人工智能哲学

人工智能哲学

有风险但有价值的其余情况相同推理。人们是怎样做到这一点的呢？AI可能还没有令人满意的解答，但是它至少已经与这个问题碰面了。[川]

[1] 我发现了几篇看来对思考框架问题有贡献的哲学文章—虽然用的不是框架问题的术语，其中有一篇是R·德苏萨的“情感的理性”(de Sousa1979)。在题为“情感的作用是什么？”的章节中，德苏萨以令人信服的理由指出：情感的功能是填补由(单纯的需要加上)在确定行动和信念时的“纯粹推理”遗留下来的空白。想一想埃古是怎样蓄意挑起奥赛罗嫉妒的。他的任务主要就是引导奥赛罗的注意，启发他提出问题……一旦注意力按他的指示进行，以前在同样的证据面前甚至未曾想过的推理，就被迫地感受到了。按照德苏萨的理解，“情感是一些具有确定作用的模式，它使事物从注意对象中凸显出来的，是提问的路线，是推理的策略”（第50)页），同时情感不能以任何方式“简化”为“明确表达的命题”。虽然这说法富于启发性，但是它当然没有就怎样使内部(情感)状态具有这些有趣的功能提出什么具体的建议。另一篇富于启发意义而往往被忽略的文章，是H·达姆施泰特的“信仰的一致性”（Darmstadter1971:301—10)。达姆施泰特探索性地研究了其余情况相同条款，以及有可能存在于作为心理状态的信念和信念持有者可能说出的(或是就这些状态已经说出的)句子之间的关系。这些研究提出了许多值得进一步深入探讨的见解。

182

8 朴素物理学宣言

P·J·海斯\*

花园里依然可见那长满杂草和黑甘蓝的角落，还有乱石和花梗。房间有的地方灼热，有的地方阴冷，有许多黑色的孔洞和嘤嘤作响的木牌，还有让人敬畏的祭坛之地，它依傍着那片一望无尽的土地，上面布满小东西和装饰物，它们卷曲着，紧固着，时而喧闹，时而叹息，时而打开，时而又关上。

摘自L·李：“玫瑰色的苹果酒”

1. 导言

人工智能充满了“玩具型问题”：或是小型的、人为的公理化，或是设计出种种难题，用来训练各种问题求解程序、表述性语言或系统的才干。这些受训者极需要一些非玩具型的、可以进行实验的实际领域。在这篇文章中，我提出对有关日常物理世界的相当大的一部分常识性知识，即对关于物体、形状、空间、运动、物质(固体和液体)、时间等的知识加以形式化的构造方案。

下面我将概述这一方案，并使之区别于另一些表面上相似的方案；就出现的某些普遍性问题进行讨论；阐明这方案需要实现和能够实现；

183

然后简述使之实现的方法。沿着这一思路，我将简要说明这方案所假定的意义理论，并对另外一些理论作出批评。

1. 方案总览

这一方案要为物理世界中大量存在的普通日常知识构造一个形式化。举例来说，这种形式化有可能是一阶逻辑形式体系中若干推断的集合，或是KRL“单元”的集合，或是一个微型规划程序，或是许许多多别的什么东西中的一个。本方案并不打算建立新的形式体系来表达这种知识。尽管我们承认，形式体系也许在适当的时候有必要作大刀阔斧的改进，但是我们相信，已有的、大家熟知的形式体系尚有许多未曾发掘的潜力。本方案不打算用形式体系的方式编写能够解决问题、制定行动计划或做其他事情的程序。我有意地忽略了对执行过程细节的考虑，虽然控制和搜索问题，简单说就是计算问题，是必须重视的。我们一再看到，由于过早地考虑计算问题，在AI的表述问题方面的严肃工作被转移方向或全面受阻。

我们认为形式体系应具备以下特征(详细说明见后)：

1. 彻底性它应当涵盖日常物理现象的整个范围，例如，不仅仅局限于积木世界。既然从某个重要的角度来看，世界(甚至日常世界)包含着无限丰富的潜在现象，所以这种彻底性永远不会完美无缺。然而，我们应当尽量把所有重要的空位填满，至少应确认其存在。

1. 精确性 应当对它作详细推敲。例如，在对积木世界的描述以及支撑关系中，一块积木的诸方面，如形状、材料、重量、刚度和表面组织，都应是可获得的概念。同时，由于世界可以无限细分，完全精确是不可能的，但是比起普通“玩具型问题”公理化那种十分粗劣的精确性，我们应当尽力做得更好些。例如在这种公理化中，一块积木位于另一积木“上方”的关系只是一个局部编序，这样才可能以整数作为公理的模型。

人工智能哲学

\* P·J·海斯“朴素物理学宣言”一文，选自D·米基编辑的《微电子时代的专家系统》（爱丁堡大学出版社，1979)，第242—270页。

P·J.海斯(PatrickJ. Hayes)，施乐公司研究中心的高级科学家。

184

1. 稠密性 事实与概念之比必须相当高。换句话说，这些单元必须含有大量接口。从某种意义上说，低密度形式化是没有价值的，因为它们无法对所含的概念作出充分说明，以便完全确切地将意义固定下来。有时，为了特定的目的，例如进行基础研究，低密度可能有其优越之处，但对我们来说却不然。

1. 统一性 对于整个形式化来说，应当有一个共同的形式框架系(语言、系统等)，这样，不同部分(公理、框架……)之间的推论联结才能显而易见；同时子形式化的划分，不是通过在这一区域使用这一形式体系，在另一区域使用另一形式体系的决定预先作出判断的。

(正像我将在后面强调的，我也认为，允许使用各种形式体系，在方法论上是很重要的：一个特定的子区域常常可以用某种特异的方式简洁地加以表示。然而这并不造成矛盾：因为我们同时也主张，这种特异的形式体系能够系统地还原为基本的形式体系，因而将被看作“语义的结晶”。这是重要的，因为虽然一种表述方式的计算特性可能关键取决于这种特异形式体系的用法，但是必须有一个共同的表述框架系，在这框架系内，任何一个表述条目的意义内容都能够与别的任何条目的意义内容联系起来。)

我相信，可以在一个合理的时间尺度上构造出具有这些性质的朴素物理学的形式化。如此乐观的原因将在后面作出解释。然而，把这一方案同另一些可能与此混淆的方案明确区分开来是很重要的，因为其中有些方案的可操作程度看来要低得多。

1. 本方案不主张什么

(a)本方案无意编写一个计算机程序，使之能够在某种意义上“使用”这一形式体系，例如问题求解程序，或是以表述为目的的自然语言理解系统。我的兴趣所在始终是对其作出论证。(这些程序令人印象深刻，并且已令人满意地实际制造出某些有效的东西，如建立铁路模型；同时，某些学生也可因此而获得哲学博士学位。)然而程序会把注意力引向歧途。事实上，我认为它们还造成许多更危险的影响。很容易错误地作出结论：因为有一个(在某种意义上)有效的程序，所以它对知识的表述必然或多或少地(在某种意义上)是正确的。令人遗憾的是，为了使程序在合理的空间中或是合理的时间中有效，而必须采取的少量的折衷和简化，往往会使这一表述方式甚至还不如本来那样令人满意。

8 朴素物理学宣言

185

这并非说，在构造本方案的形式化时，应当忽略计算问题。例如，普通常识性推理的派生长度的问题就很重要，同时我们的“稠密性”概念也对例如存储和恢复策略造成直接的计算后果。但是构造“证明”程序，似乎并没有服务于真正有用的目的(麦克德莫特也有类似看法，McDermott 1977)。

我之所以强调这一点，是因为在AI中有一种流行的看法：一项不能在某种有效的程序中产生立竿见影效果的研究，是没有多少用处的，或至少很值得怀疑。可能部分地由于这种看法，以致在表述方向上没有十足认真地尽力，同时产生出许多在不足道的小范围中工作良好(有时也很糟)的程序和技术，但这些程序和技术完全受到尺度因子的限制，因而，对于如何认识实际的复杂世界，什么也没有提供。（回溯式搜索和通过增加及删节表来表述动作的STRIPS方法，是两个有力的例子。我推测，产生式系统可作为另一个例子。）

理想的情况是：假定一个专门的推理机制，同时在更高层次上增加进一步的信息，用来“控制”该机制所完成的推理，这样做，原则上就应该能够从形式化中得到一个有效的程序(Hayes 1973；Kowalski1977;Pratt1977；Bundy1978)。这样看起来，可以把形式化看作种种推理能力的“内核”，在执行特定任务的任何时刻，必须对这些能力的恰当展开作出进一步的详细说明。（然而由于特异表述方式具有特别合乎需要的计算特性，对这种理想的状况无疑还要作出修正。)

人工智能哲学

186

把实施细节放在次要地位的决策，其实蕴含着这样的主张：大型形式化的表述内容，可以与实施方式的决策十分清楚地划分开来。虽然我相信这一点是切实可信的，但它绝不是显而易见的。

(b)本方案无意创造一种新的，能把所有知识都记录下来的形式体系或语言。事实上，我(正像我的朋友们会猜到的那样)认为：对于表述来说，一阶逻辑是一个适用的基本工具。下面就来阐明这一点。

我并不想为通常的一阶逻辑句法作什么特殊的辩护。我个人认为它是可以接受的，但是这不排除有的人想用KRL、语义网络、这种或那种“奇特的”语义网络，或是已有的什么东西把句法全部写出来。重要的问题是要知道它的含义是什么，即形式体系所具有的清楚解释(我有意避免用“s\*m\*nt\*cs”这个词)。在解释层次上，这几方面之间没有什么可供选择的，而且它们大都严格地弱于谓词演算，谓词演算具有一个清晰、明确的模型理论，和一个易于理解的证明论，这也是它的优点(Hayes1977，1978a)。

其次，我还要强调，特异标记法对于特异分支理论有时可能是有用的。例如，在概述流体的公理理论时(Hayes1978b)，我发现，把流体的可能物理状态在本质上看作有限状态机器的状态，是很有用处的。这样就把一些冗长而臃肿的一阶公理概括为一个简洁的图形。它的含义与这些公理一样：一阶事实上仍是参照语言。还有一些例子，如“可计值”的谓词和函数，有时出现在定理证明程序中，例如术语“2+3”被计值为常数“5”，对算术式来说，没有可供使用的公理。但是它始终可以1看作一种在计算上有效的表述方式，与“2+3=5”，“2+2=4”之类公理的(无穷)集合表述了相同的意义。

8 朴素物理学宣言

[1]这个提法忽略了一个有技术难点的棘手区域，然而这些难点不适合在这里讨论。

187

第三，从一阶逻辑的实际情况看，它肯定是不够丰富而需要加以扩展的。我已经找到两种在我看来是必要的扩展方式：嵌入语，可使形式体系描述它自身的公式；一种非单值的司寇伦函数，类似于希尔伯特的符号ε。缺省的概念也许可以作为另一种方式(虽然到目前为止我还没有感到特别需要这个概念)。我希望在使用形式体系遇到困难时，这种扩展会自然而然地出现。同时，我认为，想要事先预见这些困难的做法是危险的，所以我不打算这样做。

1. 公理-概念图：簇和稠密性

我们假定朴素物理学的形式化是存在的(我的看法是，它其实就存在干我的头脑中)，并准备对它的结构加以分析。它主要是由大量断言组成的，其中包括大量(非逻辑)符号：关系符号，函数和常数符号(或者是：框式标题，栏目名称，等等；或者是：节点和弧形标号，等等。以后，不再赘述这些显然等价的东西，而假定读者熟知它们)。我们采用一个中性的词，把这些符号称为标志。

标志的意义是由形式化的结构，即由诸断言之间的推理联结的模式定义的。这个结构可能非常复杂，但是我们可以采用反映本质的定性方法来对待它，从而达到某种基本认识。

我们规定，形式化是稠密的，如果对于每一标志，都存在着许多包含该标志的公理。一种稠密的形式化在分散的概念之间形成许多联系，这些概念是用形式化中的标志来表示的。稠密性显然有程度之分。因此，非稠密的形式化(稀疏的形式化)是不够理想的，因为它们不能足够准确地固定所含标志的意义。如果一个形式化规定(积木世界中）“在上方”关系仅仅就是：它是“位于其上”的可递闭合；并且，对“位于其上”的规定仅仅就是当一块积木没有任何东西“位于其上”时，就可以把它拣起来；而对“拣起来”的规定仅仅就是在拣起来之后就持有积木，等等(以此类推)—如果这就是形式化用这些标志规定的全部内容，那么其实很难说“位于其上”、“在上方”之类的概念已在形式化中得到表述。因为在我们的头脑中，这些概念还同其他许多概念相联结。如果一个东西在另一个东西上方，会出现各种结果。也许前一个的支撑垮了，落到后一个之上，于是两个物体的相对状况又有许多结果：顶上的那个可能为底下那个提供遮掩；如果底下的支撑住顶上的，那么底下一个就会由于顶上那个的重量而产生应变；如此等等。我们应当尽量捕获这种概念联系的丰富性。

人工智能哲学

188

(值得强调的是，这里采纳的关于意义的观点，完全不同于那种认为形式化中的标志本质上是自然语言的词的观点(Wilks1977)。根据后者的看法，通过认可，标志确实代表意向中的概念，即它们是“语义原素”，可由它们构成其他所有的意义。此点稍后再论。

任何一种形式化，若想达到我们人类概念体系所拥有的丰富性，就必须是稠密的。当然，稠密性不是成功的充分条件，因为完全可以虚构一些全然无用的任意高稠密性的公理化形式。

最好来看一看形式化的简化模型。设想有一个图，它的节点是形式化的标志，它的弧形连线代表公理：一个弧连接两个节点，如果弧所对应的公理包含这两个标志的话。〔严格地说，这必然是一个多重连接图形(Landin1970)，因为公理很可能包含多于两个的标志。然而，我们只是示意地利用这一思想。总之，这一技术还不够完善。我们称之为公理-概念(a-c)图。如果a-c图联结充分，这个形式化就是稠密的；如果图形稀疏，形式化也是稀疏的。然而，我们不能指望稠密性是均匀的：某些概念之间联系多，就出现了较为稠密的概念簇，而这些概念与形式化其余部分的联系则欠紧密。

在创立朴素物理学时，确认这些簇，既是最重要的，也是最困难的方法论任务之一。我认为过去已经出现过若干严重失误，例如，我现在倾向于认为，因果性不是一个簇：不存在一个有用的、或多或少自包含的因果性理论。“因果性”这个词的意思是，一些事情的发生同其他一些事情的发生及发生时间有关，而这取决于环境。例如，某物周围都是液体，所发生的事情多半就与在洁净干燥的环境中很不相同。然而，液体发生的情况，是液体簇的部分内容，而不是某个“条件-后果”理论的部分内容。这种错误是很难避免的，因为可以在任何地方进入一个大型概念结构。如果难以说出所提的概念在什么方面非常有用，这是一个出错的征兆(因为已在一个局部稀疏的地方，而不是在簇的某处进入了该图形)。但是这也可能是因为概念选择不当，缺乏想象力，或是别的什么原因。好在不难识别什么时候处在簇之中：断言本身会作出提示，比人们写出它们更加便捷。

8 朴素物理学宣言

189

超级簇也是一个有用的概念，这种簇与大量别的簇发生联系。我认为与三维形状和方向有关的概念集合，就是我们自己思想概念结构中的一个超级簇：诸如上，下，高，胖，宽，背后，接触，位于，斜角，(表面的)棱，(体积的)表面，边，垂直，顶部，底部……这些概念。它们显然具有许多内在关系，因而它们构成一个簇。作为视知觉和空间运动的基础，它们也必然出现在任何一种概念框架系中，并起着重要作用。在描述组合体时，它们是至关重要的，在流体理论中也是如此(Hayes1978b)。我还相信，在身体动作和事件的描述中也不例外(Hayes 1978c)，还有其他方面。

通过超级簇在各种其他簇中以这样的方式产生出来的事实，就可以将它们识别出来。其他可能作为超级簇的，有度量尺度理论(它会为各种任务提供像准确、模糊、功用这样一些概念)，时间度量理论，以及同内部、外部、容量和从一处到另一处的穿道有关的概念的集合。

对于这里提出的有关簇的术语不能太拘泥于字面：我无意指出我们的概念结构中有许多截然隔离的部分，它们能在与其他各部分完全隔离的情况下形成。同时，无论怎么说，公理系统的“a-c图”模型本身在许多重要方面都是过分简化的。然而，我认为，存在着一些相互间有密切联结概念的集合，这一基本看法大体上是正确的，也是相当重要的。

人工智能哲学

190

1. A/C 比与还原论的形式化

下面我们来看一个还不十分成熟的形式化模型：公理与概念的比率(a/c比)。对于一个稠密的公理化来说，a/c是很大的。任何有价值的形式化的a/c比都大于1，但是也有些有价值的形式化的a/c非常接近于1。

我们看一看公理集合论。作为基础研究，这一思想是要建立一个小型公理论(例如策梅罗-弗朗克尔集合论，它的c=2，即“ε”和“集合”，所以a=8时，可得a/c=4)，通过该理论，我们能够定义大量数学概念(例如，整数可被定义为属于若干特殊种类中任一种类的集合；有理数是整数对的集合；实数是有理数无穷集的集合……)，使得这些概念的期望特性(如整数的归纳原理，实线的连续性)取决于这些定义的结构，以及这一基本理论的公理。重要的是要认识到，被定义概念的这些特性是公理化的一些定理，而公理化是由集合论与概念的定义一起组成的。这些特性并不是固定被引入概念的意义所必需的公理假定本身，定义要尽可能完全地对概念加以固定，这样，所有其他东西就会随之而来。数学被还原为一系列集合论引理，或者至少想法是如此。(当我们这样考虑它时，看来几乎难以置信的是，这样一个大胆的计划竟已接近成功了。）

我想要强调的是，在形式体系中获取意义的这个方法与我提出的研究朴素物理学的公理方法是多么不同。在极端的情况下，集合论表现为还原论：我希望促成一个有丰富联结的形式化，并伴有各个假定之间的许多相互作用。的确，还原论方法会导致公理论，但这些理论是极为松散的。

我们来看看为一个形式化增加新概念的定义所产生的影响。a和c同时增加1。如果a/c是大的，这种做法会使其明显减小。的确，为了使这个比值(a/c)回到原来的值，不得不近似地增加许多公理。

8 朴素物理学宣言

191