人工智能与自然辩证法

112王庆丰题目：人工智能与自然辩证法2摘要本文从人工智能的历史发展出发，通过对科学哲学中几个主要学派的分析比较，发现了用这些理论在传统科学的语境中进行探讨时比较难以察觉出来的某些问题，并在此基础上进行了再反恩和重新评价，认为从认识论和方法论的角度来说，这些理论的作用在一定的程度上已日趋弱化。因此，为了回应新兴科学的挑战，笔者认为科学哲学应该转换自己的研究背景，经常回到新兴科学的历史中去，这样才能获得一个全面的理论创新。关键词人工智能；科学哲学；证伪；范式；多元主义3AbstractThisarticlefromthehistoricaldevelopmentofartificialintelligence,thisdissertationonphilosophyofscienceinseveralmajorschoolsofcomparativeanalysis,foundwiththesetheoryinthecontextofthetraditionalscientificdiscussedquitewhenunobservableoutsomeoftheproblems,andonthebasisoffurtherantisalvationandrevaluates,thinkfromtheepistemologyandmethodologyperspective,theroleofthesetheoriesinthecertainextenthasbecomeincreasinglyweakened.Therefore,inordertorespondtoemergingscientificchallenges,theauthorthinksthatthephilosophyofscienceshouldconverttheirresearchbackground,oftencomebacktoemergingscientifichistory,suchabilitywonacomprehensivetheoreticalinnovation.Keywordsartificialintelligence,Thephilosophyofscience;Cardfalse;Paradigm;pluralism4在当代，以信息科学、生命科学、非线性科学和人工智能为代表的新兴科学的迅猛发展正在强烈地改变着这个世界的面貌和历史进程，深刻地影响着我们的生活方式与思维方式，并毫无疑问地对科学哲学的传统理论发起了冲击与挑战，呼唤着科学哲学的变革与创新。作为对这种挑战的回应，本文拟从人工智能的历史发展及其某些新的特征出发，对科学哲学中的几个主要流派从方法论和认识论的角度进行总体性的剖析、比较与再反思，将传统上研究背景倾向于物理学等较为“经典”、更有历史味道的学科的科学哲学探讨，切换到人工智能这类新兴的、正在蓬勃发展的更为“现代一些”的学科上来。以便转换一个新的视角对科学哲学进行新的解读，为科学哲学的发展提供新的案例、思想、启发及动力，为科学哲学的创新起到一个抛砖引玉的作用。1.人工智能的历史及其基本思想的发展首先让我们简要的讨论一下人工智能的历史及其基本思想，1956年，美国科学家明斯基(M．Millsky)，西蒙(H．Simon)以及麦卡锡(J．Mccarthy)等在达特茅斯大学举行会议，从此宣告了人工智能的诞生。在早期阶段它主要围绕着智力游戏、定理证明和字符识别等领域展开研究，其后，人工智能在机器学习、专家系统、知识工程、智能信息检索、人工生命等多方面开展系统地研究，并取得了丰硕的成果⋯。，人工智能的基本思想方法有：符号主义方法、联结主义方法和行为主义(进化主义)方法，符号主义是人工智能研究的基本方法，多年来人工智能中的许多重大进展，都是在符号主义思想的指导下取得的，而到了80年代，随着人工智能的发展，一直占主导地位的符号主义开始面临诸多的困难，已无法再继续起到推动人工智能发展的动力作用，同时，在这一时期，人工智能出现了理论危机和理论选择问题，并对人工智能基础产生了大量的富有哲学意味的争论与反思[2J。在这种情况下，80年代以来，以人工神经网络为代表的联结主义方法异军突起，它否定了符号主义将人类智能看成是某种符号处理过程的基本假设，对传统人工智能研究模式产生了革命性的冲击。然而，在对它进行深入的研究后它也暴露出自身存在的某些问题。这样，在符号主义和联结主义都暴露出不足的情况下，行为主义(进化主义)的理论变革就很自然的在人工智能界发展起来。同时这些思想几乎是并行地、互为补充地发展着并极大地推动了人工智能的进步o即这些后来的理论并没有全面地取代它们的先行者，而只是在方法上起到了一个互补作用，也正是在这里，引出了我们对科学哲学进行进一步探索的思路。2.从人工智看作为方法论的证实与证伪主义5在对人工智能的发展史做了简要的回顾后，我们返回到逻辑经验主义中。这种思想认为：科学是一种累积的事业，是通过理论的归并而得到发展的。旧理论一旦得到承认就不会被抛弃掉而总是由所化归的新理论来代替，以往的成就随着新成就的获得而得到扩展和增加。这显然是～种中国套箱式的直线发展观。把这种思想和人工智能发展史对比起来，我们发现，首先，和大多数科学哲学理论对逻辑经验主义的驳斥正相反，人工智能中确实表现出理论、经验及实践能力不断累积的情形，表现出不会轻易将已被成功证实的理论抛弃的倾向。其次，我们从这种强烈的经验证实和理论累积倾向中却又找不到能表现出理论全面化归的任何迹象，能验证那种中国套箱式的直线发展观(对此将在下文详细论述)。因此，这促使我们必须进一步分析与之相对立的波普尔的证伪主义思想。首先仅以中国科学家为例，我们注意到李未教授创立开放逻辑理论以及其它的许多理论明显受到波普尔关于开放、证伪、猜想与反驳、假说与重构等一系列动态而不是静态处理科学知识的思想的影响。从微观上看，波普尔的证伪方法和他的进化知识论对于人工智能中某些具体的知识逻辑理论(如定理的机器证明和机器发现等)的构造有着重要的方法论意义，但从宏观上看，也就是从人工智能的整个历史发展看来，情况则变得复杂起来。首先，人工智能初创时，曾有过大量的理论预言，就这些预言的结果而论，在今天看来，它们中的大部分都遭到了实践(经验)的反驳(证伪)，如果按波普尔的观点，面对如此强烈的证伪，整个人工智能理论就要被无情的抛弃掉，而事实，人工智能却仍然“存在”而且它的很多基本原理和方法仍然在累积的意义上被广泛地应用着。这样看来，即便是面对已被完全证伪了的预言，证伪方法也并不如理论上所没想的那么行之有效。真实的情况倒正如拉卡托斯所言：人常常比自然喊得更响。究其原因，很重要的一点恐怕在于波酱尔的证伪方法反对理论的一切变形(理论修正)和一切形式的特设性修改。丽人工智能中，例如在符号主义传统下，从启发式方法到通用问题求解程序的提出一直到专家系统及知识工程的相继出现，从知识工程中对知识的传统逻辑表达到常识的非单调逻辑的深入研究⋯⋯无不表明人工智能中不断地进行着大量的理论变形和特设性修改，而且这种变形并非随意的进行，而是受到这一时期理论的认识特点所支配【6】。因此，我们发现，和波普尔的观点正好相反，实际的科学研究中的这种理论的修正不但存在而且还十分常见，甚至在某种意义上它对于科学的进步是必不呵少的。这样，在人工智能中，与其说强调的是对理论的证实或证伪，不如说对理论实践有效性范围的勘察和发现(在这一点上，后来拉卡托斯对波普尔的素朴证伪方法所做的改进和夏佩尔对解决问题的“域”的分析则比较接近于真实的科学6历史)。其次，就具体假说的证伪而畜，我们不能不举出一个人工智能中“干净利落”的证伪例证——著名的明斯基对神经网络的证伪。明斯基等在《感知机》一书中显然是(在波普尔所欣赏的意义上)相当“果断”而严格地对它们做出了否证，并成功地使人工神经网络方向的研究几乎被放弃(实际上是被抛弃)。然而后来人工神经网络的起死回生乃至蓬勃发展显然又否决了这类证伪活动本身【7】。此外，逻辑经验主义企图用逻辑分析静态地描述科学的结构，而波普尔则用问题、假说及排除错误这一进程来动态地描述科学的发展，但这两者理想中的标准在很大的程度上却都是要求假说能在一个逻辑的框架内被证实或反驳，或把这个过程转化为陈述逻辑关系的讨论，其本质是要求假说能被逻辑的化归。但人工智能中的大量假说却是无法被逻辑地化归的，如人工神经网络中赫布(N．H出b)的神经学习法则和各种学习算法等就是如此，因此这些行之有效的假说也就无法在逻辑经验主义和波普尔所要求的那种意义下证实或证伪。另外，波普尔的进化知识论把逻辑经验主义根据经验获得为真的理论问题变成了根据经验选择理论的问题【8】。就理论的经验选择而言，我们发现，人工智能的发展中的确始终存在着理论选择的要求，当一种理论“衰竭”时，和传统理论矛盾和冲突的新理论将不断的产生出来以提供经验及实践的选择。然而，我们却既没有在人工智能中看到一个不断证伪的科学进程，也没有看到理论在经过选择后被全面地批判、推翻及取代的过程(将在下文对此做详细的分析。这样，我们发现实际科学研究中的证伪不但涉及到当时这个新假说与旧理论相抵触的创新程度、数学理论的成熟程度、技术工具的支撑程度，更特别涉及到这个新假说和当时占据支配地位的科学家们所持有信念的冲突程度等一系列相当复杂的因素。虽然在理论上这种强硬的证伪模式十分诱人，但在实际的操作中却显得过于理想化且很难把握。因而，在实际的科学史中几乎是可欲而不可求的。此外，科学史中的证实与证伪是一个非常复杂、彼此相伴而互动过程，任何对这个过程所做的孤立而过于简化的处理。都无法刻画真实的科学发展。因此，就人工智能的整体发展来看，单纯的逻辑经验主义和波普尔的证伪主义思想都只能在某些方面切近真实的科学历程，而在另外的方面又有着明显的偏离甚至扭曲。它们面对着历史的科学，却没有真正的用历史观念去把握，不是在静态分析中纠缠不休，就是滑向动态的偏执。这种过于严格的证实要求和过于武断的批判理性对尚在发展阶段的新兴科学而言是十分不利的，因此，作为方法论来说它们对于人工智能这类新兴学科的发展有着很大的局限性。73.从人工智能看科学哲学中的历史主义思想对于历史主义学派主要代表库恩来说，在科学的发展观上只看到科学知识的静态积累或科学假说不断的证伪更替都是片面的。至少这些观点都不符合科学发展的客观史实。他主张一种新的历史主义科学观，其中心概念是范式。科学的发展就是范式的建立、转换和替代的革命过程，科学革命的结果最终是以新范式彻底地取代旧范式而告终。但关键问题是人工智能中到底有没有库恩意义上的范式的存在(这将决定人工智能是否仍处于前科学状态尚未进入范式阶段，或我们讨论的出发点是否有意义以及是否我们能为库恩的范式在新兴科学中找到一个鲜活案例这个重要问题)。按照夏佩尔的说法，科学的历史中是找不到范式存在的L1引。而事实上，玛斯特曼早在60年代就已就指出：“对于计算机科学背景而言，非但不必去怀疑库恩的常规科学(范式)的存在，反而要肯定它。务实的科学家越来越多地是在研究库恩的东西，而不是波普尔的东西，特别是在新兴学科里，情况已经达到了这样一种程度，现在通行的是‘范式’而不是‘假说”’。这样，就人工智能中符号主义、联结主义、行为主义依次兴起的历史发展看来：首先，就模型(本体论及信念上的类比)而言，符号主义的模型认为认知过程在本体上就是一种符号处理过程，人类思维过程总可以使用某种符号来进行描述，其模型是以静态、顺序、串行的数字计算模型来处理智能，而联结主义信念则是模拟神经系统的工作过程而不再用符号操作来表征认知过程，它提供了一幅完全不同于符号处理模型的新的“世界图景”。其次，它们的符号概括也发生了改变，联结主义的工作语育是微分方程而不再是符号逻辑，而行为主义和进化主义则与前两者均不相同。再次，就解决问题的范例而畜，符号：E义有着从定理机器证明到归结方法⋯⋯非单调推理理论等一系列足以示范的成就及解题方法，而联结主义也有着归纳学习等类似范例，而行为主义和进化主义则有反馈控制模式及