第二节　智能以何种方式存在

任何从事智能研究的工作者都无法回避这样一个问题，即智能以何种方式存在？这也是当今的智能研究没有解决的第一个基础哲学问题。在古老的东方文明中，荀子早在战国时期就论曰：“所以知之在人者，谓之知。之有所合，谓之智。所以能之在人者，谓之能。能有所合，谓之能。”⁽¹⁴⁾在近代心理学中，加德纳（Gardner）认为：“在一般性的层面上，应该将智能看成是某种智力的实体（entities），它们比高度专门的信息处理机制（像航线的探测）要宽泛，比大多数的一般能力，如分析、综合或自我感（如果能证明离开了特定的智能组合，任何这样的能力能够单独存在的话），却要狭窄的多。”⁽¹⁵⁾在认知科学中，认知科学家泽农·派利夏恩提出了著名的“计算机隐喻”。他认为，“人类以及其他智能体实际上就是一种认知生灵、一种计算机器。”⁽¹⁶⁾因此，智能是一个有“意义”的计算活动。人工智能专家认为，人是一个符号系统。人的智能过程是一个符号操作的逻辑处理过程。“产生智能行为的心灵就是一台计算机器”⁽¹⁷⁾而“心理状态就是一种计算状态。”⁽¹⁸⁾在众多的描述中，一个根本的问题凸现出来，即在不同学科中所讲的“智能”其所指究竟是什么？是一种“实体”，还是一种“语言”，亦或是一种“思想或观念”，还是其他情况？很显然，这一问题得不到解决，其它问题必然遇到纠缠不清的麻烦。不过，有一点可以肯定的是，人们都承认“智能”是有其所指。如果我们不能直接言说这种所指，那么我们可否明白其所指的结构图景或特征呢？这无疑是回答智能以何种方式存在的另一条道路。

心理学家亨特（Hunt）和他的同事们试图从对人类智能的研究中找到答案，他们以描述人们智能的特征的方式来解释智能。事实上，他们也确实找到了人的一些认知规律，并且探寻到了人类在字母辨认等信息处理任务中影响效率的各种参量的相关性，以及在口头表达能力的精神物理学测试上的得分情况。在这项研究的具体实验中，无论字母是否成对的像A—A、A—a或者A—b出现，参与者必须说出任一个相同字母的物理特征或名称。这个试验在今天还一直被应用于测试某个主体的智能程度。为了寻找智能的确切定义，亨特等人都用到了计算机模拟的方法来确定在复杂任务中的智能组成成分和基本策略，这些基本的成分和策略他们称为一些专用的智能模块。基于早期的这些研究，斯腾伯格在1985年提出了智能的三因素理论。根据这一理论，这些信息处理的基本组成模块应用于适应、塑造和选择环境的经验中。斯腾伯格发现，在相关的小说认知任务单元中或者在习惯的自动化处理任务过程中，我们可以获得关于智能的最好理解。斯腾伯格在经过仔细的实验后认为，智能必须包含三个主要的方面：分析、创造和实践思维。相反的，在1983年和1995年，哈佛大学认知教育研究中心的加德纳认为，智能的结构并不是一个单一的模块，而是包含着八个可分辨的各种各样的智能因素：语言、数理逻辑、空间、音乐才能、身体的肌肉知觉、人际间、内心的和纯粹自然主义的因素。这些智能中的每一个都是一个可区分的模块，他们或在大脑和或多或少地各自独立。尽管加德纳并不能设置一些研究直接测试他的理论模型，但他还是提出了各种各样的实验来证明他的理论。即使心理学家们对于智能的研究做出了巨大的努力，也并没有使我们关于智能的知识获得突破性的进展。据此，不难发现，仅仅依靠科学，我们还无法对智能本身作出清晰的阐明。这主要是智能的发展离不开活生生的大脑。因此，探索智能的奥秘就为哲学家留下了一块独特的领地。

著名心灵哲学家福多在总结前人的研究成果的基础上，提出了富有争议的模块理论来说明人类智能的图景。模块理论着眼于智能表现中，各结构部分的功能作用之差异，强调不同部分之间的区别。福多认为，智能由许多不同的模块构成。他指出“模块就是信息封装的计算系统，它具有推理机制，并且所接触的背景知识受到认知结构一般特点的制约，这种制约是相当严格而持久的。模块可以看成是具有专用数据库并能实现特定目的计算机。” ⁽¹⁹⁾ 福多还指出：“智能不仅由语言智能等部分构成，并且这些部分也有对应的生理区域。”⁽²⁰⁾模块理论的提出引起了巨大反响。根据福多的理论，认知神经科学开始探讨不同的模块所固有的神经结构，并以此来揭示智能的结构。其他的一些理论也试图努力地直接嫁接信息处理到大脑中的生理学过程以此来揭示智能的真实生理学所指。例如，海尔（Hair）和他的同事们通过正电子扫描（PET）试验，获得了智能个体大脑中在处理复杂任务时通常耗费较少葡萄糖的电子扫描图像。实验证明，智能专家往往能够比普通智能的人耗费较少的努力完成同一个任务。弗农（Vernon）和莫瑞（Mori）在1992年的研究中试图直接连接神经传导的测量速度与智能的关系。皮亚杰则提出了图式论来说明智能的结构。他认为，智能结构中的组成成分必有两种组成成分，一是知识块；二是知识的组织形式。图式就是一种信息接收系统，它体现了已有各个知识块之间的有机的能动的关系。皮亚杰的图式学说强调图式以逻辑——数学结构为基础，逻辑——数学知识块是智能结构中最为基础的知识块。逻辑——数学图式一经建构就能逐步外化为客体，人类的发明往往就是这种逻辑——数学外化的产物。在皮亚杰看来，智能的发展就是各种认知图式不断建构的过程。究竟哪一种智能图景的描绘是适合的？尽管这些研究都存在着一些问题，而且也没有找到合适的解决办法复现智能的真正图景。但是，关于智能在相关学科中的基础性研究仍是富有活力地在前行。值得注意的是，在以研究人类智能为对象的诸多学科中，不同研究方式与取向的选择使得智能的标准并没有得到统一的认识，这种不一致也在哲学中得到了同样程度的显现。新的世纪之交，哲学与科学的交汇使关注智能研究的专家聚焦到了智能的本质特征这一核心问题上。这种研究突出的表现就在于哲学家与科学家倾注全力对意向性的讨论中。

意向性问题曾经是19至20世纪转折时期最热门的哲学话题之一。无独有偶，在新的世纪转折时期，它再次受到人们的亲睐。所不同的是，它不再只是一个纯哲学问题，而同时带有科学的性质。肯定意向性之存在的人认为，意向性是智能的本质特征。作为现代科技之结晶的计算机所表现出的所谓智能，尽管在许多方面已远胜于人类智能，但它只能按形式规则进行形式转换，而不能像人类智能那样主动、有意识地关联于外部事态，即没有涉及到意义，或没有语义性或意向性。因此在本质上它只是句法机，而非像人那样的语义机。有些人甚至据此认为，已有的机器智能根本就不是智能。意向性问题的重现，使得人工智能对于人类智能的模拟出现了前所未有的迷茫。一方面，一部分哲学家从意向性出发，进一步肯定意向性作为智能的特征这一观点，并引起了人工智能专家探讨如何构建有意向性的人工智能机器的热潮；另一方面，另一部分哲学家则从意向性出发，质疑人工智能研究的哲学基础，并否认用计算机原理来解释人类智能的正确性。

塞尔在批评已有的人工智能研究时指出，已有的智能机器“所做的形式符号处理没有任何意向性；它们是全然无意义的；它们甚至不是符号处理，因为这些符号什么也不代表。用语言学的行话来说，它们只有句法，而没有语义。”⁽²¹⁾这就是说，已有的智能计算机对符号的处理只是句法的处理，而并不具有语义性。这些计算机仅仅只是句法机，而不是语义机。所谓有语义性，就是指心理状态与之发生关系的符号有意义、指称和真值条件。质言之，一当心中出现某意像或符号或概念，它就能把它与有关的事态关联起来，即知道是关于它的，而不是关于自身的。语义性就是哲学上所讲的意向性、关于性。计算机处理并不知道把它与指称或外物关联起来。为什么有这种不同呢？根源仍在于：人的符号加工中有意向性的因素起作用，而计算机的符号加工则没有。例如：我可以利用软件的“查找”功能迅速在文档中定位于“福多”这个语词。但是，所有现有的计算机并不知道“福多”究竟指向的是什么，它并不知道它所“查找”到的“福多”究竟指向的是一个哲学家还是一只猫。即使是在语句的处理中已有的智能计算机也没有表现出任何的语义性。计算机可以轻易地对符号作出如下有序排列：（1）所有哲学家都很幸福；（2）福多是一个哲学家；（3）福多很幸福。但是，它并不是通过符号的语义属性到达它的结论的。计算机并不知道福多是谁，不知道什么是哲学家，不知道什么是幸福。计算机尽管能对符号进行特定排列，甚至好像计算机对符号的排列关联到了这些符号的语义属性。但是，它并不能合理地得到这些符号所必然推理出的语义真值。在上述人的处理过程中蕴含了这样一种逻辑：如果（1）和（2）的语义为真值，则（3）的语义为真值。这样，无论是对于单个符号的处理还是一串符号的整体处理，计算机无法明知其义。

著名神经科学家克里克（Francis Crick）非常关心人工智能、计算机科学的发展，一方面充分肯定了所取得的令人欣喜的成就，承认机器所表现出的智能在许多方面是人类望尘莫及的。另一方面，他又客观地探讨了机器智能与人类智能的根本差异及其根源。克里克明确指出“计算机按编制的程序执行，因而擅长解决诸如大规模数字计算、严格的逻辑推理以及下棋及某些类型的问题。……但是，面对常人能快速、不费气力就能完成的任务，如观察物体并理解其意义，即便是最现代的计算机也显得无能为力。”⁽²²⁾计算机与人类智能相比，为什么存在着这些不同？其根本的原因有二，一是脑能自觉、有意识地处理各种外来信息，用哲学的话来说，它有其固有的意向性。他说：“脑看起来一点也不像通用计算机。脑的不同部分，甚至是新皮层的不同部分，都是用来专门处理不同类型的信息的。”⁽²³⁾正是由于设计、起源上的这种不同，才有它们在意向性等方面的差异。他还强调：在研究视觉人工智能时不能回避意识，就像视觉理论不能回避视觉意识一样。他说：“只要回避视觉意识问题，任何现有的视觉理论都是不充分的。”⁽²⁴⁾这一观点可以推广到其他智能现象之上，因为克里克在他的《惊人的假说》中关注的主要是视觉。斯蒂沃特·威尔逊（Stewart · Wilson）坚持认为，已有的智能机器的问题在于：“不会直接从周围环境中汲取所需，而只能坐在那儿，直到人们给它们信号，然后也仅仅是复制这些信号而全然不知它的意义。”⁽²⁵⁾自然语言处理是人工智能研究的前沿领域之一，这方面颇有建树的本体论语义学家尼伦伯格（S.Nirenburg）和拉斯金（V.Raskin）明确指出：“意义是未来的高端自然语言加工的关键因素，”“有理由认为，没有这种利用文本意义的能力，人们就不可能在自然语言加工中取得真正突破，……而过去在这个领域中的大多数工作都未注意到意义。”⁽²⁶⁾人工智能机器还不具有意向性的特征，也导致了已有的人工智能机器还不能表现出意识现象。一旦与被誉为“世界之结”的意识问题纠缠在一起，智能问题就变得尤为复杂了。也因此，意向性是否是智能的本质特征不仅成为智能问题域中最为关键的问题之一，而且也引发了智能的实现究竟何以可能的新一轮争论。