↖  计算机机器能思考吗？——认知与真实..

[编按： 转载于 中国计算机学会通讯/应行仁， 2016-10期.]

心智是大脑的功能，而脑与心智之间的桥梁就是认知，我们以为真实的世界不过是人对外界的认知反映。

2000年，美国国家科学基金会和美国商务部确认了在新的世纪，带头学科将是NBIC，即纳米技术、生物技术、信息技术和认知科学。

研究报告说“聚合技术NBIC以认知科学为先导。因为一旦我们能够从如何(how)、为何(why)、何处(where)、何时(when)这4个层次上理解思维，我们就可以用纳米科技来制造它，用生物技术和生物医学来实现它，最后用信息技术来操纵和控制，使它工作。⋯⋯ 这些突破用于加快技术进步的步伐，并可能再一次改变我们的物种，其深远的意义可以媲美数十万代人以前，人类首次学会的口头语言知识。”

认知科学的基本观点，20世纪40~50年代开始在不同学科里散见。最初动力来自计算机对人类智能的模拟。1975年，美国斯隆基金将哲学、心理学、语言学、人类学、计算机科学和神经科学，整合投入到“在认识过程中信息是如何传递的”研究中。其时在功能主义旗帜下，符号主义的人工智能已经取得巨大成就，被期许为解读心灵的工具。加州大学伯克利分校哲学教授约翰·塞尔(John Searle)是它的主要批评者。1980年塞尔设计了“中文房间(Chinese room)”思想实验，来说明这样的机器其实不会思考。在其后的几十年中，许多学者不断地在学术刊物上争论此事，推动了对这个问题的深刻理解与认识。以至于计算机科学家帕特·海耶斯(Pat Hayes)笑称，“认知科学其实应该改名为：‘正在进行中的证明中文房间思辨错误的研究项目’(the ongoing research program of showing Searle’s Chinese Room Argument to be false)”。

一直到2010年，塞尔本人对这思辨也还在不断地更新。与莱布尼茨不同，塞尔并不反对机器具有意识和理解力的概念。毕竟科学进步了，人们不再认同身体与心智分离的二元论。塞尔起先不认为通过研究大脑可以了解心灵，后来承认大脑实际上也是个机器，但不相信形式的运算能够在大脑产生意识和理解力。最后他还是犹豫地说：如果神经科学分离出某种能够产生意识和理解力的过程，他才相信也许能制造出具有意识和理解力的机器。认知科学发展到今天，与过去已有很大的不同了，他也不无得意地说：“认知科学中最重要的发展，是认知科学家从（经典）认知科学的（符号主义）计算模型，转移到认知神经科学模型。”

对知觉、学习、语言、记忆、注意和意识的研究，首先要探索人类如何获取、加工、保持和利用信息，以此作为行为及获取后续知识的基础。在方法上现在仍分为两派。“干认知科学(Dry Cognitive Science, DCS)”是在计算主义旗帜下，通过建立计算模型，在计算机上模拟运行，以运行的状态与人类的行为对比来理解心智，同时发展人工智能技术。“湿认知科学(Wet Cognitive Science, WCS)”则基于生化和医学，对人脑进行电刺激或化学刺激的效应来观察脑损伤的影响，或记录进行信息处理时人脑的活动。“湿认知科学”的研究表明，意识体验是神经系统的产物，即使在没有外部信息输入时，也能够被脑中化学或电刺激所诱发。它虽然还不能解释我们怎样或为什么拥有意识体验，但已明确，意识体验是由人脑的神经活动产生的。

如今认知科学已经包含心智哲学、认知心理学、语言与认知、文化进化与认知、人工智能和认知神经科学6个方向，并在其中产生了许多交叉学科。在工程应用上，今日的智能机器已有媲美于人类辨识语音和人脸的能力，具备与人类在棋类上争雄的智力。它的核心是人工神经网络，人们对其了解介乎“干”和“湿”认知科学之间，理解还有很大困难。

自工业革命以来，机器的设计都是在科学理论的指导下，对实现其功能的因果机制，有着从整体到细节都能说清楚的理解。几十年前盛行的符号主义人工智能也是如此。

可惜这种符号主义的人工智能，模仿的只是人类意识之上讲逻辑的理性智能，对下意识基于模式识别的感性智能十分笨拙。而且哥德尔定理指出了形式推理系统的局限性，它甚至不能无矛盾地覆盖理性智慧的领域。于是，研究者另辟蹊径，模仿人脑神经组织的触发机制和网络结构，走向了联结主义。但人们对这巨量单元构成的系统，如何稳定地涌现出某种宏观的性质，仍然知其然而不知其所以然。创造智能机器如同生养孩子，能否成才，一半靠先天，一半靠学习，创造者无法通过授予来掌控，只能依靠自然竞争的原始法则来汰弱存强。

科学研究的基础是还原论，从具体复杂的系统中区分并抽象出简单的本质，用逻辑建立起它们之间的因果关系，来理解现象，认识世界，指导技术。自工业革命的几百年来，科学引领着技术、军事和经济突飞猛进，几乎被认为是理解世界的唯一正确途径。对于简单的关联，我们不难知晓因果，也容易理解。对于系统，要从复杂的相互推动中得知其结果，唯有用综合的计算来分析。

确定系统的数学模型，过去几乎是科研追求的终极目标。现在看来，这些成功不过是在它适用的主场上才所向披靡。对于混沌系统，虽然已经有着精确数学模型，但因为参数和初值变化对计算结果的敏感性，企图通过数值计算或理论分析来把握系统都是枉然。在联结主义描述的自然界的许多系统中，也遇到了类似的困难。

我们建立了数学模型，可以从输入计算所有的联结得知输出的结果，但是联结参数的任何变化都可能影响结果，而联结参数的各种不同也可以产生相同的结果，我们了解具体的输入输出关系，却无法综合分析这具有巨多参数的系统，无法理解它的奥秘，也不知如何有效地设置这些参数取得满意的功能。我们似乎又回到缺乏理论，回到凭借经验的前工业革命时代。值此，科学何以深入机制来理解心智？

另一方面，在这新世纪，如果不了解认知科学，不仅与之相关的学科无法深入发展，连传统学科，诸如数学、物理、生物、政治都将受到影响。这不仅因为科学主场之外遍地泥泞，而且说到底，我们对世界的认识只是外界在意识中的影像，我们所理解的世界只是内心用逻辑建立起的因果联系，所谓的知识不过是通过语言交流，能够与他人意识产生共鸣的内容。认知的研究将改变我们对世界的视角和理论。

语言是认知的必经途径。逻辑是串行传递信息的基础规则。句法和语法是语言表达的约定。无论是人还是机器，都可以根据逻辑，通过语句形式分析和事先的各种约定进行形式推理，获得等价或蕴含的不同表达。这也是数学推理和符号主义人工智能的功能。逻辑和数学都只是用来准确交流的工具，通过逻辑推理和数学计算都不产生新的内容。

语义不能通过句法分析来获得，语言的能指和所指分别在两个不同的空间，一方是形式的符号，另一方是符号的含义，无论怎么搬弄符号，都不可能触及符号所指定在另一空间的对应。所以赛尔说，形式运算不可能产生对语言内容的理解。那么，人类为什么能理解语言的含义？人们对话的驱动来自联想，其“理解”可能不同，但都对应着自己经验的内容。因为神经元的输出是对输入的模糊判断，神经网络联系着抽象概念的符号和经验感觉，人们解读语言，则是基于对语言所指经验感觉空间中的判断，由体验含义产生的意向来驱动应答。形式运算不能跨越它所在空间的边界。而神经网络基于经验感受的联想，则会越出逻辑的藩篱，产生新的内容。模仿这个机制的人工神经网络也是如此。

公理化数学中基本概念的定义只是同语反复和举例，它们的含义对应着个人自己解读的经验，社会文化使得这些经验有着共同的交集。但是严谨的数学证明不能越过形式逻辑的约束。上个世纪数理逻辑里最亮丽的风景线，哥德尔不完备性定理、塔斯基不可定义性定理和图灵停机问题不可判定性定理，分别表达了数学形式证明能力的局限性、形式语言表达能力的局限性和机器计算能力的局限性。那么依赖于演绎推理的科学理论能够完美地反映外在世界吗？

一切历史都是思想史，历史真相和事变原因都是研究者根据记载，鉴别挑选、归纳整理，依自己观点演绎而成。流传到今则信以为真。自然科学也是如此。物理学是科学研究的典范。它原来只是根据观察，用简单数学计算测量数量间的关系。

自从牛顿用力的定义联系时间、空间和质量的概念，建立起力学大厦，那种从定义和定律出发，建立数量关系公式和演绎推理，成为认识世界的范式；数学模型中的象征符号，便成为我们认识世界的基石。时间和空间原来是抽象的概念，不能被我们的感官所直接触知，它们被某种器械度量所规定，被引入描写世界的数学模型中，经过几百年的教化，便成为真实的存在。随之有了力、粒子、波、场等等，然后用这些基石继续构建我们想象中的真实世界。爱因斯坦把引力从世界的基本构件中抹去，变成了弯曲时空的属性，现代理论物理学家进一步质疑我们曾经引进的各种力，代之以高维空间中物体的属性。

只是历史还不够久远，数学上过于高深，还未能植入大众的内心。很多人认为真实无疑的世界还残留着过去构建它的许多遗迹，诸如热、弹性、连续介质、有着中子和质子球的原子核、围着原子核旋转的电子等等。这如同古人与鬼神并存的世界一样的真实或不真实。

康德对此早有分析，我们对外界世界的理解是通过时间和空间的概念抽象出来的，这种抽象的理性理解与客观世界本身有距离，理性对世界的诠释是以思维逻辑为参照的，而不是以物体本身为参照物的。思想家齐泽克(Slavoj Zizek )继承拉康的结构主义精神分析学，认为对动物而言没有真实与虚假的分别。人类用象征符号来解释自然环境，在语言、法律、文化的规则下建立起的象征秩序，符合它的就被认为是真实的。另一方面，象征秩序用自己的系统与逻辑去解释一切事物，而自然世界却有自身的法则和规律。象征秩序充其量只能在可能的范围内，根据自己的逻辑以抽象思维的形式去理解事物的表面现象。

简言之，我们所理解的世界并不是世界的本身，只是用象征符号构成的幻象。世界如此的和谐，是因为我们对它的认识是用逻辑构建的，凡是不合适的模型都被剔除，不能纳入的存在和矛盾都已被科学意识形态所忽略。但是，运用演绎推理的科学理论体系的局限性，注定不能无矛盾地解释一切。粒子和波的运动模式已是力学坚实的模块，成为物理学者能够直观想象的真实，但量子却部分地兼有这互斥的模式，这在我们感到的真实的世界里无从想象；现代物理需要借助数学技巧来扩充系统，以便容纳冲突的解释。原来直观清晰的物理世界，坠入抽象复杂的数学迷宫。我们终于到了科学主场的边缘，面对越来越难以理解的世界了。

理性的认知沿着语言约束的一维逻辑推理的路径前进，它非常有效地传递知识，复制发展，造就今天的科技进步，却无法涵盖包括辨识、情感、直觉等人类也赖以生存的智能。如今进入大数据时代，推动着工程师寻找新技术。传统科学那种从统计数据，总结规律，逻辑分析，先了解“为什么”，再得出“是什么”的理性方法，已经不敷这多变、复杂、即时的应用了。市场需要类似于动物的本能，基于经验及时反应的智能，现在大数据深度学习的智能，从理性科学方法，转向直接从数据中在线学习模式反应的“感性”方法。我们的工程师也已经成为这个联结网络庞大机器中的一环，以仅仅部分理解和猜测的方式，为机器涌现出来的智能工作。这让我们反思，为什么我们还要坚持掌控一切，不能与无法完全理解的机器合作来认识和改变世界？随着机器智能的进化，也许正引导着人类思想模式的改变。

人的思维能够指向自身，这产生了自我意识。未来的智能机器，指向自身的思考和在世界中定位的认识，可能也会产生自我意识。但这并不意味着，我们能够在逻辑上理解它的产生。意识返视的肯定，得出是“我思故我在”。意识对自身的质疑则导致悖论。指向自身的理性思考，是个自我指涉的逻辑过程，必将陷入无穷的纠缠而无法明了。人类心智的奥秘，也许是上帝最后的秘密，我们可以猜测模仿，却无法用理性得到终极的答案。在群体语言交流中形成的自我，也许只是个无意识产生的幻象。

本页Url