从知识表示到表示: 人工智能认识论上的进步
从知识表示到表示: 人工智能认识论上的进步危辉潘云鹤( 浙江大学CAD SCG 国家重点实验室杭州310027)( 浙江大学计算机科学系杭州310027)摘要 知识表示是对智能进行模拟的一个数学模型9然而它可以不是一个对智能本质的描述特别是传统的符号主义知识表示离揭示人的智能行为发生的内在过程还有很大的差距在神经科学和心理学的指导下通过对智能行为的生理基础和心理过程的研究遵循 解释智能' 的思想可以得到对知识的心智表示的新认识这种表示观的不同预示着人工智能方法论上的进步
关键词 知识表示 人工智能 认知
中图法分类号 TP18
THE PROGRESS IN EPISTEMOLOGY O I:ROM KNOWLEDGE REPRESENT TION TO REPRESENT TIONWEI ~ui and PAN Yun-~e(NC l07Cl K6}LCl07C 07}f07 CAD SCG9 Zh6jlC7g U7l 67Sl }9 C7g h0~ 310027)(D6pC7 m6 0f C0mp~ 67 SCl67C69 Zh6jlC7g U7l 67Sl }9 C7g h0~ 310027)
bstract KnoWledge repreSentation in traditional AI iS a mathematical model of Some human intelligent behaVior but it maybe haS leSS reSemblance to the eSSence of human intelligence The conStruction of a model of cognition aS Well aS of an artificial computational SyStem Should be baSed on epiStemological and neuroScientific iSSueS rather than on computer Science conStraintS The aim of inVeStigationS iS to achieVe a deeper underStanding of knoWledge repreSentation in natural neural netWork From the point of VieW of pSychology it iS important to knoW hoW knoWledge iS repreSented in human mind
Key words knoWledge repreSentation9 artificial intelligence9 cognition
1 知识表示与表示是不同的
计算机可处理的问题必须满足3 个条件即这个问题必须可形式化表示针对问题必须存在一个算法且这个算法必须是可计算的在将计算机应用于 数值计算' 时原问题和形式化后的问题是一致的也就是说数据结构和算法的语义是直接的其间没有转义映射在将计算机应用于 知识处理' 时由于面对的问题形形色色原问题和形式化后的问题理论上是同态的9也就出现了所谓知识表示问题9即为了计算必须将非数值语义和语义间的关系转化为符号问题9用指称的办法来保持和恢复计算结果的语义O
在已开发面世的系统中9知识表达方式的选择是至关重要的9它不仅决定了知识应用的形式9而且也决定了知识处理的效率和可实现的域空间规模的大小 可以说它是对智能行为的一种数学抽象模型. 科学家们已经提出了许多种知识表达方式 如: 谓词逻辑~ 产生式系统~ 关系表示~ 框架~ 脚本等 在任何一本关于人工智能的教材中都能找到.
就人工智能的初衷而言 我们是要对人的智能进行模拟 然而由于对生物智能行为的发生过程知之甚少 所以只能采用现有的工具对好解决的问题进行探索 例如有些自然语言理解~ 计算机视觉算法就是这样一个实用主义的例子. 再反思一下: 已有的人工智能系统所使用的知识表达方式都是针对特定应用的 也就是说是面向问题的. 例如 用状态空间法解八数码问题是成功的 但任何一个人工智能专家都不会把这一方法照搬过去解围棋的博弈问题. 这再一次证明" 功能等价" 的追求在人工智能研究中是一种实用主义的方法.
当然还有一些问题是采用传统的知识表示方式所不能解决的 其原因是此种方法将面临NP 问题的挑战. 例如: 蛋白质折叠问题 它是考察一串氨基酸如何几乎在一瞬间便折叠起来 形成一种具有非常复杂的三维结构的蛋白质的过程. 一个将似真规则用于此项目计算的超级计算机为仅有1OO 个氨基酸组成的极短序列寻找其最终的折叠形式也要花上1O1Z 7年的时间! 这样的问题还大量存在 推销员问题便是我们熟知的另一个 还有太阳系的稳定性问题~ 市场效率问题等. 但这些计算起来十分困难的问题在它们各自的小领域却运转自如 这使我们怀疑对这些真实世界问题的数学表示是不是真实的 是不是为了形式化表示而做了不恰当的省略. 化学炸药的爆炸在瞬间完成 而对爆炸气体膨胀过程的模拟却需要高性能的并行计算机 这种计算上的困难在于计算机的软件和硬件结构与所模拟的事物的真实结构的根本不同 即模拟算法可以是包括事物发生的真实结构的模型 然而此模型中反映真实结构的成分却未必能被计算机系统所实现.
在上面真实世界的问题中隐含着这样一个需要明确的关系: 客观真实~ 信息~ 知识化. 它们紧密相关 客观真实不一定能被我们完全掌握 也就不一定能表现为对我们有用的信息 然而信息又不一定都能被知识化( 即被我们认识到) . 所以力争按照世界的本来面目来认识它总是值得追求的理想 这也正是作者从对知识表示的讨论转向对表示的讨论的原因.
还有 同样一个问题可以采用不同的知识表示方法. 例如: " 北京的春天通常很干燥 已知昨天下雨了 那么今天可能下雨吗? 杭州的春天经常阴雨绵绵 已知昨天下雨了 那么今天可能下雨吗?" 这是一个典型的常识推理问题 其中涉及到例外问题 所以可用缺省逻辑来表示G 同理 其中涉及到极小模型问题 所以可以用限制理论的方法G 其中还涉及可能性问题 所以还可用模态逻辑来表示G 其中还涉及概率问题 所以还可用概率逻辑或模糊逻辑来表示G 当然这也是一个自然语言理解问题 所以也可用心理语言学的办法来解决G 等等. 虽然它们中有的表示方法具有同样的形式逻辑框架 但不同的方法间存在显然不同的思想出发点. 那么我们自己究竟是采用哪种方法来回答上述问题的呢?
若各系统的表示不同 自然它们的体系结构也会不同 即认知结构是面向所处理信息的表示水平的. 知识的表示水平不同 认知结构会有很大的差异 甚至是本质的不同 例如考虑一个自然语言理解系统: 参见图1 若要求计算机分别模拟3 种不同抽象程度的认知结构模型 那么可选择的余地显然是大不一样的. 例如: 当生理心理学关于听觉皮层~ Broca S 区对语言产生的作用和Wernicke S 区对语言理解的作用 这样一些重要成果作为计算语言学的范型时 对表示方式的选择就缩小了 也更直接地指向连接主义的模式. 传统的知识表示不强调智能的内核 而本文所说的表示则刻意追求智能的本质和承载结构.
在认知心理学中 对于信息如何编码的理论 主要有3 种假说 分别称为: 完全表象假说~ 双重编码假说和概念命题假说. 传统的人工智能理论自Simon 和Newell 等创始人开始 就与心理学密切相关 但在它的知识表示方法中唯有概念命题假说得到了广泛的采纳. 因为概念命题假说更抽象 更适合在计算机上设计针对它的算法.
但当将智能系统进行适应性~ 灵活性~ 健壮性和通用性对比时 就不得不考虑信息的内部表示或知识的心智表示( knowledge mental repreSentation) ( 在下文中将其简称为表示) 问题了. 在心理学中 这方面的研究也是核心 即对心象(mental image) 的研究 即" 信息如何存储和如何从记忆中回忆" . 对应到人工智能中就是知识表达~ 存储和应用的研究. 这是一个广泛的问题.
认知心理学中对心象的研究经历了3 个时期: 哲学( " 前科学" ) 期~ 测量期和认知期. 心象研究成为当前8Z O 计 算 机 研 究 与 发 展 Z OOO 年
图1 认知结构面向所处理信息的表示水平
认知研究的主流, 主要表现在两条战线上, 第1 是对心象的定量评估, 代表性的研究有Sheehan, Neisser,Paivio 等; 第2 是将心象的概念合并到一个认知模型中去, 该模型的核心要素是信息的内部表征, 代表性的研究有Anderson, Shepard, Pylyshyn 和Kosslyn 等.
通过2 个例子, 以及对上述3 段进行概括, 对表示的研究不仅涉及人工智能, 而且更多的涉及心理学和生理心理学, 它是关于非符号和非模型论语义的研究. 可见知识表示与表示是不同的.
2 表示反映了对客观真实的认识
对知识表示方法的选择反映了智能系统的开发者对所模拟的智能行为本质的认识, 但不是任何一种表示方式都是对客观真实的反映, 无论是符号主义还是连接主义都是对知识的心智表示的一个近似. 尽管理想和现实间存在差距, 但就心智表示本身而言, 它是着眼于对智能的机理进行探索, 追求一种客观的真实.尽管Feigenbaum 提出的知识工程使人工智能的应用大为拓展, 但开发一个受限域的智能系统和通用7 期 危 辉等, 从知识表示到表示, 人工智能认识论上的进步 821的智能系统根本就是两回事 仅是简单地在知识库中编码进更多的规则和事实不但是困难的9也是影响性能的( 匹配选择需要时间) O 可见知识表示和组织极为重要O 用机器学习的话来说9人脑的知识获取水平和它的知识应用水平衔接得非常好9似乎6知道得越多9反应得越快,O 认知行为的所谓6百步规则,其效率因认知任务不同 强度不同的变化并不大O 且就神经递质传递信息的毫秒级6器件开关速度,而言9只有那些具有联想记忆 并行分布式处理和学习能力的动物才能经得起自然选择的考验O 如果把用知识工程开发的再现智能的系统和人脑这样一个展现智能的系统相比9就能发现这些本质上的机理性区别O
作者通过下述例子来说明在模拟某类智能行为之前了解它实质机理的重要性O 假设我们现在来考察一个搬运机器人应该具备哪些智能
假设1 O 它位于生产单一产品的固定流水线的固定工位9仅用于转运一个部件O 那么9如果此流水线的时序控制精确的话9此机器人就仅需计时 转动和抓握能力就够了O
假设2O 它位于一条柔性的生产流水线上9要转运不同形状的部件9且部件的到来是没有规律的O 那么9此机器人就需要识别能力 将部件与环境区分开 分辨部件的种类 选择合适的抓握姿势 空间的三维感等等O 加上这些带有情景的模式识别的要求后9机器人的智能已非同一般了O
假设3 O 此机器人是一个公用库房的搬运工人9要尽量满足客户的特殊要求9那么9它可能还要具备语音识别 自然语言理解 管理规划等能力了O
由简至繁9此机器人的能力在发生质的飞跃9当然它所需要的实现技术和资金是大相径庭的O 甚至9就目前来看9还不能实现假设2 中所必须的情景下的视觉能力O 用回声定位技术探测到一个障碍物的出现和用视觉模拟技术来发现它9在理论和技术上的复杂度差异是非常明显的O
从人脑的信息加工过程来看9知识获取的第一步是采集9是通过各种感觉器官9尤其以视觉和听觉器官为重要途径9它们获取的信息占人从外界摄取信息总量的 O 以上O 那么9面对如此生动的信息用抽象 概括的知识表示手段来形式化是真实的吗 一个普通的事实是图像比文字蕴含了更丰富的信息 只有看过落日映红地平线的人9才会对6夕阳无限好,的词句萌发感动 言传不如身教 9等等O 它们中的许多都不具备陈述性 结构性的特征O 通过这些9我们是想说明符号化知识表示只有有限的普适性和代表性9人的问题求解方法往往更要借助于形象的知识表示方法9而这些是由人的感觉通道获得信息这一前提手段决定的O 也就是说9从认知角度而言9知识的任何符号化表示( 物理符号系统假设) 都不是首要性的O 认知是一个完整的过程9不能被割裂开来9就像一条生产流水线9上一道工序提供的半成品是下一道工序的原坯9加工只能在这一原坯上进行O 也就是说9人们从外界获得信息的手段决定了信息的表示方式9而信息的加工方法又必须适应这一表示方式[ O]O对听觉皮层和语言中枢9以及与它们相连的毗邻脑区的研究将从根本上解决抽象符号的神经表示与计算问题O 口语的音素和文字的图形都不是抽象的9都是可直接表示的O
作者认为9为了实现前述机器人的能力9人工智能学界完全可以采取生理结构模拟和宏观功能模拟双管齐下的策略9而不能偏颇O 其实这就是符号主义方法与联接主义方法进行高度统一的同义语 人的形象思维往往应用更多的低层认知行为9如知觉能力9较适合采用联接主义的方法 人的抽象思维是人的高级认知行为9如语言 推理等9在形式上较适合采用符号主义的方法O 但所谓高度统一9就是不能忽视人工智能的原型人脑智能的物质基础9它的一切认知行为都是以神经元为基础( neuron-bounded) 实现的O 也就是说9所谓6符号,的操作也是在一个联接主义的网上实现的 O 在已有的条件下9如果采用认知分层的观点9在信号处理 模式识别 语义映射 记忆 动作控制等相对低层的认知功能是采用联接主义的方法 在演绎 推理等逻辑性强的相对高层的认知功能上采用符号主义的方法9相结合构造混合( hybrid) 模型是值得尝试的O 已有了这方面的例子O
3 人工智能认识论上的进步
传统人工智能采取了假设低阶结构不连贯( the inconseguence of the lower order structure) 的策略9并822 计 算 机 研 究 与 发 展 2OOO 年将注意力集中在功能再现( demonstration of function) 上, 这样它的基本目的便落在使机器有用而不是解释智能上, 即不看重这个系统模型是否具有很高的认知意义_ 而认知科学与此恰恰相反_
由知识表示到表示, 由符号主义到联接主义, 是人工智能向着认知科学这一交叉科学博大基础的回归_认知科学的创立使我们对人类认知和智力的研究不再只是直觉的~ 思辨的~ 哲学的讨论, 而是开始建立在现代科学的基础之上_
思维是人工智能的研究对象, 是人工智能研究者的认识对象或说认识客体_ 当我们由知识表示方式的研究深入到表示的研究时, 标志着我们对思维的认识具有了由现象向本质的进步, 也就是对认识客体的深入_将人工智能放在认知科学的羽翼之下, 同时获得了认识方法和认识工具上的进步_ 所以由知识表示到表示是人工智能认识论上的进步_ 任何一种科学认识的本质都是对客观存在和客观规律的反映, 反映的品格决定了科学认识对已有事物的追求, 它要求尽可能如实地反映客观对象的状态和本质, 尽可能地使认识同对象相符, 向认识对象逼近; 而科学认识的创造品格是在反映基础上的预见_ 中科院系统所的吴文俊院士认为: 考虑问题应该从它的本源出发, 不能从逻辑出发, 更不能从公理出发' ; 再加上学科间的相互借鉴, 这构成了一种科学的认识模式_
尽管人类制造的哈勃太空望远镜能看清遥远的星系, 但对近在咫尺的大脑却知之甚少, 揭示脑和意识的奥秘是人类自古以来就梦寐以求的愿望, 所以揭示脑的工作机理是自然科学面临的最重大挑战之一,同时它也是当代科学面临的最重大和最紧迫的任务之一_ 总的来说, 对思维的研究可以从以下两个大的科学门类来综合进行:D神经科学( neuroscience) ; @心理学( psychology) , 其它的学科也可为进行这方面的研究提供帮助_
对人的智能我们不但要 知其然' , 而且还要 知其所以然' _ 当前有一个新出现的学科 计算认知神经科学, 它致力于的正是 知其所以然' 中所包含的问题_ 数学反映世界的真实, 如果有朝一日我们能将大脑的神经系统动力学过程用方程精确地描述出来, 宏观的概念能用微观神经元活动的整合表示出来, 那么知识表示和表示的区别就不重要了_
4 一个关于心理语言学的表示实例
生理心理学强调任何一种智能行为都有其出现的内在机制, 发现思维的认知结构是认知科学的中心问题_ 对人类语言进行其内在机制的研究是上述趋势的代表_
个体言语获得涉及几个同时和日益被牵连的方面: 语音~ 词义和句法; 它们都有 发出' 和 接受' 的成分_自Chomsky 提出 转换 生成' 理论和语言具有的表层/ 深层结构理论以来, 心理语言学对言语发生的机制的研究不断深入, 而且神经生理学对言语发生的中枢机制的研究从根本上丰富了我们对语言学的认识_ 所有这些研究都应该成为人工智能的理论基础_ 我们认为言语的加工过程是在某种结构上进行的, 除了这个结构的具体构成问题之外, 它的表示与构造过程( 不说是更重要的至少) 也是同等重要的两个问题_
语义网的表示是语义网构造的根基, 我们强调表示问题, 就是为了强调计算的观点, 为了说明包括语言在内的高级心理行为也有决定其外在表现的结构和算法_ 我们把语义网看做是知识结构, 它是认知结构的核心_ 近30 年来, 发展心理学者们已经习惯了在统一的知识表达方式的前提下来考察认知结构的构造问题_ 构造主义的观念在认知发展中的重要性和核心地位已能取得广泛共识_
表示问题在心理学上表现为对记忆机理的研究, 包括学习与记忆这两个不可分割的方面_ 在生理学意义下, 记忆的基本组成形式是突触的变化, 神经元通过突触进行相互作用和通信, 由此而构成一个互连的复杂系统, 这完全类似于电路_ 对于语言的表示问题在最底层的层次上是视觉( 对书面语) 和听觉( 对口语) 的皮层机制问题, 听觉机制对语言更重要, 因为文盲~ 尚不识字的儿童和发明文字前的古人都只能通过语音来交流_
神经生理学家通过研究从内耳到一些中继神经核再到听觉皮层这样一个信号传导和处理通路, 希望发现声音是如何被编码的, 也就是听觉的皮层机制问题_ 虽然目前的研究成果还不很丰富但有一些却可确认:整个通路至少由107 数量级的神经元构成; 存在许多具有频率特异响应的神经元; 听觉皮层与耳底膜间存在类似于视觉感受野的拓扑映射关联, 也就是说频率可转换到空间上来表达; 听觉皮层能对超越频率与强度等7 期 危 辉等:从知识表示到表示:人工智能认识论上的进步 23简单特征的复杂音调模式进行辨认. 这些成果对于由语音构成( 代表词的) 符号的直接表达具有很大的意义. 再加上BrOca s 区对言语产生的作用和Wernicke s 区对言语理解的作用的研究, 尤其是对知觉信息基本表达的研究, 都为突破在计算机的计算模型上只能对语义进行符号表达的局限作了基础准备. 这使我们在理论上能弥补Searle 在 汉语实验室' 中所指出的符号语义并不能真正实现对语言的理解的根本缺陷. 图2 便是一个考虑了生理和心理因素~ 同时采用了已有的人工智能技术的关于言语计算结构模型. 模型的细节不是本文的重点, 但我们从中可见, 传统的知识表示手段( 语义网) 在其构造发展过程~ 表示基础和知识应用方式3 方面用神经机制来解释和实现时所发生的深刻变化.
图2 一个心理语言学观点的言语的计算结构模型
致谢感谢北京系统工程研究所的何新贵研究员和北京航空航天大学计算机科学系.
参考文献
1 王珏, 袁小红, 石纯一等. 关于知识表示的讨论. 计算机学报, 1995, 18( 3) : 212~224
( Wang Jue, Yuan XiaOhOng, Shi Chunyi et al. DiscussiOns On knOWledge representatiOn. Chinese JOurnal Of COmputers( in Chinese) ,1995, 18( 3) : 212~224)
2 何新贵. 知识处理与专家系统. 北京: 国防工业出版社, 1990
(~e Xingui. KnOWledge PrOcessing and Expert System( in Chinese) . Beijing: NatiOnal Defense Industry Publishing COmpany, 1990)
3 赵南元. 认知科学与广义进化论. 北京: 清华大学出版社, 1994
( ZhaO Nanyuan. COgnitive Science and Pan-EvOlutiOnism( in Chinese) . Beijing: Tsinghua University Publishing COmpany, 1994)
4 ApariciO IV Manual, Levine Daniel S. Neural NetWOrks fOr KnOWledge RepresentatiOn and Inference. ~illsdale: LaWrence ErlbaumAssOciates, 1994
5 JOhn L Casti. 正视科学的逻辑界限. 科学, 1997, ( 2) : 42~45
( JOhn L Casti. Envisage the lOgical bOundary Of science. JOurnal Of Science( in Chinese) , 1997, ( 2) : 42~45)
6 约翰内斯 恩格尔坎普. 心理语言学. 上海: 上海译文出版社, 1997
( JOhnnes Engelkamp. PsychOlinguistics( in Chinese) . Shanghai: Shanghai TranslatiOn Publishing COmpany, 1997)
7 Daniel P. Kimble. BiOlOgical PsychOlOgy, OregOn: ~Olt Rinehart and WinstOn Inc, 1988
8 邵郊. 生理心理学. 北京: 人民教育出版社, 1996
( ShaO JiaO. PhysiOlOgical PsychOlOgy( in Chinese) . Beijing: PeOple EducatiOn Publishing COmpany, 1996)
9 罗伯特L, 索尔索. 认知心理学. 北京: 教育科学出版社, 1990
( RObert L SOlO. COgnitive PsychOlOgy( in Chinese) . Beijing: EducatiOn Science Publishing COmpany, 1990)
10 危辉. 智能脑机制的认知结构核心之元态 表象式语义网及其构造[博士论文]. 北京: 北京航空航天大学, 1998
(Wei ~ui. The primitive center Of cOgnitive architecture fOr brain mechanism Of intelligence The semantic netWOrk Of mental image and its construction[ Ph D dissertation]( in Chinese) . Beijing, Beijing University of Aeronautics and Astronautics 1998)
11 陈霖. 认知科学中若干基本问题的研究进展. 中国科学院院刊 1993 ( 2) , 112~118
(Chen Lin. The progress in the research of some fundamental problems of cognitive science. Journal of Chinese Academy of Sciences( in Chinese) 1993 ( 2) , 112~118)
12 杨雄里. 神经科学. 北京, 中国科学技术出版社 1991
(Yang xiongli. Neuroscience( in Chinese) . Beijing, China Science and Technology Publishing Company 1991)
13 杨玉辉. 揭示大脑和意识的奥妙. 重庆, 西南师范大学出版社 1993
( Yang Yuhui. The opening out of arcanum for human brain and consciousness( in Chinese) . Chongging, Southwest Normal University Publishing Company 1993)
14 Philp M Groves Kurt Schlesinger. Biological Psychology( 2nd Edition) . Dubugue, Brown Company Publishers 1982
页:
[1]