人工智能的突破与科学方法的创新

第２５卷第３期２０１２年６月

模式识别与人Ｔ智能

ＰＲ＆ＡＩ

Ｖ０１．２５Ｊｕｎ

Ｎｏ．３２０１２

人工智能的突破与科学方法的创新木

钟义信

（北京邮电大学计算机学院智能科学与网络工程系北京１００８７６）

摘要最近十年．人工智能理论的研究取得了重要突破：１）发现了智能生成的共性核心机制是在给定条件下的“信息一知识一智能转换”，由此建立了人工锗能的机制模拟方法；２）发现了知识的生态学结构是在本能知识支持下的“经验知识一规范知识一常识知识转换”，因而开拓了人工智能研究的视野；３）把智能生成的共性核心机制与知识的生态学结构结合起来，发现原先各自独立发展的人工智能“结构模拟、功能模拟、行为模拟方法分别是机制模拟方法在不同知识条件下的和谐特例”，从而形成ｒ人工智能研究的统一方法和理论，为人工智能的发展开辟了新的前景．文中认为，人工智能研究的上述突破在很大程度上得益于科学研究方法论的创新．关键词知识生态，机制模拟，统一理论，科学方法论中图法分类号ＴＰ

１８

ＢｒｅａｋｔｈｒｏｕｇｈｓｉｎＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅａｎｄＩｎｎｏｖａｔｉｏｎｉｎ

ＺＨＯＮＧＹｉ—Ｘｉｎ

Ｍｅｔｈｏｄｏｌｏｇｙ

（Ｄｅｐａｒｔｍｅｎｔ旷ＩｎｔｅＵｉｇｅ，瑚ＳｃｉｅｎｃｅａｎｄＮｅｔｗｏｒｋＥｎｇｉｎｅｅｒｉｎｇ，Ｓｃｈｏｏｌｏｆ

ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，

ＢｅｉｊｉｎｇＵｎｉｖｅｒｓ吩ｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊｉｎｇ１００８７６）

Ｔｈｅｆｏｌｌｏｗｉｎｇｂｒｅａｋｔｈｒｏｕｇｈｓｈａｖｅｂｅｅｎｍａｄｅｉｎｔｈｅｆｉｅｌｄｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ（ＡＩ）ｒｅｓｅａｒｃｈ

ｏｖｅｒ

ｔｈｅｌａｓｔｄｅｃａｄｅ：１）ＴｈｅｃｏｍｍｏｎｋｅｒｎｅＩｍｅｃｈａｎｉｓｍｏｆｉｎｔｅｌｌｉｇｅｎｃｅｆｏｒｍａｔｉｏｎ，ｔｈｅｉｎｆｏｒｍａｔｉｏｎ—ｋｎｏｗｌｅｄｇｅ・ｉｎｔｅｌｌｉｇｅｎｃｅｃｏｎｖｅｒｓｉｏｎ。ｗ船ｄｉｓｃｏｖｅｒｅｄ．Ｔｈｕｓ，ｔｈｅｍｅｃｈａｎｉｓｍｓｉｍｕｌａｔｉｏｎｏｆｉｎｔｅｌｌｉｇｅｎｃｅｗａｓｅｓｔａｂｌｉｓｈｅｄ．

２）１１１ｅｋｎｏｗｌｅｄｇｅｅｃｏｌｏｇｉｃａｌｓｔｒｕｃｔｕｒｅ，ｔｈｅｅｍｐｉｒｉｃａｌｋｎｏｗｌｅｄｇｅ・ｒｅｇｕｌａｒｋｎｏｗｌｅｄｇｅ－ｃｏｍｍｏｎ．ｓｅｎｓｅｋｎｏｗｌｅｄｇｅ

ｇｒｏｗｔｈ，ｗｈｉｃｈｉｓａｌｌｓｕｐｐｏｒｔｅｄｂｙｉｎｎａｔｅｋｎｏｗｌｅｄｇｅ，ｗａｓｄｉｓｃｏｖｅｒｅｄ．３）１１１ｅｃｏｍｂｉｎａｔｉｏｎｏｆ１）ａｎｄｈａｓｌｅｄ

ｔＯ

２）

ａｎｏｔｈｅｒｄｉｓｃｏｖｅｒｙ

ｃｏｒｔｅｘ

ｔｈａｔｔｈｅｅｘｉｓｔｉｎｇａｎｄｉｎｄｅｐｅｎｄｅｎｔＡＩａｐｐｒｏａｃｈｅｓ，ｔｈｅｓｔｒｕｃｔｕｒａｌｓｉｍｕｌａｔｉｏｎ

ｆｕｎｃｔｉｏｎａｌｉｎｔｅｌｌｉｇｅｎｔ

ｓｉｍｕｌａｔｉｏｎａｐｐｒｏａｃｈｔｏｔｈｅｂｅｉｎｇｓ

ａｒｅ

ａｐｐｒｏａｃｈｔｏｏｆｔｈｅｂｒａｉｎ。ｔｈｅａｐｐｒｏａｃｈｔｏ

ｔｈｅ

ｌｏｇｉｃａｌ

ｔｈｉｎｋｉｎｇ，ａｎｄｔｈｅ

ｃａｓｅｓ

ｂｅｈａｖｉｏｒｓｉｍｕｌａｔｉｏｎ

ｔｈｒｅｅｓｐｅｃｉａｌ

ｈａｒｍｏｎｉｏｕｓｏｆｔｈｅ

ｍｅｃｈａｎｉｓｍｓｉｍｕｌａｔｉｏｎｏｆａｐｐｒｏａｃｈａｎｄＡＩｔｈｅｏｒｙｒａｄｉｃａｌ

ｓｏｕｒｃｅ

ｉｎｔｅｌｌｉｇｅｎｃｅｕｎｄｅｒ

ｒｅｓｐｅｃｔｉｖｅ

ｔｉｌｅ

ａｃｈｉｅｖｅｄ．ｗｈｉｃｈｏｐｅｎｓｕｐ

ｋｎｏｗｌｅｄｇｅ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｕｎｉｆｉｅｄｓｉｍｕｌａｔｉｏｎｐｒｏｓｐｅｃｔｓｆｏｒＡＩｒｅｓｅａｒｃｈ．Ｉｔｉｓｂｅｌｉｅｖｅｄｔｈａｉｔｈｅ

ｆｏｒｔｈｅｂｒｅａｋｔｈｒｏｕｇｈｓｉｎＡｌｉｓｔｌｌｅｉｎｎｏｖａｔｉｏｎｏｆｓｃｉｅｎｔｉｆｉｅｍｅｔｈｏｄｏｌｏｇｙ．

Ｋｅｙ

Ｗｏｒｄｓ

ＫｎｏｗｌｅｄｇｅＥｃｏｌｏｇｙ。ＭｅｃｈａｎｉｓｍＳｉｍｕｌａｔｉｏｎ，ＵｎｉｆｉｅｄＴｈｅｏｒｙ，ＳｃｉｅｎｔｉｆｉｃＭｅｔｈｏｄｏｌｏｇｙ

・国家自然科学基金资助项目（Ｎｏ．６０８７３００１）

收稿ｒＩ期：２０１２—０２一１３

作者简介钟义信，男．１９４０年生．教授，主要研究方向为信息科学与人工智能理论．Ｅ－ｍ且ｉＩ：ｙＨｌｌｏｒ－ｇ＠ｉ—ｅ．ｏｒ￥．

３期钟义信：人］＝智能的突破。ｊ科学方法的创新

４５７

１

引言

研究路线．

２．１

基于结构模拟的人工神经网络研究旧“１腩神经科学的研究发现，人类的思维功能主要

钱学森先牛非常强调科学研究方法论在科学研究中的指导作用．他身体力行，坚持运用系统科学方法论指导自己的科学研究活动…，因而在现代科学技术的尖端前沿领域取得举＿【｝￡瞩日的杰出成就．

近十年来，我阔人工智能理论研究取得了一系列重要的进展与突破，使原来独立分散的研究方法走向和谐的统一，从而为人工智能的研究开辟ｒ新的前景．本文通过我国人Ｔ智能研究进展的介绍，确证先进科学方法论的重要性，并以此纪念钱学森先生诞生１００周年”．

定佗于大月商新皮层，后者是由１０“个神经元构成的复杂网络，其中每个神经元都是一个非线性的处理单元，而且每个神经元都与１０”４个其它神经元形成动态的联接．生物神经系统的工作频率为１００赫兹。因此，新皮层神经网络就叮以有１０”“７连接／ｓ．正是依靠这样丰富的连接方式，人类大脑新皮层Ｈ『充分描述外部ｆｔｃ界的千变万化，并产生相应的对应策略，显示出奥妙无穷的智能．

按照“结构模拟”的方法论思想，人工智能的研究者试图建造人工的神经网络来模拟人类的思维能力．１９４３年，ＭｅＣｕｌｌｏｃｈ和Ｐｉｔｔｓ提出神经元的数理逻辑模型，经过后人的改进成为人工神经网络的基本单元．２０世纪５０年代中期。Ｒｏｓｅｎｂｌａｔｔ等利用人工神经元电路构造感知机（Ｐｅｒｃｅｐｔｒｏｎ），可用来ｉＰ，Ｎ印刷体的英文字母，初步显示人工神经网络的钾能．同一时期，Ｗｉｄｒｏｗ等利用人工神经元研究和设计成功具有自适应能力的Ａｄａｌｉｎｅ和Ｍａｄａｌｉｎｅ系统．人们甚至利用少数几个神经元的简单网络设计成功可模拟高等动物的条件反射能力的人工神经网络．展示人工神经网络的诱人前景．

但是，人Ｔ神经网络的研究也面临着严峻的挑战：一方面，为＿『有效模拟人类思维的智能，就需要制造复杂程度接近于人类大脑新皮层的人工神经网络，然而．这在制造技术上存在巨大的困难；另一方面。如果把人丁神经网络的复杂度降低到工业制造技术能够允许的水平，这种相对简单的人工神经网络的智能程度又会大大退化．真是一种“前进不得，后退不能”的两难境地．更大的困难还在于：即使随着科学技术的进步，人们可制造与人类大腑新皮层一样复杂（甚至更加复杂）的人：［神经网络．然而，由于人们对于大脑新皮层神经网络的“学习机制”知之甚少，甚至充满抻秘，冈此，结构上高度复杂的人工神经网络却不知道按照什么“学习机制”来工作，于是仍然小町能产，｛ｉ像人类一样奇妙的钾能．

于是，在人们继续微孜／ｆｉ倦地探索人丁神经网络的Ｉ．］ｔｌ，ｔ，也有人开始考虑寻求模拟人类智能的新出路．这就是１９５６年出现的“功能模拟”的途径．当然，人上神经网络研究人员Ｊ｝未放弃结构模拟的方法．相反，２０附纪８０年代还｝｝｛现人一ｌ：神经嘲络的复兴和繁荣，新的州络模型干¨新的学习旃：法在模式识

２“分而治之”方法论与人工智能

研究的分散化

智能是典型的复杂研究对象．它既是信息资源所能加工出来的最高级产物，也是一切生物体所可能拥有的最高级能力．正是由于智能问题的高度复杂性，智能科学技术的研究特别需要科学方法论的指导．

在２０世纪中叶科学技术的背景下，人工智能科技工作者遵循“分而治之”的科学研究方法论，分别从不同的角度对自然智能（特别是人类智能）进行模拟研究，期望把神奇奥妙的人类智力能力尽可能地复制到机器上，制造智能机器．

按照当时学术界的认识，人们认为：系统的能力首先决定于系统的结构，这就是所ｉ胃的“系统结构决定论”．同时也认为．系统的功能主导着系统的能力．这就是“系统功能主导论”．此外也还认为．系统的能力总要通过系统的行为才能表现出来．这就是“系统行为表现论”．当然，人们也普遍认为：在系统能力的结构、功能、行为这三个基本要素之中，结构是第一位的，其次是功能，再次是行为．

在研究人工智能的时候，人们发现，智能问题确实太复杂，很难对它进行整体性的研究，只能根据“分而治之”的方法论，把它分解为若干个侧嘶各个击破．于是，人们自然『而然就把智能的模拟研究分解为“结构模拟”、“功能模拟”和“行为模拟”三种不同的途径．并且卣‘先从“结构模拟”开始，然后及于“功能模拟”和“行为模拟”．

半个多世纪的人丁智能研究历史，确实遵循Ｅ述方法论的指引，结果便先后产生如下三种小｜｜ｊ：Ｉ的

１）本文足作者为“２０１１年中闼ｆｊ动化人学诺钱学森诞辰一百』耐年及Ｉ｜ｌｌｌ４ｆＪ动化学会Ｈ｛１周年会庆”所作

４５８

模式识别与人工智能２５卷

别、联想记忆、组合问题优化求解、故障诊断等领域获得了很好的应用．

２．２基于功能模拟的物理符号系统研究ｐ“ｕ

为了回避人工神经网络“结构复杂”的困难，１９５６年夏季，ＭｃＣａｒｔｈｙ、Ｓｈａｎｎｏｎ、Ｍｉｎｓｋｙ等一批年轻学者在美国Ｄａｒｔｍｏｕｔｈ举办为期两个月的暑期研讨会，探讨利用计算功能强大的电子计算机作为硬件平台，通过编制“聪明的软件”来模拟人类的逻辑思维功能，并正式把这个研究领域命名为人工智能

（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ），简记为ＡＩ．

作为ＡＩ的理论基础，Ｎｅｗｅｌｌ和Ｓｉｍｏｎ提出著名的“物理符号系统假没”，认为：虽然计算机系统和人类大脑系统的物质成分不同．能苗形式也不同，但是它们都足处理符号的物理系统．一个物理符号系统只要满足：１）具有输入符号，２）具有输出符号，３）能够行储符丌－，４）能够复制符号，５）能够建立符号结构，６）ｊ；有条件性迁移能力，就是一个智能系统．他们宜称：计算机和人类大脑都满足这６个假设，所以它们是互相等效的物理符号系统．换寿之，利用计算机模拟人类大脑的智力功能小但是合理的，而且是可行的．

基于功能模拟的物理符号系统路线取得许多出色的成就，其中最引人注目的足首个顺利通过图灵测试的血液感染疾病诊断专家系统ＭＹＣＩＮ和曾经战胜困际象棋世界冠军卡斯帕罗夫的“深兰（ＤｅｅｐｅｒＢｌｕｅ）”专家系统．

但是，基于功能模拟的物理符号系统研究路线也遭遇到严重的困难，因此不得不从初期雄心勃勃面向通Ｊ｜Ｈ问题求解的目标退到面向专门领域的“专家系统”．但即使是专家系统，它的设计也仍然面临着“知识瓶颈”的束缚：专家系统需要拥有专家水平的知识，但是这种知识的自动获取非常困难．只能依靠系统设计者直接向相关的领域专家采访．然『ｆＩｉ，系统设计者不一定能够开列准确的采访提纲，领域专家也不一定能够明确表述他解决ｆｈＪ题所需要的全部知识．不仅如此，就算获得必要知识．然而目前的逻辑理论又还不足以支持知识的表示和知识的推理．因此，知识的获取、表示、推理这些核心环节都面临着很大的困难．

到２０世纪８０年代，这些困难已演变成为人工智能功能模拟研究路线继续前进的巨大障碍．于是又有人开始思考寻求第一种可能的人Ｔ智能研究路线．显然，行为模拟的路线这时就成为水到渠成的选择．２．３基于行为模拟的感知一动作系统研究¨副

１９９０年。Ｂｒｏｏｋｓ领导的研究小组宣布研制成功

一种新型的机器人，它能够模拟六脚虫的行为方式在不平坦的地面１－．行走自如而不会翻倒．这是基于“行为模拟”的人Ｔ智能研究路线的代表性成果．

基于行为模拟的感知一动作系统的基本哲理：人们既不必关心原到智能系统的结构．也不必关心原型智能系统所需要的知识，只要把原犁智能系统（六脚虫）从环境接受的刺激形式和它对这种刺激做出的反应行为模拟出来．就等于模拟原型系统的智能．冈此，Ｂｒｏｏｋｓ宣称：智能尢需知识，智能也无须知识的表示；它所需要的仅仅是首先准确感知环境刺激的模式，然后针对这种刺激产生相应的动作，所以这种系统被称为“感知一动作系统”．

小难看出，基于行为模拟的“感知一动作系统”所遵循的，乃是甲已存在的“黑箱模拟”方法．这种方法成功地避开结构模拟方法的“结构复杂性”困难和功能模拟方法的“知识瓶颈”障碍，创造人工智能研究的第三种智能模拟方法．ｆＥｌ是，人们也发现，行为模拟方法在同避上述“结构”和“知识”困难的同时，自己也面临一种新的闲难，这就是：它只能模拟一些浅层的（一些通过动作表达的）智能，很难模拟那屿不是通过外部动作表达而是通过内部思维演绎的智能．

２．４结构模拟一功能模拟一行为模拟的“鼎足三

分”

传统的“分而治之”方法论为人工智能研究提供结构模拟、功能模拟、行为模拟三种研究方法，它们分别都取得不少苇要成果，为人工智能研究的发展做出各自的贡献．但是，由于“分而治之”方法论未能揭示它所分解出来的结构模拟、功能模拟和行为模拟三种方法之间的内在联系，因此，三种方法都是相互独立地各自寻求发展，形成人工智能研究三种方法“鼎足而立”的分散格局．

人工智能的结构模拟，功能模拟、行为模拟三种研究方法的目标相同，都是研究对于人类智能的有效模拟．然而．ｉ种目标幸Ｈ同的研究方法之问却又鼎足而它．不能形成合力，反而不时地会发生“孰优孰劣”的争论．这种“殊途”而不“ｆ－Ｊ归”的状态，不能不引起我们对人工智能研究方法本身的深入思考．

３

复杂信息系统的科学方法论

我们的研究表明”。，智能系统是一种以信息现

象为主导冈素的复杂系统．面对这种特殊的研究对象，曾在近代科学研究中屡试不爽的传统科学研究方法论“分而治之”显露出严重的缺陷．这就是：在

３期钟义信：入ｆ智能的突破１ｊ科学方法的创新

４５９

按照“分而治之”方法论对复杂系统进行分解的时候，往往会丢失它所分解出来的各个子系统之ｃ’日ｌ相互联系和相互作用的信息．而对于以信息现象为主导婴素的复杂系统而言，这监子系统之间相ｑＩ联系和相互作＿｝｝｛的信息却恰恰是这种复杂系统的活的灵魂．所以，按照“分而治之”方法论对分解出来的各个子系统进行“各个击破”之后，却无论如何都没有办法通过各个子系统的合成而恢复原有复杂系统的面貌．换言‘之，用传统的方法对于这种复杂系统实施“分而治之，各个击破”之后，却无法“合成还原”．

我们的研究发现，面对以信息为主导因素的复杂信息系统（智能系统是这种复杂信息系统的典型），至少需要特别关注三个问题：１）因为它是复杂信息系统，所以需要特别关注系统的信息过程（而不是系统的物质和能量过程）；２）因为它是复杂信息系统，所以需要特别关注信息过程的系统性质（而不仅仅是信息过程的某些局部性质）；３）因为它是复杂信息系统，所以需要特别关注反映信息过程系统性质的机制特征（而不是其它特征）．

基于以上这些基本认识，我们就叮总结出关于研究复杂信息系统的新的科学方法论，这就是“以信息观、系统观、机制观为标志的复杂信息系统科学研究方法论”．

这就是说，对于复杂信息系统的研究，必须把握信息的观念、信息的系统（整体）观念及反映信息整体性质的机制观念．这个方法论的要害足“信息保真”和“信息求真”．“信息保真”的意思是不丢失信息（特别是不能丢失对于樱个系统有意义的信息）；“信息求真”的意思是要在信息保真的基础上探求信息过程的本质机制．

为此，我们Ⅱｆ把传统“分巾ｆ冶之”方法｝仑加以改造，变成“保信Ｉ而分，分Ｉ『Ｉｊ治之。保信求真，分合互动”．这样，通过“信息保真前提下的分析治之”和“信息保真ｆｊ｛ｆ提下的奉质机制探求”就可兜服传统“分而治之，各个。打破，合成还腺”方法论丢失信息而且不能探求系统本质机制的严ｌｉ＝缺陷．

４

“信息一系统一机制”方法论与

人工智能的新进展

有Ｊ，“以价息观、系统观、机制观为丰要标志的

复杂佑息系统科。＃ｈ法论”的指导，我们就Ｉ叮以把结构模拟、功能幞拟、行为模拟ｉ大办法及ＪＰ孰优孰劣”的Ｍ题幸Ｉ『时｛ｌ；Ｉ｜髓起来，着匝存信息观和系统

观的约束下探讨人工智能的生成机制．这种探讨的结果，便实现Ｊ，人工智能研究的重要突破¨“．４．１发现“智能生成的共性核心机制”和“人工智

能的机制模拟方法”

我｛ｌ’Ｊ在研究中体会到，虽然人类智能的定义相当复杂．但是依然可表述如下．人类智能是这样一种能力：为ｒ实现人类“不断改善生存与发展条件”的长远目的（正是这种长远目的，成为人类和人类社会发展的不竭动力），在【ｌｉｉ对具体环境的时候．能根据已有的知识来发现和定义应当解决的问题以及求解Ｍ题的预设日标；然后针对ｆｎ】题和目标去获取必要的信息，从中提炼新知（相对已有知识的补充知识），进而在目标制导下利用所获得的信息和知识生成求解问题的智能策略，并实施这个策略，以解决问题达到目标．

在这里，我们把“根据艮远目的、已有知识与具体环境来发现和定义｜、廿Ｊ题及预设目标”的能力称为“隐性智能”，而把“在确定了问题、知识和预设目标前提下获取信息、提炼新知、生成智能策略”的能力称为“鼎性智能”．所以，人类智能包含着隐性和显性智能两个相辅柑成的方面．而且，隐性智能远比显性智能复杂。凼为发现问题和预设目标是创新能力的首要体现．远比解决问题困难．而且至今还没有系统性的研究成果．

人＝ｒ：智能所模拟的，实际上只是人类智能的“显性智能”．因此，它的定义可具体表述为，在给定“待求问题、先验知识和预设目标”的前提下，获得必要的信息，从中提炼新知（相对于先验知识而寿的补允知识）。进而在目标的制导下利用所获得的信息和知识牛成求解问题的智能策略，并实施这个策略，以求解ｎｑ题达到Ｈ标．

可见，一切人丁智能的＿Ｔ作起点都足事先给定的“待求Ｉ’ｎＪ题、先验知识和预没日标”；它们的核心丁作任务鄙是“制定求解Ｍ题的智能策略”；共『川的求解途径则足“获取信息、提炼知识、生成策略”．由于“策略”是智能的主要体现，闪此，这个共『．－ｊ的求解途径也町表述为“获取信息、提烁知识、生成智能”．

由此可以硼解，人＿Ｉ：智能乍成的共ｒＥ核心机制，就足住给定的“待求Ｍ题、先验妇Ｉ识和顶设ｆｊ标”的约求Ｆ“获取ｆ矗息、提炼知识、牛成错能”的过程，也可以蜓加简练地表述为，在给定条件约束下的“信息一知谚｛一智能转换”．

这』Ｉ！：符合“以价息脱、系统观、机制观为．＃耍标志的复杂信息系统科。节方法论”思想的人．［鹤１能生

模式识别与人工智能２５卷

成的共性核心机制．这也是人类硅性智能生成的共性核心机制。因此，人们可以按照这个智能生成的共性核心机制来实现对于人类显性智能的模拟．于是，可把这个方法称为“人工智能的机制模拟方法”，或简称为“机制模拟方法”．

这是在新的方法论启迪下发现的人工智能模拟的新方法．

４．２发现“知识的生态学结构”

根据“以信息观、系统观、机制观为主要标志的复杂信息系统科学方法论”，发现了，智能生成的共性核心机制是“信息一知识一智能转换”．由此可知，信息理论和知识理论在人工智能理论研究中扮演着重要的角色．

此前，我们已完成“面向智能研究的”信息理论的研究。建立了区别于Ｓｈａｎｎｏｎ信息论的、能统一考虑信息的形式（语法信息）、内容（语义信息）和价值（语用信息）要素的“全信息理论”¨“．因此，现在需要研究的是知识的理论．

研究发现。知识并不是一种固定不变的东西，相反，它具有自己的生态学系统．这个生态系统的结构可表述为，在先天的本能知识支持下，在外界信息激励下，人类后天不断习得的知识总是由欠成熟的“经验知识”开始，然后生长成为成熟的“规范知识”，并进一步生长成为过成熟的“常识知识”，或简记为“经验知识一规范知识一常识知识转换”．

发现知识的生态学结构不仅加深了对于知识本身的理解，而且对于人工智能理论研究具有重要意义．只是由于篇幅的限制，这里只能提及它的结论而不便给出详细的说明．

４．３发现“机制模拟方法是人工智能的统一模拟

方法”

把人工智能的机制模拟方法“信息一知识一智能转换”与知识的生态学系统“经验知识一规范知识一常识知识转换”相结合，就发现：机制模拟方法可有四种具体的工作模式：

模式Ａ：信息一经验知识一经验型智能策略转换（人工种经网络是它的特例）；

模式Ｂ：信息一规范知识一规范型智能策略转换（物理符号系统是它的特例）；

模式Ｃ：信息一常识知识一常识型智能策略转换（感知动作系统是它的特例）；

模式Ｄ：信息一奉能知识一本能型智能策略转换．不难证明．基于结构模拟的人工神经网络方法就是机制模拟方法的模式Ａ，它们都是利用经验知识生成经验型智能策略．基于功能模拟的物理符号

系统方法就是机制模拟方法的模式Ｂ，它们都是利用规范知识生成规范型智能策略．基于行为模拟的感知一动作系统方法就是机制模拟方法的模式Ｃ，它们都是利用常识知识生成常识型智能策略．目前还没有看到利用本能知识的人工智能系统，所以还没有看到机制模拟方法模式Ｄ的特例．

可见，一直处于各自独立发展状态的结构模拟、功能模拟、行为模拟方法，原来分别是机制模拟方法在不同知识条件下的特例．而且，由于经验知识、规范知识、常识知识之问是和谐生长链条中的相继环节，因此，结构模拟、功能模拟、行为模拟方法也应当是这个生态链条中的相继环节．

这样，原先在“分而治之”方法论观念下看似相互无关的人工智能三大主流方法，在“以信息观、系统观、机制观为主要标志的复杂信息系统科学方法系．把原先看不见的本质联系揭示出来，这就是先进方法论的威力．

虽然长期以来人们并不在乎人工智能三大主流方法“鼎足而立，互不沟通”的局面，但是客观而论，这种未能实现“殊途同归”的分散格局，毫无疑问在一定程度上延缓ｒ世界人工智能学科发展的进程．

本文的分析表明，三大主流方法之所以不能“殊途同归”，不是源于具体的技术问题，而是源于传统“分而治之”的方法论．由于它的固有缺陷，它不可能揭示结构模拟、功能模拟和行为模拟方法之间的本质联系．

本文提出了“以信息观、系统观、机制观为主要标志的复杂信息系统方法论”，在它的启迪Ｆ发现智能生成的共性核心机制、建立了人工智能的机制模拟方法、发现了知识的生态学结构，并在此基础上导出了能够把“人工智能的结构模拟、功能模拟、行为模拟三大主流方法实现和谐统一的人工智能机制模拟方法”，形成了人工智能的统一方法和理论。这种由于科学方法论的创新而导致人］二智能研究方法的统一，必将为人工智能未来的发展开辟新的前景．

由此也证明钱学森先生关于“应当重视科学方法论在科学研究活动中的作用”这一论断的重要性和正确性．

参考文献

［１】ＱｉａｎＸｕｅｓ∞．ＦｕｎｄａｍｅｎｔａｌＵｎｄｅｒａａ．，曲ａｇｓ

０１１

ｔｈｅＮｅｗ

Ｔ％Ｉｍｏｌｏｌｉ—

论”观念下却展示了相互之间和谐生长的本质联５结束语

３期

钟义信：人工智能的突破‘ｊ科学方法的创新４６１

ｅｅｌ

Ｒｅｖｏｌｕｔｉｏｎ（ＥＢ／ＯＬ］．［２００９・１ｌ・１７】．ｈｔｔｐ：ＩＩａｇｚｙ．ｙｏｕｔｈ．ｅｔａ／

ｑｘｓ．／ｚｚｗｚ／２００９１Ｉ／ｔ２００９１１１７—１０８４２２６．ｈｔｍ（ｉｎ

Ｃｈｉｎｅｓｅ）

（钱学森．关于新技术革命的若干基本认识问题［ＥＢ／ＯＬ］．【２００９—１Ｉ・１７］．ｈｔｔｐ：／／ａｇｚｙ．ｙｏｕｔｈ．ｅｎ／ｑｘｖ＇ｚｚｗｚ／２００９１１／

１２００９ｌｌ１７－１０８４２２６．ｈｔｍ

［２］ＭｅＣｕｌｌ∞ｈＷｃ，Ｐｉｔｔｓｗ．Ａ

Ｌｏｇｉｃ

ＣａｌｃｕｌｕｓｏｆｔｈｅＩｄｅａｓ

Ｉｍｍａｎｅｎｔ

ｉｎ

Ｎｅｒｖｏｕｓ

Ａｃｔｉｖｉｔｙ．ＢｕｌｌｅｔｉｎｏｆＭａｔｈｅｍａｔｉｃａｌＢｉｏｐｈｙｓｉｃｓ．１９４３，５

（４）：１１５一１３３［３］ＢｅｓｅｎｂｌａｔｔＦ．卟ｅＰｅｒｃｅｐｔｉｏｎ：ＡＰｒｏｂａｂｉｌｉｓｔｉｃＭｏｄｅｌｆｏｒＩｎｆｏｒｍａｔｉｏｎ

ＳｔｏｒａｇｅａｎｄＯｒｇａｎｉｚａｔｉｏｎｉｎ

ｔｈｅＢｒｍｎ．ＰｓｙｃｈｏｌｏｇｉｃａｌＲｅｖｉｅｗ．１９５８，

６５（６）：３８６—４０８

［４］ＨｏｐｆｉｅｌｄＪＪ．ＮｅｕｒａｌＮｅｔｗｏｒｋｓａｎｄＰｈｙｓｉｃａｌＳｙｓｔｅｍｓｗｉｔｈＥｍｅｒｇｅｎｔ

ＣｏｌｌｅｃｔｉｖｅＣｏｍｐｕｔａｔｉｏｎａｌＡｂｉｌｉｔｉｅｓ．Ｐｒｏｅ

ｏｆ

ｔｈｅＮａｔｉｏｎａｌＡｃａｄｅｍｙｏｆ

ＳｅｉｅｎｅｅｓｏｆｔｈｅＵＳＡ．１９８２．７９（８）：２５５４—２５５８

［５】Ｇｒｍｓｂｅｒｇ

Ｓ．ＳｔｕｄｉｅｓｏｆＭｉｎｄａｎｄＢｒａｉｎ：ＮｅｕｒａｌＰｒｉｎｃｉｐｌｅｓ

ｏｆ

Ｌｅｘｍ・

ｉｎｇ

Ｐｅｒｃｅｐｔｉｏｎ．Ｄｅｖｅｌｏｐｍｅｎｔ，Ｃｏｇｎｉｔｉｏｎ，ａｎｄＭｏｔｏｒＣｏｎｔｒ０１．Ｂｏｓ・ｔｏｎ．ＵＳＡ：ＲｅｉｄｅｌＰｒｅｓｓ．１９８２

［６］Ｂｕｍｅｌｈａｒｔ

Ｄ

Ｅ．ＢｒａｉｎＳｔｙｌｅＣｍｎｐｕｔａｌｉｏｎ：ＬｅａｎｉｎｇａｎｄＧｅｕｅｒａｌｉｚａ－ｔｉｏｎ／／Ｄａｖｉｓ

ＪＬ，ＺｏｍｅｔｚｅｒＳ

Ｆ，ｈｕＣ，ｅｄｓ．ＡｎＩｎｔｒｏｄｕｃｔｉｏｎ

ｔｏ

ＮｅｕｒａｌａｎｄＥｌｅｃｔｒｏｎｉｃＮｅｔｗｏｒｋｓ．ＮｅｗＹｏｒｋ。ＵＳＡ：ＡｃａｄｅｍｉｃＰｍ－ｓｓ．１９９０：４０５—４２０

【７］Ｎｅｗｅ］ｌ

Ａ．Ｓｉｍｏｎ

Ｈ

Ａ．ＧＰＳ。Ａ

Ｐｒｏｇｒａｍ

ＴｈａｔＳｉｍｕｌａｔｅｓ

Ｈｕｍａｎ

Ｔｈｏｕｇｈｔ／／Ｆｅｉｇｅｎｈａｕｍ

Ｅ

Ａ，ＦｅｌｄｍａｎＪ，ｅｄｓ．Ｃｏｍｐｕｔｅｒｓａｎｄ

Ｔｈｏｕｇｈｔ．ＮｅｗＹｏｒｋ．ＵＳＡ：ＭｅＧｒａｗ・Ｈｉｌｌ．１９６３：２７９—２９３

［８】Ｆｅｉｇｅｎｂａｕｍ

Ｅ

Ａ。ＦｅｌｄｍａｎＪ．ＣｏｍｐｕｔｅｒｓａｎｄＴｈｏｕ曲ｔ．ＮｅｗＹｏｒｋ，

ＵＳＡ：ＭｅＧｒａｗ－Ｈｉｌｌ．１９６３

［９］Ｓｉｍｏｎ

ＨＡ．ＴｈｅＳｃｉｅｎｃｅｓｏｆＡａｉｆｉｅｉｄ

Ｃａｍｂｒｉｄｇｅ，ＵＳＡ：ＭＩＴ

Ｐｒｅｓｓ．１９６９

［ＩＯ］Ｎｅｗｅｌｌ

Ａ．Ｓｉｍｏｎ

ＨＡ．Ｈｕｍａｎ

ＰｒｏｂｌｅｍＳｏｌｖｉｎｇ．Ｅｎｇｌｅｗｏｏｄ

Ｃｌｉｆｆｓ．ＵＳＡ：Ｐｒｅｎｔｉｃｅ・ＨａｌＩ．１９７２

［１１］ＭｉｎｓｋｙＭＬＴｈｅＳｏｃｉｅｔｙ

ｏｆ

Ｍｉｎｄ．ＮｅｗＹｏｒｋ，ＵＳＡ：Ｓｉｍｏｎａｎｄ

Ｓｃｈｕｓｔｅｒ，１９８６

［１２］Ｂｒｏｏｋｓ

Ｒ

Ａ．ＩｎｔｅｌｌｉｇｅｎｃｅｗｉｔｈｏｕｔＲｅｐｒｅｓｅｎｔａｔｉｏｎ．ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉ－

ｇｅｎｃｅ。１９９１．４７（１１２１３）：１３９—１５９

［１３］Ｚｈｏｎｇ

Ｙｉｘｉｎ

Ｐｒｉｎｃｉｐｌｅｓ

ｏｆＣｏｇｎｅｔｉｅｓｉｎ

Ｍａｃｈｉｎｅｒｙ．Ｂｅｉｊｉｎｇ，Ｃｈｉ—

ｎａ：ＳｃｉｅｎｃｅＰｒｅｓｓ，２００７（ｉｎＣｈｉｎｅｓｅ）

（钟义信．机器知行学原理．北京：科学出版社，２００７）［１４］Ｚｈｏｎｇ

Ｙｉｘｉｎ，Ｐｒｉｎｃｉｐｌｅｓｏｆ

ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ．３ｒｄＥｄｉｔｉｏｎ．Ｂｅｉ－

ｊｉｎｇ，Ｃｈｉｎａ：ＢｅｉｊｉｎｇＵｎｉｖｅｍｉｔｙ

ｏｆＰｏｓｔｓ

ａｎｄＴｅｌ∞ｏｍｍｕｎｉｅａｔｉｏｎｓ

Ｐｒｅｓｓ．２００２（ｉｎＣｈｉｎｅｓｅ）

（钟义信．信息科学原理．第３版．北京：北京邮电大学出版社．

２００２）

人工智能的突破与科学方法的创新

作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：

钟义信， ZHONG Yi-Xin

北京邮电大学计算机学院智能科学与网络工程系 北京100876模式识别与人工智能

Pattern Recognition and Artificial Intelligence2012,25(3)1次

参考文献(14条)

1. 钱学森 关于新技术革命的若干基本认识问题 2009

2. McCulloch W C;Pitts W A Logic Calculus of the Ideas Immanent in Nervous Activity 1943(04)3. Rosenblatt F The Perception:A Probabilistic Model for Information Storage and Organization in theBrain [外文期刊] 1958(06)

4. Hopfield J J Neural Networks and Physical Systems with Emergent Collective Computational Abilities[外文期刊] 1982(08)

5. Grossberg S Studies of Mind and Brain:Neural Principles of LearningPerception,Development,Cognition,and Motor Control 1982

6. Rumelhart D E Brain Style Computation:Leaning and Generalization 19907. Newell A;Simon H A GPS,A Program That Simulates Human Thought 19638. Feigenbaum E A;Feldman J Computers and Thought 19639. Simon H A The Sciences of Artificial 196910. Newell A;Simon H A Human Problem Solving 197211. Minsky M L The Society of Mind 1986

12. Brooks R A Intelligence without Representation 1991(1/2/3)13. 钟义信 机器知行学原理 200714. 钟义信 信息科学原理[外文期刊] 2002

引证文献(3条)

1. 姜永常 基于知识转化机制的知识构建研究科学方法论[期刊论文]-情报理论与实践 2015(4)2. 姜永常 知识构建成长的动力需求与能力生成[期刊论文]-情报理论与实践 2014(4)3. 杨松. 李连. 曹文静 VANET仿真中交通仿真研究[期刊论文]-四川兵工学报 2014(1)

引用本文格式：钟义信. ZHONG Yi-Xin 人工智能的突破与科学方法的创新[期刊论文]-模式识别与人工智能2012(3)