人工智能范式的革命與通用智能理論的創(chuàng)生

鐘義信

（北京郵電大學(xué) 人工智能學(xué)院，北京 100876）

迄今，世界人工智能的研究已經(jīng)取得了不少進(jìn)步，令人興奮。但是，冷靜地觀察就會(huì)發(fā)現(xiàn)，這一領(lǐng)域其實(shí)面臨著許多嚴(yán)峻的挑戰(zhàn)。

為了應(yīng)對(duì)這些挑戰(zhàn)，學(xué)術(shù)界提出許許多多的研究思路和建議。毫無(wú)疑問(wèn)，每一種思路都有一定的道理。不過(guò)，深入思考后就不難發(fā)現(xiàn)，人工智能研究所面臨的最大挑戰(zhàn)不是別的，而是來(lái)自于它最頂層的指導(dǎo)思想?科學(xué)觀與方法論(它們的有機(jī)整體稱為研究范式，簡(jiǎn)稱范式)。具體來(lái)說(shuō)，人工智能研究面臨的最大挑戰(zhàn)是：作為信息學(xué)科的高級(jí)篇章，人工智能遵循的范式不是信息學(xué)科的范式，而是物質(zhì)學(xué)科的范式。換言之，人工智能的范式犯了張冠李戴的大忌！因此，應(yīng)對(duì)人工智能所面臨挑戰(zhàn)的最重要舉措應(yīng)當(dāng)是它的范式革命。只要正確地實(shí)施了人工智能的范式革命，它的研究就可以走上正軌，人工智能的通用理論、以至人工智能與人類智能的通用理論就會(huì)應(yīng)運(yùn)而生。

本文將闡明這一重要論斷，然后通過(guò)實(shí)施人工智能的范式革命創(chuàng)生通用人工智能理論，并給出它的總體面貌。

1 為什么人工智能的根本出路是范式革命？

為了研究和闡明人工智能的出路，首先要明確究竟什么是人工智能？人工智能和人類智能以及人類智慧之間存在什么關(guān)系？這樣，我們的討論才會(huì)有準(zhǔn)確的科學(xué)性。

1.1 什么是人工智能？

首先要明確，人類智能是人類智慧的子集[1]。

人類智慧是人類為了生存發(fā)展的目的而不斷地運(yùn)用知識(shí)去探索未來(lái)提出問(wèn)題(隱智慧)進(jìn)而解決問(wèn)題變革現(xiàn)實(shí)(顯智慧)的能力。其中的隱智慧嚴(yán)格依賴于人類的目的和思辨能力，只有人類才能擁有。而顯智慧則依賴于人類的智能求解操作，因此特稱為人類智能。后者可用機(jī)器來(lái)模擬。

根據(jù)科學(xué)技術(shù)的擬人律[2-3]，人工智能是以人類智能(解決問(wèn)題變革現(xiàn)實(shí)的顯智慧)為原型、研究具有智能水平的機(jī)器為人類提供智能服務(wù)的學(xué)科。它只涉及顯性智慧，不涉及隱性智慧。

因此，人工智能所要實(shí)現(xiàn)的不是人類智慧，而是人類智能。不能把智能和智慧混為一談。

1.2 人工智能研究的現(xiàn)狀：局部有精彩，整體很無(wú)奈

人工智能的研究，存在三大學(xué)派：以模擬人腦結(jié)構(gòu)為導(dǎo)向的人工神經(jīng)網(wǎng)絡(luò)學(xué)派[4-10]，以模擬人腦邏輯功能為標(biāo)志的專家系統(tǒng)學(xué)派[11-16]，以模擬智能系統(tǒng)行為為特色的感知?jiǎng)幼飨到y(tǒng)學(xué)派[17-19]。但互不認(rèn)可[20-21]，未能形成合力[22-23]。經(jīng)過(guò)數(shù)十年的努力，三大學(xué)派的研究都取得了一些精彩的成果。如人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)，專家系統(tǒng)的機(jī)器博弈，感知?jiǎng)幼飨到y(tǒng)的智能機(jī)器人等。

但是，三大學(xué)派的研究都面臨著許多問(wèn)題的困擾。其中最為嚴(yán)峻的挑戰(zhàn)包括：它們的理解能力(真正的智能水平)都非常低；它們的通用能力都非常差；至今未能形成人工智能的整體理論。這些問(wèn)題的嚴(yán)重性在于[24]：

1)智能水平低下，就不夠資格成為真正的人工智能;

2)沒(méi)有通用的整體人工智能理論，表明人工智能的研究還沒(méi)走上軌道。

系統(tǒng)學(xué)的原理表明：整體遠(yuǎn)遠(yuǎn)大于部分和。再多再好的部分成果之和，也遠(yuǎn)遠(yuǎn)不及整體成果。但是如何才能構(gòu)建通用的整體理論？至今仍然沒(méi)有共識(shí)。

1.3 人工智能存在問(wèn)題的總根源：范式張冠李戴

思想指導(dǎo)行動(dòng)，學(xué)科研究活動(dòng)的指導(dǎo)思想就是學(xué)科的科學(xué)觀和方法論。學(xué)科的科學(xué)觀闡明“學(xué)科的本質(zhì)是什么”，學(xué)科的方法論則闡明“學(xué)科的研究應(yīng)當(dāng)怎么做”。于是，學(xué)科的科學(xué)觀與方法論一起，就闡明了學(xué)科應(yīng)當(dāng)遵循的規(guī)范研究方式，稱為學(xué)科的研究范式，簡(jiǎn)稱范式[25]。

人工智能的研究之所以存在上述這些嚴(yán)重問(wèn)題，根本原因在于它的指導(dǎo)思想出了問(wèn)題：人工智能是一類開(kāi)放復(fù)雜的信息系統(tǒng)，卻遵循了傳統(tǒng)物質(zhì)學(xué)科范式的方法論，比如：

1) 人工智能被分解為結(jié)構(gòu)模擬、功能模擬、行為模擬三大學(xué)派，就因?yàn)檫\(yùn)用了傳統(tǒng)學(xué)科范式的“分而治之”方法論。對(duì)復(fù)雜信息系統(tǒng)施行“分而治之”的結(jié)果就割斷了復(fù)雜信息系統(tǒng)各個(gè)子系統(tǒng)之間復(fù)雜而隱秘的信息聯(lián)系，而這些復(fù)雜隱秘的信息聯(lián)系正是復(fù)雜信息系統(tǒng)的生命線和靈魂。失去了生命線和靈魂的各個(gè)子系統(tǒng)，就不再可能合成原來(lái)的復(fù)雜信息系統(tǒng)！這是現(xiàn)行人工智能的研究至今不能建立“整體理論”的根本原因。

2)人工智能系統(tǒng)智能水平低下，就因?yàn)檫\(yùn)用了傳統(tǒng)學(xué)科范式的“單純形式化”方法論。智能的決策能力依賴于對(duì)研究對(duì)象的形式、內(nèi)容、價(jià)值的全面理解。施行“單純形式化”的結(jié)果丟棄了智能問(wèn)題的“內(nèi)核”：內(nèi)容和價(jià)值因素，僅僅了解對(duì)象的形式，那就極難作出明智的決策。這是“智能水平低下”的根本原因。

眾所周知，“分而治之”和“單純形式化”是傳統(tǒng)物質(zhì)學(xué)科的方法論。它們對(duì)傳統(tǒng)學(xué)科的研究、發(fā)展與繁榮做出了偉大的歷史性貢獻(xiàn)。然而把它們用到作為開(kāi)放復(fù)雜信息系統(tǒng)的人工智能研究領(lǐng)域，就犯了范式“張冠李戴”的大忌！

1.4 人工智能研究范式的張冠李戴，是歷史的必然

人工智能范式的張冠李戴并非偶然現(xiàn)象。這是因?yàn)椋瑢W(xué)科的研究活動(dòng)屬于社會(huì)存在，它的范式則屬于社會(huì)意識(shí)。由于受到“社會(huì)意識(shí)滯后于社會(huì)存在”法則的制約，20 世紀(jì)中葉信息學(xué)科的研究活動(dòng)迅猛興起之后，直到如今都沒(méi)有形成信息學(xué)科范式的共識(shí)，信息學(xué)科的研究便沿用了業(yè)已存在而且眾所熟知的傳統(tǒng)物質(zhì)學(xué)科范式，于是就造成了信息學(xué)科(含人工智能)范式的張冠李戴，確實(shí)無(wú)可避免。

千年的科學(xué)發(fā)展，都屬物質(zhì)學(xué)科(含材料科學(xué)和能量科學(xué))，都遵循著同樣的物質(zhì)學(xué)科范式，因而沒(méi)有發(fā)生過(guò)范式的變革。但是當(dāng)今卻正在發(fā)生由物質(zhì)學(xué)科主導(dǎo)的學(xué)科體系向信息學(xué)科主導(dǎo)的學(xué)科體系的歷史性大轉(zhuǎn)變：研究活動(dòng)的大轉(zhuǎn)變?cè)谇埃芯糠妒降拇筠D(zhuǎn)變?cè)诤?發(fā)生在人工智能由初級(jí)階段進(jìn)入高級(jí)階段的當(dāng)下。因此，人工智能范式的大轉(zhuǎn)變(范式大革命)正是這個(gè)歷史大轉(zhuǎn)變所帶來(lái)的大陣痛。不消除這個(gè)大陣痛，便無(wú)法完成人工智能研究由初級(jí)階段向高級(jí)階段的轉(zhuǎn)變。這是不以人的意志為轉(zhuǎn)移的客觀規(guī)律。

1.5 范式革命：人工智能基礎(chǔ)理論重大突破的必由之路

既然人工智能存在問(wèn)題的總根源是“范式的張冠李戴”，那么，解決問(wèn)題的對(duì)癥良方就應(yīng)當(dāng)是“正冠”，做到張冠張戴、李冠李戴：顛覆傳統(tǒng)物質(zhì)學(xué)科范式對(duì)人工智能研究的束縛，確立信息學(xué)科范式對(duì)人工智能研究的規(guī)范和引領(lǐng)。

那么，什么是信息學(xué)科的范式？目前，人工智能學(xué)術(shù)共同體還沒(méi)有形成共識(shí)。不過(guò)，筆者從1962 年以來(lái)一直在深入探討信息學(xué)科的科學(xué)觀和方法論，表1 所給出的，就是我們總結(jié)的信息學(xué)科范式的內(nèi)涵特征[26]。為了便于比較，表1 還列出了傳統(tǒng)學(xué)科的范式以及現(xiàn)行人工智能所實(shí)行的范式。

表1 學(xué)科范式的比較[26]Table 1 Comparison among three categories of paradigm

通過(guò)表1 三種范式(科學(xué)觀和方法論)的詳細(xì)解析和對(duì)比，可以十分清晰地看出：作為復(fù)雜信息系統(tǒng)的現(xiàn)行人工智能研究，它所遵循的研究范式本來(lái)應(yīng)當(dāng)是信息學(xué)科的研究范式(后者的內(nèi)涵特征參見(jiàn)表1 的第3 行)，但實(shí)際上卻遵循了傳統(tǒng)物質(zhì)學(xué)科的研究范式(試比較表1 的第1 和第2 行)。這就是“人工智能范式張冠李戴”的具體表現(xiàn)。

可見(jiàn)，只有顛覆和摒棄傳統(tǒng)學(xué)科范式對(duì)人工智能研究的制約，確立信息學(xué)科范式對(duì)人工智能研究的規(guī)范和引領(lǐng)，才能從源頭上使人工智能的發(fā)展走上正確的軌道。

2 范式革命怎樣創(chuàng)生通用智能理論？

如上所述，人工智能的范式革命，就是在人工智能的研究領(lǐng)域以現(xiàn)代信息學(xué)科的范式取代傳統(tǒng)物質(zhì)學(xué)科的范式。那么，信息學(xué)科的范式又將怎樣規(guī)范和引領(lǐng)人工智能的研究呢？

2.1 總結(jié)和遵循“學(xué)科創(chuàng)生”的普遍規(guī)律：范式引領(lǐng)學(xué)科創(chuàng)生的全過(guò)程

信息學(xué)科范式引領(lǐng)創(chuàng)建“通用智能理論”的全部階段和歷程，可用表2 的“學(xué)科創(chuàng)生規(guī)律”[27]來(lái)描述。

表2 的“學(xué)科創(chuàng)生規(guī)律”顯示，學(xué)科的創(chuàng)生需要經(jīng)歷兩個(gè)階段：首先是自下而上探索范式的階段，然后是自上而下落實(shí)范式的建構(gòu)階段。

1)探索階段。特點(diǎn)是：各種相關(guān)學(xué)術(shù)背景的研究者們各自進(jìn)行自下而上的摸索、討論和爭(zhēng)論，總結(jié)失敗的教訓(xùn)和成功的經(jīng)驗(yàn)，逐漸提煉出普遍認(rèn)可且科學(xué)合理的學(xué)科范式(科學(xué)觀和方法論)。由于是各自展開(kāi)的摸索，必是百家爭(zhēng)鳴的過(guò)程，常有“盲人摸象”的現(xiàn)象，因此，這一階段經(jīng)歷的時(shí)間可能很漫長(zhǎng)。信息學(xué)科范式的形成便超越了半個(gè)多世紀(jì)，至今尚未在學(xué)術(shù)共同體達(dá)成共識(shí)。

2)建構(gòu)階段。特點(diǎn)是：根據(jù)探索階段所總結(jié)的學(xué)科范式(即由學(xué)科的科學(xué)觀和方法論闡明的學(xué)科定義)，就可根據(jù)學(xué)科定義構(gòu)筑學(xué)科的框架(即學(xué)科宏觀定義的具體化，包括學(xué)科的全局模型和研究路徑)、進(jìn)而擬定學(xué)科的規(guī)格(即學(xué)科框架的精準(zhǔn)化，包括學(xué)科的學(xué)術(shù)結(jié)構(gòu)和所需數(shù)理基礎(chǔ)的特色規(guī)格)和最終落實(shí)學(xué)科的基本理論(即學(xué)科理論的完整化，包括學(xué)科的基本概念和基本原理)。

從表2 可以看出，在學(xué)科創(chuàng)生的整個(gè)過(guò)程中，學(xué)科的范式自始至終都扮演著最高引領(lǐng)者和規(guī)范者的角色：整個(gè)探索階段的任務(wù)是為了找到學(xué)科的范式，而整個(gè)建構(gòu)階段的任務(wù)則是為了精準(zhǔn)落實(shí)學(xué)科的范式。

揭示和闡明學(xué)科創(chuàng)生規(guī)律，是構(gòu)建“通用智能理論”的第一步。以下將分別闡述筆者團(tuán)隊(duì)依照表2的規(guī)律構(gòu)建“通用智能理論”的各個(gè)步驟和結(jié)果。

表2 學(xué)科創(chuàng)生規(guī)律Table 2 Rules for discipline growth

2.2 研究和提煉“信息學(xué)科范式”

從當(dāng)前的實(shí)際情況可以判斷，無(wú)論是國(guó)內(nèi)還是國(guó)際，人工智能學(xué)科應(yīng)當(dāng)遵循的范式都還處在“探索階段”，這表現(xiàn)為：各種不同背景的研究人員仍然在按照各自對(duì)人工智能學(xué)科范式的理解進(jìn)行著不懈的探索，爭(zhēng)論頻出，共識(shí)鮮有。

由于接受了“整體觀和辨證論”思想的熏陶，也由于特殊的學(xué)術(shù)興趣、背景和經(jīng)歷，本文筆者早在半個(gè)世紀(jì)之前就開(kāi)始密切關(guān)注和潛心探究信息學(xué)科的科學(xué)觀和方法論，為形成信息學(xué)科的范式做了長(zhǎng)期的研究和積累。

1962 年筆者作為北京郵電學(xué)院信息論專業(yè)的研究生，在研讀信息論原著的時(shí)候發(fā)現(xiàn)它的信息概念只關(guān)注了波形(形式)，丟了信息的內(nèi)容和價(jià)值這兩個(gè)核心要素，造成了“信息概念空心化”。于是開(kāi)始探索，并于1986 年發(fā)表了“形式、內(nèi)容、價(jià)值”三位一體的“信息的綜合測(cè)度”(即“全信息理論”)[28]。接著，1988 年出版了國(guó)內(nèi)外第一部以“全信息理論”為基礎(chǔ)的《信息科學(xué)原理》[29]。1987年又發(fā)現(xiàn)人工智能的研究被分解為人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)以及后來(lái)的感知?jiǎng)幼飨到y(tǒng)三個(gè)互不相容的學(xué)派。于是筆者認(rèn)識(shí)到，從信息論到人工智能，都受到了傳統(tǒng)物質(zhì)學(xué)科方法論“單純形式化”和“分而治之”的影響，而這些方法論與信息學(xué)科(包括信息論和人工智能等)的特點(diǎn)格格不入。

基于這些認(rèn)識(shí)，筆者在1988 年出版的《信息科學(xué)原理》第10 章就專門探討了“信息科學(xué)的方法論”。此后在每次再版(直到2013 年第五版)都深化了信息學(xué)科方法論的探討。2014 年，筆者出版了另一部專著《高等人工智能理論》[30]，又在全書的第一篇專門對(duì)“高等人工智能的科學(xué)觀與方法論”進(jìn)行了探討。2017 年在《哲學(xué)分析》雜志發(fā)表了論文《從機(jī)械還原方法論到信息生態(tài)方法論》[31]。最終，總結(jié)提煉成為本文表1 第3 行信息學(xué)科范式內(nèi)涵的標(biāo)準(zhǔn)表述，包括它的科學(xué)觀和方法論。這是我國(guó)關(guān)于信息學(xué)科范式研究的基本成果。

2.3 范式革命：顛覆舊范式，確立新范式

顛覆傳統(tǒng)物質(zhì)學(xué)科范式對(duì)人工智能學(xué)科研究的統(tǒng)領(lǐng)地位，具體來(lái)說(shuō)，就是要在人工智能研究領(lǐng)域摒棄如下的科學(xué)觀和方法論：

1)傳統(tǒng)物質(zhì)學(xué)科的科學(xué)觀，即

①把研究對(duì)象看作純客觀且遵循確定性演化規(guī)律的物質(zhì)；

②徹底排除主觀因素；

③研究的目的是闡明物質(zhì)的結(jié)構(gòu)與功能。

2)傳統(tǒng)物質(zhì)學(xué)科的方法論，即

①分而治之方法；

②純粹形式化方法。

確立信息學(xué)科范式對(duì)人工智能學(xué)科研究的規(guī)范和引領(lǐng)作用，具體來(lái)說(shuō)，就是要在人工智能研究領(lǐng)域確立如下的科學(xué)觀和方法論：

3)信息學(xué)科的科學(xué)觀，即

①把研究對(duì)象看作主體與客體相互作用的具有不確定性的信息過(guò)程；

②強(qiáng)調(diào)主體的駕馭作用和環(huán)境的約束作用；

③研究目的是實(shí)現(xiàn)主體與客體的雙贏。

4)信息學(xué)科的方法論，即

①信息生態(tài)方法；

②形式、內(nèi)容、價(jià)值三位一體的整體化方法。

可見(jiàn)，信息學(xué)科范式與傳統(tǒng)物質(zhì)學(xué)科范式兩者幾乎相反相成。然而，千百年來(lái)傳統(tǒng)物質(zhì)學(xué)科范式已在人們心中深深扎根，而信息學(xué)科范式才剛剛露出嫩芽。因此，要讓人工智能研究領(lǐng)域的科技工作者放棄自己所熟悉和所深信的傳統(tǒng)物質(zhì)學(xué)科范式，絕非易事！不過(guò)，非如此就不能取得人工智能研究的突破與升級(jí)。

2.4 構(gòu)筑全新“人工智能全局模型”(學(xué)科框架A)

信息學(xué)科范式的科學(xué)觀業(yè)已指明：人工智能是在主體駕馭下和環(huán)境約束下的主體與環(huán)境客體相互作用所形成的不確定性信息過(guò)程。其中，所謂“主體(特別是人類主體)駕馭”，實(shí)際是指：人工智能系統(tǒng)必須接受主體所提出的“求解問(wèn)題“、主體預(yù)設(shè)的“求解問(wèn)題目標(biāo)”，以及主體所提供的“先驗(yàn)知識(shí)”；人工智能系統(tǒng)只能在這個(gè)框架下去實(shí)現(xiàn)主體所預(yù)設(shè)的目標(biāo)。當(dāng)然，也須遵守環(huán)境的約束。

根據(jù)這些思想，可以構(gòu)筑圖1 所示的人工智能學(xué)科研究的全局模型。

圖1 人工智能全局模型Fig.1 Global model for AI

圖1 的模型清楚表明：人工智能的全局模型確實(shí)是“主體駕馭下(接受來(lái)自主體的問(wèn)題、目標(biāo)和知識(shí))的主體與環(huán)境客體相互作用(接受環(huán)境“客體信息”的作用、針對(duì)這種作用產(chǎn)生“智能行為”反作用于環(huán)境客體)的具有不確定性的信息過(guò)程”。這是真實(shí)人工智能系統(tǒng)的正確抽象。

現(xiàn)有的人工智能研究，包括以結(jié)構(gòu)模擬為特征的人工神經(jīng)網(wǎng)絡(luò)和以功能模擬為特征的專家系統(tǒng)，都把“孤立的腦”作為全局研究模型的原型。這是沒(méi)有理解信息學(xué)科范式的科學(xué)觀所致。事實(shí)上，不接受外部環(huán)境客體信息刺激的孤立腦不能產(chǎn)生智能(“印度狼孩”的實(shí)驗(yàn))，而不向外部環(huán)境輸出反作用的孤立腦也不可能檢驗(yàn)?zāi)X的工作是否有意義。

由圖1 的人工智能模型還可以看出，人工智能系統(tǒng)所實(shí)現(xiàn)的，完全是主體的目的，而不是人工智能系統(tǒng)“自己的目的”。事實(shí)上，人工智能系統(tǒng)由于沒(méi)有生命，因此不可能有它自身的目的和欲望。它不可能脫離主體的意志自行其事，而只能成為人類主體的聰明助手與善解人意的合作伙伴。

2.5 揭示智能生成機(jī)制，開(kāi)創(chuàng)機(jī)制主義研究路徑(學(xué)科框架B)

信息學(xué)科范式的方法論指明：要按照信息生態(tài)演化(既然是生態(tài)演化，就不允許把信息剝離成形式化的語(yǔ)法信息，也不允許把信息生態(tài)過(guò)程割斷為封閉的信息片段)方法論來(lái)處置問(wèn)題、要堅(jiān)持運(yùn)用形式、內(nèi)容、價(jià)值三位一體的整體化方法來(lái)分析問(wèn)題，要憑借理解來(lái)作出判斷。

把信息學(xué)科范式的方法論與圖1 的全局研究模型相結(jié)合，就明確了人工智能系統(tǒng)生成智能的機(jī)制應(yīng)當(dāng)是在“問(wèn)題、目標(biāo)、先驗(yàn)知識(shí)”的約束下實(shí)現(xiàn)由“客體信息”到“智能行為”的復(fù)雜轉(zhuǎn)換，如圖2 所示。

圖2 人工智能系統(tǒng)的智能生成機(jī)制Fig.2 Mechanism for intelligence growth in AI

圖2 顯示，人工智能系統(tǒng)中智能生成機(jī)制的激勵(lì)條件，是環(huán)境客體所提供并經(jīng)主體所選擇的問(wèn)題(即“客體信息”)，智能生成機(jī)制所生成的結(jié)果是由客體信息經(jīng)過(guò)復(fù)雜轉(zhuǎn)換而成的“智能行為”，而它所遵守的約束條件則是由主體所提供的預(yù)設(shè)目標(biāo)和先驗(yàn)知識(shí)。

從圖2 可以明顯地看出，智能生成機(jī)制的實(shí)質(zhì)是“信息轉(zhuǎn)換與智能創(chuàng)生”[32-34]，具體轉(zhuǎn)換與創(chuàng)生過(guò)程則是：客體信息→感知信息→知識(shí)→智能策略→智能行為，如圖3 所示。

圖3 智能生成機(jī)制“信息轉(zhuǎn)換與智能創(chuàng)生”的實(shí)現(xiàn)Fig.3 Implementation of the mechanism for intelligence growth:information conversion and intelligence creation

可以證明，“信息轉(zhuǎn)換與智能創(chuàng)生”機(jī)制是普適性的，不僅適合于各種人工智能也適合于自然智能(包括人類智能)，因此，可以名副其實(shí)地把它稱為普適性智能生成機(jī)制，并把它的本質(zhì)稱為“信息轉(zhuǎn)換與智能創(chuàng)生定律”[35]。

普適性智能生成機(jī)制是人工智能研究的根本途徑，以“普適性智能生成機(jī)制”為標(biāo)志的研究途徑稱為“機(jī)制主義”研究途徑。

與現(xiàn)有人工智能的結(jié)構(gòu)主義、功能主義、行為主義分道揚(yáng)鑣不同，我們找到了統(tǒng)一的研究途徑。顯然，沒(méi)有新范式，就沒(méi)有統(tǒng)一的研究途徑。

2.6 重審人工智能的學(xué)術(shù)結(jié)構(gòu)(學(xué)科規(guī)格A)

信息學(xué)科范式要求保持學(xué)科的學(xué)術(shù)結(jié)構(gòu)整體性(完整性)，恢復(fù)人工智能學(xué)科的本來(lái)面目。遵循完整性的要求，就應(yīng)把人工智能學(xué)科的學(xué)術(shù)結(jié)構(gòu)理解為以下各個(gè)學(xué)科群的交叉與綜合：

原型學(xué)科群：人類學(xué)、神經(jīng)科學(xué)、認(rèn)知科學(xué)、人文科學(xué)、社會(huì)科學(xué)、哲學(xué)等。

本體學(xué)科群：信息科學(xué)、系統(tǒng)科學(xué)等。

基礎(chǔ)學(xué)科群：生物物理學(xué)、邏輯學(xué)、數(shù)學(xué)等。

技術(shù)學(xué)科群：微電子、微機(jī)械、新材料、新能源等。

由于傳統(tǒng)物質(zhì)學(xué)科范式強(qiáng)調(diào)對(duì)復(fù)雜對(duì)象施行“分而治之”，結(jié)果就把人工智能學(xué)科分解出一些互不相容的分支學(xué)科，從而產(chǎn)生對(duì)人工智能學(xué)科片面的認(rèn)識(shí)和誤解。最典型的一種誤解就是，僅僅根據(jù)專家系統(tǒng)的一家之情，就把整個(gè)人工智能學(xué)科看作計(jì)算機(jī)學(xué)科的一個(gè)分支。這顯然是以偏概全的認(rèn)識(shí)。

2.7 重塑人工智能的學(xué)術(shù)基礎(chǔ)(學(xué)科規(guī)格B)

遵循信息學(xué)科范式的“統(tǒng)一性和整體性要求”，需要改造和重塑人工智能的學(xué)術(shù)基礎(chǔ)，特別是它的邏輯基礎(chǔ)和數(shù)學(xué)基礎(chǔ)。

為此，本團(tuán)隊(duì)一方面創(chuàng)建了具有可調(diào)參數(shù)的“柔性邏輯理論”[36]，從而把原來(lái)的標(biāo)準(zhǔn)數(shù)理邏輯和各種非標(biāo)準(zhǔn)邏輯納入統(tǒng)一的邏輯連續(xù)譜系；同時(shí)本團(tuán)隊(duì)創(chuàng)建了以因素為基元的“因素空間數(shù)學(xué)理論”[37]，從而把原來(lái)互相獨(dú)立發(fā)展的普通集合論、概率論、模糊集合論、粗糙集合論等相關(guān)數(shù)學(xué)分支和諧地納入統(tǒng)一完整的人工智能數(shù)學(xué)理論。

2.8 重構(gòu)人工智能的基礎(chǔ)概念(學(xué)科理論A)

在傳統(tǒng)物質(zhì)學(xué)科范式指導(dǎo)下，人們建立了一批人工智能的基礎(chǔ)概念。但是，由于接受了“單純形式化”方法的影響，這些概念只有形式因素而沒(méi)有內(nèi)容因素和價(jià)值因素，因此基本都是“空心化”的基礎(chǔ)概念，比如形式化的“數(shù)據(jù)”，形式化的“知識(shí)”，形式化的“智能”等。事實(shí)上，正是這些空心化的概念，使現(xiàn)行的人工智能系統(tǒng)的智能水平(理解能力)非常低下。

符合信息學(xué)科范式理念的基礎(chǔ)概念包括：全信息、全知識(shí)、全智能等。這里的前置詞“全”并非要求“胡子眉毛一把抓”，而是強(qiáng)調(diào)“形式、內(nèi)容、價(jià)值”三位一體的整體化。換言之，信息學(xué)科范式要求它的基礎(chǔ)概念必須符合“整體化”的要求，不允許把它們的形式、內(nèi)容和價(jià)值分隔開(kāi)。事實(shí)上，人類主體（或者作為人類主體的人工智能系統(tǒng)）只有全面了解事物的形式、內(nèi)容和價(jià)值，才能理解事物，并在理解的基礎(chǔ)上做出有智能水平的決策。

全智能來(lái)源于全知識(shí)，全知識(shí)來(lái)源于全信息。因此，智能理論最基礎(chǔ)的概念是“全信息”。它的“形式、內(nèi)容、價(jià)值”三位一體整體化體現(xiàn)為“語(yǔ)法信息(形式信息)、語(yǔ)義信息(內(nèi)容信息)、語(yǔ)用信息(價(jià)值信息)”的三位一體。

“全信息”的概念具有嚴(yán)格定義，生成機(jī)制和符號(hào)表示方法，如圖4 所示(詳細(xì)的解釋見(jiàn)文獻(xiàn)[38-39])：

圖4 全信息/語(yǔ)義信息的生成機(jī)制Fig.4 Mechanism for the growth of comprehensive information and semantic information

圖4 的模型不僅闡明了全信息的生成機(jī)制，而且給出了語(yǔ)義信息的科學(xué)定義：Y=λ(X,Z)，其中X代表語(yǔ)法信息，Z代表語(yǔ)用信息，Y代表語(yǔ)義信息，算子“λ”代表“映射與命名”的邏輯操作?？梢?jiàn)，人們掌握了語(yǔ)義信息，就同時(shí)掌握了語(yǔ)法信息和語(yǔ)用信息，就掌握了全信息。所以，語(yǔ)義信息是用來(lái)“理解”事物的，只與事物的形態(tài)(語(yǔ)法信息)和效用(語(yǔ)用信息)有關(guān)，與事物的統(tǒng)計(jì)特性無(wú)關(guān)。

有了全信息的概念與智能生成機(jī)制，全知識(shí)與全智能的概念與生成便水到渠成。由此就可以建立“全知識(shí)”的知識(shí)庫(kù)(標(biāo)準(zhǔn)的名稱是“機(jī)制主義的記憶庫(kù)”)，它與傳統(tǒng)知識(shí)庫(kù)的根本區(qū)別就在于它的知識(shí)包含了“形式性知識(shí)、內(nèi)容性知識(shí)、價(jià)值性知識(shí)”，因此可以支持理解。值得指出，這樣的“機(jī)制主義記憶庫(kù)”比目前流行的“知識(shí)圖譜”更為深刻，因而更為優(yōu)越。

總之，只有在“全信息”和“全知識(shí)”的基礎(chǔ)上，才能具有真正的“理解能力”，才能支持真正的“全智能”。

可見(jiàn)，只有遵循信息學(xué)科的范式，才能建立真正合理的人工智能基礎(chǔ)概念。

2.9 深挖人工智能的基本原理(學(xué)科理論B)

信息學(xué)科范式強(qiáng)調(diào)“信息生態(tài)方法論”。因此，最為深刻和最為全面的人工智能原理就是體現(xiàn)信息生態(tài)演化的“信息轉(zhuǎn)換與智能創(chuàng)生定律”。這是一切人工智能和人類智能系統(tǒng)的本質(zhì)和靈魂。

正如圖3 所表明的那樣，“信息轉(zhuǎn)換與智能創(chuàng)生定律”具體包含:

1)“客體信息→感知信息”的轉(zhuǎn)換原理(感知)；

2)“感知信息→知識(shí)”的轉(zhuǎn)換原理(認(rèn)知)；

3)“感知信息、知識(shí)與目標(biāo)→智能策略”的轉(zhuǎn)換原理(謀行)；

4)“智能策略→智能行為”的轉(zhuǎn)換原理(執(zhí)行)；

5)“誤差信息→優(yōu)化智能行為”的轉(zhuǎn)換原理(優(yōu)化)。

細(xì)心的讀者可能已經(jīng)發(fā)現(xiàn)，“信息轉(zhuǎn)換與智能創(chuàng)生定律”的前4 項(xiàng)轉(zhuǎn)換原理恰好體現(xiàn)了中華文明的“知行學(xué)說(shuō)”?知(感知、認(rèn)知)行(謀行、執(zhí)行)。最后這項(xiàng)“優(yōu)化原理”，其實(shí)是在“利用知行學(xué)說(shuō)來(lái)糾正誤差”。所以，“信息轉(zhuǎn)換與智能創(chuàng)生定律”完全與中華文明的知行學(xué)說(shuō)交相輝映。

不難證明，“信息轉(zhuǎn)換與智能創(chuàng)生定律/知行學(xué)說(shuō)”既是普適性的人工智能生成機(jī)理，同時(shí)也是人類智能的生成機(jī)理。當(dāng)然，只有應(yīng)用信息學(xué)科的范式才有可能發(fā)現(xiàn)這一極其重要的結(jié)論。相反，如果恪守傳統(tǒng)物質(zhì)學(xué)科的范式，那就只能看到人工智能系統(tǒng)的結(jié)構(gòu)與人類智能系統(tǒng)的結(jié)構(gòu)之間的巨大差別。

值得指出，“信息轉(zhuǎn)換與智能創(chuàng)生定律”的深遠(yuǎn)意義更在于，它是與物質(zhì)科學(xué)領(lǐng)域的“質(zhì)量轉(zhuǎn)換與物質(zhì)不滅定律”和能量科學(xué)領(lǐng)域的“能量轉(zhuǎn)換與能量守恒定律”等量齊觀的科學(xué)定律，它們?nèi)咭黄鹁屯晟屏宋镔|(zhì)、能量、信息三大資源領(lǐng)域的三大科學(xué)定律。

進(jìn)一步的分析可以看到，“質(zhì)量轉(zhuǎn)換與物質(zhì)不滅定律”和“能量轉(zhuǎn)換與能量守恒定律”闡明了這兩個(gè)領(lǐng)域所存在的界限，告誡人們“不能逾越這些界限”。而信息轉(zhuǎn)換與智能創(chuàng)生定律則告訴人們“可以通過(guò)信息轉(zhuǎn)換來(lái)創(chuàng)生人工智能系統(tǒng)為人類提供智能服務(wù)，把人類從體力勞動(dòng)和有規(guī)可循的智力勞動(dòng)中解放出來(lái)，以便更好地發(fā)揮人類的創(chuàng)造性能力，實(shí)現(xiàn)人類社會(huì)的可持續(xù)發(fā)展”?；蛘撸?jiǎn)要地說(shuō)，物質(zhì)不滅定律和能量守恒定律告誡人們“不能逾越界限”，而智能創(chuàng)生定律則告訴人們“可以創(chuàng)造未來(lái)”。

從這個(gè)層面上是否也可以說(shuō)，“信息轉(zhuǎn)換與智能創(chuàng)生定律”對(duì)于人類的進(jìn)步與發(fā)展具有更加重大的意義？

2.10 創(chuàng)建通用智能理論(學(xué)科理論體系)

綜合集成第2.1～2.9 節(jié)的各項(xiàng)成果，特別是其中以“信息轉(zhuǎn)換與智能創(chuàng)生定律”為表征的機(jī)制主義研究途徑，可以構(gòu)建既適用于人工智能也適用于人類智能的“通用智能理論”。表3 列出了通用智能理論的總體特征與現(xiàn)有人工智能理論總體特征的對(duì)照[25-26,30-40]，從中可以看出通用智能理論的實(shí)質(zhì)性突破與劃時(shí)代創(chuàng)新。

表3 通用智能理論的總體特征及其與現(xiàn)有人工智能理論的對(duì)比Table 3 Outline for general theory of intelligence and its comparison with the current AI theory

續(xù)表 3

由此可以看出信息學(xué)科(含人工智能)范式革命對(duì)于(人工)智能理論研究的巨大作用和深刻意義。通用智能理論的功能模型如圖5 所示。

圖5 通用智能理論模型Fig.5 Model for general theory of intelligence

不難看出，圖5 的通用智能理論模型不但全面體現(xiàn)了信息學(xué)科范式(科學(xué)觀和方法論)的理念，體現(xiàn)了人類學(xué)、神經(jīng)科學(xué)、認(rèn)知科學(xué)、信息科學(xué)(含智能科學(xué))、系統(tǒng)科學(xué)、柔性邏輯理論、因素空間數(shù)學(xué)理論等科學(xué)精神，而且，也展現(xiàn)了人類智能的精髓。特別體現(xiàn)了“物質(zhì)變精神和精神變物質(zhì)”的辯證法，以及“人類不斷地認(rèn)識(shí)世界和改造世界，并在改造客觀世界的過(guò)程中改造自己”的人與環(huán)境相互作用的理論。

限于篇幅，關(guān)于通用智能理論模型工作過(guò)程的解釋請(qǐng)參考文獻(xiàn)[25-26]。關(guān)于模型的實(shí)現(xiàn)技術(shù)，則將在另文討論。

3 結(jié)束語(yǔ)

本文在深入分析人工智能現(xiàn)狀的基礎(chǔ)上，提出并闡明了“人工智能面臨的最大挑戰(zhàn)是它的范式張冠李戴”的論斷，說(shuō)明人工智能最為迫切的任務(wù)就是實(shí)施范式革命。文中詳細(xì)敘述了人工智能范式革命的整體思想和范式革命引領(lǐng)學(xué)科發(fā)展的具體步驟以及人工智能范式革命的產(chǎn)物?通用智能理論及其總體特征和模型。與現(xiàn)有人工智能理論的比較表明，通用智能理論取得了實(shí)質(zhì)性的突破和劃時(shí)代的創(chuàng)新；人工智能范式革命則是“物質(zhì)學(xué)科主導(dǎo)的科學(xué)時(shí)代”轉(zhuǎn)變?yōu)椤靶畔W(xué)科主導(dǎo)的科學(xué)時(shí)代”的橋梁，是劃分這兩個(gè)科學(xué)時(shí)代的分水嶺。

致謝：本文工作得益于國(guó)家自然科學(xué)和社會(huì)科學(xué)基金資助，期間得到陸汝鈐院士、李衍達(dá)院士、陸建華院士、何華燦教授、汪培莊教授、韓力群教授、周延泉副教授和陳志成博士等的指導(dǎo)與幫助，在此謹(jǐn)表衷心的感謝。