机制主义方法与人工智能统一理论

机制主义方法与人工智能统一理论

摘要:报导人工智能研究的一项重要进展:由于发现了人工智能研究的“机制主义”模拟方法和“知识的生态学结构”,使原来“鼎足三分”的3个主流学说(结构模拟、功能模拟和行为模拟学说)在“机制主义方法”的基础上实现了和谐的统一,形成了统一理论,从而为人工智能的发展提供了新的基础。

关键词:结构模拟;功能模拟;行为模拟;机制主义方法;人工智能统一理论

1人工智能成为信息科学技术的焦点

信息是事物存在方式和运动状态的表象;知识是由信息提炼出来的产物,是事物存在方式和运动规律的本质表征;智能是知识和目的演绎的结果,是运用知识来认识问题和解决问题的能力。信息科学技术的研究目标不仅是为了认识和利用信息本身,更重要的是为了“利用信息、提炼知识、生成智能、解决问题”。后者,就是“人工智能”的研究。

人,是地球上所存在的最高级信息系统。人体信息系统的进化表现了一个重要的科学规律:在感觉器官、神经系统、古皮层旧皮层、行动器官成熟之后,新皮层就成为整体发展的焦点。信息技术的发展也遵循同样的规律:在传感(感觉器官功能的扩展)、通信(传导神经系统功能的扩展)、计算(古皮层旧皮层功能的扩展)、控制(行动器官功能的扩展)充分发展起来之后,人工智能(新皮层功能的扩展)就成为信息技术整体发展的焦点。

进入21世纪,传感、通信、计算、控制以及基于通信和计算的互联网都获得了长足的发展,智能传感、智能通信、智能计算、智能控制、智能信息处理、智能机器人、智能信息安全、智能游戏等已经成为备受关注的方向,因而它们的共同基础——人工智能本身的发展客观上就成为了当代信息技术发展的焦点。

2人工智能研究现状简述

迄今,人工智能的研究形成了3种主流学说。

1) 1943年以来形成的模拟人脑结构的“结构模拟学说”[1-5],它的典型代表是人工神经网络(后来与模糊逻辑及进化计算相结合,称为计算智能)。它的特点是:

通过对“信息样本的训练”获得经验知识和策略,用以解决形象思维一类智能问题。

2) 1956年以来兴起的模拟人脑逻辑思维功能的“功能模拟学说”[6-10],典型代表是符号逻辑系统(如专家系统)。它的特点是:通过获取领域相关的规范知识和运用逻辑演绎的方法获得求解问题的策略,求解逻辑思维一类智能问题。

3) 1990年前后发展起来的模拟智能系统行为的“行为模拟学说”[11],它的典型代表是黑箱系统(如感知—动作系统)。它的特点是:需要建立刺激与响应之间的关系(表现为常识知识),于是只要识别了刺激的类型,与之相关的响应就可以自动产生。

目前的人工智能研究还存在许多问题。主要问题之一是,在“三种学说”各自取得进展的同时,却很少互相沟通。不仅如此,互相之间还存有“孰优孰劣”的争论,有时争论还非常尖锐和激烈[12],表现出三者之间的不和谐,形成“鼎足三分”的格局。

这种“鼎足三分互不沟通”的状况,不能不使人们深思,并且逐渐醒悟:看来,现有人工智能的各种研究方法还没有真正抓住智能问题的本质,致使“三分”状态未能实现“归一”;为此,当务之急就是要加紧研究和发现更加深刻更加科学的研究方法。

3人工智能理论研究的新进展

3.1新进展之一:人工智能的第4方法——机制主义方法

智能是一种复杂的研究对象。智能系统的结构、功能、行为虽然都是窥探其中奥秘的重要观察窗口,却不是最根本的入口。

本文的研究发现:探索智能奥秘最具本质意义的途径,应当是探寻和阐明“智能生成的机制”,回答“智能是怎样生成的”这样根本的问题,特别要把注意力放在“智能生成的共性核心机制”的问题上。这就是人工智能研究的第4种方法的基本理念。

按照这个新的理念,我们分析了典型的智能活动过程,考察了隐藏其中的普遍规律。

 典型的智能活动过程。

无论何种场合,典型的智能活动过程一般都应当包含以下6个基本步骤:

1) 给定问题P、目标G和环境E,称为“任务给定”。

2) 获得关于问题、目标、环境的信息,称为“信息获取”,符号表示为:I(P, G, E)。

3) 把这些信息加工成为相应的知识,称为“知识提炼”,符号表示为: = f (I)。

4) 在目标的引导下把知识和信息演绎成为解决问题的策略,称为“策略生成”,符号表示为: = g (K, I, D)。

5) 把策略转换为行为,求解问题,称为“策略执行”。

6) 把求解的效果(误差)作为新的信息反馈至2),通过2)至5)的步骤调整和优化策略,称为“反馈优化”;逐次逼近,直至满意。

智能活动过程的普遍规律。

考察上述典型的智能活动过程不难发现:通常,1)是由人给定的,2)至6)则可以由机器执行;而机器执行的这些步骤之中,2)至4)——信息获取、知识提炼、策略生成是核心步骤。考虑到“策略”是智能的集中体现,所以,策略生成也可以成为智能生成。于是,这些核心步骤也可以表示为:信息获取、知识提炼、智能生成。信息获取、知识提炼、智能生成是逐层递进的过程,由此可以得出结论:智能生成的共性核心机制是“信息—知识—智能转换”。符号表示为:

 = g (, I, G)(1)

其中,

 = f (I (P, G, E)) (2)

公式(2)表示的是由信息到知识的转换;公式(1)表示的是在目标制导下由信息和知识到智能的转换;两者的综合表示了“信息—知识—智能”的转换。关于公式中的转换g和f,原则上可以认为:f 是一类由大量信息样本提炼共性知识的“归纳算法”,而g则是在目标制导下由相关知识和信息演绎智能策略的“演绎算法”。因此,它们在原则上是可以操作和可以实现的。不过,关于g和f还需要做出如下的说明:

1) 在规范的场合,转换g和f可能由“数学”表达式来严格地表示并进行运算。

2) 在更多的场合,由于智能问题的复杂性,这些转换不一定能够用现有的数学表达式来表示。这时,可能要借助“逻辑”来表达和推理。

3) 在许多更为复杂的情形,现有的逻辑学也无能为力。这时,可以用“算法程