汕頭大學醫學院劉西瑞
1． 尋找日常思維的規則
人工智慧在表述科學理論時得心應手，但在表述人的日常思想時卻遇到了麻煩，這一現象表明了科學推理和日常思維推理是有區別的。科學思維具有精確性和嚴密性，是構建在數學-邏輯基礎上的，這種方式與人工智慧運作的基礎恰好是一致的。所以由人工智慧實現科學推理是一件較為容易的事情。
日常思維的情況要複雜得多。對於這個問題，雖然不能很快找到答案，但它促使我們重新考察以往的哲學認識論的立場。哲學沒有把建立具體的思維體系當作自己的任務，它沒有揹負起這樣的責任，所以它發問的角度與必須擔當這種任務的人工智慧相比，可能會狹窄得多。
哲學看待問題的角度僅僅是從人出發的角，而沒有從包括人在內的更完整的世界的角度出發。人工智慧使我們看到了，哲學其實沒有能力回答這樣的問題：乙個完整的思維系統應當具備什麼樣的基本條件。
從一定意義上講，傳統哲學對於日常思維是相對輕視的。當哲學家區分「意見與理念」、「經驗與知識」、「信念與真知」的時候，無疑給予後者以較高的地位。另一方面，直到邏輯經驗主義之前，在討論思維規律的時候，在哲學中並沒有對科學思維和日常思維做出嚴格的區分，所以這兩者又同時包含在傳統哲學對思維的討論之中。
人工智慧的提問，使我們有必要重新考慮以往哲學中孰輕孰重的立足點。
日常思維有沒有自己的規則？回答應當是肯定的。我們能夠根據乙個人的思維方式區分出他是正常的人，還是精神病患者，這說明正常的思維是遵循一定規則的。
但是要對這個規則加以刻畫，卻不是一件容易的事。為了推進這一方面的認識，我們可以從強弱兩個層次著手研究。乙個強的規則，應當是乙個完善的理論，而乙個弱的規則可以僅僅建立在現象的、描述的基礎上。
弱規則條款是必要條件，而不是充分條件。根據目前的情況，我們只能從弱規則條款的**入手。
日常思維不需要精深的理論知識，乙個文盲仍可以正常地思維，所以這個規則不是針對專門的知識背景建立的。
通過分析科學理論，我們可以看到，科學思維的陳述是可以由日常思維陳述來完成的。科學中最初的陳述無疑要由日常陳述來搭建，即使是經過多次演繹的、複雜形式的科學陳述，仍然可以還原為日常陳述，所以日常思維可以看作科學思維的基礎，科學思維只是這個系統的乙個子系統。事實上，了解乙個子系統總是比了解整個系統要容易得多。
日常思維在認知中的主要任務是辨識物件（對個體做判斷）和解決問題（對事物的關係做判斷）。在識別物件時，對人而言，無論是熟悉的還是陌生的事物，都有能力將它納入自己的思維，成為思考的物件。這種過程實際上是將某一事物按照認知的習慣方式加以指認，根據知識背景，使其與已有的知識框架相聯絡，而獲得意義。
即使完全不熟悉的東西，也會因其具有物質的外形，可以從直觀的角度加以表述，使其獲得定位。所以在物質的經驗世界裡，日常思維不會留下任何空白。這是日常思維的乙個重要特點。
關於辨識物件，哲學中的命名問題和摹狀詞理論是值得借鑑的。人工智慧在討論物件的表徵時與之關係密切。
解決問題可以看作是根據已有的物件關係建立新的所需的物件關係。在從一種狀態向另一種狀態過渡時，思維是按照一定方式組織的。傳統哲學中對此有過一些討論。
在日常思維中，聯想是一種常見的思維方式。洛克十分重視這一方式，對其進行過較為詳細的**。康德將認識劃分為感性、知性、理性，這種層次性，以及上層對下層的統攝，從某個角度反映了思維規則。
他還指出了二律背反的存在，說明思維中存在矛盾後果的情形。但是用他構造的體系很難直接解釋具體的思維過程，或者說人的思維體系難以直接根據這幾條規則來構造。在具體構造方面，人工智慧「創造」了一些區域性行之有效的方法，如「指令碼」或「框架」等方法。
弗雷格-羅素建立的謂詞邏輯理論是對思維形式體系的說明，人工智慧借重於這些理論，但它不能解決全部日常思維規則的問題。與之相關的一些方面將在下乙個問題中討論。
在解決問題的過程中目的性具有重要作用，導向是其作用之一。推理過程在每一節點上存在著多種選擇，必須有導向的機制存在，人工智慧的搜尋過程就面臨著導向的問題，而採用「啟發式」策略，是其採用的方法之一。
日常思維的機制是直接與遺傳（本能）機制相銜接的。喬姆斯基之所以願意像研究乙個身體器官一樣講究人的語言能力，是因為越是接近基礎，與天賦的關係也將越密切。這方面的乙個例子是，心理學的研究發現，面孔的識別在人的大腦中占有乙個專門的位置，它與物體的識別分屬兩個系統。
人對面孔的識別能力中天賦的因素在起主要作用，所以幼小的兒童就具有這種能力，而計算機獲得這種能力卻是相當困難的。先天的機制具有較為固定的模式，了解這種模式的形態是怎樣的，是一項重要工作。這種研究有些類似於「解剖學」和仿生學，對於人工智慧模仿人的智慧型來說，是十分重要的。
日常思維的規則是乙個有待研究的方面，繼續挖掘哲學的資源，也許可以將認識推進一步。
2．邏輯與日常思維推理的關係
為了研究人的日常推理，出現了一些突破傳統邏輯的新方法，如預設邏輯，非單調邏輯，模糊邏輯，動態邏輯等等。但是這些方面仍然不能全部涵蓋日常思維的規則。日常思維同邏輯的關係是值得**的問題。
許多並非符合邏輯的思維過程實際上卻是合理的。例如，在選擇一條旅遊線路時，往往是偶然因素在起作用，可以是因為閱讀了旅遊書籍，也可能因為思想深處的某種感情。還有乙個常見的現象，人在解決問題時，常常有各種奇思妙想，其出現的原因無法解釋，而謂之頓悟。
在這類思維方式中，猜謎語有一定的代表性。原先的知識系統可以自由地進行各種組合，可能出現的結果幾乎是無窮多的。
這裡的乙個問題是，思維可以在完全不同的系統中自由地轉換，既有很具體的系統，也有很抽象的系統。僅僅根據邏輯系統，這種轉換是很難表述的。還有乙個問題，在多通道系統中，邏輯本身只提供選擇的分配，而不提供選擇的原因。
從一定意義上說，邏輯是對一種即定的思想過程的描述，而不是驅動思維發展的機制。日常思維是和需求（目的）相聯絡的，而邏輯不能反映需求或需求的變化。再乙個問題，邏輯中的量詞和關係詞雖然可以反映思維運用的一些基本概念，如「全」、「非」等，但是它們和日常思維中的用法卻是不同的。
日常思維離不開對「域」的設定，但是域的界限不是非常嚴格的，而僅僅是為了思維的方便。
3．學習的本質和機器學習的可能性
知識學習對於個體人的發展和人類的進步都是必不可少的。知識學習在個體身上是如何發生的？ 對人而言，這是乙個生成和建構的過程，是通過對自身經驗的總結，以及繼承他人的經驗成果實現的。
自身經驗總結雖有歸納的特點，但如皮亞傑所說，是乙個複雜的「同化和順應」的過程。繼承性學習則包含了生成、建構過程，也是乙個系統創生的過程。事實上，這兩者中都包含了創造性的因素。
前者表現為從哪個角度去歸納，以及歸納中是否包含著正規化的創新。人可以靈活地做出多種選擇，而機器只能根據人的規定去歸納。後者是建立在概念（語義）基礎上的，同時要有聯想和想象的參與，以建構的方式形成一些新的知識系統。
如果把學習看成是一種本質上是創造性的活動，是否可以說，機器是不能完成真正的學習的。
人工智慧中聯結主義的學習系統雖然可以產生出與初始狀態完全不同的系統，但這種「不同」只是表面上的，各種新的狀態都是眾多（可能是數量很大的）備選狀態中的一種，是在選擇該系統時已經確定下來的模式中的一種。機器的學習是以模擬為機理的，這與人類學習有著本質的差異。
4．資訊的組織形式
資訊開採（資訊挖掘）是當前人工智慧研究的重要方面之一。已經獲取的資訊庫（如人造衛星拍攝的大量**），以及自然界固有的資訊，如果運用計算機來開採，其效率勢必大大提高。
我們可以把資訊的類別區分為語義的資訊和物理的（包括生物的）資訊。這兩種資訊的組織方式是不同的。當學者從龜甲上發現一些異樣的條紋時，就可以斷定其中包含著文字資訊；我們也可以根據線條的特徵區分出它是亂畫的曲線還是文字的筆畫，即使是一種陌生的文字。
這些現象說明了文字（語義）資訊自身一定是有某種外在形式的特徵的。除了外在的形式特徵，語義資訊系統也有內在的組織特徵，這種研究有可能幫**古學家破解古埃及文字的內容。與計算機的方法結合起來研究這些問題，也許會有新的發現。
物理資訊是自然狀態的。對物理資訊而言，可以說，資訊的存在也就是事物的存在：資訊是告訴我們事物存在的方式。
如果我們從普通的事物裡看到了不尋常的資訊，這種「不尋常」只是與習慣不一致，並不是資訊本身有什麼特殊。外部世界可以通過各式各樣的方式組織起來，向我們呈現意義，通過這樣一種過程，它們就變成了可以被理解的資訊，而這些組織資訊方式是我們先天具有的，或者後天建立的。
所謂資訊發掘有兩種情況，第一種情況是，資訊以我們已經具備的理解系統存在著，但是它同其他東西混雜在一起，被隱蔽起來，尋找它，就是將它和其他的東西分離開來，使其成為我們可認識的形式；還有一種是，我們原先不具備認識它的能力（系統），當我們具有了新的理論或是新的儀器後，原先無意義的資訊成為有價值的了。自然界向我們提供什麼樣的資訊，不在於自然界本身，而在於我們的篩選機制。我們從自然界無際的「資訊海洋」裡撈取出那些對我們來說是有意義的部分，關鍵取決於我們的「過濾」工具。
在這個意義上，將自然界看作是物自體，是合情合理的。
自然界中許多極其重要的資訊，由於沒有得到發掘，都白白流失了。近年來出現的功能腦成像技術，非常有力地說明了這一點。在原有的磁共振成像機上增加乙個擷取資訊的軟體，就可以顯示以來完全無法看到的大腦思維活動的狀況，乙個嶄新的研究領域也由此被開拓出來，讓人不能不感嘆資訊獲取方式的改善所產生的巨大影響。
一方面人類通過建立各種理論，開闢新的獲取資訊的切入點，另一方面，人直接獲取資訊的方式又是受到自身條件限制的。為此，人們設計了各種儀器，來拓展原有的資訊獲取方式。計算機可以借鑑這些已有的方式，但是也可能開闢不同於以往的方式。
計算機在資訊組織方面的靈活性大大超出其他機器。人工智慧中發展起來許多新的開採資訊的方法，是非常有效的。在認識世界的方式上，計算機作為拓展我們原有的思維工具，有可能帶來非常深刻的創新。
5．何謂理解？
塞爾「中文屋」思想實驗的例子在哲學界和人工智慧界都引起了較大的反響。這個例子不僅因為比喻精當而引人深思，它還包含著值得進一步**的問題：理解究竟是什麼？
理解的機制是什麼？借助於這個例子，我們嘗試做出一些回答。
比照塞爾的例子，我們假定有乙個只懂中文而不懂英文的人，看一看他回答在兩語言提問時的情況是怎樣的。當他回答中文問題時，他是根據語義運作的；當他回答英文問題時，他是根據中文工具書的指令來運作的。如果我們把語義看成是一種聯結關係，將它同工具書發出的機械指令聯結關係來比較，會看到一些差別。
首先，語義聯結方式更靈活，效率更高。這種差別在人的目的性行為和動物由本能產生的行為模式的比較中很容易看到。昆蟲的向性是一種固定的行為模式，可以看作一種生理的機械聯結。
它可以產生出一些表面上看來是目的性的行為，但是如果環境稍有變化，它的機械僵硬的弱點就會暴露出來。語義方式的靈活性來自語義結構的多連通性，以及語義轉換的快捷性。但是語義結構的構造是不容易模仿的，因為對它的許多方面我們還缺乏透徹的認識。
人工智慧實驗報告八數碼問題
實驗一啟發式搜尋演算法 姓名 徐維堅學號 2220103484 日期 2012 6 29 一 實驗目的 熟練掌握啟發式搜尋演算法及其可採納性。二 實驗內容 使用啟發式搜尋演算法求解8數碼問題。1 編制程式實現求解8數碼問題演算法，採用估價函式 其中 是搜尋樹中結點的深度 為結點的資料庫中錯放的棋子個...
八數碼問題人工智慧實驗報告
基於人工智慧的狀態空間搜尋策略研究 八數碼問題求解 一 實驗軟體 tc2.0 或 vc6.0 程式語言或其它程式語言 二 實驗目的 1.熟悉人工智慧系統中的問題求解過程 2.熟悉狀態空間的盲目搜尋和啟發式搜尋演算法的應用 3.熟悉對八數碼問題的建模 求解及程式語言的應用。三 需要的預備知識 1.熟悉...
人工智慧的異化與反思
作者 劉潮欣 卷宗 2019年第08期 摘要 在人工智慧得到飛速發展的同時其異化現象也隨之出現，給人類和社會的發展帶來了潛在而巨大的威脅。人類應該對人工智慧異化進行哲學的反思，探尋消除人工智慧異化的途徑，並能正確認識和對待人工智慧異化問題，採取積極的措施，合理利用人工智慧。關鍵詞 人工智慧 異化 在...