人工智能与自然辩证法的哲学问题研究

    

    摘要：本文从人工智能的历史发展出发，通过对科学哲学中几个主要学派的分析比较，发现了用这些理论在传统科学的语境中进行探讨时比较难以察觉出来的某些问题，并在此基础上进行了再反恩和重新评价，认为从认识论和方法论的角度来说，这些理论的作用在一定的程度上已日趋弱化。因此，为了回应新兴科学的挑战，笔者认为科学哲学应该转换自己的研究背景，经常回到新兴科学的历史中去，这样才能获得一个全面的理论创新。
 

    关键词：人工智能；科学哲学；证伪；范式；多元主义
 

    在当代，以信息科学、生命科学、非线性科学和人工智能为代表的新兴科学的迅猛发展正在强烈地改变着这个世界的面貌和历史进程，深刻地影响着我们的生活方式与思维方式，并毫无疑问地对科学哲学的传统理论发起了冲击与挑战，呼唤着科学哲学的变革与创新。作为对这种挑战的回应，本文拟从人工智能的历史发展及其某些新的特征出发，对科学哲学中的几个主要流派从方法论和认识论的角度进行总体性的剖析、比较与再反思，将传统上研究背景倾向于物理学等较为“经典”、更有历史味道的学科的科学哲学探讨，切换到人工智能这类新兴的、正在蓬勃发展的更为“现代一些”的学科上来。以便转换一个新的视角对科学哲学进行新的解读，为科学哲学的发展提供新的案例、思想、启发及动力，为科学哲学的创新起到一个抛砖引玉的作用。

    1.人工智能的历史及其基本思想的发展

    首先让我们简要的讨论一下人工智能的历史及其基本思想，1956年，美国科学家明斯基(M．Millsky)，西蒙(H．Simon)以及麦卡锡(J．Mccarthy)等在达特茅斯大学举行会议，从此宣告了人工智能的诞生。在早期阶段它主要围绕着智力游戏、定理证明和字符识别等领域展开研究，其后，人工智能在机器学习、专家系统、知识工程、智能信息检索、人工生命等多方面开展系统地研究，并取得了丰硕的成果…。，人工智能的基本思想方法有：符号主义方法、联结主义方法和行为主义(进化主义)方法，符号主义是人工智能研究的基本方法，多年来人工智能中的许多重大进展，都是在符号主义思想的指导下取得的，而到了80年代，随着人工智能的发展，一直占主导地位的符号主义开始面临诸多的困难，已无法再继续起到推动人工智能发展的动力作用，同时，在这一时期，人工智能出现了理论危机和理论选择问题，并对人工智能基础产生了大量的富有哲学意味的争论与反思[2J。

    在这种情况下，80年代以来，以人工神经网络为代表的联结主义方法异军突起，它否定了符号主义将人类智能看成是某种符号处理过程的基本假设，对传统人工智能研究模式产生了革命性的冲击。然而，在对它进行深入的研究后它也暴露出自身存在的某些问题。这样，在符号主义和联结主义都暴露出不足的情况下，行为主义(进化主义)的理论变革就很自然的在人工智能界发展起来。同时这些思想几乎是并行地、互为补充地发展着并极大地推动了人工智能的进步o即这些后来的理论并没有全面地取代它们的先行者，而只是在方法上起到了一个互补作用，也正是在这里，引出了我们对科学哲学进行进一步探索的思路。

    2.从人工智看作为方法论的证实与证伪主义

    在对人工智能的发展史做了简要的回顾后，我们返回到逻辑经验主义中。这种思想认为：科学是一种累积的事业，是通过理论的归并而得到发展的。旧理论一旦得到承认就不会被抛弃掉而总是由所化归的新理论来代替，以往的成就随着新成就的获得而得到扩展和增加。这显然是～种中国套箱式的直线发展观。把这种思想和人工智能发展史对比起来，我们发现，首先，和大多数科学哲学理论对逻辑经验主义的驳斥正相反，人工智能中确实表现出理论、经验及实践能力不断累积的情形，表现出不会轻易将已被成功证实的理论抛弃的倾向。其次，我们从这种强烈的经验证实和理论累积倾向中却又找不到能表现出理论全面化归的任何迹象，能验证那种中国套箱式的直线发展观(对此将在下文详细论述)。因此，这促使我们必须进一步分析与之相对立的波普尔的证伪主义思想。首先仅以中国科学家为例，我们注意到李未教授创立开放逻辑理论以及其它的许多理论明显受到波普尔关于开放、证伪、猜想与反驳、假说与重构等一系列动态而不是静态处理科学知识的思想的影响。从微观上看，波普尔的证伪方法和他的进化知识论对于人工智能中某些具体的知识逻辑理论(如定理的机器证明和机器发现等)的构造有着重要的方法论意义，但从宏观上看，也就是从人工智能的整个历史发展看来，情况则变得复杂起来。首先，人工智能初创时，曾有过大量的理论预言，就这些预言的结果而论，在今天看来，它们中的大部分都遭到了实践(经验)的反驳(证伪)，如果按波普尔的观点，面对如此强烈的证伪，整个人工智能理论就要被无情的抛弃掉，而事实，人工智能却仍然“存在”而且它的很多基本原理和方法仍然在累积的意义上被广泛地应用着。这样看来，即便是面对已被完全证伪了的预言，证伪方法也并不如理论上所没想的那么行之有效。真实的情况倒正如拉卡托斯所言：人常常比自然喊得更响。究其原因，很重要的一点恐怕在于波酱尔的证伪方法反对理论的一切变形(理论修正)和一切形式的特设性修改。丽人工智能中，例如在符号主义传统下，从启发式方法到通用问题求解程序的提出一直到专家系统及知识工程的相继出现，从知识工程中对知识的传统逻辑表达到常识的非单调逻辑的深入研究……无不表明人工智能中不断地进行着大量的理论变形和特设性修改，而且这种变形并非随意的进行，而是受到这一时期理论的认识特点所支配【6】。因此，我们发现，和波普尔的观点正好相反，实际的科学研究中的这种理论的修正不但存在而且还十分常见，甚至在某种意义上它对于科学的进步是必不呵少的。这样，在人工智能中，与其说强调的是对理论的证实或证伪，不如说对理论实践有效性范围的勘察和发现(在这一点上，后来拉卡托斯对波普尔的素朴证伪方法所做的改进和夏佩尔对解决问题的“域”的分析则比较接近于真实的科学历史)。

    其次，就具体假说的证伪而畜，我们不能不举出一个人工智能中“干净利落”的证伪例证——著名的明斯基对神经网络的证伪。明斯基等在《感知机》一书中显然是(在波普尔所欣赏的意义上)相当“果断”而严格地对它们做出了否证，并成功地使人工神经网络方向的研究几乎被放弃(实际上是被抛弃)。然而后来人工神经网络的起死回生乃至蓬勃发展显然又否决了这类证伪活动本身【7】。此外，逻辑经验主义企图用逻辑分析静态地描述科学的结构，而波普尔则用问题、假说及排除错误这一进程来动态地描述科学的发展，但这两者理想中的标准在很大的程度上却都是要求假说能在一个逻辑的框架内被证实或反驳，或把这个过程转化为陈述逻辑关系的讨论，其本质是要求假说能被逻辑的化归。但人工智能中的大量假说却是无法被逻辑地化归的，如人工神经网络中赫布(N．H出b)的神经学习法则和各种学习算法等就是如此，因此这些行之有效的假说也就无法在逻辑经验主义和波普尔所要求的那种意义下证实或证伪。另外，波普尔的进化知识论把逻辑经验主义根据经验获得为真的理论问题变成了根据经验选择理论的问题【8】。就理论的经验选择而言，我们发现，人工智能的发展中的确始终存在着理论选择的要求，当一种理论“衰竭”时，和传统理论矛盾和冲突的新理论将不断的产生出来以提供经验及实践的选择。然而，我们却既没有在人工智能中看到一个不断证伪的科学进程，也没有看到理论在经过选择后被全面地批判、推翻及取代的过程(将在下文对此做详细的分析。

    这样，我们发现实际科学研究中的证伪不但涉及到当时这个新假说与旧理论相抵触的创新程度、数学理论的成熟程度、技术工具的支撑程度，更特别涉及到这个新假说和当时占据支配地位的科学家们所持有信念的冲突程度等一系列相当复杂的因素。虽然在理论上这种强硬的证伪模式十分诱人，但在实际的操作中却显得过于理想化且很难把握。因而，在实际的科学史中几乎是可欲而不可求的。此外，科学史中的证实与证伪是一个非常复杂、彼此相伴而互动过程，任何对这个过程所做的孤立而过于简化的处理。都无法刻画真实的科学发展。因此，就人工智能的整体发展来看，单纯的逻辑经验主义和波普尔的证伪主义思想都只能在某些方面切近真实的科学历程，而在另外的方面又有着明显的偏离甚至扭曲。它们面对着历史的科学，却没有真正的用历史观念去把握，不是在静态分析中纠缠不休，就是滑向动态的偏执。这种过于严格的证实要求和过于武断的批判理性对尚在发展阶段的新兴科学而言是十分不利的，因此，作为方法论来说它们对于人工智能这类新兴学科的发展有着很大的局限性。

    3.从人工智能看科学哲学中的历史主义思想

    对于历史主义学派主要代表库恩来说，在科学的发展观上只看到科学知识的静态积累或科学假说不断的证伪更替都是片面的。至少这些观点都不符合科学发展的客观史实。他主张一种新的历史主义科学观，其中心概念是范式。科学的发展就是范式的建立、转换和替代的革命过程，科学革命的结果最终是以新范式彻底地取代旧范式而告终。但关键问题是人工智能中到底有没有库恩意义上的范式的存在(这将决定人工智能是否仍处于前科学状态尚未进入范式阶段，或我们讨论的出发点是否有意义以及是否我们能为库恩的范式在新兴科学中找到一个鲜活案例这个重要问题)。按照夏佩尔的说法，科学的历史中是找不到范式存在的L1引。而事实上，玛斯特曼早在60年代就已就指出：“对于计算机科学背景而言，非但不必去怀疑库恩的常规科学(范式)的存在，反而要肯定它。务实的科学家越来越多地是在研究库恩的东西，而不是波普尔的东西，特别是在新兴学科里，情况已经达到了这样一种程度，现在通行的是‘范式’而不是‘假说”’。这样，就人工智能中符号主义、联结主义、行为主义依次兴起的历史发展看来：首先，就模型(本体论及信念上的类比)而言，符号主义的模型认为认知过程在本体上就是一种符号处理过程，人类思维过程总可以使用某种符号来进行描述，其模型是以静态、顺序、串行的数字计算模型来处理智能，而联结主义信念则是模拟神经系统的工作过程而不再用符号操作来表征认知过程，它提供了一幅完全不同于符号处理模型的新的“世界图景”。其次，它们的符号概括也发生了改变，联结主义的工作语育是微分方程而不再是符号逻辑，而行为主义和进化主义则与前两者均不相同。再次，就解决问题的范例而畜，符号：E义有着从定理机器证明到归结方法……非单调推理理论等一系列足以示范的成就及解题方法，而联结主义也有着归纳学习等类似范例，而行为主义和进化主义则有反馈控制模式及广义遗传算法等等。另外，就范围与成就而论，联结主义模型能够解决符号主义所无法和很难解决的问题。同样，行为主义(进化主义)也能解决前两者所不能解决的问题。除此之外，我们注意到，当人工智能中对知识特别是对常识的研究陷入窘境并使得整个人工智能的研究陷入到徘徊不前的境地之后，那场对常识的逻辑基础即对符号主义基础进行的争论，以及争论各方或多或少地诉诸予哲学探讨的情形就相当符合库恩对科学革命过渡时期某些特征的论述引。另外，神经网络研究在美国科学家霍普费尔德新方法的冲击下，几乎是革命性的兴起、突进，大有一统人工智能研究之势，更是验证了库恩关于科学革命中新的范式并不是逐步的而更多是飞跃式出现的基本观点。最后，人工智能的历史表明这些思想成熟后都有着各自的刊物、教科书乃至教育与交流体系，都能够相当稳定地支配各自的理论进行深入而细致的探索，并竭力同化各种与其信念不一致的事实，甚至使理论变形，从而使证伪不至于发生。

    这样，我们发现人工智能中确实形成了库恩意义上的范式(因而在这里夏佩尔的观点可能是有问题的)，确实发生了革命并且有着新的范式产生，产生了理论的革命性突变和飞跃。然而新兴学科中的这些新范式却并没有如库恩所指的那样是一种格式塔转换从而完全取代旧范式，而是以多个范式并存的形式从不同的侧面和在不同的时空阶段发展和推进着科学的历程。这样，在人工智能的理论变革中，我们看不到像物理学中伽利略和开普勒的理论被牛顿的理论所统一和代替，或菲涅尔和法拉第的理论被麦克斯韦的理论所统一和代替的那种情形，前面的理论并没有化归为后来的理论或被其所替换，新理论只是在旧理论失效而非成功的地方取得进步。与其说是一个新理论的全面获利不如说是对先前理论的发展与提高。同时，从历史学派的观点看来，这种理论变革正如夏佩尔所说的那样是解决问题的背景知识和信息域的改变；正如劳丹所强调的那样是问题求解及其有效性的提高和进步；同时也是研究中背景知识(或拉卡托斯的研究纲领、劳丹研究传统、图尔敏的自然秩序思想)的转换u引，但却决不是这些模式的前后更替。

    这样看来，我们发现了一个在通常将传统科学作为背景框架的科学哲学探讨中很难察觉的事实——所有这些相互争论的科学哲学理论归根结底来说其实都只是在一个单一的维度上刻画科学理论的发展，只不过都在竭力地凸显彼此之间的静态与动态、累积与非累积之争，或彼此对科学发展动态性刻画的方式和程度不同罢了。它们无一例外地都过于强调理论的纵向一体化分析而忽略了横向性比较，过于注重理论替代的大范围整体转换，而没有注意到新兴科学的理论转换中整体性与局部性、突变性与继承性、间断性与连续性之间的多极张力，没有多层面、多维度的看待与分析问题，看不到新兴科学中理论变革时以隐性方式表现出来的路径依赖性(类似于经济学中制度变迁时的路径依．赖性)，更没有具体考虑到科学理论在不同历史阶段所表现出的不同历史特征，却总是力图过于一般性地对科学发展中的某些特征进行强化与放大后加以笼统的抽象处理。这只能在某种程度上说明科学哲学仍然运行在物理学等传统学科的轨道上，仍然受到这些学科特征极大的影响、支配和控制，力图使自己也能像这些学科一样表现出理论的普适性、一般性。然而，实际上，科学特别是新兴科学却总是具有上述所有这些理论单独或全部综合起来也无法对其进行准确刻画的某些新特征，它们具有更多的复杂性、不确定性、动态性和创新特征，并且总是在多个维度上并行不悖地推进着自身的发展，它们不但表现出理论上的变革(革命)特征而且更多的表现出理论上的变迁(研究重心和范围的迁移)特征。因此，这些当初表现出革命性的历史主义思想

    面对着新兴科学却逐步暴露出了这样或那样的束缚性、不适应性和保守特征。同时，我们认为，不仅是这些科学哲学理论本身存在着局限性，更重要的是科学本身的面貌随着时代的发展也发生了极大的改变。因此，这些新兴学科的出现和迅猛发展，迫切地呼唤着科学哲学自身的创瓶、变革与合理重建。

    4从人工智能看多元主义思想

    这样，我们就很自然地进入到费耶阿本德的多元主义思想。实际上，人工智能中联结主义、行为主义、进化主义对一直占主导地位的传统逻辑主义的挑战和人工智能科学家在一定时期置反常于不顾而坚持一种理论以推动人工智能发展的历史已经表明，作为普遍性标准的一元主义方法论都有其一定的适用范围和内在的历史局限性。科学中事实与理论不一致。决不是抛弃理论的理由，而是发展更多理论的源泉。正是在消除反常的进程中，得到越来越多科学理论。科学的发展不是用新理论来取代旧的理论。而是允许各种不同的理论并存并借助于理论的批判性(与现有竞争者的比较)从而达到一个更高的水平。科学是“各种知识不断增长的海洋”。同时，从人工神经网络的“死而复生”以及各种理论顽强地冲破各种阻力产生出来，到人工智能从各门学科“借”来各种新鲜的思想(如从生物学中借来遗传算法，从物理学中借来模拟退火算法等)的历史发展告诉我们，科学理论确实是一个开放的系统。而要在科学中剥夺反对的权利，就一定会损害科学的发展，反之，被设想为一种批判性事业的科学将会从这些活动中受益非浅。这样，新兴科学在任何时候都表现出它的理论“坚韧性”又在不断的“增生”，理论在任何时候都是多元的且只有理论多元论才符合科学发展的实际情况。因此，这一切都正好表达了费耶阿本德所主张的“怎么都行”和“反对方法”，及其在科学发展的历史基础上所提出的“韧性”和“增生”原理，且这些原则是同时起作用的并贯穿予新兴科学发展的整个历史进程。实际上，我们的研究可以很容易地推广到非线性科学(如混沌方法、分形方法等兴起时的类似情形)、复杂性科学以及新经济理论等新兴学科。因此，作为方法论来说，从传统科学哲学的角度看来显然是过于极端化的费耶阿本德的观点对新兴学科来说反倒显得十分贴切，反而比以往的任何理论都更为真实的逼近了科学的历史。特别是那种动态的、正在发展中的历史，反倒具有更为合乎“理性”的历史观。同时，它能更为准确地把握住通常被其它学派所忽略的新兴学科的种种微妙特征，并具有更大的宽容性和开

    放性，因此对科学哲学的创新来说也就具有更为重要的启发意义。

    5结束语

    这样看来，大多数科学哲学理论实质上只是在传统科学的背景下达到了它们有效性的顶峰，表现出在这个研究传统下所能获得的全部合理性。但在今天，面对着这些具有诸多复杂性特征和技术性倾向的新兴学科，它们虽然仍能表现出某种片面的深刻，但当它们想继续起到～个方法论和认识论上的启发作用，却又常常漠视和冷落了科学的新进展。这样，原本具有革命性特征、在20世纪哲学史中独树一帜的科学哲学不可避免的逐步暴露出其封闭性、保守性等种种局限性。因此，我们认为，为了不至于最终陷入到被解构或逐渐自行边缘化的境地，科学哲学不仅应该经常回到“活的”科学史中去并不断地进行理论上的大胆创新与整合，才能够迎接新兴科学的挑战，从而能表明自己不仅是一个有着伟大过去的学科。更是一个有着伟大将来的学科。

    参考文献

    [1]勃•凯穗洛夫论恩格斯的‘自然辩证法’[M]殷登祥等译．北京：兰联书店。1980：35—42．

    [2]郑杭生．中国人民大学中国社会发展研究报告(1999—1997)ER3．北京：中国人民大学出版社．1998：1—5.

    [3]思格斯路簿维希•费尔巴哈马克思．恩格斯．马克思思格斯选集(第4卷)北京；人民出版社．1995：211--258．

    [4]教育部社会科学研究．黄砸基主编．自然辩证法概论[M]．北京，高等教育出版社．2004：1．

    [5]中国大百科全书出版社编辑部．自然辩证法[M]．北京：中国大百科全书出版社，1995：292，299—301．

    [6]现代社会学(上册)[M]-北京：中国人民大学出版社，1994：393—373．

    [7]恩格斯．反杜林论[M]马克思思格斯．马克思恩椿斯选集(第3卷)．北京：人民出版社．1999：386—424，