|
（一）人工智能发展的三个阶段 我国明代的科学家宋应星将他有关实用科学的书题名为《天工开物》可谓哲理深厚。用现代人的眼光来看，这涉及两种不同的物质，一种是由“鬼斧神工”自然形成的自然物质，另一种是由人的智慧开发出来的“开物”。从简单的石器工具到内燃机、电动机都代替和节约了人的体力，只有电子计算机的出现才使人感到机器也可能代替和节约人的一部分智力。人工智能，作为探讨人脑和心智原理的尖端科学和前沿性的研究，半个多世纪以来，经历了艰难曲折的发展过程，大致上可以划分为三个发展阶段： 第一个阶段（20世纪40年代中期到50年代中期），这是以控制论、信息论和系统论作为理论基础，对人工智能开始探索的前期。1950年，英国数学家图灵(A,M．Turing)在《心智》杂志上发表标题为“计算的机器与智能”的论文，提出了机器可以思维的问题，直接推动了现代人工智能的发展。第二个阶段，从20世纪50年代中期到80年代末期，被称为经典符号时期。人工智能与认知心理学、认知科学开始了相依为命的发展历程。第三个阶段，从20世纪80年代末期到现在，被称为联结主义时期，其特点是采用分布处理的方法通过人工神经网络来模拟人脑的智力活动。 （二）人工智能研究面临的挑战 尽管计算机类比的确对我们探讨人脑的心智过程提供了不少的知识，但人脑的工作原理又的确与计算机有本质的区别。正如诺伊曼所指出的：计算机和人脑的工作原理非常不同，计算机是离散的，遵循布尔逻辑，按照预定的程序得出精确的可以重复的结果，人脑是非离散的，遵循复杂的，依赖历史文化经验来得出近似的不确定的结果。正如牛津大学著名的神经科学家格林菲尔德在1994年出版的《人脑之谜》一书中指出：“我们的大脑就像一本数百万页的巨型著作，其中每一句都必须依赖其他的句子来确定自身的含义，也许我们终有一天能读完这本巨著，但永远也不可能完全理解它。” 目前，人工智能的发展面临来自于下列几方面的挑战：一是生态学的挑战，认为独立于生态环境的内部表征不能揭示人的认知本质。人类完成现实任务的过程不是一种逻辑的、理性的、按部就班的符号处理，使用的是启发式、表象、模糊的、近似的和不同策略的处理方式。二是社会学的挑战。社会学认为人工智能千方百计地避免了社会文化因素和历史经验以及情感对人类认知过程的影响。三是现象学的挑战和解释学的挑战。现象学认为，电脑没有考虑人类思维或认知过程中意识的作用。计算机，尤其是早期的物理符号加工模式不涉及意识的现象性、意向性和内省性等问题。此外，解释学认为人工智能多注重认知的实验性和实证性，但有待加强其理论概括和解释性。 面对来自生态学、社会学、现象学和解释学等方面的挑战，从20世纪90年代中叶以来，人工智能的发展趋势是日益关注影响认知的社会因素，从进化和发展的新视角和采用统一认知架构的方法来探讨认知的原理。 一是密切关注影响认知的社会因素，克服认知的个体主义，关注认知与知识获得的社会意义和作用，正如萨加德在1994年出版的《心智、社会与知识的增长》-书中所指出的：认知科学要力求解释科学家为什么时而获得新信念，时而放弃旧信念。鉴于科学家的个人境遇，可能涉及个人抱负和民族情感，也可能涉及社会联系和权威关系。二是选择进化和发展的新视角，强调认知科学应重视“学习”与发展问题。生物体需要预测未来，这种学习与预测能力是一种自然进化的产物。正如吉卜森在题为“人类进化的工具、语言和认知”的国际学术研讨会上所指出的：“人类的社会智力、工具的使用和语言都依赖脑量和相关的信息处理能力的增加。”三是统一认知架构。所谓认知构架大致上是指建立在概念、方法和数据基础之上的组织性构架，近期关于认知架构讨论的一个重要方面是如何确认电脑的认知本质，例如，因特网就算是一个基本框架。人工智能需要把我们的目标从精确、没有错误但彼此孤立的系统变成有弹性的协作的系统。如果一味地扩展电脑的刚性模式是注定要失败的。 |
|
|
