认知计算主义的重建与反思——评《计算主义及其理论难题研究》

符 彬娄瑞雪

(1.福建农林大学 经济学院,福建 福州 350002;2.海南省委党校 哲学教研室,海南 海口 571100)

认知计算主义自20世纪30年代提出以来,一直遭受怀疑论者的批评。在与怀疑论的论争过程中,认知计算主义也不断受其启发,澄清概念和直觉,加强理论说服力。1980年代以来,新怀疑论者的各种理论联合为“4E+S”的理论合体,再次挑战认知计算主义的合理性和现实意义。那么“4E+S”理论体与以往的怀疑论有什么区别?认知计算主义应该如何面对这一挑战呢?在《走向计算主义》《计算主义——一种新的世界观》等著作后,李建会等人再次推出新书《计算主义及其理论难题研究》,总结了以往的研究成果,为理解和反思计算主义的认知建筑提供了新的理论平台。

一、认知计算主义的四个难题

著作《计算主义及其理论难题研究》主要针对若干年来对计算主义的批评和挑战做出回应。事实上,计算主义的发展就是同计算主义的挑战回应的过程。早在计算主义的开山之作——图灵的《计算机器与智能》中,图灵就列出了九种常见的批评并一一进行了回答。半个多世纪过去了,从计算机初创时代到今天人工智能大发展时代,这九种批评并没有销声匿迹,而是以不同的方式不同的版本流行在各个场合。其中在认知哲学的讨论中,争论最持久、意见最复杂的有四个挑战。因为这四个挑战都涉及到深刻的哲学背景,加之观念冲突无法通过纯技术手段得以澄清,因而也被称为“哲学难题”。这四个难题分别是:形式化难题、意向性难题、意识难题、包容难题。

其中,包容难题是一个具有时代感的难题,也是唯一超出图灵当初设想的难题。这一难题主要是来自新兴的“4E+S”纲领的挑战。“4E+S”是指近年来讨论热烈的一些外部主义认知纲领,包括具身认知、生成认知、嵌入认知、延展认知和情景认知。“4E+S”认为传统计算主义将心智活动仅仅限制于大脑之中,用关于脑活动的类比或逻辑模型来作为认知研究的纲领,破坏了心智与外部环境之间不可分割的联系,从而对心智和认知做出抽象而不完备的刻画。“4E+S”主张:“心灵是分布于大脑、身体和世界中的一系列复杂的状态、过程和行为。也就是说,心理状态、过程和行为可以发生在大脑之中,也可以部分地发生在大脑之外的身体中,或部分地发生在身体之外的世界之中。”[1](P200)

“4E+S”是否能够取代计算主义成为一种新的认知纲领呢?首先我们要问大脑在“4E+S”的认知加工中是否还有着重要的位置?这里以具身认知中最具代表性的“身体隐喻”观来讨论。拉考夫等人提出的“身体隐喻”观认为,许多日常词项的形成与巩固,并非孤立或天赋的,而是通过身体界面与世界的交互作用而确定的。比如“前”“后”“上”“下”这些方位词,如果不以身体为界面,则无法确定其根本涵义。“身体隐喻”的基本观点是正确的,我们的词项和语句中有大量内容首先就是对身体有关情况的说明,这些说明塑造了我们理解世界的图景。但是存在这样一些描述,并不意味着就决定了认知的基本架构。因为这一切经验最终都要呈现给一个认知主体,除非彻底否认认知主体的存在,从而也不需要一个主体来对各方面收集的信息进行显现和加工。只要这个认知主体还在,那么一些来自外部世界的描述,都要作为对象被认知主体再次加工。所以当我说“我前面有棵树”的时候,我不光调动了身体界面来观察世界,而且调动了高阶认知判断“有一棵树”,还考虑了正确的语法组合。这一切不光是身体界面那么简单,身体界面固然提供了重要的信息,但是高阶判断和形成正确的语法结构绝不是仅仅靠身体界面就能给予的。也就是说,“虽然经验是关于外部世界的,但是经验显现必须在头脑之中并成为觉知的对象”[1](P207)。

除此以外还有一个存而未解的问题,那就是体化的现象学理解。再考虑“我前面有棵绿色的树”这句话。这句话多了“绿色”这种现象术语。因为颜色是第一人称的视角体验,并不存在于物理世界中,因此对“绿色”这一颜色的指认并不存在与物理相关的一切对象上面,包括身体与世界,而是认知主体内在系统的一种特殊的处理机制。当前认知科学对这一机制的了解并不多,外部世界对现象意识的产生确实起到促进的作用,但毫无疑问这种现象结果也不可能在外部世界中产生。如果说现象意识对计算主义构成挑战的话,那么现象意识也对“4E+S”构成了严重的挑战。就目前来讲,“4E+S”认知相对于计算主义来说,并不是一场哥白尼式的革命。

《计算主义及其理论难题研究》一书虽然讨论了认知计算主义面对的四个重要难题,并做出了分析和回应,但是却没有提到两个十分重要的论证,这的确非常遗憾。因此,本文将分别简要说明这两个论证,以推动对认知计算主义的思考。

二、“刺激贫乏性”的启示

认知计算主义的有效性源于它深刻把握住心智最核心的领域,即理性决策。理性决策是一切生物存在和发展的基础,在高级认知阶段它显得更加重要。智能的特征可以归纳为:“首先,外星人需要对环境做出智能的反应,……这个外星人的行为一定是在一套规则指导下的,而且是理性的。其次,它们看重、在乎一些事情。它们想要什么东西,并且在面临阻碍时仍去追求。”[2]这意味着智能的核心就是根据某套规则作出理性决策。这套规则必须用来寻求目标,只有当直接实现目标被阻碍时才能真正开始发挥理性决策的作用。这正是纽维尔和西蒙在设计“通用问题求解”时的想法:确定目标、评估当前情况并判断与目标的差距、应该用合规则的操作来减少这些差距。计算主义者相信:任何认知体,尽管目标和规则千差万别,但都必须以抽象的方式进行决策。

为什么必须要有规则?为什么不能以直接与外部相关的方式来进行决策?答案必须和所谓的“刺激贫乏性”联系起来。“刺激贫乏性”真正成为现代认知科学的一个重要主题,是从乔姆斯基开始的。在坚决反对任何行为主义方法论的同时,乔姆斯基提出了一类发人深省的语言学观察。乔姆斯基的“刺激贫乏性”论证总结为:“(1)在所有的自然语言中,都有一些模式是无法通过使用积极的证据来学习的。积极的证据是语言学习者能够接触到的一组语法句子,这是通过观察他人的语言来获得的。另一方面,消极的证据是语言学习者对什么是不符合语法的证据。例如,当父母纠正孩子的讲话时,孩子就会得到否定的证据。(2)对于这些特定的模式,孩子们只能得到积极的证据。例如,他们听到别人只使用‘正确’的句子,而不是那些‘错误’的句子。对孩子来说,负面的证据是无法用来学习语言的。(3)孩子们确实会学会母语正确的语法。”[3]因此,人类必须有某种形式的先天语言能力,为语言学习者提供额外的知识。从本质上说,刺激并不是解释学习过程的完全恰当的方式。刺激理论的贫乏,试图解释说母语者如何形成一种能力,通过普通的经验来识别可能的和不可能的解释。

“刺激贫乏性”说明在认知主体面对复杂的外部环境时,不可能把握所有信息输入,相反一种理论上行之有效而且实践上一直执行的方式是:根据有限的输入,通过有限规则推导出可适应场景的情况。这种做法就突出了以规则为核心的认知架构。以理性决策为核心的计算主义与以刺激-反应为核心的行为主义是截然不同的。行为主义的方法是对环境的归纳。当外部产生刺激的时候,认知体自动的产生反应;当这种类似刺激被强化的时候,认知体逐步“学会”了某种行为模式[4]。这种基于归纳的学习理论,从乔姆斯基开始被严重的批评以至于不再占有重要地位。因为只有抽象规则才能对千变万化的世界做出统一而合乎逻辑的反应。

从“刺激贫乏性”的角度来看,外在论的挑战就没有一开始那么重要了。环境固然重要,但环境并不能全部涌入头脑之中。一切环境的因素都必须在头脑的合理的整理之下才能被接受,而且头脑按照最基本的规则进行决策从而反作用于环境。所以研究认知,重要的不是研究环境,而是头脑中对环境的加工,因为抛开了头脑加工,环境是无法研究的。

就像情景性知识对计算主义是一种挑战一样,规则性对“4E+S”认知也是一项艰难的挑战。“4E+S”认知更加强调动态环境对认知过程的影响,并认为环境和大脑共同构成了认知[5]。这一原则上正确的说法,并不能排除理性决策的突出重要性。在依照规则进行理性决策过程中,抽象的逻辑推理是独立于环境的。正是这种规则性使得计算主义无论如何不会被其它外部主义的研究纲领所取代。“4E+S”认知也不能单独成为新的认知建筑,因为那样的话它也将面临着行为主义同样的命运——它们至多为认知提供环境,但没有触及到认知的核心层面。无论如何,认知体绝对不能仅仅依靠归纳而在复杂的环境下生存。因此,将计算主义与“4E+S”认知相融合,不失为一条开拓性的道路。《计算主义及其理论难题研究》一书第八章对这一问题有所触及,但非常遗憾并没有详细展开。

三、AlphaGo的新世界

2016年3月,由Deep Mind开发的Alpha-Go围棋程序,与世界围棋冠军李世石进行一周的人机大战,最终获得胜利。之后经过59场网上对弈,横扫中日韩围棋选手,获得全胜记录。2017年5月AlphaGo战胜排名世界第一的中国棋手柯洁,以积分优势排名围棋界第一名,这一成绩震撼全球。1997年当深蓝战胜卡斯帕洛夫的时候,很多批评家认为,深蓝是用暴力穷解法战胜人类的。这种思维方法完全不适合人类,因此认知价值不大。批评家还认为,机器很难在围棋上击败人类。这不仅是因为围棋的棋局变化有了跨多个数量级的提高,而且围棋棋手最基本的能力是对局势的把握,这是一种带有全局化的整体直觉,一种仅仅依赖规则不可能获得的能力。

但AlphaGo的表现恰恰反证了批评家的判断。AlphaGo的搜索深度并不深,但是会根据估值去专门搜索那些有价值的步骤,这已经使我们感到它不是那么“机械的”。柯洁在战后提出了一个颠覆性的观点,即人的智能来自于反复的训练而铸成的经验,这种经验在下棋过程中体现为一种并非深思熟虑的直觉。尽管这种直觉在许多情况下是正确的,但是直觉并不总是正确的。更严重的是我们对这种直觉的加工过程一无所知,所以这种直觉的普遍化训练总是失败的。因此直觉获得过程是一个黑箱,围棋大师们并不知道自己如何获得这种直觉。柯洁的意思是:机器智能超越于人的智能,就在于它不光知道它在做什么,而且知道如何做。

从工程思维的角度来说,也许AlphaGo才是那个知其所以然的棋手。一个突出的例证是新产品AlphaZero从零开始学习,只用了40小时便打败了AlphaGo。这反映了深藏在所谓的“直觉”背后的围棋思维被程序突破,从而使越来越快的击败人类对手成为可能。这使我们看到计算机器未曾预料到的强大智能。同时来自机器语言处理和图像识别等方面的进展也说明,认知计算主义纲领正显示出旺盛的生命力。这一进路甚至能够比那些熟练运用智能的人提供更多的关于智能的知识,这甚至超越了图灵的“计算机和人类的行为不可区分”的设想。来自实践的有效性是对认知计算主义最好的辩护,宣称计算主义已经“失败了”或“被否定了”或“被抛弃了”,可能还为时尚早。也许是因为AlphaGo的胜利是在《计算主义及其理论难题研究》出版之后,书中没有提及这一论证思路。

《计算主义及其理论难题研究》一书的问世恰逢其时。书中不断追踪前沿热点问题,不但对有关问题做出了详细梳理和分析评价,而且大胆创新提供了新的思维线索,虽然还存在着一些问题未能详细阐明的遗憾,但总的说来,通过对计算主义难题的不断追问和有条理的分析,为读者了解认知计算主义的当前面貌提供了十分有益的参考,也或将推动哲学界对认知现象进行更深入的研究。

[1]李建会,赵小军,符征.计算主义及其理论难题研究[M].北京:中国社会科学出版社,2016.

[2]平克.心智探奇[M].郝耀伟,译.杭州:浙江人民出版社,2016:64.

[3]Pullum,Geoffrey K.Scholz,Barbara C.Empirical assessment of stimulus poverty arguments[J].The Linguistic Review.2002(19):9-50.

[4]孟伟.情境主义与计算主义难题的解决——读《计算主义及其理论难题研究》[J].科学文化评论,2017(1):102-110.

[5]夏永红.意义如何涌现于形式系统——评《计算主义及其理论难题研究》[J].科学技术哲学研究,2017(6):125-128.