對于自然辯證法

　　本文對人工智能于人類智能進行了綜合性的分析和研究，從科學和哲學的角度分別給以定義。論述了人工智能出現(xiàn)的必然性以及一些認識上的誤區(qū)，說明了人工智能的出現(xiàn)對于社會發(fā)展的重要推動作用。對當前爭論的關于人工智能于人類智能的關系問題提出了個人的觀點。

　　摘要：人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。

　　關鍵詞：人工智能、人類智能、意思

　　人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智能還需要科學理論和工程上的突破。

　　1. 人工智能出現(xiàn)的意義以及對社會的影響

　　20世紀末，以人工智能為主導的信息技術日益顯示出強大的生命力。過去的10年，無論是理論方面還是應用方面都取得了長足的進步。具體說來，科學技術發(fā)展的圖景呈現(xiàn)出科學“轉(zhuǎn)向”技術的趨勢。結(jié)果是將人類帶入信息社會。信息社會使人們的生存方式發(fā)生了巨大變革。縱觀人類文明史，可以說沒有任何技術象信息技術那樣對人類社會產(chǎn)生如此巨大的影響。人工智能的出現(xiàn)大大縮短了很多科研項目的研究周期，需要數(shù)十年的研究可以在智能電腦的指導下很快得到結(jié)果。許多未解的數(shù)學定理很快就得到奇妙的證明。各種物理、化學、生物及歷史、社會和自然現(xiàn)象很快會得到新的解釋。治療遺傳病、癌癥和艾滋病的藥物頃刻問世。各種軟件可按人的要求快速生產(chǎn)等等無一不是人工智能快速發(fā)展的結(jié)果。

　　同時，人工智能的發(fā)展也給人類帶來了難以預見的威脅。首先是強大的智能工具威脅。人們可以利用它方便地設計制造更可怕的武器。有了它幾乎誰都可以成為“超人”。其次是人類價值體系毀滅的威脅。人類在人工智能面前毫無秘密可言，因為一切進步和成績都是電腦的功勞，人類能夠做的不過是電腦終端暫時不能做的工作，即人類成了電腦的延伸，不再有成就感。人類曾經(jīng)制造的東西可以大大超過人的肢體和五官的功能，人類當然以控制它們。問題是人造電腦的智能超過了人的大腦!究竟是誰控制誰?比人更加聰明的電腦決不會在;掌權;之前暴露自己控制人類的野心，它會一步步地逼人就范或讓人甘心就范。 在生物的發(fā)展和進化中，只有人類成為了世界的主宰，其原因是人的智力優(yōu)勢而不在于體能。為什么人類不讓位于比他們智力更強的電腦呢?有人一定害怕那種時代的到來，但也會有人歡喜那個時代。

　　人類有電腦關照，可以盡情享受大自然、藝術、體育和其他感官享樂，不再有階級差別和由此帶來的一切社會弊端。當然，前提是電腦要對人類友好，就象現(xiàn)在人類保護動物一樣。那么人工智能的發(fā)展究竟要走向何方就變成了一個需要迫切關注的問題。在討論人工智能與人類智能之前，我們必須要清楚實現(xiàn)人工智能所必須滿足的條件。首先，人工智能必須是一個元系統(tǒng)或者說它的內(nèi)部不得存在任何信息界面。子系統(tǒng)之間的界面問題是實現(xiàn)人工智能的最大障礙。任何人造系統(tǒng)必然存在一個界面，在這個界面上人和人工物的交互方式是兼容的。如果我們制造或模擬一個具有自我意識的“人工智能”系統(tǒng)，就應該在它的自我意識和自我人工物之間存在一個界面。其次，人工智能的行為指向遵守統(tǒng)計性規(guī)則而不是機械規(guī)則。我們對世界的理解來自對我們經(jīng)驗規(guī)律性的發(fā)現(xiàn)和學習。規(guī)律或因果律有兩種，一是可精確重復的或可以預期的，二是統(tǒng)計的。人工智能的實現(xiàn)而不僅僅在于系統(tǒng)的復雜性，關鍵是如何解決統(tǒng)計性與機械性的界面問題。

　　2. 人工智能的科學定義

　　人工智能在科學層面上被定義為：研究怎樣制造計算機，并(或)為其編程，使其能做心靈所能做的那些事情。這些事情中有一些被公認為是需要智能的：開藥方或作醫(yī)囑，提供法律咨詢，證明邏輯或數(shù)學定理。另外一些事情則不同，它們與教育背景無關，是所有正常的成年人都能做到的，有時甚至動物也能做到，其特點是不受意思支配，如看到陽光下的物體和影子，找到穿過復雜地形的小路，把木樁塞進洞里，用母語講話，以及運用自己的常識等等。 在科學界，特別是IT界認為人工智能其實是一個逐漸演變的過程。電子數(shù)據(jù)處理的初期，人們就試圖通過某些方法來實現(xiàn)自動決策支持，當時機器學習成為人們關心的焦點。隨后，隨著人工智能技術的形成和發(fā)展，人們的注意力轉(zhuǎn)向知識工程，直接給計算機輸入已被代碼化的規(guī)則，而計算機是通過使用這些規(guī)則來解決某些問題。

　　隨著智能化技術的發(fā)展，模糊集理論(Fuzzy Sets,FS)、人工神經(jīng)元網(wǎng)絡(Artificial Neural Network, ANN)、遺傳算法(Geic Algorithm, GA)和粗糙集理論(Rough Sets, RS)等智能化方法被成功的運用于系統(tǒng)建模與控制。智能化方法的最大特點是可以利用人的經(jīng)驗，模擬人的思維方式去解決問題。從方法論的角度來看，方法之間的交叉是新方法產(chǎn)生的一種重要途徑。傳統(tǒng)方法與智能化方法、各種智能化方法的交叉是解決復雜問題的重要途徑。下面對幾種典型方法作以簡單介紹。

　　專家系統(tǒng)(expert system)是發(fā)展最早，也是比較成熟的一種人工智能技術。一般地說，專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它根據(jù)某個領域的專家提供的知識和經(jīng)驗進行推理和判斷，模擬專家的決策過程，以解決那些需要專家決策的復雜問題。專家系統(tǒng)的應用領域不同，采用的知識表示方式也可以有所不同，常用的知識表示方法有謂詞邏輯、語義網(wǎng)絡、產(chǎn)生式規(guī)則、框架和黑板等。

　　人工神經(jīng)網(wǎng)絡(artificial neural work，縮寫為ANN)是模擬人類神經(jīng)系統(tǒng)傳輸、處理信息過程的一種人工智能技術。自1943年Mcculloch和Pitts第1次提出模擬神經(jīng)元以來，它迅速發(fā)展成為與專家系統(tǒng)并列的人工智能技術的另一個重要分支。與專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡最大的特點是采用神經(jīng)元及它們之間的有向權重連接來隱含處理問題的知識，并具有以下特點：學習能力，在確定了ANN的基本結(jié)構(gòu)后，運用學習算法對訓練樣本進行訓練，可以實現(xiàn)知識的自我組織;自我學習能力，在學習完成之后，還具有一定的泛化能力;容錯能力比較強，即使輸入信號帶有一定的干擾噪聲，仍能給出正確的輸出結(jié)果;神經(jīng)元之間的計算具有相對獨立性，便于并行處理，因此ANN的執(zhí)行速度比較快。

　　模糊理論(fuzzy theory)是將經(jīng)典集合理論模糊化，并引入語言變量和近似推理的模糊邏輯，具有完整的推理體系的智能技術。一般模糊系統(tǒng)的結(jié)構(gòu)與專家系統(tǒng)的結(jié)構(gòu)類似，由模糊知識庫、模糊推理機和人機界面等幾部分組成，也可以說模糊系統(tǒng)是模糊理論與專家系統(tǒng)結(jié)構(gòu)的結(jié)合。隨著模糊理論的發(fā)展及完善，模糊理論的一些優(yōu)點逐步被重視，如模糊理論可適應不確定性問題;其模糊知識庫使用語言變量來表述專家的經(jīng)驗，更接近人的表達習慣;模糊理論能夠得到問題的多個可能的解決方案，并可以根據(jù)這些方案的模糊度的高低進行優(yōu)先程度排序等。

　　遺傳算法(geic algorithms)是60年代后期出現(xiàn)的一種優(yōu)化技術，通過模仿生物遺傳和進化的過程尋求復雜問題的全局最優(yōu)解或局部最優(yōu)解。它將問題的每個候選解都編碼形成一個個體，又稱“染色體”(chromosome)，而相應編碼位則類似于生物的“基因”(gene)，并用適應度(fitness)函數(shù)來衡量該候選解的優(yōu)劣，多個“染色體”構(gòu)成遺傳過程中的一代。當形成第一代個體以后，按照生物界適者生存的原則選擇生命力強，即適應度函數(shù)值高的個體存活到下一代，隨后使用交叉(crossover)和變異(mutation)算子對這些“染色體”中的“基因”進行操作，從而產(chǎn)生新個體，此時再次進行選擇產(chǎn)生下一代。可以證明這樣若干代以后存活下來的個體將逐漸逼近問題的最優(yōu)解。由此可見，遺傳算法對待求解問題幾乎沒有什么限制，也不涉及常規(guī)優(yōu)化問題求解的復雜數(shù)學過程，并能夠得到全局最優(yōu)解集或局部最優(yōu)解集，這是它優(yōu)于傳統(tǒng)優(yōu)化技術之處。

　　3. 人工智能的哲學定義

　　在哲學意義上，把人工智能看作是一般性的智能科學，或更確切地說，看作是認知科學的智力內(nèi)核。它的目標就是提供一個系統(tǒng)的理論，該理論即可以解釋意向性的一般范疇，也可以解釋以此為基礎的各種不同的心理能力。它不僅包括地球上各種生物的心理，而且還要包括全部可能存在的心靈。它必須告訴我們，智能是什么?很多哲學學者認為人工智能哲學與其它討論抽象概念的哲學不同，它應該受到可操作性(肯定或否定)的審視。我們的大腦模式或思維結(jié)構(gòu)是按一定的有序程度組織的。這種有序性就是我們思想中的規(guī)則。我們的大腦是靠這些規(guī)則(因果關系)理解和解釋事物的。如果事物結(jié)構(gòu)的有序性與我們大腦的思維結(jié)構(gòu)不兼容，我們就無法理解或暫時不能理解它們，因為我們對事物的認識是來自感官的。由此推斷人工思想機器的思維結(jié)構(gòu)必須與我們大腦的組織結(jié)構(gòu)在模式上兼容。

　　計算機或控制系統(tǒng)都有硬件和軟件，智能生命也有身體和意識。軟件(人工智能)就象頭腦，是系統(tǒng)的組織結(jié)構(gòu)。與電腦運行軟件不同，思維不僅是在運行軟件而且是在進行自身結(jié)構(gòu)重組，使其更加有序。它控制“身體”的行為，但是它的功能并不一定是有智慧的。人的神經(jīng)網(wǎng)絡系統(tǒng)與人工神經(jīng)網(wǎng)絡不同，人的神經(jīng)網(wǎng)絡系統(tǒng)能夠產(chǎn)生意識(模糊、無序)和無意思(清晰、有序)兩種狀態(tài)。意識是大腦記憶某些自身活動的結(jié)果。意識內(nèi)容總是盡可能轉(zhuǎn)向無意識，即從模糊到有序。大腦可以回憶無意識區(qū)的記憶，但是處理記憶則是在意識區(qū)進行思維。而目前的人工智能完全是“無意識”的或者說是完全有序的。無意識永遠不會接受來自意識的模糊內(nèi)容。意識是主體對模糊信息刺激反應過程的記憶結(jié)果。可以說大腦也是這種記憶的產(chǎn)物。如果我們接受這個觀點，意識就簡單地成為記憶問題了。由于無意識，記憶并不記錄所有的大腦活動。要是電腦能夠伴隨自發(fā)地記錄自己的工作過程，就能夠有自我意識。討論意識而不涉及無意識是不恰當?shù)模�因為無意識是意識的深厚基礎。我們的記憶都在無意識之中。無意識的作用是過濾輸入

　　的信息、組織關聯(lián)記憶或經(jīng)驗以及完成多任務等。人腦的智能活動是意識和無意識的混合工作。沒有無意識就沒有智能。智能系統(tǒng)內(nèi)部成員必須是靠神經(jīng)系統(tǒng)聯(lián)系的。這也就是說它們之間不得存在任何信息傳遞界面。電腦部件之間的信息傳遞是有界面的，所以僅從這一點上講電腦不可能是個智能主體[7]。任何人造系統(tǒng)必然存在一個界面，在這個界面上人和人工物的交互方式是兼容的。如果我們制造一個具有自我意識的“人工智能”系統(tǒng)，就應該在它的自我意識和自我人工物之間存在一個界面。那么這個界面應該是什么樣的呢?我實在難以想象。

　　4. 我們需要什么樣的人工智能

　　可以說，在科學界和哲學界關于人工智能得到了兩個相悖的結(jié)論。一個在為人能職能的產(chǎn)生而歡欣鼓舞，認為其必將為人類社會的進步做出巨大的推動作用;另一個則認為人工智能是一個目前的科技手段所無法達到的目標，而且其發(fā)展過程也必將為社會帶來很多無法預料的威脅和問題。而雙方都為自己的觀點找到了足夠充分的論據(jù)。我們知道人工智能的發(fā)展也是一個技術創(chuàng)新的過程。無論技術創(chuàng)新的整個過程，還是技術創(chuàng)新過程的不同階段，無一例外地都是創(chuàng)新主體的創(chuàng)新認知與創(chuàng)新實踐的相互作用過程。技術創(chuàng)新活動是人類社會實踐活動的一個有機組成部分,正是在創(chuàng)新主體的創(chuàng)新認知與創(chuàng)新實踐的相互作用過程中，技術創(chuàng)新過程中遇到的不確定因素才會得以克服技術創(chuàng)新活動的社會屬性才會得以保持[8]。

　　人工智能的發(fā)展同樣也要面對這樣一個問題。我們通常有兩類問題要解決。一類是解決問題的結(jié)果和過程完全是合乎邏輯的和可預見的，因此我們只要對某種條件的刺激自動作出反應。這被稱之為精確。這一類情況可以僅僅通過編程解決，因為我們知道在預期的情況下對于某種刺激該如何反應，或者我們確信通過邏輯可以得出準確的結(jié)果。另外一類問題是我們不能預見的，我們通常不知道是否有適用的規(guī)則或不知道選擇哪個現(xiàn)成規(guī)則來解決問題。這種情況被稱之為模糊。很多人認為人工智能也僅僅能完成第一類的工作。而對于根據(jù)自身情況從很多規(guī)則中選擇正確的規(guī)則無能為力。當遇到新的、料想不到的和不斷變化的情況時只有高級進化的生命才有這種能力。問題在于我們?nèi)绾稳タ创�人工智能。我們都知道需要是發(fā)明的原動力，人工智能的出現(xiàn)也不例外。正因為我們有解放人類于更繁重工作的需要，所以我們才朝著既定的方向努力。但是，現(xiàn)在很多反對者存在的一個誤區(qū)是，認為現(xiàn)在的人工智能不能模仿人類的喜怒哀樂，不能像人類一樣產(chǎn)生愛恨等思想感情，更不會復雜的心理行為就否定了人工智能，認為這不過是一種機械的規(guī)則的再現(xiàn)。但是，我們要看到，人類社會需要的是能將人類從很多復雜的思維活動中解脫出來的工具，而不是一個與人類平起平坐的異類，如果是后者，這種發(fā)明對社會的意義就很難說是正面還是負面的了。而對于前者，目前已經(jīng)取得了很多令人歡欣鼓舞的成績了。

　　當很多人還在批評說“深藍”下國際象棋戰(zhàn)勝世界冠軍不過是一種規(guī)則或者是計算能力的勝利而不能說具有任何智能的時候，我們發(fā)現(xiàn)新一代的“更深的藍”已經(jīng)能夠?qū)�局者的不同，自動選擇合適的戰(zhàn)術來進行對局，這不能不說是對那些一味批評深藍機械性的有力回擊。而在科學界有許多發(fā)明也正在默默地對社會起著的重要的推動作用。在人工智能的數(shù)據(jù)挖掘領域里一個著名啤酒和尿布定律。在歐洲的一些超級市場里面，采用了數(shù)據(jù)挖掘工具以后，店主驚奇的發(fā)現(xiàn)啤酒和尿布的銷售有著非常重要的聯(lián)系，這是由于該工具在對數(shù)以百萬計的數(shù)據(jù)進行分析處理以后發(fā)現(xiàn)出來的規(guī)律，同樣是一個對規(guī)律的認識過程，盡管與人腦的認識機理還有很大的不同，但是在對規(guī)則的發(fā)現(xiàn)上無意更勝一籌。目前在越來越多的

　　領域，人工智能工具都能夠根據(jù)不斷出現(xiàn)的新情況來調(diào)整自身的規(guī)則系統(tǒng)，更好的進行判斷，需要人工的殘余也越來越少，當一個大型工廠、電站的選址、建設規(guī)劃、資金預算都能夠又具有人工智能的機器來獨立完成的時候，我們有什么理由因為人工智能工具不具有喜怒哀樂而否認其智能性，難道只有一個經(jīng)常發(fā)脾氣、會罷工的機器才是智能的嗎?目前的計算機研究已經(jīng)能夠使計算機進行了無數(shù)次的加法運算以后自主發(fā)明乘法運算，這已經(jīng)不僅僅是一個簡單的學習過程，更包括著復雜的推理和發(fā)現(xiàn)過程，人工智能必將在未來的社會進步中起到越來越重要的推動作用，時間將會證明誰是誰非。

　　參考文獻：

　　1、《追問技術悲觀主義》，自然辯證法，2000年第四期

　　2、何明升.信息化的社會學含義——一個技術社會學的問題[J]自然辯證法研究

　　3、馮瑞本等：《從人腦到計算機——鴻溝能否逾越》，載《心理科學》1997年第3期

　　4、畢天姝，倪以信，楊奇遜. 人工智能技術在輸電網(wǎng)絡故障診斷中的應用述評[J]，電力系統(tǒng)自動化，2000，2(24)，11-16

　　5、張偉，劉永國，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘技術[J]，重慶教育學院學報，2002 15(3)

　　6、孫秋野等，基于粗糙集理論的配電系統(tǒng)離散信號故障診斷[J],《東北大學學報》2004年第4期

　　7、崔思齡，人工智能哲學

　　8、李兆友，哲學視野中的技術創(chuàng)新，[J]《哲學動態(tài)》1999年第7期

【對于自然辯證法】相關文章：

自然辯證法論文范文11-14

對于生活隨筆11-19

對于作文的評語10-08

對于浪漫語句10-06

對于簡歷照片10-05

對于畢業(yè)感言的作文03-25

對于工作的自我鑒定11-21

對于高三孩子的寄語11-26

對于小學生評語12-19