心与认知的哲学问题案例.ppt

但是受历史和时代的局限，马克思主义并不能确切的说明意识产生的机制。 心智问题要得到彻底解决还需要认知科学（哲学、心理学、语言学、计算机科学、神经科学、人类学的协同发展）的进一步发展。 目 录 一、心物难题的起源 二、心物难题的尝试性解决方案 三、心智研究的未来：人工智能的发展 三、心智研究的未来：人工智能的发展 什么是人工智能（Artificial Intelligence，简称AI）？ 约翰·麦卡锡（JOHN MCCARTHY）在1956年的达特矛斯会议上提出： 人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。 计算机科学家。他因在人工智能领域的贡献而在1971年获得图灵奖。 强人工智能 强人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。 强人工智能可以有两类： 类人的人工智能，即机器的思考和推理就像人的思维一样。 非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。 弱人工智能（较为流行的观点） 弱人工智能观点认为不可能制造出能真正地推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。 如何判断机器是否具有智能？ 图灵测试 由计算机、被测试的人和主持试验人组成。计算机和被测试的人分别在两个不同的房间里。 测试过程由主持人提问，由计算机和被测试的人分别做出回答。 如果试验主持人听取他们各自的答案后，分辨不清哪个是人回答的，哪个是机器回答的，则可以认为该计算机具有了智能。 阿兰·麦席森·图灵：计算机科学之父 人工智能的进展 一是把人看作一部自动机， 运用数学方法，建立数学 模型，然后创造出某种方 法，用计算机去解决那些 原来只有人的智能才能解 决的问题。 二是把人看成符号加工机，采 用启发式程序设计，模拟人的 智能，把人的感知、记忆、学 习等心理活动总结成规则，然 后用计算机模拟，使计算机表 现出各种智能。 三是把人看作一个生物学机 器，从人的生理结构、神经 系统结构方面来模拟人的智 能。造出“类大脑”， “类人”的机器。 人工智能的哲学向度 在描述人工智能研究困难程度的时候，麦卡锡曾经说过“如果想在人工智能领域有所成就，我们需要1.7个爱因斯坦，两个麦克斯韦，五个法拉第再加上三项曼哈顿计划。” 其实，麦卡锡的名单上还缺少一种人——哲学家。 对于人工智能这样一个极端复杂，又与人类自身发展密切相关的科学研究，哲学的缺席是不可想象的。人工智能具有深厚的哲学基础和哲学意义，它是科学发展的一项极其艰巨的任务，也是人类认识自身的重要方式。 人工智能的哲学基础 尽管人工智能科学是在二战后才在西方科技界涌现的，但其思想根源至少可以上溯到十七、十八世纪的欧洲哲学（笛卡尔、莱布尼兹、霍布斯等）。 人工智能的哲学起源主要根植于哲学家对于人工智能的“基础问题”的思考，这些问题主要有两类： 第一，建立一个能够展现真正人类智能的纯机械模型，在观念上是否可能？ 第二，若前述问题的答案是肯定的，怎样的人类心智模型才能够为这种模型的建立提供最佳的参照？ A. 笛卡尔 如果我们真的要做出一台“智能”机器，我们就需要把所有的问题解决策略预存在其内置方法库中。 笛卡尔在此已经预见到了符号AI的核心思路：在机器中预置一个巨大的方法库，并设计一套在不同情境下运用不同方法的调用程序。尽管符号AI的正式出现(1956年)乃是笛卡尔的《方法论》出版(1637年)三百多年之后的事情了。 笛卡尔在此也天才地预见到了，真正的智能将体现为一种“通用问题求解能力”，而不是特定的问题求解能力的一个事后综合。这种通用能力的根本特征就在于：它具有面对不同问题语境而不断改变自身的可塑性、具有极强的学习能力和更新能力，等等。这种“智能”观，也比较符合我们一般人的直觉。 B. 莱布尼茨 在莱布尼茨看来,真正的智能需要知觉的介入，而在机械运作的任何一个层面，我们都看不到这样的知觉的存在。所以，即使一台机器所表达出来的“输入—输出关系”和人的“输入—输出关系”完全吻合，前者依然不能算作真有智能的。 “通过机械的空间配置来产生智能”这种说法，完全无法和莱布尼茨的整个哲学立场相容。 C. 霍布斯（霍布斯被称为“人工智能之先祖” ） 机械决定论（从自然科学到社会科学的广阔领域，推理活动竟然都依据着同一个机械模型！） 看似复杂的人类的理性思维，实际上是可以被还原为“加”和“减”这两个机械操作的。这个讲法，和人工智能的思想非常接近。（而我们今天已经知道了，所谓的“加法”和“减法”，其实都可以通过一台通用图灵机