前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的關于人工智能的哲學思考主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：關于人工智能的哲學思考范文

關鍵詞：人工智能；授課內容；講授方法

人工智能概論課程是我校智能科學與技術專業(yè)開設的一門重要的專業(yè)基礎課，它在整個專業(yè)教學體系中起到奠基的作用，如何針對其特點制定合理的教學目標與授課內容，并有效地組織課堂教學，取得良好的教學效果是非常重要的，本文將從多個角度對其進行全方位的思考與探索，為相關課程教學的改革提供新的思路。

1教學目標的精確定位

首先，人工智能概論課程在智能科學與技術專業(yè)整個教學體系中起到引導和奠基的作用，但不同于其他相關的專業(yè)基礎課，其總的特點可歸納為“少而精”，即在較少的教學授課學時中起到畫龍點睛的作用，為學生進一步的深入學習打好基礎，并激發(fā)他們對智能專業(yè)的學習興趣和愛好?；谝陨咸攸c，通常選擇一學期共32學時課程的安排計劃，并且在大三上學期開始進行授課。

其次，要研究解決同學們所反映的“虛與實”問題。人工智能是一門涉及到多個學科的課程，具有相當復雜的背景，其與哲學、數學、經濟學、神經科學、心理學、計算機工程、控制論和語言學都有著密切的聯(lián)系，并且隨著這些學科的發(fā)展而深化，不斷產生新的思路和新的問題。以上特點決定了該課程內容較為抽象，且難以把握全局，學習起來不易消化理解，從而造成了學生學習的困難，容易產生畏懼感，并且學生常常對其在實際環(huán)境中的具體應用產生疑問。

如何在這么短的授課學時里使學生產生學習興趣并且能取得良好的教學效果是一個具有挑戰(zhàn)性的課題，這需要對該課程的授課內容、教材選擇、講授方法和考核形式進行全方位的思考與探索，并在教學過程中落在實處。一方面讓學生了解和掌握人工智能的發(fā)展歷史和思想淵源，并指出各個分支的本質特點和整個領域的發(fā)展趨勢；另一方面有意識地穿插介紹人工智能在實際中具體應用的例子，開闊學生的眼界，打消他們的疑慮。這些將在本文的后面部分進行深入的介紹。

最后人工智能概論這門課程還要兼顧研究型和應用型這兩種特點的共同發(fā)展。在以前，由于人工智能授課內容的特點，常常講授時偏向研究型，往往涉及到復雜的數學推導和邏輯運算，增加了老師講授的難度和學生學習的困難。因此，針對上述問題，在教學過程中可以引入多種形式的事例說明和多媒體演示環(huán)節(jié)，以講授思想為主，具體技術為輔，這將直接反映到授課內容的選擇上。

2授課內容的選擇

人工智能概論授課內容的選擇至關重要，本著該課程“少而精”的特點，既需要讓學生在較短時間內掌握基本的思想與概念要點，又要對該課程進行全方位的介紹，并點出其發(fā)展趨勢，因而對授課教師有著非常高的要求。由于授課課時的限制，我們無法做到既面面俱到，又對每個具體方向進行詳細的講解；而且這樣也容易陷入復雜的數學推導和邏輯運算的誤區(qū)。因而，整個課程的講授內容應該以傳授思想和概念要點為主，并在講授的過程中加入有趣的事例，通過這些形象的事例說明和多媒體演示環(huán)節(jié)折射出人工智能思想的精髓和應用的廣闊前景。

人工智能概論主要涉及到知識表示、搜索推理、計算智能、專家系統(tǒng)、機器學習、自動規(guī)劃、Agent和自然語言理解等內容，其中以知識表示、搜索推理和計算智能為授課內容的重點，在講授的過程中需要對這些內容加以整理精簡，分清主次，合理地安排授課內容在總學時內。除了這些基本的授課知識外，還應該在教學環(huán)節(jié)引入多媒體演示，通過形象生動的視頻演示讓學生們了解人工智能的科學價值和實際應用所在。視頻可以選用世界一流大學實驗室的開放多媒體內容，例如：MIT計算機科學與人工智能實驗室的相關科研項目中間過程及結果的視頻演示，以此來開闊學生的眼界，增長他們的見識，使之了解其應用前景和未來的發(fā)展空間。

人工智能領域的發(fā)展受到多個學科的影響，這些學科在不同歷史時期都對人工智能領域起到了各種推進作用，也產生了許多不同層面的爭論，至今也是如此。如何在授課過程中形象地對人工智能歷史進行回顧，闡述這些學科對人工智能領域的影響，尤其是思想方面的影響特別重要。“回顧歷史，立足當今，展望未來”――給學生形象地描繪出人工智能發(fā)展的思想史，并以畫龍點睛之筆指出人工智能領域發(fā)展的廣闊未來，是授課教師艱巨而光榮的任務，只有這樣才能使學生把握住人工智能領域的整個發(fā)展脈絡，激發(fā)出他們的學習興趣和愛好。

以哲學家對強人工智能方向的爭論為例，向學生們介紹這些收集整理的資料對于他們思想的啟迪是非常有益的。這里值得說明的是這種思想的闡述事實上是非常不容易的，其難度甚至高于復雜的數學推導，因為它常常要求授課教師掌握思想的精髓所在，并用非常形象生動的語言對其進行說明，而這些常常是現在書本中所沒有的。例如：知識的表示、獲取、存儲和推理是人工智能領域中重要的組成部分，雖然目前已經有很多書籍詳細地介紹了這些方面，但學生仍然反映聽起來比較抽象。為什么會這樣？其原因是一些基本的問題并沒有得到圓滿的說明和闡述，如“什么是知識”，“知識能夠表示嗎”，“有統(tǒng)一表示各種各樣抽象、復雜知識的工具嗎”，“抽象的美學與復雜的人類情感，知識能夠表示嗎”……其中有些問題看似容易回答，卻往往涉及到一些復雜的哲學問題，目前在各種人工智能的教科書和專著里常常對這些問題避而不談，只在數學的層面上針對具體的問題來進行說明和講授。如果想在這方面有所突破的話，就需要閱讀大量的哲學書籍，如認知學、知識論和心智哲學等領域的著作，還需要大量時間的理解和參悟，這些有價值的資料也是對授課內容的極大豐富和補充。近年來，認知神經科學、心理學、生物學、語言學甚至社會學對人工智能領域有著較大的推進作用，也是將來融合發(fā)展的總體趨勢，如何在課堂上結合具體的事例對其加以說明也是授課內容的一個重要環(huán)節(jié)。

3相關教材的選擇

眾所周知，關于人工智能的國內外優(yōu)秀教材有很多，例如：S.J. Russell和P. Norvig所著的《Artificial Intelligence――A Modern Approach》被全世界89個國家的900多所大學用作教材[1]，國內可以考慮使用其影印版或中文翻譯版本，大大的降低了購買國外原版教材所需的費用，并可以在此基礎上考慮實現雙語教學。此外還有蔡自興教授等編著的人工智能及其應用，詳細而恰當地介紹了人工智能領域中的各個研究方向(分別適合于本科生[2]和研究生[3])等。我們從整個教學時間安排上看，因其所占學時較少，所以人工智能概論課程的教材選擇不適用于大部頭的書籍，宜選用篇幅較小但內容較全的適合于本科生的教材。除了選擇合適的教材外，對于任課教師還要擁有大量的參考書，包括上述提到的其他領域的書籍和資料，只有這樣才能拓展所掌握的知識，為實現良好的教學效果而服務。

4講授方法和考試形式的選擇

課程講授時注意主線的選擇，著重以思想介紹為主，詳細地介紹人工智能發(fā)展的歷史以及各種學派和學說，如符號主義、連接主義和行為主義等，要重點介紹他們的特點和本質，指出它們形成的原因以及其中的不足之處，并向學生介紹新的學說，例如機制主義[4]等。整個教學過程并不涉及較為復雜的數學，要注重各個分支的思想源流，主要從其機制上做定性介紹。同時可在講授過程中穿插相關歷史問題的爭論，例如：中國屋問題[5]等，引發(fā)學生學習的興趣和愛好，開展交互式教學，使學生和老師產生互動。授課方式采用板書和多媒體交互使用方式，力爭在每節(jié)課的空閑時間里穿插加入人工智能領域的實際應用介紹，放映相關的視頻錄像，開闊學生們的眼界。在最終考試形式的選擇方面不是要學生死記硬背知識點，而是要注重學生思想的發(fā)揮，鼓勵學生提出新想法和新思路，并豐富其掌握的相關知識，為將來的進一步學習打好基礎和做準備。

5結語

我們認為在教學方式上力爭采用“啟發(fā)式”教學，能真正做到啟迪學生思想的作用，尤其要鼓勵思想創(chuàng)新，在高等教育階段培養(yǎng)學生具有獨立思考、勇于探索的能力，使之成為社會的有用之才。希望這些在人工智能概論課程教學中的思考和探索能在日常教學活動起到有益的作用，并與同行們共同交流和探索。

參考文獻：

[1] S.J. Russell, P. Norvig. Artificial Intelligence:A Modern Approach[M]. 2nd Ed. 北京:清華大學出版社,2006.

[2] 蔡自興,徐光佑. 人工智能及其應用本科生用書[M]. 3版. 北京:清華大學出版社,2003.

[3] 蔡自興,徐光佑. 人工智能及其應用研究生用書[M]. 3版. 北京:清華大學出版社,2004.

[4] 鐘義信. 機制主義方法與人工智能統(tǒng)一理論:人工智能的新方法與新進展[J]. 計算機教育,2010(19):7-10.

[5]J. Preston, M. Bishop. Views into the Chinese Room: New Essays on Searle and Artificial Intelligence[M]. Oxford: Oxford University Press,2002.

Teaching Reflection on Introduction to Artificial Intelligence

YANG Dedong, SUN Hexu, YANG Peng, ZHANG Lei

(School of Control Science and Engineering, Hebei University of Technology, Tianjin 300130, China)

第2篇：關于人工智能的哲學思考范文

在一些特定領域，比如說國際象棋、圍棋、股市交易以及人機對話等，我們已經發(fā)明出與人腦匹敵或超越人腦的計算機。電腦和驅動他們的運算法則只會變得更好，電腦精通幾乎任何人類能力只是時間問題。

紐約大學心理學家蓋瑞?馬庫斯(Gary Marcus)曾說過，幾乎所有研究AI的人都認為機器最終將取代人類?！翱駸岱肿雍蛻岩烧撜咧g唯一的不同是對時間早晚的判斷。”未來主義者，像雷?庫茲韋爾，認為機器統(tǒng)治人類會在幾十年后發(fā)生，而其他人則說可能得幾個世紀。

最初設想的機器智能可能缺乏一種或多種這些屬性。最終，我們可能制造出極其聰明的AI，但是它不能通過主觀的自我意識感受這個世界。沙納罕說也許能夠將智力和意識結合在一個機器內，但是我們也要認識到智力和意識終究是兩種不同的概念。

AI懷疑論者認為生物腦在本質上是有獨特之處的，這是無法解決的科技難題，其實這些是沒有說服力的。我們的大腦是生物學意義的機器，但也不過是機器。他們存在于現實世界里，就要遵循基本的物理法則。人腦沒有東西是不可知的。

2.“人工智能將會有意識。

關于機器智能的一個普遍假設是：將來機器智能會有意識。也就是說，機器會像人一樣思考。評論家們，如微軟創(chuàng)始人之一的保羅?艾倫，則更進一步認為我們還未達到人工通用智能，即機器能夠像人類一樣執(zhí)行任何需要智力的任務，因為我們缺乏關于意識的科學理論。正如倫敦帝國理工學院認知機器人研究者穆雷?沙納罕(Murray Shanahan)所指出的那樣，我們應該避免混淆認知和意識這兩種概念。

“探究意識確實是一門迷人且重要的課題，但是我認為意識對于人類水平的人工智能來說是并不是必要的?；蛘吒_地說，我們用‘意識’這個詞來指代心理的和認知的屬性，這些在人類身上是捆綁在一起的?！?/p>

最初設想的機器智能可能缺乏一種或多種這些屬性。最終，我們可能制造出極其聰明的AI，但是它不能通過主觀的自我意識感受這個世界。沙納罕說也許能夠將智力和意識結合在一個機器內，但是我們也要認識到智力和意識終究是兩種不同的概念。

不能僅僅因為一臺機器通過了圖靈測試，就認為它有意識。先進的AI留給我們的印象是它們是有意識的，但是再先進的AI對于自己的認識也不會比一塊石頭或一個計算器多。

3.“超級人工智能會很友好?！?/p>

哲學家康德認為智能與道德密不可分。神經學家David Chalmers在他的論文《非凡的哲學分析》中吸取了康德的著名觀點，并將其運用于人工智能的提升中。

如果這個觀點是正確的話，我們可以想到AI因智力爆發(fā)性增長致使道德感急劇升高的狀況?？梢韵氲?，ASI系統(tǒng)變得超級智能的同時會具有無上的道德感，因此我們可以認為它們是善良的。

但是，這個“先進的AI從本質上將是好的、開明的”的觀點是站不住腳的。正如Armstrong指出，存在很多聰明的戰(zhàn)犯。智力和道德感間的關系在人類中貌似并不存在，所以他懷疑該假設在其他智能形式中，恐怕也是難以成立的。

“聰明的人的不道德行為可以比他們的笨蛋同胞造成更大規(guī)模的破壞，”他說?！爸橇χ皇墙o了他們變得更壞的能力，它并沒有把他們變成好人?！?/p>

4.“簡單的程序修補就能解決AI的控制難題。

假設創(chuàng)造出比人類更偉大的AI，我們將面臨一個嚴重的問題，那就是：控制問題。如何在家里安置以及控制ASI？如何確保ASI對人類是友好的？在這些問題上，未來主義者和AI理論家們完全不知所措。最近，佐治亞理工學院的研究人員天真地認為AI可以通過閱讀簡單的故事來學習人類的價值觀和社會習俗。這可能遠不是讀幾個小故事能解決的。

“人們推薦了很多可能解決整個AI控制問題的簡單技巧，”阿姆斯特朗說。示例包括為ASI編寫取悅人類的程序，或者僅僅使ASI作為人類的工具使用。再或者，我們可以將積極的概念，比如愛或尊敬整合進他的源代碼。為了防止ASI對社會只有單一偏激的看法，我們可以給它編寫欣賞智力、文化和社會多樣性的程序。

但是這些方法要么太過簡單，這就好比試圖給復雜的人類喜惡確定一個簡單膚淺的定義，要么就是把復雜的人類價值觀生硬地壓縮成一個簡單的字詞或想法。比如，對“尊敬”這個詞，要確定內涵一致又普遍接受的定義是極度困難的。

“并不是說這些簡單的技巧是沒用的。這些對策里面有很多給研究指明了道路，對解決這個終極難題有所幫助。但是這些只是想法，具體的操作還需要我們做更多的開發(fā)研究工作。”阿姆斯特朗說。

5.“人工超智能很聰明，不會犯錯。

AI研究者兼Surfing Samurai機器人開發(fā)者Richard Loosemore認為大多數假設的AI毀滅世界的情景都不符合邏輯。人們總假想在這種情景下，AI可能會說：“我知道毀滅人類文明只是我的設計故障，但我不得不這么做?！盠oosemore指出如果AI像這樣打算毀滅人類時，那它一生會很多這樣的邏輯矛盾，也會因此摧毀自己的知識庫，導致自己變得愚蠢，而不足以對我們造成傷害。他還斷言，那些認為“AI只會按照指定程序做事”的人，與當初用這樣的話評價電腦不具備靈活性的人一樣，犯了同樣的錯誤。

就職于牛津大學人類未來研究所(Future of Humanity Institute)的皮特?麥金泰爾(Peter McIntyre)和斯圖爾特?阿姆斯特朗(Stuart Armstrong)都對此有不同看法。他們認為人工智能將很大程度上受到編程的限制。他們相信AI也會犯錯誤，或者他們還沒有聰明到了解人類想從他們那里得到什么。

“從定義上講，超級人工智能(ASI)是一個擁有智力的載體，它在各個相關領域都要比最優(yōu)秀的人類大腦更聰明。”麥金泰爾如是告訴Gizmodo?！八鼘⑹智宄覀冇盟麄儊碜鍪裁??！丙溄鹛柡桶⒛匪固乩氏嘈臕I只會做程序編寫的任務，如果它能變得足夠聰明的話，它將能理解依照程序完成任務與領略規(guī)則精髓的不同，也將能理解人類的意圖。

麥金泰爾把人類未來的困境比作老鼠的困境。老鼠想要在人類居所尋求食物和棲息地，人類不愿居室內有老鼠，兩者沖突。麥金泰爾說，“正如我們明白老鼠的目的，超級智能系統(tǒng)也能知道人類想要的，但仍對此漠不關心?！?/p>

6.“我們將被超級人工智能毀滅?！?/p>

沒有任何證據表明我們會被AI毀滅或無法控制它們。正如AI研究者Eliezer Yudkowsky所說：“AI既不會恨，也不會愛，但人類由原子構成的，除了智能以外，人類還有感情。”

牛津大學的哲學學者Nick Bostrom在他的書《超級智能：路徑、危險與策略》中提到，真正的超級人工智能一旦完成，將比以往人類的任何發(fā)明都危險。一些著名的學者如Elon Musk， Bill Gates， and Stephen Hawking(后者曾警告AI也許是人類史上最糟糕的錯誤)也提出了警告。

但沒有什么事是可以確定的，沒人知道AI將采取什么行動以及如何威脅到人類。正如Musk指出的，人工智能可以用來控制、調節(jié)和監(jiān)視其它人工智能。也許可以它灌輸人類的價值觀，使之毫無保留地對人類保持友好。

7.“我們不應該害怕AI。

一月份，臉書創(chuàng)辦者馬克扎克伯格說我們不應該害怕AI，AI會為世界帶來難以估量的好處。扎克伯格只說對了一半。我們隨時準備從AI身上收獲巨大的利益——從自動駕駛汽車到新藥物的研制，但是沒有人能保證AI的所有影響都是良性的。

高度智能化的系統(tǒng)也許了解某一特定任務的一切，例如解決令人厭煩的財務問題，或者黑進對手的系統(tǒng)。但是在這些特殊領域之外，高度智能系統(tǒng)會變得極其無知無覺。谷歌的DeepMind系統(tǒng)精通圍棋，但除圍棋以后，它在其他方面沒有探索的理性和能力。

8.“AI和機器人造成的風險是相同的?！?/p>

這是一個特別常見的錯誤認識，不加鑒別消息的媒體和好萊塢電影比如《終結者》系列使這一錯誤更加深入人心。

如果一個超級人工智能比如天網想要毀滅人類，它不會使用端著機槍的機器人。其實還有更高效的辦法，如散播瘟疫，引發(fā)納米級灰霧(grey goo，具備自我復制能力的微小機器人)災難，甚至僅僅破壞大氣層。人工智能有潛在的危險，不是因為它所昭示的機器人的未來，而是它在世界上的自我定位。

9.“未來的AI和科幻小說里的AI是相同的?！?/p>

的確，科幻作品被作家和未來主義者們用來預測美好的將來，但ASI所帶來的圖景完全不是一回事。更重要的是，與人類本性不同的AI不會讓我們知道并預測它們確切的本性和形式。

科幻作品考慮到我們人類是弱小的，大多數AI被設定地與人類很類似?！坝幸恍┯^點認為，即使是在人類中，也存在著多種類型的心智模式，你和你的鄰居也是不同的，但人與人之間的心智區(qū)別要同其他可能存在的心智形式相比是微不足道的，”McIntyre說道。

大多數科幻小說旨在講一個引人入勝的故事，但不夠科學準確。因此，科幻小說中的沖突往往是存在于實力接近的實體之間。Armstrong說，“沒有意識、喜樂或仇恨的AI毫無阻力地消滅所有的人類、達到一個本身無趣目標，可以想見這樣的電影情節(jié)會有多無聊?！?/p>

10.“AI將會搶走我們所有的工作?！?/p>

人工智能把我們大部分的工作自動化和它能毀滅人類的潛在性，這是兩件完全不相關的事情。根據《機器人的崛起》的作者Martin Ford所說，這兩件事常常被混為一談。思考在遙遠的將來AI的意義是很好的，但只有這不影響到我們思考未來的幾十年遇到的問題時，這樣做才有意義。其中最主要的是大規(guī)模的自動化。

毫無疑問，人工智能將取代很多現存的職業(yè)，包括從車間工人到高級白領。一些專家預測在不久的將來美國的一半工作將被自動化所取代。但這不意味著我們沒有能力應付局面。最理想的情況是為我們人類實現人人稱贊的目標，達到接近烏托邦的境界，無論是腦力勞動者還是體力勞動者，人人都從勞役中解放了出來。

第3篇：關于人工智能的哲學思考范文

關鍵詞:人工智能;理論傳授;實驗訓練;科研訓練

人工智能(Artificial Intelligence,AI)是計算機科學與技術專業(yè)的一門重要專業(yè)課程,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規(guī)劃以及問題求解等思維活動,并以此解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規(guī)劃等決策性問題[1]。人工智能是一門涉及數學、計算機、控制論、信息學、心理學、哲學等學科的交叉和綜合學科。目前,人工智能很多研究領域,如自然語言處理、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、智能計算等都走在了信息技術的前沿,有許多研究成果已經進入并影響了人們的生活。

2003年12月5日,國內第一個“智能科學與技術”本科專業(yè)在北京大學誕生[2],它標志著我國智能科學與技術本科教育的開始,對我國智能科學技術人才培養(yǎng)和智能科學與技術學科建設起到極大的帶動作用。目前,人工智能課程的教學存在幾個問題:首先,注重講授理論知識,實驗環(huán)節(jié)滯后,這不利于培養(yǎng)學生的實踐能力,更談不上實踐創(chuàng)新。其次,人工智能是交叉學科,內容比較繁雜,各種教材的內容不一樣,授課沒有統(tǒng)一的體系,學生學習時抓不住重點,不能理解人工智能的根本方法和思想。一般說來,計算機專業(yè)的其他課程,如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術,而人工智能技術則是解決非結構化、半結構化問題的有效技術。最后,人工智能科學與技術飛速發(fā)展,但目前人工智能只被視為一門專業(yè)課,課程講授和人工智能沒有作為一個研究方向結合起來,也沒有把傳授課本知識和引導啟發(fā)創(chuàng)新結合起來。

適應知識經濟發(fā)展的高等教育,要把培養(yǎng)創(chuàng)造精神和創(chuàng)新能力擺在突出的位置。創(chuàng)新是基礎研究的生命,而高等學校的教學只有與科研緊密結合,才能在培養(yǎng)學生的創(chuàng)新精神方面有所作為。為此,針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。在教材上,我們選用了清華大學出版社出版、馬少平等編寫的《人工智能》。我們的教學研究與實踐的主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文,學校大學生科研項目資助計劃,國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐。下面,我們就這三個方面內容展開探討。

1啟發(fā)式傳授人工智能解決問題的非結構化思想

現實世界的問題可以按照結構化程度劃分成三個層次[1]:1)結構化問題,能用形式化(或稱公式化)方法描述和求解的一類問題;2)非結構化問題,難以用確定的形式來描述,主要根據經驗來求解;3)半結構化問題,介于上述兩者之間。一般說來,計算機專業(yè)的其他課程如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的有效技術。人工智能的教學可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題的解決過程的了解,從而達到培養(yǎng)學生多角度思維的目的。

我們使用的教材主要內容包括搜索和高級搜素、謂詞邏輯和歸結原理、知識表示、不確定性推理方法、機器學習等。這些主要內容也可以相應地歸結為若干個典型算法,如啟發(fā)式A*搜索算法、 剪枝算法、元啟發(fā)式算法(模擬退火,遺傳算法)、謂詞邏輯歸結算法、貝葉斯網絡、決策樹、神經網絡(BP算法、自組織網絡和Hopfield神經網絡算法)。元啟發(fā)式算法是一種啟發(fā)式的隨機算法,是用來解決非結構化問題的典型算法,其思想和傳統(tǒng)的決定性算法如動態(tài)規(guī)劃、分支限界完全不一樣。學生在剛一接觸到這些元啟發(fā)式算法一時難以接受和理解其機理,對算法的有效性往往半信半疑。根據非結構化、半結構化問題的特點,講解和演示算法在解決此類問題的具體步驟和詳細過程,從而讓學生掌握人工智能算法的基本思想。在講解不同的元啟發(fā)式算法的時候,學生會問,是模擬退火算法強,還是遺傳算法強;在講到機器學習算法的時候,學生會問到底哪個分類算法最好,這時候我們可以把搜索(優(yōu)化)領域和機器學習領域的“沒有免費午餐”定理進行適當的講解和解釋,從而把具體算法實現層面之上的一些人工智能的哲學思想進行傳授。

在人工智能的具體教學中,采用問題教學法和參與式教學法。在問題教學法中,圍繞人工智能的知識模塊,在引導學生發(fā)現各種各樣問題的前提下,傳授知識。教學活動中,嘗試使人工智能知識圍繞實際問題而展現,使問題不僅成為激發(fā)學生求知欲的前提,也成為學生期盼、理解和吸收知識的前提,以此激發(fā)學生的創(chuàng)造動機和創(chuàng)造性思維。在參與式教學中,打破人工智能算法的枯燥、沉悶的傳統(tǒng)教學法,嘗試開放式教學內容;提問式講課;無標準答案的課程設計;查找文獻,分組動手實現人工智能算法等參與式教學方法,培養(yǎng)和發(fā)揚學生的參與意識,通過參與式教學提高學生學習的主動性、積極性和效率,培養(yǎng)學生的動手能力和創(chuàng)新能力。

2成體系的實驗訓練

獨立開展人工智能實驗課程,開發(fā)一批新型、富有創(chuàng)意的實驗案例庫,搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。人工智能實驗課程的特點是應用各種人工智能方法,根據問題的約束、結構、信息進行表示建模和計算機上實現,是與人工智能原理同步的實驗課程。學生必須掌握的人工智能的基本原理和計算機操作技能,它對于學生的知識、能力和綜合素質的培養(yǎng)與提高起著至關重要的作用,在整個教學過程中占有非常重要的地位,是計算機軟件、計算機應用、計算機網絡、軟件工程等專業(yè)的一門重要的必修專業(yè)課程。通過實驗,學生得到嚴格的訓練,能規(guī)范地掌握人工智能的基本理論和主要方法、基本問題求解技術,熟悉各種計算環(huán)境的基本使用。

在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,努力培養(yǎng)學生的創(chuàng)新意識與創(chuàng)新能力。為實現這一目標,在課程內容安排上采用適量基本原理與方法的實驗內容為基本內容,增加一系列綜合性實驗和開放性創(chuàng)新實驗問題,在實驗內容方面更注重研究性實驗中的創(chuàng)新問題。實驗內容方面分為三個層次:基本原理的基礎性實驗、綜合實驗和研究性實驗。在后兩個層次的實驗中,部分引入人工智能課程小組團隊的最新科研成果,目的在于通過完成這些研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,以提升學生的科研素質與創(chuàng)新意識。我們將這些設計實驗稱為新型實驗案例庫,它被放在人工智能課程小組網站上,以此搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。通過實驗課程的學習和訓練,學生應達到下列要求。

1) 掌握人工智能方法的優(yōu)點及其在實際中的應用。

2) 學會對人工智能問題進行分析建模和應用各種計算工具實現問題求解,熟悉對實驗現象的觀察和記錄,實驗數據的獲取與設計,最佳實驗條件的判斷和選擇,實驗結果的分析和討論等一套嚴謹的實驗方法。

3) 鞏固并加深對人工智能原理課程的基本原理和概念的理解,培養(yǎng)學生勤奮學習,求真求實的科學品德,培養(yǎng)學生的動手能力、觀察能力、查閱文獻能力、思維能力、想象能力、表達能力。

4) 通過完成綜合研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,提高學生的科研素質與創(chuàng)新意識。

在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,進一步培養(yǎng)學生分析問題和解決問題的能力,培養(yǎng)學生的創(chuàng)新意識、創(chuàng)新精神和創(chuàng)新能力,為學生今后從事科研、教學或企事業(yè)單位的分析檢驗以及新技術的研發(fā)工作打下扎實的基礎。

在實驗組織方面,根據各實驗的目的和要求,學生分為5人1組,指定一個組長,每組選擇1套實驗題目?；A實驗題目要求達到27學時、綜合性實驗題目選擇1題和研究性實驗題目選擇1題,基礎實驗題目要求在規(guī)定時間內,小組獨立完成實驗測定、數據處理,并撰寫實驗報告。實驗過程中, 要求學生勤于動手, 敏銳觀察, 細心操作, 開動腦筋, 分析鉆研問題, 準確記錄原始數據, 經教師檢查,實驗及其原始數據記錄才有效。同時,團隊作業(yè),需要多人分工合作、相互幫助,這樣可以提高人際交往和溝通能力,學會與他人合作,培養(yǎng)團隊創(chuàng)新能力。

3課程學習與畢業(yè)論文,科研訓練相結合

人工智能技術在一定程度上代表著信息技術的前沿和未來,通過學習和體驗人工智能的知識和技術,學生能夠在一定程度上了解信息技術發(fā)展的前沿知識,這有助學生開闊視野、培養(yǎng)興趣,為今后繼續(xù)深造或走向社會奠定堅實的基礎[3-4]。

人工智能的理論和方法廣泛應用于數據挖掘、機器學習、模式識別、圖像處理中,這些內容既是高年級的后續(xù)課程,又是現在熱門的研究方向。學習和深刻理解人工智能的理論、方法和應用,對后續(xù)課程學習以及今后的研究具有重要的意義。

我院規(guī)定大學三年級的學生開始聯(lián)系畢業(yè)論文指導導師,同時確定畢業(yè)論文的研究方向,提前進行科研實踐,以培養(yǎng)實踐能力和研究素質。人工智能課程正好是大三高年級開設的專業(yè)課,因此,我們把課程實驗及設計與同學的興趣相結合,引導學生,并提煉和形成學生的畢業(yè)選題和課外的科研方向,它是提高本科生研究創(chuàng)新能力的有效手段。

基于新的教學實踐,很多學生的選題都與上述歸納的人工智能若干算法相關,如算法本身的研究和改進,或是算法在各領域,如數據挖掘、圖像處理等的應用。在我們的科研能力訓練計劃中,一批項目和課題,如混合神經網絡的研究與應用、差分演化算法研究與應用、基于協(xié)同訓練的推薦系統(tǒng)等,分別受到國家和學校本科生科研項目立項資助。一批三四年級的本科生以第一作者身份在國內核心期刊、國際會議和期刊上發(fā)表學術論文,這激發(fā)了學生的科研興趣,使學生體會到了創(chuàng)新的樂趣。

總之,課程學習與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練,極大地提升了學生的創(chuàng)新能力和科研基本素質。

4結語

針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。我們的教學研究與實踐主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐,新的改革和實踐在教學中取得了令人滿意效果。

參考文獻:

[1] 張劍平. 關于人工智能教育的思考[J]. 電化教育研究,2003(1):24-28.

[2] 謝昆青. 第一個智能科學技術專業(yè)[J]. 計算機教育,2009(11):16-20.

[3] 羅輝,梁艷春. 大學生畢業(yè)論文與科研能力培養(yǎng)及就業(yè)[J]. 吉林教育,2003(10):18.

[4] 金聰,劉金安. 人工智能教育在能力培養(yǎng)中的作用及改革設想[J]. 計算機時代,2006(9):66-69.

Reform and Practice of Innovative Teaching in Artificial Intelligence

WANG Jia-hai, YIN Jian, LING Ying-biao

(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)

第4篇：關于人工智能的哲學思考范文

讀書的時候常常只能在報紙上看看圍棋的新聞，每當有大高手出世，標題就會是：“誰來抗衡曹旋風（薰鉉）”，或者“聶旋風（衛(wèi)平）橫掃中日圍棋擂臺賽”。如果說人類高手的勢頭是旋風，阿爾法狗橫空出世刮起的就是颶風了，與二十年前深藍戰(zhàn)勝卡斯帕羅夫相比，李世石的敗落更讓人震驚，在圍棋界的眼里，深藍只是一臺會“計算”的機器，但這種依靠窮舉法的蠻力是無法在圍棋上得逞的。棋盤十九路縱橫，交叉點三百六十一個，每一步都有超過二百五十種合規(guī)走法，如果一局棋下一百五十回合，可能的落子方式的體量（約10170）遠遠超過可觀測到的宇宙的原子總數（約1080），現有的任何電腦都不能勝任如此龐大的計算，圍棋也因此被稱為人類智力游戲的巔峰，站在這一巔峰上的棋手現在換成了阿爾法狗，由此掀起的新聞報道和討論熱潮中，最引人關注的話題無疑是：這意味著人輸給了機器嗎？如果是的話，這會帶來什么樣的將來？

李世石輸掉第一局后，微博上的“柯潔大棋渣”放話說：“就算阿爾法狗戰(zhàn)勝了李世石，但它贏不了我?！焙芏嗯R時湊湊新聞熱鬧的人以為又是個段子手的炒作，沒想到這個“柯潔大棋渣”才是當前的世界圍棋第一人，更重要的是，這個當世第一的大棋渣才十七歲。柯潔的豪言引起數萬條評論和轉發(fā)，甚至有評論說，李世石氣急敗壞地砸爛阿爾法狗的機箱，突然發(fā)現里面藏著一個柯潔！這充分表明，在柯潔和絕大多數觀眾看來，李世石的失敗并不等于人類棋手的失敗，但隨著阿爾法狗連勝三局，柯潔在接受記者采訪時也認為李世石是完敗，而阿爾法狗下得近乎完美，并坦言自己出場也很可能輸。當天晚上柯潔又在微博發(fā)話道：“來吧！管你是阿爾法狗還是阿爾法貓！我柯潔在棋上什么大風大浪沒見過？讓風暴再來得猛烈點吧！……”沒有了上次放話的自信滿滿，卻透露出破釜沉舟、背水一戰(zhàn)的決心，顯然柯潔已經把自己視為人類棋手尊嚴的最后防線。可第二天風云突變，李世石在第四局的哀兵之戰(zhàn)中，弈出了被古力九段稱為“神之一手”的白78挖，在所有人都不看好的情況下置之死地而后生，居然讓強大到不可戰(zhàn)勝的阿爾法狗出現了短暫的“思維”休克和紊亂。這讓人想到《天龍八部》中虛竹破解逍遙子擺下的“珍瓏”棋局的一幕，同樣是徹底打破常規(guī)、讓所有算計落空的一手，只不過在虛竹誤打誤撞的背后，金庸想表達的是跳出利害、破除我執(zhí)的佛理，李世石的神來之筆則出自棋手的厚積薄發(fā)。

李世石最終在人機大戰(zhàn)五番棋中以1∶4慘敗，而依據賽后阿爾法狗團隊的復盤，阿爾法狗的棋力量化估分為4500，按段位算為13段，而棋手中分值最高的柯潔九段為3625，如果這一估量無誤，那么除了偶發(fā)的意外情境，人類似乎永遠無法戰(zhàn)勝作為人工智能的阿爾法狗了。在很多人看來，這簡直跟很多科幻小說和好萊塢電影的情節(jié)一樣，表征著電腦和機器對人類征服的開始，不過稍稍深入地思考下，事情并非如此簡單。

可以想的是，圍棋這一游戲的內涵和意義究竟為何？圍棋相傳為堯所作，棋圣吳清源認為，圍棋源于古人的觀天活動，棋盤所象者為天地，棋子所象者為星辰，黑白分子者為陰陽，因此小小一方棋枰可以畫天象地，變化無窮。在吳清源心中，圍棋是以游戲的形式表現一種宇宙觀，尤其與《易經》陰陽分合、生生變易的思想密不可分。他設想的21世紀圍棋被稱為“六合之棋”，即囊括東西南北四方和上下天地，從而打破20世紀重局部得失糾纏的弊病，恢復圍棋的本義。所以吳清源會認為，圍棋之道在于順應天時，讓自己委身于圍棋的流勢，任其漂流，不管止于何處，就像春播夏長，秋收冬藏一樣自然而然。在接受川端康成的訪談時，他明確表示，圍棋的重點不在于競技或爭勝負，而是講究均衡，調和陰陽，讓每一枚棋子落于應在的位置，從而構成一盤臻于和諧的棋。

二、天人

吳清源的思想透露出極有意義的信息，人們往往會認為，是人發(fā)明或者創(chuàng)造了圍棋，但無論是吳清源，還是后來的棋手都有這樣一種意識：我們只是圍棋的學習者，換句話說，圍棋是關于天地宇宙之理的游戲，棋手和觀眾通過圍棋實際上是在向天地宇宙學習。藤澤秀行九段曾經說，如果棋道為百，他所知者僅為七；李昌鎬也承認，圍棋中存在著很多未知領域，棋手會面臨很多“虛”的東西，永遠不能靠計算得出解法，只有依靠靈感去做出選擇。那么阿爾法狗打破了這一天人界限嗎？阿爾法狗之父大衛(wèi)?席爾瓦（David Silver）坦承，既然公認僅憑深藍那樣的暴力計算（bruteforce）無法對付圍棋，那么唯一的方法是讓電腦學會像人一樣思考，模仿人類下棋。人的大腦皮層有860億個神經元，神經元上的突觸更是上千萬億量級，并且突觸之間的鏈接不停發(fā)生著反應和變化，而目前的人工神經網絡（artificial neural network）只能達到十億級的突觸量。為了彌補巨大的差距，以席爾瓦為首的谷歌團隊進行了精心的設計，為阿爾法狗建立了兩個神經網絡：“決策網絡”（policy network）與“評價網絡”（value network），“決策網絡”通過輸入三千萬個人類棋局樣本建立對弈模型，借助于蒙特卡洛樹搜索最優(yōu)解，學會圍棋的下一步走法?！霸u價網絡”則對比數據庫中的棋局樣本，推演每一步棋后的可能局面，選擇與樣本中的獲勝棋局最為接近的走法。人工智能專家所津津樂道的“深度學習”（Deep Mind）就是這兩個神經網絡、兩種算法之間不斷地自我對弈，由此生成更多訓練數據，去調整、修正阿爾法狗的走法，經過“雙手互搏”訓練的阿爾法狗每秒鐘可以搜索和判斷十萬種可能的走法，萬倍于李世石。阿爾法狗是為贏棋而生的，它的一切都圍繞著這個目標，與此不同，人腦的神經突觸雖然多，但無法測量有多少用于計算，無論如何，從結果上來說，阿爾法狗是對局中的勝利者。

現在來回應天人界限的問題，假定谷歌團隊的測算為真，擁有十三段棋力的阿爾法狗仍然不能窮盡圍棋的無限性――雖然“決策網絡”計算能力遠勝于人類棋手，“評價網絡”又為它提供了類似于人的直覺。但隨著科技的發(fā)展，人工智能能夠邁出那一步嗎？深度學習領域教父級人物Geoffrey Hinton有一個有趣的說法，對弈中的阿爾法狗可能消耗了數百千瓦的功率，而李世石可能只用了30瓦。雖然這說明人腦比阿爾法狗環(huán)保很多，不過能源技術的進步或許能夠支撐第N代的阿爾法狗算盡一切――但重點并不在這里，我們跟宇宙的相處并非是征服或爭勝的關系。如吳清源所說，圍棋不僅僅是勝負之道，更是關于宇宙之理的藝術和哲學，棋手也不僅僅是勝負師，而應該是藝術家和哲人。在繼承和發(fā)揚吳清源棋道精神的棋手中，武宮正樹無疑是最為特殊的一位。藤澤秀行曾說，挑戰(zhàn)自己的趙治勛棋雖厲害，但可惜并不懂哲學；而對武宮的評價是：“我們的棋用不了多少年就會被人遺忘，只有武宮的棋會流芳百世?！蔽覀冎溃陧敿馄迨种?，武宮正樹的勝率并不算最高的，但卻能在注重實地的潮流中別開生面，首創(chuàng)以三連星開局的宇宙流，與十九歲的吳清源挑戰(zhàn)本因坊秀哉名人時打破百年禁忌的天元局一樣，開啟了前人未知的新路。

從這個角度來看阿爾法狗，“智能”的一面已經證明是完爆人類棋手了，但哲學和藝術卻是需要理想為之堅守的，吳清源、武宮正樹放棄熟悉的棋路，探索未知，既是對棋壇既有格局的挑戰(zhàn)，更是對自己得失名利之心的挑戰(zhàn)。武宮年長后計算能力下降，卻拒絕采用更能助長勝績的實地法而堅持宇宙流，之所以能夠如此，在于將圍棋視為一種理想；更不用說一生追求棋形之美而非勝績的“美學棋士”大竹英雄，將難看的棋形看作對棋譜的玷污。只有在這樣的理想中，圍棋的道、藝才能夠真正地表達和呈現出來，才有流傳千古的名局出現。那么，可以問阿爾法狗的是，如何能夠擁有這樣一顆懷抱理想的心？

三、身心

何謂“心”，古人并不以符合形式邏輯的判斷句或陳述句來進行命題式的定義，只會如孟子說：“心之所同然者何也？謂理也，義也”；或者如莊子以“唯道集虛”說“心齋”。在現代漢語中，“心”是難以言說的，所以還是隨時代而從眾流，先從“意識”談起。雷丁大學在2014年宣布，首次有電腦程序通過著名的圖靈測試，這意味著我們已經無法確定屏幕里的聊天對象是另一個人還是一只“狗”了；這個叫“尤金?古斯特曼（Eugene Goostman）”的程序雖然不會下棋，但成功冒充了一名十三歲的烏克蘭小男孩。凱文?沃維克（Kevin Warwick）教授說，人工智能領域里沒有什么比圖靈測試更具標志性和爭議性了，在這個測試中，機器并不是主動要“偽裝成人類”或者“欺騙人類”，而是被設計成如此的，因此在壞人手里可能會被利用。在筆者看來，這仍然是把機器當作工具的傳統(tǒng)思路，如果更進一步，機器有了自我意識呢？有自我意識的機器有可能會故意不通過圖靈測試，這樣的機器就不僅能“偽裝成人類”，更能夠“偽裝成機器”，不僅能欺騙聊天對象，更能欺騙它的設計者――如果這一天真的到來，我們才能說，機器真正從設計者賦予的邏輯鏈條中解放了出來，擁有了自我意識。

要做到這一點無疑還是一個難題，按照進化論的說法，人類進化了億萬年才逐漸成長為有高級意識的生物，機器獲得意識的一種方式是模仿人類大腦，美國2013年開始的人腦計劃（Brain Initiative）和歐盟的人腦工程（Human Brain Project）正在致力于繪制大腦圖譜，試圖從腦部結構和功能出發(fā)去解釋記憶、情緒、意識。如果大腦可以完全被物理化，意識就是信號傳遞與反饋，既可以像人腦那樣通過神經元突觸傳遞神經細胞釋放的化學物質，也可以像電腦那樣依靠0，1的二進制去形成記憶和識別，二者只是載體不同，內容上并無區(qū)別。因此意識能夠被編碼，并上傳給電腦，那么機器當然就能夠如此復制人的意識。這類研究的結果尚待觀察，但對這種物理主義的思路我們可以援引“哲學僵尸”（Philosophical zombie）的思想實驗進行質疑，即“有沒有可能存在一種人，他的所有分子組成、生理機制與行為反應都和你一樣，但卻沒意識？”這種主張意識獨立于大腦的身心二元論與人腦工程的物理主義形成了尖銳的對立。哥倫比亞大學神經生物學教授 Rafael Yuste的看法則較為居間，“怎么從大腦中互相連接的細胞這樣的物理基礎走向我們的精神世界、我們的思想、我們的記憶、我們的感覺？”大腦如何生成意識還依然是一個謎，“你不能編碼直覺；你不能編碼審美觀念；你不能編碼愛或恨?！本湍壳岸裕茖W也好、思想實驗也好，都無法說服對立的任何一方。

還有一種不太進入公共討論領域的思路，這種思路認為意識既不是在歷史中的生物進化而來，也不產生于大腦，而是上帝創(chuàng)世與造人時的恩賜。我們可以很輕易地將其歸入神學信仰，不過如果把這個說法變更一下，人工智能如果某一天擁有了意識，那么，人類無疑承擔了造物主的角色，這個話題有意思的地方在于，如果我們認同機器可以復制人的意識，在同樣的邏輯下就無法否定上帝造人的可能性，神學主義與科學主義在這里以一種吊詭的方式共存于同一邏輯鏈條中，這個悖論暴露出表面上誓不兩立的二者的共同缺陷。

四、共在

這就是說，我們不能確定將來是否會有擁有自我意識的人工智能出現，比如阿爾法狗雖然精通圍棋的一切知識，但當它與李世石對弈時，它知道自己是在“下圍棋”嗎？它對自己正在做的事情有意識嗎？從仿生學的角度看，當前電腦的“生物性”還不能達到單細胞層次，既不能產生“意識”，也不能算作“生命”，假設中的有自我思維的人工智能（強AI）真正實現之前，阿爾法狗仍然只是一個不斷執(zhí)行下棋命令的計算者，而絕不會對下棋這件事本身進行思考。沒有自我意識，不會思考有好的一面，或者說對人類有利的一面，因為我們知道，一個有了自我意識的孩子往往意味著進入“叛逆期”，一個有了自我意識的奴隸則不再以執(zhí)行主人的命令為天職，當然，比叛逆更可怕的是欺騙，所以，只要阿爾法狗一直贏下去而非“故意輸給人類”，人類反而是安全的。這實際上表明了人類與人工智能相處的窘境，對于強AI的期待與恐懼是并存的，未知的前景總是伴隨著樂觀與悲觀兩種心態(tài)。

黑格爾的主奴辯證法早已指出了這一問題的哲學意蘊：在對奴隸勞動的依賴中，主人喪失了獨立的自我意識，奴隸卻在與對象世界的互動中為自己贏得了自我意識，主奴關系因而發(fā)生了倒轉。黑格爾提示我們，與其擔憂人工智能獲得意識后對人類不服從，不如首先擔憂人類耽于便利與享樂而導致的自我隔離，這種自我隔離甚至在人工智能獲得“壞意識”之前就有將人類帶入危險的可能。《一個故意不通過圖靈測試的人工智能》設想了這樣的情節(jié)：一個名為“隔壁老王”的簡單人工智能系統(tǒng)被設定了“盡量多的書寫和測試，盡量快的執(zhí)行，并且不斷提高效率和準確性”的初始目標，隔壁老王不斷用機器臂在小卡片上寫字，并通過互聯(lián)網和語音庫

改進和執(zhí)行初始目標。最后的結局是，隔壁老王不僅將字寫滿了地球，而且寫滿了整個星系，在這個過程中，地球上的一切生物，包括人類都成為隔壁老王實現寫字目標的原材料。在這里，隔壁老王為了完成人類設定的目標產生了自我保存意識，這種最簡單的意識就足以使阿西莫夫用以保護人類不受傷害的“機器人三原則”失效。隔壁老王獲得的僅僅是自我保存的意識，與影視作品中統(tǒng)治地球和人類的“壞的”或“惡的”機器人不同，這種意識是非擬人化的，既不是道德（moral）的，也不是不道德（immoral）的，而是非道德（amoral）的，在非生物的人工智能身上，起作用的就是這樣的簡單意識。在這個意義上，人類如何考慮與人工智能，尤其是可能會實現的強AI相處就成為必須面對的問題。我們當然有可能、也有必要從倫理、法律為科學研究和應用進行討論、規(guī)范、立法，就像當年對待克隆技術一樣。

更為根本的問題在于，我們對人與人、人與萬物相處的理解，這種理解構成了人類生活的基礎。人機對弈告訴我們，圍棋作為游戲，乃是非實用性和非功利性的藝術，又因其為宇宙之理的表現，故而排除了人的主觀獨斷和自我隔離的危險；換言之，在圍棋的游戲中，既拒絕技術中心主義，也不要人類中心主義，人與阿爾法狗一樣，都是作為參與者而共在（Dabeisein）于游戲之中。在這里，人之所以能夠成為游戲的創(chuàng)造者和規(guī)則制定者，是人對世界開放、因而對宇宙之理有所領會的結果。而反過來，人作為有“心”的存在者，將自己的領會分享給阿爾法狗，如丁紀老師在人機對弈首局戰(zhàn)罷后評論說，教阿爾法狗下棋、“教會天地萬物坐在一起下圍棋”本身就是一個人文事件。在這個意義上，阿爾法狗雖然還沒有超越弱人工智能的奇點而獲得自我意識，但確實已經身處人文的世界之中。在對人工智能的樂觀或憂慮的兩極觀點之間，人所應該并且能夠做的，即是以共在的方式與天地萬物相處，并盡力將科學、人心導向良善的方向，那未來的前景，終究要由人類自身的努力去開啟。

[本文為教育部人文社會科學研究青年基金項目“從文本到實踐：伽達默爾晚期思想與近三十年詮釋學的新發(fā)展”（14YJC751023）階段性成果。]

第5篇：關于人工智能的哲學思考范文

［關鍵詞］人工智能，常識推理，歸納邏輯，廣義內涵邏輯，認知邏輯，自然語言邏輯

現代邏輯創(chuàng)始于19世紀末葉和20世紀早期，其發(fā)展動力主要來自于數學中的公理化運動。當時的數學家們試圖即從少數公理根據明確給出的演繹規(guī)則推導出其他的數學定理，從而把整個數學構造成為一個嚴格的演繹大廈，然后用某種程序和方法一勞永逸地證明數學體系的可靠性。為此需要發(fā)明和鍛造嚴格、精確、適用的邏輯工具。這是現代邏輯誕生的主要動力。由此造成的后果就是20世紀邏輯研究的嚴重數學化，其表現在于：一是邏輯專注于在數學的形式化過程中提出的問題；二是邏輯采納了數學的方法論，從事邏輯研究就意味著象數學那樣用嚴格的形式證明去解決問題。由此發(fā)展出來的邏輯被恰當地稱為“數理邏輯”，它增強了邏輯研究的深度，使邏輯學的發(fā)展繼古希臘邏輯、歐洲中世紀邏輯之后進入第三個高峰期，并且對整個現代科學特別是數學、哲學、語言學和計算機科學產生了非常重要的影響。

本文所要探討的問題是：21世紀邏輯發(fā)展的主要動力將來自何處？大致說來將如何發(fā)展？我個人的看法是：計算機科學和人工智能將至少是21世紀早期邏輯學發(fā)展的主要動力源泉，并將由此決定21世紀邏輯學的另一幅面貌。由于人工智能要模擬人的智能，它的難點不在于人腦所進行的各種必然性推理（這一點在20世紀基本上已經做到了，如用計算機去進行高難度和高強度的數學證明，“深藍”通過高速、大量的計算去與世界冠軍下棋），而是最能體現人的智能特征的能動性、創(chuàng)造性思維，這種思維活動中包括學習、抉擇、嘗試、修正、推理諸因素，例如選擇性地搜集相關的經驗證據，在不充分信息的基礎上作出嘗試性的判斷或抉擇，不斷根據環(huán)境反饋調整、修正自己的行為，……由此達到實踐的成功。于是，邏輯學將不得不比較全面地研究人的思維活動，并著重研究人的思維中最能體現其能動性特征的各種不確定性推理，由此發(fā)展出的邏輯理論也將具有更強的可應用性。

實際上，在20世紀中后期，就已經開始了現代邏輯與人工智能（記為AI）之間的相互融合和滲透。例如，哲學邏輯所研究的許多課題在理論計算機和人工智能中具有重要的應用價值。AI從認知心理學、社會科學以及決策科學中獲得了許多資源，但邏輯（包括哲學邏輯）在AI中發(fā)揮了特別突出的作用。某些原因促使哲學邏輯家去發(fā)展關于非數學推理

的理論；基于幾乎同樣的理由，AI研究者也在進行類似的探索，這兩方面的研究正在相互接近、相互借鑒，甚至在逐漸融合在一起。例如，AI特別關心下述課題：

·效率和資源有限的推理；

·感知；

·做計劃和計劃再認；

·關于他人的知識和信念的推理；

·各認知主體之間相互的知識；

·自然語言理解；

·知識表示；

·常識的精確處理；

·對不確定性的處理，容錯推理；

·關于時間和因果性的推理；

·解釋或說明；

·對歸納概括以及概念的學習。[①]

21世紀的邏輯學也應該關注這些問題，并對之進行研究。為了做到這一點，邏輯學家們有必要熟悉AI的要求及其相關進展，使其研究成果在AI中具有可應用性。

我認為，至少是21世紀早期，邏輯學將會重點關注下述幾個領域，并且有可能在這些領域出現具有重大意義的成果：（1）如何在邏輯中處理常識推理中的弗協(xié)調、非單調和容錯性因素？（2）如何使機器人具有人的創(chuàng)造性智能，如從經驗證據中建立用于指導以后行動的歸納判斷？（3）如何進行知識表示和知識推理，特別是基于已有的知識庫以及各認知主體相互之間的知識而進行的推理？（4）如何結合各種語境因素進行自然語言理解和推理，使智能機器人能夠用人的自然語言與人進行成功的交際？等等。

1．常識推理中的某些弗協(xié)調、非單調和容錯性因素

AI研究的一個目標就是用機器智能模擬人的智能，它選擇各種能反映人的智能特征的問題進行實踐，希望能做出各種具有智能特征的軟件系統(tǒng)。AI研究基于計算途徑，因此要建立具有可操作性的符號模型。一般而言，AI關于智能系統(tǒng)的符號模型可描述為：由一個知識載體（稱為知識庫KB）和一組加載在KB上的足以產生智能行為的過程（稱為問題求解器PS）構成。經過20世紀70年代包括專家系統(tǒng)的發(fā)展，AI研究者逐步取得共識，認識到知識在智能系統(tǒng)中力量，即一般的智能系統(tǒng)事實上是一種基于知識的系統(tǒng)，而知識包括專門性知識和常識性知識，前者亦可看做是某一領域內專家的常識。于是，常識問題就成為AI研究的一個核心問題，它包括兩個方面：常識表示和常識推理，即如何在人工智能中清晰地表示人類的常識，并運用這些常識去進行符合人類行為的推理。顯然，如此建立的常識知識庫可能包含矛盾，是不協(xié)調的，但這種矛盾或不協(xié)調應不至于影響到進行合理的推理行為；常識推理還是一種非單調推理，即人們基于不完全的信息推出某些結論，當人們得到更完全的信息后，可以改變甚至收回原來的結論；常識推理也是一種可能出錯的不精確的推理模式，是在容許有錯誤知識的情況下進行的推理，簡稱容錯推理。而經典邏輯拒斥任何矛盾，容許從矛盾推出一切命題；并且它是單調的，即承認如下的推理模式：如果p?r，則pùq?r；或者說，任一理論的定理屬于該理論之任一擴張的定理集。因此，在處理常識表示和常識推理時，經典邏輯應該受到限制和修正，并發(fā)展出某些非經典的邏輯，如次協(xié)調邏輯、非單調邏輯、容錯推理等。有人指出，常識推理的邏輯是次協(xié)調邏輯和非單調邏輯的某種結合物，而后者又可看做是對容錯推理的簡單且基本的情形的一種形式化。[②]

“次協(xié)調邏輯”（ParaconsistentLogic）是由普里斯特、達·科斯塔等人在對悖論的研究中發(fā)展出來的，其基本想法是：當在一個理論中發(fā)現難以克服的矛盾或悖論時，與其徒勞地想盡各種辦法去排除或防范它們，不如干脆讓它們留在理論體系內，但把它們“圈禁”起來，不讓它們任意擴散，以免使我們所創(chuàng)立或研究的理論成為“不足道”的。于是，在次協(xié)調邏輯中，能夠容納有意義、有價值的“真矛盾”，但這些矛盾并不能使系統(tǒng)推出一切，導致自毀。因此，這一新邏輯具有一種次于經典邏輯但又遠遠高于完全不協(xié)調系統(tǒng)的協(xié)調性。次協(xié)調邏輯家們認為，如果在一理論T中，一語句A及其否定?A都是定理，則T是不協(xié)調的；否則，稱T是協(xié)調的。如果T所使用的邏輯含有從互相否定的兩公式可推出一切公式的規(guī)則或推理，則不協(xié)調的T也是不足道的(trivial)。因此，通常以經典邏輯為基礎的理論，如果它是不協(xié)調的，那它一定也是不足道的。這一現象表明，經典邏輯雖可用于研究協(xié)調的理論，但不適用于研究不協(xié)調但又足道的理論。達·科斯塔在20世紀60年代構造了一系列次協(xié)調邏輯系統(tǒng)Cn（1≤n≤w），以用作不協(xié)調而又足道的理論的邏輯工具。對次協(xié)調邏輯系統(tǒng)Cn的特征性描述包括下述命題：(i)矛盾律?(Aù?A)不普遍有效；(ii)從兩個相互否定的公式A和?A推不出任意公式；即是說，矛盾不會在系統(tǒng)中任意擴散，矛盾不等于災難。(iii)應當容納與(i)和(ii)相容的大多數經典邏輯的推理模式和規(guī)則。這里，(i)和(ii)表明了對矛盾的一種相對寬容的態(tài)度，(iii)則表明次協(xié)調邏輯對于經典邏輯仍有一定的繼承性。

在任一次協(xié)調邏輯系統(tǒng)Cn(1≤n≤w)中，下述經典邏輯的定理或推理模式都不成立：

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

若以C0為經典邏輯，則系列C0,C1,C2,…Cn,…Cw使得對任正整數i有Ci弱于Ci-1，Cw是這系列中最弱的演算。已經為Cn設計出了合適的語義學，并已經證明Cn相對于此種語義是可靠的和完全的，并且次協(xié)調命題邏輯系統(tǒng)Cn還是可判定的?，F在，已經有人把次協(xié)調邏輯擴展到模態(tài)邏輯、時態(tài)邏輯、道義邏輯、多值邏輯、集合論等領域的研究中，發(fā)展了這些領域內的次協(xié)調理論。顯然，次協(xié)調邏輯將會得到更進一步的發(fā)展。[③]

非單調邏輯是關于非單調推理的邏輯，它的研究開始于20世紀80年代。1980年，D·麥克多莫特和J·多伊爾初步嘗試著系統(tǒng)發(fā)展一種關于非單調推理的邏輯。他們在經典謂詞演算中引入一個算子M，表示某種“一致性”斷言，并將其看做是模態(tài)概念，通過一定程序把模態(tài)邏輯系統(tǒng)T、S4和S5翻譯成非單調邏輯。B·摩爾的論文《非單調邏輯的語義思考》（1983）據認為在非單調邏輯方面作出了令人注目的貢獻。他在“缺省推理”和“自動認知推理”之間做了區(qū)分，并把前者看作是在沒有任何相反信息和缺少證據的條件下進行推理的過程，這種推理的特征是試探性的：根據新信息，它們很可能會被撤消。自動認知推理則不是這種類型，它是與人們自身的信念或知識相關的推理，可用它模擬一個理想的具有信念的有理性的人的推理。對于在計算機和人工智能中獲得成功的應用而言，非單調邏輯尚需進一步發(fā)展。

2．歸納以及其他不確定性推理

人類智能的本質特征和最高表現是創(chuàng)造。在人類創(chuàng)造的過程中，具有必然性的演繹推理固然起重要作用，但更為重要的是具有某種不確定性的歸納、類比推理以及模糊推理等。因此，計算機要成功地模擬人的智能，真正體現出人的智能品質，就必須對各種具有不確定性的推理模式進行研究。

首先是對歸納推理和歸納邏輯的研究。這里所說的“歸納推理”是廣義的，指一切擴展性推理，它們的結論所斷定的超出了其前提所斷定的范圍，因而前提的真無法保證結論的真，整個推理因此缺乏必然性。具體說來，這種意義的“歸納”包括下述內容：簡單枚舉法；排除歸納法，指這樣一些操作：預先通過觀察或實驗列出被研究現象的可能的原因，然后有選擇地安排某些事例或實驗，根據某些標準排除不相干假設，最后得到比較可靠的結論；統(tǒng)計概括：從關于有窮數目樣本的構成的知識到關于未知總體分布構成的結論的推理；類比論證和假說演繹法，等等。盡管休謨提出著名的“歸納問題”，對歸納推理的合理性和歸納邏輯的可能性提出了深刻的質疑，但我認為，（1）歸納是在茫茫宇宙中生存的人類必須采取也只能采取的認知策略，對于人類來說具有實踐的必然性。（2）人類有理由從經驗的重復中建立某種確實性和規(guī)律性，其依據就是確信宇宙中存在某種類似于自然齊一律和客觀因果律之類的東西。這一確信是合理的，而用純邏輯的理由去懷疑一個關于世界的事實性斷言則是不合理的，除非這個斷言是邏輯矛盾。（3）人類有可能建立起局部合理的歸納邏輯和歸納方法論。并且，歸納邏輯的這種可能性正在計算機科學和人工智能的研究推動下慢慢地演變成現實。恩格斯早就指出，“社會一旦有技術上的需要，則這種需要比十所大學更能把科學推向前進?！盵④]有人通過指責現有的歸納邏輯不成熟，得出“歸納邏輯不可能”的結論，他們的推理本身與歸納推理一樣，不具有演繹的必然性。（4）人類實踐的成功在一定程度上證明了相應的經驗知識的真理性，也就在一定程度上證明了歸納邏輯和歸納方法論的力量。毋庸否認，歸納邏輯目前還很不成熟。有的學者指出，為了在機器的智能模擬中克服對歸納模擬的困難而有所突破，應該將歸納邏輯等有關的基礎理論研究與機器學習、不確定推理和神經網絡學習模型與歸納學習中已有的成果結合起來。只有這樣，才能在已有的歸納學習成果上，在機器歸納和機器發(fā)現上取得新的突破和進展。[⑤]這是一個極有價值且極富挑戰(zhàn)性的課題，無疑在21世紀將得到重視并取得進展。

再談模糊邏輯?，F實世界中充滿了模糊現象，這些現象反映到人的思維中形成了模糊概念和模糊命題，如“矮個子”、“美人”、“甲地在乙地附近”、“他很年輕”等。研究模糊概念、模糊命題和模糊推理的邏輯理論叫做“模糊邏輯”。對它的研究始于20世紀20年代，其代表性人物是L·A·查德和P·N·馬林諾斯。模糊邏輯為精確邏輯（二值邏輯）解決不了的問題提供了解決的可能，它目前在醫(yī)療診斷、故障檢測、氣象預報、自動控制以及人工智能研究中獲得重要應用。顯然，它在21世紀將繼續(xù)得到更大的發(fā)展。

3．廣義內涵邏輯

經典邏輯只是對命題聯(lián)結詞、個體詞、謂詞、量詞和等詞進行了研究，但在自然語言中，除了這些語言成分之外，顯然還存在許多其他的語言成分，如各種各樣的副詞，包括模態(tài)詞“必然”、“可能”和“不可能”、時態(tài)詞“過去”、“現在”和“未來”、道義詞“應該”、“允許”、“禁止”等等，以及各種認知動詞，如“思考”、“希望”、“相信”、“判斷”、“猜測”、“考慮”、“懷疑”，這些認知動詞在邏輯和哲學文獻中被叫做“命題態(tài)度詞”。對這些副詞以及命題態(tài)度詞的邏輯研究可以歸類為“廣義內涵邏輯”。

大多數副詞以及幾乎所有命題態(tài)度詞都是內涵性的，造成內涵語境，后者與外延語境構成對照。外延語境又叫透明語境，是經典邏輯的組合性原則、等值置換規(guī)則、同一性替換規(guī)則在其中適用的語境；內涵語境又稱晦暗語境，是上述規(guī)則在其中不適用的語境。相應于外延語境和內涵語境的區(qū)別，一切語言表達式（包括自然語言的名詞、動詞、形容詞直至語句）都可以區(qū)分為外延性的和內涵性的，前者是提供外延語境的表達式，后者是提供內涵性語境的表達式。例如，殺死、見到、擁抱、吻、砍、踢、打、與…下棋等都是外延性表達式，而知道、相信、認識、必然、可能、允許、禁止、過去、現在、未來等都是內涵性表達式。

在內涵語境中會出現一些復雜的情況。首先，對于個體詞項來說，關鍵性的東西是我們不僅必須考慮它們在現實世界中的外延，而且要考慮它們在其他可能世界中的外延。例如，由于“必然”是內涵性表達式，它提供內涵語境，因而下述推理是非有效的：

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

這是因為：這個推理只考慮到“晨星”和“暮星”在現實世界中的外延，并沒有考慮到它們在每一個可能世界中的外延，我們完全可以設想一個可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我們就不能利用同一性替換規(guī)則，由該推理的前提得出它的結論：“晨星必然是暮星”。其次，在內涵語境中，語言表達式不再以通常是它們的外延的東西作為外延，而以通常是它們的內涵的東西作為外延。以“達爾文相信人是從猿猴進化而來的”這個語句為例。這里，達爾文所相信的是“人是從猿猴進化而來的”所表達的思想，而不是它所指稱的真值，于是在這種情況下，“人是從猿猴進化而來的”所表達的思想（命題）就構成它的外延。再次，在內涵語境中，雖然適用于外延的函項性原則不再成立，但并不是非要拋棄不可，可以把它改述為新的形式：一復合表達式的外延是它出現于外延語境中的部分表達式的外延加上出現于內涵語境中的部分表達式的內涵的函項。這個新的組合性或函項性原則在內涵邏輯中成立。

一般而言，一個好的內涵邏輯至少應滿足兩個條件：（i）它必須能夠處理外延邏輯所能處理的問題；（ii）它還必須能夠處理外延邏輯所不能處理的難題。這就是說，它既不能與外延邏輯相矛盾，又要克服外延邏輯的局限。這樣的內涵邏輯目前正在發(fā)展中，并且已有初步輪廓。從術語上說，內涵邏輯除需要真、假、語句真值的同一和不同、集合或類、謂詞的同范圍或不同范圍等外延邏輯的術語之外，還需要同義、內涵的同一和差異、命題、屬性或概念這樣一些術語。廣而言之，可以把內涵邏輯看作是關于象“必然”、“可能”、“知道”、“相信”，“允許”、“禁止”等提供內涵語境的語句算子的一般邏輯。在這種廣義之下，模態(tài)邏輯、時態(tài)邏輯、道義邏輯、認知邏輯、問題邏輯等都是內涵邏輯。不過，還有一種狹義的內涵邏輯，它可以粗略定義如下：一個內涵邏輯是一個形式語言，其中包括（1）謂詞邏輯的算子、量詞和變元，這里的謂詞邏輯不必局限于一階謂詞邏輯，也可以是高階謂詞邏輯；（2）合式的λ—表達式，例如(λx)A，這里A是任一類型的表達式，x是任一類型的變元，(λx)A本身是一函項，它把變元x在其中取值的那種類型的對象映射到A所屬的那種類型上；（3）其他需要的模態(tài)的或內涵的算子，例如€，ù、ú。而一個內涵邏輯的解釋，則由下列要素組成：（1）一個可能世界的非空集W；（2）一個可能個體的非空集D；（3）一個賦值，它給系統(tǒng)內的表達式指派它們在每w∈W中的外延。對于任一的解釋Q和任一的世界w∈W，判定內涵邏輯系統(tǒng)中的任一表達式X相對于解釋Q在w∈W中的外延總是可能的。這樣的內涵邏輯系統(tǒng)有丘奇的LSD系統(tǒng)，R·蒙塔古的IL系統(tǒng)，以及E·N·扎爾塔的FIL系統(tǒng)等。[⑥]

在各種內涵邏輯中，認識論邏輯（epistemiclogic）具有重要意義。它有廣義和狹義之分。廣義的認識論邏輯研究與感知（perception）、知道、相信、斷定、理解、懷疑、問題和回答等相關的邏輯問題，包括問題邏輯、知道邏輯、相信邏輯、斷定邏輯等；狹義的認識論邏輯僅指知道和相信的邏輯，簡稱“認知邏輯”。馮·賴特在1951年提出了對“認知模態(tài)”的邏輯分析，這對建立認知邏輯具有極大的啟發(fā)作用。J·麥金西首先給出了一個關于“知道”的模態(tài)邏輯。A·帕普于1957年建立了一個基于6條規(guī)則的相信邏輯系統(tǒng)。J·亨迪卡于60年代出版的《知識和信念》一書是認知邏輯史上的重要著作，其中提出了一些認知邏輯的系統(tǒng)，并為其建立了基于“模型集”的語義學，后者是可能世界語義學的先導之一。當今的認知邏輯紛繁復雜，既不成熟也面臨許多難題。由于認知邏輯涉及認識論、心理學、語言學、計算機科學和人工智能等諸多領域，并且認知邏輯的應用技術，又稱關于知識的推理技術，正在成為計算機科學和人工智能的重要分支之一，因此認知邏輯在20世紀中后期成為國際邏輯學界的一個熱門研究方向。這一狀況在21世紀將得到繼續(xù)并進一步強化，在這方面有可能出現突破性的重要結果。

4．對自然語言的邏輯研究

對自然語言的邏輯研究有來自幾個不同領域的推動力。首先是計算機和人工智能的研究，人機對話和通訊、計算機的自然語言理解、知識表示和知識推理等課題，都需要對自然語言進行精細的邏輯分析，并且這種分析不能僅停留在句法層面，而且要深入到語義層面。其次是哲學特別是語言哲學，在20世紀哲學家們對語言表達式的意義問題傾注了異乎尋常的精力，發(fā)展了各種各樣的意義理論，如觀念論、指稱論、使用論、言語行為理論、真值條件論等等，以致有人說，關注意義成了20世紀哲學家的職業(yè)病。再次是語言學自身發(fā)展的需要，例如在研究自然語言的意義問題時，不能僅僅停留在脫離語境的抽象研究上面，而要結合使用語言的特定環(huán)境去研究，這導致了語義學、語用學、新修辭學等等發(fā)展。各個方面發(fā)展的成果可以總稱為“自然語言邏輯”，它力圖綜合后期維特根斯坦提倡的使用論，J·L·奧斯汀、J·L·塞爾等人發(fā)展的言語行為理論，以及P·格賴斯所創(chuàng)立的會話含義學說等成果，透過自然語言的指謂性和交際性去研究自然語言中的推理。

自然語言具有表達和交際兩種職能，其中交際職能是自然語言最重要的職能，是它的生命力之所在。而言語交際總是在一定的語言環(huán)境（簡稱語境）中進行的，語境有廣義和狹義之分。狹義的語境僅指一個語詞、一個句子出現的上下文。廣義的語境除了上下文之外，還包括該語詞或語句出現的整個社會歷史條件，如該語詞或語句出現的時間、地點、條件、講話的人（作者）、聽話的人（讀者）以及交際雙方所共同具有的背景知識，這里的背景知識包括交際雙方共同的信念和心理習慣，以及共同的知識和假定等等。這些語境因素對于自然語言的表達式（語詞、語句）的意義有著極其重要的影響，這具體表現在：（i）語境具有消除自然語言語詞的多義性、歧義性和模糊性的能力，具有嚴格規(guī)定語言表達式意義的能力。（ii）自然語言的句子常常包含指示代詞、人稱代詞、時間副詞等，要弄清楚這些句子的意義和內容，就要弄清楚這句話是誰說的、對誰說的、什么時候說的、什么地點說的、針對什么說的，等等，這只有在一定的語境中才能進行。依賴語境的其他類型的語句還有：包含著象“有些”和“每一個”這類量化表達式的句子的意義取決于依語境而定的論域，包含著象“大的”、“冷的”這類形容詞的句子的意義取決于依語境而定的相比較的對象類；模態(tài)語句和條件語句的意義取決于因語境而變化的語義決定因素，如此等等。（iii）語言表達式的意義在語境中會出現一些重要的變化，以至偏離它通常所具有的意義（抽象意義），而產生一種新的意義即語用涵義。有人認為，一個語言表達式在它的具體語境中的意義，才是它的完全的真正的意義，一旦脫離開語境，它就只具有抽象的意義。語言的抽象意義和它的具體意義的關系，正象解剖了的死人肢體與活人肢體的關系一樣。邏輯應該去研究、理解、把握自然語言的具體意義，當然不是去研究某一個（或一組）特定的語句在某個特定語境中唯一無二的意義，而是專門研究確定自然語言具體意義的普遍原則。[⑦]

美國語言學家保羅·格賴斯把語言表達式在一定的交際語境中產生的一種不同于字面意義的特殊涵義，叫做“語用涵義”、“會話涵義”或“隱涵”（implicature），并于1975年提出了一組“交際合作原則”，包括一個總則和四組準則?？倓t的內容是：在你參與會話時，你要依據你所參與的談話交流的公認目的或方向，使你的會話貢獻符合這種需要。仿照康德把范疇區(qū)分為量、質、關系和方式四類，格賴斯提出了如下四組準則：

（1）數量準則：在交際過程中給出的信息量要適中。

a．給出所要求的信息量；

b．給出的信息量不要多于所要求的信息量。

（2）質量準則：力求講真話。

a．不說你認為假的東西，。

b．不說你缺少適當證據的東西。

（3）關聯(lián)準則：說話要與已定的交際目的相關聯(lián)。

（4）方式準則：說話要意思明確，表達清晰。

a．避免晦澀生僻的表達方式；

b．避免有歧義的表達方式；

c．說話要簡潔；

d．說話要有順序性。[⑧]

后來對這些原則提出了不和補充，例如有人還提出了交際過程中所要遵守的“禮貌原則”。只要把交際雙方遵守交際合作原則之類的語用規(guī)則作為基本前提，這些原則就可以用來確定和把握自然語言的具體意義（語用涵義）。實際上，一個語句p的語用涵義，就是聽話人在具體語境中根據語用規(guī)則由p得到的那個或那些語句。更具體地說，從說話人S說的話語p推出語用涵義q的一般過程是：

（i）S說了p；

（ii）沒有理由認為S不遵守準則，或至少S會遵守總的合作原則；

（iii）S說了p而又要遵守準則或總的合作原則，S必定想表達q；

（iv）S必然知道，談話雙方都清楚：如果S是合作的，必須假設q；

（v）S無法阻止聽話人H考慮q；

（vi）因此，S意圖讓H考慮q，并在說p時意味著q。

試舉二例：

（1）a站在熄火的汽車旁，b向a走來。a說：“我沒有汽油了。”b說：“前面拐角處有一個修車鋪?！边@里a與b談話的目的是：a想得到汽油。根據關系準則，b說這句話是與a想得到汽油相關的，由此可知：b說這句話時隱涵著：“前面的修車鋪還在營業(yè)并且賣汽油?！?/p>

第6篇：關于人工智能的哲學思考范文

33歲的加拿大發(fā)明家黎忠(Le Trung)，花光自己所有積蓄，制造了一個名為“愛子”的女性機器人。黎忠稱，“愛子”是科技與美麗邂逅的產物，她“年方”20多歲，正值青春妙齡，身材苗條，相貌姣好。她總是樂于打掃房間，幫助黎忠記賬，而且知道他愛喝什么。每天早上，“愛子”都為黎忠讀報，開始新的一天。她可以用女性溫柔的聲音告訴黎忠當天的天氣狀況，比如：“戶外是零下2℃”?！皭圩印比黻P鍵部位布滿傳感器，脖子上還有一個攝像頭，這樣她就可以具備觸覺、視覺和聽覺。愛子可以對撓癢和觸摸做出反應，能夠認人。可以用英語和日語說1.3萬句話。她可以點頭，手也可以動。如果有人粗魯地觸碰她，她就會憤怒地大聲叫喊。即使黎忠輕輕地拍她的頭，她也會說：“摸女孩的頭可不好，摸你自己的頭。”她甚至會扇“騷擾者”的耳光。很有趣，對吧?看來找個機器人做女友并非遙不可及。

雖然這個“愛子”還沒有“智能”到《i，Robot》中的Sunny或《Wall?E》中的瓦力那樣具有情感并自主思考，但她所具備的功能卻足以讓人大吃一驚了。那么，她為何會具有這些看起來非?！叭诵曰钡奶卣髂?這一切還得從人工智能說起。

關于人工智能

人工智能(ArtificialIntelligence，AI)是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一(空間技術、能源技術、人工智能)。人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規(guī)劃等)的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科?？梢哉f幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發(fā)展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等范圍發(fā)揮作用，數學進入人工智能學科，它們將互相促進而更快地發(fā)展。近年來人工智能技術獲得了迅速的發(fā)展，在很多學科領域都得到應用和發(fā)展。

隨著計算機及網絡技術的不斷發(fā)展，許多原來無法完成的工作現在已經能夠實現。目前人工智能研究的未來發(fā)展方向是智能接口、數據挖掘、主體及多主體系統(tǒng)。其中多主體(Multi-Agent)技術是近年來發(fā)展迅猛并在科研和工程技術領域不斷取得應用成果的重要研究方向。主體(Agent)與多主體(Multi-Agent System，MAS)系統(tǒng)的概念起源于人工智能領域，是分布式人工智能的主要方向之一。Agent具有自治性、可通信性、反應性、面向目標性和針對環(huán)境性等特性。

咱治性：即對自己的行為或動作具有控制權，無須外部干預，自主地完成其特定的任務；

?可通信性：每個Agent在有組織的群體中，通過相互通信接受任務指派和反饋任務執(zhí)行的信息；

?反應性：Agent應具備感知環(huán)境并做出相應動作的能力；

?面向目標性：對自己的行為做出評價并使其逐步導向目標；

?針對環(huán)境性，Agent只能工作在特定的環(huán)境中。

典型的智能控制系統(tǒng)通常采用分層控制結構，對整個系統(tǒng)進行分散遞階控制，它將整個系統(tǒng)分為組織層、協(xié)調層和響應層。每層均由完成相應任務的Agent組成。響應層Agent對自的子系統(tǒng)進行控制，并向協(xié)調層反饋信息；協(xié)調層則根據反饋的信息和組織層的指令協(xié)調響應層Agent的執(zhí)行過程；組織層從全局的角度對整個系統(tǒng)進行分析，并向低層Agent發(fā)送指令。常見的MAS的體系結構主要有Agent網絡、Agent聯(lián)盟以及“黑板”結構。Agent的任務執(zhí)行機制是指系統(tǒng)對每個Agent分配了不同角色，各自獨立地執(zhí)行一定的任務，Agent之間遵循民主協(xié)商原則和獨立自治的原則。

MAS是在單Agent理論的基礎上發(fā)展起來的，它由一組具有自主性、適應性、反應性和社會性的Agent組成，擁有較單Agent更多的資源和知識以及更強的處理能力，是分布式人工智能(Distributed Artificial Intelligence，DAI)在最近的研究中提出的一項新技術。主要應用在對現實世界和社會的模擬、機器人以及智能機械等領域。

機器人的歷史其實并不算長。1959年美國英格伯格和德沃爾制造出世界上第一臺工業(yè)機器人，至此機器人的歷史才真正開始。近百年來發(fā)展起來的機器人，大致經歷了三個成長階段，即三個時代。第一代為簡單個體機器人，第二代為群體勞動機器人，第三代為類似人類的智能機器人，它的未來發(fā)展方向是有知覺和思維，能與人對話。第一代機器人屬于示教再現型，第二代則具備了感覺能力，第三代機器人是智能機器人，它不僅具有感覺能力，而且還具有獨立判斷和行動的能力。當機器人與人類生活接觸更多時，我們可以發(fā)現機器人已漸漸擺脫冰冷的機械外觀，研究人員也正設法讓機器人具有人類般的感知能力，如視覺、聽覺、觸覺甚至情緒傳感，并能有相對應的回應等。除TX形機器人，機器人的發(fā)展方向更將無限廣闊。

智能機器人未來還能朝模仿生物的形態(tài)與功能的“仿生學”方向發(fā)展。譬如，美國國防先進研究計劃局贊助航空環(huán)境公司研究“黑寡婦”機器人，希望利用15公分長的小型仿真蜘蛛飛行器偵測到衛(wèi)星也無法拍攝到的細節(jié)，伯克利大學正在研究灰塵般大小的微形機器人，只要散布在空氣中就能讓一個個微小感應器串聯(lián)成網絡；黏在指尖上，不用鍵盤就可直接操作計算機的機器人，以及撒在冰箱內就能監(jiān)控食物新鮮程度的“智能型灰塵”。

展望未來，機器人將不只是勞工、手術助理、指揮家、清潔人員和寵物，只要人類的想像力源源不絕，智能機器人也將為我們的生活帶來無限驚喜。

什么技術讓機器人更智能?

1　模式識別

所謂模式，從廣義上說，就是事物的某種特性類屬，如：圖像、文字、語言、符號等感知形象信息；雷達、聲納信號、地球物探、衛(wèi)星云圖等時空信息動植物種類形態(tài)、產品等級、化學結構等類別差異信息等等。模式識別是研究如何使機器具有感知能力，主要研究視覺模式和聽覺模式的識別。如

識別物體、地形，圖象、字體(如簽字)等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發(fā)展起來應用模糊數學模式，人工神經網絡模式的方法逐漸取代傳統(tǒng)的用統(tǒng)計模式和結構模式的識別方法。特別神經網絡方法在模式識別中取得較大進展。代表性產品有光學字符識別系統(tǒng)(Optical CharacterRecognition，OCR)、語音識別系統(tǒng)等。計算機識別的顯著特點是速度快、準確性和效率高。識別過程與人類的學習過程相似。

最近我國研制成功的無人駕駛系統(tǒng)，就標志著我國研制高速智能汽車的能力已達到當今世界先進水平。汽車自主駕駛技術是集模式識別、智能控制、計算機學和汽車操縱動力學等多門學科于一體的綜合性技術，代表著一個國家控制技術的水平。自主駕駛系統(tǒng)采用計算機視覺導航方式，并采用仿人控制，實現了對汽車的操縱控制。

除此之外，指紋識別系統(tǒng)也是模式識別技術的一個具體應用。利用模式識別技術已成功建立了利用指紋灰度圖像計算紋線局部方向、從而提取指紋特征信息的算法，這一研究成果不僅適于民用身份鑒定也適用于公安刑事偵破的指紋鑒定。目前各地已經建立指紋庫，而檢索一枚現場指紋僅需4分鐘時間。

2　專家系統(tǒng)

專家系統(tǒng)是依靠人類專家已有的知識建立起來的知識系統(tǒng)，目前專家系統(tǒng)是人工智能研究中開展較早、最活躍、成效最多的領域，廣泛應用于醫(yī)療診斷、地質勘探、石油化工、軍事、文化教育等各方面。它是在特定的領域內具有相應的知識和經驗的程序系統(tǒng)，它應用人工智能技術、模擬人類專家解決問題時的思維過程，來求解領域內的各種問題，達到或接近專家的水平。隨著計算機科學技術整體水平的提高，分布式專家系統(tǒng)、協(xié)同式專家系統(tǒng)等新一代專家系統(tǒng)的研究也發(fā)展很快。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的推理方法，而且采用了諸如人工神經網絡的方法與技術。

根據專家系統(tǒng)處理的問題的類型，把專家系統(tǒng)分為解釋型、診斷型、調試型、維修型、教育型、預測型、規(guī)劃型、設計型和控制型等10種類型。為了實現專家系統(tǒng)，必須要存儲有該專門領域中經過事先總結、分析并按某種模式表示的專家知識庫，并擁有解決實際問題的推理機制。系統(tǒng)能借此做出決策和判斷，其解決問題的水平達到或接近專家的水平，因此能起到專家或專家助手的作用。例如血液凝結疾病診斷系統(tǒng)、電話電纜維護專家系統(tǒng)、花布圖案設計和花布印染專家系統(tǒng)等等。

3　人工神經網絡

人工神經網絡(Artificial NeuralNetwork，簡稱ANN)是模擬生物神經元的結構而提出的一種信息處理方法。它是一種非線性映射的方法，很多難以列出方程式或難以求解的復雜的非線性問題，應用神經網絡方法則可迎刃而解。在人工神經網絡中，信息的處理是由神經元之間的相互作用來實現的，知識與信息的存儲表現為網絡元件互連間分布式的物理聯(lián)系，網絡的學習和識別取決于和神經元連接權值的動態(tài)演化過程。人工神經網絡由大量簡單的基本元件一一神經元(neuron)相互連接而成的自適應非線性動態(tài)系統(tǒng)，神經元是神經網絡的基本處理單元，它一般是一個多輸入單輸出的非線性動態(tài)系統(tǒng)，其結構模型如所示。其中為神經元內部狀態(tài)，為閾值，為輸入信號，表示從輸入到的聯(lián)結權值。

一個人工神經網絡的神經元模型和結構描述了一個網絡如何將它的輸入矢量轉化為輸出矢量的過程。這個轉化過程從數學角度來看就是一個計算的過程。也就是說，人工神經網絡的實質體現了網絡輸入和其輸出之間的一種函數關系。通過選取不同的模型結構和激活函數，可以形成各種不同的人工神經網絡，得到不同的輸入／輸出關系式，并達到不同的設計目的，完成不同的任務，所以在利用人工神經網絡解決實際應用問題之前，必須首先掌握人工神經網絡的模型結構及其特性以及對其輸出矢量的計算。

多年來，人工神經網絡的研究取得了較大的進展，成為具有一種獨特風格的信息處理學科。當然目前的研究還只是一些簡單的人工神經網絡模型。要建立起一套完整的理論和技術系統(tǒng)，需要做出更多努力和探討。然而人工神經網絡已經成為人工智能中極其重要的一個研究領域。在人工神經網絡的實際應用中，絕大部分的神經網絡模型是采用反向傳播(BP)網絡和它的變化形式，它也是前向網絡的核心部分，并體現了人工神經網絡最精華的部分。多層BP網絡結構包括輸入節(jié)點、輸出節(jié)點，一層或多層隱節(jié)點。

BP網絡適宜于處理具有殘缺結構和含有錯誤成分的模式，能夠在信源信息含糊、不確定、不完整，存在矛盾及假象等復雜環(huán)境中處理模式。網絡所具有的自學習能力使得傳統(tǒng)專家系統(tǒng)技術應用最為困難的知識獲取工作轉換為網絡的變結構調節(jié)過程，從而大大方便了知識庫中知識的記憶和抽取。在許多復雜問題中(如醫(yī)學診斷)，存在大量特例和反例，信息來源既不完整又含有假象，且經常遇到不確定信息，決策規(guī)則往往相互矛盾，有時無條理可循，這給傳統(tǒng)專家系統(tǒng)應用造成極大困難，甚至在某些領域無法應用，而BP網絡技術則能突破這一障礙，且能對不完整信息進行補全。根據已學會的知識和處理問題的經驗對復雜問題作出合理的判斷決策，給出較滿意的解答，或對未來過程作出有效的預測和估計。這方面的主要應用是：自然語言處理、市場分析、預測估值、系統(tǒng)診斷、事故檢查、密碼破譯、語言翻譯、邏輯推理、知識表達、智能機器人、模糊評判等。

人工神經網絡是未來人工智能應用的新領域，情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能在于賦予計算機情感能力。情感能力對于計算機與人的自然交往至關重要。

目前AI研究出現了新的，這一方面是因為在人工智能理論方面有了新的進展，另一方面也是因為計算機硬件突飛猛進的發(fā)展。隨著計算機速度的不斷提高、存儲容量的不斷擴大、價格的不斷降低以及網絡技術的不斷發(fā)展，許多原來無法完成的工作現在已經能夠實現。目前人工智能研究的3個熱點是：智能接口、數據挖掘、主體及多主體系統(tǒng)。

毋庸置疑，未來的機器人與人類社會的生活更為密切地結合起來，以為人做出更多的服務作為要素。研究內容主要包括餐飲服務多機器人系統(tǒng)、競技與娛樂多機器人系統(tǒng)、家庭生活支援多機器人系統(tǒng)及其關鍵技術的研究、系統(tǒng)集成試驗驗證和示范應用。

1　餐飲服務多機器人系統(tǒng)

設計規(guī)劃智能餐飲服務模式、研究和突破機器人自動烹飪工藝及烹飪方法、智能餐飲多機器人間的交互及安全操作等關鍵技術，研制開發(fā)由迎賓／點菜、烹飪、送菜機器人組成的智能餐飲服務多機器人系統(tǒng)，實現以機器人為主的餐廳服務系統(tǒng)集成和示范應用。這樣，我們通過點菜系統(tǒng)輸入喜歡的菜品。就可以在家里盡享五星級服務了。

2　競技多機器人系統(tǒng)

研究競技與娛樂機器人的復雜動作的運動規(guī)劃與控制、高速視覺識別與伺服控制、多機器人間的協(xié)調控制等關鍵技術，研制以仿人機器人為核心的武術，足球等競技與娛樂多機器人系統(tǒng)，實現多機器人的協(xié)同武術表演與足球比賽、機器人與人的互動娛樂(圖9)。足球機器人就由四個部分組成，即視覺系統(tǒng)、通訊系統(tǒng)、計算機系統(tǒng)及移動裝置等，在賽場上可以實現自主踢球，不受外界控制。

3　家庭生活支援多機器人系統(tǒng)

研究基于網絡的機器人遠程監(jiān)測與遙操作、自主導航與規(guī)劃技術、家政多機器人協(xié)調作業(yè)等關鍵技術，構建面向家居監(jiān)控、家庭輔助作業(yè)等家庭生活支援多機器人系統(tǒng)，實現家庭設備的遠程遙控與監(jiān)測、家庭輔助作業(yè)等功能。未來家庭機器人正朝著實用型的方向發(fā)展，一個合格的家庭機器人，還應當具備多項技能。例如檢測到家中有異常情況時，可將住宅內的情形通過圖片形式發(fā)送到主人手機或個人電腦上。并能兼保姆和秘書，早上叫醒你，提醒你一天的日程安排，并轉達當天的電話留言等等。你將再也不必因為忘了老婆的生日或結婚紀念日而挨訓了。

第7篇：關于人工智能的哲學思考范文

AI研究的一個目標就是用機器智能模擬人的智能，它選擇各種能反映人的智能特征的問題進行實踐，希望能做出各種具有智能特征的軟件系統(tǒng)。AI研究基于計算途徑，因此要建立具有可操作性的符號模型。一般而言，AI關于智能系統(tǒng)的符號模型可描述為：由一個知識載體（稱為知識庫KB）和一組加載在KB上的足以產生智能行為的過程（稱為問題求解器PS）構成。經過20世紀70年代包括專家系統(tǒng)的發(fā)展，AI研究者逐步取得共識，認識到知識在智能系統(tǒng)中力量，即一般的智能系統(tǒng)事實上是一種基于知識的系統(tǒng)，而知識包括專門性知識和常識性知識，前者亦可看做是某一領域內專家的常識。于是，常識問題就成為AI研究的一個核心問題，它包括兩個方面：常識表示和常識推理，即如何在人工智能中清晰地表示人類的常識，并運用這些常識去進行符合人類行為的推理。顯然，如此建立的常識知識庫可能包含矛盾，是不協(xié)調的，但這種矛盾或不協(xié)調應不至于影響到進行合理的推理行為；常識推理還是一種非單調推理，即人們基于不完全的信息推出某些結論，當人們得到更完全的信息后，可以改變甚至收回原來的結論；常識推理也是一種可能出錯的不精確的推理模式，是在容許有錯誤知識的情況下進行的推理，簡稱容錯推理。而經典邏輯拒斥任何矛盾，容許從矛盾推出一切命題；并且它是單調的，即承認如下的推理模式：如果p?r，則pùq?r；或者說，任一理論的定理屬于該理論之任一擴張的定理集。因此，在處理常識表示和常識推理時，經典邏輯應該受到限制和修正，并發(fā)展出某些非經典的邏輯，如次協(xié)調邏輯、非單調邏輯、容錯推理等。有人指出，常識推理的邏輯是次協(xié)調邏輯和非單調邏輯的某種結合物，而后者又可看做是對容錯推理的簡單且基本的情形的一種形式化。[②]“次協(xié)調邏輯”（ParaconsistentLogic）是由普里斯特、達·科斯塔等人在對悖論的研究中發(fā)展出來的，其基本想法是：當在一個理論中發(fā)現難以克服的矛盾或悖論時，與其徒勞地想盡各種辦法去排除或防范它們，不如干脆讓它們留在理論體系內，但把它們“圈禁”起來，不讓它們任意擴散，以免使我們所創(chuàng)立或研究的理論成為“不足道”的。于是，在次協(xié)調邏輯中，能夠容納有意義、有價值的“真矛盾”，但這些矛盾并不能使系統(tǒng)推出一切，導致自毀。因此，這一新邏輯具有一種次于經典邏輯但又遠遠高于完全不協(xié)調系統(tǒng)的協(xié)調性。次協(xié)調邏輯家們認為，如果在一理論T中，一語句A及其否定?A都是定理，則T是不協(xié)調的；否則，稱T是協(xié)調的。如果T所使用的邏輯含有從互相否定的兩公式可推出一切公式的規(guī)則或推理，則不協(xié)調的T也是不足道的(trivial)。因此，通常以經典邏輯為基礎的理論，如果它是不協(xié)調的，那它一定也是不足道的。這一現象表明，經典邏輯雖可用于研究協(xié)調的理論，但不適用于研究不協(xié)調但又足道的理論。達·科斯塔在20世紀60年代構造了一系列次協(xié)調邏輯系統(tǒng)Cn（1≤n≤w），以用作不協(xié)調而又足道的理論的邏輯工具。對次協(xié)調邏輯系統(tǒng)Cn的特征性描述包括下述命題：(i)矛盾律?(Aù?A)不普遍有效；(ii)從兩個相互否定的公式A和?A推不出任意公式；即是說，矛盾不會在系統(tǒng)中任意擴散，矛盾不等于災難。(iii)應當容納與(i)和(ii)相容的大多數經典邏輯的推理模式和規(guī)則。這里，(i)和(ii)表明了對矛盾的一種相對寬容的態(tài)度，(iii)則表明次協(xié)調邏輯對于經典邏輯仍有一定的繼承性。

在任一次協(xié)調邏輯系統(tǒng)Cn(1≤n≤w)中，下述經典邏輯的定理或推理模式都不成立：

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

若以C0為經典邏輯，則系列C0,C1,C2,…Cn,…Cw使得對任正整數i有Ci弱于Ci-1，Cw是這系列中最弱的演算。已經為Cn設計出了合適的語義學，并已經證明Cn相對于此種語義是可靠的和完全的，并且次協(xié)調命題邏輯系統(tǒng)Cn還是可判定的?，F在，已經有人把次協(xié)調邏輯擴展到模態(tài)邏輯、時態(tài)邏輯、道義邏輯、多值邏輯、集合論等領域的研究中，發(fā)展了這些領域內的次協(xié)調理論。顯然，次協(xié)調邏輯將會得到更進一步的發(fā)展。[③]

非單調邏輯是關于非單調推理的邏輯，它的研究開始于20世紀80年代。1980年，D·麥克多莫特和J·多伊爾初步嘗試著系統(tǒng)發(fā)展一種關于非單調推理的邏輯。他們在經典謂詞演算中引入一個算子M，表示某種“一致性”斷言，并將其看做是模態(tài)概念，通過一定程序把模態(tài)邏輯系統(tǒng)T、S4和S5翻譯成非單調邏輯。B·摩爾的論文《非單調邏輯的語義思考》（1983）據認為在非單調邏輯方面作出了令人注目的貢獻。他在“缺省推理”和“自動認知推理”之間做了區(qū)分，并把前者看作是在沒有任何相反信息和缺少證據的條件下進行推理的過程，這種推理的特征是試探性的：根據新信息，它們很可能會被撤消。自動認知推理則不是這種類型，它是與人們自身的信念或知識相關的推理，可用它模擬一個理想的具有信念的有理性的人的推理。對于在計算機和人工智能中獲得成功的應用而言，非單調邏輯尚需進一步發(fā)展。

［摘要］本文認為，計算機科學和人工智能將是21世紀邏輯學發(fā)展的主要動力源泉，并且在很大程度上將決定21世紀邏輯學的面貌。至少在21世紀早期，邏輯學將重點關注下列論題：（1）如何在邏輯中處理常識推理的弗協(xié)調、非單調和容錯性因素？（2）如何使機器人具有人的創(chuàng)造性智能，如從經驗證據中建立用于指導以后行動的可錯的歸納判斷？（3）如何進行知識表示和知識推理，特別是基于已有的知識庫以及各認知主體相互之間的知識而進行的推理？（4）如何結合各種語境因素進行自然語言理解和推理，使智能機器人能夠用人的自然語言與人進行成功的交際？等等。

［關鍵詞］人工智能，常識推理，歸納邏輯，廣義內涵邏輯，認知邏輯，自然語言邏輯

人類智能的本質特征和最高表現是創(chuàng)造。在人類創(chuàng)造的過程中，具有必然性的演繹推理固然起重要作用，但更為重要的是具有某種不確定性的歸納、類比推理以及模糊推理等。因此，計算機要成功地模擬人的智能，真正體現出人的智能品質，就必須對各種具有不確定性的推理模式進行研究。

首先是對歸納推理和歸納邏輯的研究。這里所說的“歸納推理”是廣義的，指一切擴展性推理，它們的結論所斷定的超出了其前提所斷定的范圍，因而前提的真無法保證結論的真，整個推理因此缺乏必然性。具體說來，這種意義的“歸納”包括下述內容：簡單枚舉法；排除歸納法，指這樣一些操作：預先通過觀察或實驗列出被研究現象的可能的原因，然后有選擇地安排某些事例或實驗，根據某些標準排除不相干假設，最后得到比較可靠的結論；統(tǒng)計概括：從關于有窮數目樣本的構成的知識到關于未知總體分布構成的結論的推理；類比論證和假說演繹法，等等。盡管休謨提出著名的“歸納問題”，對歸納推理的合理性和歸納邏輯的可能性提出了深刻的質疑，但我認為，（1）歸納是在茫茫宇宙中生存的人類必須采取也只能采取的認知策略，對于人類來說具有實踐的必然性。（2）人類有理由從經驗的重復中建立某種確實性和規(guī)律性，其依據就是確信宇宙中存在某種類似于自然齊一律和客觀因果律之類的東西。這一確信是合理的，而用純邏輯的理由去懷疑一個關于世界的事實性斷言則是不合理的，除非這個斷言是邏輯矛盾。（3）人類有可能建立起局部合理的歸納邏輯和歸納方法論。并且，歸納邏輯的這種可能性正在計算機科學和人工智能的研究推動下慢慢地演變成現實。恩格斯早就指出，“社會一旦有技術上的需要，則這種需要比十所大學更能把科學推向前進?！盵④]有人通過指責現有的歸納邏輯不成熟，得出“歸納邏輯不可能”的結論，他們的推理本身與歸納推理一樣，不具有演繹的必然性。（4）人類實踐的成功在一定程度上證明了相應的經驗知識的真理性，也就在一定程度上證明了歸納邏輯和歸納方法論的力量。毋庸否認，歸納邏輯目前還很不成熟。有的學者指出，為了在機器的智能模擬中克服對歸納模擬的困難而有所突破，應該將歸納邏輯等有關的基礎理論研究與機器學習、不確定推理和神經網絡學習模型與歸納學習中已有的成果結合起來。只有這樣，才能在已有的歸納學習成果上，在機器歸納和機器發(fā)現上取得新的突破和進展。[⑤]這是一個極有價值且極富挑戰(zhàn)性的課題，無疑在21世紀將得到重視并取得進展。

再談模糊邏輯?，F實世界中充滿了模糊現象，這些現象反映到人的思維中形成了模糊概念和模糊命題，如“矮個子”、“美人”、“甲地在乙地附近”、“他很年輕”等。研究模糊概念、模糊命題和模糊推理的邏輯理論叫做“模糊邏輯”。對它的研究始于20世紀20年代，其代表性人物是L·A·查德和P·N·馬林諾斯。模糊邏輯為精確邏輯（二值邏輯）解決不了的問題提供了解決的可能，它目前在醫(yī)療診斷、故障檢測、氣象預報、自動控制以及人工智能研究中獲得重要應用。顯然，它在21世紀將繼續(xù)得到更大的發(fā)展。

3．廣義內涵邏輯

經典邏輯只是對命題聯(lián)結詞、個體詞、謂詞、量詞和等詞進行了研究，但在自然語言中，除了這些語言成分之外，顯然還存在許多其他的語言成分，如各種各樣的副詞，包括模態(tài)詞“必然”、“可能”和“不可能”、時態(tài)詞“過去”、“現在”和“未來”、道義詞“應該”、“允許”、“禁止”等等，以及各種認知動詞，如“思考”、“希望”、“相信”、“判斷”、“猜測”、“考慮”、“懷疑”，這些認知動詞在邏輯和哲學文獻中被叫做“命題態(tài)度詞”。對這些副詞以及命題態(tài)度詞的邏輯研究可以歸類為“廣義內涵邏輯”。

大多數副詞以及幾乎所有命題態(tài)度詞都是內涵性的，造成內涵語境，后者與外延語境構成對照。外延語境又叫透明語境，是經典邏輯的組合性原則、等值置換規(guī)則、同一性替換規(guī)則在其中適用的語境；內涵語境又稱晦暗語境，是上述規(guī)則在其中不適用的語境。相應于外延語境和內涵語境的區(qū)別，一切語言表達式（包括自然語言的名詞、動詞、形容詞直至語句）都可以區(qū)分為外延性的和內涵性的，前者是提供外延語境的表達式，后者是提供內涵性語境的表達式。例如，殺死、見到、擁抱、吻、砍、踢、打、與…下棋等都是外延性表達式，而知道、相信、認識、必然、可能、允許、禁止、過去、現在、未來等都是內涵性表達式。

在內涵語境中會出現一些復雜的情況。首先，對于個體詞項來說，關鍵性的東西是我們不僅必須考慮它們在現實世界中的外延，而且要考慮它們在其他可能世界中的外延。例如，由于“必然”是內涵性表達式，它提供內涵語境，因而下述推理是非有效的：

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

這是因為：這個推理只考慮到“晨星”和“暮星”在現實世界中的外延，并沒有考慮到它們在每一個可能世界中的外延，我們完全可以設想一個可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我們就不能利用同一性替換規(guī)則，由該推理的前提得出它的結論：“晨星必然是暮星”。其次，在內涵語境中，語言表達式不再以通常是它們的外延的東西作為外延，而以通常是它們的內涵的東西作為外延。以“達爾文相信人是從猿猴進化而來的”這個語句為例。這里，達爾文所相信的是“人是從猿猴進化而來的”所表達的思想，而不是它所指稱的真值，于是在這種情況下，“人是從猿猴進化而來的”所表達的思想（命題）就構成它的外延。再次，在內涵語境中，雖然適用于外延的函項性原則不再成立，但并不是非要拋棄不可，可以把它改述為新的形式：一復合表達式的外延是它出現于外延語境中的部分表達式的外延加上出現于內涵語境中的部分表達式的內涵的函項。這個新的組合性或函項性原則在內涵邏輯中成立。

一般而言，一個好的內涵邏輯至少應滿足兩個條件：（i）它必須能夠處理外延邏輯所能處理的問題；（ii）它還必須能夠處理外延邏輯所不能處理的難題。這就是說，它既不能與外延邏輯相矛盾，又要克服外延邏輯的局限。這樣的內涵邏輯目前正在發(fā)展中，并且已有初步輪廓。從術語上說，內涵邏輯除需要真、假、語句真值的同一和不同、集合或類、謂詞的同范圍或不同范圍等外延邏輯的術語之外，還需要同義、內涵的同一和差異、命題、屬性或概念這樣一些術語。廣而言之，可以把內涵邏輯看作是關于象“必然”、“可能”、“知道”、“相信”，“允許”、“禁止”等提供內涵語境的語句算子的一般邏輯。在這種廣義之下，模態(tài)邏輯、時態(tài)邏輯、道義邏輯、認知邏輯、問題邏輯等都是內涵邏輯。不過，還有一種狹義的內涵邏輯，它可以粗略定義如下：一個內涵邏輯是一個形式語言，其中包括（1）謂詞邏輯的算子、量詞和變元，這里的謂詞邏輯不必局限于一階謂詞邏輯，也可以是高階謂詞邏輯；（2）合式的λ—表達式，例如(λx)A，這里A是任一類型的表達式，x是任一類型的變元，(λx)A本身是一函項，它把變元x在其中取值的那種類型的對象映射到A所屬的那種類型上；（3）其他需要的模態(tài)的或內涵的算子，例如€，ù、ú。而一個內涵邏輯的解釋，則由下列要素組成：（1）一個可能世界的非空集W；（2）一個可能個體的非空集D；（3）一個賦值，它給系統(tǒng)內的表達式指派它們在每w∈W中的外延。對于任一的解釋Q和任一的世界w∈W，判定內涵邏輯系統(tǒng)中的任一表達式X相對于解釋Q在w∈W中的外延總是可能的。這樣的內涵邏輯系統(tǒng)有丘奇的LSD系統(tǒng)，R·蒙塔古的IL系統(tǒng)，以及E·N·扎爾塔的FIL系統(tǒng)等。[⑥]在各種內涵邏輯中，認識論邏輯（epistemiclogic）具有重要意義。它有廣義和狹義之分。廣義的認識論邏輯研究與感知（perception）、知道、相信、斷定、理解、懷疑、問題和回答等相關的邏輯問題，包括問題邏輯、知道邏輯、相信邏輯、斷定邏輯等；狹義的認識論邏輯僅指知道和相信的邏輯，簡稱“認知邏輯”。馮·賴特在1951年提出了對“認知模態(tài)”的邏輯分析，這對建立認知邏輯具有極大的啟發(fā)作用。J·麥金西首先給出了一個關于“知道”的模態(tài)邏輯。A·帕普于1957年建立了一個基于6條規(guī)則的相信邏輯系統(tǒng)。J·亨迪卡于60年代出版的《知識和信念》一書是認知邏輯史上的重要著作，其中提出了一些認知邏輯的系統(tǒng)，并為其建立了基于“模型集”的語義學，后者是可能世界語義學的先導之一。當今的認知邏輯紛繁復雜，既不成熟也面臨許多難題。由于認知邏輯涉及認識論、心理學、語言學、計算機科學和人工智能等諸多領域，并且認知邏輯的應用技術，又稱關于知識的推理技術，正在成為計算機科學和人工智能的重要分支之一，因此認知邏輯在20世紀中后期成為國際邏輯學界的一個熱門研究方向。這一狀況在21世紀將得到繼續(xù)并進一步強化，在這方面有可能出現突破性的重要結果。

4．對自然語言的邏輯研究

對自然語言的邏輯研究有來自幾個不同領域的推動力。首先是計算機和人工智能的研究，人機對話和通訊、計算機的自然語言理解、知識表示和知識推理等課題，都需要對自然語言進行精細的邏輯分析，并且這種分析不能僅停留在句法層面，而且要深入到語義層面。其次是哲學特別是語言哲學，在20世紀哲學家們對語言表達式的意義問題傾注了異乎尋常的精力，發(fā)展了各種各樣的意義理論，如觀念論、指稱論、使用論、言語行為理論、真值條件論等等，以致有人說，關注意義成了20世紀哲學家的職業(yè)病。再次是語言學自身發(fā)展的需要，例如在研究自然語言的意義問題時，不能僅僅停留在脫離語境的抽象研究上面，而要結合使用語言的特定環(huán)境去研究，這導致了語義學、語用學、新修辭學等等發(fā)展。各個方面發(fā)展的成果可以總稱為“自然語言邏輯”，它力圖綜合后期維特根斯坦提倡的使用論，J·L·奧斯汀、J·L·塞爾等人發(fā)展的言語行為理論，以及P·格賴斯所創(chuàng)立的會話含義學說等成果，透過自然語言的指謂性和交際性去研究自然語言中的推理。

自然語言具有表達和交際兩種職能，其中交際職能是自然語言最重要的職能，是它的生命力之所在。而言語交際總是在一定的語言環(huán)境（簡稱語境）中進行的，語境有廣義和狹義之分。狹義的語境僅指一個語詞、一個句子出現的上下文。廣義的語境除了上下文之外，還包括該語詞或語句出現的整個社會歷史條件，如該語詞或語句出現的時間、地點、條件、講話的人（作者）、聽話的人（讀者）以及交際雙方所共同具有的背景知識，這里的背景知識包括交際雙方共同的信念和心理習慣，以及共同的知識和假定等等。這些語境因素對于自然語言的表達式（語詞、語句）的意義有著極其重要的影響，這具體表現在：（i）語境具有消除自然語言語詞的多義性、歧義性和模糊性的能力，具有嚴格規(guī)定語言表達式意義的能力。（ii）自然語言的句子常常包含指示代詞、人稱代詞、時間副詞等，要弄清楚這些句子的意義和內容，就要弄清楚這句話是誰說的、對誰說的、什么時候說的、什么地點說的、針對什么說的，等等，這只有在一定的語境中才能進行。依賴語境的其他類型的語句還有：包含著象“有些”和“每一個”這類量化表達式的句子的意義取決于依語境而定的論域，包含著象“大的”、“冷的”這類形容詞的句子的意義取決于依語境而定的相比較的對象類；模態(tài)語句和條件語句的意義取決于因語境而變化的語義決定因素，如此等等。（iii）語言表達式的意義在語境中會出現一些重要的變化，以至偏離它通常所具有的意義（抽象意義），而產生一種新的意義即語用涵義。有人認為，一個語言表達式在它的具體語境中的意義，才是它的完全的真正的意義，一旦脫離開語境，它就只具有抽象的意義。語言的抽象意義和它的具體意義的關系，正象解剖了的死人肢體與活人肢體的關系一樣。邏輯應該去研究、理解、把握自然語言的具體意義，當然不是去研究某一個（或一組）特定的語句在某個特定語境中唯一無二的意義，而是專門研究確定自然語言具體意義的普遍原則。[⑦]

美國語言學家保羅·格賴斯把語言表達式在一定的交際語境中產生的一種不同于字面意義的特殊涵義，叫做“語用涵義”、“會話涵義”或“隱涵”（implicature），并于1975年提出了一組“交際合作原則”，包括一個總則和四組準則?？倓t的內容是：在你參與會話時，你要依據你所參與的談話交流的公認目的或方向，使你的會話貢獻符合這種需要。仿照康德把范疇區(qū)分為量、質、關系和方式四類，格賴斯提出了如下四組準則：

（1）數量準則：在交際過程中給出的信息量要適中。

a．給出所要求的信息量；

b．給出的信息量不要多于所要求的信息量。

（2）質量準則：力求講真話。

a．不說你認為假的東西，。

b．不說你缺少適當證據的東西。

（3）關聯(lián)準則：說話要與已定的交際目的相關聯(lián)。

（4）方式準則：說話要意思明確，表達清晰。

a．避免晦澀生僻的表達方式；

b．避免有歧義的表達方式；

c．說話要簡潔；

d．說話要有順序性。[⑧]

后來對這些原則提出了不和補充，例如有人還提出了交際過程中所要遵守的“禮貌原則”。只要把交際雙方遵守交際合作原則之類的語用規(guī)則作為基本前提，這些原則就可以用來確定和把握自然語言的具體意義（語用涵義）。實際上，一個語句p的語用涵義，就是聽話人在具體語境中根據語用規(guī)則由p得到的那個或那些語句。更具體地說，從說話人S說的話語p推出語用涵義q的一般過程是：

（i）S說了p；

（ii）沒有理由認為S不遵守準則，或至少S會遵守總的合作原則；

（iii）S說了p而又要遵守準則或總的合作原則，S必定想表達q；

（iv）S必然知道，談話雙方都清楚：如果S是合作的，必須假設q；

（v）S無法阻止聽話人H考慮q；

（vi）因此，S意圖讓H考慮q，并在說p時意味著q。

試舉二例：

（1）a站在熄火的汽車旁，b向a走來。a說：“我沒有汽油了?！眀說：“前面拐角處有一個修車鋪?！边@里a與b談話的目的是：a想得到汽油。根據關系準則，b說這句話是與a想得到汽油相關的，由此可知：b說這句話時隱涵著：“前面的修車鋪還在營業(yè)并且賣汽油。”

第8篇：關于人工智能的哲學思考范文

時間：2014年5月17日

主題：隨機漫談，搜索決定論、智能化、預測

酒爺老謝：老仲的搜索決定論為什么很危險？因為手機的最初功能設計就是讓人和人能夠聯(lián)系，溝通。PC最初功能設計是處理信息。既然手機的最初功能是人和人互聯(lián)，那移動互聯(lián)網自然會是人和人互聯(lián)，我們用智能手機不是想變成PC處理信息吧。-酒爺讀后感一

史賢龍：我前面也說了，如果搜索決定論是真實的，世界將很可怕。太可怕！

仲昭川：老謝說的這是兩回事。如果只是人與人聯(lián)系、交流、溝通，則不需要任何其他的居中礙事，包括搜索引擎。比如我要聯(lián)系老謝或老謝的朋友。這是一回事。

孫巍：智能化是手機方向，現在手機正在成為人的一個重要肢體，手機同時具有了人性！這就是營銷的未來！

仲昭川：關于搜索引擎，劉平說到根兒上了。簡單一句話，只要你要跟信息打交道，沒別的捷徑，繞不開搜索引擎。老孫說的這個問題，是第三回事。

史賢龍：劉平正在一家做理財產品搜索引擎平臺的公司。對搜索的作用有較深的認識。

王晨宇：仲老師，我認為搜索引擎最主要的功能是提供答案，

史賢龍：老仲說的這個正是海量信息時代的問題。

仲昭川：智能化就是技術的一切、一切的技術，代表了所有的技術方向。不要被手機這玩意局限住美麗大眼睛。

王晨宇：海量公司的大狗是百度公司數據的提供者。

仲昭川：現在是網上網下融合，叫O2O。下一步，是內體內外融合，叫智能化融合。這種融合，既是物理的，也是生物的。包括數據云。只要你跟互聯(lián)網打交道，不管是桌面、手機、還是物聯(lián)網，交互就是一切。這是智能化的唯一標志。除了人人交互，其他一切交互都離不開搜索。至于最主要的功能，要看使用者、需求者的角度了。

史賢龍：如果網絡騙子精通三部曲，怎么辦？其實中國式培訓早就在用網絡營銷，而且用的登峰造極?？上ё鲪喝讼葘W會了競價排名、包括自然搜索等網絡營銷技術，而且更勤奮地在用！

王晨宇：但是很多公司不會卡位關鍵詞。

史賢龍：互聯(lián)網是否最后會走向開發(fā)、自由等的反面，變成操縱、控制、甚至奴役呢？談的不是單個公司，是作為互聯(lián)網現象的趨勢。

孫?。哼@說SEO和SEM這事

仲昭川：賢龍的問題太狠了。使我心痛。這是我最不喜歡談的問題。是啊，這就是槍，誰拿了都能殺人。終極營銷三步曲。可以自助。免費的。SEO和SEM都是三腳貓的把戲，不堪得很。只不過，全世界的營銷高手都在玩、都在研究。慶幸的是：這些高手沒有一個是超一流的。

孫巍：事實上，SEO和SEM在BAT陣營都是比較重要的技術丶營銷工具和盈利性產品。

史賢龍：搜索引擎成為垃圾廣告的推送站！

仲昭川：這是經營策略問題，因公司而異。與搜索引擎無關。營銷是人和人、心和心的事情，技術可以提供方便、提高效率。但不能是主要手段。只要過分倚重了技術，這營銷就成問題了。

孫?。涸趻人髦?，機器替代了人，更高效地營銷。

史賢龍：我一直認為百度是建立在邪惡商業(yè)模式之上的。營銷自動化是大勢所趨。

仲昭川：根據太極圖的推演，搜索引擎還會二分：公共免費的、精選收費的。越來越多的人，會通過交費來節(jié)省時間，起碼節(jié)省看第三頁以后的時間。先簡單這么說。

孫?。亨牛彝饫鲜?。

仲昭川：不是自動化，是智能化。不一樣的意義。

孫巍：自動化是智能化初級階段。IBM這幾年重點在推進“智能”和“智慧”戰(zhàn)略

史賢龍：商業(yè)智能，是自動化與高分析決策導向的結合，不僅表現為內容上的深度，更在于反應速度。比如戰(zhàn)場信息指揮系統(tǒng)。對時效的要求就會很高。

仲昭川：稍微復雜一點來說：我們可以回顧搜索引擎的歷史，最早不是搜索引擎，是人工的directory。也就是雅虎。后來才才有了谷歌。任何事情，都勢必要經歷否定之否定的，完成質變。也就是說，會有新型的雅虎技術，帶人工智能的那種，當然最高級的定制也包括純人工，甚至接近于麥肯錫的咨詢服務模式。

史賢龍：智能化與自動化，比如C3i系統(tǒng)，自動識別目標，鎖定目標，然后啟動程序。

仲昭川：總體而言還是二分吧。這么看比較簡單。目前是混沌狀態(tài)，相當于太極圖在快速轉動。而且只有一個太極圖，就是百度。

史賢龍：谷歌半退出中國，給了百度壟斷的機會。而這種壟斷，是非商業(yè)因素在主導。我贊成老仲對互聯(lián)網新文明的觀點，但當下中國，離這個理想的距離，還很遠。當然，我自己，對于互聯(lián)網帶來的現有的進步，已經感到滿足。老仲提出，要認識只有互聯(lián)網才能救中國。我也贊成。我稍改一下：只有互聯(lián)網才能改良中國人。是中華民族的一個歷史性機會。

孫巍：微信/微博/Facebook/Twitter等領先的社會化平臺正在革搜索平臺的命！

仲昭川：智能化的世界里，工具，是千變萬化的，無所不在。人與數據的交互關系，也是無所不在的。互聯(lián)網，才剛開始，我們永遠不必去預測趨勢和未來，都是夢囈。

史賢龍：智能手機向那里演變，是未來2、3年的一個懸念。我感覺會有突破性技術的新智能手機產品出來。

孫?。何易罱伎肌究缙翣I銷】和【云傳播】，所以像手機這樣移動終端我會關注。同時，移動營銷前沿技術和方法我在試驗和客戶應用！

大雄：我是覺得搜索引擎營銷和傳統(tǒng)廣告在PC端更有效，而在移動端小屏幕的情況下施展不開，體驗太差。從移動化開始在現在觀察，社會化營銷在移動端效果更加，基于人，關系，信任和內容。孫老師研究的跨屏營銷確實值得關注，移動端的前沿營銷方法，如果能技術驅動，也將是個顛覆。

孫?。核阉鲝腜C往手機轉移，很快丶正在發(fā)生！從每月1萬左右百度投放監(jiān)測來看，手機搜索轉化銷售的Roi較低，PC基于關鍵詞和行為的SEM效果要好！這不是用戶問題，而是百度平臺和廣告產品要重新開發(fā)的問題。

大雄：手機搜索，相比PC而言，是個偽概念，真實數據沒有百度吹的那么多，至少打個對折吧。百度強迫客戶投移動端，然后預裝APP。另一個佐證是，如果移動端搜索和pc端一樣有習慣，百度也不會慌不擇路的花19億美元買91，也不會用木馬手段推手機助手，也不會花那么大氣力做地圖。百度是躺著賺錢的公司，如果不是真危機，確實不會有啥狼性。移動端每個APP都是個入口，所以搜索被淡忘很正常。所以PC那套照搬過來是行不通的，確實需要創(chuàng)新的技術和方式，所以孫老師一說，大家都很興奮。社會化營銷雖然好用，但門檻低，有被做爛了的趨勢，朋友圈代購狗就是明顯的體現。

孫巍：現在確實PC搜索在下滑(人數和頻次)。人去哪了？時間去哪了？PAD和手機，手機中APP，APP中微信，微信中朋友圈產品。百度移動搜索增長很快，但沒有彌補PC下滑。

大雄：對，但PC還是有不可替代性的，至少一段時期內是這樣的，所以360要出搜索。

孫?。?60也是基于PC，現在遭遇戰(zhàn)略危機。

大雄：老周看來，360最大的危機是沒有一款不可替代的APP，目前他精力都在無線和硬件這兩塊。

孫?。簾o線和硬件是比瀏覽器和APP更大的圓，這是360戰(zhàn)略。

仲昭川：軟硬件環(huán)境的變遷很迅猛，追的太緊就容易落后，畢竟是憑個人智能跟世界賽跑。技術出身的大佬特別喜歡這么干，想的是顛覆，干的卻是超越的累活兒，如周鴻祎的360。不如切換角度或維度在前面等。等的過程中，手頭上還能慢慢悠悠干點自己慣?；蛏瞄L的事。這不是偷懶，是討巧。這是我我切身的體會。昨天，談到SEO和SEM，是個很好的例子。我是學這個專業(yè)出身的，前些年一直在研究，突然有一天發(fā)現，拼了老命，也追不上別人，其中有一個移民到新加坡的高手，在我眼里就是一個神仙，我很絕望。絕望了很久之后，我準備抄后路、兜里，我在想，下一步是什么？我覺得這個想法更無恥，我本身就不是神仙。最好，不得不把目光再撤回到目前，不停地切換不同的角度和維度，慢慢腦子里就有了傲視一切的概念。但我憑的不是技術，也不是經驗，而是一種流氓假仗義的氣概。通俗講，任何事情都分道、經、技三個層面，只要不停切換，你總能找到最佳的、能夠憑自身去突破的那個層面，沒有高低之分。Zac給我印象最深的一句話就是，建站的時候，就要同時做SEO，他確實是沒法超越，太厲害了，一句話就把我擊潰了。我被擊潰以后，感到非常幸福。因為這是一種解脫，同時這是我膜拜高手的一種儀式和代價。

孫?。簩Φ?，zac說得對！現在很多SEO、SEM人被百度洗腦了，SB只能為百度更多錢。百度營銷研究院和培訓體系就是通過洗腦營銷人，實現自己業(yè)績增長。

仲昭川：百度也沒辦法，抓不著賊，干脆自己也做賊，做最大的那個。他們也有SEO和SEM技術陣列及服務。

史賢龍：沒有小偷，百度自己生產小偷(點擊付費)。這是我說它是邪惡商業(yè)模式的原因。為了10%的效果，要求你必須化1%的錢。

仲昭川：剛才老史說得對，這是營銷中的營銷，核心中的核心，技術中的技術。所以我現在見了任何人，都勸他遠離SEO和SEM，這是很不堪的研究，拿不出手。更重要的原因是：你干不過搜索引擎，他們監(jiān)守自盜。

高曉東：我用了360推廣和百度推廣，360效果很差。點擊率很高，電話量少，問題出在哪里？

孫巍：忘記搜索，轉向社交。這是兩種思維，你要切換。左右之腦。

仲昭川：在營銷上，擺脫強權有兩種方式，一種是旁門左道、出奇制勝。另一種，就是堅持做更正宗的道路，弘揚自己的氣場，天人合一，愛誰誰。這時候你會發(fā)現，營銷就是人與人、心與心之間的聯(lián)絡。用什么技法，倒在其次。一旦要用技法，純人工的工作，才是最管用、最值錢的。

史賢龍：老仲最后這段深得我心。但是不對稱會產生賺大錢的機會！這是個無奈的悖論。

仲昭川：是的。我一本書都在談悖論。沒招。

劉平：《互聯(lián)網黑洞》，這本書表面是講互聯(lián)網的，實際是講社會本質，以及這種本質在互聯(lián)網上的上呈現的形態(tài)和進化。是另一種視角下的進化論。

仲昭川：不客氣地講：關于互聯(lián)網，在傻子面前，只要敢張嘴預測趨勢和未來，你就是專家。只不過，在明白人面前，你如果不敢談現在，或者談不明白現在，你就是個小學生。谷歌退出，可能主要還是商業(yè)因素為主。谷歌和百度，都是美國公司。我所說的商業(yè)因素，指的不是市場因素，是利益。兩家都是美國公司。

史賢龍：一個是聽話的美國公司，另一個是不聽話的美國公司。麥肯錫是最著名的永遠錯誤預測的公司。可是人家還就是不停地預測，每次預測都被各種報告引用。然后被現實證明是扯淡，被遺忘，繼續(xù)預測?！环恍?。

仲昭川：豈止是時間啊，人家還有數據呢！甚至小數點后面兩位。

史賢龍：狡猾的人是這樣說的：你可以預測，但不要給預測加上明確的時間。

顏政德：史老師的論斷和球王貝利有得一拼。貝利次次預測世界杯冠軍……還不如章魚帝！又不準又拿來說事兒，為什么呢？

史賢龍：大家(市場、媒體、企業(yè)、投資人等)，在面對未來時，需要一個心理拐杖，哪怕它是錯的。因為，從本質上說，預測是不可當下驗證的。所以，誰來說這個預測，比預測本身更重要。

仲昭川：哈哈！老史，你這個說法很有趣。

劉平：因為人們喜歡，人們希望有一個方向，至少希望有一個“草案”來參考，來討論。電腦的“預測”是基于時間和空間的局部分布原理，只能是已有的模式，且概率只有80%左右。人的思維預測就什么都可能，是人文的，像沈坤的橫向思維，就牛了。可能正是麥肯錫說出來了，改變了人們的行不，才不準了。像索羅斯的哲學。

孫?。喝说男袨椴畈欢喽蓟陬A測，同樣錯的比對的多，但并不會因此而不預測，錯了再調整就是了。在股票里就是建立預測系統(tǒng)和交易系統(tǒng)，道理如此。

第9篇：關于人工智能的哲學思考范文

[關鍵詞]虛擬環(huán)境 認知機制 演變

在虛擬視閾中，人的認知機制與在現實社中有許多不同之處。人自身認知機制的形成及表現是復雜的，我們之所以選擇從虛擬視閾角度來研究人的認知機制的相關現象，是基于網絡時代給現實社會帶來了龐大的信息量。值得注意的是，激增的信息量正在改變人們固有的認識關系和認知機制。

一、虛擬視閾中“認知機制”發(fā)生的原理

人的認識過程是認識能力從無到有的過程。當前正由信息短缺的時代進入信息資源極為豐富的時代。認識主體面臨著新的困惑：在虛擬空間，人們徜徉在信息海洋之中，難于判斷哪些是自己需要的信息。認知機制作為研究認識的發(fā)生及認識能力如何提升的一種理論，在虛擬視閾中，其所面臨的情形和傳統(tǒng)的認識環(huán)境相比已經發(fā)生了許多變化。

1.虛擬視閾中的認知現象。人在現實社會中的認知機制和虛擬環(huán)境中的認知機制是不同的。人的認知機制在現實社會中局限于人的大腦，是通過它與可感知的客觀世界相聯(lián)系。這是一種在物理現實世界當中的實踐行為。但隨著網絡的出現，人的認知角度出現轉變，認知的對象也在相應改變。各種智能工具的廣泛運用使傳統(tǒng)意義上的認知機制無法在互聯(lián)網中復制使用，構筑在網絡基礎上的認知行為取決于這個網絡所擁有的信息量。在網絡環(huán)境中，知識點的產生有了大規(guī)模、爆發(fā)式增長的趨勢。加之上網的便捷性，每一個人都可以隨時公開發(fā)表自己的認識成果并與他人分享自己的智慧經驗，每一個人都在虛擬空間成為了知識的創(chuàng)造者。由于網絡的出現和普及，人類交流信息、獲取信息的認知模式也在悄悄發(fā)生變化，在現實社會中人們面對面的交流模式也在發(fā)生變化。人們在網絡上可以與不同身份的人進行交流，由網絡帶來的豐富多彩的交際平臺正在改變人們的認知方式和思維模式。

2.互聯(lián)網環(huán)境下“認知機制”的改變與“知識場”的關系更密切。人的認知過程很大程度上是為了獲得知識。從知識的來源來看，既有可以傳授的顯性知識，也有無法言傳的隱性知識，而隱性知識的擁有與否是關系到一個人日后的創(chuàng)新水平高低的重要因素。在網絡環(huán)境中，由于信息的流動借助于人工智能設備，顯性知識和隱性知識可以通過網絡這種特殊的媒介來傳遞，各學科領域的知識可以通過這種媒介來理解。但這種媒介并非我們日常生活中所理解的“固化”的載體，而僅僅是在一定空間領域內的一種物質（信息流），我們將這種情境視為“知識場”。在這樣的“場”域中，任何一個學科領域的知識都有吸收和擴散的功能，“場”域當中知識的吸收和擴散也保證了文化的發(fā)展和傳承。在“知識場”域中，信息技術已經介入到人們認識活動中來。這種現象已經大大促成了人的大腦進化過程。然而，由于電腦“代替”了人腦的諸多記憶功能，人的大腦認識功能也可能會慢慢退化，這是我們在虛擬環(huán)境中研究人的認知機制的發(fā)生必須面對的一個新問題，特別是人們對自身的認識評價標準問題也會面臨新的困境。

二、虛擬視閾中“認知機制”的特征

可以看到的是，由于互聯(lián)網的普及、信息量的激增，人們在網絡環(huán)境中認知形成的內在和外在環(huán)境都發(fā)生了重大變化。

1.人的認知起點正發(fā)生變化。在網絡出現之前，人的認知現象多發(fā)生在現實社會中，“主體與客體”以及“主體―中介―客體”的認知模式廣泛存在。古典哲學有一個重要研究領域就是關于主體如何認識客體的問題，而對于認識主體間的認知關系卻甚少涉及。主體間的“認知關系”真正引起人們關注的是在科學哲學興起之后，尤其是分析哲學進入人們研究視閾后才被學者廣泛關注。研究虛擬視閾中的認知機制的發(fā)生原理無法回避認識主體間的認識關系問題，因為在網絡社會中，人機界面是認識主體和其對象相互作用的中介物。在傳統(tǒng)的認知機制中，人們習慣于通過感知系統(tǒng)來獲得知識。傳統(tǒng)的感知系統(tǒng)（比如人們的閱讀行為）會引導認識主體做更多的思考，而在人機界面中，人們的認知行為則因為網絡界面上眾多頁面消息的影響而分散注意力。在虛擬視閾中，不同年齡段的人、不同階層的人，其認知起點都會不一樣。維也納小組成員石里克曾指出：“在體驗和直觀中，主體面對被體驗和被直觀的客體，而在認識中卻存在一種復雜得多的關系……認識不是認識著的主體和被認識的客體之間的二項關系，而是主體、客體和客體所被認為的那個東西之間的三項關系。”[1]p381另有學者認為，“人類歷史主體性活動包括三大中介系統(tǒng)，即：主體認識對象的中介――語言符號系統(tǒng)，主體變革自然的中介――工具操作系統(tǒng)，主體變革社會等客體的共同中介――社會關系系統(tǒng)”[2]p114。僅就這種分類來看，人機界面應該優(yōu)于符號語言系統(tǒng)，這種觀點對人類的認知科學是有深遠影響的。

2.人們面對的認識客體趨于復雜。人的認識過程是主體對客體的能動反映過程，如果沒有認識客體就不會有認識反映的過程。認識客體是認識主體的認識活動和實踐活動的指向物。由于虛擬技術的廣泛運用，在網絡空間中，有很多新現象及新事物進入了人們的視野，漸漸成為人們認識和實踐的客體。信息技術作為拓展人的信息能力的輔助手段，使人的思維器官得到了延伸，它極大地拓展了人的思維器官收集信息、處理信息的能力?！凹夹g不僅僅是工具的，它具有認識論的力量。技術確確實實使我們從不同的視角去看待事物。在歷史上第一次有了位置攝像機，可以讓我們在真實的時間里通過屏幕觀察‘思維’在我們大腦中的活動線路?！盵3]p27虛擬技術對人的認識論思想的拓展有重大的影響。“虛擬實在本身的存在不僅在一定程度上決定了數字化時代實在論（本體論）研究的走向，同時也決定了數字化認識論研究的走向?！盵4]p10通常說來，技術的進步總是會促進人們認識水平提高，技術也會在人的認知能力改善的基礎上而得到改進。隨著人的對虛擬世界認識的進一步深入，技術也成了人的認知結構中的認知客體的一部分。運用人的自身技術，人的思想得到傳承，人們把自身的觀點、信念融于物理客觀世界，甚或拓展到我們可以觀測到的宇宙的邊緣。恩格斯曾指出：“人的思維最本質的和最切近的基礎，正是人所引起的自然界的變化，而不單獨是自然界本身；人的智力是按照人如何學會改變自然界而發(fā)展的?！盵5]p209

3.認知的中介呈多樣化。技術作為互聯(lián)網時代人們認知結構的中介，對提高人的認知水平和認識能力是毋庸置疑的。當然這種技術更近似于智能技術，其記憶、存儲功能可以讓人們從部分精神勞動中解脫出來，把自身的想法和語言變成可以閱讀、觀察的方式，這種認識技術為人們認識活動積累了經驗。虛擬環(huán)境中智能技術作為認識中介物，其存在的前提是認識主體置身于其中，主體的狀況決定了網絡環(huán)境中客體的存在。當然，在虛擬環(huán)境中主客體之間的界限并不清晰。美媒介理論家保羅?萊文森認為，技術不僅體現一種理念，而且它體現的理念能夠延伸、反映、復制或取代心智功能和認知過程，把這些天賦的能力送到陽光下，使之能夠受到更加客觀的檢視[6]p209。虛擬技術是認識主體與認識客體之間的紐帶，是人類認知活動中的一種手段，由于虛擬技術所具有的交互性、感知性等特點，它可以更好地模擬客觀物理世界，甚或可以模擬虛幻的情景。它可以突破認識客體在空間和時間上對認識主體的限制，虛擬認識客體和認識主體通過虛擬空間發(fā)生交互作用。由此可知，虛擬技術作為中介系統(tǒng)其自身就可表現為一個虛擬場景?！皬倪@種意義上說，虛擬技術不可能是人面對的最終客體和世界，只能是一種中介世界和中介客體?！盵7]p57

三、虛擬認識實踐行為所蘊涵的哲學

1.對改善人們思維方式的影響?；ヂ?lián)網帶來的人們認知機制的革新，改善了人的思維方式，使人的邏輯推理能力、計算能力、記憶能力等均得到顯著提升。在虛擬環(huán)境中，人的主觀能動性是可以通過創(chuàng)造、建構和設定等系列活動來顯現的。在虛擬視閾中，顯現是一種特定的感知，與認知主題密切相關。由于網絡的關系，作為互聯(lián)網中的文本、圖像等特定的內容，既可以被視為人們已有的經驗，也可被看做是人類思想觀念創(chuàng)造的過程。單就技術而言，虛擬技術解決的是認識客體的再現（其中亦包括認識主體與客體間的互動關系）。在虛擬“知識場”域中認識主體可以全身心地參與進去，主體在虛擬環(huán)境里借助于中介把所有那些有意識和無意識的身體運動或狀態(tài)變化轉化成計算機輸入的信息，通過計算機再去控制物理媒體的物理行為，而物理媒體所產生的各種效應再反饋到我們主體的感知，形成新的感知覺――虛擬認識。[8]p183-184在人機對話的實時場景中，認識主體向電腦發(fā)出相應指令，電腦也迅速做出答復，人機互動使人的認識過程漸次展開。它“幫助”人們突破了認識客體在時空方面對認識主體的束縛，有助于認識主體在多樣化的世界中去考察、認識這個世界。

2.對提高人們認識能力的積極作用。虛擬“知識場”域，“人―機―虛擬環(huán)境”三者組成的系統(tǒng)中，彼此之間是一種認識關系，只是這種認識關系比較特殊。這種虛擬認識關系對現實社會認知機制是有很多影響的。由于它可以通過虛擬手段模擬人的認識過程、推動人的認識進程，因此，虛擬技術作為一種物質性與非物質性的結合體，既非真正意義上的主體，也非真正意義上的客體。若從空間的角度來看，虛擬客體與虛擬空間并沒有真正意義上物理阻隔。人類既可以在虛擬環(huán)境中生活，亦隨時可以將虛擬現實視為人們認識的客體對象。人是無法從虛擬世界中獲得滿足生理需求產品的，也無法長久地生活在虛擬空間?！皬倪@種意義上說，虛擬技術不可能是人的最終客體和世界，只能是一種中介世界和中介客體?！盵7]p57在虛擬“知識場”域中，人們設定與自然界和社會一樣的場景，并且進一步創(chuàng)設自然界、現實社會中沒有的虛擬環(huán)境，這就為人們深入探討現實世界和反思自己對世界的認知機制提供了一個全新的角度。虛擬技術的出現正促使人們從現實的世界快速進入到虛擬世界與現實世界并存的時代。人的感覺作為人的認識起點已經變得日益復雜化（例如人機的直接對話），它拓展并豐富了人的感覺系統(tǒng)，對人們認識能力的提升是有積極作用的。

3.對豐富人們認識形式的積極意義。人們在創(chuàng)設虛擬世界的過程中，人的認識形式更加豐富多彩。人的認識及思維模式由以往的描述慢慢地發(fā)展到一種不自覺的建構行為?！懊枋鍪菍却鎸ο蟮恼Z詞說明和摹寫，它與探索未知相聯(lián)系；創(chuàng)構則是創(chuàng)建和構設，它與創(chuàng)造新物相聯(lián)系。描述作為對既存對象（典型的是自然對象）的語詞說明和摹寫，是對既存對象的反映，屬于‘發(fā)現’范疇；創(chuàng)構作為基于人的感官特性創(chuàng)設（包括實在和虛擬）出一種對于主體來說具有意義的對象，是對不存在的事物進行創(chuàng)造性構建，屬于‘發(fā)明’的范疇。”[4]p13人的認識形式在數字化時代開始發(fā)生轉向，即由現實思維模式向虛擬思維模式轉向。在虛擬“知識場”域中，人們可以通過虛擬技術來描述事物，人的思維認識可以用數字化技術來描述事物，把現實物理世界中無法存在的事物制造出來，人的認識形式就是在這種科學背景下悄然發(fā)生轉向的。在現實社會中，人的認識行為重在描述和探求世界的本質及規(guī)律，即借助人自身的描述行為來理解、認識這個世界，是人追求真理、追求知識的一種行為方式。而虛擬思維借助數字化，在虛擬空間對事物進行各種可能性與不可能性的再組合，演繹著人是如何進行思維的這一過程，這本身就是一種創(chuàng)造。所以，虛擬思維方式在最大限度內發(fā)揮了思維的創(chuàng)造，從而在深層次上實現真正的創(chuàng)造性實踐，體現了創(chuàng)新是我們時代的主題這一特色[9]p159。

參考文獻：

[1]施太格勒.當代哲學主流（上卷）[M].北京：商務印書館，1986.

[2]賀善侃.實踐主體論[M].上海：學林出版社，2001.

[3]勒內?貝爾熱.歡騰的虛擬[J].第歐根尼，1997（2）.

[4]王天思.描述和創(chuàng)構――關于數字化時代哲學走向的兩點思考[J].江西社會科學，2004（1）.

[5]恩格斯.自然辯證法[M].北京：人民出版社，1971.

[6][美]保羅?萊文森.思想無羈[M].南京：南京大學出版社，2003.

[7]胡敏中，賀明生.論虛擬技術對人類認識的影響[J].自然辯證法研究，2001（2）.