兩種不同的人工智慧觀：工程觀點和科學觀點

置頂哲學園 好文不錯過

人機與認知實驗室

陳自富

轉自：人機與認知實驗室

如涉版權請聯繫編輯處理

微信iwish89

鳴謝

作者簡介：上海交通大學科學史博士，湖南師範大學人工智慧道德決策研究所兼職研究員。現在企業任職，從事戰略管理和投資工作。

作者按：人工智慧是作為工程還是科學，這個問題是一個很嚴肅的問題，如果從工程技術角度來看人工智慧，那麼認知科學尤其是認知心理學、神經生理學對人類這樣的生物智能的原理性認識，就不需要成為實現人工智慧的前提條件，反之從科學角度來看，則需要將認知科學對生物智能的認識論目標作為實現人工智慧的前提，最強烈的工程觀點未必用計算機作為實現工具，反之最強烈的科學觀點則認為只要不基於人類認知原理基礎上實現的智能機器，就不是真正的人工智慧。這個爭論到目前為止還沒有結論，但有助於弄清楚目前大眾傳播語境中含糊的人工智慧、認知等概念，它們不是一回事，至於人工智慧、認知科學與機器人的關係問題，可以肯定的是它們不是一回事，而是需要另一篇文章來解釋。

一、概述

在日常語境下的「人工智慧」術語，如前所述，由於其可能具有的交叉性學科的特點，導致其含義比較模糊，大多數時候與機器人、軟體應用聯繫比較緊密，有時則作為計算機學科的一門分支或者計算機專業的一門課程，而且人們在談論人工智慧的時候，往往與認知科學相提並論，認為其目標就是開發比人類智能更為強大的智能機器，至於為了開發智能機器，是否需要完全弄清楚人類大腦的工作機制，在日常語境下很少成為核心議題。

因此，我們首先必須明確在何種意義上討論人工智慧這門學科。

二、兩種不同的人工智慧觀

傳統意義上，人工智慧被認為是計算機學科中的一門重要分支，在控制論、心理學、神經生理學和計算機科學的影響下，誕生於上世紀二戰後的40年代末50年代初，其目標是使計算機完成人類智能才能完成的任務。

從上世紀70年代末到本世紀初的數十年中，這種對人工智慧學科的傳統定義在一些標準的教科書中都有類似的表達方式，例如：

「人工智慧所研究的是使計算機能夠做那些表現出人的智能的事情」。

「可以把人工智慧定義為計算機科學的一個分支，其目標是使智能行為自動化。」

但是，我們看到在這個學科的學術共同體和代表性學者中，對此也有不同的定義，例如：

國際人工智慧促進會（AAAI：Association for theAdvancement of Artificial Intelligence）：「對作為思維和智能行為基礎的機制的科學理解及它們在機器中的具體實現」。

約翰·麥卡錫（人工智慧學科的主要開創者，1971年圖靈獎得主）：「製造智能機器的科學和工程，特別是智能的計算機程序，它與利用計算機來理解人類智能的類似任務有關，但不必自我限制於生物學上可觀察的方法。」

上述這兩種定義都沒有明確指出人工智慧是計算機科學的一門分支，但都指出為了在機器中實現智能都需要理解人類智能的機制。這種與傳統人工智慧定義的差異主要在於學術共同體內部對人工智慧具有兩種不同的理解，或者說有兩種不同的人工智慧觀。

赫爾伯特·西蒙在1990年應邀為《人工智慧百科全書》撰寫的序言中，基於其物理符號系統假設的立場，認為人工智慧有兩個主要分支：

1.狹義上的人工智慧是計算機科學的一部分，旨在探索可通過對計算機編程而使其行為具有智能的一系列任務，它並未主張計算機智能在過程上模擬人類智能；

2.人工智慧的第二個分支，是新興的認知科學的一部分，該學科旨在通過編程來模擬人類在其智能行為中所運用的實際過程。

西蒙所持有的物理符號主義立場，其理論硬核以表徵-計算為特徵，因此並沒有強調對人工智慧和認知科學進行特別的區分，甚至在艾倫·紐厄爾（Allen Newell）、澤農·派利夏恩（Zelon W.Pylyshyn）這樣的符號主義者看來，標準認知科學和傳統人工智慧共享同樣的理論假設和目標，只是實現同一目標的兩條不同路徑，這個目標就是理解可能出現在任何物理形式中的智能行為的本性。

隨著20世紀末以來新的研究綱領及其理論假設的引入，對兩種不同的人工智慧觀的認識也進一步深化，在1999年出版的《MIT認知科學百科全書》中，兩位知名的人工智慧學者Michael I. Jordan和Stuart Russell如此表述：

「有兩種互補的人工智慧觀：一種是涉及智能機器建造的工程學科，另一種是涉及人類智能計算建模的經驗學科。在這個領域的初期，這兩種觀點很少區分,此後兩者之間的大量分歧開始出現，前者統治了現代人工智慧，而後者描述了現代認知科學的大多數特徵。因此我們採用更為中立的術語』計算智能』作為本文的標題——兩個共同體都採用計算的術語來致力於理解智能的問題。」

這兩種不同的學科觀如果不在上下文語境中進行說明或限定，則很容易導致對人工智慧歷史描述的誤解，雖然AAAI和麥卡錫的定義兼顧了這兩種互補的觀點，但這卻與一部分主流教科書的表述並不一致，而且對學科歷史研究中所涉及的大量認知科學、心靈哲學、認知心理學文獻中所出現的人工智慧術語，究竟是基於哪一種人工智慧觀需要予以明確。因此接下來我們介紹這兩種不同人工智慧觀，進行初步分析，並在本文的後續描述中來揭示這兩種互補的觀點是如何形成並相互影響的。

三、作為技術或工程的人工智慧

人工智慧哲學家約翰·豪奇蘭德（John Haugeland）是德雷福斯的學生，在他一本有很大影響的人工智慧哲學著作《Artificial Intelligence: The Very Idea》中，提出了GOFAI（Good Old-Fashioned Artificial Intelligence）這個概念，直譯為好的舊式AI，其含義是指以西蒙、紐厄爾等提出的物理符號系統假設（PSSH：PhysicalSymbol System Hypothesis）為硬核的符號人工智慧。

從1956年標誌人工智慧正式誕生的達特茅斯會議，到聯結主義綱領初步復興的20世紀80年代初的這20多年裡，符號主義綱領在人工智慧的研究中佔主要地位，而且取得了不少成就，因此豪奇蘭德稱其為GOFAI，事實上由其主要承擔達成1956年達特茅斯暑期研究項目建議書中提出的技術目標：

「……試圖發現如何製造這樣的機器：運用語言、形成抽象觀念和概念、求解目前僅限人類解決的問題並予以改進，……」。

因此，從達特茅斯會議到上世紀70年代末之前，人工智慧主要作為技術或工程科學，其目標是建造智能機器這樣的人造物，對人類智能機制的理解是否會成為實現這個目標的前提，早期的研究者並未引起足夠重視，或者過於樂觀地高估了物理符號系統、信息加工心理學對智能機制的解釋能力，認為其對實現這樣的技術目標已經足夠。雖然在這段時期，在美國有德雷福斯從哲學視角進行了批判，以及1966年美國國家科學院的ALPAC（AutomaticLanguage Processing Advisory Committee：自動語言處理顧問委員會）報告對機器實現語言自動翻譯任務的否定性結論，在英國則有1973年英國科學研究理事會的萊特希爾報告對當時整個人工智慧研究的質疑和否定，甚至連DARPA（Defense Advanced Research Projects Agency：美國國防部高級研究計劃局）這樣的主要支持機構對GOFAI技術成果的進展也不滿意，大規模削減經費，導致人工智慧歷史上的第一次冬天，都未能從根本上動搖堅持GOFAI的研究者的信心，這使得在此階段，如Jordan和Russell 所說，作為技術的人工智慧和作為人類智能計算建模的人工智慧沒有明確區分，對共同體內部而言，只有一種從屬於計算機科學的技術的人工智慧，並對如何理解人類智能工作機制發揮著關鍵作用。

四、作為認知科學核心學科的人工智慧

人工智慧在認知科學這門交叉學科中的地位，在共同體內部大致有三種不同的觀點：

第一種觀點是無關論，認為人工智慧與認知科學沒有關係（如標準認知科學的典型代表人物福多），甚至不承認人工智慧屬於認知科學這門交叉學科的範圍（如1972年圖靈獎獲得者、著名計算機科學家戴克斯特拉），或者本身對認知科學的獨立地位持有一種弱化甚至取消的觀點（如普特南和塞爾）；

第二種觀點幾乎是強相關論甚至等同論，認為人工智慧是認知科學的理論內核或智力內核，甚至將兩者的目標等同起來，例如認知科學家丘奇蘭德將人工智慧的目標定義為：「重新創造和理解一般生命有機體的認知能力」，持有這種觀點的科學家包括加德納、丘奇蘭德、博登等人；

第三種觀點是第二種觀點的一種弱化或折衷，主要在計算機科學的背景下強調區分人工智慧的認識論目標和工程目標，在承認人工智慧在認知科學中的重要地位的同時，並沒有將其與認知科學混同起來，持有這種觀點的科學家包括西蒙、勒內特、麥卡錫、眀斯基等人。

在具體實踐中，主流的觀點是第二種和第三種，認為人工智慧和認知科學無關的只是少數，而第二種和第三種觀點只是在理論主張強弱程度上的不同，因此本文對人工智慧和認知科學之間的關係所採取的立場是：綜合加德納、西蒙等人的觀點，即人工智慧在認知科學中發揮核心作用，但又不等同於認知科學，而有其獨特的經驗科學的探索和實驗性質。

霍華德·加德納將認知科學定義為一門經驗科學，主要是解決傳統上根深蒂固的認識論問題，特別是關於知識的本質、成份、來源、發展和展開的問題。因此，認知科學似乎有一個漫長的過去，但卻只有一個相對短暫的歷史，其作為交叉學科所包括的大多數其他學科在20世紀初就已初露端倪。學科內部從思想史的發展線索和成熟度出發，一般將1956年9月在麻省理工學院召開的資訊理論專題討論會作為這門學科的開始，因為在這次會議上西蒙與紐厄爾提交了描述第一個人工智慧程序「邏輯理論家」的論文，喬姆斯基提交了「語言的三個模型」的論文，以及喬治·米勒提交了關於人類短時記憶能力的論文，代表著認知科學研究的三個核心學科人工智慧、語言學、心理學在理論和經驗實踐上的突破。但至於認知科學（Cognitive Sciences）這個學科名稱的正式出現，則比人工智慧要晚17年，是由愛丁堡大學的心理學家Hugh Christopher Longuet-Higgins在對著名的LightHill報告的評論文章中提出的。

加德納在對認知科學的關鍵特徵進行總結時指出：「事實上，還有許多人認為，圍繞計算機模擬而建立的人工智慧，是認知科學的核心學科，是一門最有可能把其它陳舊的研究排擠出去，或使其成為余贅的學科」。他所總結的認知科學五個關鍵特徵是：

1.心理表徵；

2.計算機既可以作為人的思維模型，也是研究人類心靈的主要工具；

3.在認知研究中忽略或淡化情感、背景、文化和歷史的影響；

4.依賴多學科的研究；

5.植根於經典哲學；

加德納認為前兩個特徵是認知科學的基本信念，也即標準認知科學研究綱領

的理論硬核，後三個特徵主要與認知科學的方法論有關，可以理解為某種程度上的保護帶和正面啟發法。

加德納作為心理學家，主要從其科學心理學的立場出發，認為心理學是任何認知科學的核心，並且認知心理學和人工智慧將合二為一，成為新的、統一的認知科學的核心領域。

加德納所持有的這些觀點，現在來看屬於標準認知科學或者第一代認知科學的立場，在這個視角下，人工智慧是為認知心理學提供計算模型，將傳統上僅通過內省、行為等方式難以進行科學和經驗研究的人類心靈，通過計算機建模的方式進行實證研究，是心理學在研究人類心靈認知活動時的關鍵工具，也是從哲學上推動認識論自然化的主要途徑。在這種場景下，作為技術的人工智慧與作為自然科學的科學心理學之間的關係，不是傳統上簡單的科學及其應用關係，科學知識和技術知識之間在這裡沒有體現指導和被指導的層次關係，而是兩者之間相互依賴，各自的核心概念、模型相互交織在一起，共同為認知科學提供理論指導。

在這種背景下，到目前為止的絕大多數心靈哲學、認知心理學、認知哲學的研究文獻，均對人工智慧採取一種工具主義立場，其目的是支撐和驗證心理科學對人類智能工作機制的建模分析和理解，而不是聚焦在開發和建造智能機器這樣的人造物來實現人類級別智能的目標上，因此對這種背景下的人工智慧，對其進步與否的判斷需要和認知心理學結合在一起，看其是否為認知科學提供了超余的經驗內容和預測了新的事實。

反之，以計算機科學為背景的人工智慧學者的大多數研究文獻，則聚焦在開發、建造實體機器（如移動機器人）或智能代理體這樣的軟體，並在社會和經濟目標指引下，尋求其商業化用途。這種背景下的人工智慧，作為技術來看，判斷其是否成功，主要應基於效率最優的觀點來看其是否達到設計要求和應用的商業目標。

雖然最近二十多年來，在共同體內部力圖彌合和淡化這兩種不同的學科觀差異，例如採用理性智能體的觀點來定義人工智慧，「將AI的研究視為理性智能體的設計過程至少有兩個好處……因此，本書將著重討論理性智能體的通用原則以及構造此類智能體所需的組成部分」，並且認識到僅作為經驗的人工智慧是不足夠的：「智能軟體的複雜性和在人類交互活動中與生俱來的不確定性阻擾了不管是從純數學角度還是純工程角度的分析」，並希望通過哲學尤其是認識論來為兩種不同人工智慧觀的統一奠定基礎。

這種努力確實比標準教科書中所呈現的GOFAI更完整地展現了當代人工智慧研究的主流趨勢，但共同體堅持其學科在方法論乃至形而上學基礎方面的獨立性立場仍然沒有改變，如Luger同樣在其書中所指出的：「得到的結論是，人工智慧的經驗主義的方法學是一個重要的工具，也許它對於探索智能的本質來說是最好的工具」。

置頂哲學園 好文不錯過

長按二維碼購買

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！