--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能哲学" author: null edition: null publisher: null year: null isbn: "7532740544" library_document_id: "7f418071-0fdc-4a5a-a4c5-82dd1979d9c2" source_sha256: "1a81e5f3981b3c472c59c41e3051e038e997d095f1ab9e963fbb8a043c2cba34" pdf_physical_page_count: 501 pdf_physical_page_index_base: 0 range_start: 130 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2?start=130&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=130&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=120&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=140&limit=10" --- # 人工智能哲学 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=130 | PRINTED_PAGE=122 从表面上看，这些系统中没有一个把符号概念当作某种作指称用的东西。数据仅仅被看作一些0和1的数字串—对于计算向物理过程的还原来说，数据无作用这一点的确非常重要。有限状态控制系统总是被看作一个小控制器，为了在不破坏机器通用性的情况下弄清小到何种程度的状态系统是可用的，得做一些逻辑游戏。就我们所知，未曾有一种游戏为有限控制增添了新的动态方式的状态把控制存储看作是持有大部分该系统的知识。在这一阶段上所完成的只是解释原理的一半证明机器可以根据说明运转。因而，这是自动形式符号处理的阶段。 存储程序概念 在40年代中期，（在电子数字积分计算机之后)随着第二代电子计算机器的发展，出现了存储程序概念。将这一进展誉为在概念和实践两方面的里程碑是恰如其分的。现在程序可以是数据，也可以作为数据来运作。当然，图灵的模型中已隐含着这种能力：说明与数据同在一条纸带上。然而只有在机器获得足够的内存，使得在某个内部位置上找到实际程序在实践上是可行时，这一思想才得以实现。电子数字积分计算机毕竟只有20)个字节。 存储程序概念实现了解释原理的另一半，这一部分指出可以对系统拥有的数据作出解释。但是它仍未包含指称的观念作为意义基础的物理关系的观念。 表处理下一步—表处理，是在1956年完成的。现在数据结构内容成了我们物理符号系统意义上的符号，即被指称的模式意义上的符号，因而具有了所指对象。一些表拥有容许向另一些表做存取的地址一这就是表结构的观念。在表处理刚出现时，同行们一再向我们提出数据存在于何处的问题，就是说，最终是哪一个表拥有作为系统内容比特的集合体，这种情况向我们证明这是一个新观点。同行们惊异地发现，根本没有这样的比特，有的只是指称别的符号结构的符号而已。 人工智能哲学 122 ## PDF_PHYSICAL_PAGE_INDEX=131 | PRINTED_PAGE=123 在计算机科学的发展中，表处理同时表现为三件事情： 1. 它是机器中真正的动态存储结构的创建，而以前一直认为机器只有固定结构。它在替换和改变内容的操作之外，为我们的操作总体增添了建立和修正结构的操作。 2. 它及早地证明了这一基本抽象方式：计算机是由一组数据类型和一组对这些数据类型来说是恰当的操作组成的。这样，计算系统就能运用任何一种对应用来说是恰当的数据类型，而不受处于基础地位的机器影响。 3. 表处理产生出一个指称模型，而这样定义符号处理与我们今天把这一概念用于计算机科学时具有同样的意义。 正如经常出现的那样，当时的做法已预示出表处理的所有基本因素：地址显然被用于实现存取，磁鼓机则用于被连接的程序(所谓1加1编址)，等等。但是，以抽象方式出现的表处理的概念形式开创了一个新天地，在这里，指称和动态符号结构定义出许多特征。将早期表处理系统嵌入语言(IPL、LISP语言)的做法常常受到指责，说它是将表处理技术扩展到整个编程实践的障碍，然而它却是将抽象方式结合起来的工具。 LISP语言还有一个步骤值得注意：麦卡锡在1959—1960年创立了LISP语言(McCarthy1960)。它完成了对动作的抽象，是将表结构从它们在具体机器内的嵌入状态中取出，创建一个新的带有S表达式的形式系统。可以证明，它与其他通用的计算方案是等价的。 结论指称符号和符号处理的概念直到50年代中期才出现，这并不是说较早的进展是非本质的，或不够重要。这一总的概念综合了可计算性、(通过多种技术的)物理可实现性、通用性、过程的符号表述(即可解释性)，最后还有符号结构和指称。每一步进展都为这一整体 5 作为经验探索的计算机科学：符号和搜索 123 ## PDF_PHYSICAL_PAGE_INDEX=132 | PRINTED_PAGE=124 提供了不可或缺的部分。 这个链条的第一个步骤是由图灵创立的，它是由理论方面的兴趣推动的，但是其他各步都深深地植根于经验。我们始终受到计算机本身进展的引导。存储程序原理出自电子数字积分计算机的经验。表处理方法出自构造智能程序的尝试，随机存取存储装置的出现使它受到启发，它为编址的指称符号提供了一个明显的物理实现方式。LISP语言则来自表处理方面不断发展的经验。 证据 我们的假设是：物理符号系统具备智能行动的能力，同时一般智能行动也需要物理符号系统。现在我们来看看这一假设的证据。该假设是经验的概括，而不是定理。我们不知道有什么方法可以在纯逻辑的基础上证明符号系统与智能之间的联系。既然缺乏这样的证明，就必须看一看事实了。然而我们的主要目的并不是审视这一证据的细节，而是运用我们掌握的例子来说明这一命题：计算机科学是一个经验探索的领域。因此，我们仅打算指明存在着何种证据，并指明检验过程的一般性质。 到50)年代中期，物理符号系统观念已基本上具有目前的形式，我们还可以溯源至人工智能作为计算机科学直接分支的成长时代。从那时起，20)年来的工作已展示出逐渐积累起来的经验证据，主要有两种类型。第一种着重说明物理符号系统对于产生智能的充分性，并试图构造和检验具有这种能力的特定系统。第二种证据着重说明，凡表现出智能的地方，具有物理符号系统的必要性。它以人为起点，因为这是我们最了解的智能系统，并试图弄清人的认知活动是否可以解释为物理符号系统的工作过程。还有另一些形式的证据，将在后面简单加以介绍，而上述两种证据特别重要，我们依次加以考察。前者一般被称为人工智能，后者一般被称为认知心理学研究。 构造智能系统 对细菌致病理论作初始检验的基本范式是：确定疾病，然后寻找细菌。人工智能研究深受类似范式的启发：确定需要智能的任务域，然后为数字计算机构造一个程序，使之能够处理这一任务域中的任务。一开始，我们看到的是一些简单的、精心构造的任务：难题和游戏、资源调度和分配的运筹学问题、简单的归纳任务。目前已构造出的这类程序，即使没有几百个，也有几十个之多，其中每一个都能在恰当的领域内完成某种程度的智能行动。 人工智能哲学 124 ## PDF_PHYSICAL_PAGE_INDEX=133 | PRINTED_PAGE=125 当然，智能不是一个全或无的事物，它在特定领域中不断地向更高级的性能发展，并向拓宽这些领域的范围发展。例如，早期的国际象棋程序只要能按规则走子，并表现出某种目的性，就被看作是成功的；稍后，它们达到了人类初学者的水平；在10到15年的时间里，它们开始对抗高水平的业余棋手。进步是缓慢的(同时在整个项目方面的投资也不多），但却从未间断，构造加检验的范式有规律地循环着一整个研究活动是在宏观层次上模仿许多AI程序的基本的生成加检验的循环过程。 我们看到，具备智能行动能力的领域在逐步拓宽。研究工作已从原来的任务扩展到建立系统：以各种方式处理和理解自然语言的系统、解释视觉场景的系统、用于手眼协调的系统、设计系统、编写计算机程序的系统、口语理解系统一这张单子如果不是无尽的，至少也是非常之长。即使存在着一些界限，在界限之外上述假设不再成立，这种界限也尚未分明。到目前为止，影响前进速度的主要是两个方面：已应用的科学资源的数量相当有限，对每一重大的新课题来说都不可避免地要为实际建立系统而付出努力。 当然，已着手研究的，适用于特定任务域的智能系统，远远不止上面罗列的这些例子。如果人们得知，完成这些形形色色的任务的AI程序，除了作为物理符号系统的实例而外，别无共同之处，可能会感到惊讶和沮丧。因而，对一般性所拥有的机制的搜索，以及对完成各种任务的程序中的共同成分的搜索，始终有其重要意义。这种搜索使该理论超越了原有的符号系统假设，以对人工智能中各种有效的特殊类型的符号系统的特征作出更加完美的说明。在本文第二节中，我们将讨论一个处在后一说明层次上的假设的例子：启发式搜索假设。 5 作为经验探索的计算机科学：符号和搜索 125 ## PDF_PHYSICAL_PAGE_INDEX=134 | PRINTED_PAGE=126 对一般性的搜索衍生出一系列程序，这些程序是为了把一般问题求解机制从特殊任务域的必备条件中分离出来而设计的。一般问题求解程序(GPS)也许是第一个这样的程序，在它的后继者中则有像规划程序和协商程序这样的当代系统。对共同成分的搜索导致了表述目的和计划的一般化方案以及构造分辨网络的方法、控制树搜索的过程、模式四配机制，以及语言分析系统的一般化方案。寻找一些方便的工具来表述时间和时态序列、运动、因果性，以及诸如此类的东西，目前正在进行这方面的实验。由这样的基本成分，以模件方式组装起一些大型智能系统，这种可能性变得越来越大。 我们回过来再看一看细菌理论的类比，可对目前的工作得出一些深入的看法。如果由细菌理论激起的第一次研究高潮主要在于找出伴随每一种疾病的细菌，那么接下来的工作就转为弄明白细菌是什么一在基本的定性规律的基础上建立一个新的结构层次。在人工智能中，最初旨在为范围广泛的、几乎是随机选出的各种不同类型的任务建立智能程序的活动高潮，正在让位于目标更集中的旨在理解这些系统的共同机制的研究。 建立人类符号行为模型符号系统假设表明，人类之所以有符号行为，是因为人类具有物理符号系统的特征。因而，为带有符号系统的人类行为建立模型所作的努力，其结果就成了该假设证据的重要部分，同时，人工智能研究所作的工作也与通常称为信息加工心理学的研究紧密配合。 在过去的20年中，搜索根据符号系统对人类智能行为作出解释的做法，已在很大程度上取得成功，达到信息加工理论成为认知心理学中当前的主导观点的地步。尤其是在问题求解、概念获取和长时记忆领域中，符号处理模型目前居于支配地位。 信息加工心理学研究包括两种主要的经验活动。第一种是对人类在完成需要智能的任务时的行为进行观察和实验。第二种与人工智能中的对应活动十分相似，即为了给观察到的人类行为建立模型而编制符号系统程序。心理学观察和实验导致对参试者正在使用的符号加工作出系统假设，这些假设就是那些参与构造程序的思想的重要源泉。因而，许多有关GPS基本机制的思想，就是对人类参试者在完成问题求解任务期间进行发声思考时所作报告进行仔细分析而得出的。 人工智能哲学 126 ## PDF_PHYSICAL_PAGE_INDEX=135 | PRINTED_PAGE=127 计算机科学的经验特性，无论在哪一方面，显然都未超过与心理学的这种亲缘关系。不仅在检验模拟模型是否确实可作为人类行为的解释方面，心理学实验是必不可少的，同时这些实验也是设计和构造物理符号系统的新思想的出处。 另外的证据对我们现在已考察过的符号系统假设来说，其证据的主要方面来自反面：关于智能活动——无论由人还是由机器——究竟是怎样完成的，还没有可与之抗衡的专门假设。为建立这类假设所作的尝试大多发生在心理学领域之中。在心理学中，我们有一个从通常称为“行为主义”的观点到通常称为“格式塔理论”的观点的理论连续体系。这些观点中没有一个能成为符号系统假设的真正竞争者，理由有两点。第一，无论是行为主义还是格式塔理论都未曾证明，甚至未曾指出，如何证明它所假定的解释机制对于说明完成复杂任务的智能行为是充分的。第二，在对这两个理论的系统阐述中，从未有过像人工程序那样的详细说明。事实上，这些可供选择的理论有些笼统，以至把信息加工解释赋予它们，从而使它们与符号系统假设相似，并不是极其困难的。 结论 我们已经尝试以物理符号系统假设为例具体地说明计算机科学是一个科学事业，这里科学事业这一术语是按照它通常的意义使用的：它提出科学假设，然后寻求以经验探索来证实之。然而，我们选择这个特殊例子来说明我们的观点，还有第二个原因。物理符号系统假设本身就是我们前面称为“定性结构定律”的那种实际的科学假设。它代表计算机科学的一个重要发现，如果它由经验证据得到证明，实际情况正是如此，那么它将对这一领域产生出重要而持久的影响。 5 作为经验探索的计算机科学：符号和搜索 127 ## PDF_PHYSICAL_PAGE_INDEX=136 | PRINTED_PAGE=128 现在我们来看看第二个例子：搜索在智能中的作用。这个论题，以及我们将要检查的有关它的特殊假设，一般地在计算机科学中，特别地在人工智能中，都处于核心的地位。 2. 启发式搜索 知道物理符号系统为智能行动提供了基体，并没有告诉我们这些系统是如何做到这一点的。有关计算机科学中定性结构定律的第二个例子强调的正是后一问题，它指出符号系统是使用启发式搜索过程来解题的。与前面的情况一样，这一总结根据的是经验证据，而不是从其他前提中正式地推导而出的。然而我们不久就会看到，它确实与符号系统假设有着某种逻辑联系，我们或许可以期望在未来某时将这种联系形式化。在此之前，我们的描述必然还是一种经验探索。我们将对已了解的有关启发式搜索的情况作一介绍，并回顾那些说明它如何能使行动成为智能行动的经验成果。我们就以说明这一定性结构定律一启发式搜索假设一作为开始。 启发式搜索假设将问题的解表述为符号结构。物理符号系统在问题求解中以搜索方式行使它的智能，亦即生成符号结构，并逐步对其进行修正，直到产生出一种解的结构。 为了求解问题，物理符号系统必须使用启发式搜索，因为这种系统具有的加工资源是有限的一在数目有限的步骤中，同时在有限的时间区间内，它们只能执行数量有限的加工。当然，这不是一个十分强的限制，因为所有通用图灵机都会受到这种限制。然而，我们想说的是更强意义上的限制：我们意指的是实际的限制。我们可以构想这样的系统，它们不受实际的限制，如对一棵以指数方式展开的树的节点，在深度上以每单位进度速率相同的方式作并行搜索，但这是不可能的。这里我们关心的不是这种系统，而是这样一些系统，它们的计算资源相对于它们面临情境的复杂性来说，是稀缺的。这个限制对于真实任务语境中的、以计算机或人的形式出现的任何真实的符号系统都是存在的。对大多数目标来说，资源有限的事实使得我们将符号系统看成好像是一次完成一个加工的串行设备。如果它在任何一个短暂的时间区间内只能完成少量的加工，那么我们完全可以把它看作是以一次做一件事的方式在工作。这样，“有限资源符号系统”和“串行符号系统”实际上就成为同义语。如果这个瞬间足够短，从瞬间到瞬间的稀缺资源分配问题，通常可被看作串行机的时间调度问题。 人工智能哲学 128 ## PDF_PHYSICAL_PAGE_INDEX=137 | PRINTED_PAGE=129 问题求解 既然一般来说，解题的能力被看作系统具有智能的首要标志，那么人工智能的大部分历史自然也就与设法建立和理解问题求解系统有关。两千年来，问题求解一直是哲学家和心理学家讨论的对象，他们深奥的议论给人以神秘之感。如果你认为解题的符号系统没有什么疑问和神秘之处，那么你现在一定很年轻，因为你的观点是本世纪中叶才形成的。柏拉图(依他的说法还有苏格拉底)看到，即使理解问题是如何提出的也是很困难的，更何况理解它们如何可能被解决。请你回忆一下柏拉图在《美诺篇》中是如何提出这个难解之谜的： 美诺：苏格拉底，请问你是如何探讨你所不理解的东西的？你把什么作为探讨的主题？在你发现你想要的东西时，你如何知道这就是你以前所不知道的东西？ 为了解决这个难题，柏拉图提出了他著名的回忆说：当你认为你是在发现或学习某个事物时，其实你不过是在回忆以前的生存中你已经知道的事物。如果你感到这种解释十分怪诞，那么今天可获得的、建立在我们对符号系统理解之上的解释则简明得多了。它可近似地叙述如下： 5 作为经验探索的计算机科学：符号和搜索 129 ## PDF_PHYSICAL_PAGE_INDEX=138 | PRINTED_PAGE=130 说明一个问题就是指明：(1)对一类符号结构(该问题的解)的检验，以及(2)符号结构的生成程序(潜在的解)。解决问题就是运用(2)生成一个满足(1)的检验的结构。 如果我们知道我们想要做什么(即检验)，同时又不是即刻知道如何做到这一点(我们的生成程序没有即刻产生出一个满足这一检验的符号结构)，这时我们就得出一个问题。一个符号系统(有时)可以说明和解决问题，是因为它有生成和检验的能力。 如果问题求解要做的仅仅就是这些，为什么不立即简单地生成一个满足该检验的表达式呢？事实上，这正是我们梦寐以求的事情。“如果想要马就有马，那么乞丐都有马骑了。”当然，除非是在梦境中，这种事情不可能发生。一旦构造出某个事物，我们知道该如何检验它，这并不意味着我们知道怎样构造它，即并不意味着我们有任何一个能做到这一点的生成程序。 例如，大家都明白，“解决”赢棋问题意味着什么。表明获胜阵势的简单检验—将死对方的国王的检验，是存在的。在梦境中，人们只要生成一个达到将死对手所有对应策略的策略即可。可惜对于实际的符号系统(人或机器)来说，这样的生成程序是闻所未闻的。实际情况是，寻找下棋高招的方法是生成各种备选方案，通过采用近似的、常常是错误的标准，假定它们指出一条有可能通向获胜阵势的特定走棋路线，并不厌其烦地对这样的方案作出评价。移动生成程序是有的，但却没有获胜走步生成程序。 对一个问题来说，要有移动生成程序，必须先有一个问题空间—一个符号结构空间，在这一空间中，问题的情境，包括初始情境和目标情境，都能够得到表述。移动生成程序是用来对问题空间的一个情境进行修正，使之进入另一情境的过程。物理符号系统的基本特征保证它们能够表述问题空间，并拥有移动生成程序。在任一具体情境下，这些系统怎样将问题空间和适合于这情境的移动生成程序结合起来，仍是一个在人工智能研究最前沿的问题。 人工智能哲学 130 ## PDF_PHYSICAL_PAGE_INDEX=139 | PRINTED_PAGE=131 因而，为符号系统提供问题和问题空间之后，符号系统所面临的任务就是使用它有限的加工资源去生成可能的解，一个接一个，直到找到一个解满足对所定义问题的检验。如果该系统对产生潜在解的顺序具有某种控制能力，那么就值得对这种生成顺序加以安排，从而使实际的解及早出现的可能性大大提高。如果一个符号系统在一定程度上成功地做到了这一点，它就有可能在这一程度上表现出智能。对一个加工资源有限的系统来说，智能就在于对下一步做什么作出明智的选择。 问题求解中的搜索 在人工智能研究第一个十年左右的时间里，问题求解研究与搜索过程研究几乎就是同义语。从我们对问题和问题求解特征的刻划来看，出现这种情况的原因是显而易见的。其实，也可以探问一下是否还有别的可能。但是在我们试图回答这一问题之前，必须对搜索过程在这十年活动期间自行显现的性质作进一步的深入了解。 从问题空间中抽取信息我们来看一个符号结构集合，它之中的某个小的子集合就是给定问题的解。我们进一步假定，这些解随机地分布在整个集合中。也就是说，不存在任何信息能使任一搜索生成程序比随机搜索于得更好。这样，在解题过程中，没有一个符号系统能比任何别的符号系统表现出更高(或更低)的智能，尽管某个符号系统的运气可能比另一个更好些。 因而，表现出智能的一个条件就是解的分布不是完全随机的，符号结构空间至少表现出一定程度的秩序和模式。第二个条件是，符号结构空间中的模式必须或多或少是可测出的。第三个条件是，潜在解的生成程序必须能够根据它测出的模式情况而区别其行为。问题空间中必然有信息存在，而符号系统必须能够抽取它和使用它。我们先来看一个非常简单的例子，在该例中智能很容易表现出来。 5 作为经验探索的计算机科学；符号和搜索 131 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=140&limit=10)