作为立论文的《心智、语言和机器》

注：徐老师这本书的学习参考价值很大，优点不容赘言。若要进行哲学和其它学科之间的跨学科对话和跨学科研究，此书可称为范例，不得不看。在此情况下本人勉强对该书作出评论，难免有鸡蛋挑骨头之嫌疑。

此书总体看来，运用文体的修辞，可以称为一篇驳论（立论）文，观点之间的互搏值得关注；而其书要处理AI科学的三大问题——“知识表征系统和中央信念系统”、“人工视知觉模块”与“自然语言处理模块”，它们和维氏哲学的关联则算是此文的重心。笔者就这两个方面做一点简评，唯期不妄言。

强AI的逻辑可能性。先来看看作者所持的强AI的一些观点。其一，强AI认为，这里的心智关涉的是可以被加以客观研究的信息处理程序，而与随附的“只可意会不可言传”的主观感受无涉。其二，作者关于强AI，还有一个观点十分重要，即“机器智能”和“人类智能”的集合叠交，但不重合。之所以提到这两点，是因为这与下面两个主要反驳密切相关。
在进入观察观点互搏之前，先看看其中一位反对者彭罗斯对机器智能四种立场的划分。中心问题是机器智能计算是否能够模拟觉知（即上面所说的主观感受）及其物理实现过程，分为全部能够实现，能实现后者，全部不能实现，以及任何手段都不能实现这四种立场。其中的两个反对者，塞尔是立场二，彭罗斯是立场三，同时彭罗斯在反驳立场四时引入了量子力学的解释。联系前文中的其一，我们可以知道，作者所持的显性观点并不在这四个立场之中——这里所讨论的觉知正是作者所持的强AI所不关注的问题。
现有的批驳主要是反符号AI的，甚至可以说是反“物理符号系统”的。第一个重要反对者是塞尔，他提出“中文屋论证”来否定强AI的可能性。对塞尔“中文屋论证”的应答涉及到逻辑有效和无效两个系统。作者正是在后者中给出了自己的一个精彩回答，指出了这个思想实验中类比关系的逻辑无效性。而更深层次的，塞尔似乎提及的是一个功能主义的小黑箱——即句法和语义的转化问题；而在对心智理解的问题上，则涉及到意向性问题，即“意向性”是“语义内容”的根基与来源，但AI却无法达成。作者称塞尔对功能主义的批判持的是一个外在论式的语义学态度。
另外一个则是彭罗斯。一般而言，一个演绎系统需要同时具备完备性和一致性，而哥德尔论证，在一致性的情况下，总有一个命题真假的证明缺失；而在完备性的情况下，却无法证明这个系统是一致的。假设有两个程序，其中一个是一般程序，另一个则是超级程序，它用来判断这个一般程序的执行是否使图灵机停机，称这两者分别为C和A。规则是，若~代表停止，则有~A→C。彭罗斯正是在这样一个假设中引入了哥德尔不完备定理，证明C在A中不可证。而论证的关键则是A本身也是C中的一个计算形式，那么从上面非对称的规则可以看出，C不再能由A推出。但是，作者认为，从广义上来讲，这类反驳误解了AI所要干的事——不是认知形式化，而是算法化（形式化是算法化的一种）。然而，笔者虽然了解了它们之间有区分，但对这个区分的具体情况却所知甚少，似乎据作者的意思，前者需要有一个公理体系和完善的推理规则，而后者也有可能只是一些区域性的运算规则，也就是说形式化是算法化的高级形式。作者所举的例子则是ANN技术中的人工神经元的数值运算。不过这个反驳意见似乎合理吗？毕竟彭罗斯针对的是符号AI，而按照我们之前的分析，其“物理符号系统”肯定是一种形式化的算法。如果说塞尔的观点对“物理符号系统”不能构成真正的威胁，似乎彭罗斯引入的哥德尔不完备定理要具有更多的杀伤力，毕竟，它似乎切中了“物理符号系统”作为形式化系统的形而上学性质。作者接着提出了一个收缩性的策略，即前文所说的作者所持的强AI观点之二——“机器智能”和“人类智能”的区分，也就是说“机器智能”无须非得完成“人类智能”所能完成的。

    维氏哲学与AI进行连接的逻辑可能性问题。这里面挑战了很多思维定势，什么是强AI，在这里凸显了它的位置。首先要提到珊克的意见。珊克的意见一是维氏本人对于机器与思维的思考，涉及到可预测性、思维与感受质。作者对意见一的反驳中，需要注意的是作者对维氏后期哲学的重视，这里可以一窥作者对于维氏与AI关系所定的基调——维氏后期哲学，而非前期，与AI能够进行很好的对话；意见二则是关于遵守规则，涉及到“计算机是否只能够机械地遵守规则”这样一个问题。对意见二的反驳，这一点与对之前彭罗斯引入的量子力学中的量子不确定性的反驳相同，也即宏观与微观上算法的区分。同时，也呼应了作者所阐述的物理符号系统的必要性向度的可真性——任何一个展现出智能行为的系统，归根结底都能够被分析为一个物理符号系统；而不是其相反。意见三维氏对心理学的批评蕴含对AI的批评，而作者最可靠的反驳则是认为珊克只批判了符号AI（况且这种批判也是不确切的），而对其它三种研究进路置若罔闻。关于这种逻辑可能性更重要的理由则是作者对维氏与上述三大系统所进行的逻辑与学理关联。需要补充的是，正如作者对海耶斯的评价一样，他对维氏哲学的借鉴也非如GPS中求统一的问题求解路径的设计，而是在于统一的知识表征形式的设计。
在开始阐述维氏与AI关系前，先来了解一条AI背景，即每条进路都有各自更擅长的功能：符号AI是做专家系统的；联结主义是做模式识别的；遗传算法是做问题解答的优化选择的；而贝叶斯网络技术则是用来做知识推理的。这种区分性正是维氏哲学综合气质的用武之地。他既惯用于这些进路所依赖的现代技术，同时又拥有对它们的批判意识。

表征问题和框架问题。在表征问题上，AI四条进路涉及到表征方案的计算化、逻辑化、生物学化、神经学化。而需要提及的是，几乎所有问题都涉及到中央信念系统，即机器智能内部统摄问题，也是这里所谓的框架问题。作者首先提到，维氏早期也遭遇了类似于框架问题的颜色不相容问题，它们都需要对“缄默知识”放弃表征。维氏后期哲学则带来两条解决方案，其一，对偏向语义相关性的词项的重视（纳思系统同样也是词项逻辑）；其二，将公理化系统替换为非公理化、却具有动力学特征的网络结构，以减轻运算的负担。对于第一点，我们在自然语言处理里面再去观察。我们来看看作者所给出的动力权重值模型。
在符号AI、联结主义等方案所遭遇的并非内生智能（即这种智能主要是设计者智能延伸的结果）这一困境时，对于如何解决经验与学习的问题，作者给出的核心方案正是动力权重值模型。比如，在框架问题上的信念网动力学模型，视知觉问题上的连续论，当然也包括技术层面上的纳思系统的操作理念等。若把这个模型看成是与联结主义、遗传算法、贝叶斯网络技术同样的统计学手段是否合理，如果合理，那么作者对后四者并非内生智能的批判力度就要有所减弱；同时，这一点似乎就不能构成维氏对AI进路的贡献，而只能说明维氏哲学契合这样的方案。
同时，动力权重值的想法在像联结主义和贝叶斯系统中都遭遇了困境，比如，ANN技术出现的系统收敛，以致无法根据新的输入值调整权重；而作为以非确定性系统中的一种推理形式——非单调推理（其他形式包括概率论和模糊集合论）为核心的贝叶斯网络技术，却缺乏创造性，也即除了父辈和子辈之间的故事节点的表征上效果明显外，对故事节点的相关性、命题表述方式和概率值的表征上都有相当的局限性。实则来说，非单调推理，也就是能容纳新证据，使新旧证据能够兼容，这里就涉及到了动力权重值的内涵方面。同时解决语义相关性和权重值就显得非常必要。那么，作者选择一种内在语言论是否有其重要考虑呢？

从自然语言处理角度来看，维氏打出两张牌，其一是“语言游戏”，其二是“最简先天论”，我将后者称之为“句法结构下移，乃至寻找语义的过程的抽象”，它关注的是词项，而不是句法，抑或是命题本身，它是后两者的结构或内涵的下移，以致结合处；由此，维氏在自然语言处理方面就涉及到了语义、句法和用法这三者，可以说是一个完整的语言学方案。而同时，维氏的“语法”又涉及到区域语义相关性。这样一个完备的语言方案，再加上纳思系统本身就是以词项逻辑为基础的，似乎又有技术保障，维氏在自然语言处理上起码从理论上能够提供诸多借鉴。

视知觉问题涉及到感觉和语义的推理，涉及到如何面对前符号层和符号层的关系。而对于这个具身认知方面的问题，作者在对“物理符号系统”的“充分性”向度中说出了对这个问题看法的部分基调——任何一个物理符号系统，只要具有足够的组织规模和适当的组织形式，都会展现智能是不为真的。这里似乎可以看做作者对符号AI的担忧（从全文我们可以看出，作者对符号AI抱有很大的同情），但是在这个问题上，作者同样否定了联结主义的方案。具身化问题，具体来言，涉及到感官模块、证言模块和行动模块这类边缘模块与中央推理系统的关系。维氏（和作者）在这里持一种“语义——感知连续论”，也即中央模块与边缘模块的同构型。作者认为，通过维氏在“兔鸭图”中的证言，维氏持有一种“从语言构成看知觉构成”的知觉理论——“视知觉对象在认知系统内部中的成形，在很大程度上是‘自上而下’地受到智能体既有的语义知识的牵导的”（P131）。这一路径相比起笛卡尔二元论式的为两类模块设置中转站的“自下而上”的方式要好很多，也更符合我们的日常经验。

纳思系统。（1）系统规则引论。首先给出一些关键词：能对经验加以学习的、实时解读的；可计算的语义推理模型；“非公理化”的；词项式的；（句法上）具有自返性和传递性。这里笔者只稍微观察一下纳思系统的逻辑规则友好性。公理化系统作为一种形式化系统，在证明内定理上操作困难，甚至没有机械算法。若转化为AI语言的话，可以说，一个公理化系统的“庞大先天知识和问题求解语境所能够提供的有限时间资源”之间的冲突十分严重。同时，完全形式化的努力，正如彭罗斯对“物理符号假设”所作出的批判那样，得到的可能是确定性的递减；这一点还和非单调推理不一样，后者是对新证据或信念的兼容。而句法上的自返性和传递性完全是用一种逻辑关系来做语法推理。若再考虑到系统的词项式，那么这其中可发挥的空间应该十分大。（2）语义相关性乃至框架问题的解决方案。通过“乌鸦悖论”，我们看到纳思系统在面对语义相关的“等价性条件”和“尼科德条件”时的灵活性；同时，我们可以看到纳思引入了一个新思路：不是世界究竟怎样，而是智能体如何思考世界。这种对表征目标，以及表征与行动的关系的调整将会使框架问题和语义相关性问题更切合工程学的可实践性。（3）对视知觉问题的解决方案。在这里，借鉴了彼得曼的“RBC理论”，三维图像的成型规则是：二维平面→几何离子→三维简图，也是从“非偶然性属性”到复合体的表征。（4）纳思系统平台上的“六书”理论。非常多的人对这一点有很多的困惑，而就笔者来看，姑且不论在纳思平台上的成效，这也是非常具有创造性的一笔。许慎的“六书理论”，是中国汉字的造字规律的总结，当然，它同时是造字法和用字法，其中涉及到语音、对世界的简单表征及其复合表征、语义的复合等等，可以说，这个造字系统就已经涉及到了语言和环境（世界）的关系、语义相关性等等问题在微观上的出现方式，可以为更广泛解决这类问题提供思路。那么，作为词项逻辑的纳思系统选择它，具有相当的合理性。如果，在纳思系统中，“六书理论”获得很好的刻画，是不是可以看做是AI所面对的诸多问题的一次小型模拟？
上面我们看到了作者对形而上学问题、语义学问题、知识论问题的处理，但是笔者依然充满疑惑的是它们与操作层面的问题之间的缝隙如何填补，也就是说纳思系统在何种程度上能够实现维氏的哲学方案；这个系统在操作层面上的成果是否能够对抗现有AI的成果，又或者纳思系统能够为现在AI提供怎样的成果，等。似乎作者在文中整体做一个效果对比图会更直观，毕竟对于技术操作的问题，一方面要看理念，一方面要看成效，即使可能成效暂时不丰厚，我们可以从这两者的分析中得出它的发展趋势等。当然，这个要求是笔者过分懒惰导致，当然也正是由于看到作者在多处用了一个很好的方案——把对方的观点的逻辑做成一个思想线路，看哪个节点不通，再进行诊断。这也就是所谓的摊牌，有问题大家说。


注：在自然语言处理那里，由于时间的关系，没有对维氏与AI四条进路的关系予以观察，纳思系统那里也过分粗糙；另还有一些地方表达不当，观察不仔细，若有时间再补充、修改。