科学网 › 标签 › 思维特点

标签: 思维特点

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

青少年的思维特点和教学原则: fanxiaoyingz 2010-1-12 19:37; 青少年的思维特点和教学原则首先我们来回顾一下汉语教学是如何逐步展开，最后完成教学任务的时间周期。一个小孩从出生到上幼儿园实际上在一直练习汉语听力，听力练习到一定程度他才开口讲话，这个时间大概是一岁半。所以从出生到一岁半是听力练习阶段，当然以后也是练习听力阶段。一岁半以后是口语练习阶段，从此后一生都在练习。 5 岁是读写开始练习阶段，从此开始识字，同时开始讲故事听故事，小学是他们记叙文的练习阶段，开始记流水帐故事，后来写的故事作文开始有水平了，但是不满足了，于是对说明文发生了兴趣，初中开始大量阅读各种知识（说明文），宛然知识爆炸了，后来世界观慢慢形成了，也发现不是所有的说明文都是正确的，于是开始议论，高中学生开始对辩论十分热衷，这时候他们的作文能力提高最迅速，进入议论文学习阶段，学会了分析、讨论、辨别，同时学会了许多文体知识，大学阶段开始欣赏各种流派的文学。至此完成全部汉语教学任务。实际上文学欣赏阶段已经不能算是汉语教学的普通阶段了，所以正式的语文教学工作在高中后期正式结束，这时候学生的年龄在 18 岁左右。可以看出大量识字阶段是在小学和初中阶段，识字量大概占一生生字使用量的 90 ％，这时候学生的年龄大约 15 岁，也就是说人在 15 岁以前就记住了大约 5000 个汉语生字，从 6 岁开始上学算起平均一年记忆 500 个，少年的记忆能力很惊人。由于英语单词量远大于汉语单词，所以可以看出在中学阶段让他们掌握 6000 ～ 8000 个单词并不过分，他们的天分是惊人的。所以我只能得出以下结论：把英语学习的重点从大学转移到中学，极大的增加任务量、教学量。人认识世界的循序是从具体到抽象，所以学习语言的顺序也应该是先具体后抽象，这就是为什么学生学习语文的时候开始总是喜欢看记叙文，你看小学生听故事的神态就像他自己是当事人一样，后来他们看小说上瘾，这一阶段往往在初中和高中早期，有的人不经过说明文阶段直接进入议论文阶段，人进入抽象思维阶段以后才真正进入议论文学习阶段，有的人从记叙文阶段进入说明文阶段，在初中高中对各种知识如饥似渴地读，这种人往往最后成为议论大家。所以不同年龄阶段的人所喜欢接受的东西显然是不一样的。不仅如此，由于他们的习惯、喜好、生理、心里也在变化，对教学的爱好方式就完全不同。比如满堂灌的教学方式很不适合少年儿童，但是特别适合于成年人。特别是 30 岁以后上了年龄的人，反而不喜欢那些花花绿绿，看似精彩的教学方法。我们许多大学里请的外教喜欢给研究生做游戏，演戏剧，我也参加了，但是我并没有觉得我的英语水平有什么提高，反而惹得我烦心，这和我十几岁的时候的表现大不一样，我那时候只要叫我做游戏我就来劲。我想根本原因是大人们对英语对应的各种事物已经完全了解，理解深透了，对他们而言只存在英语载体和概念的搭配问题，已经不存在理解问题了，对这种人满堂灌教学方式是最好了。但是对那些即在学习语言，又在体会人生经验的人，增加感性认识的就大不相同了，必须运用各种媒体工具，教学工具，表达工具使他们深刻体会。我们过去给小学生满堂灌受到社会的广泛批评，它的错误就是教学方式的张冠李戴。所以一定要设计出符合年龄特点、知识结构特点和个人天赋特点的对应的教学方式来教学。青少年的记忆特点是年龄越小记忆力越好，尤其是机械记忆能力，随着年龄的增长记忆力下降；思维特点是儿童期形象思维能力很强，慢慢转移到抽象思维上，反映在兴趣上就是少年喜欢记叙文，青年时才喜欢议论文，少年儿童的听写特点是听力远远好于书写能力。青少年的思维特点是：在婴儿时期不会思维，仅仅会简单的反映，儿童时期学会简单的判断，少年时期学会了具体思维，思维深度很浅，然后逐步深入，到了青年时代学会了抽象思维，但是深度在逐渐增加，到了 30 多岁思维才彻底发育成熟。根据以上规律，教学改革的原则应该是：首先，在中学大量使用记叙文和说明文的分量，在大学里逐步加进议论文分量。而且记叙文应该由日常生活开始，然后逐渐推到文学作品。这些在现在的英语教材中反映的很好，但是分量不够。实际上由于我们在中学阶段的训练分量不够导致在大学里学习议论文非常费力，所以学不好。看看我们大学的课程基本上全部是说明文和议论文，完全没有做好和中学教育的衔接工作，大学里英语设置上至少要加进大篇幅文学欣赏作品。为什么没有安排，可能是我们的教授还没有认识到文学作品给学习带来的巨大好处。实际上即使是成年人，初次学习一门外语也应该首先从记叙文学起，这是记叙文的特点决定的。人们对于事物的理解都是从具体开始的，然后才逐步引申到引申意，最后才引申到抽象概念。所以学习记叙文非常有利于对单词原意的理解，只有对原意的深入理解才能进一步学习。这一规律实际上和人们建立发明这些词汇概念的过程是一致的。在英语中，可能有许多相同的概念却有多个单词来承载，比如牧草地，英语中就不下五个同义词或者近义词，但是有些单词却有许多种含义，比如 delicate 。这种概念与单词的组合、交叉是理解英语的难点，而这些难点只能放到记叙文和说明文中才好理解，因为在记叙文中一个单词往往在不同的场景下反复出现，这非常有助于理解它的用法，如果放到议论文中可能使人更加迷糊，学习效果自然很差。记叙文的另一个最大的好处是它能帮助学习者更好更准确的掌握单词单数复数、介词，连词和各种语态，时态的用法，这种优势是议论文所不及的，而这恰恰是写作翻译的难点。第三个好处是记叙文中有浓浓的感情，所以非常有助于调动读者的七情六欲，理解单词的感情色彩，进而有助于理解单词的引申义，加深记忆和理解。这和直接学习议论文的效果截然不同。应该清楚地看到我们多数大学生、研究生之所以阅读能力还好，但是不会灵活运用，不会翻译写作实际上是对单词的理解深度不够，对它的用法没有完全掌握，也不会和其它词汇灵活搭配，而这些问题在看英语小说中基本可以解决。那么议论文有什么缺点和特点呢？原因有以下几点：第一，议论文中的单词许多是抽象概念，中国人用汉语去理解也有一定困难，何况是用英语？一个单词实际上就是一个思维结点，是一个思维连续体上截取的一个小段，抽象单词基本上就不能脱离一个民族的思维习惯和风俗特点而存在，因为它们是思维连续体本身，也不能脱离人们对概念的截取范围而存在。概念的截取范围往往导致英汉互译的的歧义、重复和不完全。这些特点决定了议论文在概念上的歧义和虚无性，英语水平没有达到相当程度的人是很难完全理解其内涵的。第二，议论文的思维跳跃性太强。这也与民族特点和个人思维特点有关系。议论文作品常常使人觉得那个人在东一榔头，西一棒槌的讲，非常零散，你一点内容不理解就可能影响整个篇幅。一般来说，外国人所写的议论文和中国人所写的大不相同，就是把外国人所写的议论文正常、正确地翻译为中文常常也难于理解。最明显的例子是《资本论》，《资本论》是经典著作，已经明白无误地翻译成了汉语，但是你去读汉语版的《资本论》仍然有很大的困难，因为它的引例特点，思维的连续性和跳跃性和中国人是不同的。第三，议论文往往有比较强的专业性，非专业人员对它的理解难度就很大。第四，议论文的文化差异是不能以议论文为教学基础的另一个重要原因。这些文化差异集中地体现在宗教理念、生产组织方式、家庭婚姻观念、政治体制等方面，由于这些不同，对外国人来说普通的东西对中国人说也可能难于理解，正如中国的中医理论和八卦理论基本上不被外国人理解一样。第五，作者的思维高度和深度不同，写作作风不同，以及它们与读者在以上内容的差异也是造成议论文不好理解的重要原因。思维深度浅的人理解高水平的议论文就有困难。综上所述，英语教学中应该尽量避开这些产生歧义和难于理解的东西，否则只能是没有学习效果，甚至反效果。这一点在我自己的学习中深有体会。当然大学高年级和研究生阶段应该有选择有针对地加进议论文。其次，学习内容迅速展开，难度逐渐加大，强度不要减小，时间把握好。我说对孩子教授汉语，从一开始强度就很大，只是难度在加大，学习量在逐渐加大。为什么这么说呢？学习强度和难度有什么区别呢？学习强度就是相同或者相近内容的东西不断练习的次数，简单说就是重复练习。学习难度就是指学习内容能够被学生理解的程度，自然与学生的知识技能水平有关系。那么大的学习强度在学习中起了什么作用呢？孩子们重复的练习写字、听说，手、脑、感觉神经，运动神经联合运动，实际上在强化潜意识文字反映能力，是把感觉神经、中央神经和运动神经三种神经兴奋集约整合过程，这个过程完成后就可以做到手脑耳眼同时反应，使同学们能够做到望文生意，听音遂心，书写自由。简单说实际上是形成和扩展大脑中汉语语言区的过程。实际上这项工作在学习任何技能的时候都必须做，包括学习英语。其次，充分利用概念建立和英语单词理解之间的滞后现象，在学生用汉语充分理解的课程中设立英语专业课，会极大的促进英语的学习。教育部专家的工作就是筛选这些课程。设立英语专业课有利于深化理解和复习以前的专业课程，这样才能极大地提高学生学习的积极性和兴趣。它有双重学习的效果。英语专业课的设立应当是选修课数量远远多于必修课，尤其是大学。必要的英语必修课应当是英语数学，英语文学和基础专业课等。要充分照顾学生对专业的兴趣爱好，并与之对应。我们现在大学的大学生英语、研究生英语的文章很精彩，但是说实在有 80 ％我都不喜欢读（我能读懂），与我的兴趣没有多大关系，也与我的研究专业毫不相干吗，（而我想读的却没有，遗憾吧 ! ）。我们的教育专家也许犯了两个个永远也不应当原谅的错误，那就是兴趣爱好实际上是学习和创新的原动力，而他们以统编教材严重的扼杀了许多人的这种原动力，直接导致现在的研究生质量大幅度下降他们没有独立思维能力，没有创新能力，这实际上在扼杀我们的综合国力。另一个错误就是他们可能没有清楚的认识到条条道路通罗马这个道理，实际上通过对个人所爱好的专业的强化训练，也完全可以达到我们所要求的其它常规能力。比如对数学特别爱好的学生通过专业数学的读、写、听的练习，完全能够达到我们大学英语六级所要求的英语水平，甚至许多方面会超过，实际上数学对那个学生来说仅仅是英语的一个能力突破口，经过了这个突破口进入了英语王国以后，以后的事情只能用势如破竹来形容了。第三，要善用题海战术，用大量的篇幅、大量的词汇来刺激学习，但是用更低的及格标准来考察学生的学习效果。这也有它的原理，是语言的本质特点决定的，也是大脑的根本特点决定的。你掌握了一种语言以后并不像物理等专业东西一样用的时候很少，相反，语言是天天用，时时用的一种工具。而且你每用一次会有不同的体会，不同的感情在里面，所以实际上语言是不断学习、不断使用、不断熟悉，不断体会的过程，既然是这样那就没有必要一次就学通，学精，实际上一次就学精是不可能的。语言往往有它的表面意思，潜藏意思，引申意思，抽象意思，感情意思，场地意思等等，而且它的意思会随着社会观念的变化而变化，一个人不可能一次就把这些意思完全吃透。所以学习英语实际上是个不断熟悉，不断认识，不断理解的过程。学习英语的最大特点恐怕是不怕重复了。既然是这样，就完全有必要一开始就把英语的全貌展现在学习者面前。而展现全貌的最好最彻底的办法就是从一开始就要求他们掌握全部的常用单词。不一定让他们全部记住，但是起码的要求是他们见了这个单词知道是什么基本意思，另外对小孩来说最好的是他们见了具体的事物，当来灵感的时候最好能记起对应的单词。从人的大脑记忆规律来讲，人有短时间记忆功能，也有长时间记忆功能，两种功能有对应的大脑结构区间。而要把一个东西从短时间记忆区转移到长时间记忆区间符合爱斌浩思－满爱真微分记忆算法模型，它实际上就是要求不断重复，不过重复在一定时间规律下才能很好地记忆。我们要求学生记住大量英语单词，但是是不是加重了学生得学习负担，是不是学习效果会大幅度下降。只要我们处理得当，不会发生这些问题。我们一开始就要求他们掌握大量单词，并不是说在短时间内掌握，可以分阶段要求深度。比如初中一年级要求记忆 2000 个单词，我们对他们得要求是认识，考察方法是单词和汉语意思连线，连线题大量出现，初二我们用单词翻译，看见英语单词写汉语，初三我们要求他们听写，听见就能写出单词，高中阶段我们要求他们能汉译英，这样四步走，到高一阶段学生完全记住了初一要求得 2000 个单词，同样他们在高二完全记住初二要求的 2000 单词，高三完全掌握初三要求的 2000 单词。到高三，学生就基本能熟练阅读一般的英语文章了，恰好基本接近英语系国家初高中的英语水平。实际上这样做依然是不够的，我们不可能仅仅出一种题型来考察学生。所以最好的做法是按比例，有计划的加进有一定难度的题型，但是大幅度降低及格标准。比如初中英语在加大单词量以后，可以把及格分数降低到 30 ～ 50 分，不超过 50 分，题型越多，难度越大、题量越大，越要降低要求。这样而且只有这样才能最终大幅度提高中学生的英语水平。初中高中阶段的英语题型不应当太多， 3 ～ 5 种基本题型就好，而且设计标准一定要从简单到复杂，少量参合复杂题型，最主要的我认为加大题量很重要，加大题量会考察得更全面，起到全面督促的作用。这样做的客观要求是降低合格分数，实际上分数在这种一体式教学方法中意义不大，仅仅起到督促作用和检验学习效果作用。第三，根据不同年龄阶段的人的学习特点设置课程及教学方法。人认识世界的循序是从具体到抽象，所以学习语言的顺序也应该是先具体后抽象，这就是为什么学生学习语文的时候开始总是喜欢看记叙文，你看小学生听故事的神态就像他自己是当事人一样，后来他们看小说上瘾，这一阶段往往在初中和高中早期，有的人不经过说明文阶段直接进入议论文阶段，人进入抽象思维阶段以后才真正进入议论文学习阶段，有的人从记叙文阶段进入说明文阶段，在初中高中对各种知识如饥似渴地读，这种人往往最后成为议论大家。所以不同年龄阶段的人所喜欢接受的东西显然是不一样的。不仅如此，由于他们的习惯、喜好、生理、心里也在变化，对教学的爱好方式就完全不同。比如满堂灌的教学方式很不适合少年儿童，但是特别适合于成年人。特别是 30 岁以后上了年龄的人，反而不喜欢那些花花绿绿，看似精彩的教学方法。我们许多大学里请的外教喜欢给研究生做游戏，演戏剧，我也参加了，但是我并没有觉得我的英语水平有什么提高，反而惹得我烦心，这和我十几岁的时候的表现大不一样，我那时候只要叫我做游戏我就来劲。我想根本原因是大人们对英语对应的各种事物已经完全了解，理解深透了，对他们而言只存在英语载体和概念的搭配问题，已经不存在理解问题了，对这种人满堂灌教学方式是最好了。但是对那些即在学习语言，又在体会人生经验的人，增加感性认识的就大不相同了，必须运用各种媒体工具，教学工具，表达工具使他们深刻体会。我们过去给小学生满堂灌受到社会的广泛批评，它的错误就是教学方式的张冠李戴。所以一定要设计出符合年龄特点、知识结构特点和个人天赋特点的对应的教学方式来教学，这些方法对儿童而言简单讲就是命令教学法直观教学法兴趣教学法非翻译教学法模拟教学法。，叫孩子演话剧，做讲演，读课文，用英语描述图画等等。; 个人分类: 教育与思维|7392 次阅读|1 个评论

人类思维的再现与拓展——浅议人工智能研究的基本思维方式: 热度 1 zhanghaisu 2009-4-1 20:52; 张海粟去年初写的一个科研随想，题目比较大，为了应对哲学教授的。呵呵，不甚成熟，欢迎指正！人工智能以计算技术及信息技术作为表示和运算手段，紧密结合问题背景相关的专家知识，最终通过用户可理解和接受的方式来展现机器运算得到的智能结论。人工智能希望实现对人类思维能力的机器再现与拓展的目标。基于对人工智能的这个认识，首先有必要解释一下正副标题中出现的两个思维的各自含义。主标题中的思维是人类实实在在的思维活动实体，包括我们掺杂了个人情感和个人体验后的怎么提出问题、怎么描述问题、怎么修正问题、怎么分析问题、怎么解决问题、怎么反馈问题等一系列复杂的思维过程。副标题中的思维是人工智能这门学科研究问题的思考方式，而容易混淆的就是，这里研究的问题往往就是人类思维自身的特点及其在机器中的实现。严格意义上说，副标题中的思维当然属于主标题中思维的概念，因为主标题中的思维是一种概而言之的对人类思考活动和行为的概括。本文讨论的重点将放在人工智能抽象人类智能、作出用于机器处理的思维方式与特点上。从目前来看，学术界主要从符号化、模拟化和工程化这三个方面对人类智能的计算机化做了大量的研究工作，普遍采用并且进一步发展了包括概括、归纳、演绎、类比、模拟和移植等各种丰富的科学思维在内的方法，逐步奠定了人工智能研究中的思维方法基础。一、人类思维与人工智能显然，人工智能至少包括两部分：人工和智能。人工就是通常意义下的人工系统，人们看法比较统一；但是关于什么是智能，人们的看法还不甚统一。由于人工智能的研究往往涉及对人类思维本身的研究，而我们对自身智能和思维的理解还非常有限，再加上引入了诸如意识、自我、无意识思维等问题，所以关于人类思维具体是一个什么样的概念，它是怎么产生、运作、完善的，目前还是一个颇具争议、新观点层出不穷的领域（认知科学、脑科学和心理学等）。（一）人类思维的获得人类为了求得生存与发展，必须与大自然作斗争，这就需要首先了解和掌握客观世界中万事万物的基本性质及其相互联系的基本规律，然后才能进一步去改造客观世界，以便在与大自然斗争中达到预期目的。思维与积累的知识就是人类为实现这一目的所不可缺少的智力机能。从马克思主义认识论的角度来说，思维被认为是人脑经过长期进化而形成的一种特有机能，它被定义为：人脑对客观事物的本质属性和事物之间内在联系的规律性所做出的概括与间接的反映。马克思主义认识论认为，物质是第一性的，意识是第二性的。意识是人脑对于客观存在的反映，马克思主义认识论的核心即是反映论。思维是意识的主要内容，当然也属于第二性。上面关于思维的定义就是依据这种反映论做出的，人类思维的获得来自于客观事物以及人类实践。（二）逻辑思维和形象思维逻辑思维或称抽象思维，是人类思维的重要种类，同时是人工智能最先涉足研究的处女地。如果从过程上来看，思维被认为是运用概念进行判断、推理的过程，那么人工智能所关心的逻辑思维主要不是去研究概念、判断和推理的内容，也不是去研究正确的概念和判断应遵循哪些规律，而是重点研究概念是怎样形成的？人们是怎样掌握它们的？人是如何做出判断的？如何进行推理的？人是怎样解决问题的？人工智能研究中把逻辑思维作为一种过程，研究它的发生、变化、发展的规律，进而使用类似于谓词演算、命题演算和推理机等特殊的机器语言来描述和实现它，使其具备与人类逻辑推理一样的能力。形象思维是人类思维的另一重要种类。形象思维作为表象和客观事物在人类头脑中的直接反映，被哈佛大学著名教授阿恩海姆认为只有清晰的表象才能使思维更好地再现有关的物体和物体之间的关系。尽管阿恩海姆的视觉思维概念与形象思维有一定距离，但是按照常识，抽象思维在于它是通过一般普遍性的概念进行的；形象思维在于它是个别的和具体的，所以这种似乎略带着个人主观色彩的形象思维如果不能够进入人工智能的研究中，就会忽视人们在思考问题时，总要有某种具体形象作为基础的这一个基本常识。近年来，人工智能的研究者开始逐渐注意到形象思维，并且引入了智能表情、智能感情和视觉识别等研究内容。（三）人工智能是人类了解思维奥秘的重要努力人工智能一词最初是在1956 年达特莫茨会议上提出的。人工智能是计算机科学的一个分支，其目的就是了解人类思维的产生、演化的实质，生产出一种能以人类智能相似的方式作出反应的机器智能。学术界发展了众多理论和原理，研究范围包括机器人、语言识别、图像识别、自然语言处理、决策支持和专家系统等。目前在计算机领域内，人工智能得到了愈加广泛的重视，并在机器人、经济政治决策、控制系统和仿真系统中得到较多应用。人工智能是一门极富挑战性的科学，是期望将人类思维过程的各种特点展现出来，并且输入给机器，使得机器具有类似人类的智能。尤其对于形象思维的研究者来说，必须懂得计算机科学、心理学和哲学等广泛的知识，仅有逻辑推理的知识还不足以作出新的尝试。在工程和科学研究中，通过模型拟合原始数据并且得到相似的性质就已经表明这个模型得到了充分的认识。从这个意义上说，如果我们的人工智能能够有效地拟合人类的思维，使其具有人类思维相似的输出，那么就是人工智能学科取得的巨大突破，是科学认识人类思维之谜的重要努力。二、人工智能研究的基本思维方法根据人类思维的分类，直观上看，人工智能的研究必然是从这两个层次分别展开的。但是由于形象思维具有的主观性和模糊性，回顾历史会发现，人工智能的起源自然地基于心理学对经验知识的逻辑背景进行研究的结果。逻辑学和计算语言学的快速发展，为人工智能将逻辑思维进行符号化奠定了基础。而前文业已提到，模拟思维进入研究视角之后，神经网络和模糊数学等快速发展得以帮助人工智能研究逐步进入形象思维的模拟化领域。（一）人类逻辑思维的符号化早期的人工智能注重发挥发现启发式知识在模拟人类思维过程的重要作用，将知识表达成逻辑形式加以利用，往往称为基于逻辑的心理模型。传统的人工智能可以概括为符号表达、逻辑推理、启发式编程，或者称之为对成熟的、正确的思维的再现，这就是对人类逻辑思维进行符号化研究的核心含义。人工智能的历史上，在著名的达特莫茨会议的一段时间内取得了一些引起人们关注的结果：山侬的下棋程序；纽厄尔、肖和司马贺的通用一般问题求解GPS；鲁滨逊的归结原理；王浩的机器定理证明；尼尔森的A3搜索算法；塞木尔的下棋程序；塞夫伯利支的小鬼模型；明斯基的语义信息处理等，这里不一一列出。在上述成绩面前，当时一些醉心于人工智能发展远景的西方学者曾作出了充满乐观的语言：不出10年计算机要成为国际象棋冠军；不出10年计算机将能谱写具有优秀作曲家水平的乐曲；不出10年，大多数心理学理论将在计算机上形成。在符号化表示的人工智能中，最有代表性研究思路就是一般问题求解，基于逻辑谓词和命题公式演算的推理在问题求解中起到核心作用。改进的方法中，在推理上进一步加入了启发式的搜索过程，这项工作以及以数字计算机为原型的物理符号系统假设深刻地影响了整个人工智能的发展。但是，也正是由于这种推理规则，使得复杂问题求解和机器学习遇到了推理规则难以描述、推理过程过于复杂、推理时间空间要求过高等一系列问题，导致了对于逻辑思维的自学习功能在符号推理系统中的难以实现，这种对人类思维量智符号化的逻辑思维的模拟与复制遇到了较大的困难。当然，上述的乐观预言也难以按时实现。（二）人类形象思维的模拟化在将人类逻辑思维符号化的努力陷入困境之后，科学家转而开始考虑另一种研究方法思维的模拟化。显然，模拟化的研究方式可以突破逻辑思维的限制，将人类形象思维的研究也纳入了其中。1983年，诺贝尔经济奖及计算机科学的图灵奖获得者司马贺在1995年获国际人工智能学会终生荣誉奖时发表演说时谈到了人工智能中直感、顿悟和灵感等话题，专门说明了这些与智能密切有关的只可意会、不可言传的现象及其模拟问题，进一步表明了形象思维的模拟对人工智能研究能起到很好的引导作用。目前形象思维模拟的主要手段是以模拟与复制形象思维相关的象智人工神经网络联接为主的联接机制方法。从具体的计算处理方法上来说，联接机制方法另辟了新的途径，就是采用并行处理及分布式表达的方法。具体来说，这种方法用若干个结点，每两个结点间可以连接起来的网络表示信息。以往用以表示知识的语义网络是一个结点与一个概念对应，而人工神经网络是以结点的一种分布模式以及加权量的大小与一个概念对应。这样即使每个结点上的信息属性发生了畸变与失真，也不至于使网络所表达的概念的属性产生重大的变化。另外有些共同的单元上的信息也可以用来表达相类似的概念。比较著名的人工神经元网络模型有霍普费尔德网络、反向传播网络、自适应共振理论网络等。虽然人们认识到形象思维的模拟化的重要性，但用包括上述神经网络联接方法在内的各种方法来模拟形象思维也和逻辑思维的符号化表示一样，未能获得完全成功。随着新技术的发展，计算机的体系结构上新的突破也将会是人类期望能够带动思维模拟化研究的重要拉力以生物计算机、量子计算机和光子计算机为代表的新计算机研究受到了人工智能专家的极大关注；另外，人们对人工神经网络连接和生物学进一步结合的网络模型也抱有很大希望。（三）思维实现的工程化尽管人工智能本身的研究还处于一个逐步求精、等待突破的阶段，但是前期符号化和模拟化的一些研究成果业已得到了工程专家的注意和实现，比如决策支持、智能机器人、人脸识别和语音信号识别等工程化实例已完成。在工程技术专家眼里，人工智能系统的复杂程度一方面取决于系统本身，另一方面取决于系统的运行环境，所以在研究的思维方式上必须高度重视工程化，重视工程实现和特定问题的解决。现场人工智能强调的是一个智能系统，例如研制一个智能机器人，着眼点在于机器人的各个部件之间的相互作用，由于部件间的交互作用，最终体现出机器人适应环境的能力，也就是研究者只需要先注意适应性的体现。这种工程化实现的主要的目的是尽量降低智能机器人、人造智能的研究难度。钱学森曾经在早期指出我们要研究的问题不是智能机，而是人与机器相结合的智能系统。不能把人排除在外，是一个人机智能系统。从这个意义上说，人工智能的工程化问题已经提到了一个重要的位置上。另外不容忽视的就是人机系统的认知过程最大特点：交互作用。现代社会，人的集团化和社会属性日益深入，机器的集群性和自组织功能得到发展，所以人机系统这种交互作用的数量、范围是迅速增长。这样社会化的人们和群组机器之间巨大庞杂的数据、信息、知识、概念，彼此间在网络中流动、碰撞、选择组合直至综合集成。诞生在开放、复杂的系统环境中的这种人机系统，正是体现了人和环境的交互作用，使得人工智能的研究得到了及时的应用，反过来也能够促使人智能本身的发展。三、人工智能研究的思维方式特点人工智能研究思维方式中具有一般科学研究的主要思维方式，也有自己独特的地方。在上面述各种思维研究方法中，已经可以看出来归纳和演绎、类比和模拟、移植和融合等思维方式在研究中的重要指导作用。（一）归纳与演绎是早期认识人类思维的基本方法就认识人类思维的顺序而言，总是先关注某些特殊现象，然后过渡到一般现象的认识中来。比如人工智能一开始的研究领域仅仅限于命题演算的形式系统的建立。通过对于证明、演绎、推理等一般性的思维研究结论，建立起了命题演算系统PC和自然推理系统ND。初步解决了规定的相关前提，获得特定推理结果的效果。其成果是，很好地解决了给定天下雨、天下雨小明就不出去的前提推导出星期三下雨、那么星期三小明出去吗的结论这类问题。而归纳是从特殊的、具体的认识推进到一般的抽象的认识的一种思维方式。归纳的前提是存在单个的事实或特殊的情况，所以归纳是立足于观察、经验或者实验基础之上的。人工智能的研究历史中，在PC和ND系统的基础之上，通过对这些公理系统的处理能力进行归纳分析，再次引入了谓词演算及其形式系统FPC、FND等，将推理系统由单独的命题向主谓分开的方向进一步发展。演绎是由一般性的命题推出特殊命题的推理方法。演绎推理的作用在于把特殊情况明晰化，把蕴含的性质揭露出来，有助于科学的理论化和体系化。在上面所举出的初期人工智能研究的形式系统中，为了进一步提高推理的效率、提高整个体系的完整度，人们发现根据这样的系统能够演绎出众多的原理和公理对推理过程进行简化，因此提出了斯柯伦标准型、消解原理和换位原理等一系列的研究成果。（二）类比与模拟是当前实现思维模拟的主要手段类比是在两类不同的事物之间进行对比，找出若干相同或者相似点之后，推测其在其他方面也可能存在相同或者相似之处的一种思维方式，然后加以模拟，得出相关的结论和性质。由于类比是从人们已经掌握了的事物属性，推测正在研究中的事物属性，因此类比具有的结果是猜测性的，不一定可靠，但却是创造性思维的重要方法。在人工智能解决机器自学习性的问题上，就采用了实例学习、类比学习、记忆学习和观察学习等多种方法。尤其是类比学习的问题求解模型中，通过从机器记忆中找到类似的概念和技巧，把他们转换为新形式以便于新情况的解决思路更加充分地体现了类比的思维特点。模拟同样也是以类比为逻辑基础的，是通过模型去模仿和拟合人类智能的合理结构特性和特殊的功能、原理的科学的研究方法。从前面的人工神经网络类比人类思维过程可以看出，其就是模拟了生物体脑部和神经的活动规律所作出的问题求解模型。现在，相当多的心理学家、生物学家和计算机科学家、工程师合作，进行人体相关机理的模拟与类比研究。当然，正是由于人体相关机理在心理学和生物学上并没有完全得到揭示，所以人工智能模拟和类比人脑模型的深度就有所欠缺；但同时，这种学科的交叉也带来了双方的共同发展和进步。（三）移植与融合是将来突破人工智能的重要途径在人工智能的研究中，往往能够将其他各种自然学科、社会学科和领域知识、理论和形之有效的方法移用到本学科领域中来，为解决本领域的问题提供启发和帮助。这是由于自然界各种运动形式之间的相互联系和相互统一所形成的自然科学、社会科学之间的相互渗透和影响所带来的本质属性、基本方法。同时，这种移植是技术融合、共同发挥效益的基础。例如，人工智能发展的巨大推动是计算数学的发展，而逻辑学的研究成果为其提供了最直接的学术营养。还有，生物计算机的突破将会引入更多的计算智能，这时候人工智能将能直接借鉴相关的生物计算机研究成果。而在人工智能学科之内，神经网络的研究成果已经被成功地移植到相当多的领域中，比如决策支持、人脸识别、知识库系统、专家系统和情感机器人等。同时，决策支持中发展起来的决策树等工程方法也被人工智能中诸如自动推理机、知识表示和自然语言理解等领域广泛采用。除了上述的方面之外，计算机软件工程和编译原理的思想基础和方法也被广泛地应用在自然语言理解和机器智能的工程实现中。可见这种移植与融合是学科在经历了归纳与演绎、类比与模拟之后的高级发展阶段，是学科取得突破的重要手段。尤其在人工智能发展急待突破的今天，广泛吸收生物计算机和其他新的研究成果具有重要价值。人工智能是一门伴随着计算机的产生而逐渐发展起来的学科，能够有效再现和拓展人类思维，在提高人类认识自身、改造自身、认识世界、改造世界水平的过程中起着不可估量的重要作用，具有重大意义。逻辑思维符号化、形象思维模拟化和实现工程化是人工智能取得进步并进一步应用到工程中的基本思维方法。在人工智能的发展历史上，第三部分所分析的六种思维方式也分别起到了不同的促进作用，一定程度上帮助树立了人工智能的科学地位。但同样不可否认的是，目前人工智能的研究遇到了与人类脑部结构与工作原理之谜一样的重大难题。因此，在学科研究的思维方式角度，对人工智能学科做重新审视和方法梳理是必要的，也非常有益。从早期、现在和将来人工智能的研究状况、发展趋势来看，拥有了融合的技术、开放的态度等重要思维特质的现代科技发展潮流将是人工智能学科领域取得重大突破的重要机遇。齐欢，数学模型方法，华中科技大学出版社，1995.1。戴汝为，从基于逻辑的人工智能到社会智能的发展，自然杂志，第28 卷第6 期。何克抗，人类思维的基本形式，北京师范大学思维研讨会，2007.1。石纯一等，人工智能原理，清华大学出版社，1993.10。刘戟锋等，现代科技革命与马克思主义，国防大学出版社，1999.9; 个人分类: 不确定性人工智能|7025 次阅读|1 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 思维特点

相关帖子

相关日志

关闭安全验证