人工智能哲学

这种分类学具有句法形式的定义(根据 $\Phi _ { \mathrm { i } }$ 来定义Φ），也许是值得注意的，但是它们并没有起定义的作用，因为这个“被定义”的标志已经在公理化的别处出现过。

第二个独特之处与存在公理和概括公理有关。正如早些时候指出的，那些设定实体存在的公理，对于想要拥有非平凡模型的形式化来说，是关键性的。我们已经遇到的例子有：由物理边界(房间、茶杯内部)，或是由各种(米制的和非米制的)坐标系所定义的空间(地点)；当各种状态存在时，则有种种历程接踵而来，例如一个物体处于无支撑的状态时，必然随即发生下落。在这些情况中，当然还有别的情况中，有概括公理存在，它们确定了所需实体的存在，以及它与已有实体的关系〔墙壁之间或门背后的空间；在物体失去支撑的瞬间后(在该地点的下方)将发生下落；如此等等〕。

然而，我在这里要指出的是，这些都是受限制的概括公理。我们不能任意取出几块三维空间或四维时空，把它们看作是独立的，可以说它们只是用可描述方式与我们已确知的实体相联系的东西而已。我认为，这种在本体论承诺方面的选择，是常识性推理区别于“硬”科学或哲学推理的特点之一。常识性本体论是冗长的—所有种类的实体，具体的和抽象的(物体、材料、颜色、空间、时间、历程、事件，……)，在使用时缺乏哲学的严谨性，几乎不对基础的本体简单性作什么要求(例如与亚原子物理学甚或化学周期表作比较)；当然，它也是受到应有控制的，与古德曼(Goodman1966)的唯名论有所不同，也与公理集合论或λ型演算的概括公理体系有所不同。这两种不同产生的影响，是得出一个具有远较以前丰富的结构式的实体集合：其个数少于这些“统一的”形式化，但是种类却多得多，同时它们之间的关系类型的集合也丰富得多。

人工智能哲学

212

还要指出一点：使用统一的米制坐标框架系，实质上是偷偷摸摸地恢复了不受限制的概括。因为通过采用恰当的坐标，我们就能描述三维空间的任何部分(空中走廊就是一例，它根本没有自然边界)，或是时空的任何部分，或是流体的任何部分(例如，在1962年5月24日19时30分06.8秒，有个一立方厘米的物体，它顶部的东北端比某条河流中的某一地点的表面低5厘米)。具有本体上的自由和统一，恐怕是坐标系在(实际)科学中如此有用的原因之一。

1. 为什么需要这样做

我认为构造一个可以被看作是具备常识的程序，显然最后必然要以这种或那种方式包含形式化和像朴素物理学(当然还有朴素心理学，朴素认识论等等)这样的常识性知识。虽然有些人不同意这一点，例如那些认为简单统一的学习过程最终也许表现出智能的人，但是他们的先于理论的假定与大多数AI工作者所作假定差别之大，使我认为把这些研究看成属于基本不同的领域，更为合适。无论怎样，我不打算在这里进一步讨论这个特殊问题。

然而，方法论的分歧表现为实际的差距。AI内部最流行的观点看来是：为了证明人们关于表述的思想是行之有效的，必须构造一个“完善”的程序。那些展示出令人印象深刻的全部行为的工作系统被当作成功的最终判据。可以说，这一要求非常受重视，以致在许多研究部门，如果一个学生没有完成这种令人印象深刻的工作程序，就很难获取博士学位。正如本文所述，朴素物理学方案有意回避了这种完善程序的编制。我们的目标是构造一个形式化，由它对启发方式恰当的可行推理搜索空间作出定义。确切地说，怎样搜索这一空间的问题，解释程序的控制问题，信息恢复和互联的问题一那些或可称为计算问题的问题，以及数据结构的选择问题，怎样实现快速搜索，编程语言的选择—那些或可称为实现问题的问题，都将被有意地忽略掉。

8 朴素物理学宣言

213

比较而言，只有很少的AI工作者采取类似的方法论立场，然而我仍然认为，为了使表述问题取得实质性进步，这样做是至关重要的。麦卡锡(McCarthy1977)也有某些类似的论点。

这不仅仅是一个变换策略的问题，尽管这个方面也很重要。更为根本的原因是，在构造一个完善的工作程序时，快速成功往往离不开简化和限制，这样，它就不可能去解决基本的表述问题。这表现在两个方面：

第一，为了在编制AI行为方式程序时取得成功，人们的确必须非常小心地选择程序的范围。为了便于处理，必须以某种方式对其作出限制，这通常是相当苛刻的。标准的限制形式是限定程序的工作范围，对推理程序而言，就是限制话题；对自然语言程序而言，是把词汇限制在一个微型世界中；对视觉系统而言，是限制可见物范围；等等。由此可知，程序所需的表述方式，在前述意义上，并不是非常彻底的。此外，表述方式在使用一些技术时，常常会依赖于这个所限制的工作范围(常常就是这样做的)，这些技术对小的“玩具型”世界是行之有效的，但却不能直接应用于更彻底的场合。上面已提到若干例子。

第二，计算上的有效表述方式容易造成较低的稠密性。这有一个重要原因：一个稠密的表述方式，必然定义出一个大型而又急剧扩展的可行推理搜索空间。如果可用于控制推理搜索的仅有的启发式方法，是弱的、一般的(数字式)启发法(如MICROPLANNER中的深度优先搜索，在KRL-0中的局部过程调用，等等)，那么有效的计算行为就不可能通过这种搜索空间来完成。但是这些弱的、一般的方法其实就是我们所仅知的方法，因此，为了达到计算上的有效，就必须具有稀疏的表述方式。

人工智能哲学

214

这两方面的压力结合起来，促使构造出有限范围的稀疏表述方式，它们是精心剪裁而成的，适用于为这一程序的行为方式而选定的任务域中期望出现的特定的全套行为。但是正如我已经论证的，作为可看作是恰当捕获常识性知识意义的表述方式，彻底性和稠密性是它的基本特性。

这是方法论的观点，此外还有一种与恰当性密切相关的观点。AI中有一种流行的看法：只有程序的恰当行为方式才是AI理论成功的判据。〔诚如我在别处指出的（Hayes 1978d)，正是这个判据将 AI同“信息加工心理学”区别开来〕。接受这一点，仅仅是在接受表述的恰当性的某种行为主义判据方面迈出的一小步，即在某一行为方式程序中，这个判据保证了行为的恰当。在已知实现者所用技巧的当前状态的情况下，这个判据将在稠密的、彻底的表述方式之外接纳稀疏的、有限的表述方式。如果程序有效，这个论点就行得通，于是它的表述方式必然恰当地捕获拟议中的意义，因为这正是我们所谓“恰当”的含义。

这一立场所存在的问题是没有考虑尺度的影响，至少在较简单的形式中是这样的。把那些在许多小型子世界中行为方式恰当的程序叠加起来，这种简单过程是不可能产生大型“世界”中行为恰当的程序的，至少目前在日常的常识世界中是这样。对这个世界无法只作那种齐整的分割，因为还需要有各个部分之间的相互作用。也就是说，根据这个判据对只做积木推理来说是恰当的积木世界表述方式，对在液体、绳索、杆系、磨擦、滑轮等的语境中的积木推理来说，就不怎么恰当了。刚刚提到的对有限范围的表述方式剪裁的压力，是对或可称作形式化上行相容性的阻碍。所以即使像我那样把这一判据作为对AI理论的最终检验，我仍然认为，太严格、太急切地(比如说，经过三年研究)应用它，是自取失败。我们决不要企图通过在小范围内的短期出击而得到一个恰当的常识的形式化，无论我们制造出多少这样的东西。

8 朴素物理学宣言

215

或许有这样的反对意见：如果情况确实如此，那么一个稠密、彻底的形式化就不可能参与有效的AI程序。但是，这种说法是错误的。我已经论证过，弱的、一般的控制方法没有处理稠密、彻底的形式化的能力，显然，我们需要更强有力的控制方法。我曾经在别的文章中介绍过一种思想(Hayes 1973)—也可参看科瓦尔斯基(Kowalski 1977)、普拉特(Pratt 1977)、麦克德莫特(McDermott 1976)、戴维斯(Davis1976)的文章，这一思想指出怎样得到那种所需的能力：不把控制看作定义一个机制的问题，而认为它本身是一个表述问题。我们需要把如何进行推理的知识加以形式化，还要把那个使推理成为可能的有关现实世界的知识加以形式化。这种元信息可自行参与推理过程，但是，它又与演绎式解释程序有着不同的和特殊的关系：它对自己的活动作出描述，而不仅仅为了有利。在我看来，研制出表达这种元知识的形式体系和相伴的解释程序，是摆在AI面前的最重要的任务之一。但是—这正是当前争论的焦点，在它之中所表达的形式体系和元形式化的结构，都取决于在它之中所表达的那个世界的知识的形式体系和形式化的结构。我们不能在真空中发展元形式化(只要它们不是我们已有的那种弱的、一般启发法的形式化)；关于常识的形式化，我们必须首先得出一些与现实一样复杂的、其演绎特性将由元形式化来描述的例子。

1. 为什么这是可行的

反对朴素物理学方案的另一种意见认为，这是一个无法实现的奢望，我们对形式化的了解不足以胜任如此大型的表述任务，要完成这一任务可能要用几世纪的时间，等等。对于这些反对意见，最终只有一个回答：进行尝试才会成功，而我在这里所能做的只是表明这种乐观态度的原因。共有四个：

人工智能哲学

216

第一个，是以我最近解决“液体”问题的经验为基础的，我一直认为这是“表述理论”中最困难的问题之一(Hayes1975)。使我感到惊讶的是，使得这些重要问题得以顺利解决的，是对(由物理边界定义的)空间区域而不是对液体区域进行量化的思想。这里的关键之点是找到区分液态物体的正确方式：一个借以表示这类东西的判据。我相信，对区分判据的类似的考虑，也可能在另外一些簇的研究方面取得很大的进展。例如在认识的形式化方面，麦卡锡(私人通信1977)已开始采用一个以“概念”区分为基础的新方法，亦即对人们头脑里的思想作出区分。

乐观主义的第二个原因，来自前已略述的关于历程的思想。我认为，由于对变化和动作所取的不恰当的本体论，多年来使得物理世界的形式化遇到阻力，而历程将提供一个绕过这一主要障碍的方法。

第三个原因基于已经论述过的不编程的方法论。直截了当地说，几乎没有人试图建立一个大型的、启发方式恰当的形式化。我们可能发现，从完成行为方式程序的前提中解放出来之后，它会比我们想象的要容易些。

第四个原因是，有一个显然可实现它的方法论。近年来，在许多领域内，已证明这一方法论是相当成功的。

1. 怎样去做

有一个经过验证的正确方法，可以把知识从人头脑里取出来并变为形式化。在 AI中，费根鲍姆(Feigenbaum 1977)把它称作“知识工程”，然而，语言学家基本上也在使用同样的方法。其做法如下：对“专家”作咨询时(专家就是那些脑袋里装有知识的人；人们知道这一点，因为他能完成人们所关切的任务)，根据专家对他们头脑里的知识所作的内省说明，建立一个初步的形式化。然后，该形式化以特定的方式实施行为，并将它的行为方式同专家的做法加以比较。一般情况下，它的行为方式相当差劲。专家仔细观察了形式化的行为方式之后，常常能够更准确地指出第一次内省说明中的不当之处，并能提出更详细的修正版本。这个版本又经形式化、评判和修正，如此进行下去。专家不断地面对他所作内省的形式结果，随着时间的推移，一般来说，他变得更加善于作细致的内省。

8 朴素物理学宣言

217

在“知识工程”中，专家是某个方面的专业人员，而形式化往往是一些条件一动作规则的集合，这些规则可以根据一个合适的解释程序来运行，在某种意义上说，这解释程序是一个很标准的程序。在语言学中，形式化是某种使句子分属各种句法结构的语法，专家则是一个讲母语的人，而且，专家常常就是语言学家本人。在这两个领域中，已证实了这项技术十分成功。

我相信，这个形式化、与直觉作对比和修正的过程，也可用于朴素物理学的发展。从所要求的来看，这是一个我们大家都是专家的领域。而在这里，形式化的行为方式就是它支持的推理模式。当“专家们”认为，所有而且只有直接的、可信的结果皆出自于形式化公理的时候，行为方式才是恰当的。（事实上，这是恰当性的弱概念，较强的概念是：从可信的结果所得的推论也是可信的。若要使用这个较强的概念，就会引起一些棘手的方法论问题，因为它要求人们具有“二阶”内省。对于语法理论，语言学也有一个正相类似的强恰当性概念，同时也遇到完全相似的方法论困难。)看来，多请几位“专家”才可靠，因为若单独工作，很容易忽略某些显而易见的特征。

取得进展的理想方法是建立一个委员会，每个成员分配一个似乎是簇的东西，他必须设法使它形式化。他们相互讲明需要其他簇的什么东西，比如“历程”簇需要某些“形状”概念，而“组合体”簇需要某些“历程”概念，等等。零碎的形式化频频聚集在小组会中，听取另一些(起常识“专家”作用的)成员的批评，同时还要经受恰当性的检验。可以预料，在这些聚会中，有些簇将解体，而新的簇又将出现。

人工智能哲学

218

形式化一开始所需完成的不过是一些精心措词的英语句子。例如，在不对任何东西做实际的形式化的情况下，就能够在本体论问题上取得重要进展。然而，要不了多久，就必须从形式上对直觉作出表达。在这里，我想人们应在允许自由选择形式语言方面宽容一些。不少人认为框架式标记法比较适宜，另一些人则喜欢语义网络，等等。没有理由禁止使用这些表面上不同的一阶逻辑，甚或更加奇特的形式体系。惟一重要的是需要使各种形式体系之间的推理关系变得明确。在实践中，这就意味着它们都应当能够转换成谓词演算，但是这不成问题，它们都能做到。一个更需认真对待的观点是：一些特定的簇可能提出特别的专用表述方式。例如形状可以用图形表述。人们可以构想一个簇，用某种特异的方式来表述，其内部的推理关系从外部是不能掌握的，但是只要定义出从它自身的一部分到参照形式化(一阶逻辑)的转换，比如说对相对位置和方向作出陈述，它就与形式化的其余部分相交接。防止这种事情发生是困难的，人们大概也不打算这样做。但是这里潜伏着重大危险，因为对于整体形式化中可能存在的相互作用方式，这一处理方法过早地作出判断，同时这种方法会把一个严重的错误掩盖得难以发现，甚至更难纠正。

得出概念簇的方式还有若干种。例如：查阅辞典；选择某一个专门领域(如烹调法，各种物质的体积测量)，并尝试对其进行描述；详细地分析某一日常行为(例如铺床单时抓住两只角，并轻轻拂动：这样做为什么行?)我希望这些，以及其他方面的事情，可以作为有益的起点。

1. 这是科学吗？

可能有这样的反对意见：试图将知识形式化是件抽象的事情，即脱离了特殊感觉通道或任务域，是非科学的，因为不存在成功或失败的明确判据。对它来说，失败会是什么样的呢？如果这个问题得不到回答，朴素物理学就只不过是纸上谈兵。

8 朴素物理学宣言

219

我认为这个反对意见提得好，对它的回答应当比我当前所能作的更为恰当。问题是，人们可以不断进入形式化的某些领域，谁会说人们到达的地方还不够远吗？我想人们只能说，人的普通直觉具有指导意义。如果有一些“明显”的物理事实不能从公理中“简单”或“自然”地得出，就尚有更多的工作要做。人们可以运用通常对“精致”、“经济”等所作的科学判断，与作为对手的形式化进行比较。（所有加引号的词都迫切需要进一步的讨论，但我不打算在这里进行。)值得一提的是，语言学正好也处于相同的状况，并且经常在方法论的钩子上痛苦地扭动着：可以肯定，对物理可信性和基本的因果关系的判断与讲母语的人所作的语法判断同样可靠，它们确实在很大程度上独立于文化和语言的边界，所以它们作为原始数据很可能是更加可靠的。(这一点或许提醒我们，应当借助于语言能力/行为方式的区别，使自已免受行为主义的反驳，但是有关这种手法的尝试，确实存在一些深层问题。）

如果朴素物理学能够与皮亚杰心理学关于童年时期物理概念发展的大量现成资料建立更为密切的联系，那就太好了(虽然这些资料看来没有不存在争议的)。当然，与这些资料的相容性会对朴素物理学的形式化造成限制。但是这是一种很弱的限制，因为这些资料与许多不同的发展理论是相容的，通常它们的相互区分也不是十分详尽的(参阅普拉兹尼对此所作的评论，Prazdny1978)。我所希望的是，朴素物理学的构造或许揭示出概念框架系中某种发展变化的新机制。目前这种情况已在某种程度上出现，因为建造一个形式化，常常是对已有的局部形式化所作的一种(正是在正确意义上的)发展。[1]

人工智能哲学

[1] 这篇文章是在日内瓦语义与认知研究所作休假访问时写成的。十分感谢邀请我前去的所长M·金夫人，以及参加星期四讨论会的全体成员，特别是M·金、G·特拉特厄和H.韦默斯。与M·辛克莱关于皮亚杰研究的交谈，也使我受益颇多。我妻子杰基打印了手稿的几份草稿，她还是可靠的、健全的、常识性直觉的不竭的来源。

220

9 纯粹理性批判

D·麦克德莫特\*

P·海斯在1978年发表了《朴素物理学宣言》（此文最终得以刊印在霍布斯和莫尔 1985年主编的正式出版物中，Hobbs and Moore1985)，在这篇文章里，他提议为了使常识性知识形式化，可采用一阶逻辑作为标记法，为此需要作一番全面彻底的工作。这种努力可以追溯到更早的研究，特别是J·麦卡锡的工作，不过海斯方案的提法既新颖，又雄心勃勃。他认为，使用塔尔斯基的语义学，我们就可以摆脱计算机程序的限制，去研究内容庞大的知识表述问题。这个提议鼓动起一伙人，去实际地尝试用谓词演算的方式来记录所有(或大部分)常识性知识。海斯以自己关于“液体”的文章(也在霍布斯和莫尔1985年主编的书中)开始了这项工作，试图为现实领域确立本体论和标记法，这是一项很诱人的工作。这以后，有多篇同样思路的文章发表(Allen1984；Hobbs 1986；Shoham 1985)。我本人也曾是这一运动的热心鼓吹者，写过泛泛的宣传文章(McDermott1978)，也尝试做过一些具体工作(1982，1985)。我甚至以海斯的思想为蓝本与人合著过一本教科书(Charniak and McDermott 1985)。

由是，我是怀着切肤之痛来写这篇文章的，文中对于海斯的计划目前已有的和期待得到的进展，基本上取否定的态度。简言之，我认为目前看到的这种微不足道的进展，决非偶然，事实上，未来也很难有大的改观。其原因是，海斯在论证中没有言明的前提，即大量的推理可以作为演绎的或近似演绎的来分析，是错误的。

221