第三节　“智能”的科学探究

由于智能问题的复杂性，具有不同的学科背景或不同的研究应用领域的学者，在从不同的角度、用不同的方法、沿着不同的途径对人工智能本质进行探索的过程中，逐渐形成了自己的智能理论。在智能研究中，心理学的研究对于智能研究而言无疑是具有重要意义的学科，特别是认知心理学诞生以来，心理学对人的智能研究成果构成了智能研究领域中十分重要的一部分。在过去的许多年，尽管人们提出了许多关于“智能”的定义和解释，各种各样的说法试图通过各种可能的途径和方法来理解“智能”，但是，占主流地位的“智能”定义却一直被心理学的基本思想所统治，即智能是指某主体能完成人的某些行为的能力表现。心理学家们普遍认为，“智能”应该定义为这样一种能力，即采用、使用并适当地选择环境以使自己获得某种发展的能力。在此基础上出现了多种对“智能”的界定。

在心理学史上，第一类具有代表性的观点是从智能的外在功能表现上来界定智能的标准，其观点具有浓厚的功能主义色彩。例如，英国的高尔顿（Galton）寻求在心智表现出的能力或技巧方面来理解“智能”。他认为，智能主体在区分重量和长度的一些显著不同时，个体能够有序地将重量和长度分离开，并能够感觉到它们发生在截然不同的时空领域，以及重量和长度所具有的不同时空特性，心智表现出的这种能力就是智能。与此稍显区别的是，法国的比内（Binet）和西蒙（T.Simon）认为，智能是描述复杂判断能力的术语或概念。比内相信有三个重要的认知能力是“智能”所必需的，一是倾向能力：智能体具有知道什么是必须做的事情，以及该怎样去做的某种倾向性。二是应变能力：智能体在不同环境下能选择并持续完成某项任务的策略。三是控制能力：智能体有自我调整自己的判断和进行自我修正的能力。这种智能标准在内容上强调智能概念所具有的外在性、显性特征，较好地从直觉层面反映“智能”的特征。据此，比内还设计了一个智能测验，这个智能测验能够成功地预言儿童在校的成绩。因此，比内的对智能的界定产生了重大的影响。英国心理学家斯皮尔曼（Spearman）可以说是同时代研究智能的先驱者。他提出从信息处理的三个表现来理解潜在的“智能”。一是感受经验的捕获与理解能力；二是关系的推断和分析能力；三是相关性的推断与分析能力。斯皮尔曼用四个单元（A、B、C、D）来分析和说明了问题，任何智能的处理都可以基于这四个单元进行理解。他认为，第一个过程是编码这些单元，第二个过程指出A跟B的相互关系，第三个过程将这个关系应用到从C到D，完成了整个过程就完成了一个智能行为。美国著名心理学家斯腾伯格（Sternberg）在用信息处理和数学模型来解构认知任务，直到看到完成认知任务的每一个基本元素、组成成分和基本策略之后，斯腾伯格认为，个体如果能够理解在信息处理过程中潜藏的复杂原因和解决问题任务中的各个单元，那么它就是“智能”的。

由传统心理学家们缔造的智能标准在20世纪早期占据着主导地位。这些对“智能”的界定均强调个体功能表现上的不同，并以此来区别非智能以及不同程度的智能。但是，人们远远不满足于这种“功能主义式”的智能说明，因为传统心理学家对智能标准的确定很少提到关于智能过程潜藏的智能因素，这促使了人们开始寻找新的途径来认识智能。而在随后的研究中，人们开始关注到智能发生的内在因素，并试图循此来界定智能。这样诞生了心理学史上第二类智能标准的界定。

第二类具有代表性的观点试图以说明智能的内在结构来界定“智能”，其观点充分继承了西方的分析传统。这些智能标准的说明均用到了因素的分析方法。美国心理学家瑟斯顿（Thurstone）认为，认知智能需要七个方面的因素综合考量。卡洛尔（Carroll）提出了分为三个等级的三层次智能处理模型。这个假说一般被认为是心理学发展的直接结果，实际上他是充分借鉴了计算机网络的内部信息处理机制来说明“智能”的架构。他指出，具有某种单一能力的因素g处于最顶层，接着是更为有限的认知技巧在这个层次的下一层。每一个层次依次由下向上为上一层提供基础的服务，从而到最上一层表现出某种复杂的智能。20世纪70年代，随着认知科学的正式兴起，从智能结构来说明智能标准的方法得到了进一步发展。心理学家们对“智能”的这种界定不仅极大地启发了认知科学的研究，而且心理学家和认知科学家同时开始以认知科学的独有方式来分析智能的构成，其核心就是主张将认知科学中对信息处理能力的研究直接应用于认知心理学等学科的实验中来界定智能，然后又进一步利用各种传统心理学的智能测试得分情况确定该主体的智能程度。在这类工作中亨特（Hunt）的研究尤为具代表性。

亨特和他的同事们找到了像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。在这个实验中，无论字母是否成对的像AA、Aa或者Ab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。像亨特等人为了寻找智能的确切定义，都用到了计算机模拟的方法来确定在复杂任务中的这些组成成分和基本策略，这些基本的成分和策略就是一些专用的智能模块。基于早期的这些研究，斯腾伯格提出了智能的三元理论。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。他发现，智能的最好理解是体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。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。与此不同的是，哈佛大学的加德纳（Gardner）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。这些职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计一些实验来直接验证他的理论模型，但他还是提出了各种各样的实验来证明他的理论。

近几十年以来，其他的一些智能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中，并以此来揭示智能的真实的生理学所指。例如，海尔（Hair）和他的同事们通过正电子扫描（PET）试验，他们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，高智商的人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。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，关于智能在认知科学、心理学中的基础性研究，仍是富有活力地在前行。总的来看，在心理学中，对智能进行的科学探究大致上经历了“从外到内”的认知过程。这种研究路径直接促生了认知科学的诞生。在随后的研究中，人们开始逐渐关注到智能发生的内在与外在的各种条件的研究，他们以此说明智能。作为人的一种重要的智能现象的认知过程就自然进入了智能科学家的视野，从认知来研究人的智能过程就成为一种对智能进行研究的新范式。由于认知科学的高度跨学科性质，不同学科从各自独特的研究角度对认知进行研究。

总的来看，目前认知科学对智能理论的主要研究视角有三个：第一，是从认知心理学的角度，把人脑与计算机进行类比，采用自上而下的策略，先确认一种心理能力，再去寻找它所具有的计算结构。但是这种类比只是机能性质的，也就是在行为水平上的类比，而不管作为其物质构成的生物细胞和电子元件的区别。第二，是从人工神经网络的角度，把大脑看作是一种神经网络，采用自下而上的策略，先建立一个简单的神经网络模型，再考察这个模型所具有的认知功能。从最简单的模型入手，不断增加它的复杂性，就有可能模拟出真正的神经网络，从而了解智能的真相。但这种神经网络模型是人工的，与真正的神经及突触连接并不相同。第三，是从认知神经科学的角度，也就是采用自下而上的策略，但与人工神经网络不同，它是从真正的大脑工作方式入手来研究认知。⁽²⁷⁾

从认知科学的发展历程来看，主要出现了四种智能理论：一是物理符号论。这是直接源自于人工智能科学的认知科学理论，该理论把人的智能过程（主要是指认知过程）看作是对来自外部输入的离散物理符号的处理过程。二是联结理论。开始于20世纪40年代的人工神经网络研究，在沉闷了近20年之久后，于80年代中期再度兴起。该理论认为认知活动本质在于神经元间联结强度不断发生的动态变换，它对信息进行着平行分布式处理。这种联结与处理是连续变化的模拟计算，不同于人工智能中离散的物理计算。三是模块论。受计算机编程和硬件模块的启发，福多提出认知功能的模块性，认为人脑在结构和功能上都是由高度专门化并相对独立的模块组成，这些模块复杂而巧妙的结合，是实现复杂精细认知功能的基础。80年代末90年代初，模块思想已发展为多功能系统理论，特别是在记忆研究中取得了较多科学发现的支持。四是生态现实论。1993年初在认知科学杂志上掀起环境作用论和物理符号论的大论战，一批年轻的心理学家与人工智能大师西蒙之间展开论战。环境作用（situation action）的观点认为认知决定于环境，发生在个体与环境的交互作用中，而不是简单发生在每个人的头脑之中。

在另一个年轻的智能研究领域中，人工智能领域的研究成果对智能理论的发展起到了重要的影响。例如，在人工智能领域逐渐形成了符号主义、联结主义和行为主义三大学派。目前，这三大学派正在由早期的激烈争论和分立研究逐步走向取长补短和综合性研究。第一，符号主义（Symbolicism），又称逻辑主义（Logicism）、心理学派（Psychlogism）或计算机学派（computation），它是基于物理符号系统假设和有限合理性原理的人工智能学派。物理符号系统假设是纽厄尔和西蒙在1976年提出的一种观点。符号主义认为人工智能起源于数理逻辑，人类智能发生的的基本元素是符号（symbol），认知过程是符号表示上的一种运算。这种观点认为物理符号系统是实现智能行为的充要条件，即所有智能行为都可等价于一个符号系统，任何信息加工系统都可看成是一个具体的物理符号系统，如人的神经系统、计算机的构造系统等。所谓符号就是物理模型，任何一个符号都代表一个物理模型，不同符号代表不同的物理模型。一个符号系统由一个符号结构和一组过程所构成。其中，符号结构由不同符号按照某种物理方法联结而成，过程实现对符号结构的操作。有限合理性原理是西蒙提出的一种观点。他认为，人类之所以能在大量不确定性、不完全信息的复杂环境下解决那些似乎超出人类求解能力的难题，其原因在于人类采用了一种称为启发式搜索的试探性方法来求得问题的有限合理解。

符号主义的代表性成果是1957年纽厄尔和西蒙等人研制的称为逻辑理论机的数学定理证明程序LT。LT的成功说明了可以用计算机来研究人的思维过程，模拟人的智能活动。符号主义诞生的标志是1956年夏季的那次历史性聚会，是符号主义者最先正式采用了人工智能这个术语。50年来，符号主义走过了一条“启发式算法一专家系统一知识工程”的发展道路。并一直在人工智能中处于主导地位，即使在其他学派出现之后，它也仍然是人工智能的主流派。符号主义学派的主要代表性人物有纽厄尔、西蒙和尼尔森（Nilsson）等。从理论上，符号主义认为：人的智能发生的基元是符号；智能过程就是符号运算过程；智能行为的充要条件是物理符号系统，人脑、电脑都是物理符号系统；智能的基础是知识，其核心是知识表示和知识推理；知识可用符号表示，也可用符号进行推理，因而可以建立基于知识的人类智能和机器智能的统一的理论体系。从研究方法上，符号主义认为人工智能的研究应该采用功能模拟的方法。即通过研究人类认知系统的功能和机理，再用计算机进行模拟，从而实现人工智能。它主张用逻辑方法来建立人工智能的统一理论体系，但却遇到了“常识”问题的障碍，以及不确知事物的知识表示和问题求解等难题，因此，受到了其他学派的批评与否定。这就促使人工智能领域出现了新的智能理论，即联结主义。

联结主义（Connectionism），又称仿生学派（Bionicsism）或生理学派（Physiologism），它是基于神经网络及网络间的联结机制与学习算法的人工智能学派。联结主义的倡导者认为人工智能应该是一种仿生学研究，特别是人脑模型的研究。1943年，麦卡洛克和皮茨所创立的脑模型，即MP模型是联结主义学派中具有代表性的理论成果。联结主义从神经元开始，进而研究神经网络模型和脑模型，为人工智能开创了一条用电子装置模仿人脑结构和功能的新途径。从20世纪60年代到70年代中期，联结主义，尤其是对以感知器（perceptron）为代表的脑模型研究曾出现过热潮，但由于当时的理论模型、生物原型和技术条件的限制，20世纪70年代中期到80年代初期跌入低谷，直到1982年霍普菲尔德提出了Hopfi eld网络模型后，才开始复苏。1986年，鲁梅尔哈特等人提出了BP网络，使得多层网络的理论模型有所突破，再加上人工神经网络在图像处理、模式识别等方面表现出来的优势，联结主义在新的技术条件下又掀起了一个研究热潮。关于智能行为的出现，联结主义认为：人类的思维过程是神经元的联结活动过程，而不是符号运算过程；反对符号主义关于物理符号系统的假设，认为人脑不同于电脑；提出联结主义的人脑工作模式，以取代符号主义的电脑工作模式。因为，很明显，近代科学研究已经表明，思维的基元是神经元，而不是符号；从研究方法上，联结主义主张人工智能研究应采用结构模拟的方法，即着重于模拟人的生理神经网络结构。并认为功能、结构与智能行为是密切相关的，不同的结构表现出不同的智能行为。目前，联结主义已经提出多种人工神经网络结构和一些联结学习算法。

行为主义（Actionism），又称进化主义（Evolutionism）或控制论学派（Cyberneticsism），是基于控制论和“感知 动作”控制系统的人工智能学派。行为主义认为人工智能起源于控制论，智能的实现取决于对外界复杂环境的适应，而不是表征和推理。他们指出智能取决于主体具体的感知和行为。1948年，由威纳创立了控制论，其早期的研究重点是模拟人在控制过程中的智能行为和作用，如自寻优、自适应、自校正、自镇定、自组织和自学习等，并进行了“控制动物”的研制和实验，如“迷宫老鼠”等。到20世纪60年代到70年代，上述控制论系统的研究取得了一定的进展，为智能机器人的研制奠定了基础。20世纪80年代以来，由于微计算机技术、微电子技术等的突破，为智能控制系统的设计和实现提供了新的方法和工具，从而兴起了智能控制和智能机器人研究、开发和应用的热潮。行为主义的代表性成果是布鲁克斯研制的机器虫。布鲁克斯认为，要求机器人像人一样去思维太困难了，在做一个像样的机器人之前，不如先做一个像样的机器虫，由机器虫慢慢进化，或许可以做出机器人。于是，在麻省理工学院的人工智能实验室里，布鲁克斯研制成功了一个由150个传感器和23个执行器构成的像蝗虫一样能够六足行走的机器虫实验系统。这个机器虫虽然不具有像人那样的推理、规划能力，但其应付复杂环境的能力却大大超过了原有的机器人，在自然环境下，具有灵活的防碰撞和漫游行为。1991年8月，在悉尼召开的第12届国际人工智能联合会议上，布鲁克斯在他多年进行人造机器虫研究与实践的基础上发表了“没有推理的智能”的论文，对传统人工智能进行了批评和否定，提出了基于行为（进化）的人工智能新途径，从而在国际人工智能界形成了行为主义这个新的学派。

行为主义学派出现以后，其思想引起人们的广泛关注，其中感兴趣的人有之，反对者也大有人在。例如，有人认为，布鲁克斯的机器虫在行为上的成功并不能引起高级控制行为，指望让机器从昆虫的智能进化到人类的智能只是一种幻想。尽管如此，行为主义学派的兴起，表明了控制论、系统工程的思想将进一步影响到人工智能的发展。从理论上，行为主义认为：智能取决于感知和行动，提出了智能行为的“感知一动作”模型；他们指责传统人工智能（主要指符号主义，也涉及联结主义）对现实世界中客观事物的描述和复杂智能行为的工作模式做了虚假的、过于简单的抽象，因而，是不能真实反映现实世界的客观事物的。他们指出，智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能那样逐步进化，智能只有在现实世界中通过与周围环境的交互作用才能表现出来；以上这些思想都有着积极的意义。从研究方法上，行为主义主张人工智能研究应采用行为模拟的方法。它们也认为，功能、结构和智能行为是不可分开的，不同的行为表现出不同的功能和不同的控制结构。

回顾对智能的种种界定，不难发现，智能研究有着许多不同径路的研究纲要和许多的分支研究。特别是在人工智能的领域中，较为成熟的智能理论仍没有形成。在人工智能思想界，“‘图灵检验’已经成为最重要的智能机标准，这几乎也是关于智能存在与否的唯一可操作标准。……显然，图灵准则是行为主义的，而塞尔的思想实验却采取了相反的立场，强调意识的作用。”⁽²⁸⁾而他们的每一种研究都透射着自己对“智能”的不同界定方式、方法、结论。不同的研究纲要也在被发展成新的智能理论或成为新的智能理论的基础，从而推进对“智能”的认知与界定。在科学家与哲学家的共同努力下，大家不断地提出了新的实验数据和新的试验方案，也使得各种智能理论迅速地变化着，使得关于智能的研究充满了种种变数。事实上，随着多种新兴智能理论的兴起，智能理论的世界俨然已经成为典型的“战国时代”，而梳理出这些界定的共同基础就成为一项十分重要的工作。