新一代人工智能的核心基礎(chǔ)科學(xué)問(wèn)題：認(rèn)知和計(jì)算的關(guān)系

◎中國(guó)科學(xué)院生物物理研究所 陳霖院士

我們必須開(kāi)展什么樣的新一代人工智能的基礎(chǔ)研究，才能使我國(guó)成為人工智能領(lǐng)域真正意義上的科學(xué)大國(guó)？像圖靈的計(jì)算模型，回答了“什么是計(jì)算”的問(wèn)題，奠定了整個(gè)計(jì)算機(jī)科學(xué)的基礎(chǔ)；像香農(nóng)的通信數(shù)學(xué)原理，回答了“什么是信息”的問(wèn)題，奠定了現(xiàn)代信息論的基礎(chǔ)。對(duì)于我們而言，關(guān)鍵是能否提出“什么是新一代人工智能”的核心基礎(chǔ)科學(xué)問(wèn)題，以及我們究竟有什么能力和基礎(chǔ)來(lái)建立回答這樣問(wèn)題的原創(chuàng)系統(tǒng)理論。

總結(jié)近40年從事認(rèn)知科學(xué)研究的經(jīng)驗(yàn)，我們認(rèn)為，發(fā)展新一代人工智能的核心基礎(chǔ)科學(xué)問(wèn)題是：“認(rèn)知和計(jì)算的關(guān)系”。例如，要回答“人工智能會(huì)不會(huì)取代人類(lèi)智力”這個(gè)廣泛關(guān)注的問(wèn)題，凝煉成科學(xué)問(wèn)題，本質(zhì)上是要回答“認(rèn)知和計(jì)算的關(guān)系”（或者“認(rèn)知和計(jì)算的差別”）問(wèn)題。

一、認(rèn)知和計(jì)算的4個(gè)方面關(guān)系

認(rèn)知和計(jì)算的關(guān)系問(wèn)題可以進(jìn)一步細(xì)化為4個(gè)方面的關(guān)系：1、認(rèn)知的基本單元和計(jì)算的基本單元的關(guān)系；2、認(rèn)知神經(jīng)表達(dá)的解剖結(jié)構(gòu)和人工智能計(jì)算的體系結(jié)構(gòu)的關(guān)系；3、認(rèn)知涌現(xiàn)的特有精神活動(dòng)現(xiàn)象和計(jì)算涌現(xiàn)的特有信息處理現(xiàn)象的關(guān)系；4、認(rèn)知的數(shù)學(xué)基礎(chǔ)和計(jì)算的數(shù)學(xué)基礎(chǔ)的關(guān)系。

（一）認(rèn)知的基本單元和計(jì)算的基本單元的關(guān)系

研究任何一種過(guò)程，建立任何一種過(guò)程的科學(xué)理論，必須首先回答一個(gè)基本問(wèn)題：這種過(guò)程操作的基本單元是什么？每門(mén)成熟的基礎(chǔ)科學(xué)都有其特定的基本單元，如高能物理學(xué)的基本粒子、遺傳學(xué)的基因、計(jì)算理論的符號(hào)以及信息論的比特等。對(duì)于認(rèn)知科學(xué)而言，必須回答：什么是認(rèn)知過(guò)程操作的基本單元？

認(rèn)知科學(xué)的大量實(shí)驗(yàn)事實(shí)表明，認(rèn)知的基本單元不是計(jì)算的符號(hào)，不是信息的比特。例如，根據(jù)記憶的實(shí)驗(yàn)，Miller提出計(jì)量工作記憶大小的單元不是計(jì)算機(jī)計(jì)量記憶大小的比特，而是一種整體性的“組塊”（chunk）。人類(lèi)的工作記憶可以記住4個(gè)組塊。一個(gè)組塊可以是一個(gè)字母、可以是多個(gè)字母組成的詞，甚至可以是多個(gè)詞組成的短語(yǔ)，它們顯然具有非常不同的信息量比特。再如，Kahneman提出注意選擇的基本單元是整體性的“知覺(jué)物體”。還有，Poepple提出時(shí)間組織的基本單元是整體性的“時(shí)間格式塔”?！敖M塊”“知覺(jué)物體”“時(shí)間格式塔”，這些關(guān)于認(rèn)知基本單元的概念的重要性在于，它們不是借用于計(jì)算理論或信息科學(xué)，而是原創(chuàng)于認(rèn)知科學(xué)的實(shí)驗(yàn)發(fā)現(xiàn)。

陳霖 院士

目前的關(guān)鍵問(wèn)題是，如何超越直覺(jué)的理解，科學(xué)準(zhǔn)確地定義這些認(rèn)知基本變量，從而建立這些基本變量的統(tǒng)一的認(rèn)知基本單元模型。這對(duì)于理解“認(rèn)知和計(jì)算的關(guān)系”，把新一代人工智能建立成一門(mén)成熟的基礎(chǔ)科學(xué)（Poggio認(rèn)為的“從煉金術(shù)轉(zhuǎn)化成化學(xué)”），具有重要的基本意義。

（二）認(rèn)知神經(jīng)表達(dá)的解剖結(jié)構(gòu)和人工智能計(jì)算的體系結(jié)構(gòu)的關(guān)系

腦成像（brain mapping）不是指成像技術(shù)，而是指大腦功能解剖結(jié)構(gòu)的一種學(xué)說(shuō)，即智力的模塊性：大腦是由專(zhuān)司某種認(rèn)知功能、結(jié)構(gòu)和功能相對(duì)獨(dú)立和分離的多個(gè)腦區(qū)組成的。這樣的模塊性結(jié)構(gòu)，跟通用計(jì)算機(jī)的中心處理器和統(tǒng)一記憶存儲(chǔ)器的計(jì)算體系結(jié)構(gòu)是不相同的。

我們進(jìn)一步提出認(rèn)知神經(jīng)表達(dá)的解剖結(jié)構(gòu)的概念，這是因?yàn)榻鼇?lái)我們發(fā)現(xiàn)，敲除了視桿、視錐細(xì)胞只保留內(nèi)生感光神經(jīng)節(jié)細(xì)胞（ipRGCs）的盲鼠，能夠檢測(cè)拓?fù)湫再|(zhì)。而且ipRGCs對(duì)一致地識(shí)別拓?fù)湫再|(zhì)既是充分的，又是必要的。ipRGCs只是視網(wǎng)膜的一種神經(jīng)節(jié)細(xì)胞，又分成5個(gè)子類(lèi)，而且這5個(gè)子類(lèi)中只有2-3類(lèi)涉及識(shí)別拓?fù)湫再|(zhì)。這樣的神經(jīng)表達(dá)實(shí)驗(yàn)表明，大范圍首先的拓?fù)湫再|(zhì)知覺(jué)起源和根源于一種形態(tài)、投射關(guān)系、分子特性特定的細(xì)胞。然而，人工神經(jīng)網(wǎng)絡(luò)的每個(gè)“細(xì)胞”是相同的，只是連接不同。

如果說(shuō)，深度學(xué)習(xí)是來(lái)自神經(jīng)系統(tǒng)層次結(jié)構(gòu)的啟發(fā)，那么起源于特定神經(jīng)細(xì)胞的、超越腦區(qū)成像的全腦成像，必將為發(fā)展新一代人工智能的計(jì)算體系結(jié)構(gòu)，提供深刻得多和豐富得多的啟發(fā)。

（三）認(rèn)知涌現(xiàn)的特有精神活動(dòng)現(xiàn)象和計(jì)算涌現(xiàn)的特有信息處理現(xiàn)象的關(guān)系

基礎(chǔ)科學(xué)面臨四大問(wèn)題：物質(zhì)的本質(zhì)、宇宙的起源、生命的本質(zhì)和智力的產(chǎn)生。這四大問(wèn)題的前3個(gè)基本上是關(guān)于物質(zhì)世界的研究；而智力的產(chǎn)生是對(duì)精神世界的研究。認(rèn)知科學(xué)研究智力的產(chǎn)生，就是要揭示人類(lèi)認(rèn)知精神世界涌現(xiàn)的特有的現(xiàn)象。正如McClleland認(rèn)為的“人類(lèi)認(rèn)知最偉大的主要成就是認(rèn)知涌現(xiàn)的現(xiàn)象”，理解認(rèn)知的涌現(xiàn)是對(duì)符號(hào)處理的認(rèn)知計(jì)算理論的深遠(yuǎn)的挑戰(zhàn)。

意識(shí)正是認(rèn)知涌現(xiàn)的特有精神活動(dòng)現(xiàn)象的一個(gè)典型。意識(shí)研究的困難在于，如何把人工智能是否會(huì)產(chǎn)生意識(shí)之類(lèi)的直覺(jué)思辨的討論，變成科學(xué)實(shí)驗(yàn)的研究。

在意識(shí)的科學(xué)研究中，我們提議如下4個(gè)方面來(lái)比較研究和分析“認(rèn)知和計(jì)算的關(guān)系”：1、意識(shí)的認(rèn)知機(jī)制——什么是意識(shí)？2、意識(shí)的神經(jīng)表達(dá)——意識(shí)是如何在大腦中產(chǎn)生的？3、意識(shí)的進(jìn)化——意識(shí)是如何起源與進(jìn)化的？4、意識(shí)異常——精神疾病的本源是什么？

（四）認(rèn)知的數(shù)學(xué)基礎(chǔ)和計(jì)算的數(shù)學(xué)基礎(chǔ)的關(guān)系

無(wú)論是經(jīng)典的計(jì)算理論還是目前流行的貝葉斯計(jì)算理論，都認(rèn)為認(rèn)知過(guò)程是圖靈意義的離散符號(hào)的計(jì)算。也就是說(shuō)，計(jì)算的數(shù)學(xué)基礎(chǔ)是圖靈機(jī)。

跟傳統(tǒng)的、目前仍然占統(tǒng)治地位的認(rèn)知計(jì)算理論不同，我們提出，體現(xiàn)在不同認(rèn)知層次的認(rèn)知基本單元（如組塊、知覺(jué)物體、時(shí)間格式塔等）的共同本質(zhì)——同一不變性和整體性——可以定義為容限空間上的大范圍拓?fù)洳蛔冃再|(zhì)。各個(gè)認(rèn)知層次（包括知覺(jué)、注意、學(xué)習(xí)、記憶、數(shù)的認(rèn)知、發(fā)展和進(jìn)化、情緒、意識(shí)）的實(shí)驗(yàn)，一致支持了這個(gè)Wolfe稱(chēng)為“大范圍首先”的認(rèn)知基本單元的拓?fù)鋵W(xué)定義?！按蠓秶紫取钡娜菹蘅臻g的拓?fù)鋵W(xué)，不像是圖靈機(jī)。

目前流行的基于計(jì)算概念的理論數(shù)學(xué)，不能滿(mǎn)意地解釋我們發(fā)現(xiàn)的諸多亟待解釋的基本認(rèn)知現(xiàn)象，如“大范圍首先”、不變性的直接知覺(jué)、認(rèn)知偏向、意識(shí)涌現(xiàn)，以及起源于ipRGCs的拓?fù)湫再|(zhì)分辨等。我們正在提出和發(fā)展適合描述認(rèn)知的新的數(shù)學(xué)框架，包括“大范圍首先”的數(shù)學(xué)基礎(chǔ)：用Minsky的Perceptron平行計(jì)算模型奠定分析高復(fù)雜性拓?fù)湫再|(zhì)計(jì)算和“大范圍首先”拓?fù)湫再|(zhì)知覺(jué)關(guān)系的數(shù)學(xué)基礎(chǔ)，用Zeeman的容限空間代數(shù)拓?fù)鋵W(xué)（同調(diào)論）奠定“大范圍首先”的知覺(jué)組織的數(shù)學(xué)基礎(chǔ)，用Klein的Erlangen綱領(lǐng)奠定“大范圍首先”的不變性直接知覺(jué)的數(shù)學(xué)基礎(chǔ)；包括認(rèn)知基本單元（概念格的“知覺(jué)物體”刻畫(huà)）、認(rèn)知基本關(guān)系（半序的“容限”表征）、認(rèn)知基本操作（泛拓?fù)涞恼J(rèn)知過(guò)程描述）的數(shù)學(xué)。近來(lái)我們尋找在大腦中實(shí)現(xiàn)“大范圍首先”的量子模型，通過(guò)張量代數(shù)可以獲得一些量子理論的構(gòu)成要素。認(rèn)知和計(jì)算的關(guān)系的研究使得數(shù)學(xué)與認(rèn)知在各自最本源地方相匯，這正是把煉金術(shù)轉(zhuǎn)化為化學(xué)，對(duì)新一代人工智能的數(shù)學(xué)基礎(chǔ)的探索。

二、認(rèn)知科學(xué)的未來(lái)布局

認(rèn)知和計(jì)算關(guān)系的問(wèn)題需要長(zhǎng)期探索，應(yīng)當(dāng)?shù)玫匠掷m(xù)的支持。就認(rèn)知科學(xué)的學(xué)科特點(diǎn)，建議注意3個(gè)方面的布局。

重視認(rèn)知層次的新變量、新概念和新原則的研究。目前腦科學(xué)發(fā)展的一個(gè)趨勢(shì)是，一方面腦和神經(jīng)系統(tǒng)的生物學(xué)的數(shù)據(jù)前所未有地大量涌現(xiàn)，另一方面計(jì)算的、物理學(xué)的概念越來(lái)越普遍借用到認(rèn)知過(guò)程的分析。但是一個(gè)相對(duì)被忽視的問(wèn)題是，如何在認(rèn)知心理的層次來(lái)理解這些空前豐富的生物學(xué)層次的數(shù)據(jù)？這樣的問(wèn)題超越了生物學(xué)和信息科學(xué)的層次，必須要有認(rèn)知科學(xué)層次的、適合描述認(rèn)知的新概念和新原則來(lái)回答。

人類(lèi)為主，動(dòng)物為輔；宏觀為主，結(jié)合微觀。人工智能的基礎(chǔ)研究應(yīng)當(dāng)強(qiáng)調(diào)系統(tǒng)和行為層次。

以實(shí)驗(yàn)為基礎(chǔ)的學(xué)科交叉。我們的一個(gè)基本出發(fā)點(diǎn)是，物理、計(jì)算的基本并不一定意味著認(rèn)知的基本，適合描述物理世界的變量并不一定適合描述認(rèn)知世界。認(rèn)知和計(jì)算的關(guān)系的問(wèn)題，如“什么是認(rèn)知基本單元”的問(wèn)題，不能單靠物理的推理或計(jì)算的分析來(lái)解決，根本上只有通過(guò)實(shí)驗(yàn)來(lái)回答。在這個(gè)意義上，認(rèn)知科學(xué)本質(zhì)上是實(shí)驗(yàn)的。因此，人工智能的基礎(chǔ)研究要特別注重認(rèn)知科學(xué)的實(shí)驗(yàn)研究，要注重實(shí)驗(yàn)為基礎(chǔ)的空前多學(xué)科的交叉。

（來(lái)源：《中國(guó)科學(xué)院院刊》2018年第10期）