鐘義信

（北京郵電大學 人工智能學院，北京 100876）

迄今，世界人工智能的研究已經(jīng)取得了不少進步，令人興奮。但是，冷靜地觀察就會發(fā)現(xiàn)，這一領(lǐng)域其實面臨著許多嚴峻的挑戰(zhàn)。

為了應(yīng)對這些挑戰(zhàn)，學術(shù)界提出許許多多的研究思路和建議。毫無疑問，每一種思路都有一定的道理。不過，深入思考后就不難發(fā)現(xiàn)，人工智能研究所面臨的最大挑戰(zhàn)不是別的，而是來自于它最頂層的指導(dǎo)思想?科學觀與方法論(它們的有機整體稱為研究范式，簡稱范式)。具體來說，人工智能研究面臨的最大挑戰(zhàn)是：作為信息學科的高級篇章，人工智能遵循的范式不是信息學科的范式，而是物質(zhì)學科的范式。換言之，人工智能的范式犯了張冠李戴的大忌！因此，應(yīng)對人工智能所面臨挑戰(zhàn)的最重要舉措應(yīng)當是它的范式革命。只要正確地實施了人工智能的范式革命，它的研究就可以走上正軌，人工智能的通用理論、以至人工智能與人類智能的通用理論就會應(yīng)運而生。

本文將闡明這一重要論斷，然后通過實施人工智能的范式革命創(chuàng)生通用人工智能理論，并給出它的總體面貌。

1 為什么人工智能的根本出路是范式革命？

為了研究和闡明人工智能的出路，首先要明確究竟什么是人工智能？人工智能和人類智能以及人類智慧之間存在什么關(guān)系？這樣，我們的討論才會有準確的科學性。

1.1 什么是人工智能？

首先要明確，人類智能是人類智慧的子集[1]。

人類智慧是人類為了生存發(fā)展的目的而不斷地運用知識去探索未來提出問題(隱智慧)進而解決問題變革現(xiàn)實(顯智慧)的能力。其中的隱智慧嚴格依賴于人類的目的和思辨能力，只有人類才能擁有。而顯智慧則依賴于人類的智能求解操作，因此特稱為人類智能。后者可用機器來模擬。

根據(jù)科學技術(shù)的擬人律[2-3]，人工智能是以人類智能(解決問題變革現(xiàn)實的顯智慧)為原型、研究具有智能水平的機器為人類提供智能服務(wù)的學科。它只涉及顯性智慧，不涉及隱性智慧。

因此，人工智能所要實現(xiàn)的不是人類智慧，而是人類智能。不能把智能和智慧混為一談。

1.2 人工智能研究的現(xiàn)狀：局部有精彩，整體很無奈

人工智能的研究，存在三大學派：以模擬人腦結(jié)構(gòu)為導(dǎo)向的人工神經(jīng)網(wǎng)絡(luò)學派[4-10]，以模擬人腦邏輯功能為標志的專家系統(tǒng)學派[11-16]，以模擬智能系統(tǒng)行為為特色的感知動作系統(tǒng)學派[17-19]。但互不認可[20-21]，未能形成合力[22-23]。經(jīng)過數(shù)十年的努力，三大學派的研究都取得了一些精彩的成果。如人工神經(jīng)網(wǎng)絡(luò)的深度學習，專家系統(tǒng)的機器博弈，感知動作系統(tǒng)的智能機器人等。

但是，三大學派的研究都面臨著許多問題的困擾。其中最為嚴峻的挑戰(zhàn)包括：它們的理解能力(真正的智能水平)都非常低；它們的通用能力都非常差；至今未能形成人工智能的整體理論。這些問題的嚴重性在于[24]：

1)智能水平低下，就不夠資格成為真正的人工智能;

2)沒有通用的整體人工智能理論，表明人工智能的研究還沒走上軌道。

系統(tǒng)學的原理表明：整體遠遠大于部分和。再多再好的部分成果之和，也遠遠不及整體成果。但是如何才能構(gòu)建通用的整體理論？至今仍然沒有共識。

1.3 人工智能存在問題的總根源：范式張冠李戴

思想指導(dǎo)行動，學科研究活動的指導(dǎo)思想就是學科的科學觀和方法論。學科的科學觀闡明“學科的本質(zhì)是什么”，學科的方法論則闡明“學科的研究應(yīng)當怎么做”。于是，學科的科學觀與方法論一起，就闡明了學科應(yīng)當遵循的規(guī)范研究方式，稱為學科的研究范式，簡稱范式[25]。

人工智能的研究之所以存在上述這些嚴重問題，根本原因在于它的指導(dǎo)思想出了問題：人工智能是一類開放復(fù)雜的信息系統(tǒng)，卻遵循了傳統(tǒng)物質(zhì)學科范式的方法論，比如：

1) 人工智能被分解為結(jié)構(gòu)模擬、功能模擬、行為模擬三大學派，就因為運用了傳統(tǒng)學科范式的“分而治之”方法論。對復(fù)雜信息系統(tǒng)施行“分而治之”的結(jié)果就割斷了復(fù)雜信息系統(tǒng)各個子系統(tǒng)之間復(fù)雜而隱秘的信息聯(lián)系，而這些復(fù)雜隱秘的信息聯(lián)系正是復(fù)雜信息系統(tǒng)的生命線和靈魂。失去了生命線和靈魂的各個子系統(tǒng)，就不再可能合成原來的復(fù)雜信息系統(tǒng)！這是現(xiàn)行人工智能的研究至今不能建立“整體理論”的根本原因。

2)人工智能系統(tǒng)智能水平低下，就因為運用了傳統(tǒng)學科范式的“單純形式化”方法論。智能的決策能力依賴于對研究對象的形式、內(nèi)容、價值的全面理解。施行“單純形式化”的結(jié)果丟棄了智能問題的“內(nèi)核”：內(nèi)容和價值因素，僅僅了解對象的形式，那就極難作出明智的決策。這是“智能水平低下”的根本原因。

眾所周知，“分而治之”和“單純形式化”是傳統(tǒng)物質(zhì)學科的方法論。它們對傳統(tǒng)學科的研究、發(fā)展與繁榮做出了偉大的歷史性貢獻。然而把它們用到作為開放復(fù)雜信息系統(tǒng)的人工智能研究領(lǐng)域，就犯了范式“張冠李戴”的大忌！

1.4 人工智能研究范式的張冠李戴，是歷史的必然

人工智能范式的張冠李戴并非偶然現(xiàn)象。這是因為，學科的研究活動屬于社會存在，它的范式則屬于社會意識。由于受到“社會意識滯后于社會存在”法則的制約，20 世紀中葉信息學科的研究活動迅猛興起之后，直到如今都沒有形成信息學科范式的共識，信息學科的研究便沿用了業(yè)已存在而且眾所熟知的傳統(tǒng)物質(zhì)學科范式，于是就造成了信息學科(含人工智能)范式的張冠李戴，確實無可避免。

千年的科學發(fā)展，都屬物質(zhì)學科(含材料科學和能量科學)，都遵循著同樣的物質(zhì)學科范式，因而沒有發(fā)生過范式的變革。但是當今卻正在發(fā)生由物質(zhì)學科主導(dǎo)的學科體系向信息學科主導(dǎo)的學科體系的歷史性大轉(zhuǎn)變：研究活動的大轉(zhuǎn)變在前，研究范式的大轉(zhuǎn)變在后?發(fā)生在人工智能由初級階段進入高級階段的當下。因此，人工智能范式的大轉(zhuǎn)變(范式大革命)正是這個歷史大轉(zhuǎn)變所帶來的大陣痛。不消除這個大陣痛，便無法完成人工智能研究由初級階段向高級階段的轉(zhuǎn)變。這是不以人的意志為轉(zhuǎn)移的客觀規(guī)律。

1.5 范式革命：人工智能基礎(chǔ)理論重大突破的必由之路

既然人工智能存在問題的總根源是“范式的張冠李戴”，那么，解決問題的對癥良方就應(yīng)當是“正冠”，做到張冠張戴、李冠李戴：顛覆傳統(tǒng)物質(zhì)學科范式對人工智能研究的束縛，確立信息學科范式對人工智能研究的規(guī)范和引領(lǐng)。

那么，什么是信息學科的范式？目前，人工智能學術(shù)共同體還沒有形成共識。不過，筆者從1962 年以來一直在深入探討信息學科的科學觀和方法論，表1 所給出的，就是我們總結(jié)的信息學科范式的內(nèi)涵特征[26]。為了便于比較，表1 還列出了傳統(tǒng)學科的范式以及現(xiàn)行人工智能所實行的范式。

表1 學科范式的比較[26]Table 1 Comparison among three categories of paradigm

通過表1 三種范式(科學觀和方法論)的詳細解析和對比，可以十分清晰地看出：作為復(fù)雜信息系統(tǒng)的現(xiàn)行人工智能研究，它所遵循的研究范式本來應(yīng)當是信息學科的研究范式(后者的內(nèi)涵特征參見表1 的第3 行)，但實際上卻遵循了傳統(tǒng)物質(zhì)學科的研究范式(試比較表1 的第1 和第2 行)。這就是“人工智能范式張冠李戴”的具體表現(xiàn)。

可見，只有顛覆和摒棄傳統(tǒng)學科范式對人工智能研究的制約，確立信息學科范式對人工智能研究的規(guī)范和引領(lǐng)，才能從源頭上使人工智能的發(fā)展走上正確的軌道。

2 范式革命怎樣創(chuàng)生通用智能理論？

如上所述，人工智能的范式革命，就是在人工智能的研究領(lǐng)域以現(xiàn)代信息學科的范式取代傳統(tǒng)物質(zhì)學科的范式。那么，信息學科的范式又將怎樣規(guī)范和引領(lǐng)人工智能的研究呢？

2.1 總結(jié)和遵循“學科創(chuàng)生”的普遍規(guī)律：范式引領(lǐng)學科創(chuàng)生的全過程

信息學科范式引領(lǐng)創(chuàng)建“通用智能理論”的全部階段和歷程，可用表2 的“學科創(chuàng)生規(guī)律”[27]來描述。

表2 的“學科創(chuàng)生規(guī)律”顯示，學科的創(chuàng)生需要經(jīng)歷兩個階段：首先是自下而上探索范式的階段，然后是自上而下落實范式的建構(gòu)階段。

1)探索階段。特點是：各種相關(guān)學術(shù)背景的研究者們各自進行自下而上的摸索、討論和爭論，總結(jié)失敗的教訓和成功的經(jīng)驗，逐漸提煉出普遍認可且科學合理的學科范式(科學觀和方法論)。由于是各自展開的摸索，必是百家爭鳴的過程，常有“盲人摸象”的現(xiàn)象，因此，這一階段經(jīng)歷的時間可能很漫長。信息學科范式的形成便超越了半個多世紀，至今尚未在學術(shù)共同體達成共識。

2)建構(gòu)階段。特點是：根據(jù)探索階段所總結(jié)的學科范式(即由學科的科學觀和方法論闡明的學科定義)，就可根據(jù)學科定義構(gòu)筑學科的框架(即學科宏觀定義的具體化，包括學科的全局模型和研究路徑)、進而擬定學科的規(guī)格(即學科框架的精準化，包括學科的學術(shù)結(jié)構(gòu)和所需數(shù)理基礎(chǔ)的特色規(guī)格)和最終落實學科的基本理論(即學科理論的完整化，包括學科的基本概念和基本原理)。

從表2 可以看出，在學科創(chuàng)生的整個過程中，學科的范式自始至終都扮演著最高引領(lǐng)者和規(guī)范者的角色：整個探索階段的任務(wù)是為了找到學科的范式，而整個建構(gòu)階段的任務(wù)則是為了精準落實學科的范式。

揭示和闡明學科創(chuàng)生規(guī)律，是構(gòu)建“通用智能理論”的第一步。以下將分別闡述筆者團隊依照表2的規(guī)律構(gòu)建“通用智能理論”的各個步驟和結(jié)果。

表2 學科創(chuàng)生規(guī)律Table 2 Rules for discipline growth

2.2 研究和提煉“信息學科范式”

從當前的實際情況可以判斷，無論是國內(nèi)還是國際，人工智能學科應(yīng)當遵循的范式都還處在“探索階段”，這表現(xiàn)為：各種不同背景的研究人員仍然在按照各自對人工智能學科范式的理解進行著不懈的探索，爭論頻出，共識鮮有。

由于接受了“整體觀和辨證論”思想的熏陶，也由于特殊的學術(shù)興趣、背景和經(jīng)歷，本文筆者早在半個世紀之前就開始密切關(guān)注和潛心探究信息學科的科學觀和方法論，為形成信息學科的范式做了長期的研究和積累。

1962 年筆者作為北京郵電學院信息論專業(yè)的研究生，在研讀信息論原著的時候發(fā)現(xiàn)它的信息概念只關(guān)注了波形(形式)，丟了信息的內(nèi)容和價值這兩個核心要素，造成了“信息概念空心化”。于是開始探索，并于1986 年發(fā)表了“形式、內(nèi)容、價值”三位一體的“信息的綜合測度”(即“全信息理論”)[28]。接著，1988 年出版了國內(nèi)外第一部以“全信息理論”為基礎(chǔ)的《信息科學原理》[29]。1987年又發(fā)現(xiàn)人工智能的研究被分解為人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)以及后來的感知動作系統(tǒng)三個互不相容的學派。于是筆者認識到，從信息論到人工智能，都受到了傳統(tǒng)物質(zhì)學科方法論“單純形式化”和“分而治之”的影響，而這些方法論與信息學科(包括信息論和人工智能等)的特點格格不入。

基于這些認識，筆者在1988 年出版的《信息科學原理》第10 章就專門探討了“信息科學的方法論”。此后在每次再版(直到2013 年第五版)都深化了信息學科方法論的探討。2014 年，筆者出版了另一部專著《高等人工智能理論》[30]，又在全書的第一篇專門對“高等人工智能的科學觀與方法論”進行了探討。2017 年在《哲學分析》雜志發(fā)表了論文《從機械還原方法論到信息生態(tài)方法論》[31]。最終，總結(jié)提煉成為本文表1 第3 行信息學科范式內(nèi)涵的標準表述，包括它的科學觀和方法論。這是我國關(guān)于信息學科范式研究的基本成果。

2.3 范式革命：顛覆舊范式，確立新范式

顛覆傳統(tǒng)物質(zhì)學科范式對人工智能學科研究的統(tǒng)領(lǐng)地位，具體來說，就是要在人工智能研究領(lǐng)域摒棄如下的科學觀和方法論：

1)傳統(tǒng)物質(zhì)學科的科學觀，即

①把研究對象看作純客觀且遵循確定性演化規(guī)律的物質(zhì)；

②徹底排除主觀因素；

③研究的目的是闡明物質(zhì)的結(jié)構(gòu)與功能。

2)傳統(tǒng)物質(zhì)學科的方法論，即

①分而治之方法；

②純粹形式化方法。

確立信息學科范式對人工智能學科研究的規(guī)范和引領(lǐng)作用，具體來說，就是要在人工智能研究領(lǐng)域確立如下的科學觀和方法論：

3)信息學科的科學觀，即

①把研究對象看作主體與客體相互作用的具有不確定性的信息過程；

②強調(diào)主體的駕馭作用和環(huán)境的約束作用；

③研究目的是實現(xiàn)主體與客體的雙贏。

4)信息學科的方法論，即

①信息生態(tài)方法；

②形式、內(nèi)容、價值三位一體的整體化方法。

可見，信息學科范式與傳統(tǒng)物質(zhì)學科范式兩者幾乎相反相成。然而，千百年來傳統(tǒng)物質(zhì)學科范式已在人們心中深深扎根，而信息學科范式才剛剛露出嫩芽。因此，要讓人工智能研究領(lǐng)域的科技工作者放棄自己所熟悉和所深信的傳統(tǒng)物質(zhì)學科范式，絕非易事！不過，非如此就不能取得人工智能研究的突破與升級。

2.4 構(gòu)筑全新“人工智能全局模型”(學科框架A)

信息學科范式的科學觀業(yè)已指明：人工智能是在主體駕馭下和環(huán)境約束下的主體與環(huán)境客體相互作用所形成的不確定性信息過程。其中，所謂“主體(特別是人類主體)駕馭”，實際是指：人工智能系統(tǒng)必須接受主體所提出的“求解問題“、主體預(yù)設(shè)的“求解問題目標”，以及主體所提供的“先驗知識”；人工智能系統(tǒng)只能在這個框架下去實現(xiàn)主體所預(yù)設(shè)的目標。當然，也須遵守環(huán)境的約束。

根據(jù)這些思想，可以構(gòu)筑圖1 所示的人工智能學科研究的全局模型。

圖1 人工智能全局模型Fig.1 Global model for AI

圖1 的模型清楚表明：人工智能的全局模型確實是“主體駕馭下(接受來自主體的問題、目標和知識)的主體與環(huán)境客體相互作用(接受環(huán)境“客體信息”的作用、針對這種作用產(chǎn)生“智能行為”反作用于環(huán)境客體)的具有不確定性的信息過程”。這是真實人工智能系統(tǒng)的正確抽象。

現(xiàn)有的人工智能研究，包括以結(jié)構(gòu)模擬為特征的人工神經(jīng)網(wǎng)絡(luò)和以功能模擬為特征的專家系統(tǒng)，都把“孤立的腦”作為全局研究模型的原型。這是沒有理解信息學科范式的科學觀所致。事實上，不接受外部環(huán)境客體信息刺激的孤立腦不能產(chǎn)生智能(“印度狼孩”的實驗)，而不向外部環(huán)境輸出反作用的孤立腦也不可能檢驗?zāi)X的工作是否有意義。

由圖1 的人工智能模型還可以看出，人工智能系統(tǒng)所實現(xiàn)的，完全是主體的目的，而不是人工智能系統(tǒng)“自己的目的”。事實上，人工智能系統(tǒng)由于沒有生命，因此不可能有它自身的目的和欲望。它不可能脫離主體的意志自行其事，而只能成為人類主體的聰明助手與善解人意的合作伙伴。

2.5 揭示智能生成機制，開創(chuàng)機制主義研究路徑(學科框架B)

信息學科范式的方法論指明：要按照信息生態(tài)演化(既然是生態(tài)演化，就不允許把信息剝離成形式化的語法信息，也不允許把信息生態(tài)過程割斷為封閉的信息片段)方法論來處置問題、要堅持運用形式、內(nèi)容、價值三位一體的整體化方法來分析問題，要憑借理解來作出判斷。

把信息學科范式的方法論與圖1 的全局研究模型相結(jié)合，就明確了人工智能系統(tǒng)生成智能的機制應(yīng)當是在“問題、目標、先驗知識”的約束下實現(xiàn)由“客體信息”到“智能行為”的復(fù)雜轉(zhuǎn)換，如圖2 所示。

圖2 人工智能系統(tǒng)的智能生成機制Fig.2 Mechanism for intelligence growth in AI

圖2 顯示，人工智能系統(tǒng)中智能生成機制的激勵條件，是環(huán)境客體所提供并經(jīng)主體所選擇的問題(即“客體信息”)，智能生成機制所生成的結(jié)果是由客體信息經(jīng)過復(fù)雜轉(zhuǎn)換而成的“智能行為”，而它所遵守的約束條件則是由主體所提供的預(yù)設(shè)目標和先驗知識。

從圖2 可以明顯地看出，智能生成機制的實質(zhì)是“信息轉(zhuǎn)換與智能創(chuàng)生”[32-34]，具體轉(zhuǎn)換與創(chuàng)生過程則是：客體信息→感知信息→知識→智能策略→智能行為，如圖3 所示。

圖3 智能生成機制“信息轉(zhuǎn)換與智能創(chuàng)生”的實現(xiàn)Fig.3 Implementation of the mechanism for intelligence growth:information conversion and intelligence creation

可以證明，“信息轉(zhuǎn)換與智能創(chuàng)生”機制是普適性的，不僅適合于各種人工智能也適合于自然智能(包括人類智能)，因此，可以名副其實地把它稱為普適性智能生成機制，并把它的本質(zhì)稱為“信息轉(zhuǎn)換與智能創(chuàng)生定律”[35]。

普適性智能生成機制是人工智能研究的根本途徑，以“普適性智能生成機制”為標志的研究途徑稱為“機制主義”研究途徑。

與現(xiàn)有人工智能的結(jié)構(gòu)主義、功能主義、行為主義分道揚鑣不同，我們找到了統(tǒng)一的研究途徑。顯然，沒有新范式，就沒有統(tǒng)一的研究途徑。

2.6 重審人工智能的學術(shù)結(jié)構(gòu)(學科規(guī)格A)

信息學科范式要求保持學科的學術(shù)結(jié)構(gòu)整體性(完整性)，恢復(fù)人工智能學科的本來面目。遵循完整性的要求，就應(yīng)把人工智能學科的學術(shù)結(jié)構(gòu)理解為以下各個學科群的交叉與綜合：

原型學科群：人類學、神經(jīng)科學、認知科學、人文科學、社會科學、哲學等。

本體學科群：信息科學、系統(tǒng)科學等。

基礎(chǔ)學科群：生物物理學、邏輯學、數(shù)學等。

技術(shù)學科群：微電子、微機械、新材料、新能源等。

由于傳統(tǒng)物質(zhì)學科范式強調(diào)對復(fù)雜對象施行“分而治之”，結(jié)果就把人工智能學科分解出一些互不相容的分支學科，從而產(chǎn)生對人工智能學科片面的認識和誤解。最典型的一種誤解就是，僅僅根據(jù)專家系統(tǒng)的一家之情，就把整個人工智能學科看作計算機學科的一個分支。這顯然是以偏概全的認識。

2.7 重塑人工智能的學術(shù)基礎(chǔ)(學科規(guī)格B)

遵循信息學科范式的“統(tǒng)一性和整體性要求”，需要改造和重塑人工智能的學術(shù)基礎(chǔ)，特別是它的邏輯基礎(chǔ)和數(shù)學基礎(chǔ)。

為此，本團隊一方面創(chuàng)建了具有可調(diào)參數(shù)的“柔性邏輯理論”[36]，從而把原來的標準數(shù)理邏輯和各種非標準邏輯納入統(tǒng)一的邏輯連續(xù)譜系；同時本團隊創(chuàng)建了以因素為基元的“因素空間數(shù)學理論”[37]，從而把原來互相獨立發(fā)展的普通集合論、概率論、模糊集合論、粗糙集合論等相關(guān)數(shù)學分支和諧地納入統(tǒng)一完整的人工智能數(shù)學理論。

2.8 重構(gòu)人工智能的基礎(chǔ)概念(學科理論A)

在傳統(tǒng)物質(zhì)學科范式指導(dǎo)下，人們建立了一批人工智能的基礎(chǔ)概念。但是，由于接受了“單純形式化”方法的影響，這些概念只有形式因素而沒有內(nèi)容因素和價值因素，因此基本都是“空心化”的基礎(chǔ)概念，比如形式化的“數(shù)據(jù)”，形式化的“知識”，形式化的“智能”等。事實上，正是這些空心化的概念，使現(xiàn)行的人工智能系統(tǒng)的智能水平(理解能力)非常低下。

符合信息學科范式理念的基礎(chǔ)概念包括：全信息、全知識、全智能等。這里的前置詞“全”并非要求“胡子眉毛一把抓”，而是強調(diào)“形式、內(nèi)容、價值”三位一體的整體化。換言之，信息學科范式要求它的基礎(chǔ)概念必須符合“整體化”的要求，不允許把它們的形式、內(nèi)容和價值分隔開。事實上，人類主體（或者作為人類主體的人工智能系統(tǒng)）只有全面了解事物的形式、內(nèi)容和價值，才能理解事物，并在理解的基礎(chǔ)上做出有智能水平的決策。

全智能來源于全知識，全知識來源于全信息。因此，智能理論最基礎(chǔ)的概念是“全信息”。它的“形式、內(nèi)容、價值”三位一體整體化體現(xiàn)為“語法信息(形式信息)、語義信息(內(nèi)容信息)、語用信息(價值信息)”的三位一體。

“全信息”的概念具有嚴格定義，生成機制和符號表示方法，如圖4 所示(詳細的解釋見文獻[38-39])：

圖4 全信息/語義信息的生成機制Fig.4 Mechanism for the growth of comprehensive information and semantic information

圖4 的模型不僅闡明了全信息的生成機制，而且給出了語義信息的科學定義：Y=λ(X,Z)，其中X代表語法信息，Z代表語用信息，Y代表語義信息，算子“λ”代表“映射與命名”的邏輯操作?？梢?，人們掌握了語義信息，就同時掌握了語法信息和語用信息，就掌握了全信息。所以，語義信息是用來“理解”事物的，只與事物的形態(tài)(語法信息)和效用(語用信息)有關(guān)，與事物的統(tǒng)計特性無關(guān)。

有了全信息的概念與智能生成機制，全知識與全智能的概念與生成便水到渠成。由此就可以建立“全知識”的知識庫(標準的名稱是“機制主義的記憶庫”)，它與傳統(tǒng)知識庫的根本區(qū)別就在于它的知識包含了“形式性知識、內(nèi)容性知識、價值性知識”，因此可以支持理解。值得指出，這樣的“機制主義記憶庫”比目前流行的“知識圖譜”更為深刻，因而更為優(yōu)越。

總之，只有在“全信息”和“全知識”的基礎(chǔ)上，才能具有真正的“理解能力”，才能支持真正的“全智能”。

可見，只有遵循信息學科的范式，才能建立真正合理的人工智能基礎(chǔ)概念。

2.9 深挖人工智能的基本原理(學科理論B)

信息學科范式強調(diào)“信息生態(tài)方法論”。因此，最為深刻和最為全面的人工智能原理就是體現(xiàn)信息生態(tài)演化的“信息轉(zhuǎn)換與智能創(chuàng)生定律”。這是一切人工智能和人類智能系統(tǒng)的本質(zhì)和靈魂。

正如圖3 所表明的那樣，“信息轉(zhuǎn)換與智能創(chuàng)生定律”具體包含:

1)“客體信息→感知信息”的轉(zhuǎn)換原理(感知)；

2)“感知信息→知識”的轉(zhuǎn)換原理(認知)；

3)“感知信息、知識與目標→智能策略”的轉(zhuǎn)換原理(謀行)；

4)“智能策略→智能行為”的轉(zhuǎn)換原理(執(zhí)行)；

5)“誤差信息→優(yōu)化智能行為”的轉(zhuǎn)換原理(優(yōu)化)。

細心的讀者可能已經(jīng)發(fā)現(xiàn)，“信息轉(zhuǎn)換與智能創(chuàng)生定律”的前4 項轉(zhuǎn)換原理恰好體現(xiàn)了中華文明的“知行學說”?知(感知、認知)行(謀行、執(zhí)行)。最后這項“優(yōu)化原理”，其實是在“利用知行學說來糾正誤差”。所以，“信息轉(zhuǎn)換與智能創(chuàng)生定律”完全與中華文明的知行學說交相輝映。

不難證明，“信息轉(zhuǎn)換與智能創(chuàng)生定律/知行學說”既是普適性的人工智能生成機理，同時也是人類智能的生成機理。當然，只有應(yīng)用信息學科的范式才有可能發(fā)現(xiàn)這一極其重要的結(jié)論。相反，如果恪守傳統(tǒng)物質(zhì)學科的范式，那就只能看到人工智能系統(tǒng)的結(jié)構(gòu)與人類智能系統(tǒng)的結(jié)構(gòu)之間的巨大差別。

值得指出，“信息轉(zhuǎn)換與智能創(chuàng)生定律”的深遠意義更在于，它是與物質(zhì)科學領(lǐng)域的“質(zhì)量轉(zhuǎn)換與物質(zhì)不滅定律”和能量科學領(lǐng)域的“能量轉(zhuǎn)換與能量守恒定律”等量齊觀的科學定律，它們?nèi)咭黄鹁屯晟屏宋镔|(zhì)、能量、信息三大資源領(lǐng)域的三大科學定律。

進一步的分析可以看到，“質(zhì)量轉(zhuǎn)換與物質(zhì)不滅定律”和“能量轉(zhuǎn)換與能量守恒定律”闡明了這兩個領(lǐng)域所存在的界限，告誡人們“不能逾越這些界限”。而信息轉(zhuǎn)換與智能創(chuàng)生定律則告訴人們“可以通過信息轉(zhuǎn)換來創(chuàng)生人工智能系統(tǒng)為人類提供智能服務(wù)，把人類從體力勞動和有規(guī)可循的智力勞動中解放出來，以便更好地發(fā)揮人類的創(chuàng)造性能力，實現(xiàn)人類社會的可持續(xù)發(fā)展”。或者，更簡要地說，物質(zhì)不滅定律和能量守恒定律告誡人們“不能逾越界限”，而智能創(chuàng)生定律則告訴人們“可以創(chuàng)造未來”。

從這個層面上是否也可以說，“信息轉(zhuǎn)換與智能創(chuàng)生定律”對于人類的進步與發(fā)展具有更加重大的意義？

2.10 創(chuàng)建通用智能理論(學科理論體系)

綜合集成第2.1～2.9 節(jié)的各項成果，特別是其中以“信息轉(zhuǎn)換與智能創(chuàng)生定律”為表征的機制主義研究途徑，可以構(gòu)建既適用于人工智能也適用于人類智能的“通用智能理論”。表3 列出了通用智能理論的總體特征與現(xiàn)有人工智能理論總體特征的對照[25-26,30-40]，從中可以看出通用智能理論的實質(zhì)性突破與劃時代創(chuàng)新。

表3 通用智能理論的總體特征及其與現(xiàn)有人工智能理論的對比Table 3 Outline for general theory of intelligence and its comparison with the current AI theory

續(xù)表 3

由此可以看出信息學科(含人工智能)范式革命對于(人工)智能理論研究的巨大作用和深刻意義。通用智能理論的功能模型如圖5 所示。

圖5 通用智能理論模型Fig.5 Model for general theory of intelligence

不難看出，圖5 的通用智能理論模型不但全面體現(xiàn)了信息學科范式(科學觀和方法論)的理念，體現(xiàn)了人類學、神經(jīng)科學、認知科學、信息科學(含智能科學)、系統(tǒng)科學、柔性邏輯理論、因素空間數(shù)學理論等科學精神，而且，也展現(xiàn)了人類智能的精髓。特別體現(xiàn)了“物質(zhì)變精神和精神變物質(zhì)”的辯證法，以及“人類不斷地認識世界和改造世界，并在改造客觀世界的過程中改造自己”的人與環(huán)境相互作用的理論。

限于篇幅，關(guān)于通用智能理論模型工作過程的解釋請參考文獻[25-26]。關(guān)于模型的實現(xiàn)技術(shù)，則將在另文討論。

3 結(jié)束語

本文在深入分析人工智能現(xiàn)狀的基礎(chǔ)上，提出并闡明了“人工智能面臨的最大挑戰(zhàn)是它的范式張冠李戴”的論斷，說明人工智能最為迫切的任務(wù)就是實施范式革命。文中詳細敘述了人工智能范式革命的整體思想和范式革命引領(lǐng)學科發(fā)展的具體步驟以及人工智能范式革命的產(chǎn)物?通用智能理論及其總體特征和模型。與現(xiàn)有人工智能理論的比較表明，通用智能理論取得了實質(zhì)性的突破和劃時代的創(chuàng)新；人工智能范式革命則是“物質(zhì)學科主導(dǎo)的科學時代”轉(zhuǎn)變?yōu)椤靶畔W科主導(dǎo)的科學時代”的橋梁，是劃分這兩個科學時代的分水嶺。

致謝：本文工作得益于國家自然科學和社會科學基金資助，期間得到陸汝鈐院士、李衍達院士、陸建華院士、何華燦教授、汪培莊教授、韓力群教授、周延泉副教授和陳志成博士等的指導(dǎo)與幫助，在此謹表衷心的感謝。