Professional Documents
Culture Documents
符号主义人工智能的历史回顾及其哲学审视 陈明益
符号主义人工智能的历史回顾及其哲学审视 陈明益
2023
第 48 卷第 2 期 Journal of Wuling Vol.48 No.2
符号主义人工智能的历史回顾及其哲学审视
陈明益,张友恒
(武汉理工大学 马克思主义学院,湖北 武汉 430070)
摘 要 : 符 号 主 义 作 为 AI 研 究 的 最 初 范 式 , 其 发 展 经 历 了 自 动 定 理 证 明 、 专 家 系 统 和 知 识 图 谱 三 个 主
要 阶 段 , 对 现 代 AI 的 理 论 及 其 应 用 作 出 了 重 要 贡 献 。 作 为 AI 领 域 首 个 探 索 和 构 建 智 能 的 范 式 , 它 涉 及 诸 多 哲
学 问 题 , 这 引 起 了 AI 专 家 和 哲 学 家 的 共 同 兴 趣 , 他 们 在 各 自 立 场 上 发 表 了 不 同 甚 至 是 相 反 的 观 点 。 符 号 主 义
在 现 代 AI 研 究 中 面 临 着 一 系 列 的 挑 战 , 但 它 并 未 被 时 代 抛 弃 。 相 反 , 随 着 人 工 神 经 网 络 的 发 展 , 研 究 者 们 试 图
将 符 号 主 义 和 联 结 主 义 两 种 范 式 结 合 起 来 , 以 期 解 决 AI 研 究 的 一 些 根 本 问 题 。 因 此 , 重 新 审 视 符 号 主 义 的 哲
学 价 值 及 其 应 用 局 限 , 对 于 把 握 AI 的 发 展 趋 势 和 未 来 方 向 具 有 重 要 意 义 。
关键词: 符 号 主 义 ;自 动 定 理 证 明 ;专 家 系 统 ;知 识 表 示 ; 人 工 智 能 哲 学
中图分类号:N02;TP182 文献标识码:A 文章编号:1674-9014(2023)02-0034-08
DOI:10.16514/j.cnki.cn43-1506/c.2023.02.005
人工智能最初源于一种哲学构想,而逻辑学
引 言
和数学则是推动这个构想实现的动力。公元前 4
自 AI 诞生起,哲学和 AI 就一直在相互影响: 世纪的亚里士多德是数据抽象化的先驱,他的形
哲学从 AI 的探索中发现新问题,AI 又在发 展 的 式逻辑建立了强有力的科学思维,成为科学研究
过程中不断地对这些问题做出回应;哲学有助于 的根基。
“ 他对物质和形式的区分是当今计算机科
阐明 AI 的目标和方向,AI 则为哲学思辨提 供 了 学中最重要的概念之一,数据抽象将方法(形式)
[1]
强大的工具 。时至今日,这两门学科的发展早已 与封装方法的外壳区别开来,或将概念的形式与
突破各自的边界,紧密交织在一起。哲学与 AI 的 其实际表示区分开来。”[2]2517 世纪的哲学家莱布
紧 密 结 合 , 催 生 了 人 工 智 能 哲 学 (Philosophy of 尼茨(G.W.Leibniz)对现代数学、代数、算法甚至符
AI),这项成果目前已被许多高校和研究所认可, 号逻辑有巨大的影响,他认为人的推理过程可以
然而,在对人工智能哲学的探索中,不仅需要对哲 用符号来表示。莱布尼茨的工作启发了 19 世纪的
学和 AI 的相关理论进行考察,也需要从历史的视 数学家布尔(George Boole)。布尔在其《思维法则》
角对这门交叉学科的发展进程进行审视。 (Laws of Thought) 一书中给出了符号推理的一般
收稿日期:2022-10-12
基金项目:中央高校基本科研业务费专项资金资助“人工智能与伦理道德的深度互动研究”
(2021VI011);武汉理工大学教学改革研
究项目“新文科理念下‘马克思主义基本原理概论’课程建设研究”
(w20210173)。
作者简介:陈明益,男,湖北蕲春人,武汉理工大学马克思主义学院副教授,博士,研究方向为科学哲学、分析哲学;
张友恒,男,湖北武汉人,武汉理工大学马克思主义学院硕士研究生,研究方向为科学哲学、科技史。
34
2023 年第 2 期 陈明益 张友恒 符号主义人工智能的历史回顾及其哲学审视
方法:
“ 给定具有任意项的逻辑命题,用纯粹的符 成功推动了后来专家系统的开发(见图 1)。逻辑
[2]26
号处理这些前提,从而进行合理的逻辑推断。” 学家戴维斯(Martin Davis)在 1954 年编 写 了 第 一
计算机要显现出智能,必须能进行推理,所以“布 个 ATP 程序,并在其职业生涯中与哲学家普特南
尔代数”做出了很大的贡献。20 世纪计算机科学 合 作 , 于 1960 年 做 出 了 广 为 人 知 的 D-P
家图灵(A. M. Turing)在哲学期刊上发表了一篇可 (Davis-Putnam) 算法及后来经过改进的 DPLL 算
以视为人工智能“扬帆起航”的里程碑的论文,
“它 法。但纽厄尔(Allen Newell)和司马贺(Herbert A.
阐述了对电子计算机编程使其智能化的可能性,包 Simon)于 1956 年所完成的“ 逻 辑 理 论 家 ”ATP 程
[3]56
括对具有里程碑意义的图灵测试的描述” 。在 序则获得了更多的关注,
“ 此程序被认为是 AI 历
1956 年达特茅斯会议中,会议主持人麦卡锡(John 史上最重要的原创工作之一,这个程序可以证明
McCarthy)提出了人工智能的概念,由此,这门赋予 罗素《数学原理》第一卷中命题逻辑部分的一个很
机器“智能”的科学正式走入公众的视野。 大子集”[4]31。随后,普拉维茨(Dag Prawitz)在 1957
年设计了一个程序语言来实现他的自然演绎算
一 、符 号 主 义 人 工 智 能 的 历 史 发 展
法 。 IBM 公 司 早 在 1956 年 就 招 募 格 兰 特(Paul
在如何赋予机器“智能”的方案上,符号主义研 Gelerner) 来实现几何定理证明器, 而 格 兰 特 在
究纲领在研究初期得到了业内大多数人员的认可。 1957 年求助于逻辑学家吉尔莫(Paul Gilmore)。随
从 20 世纪 50 年代一直到 90 年代,符号主义 AI 的 后 , 吉 尔 莫 先 于 格 兰 特 实 现 了 语 义 表(Semantic
发 展 过 程 可 以 分 为 “ 自 动 定 理 证 明(Automatic Tableau)方法,其实现结果与普拉维茨异曲同工[4]33。
Theorem Proving, ATP)”与
“专家系统(Expert Systems, 格兰特随后在 1959 年给出了“几何机器”
(Geometry
ES)”
两个主要阶段。虽然 90 年代后符号主义“风光 Machine)程序,而同年来自中国的逻辑学家 王 浩
不再”
, 但 随 着 21 世 纪 初 知 识 图 谱(Knowledge 在 ATP 领域获得了更大的成就:在一台 IBM704
Graph)技术的落地,
基于符号主义方法的“知识表示 计算机上证明了《数学原理》的 150 条一阶逻辑和
(Knowledge Representation, KR)”
领域又获关注。 200 条命题逻辑定理。自动定理证明在随后的发
(一)自动定理证明(1950—1960 年) 展中为符号主义 AI 研究纲领提供了坚实可靠的
符号 AI 的思想源头和理论基础就是自动定 基础。此后,中国的吴文俊、美国的阿贡小组
理证明(ATP),它起源于逻辑,其初衷就是把逻辑 (Argonne) 等诸多学者和研究团体为 ATP 的发展
[4]28-29
演算自动化 。在达特茅斯会议发起之前,就已 作出了巨大贡献。在 1960 年后,符号主义 AI 应用
经有学者对 ATP 进行了研究,该研究初期工作的 彻底登上了历史舞台。
图1 自动定理证明早期发展时间轴
35
武陵学刊 第 48 卷
(二)专家系统(1960—1990 年) 题 。 ”[5] 布 坎 南 指 导 的 一 个 博 士 生 肖 特 利 夫
符号主义范式能在研究初期取得巨大的成 (Edward Shortliife) 编 写 了 专 家 系 统 MYCIN。 与
功,并在 20 世纪 60—80 年代如日中天,这要归功 DENDRAL 一样用 LISP 语言编写的 MYCIN,用于
于专家系统(ES)的广泛应用。专家系统具有许多 帮助血液传染病人在开处方药时提供建议,但是
特性,如知识库与推理机的分离、知识与搜索技术 它 从 未 被 临 床 使 用 过 。 MYCIN 的 后 续 版 本
[2]30
的关系等,这使得它适合于 AI 的研究和开发 。 EMYCIN 由范梅勒(Van Melle)于 1981 年开发,并
DENDRAL 是历史上首个 ES 程序,它采用启发法 在市场上进行使用。纽厄尔认为 MYCIN 才是专家
来进行复杂科学的符号推理,其程序中包含大量 系统的鼻祖,因为 MYCIN 首创了作为专家系统要
有机化学领域的科学知识。这个程序的开发者费 素的产生式规则:不精准推理 [4]75。专家系统在 19
根鲍姆(E. A. Feigenbaum)是司马贺的学生,他的 世纪 80 年代后期度过了其黄金时代,
“ MYCIN 及
合作者则是遗传学家莱德伯格(Joshua Lederberg), 其之后的数千个专家系统,证明了少量知识的力
“他们对于科学哲学的共同爱好促进二人漫长且有 量,能够在许多重要领域实现智能决策程序”[3]59。
效的合作”[4]71。二人后来又找到化学家杰拉西(Carl 随着 1988 年日本第五代计算机(FGCS)的计划流
Djerassi),并于 1965 年在斯坦福共同开启了这个跨 产 ①,现在市场上很少有专门开发专家系统的公司
学科的研究计划。他们希望 DENDRAL 作为化学 了,但 ES 仍然是 AI 研 究 的 一 个 重 要 部 分 ,并 与
家的“智能助手”能够像专家一样执行许多任务, 知识表示领域有着重要关联。
却无需在理论程度上达到专家的水平。哲学出身 (三)知识表示(1970 年至今)
的布坎南 (B. G. Buchanan) 也是 DENDRAL 的参 知识表示是由自然语言处理(NLP)与专家系
与者之一,他在与费根鲍姆合作的论文中写道: 统(ES)一同催生的 [4]76。正如人类执行智能活动需
“我们工作的早期动机,一个是用启发式搜索在复 要大量的知识一样,人工智能要显现出智能活动也
杂科学问题中进行推理,另一个则是利用人工智 需要知识,这就需要通过框架、逻辑、词向量、脚本、
能方法来更好地理解科学哲学中的一些基本问 语义网络等符号方法将知识结构化(见图 2)。知识
图2 知识表示发展时间轴
36
2023 年第 2 期 陈明益 张友恒 符号主义人工智能的历史回顾及其哲学审视
37
武陵学刊 第 48 卷
象和分析已知现象的一种方式”[11]114。其次,它提 动是个程序。认识论假想批判的问题是:
“ 人工智
出了符号与智能的关系问题:
“没有‘智能原则’能 能专家认为所有非随意性的行为都可以按照某些
解释智能的基本表现,就像没有‘生命原则’来传达 规则形式化,无论这些规则是什么,总可由计算机
生命的本质一样……智能的必备要求是存储和处 用来复制这些非随意性规则。”[12]198 德雷福斯从物
理符号的能力。”[11]115 什么是“智能”以及怎样实现 理学的角度认为不存在行为的完全规律,并对神
“智能”分别是 AI 科学的理论和实践命题,对此,符 经系统和物理化学规律作出了区分,进而“认为不
号主义提出的假设是“物理符号系统能够进行智能 能把有意义的人的动作简单看作是人的机体的物
[11]118
行为,智能行为也需要一个物理符号系统” 。由 理运动”[12]202。他同样从语言学的角度得出了机器
此,不难得出如下推论:
“ 人也是具有物理符号特 按照形式化规则会产生随意性解释,即机器无法
征的系统。”[11]119 最后,在智能的实现方案上,他们 明白语义的推论,这实际上还是在质疑符号会让
“ 当符号系统处于混沌状态中时,它们是不
认为: 被形式化的客体失去本质。本体论假想批判的问
会表现出智能的”[11]126;
“ 符号系统是通过 使 用 启 题是:智能行为原则上必须理解为确定的独立元
[11]120
发式搜索的过程来解决问题的” 。启发式算法 素 [12]214。在这里,德雷福斯并不是把机器本身作为
简单来说就是解决问题的有条理的方法,由目的 本体来考察(虽然有这种倾向),他批判的是将智
导向形成的“问题域”
(Problem Domain)不仅是对 能置于符号处理的过程中这一做法。在他看来,
人类有目的的智能活动的模仿,也为人工的智能 “世界必须表达为本身是由初始元构成的一组有结构
圈定了范围。以上学者用理性的观念阐明了 AI 展 的描述,这是所有 AI 研究工作的必要前提”[12]219-220。
现智能的必要条件。 这种对于符号本体最严厉的批评,就是对智能形
(三)德雷福斯对符号方法的批判 式化、模型化的批判。
哲学家德雷福斯(Hubert Dreyfus)代表着反对
三 、对 符 号 AI 的 重 新 审 视
符号 AI 的最强音,他的《炼金术与人工智能》这一
报告后来出版为《计算机不能做什么》一书。德雷 从技术上看,现代 AI(人工神经网络,即联结
福斯是未受过计算机专业教育的“门外汉”,但其 主义 AI)的发展得益于硬件上算力的提升,而符
工作却打通了哲学与 AI 的边界,并且在当今仍可 号 AI 的核心问题即自动定理证明,即使硬件再丰
以看到诸多类似工作的成功,因此,他的影响不能 富也很难看到曙光。定理证明解决的是数理逻辑
简单归结为社会性因素。德雷福斯对符号 AI 的 问题,而数理逻辑问题的解决对于 AI 的意义在于
主要批判包括心理学假想、认识论假想和本体论 能使其对事物产生认知。认知就是符号处理,而符
假想,
“ 他认为 这 三 个 假 想 不 是 经 验 的 而 是 哲 学 号处理器和人类一样具有认知能力,这种思维一
的”[12]166 。心理学假想批判的问题是:
“ 思维能否 直是哲学家们对 AI 的关注焦点 [13]200。通用人工智
像计算机一样工作,即使用心理学上的计算机模 能的一个实现途径是使用数理逻辑来形式化常
型是否合理。”[12]172 这种理论认为人的思维是有层 识,这样,常识问题就可以通过逻辑推理来解决 [14]。
次地进行的,而计算机只要从某个合适的层次进 专家系统是实现这个通用人工智能的必要一步,
入就能对人的思维进行模拟,这个层次被称为“信 知识表示则可以视为达成这个目标的手段。尽管
[12]172
息加工层次” 。德雷福斯在书中指出:
“ 信息一 在理论上可以产生出全能的专家系统,但是在现
词在这个理论中是在一种特殊的含义上使用的, 实中它需要巨大的数据库。专家系统认为人类专
[12]174
不能同一般含义和意义相混淆。” 因此即使计 家所作的决定是基于对不同条件的事实进行推
算机可以用启发式的方法加工信息,也不能说计 理,
“ 每个专家在他的头脑中已经有一个规则库,
算机就可以有心理活动,更不能说人脑的心理活 所有专家系统构建者需要做的是将规则取出并将
38
2023 年第 2 期 陈明益 张友恒 符号主义人工智能的历史回顾及其哲学审视
它们编程到计算机中”[15]。但是推理并不是某人或 经验的训练方法和应用相比,
“ 深度学习不过是人
某个系统成为专家的充要条件,如一个熟练的汽 工神经网络层数多一些,并从并行分布的意义上
车驾驶员在遇到突发情况时的反应是本能的而不 说,所有人工神经网络模型都不是深的,而是宽
是推理的,厨师在工作时不必纠结是先洗菜还是 的;但自动定理证明是深的,且很难并行化”[4]275。
先切菜才能保证口感,对于人类专家来说,很多专 人类智能本身就是在各个层次上使用符号,如抽
业领域的工作已经执行过千万遍而成为下意识行 象思维、逻辑、语言,因此,符号 AI 研究在某种意
为了。一旦机器进行推理,其所涉及的问题不会比 义上就是对人类理性思维的研究,而人类理性的
人类专家推理的问题少半分。费根鲍姆也曾在他 深邃则决定了它研究的深度和难度 ③。
的书中提到专家系统与专家的不同:
“ 学习成为专 从哲学的角度来看:
“ 符号派这种自上而下的
家的一部分,不仅要理解规则的文字,还要理解其 进路可以称为‘想啥来啥’,而联结主义的自下而
精神……他知道什么时候该打破规则,他知道什 上进路,可以称为‘吃啥补啥’。”[4]114 前者模拟思
么与他的任务有关,什么与他的任务无关……专 维,而后者构建大脑;前者是对人类智能的“摹
家系统还不了解这些东西。”[16] 仿”,而后者则是“分有”。它们之间相反相成的
尽管符号 AI 的局限性如此之大,但是目前的 “斗争”在哲学史上是如此的熟悉:从柏拉图和亚
AI 研究仍离不开符号方法,其原因有三:第一,尽 里士多德之争到中世纪的唯名论和实在论之争,
管现代人工神经网络占据了 AI 研究的主流,但其 再到近代的唯理论和经验论之间的争论,莫不如
所包含的黑箱性质、不可解释性只是其基本问题 此。AI 作为哲学的一种成果,需要依赖思维理论
的一部分,更为主要的是:
“ 从强人工智能定义来 的创新,思维理论的历史就已经暗示了 AI 发展的
看,由于缺少逻辑结构,ANNs 无法达到真正意义 进程。促成了专家系统美梦破灭的五代计算机
上的强人工智能。”[17]94 当代研究人员已经深刻认 (FGCS)将逻辑在 AI 研究中推到了极致,但并没
识到这个问题,并在近些年的研究中重提符号派 有证明 FGCS 比专家系统的效率更高,反而更像
研究的重要性。例如,在 2021 年,由布雷泽克(P. 是沃尔夫终结了唯理论,导致符号派一蹶不振。但
J. Blazek)和 米 洛 林(M. M. Lin)带 来 的 本 质 神 经 是思维理论的发展不会到此为止,就如“分析哲学
网络(ENNs)正是通过人工神经网络模拟出了符 与现象学对人工智能的争论,一方以科学分析的
号 AI 的逻辑结构,而这二人也藉此表明了其通过 态度来对待这个问题,另一方则是反对用有意识
此方法追求通用人工智能的立场 [18]。第二,以当今 的科学意识去解释意识其本身”[17]169。只要 AI 研
的技术发展来看专家系统,似乎它已经是 20 世纪 究还在继续,对立的争论就不会停止,但是从哲学
的完成品了,但实际上它仍然是目前在工业智能 史角度来看,它们终将走向融合。“我们必须开发
化设备与诸多日常智能应用中使用最为广泛的 出将符号系统的表达性和程序多样性与联结主义
AI 技术。虽然一些学者会以当今的 AI 发展的眼 表达的模糊性和适应性相结合的系统”[19],
“ 神经
光去批判符号 AI“过时且陈 旧 ”的 方 法 ,但 相 比 符号人工智能 (Neural-Symbolic AI, NeSy AI)”的
于人工神经网络历史发展的大起大落,甚至一度 出现就是“康德”整合符号派和联结主义的结果。
被“终结”,符号 AI 的研究从未被中断,现在仍有 NeSy 对“想啥来啥”
“ 吃啥补啥”两种思路的
不少机构或团体在推进 AI 领域符号的研究,如: 结合,是 AI 理论发展的必然产物。麦卡洛克(W.
东京大学符号人工智能研究所、德克萨斯大学奥 S. McCulloch)和皮茨在 1943 年的研究成果《神经
斯汀分校 ACL2 小组、林茨大学符号计算研究所 活动中内在思想的逻辑演算》已经暗含了 NeSy的
等机构 ②。第三,否认 AI 研究中的理性派,就是对 理论开端,他们以二元性神经元的联结构造了大
人类智能理性成分的否定。与人工神经网络这种 脑的数学模型并使其进行逻辑活动的构想也成为
39
武陵学刊 第 48 卷
[3]60 一个大型专家系统或者说知识图谱,它旨在使用大规模并行
一些方法和机 制 。“ 黑 格 尔 ” 作 为 完 善 后 的
计算和逻辑编程创建计算机,试图创造一种具有类似超级计
Nesy,也不会是 AI 的最终完成模式。从思想史的
算机性能的“划时代的计算机”,并为人工智能的未来 发展提
发展来看,这种完成模式还会发展出新的东西,就
供一个平台。这个想法领先于时代,但在实践和商业中失败
如黑格尔后的不同哲学流派,既有各自不同的专 了。参见 Fifth Generation Computer Systems[EB/OL]. (2022-07-
门领域,又都关注着某些共同的领域。因此,AI 的 07) [2022 -09 -07]. https://en.wikipedia.org/w/index.php?title =
发展也很可能会经过目前的专用人工智能到将来 Fifth_Generation_Computer_Systems&oldid=1096960006.
②几个当代的符号 AI 研究机构、团体的官网信息如下:东京大
的通用人工智能,再到在此基础上的“专业人工智
学 符 号 人 工 智 能 研 究 所 (https://www.jku.at/en/institute -for -
能”的发展进程。
symbolic -artificial -intelligence/)、ACL2 小 组 (https://www.cs.
结 语 utexas.edu/users/moore/atp/index.html)、林茨大学符号计算 研 究
所(https://risc.jku.at/)。
此项研究不仅是对符号AI 发 展 的 历 史 回 顾 ③在此我们呼吁,无论是哲学还是 AI 工作者都要注重对逻辑学
40
2023 年第 2 期 陈明益 张友恒 符号主义人工智能的历史回顾及其哲学审视
2003,13(4):537-552. 1976,19(3):113-126.
[2] 卢奇,科佩克.人工智能[M].2 版.林赐,译.北京:人民邮电出版 [12] 德雷福斯.计算机不能做什么:人工智能的极限[M].宁春岩,
社,2018. 译.北京:生活·读书·新知三联书店,1986.
[3] BUCHANAN B G.A (Very) Brief History of Artificial Intelligence [13] GLYMOUR C. Artificial Intelligence is Philosophy[M]//Fetzer J H,
[J]. AI Magazine: Artificial Intelligence,2005,26(4):53-60. eds. Aspects of Artificial Intelligence. Dordrecht:Springer,1988:
[4] 尼克.人工智能简史[M].2 版.北京:人民邮电出版社,2021. 195-207.
[5] BUCHANAN B G,
FEIGENBAUM E A.Dendral and Meta-Dendral: [14] MCCARTHY J. Artificial Intelligence, Logic and Formalizing
Their Applications Dimension [J]. Artificial Intelligence,1978,11 Common Sense[M] //Thomason R H,eds.Philosophical Logic and
(1-2):5-24. Artificial Intelligence. Dordrecht:Springer,1989:161-190.
[6] CHARLES E,RUSSELL G.Building Large Knowledge-Based [15] DREYFUS H L,DREYFUS S E.From Socrates to Expert Systems:
Systems:Representation and Inference in the CYC Project [J]. The Limits of Calculative Rationality [J]. Technology in Society,
Artificial Intelligence,1993,61(1):41-52. 1984,6(3):217–233.
[7] MILLER G A. WordNet: A Lexical Database for English [J]. [16] FEIGENBAUM E A,MCCORDUCK P. The Fifth Generation:
Communications of the ACM,1995,38(11):39-41. Artificial Intelligence and Japan's Computer Challenge to the
[8] BERNERS-LEE T,HENDLER J,LASSILA O. The Semantic Web: World [M]. Boston:Addison-Wesley Press,1983:184-185.
A New Form of Web Content that is Meaningful to Computers will [17] 博登.AI 人工智能的本质与未来[M].孙诗惠,译.北京:中国
Unleash a Revolution of New Possibilities [J]. Scientific American, 人民大学出版社,2017.
2001,284(5):34-43. [18] BLAZEK P J,LIN M M. Explainable Neural Networks that
[9] TURING A M. Computing Machinery and Intelligence [J]. Mind, Simulate Reasoning [J]. Nature Computational Science,2021,1
1950,59(236):433-460. (9):607–618.
[10] 蔡恒进.行为主义、联结主义和符号主义的贯通[J].上海师范 [19] MINSKY M L. Logical Versus Analogical or Symbolic Versus
大学学报(哲学社会科学版),2020,49(4):87-96. Connectionist or Neat Versus Scruffy [J].AI Magazine,1991,12
[11] NEWELL A,SIMON H A. Computer Science as Empirical (2):34-51.
Inquiry: Symbols and Search [J]. Communications of the ACM, (责 任 编 辑 :罗 凤 华)
41