淺談人工智能與有限理性

林 璐 （卡迪夫大學，英國卡迪夫 CF103EU）

一、人工智能發(fā)展概述

縱觀歷史，關于智能的追問，最早可以追溯到古希臘時期，古希臘的形式主義思維，對基于形式主義語言的研究以及語言邏輯的研究有著深入的進展，其中不乏許多重要的哲學家，諸如畢達哥拉斯，蘇格拉底，柏拉圖，亞里士多德等。但是在此之后的研究，哲學逐漸偏向了思想和人類本源的研究，討論關于思想意識的問題，特別是形而上學、笛卡爾的二元論以及康德哲學?，F(xiàn)代之后對于人工智能哲學的思考，依然是不斷追問最基本的智能和意識的討論。

現(xiàn)代人工智能的研究是建立在之前各個領域?qū)θ斯ぶ悄苓@一概念在各領域內(nèi)進行的摸索和實驗上的，其中以自動化和智能化——計算機程序為主。人工智能的發(fā)展在經(jīng)歷19世紀末的繁榮期和20世紀初的衰落期后，其后的研究主要集中在對人工智能學習能力和自然語言處理能力的研究（NLP）上，同時也逐漸開始關注智能的定義。在后來的研究發(fā)展中，圖靈（1950）提出了經(jīng)典問題：“機器是否會思考?”以及他的模擬游戲和其衍生的圖靈實驗，通過與人交流，來確定該機器是否智能。之后人工智能逐漸開始有三個流派發(fā)展的傾向。

1.Symbolicism （符號主義），又稱為邏輯主義（Logicism）、心理學派 （Psychlogism）或計算機學派（Computerism），其原理主要為物理符號系統(tǒng)，即符號操作系統(tǒng)假設和有限合理性原理。主要成就是上個世紀的專家系統(tǒng)。

2.Connectionism（聯(lián)結(jié)主義），又稱為仿生學派（Bionicsism）或生理學派（Physiologism），其主要為通過模擬神經(jīng)網(wǎng)絡及神經(jīng)網(wǎng)絡間的連接機制在嘗試創(chuàng)造類似人腦的處理系統(tǒng)和模型并且學習算法不斷進化學習。目前主要有深度學習（deep learning），和深度神經(jīng)網(wǎng)絡（Deep Neural network algorithm）。

3.Evolutionism（進化主義）或 Cyberneticsism（控制論學派），又稱Actionism（行為主義），其原理為控制論及感知-動作型控制系統(tǒng)。行為主要主要貢獻是在機器人控制系統(tǒng)方面的發(fā)展。

在近代，人工智能逐漸開始有了新的發(fā)展，其中Searle（1980） 提出了一個強人工智能（Strong AI）的概念。他認為強人工智能是一種能夠匹敵甚至超越人類智能的人工智能，即該智能能夠成功勝任任何人類所能勝任的任務。

該強人工智能觀點是相對于目前的弱人工智能（Weak AI）或者稱applied AI的。再者，人類研究發(fā)現(xiàn)人工智能需要有類似人類一樣的知識庫進行支持，由此，知識庫工程——塞克工程由美國人萊納特 （Lenat）于1984年啟動，其目標是建立一個龐大的人類常識知識庫，用于回答和解決一系列的科學和技術難題，包括智能的本質(zhì)問題、自然語言理解和軟件脆弱性問題等。

人工智能與互聯(lián)網(wǎng)技術的結(jié)合統(tǒng)稱為 “網(wǎng)絡智能”。萬維學（WebScience）的概念比其更廣，有計算智能（Scott and Strachey，1966），遺傳算法和遺傳程序設計（GP）（Koza，1992） 和遺傳策略（ES）、演化算法（EA）等 。之后的大規(guī)模知識處理和智能體（agent）的應用，逐步使得人工智能在各領域不斷拓展。

二、對塞爾中文房間思想實驗的質(zhì)疑

在塞爾的思想實驗中，中文房間（Chinese Room）假定為房間內(nèi)僅有一個不懂漢語的人和一本規(guī)定好的中文規(guī)則書，通過使用規(guī)則書，房間外的人會認為房間內(nèi)的人能夠說流利的中文。對于這個思想實驗來說，有眾多的學者進行批判或者辯護，其中徐英瑾教授（2013）的12步邏輯推理尤為突出。但是在進行思想實驗之前，筆者覺得應該進行如下必要的界定或者定義：

首先需要選擇一個臨界值或者判斷值（退出值），給予明確的界定，什么程度上是懂漢語，什么程度上是不懂漢語。塞爾的中文房間與圖靈博士的圖靈測試最大的不同就是存在衡量標準。在圖靈博士的論文里，他首先提出了30%的衡量值，而在塞爾的中文房間中，并沒有類似臨界值或者退出值，這很容易讓人聯(lián)想自證，也就是說，這個實驗很可能是為了配合說明不可能而創(chuàng)造的，而不是為了驗證不可能而創(chuàng)造的。這種能夠自證的實驗，實際上是沒有任何意義的，因此在該實驗中需要確定一個判斷值。

其次，需要一個極其明確的關于規(guī)則書以及智能的界定。塞爾的觀點認為，雖然被試者可能被認為懂漢語，實際也是借助于規(guī)則書給予的答復，并不是自己正在理解漢語。目前我們暫時贊同其觀點，首先界定智能是什么，其次需要說明規(guī)則書其本身的意義。因為，如果說每個人都是智能的，那么根據(jù)生物學和腦神經(jīng)學，我們知道人的智能來自腦內(nèi)眾多神經(jīng)元相互交流進行放電，交換信息，構(gòu)建信息回路等等行為產(chǎn)生了人類的智慧，但是對于單個神經(jīng)元或者一小部分神經(jīng)元來說，這不算智能，但是對于整體一個人類來說，在某種程度上說，人類是借助腦內(nèi)的神經(jīng)元以及其通過構(gòu)造的聯(lián)接產(chǎn)生的智能。而同樣，對于單個不懂漢語的人來說，他確實不懂漢語，但是如果把此人加上那本規(guī)則書的這一個整體的話，是否可以認為整體是有智能的？

然后是對實驗的判斷：他心論證。塞爾認為，盡管房間外的人認為房間內(nèi)的人是懂漢語的，也不能認為房間內(nèi)的人是真的懂漢語的，本人對此表示有異議，因為這是典型的他心論證，這與莊子的“子非魚，安知魚之樂”類似。也可以說，塞爾教授并不是房間內(nèi)的人，也就無法得知房間內(nèi)的人是否真的不懂漢語。這種推理完全可以無休止的不斷推演下去，每一步都符合邏輯，每一步都正確，但是這樣的推理沒有任何實際意義，除了鍛煉你的腦力、嘴巴的靈活性以及引起觀眾們一陣哈哈大笑，別無他用。最后塞爾教授還忽略了一個很重要的要素：時間或者說頻率。當傳遞到屋內(nèi)的紙條足夠多，屋內(nèi)的人就會意識到某個問題和某一系列答案存在某些聯(lián)結(jié)。雖然塞爾對此產(chǎn)生一系列的辯解和反駁，比如說規(guī)則書對類似的問題的回答存在顯著差異性。但是有一點不否認，只要規(guī)則書存在，屋內(nèi)的人就可以回答問題，同時那個人能使用規(guī)則書，就說明這個人有足夠的能力理解事物，在足夠積累下，屋內(nèi)的人就會意識到聯(lián)系符號之間的聯(lián)系。這是一個概率問題而非一個哲學問題，這不僅是我們學習的過程，同樣也AlphaGo所利用的方法：通過大量的積累（蒙特卡洛樹搜索）加上感覺判斷（ValueNetwork）。在中文房間中，時間或者頻率就相當于人腦的記憶或者計算機的儲存區(qū)，人類把習得的鏈接，存儲在記憶區(qū)，在往后的學習中不斷強化，加速到鏈接到最精簡，這是我們會成之為精通。

三、關于有限理性與聯(lián)接

有限理性或者說有限推理是基于奎因的信念論衍生的觀點，奎因認為，信念（知識）是由多種信念組成的，可以與其他信念相互依賴，一起構(gòu)成認知結(jié)構(gòu)。這樣的信念網(wǎng)下不斷進行拓撲并達到一定程度，我們就可以得到認可或者否認一個結(jié)論或是假設。本人認為這就是人腦在思考方面的表現(xiàn)得形式，有限推導加信念網(wǎng)連接，可以稱作并行計算。當然這明顯不同于目前的計算機架構(gòu)，目前計算機架構(gòu)是串行計算，就是說其計算流程是線性型的，每個處理指令會排成既定隊形，進行有序處理。但是人腦的計算方式，可以看做一種并行計算。此處不深究計算機的處理模式，旨在于指出人腦的模式更像奎因的信念整體論的中網(wǎng)狀結(jié)構(gòu)。

在此稍微討論下基于有限推斷的情況下，嬰兒是如何學習這些復雜的知識的。首先對于嬰兒來說，他知道的知識幾乎為零，對世界充滿好奇，不知危險。而不知危險的主要原因是嬰兒與這個世界沒有任何聯(lián)系，所以嬰兒需要監(jiān)護的目的在于保護和監(jiān)督其不被傷害，同時讓嬰兒有機會學習和接觸這個世界的知識并建立與知識庫聯(lián)系。對于嬰兒來說這個知識庫何其龐大，以至于我們需要用10年20年甚至更久的時間來建立。但是人腦是如何建立并處理龐大的信息的呢？筆者認為一定有一種類似于中斷機制的有限理性進行阻止人腦的無休止的信念連接：

1.在當面對一個熟悉的事物的時候，一般會直接使用之前已經(jīng)存在固有的連接（快速鏈接），該鏈接可以不經(jīng)過中間的渠道直接傳輸?shù)街付ㄙY料庫，從起點直達終點，不需要過多的邏輯運算，這與奎因的信念網(wǎng)理論大概趨于一致，利用經(jīng)驗判斷，不消耗心智。當然對于嬰兒來說，對于這種熟悉畢竟占少數(shù)。

2.而面對不熟悉的事物是，人類無法通過已有的連接去了解它，所以需要對命題進入深入并且大量的思考，這會引起人類的主動學習行為。這時候，在沒有明顯外界干預或者干擾情況下，這個類似命題的愉悅程度會影響人類選擇學習或者放棄該命題。

a.如果選擇學習，大腦的也許就會建立新的連接并且隨著不斷學習，精簡連接，精簡到有限理性范圍內(nèi)，這樣就可以稱之為“掌握”該知識。加速思維速度。

b.如果選擇放棄，可以讓腦內(nèi)的資料庫不會變的非常龐大，從而進一步加速思維邏輯運作；但放棄的越多命題，會使得內(nèi)部資料庫變得越匱乏，這卻會減緩快速鏈接數(shù)量，減緩思維邏輯運作。

3.有這兩個機制會促使大腦因為產(chǎn)生過多的聯(lián)想而過載。但是很顯然，過載模式發(fā)生在成年人身上比較多：

a.對于嬰兒來說，在認知建立階段，你告訴他1+1=2，和1+1=3沒有任何區(qū)別，因為他沒有必要的知識庫做信念連接，也更沒有什么推演，完全的被動的學習。雖然這種特殊的學習方式會被誤導，或者得到于事實相悖的結(jié)論，但是不管如何，這個是最原始的學習方法卻非常類似于之前（1）中提到面對熟悉的命題，直接建立快速連接，這樣從另一方面驗證了嬰兒早教期間的驚人的快速學習能力。

b.但是對于成年人，他會借助之前的知識來建立過多的聯(lián)接，從而嘗試獲得更多全面的知識，但是這往往耗費大量的精力，這卻明顯阻礙其學習新知識的效率。

4.但是在學習的時候，你會發(fā)現(xiàn)，有些人因為所謂的“智商”不夠，覺得思考一些問題很費腦，即連接并沒有優(yōu)化或者連接太少，不足以理解其中的意義。因此擁有較低的學習效率，但是有些人會覺得很輕松，筆者認為那些認為輕松的人，很大程度上是因為他們之前有接觸過該部分的知識，并且已建立已有的連接，或者自己搭建了更加精簡的連接。

四、總結(jié)

本文以塞爾的中文房間思想實驗為依據(jù)，探討人類對學習和認定學會某項技能判定進行初步探討和設想。雖然塞爾的中文房間思想實驗本身存在諸多限制和不足，但是其依然提供了一個對于思想的邏輯性推理方面的思考。

目前人工智能雖然在專家系統(tǒng)方面，有著明顯的先天優(yōu)勢，即對某單一特殊的推理運算或者精確運算有遠勝于人類的能力。這些運算往往都具備一個基本特征：有原始特征輸入，等效于嬰兒的模仿學習。但是對于無原始特征的技能和能力，人工智能仍然弱于人類。筆者認為，這是因為人類的大腦存在有限推理的機制，就是說本身就存在一種可以自行總結(jié)歸納的，精簡思考的機制。正是有這種有限推理的機制，使得人類獲得了一種稱為“感覺“的能力，它能幫助人類成為人，提供能在一堆雜亂的數(shù)據(jù)中，發(fā)現(xiàn)新東西的能力亦或是創(chuàng)造力，這正是塞爾的中文房間所缺失的。

[1]Akman，V.（2000）.Rethinking context as a social construct.Journal of Pragmatics，32（6），743-759.

[2]Bayes，M.and Price，M.（1763） ‘An essay towards solving a problem in the doctrine of chances.By the late Rev.Mr.Bayes，F(xiàn).R.S.Communicated by Mr.Price，in a letter to John Canton，A.M.F.R.S’，Philosophical Transactions of the Royal Society of London，53（0），pp.370-418.doi：10.1098/rstl.1763.0053.

[3]CHALMERS，D.J.，F(xiàn)RENCH，R.M.and HOFSTADTER，D.R.（1992） ‘High-level perception，representation，and analogy：A critique of artificial intelligence methodology’，Journal of Experimental & Theoretical Artificial Intelligence，4（3），pp.185-211.doi：10.1080/09528139208953747.

[4]Clarke，D.A.and Minsky，M.L.（1968） ‘Computation：Finite and infinite machines’，The American Mathematical Monthly，75（4），p.428.doi：10.2307/2313471.

[5]Dreyfus，H.L.，Dreyfus，S.E.and Athanasiou，T.（1988） Mind over machine：The power of human intuition and expertise in the era of the computer.New York，NY：The Free Press.