摘要符號主義綱領(lǐng)是人工智能領(lǐng)域?qū)⒎�號學(xué)和人工智能結(jié)合起來的一個重要研究范式。在其發(fā)展過程中遭遇到了諸如組合爆炸、常識困境和翻譯難題等棘手的問題。符號主義的窘境是其自身缺憾導(dǎo)致的，這種缺憾在西方科學(xué)哲學(xué)中的邏輯實證主義那里有著同質(zhì)的表現(xiàn)，人工智能的終極目標(biāo)也決定了符號主義必然無法完成類腦智能的目標(biāo)而被連接主義和行為主義取代。

　　關(guān)鍵詞人工智能;符號主義;數(shù)理邏輯;困境

　　2017年7月發(fā)布的國務(wù)院《新一代人工智能發(fā)展規(guī)劃》中指出，“到2030年人工智能理論、技術(shù)與應(yīng)用總體達到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心，智能經(jīng)濟、智能社會取得明顯成效，為躋身創(chuàng)新型國家前列和經(jīng)濟強國奠定重要基礎(chǔ)”①。

　　人工智能的發(fā)展經(jīng)歷了若干個階段，每個階段均有其研究綱領(lǐng)。符號主義綱領(lǐng)可以說是人工智能領(lǐng)域中最早出現(xiàn)的，也是最重要的研究綱領(lǐng)，其基本原理與計算機的運行模式有著共通之處。梳理符號主義綱領(lǐng)的理論主張及其困境，有助于我們理解人工智能的發(fā)展路向和未來前景。

　　一符號主義與人工智能

　　符號學(xué)是由索緒爾、皮爾斯提出，經(jīng)由莫里斯發(fā)展，喬姆斯基進一步完善的一種研究符號的本質(zhì)、意義、變化規(guī)律的學(xué)說。因為強調(diào)符號的作用與本體論地位，符號學(xué)發(fā)展出了符號主義。

　　符號主義是人工智能領(lǐng)域的第一個研究綱領(lǐng)，其主旨在于以邏輯推理為工具來對人的行為進行智能模擬。符號主義綱領(lǐng)在很長的時間里主導(dǎo)著人工智能技術(shù)的研究方向。符號主義的理論基礎(chǔ)是符號學(xué)理論。約翰·迪利認(rèn)為，符號學(xué)是以某種約定俗成的前提為基礎(chǔ)，具有本體論的意義。學(xué)界一般認(rèn)為，符號主義綱領(lǐng)的最早倡導(dǎo)者是瑞士作家、語言學(xué)家索緒爾。在其名著《普通語言學(xué)教程》中，索緒爾提出了符號的概念。他認(rèn)為世間的符號有多種，我們平時所說的符號主要指語言符號。

　　符號是一種有著特殊內(nèi)涵和外延的概念，它只存在于人類獨有的文化范圍之內(nèi)。在此，索緒爾賦予符號以本體論的地位，認(rèn)為符號學(xué)的地位大大高于他之前所研究的語言學(xué)。因為不管我們使用的是哪種語言，均可以被理解為表達人類思想觀念的某種符號系統(tǒng)，是我們的文化傳統(tǒng)、社會生活和科學(xué)研究各個領(lǐng)域均不可或缺的重要內(nèi)容。美國哲學(xué)家皮爾斯進一步發(fā)展了索緒爾的符號學(xué)理論。他指出，符號、對象和解釋項是符號學(xué)研究的三個對象。

　　在這三者中，符號是第一位的，對象居其次，而解釋項則是第三性的。對于三者的關(guān)系，首先是符號決定了解釋項，其次是對象決定了符號，同時對象通過符號這個中介間接地決定了解釋項。總的來說，符號相對于對象來說是被動的，但它對于解釋項來說則是主動的。或者說，因為有了對象才可能有符號，而解釋項則賦予了符號意義。對象是符號得以存在的前提，而解釋項則是符號產(chǎn)生的結(jié)果，是符號的一種能力。將符號學(xué)理論與人工智能及其應(yīng)用結(jié)合起來，便出現(xiàn)了人工智能領(lǐng)域的符號主義綱領(lǐng)。

　　按照符號學(xué)的主張，人類的所有知識都是某種形式的信息，都通過語言和非語言的符號來表示，而數(shù)理邏輯則是符號化知識的典型形式。人類的認(rèn)知過程說到底就是一個處理符號的過程，因為對世界的認(rèn)知離不開理性的推理過程，而理性的推理過程可以通過形式化的語言尤其是數(shù)理邏輯(歸根結(jié)底是符號)來完成。西方歷史上通過這種方式構(gòu)建起來的知識體系充分說明了數(shù)理邏輯的有效性。

　　例如古希臘的數(shù)學(xué)家歐幾里得就曾通過幾條不證自明的預(yù)設(shè)性公理，用邏輯推理的方法得到了包括定律、定理、推論等在內(nèi)的一個龐大而復(fù)雜的知識理論體系。他將數(shù)學(xué)知識通過邏輯推理的形式演繹出來，構(gòu)建起一個體系完整、邏輯嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)學(xué)科。這樣一種自公理出發(fā)，通過邏輯方法進行演繹的學(xué)科發(fā)展方法成為西方文明中的一種標(biāo)準(zhǔn)范式。近現(xiàn)代西方物理學(xué)的發(fā)展如牛頓、愛因斯坦所建構(gòu)的經(jīng)典力學(xué)和相對論也是按照公理方法演繹出來的科學(xué)理論。

　　如前所述，人類的知識都是以某種形式表達出來的信息，基于數(shù)理邏輯推理的人類認(rèn)知實際上是一種符號處理過程。符號主義的代表人物西蒙、紐厄爾、尼爾遜等人進一步指出，人類認(rèn)知過程和思維過程的本質(zhì)都是某種符號運算過程，人和計算機從某種意義來說都是一個物理符號系統(tǒng)，由此可以推測，我們完全有可能將人類智能與機器智能兩者結(jié)合起來。

　　為了做到這一點，首先，我們要弄清楚人類自身的智能系統(tǒng)運行所遵循的功能原理;然后就可以通過形式化的符號來描述人類智能的認(rèn)知過程。最后，將這些經(jīng)過形式化處理的符號輸入到能夠處理這些符號的高級計算機中，能夠局部甚至全部模仿人類智能的智能機器系統(tǒng)就建立起來了。這個智能機器系統(tǒng)可以代替人類完成一些復(fù)雜的計算和推理工作。實際上17世紀(jì)德國著名的數(shù)學(xué)家、哲學(xué)家萊布尼茨曾經(jīng)嘗試做過這種人工智能的設(shè)想。著名的人工智能專家西蒙(H.A.Simon)將符號主義和物理主義結(jié)合起來，建立了物理符號系統(tǒng)，人工智能領(lǐng)域中的符號主義綱領(lǐng)就正式形成了。他跟紐厄爾一起指出，一個物理符號系統(tǒng)經(jīng)過處理之后可能“具有一般智能行為的必要和充分的手段”①。

　　他們視能執(zhí)行Lisp變種表處理程序的智能計算機為物理符號系統(tǒng)的經(jīng)典代表。按照理性方法實現(xiàn)對符號運算的操控是符號主義綱領(lǐng)的硬核，其主要的學(xué)科支撐是數(shù)理邏輯。霍格蘭德指出，符號主義綱領(lǐng)認(rèn)定，以往的邏輯和可計算性的工作已經(jīng)表明，存在著對語義敏感符號結(jié)構(gòu)的純粹句法轉(zhuǎn)換。這樣，我們就可以像演繹證明那樣，僅僅基于句法屬性的公式而通過操作來提取其他邏輯也可以遵循的公式。因此，句法可以反映語義。也就是說:“如果你‘照顧好’句法，那么語義就會‘照顧好’它自己”②。

　　在符號主義者看來，心理過程是表達相應(yīng)思想之命題內(nèi)容的一系列心理表征印記，每個心理表征中的原因和結(jié)果均由其句法來決定。福多對此的描述就是:“就像一把鑰匙的幾何形狀決定了它將要打開哪一把鎖那樣”①。著名語言學(xué)家喬姆斯基在此基礎(chǔ)上提出了“機器語言”的概念，他認(rèn)為，人類的語言包含深層結(jié)構(gòu)和淺層結(jié)構(gòu)兩種，淺層結(jié)構(gòu)代表的是語法，它有效地體現(xiàn)了語句的形式，是“機器語言”的最合適形式;深層結(jié)構(gòu)代表著語言的語義，體現(xiàn)了語句的內(nèi)涵，它在“機器語言”中較難實現(xiàn)。喬姆斯基致力于探索語言的深層結(jié)構(gòu)，他認(rèn)為研究語言的深層結(jié)構(gòu)非常重要，因為它是一種“先天語言”②。符號主義綱領(lǐng)不斷地發(fā)展與完善之后，人工智能作為一個學(xué)科得到了突飛猛進的發(fā)展。但是隨著符號主義綱領(lǐng)自身弊端的不斷顯現(xiàn)，人工智能的發(fā)展勢頭受到了嚴(yán)重的影響。

　　二符號主義綱領(lǐng)的困境

　　如前所述，由于符號主義綱領(lǐng)的基礎(chǔ)是數(shù)理邏輯，而形式化與確定性是數(shù)理邏輯的重要特點，因此符號主義的人工智能研究綱領(lǐng)具有較強的可行性和明顯的簡單性等特征。為了實現(xiàn)對人類智能的模擬，他們的主要策略有兩種，一是盡可能地完善邏輯規(guī)則，根據(jù)邏輯原則從不證自明的公理開始進行符號演算;二是盡可能地完善數(shù)據(jù)庫，提供各種可能的問題及其解決方法，通過窮舉規(guī)則來提供可能的答案。事實證明，由符號主義綱領(lǐng)發(fā)展出的人工智能系統(tǒng)在很多領(lǐng)域的運用是非常有效的，因此長期以來，符號主義綱領(lǐng)發(fā)揮了廣泛而深遠的影響。但是，人工智能的最終目標(biāo)是使機器具有與人類類似的情感、意識和能力，符號主義綱領(lǐng)沒法實現(xiàn)這一目標(biāo)。

　　(一)組合爆炸問題

　　組合爆炸是指有限個數(shù)的元素組合形成的組合數(shù)，會隨著元素數(shù)目的不斷增加而出現(xiàn)急劇增長的現(xiàn)象。人工智能的符號主義綱領(lǐng)是以符號系統(tǒng)為基礎(chǔ)，通過邏輯運算而建構(gòu)起來的，而這就意味著計算量將會無比巨大。更為棘手的是，符號主義人工智能越是發(fā)展，其所面對的數(shù)據(jù)量就越大。雖然計算機的計算能力越來越強，但也無法應(yīng)對不斷擴張的組合爆炸問題。正因為符號主義綱領(lǐng)將人工智能的發(fā)展奠基于邏輯運算，符號系統(tǒng)的邏輯運算不可避免地隨著人工智能模型的進步和完善而越來越呈現(xiàn)爆炸趨勢，而現(xiàn)有的計算機不可能適應(yīng)這樣的增長速度。

　　(二)機器翻譯出現(xiàn)巨大困難

　　機器翻譯已成為符號主義人工智能領(lǐng)域中最成熟的也最重要的應(yīng)用領(lǐng)域之一。機器翻譯需要對翻譯的原文進行語法、語義和詞性方面的提煉，然后再結(jié)合數(shù)據(jù)庫中的上下文進行分析和整理，生成目標(biāo)語言。機器翻譯的基本原理實際上就是實施圖靈測試的關(guān)鍵步驟，即實現(xiàn)計算機系統(tǒng)在自然語言和其他類型的語言之間進行相互轉(zhuǎn)換的功能。

　　在翻譯時通常將需要翻譯的原文如自然語言輸入計算機，計算機將按照語言符號的語匯規(guī)則和語法規(guī)則進行分析和處理，將原文語句進行轉(zhuǎn)化，使之形式化，按照一種嚴(yán)密的符號形式表示出來。這種嚴(yán)密的符號形式實際上是一種邏輯算法，計算機工程師將這種邏輯算法編寫成計算機程序，輸入的原文語句經(jīng)過算法程序而轉(zhuǎn)換成目標(biāo)語言輸出。翻譯速度快、語庫詞匯多、費用成本低等是人工智能翻譯相對其他翻譯方式的優(yōu)點，因此深受廣大用戶歡迎。

　　然而這種翻譯理念在其實際操作的過程中卻遭遇到了不少棘手的現(xiàn)實問題。首先是不同國家不同民族的人有不同的習(xí)俗和文化傳統(tǒng)，不同的人在輸入原文時也不可避免地受語境、語氣和文化背景等非客觀因素的影響。因此，對于同一份原文，不同的人將它輸入計算機，通過程序運行之后結(jié)果不可能完全一致。因為計算機不可能十分準(zhǔn)確地根據(jù)這些外在不確定因素來動態(tài)地調(diào)整翻譯的結(jié)果。為了盡可能地提高機器翻譯結(jié)果的準(zhǔn)確性，人們只能在輸入各種相對確定的語言規(guī)則和語言材料之外，把不同種類語言的各種語境、民族文化和語氣語態(tài)等因素盡可能多地存入到計算機數(shù)據(jù)庫。

　　但是，即便人們殫精竭慮，也不可能窮盡這些主觀性因素，而且計算機也不可能掌握各種語言變化多端的符號規(guī)則和語境因素。因此，目前的機器翻譯系統(tǒng)不可能完美地應(yīng)對自然語言中復(fù)雜多樣的各種不確定的主觀因素。也正因為如此，美國科學(xué)院的語言符號自動處理委員會對機器翻譯系統(tǒng)的研究明確地表示了不支持態(tài)度。他們認(rèn)為，“在目前給機器翻譯以大力支持還沒有多少理由”①。

　　在他們看來，雖然智能機器翻譯目前已經(jīng)取得了相當(dāng)不錯的成績，但是依然存在著諸如“語義障礙”之類的困難。其中最困難的問題是歧義，歧義的類型主要包括一詞多義、語境歧義、語義歧義、語構(gòu)歧義等，還包括同一語句在不同時間、不同人群、不同環(huán)境下的歧義。理解與掌握這些歧義對于人類來說是相對容易的，但如果要求計算機考慮這些因素而準(zhǔn)確地把原文自動地翻譯出來則是不太可能的事，甚至適得其反，“對低質(zhì)量機譯結(jié)果進行譯后編輯，會造成比人工翻譯更多的精力損耗”②。

　　例如我國著名詩人李白的詩句:“床前明月光，疑是地上霜”，描述了詩人他鄉(xiāng)獨處時濃烈的鄉(xiāng)愁，這是一種難以言表的思鄉(xiāng)之情，通過智能機器翻譯成英語后就是這樣:“SeeingtheMoonbeforemycouchsobright，Ithoughthoarfrosthadfallenfromthenight”③。雖然英譯基本上與原文符合，但是詩中獨特的意境、傷感的畫面、濃濃的鄉(xiāng)愁以及中國古詩中特有的韻律，都已經(jīng)蕩然無存了。

　　因此，要使機器真正達到人工翻譯一樣的效果幾乎是不可能的。其根源在于計算機的數(shù)據(jù)庫總是有限的，而它面對的語言則是無比復(fù)雜的，以有限性的語言處理系統(tǒng)去應(yīng)對無限性的世界語言的無窮多的具體情況，最后的結(jié)果只能是在無限的世界中抽取一個子集作為答案。所以人工智能的研究者們基本上達成了一個共識，即無論智能機器的自動翻譯系統(tǒng)怎么完善，其翻譯結(jié)果都不可能完全與原文相符合。

　　(三)“常識”是符號主義人工智能繞不過去的難題

　　所謂常識，是指人們?nèi)粘Ｉ�產(chǎn)生活當(dāng)中普遍使用的、一般有效的、無須證明的知識。人類對于常識往往知其然但不知其所以然，符號主義要處理這些常識是無比困難的事情。比如，要讓符號主義人工智能系統(tǒng)識別一只貓，我們必須輸入大量的數(shù)據(jù)，進行多次的實驗才可能最終得以實現(xiàn);而要讓一個兩歲左右的孩童識別其父親或母親卻是輕而易舉的事，即便只讓他看到其父母的背影或者側(cè)影他都能辨認(rèn)出來。

　　具體來說，符號主義人工智能在面對常識問題時會有以下困難:其一，常識具有與語境密切相關(guān)的特征，計算機無法識別它。符號主義綱領(lǐng)建構(gòu)起來的所有人工智能的模型都是按照邏輯運算的形式來進行的。在形式化的符號系統(tǒng)之外，我們無法另外建構(gòu)一套符號體系與之兼容，以便使常識實現(xiàn)形式化而得以在計算機中正確表征它。換言之，當(dāng)我們把常識按照非邏輯符號的形式輸入智能計算機后，機器中的符號系統(tǒng)并不能有效地識別它，從而得不到令人類滿意的處理結(jié)果。據(jù)了解，到目前為止，人類尚未能設(shè)計出成功、高效地處理常識的智能程序，更不用說廣泛應(yīng)用了。其二，常識數(shù)據(jù)過于龐大，符號主義綱領(lǐng)的人工智能的所有模型都無法應(yīng)對。

　　三符號主義困境的哲學(xué)本質(zhì)

　　對于符號主義人工智能綱領(lǐng)在發(fā)展過程中的出現(xiàn)的各種困境，計算機專家、邏輯學(xué)家、語言學(xué)家等各自從不同的領(lǐng)域和視角進行了分析和解釋。當(dāng)代西方的很多哲學(xué)家也對這些困境進行了哲學(xué)上的闡釋。

　　(一)人工智能的符號主義綱領(lǐng)面臨的困境

　　在科學(xué)哲學(xué)中的體現(xiàn)數(shù)理邏輯自19世紀(jì)末得到了迅猛的發(fā)展與應(yīng)用，并在各個領(lǐng)域產(chǎn)生了重大影響。20世紀(jì)30年代，人們開始通過數(shù)理邏輯來解釋和描述人類的智能行為。計算機研制成功后，邏輯演繹系統(tǒng)成功地與計算機結(jié)合了起來，完成了諸多數(shù)學(xué)定理的證明。正因為如此，符號主義人工智能亦被稱為邏輯主義人工智能。與數(shù)理邏輯在人工智能領(lǐng)域的影響與應(yīng)用相對應(yīng)，數(shù)理邏輯的學(xué)術(shù)影響在科學(xué)哲學(xué)上的體現(xiàn)就是邏輯實證主義學(xué)派的興起。換言之，20世紀(jì)20年代出現(xiàn)的邏輯實證主義是當(dāng)時自然科學(xué)尊崇數(shù)學(xué)、物理學(xué)為典范，推崇符號化、邏輯化、形式化特征等傾向在哲學(xué)上的反映。

　　因此，從某種意義上來說，邏輯實證主義的缺憾與人工智能的符號主義綱領(lǐng)的困難是同質(zhì)的。或者說，邏輯實證主義所受的批判正是符號主義綱領(lǐng)的困境在哲學(xué)上的體現(xiàn)。在邏輯實證主義者看來，科學(xué)哲學(xué)有義務(wù)為諸種知識提供某種通用的評價標(biāo)準(zhǔn)，以確保其成為有效的知識或者說通過了辯護的知識。而對于這些知識得以發(fā)現(xiàn)的過程，則不是科學(xué)哲學(xué)的研究對象，因為任何知識的發(fā)現(xiàn)都具有偶然性、隨機性甚至主觀性和神秘性等特征。科學(xué)發(fā)現(xiàn)的過程中當(dāng)然有邏輯推理、觀察實驗等理性的因素，但是天賦、個性、機遇、社會環(huán)境等則是其更為重要的因素。關(guān)于科學(xué)發(fā)現(xiàn)的問題應(yīng)該交給社會學(xué)家、心理學(xué)家、歷史學(xué)家等去研究。

　　邏輯實證主義主張，哲學(xué)研究的對象只能是邏輯句法，哲學(xué)研究的問題就是語言符號分析的問題，而哲學(xué)研究的方法說到底就是邏輯句法的分析方法。因此物理學(xué)、數(shù)學(xué)等學(xué)科的語言就是科學(xué)的標(biāo)準(zhǔn)語言，數(shù)理邏輯的演繹方法是科學(xué)通用的研究手段，科學(xué)哲學(xué)自然也就成了一種真正“科學(xué)的”哲學(xué)。正如吉登斯所說的那樣，邏輯實證主義“發(fā)展一種科學(xué)觀，以承認(rèn)邏輯和數(shù)學(xué)在作為符號表征系統(tǒng)的科學(xué)思想中的極端重要性。”①邏輯實證主義自產(chǎn)生以來，對科學(xué)哲學(xué)的形成、發(fā)展、成熟、傳播和繁榮等各方面都作出了難以磨滅的貢獻，但同時它也受到了來自學(xué)界的各種批判，比如其“證實原則”的不可實現(xiàn)性(邏輯實證主義因此而被波普爾的證偽主義取代)，對形而上學(xué)的徹底拒斥，理論與觀察的二分等主張所面臨的理論困難等，其中最受人詬病的是發(fā)現(xiàn)的語境與辯護的語境的嚴(yán)格區(qū)分與對立。

　　(二)人工智能的終極目標(biāo)決定了符號主義

　　綱領(lǐng)內(nèi)在缺憾的必然性符號主義人工智能業(yè)已對人類經(jīng)濟社會的發(fā)展和進步帶來了巨大的變化，但因其自身的局限性而使得人工智能的進一步發(fā)展存在著瓶頸。根據(jù)符號主義綱領(lǐng)，人工智能的最終目標(biāo)不是要通過智能機器來代替人類完成一些重復(fù)性的高難度工作，而是要發(fā)展真正接近人類智能的通用機器智能系統(tǒng)，使之具有在陌生環(huán)境下對新生事物的自主學(xué)習(xí)能力，即發(fā)展類腦智能。霍格蘭德認(rèn)為，人工智能研究的根本目標(biāo)絕不僅僅是模仿智能或者生產(chǎn)一些“冰雪聰明”的仿品，“人工智能只需要貨真價實、名副其實的物品:在全部和字面意義上有智慧的機器。這并不是什么科幻小說，而是建立于某種深刻的理論概念基礎(chǔ)之上的真正科學(xué):即從根本上來說，我們本身就是計算機”②。

　　他認(rèn)為人工智能最終目標(biāo)就是使智能系統(tǒng)與人類智能之間幾乎沒有區(qū)別。查理亞克和麥克德莫特也指出:“人工智能的最終目標(biāo)是打造一個‘人’，或者更謙虛地說是打造一只動物———雖然我們離達成這一目標(biāo)還很遙遠。”③也就是說，人工智能的最終目標(biāo)是要制造出與人類毫無區(qū)別的完美的智能機器，雖然這一目標(biāo)很遙遠，但人類一直在努力，并一取得了一些進展。

　　顯然，人工智能的符號主義綱領(lǐng)離這個目標(biāo)有著非常大的差距。對此，中國科學(xué)院的譚鐵牛院士作出了自己的總結(jié)，他認(rèn)為這種人工智能系統(tǒng)有較強的智能但沒有智慧，有較高的智商但沒有情商，有較強的計算能力但不會進行“算計”，這也是導(dǎo)致連接主義、行為主義綱領(lǐng)相繼取代它的原因。如前所述，對符號主義人工智能綱領(lǐng)而言，人們在對符號進行操作時總是存在著一些基本的限制。我們要把思維蛻變?yōu)槊撾x語境的片段最終是不可能的，而且必然會產(chǎn)生誤導(dǎo)。

　　德雷福斯等人也提出了類似的批評。他們認(rèn)為，符號操作并不能解釋直覺、猜測、判斷和想象等人類所特有的基本的思維形式，而所有這些思維方式都可在一般意義上的推理和問題解決方面發(fā)揮著關(guān)鍵的作用。進一步說，人類的推理決不會與任何脫離語境的、非具體化的系統(tǒng)相匹配。這種系統(tǒng)通過某種形式來表現(xiàn)和操作符號信息而發(fā)揮作用。

　　四結(jié)語

　　雖然符號主義人工智能取得了長足的發(fā)展并廣泛應(yīng)用于生產(chǎn)和生活的幾乎每個方面，促進了社會的發(fā)展和進步。但是因為人工智能的符號主義綱領(lǐng)所依賴的理論基礎(chǔ)和自身的工作原理存在著不可克服的缺憾，而逐漸為連接主義、行為主義等綱領(lǐng)取代。人工智能的符號主義綱領(lǐng)面臨的困境在科學(xué)哲學(xué)中有其理論上的表現(xiàn)。在邏輯實證主義學(xué)派受到眾多學(xué)者的批判之后，庫恩、漢森、拉卡托斯等開拓科學(xué)哲學(xué)新的研究領(lǐng)域，他們分別從科學(xué)史、數(shù)學(xué)史領(lǐng)域重新探討科學(xué)知識發(fā)現(xiàn)過程。

　　人工智能研究人員也試圖從科學(xué)史和數(shù)學(xué)史的角度按計算的模型來建立發(fā)現(xiàn)過程的模型。如果人工智能要成為真正的類腦智能，就需要智能機器系統(tǒng)具有自主學(xué)習(xí)的功能，通過學(xué)習(xí)而具備“直覺”“猜測”等特性。當(dāng)然這里所說的“直覺”與“猜測”和人類智能是不一樣的。人類的“直覺”和“猜測”往往是模糊的、籠統(tǒng)的，而機器智能的“直覺”和“猜測”則是基于堅實的數(shù)學(xué)模型和大量的計算而找出概率最高的一種方案。

　　這是一種基于科學(xué)理性的具有較高確定性的判斷過程，其效率和準(zhǔn)確性是人腦無法比擬的。比如“阿法狗”通過學(xué)習(xí)數(shù)十萬個高水平的棋譜而獲得了圍棋對弈過程中的“直覺”，接連戰(zhàn)勝了李勝石和柯潔。但人類的直覺與智能機器的這種直覺有著本質(zhì)的區(qū)別，人類的直覺是天生的，是不需要也不可能通過學(xué)習(xí)獲得的。人工智能深度學(xué)習(xí)的實現(xiàn)和不斷發(fā)展，使得很多人工智能研究者滿懷信心。

　　約翰遜就提出了關(guān)于人工智能的“程序語義學(xué)”以應(yīng)對符號主義的問題。他認(rèn)為“用于向計算機傳達指令程序的人工語言既有語法又有語義。其語法包括針對編寫計算機可以解釋和執(zhí)行的有良好模式的各種程序的規(guī)則。其語義包括計算機按指令所執(zhí)行的程序”①。但是約翰遜的這一倡導(dǎo)遭到了批判，福多就直接質(zhì)問道:“如果你所說的語義理論是對語言和這個世界之間關(guān)系的解釋的話，你的計算機模型根本就沒有提供語義理論。特別是，程序語義學(xué)并未取代古典語義學(xué)，它只是引出了古典語義學(xué)所要回答的問題。”②在福多看來，程度語義學(xué)并不能解決符號主義人工智能綱領(lǐng)的困境。

　　因此，德雷福斯等人認(rèn)為，從哲學(xué)上來看，人工智能的符號主義綱領(lǐng)只是一個考慮不周的、試圖實施理性主義的方案。人類生而具有的身體和感受能力以及諸如想象力、模糊認(rèn)知和隱喻等能力和諸如邊緣意識和完形感知等現(xiàn)象的存在，是符號主義綱領(lǐng)之后的連結(jié)主義和行為主義亦難以逾越的障礙，無論是強人工智能還是弱人工智能都勢必面臨著這些方面因素的挑戰(zhàn)。

　　符號主義是人工智能技術(shù)發(fā)展的第一個綱領(lǐng)，為人工智能的發(fā)展奠定了堅實的基礎(chǔ)，在歷史上也為人工智能的后續(xù)研究做出了巨大的理論上和方法論上的貢獻，具有里程碑性質(zhì)的意義。同時，符號主義綱領(lǐng)也因為其自身不可克服的缺憾而逐漸被連結(jié)主義、行為主義所取代。

　　人工智能是新科技革命與產(chǎn)業(yè)革命中具有戰(zhàn)略性意義的關(guān)鍵技術(shù)，其理論研究與實踐應(yīng)用的發(fā)展速度非常迅猛。在新的歷史時期我們要研究人工智能發(fā)展不同時期的綱領(lǐng)，加強研判，增強創(chuàng)新能力，統(tǒng)籌謀劃，主攻核心技術(shù)，實現(xiàn)人工智能與產(chǎn)業(yè)變革的融合。智能機器的發(fā)展在為人類帶來極大的生產(chǎn)效率和生活便利的同時，也會給我們帶來很多法律上、倫理學(xué)上的難題，我們應(yīng)當(dāng)努力加強對人工智能的倫理學(xué)研究和法律法規(guī)的建設(shè)，克服人工智能自身的缺憾，解決人類的生存困境，推動我國人工智能技術(shù)走上健康發(fā)展的道路，使人工智能技術(shù)服務(wù)于新時代社會主義國家的經(jīng)濟發(fā)展。

　　人工智能方向評職知識：人工智能深度學(xué)習(xí)類論文容易發(fā)表嗎

　　首先征收人工智能論文的刊物有很多，而且這些刊物對稿件也有一些特殊的要求，比如稿件應(yīng)采取什么格式，投稿要提供什么材料等。掌握了這些要求，并且讓自己的論文盡可能的滿足這些要求，期刊接收論文的幾率才會提升。