机制主义:人工智能的统一理论

　引言!智能科学技术的意义人9是一种典型的信息系统9也是典型的智能系统信息技术和智能技术的重要作用就是扩展人体信息系统和智能系统的功能如图所示图智能科学技术与信息科学技术的作用和关系传感~ 通信~ 计算~ 控制等技术领域已经获得长足的进步但是9随着应用需求的不断深化9图模型的核心智能技术的发展提上了议事日程现有人工智能理论概述现有的人工智能研究成果已经相当丰富多彩9从理论研究的角度看9这些成果主要由三个基本理论所驱动首先 是 由年和发 表 的 工作___H神经元数理逻辑模型所开创的人工神经网络方法它的基本思想是通过模拟大脑皮层神经网络的结构7特征来复现智能9因此9被后人称为H结构主义7方法等人是这一方法的代表性人物收稿日期年一批年轻学者在美国会议期间倡导了以计算机硬件平台支撑 用符号逻辑描写 由软件编程实现的G符号主义7方法它不关心系统的结构特征 只关注系统的功能表现(因此也称为G功能主义7 回避了结构模拟的困难由于功能主义方法一开始就用了人工智能 7这一名称 后来许多人就把人工智能7等同于G功能主义7或G符号主义7(其实人工神经网络所实现的智能也是人工智能等人是这一方法的领军人物世纪年代初期等提出了G无需知识表示和推理的智能系统7的G行为主义7方法---在分析智能系统的输入(刺激模式 输出(动作模式 关系的基础上 系统首先鉴别输入的模式 然后根据输入输出之间的关系决定输出的动作方式这便是模拟六脚虫的爬行机器人原理考虑到学术界对于人工智能理论中结构主义 功能主义 行为主义的具体研究成果和存在的问题早已人所共知 这里不再详述机制主义虽然G结构 功能 行为7都是系统的重要属性 但是对于智能系统来说 真正能够揭示系统本质的 却应当是系统的G工作机制于是 与结构主义 功能主义 行为主义方法不同 这里将直接关注G智能的生成机制7(为了简单 不妨称为G机制主义那么 G智能生成的共性核心机制7究竟是什么？

　图表明 G智能7的共性核心生机制可以理解为= 在给定的问题环境目标的前提下获得相关的信息 并在此基础上完成由信息到知识的转换以及由知识到智能的转换(后者简记为G信息知识智能的转换我们之所以把上面的表述称为G智能生成的共性核心机制7 是因为任何智能的生成都会遵循G信息知识智能转换7这样的原则 只是G转换的具体过程7会随着问题的不同而有所不同;在某些相对简单的情况下 这个转换过程也可以有所简化智能生成的机制既然智能的共性生成机制表现为G由信息到知识和由知识到智能的转换7 现在就逐一来考察其中所包含的各种重要的转换问题由于篇幅的原因 这里只讨论到G原理级转换由本体论信息到认识论信息"信息获取智能生成机制首先要解决G在给定条件下获得相关信息7的问题 即本体论信息(外部世界的问题信息与环境信息 转换为认识论信息(系统获得的信息 的问题为了研究这个转换 需要澄清G信息7的有关概念信息论认为 信息是消除不确定性的东西;不确定性是指状态和状态出现方式的不确定例如对于具有种可能状态的随机变量 X 若已知各个状态发生概率的分布为那么相应的信息就可以用它的概率空间来描述不过 这样的信息只能告诉的某个状态会以概率发生7 至于它与所关心的问题求解在多大程度上相关 却不得而知因此 不能满足要求年 作者在 信息科学原理中引入了本体论信息和认识论信息的概念事物的G本体论信息7是指事物对其运动状态及其变化方式的自述;事物的G认识论信息则是认识主体关于该事物运动状态及其变化方式(包括这些G状态 方式7的形式 含义和效用 的表述其中 关于事物运动状态的形式的表述称为G语法信息7 关于事物运动状态的逻辑含义的表述称为G语义信息7 关于事物运动状态对主体所呈现的效用的表述称为G语用信息语法信息 语义信息 语用信息的综合体则称为G全信息可见本体论信息是事物自身的信息 认识论信息才是主体所获得的信息如果主体获得了事物的全信息 就不仅了解了它的形式 而且了解了它的内容和价值全信息需要三类参量来描述对于一个具有种可能状态的变量 X 用状态肯定度参量来描述的语法信息(各个状态发生的肯定程度 用状态的逻辑真实度参量来描述的语义信息(各个状态内容的逻辑真实程度 用状态的效用度参量来描述的语用信息(各个状态对于用户的价值大小因此全信息的描述是与不同的矩阵其中分别代表符号表示G大于或等于或小于既然事物的全信息提供了该事物的形式 内容 价值的信息 就可以判断这个事物的信息是否与当前所关心的问题相关 以及在多大程度上相关 进而就可以确定是否应当设法获取这个信息文献还给出了全信息量的测度公式有需要者可以参考相关文献为了简便 在下文的叙述中 只要不引起阅读的误解 我们把G全信息7一词简称为G信息换言之 下文中出现的G信息7实际上都应当理解为G全信息7 除非另有特别的声明有了这些概念就可以讨论从本体论信息到认识论信息(全信息 的转换 图示出了这个转换的基本原理这实际上就是从外部世界获得相关信息的原理图由本体论信息到全信息转换的原理其中语法信息获取的原理(传感)一目了然9无需解释9语用信息和语义信息的获取则分别需要进行式的效用判定和的逻辑关联操作式是计算外来刺激(信息)矢量与系统的目标矢量之间夹角的余弦值:大于零为正效用9小于零为负效用式是关联逻辑运算9它表明: G具有语法信息所描述的形式且具有语用信息所描述的效用7就是与之相应的G语义信息于是9图所示的系统可以完成从本体论信息到认识论信息的转换9即相关信息的获取转换由认识论信息到知识"认知智能生成共性机制的第二个转换是由信息提炼知识专家系统的研究曾经关注过知识的问题9但是没有涉及如何从信息提炼知识的问题9大多数专家系统的知识都是由系统设计人员手工完成的世纪年代以来兴起的关注了如何从数据中提炼知识的问题9但尚未形成普遍性和系统性理论年作者在G知识理论框架中给出了知识的概念\ 分类\ 描述和知识量的测度方法9探讨了G把信息提炼为知识7和G把知识激活为智能策略7的方法作者认为9某个事物的信息表现的是G该事物运动的状态及其变化的具体方式79而事物的知识表达的则是G该类事物运动的状态及其变化的抽象规律由G具体的变化方式7到G抽象的变化规律7的过程9正是从信息资源中提炼知识的过程因此9由信息到知识的转换原理9本质上是一种归纳和抽象的处理过程同G信息7有语法信息\ 语义信息\ 语用信息分量的情形相对应9G知识7也有G形式性知识7\ G内容性知识7\ G价值性知识7三个分量其中9事物的形式性知识反映的是事物结构形态方面的知识9可以用结构G关联性L7作为描述参量9内容性知识反映的是事物逻辑涵义方面的知识9可以用逻辑G合理性R7作为描述参量9价值性知识描述的是事物对于主体所呈现的价值信息9可以直接用G价值 V7作为描述参量因此9对于一类事物 X 9如果它具有种可能的运动状态9在知识理论框架下9与它相应的知识可以描述如下其中分别代表其他符号意义同前由于篇幅原因9这里不能引述知识理论的全部结果有需要的读者可以参阅文献对照信息和知识的定义9可以启示从信息提炼知识的基本原理如前所说9事物的信息是关于事物运动状态及其变化方式的表述9事物的知识是认识主体关于事物运动状态及其变化规律的表述因此从信息提炼知识的过程就是G从具体现象到抽象规律7的归纳过程9即从同类事物的大量具体G状态变化方式7经过归纳处理9抽象出反映其中G状态变化规律7的过程它的基本原理如图所示图由信息提炼知识的归纳过程当然9依据不同的问题和约束条件9具体的归纳和抽象算法会有所不同但是9归纳和抽象的原则是普遍的事实上9目前文献中关于数据挖掘中的各种算法都可以看作是归纳算法在各种不同情况下的具体实现一般来说9事物的形式性知识可以从大量同类事物的语法信息归纳抽象出来9事物的内容性知识可以从大量同类事物的语义信息归纳抽象得到9事物的价值性知识则可以从大量同类事物的语用信息归纳抽象而成但是9同信息的情形类似9内容性知识的归纳需要与形式性知识和价值性知识共同作用9如图所示图由信息到知识的转换需要注意的是9G知识7并不是一个静止的概念9它有自己生长的过程知识的最初形态是经验9这是一种具有粗糙真理性但是还没有经过严格的科学验证的情形9可称为G经验性知识科学验证为真的经验性知识9称为G规范性知识79是知识生长的第二阶段规范性知识经过普及成为G不证自明的公理79称为G常识性知识这是知识生长的第三阶段当然9并非所有规范性知识最终都可以成为常识性知识9另一方面9那些老幼皆知和G不言而喻的共识7以及本能性知识也应归入常识性知识的范畴图表示了知识的生长阶段图知识的生长阶段知识理论的研究近几年受到越来越多的重视9正在取得可喜的进展限于篇幅9关于这方面的讨论不在这里展开有兴趣的读者可以参考相关的文献转换从知识到智能策略"决策智能生成机制的第三个转换是由知识到策略的转换由于策略比较集中地体现了求解问题的智能9因此也常常把它称为G智能策略当然9准确地说9完整的智能概念应当包含智能策略生成的过程以及智能策略应用的过程所以9策略体现的其实只是狭义智能生成智能策略的重要条件是要具备相关问题及其环境的足够知识和信息;生成智能策略的另一个重要条件是要有明确的目标前者为生成智能策略提供必要的基础后者为生成智能策略提供引导的方向基础和方向9两者缺一不可可以认为9与其他问题不同9求解智能策略的一个重要特色就是G目标导引没有目标9就谈不上智能因此9生成智能策略的过程实质上就是在给定G问题及其环境的知识和信息以及求解目标的信息7的约束条件下求解问题的过程9它的原理如图所示图由知识到智能策略的转换图中示出9G智能策略生成7的机制是按照问题环境 目标的约束9根据相关理论知识9通过计算和逻辑处理产生初始策略把初始策略作用于问题9使问题的原有状态改变为新状态将问题的新状态与目标状态进行比较:如果新状态与目标之间的差异比原有状态与目标之间的差异小9就按照原有的计算与逻辑处理继续前进产生策略的后续部分9直到问题最新状态与目标之间的差异足够小9表示问题得到了满意的解决这时得到的策略就是既能满足环境约束 又能解决问题 达到预期目标的智能策略否则就要回到步骤在给定的知识和信息驱动下以及在目标的引导下改变原先的计算与逻辑处理9产生新的初始策略不过需要注意9在给定G问题环境的知识和信息7的条件下9图中示出的这个求解过程可能有解也可能无解取决于设定的预期目标是否合理如果出现无解的情形就只能退而求其次:或接受非最优解; 或者需要修订目标重新求解有时预期目标本身是合理的9然而给定的G问题及其环境的知识和信息7不够充分9也会导致不满意的求解结果在这种条件下就需要设法得到更充分的知识和信息9否则就只能接受非优的求解结果一般9给定G问题约束的知识和信息以及预设目标之后9图所示的求解智能策略方法原则上是可行的不过9由于所利用的知识处于不同的生长阶段(见4 .2 > 9这个一般性的原理将会有不同的具体实现方式(见第节的图转换由智能策略到智能行为"执行生成求解问题的智能策略之后9后续的过程就是要执行这个智能策略9即把智能策略转换为智能行为9使实际问题得到真正的解决从功能的意义上说9控制系统就是完成由智能策略到智能行为转换的技术系统由于这部分内容比较熟悉9这里不再展开机制主义!结构主义$功能主义$行为主义的统一机制主义认为9G信息知识智能转换7是智能生成的共性核心机制尽管存在各种不同的智能生成过程9但是G信息知识智能转换7却是智能生成过程的共同主轴差别主要表现为这些转换的具体实现方式的多样性根据上节的讨论9可以得到图的结果图信息知识智能转换:智能生成的共性核心机制图表明9结构主义方法(利用经验性知识的神经网络9其中也涉及到模糊逻辑方法和粗糙集合方法> 功能主义方法(利用规范性知识的专家系统方法> 行为主义方法利用常识性知识的感知动作系统方法>三者确实在机制主义(信息知识智能转换> 框架下实现了完美的互补与统一而且9结构主义方法获得的经验性知识经过验证就可以成为功能主义方法所需要的规范性知识9功能主义方法的规范性知识经过普及处理就可以成为行为主义方法所需要的常识性知识可见9在智能生成机制( 机制主义> 的统一框架体系下9结构主义(以人工神经网络为代表> 功能主义(以专家系统位代表> 行为主义(以感知动作系统为代表> 三者之间并不存在G孰优孰劣7的分别; 相反9它们之间构成了和谐分工互补的统一体于是9G智能生成的共性机制信息知识智能转换7就天然地成为了G人工智能统一理论的基础作者相信9G人工智能统一理论7不仅有助于结束原来三种理论之间旷日持久的G孰优孰劣7之争;而且可以使人工智能的整体理论由此得到有效的深化和强化9为未来的发展创造新的基础9提供新的机会