浅谈人工智能与有限理性

林 璐 （卡迪夫大学，英国卡迪夫 CF103EU）

一、人工智能发展概述

纵观历史，关于智能的追问，最早可以追溯到古希腊时期，古希腊的形式主义思维，对基于形式主义语言的研究以及语言逻辑的研究有着深入的进展，其中不乏许多重要的哲学家，诸如毕达哥拉斯，苏格拉底，柏拉图，亚里士多德等。但是在此之后的研究，哲学逐渐偏向了思想和人类本源的研究，讨论关于思想意识的问题，特别是形而上学、笛卡尔的二元论以及康德哲学。现代之后对于人工智能哲学的思考，依然是不断追问最基本的智能和意识的讨论。

现代人工智能的研究是建立在之前各个领域对人工智能这一概念在各领域内进行的摸索和实验上的，其中以自动化和智能化——计算机程序为主。人工智能的发展在经历19世纪末的繁荣期和20世纪初的衰落期后，其后的研究主要集中在对人工智能学习能力和自然语言处理能力的研究（NLP）上，同时也逐渐开始关注智能的定义。在后来的研究发展中，图灵（1950）提出了经典问题：“机器是否会思考?”以及他的模拟游戏和其衍生的图灵实验，通过与人交流，来确定该机器是否智能。之后人工智能逐渐开始有三个流派发展的倾向。

1.Symbolicism （符号主义），又称为逻辑主义（Logicism）、心理学派 （Psychlogism）或计算机学派（Computerism），其原理主要为物理符号系统，即符号操作系统假设和有限合理性原理。主要成就是上个世纪的专家系统。

2.Connectionism（联结主义），又称为仿生学派（Bionicsism）或生理学派（Physiologism），其主要为通过模拟神经网络及神经网络间的连接机制在尝试创造类似人脑的处理系统和模型并且学习算法不断进化学习。目前主要有深度学习（deep learning），和深度神经网络（Deep Neural network algorithm）。

3.Evolutionism（进化主义）或 Cyberneticsism（控制论学派），又称Actionism（行为主义），其原理为控制论及感知-动作型控制系统。行为主要主要贡献是在机器人控制系统方面的发展。

在近代，人工智能逐渐开始有了新的发展，其中Searle（1980） 提出了一个强人工智能（Strong AI）的概念。他认为强人工智能是一种能够匹敌甚至超越人类智能的人工智能，即该智能能够成功胜任任何人类所能胜任的任务。

该强人工智能观点是相对于目前的弱人工智能（Weak AI）或者称applied AI的。再者，人类研究发现人工智能需要有类似人类一样的知识库进行支持，由此，知识库工程——塞克工程由美国人莱纳特 （Lenat）于1984年启动，其目标是建立一个庞大的人类常识知识库，用于回答和解决一系列的科学和技术难题，包括智能的本质问题、自然语言理解和软件脆弱性问题等。

人工智能与互联网技术的结合统称为 “网络智能”。万维学（WebScience）的概念比其更广，有计算智能（Scott and Strachey，1966），遗传算法和遗传程序设计（GP）（Koza，1992） 和遗传策略（ES）、演化算法（EA）等 。之后的大规模知识处理和智能体（agent）的应用，逐步使得人工智能在各领域不断拓展。

二、对塞尔中文房间思想实验的质疑

在塞尔的思想实验中，中文房间（Chinese Room）假定为房间内仅有一个不懂汉语的人和一本规定好的中文规则书，通过使用规则书，房间外的人会认为房间内的人能够说流利的中文。对于这个思想实验来说，有众多的学者进行批判或者辩护，其中徐英瑾教授（2013）的12步逻辑推理尤为突出。但是在进行思想实验之前，笔者觉得应该进行如下必要的界定或者定义：

首先需要选择一个临界值或者判断值（退出值），给予明确的界定，什么程度上是懂汉语，什么程度上是不懂汉语。塞尔的中文房间与图灵博士的图灵测试最大的不同就是存在衡量标准。在图灵博士的论文里，他首先提出了30%的衡量值，而在塞尔的中文房间中，并没有类似临界值或者退出值，这很容易让人联想自证，也就是说，这个实验很可能是为了配合说明不可能而创造的，而不是为了验证不可能而创造的。这种能够自证的实验，实际上是没有任何意义的，因此在该实验中需要确定一个判断值。

其次，需要一个极其明确的关于规则书以及智能的界定。塞尔的观点认为，虽然被试者可能被认为懂汉语，实际也是借助于规则书给予的答复，并不是自己正在理解汉语。目前我们暂时赞同其观点，首先界定智能是什么，其次需要说明规则书其本身的意义。因为，如果说每个人都是智能的，那么根据生物学和脑神经学，我们知道人的智能来自脑内众多神经元相互交流进行放电，交换信息，构建信息回路等等行为产生了人类的智慧，但是对于单个神经元或者一小部分神经元来说，这不算智能，但是对于整体一个人类来说，在某种程度上说，人类是借助脑内的神经元以及其通过构造的联接产生的智能。而同样，对于单个不懂汉语的人来说，他确实不懂汉语，但是如果把此人加上那本规则书的这一个整体的话，是否可以认为整体是有智能的？

然后是对实验的判断：他心论证。塞尔认为，尽管房间外的人认为房间内的人是懂汉语的，也不能认为房间内的人是真的懂汉语的，本人对此表示有异议，因为这是典型的他心论证，这与庄子的“子非鱼，安知鱼之乐”类似。也可以说，塞尔教授并不是房间内的人，也就无法得知房间内的人是否真的不懂汉语。这种推理完全可以无休止的不断推演下去，每一步都符合逻辑，每一步都正确，但是这样的推理没有任何实际意义，除了锻炼你的脑力、嘴巴的灵活性以及引起观众们一阵哈哈大笑，别无他用。最后塞尔教授还忽略了一个很重要的要素：时间或者说频率。当传递到屋内的纸条足够多，屋内的人就会意识到某个问题和某一系列答案存在某些联结。虽然塞尔对此产生一系列的辩解和反驳，比如说规则书对类似的问题的回答存在显著差异性。但是有一点不否认，只要规则书存在，屋内的人就可以回答问题，同时那个人能使用规则书，就说明这个人有足够的能力理解事物，在足够积累下，屋内的人就会意识到联系符号之间的联系。这是一个概率问题而非一个哲学问题，这不仅是我们学习的过程，同样也AlphaGo所利用的方法：通过大量的积累（蒙特卡洛树搜索）加上感觉判断（ValueNetwork）。在中文房间中，时间或者频率就相当于人脑的记忆或者计算机的储存区，人类把习得的链接，存储在记忆区，在往后的学习中不断强化，加速到链接到最精简，这是我们会成之为精通。

三、关于有限理性与联接

有限理性或者说有限推理是基于奎因的信念论衍生的观点，奎因认为，信念（知识）是由多种信念组成的，可以与其他信念相互依赖，一起构成认知结构。这样的信念网下不断进行拓扑并达到一定程度，我们就可以得到认可或者否认一个结论或是假设。本人认为这就是人脑在思考方面的表现得形式，有限推导加信念网连接，可以称作并行计算。当然这明显不同于目前的计算机架构，目前计算机架构是串行计算，就是说其计算流程是线性型的，每个处理指令会排成既定队形，进行有序处理。但是人脑的计算方式，可以看做一种并行计算。此处不深究计算机的处理模式，旨在于指出人脑的模式更像奎因的信念整体论的中网状结构。

在此稍微讨论下基于有限推断的情况下，婴儿是如何学习这些复杂的知识的。首先对于婴儿来说，他知道的知识几乎为零，对世界充满好奇，不知危险。而不知危险的主要原因是婴儿与这个世界没有任何联系，所以婴儿需要监护的目的在于保护和监督其不被伤害，同时让婴儿有机会学习和接触这个世界的知识并建立与知识库联系。对于婴儿来说这个知识库何其庞大，以至于我们需要用10年20年甚至更久的时间来建立。但是人脑是如何建立并处理庞大的信息的呢？笔者认为一定有一种类似于中断机制的有限理性进行阻止人脑的无休止的信念连接：

1.在当面对一个熟悉的事物的时候，一般会直接使用之前已经存在固有的连接（快速链接），该链接可以不经过中间的渠道直接传输到指定资料库，从起点直达终点，不需要过多的逻辑运算，这与奎因的信念网理论大概趋于一致，利用经验判断，不消耗心智。当然对于婴儿来说，对于这种熟悉毕竟占少数。

2.而面对不熟悉的事物是，人类无法通过已有的连接去了解它，所以需要对命题进入深入并且大量的思考，这会引起人类的主动学习行为。这时候，在没有明显外界干预或者干扰情况下，这个类似命题的愉悦程度会影响人类选择学习或者放弃该命题。

a.如果选择学习，大脑的也许就会建立新的连接并且随着不断学习，精简连接，精简到有限理性范围内，这样就可以称之为“掌握”该知识。加速思维速度。

b.如果选择放弃，可以让脑内的资料库不会变的非常庞大，从而进一步加速思维逻辑运作；但放弃的越多命题，会使得内部资料库变得越匮乏，这却会减缓快速链接数量，减缓思维逻辑运作。

3.有这两个机制会促使大脑因为产生过多的联想而过载。但是很显然，过载模式发生在成年人身上比较多：

a.对于婴儿来说，在认知建立阶段，你告诉他1+1=2，和1+1=3没有任何区别，因为他没有必要的知识库做信念连接，也更没有什么推演，完全的被动的学习。虽然这种特殊的学习方式会被误导，或者得到于事实相悖的结论，但是不管如何，这个是最原始的学习方法却非常类似于之前（1）中提到面对熟悉的命题，直接建立快速连接，这样从另一方面验证了婴儿早教期间的惊人的快速学习能力。

b.但是对于成年人，他会借助之前的知识来建立过多的联接，从而尝试获得更多全面的知识，但是这往往耗费大量的精力，这却明显阻碍其学习新知识的效率。

4.但是在学习的时候，你会发现，有些人因为所谓的“智商”不够，觉得思考一些问题很费脑，即连接并没有优化或者连接太少，不足以理解其中的意义。因此拥有较低的学习效率，但是有些人会觉得很轻松，笔者认为那些认为轻松的人，很大程度上是因为他们之前有接触过该部分的知识，并且已建立已有的连接，或者自己搭建了更加精简的连接。

四、总结

本文以塞尔的中文房间思想实验为依据，探讨人类对学习和认定学会某项技能判定进行初步探讨和设想。虽然塞尔的中文房间思想实验本身存在诸多限制和不足，但是其依然提供了一个对于思想的逻辑性推理方面的思考。

目前人工智能虽然在专家系统方面，有着明显的先天优势，即对某单一特殊的推理运算或者精确运算有远胜于人类的能力。这些运算往往都具备一个基本特征：有原始特征输入，等效于婴儿的模仿学习。但是对于无原始特征的技能和能力，人工智能仍然弱于人类。笔者认为，这是因为人类的大脑存在有限推理的机制，就是说本身就存在一种可以自行总结归纳的，精简思考的机制。正是有这种有限推理的机制，使得人类获得了一种称为“感觉“的能力，它能帮助人类成为人，提供能在一堆杂乱的数据中，发现新东西的能力亦或是创造力，这正是塞尔的中文房间所缺失的。

[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.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.，FRENCH，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.