方法是人工智能的重要障礙之一；第二、智能取決

與感知和行動，應(yīng)直接利用機(jī)器對環(huán)境作用，以環(huán)境對作用的響應(yīng)為原型；第三、智能行為體現(xiàn)在世界中，通過與周圍環(huán)境交互而表現(xiàn)出來；第四、人工智能可以像人類智能一樣逐步進(jìn)化，分階段發(fā)展和增強(qiáng)。

這種基于行為的觀點(diǎn)開辟了人類智能研究的新途徑。盡管有人認(rèn)為機(jī)器昆蟲在感知-行為上的成功并不能導(dǎo)致高級控制行為，但是該學(xué)派的興起，表明了控制論、系統(tǒng)工程的思想將進(jìn)一步影響人工智能的發(fā)展。[9](P15)

（三）聯(lián)結(jié)主義學(xué)派

以網(wǎng)絡(luò)連接為基礎(chǔ)的聯(lián)結(jié)主義是近年來研究得比較多的一種方法，也屬于非符號處理方法，聯(lián)結(jié)主義又稱仿生學(xué)派或生理學(xué)派。[10]( P15)聯(lián)結(jié)主義學(xué)派主要研究能夠進(jìn)行非程序的，可適應(yīng)環(huán)境變化的，類似人類大腦風(fēng)格的信息處理方法的本質(zhì)和能力，是基于神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)間的連接機(jī)制和學(xué)習(xí)算法的人工智能學(xué)派。持這種觀點(diǎn)的學(xué)者認(rèn)為，認(rèn)知的基本元素不是符號是神經(jīng)細(xì)胞（神經(jīng)元），認(rèn)知過程是大量神經(jīng)元的聯(lián)接，而大腦是一切智能活動的基礎(chǔ)，因而從大腦神經(jīng)元及其連接機(jī)制出發(fā)進(jìn)行研究，搞清楚大腦的結(jié)構(gòu)以及它進(jìn)行信息處理的過程和機(jī)理，就有望揭示人類智能的奧秘，從而真正實(shí)現(xiàn)人類智能在機(jī)器上的模擬。聯(lián)結(jié)主義學(xué)派嘗試對大腦的結(jié)構(gòu)進(jìn)行模擬，建立分布式并行計(jì)算系統(tǒng)，從而使該系統(tǒng)具備自學(xué)習(xí)、自組織、自適應(yīng)、聯(lián)想、模糊推理等方面的能力。

聯(lián)結(jié)主義研究非程序的、實(shí)用性的、大腦工作風(fēng)格的信息處理的本質(zhì)和能力。人們也稱它為神經(jīng)計(jì)算。由于它近年來的迅速發(fā)展，大量的神經(jīng)網(wǎng)絡(luò)的機(jī)理、模型、算法不斷地涌現(xiàn)出來。神經(jīng)網(wǎng)絡(luò)主題是一種開放式的神經(jīng)網(wǎng)絡(luò)環(huán)境，提供典型的、具有實(shí)用價(jià)值的神經(jīng)網(wǎng)絡(luò)模型。

40年代神經(jīng)生理學(xué)專家麥卡洛克與數(shù)學(xué)家皮茲合作，對神經(jīng)系統(tǒng)特別是神經(jīng)元的活動機(jī)理、圖靈的可計(jì)算數(shù)理論、羅素和懷特海的命題邏輯理論進(jìn)行綜合研究，提出形式神經(jīng)元的數(shù)學(xué)模型。50年代末羅森布拉特設(shè)計(jì)了感知機(jī)，試圖用人工神經(jīng)網(wǎng)絡(luò)模擬動物和人的感知和學(xué)習(xí)能力，形成人工智能的一個分支——模式識別，并創(chuàng)立了學(xué)習(xí)的決策論方法。但是由于受到計(jì)算機(jī)水平的限制，許多理論設(shè)想未能實(shí)現(xiàn)。60年代末明斯基和帕坡特從數(shù)學(xué)上分析了感知機(jī)的原理，指出它的局限性。這個打擊使人工神經(jīng)網(wǎng)絡(luò)的研究走入低谷，研究隊(duì)伍迅速解體。從80年代開始，經(jīng)典符號主義人工智能的局限性逐步明朗化，而當(dāng)年推出人工智能領(lǐng)域神經(jīng)網(wǎng)絡(luò)的一些學(xué)者及其后繼者經(jīng)過多年潛心研究，取得重要的突破，加上計(jì)算機(jī)硬件突飛猛進(jìn)的發(fā)展，使神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)成為可能。80年代末神經(jīng)網(wǎng)絡(luò)迅速崛起，在聲音識別、圖像處理等方面取得很大成功。

該方法的主要特征表現(xiàn)在：以分布式的方式存儲信息，以并行方式處理信息，具有自組織、自學(xué)習(xí)能力，適合于模擬人的形象思維，可以比較快地得到一個近似解。正是這些特點(diǎn)，使得神經(jīng)網(wǎng)絡(luò)為人們在利用機(jī)器加工處理信息方面提供了一個全新的方法和途徑。

三、人工智能研究的三大學(xué)派面臨的困境

雖然三大學(xué)派在對人工智能進(jìn)行深入研究的過程中取得了令人鼓舞的成果，但同時(shí)它們也遇到了各種各樣的困難：

（一）符號主義學(xué)派面臨的困境

1、常識知識獲取的困境

常識是指人們在日常生活中的知識， 特別是指那些不言自明的眾所周知的知識，即所謂只可意會難于言傳的東西。它是一種日常生活中的人們都在使用但又無須明顯表達(dá)出來的客觀知識。

科學(xué)家們已經(jīng)發(fā)現(xiàn)，在人工智能研究中存在這樣的問題，即對于一個兒童來說是非常容易的事情，人工智能方法經(jīng)過多年努力仍然沒法有效處理。這是因?yàn)樵谌祟惾粘Ｉ钪幸罅渴褂贸ＷR知識。人類專家的知識是以擁有大量的常識為基礎(chǔ)的，常識知識表示研究的困難大致表現(xiàn)為下述幾個方面：

首先是常識知識數(shù)量龐大。專業(yè)知識可以劃分為幾百或幾千個事實(shí)，這樣就足以建立可供使用的專家系統(tǒng)，但是我們卻無法知道一個具有人類級智能的系統(tǒng)到底需要多少常識知識。有的人工智能專家希望通過構(gòu)建巨大的知識庫來建立智能系統(tǒng)�！爸R工程之父”費(fèi)根鮑姆在 20 世紀(jì) 70 年代提出通過建設(shè)大規(guī)模知識庫來解決常識知識問題以實(shí)現(xiàn)人工智能，萊納特等人籌建的 CYC(CYC 取自百科全書英文名encyclopedia 的一部分)海量知識庫正是體現(xiàn)了費(fèi)根鮑姆的這一思想。他建立的 CYC 知識庫通過不斷增加關(guān)于知識的事實(shí)來實(shí)現(xiàn)人類級的智能。但是 CYC 知識庫的語境概念本質(zhì)上是經(jīng)驗(yàn)事實(shí)的總結(jié)，而并非可推演的理論體系，同時(shí)語境也是條件巨大無法窮盡的。在1990 年，萊納特等就表示： “人工智能一直在設(shè)法擺脫這樣一個事實(shí)：并沒有任何優(yōu)雅的、不費(fèi)力的方法去獲得這個巨大的知識庫，至少開始時(shí)需要大量精力人工輸入每一個斷言�！盵11]這樣一來，若按照 CYC的設(shè)想，這個知識庫必然會越來越大，而面臨“知識爆炸”的危險(xiǎn)。

其次，人們在研究專業(yè)知識的時(shí)候，可以比較容易將知識限定在某一范圍之內(nèi)，但是常識知識具有極大的語境相關(guān)性，這就要求表示常識知識必須要考慮到其語境因素。我們目前還不能很好的界定常識知識的邊界問題，因?yàn)槌ＷR知識不但數(shù)量龐大，而且知識之間相互嵌套，相關(guān)此事物的知識又與其他事物相關(guān)。簡單地講，一些單純的常識知識很難用自然語言來描述。例如，如果扔下一個物體，它將下落；再例如，在白天戰(zhàn)斗行軍中，當(dāng)戰(zhàn)場指揮員看到有鳥從森林中被驚起時(shí)，就會推測可能有敵人埋伏。對于這樣的常識知識的表示已經(jīng)不單純是科學(xué)知識，還需要更廣范圍內(nèi)的相關(guān)知識。這也就是常識知識的語境相關(guān)性問題，一般而言，語境有廣義和狹義之分，狹義的語境僅指一個語詞、一個句子出現(xiàn)的上下文；廣義的語境除了上下文含義之外，還包括該語詞或語句出現(xiàn)的整個背景知識。因此在人工智能的知識表示中，語境的這種社會文化相關(guān)性是人工智能處理常識知識問題的一個難點(diǎn)。所以，

只要人工智能的目標(biāo)是使機(jī)器能夠與人進(jìn)行成功的交際，那么，其研究就必須使機(jī)器能夠跨越語境因素進(jìn)行自然語言理解和推理。[12]

最后，常識知識表示研究中的又一個困難是，人類的常識知識中還存在一類無法用自然語言清晰地描述出來的知識，例如與人類的心理狀態(tài)相關(guān)的知識等。對這類知識的描述有時(shí)候僅僅是一個概括性的描述，因此在人工智能中就必然無法用邏輯方法表示出來。甚至早期支持人類級人工智能的明斯基也承認(rèn)人工智能形式系統(tǒng)模型解決問題的缺陷：“認(rèn)知和智能活動不是由建基在公理上的數(shù)學(xué)運(yùn)算所能統(tǒng)一描述的。因此，要在認(rèn)知科學(xué)領(lǐng)域有實(shí)質(zhì)性突破，應(yīng)當(dāng)放棄唯理主義哲學(xué)，從生物學(xué)中得到啟示和線索” [13]

2、解決“組合爆炸”的困難

“組合爆炸”最初源于離散數(shù)學(xué)，意思是隨著問題中元素的增加，所出現(xiàn)的可能組合數(shù)劇烈增加，形象的說法就是組合爆炸。

組合爆炸的經(jīng)典問題之一，旅行商問題（Traveling Salesman Problem，簡稱TSP）是英國數(shù)學(xué)家克曼（T．P．Kirkman）于19世紀(jì)初提出的一個數(shù)學(xué)問題：有若干個城市，城市之間的距離都是確定的，現(xiàn)有一旅行商從某城 市出發(fā)到每個城市旅行，途中只能在每個城市逗留一次，最后回到出發(fā)城市。問如何事先確定好一條最短的路線，使其旅行的費(fèi)用最少。

人們在考慮解決這個問題時(shí)，一般首先想到的、又是最原始的一種方法就是：列出每一條可供選擇的路線（即對給定的城市進(jìn)行排列組合），計(jì)算出每條路線的總里程，最后從中選出一條最短的路線。

為了簡化問題，我們假定只有四個城市，分別用A、B、C、D來表示，城市之間的距離如圖1所示。我們假定旅行商從A城市出發(fā)，最后回到A城市。對于這 么一個簡單的問題，我們不難找出所有可能的旅行路線，如圖2所示。從圖中不難看出，可供選擇的路線共有6條，從中可以很快選出一條總距離最短的路線。 這是一個典型的組合路徑問題，當(dāng)城市數(shù)目為n時(shí)，組合路徑數(shù)則為(n-1)！。比如，當(dāng)n = 20時(shí)，組合路徑數(shù)則為（20-1）！≈1.216×10 7。對于如此龐大的組合路徑，即使計(jì)算機(jī)按每秒1000萬條路線的速度計(jì)算，也需要花上386年的時(shí)間。

很顯然，當(dāng)城市數(shù)目不多時(shí)要找到最短距離的路線并不難，但隨著城市數(shù)目的不斷增大，組合數(shù)目將按指數(shù)方式急劇增長，一直達(dá)到無法計(jì)算的地步，這就是所謂的“組合爆炸問題”。

2001年，人們成功地解決了德國15112個城市之間的TSP問題。但這一工程代價(jià)也是巨大的，共使用了美國Rice大學(xué)和普林斯頓大學(xué)之間網(wǎng) 絡(luò)互連的、由速度為500MHZ的CompaqEV6 Alpha處理器組成的110臺計(jì)算機(jī)，所有計(jì)算機(jī)花費(fèi)的時(shí)間總和為22.6年。

在人工智能領(lǐng)域，計(jì)算機(jī)在棋類游戲與人對弈時(shí)，多采用窮舉法，即在限定的對弈規(guī)則下，將所有可能出現(xiàn)的局面都列舉出來，然后再選擇最優(yōu)的下法。然而棋類游戲每過一個回合，下一步將面臨很多種選擇，而每種所選擇走法的下一步又面臨更多的選擇，因此這些選擇路線將呈幾何級數(shù)增長，以致現(xiàn)有最快的超級計(jì)算機(jī)也無法處理，

1997年5月11日，IBM公司的大型計(jì)算機(jī)“深藍(lán)”以3.5：2.5戰(zhàn)勝了國際象棋冠軍卡斯帕羅夫。深藍(lán)的運(yùn)算速度為每秒10億次，即便如此，它也只能算是艱難地戰(zhàn)勝了卡斯帕羅夫。因?yàn)橄聡H象棋的平均合法走法為35種，同時(shí)開局和終局是事先約定和十分明確的：開局的時(shí)候，所有的棋子都擺在棋盤上，王一旦被將死，不管還剩多少棋子，比賽就結(jié)束了。國際象棋每個棋子的重要性，是給定的，例如，假設(shè)給定王的重要性是10，那么，后是9、相是8和7、馬是6和5、車是4和3，兵是2；每個棋子的走法是事先約定固定的，如何被吃也只有一種方式。因此，用計(jì)算機(jī)比賽，就可以根據(jù)棋子的重要性做局勢分析的作業(yè)次序，根據(jù)走法判斷面臨的威脅和如何應(yīng)對、或者計(jì)算再走幾步就能定局。

但當(dāng)超級計(jì)算機(jī)弈棋程序遇到圍棋時(shí)，困難就顯而易見了。雖然圍棋形式簡單，只有黑白兩種棋子，規(guī)則也很簡單，但是它的玄妙卻是任何其他任何棋類所不能比超的。圍棋的開局和終局，沒有事先約定、都是不確定的，尤其不同的是，圍棋的開始沒有棋子，是一片空白；終局不是看一個棋子的存活，而是看所有存活棋子所占空間的大小。圍棋每個棋子的重要性是等同的，或者說，沒有重要性可參考：在沒下子之前，那個棋子就沒有任何意義、它的重要性不存在，而下好的棋子的重要性因局勢改變而改變。因此，用計(jì)算機(jī)做圍棋比賽，就不能根據(jù)棋子的重要性做局勢分析，也不能根據(jù)走法判斷面臨的威脅和如何應(yīng)對，就是做個最基本的棋子死活分析判斷，計(jì)算機(jī)面臨的挑戰(zhàn)就非常巨大。

此外圍棋的每個回合，棋手平均面臨200種合法走法，由此計(jì)算，八個回合后，計(jì)算

機(jī)就要分析判斷200^16≈6.5536 × 1036種局勢可能，來決定第九個回合如何下手。面對如此情況，目前最強(qiáng)的超級計(jì)算機(jī)能處理嗎？

2008年6月18日，每年公布兩次全球超級計(jì)算機(jī)500強(qiáng)排名的TOP500.Org組織公布了最新的全球超級計(jì)算機(jī)500強(qiáng)排名。IBM為美國能源部洛斯阿拉莫斯國家實(shí)驗(yàn)室（Los Alamos National Laboratory）開發(fā)的“Roadrunner”計(jì)算機(jī)以峰值每秒1026萬億次（約等于1015次）位居榜首，并成為全球首臺突破每秒1000萬億次浮點(diǎn)運(yùn)算的超級計(jì)算機(jī)，運(yùn)算能力相當(dāng)于10萬臺目前性能最強(qiáng)的筆記本電腦。但即使以“Roadrunner”計(jì)算機(jī)日夜不停地計(jì)算，要對圍棋八個回合后的所有可能局勢進(jìn)行窮舉仍需要2 × 1012年！

組合爆炸不僅僅限于圍棋方面，對于計(jì)算機(jī)數(shù)據(jù)庫建立以大量知識為基礎(chǔ)的數(shù)據(jù)庫，隨著數(shù)據(jù)庫規(guī)模的增長，它的任何組合表達(dá)式都具有激烈的增長，它們代表著眾多各種可能的根據(jù)特定規(guī)則對該知識基礎(chǔ)的元素進(jìn)行分組的方式，這種組合表達(dá)式的相互牽連達(dá)到一定規(guī)模時(shí)，相對于邏輯推理機(jī)也會形成“組合爆炸”的問題。[14]

3、機(jī)器翻譯困境

所謂機(jī)器翻譯 (MachineTranslation)，是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程。機(jī)器翻譯是實(shí)現(xiàn)全球無障礙交際的重要技術(shù)手段。操作時(shí)，首先把原文輸人計(jì)算機(jī)，計(jì)算機(jī)根據(jù)人們所提供給它的機(jī)器字典信息特征以及程序化的語法規(guī)則，再對輸入的語言進(jìn)行分析、綜合和詞序的調(diào)整，最后轉(zhuǎn)換成譯文輸出。

目前機(jī)器翻譯的方法主要有兩種：傳統(tǒng)機(jī)器翻譯和現(xiàn)代機(jī)器翻譯。傳統(tǒng)機(jī)器翻譯的方法都是基于規(guī)則的機(jī)器翻譯方法。目前國內(nèi)市場上的多數(shù)翻譯軟件，其核心模塊都是基于規(guī)則的產(chǎn)物，其特點(diǎn)是利用語法和語義理論，通過上下文的搭配關(guān)系進(jìn)行分析和生成。由于分析技術(shù)的限制，大多數(shù)都以句法直譯和句法轉(zhuǎn)換為主；而現(xiàn)代機(jī)器翻譯方法是基于經(jīng)驗(yàn)的方法，其特點(diǎn)是利用一個含有各種句型的、雙語對照的語料庫，在翻譯時(shí)從語料庫中抽取與輸入句子相類似的例句，然后模仿例句來實(shí)現(xiàn)源語言與目標(biāo)語言的轉(zhuǎn)換。

從以上兩種機(jī)譯方法的特點(diǎn)，我們可以發(fā)現(xiàn)，它們分別是以語法規(guī)則和語料庫為基礎(chǔ)的。理論上，輸進(jìn)計(jì)算機(jī)中的規(guī)則和語言材料越多，翻譯的質(zhì)量也就越高。如果能把人類語言的規(guī)律和現(xiàn)象都統(tǒng)統(tǒng)存入電腦，則機(jī)器翻譯就可以完全代替人工翻譯。然而，各式各樣的人類語言是不可能用一些理論的東西代替的。連人類自身都無法把握、無法捉摸的語言現(xiàn)象，僅靠語料庫是不可能辦到的。研究者們研究了語法和詞典，語言學(xué)家們也創(chuàng)建了成千上萬條規(guī)則庫。覆蓋了相當(dāng)大范圍的語言現(xiàn)象。隨著規(guī)則庫規(guī)模越來越大，句子分析的成功率也提高了很多。機(jī)器翻譯就其自身的發(fā)展而言，確實(shí)是取得了令人矚目的成就。然而，機(jī)器翻譯的發(fā)展受到了限制，單純的語言處理系統(tǒng)難以應(yīng)付現(xiàn)實(shí)世界中自然語言的復(fù)雜多變的現(xiàn)象。機(jī)器翻譯所面臨的這一難題，在機(jī)器翻譯的實(shí)際應(yīng)用中會受到進(jìn)一步的考驗(yàn)，機(jī)器翻譯的缺陷，也會在機(jī)器翻譯的實(shí)踐中顯現(xiàn)出來。

機(jī)器翻譯雖有速度快、詞匯多、成本低等諸多優(yōu)點(diǎn)，但仍然存在各種各樣的缺陷：

(1)大大降低譯文的準(zhǔn)確度和可讀性。機(jī)器往往不能很好地把握詞性、詞義，不能根據(jù)語篇、語境的實(shí)際需要準(zhǔn)確地譯出原文的意思，因此常常造成詞性分析失誤，出現(xiàn)誤譯、漏譯；

(2)機(jī)器對句子結(jié)構(gòu)的識別能力很低，對各類修飾、限定成分，如各種短語、從句、非謂語動詞等分析能力很差。句子結(jié)構(gòu)稍一復(fù)雜，修飾限度成分稍一增多，機(jī)器往往就顯得死板，只能套用已知的信息，不能靈活地運(yùn)用語法，無法根據(jù)上下文正確地判斷、處理一些簡單易懂的句型；

(3)對英語中廣泛使用的小品詞，如冠詞、連詞等，機(jī)器好像對它們無能為力。這些詞在英語中不可或缺，而在漢語中用得卻并不多。這些詞什么時(shí)候應(yīng)當(dāng)省，什么時(shí)候應(yīng)當(dāng)留，機(jī)器往往沒有把握。這同樣給翻譯的句式轉(zhuǎn)換造成麻煩，也影響譯文的可讀性；

(4)機(jī)器譯文的連貫性和流暢性也很難讓人滿意，這往往是由于詞序不當(dāng)、風(fēng)格欠佳、語氣欠妥所致；

(5)至于機(jī)器的翻譯的文化缺陷，更是不用說了。我們又如何能讓計(jì)算機(jī)了解比如宗教，民族習(xí)俗等等純精神方面的文化呢。任何語言都永遠(yuǎn)是文化的一部分，它們都或多或少表達(dá)了一種文化。沒有相關(guān)文化，詞匯就失去了它的意義。[15]

綜上所述，可以得出這樣的一個結(jié)論：要實(shí)現(xiàn)機(jī)器能翻譯，就必須先給計(jì)算機(jī)輸入語言構(gòu)成的規(guī)則和一定的語料庫。要想機(jī)器翻譯的質(zhì)量高，輸入的規(guī)則和詞匯就要多�；谝�(guī)則的語料庫理論所帶來的另一個問題是，分析的層次越深，需要的信息越豐富，語料庫就越難建造。顯然，人工翻譯時(shí)，所依靠的不僅僅是語言方面的知識，文字只是信息內(nèi)容的實(shí)現(xiàn)方式之一。上下文之間的關(guān)系、語氣、語境本身都各有其涵義。更重要的是，任何一篇成熟的文章都是人類智力的結(jié)晶，是一種語言精華，機(jī)器翻譯決不是靠規(guī)則所能行得通的。

此外，目前機(jī)器翻譯的準(zhǔn)確率較低，其可讀性更差。機(jī)器譯文還需要人們進(jìn)行大量的修改和調(diào)整，有時(shí)修改所花費(fèi)的時(shí)間遠(yuǎn)遠(yuǎn)超過了人工直接翻譯的時(shí)間。這就難怪許多人，特別是翻譯能力強(qiáng)的人，寧愿舍棄機(jī)器翻譯而選擇自己翻譯。機(jī)器翻譯所面臨的最大問題是解決翻譯質(zhì)量問題，雖然目前的機(jī)器翻譯有一定的實(shí)用性，在某些方面可以大大提高人們的工作效率，但距離人們所要求達(dá)到的人工翻譯的水準(zhǔn)還有比較長的一段路。

（二）行為主義學(xué)派受到的質(zhì)疑

行為主義學(xué)派作為當(dāng)前對人類心智探索的一個代表，具有獨(dú)特的理論價(jià)值和實(shí)踐價(jià)值，并且在機(jī)器模擬實(shí)踐方面取得了一定的進(jìn)展。但是行為主義學(xué)派無論在實(shí)踐和理論上仍受到不少的質(zhì)疑。

1、自下而上的還原主義方法論使研究模型的完善性受到質(zhì)疑

行為主義研究綱領(lǐng)的模型是一種自下而上的系統(tǒng)，即事先儲備相關(guān)知識，建立高層認(rèn)知任務(wù)，然后把任務(wù)分解為子任務(wù)，實(shí)現(xiàn)系統(tǒng)的整體性。因此存在設(shè)計(jì)過程中只注意細(xì)節(jié)

上的技巧，對于系統(tǒng)的高層次的智能處理能力——思維能力，則很難把握。從世界觀來看，它仍然深受經(jīng)典物理學(xué)的原子論世界觀影響。這是一種單方面的自下而上的分析的機(jī)械決定論，正是這種觀點(diǎn)導(dǎo)致了一種片面的客觀性原則的形成。根據(jù)物質(zhì)的原子理論，宇宙完全是由我們稱為基本粒子的極小的物理實(shí)體構(gòu)成的，世界中所有巨大的和較大的實(shí)體如星系、行星、火車等，都是由較小的實(shí)體構(gòu)成的，它們自身又是由更小的實(shí)體構(gòu)成，直至最終達(dá)到分子、原子和基本粒子層次。正如量子物理學(xué)家斯塔普所指出的，“經(jīng)典物理學(xué)沒有為意識留下一個合理的位置，因?yàn)樗谶壿嬌暇鸵咽峭耆摹！盵16]在經(jīng)典物理學(xué)中，物理世界完全只是由各種粒子和場構(gòu)成的。宇宙中存在的一切不過是運(yùn)動中的物質(zhì)。在這種理論結(jié)構(gòu)中，諸如意識這樣的東西沒有任何邏輯的位置。這種原子主義的世界觀內(nèi)含著一種觀點(diǎn)與方法，即：由更小事物構(gòu)成的較大事物的許多特性是由更小事物的特性和行為決定的，并且可以根據(jù)更小事物來解釋。這是一種典型的還原主義的方法論。因此，行為主義研究綱領(lǐng)的模型的完善性也受到懷疑。

2、行為主義的理論基礎(chǔ)——復(fù)雜適應(yīng)系統(tǒng)難以建立

對于復(fù)雜適應(yīng)系統(tǒng)（簡稱CAS）的行為主義，因?yàn)榛籼m先生的工作，更接近為行為主義奠定理論基礎(chǔ)，然而霍蘭先生在《隱秩序》一書中坦承：“經(jīng)過一個多世紀(jì)的不懈努力，我們至今還不能構(gòu)建具有CAS許多基本功能的模型，我們也不能構(gòu)造出它們的行為模型，不能把我們不熟悉的復(fù)雜情形解析為我們熟知的元素，更不用說將其構(gòu)建成為基于經(jīng)驗(yàn)的內(nèi)部模型了。分布式的、形形色色的CAS與我們稱之為意識的現(xiàn)象之間的關(guān)系至今還不清楚�！盵17]( P3)，“為CAS建立理論是十分困難的，因?yàn)镃AS的整體行為不是其各部分行為的簡單加和，CAS充滿了非線性，這意味著我們通常使用的從一般觀察歸納出的工具，如趨勢分析、均衡測定、樣本均值等等都失靈了” [18]( P6)。因此，CAS理論難以建立，可作以下結(jié)論：一是參量多；二是結(jié)構(gòu)層次多，聚集體結(jié)構(gòu)呈多元化；三是結(jié)構(gòu)法則難以把握。[19]( P38)

3、同樣的心理狀態(tài)可以產(chǎn)生不同的行為

行為并不是與單一心理狀態(tài)相聯(lián)系的，而是與這一心理狀態(tài)和其他心理狀態(tài)的復(fù)雜相互作用相聯(lián)系的。對將某一種心理狀態(tài)進(jìn)行行為描述是不可能的。而不同的心理狀態(tài)也可以有相同的行為表現(xiàn)。也就是說，兩個具有不同心理狀態(tài)的個體可能在行為或行為傾向上有完全一樣的表現(xiàn)。行為主義研究綱領(lǐng)最終要將心智還原為行為來研究，還是不能回避上述問題的質(zhì)疑。普特南在《腦與行為》這篇文章中批評行為主義不能說明像痛苦這樣的“現(xiàn)象狀態(tài)”，認(rèn)為這種自明的非行為的“原始感覺”的存在，構(gòu)成了反行為主義的一個證據(jù)。他做了一個思想實(shí)驗(yàn)來說明問題。假想有一個“超級斯巴達(dá)人”社會，這個社會中的人從小受到嚴(yán)格的訓(xùn)練，可以忍受一切痛苦，即使當(dāng)他們說他們痛苦時(shí)，也是以平和的口吻說的，而且沒有任何顯得痛苦的行為。那么他們究竟有沒有痛苦呢？普特南的回答是肯定的。他還設(shè)想，“超超級斯巴達(dá)人”甚至連“痛苦”一詞都不說，他可以假裝既不知道這個詞，

也不知道它所指的現(xiàn)象，然而實(shí)際上他有痛苦，他也清楚地知道這一點(diǎn)。在《精神狀態(tài)的本質(zhì)》中，普特南再次表示，假如一個人被切除了痛苦纖維，另一個人強(qiáng)制自己壓抑了一切痛苦反應(yīng)，那么，他們實(shí)際的和潛在的外顯行為可能是同樣的，但一個人感到了痛苦，而另一個人則沒有。在痛苦中，我們確實(shí)感受到了某種東西，這正是我們精神生活的實(shí)質(zhì)的內(nèi)在的豐富的方面，而行為主義卻一筆抹消了。[20]

4、忽視了主觀性、意向性等人類行為的重要特質(zhì)

事實(shí)上，人的行為中是包含著意向的，它是意向的行為，因此它是一種行動，而不只是一種身體的運(yùn)動。

意向性的現(xiàn)代意義是由布倫塔諾和胡塞爾賦予的。布倫塔諾以意向性作為區(qū)分心理現(xiàn)象和物理現(xiàn)象的標(biāo)志，胡塞爾延用了這一概念，并不斷拓展其內(nèi)涵，最終將它改造為一個純哲學(xué)用語，還把它作為他本人創(chuàng)立的哲學(xué)體系——現(xiàn)象學(xué)的重要基石。此外，由于意向性與意義的產(chǎn)生有著密切的關(guān)系，也在語言哲學(xué)中占有重要的一席。尤其在計(jì)算機(jī)出現(xiàn)后，機(jī)器主體化問題、語言指稱等問題使意向性問題受到更多的關(guān)注，其中語言哲學(xué)家塞爾的觀點(diǎn)很具代表性。依照布倫塔諾的觀點(diǎn)，物理現(xiàn)象只涉及物理對象本身，而心理現(xiàn)象包括了心理主體和它指向的外部對象的方式。意向性則反映了這種內(nèi)外聯(lián)系的特性。意向性最鮮明的特點(diǎn)是指向性、關(guān)于性，這一點(diǎn)在胡塞爾體系中得到進(jìn)一步發(fā)展。任何意識活動都是指向一定對象的，統(tǒng)攝對象是意識活動的前提。意識活動的特點(diǎn)還表現(xiàn)在既意識到對象的存在，也意識到意識自身的存在，而且是通過對象的存在而意識到意識自身存在的[21]。意向性刻畫的正是這樣一種特點(diǎn)。進(jìn)一步分析意向性，則要從意向活動和意向?qū)ο髢蓚�方面來看。意向性結(jié)構(gòu)的一端是代表主體的自我，意向性結(jié)構(gòu)的另一端是與(內(nèi)部和外部)世界發(fā)生聯(lián)系的意向?qū)ο�。意向性與生命現(xiàn)象所表現(xiàn)出的目的性有著內(nèi)在的聯(lián)系�？梢哉f，包含在意向性中的目的性是對認(rèn)知過程中盲目性、散漫性的克服，是意向性“帶領(lǐng)”心靈走出了原始的混沌狀態(tài)和低水平的組織層次。

由此可見，要想達(dá)到人類智能的水平，解析意向性是極其關(guān)鍵的一環(huán)。然而行為主義學(xué)派采用的自下而上的還原主義研究方法，并不能很好的完成這一任務(wù)。

綜上所述，行為主義的研究方法作為對人工智能研究路線的一種探索，雖然在機(jī)器模擬實(shí)踐方面取得了一定的進(jìn)展，但是在客觀上存在著理論和模型的不完善，還存在著來自哲學(xué)、心理學(xué)等方面的質(zhì)疑。因此，行為主義學(xué)派的發(fā)展也是困難重重。

（三）聯(lián)結(jié)主義學(xué)派面臨的困境

聯(lián)結(jié)主義學(xué)派主要的靈感是來自大腦或神經(jīng)系統(tǒng)，當(dāng)然，它的目標(biāo)不是建立腦活動的模型，而是以類似于腦的神經(jīng)元網(wǎng)絡(luò)的系統(tǒng)建立認(rèn)知活動的模型。聯(lián)結(jié)主義不是把認(rèn)知解釋成符號運(yùn)算，而是看成網(wǎng)絡(luò)的整體活動。聯(lián)結(jié)主義學(xué)派對人工神經(jīng)網(wǎng)絡(luò)的研究經(jīng)歷了兩個興盛時(shí)期，卻也遇到了不同的困難。

1、單層神經(jīng)網(wǎng)絡(luò)的發(fā)展和衰落

早在1943年，麥克卡爾洛奇和皮茲就提出了一個人工神經(jīng)元模型并給出三種邏輯運(yùn)算的人工神經(jīng)元。這是公認(rèn)的世界上第一個人工神經(jīng)元模型。1949年，赫伯在其專著中提出神經(jīng)元群——神經(jīng)網(wǎng)絡(luò)的概念，并給出相應(yīng)的學(xué)習(xí)算法——著名的Hebb算法，成為腦模擬研究的經(jīng)典理論。1958年，羅森布拉特提出了著名的“知覺器”的模型，試圖在有關(guān)知覺和記憶的假設(shè)基礎(chǔ)之上制造一個包括形式神經(jīng)元并能學(xué)習(xí)再認(rèn)——類似于人類視覺模式的簡單裝置，以使其能把許多不同的輸入模式歸入其各自的類域中，這種簡單的裝置被稱為感知機(jī)。羅森布萊特指出知覺過程具有統(tǒng)計(jì)分離性，第一次把神經(jīng)網(wǎng)絡(luò)研究從純理論的探討付諸工程實(shí)現(xiàn)，掀起神經(jīng)計(jì)算機(jī)研究的第一次高潮。60年代以后，由于數(shù)字計(jì)算機(jī)的飛速發(fā)展，傳統(tǒng)人工智能初期研究的巨大成功吸引了大量的專家投入數(shù)字計(jì)算機(jī)的研究，同時(shí)發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)的極大局限性。明斯基和帕坡特仔細(xì)分析了以感知機(jī)為代表的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的局限性之后，于1969年出版《Perceptron》一書，指出感知機(jī)只能解決一階謂詞邏輯，不能解決高階謂詞邏輯，對像XOR（異或）這樣簡單的非線性問題亦無法求解，對神經(jīng)網(wǎng)絡(luò)的功能持悲觀態(tài)度。這對神經(jīng)網(wǎng)絡(luò)的研究無疑是一個打擊，再加上馮·諾依曼機(jī)在技術(shù)上、規(guī)模上和速度上的快速發(fā)展，使得神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入低潮。

2、多層神經(jīng)網(wǎng)絡(luò)研究的發(fā)展和困境

70年代以來．隨著新三論（耗散結(jié)構(gòu)理論、協(xié)同論和突變論）的提出，人們對自然界復(fù)雜性的認(rèn)識日趨深入，人們突出地感到了傳統(tǒng)人工智能的嚴(yán)重缺陷．在這種背景下，霍普菲爾德（J. J. Hopfieid）提出了離散的神經(jīng)網(wǎng)絡(luò)模型，從而有力地推動了神經(jīng)網(wǎng)絡(luò)的研究。到1984年，他提出了連續(xù)的神經(jīng)網(wǎng)絡(luò)模型，并設(shè)計(jì)出簡明的電路[22]模擬他的網(wǎng)絡(luò)，證明模擬電路裝置具有的性能。他選擇了一些現(xiàn)代計(jì)算機(jī)能解的線性規(guī)劃問題及難解的所謂N-P完全問題，如著名的旅行商問題(TSP)等。

但該模型仍存在一些問題：

（1）很難精確地分析Hopfieid網(wǎng)的性能。

例如在設(shè)計(jì)聯(lián)想存儲器時(shí)必須確定該網(wǎng)絡(luò)中吸引子的個數(shù)，每個吸引子吸引域的范圍，并且檢驗(yàn)存儲和檢索的效果，而這是很難的。又如：雖然用這種網(wǎng)絡(luò)成功地求得了TSOP(旅行商優(yōu)化問題)某些小規(guī)模實(shí)例的好解，但由于缺乏必要的理論分析，以至于后來的工作表明這種方法不適用于TSOP規(guī)模較大的實(shí)例。

（2）難于找到通用的學(xué)習(xí)算法。

目前，Hopfieid網(wǎng)解題的能力源于連接權(quán)的精巧設(shè)計(jì)。由于大規(guī)模非線性動力學(xué)系統(tǒng)的固有復(fù)雜性，用設(shè)計(jì)BP算法的那套方法來處理Hopfieid網(wǎng)是行不通的。

（3）這類網(wǎng)絡(luò)的動力學(xué)行為過于簡單。

Hopfieid網(wǎng)只有不動點(diǎn)吸引子。是一種消極、被動的神經(jīng)網(wǎng)絡(luò)�，F(xiàn)代非線性動力學(xué)理論告訴我們：大型非線性動力系統(tǒng)不僅可能有不動點(diǎn)吸引子，而且可能有極限環(huán)吸引子、

環(huán)面吸引子以及各種混沌吸引子。由此可見：與其說Hopfieid網(wǎng)為我們提供了解決問題的一種實(shí)用方法，不如說它為我們提供了這樣一種新思想：大規(guī)模非線性動力學(xué)系統(tǒng)具有各類吸引子這種性質(zhì)有可能被利用來執(zhí)行有用的計(jì)算。[23]

受霍普菲爾德工作影響，1985年一些一直對并行分布加工感興趣的計(jì)算機(jī)科學(xué)家如生物物理學(xué)家賽杰諾斯基和辛頓等對霍普菲爾德模型做了隨機(jī)性推廣，這即所謂玻茨曼（Boltzmann）機(jī)。與此同時(shí)，這些工作受到計(jì)算機(jī)科學(xué)領(lǐng)域內(nèi)對并行分布加工感興趣的聯(lián)結(jié)主義者的響應(yīng)。他們發(fā)展“感知機(jī)”式的神經(jīng)網(wǎng)絡(luò)，提出了所謂“往回傳播”(backpropagation)學(xué)習(xí)算法，相應(yīng)的神經(jīng)網(wǎng)絡(luò)是現(xiàn)時(shí)最流行的模型之一，我們稱這樣的神經(jīng)元網(wǎng)絡(luò)模型為B-P模型。但B-P神經(jīng)網(wǎng)絡(luò)也同樣存在問題：

（1）學(xué)習(xí)時(shí)間過長，甚至可能達(dá)不到學(xué)習(xí)的目的。

①算法本質(zhì)上是梯度下降法，它所要最小化的目標(biāo)函數(shù)又非常復(fù)雜，其等值面遠(yuǎn)不是超球面，因此必然會出現(xiàn)“鋸齒形現(xiàn)象”，這注定了這算法是低效的。

②為了讓網(wǎng)絡(luò)能夠執(zhí)行算法，不能采用傳統(tǒng)的一維搜索法求每次迭代的步長，而必須把步長的更新規(guī)則預(yù)先賦予網(wǎng)絡(luò)，這使得算法更加低效。

③即使是非常簡單的問題，網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練集的次數(shù)也要成百上千才能正確地求解它。 ④從問題中選取典型實(shí)例組成訓(xùn)練集是困難的。

⑤網(wǎng)絡(luò)的學(xué)習(xí)過程是對一個高度非線性函數(shù)求全局最優(yōu)解的過程，有可能落入“局部最優(yōu)陷阱”，達(dá)不到學(xué)習(xí)的目的。雖然采用了種種措施來試圖解決上述問題，但這些措施只在某些特殊情況下有效，未能從根本上解決問題。

（2）難以解決應(yīng)用問題的實(shí)例規(guī)模和網(wǎng)絡(luò)規(guī)模之間的矛盾。

應(yīng)用問題的實(shí)例規(guī)模往往很大理論上要求求解這個問題的網(wǎng)絡(luò)的規(guī)模與實(shí)例的規(guī)模相匹配。從另一方面來看，網(wǎng)絡(luò)規(guī)模過大將大大降低網(wǎng)絡(luò)的推廣能力。網(wǎng)絡(luò)只是在學(xué)習(xí)一些實(shí)例，不能從中提取出求解問題的合理規(guī)則，同時(shí)在軟件模擬和硬件實(shí)現(xiàn)時(shí)都會遇到很大的困難。

自20世紀(jì)90年代以來，提出的新模型不多，真正的符合人腦信息處理特性的硬件模型也一直沒能問世，使一些開始熱衷于神經(jīng)網(wǎng)絡(luò)研究的人們感到泄氣，使得20世紀(jì)90年代中后期神經(jīng)網(wǎng)絡(luò)的研究處于低潮。

四、人工智能研究的出路探尋

（一）人工智能的目標(biāo)定位

在探討人工智能現(xiàn)實(shí)的出路之前，我們應(yīng)當(dāng)首先對人工智能研究所要實(shí)現(xiàn)的目標(biāo)進(jìn)行準(zhǔn)確的定位。

1、強(qiáng)AI與弱AI

關(guān)于人工智能的發(fā)展，眾所周知，存在兩個激烈對立的派別：樂觀主義派別與悲觀主義派別。樂觀主義認(rèn)為人工智能前途無量，人工智能與人類智能并無實(shí)質(zhì)性差別，它不僅能替代、而且將超過人類智能；悲觀主義則把人工智能貶低為現(xiàn)代“煉金術(shù)”，認(rèn)為它不過是零敲碎打和拼拼湊湊，它僅是在局部表面上對人類智能的模仿，遠(yuǎn)未達(dá)到對人類智慧的實(shí)質(zhì)了解。這種爭論從一定意義上說已經(jīng)成為歷史，因?yàn)槿斯ぶ悄艿陌l(fā)展似乎沒有單獨(dú)支持哪一派的立場，它既朝著深入認(rèn)識、反映人類智慧的方向一步步前進(jìn)，又未能實(shí)現(xiàn)當(dāng)初的許多既定目標(biāo)。爭論雙方開始冷靜下來，意識到了對方觀點(diǎn)中的合理因素，但是這并不意味著爭論的結(jié)束，取而代之的是強(qiáng)Al與弱Al之分歧。

人工智能研究基本上有兩種目標(biāo)：一是企圖以啟發(fā)式程序設(shè)計(jì)法去改良或發(fā)明類似人類思維的程序，以解決傳統(tǒng)程序不能解決的問題；另一目標(biāo)是研究以計(jì)算機(jī)程序運(yùn)算去模擬人的心理活動，以建立關(guān)于人類心理活動的理論。為此，塞爾提出了“強(qiáng)AI”和“弱AI”的劃分。 “弱AI”把人工智能當(dāng)作一種科技手段，而不問它是否恰當(dāng)?shù)啬M了人類的心理歷程，只是把計(jì)算機(jī)作為研究心靈哲學(xué)的一個有力的工具。相應(yīng)的，“強(qiáng)AI”則主張人工智能最終必能完全模擬人類的心智活動，計(jì)算機(jī)硬件配上適當(dāng)?shù)某绦蚝�，可能�?chuàng)造出和人類無異的智能體，其差別只是在構(gòu)成材料上的不同而已。也就是說，恰當(dāng)編程的計(jì)算機(jī)就是一個心靈。塞爾把這種觀點(diǎn)概括為，心對于腦的關(guān)系就是計(jì)算機(jī)程序?qū)τ谟?jì)算機(jī)硬件的關(guān)系。因此，思想就是由大腦運(yùn)行程序產(chǎn)生的，正如計(jì)算機(jī)硬件運(yùn)行軟件。

2、強(qiáng)AI是否可能實(shí)現(xiàn)

弱AI的實(shí)現(xiàn)在實(shí)踐上和理論上都已經(jīng)取得了很大的發(fā)展，在此，筆者主要探討一下強(qiáng)AI實(shí)現(xiàn)的可能性。

（1）人工智能能否產(chǎn)生心智

針對強(qiáng)AI和圖靈測試，塞爾設(shè)計(jì)了中文房間思想實(shí)驗(yàn)。中文房間思想實(shí)驗(yàn)是建立在反對圖靈測試的基礎(chǔ)上，而形成的一個判斷機(jī)器是否具備理解能力的標(biāo)準(zhǔn)。圖靈和塞爾都強(qiáng)調(diào)他們所提到的機(jī)器是指數(shù)字計(jì)算機(jī)。塞爾認(rèn)為，所謂數(shù)字計(jì)算機(jī)就是說它運(yùn)行的是有合適輸入輸出的程序，它的運(yùn)算能被形式化地表示出來。塞爾明確地指出，他的反駁和任何特殊的計(jì)算機(jī)技術(shù)階段無關(guān)，即不能期待某種尚未創(chuàng)造的技術(shù)奇跡，所有反駁只與一臺數(shù)字計(jì)算機(jī)的定義有關(guān)。由此，塞爾就提出了一個前提：數(shù)字計(jì)算機(jī)進(jìn)行的都是純形式的

操作。

為了證明自己的觀點(diǎn)，塞爾設(shè)計(jì)了一個巧妙的思想實(shí)驗(yàn)：在中文房間思想實(shí)驗(yàn)中，塞爾就是操作符號的人，和計(jì)算機(jī)所做的操作一樣。這樣一來，如果在符號操作之后，塞爾不能理解這些符號及其聯(lián)接，那么毫無疑問的，計(jì)算機(jī)也不理解這些符號及其聯(lián)接。

首先，他假定自己是一個不識中文的美國人，坐在一間只有一個窗口的房間。房間內(nèi)有一本如何操作中文符號的指導(dǎo)手冊（英文版）。這本手冊說明當(dāng)他收到怎么樣子的中文符號時(shí)，他就從窗口遞出怎么樣的中文符號。手冊不談符號的意義，只談及符號的形式。假定從窗口送進(jìn)來了一組中文符號，懂中文的人知道那是一個問題�？墒撬恢滥鞘且痪浔磉_(dá)問題的句子，他只知道去查手冊，然后依照手冊指示，從窗口送出另一組他完全不知其意義的中文符號，懂中文的人知道那是一句回答。如果程序設(shè)計(jì)師很能干，寫了一本很周全理想的手冊，房間里的塞爾忙著操作中文符號。外邊不知情的旁觀者會以為他了解了問題，并且遞出了適當(dāng)?shù)拇鸢浮?/p>

塞爾認(rèn)為，此時(shí)，強(qiáng)AI的觀點(diǎn)肯定認(rèn)為計(jì)算機(jī)已經(jīng)理解了這些故事，同時(shí)，這個程序在某種意義上解釋了人類的理解。但是，塞爾明確的指出，自己完全不理解中文，甚至根本不知道自己所處理的符號就是中文，更不知道自己正確地回答了中文問題。在句法的層次上，塞爾所做的操作完全就是計(jì)算機(jī)所做的，它們運(yùn)行操作的形式符號不可能有意思，它們甚至不是符號操作，因?yàn)檫@些符號毫無意義。用語言學(xué)的術(shù)語來說，它們只是句法的，而不是語義的。所以，計(jì)算機(jī)也不能理解中文。

在塞爾的實(shí)驗(yàn)中，中文房間里的人可以給出回答，屋外的人也可能會認(rèn)為屋內(nèi)是一個中文母語者，換句話說，計(jì)算機(jī)是可以通過圖靈測試的。但塞爾認(rèn)為即使計(jì)算機(jī)通過了圖靈測驗(yàn)，在外顯行為上和人的心理行為毫無兩樣，計(jì)算機(jī)仍不能做真正的思考，或擴(kuò)大來說，計(jì)算機(jī)根本不能擁有與人相似的智能。符號操作只需語法，不需要語意。所以計(jì)算機(jī)（加上程序）只有語法而沒有語意。沒有語意就談不上真正的理解，也就談不上真正的智慧。

塞爾指出了計(jì)算機(jī)的一個特性：計(jì)算機(jī)操作符號時(shí)是根據(jù)一定的規(guī)則去執(zhí)行的。計(jì)算機(jī)做的事情只有一件事，即執(zhí)行一長串的指令（規(guī)則）。符號的操作沒有意義，它們不具有語義內(nèi)容，它們也不涉及任何事物。它們只能純粹按照形式的或語法的結(jié)構(gòu)加以確定。數(shù)字計(jì)算機(jī)也正是因?yàn)檫@個特點(diǎn)而特別的強(qiáng)大。但把程序運(yùn)行的過程理解為心理的過程是不對的，因?yàn)槿诵牟粌H僅是形式的或語法的過程，它是有內(nèi)容的。

我們可以把塞爾的思想總結(jié)成一個三段論。大前提，如果強(qiáng)AI是真的，那么肯定存在一個關(guān)于中文的程序，不管在什么硬件上運(yùn)行，這個程序都能產(chǎn)生理解；小前提，“我”可以運(yùn)行一個關(guān)于中文的程序，但是這個程序不會因此而理解中文；結(jié)論，純形式的句法不足以產(chǎn)生心，強(qiáng)AI的思想是錯誤的。

（2）人工智能是否能通過進(jìn)化達(dá)到甚至超過人類智能

首先，我們來看進(jìn)化的定義：“進(jìn)化（evolution）這個概念指的是事物的演化或發(fā)展。

它的含義極其廣泛，包括天體的消長、生物的演變、社會的發(fā)展等等。狹義地說，指生物的進(jìn)化�！盵24]從此處可以看出人工智能進(jìn)化并不包含在狹義的生物的進(jìn)化之中，畢竟就現(xiàn)在的人工智能的程度而言，人工智能還不具備生命的特征。那么人工智能是不是包含在天體的消長及社會的發(fā)展之中呢？看來并非如此，畢竟人工智能現(xiàn)階段的進(jìn)化還離不開人類智能的指導(dǎo)和幫助，不能完成獨(dú)立的進(jìn)化進(jìn)程。因此，人工智能的所謂的“進(jìn)化”確切的講應(yīng)該稱作“升級”，這一點(diǎn)就像計(jì)算機(jī)軟硬件的升級。

人們通過對人類智能的探索和發(fā)現(xiàn)，得到相應(yīng)的理論，再通過人工智能進(jìn)行模仿來驗(yàn)證，最后可以完成對理論的確認(rèn)。人工智能在這一系列的過程中客觀上得到了升級。 其次，人工智能就算是可以勉強(qiáng)納入進(jìn)化的概念中也不可能實(shí)現(xiàn)。進(jìn)化的必要條件人工智能仍不具備，這其中包括生命特征、進(jìn)化的外因和進(jìn)化的目的即內(nèi)因。

①從生命特征來看：“生命是由核酸與蛋白質(zhì)組成的、具有自我更新和自我復(fù)制能力的多分子體系。”[25]由于人工智能目前和可以預(yù)見的將來仍不具備生命所必需的特征，遺傳和變異無從談起，因此，缺少生命特征，就不具備進(jìn)化的先決條件。

②從進(jìn)化的外因來看：進(jìn)化的外因是引起進(jìn)化的必要條件。人工智能和外部環(huán)境的聯(lián)系是通過人類間接來完成的，沒有直接和外部環(huán)境緊密關(guān)系，無法納入生物鏈，和別的種群無法關(guān)聯(lián)。也就是說外部環(huán)境的變動對其不會產(chǎn)生直接的影響。人工智能作為相對獨(dú)立于外部環(huán)境的非生命的東西顯然不會對外界環(huán)境的變化產(chǎn)生相應(yīng)的適應(yīng)性變化。

③從進(jìn)化的目的來看：進(jìn)化的內(nèi)因是進(jìn)化的動力。當(dāng)外因不能引起進(jìn)化時(shí)，內(nèi)因就成了唯一的動力了。但是，人工智能由于缺乏適應(yīng)性進(jìn)化，其內(nèi)因也不具備。人工智能不會因?yàn)樽约旱男枰ヌ匾獾摹坝眠M(jìn)廢退”，其發(fā)展和升級取決于人類智能的價(jià)值取向。因此，人工智能不可能自己主動去完成“進(jìn)化”。

（3）從唯物主義觀點(diǎn)出發(fā)理性分析強(qiáng)AI

人工智能是人類智能的必要補(bǔ)充，但是人工智能與人類智能仍存在著本質(zhì)的區(qū)別： ①人工智能系統(tǒng)是由一些電子管、晶體管、集成電路等電子元件和線路所組成的裝置，系無意識的、機(jī)械的運(yùn)動過程而不是主觀能動的過程。它不具備世界觀、人生觀、情感、意志、興趣、愛好等心理活動所構(gòu)成的主觀世界。而人類智能則是在人腦生理活動基礎(chǔ)上產(chǎn)生的心理活動，使人形成一個主觀世界。因此，人工智能系統(tǒng)與人腦雖然在信息的輸入和輸出的行為和功能上有共通之處，但在這方面兩者的差別是十分明顯的。從信息的輸入看，同一件事，對于兩個智能機(jī)具有相同的信息量，而對于兩個不同的人從中獲取的信息量卻大不相同�！靶屑铱撮T道，外行看熱鬧”就是這個道理。從信息的輸出方面看，兩臺機(jī)器輸出的同一信息，其信息量相等。而同一句話，對于飽于風(fēng)霜的老人和天真幼稚的兒童，所說的意義卻大不相同。

②人工智能在解決問題時(shí)，并不探求任務(wù)本身的含義，不會意識到這是什么問題，它有什么意義，它只是執(zhí)行指令而不顧后果。電腦沒有自覺性，是靠人的操作完成其機(jī)械的運(yùn)行機(jī)能；而人腦智能，人的意識都有目的性，可控性，人腦的思維活動是自覺的，能動的。

③人工智能必須接受人的指令，按預(yù)定的程序或規(guī)則進(jìn)行工作，所謂結(jié)論，只不過是輸入程序和輸入數(shù)據(jù)的邏輯結(jié)果。它不能自主地提出問題，創(chuàng)造性地解決問題，在遇到?jīng)]有列入程序的“意外”情況時(shí)，就束手無策或中斷工作。人工智能沒有創(chuàng)造性。而人腦功能則能在反映規(guī)律的基礎(chǔ)上，提出新概念，作出新判斷，創(chuàng)造新事物，具有豐富的想象力和創(chuàng)造性。

④人工智能系統(tǒng)沒有社會性。作為社會存在物的人，其腦功能是適應(yīng)社會生活的需要而產(chǎn)生和發(fā)展的。人們的社會需要遠(yuǎn)遠(yuǎn)超出了直接生理需要的有限目的，是由社會的物質(zhì)文明與精神文明的發(fā)展規(guī)律所決定的。因此，作為人腦功能的思維能力，是通過社會的教育和訓(xùn)練，通過對歷史上積累下來的文化的吸收逐漸形成的。人的內(nèi)心世界所以豐富多彩，是由于人的社會聯(lián)系是豐富的和多方面的，人類智能具有社會性。所以要把人腦功能全面模擬下來，就需要再現(xiàn)人的思想發(fā)展的整個歷史邏輯。這是無論多么“聰明”的人工智能系統(tǒng)都做不到的。隨著科學(xué)技術(shù)的發(fā)展，思維模擬范圍的不斷擴(kuò)大，電腦在功能上會不斷向人腦接近。但從本質(zhì)上看，它們之間只能是一條漸近線，它們之間的界限是不會清除的。模擬是近似而不能是等同，更不可能是超越。

（4）小結(jié)

塞爾通過“中文屋”實(shí)驗(yàn)指出，計(jì)算機(jī)在處理符號時(shí)只是根據(jù)一定的規(guī)則機(jī)械執(zhí)行人制訂的程序。整個操作過程不具有語義內(nèi)容，它們也不涉及任何事物。它們只能純粹按照形式的或語法的結(jié)構(gòu)加以確定。數(shù)字計(jì)算機(jī)也正是因?yàn)檫@個特點(diǎn)而特別的強(qiáng)大。但程序運(yùn)行的過程并不能理解為心理的過程，智能系統(tǒng)更不會因此產(chǎn)生心理，因?yàn)槿诵牟粌H僅是形式的或語法的過程，它是有內(nèi)容的，它牽涉到環(huán)境、社會和文化等各個方面。

通過對進(jìn)化論的分析，我們可以明確，人工智能并不具備進(jìn)化的必要條件，即生命特征、進(jìn)化的外因和內(nèi)因。不能通過“進(jìn)化”達(dá)到人類智能的水平。

通過辯證唯物主義觀點(diǎn)的分析，我們可以清楚知道，人工智能與人類智能仍存在著本質(zhì)的區(qū)別：它是機(jī)械的、物理的過程而不是生理的、心理的過程；它沒有自覺性、目的性和主觀能動性；它不具有想象力和創(chuàng)造性；它沒有社會性。

綜上所述，人工智能無法達(dá)到主張強(qiáng)AI的學(xué)者所描述的那樣——不僅僅是實(shí)現(xiàn)人類智能的工具，而且事實(shí)上就等同于人類智能。

從總體上看，人工智能是人類意識自我認(rèn)識的產(chǎn)物，是人類意識器官的延長，是人類在認(rèn)識和改造世界的實(shí)踐過程中智慧積累的結(jié)晶，人工智能的功能在局部領(lǐng)域已經(jīng)大大的超越了人腦（如記憶的存儲、計(jì)算的速度、動作的準(zhǔn)確性等）。但在本質(zhì)上、技術(shù)上它都不具備達(dá)到人類智能的客觀條件。因此，人工智能研究的目標(biāo)不能定位在設(shè)計(jì)制造達(dá)到甚至超過人類智能的強(qiáng)AI系統(tǒng)，只能在弱AI的框架中對人工智能進(jìn)行研究。

（二）人工智能研究的技術(shù)路線探尋

在人工智能早期的研究取得一系列成果的鼓舞下，1958年就有人工智能專家預(yù)言：

進(jìn)入八十年代將是全面實(shí)現(xiàn)人工智能的時(shí)代。然而人工智能研究的實(shí)踐所給出的回答使人們的頭腦逐漸冷靜了下來。實(shí)際情況是從六十年代到七十年代人工智能取得的成果遠(yuǎn)遠(yuǎn)達(dá)不到專家們的期望。

哲學(xué)家休伯特·德雷福斯在1979年的《計(jì)算機(jī)不能做什么——人工智能的極限》一書中，提出了一些重要的和帶有根本性的問題。他看到所有的人工智能基礎(chǔ)研究進(jìn)展都十分緩慢，他把這種進(jìn)展緩慢看作是存在著不可逾越障礙的標(biāo)志，而不是那種為克服困難取得成功之路上所應(yīng)付出的正常代價(jià)。

德雷福斯把智能活動分成四類。第一類是刺激－反應(yīng)，這是心理學(xué)家最的熟悉的領(lǐng)域，其中包括各種形式的初級聯(lián)想型行為。第二類是帕斯卡的思維領(lǐng)域，它由概念世界而不是感知世界構(gòu)成，問題完全形式化了，并完全可以計(jì)算。第三類是原則上可形式化而實(shí)際上無法駕馭的行為，稱為復(fù)雜－形式化系統(tǒng)，包括那些實(shí)際上不能用窮舉算法（象棋、圍棋等）處理的，因而需要啟發(fā)式程序的系統(tǒng)。第四類是那些非形式化的行為領(lǐng)域，包括有規(guī)律但無規(guī)則支持的、我們?nèi)祟愃械娜粘；顒�。在該書最后一�?jié)，標(biāo)題是人工智能的未來，提出了人與機(jī)器相結(jié)合的觀點(diǎn)，他談到以前巴希萊爾、奧·格爾和約翰·皮爾斯他們都主張采用可使計(jì)算機(jī)與人共生的系統(tǒng)，并強(qiáng)調(diào)了羅森布里斯在1962年一次學(xué)術(shù)會議上的觀點(diǎn)“人同計(jì)算機(jī)一起能夠完成誰也無法單獨(dú)完成的事”。 [26] (P308)

該書的中文譯本于1986年出版，校者馬希文在校者的話中寫道：“從應(yīng)用上來看談?wù)撊四X與計(jì)算機(jī)的彼此替代未免空泛、消極，不如研究使兩者取長補(bǔ)短的人機(jī)共生系統(tǒng)。這樣做，不只有實(shí)用意義，而且對于我們對思維的認(rèn)識、對信息處理在思維中地位的認(rèn)識將提供許多有啟發(fā)性的實(shí)驗(yàn)資料�！盵27] (P11)

在現(xiàn)實(shí)研究中，日本的第五代機(jī)的研制未達(dá)到預(yù)期的效果；中國的智能計(jì)算機(jī)計(jì)劃也是類似的結(jié)果，可以說是對傳統(tǒng)人工智能的又一次沖擊。部分學(xué)者從實(shí)踐中認(rèn)識到，利用并發(fā)揮人的心智和計(jì)算機(jī)的高性能。把人和計(jì)算機(jī)相結(jié)合是正確的途徑。換句話說，我們要研究的應(yīng)當(dāng)是是人與計(jì)算機(jī)結(jié)合的智能系統(tǒng)。[28]人機(jī)智能系統(tǒng)是人腦與電腦構(gòu)成的統(tǒng)一體，是人與計(jì)算機(jī)各自完成自己最擅長的任務(wù)、優(yōu)勢互補(bǔ)的統(tǒng)一體。人機(jī)智能系統(tǒng)就是使智能計(jì)算機(jī)與人之間形成一種合作關(guān)系，系統(tǒng)的智能是人機(jī)合作的產(chǎn)物。在人機(jī)結(jié)合的智能系統(tǒng)中，不是把人排除在外，是要始終發(fā)揮人的主導(dǎo)作用。與思維科學(xué)和認(rèn)知科學(xué)不同，人機(jī)結(jié)合系統(tǒng)研究的著重點(diǎn)在于人的智能與計(jì)算機(jī)的高性有兩者的結(jié)合。構(gòu)建人機(jī)結(jié)合的智能系統(tǒng)。思維科學(xué)著重研究思維的規(guī)律旨在建立人工智能的基礎(chǔ)。認(rèn)知科學(xué)著重于研究人的認(rèn)知，并擴(kuò)展為研究動物的智能及機(jī)器智能。

錢學(xué)森在1991年4月18日與他指導(dǎo)的科研集體中的部分成員做過如下一次總結(jié)性的談話：“智能機(jī)是非常重要的，是國家大事，關(guān)系到下一個世紀(jì)我們國家的地位。如果在這個問題上有所突破，將能深遠(yuǎn)的影響。我們要研究的問題不是智能機(jī)，而是人與機(jī)器相結(jié)合的智能系統(tǒng)。不能把人排除在外，是一個人機(jī)智能系統(tǒng)。”談話的內(nèi)容還包括以下三點(diǎn)：第一，人的意識活動是很豐富的，包括自覺的意識、下意識，人是靠這些來認(rèn)識世界

的。第二；為認(rèn)識世界和改造世界，人始終發(fā)揮著主導(dǎo)作用，我們要研究的是人與機(jī)器相結(jié)合的智能系統(tǒng)；第三，現(xiàn)在還不可能很快實(shí)現(xiàn)這種人機(jī)智能系統(tǒng)，目前只能做些“妥協(xié)”，

[29] 實(shí)事求是，盡量開拓當(dāng)前計(jì)算機(jī)的科學(xué)技術(shù)，使計(jì)算機(jī)盡可能多地幫助人來做些工作。

在眾多科學(xué)家的努力下，人機(jī)結(jié)合研究也已經(jīng)取得了一定的進(jìn)展。其中一個生動例子是，2004年，美國布朗大學(xué)的科學(xué)家將96個電極植入一名四肢癱瘓的志愿患者馬特.納高的大腦，直達(dá)運(yùn)動皮層——即大腦中處理有關(guān)運(yùn)動信息的區(qū)域。與計(jì)算機(jī)綁定后，在一群技術(shù)人員的幫助下，納高能夠移動光標(biāo)發(fā)出不同的指令——比如打開電子郵件或者關(guān)掉電視。

（三）人工智能研究的新方法探尋——機(jī)制主義研究方法

1、機(jī)制主義研究方法概述

在人工智能領(lǐng)域，符號主義采取的是一種還原主義思想，試圖將人類的所有心智借助研究知識并將之概念化，抽象成規(guī)則，進(jìn)行符號程序編寫，以便在計(jì)算機(jī)中進(jìn)行運(yùn)作，以達(dá)到完成人類心智的機(jī)器化，它成功模擬了人類心智中邏輯思維等高級形式。而聯(lián)結(jié)主義學(xué)派則表現(xiàn)出整體主義的研究方法，它建立在“人工神經(jīng)網(wǎng)絡(luò)”理論的基礎(chǔ)上，通過底層網(wǎng)絡(luò)中神經(jīng)元個體的相互作用而表現(xiàn)出來的“涌現(xiàn)”來模擬人類心智。這種“涌現(xiàn)”既是一種整體的行為，同時(shí)強(qiáng)調(diào)個體神經(jīng)元的行為與作用。[30]行為主義學(xué)派則認(rèn)為，智能的產(chǎn)生無需知識和推理，它能通過刺激——反應(yīng)從低級向高級逐步進(jìn)化。

北京郵電大學(xué)鐘義信教授則認(rèn)為，雖然結(jié)構(gòu)、功能、行為都是系統(tǒng)的重要屬性，但是對于智能系統(tǒng)來說，真正能夠揭示系統(tǒng)本質(zhì)的，卻是系統(tǒng)的“工作機(jī)制”。他由此提出了機(jī)制主義的研究方法。

機(jī)制主義研究方法關(guān)注的是智能生成的共性核心機(jī)制，即“信息—知識—智能的轉(zhuǎn)換”。該理論認(rèn)為，信息、知識、智能之間存在著本質(zhì)的聯(lián)系與區(qū)別：信息表現(xiàn)的是“事物運(yùn)動的狀態(tài)和狀態(tài)變化的方式”；知識表現(xiàn)的是“事物運(yùn)動的狀態(tài)和狀態(tài)變化的規(guī)律”，智能表現(xiàn)的是“利用抽象的知識和具體的信息，生成求解問題的策略，進(jìn)而解決問題達(dá)到目標(biāo)的能力”。 [31]

信息是具體的、表象的，而知識是抽象的本質(zhì)的。首先，抽象的知識只能從具體的信息中提煉出來，信息也只有被抽象為知識才具有更大的價(jià)值。信息是原材料，知識是從信息提煉出來的抽象產(chǎn)物。其次，知識只是“事物運(yùn)動狀態(tài)及其變化規(guī)律”的表述，其本身并不能解決實(shí)際的問題。因此，面對具體的問題及其環(huán)境（約束條件），針對預(yù)期的目標(biāo)，必須把知識激活成為求解問題的智能策略，進(jìn)而再將智能策略轉(zhuǎn)換為求解問題的智能行為，才能最終有效地解決實(shí)際問題。

任何智能的生成都遵循“信息—知識—智能”的轉(zhuǎn)換的原則，只是轉(zhuǎn)換的具體過程會隨著問題的不同而有所不同；在某些相對簡單的情況下，這個轉(zhuǎn)換過程也可以有所簡化。

在一般的情況下，由信息創(chuàng)建智能需要通過知識的橋梁，而知識本身又存在三種不同的形態(tài)：經(jīng)驗(yàn)性知識、規(guī)范性知識和常識性知識。如果所使用的知識形態(tài)不同，那么由信

息提煉知識和把知識激活成智能的方法也就不同。如果所利用的知識是經(jīng)驗(yàn)性知識，那么，聯(lián)結(jié)主義倡導(dǎo)的人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)就可以成為由信息生成知識和把知識激活成為智能策略的有效方法；而如果所使用的知識是規(guī)范性知識，那么符號主義采用創(chuàng)建知識數(shù)據(jù)庫和用邏輯推理的方法把知識激活成為智能策略就是一種不錯的選擇；如果所使用的知識是常識性知識，只要感知到了某種類型的輸入信息，那么行為主義采取的按照常識直接選定而無需通過學(xué)習(xí)與推理的過程，也具有合理性。實(shí)際上，三種智能理論學(xué)派其實(shí)都遵循著同樣的“智能生成機(jī)制”：首先由信息提煉知識，然后由知識激活智能。

按照機(jī)制主義的觀點(diǎn)，智能創(chuàng)建的共性機(jī)制就是“由信息生成知識，，由知識激活智能”。因此，在機(jī)制主義的統(tǒng)一框架體系下，符號主義、聯(lián)結(jié)主義和行為主義研究方法不再是排斥和競爭的關(guān)系，而是有機(jī)互補(bǔ)的關(guān)系。由此可見，機(jī)制主義研究方法是一種融合了還原論和整體論的研究方法，它既重視底層信息到知識的轉(zhuǎn)換過程，又注重知識轉(zhuǎn)換到智能策略進(jìn)而生成智能行為的過程。

2、機(jī)制主義方法論探討

（1）還原論指導(dǎo)思想的困境

在人工智能學(xué)派中，符號主義、行為主義學(xué)派是以還原論為指導(dǎo)思想的。還原論主張把高級運(yùn)動形式還原為低級運(yùn)動形式的一種哲學(xué)觀點(diǎn)。它認(rèn)為現(xiàn)實(shí)生活中的每一種現(xiàn)象都可看成是更低級、更基本的現(xiàn)象的集合體或組成物，因而可以用低級運(yùn)動形式的規(guī)律代替高級運(yùn)動形式的規(guī)律。還原論派生出來的方法論手段就是對研究對象不斷進(jìn)行分析，恢復(fù)其最原始的狀態(tài)，化復(fù)雜為簡單�？茖W(xué)哲學(xué)中還原論的著名代表為德國邏輯實(shí)證主義哲學(xué)家卡爾納普。他應(yīng)用還原論研究邏輯語言的分析問題，主張可以從直接觀察到的物體來給一切科學(xué)理論下定義或進(jìn)行解釋，復(fù)雜的知識經(jīng)驗(yàn)體系都可分解為簡單的因素，科學(xué)規(guī)律等同于許多觀察報(bào)告的組合。

20世紀(jì)前半期風(fēng)靡美國的行為主義心理學(xué)也采用了還原論的立場。行為主義的創(chuàng)始人華生認(rèn)為，心理學(xué)應(yīng)以客觀的、可觀察的行為為研究對象，放棄對捉摸不定的主觀心理狀態(tài)或意識狀態(tài)進(jìn)行探討。行為主義者眼中的“心理”就是有機(jī)體的肌肉收縮或腺體分泌，“心理學(xué)規(guī)律”就應(yīng)用S-R聯(lián)結(jié)對行為的不同描述。實(shí)際上行為主義者在反對“心理”存在的過程中早已把“心理”還原為物理-化學(xué)變化了，因此行為主義被譏笑為“沒有頭腦的心理學(xué)”。行為主義者在對本能、習(xí)慣、情緒、動機(jī)、語言、思維的解釋中貫穿了還原論的基本觀點(diǎn)。例如，華生認(rèn)為，言語動作就像打球、游泳一樣，只不過是喉頭內(nèi)部一組肌肉的協(xié)調(diào)動作；言語習(xí)慣只不過是動作習(xí)慣的縮短或代替，嬰兒學(xué)習(xí)言語的過程和養(yǎng)成其他動作習(xí)慣的過程是一致的。對于思維，華生也把它歸結(jié)為細(xì)小的肌肉運(yùn)動。華生還原論的最終歸宿必然是將心理等同于身體變化的心身同一論。

還原論者看到了事物不同層次間的聯(lián)系，想從低級水平入手探索高級水平的規(guī)律，這種努力是可貴的。但是，低級水平與高級水平之間畢竟有質(zhì)的區(qū)別，如果不考慮所研究對

象的特點(diǎn)，簡單地用低級運(yùn)動形式規(guī)律代替高級運(yùn)動形式規(guī)律，那就會犯機(jī)械論的錯誤。在心理學(xué)研究中，面臨的研究對象十分復(fù)雜，而研究方法又很不成熟，在某種程度上，對研究對象進(jìn)行科學(xué)分解，在更適合的研究水平上進(jìn)行研究，對提示心理學(xué)規(guī)律來說，不僅是可取的，而且是必需的。但這種分解必須考慮心理學(xué)科的特殊性，不能在分解中丟掉原有心理現(xiàn)象的特殊意義，而將生動豐富的心理現(xiàn)象變?yōu)楹翢o意義的元素的集合體。[32]

還原論的適用條件是事物間關(guān)系簡單，因果明了，能夠用精確的數(shù)學(xué)方式表述。這些條件在經(jīng)典科學(xué)中得到充分滿足，因而還原論也得以發(fā)展成熟。但在復(fù)雜性科學(xué)中，確定性不在了，而復(fù)雜性的表現(xiàn)也多種多樣，如在混沌系統(tǒng)中，混沌就是復(fù)雜性；在熱力學(xué)系統(tǒng)中，負(fù)熵就是復(fù)雜性；耗散系統(tǒng)中，漲落就是復(fù)雜性；生命系統(tǒng)中，不可逆就是復(fù)雜性；社會系統(tǒng)中，非線性就是復(fù)雜性；數(shù)學(xué)系統(tǒng)中，不確定就是復(fù)雜性。按照查德的互斥原理，一個系統(tǒng)愈復(fù)雜，其數(shù)學(xué)表述的精確性愈差，當(dāng)復(fù)雜性超過某一臨界值，其復(fù)雜性與描述的精確性將互斥。[33]

（2）整體論指導(dǎo)思想的不足

在人工智能學(xué)派中，聯(lián)結(jié)主義學(xué)派是以整體論為指導(dǎo)思想的。整體論是一個用得很廣的概念，它的基本含義仍然是亞里士多德早已提出的“整體大于其部分之和”觀點(diǎn)，但由于它概括了20世紀(jì)科學(xué)革命和哲學(xué)發(fā)展的成果，與現(xiàn)代有機(jī)論、系統(tǒng)論、突現(xiàn)論、完形論、理性直觀說等新學(xué)說相互滲透，使當(dāng)代整體論的反還原主義特征和實(shí)用化的方法論主張得以彰顯，極大地改變了幾百年來西方科學(xué)文化的根基——牛頓—笛卡兒的自然觀、知識論和科學(xué)范式。在這方面，美國哲學(xué)家蒯因(W.V.Quine )的知識整體論和本體論相對性學(xué)說的提出具有十分重大的意義。它不僅為以庫恩為代表的科學(xué)哲學(xué)歷史主義學(xué)派奠定了哲學(xué)基礎(chǔ)，也是我們今天談?wù)摽茖W(xué)形態(tài)的多元化，認(rèn)為有可能存在以整體論和實(shí)用化方法為特征的第二次科學(xué)革命的理論依據(jù)所在。[34]

隨著對還原論的研究和批判的深入，整體論逐漸興盛起來。首先，系統(tǒng)科學(xué)提供了一種從整體出發(fā)思考和解決問題的觀點(diǎn)，引導(dǎo)人們將事物視為一個有機(jī)的整體，充分考慮它所有的因素之間那種相互關(guān)聯(lián)、不斷變化的復(fù)雜關(guān)系。其次，整體論深入到現(xiàn)代科學(xué)許多的經(jīng)典理論中，它們有很多種具體的形式，如：混沌學(xué)、結(jié)構(gòu)主義、功能主義、進(jìn)化論等等。在這些理論中整體論的思想發(fā)揮著重要作用，這也是當(dāng)代科學(xué)技術(shù)發(fā)展的一個基本特征。但是，在整體論發(fā)展的過程中，其局限性也日漸凸現(xiàn)。

上世紀(jì)50年代，蒯因從分析哲學(xué)的角度對整體論有所發(fā)展，其思想與更早一些的比利時(shí)物理學(xué)家杜桓的觀點(diǎn)非常一致，被合稱為“杜恒——蒯因論題”。這一論題主要關(guān)注知識的整體主義。蒯因認(rèn)為，任何一個陳述、哪怕是經(jīng)驗(yàn)陳述都不可以獨(dú)立為真。人們的觀察材料不能用來單個地檢驗(yàn)科學(xué)假設(shè)，而只能檢驗(yàn)科學(xué)假設(shè)的整個體系。蒯因的結(jié)論是，經(jīng)驗(yàn)證實(shí)或證偽的是一個整體而不是單個的假設(shè)。這一結(jié)論后來招致了廣泛的駁斥，批評者說蒯因?qū)⒄w論無限泛化，造成了整體論的極端化。[35]

貝塔朗菲把一般系統(tǒng)論界定為關(guān)于整體性的科學(xué)，把整體性界定為一種“涌現(xiàn)的”性

質(zhì)。系統(tǒng)研究的首要任務(wù)集就是闡明整體為何大于部分之和，然后制定描述大于部分之和的整體性質(zhì)（即涌現(xiàn)性）的方法。為解決這一問題，貝塔朗菲首先提出“涌現(xiàn)”概念。至于什么是涌現(xiàn)？涌現(xiàn)的如何運(yùn)作？能否用數(shù)學(xué)工具描述？如何利用計(jì)算機(jī)進(jìn)行模擬？等等問題，可以說都還沒有定論。中西方的很多權(quán)威，通過長時(shí)間的探討之后都深感困惑�；籼m(JohnHolland)在《涌現(xiàn)》一書中，則視之為建立涌現(xiàn)論科學(xué)的心理障礙。但在同一本書中，霍蘭本人也不得不承認(rèn)：“我們對于涌現(xiàn)的探究還遠(yuǎn)遠(yuǎn)不夠，即使我自己，對涌現(xiàn)的認(rèn)識也很貧乏”。[36]生命科學(xué)中的“生命力”和按照細(xì)胞結(jié)構(gòu)模式進(jìn)行組織所帶來的涌現(xiàn)性同樣難以解釋， “生命現(xiàn)象如此，一切涌現(xiàn)現(xiàn)象都如此，遺憾的是對于這些都無法給出確切描述。在涌現(xiàn)現(xiàn)象大量不同的例子中，隱藏其間的那些意外出現(xiàn)的新奇事物的虛假軌跡，給我們分離涌現(xiàn)現(xiàn)象的基本要素造成了許多困難”。[37] (P12)

此外，蘇聯(lián)哲學(xué)家瓦·尼·薩多夫斯基提出“整體性悖論”，即把給定系統(tǒng)描述為某種整體性的任務(wù)，只有在解決了把該系統(tǒng)以“整體性的方式”劃分為部分的任務(wù)之后才能解決；而以“整體性的方式”把該系統(tǒng)劃分為部分的任務(wù)，只有在解決了把該系統(tǒng)描述為某種整體性的任務(wù)之后才能解決。[38]如果不解決整體性悖論，就無法對整體進(jìn)行有效的把握與調(diào)控，更談不到利用整體論對現(xiàn)代科學(xué)研究去進(jìn)行有效的功能模擬。

由此，我們可以得出，整體論的局限性即在于其過于強(qiáng)調(diào)整體，對部分與個體的自由有所忽略。整體論對事物的處理，大方向是對的，但是因?yàn)椴蛔⒅亓私饧?xì)節(jié)，這樣的處理則會是帶有主觀主義和經(jīng)驗(yàn)主義的成分。這些不足，在有些情況下可能對事物的處理沒有明顯錯誤的影響，這是好的結(jié)果，但是，一定會有某一些情況，這些不足對事物的處理有明顯錯誤的影響，這是不好的結(jié)果。

（3）小結(jié)

系統(tǒng)科學(xué)的產(chǎn)生和發(fā)展歷程表明：“不要還原論不行，只要還原論也不行；不要整體論不行，只要整體論也不行。不還原到元素層次，不了解局部的精細(xì)結(jié)構(gòu)，我們對系統(tǒng)整體的認(rèn)識只能是直觀的、猜測性的、籠統(tǒng)的，缺乏科學(xué)性。沒有整體觀點(diǎn)，我們對事物的認(rèn)識只能是零碎的，只見樹木，不見森林，不能從整體上把握事物，解決問題�？茖W(xué)的態(tài)度是把還原論與整體論結(jié)合起來�！盵39] (P36)系統(tǒng)科學(xué)的使命在于將還原論和整體論取長補(bǔ)短，進(jìn)而實(shí)現(xiàn)還原論與整體論的統(tǒng)一。按錢學(xué)森的觀點(diǎn)就是：“還原論是不行的，但是不要還原論去考慮整體也不行；西方的東西，大概還原論的觀點(diǎn)是比較多的，而中國的整體觀是比較多的；任何一個方面都有片面性，一定要綜合，用辯證法”。[40]用辯證法就是指在進(jìn)行科學(xué)研究和探索工作中，應(yīng)以全面的、聯(lián)系的、發(fā)展的觀點(diǎn)看問題。任何事物的發(fā)展都是不斷地自我完善與發(fā)展的過程，同時(shí)這一過程是由一系列存在著內(nèi)在聯(lián)系的階段性過程的統(tǒng)一。由于事物發(fā)展的復(fù)雜性、曲折性，對還原論與整體論實(shí)行在“辯證否定”基礎(chǔ)上的有機(jī)結(jié)合，也是科學(xué)發(fā)展的必然趨勢。

近代西方科學(xué)以還原論為指導(dǎo)思想，充分發(fā)展了邏輯分析與實(shí)驗(yàn)方法，取得巨大成就。但在面對諸如宇宙、地球、生物體和人類社會這樣復(fù)雜且需要整體考察的對象時(shí)，便顯露

出了局限性。系統(tǒng)論尤其是隨后陸續(xù)出現(xiàn)的以復(fù)雜性研究為核心內(nèi)容的系統(tǒng)科學(xué)群，開始了向整體論的轉(zhuǎn)移。在中國與西方的科學(xué)傳統(tǒng)中，均有整體論存在，西方古典整體論始于希臘的愛利亞學(xué)派和畢達(dá)哥拉斯學(xué)派，但沒有充分發(fā)展，西方自然哲學(xué)的主流最終偏向了還原論；而中國古典整體論自先秦道家和陰陽家成型起，一直是中國自然哲學(xué)的主流，保持至今未有大的變化。盡管還原論方法在以物理學(xué)為背景的簡單系統(tǒng)研究中取得不少進(jìn)展，但隨著系統(tǒng)科學(xué)的深化，它在以社會科學(xué)與生命科學(xué)為背景的系統(tǒng)研究中有明顯不足，于是引入整體論，建立與還原論有機(jī)結(jié)合，適用于復(fù)雜系統(tǒng)研究的新理念、新方法便成為學(xué)術(shù)界的普遍訴求。

鑒于腦的功能是成千上萬具有不同專門功能的子系統(tǒng)協(xié)作的結(jié)果，人類智能的本質(zhì)不可能歸結(jié)為幾個像波函數(shù)或運(yùn)動學(xué)三定律那樣規(guī)整、簡潔、漂亮的基本原理，人工智能也很難以單一的理論向前發(fā)展，而機(jī)制主義將符號主義、聯(lián)結(jié)主義和行為主義的優(yōu)勢進(jìn)行互補(bǔ)，實(shí)現(xiàn)有機(jī)統(tǒng)一，同時(shí)融合還原論和整體論的研究策略不失為人工智能研究的一種有效的新方法。

3、對機(jī)制主義研究方法硬件支持的探討

工欲善其事，必先利其器，如果離開了強(qiáng)有力的硬件支持，再好的理念和程序設(shè)計(jì)也難以實(shí)現(xiàn)。傳統(tǒng)的人工智能研究學(xué)派，都是以馮·諾依曼結(jié)構(gòu)的計(jì)算機(jī)為技術(shù)支持的。馮·諾依曼結(jié)構(gòu)的計(jì)算機(jī)優(yōu)勢在于高速的數(shù)值計(jì)算能力，以往的信息處理系統(tǒng)只能處理?xiàng)l理清晰、經(jīng)絡(luò)分明的數(shù)據(jù)，而人的大腦卻具有能處理支離破碎、含糊不清信息的靈活性，因而人工智能研究的進(jìn)一步發(fā)展需要新一代較大程度上類似人腦的智慧和靈活性計(jì)算機(jī)，需要探索全新的計(jì)算機(jī)技術(shù)。目前世界上處于研究熱點(diǎn)的，被眾多科學(xué)家寄予厚望，代表著面向未來的計(jì)算機(jī)主要有三類，分別是：光子計(jì)算機(jī)、生物計(jì)算機(jī)和量子計(jì)算機(jī)。

光子計(jì)算機(jī)以光子作為傳遞信息的載體，光互連代替導(dǎo)線互連，以光硬件代替電子硬件，以光運(yùn)算代替電運(yùn)算，利用激光來傳送信號，并由光導(dǎo)纖維與各種光學(xué)元件等構(gòu)成集成光路，從而進(jìn)行數(shù)據(jù)運(yùn)算、傳輸和存儲。光子計(jì)算機(jī)將使運(yùn)算速度在目前基礎(chǔ)上呈指數(shù)上升。但目前這類計(jì)算機(jī)還處于實(shí)驗(yàn)階段。

量子計(jì)算機(jī)是根據(jù)原子或原子核所具有的量子學(xué)特性來工作，運(yùn)用量子信息學(xué)，基于量子效應(yīng)構(gòu)建的一個完全以量子位（量子比特）為基礎(chǔ)的計(jì)算機(jī)。它利用一種鏈狀分子聚合物的特性來表示開與關(guān)的狀態(tài)，利用激光脈沖來改變分子的狀態(tài)，使信息沿著聚合物移動，從而進(jìn)行運(yùn)算。雖然世界各地的許多實(shí)驗(yàn)室正在以巨大的熱情追尋著這個夢想，但是迄今為止，世界上還沒有真正意義上的量子計(jì)算機(jī)。

相對而言，生物計(jì)算機(jī)研究更為實(shí)際。生物計(jì)算機(jī)主要是以生物電子元件構(gòu)建的計(jì)算機(jī)。它利用蛋白質(zhì)有開關(guān)特性，用生物工程技術(shù)產(chǎn)生蛋白質(zhì)分子，并以它們做元件制成集成電路一也就是生物芯片。生物芯片本身具有天然獨(dú)特的立體化結(jié)構(gòu)，其密度要比平面型的硅集成電路高5個數(shù)量級，因此生物元件比硅芯片上的電子元件要小很多，甚至可以小

到幾十億分之一米。此外，由于生物具有自我修復(fù)功能，生物芯片一旦出現(xiàn)故障，不需要人工修理也可以進(jìn)行自我修復(fù)。所以，生物計(jì)算機(jī)具有“半永久性”和很高的可靠性。再者，生物計(jì)算機(jī)的元件是由有機(jī)分子組成的生物化學(xué)元件，它們是利用化學(xué)反應(yīng)工作的，所以，只需要很少的能量就可以工作了。因此，不會像電子計(jì)算機(jī)那樣，工作一段時(shí)間后，機(jī)體會發(fā)熱，而且它的電路間也沒有信號干擾。

生物計(jì)算機(jī)目前主要有以下幾類：①生物分子或超分子芯片。其立足于傳統(tǒng)計(jì)算機(jī)模式，從尋找高效、體微的電子信息載體及信息傳遞體入手，目前已對生物體內(nèi)的小分子、大分子、超分子生物芯片的結(jié)構(gòu)與功能做了大量的研究與開發(fā)�！吧锘瘜W(xué)電路”即屬于此。②自動機(jī)模型。以自動理論為基礎(chǔ)，致力于尋找新的計(jì)算機(jī)模式，特別是特殊用途的非數(shù)值計(jì)算機(jī)模式。目前研究的熱點(diǎn)集中在基本生物現(xiàn)象的類比，如神經(jīng)網(wǎng)絡(luò)、免疫網(wǎng)絡(luò)、細(xì)胞自動機(jī)等。不同自動機(jī)的區(qū)別主要是網(wǎng)絡(luò)內(nèi)部連接的差異，其基本特征是集體計(jì)算，又稱集體主義，在非數(shù)值計(jì)算、模擬、識別方面有極大的潛力。神經(jīng)計(jì)算機(jī)屬于此類。③仿生算法。以生物智能為基礎(chǔ)，用仿生的觀念致力于尋找新的算法模式，雖然類似于自動機(jī)思想，但立足點(diǎn)在算法上，不追求硬件上的變化。④生物化學(xué)反應(yīng)算法。立足于可控的生物化學(xué)反應(yīng)或反應(yīng)系統(tǒng)，利用小容積內(nèi)同類分子高拷貝數(shù)的優(yōu)勢，追求運(yùn)算的高度并行化，從而提高運(yùn)算的效率。DNA計(jì)算機(jī)屬于此類。

接下來主要介紹屬于自動機(jī)模型一類的神經(jīng)計(jì)算機(jī)。神經(jīng)計(jì)算機(jī)具有模仿人的大腦判斷能力和適應(yīng)能力、可并行處理多種數(shù)據(jù)，可以判斷對象的性質(zhì)與狀態(tài)，并能采取相應(yīng)的行動，而且可同時(shí)并行處理實(shí)時(shí)變化的大量數(shù)據(jù)，并引出結(jié)論。用許多微處理機(jī)模仿人腦的神經(jīng)元結(jié)構(gòu)，采用大量的并行分布式網(wǎng)絡(luò)就構(gòu)成了神經(jīng)電腦。神經(jīng)電腦除有許多處理器外，還有類似神經(jīng)的節(jié)點(diǎn)，每個節(jié)點(diǎn)與許多點(diǎn)相連。若把每一步運(yùn)算分配給每臺微處理器，它們同時(shí)運(yùn)算，其信息處理速度會大大提高。神經(jīng)電子計(jì)算機(jī)的信息不是存在存儲器中，而是存儲在神經(jīng)元之間的聯(lián)絡(luò)網(wǎng)中。若有節(jié)點(diǎn)斷裂，電腦仍有重建資料的能力，它還具有聯(lián)想記憶、視覺和聲音識別能力。

在按形式化方法邏輯推理和進(jìn)行精確數(shù)值計(jì)算的場合，當(dāng)前高速數(shù)字計(jì)算機(jī)已經(jīng)能夠顯示出巨大的威力，而在智能型的信息處理，如模式識別、模糊處理、自適應(yīng)控制和組合優(yōu)化等方面，神經(jīng)計(jì)算機(jī)將發(fā)揮它獨(dú)特的優(yōu)越性。[41]( P51-59)

神經(jīng)計(jì)算機(jī)著重于模仿人類大腦的模糊處理功能、并行化處理功能和模式識別功能，而傳統(tǒng)的馮.諾依曼型計(jì)算機(jī)則著重與高速的運(yùn)算能力。二者通過有機(jī)結(jié)合而產(chǎn)生的新一代計(jì)算機(jī)，將可以為機(jī)制主義研究方法提供強(qiáng)有力的硬件支持，同時(shí)也更能充分發(fā)揮模擬人腦和高速計(jì)算機(jī)各自的優(yōu)勢�？梢灶A(yù)見，馮.諾依曼機(jī)和神經(jīng)計(jì)算機(jī)相結(jié)合而誕生的新一代計(jì)算機(jī)，將會把人工智能的乃至更大范圍的科學(xué)和技術(shù)推向新的高峰。

結(jié) 語

人工智能研究走過了半個多世紀(jì)的路程，在探索的路上，科學(xué)家們不斷開拓創(chuàng)新，沿著不同的路徑不懈前行，然而人工智能的三大主流學(xué)派——符號主義學(xué)派、聯(lián)結(jié)主義學(xué)派和行為主義學(xué)派在取得令人鼓舞的成果的同時(shí)，也面各自臨著不同的困境。

本文首先對人工智能的發(fā)展歷史以及人工智能三大主流學(xué)派的發(fā)展歷程，所取得的成果以及面臨的困難進(jìn)行深入分析，從而得出以下結(jié)論：以單純的還原論為指導(dǎo)思想的符號主義、行為主義研究方法和以單純的整體論為指導(dǎo)思想的聯(lián)結(jié)主義研究方法都不可避免地存在局限性和片面性，而不能正確認(rèn)識人工智能發(fā)展的目標(biāo)也會導(dǎo)致人工智能研究走進(jìn)類似“永動機(jī)”的死胡同。因此，應(yīng)當(dāng)認(rèn)識到，人工智能是人類改造世界和延展自身智能的工具，不奢望制造達(dá)到甚至超過人類智能的人工智能系統(tǒng)。在弱AI的框架內(nèi)，在“人機(jī)結(jié)合”技術(shù)路線的指引下，運(yùn)用整體論和還原論相結(jié)合的機(jī)制主義研究方法，采用神經(jīng)計(jì)算機(jī)與傳統(tǒng)的馮·諾依曼計(jì)算機(jī)結(jié)合的模擬人腦功能的新系統(tǒng)，將有可能使人工智能的研究突破目前的困境，走上一條嶄新的道路。

注 釋：

[1] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[2] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[3] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[4] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[5] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[6] 黃偉，聶東，陳英俊，人工智能研究的主要學(xué)派及特點(diǎn)[J].贛南師范學(xué)院學(xué)報(bào)，2001

（2）．

[7] 約翰.沃生著，李維譯，行為主義[M].杭州：浙江教育出版社，1998，P56.

[8] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[9] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[10] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[11] Guha，Lenat. Cyc：A Midterm Report [J] . AI Magzine，F(xiàn)all，1990 (33)，P33-59.

[12] 王麗慧，常識知識表示：通向“人工智能”的途徑，自然辯證法研究[J].2007(8)，P39

[13] 《21世紀(jì)初科學(xué)技術(shù)發(fā)展趨勢》編寫組，21世紀(jì)初科學(xué)技術(shù)發(fā)展趨勢[M].北京：科學(xué)出版社，1996，P108，314.

[14] 崔鑫，人工智能研究綱領(lǐng)的困境和走向，碩士學(xué)位論文，南京航空航天大學(xué).

[15] 劉雅嫦、鄒莉，機(jī)器翻譯的進(jìn)展與問題研究，科技信息[J].2008（14），P290

[16] 曾向陽，行為主義的哲學(xué)困境透視，自然辯證法通訊[J].1999（4）

[17] 約翰·H·霍蘭著，周曉牧，韓暉譯，隱秩序：適應(yīng)性造就復(fù)雜性[M].上海：上�？萍冀逃霭嫔�，2000

[18] 約翰·H·霍蘭著，周曉牧，韓暉譯，隱秩序：適應(yīng)性造就復(fù)雜性[M].上海：上�？萍冀逃霭嫔�，2000

[19] 王迪興，準(zhǔn)信息系統(tǒng)論與智能計(jì)算機(jī)[M].北京：長征出版社，2004，P26.

[20] 曾向陽，行為主義的哲學(xué)困境透視，自然辯證法通訊[J].1999（4）

[21] 郭強(qiáng). 我的知識經(jīng)濟(jì)觀[ M] . 中國經(jīng)濟(jì)出版社，1999. P13 - 16.

[22] 王寶斡，神經(jīng)網(wǎng)絡(luò)理論與神經(jīng)計(jì)算機(jī)研究進(jìn)展，生物物理學(xué)報(bào)[J].1989（3），P97-106.

[23] 楊曉帆、陳廷槐，人工神經(jīng)網(wǎng)絡(luò)固有的優(yōu)點(diǎn)和缺點(diǎn)，計(jì)算機(jī)科學(xué)[J].1994(4)，P23

[24] 李難，進(jìn)化論教程[M].北京：高等教育出版社，1990

[25] 李難，進(jìn)化論教程[M].北京：高等教育出版社，1990

[26] 休伯特.徳雷福斯著，計(jì)算機(jī)不能做什么[M].北京：三聯(lián)書店，1986，P308

[27] 休伯特.徳雷福斯著，計(jì)算機(jī)不能做什么[M].北京：三聯(lián)書店，1986，P308

[28] 戴汝為，開辟人機(jī)結(jié)合的新天地，電子出版[J].2004（8）

[29] 戴汝為，開辟人機(jī)結(jié)合的新天地，電子出版[J].2004（8）

[30] 崔鑫，人工智能研究綱領(lǐng)的困境和走向，碩士學(xué)位論文，南京航空航天大學(xué).

[31] 鐘義信，機(jī)制主義：人工智能的統(tǒng)一理論，北京郵電大學(xué)學(xué)報(bào) [J].2006(6).

[32] 郭壘，現(xiàn)代自主論和還原論的各自困境，科學(xué)技術(shù)與辯證法[J].1997(4)

[33] 高隆昌，數(shù)學(xué)及其認(rèn)識 [M] . 北京：高等教育出版社，2001

[34] 肖顯靜，段偉文，劉勁楊，科學(xué)研究的新路徑——整體論，光明日報(bào)[J].2007(07)

[35] 李習(xí)彬，湯敏軒，整體論的局限與總體論的突破[J]. 湖南師范大學(xué)社會科學(xué)學(xué)報(bào)2004(7)

[36] 約翰·霍蘭著，陳禹等譯，涌現(xiàn)：從混沌到有序[M].上海：上�？茖W(xué)技術(shù)出版社，2006，P175.

[37] 約翰·H·霍蘭著，周曉牧，韓暉譯，隱秩序：適應(yīng)性造就復(fù)雜性[M].上海：上�？萍冀逃霭嫔�，2000

[38] 曾永壽，系統(tǒng)之謎[M].北京：中國商業(yè)出版社，2002，P3-5.

[39] 許國志，系統(tǒng)科學(xué)[M].上海：上�？萍冀逃霭嫔�，2000，70.

[40] 錢學(xué)森，論人體科學(xué)與現(xiàn)代科技[M].上海：上海交通大學(xué)出版社，1998，P173.

[41] 靳蕃，神經(jīng)網(wǎng)絡(luò)與神經(jīng)計(jì)算機(jī)的基本原理和應(yīng)用，計(jì)算機(jī)應(yīng)用[J].1991(3)

參考文獻(xiàn)：

一、著作類：

[1] 金聰、戴上平、郭京蕾、張維，人工智能教程[M].北京：清華大學(xué)出版社，2007.

[2] 約翰.沃生著，李維譯，行為主義[M].杭州：浙江教育出版社，1998，P56.

[3] 《21世紀(jì)初科學(xué)技術(shù)發(fā)展趨勢》編寫組，21世紀(jì)初科學(xué)技術(shù)發(fā)展趨勢[M].北京：科學(xué)出版社，1996.

[4] 約翰·H·霍蘭著，周曉牧、韓暉譯，隱秩序：適應(yīng)性造就復(fù)雜性[M].上海：上�？萍冀逃霭嫔�，2000

[5] 王迪興，準(zhǔn)信息系統(tǒng)論與智能計(jì)算機(jī)[M].北京：長征出版社，2004.

[6] 郭強(qiáng). 我的知識經(jīng)濟(jì)觀[ M] . 中國經(jīng)濟(jì)出版社，1999.

[7] 李難，進(jìn)化論教程[M].北京：高等教育出版社，1990.

[8] 休伯特.徳雷福斯著，計(jì)算機(jī)不能做什么[M].北京：三聯(lián)書店，1986.

[9] 高隆昌，數(shù)學(xué)及其認(rèn)識 [M] . 北京：高等教育出版社，2001.

[10] 約翰·霍蘭著，陳禹等譯，涌現(xiàn)：從混沌到有序[M].上海：上�？茖W(xué)技術(shù)出版社，2006.

[11] 曾永壽，系統(tǒng)之謎[M].北京：中國商業(yè)出版社，2002.

[12] 許國志，系統(tǒng)科學(xué)[M].上海：上�？萍冀逃霭嫔�，2000.

[13] 錢學(xué)森，論人體科學(xué)與現(xiàn)代科技[M].上海：上海交通大學(xué)出版社，1998.

[14] 杰夫.霍金斯，賀俊等譯，人工智能的未來，[M].西安：陜西科學(xué)技術(shù)出版社，2006.

[15] 吳文俊.王者之路———機(jī)器證明及其應(yīng)用[M].長沙：湖南科技出版社，1999年.

[16] 瑪格麗特.博登著，劉西瑞、王汗琦譯，人工智能哲學(xué)[M].上海：上海譯文出版社，2001.

[17] 庫恩著，金吾倫/胡新和譯，科學(xué)革命的結(jié)構(gòu)[M].北京大學(xué)出版，2003年.

[18] 周昌樂，無心的機(jī)器[M].長沙：湖南科技出版社，2000年.

[19] 維納著， 郝季仁譯，控制論[M].科學(xué)出版社，1985年.

[20] 錢學(xué)森，關(guān)于思維科學(xué)[M].上海：上海人民出版社，1986.年

[21] 李難，進(jìn)化論教程[M].北京：高等教育出版社；1990年.

[22] 弗里德曼著，張陌，王芳博譯，制腦者：創(chuàng)造堪與人腦匹敵的智能[M].北京：三聯(lián)書店，2001.

[23] 董新華，人工智能的挑戰(zhàn)[M].廣西：廣西人民出版社，1989.

[24] 涂序彥編，人工智能：回顧與展望[M].北京：科學(xué)出版社，2006.

[25] 查爾默斯著，查汝強(qiáng)等譯，科學(xué)究竟是什么? [M ].北京:商務(wù)印書館，1982.

二、論文類

[1] Guha，Lenat. Cyc：A Midterm Report [J] . AI Magzine，F(xiàn)all，1990 (33)，P33-59.

[2] 王麗慧，常識知識表示：通向“人工智能”的途徑，自然辯證法研究[J].2007(8)

[3] 劉雅嫦、鄒莉，機(jī)器翻譯的進(jìn)展與問題研究，科技信息[J].2008（14）

[4] 崔鑫，人工智能研究綱領(lǐng)的困境和走向[D].南京，南京航空航天大學(xué).

[5] 曾向陽，行為主義的哲學(xué)困境透視，自然辯證法通訊[J].1999（4）

[6] 黃偉，聶東，陳英俊，人工智能研究的主要學(xué)派及特點(diǎn)[J].贛南師范學(xué)院學(xué)報(bào)，2001（2）

[7] 王寶斡，神經(jīng)網(wǎng)絡(luò)理論與神經(jīng)計(jì)算機(jī)研究進(jìn)展，生物物理學(xué)報(bào)[J].1989（3）

[8] 楊曉帆、陳廷槐，人工神經(jīng)網(wǎng)絡(luò)固有的優(yōu)點(diǎn)和缺點(diǎn)，計(jì)算機(jī)科學(xué)[J].1994(4)，P23

[9] 戴汝為，開辟人機(jī)結(jié)合的新天地，電子出版[J].2004（8）

[10] 賈林祥，試論新聯(lián)結(jié)主義的方法論，南京師大學(xué)報(bào)(社會科學(xué)版)[J].2004(2)，92-96.

[11] 郭壘，現(xiàn)代自主論和還原論的各自困境，科學(xué)技術(shù)與辯證法[J].1997(4)

[12] 肖顯靜，段偉文，劉勁楊，科學(xué)研究的新路徑——整體論，光明日報(bào)[J].2007(07)

[13] 李習(xí)彬，湯敏軒，整體論的局限與總體論的突破[J]. 湖南師范大學(xué)社會科學(xué)學(xué)報(bào)2004(7)

[14] 肖靜寧，裂腦研究與思維方式互補(bǔ)，人文雜志[J].1991（3），1-7.

[15] 靳蕃，神經(jīng)網(wǎng)絡(luò)與神經(jīng)計(jì)算機(jī)的基本原理和應(yīng)用，計(jì)算機(jī)應(yīng)用[J].1991(3)

[16] 劉西瑞,王漢琦，人工智能中的形式化問題 [J].自然辯證法研究,2002(4).

[17] 劉長林，論信息的哲學(xué)本性[J].中國社會科學(xué)，1985(2).

[18] 童天湘，人工智能與第N代計(jì)算[J].哲學(xué)研究，1985(5).

[19] 烏錕等，關(guān)于信息論研究中幾個問題的探討[J].社會科學(xué)評論,1986(1).

[20] 路高，人工智能的困境與自組織思維方法[J].北京師范大學(xué)學(xué)報(bào),1990(5).

[21] 杜雄柏，人工智能問題的認(rèn)識論分析[J].湘潭大學(xué)學(xué)報(bào) (哲學(xué)社會科學(xué)版)，1999(3).

[22] 郝寧湘，對信息本質(zhì)的分析和認(rèn)識[J].青海社會科學(xué),1989(5).

[23] 錢俊生，人工智能問題的哲學(xué)分析[J].理論月刊,1985(4).

[24] 周蔭祖，控制論的哲學(xué)意義[J].中州學(xué)刊,1986(1).

[25] 毛華濱，高新民，從意向性看人工智能的發(fā)展方向[J].科學(xué)技術(shù)與辯證法，2005(10).

[26] 錢鐵云，人工智能是否可以超越人類智能?[J].科學(xué)技術(shù)與辯證法,2004(5).

[27] 孫鵬文，趙永紅，富秀榮，淺析人工智能和人類智能的關(guān)系[J].內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)（人文社科版）1999(5).

[28] 酈全民，人工智能中的達(dá)爾文主義[J].自然辯證法研究1998(7).

[29] 康蘭波，論人工智能的哲學(xué)意蘊(yùn)含[J].重慶大學(xué)學(xué)報(bào)，2002(7).

[30] 陳慶霞，人工智能研究綱領(lǐng)的發(fā)展歷程和前景[J].科技信息，2008(33).

[31] 王培，Artificial General Intelligence: a GentleIntroduction [J].心智與計(jì)算，2007(2).

[32] 鐘義信，機(jī)制主義—人工智能的統(tǒng)一理論[J].電子學(xué)報(bào)，2006(2)

[33] 鐘義信，論“信息-知識-智能轉(zhuǎn)換規(guī)律” [J].北京郵電大學(xué)學(xué)報(bào)，2007(1)

[34] 鐘義信，人工智能理論——從分立到統(tǒng)一的奧秘[J].北京郵電大學(xué)學(xué)報(bào)，2006(3)

[35] 鐘義信，探索信息-生命交叉科學(xué)的奧秘——“信息-知識-智能統(tǒng)一理論”的研究[J].科學(xué)中國人，2003(7)

[36] 劉曉力，認(rèn)知科學(xué)研究綱領(lǐng)的困境與走向[J].中國社會科學(xué)，2003(1)

[37] 劉曉力，數(shù)學(xué)是不可完全的——哥德爾的哲學(xué)手稿[J].自然辯證法研究,1998(4)

致 謝

轉(zhuǎn)眼間，緊張而充實(shí)的三年求學(xué)時(shí)間過去了�；厥走@段美好的時(shí)光，我想，我將永生難以忘懷。恩師的諄諄教誨，同窗的手足之誼，將會成為我人生的寶貴財(cái)富。

在求學(xué)的過程中，我盡自己的努力去學(xué)習(xí)，但終因自己資質(zhì)愚鈍，能力有限，論文仍顯粗糙，深感辜負(fù)了恩師的期望，慚愧非常。

在此，我要深深感謝我的導(dǎo)師胡新和教授。從本論文的選題到論文的批改，恩師不辭辛勞，仔細(xì)審閱，嚴(yán)格把關(guān)。最令我感動的是，在論文初稿的審閱中，恩師逐字逐句批閱，甚至連每個詞句的斟酌和每個標(biāo)點(diǎn)符號的錯誤都為我一一標(biāo)注出來，治學(xué)態(tài)度之嚴(yán)謹(jǐn)，讓我自愧弗如，感激之情，更是難以言表。

此外，還要感謝我的老師黃瑞雄教授，在求學(xué)的過程中，他不但交給我學(xué)習(xí)的方法，治學(xué)的態(tài)度，更教給我做人的道理，讓我獲益匪淺。

感謝林春逸教授、尹鑫教授、吳國萍教授、謝林誠主席、蘇平富教授、李恩來教授、吳全蘭教授等對我的指導(dǎo)。

此外，論文寫作過程中，參照了許多前輩的研究成果，在此也一并致謝！

感謝師兄張浩、吳振宇、王飛，師姐甘霞，姚麗華等為我的論文提出建設(shè)性的建議。 感謝我的同學(xué)金云亮、毛獻(xiàn)峰、崔素娟、潘娟等等對我的關(guān)心和幫助！

韋淋元

2009 年4 月于桂林

廣西師范大學(xué) 碩士學(xué)位論文 人工智能發(fā)展的困境和出路 姓名：韋淋元 申請學(xué)位級別：碩士 專業(yè)：科學(xué)技術(shù)哲學(xué) 指導(dǎo)教師：胡新和 20090401 人工智能發(fā)展的困境和出路 姓 名：韋淋元 指導(dǎo)教師：胡新和 教授 專 業(yè)：科學(xué)技術(shù)哲學(xué) 研究方向：科學(xué)技術(shù)…

廣西師范大學(xué) 碩士學(xué)位論文 人工智能發(fā)展的困境和出路 姓名：韋淋元 申請學(xué)位級別：碩士 專業(yè)：科學(xué)技術(shù)哲學(xué) 指導(dǎo)教師：胡新和 20090401 人工智能發(fā)展的困境和出路 姓 名：韋淋元 指導(dǎo)教師：胡新和 教授 專 業(yè)：科學(xué)技術(shù)哲學(xué) 研究方向：科學(xué)技術(shù)…

廣西師范大學(xué) 碩士學(xué)位論文 人工智能發(fā)展的困境和出路 姓名：韋淋元 申請學(xué)位級別：碩士 專業(yè)：科學(xué)技術(shù)哲學(xué) 指導(dǎo)教師：胡新和 20090401 人工智能發(fā)展的困境和出路 姓 名：韋淋元 指導(dǎo)教師：胡新和 教授 專 業(yè)：科學(xué)技術(shù)哲學(xué) 研究方向：科學(xué)技術(shù)…

>> 查看更多相關(guān)文檔

  本文關(guān)鍵詞：人工智能發(fā)展的困境和出路，由筆耕文化傳播整理發(fā)布。