机制主义：人工智能的和谐统一

人工智能重要的走向，就是要从原来三家分而治之，走向机制主义。机制主义人工智能理论把三种方法从原来的互不相容，发展到相互联系。最近出现的Alpha Go就把结构主义的人工智能理论跟功能主义人工智能理论进行了成功的结合。

为什么能够统一它们，而且天一无缝，原因就是机制主义。这个理论就包含刚才讲从信息通过各种办法转换成为知识，然后通过各种办法转换成为智能策略，这样去解决问题。实际上从信息到知识主要办法是归纳，从知识到智能主要办法是演绎，这个路就是通的，数学的理论、技术的方法，其实都很明确的。

但是我们这个方法一展开，知识理论有三种生长过程，三种状态，一个就是经验性的知识，再一个是规范性的知识，再下来是常识性的知识。这三个知识不是孤立的，是一个生长过程。由信息刚刚提炼为知识的时候，是经验性的，因为你的信息样本不一定充分，不一定典型，不一定便利，只要你给我补充更多的信息，经验知识可能还改变形态，所以是个经验性的，不够成熟的。

然后这个知识随着信息补充越来越多，抽象的方法越来越完整，这个经验性知识可以进一步生成为规范性的知识，然后在两者又可能，里头有一些共性的东西，可以沉淀为常识性的知识。所以这三个知识是相通的，是一个生态过程。那么好了，机制主义这方法，不是是由信息转换为知识转换为智能，这个知识一展开就有A型B型C型。

A型就是信息转换为经验性的知识，转换成为经验性的策略，B型就是信息转换成为规范性的知识，规范性的策略，C型的信息转换成为常识性的策略，常识性的知识，常识性的智能策略。这三种都是经验性的，都是机制主义的方法，就看我们面对这个问题，我们掌握有什么样的知识，是哪一种类型的知识，就可以得到哪一种类型的智能的策略。

这个展开以后就发现了，人工神经网络，就是这个结构主义的人工智能知识，它用的就是经验性的知识，因为所有的网络建立起来，都是要从大量的样本去训练，这个神经网络的连接全矩阵，一个样本，两个样本 n个样本，多少个样本在训练，这个圈子慢慢慢慢变化，变来变去变了之后不动了，稳定了，就认为这个知识得到了。

这个知识就是个经验性的知识，因为你的样本，其实并不见得就已经稳定了，只是说可能是上升到一个，相对变化慢的时候了，所以它是个经验性的知识。这个正好是机制主义方法的A型，然后功能主义的人工智能理论，就是专家系统那一套。因为专家系统都要有一个知识库，这个知识库输入的知识都是规范的，书本学来的，专家所具有的，因为它要做到专家水平嘛。

这种知识就是我们机制主义方法的B型，利用规范性的知识，然后机器人或者叫做行为主义的方法，它就是机制主义方法的C型，因为这个形态就是C型，就是常识性的知识。因为你什么样的刺激才能有什么样的响应，大部分的都是模拟那种用常识来支持的。

比如天热了减衣服，天凉了加衣服，灯光不够亮了就多开几个灯，灯光太亮了要关掉几个灯，这些都是很常识性的知识。机器人模拟这些东西可以，要让机器人从这个地方，把一个东西搬到那边去，好，机器人让它走到这样一个物体跟前，看到这样一个形式的设计，就伸只手把它抓起来就产生这个动作，然后按照规定的程式，要从这个地方转移到这个地方，到这个地方看到这个刺激，是这样一个对象了，产生的行为就把这个东西放下来，这都是常识性的东西。

所以三大学派，其实就是机制主义人工智能方法的，三个具体的类型，就是A型B型C型，所以你把它融合在一起了，统一在一起了。刚才我在讲它是天衣无缝，不是一般地把它统一起来，而是把它很有机和谐地统一起来，不打架了，不像以前人工智能，说“AI is dead”，你已经死了，“long live new network”我的万岁。

不是这样的，三个方法各管一段，但是段与段之间可以生长，可以沟通，可以互相联系。那么就是说A型通过把经验性的知识，通过检验、补充、完善就变成B型，B型跟A型又可以通过沉淀就可以变成C型。所以它是可以生长的一个生态的过程，不是原来那样还要你死我活，有我就没你，有你就没我，不是这样的，这个机制主义人工智能的理论，一个意外的收获，但是现在看来，看上去是意外，实际上是合情合理。

本来就应该互相之间能够沟通的，只是因为分而治之方法论，把它联系割断了，看不见那个联系了。所以互相之间都以为，大家都研究人工智能，但是就不能走到一起去，而且觉得对方也搞智能，我也搞智能，你对我是个威胁，我对你又是个威胁，互相之间有一种不和谐的这样一种看法，实际上真正把这些表面现象都剥开以后，深入到内层你就发现，原来是一体的，有内在的联系的。

只不过三个阶段有三个阶段的特征，三个阶段的比较本质的，这样一种阶段性的区别，是这样一个东西。所以我就觉得机制主义人工智能理论就真的做到位了，就把三种方法，原来打来打去，现在能够看到它们的相互联系了，这是一个很重大的一个发现。那么人工智能重要的走向，就是要从原来三家分而治之，要走向机制主义。

最近这Alpha Go的顺利，就证明了我们这个方法是对的。因为Alpha Go呢，原来下棋这种人工智能游戏，是用专家系统做的，就是我搜索你走一步我走一步，你走一步以后我有多少种走法。可能是比方有一百种走法，那么我就要比较这一百种走法当中，哪一个是对我最有利的，选出这个来我就走这一步，然后我走了这一步，你又有多少种走法，又要去计算，这个就是博弈搜索，是专家系统的方法，就是第二种方法，功能主义的。

这次Alpha Go在专家系统的基础之上，关于走出来有这么多种走法，到底哪一种走法最好，这个不再用原来的办法了，而是用的神经网络，就是所谓深度的神经网络，因此叫做深度学习，用它来去计算，去学习。这一百多种走法当中，哪一种最优，哪一种次优，这样一来Alpha Go就把结构主义的人工智能理论跟功能主义人工智能理论有了一个结合，走向融合就等于是证明了我们这个方法是完全对的。

不过它那个结构还是比较初步的，而我们这个是看到它的内在的、本质的联系。所以这个方法，肯定将来这三种方法都要融合在一起才能够真正把人工智能的理论做到位，比方说要能够从跟外部世界的接触产生了智能策略又改造这个外部世界。现在很多专家系统，都不跟外部世界打交道，靠人给它一个问题，然后你给一个解决的办法，人知道了人自己去解决，都是只做了脑筋这一部分，没有把这个脑跟我们的感官，跟我们的行动器官、执行器官作为一个大系统来做。

用计算机来模拟人脑是个局部的智能，另外现在智能都不考虑情感，尤其是不考虑意识。人有意识，意识是什么，怎么做这个意识，都不做。而机制主义人工智能理论把这些东西全都用机制生成的这个方法、这个理论说明意识是怎么生成的，情感是怎么生成的，理智又怎么生成的，这些东西怎么样有机地综合。

这个就是人工智能一定会朝这个方向去走，如果不走到这一步，那这个人工智能的发展就是不完善的，所以Alpha Go这个，给我们一个很强有力的支持。（我）认为我们这个路是走对了，我们今天走到这个地步，好像国内国外的人都还没想到这一步，都没有注意到，怎么样从机制去解决问题。

基本理论这一段讲到这儿我们也有一个小结。

第一，信息理论从Shannon（香农）的通信的数学理论，也就是只有语法——而且只有统计的，非统计的没做——从这个理论我们把它改造成为可以统筹语法语义语用的，这样一种全信息的理论。这个是一个大踏步的一个前进，也为人工智能走到机制主义这一路，没有全信息理论是走不过去的，这是第一点。

第二点，知识理论从刚才分离的两种，一个知识工程，一个知识发现，走到知识的生态理论。

第三个，智能理论从“鼎足三分”的人工智能，人工神经网络理论，狭义的人工智能理论——就是专家系统，然后就是感知-动作，这样一个系统的理论，走到三位一体，而且和谐融合的，以这个智能生成机制为标志的，这么一个统一的人工智能理论，所以这个理论真的是一个重构，都不是原来的理论简简单单地就演绎成为这种新的理论了，这是这一段告一个段落。