{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","uuid":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","normalized_title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","isbns":["7532740544"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":501,"navigation_url":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%93%B2%E5%AD%A6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","page_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page","search_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/search"},"page":{"printed_page":417,"pdf_page":425,"physical_index":425,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"2c74501e30c21a0627c7bd293b4c1817ba06959c6f3048c9ef29e703b37b24cf"},"chapter":"人工智能哲学","content":"基底域观念。于是我们放弃这种要求：每个内容必须以构成概念内容的方式即通过任务域的概念给出它的理论说明。还可能存在何种别的理论上恰当的说明方法呢？下面我介绍一种典范的非概念说明。虽然我认为这是我们能够据以解决认知体现问题的仅有的一种说明，但它未必就是仅有的一种。[1]\n\n看一看一个生活在加里福尼亚州SRI研究院里的以“怪人”闻名的自主而可移动的机器人的运作，将是有益的。2“怪人”在SRI的走廊里行走，它的任务是沿着走廊来回走动，避免碰到墙壁，并转弯进人特设的出入口。\n\n为了能够在一套任务域内灵活地行动，一个系统必须能够运用特征表述3，这些特征是它偶然发现自己在里面的那个区域所特有的。例如，如果在“怪人”所处的环境里，走廊的宽度是变动的，那么“怪人”就需要对走廊宽度作出不同响应。给出那种“怪人”系统，就意味着“怪人”必须表述这一变量。系统不需要表述的只是在系统的整个历程中没有变化的方面。所以系统的表述能力越大，系统的潜在灵活性就越大。因此，我们是不是应该假定，在认知上是理想的系统，会以计算方式—以传统AI方式——表述所有存在的事实呢？是不是应该假定，虽然这个理想系统没有得到什么，但是人们越接近它，认知能力就将越强呢？\n\n15 概念的联结论构造\n\n[1] 例如，如果德雷斯克的信息观念(Dretske1981)要成为内容观念，那么它将是一个非概念内容观念，因为人们为了要处于信息携带状态，并不需要拥有信息的概念。(显然如此，因为即使是树——其实任何东西—也携带信息。)当德雷斯克试图证明把信息观念看作内容观念是正确的时候，麻烦就来了。皮科克(Peacocke1989)发展了一个不同的非概念内容观念。\n\n[2] 见赖费尔(Reifel 1987)。\n\n[3]我不打算未经讨论就假定有了何种表述系统就足以拥有概念，所以在讨论像“怪人”那样的系统时，我用了一般的表述观念，该观念中立地看待是否它的意义(例如它的语义)只是外在属性，或者是否它的意义(像内容意义)是内在地可获得的这些问题。一个物理系统具有一些内在地可获得意义的状态的条件，我将在第7节中考察。\n\n417","previous_page":416,"next_page":418}