认知科学的一些基础理论问题辩析.ppt

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，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