1、引言

　　21世紀(jì)肯定是人工智能大行其道的世紀(jì)，但不是以馮機(jī)為基礎(chǔ)的機(jī)器智能，而是以人腦為摹本的智能機(jī)器。智能機(jī)器，是提高機(jī)器本身的基礎(chǔ)性能，使其更接近于人腦的結(jié)構(gòu)與功能機(jī)制。這意味著必須變革目前的計(jì)算理論與技術(shù)，且一定是革命性的原理變革。

　　眾所周知，人工智能基本上是在沿著三個(gè)途徑前進(jìn)：一是符號(hào)機(jī)制；二是連接機(jī)制；三是控制論機(jī)制。從目前的狀態(tài)來(lái)看，三者都難以實(shí)現(xiàn)計(jì)算理論與技術(shù)的根本性變革。

　　為達(dá)到根本變革的目的，必須尋求最優(yōu)化計(jì)算模型,必須從基礎(chǔ)理論尋求出路。

　　2、人工智能的基礎(chǔ)

　　迄今為止，人工智能都是機(jī)器智能，欲有效模擬人腦智能，機(jī)器智能不能取代智能機(jī)器。認(rèn)識(shí)腦是如何工作的機(jī)理，建立各種“腦模型”，搞智能機(jī)器才是智能模擬的根本出路。鑒于揭示腦工作的原理機(jī)制不能用還原論方法解決，也不能靠發(fā)現(xiàn)腦神經(jīng)元或單個(gè)細(xì)胞以至分子結(jié)構(gòu)解決。因而揭示出能把大量神經(jīng)元組裝成一個(gè)整體系統(tǒng)的設(shè)計(jì)原理，及研究神經(jīng)計(jì)算的基本原理，并弄清楚如何將其應(yīng)用于智能機(jī)器，是當(dāng)前面臨的主要任務(wù)。

　　Mccllelland和Plaut指出：“計(jì)算模型”是揭示人類本質(zhì)認(rèn)知過(guò)程的有用工具，可也有人認(rèn)為用腦的計(jì)算模型來(lái)解決有關(guān)“意識(shí)的問(wèn)題”十分困難，甚至是不可能的。由于計(jì)算上的復(fù)雜性，還認(rèn)為腦功能不能用“計(jì)算”來(lái)解釋。而我們認(rèn)為提出計(jì)算模型是必需的，但必須以與人腦相似同構(gòu)的計(jì)算原理及模型為基礎(chǔ)。

　　模擬人腦，從某種程度上講就是構(gòu)建人腦模型。但我們又不可能完全的與人腦實(shí)現(xiàn)同構(gòu)同功，這就要求我們必須建立介于計(jì)算機(jī)與人腦之間的同構(gòu)模型。以便吸收計(jì)算機(jī)與人腦兩個(gè)方面的優(yōu)點(diǎn)。相對(duì)于人腦智能，完全相似反而沒(méi)有意義，而不似則體現(xiàn)不了必要的智能。只有在似與不似之間，既體現(xiàn)人腦功能的本質(zhì)特征，又能實(shí)現(xiàn)傳統(tǒng)計(jì)算機(jī)結(jié)構(gòu)與功能的某些超越。另外，與人腦不完全相似實(shí)際上是計(jì)算機(jī)的一個(gè)本質(zhì)性優(yōu)點(diǎn)，否則，計(jì)算機(jī)就不可能毫無(wú)條件的聽(tīng)命于人，也不可能不知疲倦的在危險(xiǎn)環(huán)境中連續(xù)工作。因而我們的目標(biāo)不是毫無(wú)二致的模擬人腦智能，而是綜合符號(hào)機(jī)制、連接機(jī)制與行為機(jī)制的特點(diǎn)，提高計(jì)算機(jī)的基礎(chǔ)性能，使其成為模擬人腦智能的理想工具。計(jì)算機(jī)只有不完全象人腦，才有可能在某些方面超越人腦。這就象人類模擬鳥飛的飛機(jī)，正因?yàn)楹网B不同――不象鳥一樣飛得那么靈活，才比鳥飛的更高、更遠(yuǎn)、更快、更能承重。

　　與人腦及計(jì)算機(jī)同構(gòu)的模型

　?、?、必須以自然原型為基礎(chǔ)

　　早在80年代初，威爾森就相信對(duì)人工智能的研究已走入誤區(qū)，他說(shuō)：“在研究各種獨(dú)立的人類智能方面，人工智能項(xiàng)目可以說(shuō)是其中的最杰出代表，有些成果是非常令人驚奇的，但這些研究的對(duì)象是過(guò)于具體化的功能，所以沒(méi)法從它們中總結(jié)出規(guī)律性，另一個(gè)問(wèn)題是它們不會(huì)直接從周圍環(huán)境中汲取所需，而只能坐在那兒，直到人們給它們信號(hào)，然后也僅僅是復(fù)制這些信號(hào)而全然不知它的意義。它們中沒(méi)有一個(gè)程序能從周圍環(huán)境中學(xué)習(xí)或適應(yīng)環(huán)境，而這些哪怕最簡(jiǎn)單的生物也會(huì)具有的功能，卻被我們?nèi)斯ぶ悄軐W(xué)者忽略了。

　　②、以模擬自適應(yīng)性為基礎(chǔ)

　　傳統(tǒng)機(jī)器人的行為往往被事先編制的動(dòng)作所限制，當(dāng)出現(xiàn)了設(shè)計(jì)者沒(méi)有預(yù)計(jì)到的情況時(shí)，這些動(dòng)作又顯得非常不合理。另外，因其行為受中央控制程序的控制，如果想要增加一個(gè)新的功能，往往需要重新編制程序，以保證中央程序能對(duì)其有效實(shí)施管理。但在兼容性要求成指數(shù)增加時(shí)，就會(huì)難以應(yīng)付。相比之下，布魯克斯認(rèn)為，即使是最低級(jí)的智能行為都是自然發(fā)生的，而不是用人類的程序明確規(guī)定的。因而他的做法可能要實(shí)用一些。他的包孕結(jié)構(gòu)控制下的機(jī)器人所具有的功能，遠(yuǎn)遠(yuǎn)超過(guò)機(jī)器人所能作的單獨(dú)動(dòng)作的總和。環(huán)境中涌入的感覺(jué)信號(hào)觸發(fā)規(guī)則，作出“自然發(fā)生行為”的命令，可使簡(jiǎn)單的單獨(dú)動(dòng)作以無(wú)法預(yù)料的復(fù)雜方式結(jié)合，可使簡(jiǎn)單元素間進(jìn)行復(fù)雜的相互作用。布魯克斯認(rèn)為用環(huán)境因素觸發(fā)規(guī)則，然后自然發(fā)生行為無(wú)疑是正確的，但必須明確自發(fā)行為的自然機(jī)制及其結(jié)構(gòu)，且能夠總結(jié)出明確的理論，但這一問(wèn)題布魯克斯事實(shí)上并沒(méi)有解決。他的做法并非真正的遵循了自適應(yīng)機(jī)制，這是因?yàn)樽赃m應(yīng)的前提是自組織。而自組織的含義并非僅僅是有關(guān)元素的動(dòng)態(tài)隨機(jī)整合，其更基本的部分是有關(guān)元素建立普遍性的確定性互為因果作用關(guān)系，在此基礎(chǔ)上實(shí)現(xiàn)狀態(tài)的組合與分解，實(shí)現(xiàn)狀態(tài)隨機(jī)轉(zhuǎn)換、互相驅(qū)動(dòng)及刺激反映，才是真正的建立在自組織基礎(chǔ)上的自適應(yīng)。

　　另外，智能不是被強(qiáng)行插入一個(gè)系統(tǒng)里，所有功能都是神經(jīng)元交互或協(xié)同作用的預(yù)期自然反應(yīng)。以往，大多數(shù)的神經(jīng)網(wǎng)絡(luò)只是在“靜態(tài)數(shù)據(jù)”或”外部控制”的條件下才能運(yùn)行，這也就意味著它們只能處理一系列簡(jiǎn)單的不變模式，必須在非常緊密的監(jiān)控下進(jìn)行訓(xùn)練，且進(jìn)展非常緩慢。因而格勞斯博格認(rèn)為，一個(gè)真正的類人大腦神經(jīng)網(wǎng)絡(luò)應(yīng)該是自恰的，具有快速學(xué)習(xí)和適應(yīng)能力，也就是說(shuō)，它能很快辨認(rèn)及處理它所遇到的現(xiàn)場(chǎng)情況。這就要求系統(tǒng)必須以交互或協(xié)同作用為基礎(chǔ)，隨機(jī)的刺激能引起預(yù)期的反應(yīng)，這一點(diǎn)對(duì)于模擬人腦智能至關(guān)重要。

　?、?、以自組織結(jié)構(gòu)模擬為基礎(chǔ)

　　連接機(jī)制代表了一種全新的人工智能研究方法。它不是試圖去復(fù)制大腦高層次功能，而是試圖從分類或辨認(rèn)圖象這一相對(duì)簡(jiǎn)單的目標(biāo)開始，在簡(jiǎn)單的選擇層次上進(jìn)行深入研究。據(jù)此，一部分連接機(jī)制研究人員認(rèn)為，智能不是從深?yuàn)W的邏輯原則，或復(fù)雜的算法中創(chuàng)造出來(lái)的，而是成千上萬(wàn)個(gè)神經(jīng)元在不停地互相交流信息，產(chǎn)生出種種可能的組合。人工智能基于連接機(jī)制的思路沒(méi)有錯(cuò)，只是神經(jīng)元的連結(jié)模式并非僅僅限于定向的協(xié)同作用方式，還有交互作用方式，且交互作用方式是更基本的方式。因?yàn)闋顟B(tài)的交互作用結(jié)構(gòu)是統(tǒng)一環(huán)境與背景信息的唯一途徑，只有以確定性交互作用關(guān)系為基礎(chǔ)，才能使系統(tǒng)內(nèi)部與外部狀態(tài)統(tǒng)一。只有這種統(tǒng)一，才能保證系統(tǒng)面對(duì)刺激進(jìn)行實(shí)時(shí)反應(yīng)，及基于某種確定性關(guān)系進(jìn)行預(yù)期反應(yīng)。神經(jīng)系統(tǒng)之所以能夠利用非常簡(jiǎn)單的神經(jīng)元特性，實(shí)現(xiàn)極其復(fù)雜的預(yù)期反應(yīng)，完全取決于神經(jīng)元連結(jié)的自組織結(jié)構(gòu)模式，且不僅限于一種結(jié)構(gòu)模式。