1、认知科学的一些基础理论问题刘晓力北京师范大学哲学系,一、认知科学概况,认知科学是以研究人类认知过程、智能和智能系统、大脑和心灵内在运行机制的一门学科。20世纪70年代(50年代？)兴起，是心理学、语言学、神经生理学、计算机科学、哲学和人类学的交叉学科。,认知科学不同的研究进路,认知科学依据不同的问题领域和研究方法划分为不同的研究进路 心理学进路语言学进路生物物理学进路神经生理学进路人工智能进路广义进化论进路复杂性科学进路,认知科学的学科建制化,最近二十年，认知科学的学科建制化步伐加快：哈佛大学等院校相继建立了认知科学研究机构，MIT成立了世界上第一个认知科学系，1986年加州大学圣地亚哥分校设
2、立第一个认知科学博士学位。以“认知科学”为名义的期刊杂志也相继问世。,认知科学的起源,认知科学起源于不同学科领域，特别是：图灵机概念的产生人工智能研究的兴起心灵哲学中以普特南（H.Putnam）和福多（J.Fodor）为代表的“功能主义”理论的确立心理学和语言学乔姆斯基（A.N.Chomsky）等反对激进行为主义的“认知革命”,认知科学所引发的一些基础问题成为20-21世纪之交涉及领域广泛、争论最为激烈的世界性的科学和哲学的热点问题。认知科学不同的研究进路，也决定了关于它的哲学观念上的巨大分歧和各种研究范式的激烈竞争 。,二、认知科学的几个基础理论问题,这里的基础理论问题涉及哲学，拟从以下几个
3、方面展开讨论：心灵哲学人工智能的基础假设和工作范式认知科学中的计算主义研究纲领,（一）心灵哲学（philosophy of mind）,当代心灵哲学的研究从大的方面讲，主要是围绕着心身关系、意向性、意识等问题展开。,1、心身关系问题,心身关系问题是一个古老的哲学问题。当代心灵哲学主要涉及心的本体论研究和心身因果作用研究两个方面。,（1）关于心的本体论问题,以笛卡尔为代表的传统观点是心身实体二元论。与心身二元论不同，当代心灵哲学家大多持有实体唯物主义立场，并试图在自然主义的框架之内对心的本体论地位和心身因果作用问题做出回答。,20世纪上半叶以来，关于心的本体论研究经历了多个理论流派的兴衰以Ryl
4、e和Hempel为代表的行为主义以Smart和Place等人为代表的心身类型同一论以Putnam、Fodor为代表的功能主义等。,从心身类型同一论到功能主义的发展反映了由还原的强物理主义到非还原的弱物理主义的转变。转变过程中，Davidson提出了作为非还原的物理主义基础的心身附随关系思想。Putnam基于功能主义提出了心理状态多重实现论题。,（2）心身因果作用问题,心身因果作用有三个方向：身心、心身、心心。引起较多争论的是第二和第三个方向，主要是讨论在因果闭合的物理世界中,心理现象如何具有因果效力的问题。,心身因果作用问题的理解,以Jackson为代表的副现象主义，将心理现象看作是完全没有因
5、果效力的，是附加在大脑的某些物理过程之上的一种“副现象”。以Davidson为代表的反常的一元论，以心身同一论和心身附随关系为基础。,以Fodor, Pylyshyn为代表的符号计算主义，强调具有语义内容、同时又得到物理实现的表征（或符号）计算的因果解释理论。以Kim为代表的心身局域还原论等。,2、意向性问题,意向性问题是当代心灵哲学最为困难的两个问题之一（另一个是意识问题） 现象学家Brentano将意向性看作是心理现象与物理现象区分的标志，“意向使心灵指向某个对象”。他认为唯物主义是不能解释意向性的。,尼采在权力意志中指出,注意某事并找出一个原因，这意味着，在其中寻找有意向者，寻找一个主体
6、，一个行为者，每个事件都是一个行为，人们习惯在一切事件中都发现有意向。人类所有行为都是关于某物或某对象的，“我们清楚我们在做什么”，我们有信念、愿望、倾向等。动物是否也有此习惯呢？,心灵的意向性主要涉及三方面问题：,意向心理状态的实在性问题意向内容的关系性质问题意向性的自然化问题,（1）意向心理状态的实在性问题,对于信念、愿望等意向心理状态是否是实在的，它们是否与我们的常识心理学的概括相一致，目前有三种不同的解决方向：,1）以Fodor为代表的意向实在论认为命题态度等意向心理状态是在物理系统中得到实现的，是具有语义性质和因果效力的状态。,2）以Paul Churchland、Patricia
7、Churchland 和 Stich为代表的取消主义他们认为，我们关于心的常识看法是错误的，常识看法对信念、愿望等意向心理状态的错误预设，终将随着神经科学或认知科学的发展而被取消。,3）以Dennett为代表的“拟人化的意向立场”是工具主义的：一方面肯定意向心理状态在行为解释与预测中的重要作用，另一方面又认为它们并非真实的内部状态。,“意向性立场把一个实体（人、动物、人造物等）看作似乎是一个理性的自主体，通过考虑自己的信念、愿望来对行动加以选择，这是一种拟人化的立场”。他认为，对下国际象棋的计算机采取意向性立场是有效的。,（2）意向内容与外部世界的关系问题,Searle认为，意向状态具有内在的
8、表达能力，即有“所指内容”，它们总能把心灵同这个世界或种种可能世界联系起来。,1）以Block、Devitt和Lycan等人为代表的内在论主张，外部世界的存在与变化对于意向内容的确定不具有实质性意义。2）以Putnam和Burge为代表的外在论主张，心与世界的关系对于意向内容的确定具有实质性意义。,3）Fodor一方面主张方法论的个体主义，认为在对行为的心理学解释上，真正具有因果相关性的是不同个体心理状态的内在性质。另一方面希望将考虑语义学的外在论与个体主义结合起来。,（3）意向性的自然化问题,意向性自然化问题有两种解决方案：1）以Dretske和Fodor为代表的因果论，将意向关系自然化为因
9、果关系。；2）以Millikan和Bogdan等人为代表的目的论，将意向关系归结为以生物进化机制为基础的目的相关性（环境与心，与生物有机体的目的相关性） 。,3、意识问题,意识问题一直是心灵哲学研究中最为困难的问题之一。科学和哲学研究中的意识主要是觉知，是与感知、认识、相信、想象、记忆和体验等相伴的有意识的心脑活动及其特征。,Levine曾于80年代提出“解释的鸿沟”的概念：关于大脑的物理的或功能的解释和理解与我们关于意识经验的解释和理解之间有一条难以填平的鸿沟。意识经验不能通过我们对大脑的物理的或功能的理解而得到解释。,有哲学家认为，之所以存在这一鸿沟，是因为自然科学的发展还没有给予我们解释
10、意识现象所需的概念，而随着科学的发展，这一鸿沟有望填平。也有哲学家认为这一鸿沟是根本不可能填平的。持这种看法的人对此做出了两种不同的解释。,以McGinn为代表的哲学家将鸿沟的存在归因于我们心灵自身的认识能力的限度。以Jackson、Levine 和 Charlmes等人为代表的另一些哲学家则认为，对一个现象的科学解释依赖于对这一现象进行物理的或功能的概念分析，而无论我们对意识做出怎样的物理的或功能的解释，我们都并没有解释意识或感觉本身，因此这条鸿沟不可填平。,Levine主张意识现象与物理现象之间解释上的鸿沟是知识论上的，而不是形而上学的。而Jackson和Charlmes则持有对意识的性质
11、二元论看法，认为意识现象与物理现象之间的解释的鸿沟具有形而上学的意义，表明意识现象并非附随于物理现象。,4. 心灵是否是涉身的？,Mark Johnson总结30年来认知科学的成就对传统哲学的挑战时说，认知科学的三大发现是：心灵本质上是涉身的；思想大部分是无意识的；抽象概念大多是隐喻的。,70年代以前是基于理性主义的符号运算传统。70年代以后，人们认识到，“理性绝不是宇宙的先验特征，理性也不是与身体无关的人类心灵的先验特征。心灵依赖于身体的生理结构，是由人的身体的特殊性质，由人脑的神经结构的特殊细节，由我们在世界中的日常举止的特殊情况塑造的，理性、心灵、概念、推理、思维等都是涉身的。”,5.思
12、维的模块性问题,：Fodor的思维非模块性主张和以Tooby和Cosmides为代表的进化心理学家关于思维的社会模块假说之间的争论。此外还有他心知问题、理性能力问题等等。,（二）人工智能的基础假设和工作范式,1956年达特茅斯会议正式使用“人工智能”术语。为期两个月的会议的目标是，致力于开发像人那样思维的人工系统。半个世纪以来，人工智能成为认知科学的“智力内核”。,人工智能的最初目标实现了吗？,早在 1965年，认知科学的领袖人物西蒙（H.A.Simon）就曾预言“在20年内，机器将能做人所能做的一切”。明斯基（M.Minsky）1977年预言：“在一代人之内，创造人工智能的问题将会基本解决”
13、 。,1. 今日人工智能,机器人足球大深蓝、小深蓝具有自主性的智能机器人人工生命人工意识计算心灵摩尔定律和莫拉维克预言,创建具有认知能力的智能体（或称认知主体）（agent）是人工智能实现基本目标的基本途径之一。从认识论和认知心理学角度，构成人的心智状态的要素包括1）认知：信念、知识、学习等；2）情感：愿望、偏好、兴趣等；3）意向：目标、意图、规划、承诺等。,为了创建具有心智的认知主体，要求认知主体是理性的，因此，信念（belief）、愿望（desire）和意图（intention）三者及其关系被看作是最为重要。,目前智能体研究普遍以美国哲学家布莱特曼Bratman的行为意图理论（BDI模型1
14、987）为基础，而且产生了广泛而深入的影响。多主体的认知，多主体的交流？,弱人工智能和强人工智能观点,弱人工智能观点仅仅把人工智能作为模拟和理解人类认知和智能活动的工具。强人工智能观点认为，人工智能系统本身就具有智能，心灵和计算机在功能上没有区别。总有一天计算机能够达到甚至超过人类智能。,如何检验机器具有智能？,图灵检验（模仿游戏：男人，女人，不限性别的提问者，如果一台机器在模仿游戏中作出令人满意的表演，就通过图灵检验）塞尔的“汉堡包”（尚克的程序和人回答的一样好，能说理解故事了吗？）塞尔的“中文屋”（中文卡片配对，脚本，故事，问题，问题的回答，英文规则=程序）,2. 反对强人工智能观点的几类
15、论证,1961年鲁卡斯（J.Lucas ）论证1979年霍夫斯塔特（D.R.Hofstader）论证GEB一条永恒的金带1989-1994年彭罗斯（R.Penros ）论证（皇帝新脑、心灵的影子）,1970-1995年德莱弗斯（H. Dreyfus & S.Dreyfus ）兄弟的论证（计算机不能做什么？1972、计算机仍然不能做什么？ 1991）1990-1998年塞尔（J.R.Searle ） 的论证（心灵、语言与社会、意识之迷）图灵机概念和哥德尔定理,3. 人工智能的基本信念,1. 认知和智能活动是信息处理过程。2. 人工系统可模拟生命和智能过程。3. 通过研究虚拟世界各类人工智能的详情
16、可以把握真实世界人类认知和智能的基本性质。4. 虚拟世界与真实世界具有同样的实在性。这些信念基于一些基本假设,1）功能主义假说,功能主义是认知科学的最基本的假定。心理学“认知革命”的结果是诞生了认知心理学，即心理学的信息处理理论。把智能有机体视作接收、存储和处理信息的信息处理系统。认知是信息加工的过程或计算过程。,普特南（ H. Putnam ）对功能主义的标准表述：人类心理状态就是大脑的计算状态，要理解心理状态就必须对神经学进行抽象，就像我们在编程或使用计算机时，对硬件进行抽象一样，心理状态就像软件（普特南1观点1960s ）。,塞尔对功能主义的描述：心智之于大脑，如同程序之于硬件，因此即使
17、不研究神经生理学，也能研究心智。程序是至关重要的，与它在计算机中的实现毫不相干，心智的功能与载体无关。,随着后来联结主义的兴起和发展，功能主义面临着一定的挑战，甚至普特南后期也放弃了功能主义的普特南观点：“人脑是否能被模型化为计算机这一问题远远悬而未决，但我不再坚持心理状态与计算状态同构的思想了”。,2）物理系统符号主义假设,物理系统符号主义假设是纽厄尔（Newell）和西蒙（Simon）1976年提出的理解人类认知行为的计算主义形式化认知模型，为此提供理论基础和进一步阐释的有Chomsky, Minsky, Fodor and Pylyshyn等.,符号主义范式,在物理符号主义假设下，诞生了
18、认知科学中的符号主义研究纲领，而且至今这一研究纲领仍然具有生命力，同时也产生了许多难以克服的困难。新近，这一假设受到来自联结主义和动力系统理论、整体论的挑战。,认知科学的先驱纽厄尔（A.Newll）和西蒙（H.A.Simon）曾乐观地宣称：“作为一般的智能行为，物理符号系统具有的计算手段既是必要的也是充分的”。“所有人类认知和智能活动经编码成为符号，都可以通过计算机进行模拟”。符号主义采用经典一阶逻辑工具，寻求知识的符号表征和计算，特点是自上而下。,3）联结主义假设,联结主义受大脑神经网络研究的启发。联结主义的核心是，认知和智能是从大量单一处理单元的相互作用中产生的。核心概念是“并行分布式信息
19、处理”。80年代以来，随着不依赖于大脑研究认知和心智的功能主义在理论上困境的加深，开始掀起认知神经科学研究，以人工神经网络、计算神经科学、神经计算等名义实践着联结主义思想,大脑的功能和特征,目前普遍认可的大脑的功能和特征有：大脑是一个神经元联接的巨型复杂系统。大脑神经元个数大约是1012 ，其不同的联结方式至少有61013种以上。大脑中的信息处理建立在大规模并行计算的基础上。,大脑具有很强的容错能力和联想能力，而且善于概括、类比、推广。大脑功能虽然受先天因素制约，但后天的经历、学习、训练和文化环境作用等起重要作用。大脑具有很强的自组织和自适应的特性。,联结主义范式,从1943年麦克洛克和皮兹的
20、神经活动中内在观念的逻辑运算到1986年鲁梅哈特和麦克莱兰德并行分布处理：认知的微观结构出版，经历40年联结主义在20世纪80年代重新复兴，成为继符号主义之后真正有竞争力的认知科学研究范式。,联结主义是要模拟发生在人类神经系统中的认知过程，不同于符号主义之处在于强调，“构架至关重要”。它的特征是自下而上的：内在并行性分布式信息存储容错性自适应性（通过学习）,3.动力系统理论（dynamical systems theory）,动力系统理论是运用复杂性思想将人类认知过程和智能行为看作复杂的动力系统，期望对认知功能提供不同于符号主义和联结主义的新解释，认为这种理论是对人类认知的最好的描述。并且主张
21、有可能代替符号主义和联结主义范式，成为第三种新的认知科学范式。,D.Kirsh （1991）提出认知科学的五大问题,1）知识和概念化是人工智能的核心吗？2）认知能力及其所预设的知识能否脱离其有机体进行研究？3）认知的知识形态或信息形态的轨迹是否可用类自然语言描述？4）学习能否与认知相分离加以研究？5）是否有对于所有认知的统一结构？,三、认知科学的计算主义纲领,在功能主义假设下，目前占据认知科学主流的是认知科学的计算主义纲领。计算主义纲领的核心是认知的本质是计算。认为一切认知过程和智能行为都是可计算的。这一纲领从诞生之日起，就面临着来自各方的挑战。,马尔（D.Marr）的三层次理论,对于研究复杂
22、的信息处理系统，人们已经普遍接受了马尔的三层次理论，即分为计算理论层、表征与算法层以及实现层。,其中，计算理论层解决的是“处理信息（计算）的目的是什么”、“用什么理论处理”，以及“说明所用理论为什么能达到此目的”等问题。计算理论层是最基本，也是最困难的。算法层要对计算理论找到具体的算法，尤其是，输入和输出的表征是什么，转换的算法是什么。实现层是将表征和算法转化为可执行程序。,即使解决了计算理论层和算法层的问题，还有一个实现层的问题，计算是否可实现，还有一个计算的时间复杂性和空间复杂性问题。 如果求解一个问题，需要过量的时间和存储量，即使有算法存在，实际上也是不可解的。,丘奇图灵论题断言，可计算
23、性是不依赖于形式系统的选择的。所有合理的计算模型都是等价的，即所判定的语言类都是相同的，计算能力是一样强的。但是，在复杂性理论中，模型的不同选择会影响时间复杂度，在一个模型上线性时间内可计算的问题，在另一个模型上就不一定是线性时间内可计算的。,1. 什么是可计算的，什么是不可计算的？,可计算的问题就是存在算法可解的问题。一类问题称为可计算的，即存在算法可解这一类问题中所有的问题。一类问题不是可计算的，即不存在算法解这类问题中的所有问题。,几个不可计算问题,1. 停机问题是不可计算的。没有一个程序能判定任给的一个程序 P 和一套输入 I ，依照这套输入 I ，运行程序 P 时，机器是否会停机。,
24、2. 程序验证问题是不可计算的 假设有一个计算机程序和一个关于程序使用的说明书，我们想检验该程序是否正好像说明书所说的那样运行。 由于程序和说明书都是像数学一样的精确对象，我们希望让一台设计适当的计算机来检验。,但是，可以证明，一般的软件验证问题用计算机是不可解的，即不存在一般的算法实现这种检验，这个问题是不可计算的。3. 检查一个图灵机是否接受一个给定的输入符号串是不可计算的。 4. 如下的“波斯特对应问题”是不可计算的。,波斯特（ E.Post ）问题不可计算,可用多米诺骨牌游戏描述，单个的和一簇骨牌： b b a ca abc abc ca ab a c 将骨牌进行排列（允许重复），使得
25、在阅读横线上符号后得到的符号串与阅读横线下符号后得到的符号串相同（匹配），例如 ： a b ca a abc ab ca a ab c,但是，下面一簇骨牌不可能有匹配，因为横线上的符号组成的符号串比下面的符号组成的符号串长： abc ca acc ab a ba 可以证明，波斯特对应问题是不可计算的，即确定一簇骨牌是否有一个匹配，在算法上是不可解的。,认知是可计算的吗？,在功能主义假设下，认知科学家的基本任务是探究在人类心智中发生的表征和计算的具体类型、机制和形式。一个问题：认知是可计算的吗？,2.认知可计算主义纲领的核心,认知可计算主义纲领的核心认知的本质是计算。其最初的含义是，作为信息处理
26、系统，描述认知和智能活动的基本单元是符号，无论是人脑还是计算机，都是操作、处理符号的形式系统。,1）认知和智能的任何状态都是图灵机的一种状态，认知和智能的任何活动都是图灵意义上的算法可计算的。2）认知和智能的任何活动都是信息的收集、存储和处理的过程，因此都是算法可计算的。,自20世纪70年代，这一思想上升为统帅认知科学和人工智能的强纲领。在这一纲领下，认知科学有两种基本工作范式：符号主义、联结主义。这一纲领至今仍有着强大的生命力。走向计算主义？一条新的研究进路？,3.对认知可计算主义的质疑,质疑认知可计算主义的几条路线：哲学路线（现象学、反行为主义、诉诸哥德尔定理）生物学和复杂性科学路线（大脑
27、的特异性 、意识的自指性）计算机技术路线（DNA计算机、量子计算机、超越图灵机的各种设想）,1）哥德尔定理的应用,哥德尔第一不完全性定理：任何丰富的数学形式系统，如果是不矛盾的，就是不完全的，即其中必定存在真的数学命题不可证。第二不完全性定理：任何足够丰富的数学形式系统，如果是不矛盾的，它的不矛盾性在系统内不可证。,一个命题在形式系统中可证存在可执行程序，一步一步依据程序，在有穷步内完成证明。一个命题真与事实相符（塔尔斯基）。数学家期望数学真理都是形式可证的。哥德尔证明，可证数学命题与数学真理之间永远隔着一个超穷距离。“数学不仅是不完全的，而且是不可完全的”。,哥德尔定理的图灵机版本,1. 没
28、有一台定理证明机器能证明所有数学真理。2. 数学真理是算法不可完全的。3. 数学真理是算法不可穷尽的。4 .数学是机器程序不可穷尽的5.停机定理没有一个程序能判定任给的一个程序 P 和一套输入 I ，依照这套输入 I ，运行程序 P 时，机器是否会停机。,丘奇-图灵论题,丘奇论题一切算法可计算的函数都是递归函数。图灵论题一切算法可计算的函数都是通用图灵机可计算的。每个可实现的机械过程都可在一台图灵机上程序化。哥德尔认为，图灵机概念第一次澄清了形式系统概念的真正内涵。,既然任何一致的形式系统和图灵机程序不能囊括所有的数学真理，而我们人心能够看出它们的真理性，那么哥德尔定理似乎表明，存在一台超过人
29、心的计算机。,哥德尔不反对用不完全性定理作为推出“人心胜过计算机”的部分证据。但不完全性定理不能作为“人心胜过计算机”论断的直接证据，要推出如此强硬论断还需要其他假定，例如“理性提出的问题理性都能解答” 。,哥德尔首先严格区分了心（mind）、脑（brain）、计算机（computer）的功能。人类大脑的功能不过像一台计算机。心-脑同一论是我们时代的偏见。心的可计算主义是应当批判的。,假定存在超过人心的机器我们能证明吗？,但哥德尔认为，根据第二不完全性定理，不排除存在一台超过人心的计算机的可能，但是，假定有这样的机器，我们或者不知道它的详情，或者不知道它能够如我们期望的那样准确无误工作。为什么
30、？因为我们无法消除内涵悖论（罗马教堂、上帝、机器觉知程序）。,2）复杂性科学的观点,许多人认为，与现代计算机不同，大脑不是一种通用图灵机，大脑的每一部分都是特异化的，并且是在相互作用中完成整体心智活动的，体现出的是一种内在的、依存性的、整体自涌现的形式。,协同学领袖哈肯（H.Haken）曾经预言，“从长远的观点看，有希望制造出以自组织方式执行程序的协同计算机来模拟人类智能”。哈肯在1996年的大脑工作原理中，系统阐述了他的脑活动和认知的协同学研究结果。,但事实上，目前，我们除了对 大脑神经元及其联接在量级规模方面的复杂性有一些描述外，对其功能的复杂性并没有深刻研究，特别是没有有关复杂性测度的结
31、果。,我们对大脑的功能和运作机制的复杂性仍然很无知。迄今提出的50多种人工神经网络模型，虽然广泛用于模式识别、图象处理、控制和优化、金融预测与管理、通讯等领域，但最大的困难是，仍然不能解决人的意识问题。莱道文（Radovan）1997年已经证明，目前的人工神经网络模型的计算能力与用传统符号逻辑方法所得的计算能力没有差别。,意识的复杂性,克里克（F.Crick）提出惊人假说：“现在是可以用科学的方法研究意识的时候了，人的意识和精神活动完全由神经细胞、胶质细胞的行为和构成方式、以及影响它们的原子、离子和分子性质所决定”。完全由物理化学规律支配，果真如此吗？,意识的最重要特征是的它的意向性、自明性，
32、或称自指性，依照彭罗斯的观点，这些特征显然是超越逻辑的，因此是超越目前的算法的。卡普坦尼（G.Captain）1997年证明，符号逻辑方法不能完全描述意识现象。,依照彭罗斯（R.Penrose）在皇帝新脑（1989）和大脑的影子（1994）中的说法，目前我们的物理理论，甚至包括量子力学还无法刻画意识的规律，需要一种建立在微管理论基础上的新的量子力学理论。,艾德尔曼（G. M. Adelman）在1998年的意识与复杂性中认为，人的意识和心智活动是动态的达尔文过程，所有行为现象都是由神经细胞活动的时空模式决定的，意识和心智活动无非是大量神经活动中模式选择“胜者为王”的结果。,艾德尔曼强调的恰是意
33、识的自涌现机制，和它的不可计算的特性。有一种假设认为，意向性意识（对意识某对象的意识）涌现于集群系统动力学，并由环境激发。,但是，依照遗传算法之父和复杂性科学先驱霍兰（J.H.Holland）在1998年涌现一书的说法，我们目前还没有理论和模型能够清楚地表现意识的自涌现的现象。事实上，我们不但没有理论和模型，甚至还没有这样的人工系统，能显示每个神经元主体与成百上千的通过突触连接的其他神经元主体之间的相互作用。,著名的裂脑研究专家，诺贝尔奖获得者斯佩里（R.W. Sperry）1991年指出：精神和意识是大脑的整体性质。在认知过程中，神经元事件可看成是嵌入在更高层次的因果现象之中。,在大脑活动的
34、因果链中，意识经验以不可还原的突现形式出现在大脑过程的较高层次（认知层次）上。这些突现的心灵实体不仅在认知水平上相互作用，而且，对作为组成成分的神经元的活动实施自上而下的控制。,我们不能再认为，仅靠化学和分子生物学能对大脑功能作出完整的解释。统一的主观意图必定因果地控制每个脑半球的神经元的激发模式。人的包括信仰和价值观念的整个精神系统具有因果效力地控制大脑行为。,认知过程的复杂性,霍兰对复杂适应系统（CAS）的研究对认知科学研究提供了非常好的范例。他提出CAS的4个特征（聚集、非线性、流、多样性）和3个机制（标识、内部模式、积木）,从抽象角度讲，人类认知过程事实上构成了复杂适应系统（CAS）的
35、一个子系统。由于霍兰的研究基本上是一种描述性的，还有一个寻求一般原理，并进一步数学化的过程，因此仍在探索之中。,关于认知的复杂系统的研究，已经提出了两个模型，例如BA模型和BCI模型。关于自相似现象，小世界现象的研究，BA模型发现，自相似的出现与偏好连结的机理有关。由此有人提出两个设想：,1）复杂系统性质的出现，不完全在于系统的规模，而是在一定的规模下，取决于系统内连接的机理。2）在一定的规模下，利用连接机理，可以利用模型研究“涌现”等现象，如果对网络的节点赋予一定的含义，那么，从大量的类似事物中能否出现“概念”？,BCI的出现，使很多人认为，在信息处理的意义上，人脑与电脑的本质是一致的。借用
36、生物脑的知识，对人工智能的发展是十分重要的。对生物脑的发展起关键作用的进化在某种意义上是适应环境的优化，在人工智能上是否可以借用？根据BA 和BCI的尝试，有人提出：,能否利用复杂系统的“涌现”现象，研究智能中的“创新”、“概念”等问题？能否利用生物脑的知识改进人工智能，例如，进化对人工智能的作用？生物脑与人工脑互补，结合工作的可能性？人机结合的途径与可能？,常识知识结构的复杂性,认知科学目前的最大的难题是语言和常识知识（默会知识、背景知识）问题。符号主义范式早期在证明几何学定理、弈棋、定理再发现，以及运用逻辑演算和少量现实世界背景知识就可精确控制的一些领域取得了成功。,但是，人们很快认识到，
37、日常生活中要解决的大多数问题无法归入少数几种因素的形式组合。至少机器语言翻译的经验告诉我们，人类认知是与真实世界的大量背景知识相关的（机器翻译要过五道关）。,认知科学工作者试图发明一些解决日常生活实际问题的程序，致力于按照规则的观念阐明必要的背景知识，寻求最小知识系统。人们猜测，只要抽象出真实世界中那些对于求解问题非常重要的特征，机器就能给出这个抽象世界足够的背景信息，并智能地思考简化了的人工世界中的对象及其关系，从而实现模拟真实世界的目的。,最初的努力是试图建构一个嵌入机器的“微型世界”，微型世界是对真实世界特征的极大简化。不幸的是，如休伯特德莱弗斯（H. Dreyfus）所说，“微型世界不
38、是世界，而是孤立的，缺乏意义的不毛之地，不能指望这样的不毛之地生长出我们日常生活的多彩世界”。,由于上述困难，人们寄希望于从尽量少的知识集合出发，通过形式化手段演绎出整个知识系统。 1975至今，开始进入寻求极小常识知识集合的阶段。,极小常识系统有明斯基的“框架”程序和尚克（R. Schank）的“脚本”程序、麦克德莫特（D. McDemott）和多伊尔（J. Doyle）和赖特（R. Reiter）的“非单调逻辑” 、麦卡锡（J. McCarthy）的“化界系统”，以及麦克德莫特的“时态逻辑” 等。,但事实上，这些结果都只能完成某一范围的局域性特定任务，难以真正广泛通用。最重要的是常识知识结
39、构本身的复杂性我们很少了解。,1985年德克萨斯奥斯丁微电子和计算机中心开始启动的常识知识数据库的重大项目，预计包含上亿条逻辑语句，由于难以摆脱用机器程序处理日常问题所遇到的“组合爆炸”问题，目前仍在艰难进行之中。,复杂性和不可计算性,具有复杂性的对象未必是不可计算的非决定性与不可计算性的区别是否存在不可计算的认知对象？彭罗斯说：“这个世界很可能是决定性的，但同时却是不可计算的，这样，未来有可能以一种在原则上不能计算的方式被现在决定”。不可计算的认知对象具有什么样的复杂性？,4.倡导“认知是图灵算法不可完全的”新理念,认知科学范式的转换已经启示我们，基于规则的“认知可计算主义”纲领的局限性，应
40、当拓展“计算”概念。因此我们主张建立以“认知是算法不可完全的”理念为基础的研究纲领和研究范式,寻求新的计算模型。超越图灵计算？,例如，自然机制+算法的模式：可以归约为经典图灵机计算层面的问题，就采用算法计算；不能归约为计算层面的问题就引进“自然机制”。自然机制包括生物学机制和量子物理机制等。,目前有人倡导的“生物学计算”就是一种新的模式。它指的是人工培养的神经元在一个适宜的营养基中进行生物学意义的生长，根据构建系统的计算要求完成定型。它既不同于作为抽象神经元计算机模型的人工神经网络，也不同于用于解决复杂问题的利用DNA分子的化学性质的DNA计算机，指的是人工培养的神经元，可以进行真正生物学上类似人脑那样的操作。,另一种思路是在神经元集群层面援用量子物理机制对意识局部建模，进行人工意识研究。有可能获得突破的几条路：大脑科学的新进展生物学进展人机交互系统复杂性科学的进展,但是能否像另一批乐观主义者所预期的“以自然为基础的”半人工智能已经走在快车道上，40年之内就能造出堪与人脑相匹敌的智能来，我们拭目以待。,谢谢大家！,
