人工智能哲学

当然，这一令人不无遗憾的实际标准本身，还不足以阻碍我们寻找同时含有指称语义学和过程语义学的标记法。问题是，从目前来看，这一追求没有任何理论基础。有些人坚持认为他们的标记法含有指称语义学；另一些人(人数甚至更多)不愿接受这一限制。不管我这里的论点是什么，我认为自己在性格上仍属于前一组。如果一个学生带着无指称的表述来见我，真让我伤脑筋。以前我认为有理由说服他重作思考，但现在我只能处于理解不良的位置。学生总是能指着他的程序说，这程序并没有从荒谬的标记法中得出荒谬的结论。我要是得出荒谬结论的话，问题出在我身上。

举一个我爱用的例子。我们来看这样一个简单的事实：“俄国人已经把战舰部署在靠近美国海岸的地方”。除非我愿意采纳如“当前一部署一靠近—美国一海岸”这样一些“德国计算机”式的谓词，否则要对这类内容作出恰当表述，就必须明确地表示出什么是美国海岸，那里大约有多少船只，已发现它们分布如何，意指多长时间，等等。然而，谁来确定这是“恰当的”？用德国计算机，任何特定的应用程序大概都能过得去。许多雄心勃勃的标记设计者会借助于“英国计算机”，如

人工智能哲学

242

(俄国人已经(部署军舰(靠近(美国海岸))))

在我看来，这样更糟。但是为什么呢？如果程序有效，毛病在哪里呢？

因此，在原有的逻辑主义论点中，第二步上存在着漏洞，即主张知识必须表述出来。虽然多数从事AI的人会同意这个主张，但是我们现在看到他们大多没有这个意思。他们的基本想法是：我必须写出许多存放知识的程序，同时还需要专门的高级标记法来完成它。

这一事实可使逻辑主义者感到安慰：他们的对手要煞费苦心地把那些构成表述方式的“高级”程序与任何旧的程序区分开来。如果无法作出区分，那么所有程序都可以用来“表述知识”。在旧的过程说明争论中，我把这一立场称做过程主义立场。这一争论沉寂下来，是因为没有人对“表述”的这一意义真正感兴趣。例如，按照这一意义，可以说视觉程序是表述有关图像形成的物理学知识的。看来还存在一个更强的意义，在这一意义上，AI程序是对物体和事实的明确表述进行操作的。指称语义学对这一意义是什么提供了答案，但是我们现在看到，这一答案对许多AI研究者来说毫无吸引力。

1. 对过程的辩护

逻辑主义者并非从不打算编写程序。只是他们期望在程序被写出时，这些程序将被看作定理证明者中的最佳文本。为了证明这些程序的正确性，只需表明这些程序是忠实于作为程序基础的公理的。

这套设想现在既已被否定，我们就需要有确证推理程序的新方法。AI程序由于存在着难以逾越的复杂性而名声不佳。有时这个特点又被当作优点，似乎智能的神秘性应当保留在它的计算模型中。可是，一个我们无法理解的模型，根本就不成其为模型，尤其是当它只能对个别例子成立时(Marr1977；Birnbaum 1986)。

要使“确证”的思想精确到足以支持那种认为每个程序都必须得到确证的意见，大概是不可能的。然而，在程序之外，我们能够指出一个明晰、独立的理论，说明这程序为什么有效，这总是令人满意的。例如，在视觉研究中，关键的一步正是从带有神秘气氛的“异性基”模型转变到由物理学和心理物理学所确证的模型。在想象性质的范围内(de Kleer and Brown 1985；Forbus 1984)，已经写出的程序并没有什么错处，但是经过凯珀斯(Kuipers1985)对它们的意义和限制进行了分析，就更加清楚了。

9 纯粹理性批判

243

但是，有许多大类的程序缺乏任何理论依据，特别是那些与推理的最佳解释或不明推论式有关的程序。假如我们能回到哲学家那儿，将他们的智慧重新发掘，那就好了。既然他们能创造出像演绎推理那样伟大的理论，毫无疑问，在其他理论上，他们肯定也会做得同样好。令人遗憾的是，哲学家们使我们失望。不明推论式理论或许可以从回答这些问题入手：

哪些种类的事物需要解释？

什么可以起到解释的作用？

什么可以作为解释的证据？

如何衡量证据的支持强度？

证据何时能强到足以证实对假设的信念？

到目前为止，对这些问题的回答还只是模糊的、无法机械化的、片断的，或荒谬的。我们有贝斯理论，登普斯特一谢弗理论，演绎推理法则理论，局部归纳理论，以及大量关于何者最好的争论。但是这些理论最多只能回答上述问题中的一到两个，而且看来没有一个理论是完全正确的。

这种事态虽然没有使我们停止编写医学诊断程序，但是却妨碍了我们对这些程序的理解。没有一个独立的理论可借以确证程序所作的推理。我认为，对一个医学诊断程序来说，如果在临床试验中，病人死得较少，它就比别的程序好。事实上，真正令我烦恼的是，这些程序体现着不言而喻的不明推论式理论；只要我们能使这些理论成为显式的，它们就是不明推论式的第一批非平凡形式理论。

人工智能哲学

244

看待这种状况的方式有两种：乐观主义的和悲观主义的。悲观主义观点认为：AI研究者对他们的机会抱着天真的态度，这种态度只是因为对哲学家们昔日的失败一无所知，才得以维持。我们之所以无法从程序中提取出理论，是因为根本不存在可提取的理论。福多尔(Fodor1983)在他的《心灵的模化程度》一书末尾不无夸张地总结说：

在各类计算的特性中，局部性……是我们知道要加以思考的一个主要特性。让我们看一看……演绎逻辑与证实理论的……对比，前者的发展史无疑是人类探索过程中取得的伟大成就之一；后者[也就是前面所说的不明推论式理论]根据相当普遍的一致意见，很可能是个不存在的领域。我认为，这种不对称的情况……大概并非偶然。演绎逻辑是有效性的逻辑，而有效性是句子的局部特性。…一个句子的有效性与它的证实水平截然不同，因为后者……对信念系统的整体特性十分敏感。……直言不讳地说，没有一个计算形式体系告诉我们怎样做到这一点，我们也不知道该如何形成这种形式体系。……在这方面，认知科学甚至尚未起步。说实在的，比起行为主义最黑暗的时期来，我们并没有前进一步。……如果有人，比如德雷福斯，要问我们，为什么我们竟认为在模拟整体过程方面，数字计算机是个似乎合理的机制，那只有以缄默作答了。

当然，根据乐观主义的看法，AI研究者们能够取得比所有哲学家快得多的进步，因为我们有“强大的思想”作武装，而哲学家们没有，特别是复杂的自主计算的思想。我希望这种看法正确。但是如果我们所做的一切只是不断地写程序，而没有任何一般理论出现，我就会变得日益不安。

9 纯粹理性批判

245

1. 结论

总结：逻辑主义者试图用一阶逻辑表现“朴素物理学”的方案没有大获成功。原因之一可能是其基本论据有缺陷。如果你感兴趣的推理不是演绎，那就无法使写出的公理独立于对它们进行操作的程序。令人遗憾的是，我们感兴趣的推理很少是演绎。同时，逻辑主义者试图扩展逻辑，使其覆盖更多地盘，其结果也令人失望。因此，我们只好老老实实地写程序、把知识表述当作由程序操作的实体。

从多方面来看，这并不是对逻辑本身的批评。当你坐下来表达知识的具体内容时，你使用的标记法很快就退到背后去。如果你想建立一个有关形状的理论，那么你的任务就是尽量表达你所知道的一切，而与此无关的由逻辑标记的惯例形成的约束会很快消退。因此，如前所述，我认为莱纳等人(Lenat et al. 1986)的 CYC方案与逻辑主义方案处在十分相像的阴影下。

然而，逻辑有一个特别易受攻击的方面，这就是它是以指称语义学为基础的。我的结论是：离开程序，形式化的知识就失去效用，对此，人们是能够接受的，但是他们也像我一样能凭直觉强烈地感到：对标记法来说，有指称语义学比没有好。原因之一也许是，健全的语义学至少有助于确保程序作出正确的演绎推理。这些推理也许是微不足道的，但是至少没有错误。

肖厄姆(Shoham1986)最近指出了另外一种确证形式语义学的方法。假定程序采用了一个标记法，那么你就可以证明，程序所得的结论正是在其前提的所有A模型中为真的那些结论，至于A模型是什么，则取决于你想获得的推理类别。如果A模型的特性描述在直觉上是有吸引力的，那么你就已经为程序运作的正确性提供了一个独立的证明。如果把“极小模型”嵌入这个构架，我们就得到了一个按一定方式由划界法确证的程序，只是我们省却了划界公理，直接使用了语义概念。在时态推理的情况下，我们所需要的模型概念有所不同；参阅肖厄姆(Shoham1986)的一个提案。这个思想适用于大量不同的推理类型吗？若然，它就提供了一个确证逻辑主义方案的本体部分和语义部分的方法，同时，也罢，免除了非程序的知识表述这一思想。

人工智能哲学

246

作为研究知识表述的语义学和构成法方面的问题的工具，逻辑仍然被看作是不可超越的。我想到一些例子，如莫尔(Moore1980)，1985)对欣蒂卡知识逻辑的计算形式的研究，它解释了思想者怎样才能涉及尚未识别的实体，这些实体的特性别人是知道的；还有查尼亚克(Char-niak1986)把“手稿变量”解释为司寇伦术语的工作。这些文章提出的深刻见解可应用于多种推理程序。那些因为它们用逻辑术语表示的而忽视它们的人，都面临着写出不规范、不切题的程序的危险。

最后我必须承认：我目前仍在做的工作，也属于我这里批评的范式。对于形式表述这个领域，已知的实在太少，所以集中考虑理想化，必然教会我们一些东西。我想要解决的问题是，如何表述为回答像“一个回形针可以当钥匙圈用吗？”这样的问题所需要的知识。我们被迫回到理想化，目的是证明一定尺寸和形状的回形针可以穿过标准的钥匙眼。这样做显然跳过了原始问题中的大部分。然而，这是一片尚未开发的领地，游览者在穿越理想化地段时，有可能发现某些有趣的东西。在设计出完成一个任务的程序之前，把要了解的关于以不平常方式运用形状的每一件事情都表达为逻辑公理，这是人们无望做到的。这也许会对我和一些朋友造成冲击，但对其他人不会。1

9 纯粹理性批判

[1]我感谢L·伯恩鲍姆、S·汉克斯、P·海斯、Y·肖厄姆和其他许多人的帮助，有些地方有违他们的本意。我还应当指出，C·休伊特、M·明斯基和B·伍兹长期以来也一直在表述类似的思想。本文得到国际科学基金资助，编号：DCR一840)7077。

247

10 动机、机制和情感

A·斯洛曼\*

1. 引言

日常语言在不同种类的心理状态和心理过程，例如情绪、情感、态度、动机、性格、个性等等之间造成了丰富而微妙的差别。在实际需要的驱动下，我们的词汇和概念经过数世纪错综复杂的实际生活的磨砺，从而深刻地映射出人类的心灵。

然而实际使用起来却有不一致之处，对于那些我们所掌握的、并能在直觉上运用的差别，我们能清晰地加以描述的能力是很有限的，就和我们背诵英语句法规则的能力一样。像“动机”和“情感”这些词，在使用中存在着许多含混不清和不一致的地方。同一个人会对你说，爱是一种情感，她深深地爱着她的孩子们，同时她又不处在情感状态之中。如果我们用审慎定义的术语重新陈述这些说法，就能够对许多不一致性作出解释。作为科学家，我们需要用具有理论基础的术语来补充口头语言，这些术语可用来指明差别和描述那些一般人通常难以觉察的种种可能的情况。例如，根据这种看法，爱是一种态度，而不是一种情感，尽管挚爱很容易引发情感状态。用哲学家的行话来说(Ryle1949)，态度是倾向，情感虽然带有倾向的成份，却是偶发的情节。

248

为了充分说明这些情节和倾向，我们需要一个关于怎样产生和控制心理状态、以及它们怎样导致行动的理论—一个关于心灵机制的理论。该理论应当解释内部表述是怎样被建立、存储和比较的，又是怎样用来作出推理、制定计划或控制行动的。本文将提出一个理论纲领，概述适用于智能动物或机器的种种设计约束，然后将设计解答与人类动机结构以及与作为常见情感状态基础的计算机制联系起来。

经分析，情感可表现为多种状态，在每一状态中，在资源有限的智能系统所必需的引发机制的作用下，强有力的动机对有重要意义的信念作出响应。新的思想和动机设法通过各式各样的过滤器，造成对另一些正在进行的活动的干扰。其结果有可能打断或修正别的心理和物理过程的运作，有时是富有成效的，有时则否。这是一些被“移动”的状态。生理变化不一定参与其中。情感与感觉、冲动、情绪、态度、气质这样一些相关的状态和过程有一些微妙的差别；但因篇幅所限，这里不能详细讨论。

根据这一观点，既然以智能为基础的机制已能满足要求，我们就无需用专门的子系统来说明情感(参阅 Oatley and Johnson-Laird 1985)。如果因为在复杂快变的世界中需要有以智能方式行事的机制，而造成情感状态的出现，那么通常认为情感和认知相分离的看法就受到挑战。这同样适用于人类、其他动物或未来的智能机器。

1. 心灵的设计约束

多种多样的动物行为表明，存在着有心计的行为者的各种不同的行为方式，这些行为者吸取来自环境的信息，并能根据信息独立地或联合地采取行动。人类仅仅占据了这种“可能心灵空间”的一个角落。我在别处简略讲过一些约束，它们决定着体现在人类心灵中的设计解答，这里我只能对与情感有关的重要结果作一概要论述。

1. 动机、机制和情感

\* A·斯洛曼的“动机、机制和情感”原载《认知和情感》1(1987)：第217—233页。作者和 Lawrence Erlbaum联合有限公司允许重印。

A·斯洛曼(Aaron Sloman)，苏塞克斯大学认知与计算科学学院人工智能教授。

249

各种约束包括：来自内部和外部的动机源的(常常是不一致的)多重性、速度的限制、对环境看法的难以避免的空缺和错误、与动机相关联的变动着的紧迫程度。由于资源的限制和紧迫性，不可避免地要使用潜在地不可靠的“快速估算”策略。新信息和新目标的不可预测性意味着需要具有打断、修正、延缓或中止当前活动的能力，不管这些活动是内部的还是外部的。这里包括诸如硬件上的和软件上的“反射”行动之类的东西，其中有些需要根据经验作出修正。

反射是以内在方式作快速行动，但又是愚笨的。它们可能部分受控于使用“快速估算”的背景敏感过滤器，从而迅速对优先权作出估计，并使正在进行的极端重要的、紧急的或危险的活动免遭干扰而继续进行，同时又允许新的、特别重要的或紧急的动机打断这些活动。（后面将根据动机通过这种过滤器的能力，来定义动机的“坚持性”。）一个重要的结论是，智能系统，包括用于新动机的过滤器，具有快速但愚笨的子系统。快速而愚钝的过滤器时常会招致令人不快的后果。

由于信息不完全，而且要处理社会或物理环境中的长期变化，就需要较高级的可供学习之用的行动源：不仅有动机生成器和比较器，还有用于生成器和比较器本身的生成器和比较器。

虽然数个独立的子系统可以并行地执行各自的计划，如边走边吃，但是需求方面的冲突会产生不相容的目标，所以必须有一个决策制定机制。有两种主要方式可供选择：“民主”投票式，中央决策者式。如果不是所有子系统都能接近全部已知信息存储，或者它们不是都有同等的推理能力，那么“民主式”组织形式就可能是危险的。另一方面，在作出重要决策时，需要有专门化的中央机制(Sloman1978:chs.6 and10)。看来，这就是正常人类心灵具有的组织形式。

类似的约束对智能式人工产品的设计具有决定性影响。由于生物或人工计算装置受到物理方面的限制，所以必须对各种功能作出主次分工，包括将最高层次的控制权分配给能获取最多信息和具有最强有力推理机制的部分。然而，在偶然的对强烈行动的紧急需求之下，必须具备压倒性的硬件和软件上的反射，这些反射不依靠较高层次的控制权而独立运作这一机制有可能使下文中所说的情感过程得以实现。

人工智能哲学

250

目标生成器

许多不同种类的动机激发因素都是由日常词汇和短语表明的，如：

目的、态度、欲望、厌恶、目标、憎恨、希望、理想、冲动、喜欢、爱情、爱好、原则、诱惑、娱乐、悲伤、厌烦、迷惑、高兴、沮丧、痛苦。

此外还有很多。它们反映出在不同行动源和影响我们的事物的各种方式之间所存在的微妙差别。概念分析(Sloman1978:ch.4)为它们建立了预设假定。一个关键的概念就是持有目标。

取初步近似，持有目标就是以某种形式结构表述的符号结构来描述有待产生、保存或防止的事态。符号不一定非得是物理结构：虚拟形式体系也可胜任(Shoman1984)。目标能够使用与信念和假设完全相同的描述性形式体系，区别仅在于它们所起的作用。

事态的表述可以起到目标的作用，只要它趋于(在许多先决条件制约之下)产生改变现实使之与表述内容保持一致的那种行为。

一个表述可以起到信念的作用，只要那些产生或修正它的感觉和推理的过程趋于(也在许多先决条件制约之下)改变表述使之与现实保持一致。

(这里“保持一致”的意思须得长篇离题之论才解释得清楚。)同样

10 动机、机制和情感

251