“符号入场”何以解决符号获得意义问题

杜 雅 君， 魏 屹 东

(山西大学 哲学社会学学院，山西 太原 030006)

符号和符号操作是贯穿认知科学的主线，计算的实现离不开符号。一旦将认知比作计算，就等于说认知是精确符号操作的结果，心智状态等同于符号结构。随着身体、情境、主体性和环境互动的“4E+S新研究纲领”的兴起，这种依赖符号操作的认知主义遭到一些哲学家的拒斥，尤其是塞尔以 “中文屋”思想实验来说明，按规则操作的符号无法获得意义的问题。如何使任意的、无意义的符号表征产生意义，就成为人工智能亟需解决的问题。哈纳德(Stevan Harnad)提出的“符号入场”(symbol grounding)是一个补救措施，即将符号与低级感觉运动过程相连接，实现符号从抽象到具象的转化，从而让无所依凭的符号进入认知的场地，使计算操作中的符号具有意义[1]。本文从“符号入场”问题入手，追溯其根源，理清其内涵，分析实现符号入场的可能路径,最后提出自语境化角度的可能解释。

一、“符号入场”问题的形成

“符号入场”问题发端于语词的指称与意义问题。逻辑学家弗雷格首先区分了语词的指称与意义[2]。专有名词是最明显的例子，如“托尼·布莱尔”“2004年英国首相”“切丽·布莱尔的丈夫”，这些概念的指称对象相同，但意义不同。在一定程度上，所指称的语词的意义是有规则和特性的，使用者必须能够成功分辨出它所指的对象[2]。“2004年英国首相” “切丽·布莱尔的丈夫”更像是将意义罩上了一层薄纱，这些语词为辨识指称对象设定了简单的规则：“找出2004年担任英国首相的人是谁”“谁是切丽的现任丈夫”。但这并不能解决规则的组成部分的意义问题(“英国”“期间”“现任”“首相”“切丽”“丈夫”)，以及如何挑选指称对象的问题。而“托尼·布莱尔”所指称的对象则不存在这个递归成分问题。如果意义是为辨识指称而设立的规则，使语词未明确的指称变得更精确，对于不可分解的部分如个体的专有名词的规则是什么。大脑需要掌握执行规则的“专有技术”来准确地分辨出语词的隐含指称。因此，狭义地讲，如果将词义视为辨别指称对象的方式，那意义就在我们的脑中；广义来说，意义不仅是指称对象本身，还包括其辨别方式。如果“托尼·布莱尔” 这个词属于实体本身，就可以利用词辨识它的指称对象，而词的延伸意义既包含了实体辨识指称对象的方式，也包含指称对象本身。这样，一个具有因果关系的“脑”由“脑所内含的语词”、“脑所外指的对象”以及内外相连所需要的“处理过程”构成。

然而，如果词所发源的“实体”不是脑，而是一张纸或电脑屏幕，那它的意义如何产生？针对符号的意义问题，皮尔士提出了著名的三元符号模型[3]。根据此模型，意义的呈现指示过程，是解释者、符号、客体3者构成的一个无限循环的符号过程。人工智能研究者重新将皮尔士的观点应用于解决人工智能中的表征与意义问题，在理解符号过程中涉及入场、感觉和意向性问题，形成了以解释系统状态如何能够获得内在于系统中的原初语义为主要目的的“符号入场”问题。

“符号入场”问题对以计算主义为基本假定的认知范式——认知的心智过程是对心智表征的句法结构的操作——构成了挑战。萨伽德则将第一代认知科学的纲领称之为“表征-计算的心智理解模式”，即“对心智最好的理解就是将其视作心智中的表征结构以及在这些结构上的计算程序”[4]。根据计算主义，认知是一种计算，而计算是形式化的符号操作：操作的规则是基于符号的形状而非意义。根据这种观点，在解释有关人脑如何辨识所指称对象时，也会完全采取计算的方法。本质上，计算理论是计算机的一种运算法则，旨在为操作符号制定一系列规则。这些运算法则是“分布式”的，即无论运算规则以何种方式运行，也无论硬件是什么成分，它都会完成运算。执行计算的动态系统的物理成分与计算本身无关，因为计算是纯形式的，任何硬件都可以完成计算任务。从计算角度来说，计算机算法的所有物理实现都是等价的、可计算的，计算机可执行任何计算。大脑能够对输入的意义进行处理，而一旦计算主义找到合适的算法，计算机也能对意义做同样的处理，处理工具就是运算规则。

问题是，我们如何知晓算法适用与否？答案是它必须能够通过“图灵测试”，也就是能够以对方无法辨认的方式与人像网友一样通信。这种观点既造就了第一代认知科学的辉煌，也限制了它的进一步发展。在计算主义范式下，符号系统就是所有符号和操作规则的集合。符号的意义可以得到系统的解释，但其形状和意义的关系却是任意的。为了反驳人脑只是一部进行着信息处理的计算机,只要有恰当的程序便可正确地模拟人脑的运行机制这种观点，塞尔认为即使通过了图灵测试，计算机也无法具有等同于人的智能，恰当的计算机程序仍然不同于自然语言，无法提取符号结构的语义内容[5]。因此，计算机只具有对符号串进行规则操作的能力，而不具有理解能力。在我们看来，人类特有的心理状态,如意向性、主观性和理解力等,是永远不可能由计算机程序模仿并复写的,即使所设计出的程序足够智能，但智能不是意识。因为程序所操作的符号形态是任意的，符号本身是无意义的，系统中的形式符号的意义表征和语义解释并非内在于系统，而是寄生于外在解释者。至此，符号能否自动生成语义以及语义的基础等问题，就成为人工智能哲学中集中探讨的内容。于是，基于对计算主义局限性的反思，“符号入场”问题应运而生。塞尔的“中文屋论证”则推动了“符号入场”问题的提出。

二、“符号入场”问题的内涵分析

计算主义在认知心理学中表现为认知主义，“符号入场”问题也因此与认知主义相关。众所周知，行为主义反对内省主义将隐藏在行为之下的不可观察过程称为心理学的研究对象，指出行为产生于直接单向的信息处理，由感觉输入形成表征再产生行为,可观察的行为是内在刺激-反应的结果。随着认知主义的兴盛，心理学变得更像是一门经验科学，使得对行为下潜藏的不可观测过程的研究得以可能。然而，认知主义却再次将内在心理过程推向黑洞，心智被看作符号系统，一组以明确规则为操作基础的任意的物理符号，认知被视为符号操作。符号操作产生复杂行为的可能性已在人工智能领域得到验证。符号的规则化组合和重组形成基本符号和复合符号的字符串，支配物理符号和符号串的规则是以纯符号而非内容为基础的句法操作。整个符号系统包括基本符号、复合符号、句法操作和句法规则，以及规则对符号进行语义解释和意义指派。

心智符号模型的支持者福多和派利夏恩认为，心理现象是对符号串的提取，符号化的规则是独立于具体物理实现的，执行的独立性是认知现象与普通物理现象以及解释之间的关键区别[6]。符号规则是系统的一部分，具有可分解性，应用和操作是纯形式的，并且整个系统必须在语义上是可解释的。这种“模块化”缺乏构成整个系统的必备条件，并不具有系统性。因此，语义解释必须加上明确的表征、句法操作性和符号的系统性。这些标准显然都不是任意的，如果削弱其中任何一项，便失去表征一个自然化范畴的资格，切断与计算的形式理论的联系，徒然留下符号化这一不明确的隐喻。我们认为，符号是一个自组织的闭合系统，只有将符号化系统和感觉运动系统混合才能够实现符号的“入场”，而符号的可靠性依赖于内部符号与外部指称对象的实质性关联。

然而，认知主义在促进“符号入场”的同时也抑制了它。哈纳德基于“中文屋论证”提出了“符号入场”思想实验[7]338。他假设一个人工主体(artificial agent)在不了解符号意义的情况下，能够成功地按照句法操作符号，类似于外国人通过中文字典学习汉语。尽管符号是有意义的，但物理形态和句法属性通常无法自动与语义相连。当人工主体能够产生自动的语义功能，将符号与环境自动连接，这就实现了“符号入场”，即让无所依凭的符号进入认知的场地，并找到某个符号之所以拥有某个意义的根据。哈纳德指出，内在解释性是心智的关键所在，独立的形式符号系统的机制类似于以汉语字典为工具学习汉语，字典中的某一字、形,通过其他相似的字形得到解释，某一符号通过系统中其他的符号得到说明。其结果是，在不借助已知具体的符号形式知识情况下，系统无法辨别符号。

智能机自身是否具有使符号入场的能力，也是“中文屋论证”的核心问题，即使机器能够完成符号的输入输出任务，也并不代表它懂得符号的意义。“符号入场”问题引起的是更为实际的问题：纯粹的符号系统在解决问题时，是否需要高度智能和深层理解；能否区分不同符号之间的差别，如核武器和生化武器，斑马和马[8]。这类似于心智的纯符号模型：如何走出符号/符号循环，符号的意义之基础不只是无意义的符号，这些都是“符号入场”问题必然要涉及的。

显然，符号入场的关键是解决符号如何获得意义的问题。对意义产生问题的分析有两个维度：一是意义是内在的还是习得的；二是计算机操作的符号是否具有意义。这表现为语义先天论和语义后天论。先天论认为，对有意义的符号进行操作时，符号的意义先存于系统之中，如“思想语言”假设认为，思维就是对心智表征的计算，“无表征不计算”[9]。我们认为，思想语言的主要功能就是操作有意义的符号，这就预设了系统中的符号具有意义。换言之，系统中有意义的符号是思想语言能够运行的前提。如果新生婴儿的认知是在思想语言之内的，有意义的符号必定是与生俱来的。后天论则指出，以句法规则为基础的计算无法产生意义，“中文屋论证”已经有力地说明，即使不懂中文符号意义的塞尔，仍然能够顺利地执行程序任务——输入符号、操作规则，再通过图灵测试加以检验。无论是塞尔还是计算机，都像是纸张上无根据的语词，头脑中并无有意义的语词。在这种情况下(中文的图灵测试)，头脑中的语词并不是自觉地具有意义，而是与纸张上的语词一样具有无效性。如果塞尔是正确的，纸张上的语词和电脑程序运行的符号都是无意义的，不管脑内是否有意义产生，都不能独立地完成计算，而大脑如何执行意义呢？我们不得而知。

三、“符号入场”问题已有解决进路的困境

目前，解决“符号入场”问题主要有3个路径：表征主义、半表征主义和无表征主义。它们的阐释中存在一个共同预设：零语义承诺条件。人工主体系统中并没有预先安置任何语义资源使符号具有意义，因此，符号意义不是内在的；而外在解释者也没有负载任何语义资源，符号意义也不是外在的；人工主体是自身通过计算、句法、程序、感知等能力，使符号获得意义。从这种意义上说，尽管主体是人工的，解决“符号入场”问题时仍遵循了自然主义原则，零语义承诺条件就是一个衡量的标准[10]421-422。

问题是，人工主体不借助人能够使符号获得意义？它拥有的计算、句法、程序、感知能力是内在的？我们认为人工主体的这些能力是以人的存在为前提的。没有人就不会有人工主体，更遑论其能力了。因此, 表征主义、半表征主义和无表征主义的进路是以人的存在为前提的，只是在表述时人被遮蔽了。

根据表征主义，人工主体所使用符号的意义，主要来自其概念化和范畴化的表征。具体来说，人工主体从知觉数据中获得突出特征，并从中抽象出数据集作为识别范畴化和概念化表征内容的依据，最后利用这些表征为符号确立意义。也就是“符号入场”通过概念化符号来实现，但谁让符号概念化的？是人还是人工主体？

哈纳德尝试从表征主义解决“符号入场”。他将纯符号运算的笔友式图灵测试发展为机器人式图灵测试，构建符号-动觉(hybrid symbolic/sensorimotor)混合模型，使符号表征建立在自下而上的非符号表征之中，即非符号-符号混合系统(hybrid non-symbolic/symbolic system)[7]344-345。也就是说，符号表征是建立在图像化表征、范畴化表征两种非符号表征基础之上的。图像化表征(iconic representation)是辨别输入的基础，与实际物体具有内在相似性的图像被投射到感觉表面，根据图像呈现出的相似和区别，做出相同或不同的判断。为了更好地识别物体，以投射的图像中不变的特征为原则，对图像进行归类，就形成了范畴化知觉(categorical perception)。图像化表征和范畴化知觉均属于感觉的、非符号表征，前者以图像的形式描绘类似的感觉投射，后者则是以感觉投射的形状及特征为对象，达到区别非范畴成员的目的。从终端客体、类似的感觉投射到获取内在变化，二者与客体是纯粹的因果关系，依赖神经网络的作用而形成的，并没有触及语义层面的问题[11]。可以看出，仅仅借用神经网络系统并不能够产生符号表征，人工主体也不具有符号化能力。

显然，哈纳德的混合模型是按照句法原则操作符号，旨在为符号寻找语义基础。然而这并没有克服符号系统和联结系统的局限性。我们认为原因有二：其一，在一个纯符号模型中，符号与指称之间的关联仍然是缺失的；其二，尽管通过知觉数据和范畴化知觉中的不变特征，神经网络系统建立起符号和指称的连接，但符号并不能产生内在的、系统的解释。事实上，混合模型预设了人工主体具有范畴化和识别物体的能力，能够发现感觉投射中不变的特性，但其范畴化和识别能力必须依赖于外部解释者。因此，混合模型实质上预设了人工主体具有对语义资源的利用能力，它并未满足零语义承诺条件。

为了克服混合模型的缺陷，梅奥(Mayo)提出人工主体的功能模型，旨在证明人工主体具有从具体概念到抽象概念转换的能力，表征的功能化组织能解决符号的入场问题[10]427。他认为人工主体与环境相互接触并感知数据连续统一体，在数据的组织中形成了无数的范畴，但数据并不能说明结构；人工主体必须根据实际功能聚集表征，而范畴就是具体任务的集合；符号是在具体环境中为解决具体任务而形成的，根据不同的功能设置产生不同的意义。与混合模型相反，功能模型规避了人工主体所涉及的抽象概念的解释问题。我们认为，梅奥只是使用范畴化和符号表征对符号入场做了语义解释。如果已经假定人工主体具有语义学功能，就不能认为人工主体自身拥有解释这个语义的资源。显而易见，这种路径是负载语义的，从而使得功能模型难以成立。

桑纳(Sun)基于联结主义、符号表征和情境认知，提出意向模型来解决符号入场问题[10]428-431。桑纳认为，在解释符号表征时，人工主体与环境的直接接触是关键所在。在与环境相互作用的过程中，人工主体的意向能力也得到了发展。表征并不能象征相应的感知客体，而是利用表征代表客体，从而达到认识客体的目的。意向表征包含了客体的特征与目的，人工主体通过学习过程解释这种表征。他区分了两种学习过程，每种学习过程具有不同的处理。第一种学习直接在环境中引导人工主体只依规则行动，它并不知晓规则的内容，也不需要解释行为和知觉数据的表征，而是基于外部世界的结构和依赖与世界作用的历史内在偏好来操纵智能行为。桑纳将这种内在标准作为人工主体的第一层意向性，即前表征性，为复杂意向性的形成奠定了基础。也就是说，人工主体利用试错法发现行为范围，并获得最初的数据，为第二种学习过程提供依据。第二层意向性利用第一层意向性的数据，以功能性方式植根于人工主体的常规活动来表征概念。尽管功能模型为人工主体建立了具体的结构，但它实质上已经违背了零语义承诺条件。

表征主义路径行不通，半表征主义又如何解释呢？戴维森(Davidsson)、沃格特(Vogt)、罗森斯坦(Rosenstein)和科恩(Cohen)将人工主体所使用的表征通过基于行为的机器人来完成。戴维森认为，哈纳德在解决符号入场问题时留有疑问，即何种学习神经网络能够使符号获得意义；概念是主体与环境不断相互作用过程中循序渐进获得的，人工主体必须具有不断学习的能力，才能够将数据归入到概念之中，但神经网络系统只拥有判别学习框架的能力，并不能根据内容扩大适应能力，因此，神经网络系统便不适用于符号入场问题。

戴维森将符号入场问题归为更容易处理的一般概念表征和机器学习问题[10]432-433。作为混合表征的概念包含3个组成部分：指示符(designator)，用于指示某个范畴的名称；认识表征(epistemological representation)，用于认定范畴的实例；推论表征(inferential representation)，是关于某范畴及其成员的已知百科知识的集合，用于表述或指认非知觉信息。在戴维森的解决方案中，认识表征是关键部分。认识表征不依赖于联结主义网络，只需借助视觉系统便能对知觉数据进行识别，从而激活高级的知识结构。基于符号的表征并不是预先设定的程序，而是人工主体依据“经验”(观察学习和例证学习)学习而产生的。在我们看来，由于机器的学习尤其是例证学习是基于符号表征的，因而也违背了零语义承诺条件。

沃格特将符号入场问题与情境机器人学、符号学定义相结合，坚持从具身认知科学解释符号的入场[12]。在为动觉活动中的人工主体符号系统寻找基础的过程中，他将符号入场转变为物理符号入场，将人工主体所使用的符号设定为动觉活动和环境数据的结构化组合，通过借助符号学的符号系统和猜想游戏这两种概念工具来解决物理符号的入场问题[12]。根据符号学，人工主体的符号具有形式、意义和指称对象3个特征；意义来自符号和解释过程，形式与指称对象之间的功能相对应。沃格特据此认为意义和指称是同时内在于符号的，基于符号的这一本质特征，构成人工主体符号系统中的符号是自带语义的。猜想游戏用于研究情境机器人中共同语言的发展，经过知觉活动、操作选择、辨别游戏和命名游戏这4个阶段，使得符号对应于指称，从而获得意义。因此，猜想游戏能够使符号获得清晰的意义，并通过人工主体的感知和作用得以入场。然而，符号的转换和猜想游戏本身是负载内容的，也违背了零语义承诺标准。

罗森斯坦和科恩尝试从下至上、从知觉到符号化思维和语言的路径解决符号的入场问题[10]436-438。这一方法基于3个部分：知觉数据的组织方法——延迟空间嵌入，人工主体并不利用外在标准作为存储知觉数据的依据，因而避免了语义负载；根据推测语义学和无监督学习方法，给予自动语义学的充分阐释；借助行为对数据进行解释时，类似于笛卡尔坐标系中的信息。然而，这种以外部标准为依据的解释，并没有达到零语义承诺条件。

可以看出，表征主义和半表征主义并不能解决符号入场问题，这导致了无表征主义的兴起。布鲁克斯(Brooks)认为，传统人工智能在建造机器人时，采取的是“感觉-建模-计划-行动”框架，而实际上机器人的行动方式完全不必如此复杂，只需要两个步骤就可以：先感觉后行动[13]370-372。我们在建造机器人时，完全可以放弃表征范式所要求的那些复杂计划、映射和认知等表征内容，而采取基于行为的包容结构。基于这种思路，布鲁克斯等认为我们可以通过具身的和情境的人工主体与环境互动而达至智能行为。这样一来，符号表征就是多余的，符号入场问题也就不存在了，只有感觉运动连接性问题，布鲁克斯称之为“物理基础假设”。为了构造物理基础系统，布鲁克斯提出了“包容结构”，这实质上是一种将计算机的传感器和执行器连接起来的并行分布式计算。在我们看来，虽然包容结构中的人工主体可以规避精确的表征，也部分解释了符号入场问题，但该架构只是逃避了符号入场问题，并未完成对它的消解。原因在于，人工主体在执行包容结构初期，并不需要处理符号入场问题。但当其发展到一个更高级的认知阶段时，它必须具有操作符号的能力，语义入场问题也就随之产生了。

除上述进路外，还有人提出别的解决路径。比如比亚尔(Billard)和多滕汉(Dautenhahn)提出的交流模型[10]439。他们认为人工主体具有学习、交流和模仿的社会能力，并通过一组机器人的刺激试验考察了入场和交流的使用。通过将行为能力的重要性与认知的符号入场相比较，他们发现其中隐含3个问题：第一，具有学习能力的人工主体只存在于预设之中，依赖于神经网络系统，对这种先验性缺乏深入的论证，与混合模型面临相同的问题。第二，人工主体预装了一套来自外部的完整语言，它们并不能通过共同的交流以及与环境的接触得到发展。第三，外部资源器承载了语言的全部知识和语义内容。但资源器最初如何发展语言，这正是符号入场问题的难点所在。看来，交流模型也并不能解决符号入场问题。

另外，瓦莎斯卡娅(Varshavskaya)通过将人工主体的语义能力与儿童语言习得能力发展相比较，认为儿童利用语言作为一种与环境和其他主体进行交流来获得语言技能，人工主体也可习得语言能力，但并不是为指向对象和关系而产生的指示性符号系统，说话、语调是对他人的观点和行为操纵环境的方式[10]440-443。也就是说，语言转换成了另一种形式的语用解释，用于人工主体与环境相互作用。我们认为，这种语义学似乎并不需要表征，也当然不能解决符号入场问题，尤其是在涉及人工智能系统的语义能力起源方面。表征的缺席意味着人工主体不能扩展范畴结构，从而也就无法实现符号与数据范畴的连接。

总之，“符号入场”的解决路径均以零语义承诺条件为前提。但从表征主义、半表征主义到无表征主义等，无一不面临语义负载和表征问题的困境，符号入场问题并未得到解决[13-14]。正如穆勒(Muller)指出的，按照查尔莫斯关于意识难易问题的划分，符号入场也存在难易问题的区别[15]。易问题是如何解释和再建计算智能行为能力和意义功能的问题，难问题是物理实体如何直接与意识经验相关从而产生意义的问题。为了挣脱语义承诺的束缚，我们尝试从语境化和自语境化角度来解释符号入场问题。

四、“符号入场”问题的自语境化解释

我们认为，要使得符号有意义，首先要弄清是什么决定符号的意义。根据语境论，意义是由语境决定的，符号要获得意义，语境的介入是必需的。从表征主义、半表征主义到无表征主义，这些路径尽管逐渐将心理学、人工智能、生物学、神经科学、哲学等相关学科纳入到符号与意义的研究范畴之中，尝试用统一的、融合的路径解决“符号入场”问题，但都忽视了能够决定符号意义的语境这个至关重要的因素。

语境不仅是一个综合概念，也是一个有指称的实在范畴。由于它具有整合性和关联性特征，从而能够将认知系统中的相关因素整合起来。单纯的表征和无表征观念、内在论与外在论，均无助于符号入场问题的解决。内在论主张符号的意义来自系统自身，要想符号具有意义，系统中必须预先设置语义资源；外在论认为符号的意义来自外在的解释者，而外在解释者自身又是负载语义的。二者都违背了零语义承诺条件。相比内在论和外在论这些单一的认知方式，语境化方法将语境作为基底构建符号的意义。符号、符号串的意义都由与它们相关联的语境所决定。

符号是依据预设的规则操作而产生意义的。符号只入场于符号系统中，所生成的意义完全是系统规则所指明的、封闭的，而人脑中的意义实际上是不完全指明的、不断变化的。这是计算机中的符号未实现入场的根本症结所在。在人工智能哲学中，对入场的理解几经更迭：在“图灵测试”中，思维即计算，符号完成计算就获得了意义，实现了入场；在“中文屋论证”中，即使通过了图灵测试，符号计算仍无法达到理解的程度，因此算不上是真正意义的入场。理解不是按程序操作“照章办事”，而是语境化地领会意义[16]。因此，理解成为评判符号入场与否的基本原则，人对符号的理解是基于情感的、身体的，是有意向的、有意识的，与情景相关的。在计算机的“认知过程”中，规则操作产生意义无需语境。从语境化角度理解“符号入场”就是将符号意义纳入语境场中，意义与语境同步变化。语境化为符号入场设置了一种动态的意义背景，使得入场的符号成为有根基、有内容的记号。

但是，语境化的“符号入场”仍是一个被动的过程。语境在赋予符号意义的同时，也限制了意义的解释域。这一限制反而推动了我们在特定语境中解释意义时，有一个从被动到主动、由静态到动态的转变，从而达到自语境化地入场[17]。 与语境化对意义的预设不同，自语境化中符号的意义是自主选择性建构的。人脑中符号的意义不仅以语言、历史、文化等语境系统为基础，而且人在认知过程中能够主动地融入新的语境。依此看，非生物基质的人工行为体若能够像人那样思维，它就应该能像人那样自主地融入新语境。要想符号时刻处在语境之下，并不断根据自身特征进行调整，人工主体需要不断适应环境进行表征。

这一解决策略合理性在于其自身验证了人工智能的发展进程。人工智能的实现经历了从按照规则计算的低阶人工主体到情感计算、深度学习、集群智能的高阶人工主体，从这一过程本身就可以称作自语境化能力的进化，“由‘被语境化’(人为它设置语境)转化为‘自语境化’(计算机主动融入语境或自己设置语境)”[16]536。随着人工主体的自语境化能力的增强，符号“自主地融入语境”，进行行为的自主选择，便能够实现主体与环境不断同化、顺应、建构、再建构，由低级到高级的渐突的发展过程。在不断与环境互动、融合的过程中，符号才算达到真正意义上的入场。这种入场是“自主性”的，是目标引导的。认知起初是被动的，即被动地适应环境和被动融入语境，行为主体与客体之间并非自主联系，并且随着智能的不断发展进化，行为受目的驱使程度逐渐增强。而符号在入场的过程中，必须对意义的语境有指向性、目的性，使得人工主体与语境之间形成一个主动的、自主的连接[18]。这样一来，人工主体不仅能够在规则内操作符号，当语境发生变化时，它们会自主运用新的规则达到目标，人工智能的搜索算法就是如此。因而，符号得以入场的前提便是人工主体的渐突性、自主性、目的性。虽然人工主体的自语境化过程还没有实现，但从理论上支持了人工生命和人工智能中的自主系统路径。可以预计,“自语境化”的“符号入场”体现了主体与客体、过程与意义的统一，也是未来认知科学与认知哲学探索的重要方向。

五、结 语

在人工智能中，符号与意义在不同范式下经历着不断发展演变，激励了认知哲学家们投身其中。哈纳德提出的符号入场问题，就是对符号主义僵化的句法操作的哲学思考。无论是中文屋论证还是符号入场问题，都在回归表征和意义的基础上试图超越计算主义的句法规则和联结主义的分布式处理，进而形成了基于语境论的意义观。只是哈纳德在第一代认知科学范式影响之下，没能摆脱传统符号主义的理论束缚，而建立的基于混合模型的认知模式，本质上仍属于单纯的符号处理和语义预设，并未突破计算主义和联结主义的构架。从语境化到自语境化的解释为符号入场提供了一种新的思路，具有语境特征的具身认知和情境认知无疑有利于从大脑、身体、环境的互动探索人工智能中解决长期困扰的符号入场问题。