来源：《中国社会科学文摘》2024年第3期P15—P16
作者单位：南京大学哲学系，摘自《自然辩证法研究》2023年11期
人工智能（简称AI）在20世纪50—80年代这一发展阶段被称为GOFAI，即好的老式人工智能，这是一种计算主义的ＡＩ建构方法。计算主义者在对计算与智能二者关系的考察中提出了一个计算机隐喻：“思维之于大脑，就像程序之于硬件”。也就是说，人的智能是一种可以通过计算来表示的智能，且这样的智能可以在机器上实现。这种将计算智能视为人类智能的观点遭到了许多学者的强烈批判。计算智能尽管不能完全代表人的真正智能，但不可否认，计算在人的智能活动中确实发挥着重要作用。
认知与计算主义
计算主义源于两个重要的观点：（１）大脑是某种机器；（２）认知是符号操纵。第一个观点可以追溯到17世纪控制机器行为的机械装置的发明，特别是机械计算器，它是一种由齿轮、杠杆等机械部件组成，能够执行简单的数字计算的机械装置。众所周知，数字是对物理对象某方面的现实状态的一种抽象，因此一个计算过程可以视为对物理对象的状态变化的描述，即计算解释。第二个观点在莱布尼茨的“演算推论器”那里可以得到充分解释。认知就是信息处理，演算推论器是一个形式演绎系统，只需应用规则于信息，认知就能以纯计算的形式展开。
早期的计算主义者是在直觉层面上描述计算同心智—身体之间的联系。到了20世纪30年代，计算开始成为逻辑分析的焦点，其中最重要的见解是丘奇论题和可计算性理论。（１）丘奇论题。它是一个关于可计算性理论的假设，即任何一种捕捉到我们对计算的直观概念的形式化都是等价的。（２）图灵的可计算性理论。与丘奇的经验假设不同，图灵从一个全新的角度定义了可计算函数：使用计算的机器模型（即图灵机）捕捉人的计算活动，即一个人在使用纸和笔做计算的全部过程。
GOFAI：一种计算主义的人工智能
计算主义将认知看作符号表征上的计算，通常采取具体计算，在具体计算中数字符通过排序形成字符串，形成的字符串是数字计算的载体，规则只是一个从输入字符串，加上可能的内部状态，到输出字符串的映射。在工程上，GOFAI在20世纪50年代中期到80年代中期产生了许多令人印象深刻的成就，主要分布在定理证明、玩游戏、语义信息加工和知识工程四个方面。
1.定理证明。1957年，纽厄尔、肖和西蒙编写了机器定理证明程序——逻辑理论家（Logic Theorist，简称LT）。通过模拟人类认知的启发过程，ＬＴ程序不仅成功证明了《数学原理》中52个定理中的38个，还发现了比怀特海和罗素所使用的定理2.85更短且更令人满意的证明。
2.玩游戏。受到图灵的启发，人工智能的研究工作率先在语言和以下棋游戏为代表的博弈活动中展开。香农讨论了数字计算机如何编写下棋程序，即计算棋局中的有利棋步、吃子的风险和主要威胁，并将每一种可能的棋路研究得足够长，以便能清楚把握每一种棋路的赢棋可能性。他相信按照这种方法编程的计算机能以人的速度下出一手相当出色的好棋。
3.语义信息加工。为了测试机器是否具有人类水平的智能，图灵提出了图灵测试。由于语言通常被看作人类思维的载体，所以，如果计算机成功欺骗人类，则可以认为该机器拥有人的认知水平，即只要机器的宏观功能与人的智能是相同的，就可以用“智能”一词来描述机器。
4.知识工程。启发式程序在LT上的成功应用使得西蒙和纽厄尔提出了进一步的大胆假设——通用问题求解程序（General Problem Solving，简称GPS），但GPS存在着概念上的困难，1967年纽厄尔自己也承认GPS是一条绝路。因此在一个限定领域（也有人称为“微世界”）中做研究工作的意义愈趋明显，专门的应用研究与基本原理研究开始明确地区分开来，费根鲍姆将这些在“微世界”中展开的应用研究工作称为“知识工程”。
对计算主义的哲学批判与回应
计算主义广泛存在于人工智能的理论论述中，或者为GOFAI的计算模型提供辩护，或者作为反例论证思维不是图灵机（或计算智能不是真正的智能）。这种张力一直贯穿在计算主义的发展过程中。最具代表性的批判来自塞尔和德雷福斯，他们都认为定义在抽象句法上的机器不可能具有人类的智能。
1.塞尔中文屋。针对人类智能的计算主义描述，塞尔设想了一个叫“中文屋”（Chinese room）的思想实验。“中文屋”实际上是在模拟一段计算机程序，即输入一段中文字符串（向塞尔递中文问题），通过算法（塞尔查找规则书），输出另一段中文字符串（塞尔送出中文回答）。这样一种只会计算却能完成人类智能行为的机器，塞尔认为是不具备真正的智能的。对于“机器能否思维”这个问题，他认为只有具备和大脑相同的因果能力的机器才能够思维。这种因果能力又称为意向性，它是一种心理状态，而程序是根据在纯形式句法上进行的计算操作来定义的。
2.具身性批判。德雷福斯从现象学的研究出发，认为智能更根本地源于生物的感觉运动能力，一种同现实世界的具身交互能力。如塞尔所言，智能需要理解，但获得这种理解能力需要计算机具有常识背景，而“一个成人获得这种背景是靠自己具有躯体，靠熟练地同物质世界交互，靠经过训练进入某种文化之中”。尽管GOFAI表征了人类的计算智能，但却忽略了身体的关键作用。历史表明，相比语言和符号推理能力，进化将部分精力用于建立人的感觉运动系统，一旦我们理解了这些系统看似简单的运作方式，有关智能的谜题可能会开始消失。
3.来自计算主义的回应。塞尔和德雷福斯的批判揭示了GOFAI并不具备真正的智能，连带其计算主义的ＡＩ建构方法也受到批判。尽管GOFAI确实没有达到早期“会思考的机器”的宣传，但是对GOFAI失败的指控显然是荒谬的。博登认为对GOFAI的哲学批判是在攻击稻草人。“中文屋”与具身性批判都旨在反驳计算主义的强AI承诺，因此二者本质上都是在反对以纯计算主义的方式去构建强AI。但需要指出的是，实际上并非所有的GOFAI研究者都致力于建构强AI，而且这些批判也没有否认计算主义可以作为强AI构建方法中的一部分。此外，由这些批判所衍生出的另外两种流行的AI建构方法——联结主义与动力系统方法也无法完全否定计算主义的合理性。联结主义的神经网络尽管比GOFAI在生物学上更合理，但就计算能力而言，根据丘奇论题，任何可以由神经网络完成的任务都可以由图灵机完成，这意味着即使大脑本质上是某种大型神经网络，原则上也可以用GOFAI技术对其进行模拟。受动力系统方法启发的具身AI注重机器的外部行为和与环境的持续互动，但是仍不可否认心智的符号表征的存在。
计算主义的新方向
计算主义并不是一种错误的理论，而是我们缺乏对计算的深刻理解。计算主义观念源于人工智能与认知科学紧密合作，认知科学的经验学科致力于发现人类如何做出智能行为，而人工智能的工程学科则测试认知科学的假设。
在我们看来，计算主义需要沿着这些新方向发展：其一，加强与认知科学的联系，关注智能的本质问题。GOFAI落入低谷以后，认知科学与人工智能的联系逐渐减弱。认知科学不再假设认知必须是计算或符号操纵，从只关注人工智能发展到只关注人的智能，而人工智能也更多地关注生物上的合理性，忽视智能的本质问题。其二，将符号建立在情境中，根据概念—角色语义，符号的意义是符号在认知生活中所扮演的角色所固定下来的，人工智能作为一个整体应该关注与环境的具身交互。其三，与联结主义或动态系统合作。神经网络在推理上的优势是其局部性和互联性，劣势是其会混杂数据间的因果关系，新一代计算主义如果与联结主义合作，或许可以将用于排除因果无关因素的基本框架公理建立到局部神经网络中避免噪声干扰；或者与动态系统合作，共同构建具身人工智能，将图灵所说的儿童程序内置于具身机器人中，该程序即是基本的心智表征。
联系客服
