科学网 › 标签 › 认知科学

标签: 认知科学

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

电脑人心之引言（十）答案随风: luocun 2010-8-2 08:52; 上回说到，这个系列的计划就是要把AI历史上关于电脑人心可能性的各种正反辩论重温一把。其间，我会自任电脑们的粉丝律师，冷眼旁观这些辩论，审视它们的来龙去脉，加以有理有据有情的批判性反思。最后，基于这些辩论以及对它们的反思和报告，我将代表广大过去、现在、未来的电脑同志们就电脑人心的可能性给出一个负责任的说法。（听起来有点发言人的味道了吧。）性急的读者或许会嚷嚷：嘿，那答案是什么？你直说呀！我请Bob Dylan帮我回答如何：The answer my friend is blowin in the wind, the answer is blowin in the wind. 如果这不够清楚的话，那等到这个系列结束的时候──如果它有结束的那么一天的话，一切就都会清楚的。正经一点呢，我的意思是说，这个电脑人心可能性的问题没有先验的答案，没有从一般原则出发的答案：不存在关于电脑和人心的一般性原则，从它们出发，我们就可以明确地知道电脑人心是否可能。或者说，电脑人心的可能性，不可能以下面的形式来判定：人心是A，电脑是B，A和B的关系是如此如此，因此电脑人心的可能性就是这样这样。所以说，所有前面提到的和后面将要详细讨论的原则性争论，其设问也好，其结论也好，都不足以从原则上给出个答案来。哪怕所有的辩论都挺有意思；哪怕所有的辩论都有或多或少的理论上、原则上的重要性。如果我们以为电脑有什么本质，使得人心水平的人工智能可能或者不可能，那我们就都错了。这当然是个否定性的答案：就是说电脑人心即使可能，其可能性也不是植根于任何已知或者尚待发现的电脑的一般特性的。然而，这个答案也有其肯定性：就是说，没有任何电脑的特性会阻止我们理解和造出电脑人心。电脑没有本质，所以，没有什么它的属性会妨碍人工智能取得成功。电脑没有本质，所以，也没有什么它的属性能够保证人工智能将会取得成功。如果要完全正面地讲的话，电脑人心可不可能，这个问题以及它的答案，都是历史性的。因为，电脑或者说计算机，不是一个抽象的类别，而是一种历史性的存在。没有可以划定的边界可以把所有过去、现在、未来的电脑们框在里面，把所有非电脑们排斥在外面；也没有任何本质可以将电脑和别的东西区别开来。所以，我们不知道在制造和理解电脑人心的征途上，我们将会有什么武器和工具可用。但有一点可以肯定的，我们将会有层出不穷的新工具、新武器可以用。从人工智能和计算机并肩发展的这60多年里面，我想这一点应该表现得很清楚了。所以说，人工智能的可能性是历史的可能性。电脑人心可不可能，不是在于电脑是不是什么，而是在于我们将如何来制造、运用和理解电脑，以及如何理解人心。这是一个我们如何去做的问题。就计算机和人工智能的历史发展而言，具体到我们的时代，按照Brian Cantwell Smith的说法，我们正生活在指号炼金术（semiotic alchemy）的时代。信息时代的牛顿还没有诞生。（别忘了，牛顿，这位近代科学的奠基人，也是最后一代炼金术士之一。）我们恐怕最多也就是身处像伽利略那样摸索的时期。不相信？请想想有多少流行理论把比特串误认作信息内容本身，就好像一条还没休息啊？的短信，其内容真的只有不到100位似的。想一想，这像不像把质量（东西的多少）误解成重量（东西在引力场里面的份量）？还不相信，再举个例子：我们机器里都有各式各样的很多文件吧。今天，如何组织这些文件真是个头疼的问题。我们似乎面对两个选择，或者用子目录（文件夹）的方式，或者按照内容或文件名进行搜索；而我们又往往觉得两者都不够好：前者太僵硬，假设文件只能有一种分类方式；后者太冒险：那个文件肯定在机器上什么地方。可是我用这个词怎么找它不着呢？后代会笑话我们的：嗨，这么简单的问题都搞不清楚，真像当年笛卡尔、莱布尼茨他们动量和动能拎不清啊。是啊，我也觉得这样的问题应该有个很清楚明白的答案，可我们确实还没有啊。生得早了点啊。从伽利略研究自由落体到人类登上月球，大概是三四百年时间。今天的AI（包括Boston Dynamics的机器驴子之类的东西），我觉得恐怕应该算是伽利略、笛卡尔时代的钟表水平吧。恐怕再来个三五个甲子，两百到三百年，电脑人心造出来是有可能的。可是，光是造出来，其实不是最难的。更高的要求是，这得是基于理解基础上的制造。千万不要以为，什么东西我们如果能制造就能理解。人们已经世世代代地造人了：一朝欢乐，十月怀胎，经年抚养。然而，又有多少人懂得生儿育女的生理机制和长大成人的社会、文化、心理过程呢？自己往往并不懂得自己的制造，这一点也许不一定需要龙应台女士来点醒吧。编过很复杂程序的朋友们，或许也会深有同感吧。而这往往还只是思维、行为上的理解。更不要说是在伦理上对自己的制造──孩子也好、电脑人心也好──充分负起责任来所需要的那种理解与实践了。所以，说到底，电脑人心可不可能，如何可能，后果如何，是一个怎么做的问题，是一个我们如何在信息时代书写历史的问题。和平的可能性是越战期间Dylan们所每天面临的问题（今天也仍然是我们的问题，尤其是我们这些给NATO国家交军火税的人们）；电脑人心的可能性是信息时代的我们将会长久面临的问题。两个问题都有它们的时代性。两个问题，归根到底又都是个我们如何思考、如何行动的问题，是我们如何在自己的时代里书写历史、创造未来的的问题，是人心（或许还有电脑人心？）要以什么样的姿态，面对什么样的世界的问题。所以，答案呢，我的朋友啊，正随风飘荡。; 个人分类: 电脑人心|3213 次阅读|0 个评论

电脑人心之引言（九）原则争论: luocun 2010-7-29 11:26; 上回给了AI一个及格上下的成绩。其实，在AI这60年的身世里面，有过不少远亲近邻自任裁判员、评论员、解说员、批评家的叽叽喳喳。他们要是给分的话，很多人给的分将会高的多，甚至接近满分，因为他们大体上认为电脑人心的基本方面已经有谱了；也有很多人给的分都要低得多，甚至接近于0分。俺也在这里也凑了凑热闹，嗡嗡了一把。分数差别巨大不是意外，因为六十年来，关于电脑人心可能性可以说一直是众说纷纭，辩论一直就没有停止过。有说电脑可以做很多很多的事情的，比如将能够跟人进行流畅的对话。图灵同志爸爸就是持这种观点。还有人认为电脑无所不能，乃至说，世界的本质是计算、是信息处理，电脑人心就更不在话下了。Stephen Wolfram大致持这种观点。有说电脑不能做很多事情的。比如德雷福斯（Hubert Dreyfus）就觉得电脑不能对付（cope）事情，尤其是打酱油之类的事情。有说电脑其实根本就不可能理解中文的。比如塞尔（John Searle）就设想即使有台电脑，能够允许我们随意地跟它用中文对话，也不会对中文有任何理解，因为作为电脑，它将只能模拟，而不会有事实上的参与。有说人能做电脑不能做的事情的。比如卢卡斯（John Lukas）就认为哥德尔不完全性定理的结论意味着存在人可以理解而机器却不可能理解的东西，比如哥德尔句子为真这样的事实。更有甚者（比如van Gelder）声称，电脑在原则上还不如蒸汽机的，因为蒸汽机和它做事的领域是紧密相连的，而电脑那离散化的符号表示和操纵却把认知的实质给漏掉了。还有的人论证说，即使电脑能做一切事情人能做的事情，那它也不过是个空壳子，只是行为相似，没人心住在里面，没有感知，不会觉到红是红、绿是绿的感受质（qualia）。再有就是那些技术奇点论者，认为电脑单靠速度、容量和复杂性，终有一天、甚至几十年之内很快就要超越人类了。如此等等，不一而足。那么，货真价实的电脑人心究竟可不可能？今天的小学生会不会有一天要与之共处？即使今天电脑人心的可能性看起来还不是太大，这种可能性会不会随着技术进步而增加呢？还是说从原则上讲就不可能呢？我写这个系列，就是想要针对这些问题，提供一个论坛，一个讨论场所，以关于人工智能可能性的经典辩论为基础，争取覆盖其间的主要问题。让正方、反方、怀疑方、观望方都能各抒己见，现身说法；力求原汁原味，以便见智见仁。由此争取梳理一些比较关键的东西来，为思考人工智能和认知科学里面的一些基本问题提供一点材料、若干视角。在开始之前，先有必要说明我的一个偏见。这事关对电脑的态度。要真正判断电脑人心是否可能，必须充分理解电脑和人心这两个方面。理解人心──这是哲学和心理学的传统地盘。在这里我们大体可以倚仗几千年来东西方的思想积淀，不管是其间的洞察也好，还是迷糊也好，至少通过这些积淀，大家都知道人心的复杂性是很了不得的。所以，我们对于人心的认识，是不太容易被过分简单化的。然而，对于电脑，简单化的趋向则很容易发生。人们往往会觉得：什么是电脑？什么才算电脑？电脑如何工作？能做什么？带来了什么样的可能性？它不能做什么？有什么样的局限性？电脑在人类历史上究竟正在扮演着什么样的角色？这些问题的答案如果不是已经很清楚，不是不言自明的，也不难寻找。我的偏见就是：不能假设我们理解电脑了。理解电脑其实涉及很多新问题和老问题的新形态。而在上面这些问题上，我们其实还只是小学生，甚至是学前班的娃娃们。请注意：千万不要以为既然电脑是人造出来的，我们就一定很理解它们。儿女也是父母造出来的，那父母就因此一定了解儿女吗？因此，为了严防先入之见，以便对得起电脑们的真材实料，俺将会当仁不让，自任为电脑们的代表，冷眼旁观每场讨论。我将会特别注意讨论各方是如何理解、是否真正理解电脑这东东的。这样说来比较抽象。让我们来考虑在讨论电脑人心的可能性的时候，经常会遇到一种论证模式吧：人是A 计算机不是A ──────────────── 因此人工智能不可能具体一点，假如A在这里是连续性，这个论证就是：人是连续的计算机是离散的，而非连续的 ───────────────────── 因此人工智能不可能再比如，假设A是创造性，这个论证就是：人有创造性计算机做的一切不过是遵照程序指令而已，没有创造性 ───────────────────────────────────── 因此人工智能不可能这样的论证虽然表面上简单明了，但实际上是问题多多。首先，这样的论证没有说明A这种属性对于人心是必要的，没有说明为什么如果没有A的话，要想有人心是没门儿的事。所以，A不应该是：有头发。那么，如果A是连续性？这就有个问题要回答：为什么连续性对于人心是必要的呢？类似地，为什么创造性对于人心是必要的呢？当然，如前面所说，关于人心特点的争议可能相对会少一些。比较成问题的是计算机确实是非A这一论断。不管有多显然，这样的论断其实是非常需要论证的。比如，计算机是离散的吗？这一点真的是那么显然的吗？恐怕不一定吧。（俺很快会发个博文专门讨论这一点。）而且，即使计算机确实是离散的，离散和连续真的是互相排斥的吗？是离散，就不可能也是连续的吗？还是说离散和连续其实是互相依存的［link］呢。再比如创造性。为什么遵照程序指令就不会有创造性呢？卡斯帕洛夫不是也说他觉得深蓝有创造性。这又是为什么呢？这里面有没有层次上的区别呢？人难道不遵照指令吗？人至少按规矩行事吧。由此就说明人没有创造性吗？如果在离散与连续的问题上，我们经常把层次混淆。那么在创造性的问题上我们就不会吗？在这里指出这些问题，是为了表明情况或许比我们有时候想象的要复杂很多，也就要好玩很多。; 个人分类: 电脑人心|3587 次阅读|0 个评论

电脑人心之引言（八）成绩单: luocun 2010-7-27 23:50; 拉拉杂杂说了一堆，年过花甲的AI研究表现水平究竟如何呢？这里，我就自诩旁观者清，权充不踢球的解说员给踢球的运动员打个分吧。这个分数当然是从电脑人心的角度出发来给的，关心的是AI研究在走向电脑化的人类般心灵上的表现如何，而不是从比如说指纹识别、自动翻译、数据挖掘等实际应用角度出发的。另外，这里给的分数是把进步情况和方向跟实际达到的水平综合起来考虑的，而不光是看实际达到的水平；因为如果以实际造出电脑人心为及格的话，那么AI的分数肯定会大大低于及格线的。那么，就这六十年的整体情况而言，俺觉得本来大概是个65分左右的水平吧。AI作为一个新的学科领域，及格本来应该是可以的。学科领域发展初期，有各种不切实际的幻想、有弯路、有起落，有迷惘，这些是正常的，也是难免的，而且恐怕是完全必需的成长的烦恼。不然一个新的学科要跻身既有的学院系统而立足恐怕是挺难的。别忘了，AI这娃的爷爷们连个幼儿园也没建起来。还是靠了麦卡锡、西蒙、明斯基等教父叔叔们的闯劲，才在有了一席之地。然而，可以说AI发展至今，并没有能够确立其基本的研究纲领，还是处在前牛顿、前达尔文的年代。此外，AI学科兴起背后的想象，AI在面向公众和社会的广告，又主要都是在拿人来相比。做出来的展示系统，通常都是用与人相比拟的方式来描述，其间的巨大空白和鸿沟，又由此以各种各样的说辞来多少有些自欺欺人地涂抹和勾销。牛皮吹得天大，摊子铺得不小，科研经费倒是拿了不少，实质性的飞跃不多，牛顿式的奠基性工作，还是有待后生的局面。有鉴于此，扣掉10分。最后实际得分55分，不及格。相比于AI的整个历史，目前的进展情况似乎要扎实得多，实实在在地准备轮子、脚和脑瓜的多了，吹大牛皮哄人哄钱哄自己的少了。当然，毕竟时代也不同了，知道电脑，会玩电脑的人也多得多了。那么，最近15年左右的状况呢，俺觉得大概可以得70分吧，主要是因为在一步一个脚印地前进。但是，反过来看，目前的AI界，比起AI早期来，在胆量和眼界上要差不少。毕竟我们也不应该忘记那些不能不面对的问题，包括电脑人心可不可能，如何可能等等。一个领域要前进，理想、妄想、空想、幻想还是要有才行。不然就变成了永远造轮子和造脚，飞鹰不要想，电脑人心想都不要想。所以，要想得80分，还得要比目前更多地、更勇敢地直面电脑人心这个层次的问题，才行。而要想得90分，就得要不光是直面电脑人心层次的问题，还要基本上需要把事情搞清楚，需要牛顿他们当年给物理学做的奠基性工作，并在此基础上把电脑人心造出来。至于要想得100分的话，俺的看法是AI研究不光要理解和造出电脑人心，而且AI研究和开发必须与更广阔的世界相契合，把AI研究与开发对人类、对社会、对世界的责任也担起来。这就不能是像弗兰肯斯坦那样，造个怪物，又造而不教，让它直接就成为了敌人。有点扯远了，就此打住吧。; 个人分类: 电脑人心|2768 次阅读|0 个评论

电脑人心之引言（七）历史总评: luocun 2010-7-23 07:29; AI这个娃的身世大致如此：一个遗腹子，没有太多祖辈的慈爱，叔叔们牵着跑江湖卖艺，牛皮吹得很大，世面见得也多，目前似乎总算找到了自己在社会上的位置，颇能养家糊口了。（如果Google真的可以算做AI公司，那AI更是要征服世界了。）在给它判个分数之前，先来四条总评吧。首先，AI这个娃的发展，跟人类小朋友比起来，似乎整个就是在逆行。它一上来就是个玩深沉的思想者：逻辑啊、证明啊什么的，一副不食人间烟火，矢志玩弄符号的样子。然后，倒退为有知识者；不过，那大体上还是一副生而知之的样子，并不了解自己知识的来龙去脉，根基枝杈。接着，再倒退，成为一个努力学而知之者，开始把知识建立在经历的基础上。最后，似乎才终于脚踏实地的参与到生活中去。反观人类的小朋友，还在懵懵懂懂的时候，就已经别无选择地生活在家庭里，活动在世界上了。然后他们学喝学吃，学爬学跑，学说话学常识，打酱油学人情，上学校学知识，最后，其中的一小部分经过寒窗苦读，甚至是在利诱威逼之下，才学逻辑，搞证明。为什么AI的历史发展与人类的个体发展，会有如此强烈的背道而驰的对比，这是个有很多值得思考的地方。但不管这究竟是咋回事儿，AI这个娃现在能够脚踏实地的参与生活似乎是件好事。而这种参与或许也会是它进一步发展，甚至走向电脑人心的新的地基。第二，在AI发展的60年历程中，虽然经历了多个阶段，变换了若干范式，尝试了各种方法，却有一条红线一以贯之，这就是所有的AI研究都使用计算机。逻辑推理也好，知识表示也好，神经网络的学习也好，知觉动作的协调也好，概率统计也好，无论理论和范式如何变化，都以计算机来展示；下棋程序也好，指纹识别也好，自然语言的翻译也好，机器人的控制也好，无论什么应用领域，都以计算机来实现。大体上可以说是没有不用计算机的AI研究的：1950年代以来，只要试图用机器来做AI的，用的机器就是计算机。（后面将会看到，不是说没有人声称不要用，不该用计算机了，而必须要用别，比如蒸汽机什么的，而是说即使这些人，也其实也并没有那么去做。）人工智能和计算机的这种全方位形影不离，风雨同舟的关系，其实是蛮有暗示性的：或许计算机对于人工智能的意义，并不在于提供一种理论框架、或者一条特定的研究路径，而更多的是提供一块实验场地，在其中，任何想法、任何理论都可以通过建造实际系统来加以发展和检验？第三，前面讲到，在直到相当最近的时候，在AI开始脚踏实地参与生活之前，AI系统们几乎总是做出来展示展示而已，像墨子的木头飞鹰一样，飞一天就玩完了。而另一方面，AI这个领域的奠基性想象，乃至很多应用许诺（比如Cyc），又从来都是以电脑人心为参照的。那么，这些展示系统与实际应用之间的空白，更不要说这些展示系统与货真价实的人心之间的鸿沟，究竟是如何填补的呢？按照哈密德艾克比亚（Hamid Ekbia）《人工梦想》（Artificial Dreams）的分析，这是靠说辞（rhetoric）。就是说，这些展示系统的魅力，从来都不完全在于它们本身是什么样的，而是在于它们按照一定的说辞，所指示的所代表的可能性。比如说，虽然深蓝并不玩棋，并不会摆棋子，并不在乎输赢，并不享受胜利的喜悦，而只是生成棋步，但是我们难免不用下棋，一步妙招，打败世界冠军之类的说法来描述它；难免不把深蓝的所作所为投射到人类棋手所处境里，从而拔高深蓝的作为的意义。再比如说，前面提到的ALVINN，它在从匹兹堡到圣迭戈的几千公里的旅程中，其实只是控制方向盘，而不控制油门和刹车，更不会在汽油快耗光的时候，离开高速去寻找加油站。但是，我们难免把这趟旅行说成是ALVINN在驾车，毕竟那是要简单、直观、容易理解得多的一种描述。结果呢，一旦这种描述，这样有意无意之中采纳的说辞，被不知不觉地接受下来，翩翩的联想就是在所难免，展示系统所代表的意义和未来的可能性就好说了。很多时候连系统设计者自己也给绕进去，对他们的系统所做的事情的性质或者潜力深信不疑。比如搞Cyc的那位伦纳特，大概就是这样一个无意之中自己把自己给绕进去的例子吧。（当然，没给绕进去的例子也有，比如：SHRDLU的作者温罗格拉德。）如此这般，当说辞习惯性地帮助填补或者掩盖实质性的研究空白的时候，展示系统的局限性就不妨碍它们展示一个尽管尚未实现，但前景非常灿烂的AI的未来，由此吸引科研经费和投资，招募一批批充满激情的研究生都不是太难。第四，与前面一点相关，目前人工智能研究的局面，感觉有点像大家都在如墨子所说的吭哧吭哧造轮子的情况。假如今天某位有雄心壮志的年轻人，投身AI这领域，宣称：师父，我要跟你学造人。这位师父，恐怕多半会告诫道：小子，不敢语艺，而时执规矩听说过吗？你还是先学规矩，造轮子吧！造轮子，绝对是今日AI研究的大头。那些明确针对电脑人心的造人努力，比如上回说到的Cyc和Cog，还有目前欧洲的 RobotCub 那样的项目，则是小头。虽然参与这些项目的绝对的人数恐怕不算太少，与AI发展初期相比应该是有很大的增加，但是就在整个AI研究中的比重而言，绝对是相当稀释了的。这种局面应该如何理解呢。首先这应该不算意外。AI从来就是工程性的，它进入脚踏实地的第四阶段以后有了广阔的施展武艺的空间，再加上智能体视角也给各种具体的工程努力提供了一个基本理论框架，所以大家专心致志地造轮子，不奇怪。当然，很多这种实际意义很清楚造轮子的工作，跟电脑人心的前景，恐怕是不会有太大关系的，比如数据挖掘方面的研究；还有很多，比如DARPA的Grand Challenge里面那些基于激光测距和全球定位（GPS）的自动驾驶系统，跟电脑人心的前景是啥关系则是很不清楚的: Stanley：再有一些，尽管实际应用的意义也很清楚，其与电脑人心，或者至少是电脑人形，的相关性似乎也大致是明显的。看看来自Boston Dynamics的（同样由美国军方支持的）非常具体的造轮子──造脚──的例子吧： BigDog： Petman：看到这样的行为水平，震撼一下恐怕是难免的。而这个东东，在打仗之外，打酱油恐怕也用得着。所以说，这些造轮子的工作，虽然有它的理论视角上的局限性，但是它们对于电脑人心的理想的意义，是不可一概而论的。一般而言，AI实际参与到社会生活中，化身为各种智能体，从事各种具体工作，而不再是作为某个特定的理论（比如思维是像形式逻辑系统那样组织的）、特定的方法（比如各种知识表示的方法）的体现的展示而已，那么它在做些什么，完成什么任务，就是由具体的环境来限定的，反而不想以前那样需要各种说辞的有意无意的装饰，至少不如以前那么需要了。这样，AI研究反而可能因此更为脚踏实地往前走也说不定。综合起来，大致就是下面这样一个情况。 AI诞生至今60年了，如果说AI只是要让电脑做人们用心才能完成的一些事情，那么它不光可能，而且早已成为现实：从最简单的加减乘除到最高水平的国际象棋，从语音合成到手写字符识别，从家居吸尘机器人到火星探索机器人。AI技术，可以说早已走出学院和研究所，在互联网、在社会生活的各个方面，包括战争（比如无人机和扫雷机器人），越来越实实在在地担当起一定的角色。然而如果我们以货真价实的电脑人心为标准，那么AI到目前为止可以说是失败的，至少远远还没有成功。AI创立至今60年尚未造出真正的电脑人心；虽然AI里面似乎是经历了一个回到脚踏实地的过程，但基本的问题，比如体系结构的问题并没有解决。如何造出能够在认知上（以及道德上？社会上？）全面担当起人的角色的电脑或机器人，尚无实质性的突破。六十年了，AI这娃儿，也年过花甲了，而电脑人心究竟可不可能，前景可以说依然充满未知。; 个人分类: 电脑人心|3320 次阅读|0 个评论

电脑人心之引言（六）AI的成长：历史版: luocun 2010-7-20 13:41; 牛皮版好写，因为跟实际发展相比，牛皮总是过于清晰，而真正的历史总是千丝万缕的交叠。好在我们主要关注电脑人心的可能性，这里就用最粗的线条，勾勒最主要的轮廓，漫画历史一把吧。 AI的成长，大致可以分为下面几个阶段。 50、60年代之间的AI大致是一出生就是个思想者。它成天忙着的就是如何解决逻辑、数学、科学和一般性的推理问题。这个时期的代表性工作，有1956年达特茅斯会上，西蒙和纽厄尔演示的他们和肖（J. C. Shaw）研制的逻辑理论家（Logical Theorist）──专心于证明怀特海和罗素的《数学原理》里面的定理；以及随后的通用问题求解程序（GPS: General Problem Solver；不是全球定位系统那个GPS: Global Positioning System）。它在推理之外的娱乐活动大致就是下棋，下国际象棋、国际跳棋（checkers）等等。（这样的童年也够可悲的！）连模仿人脑的神经网络研究，如麦克科洛赫和皮兹的，也专注于如何实现基本的逻辑函数。如果要给这时候的AI塑个像的话，大体上把罗丹的思想者搬过来恶搞一把，前面摆张黑板，有时换成棋盘，就差不多了。不过由于写在黑板上的符号、公式，棋盘上的棋局等等都很容易用计算机内部的符号来代替，黑板和棋盘似乎也有些多余。这期间的核心理论进展是启发法（heuristics）和搜索的结合。大概意思就是说，如果你不在乎答案是不是最优的话，就可以用一些大致的条件来帮你从所有可能答案里筛选若干可能足够好的来加以仔细检查，最后找到足够满意的答案。如果说最初的AI像个思想家的话，那么60至80年代之间的AI则大体上可以说是像个书呆子和书袋子。推理搞了一阵子之后，大家很快认识到一般而言的智能，不光是要能使劲想，还要以知识为基础来思考，于是开始关注知识表示（knowledge representation）。大家很快又认识到知识的情景性的和领域性的重要性，于是提出各种方式来加以对付，包括麦卡锡的基于谓词逻辑（predicate logic）的情景演算（situation calculus）、语义网、明斯基的框架（frame）、温罗格拉德（Terry Winograd）的程式（procedure）、香克（Roger Schank）的脚本（script）等等，并由此发展出针对特定领域的专家系统（expert systems），比如进行细菌感染诊断的MYCIN。这些年里的AI之所以像个书呆子和书袋子，是因为这些系统的知识表示大体上都是从符号到符号，符号进符号出，而并不实质性地涉及符号如何成为符号，并不说明系统如何自主地协调这些符号跟这些符号所关涉事物之间的关系。虽然，后期关于所谓常识库（commonsense knowledge base）的研究，比如前面提到的Cyc，试图超越传统知识表示的领域特定性，但还是在符号里兜圈子。不过，这个时期，知觉的研究（比如David Marr的工作）和机器人的研究（比如Shakey）也逐渐蓬勃开展起来了。到了80至90年代，AI可以说是变成了一个好好学习、天天向上的娃娃。随着所谓传统符号AI（Symbolic AI）的局限性浮出水面，关于学习尤其是通过知觉进行学习的研究也逐渐走入了AI的核心。机器学习（machine learning）这一领域得以确立；以学习为核心特征的神经网络（neural networks）重新兴起；机器人研究如火如荼，比如前面提到对的Cog，以及从匹兹堡开车斜穿美国到圣迭戈的ALVINN自动驾驶系统。这里有必要暂停叙事，以说明一下AI发展的一个特点。大约直到90年代，几乎所有的AI系统都只是展示程序（demos）──主要的例外恐怕得算那些下棋程序了。从GPS到MYCIN到Cyc，从Shakey到Cog和ALVINN，大抵都是做展示用的原型（prototype），表示一定的设计思想、方案大致是可行的；而做完展示，他们作为具体系统的历史使命大抵也就结束了，而并不会真正投入使用。这里的情景，很有点像另一个关于墨子的故事（《韩非子：外储说左上说一》）：话说墨子做木头老鹰，做了三年才做成，可是才飞了一天就毁败了。他的徒弟们说：师父你好能耐啊，能让木头老鹰飞起来。墨子说：其实我不如做车轮子的师父能耐，他们只用些尺把长的木头，不到一个早晨的功夫，就做出能够载重三百斤，走很长距离，用很多年的轮子。跟他们相比，我的木头老鹰，三年才做成，飞一天就毁败了。墨子的木头老鹰，大概也就是个原型，就像绝大多数AI系统那样，做起来很难，要花很多功夫，而完成后演示一下，看看过瘾，这系统的生命大抵也就到头了。而Apache Web服务器那样的软件系统则更像是做得经久耐用的轮子，能够可靠地让我们走得很长很远。 90年代以来情况有不小变化。总的说来，就是AI终于开始在它生活的广阔的世界里面动手动脚了。这里至少有两方面的历史背景。第一是计算机软硬件的发展，可以允许前所未有的容量、速度和系统架构与系统复杂性。第二就是互联网的发展给人工智能技术的实际应用提供了广阔空间（比如搜索引擎的学习和适应能力、当当网背后的数据挖掘、垃圾邮件的过滤等等）。有人说谷歌是个AI公司。当然，谷歌自己不这样称呼自己，不过请注意：目前最流行的AI教科书《人工智能：现代门径》（Artificial Intelligence: A Modern Approach）的两位作者之一Peter Norvig就是谷歌的研究主管。理论上的发展则重点在于两个方面。一是通过佩尔（Judea Pearl）等人的开创性工作，以概率理论，尤其是贝叶斯理论为基础的AI方法得到很大发展，可以说席卷了从推理到神经网络到机器人的AI的各个领域。这一发展又刚好与互联网为背景的统计应用相契合。第二，在系统方面，智能体（intelligent agent）或理智能动体（rational agent）这一视角得到广泛接受。这一理论视角大致是把AI系统明确理解为具有一定的整体性，这就是它存在于特定的环境里面，基于一定的感知和动作来按照一定要求，或者说理性地，完成特定的任务。这样一来，智能就被理解成系统的组织和活动方式，而这些方式既不是独立于环境、感知、动作或者目标的，又是要受到一定条件制约的（理性地或者按照一定要求达到目标）。翻译一下，大意就是说，造AI系统不必是造人，而是造那些能够从聪明地完成人在特定环境里、基于特定的感知和动作能力能够聪明地完成的事情：比如下棋，比如开车，比如照顾病人，比如翻译，比如打酱油。; 个人分类: 电脑人心|3320 次阅读|2 个评论

电脑人心之引言（五）AI的成长：牛皮版: luocun 2010-7-17 12:39; 那后来AI这个娃成长的经历如何呢？先来个牛皮版。一个不那么有戏剧性的牛皮是1958年西蒙和纽厄尔吹的：十年之内，将有一台数字计算机成为国际象棋世界冠军。如果按深蓝1997年打败卡斯帕洛夫来算的话，这个实际上多用了30年。而且，深蓝之所以能够打败卡斯帕洛夫，并不在于它凝聚了对人类智能的深刻理解，所以能够聪明地下棋，而更多的是由于计算速度和内存容量的增加，可以让它用笨办法来打赢人。说深蓝的胜利标志着AI的失败，似乎也不为过。毕竟从西蒙和纽厄尔预言至今，我们仍然没有搞清国际象棋大师智能的每个方面，甚至他们如何下棋这个主要方面。别忘了，至今为止还没有机器，可以随便给它一盒棋，它就能把棋子摆好，邀请你跟它玩一盘。可以说，AI这娃娃，几乎一开始就会下棋，直到后来打败世界冠军；可是却从来不会玩棋，更不会玩棋子。AI这样度过它的童年，整个一条走向白痴专才的道路，很不人道。更多更大的牛皮还在后面。 1965年，西蒙预测说：二十年之内机器将能够做人能做的任何工作。迄今为止，四十五年过去了，AI这个娃仍然不能打酱油，更不要说像人那样踢足球了。如果大家觉得西蒙的牛吹得过于大胆的话，还有胆儿更大的。明斯基在1967年说：一代人之内，创造人工智能这一问题将得到实质性解决。到今天，西蒙、纽厄尔都死了，明斯基、麦卡锡都80多了，实质性解决还没影儿呢。看来恐怕得摆出点愚公移山的精神，子子孙孙无穷尽也，才会有看到AI这个娃真正长大成人的那一天。如果说1967的明斯基吹嘘一代人是头脑发热的话，三年以后的1970年他简直就是在高烧呓语了：在3到8年内，我们将造出具有普通人的一般性智能的机器。翻译成普通人的话，就是说，AI这个娃最晚到1978年可以打酱油了。直到现在，这一天还没影呢。不知道为什么仅仅是三年以后，一代人在明斯基嘴里就变成了3到8年，这当叔叔的未免有点太性急了吧。不过，考虑到这是在《生活》杂志上说的话，我们恐怕不必太过当真，权且视之为面向非专家的普通人的虚假广告罢了。可是这里有个问题。做出这些预言的人都是人工智能这一学科的创始人，AI这个娃的教父级人物，应该是处在学科最前沿，最了解学科发展情况和所面临的挑战的，牛皮居然吹得如此离谱，究竟是咋回事儿呢？我想恐怕至少有两种可能性，而且两种都可能同时成立。第一就是学科开始时，必须吹牛，必须有吹鼓手。在这点上，笛卡尔、牛顿这些近代科学的创始人，都免不了鼓吹他们的新学科的神学价值。再比如，笛卡尔在洞察当时新的数学工具（包括笛卡尔坐标系）在研究自然界方面的强大力量时，就干脆直接把整个自然界说成是几何构造了。也许，笛卡尔、牛顿们如果不着魔，也不至于去推行革命性的新的自然观了。同样，这些创始AI的人们如果不疯狂，或许也不会去推行新的人心观了。在非常实际的层面上，也许只有通过这样的大声鼓吹，才能扩大影响，争取到更多的话语权，拿到更多的经费。这当然有点可悲，却也是难以否认的事实。第二就是西蒙、明斯基们对人心的理解确实有限，确实浅薄。于是，很快就有各方哲学工作者们跳出来叫道：犯规，黄牌警告！引起不少有意思的争论。这是后话，暂时按下不表。说这两种可能可以同时成立，是因为面对人心的深邃，如果一个人不浅薄，也许就不会疯狂到要去发起人工智能这样一个新领域。讲个笑话，有人调侃西蒙，说他是个自我成就的草包（self-made straw man）。straw man本来的意思是大家都明知站不住脚的草包观点或者草包论证。说西蒙是自我成就的草包，恐怕是因为他牛皮吹得太大了吧。或许网友会觉得我怎么对自己学科的创始人如此不敬。其实，我是对他们的牛皮不敬。牛皮就是牛皮，大拿、大佬们的牛皮也是牛皮，大牛皮。进入80年代，整个领域的气氛不同了，人工智能的名声和经费都经过了一些起落，吭哧吭哧面对难题的年轻人也越来越多。不过，也还是有自诩的牛人，伸出脖子来喊一嗓子。伦纳特（Doug Lenat）在80年代末的时候预言，他的Cyc系统到了1994年将达到人类知识的完全的广度，并开始通过与普通人的自然语言对话和阅读（后来是说阅读互联网上的资料）来自主学习，而接下来将可以开始进行它自己的研究和发现，超越人类知识的疆界。 Cyc的名字取自英文Encyclopedia（百科全书）一词，其目标是要通过建立知识库，是系统具有常识，从而最终能够理解天上地下的一切事情。看伦纳特这思路，是说AI这个娃，不用指望它打酱油了，但是可以指望它能够理解打酱油，也不必有苹果可砸痛的头了，甚至连身体都不用有，仍然可以做新时代的牛顿。不过，伦纳特的牛皮，即使当时在人工智能领域内部，恐怕还是怀疑者占多数。而后来呢？尽管Cyc项目初期到1994年的经费高达五千万美金（你看这牛吹的！），直到今天也没有达到预期1994年能达到的水平，要不然不光是维基百科没有必要存在了，科学网上的朋友们恐怕也要开始担心自己饭碗的前途了。这里值得一提的是Cog，这是MIT人工智能实验室的布鲁克斯（Rodney Brooks）领导的一个与Cyc差不多同时期的项目。其目标是要造有意识的人样机器人（humanoid robot），雄心之大，不亚于Cyc。不过，布鲁克斯及其同事们就几乎从来不谈论Cog变得有意识是会在哪一天，表现得要谦虚很多。进入90年代以后，牛皮不多了。但是，新版的冒尖预言还是不断。吵得最凶的，要算有柯兹外尔（Ray Kurzweil）与莫拉维克（Hans Moravec）两员闯将宣扬的所谓技术奇点。这大概意思是说，由于技术进步的指数发展趋势（比如电路集成度、存储容量、CPU频率等等每隔几年就翻一番），有一天，奇点到了──嘣，计算机或者互联网就忽然有意识了、超过人了，引发天翻地覆的变化。尽管柯兹外尔与莫拉维克二位的技术性工作大家是认可的，但技术奇点这个东东大抵是不被当真的。（俺也觉得他们简直就是在免费给英特尔公司做广告。）而且，其中表现出来的对人心的理解又比自我成就的草包西蒙更肤浅了不知多少。如果有哲学工作者在乎的话，大致是要把柯、莫二位直接红牌罚下的。相比于奇点说，我倒觉得机器人世界杯（RoboCup）的说法更靠谱一些：到21世纪中叶，完全自主的人样机器人足球队，将在符合国际足联规则的比赛中战胜最近一次世界杯的冠军队。这虽然也是在吹牛，俺也觉得没戏。但是，踢足球毕竟是件满健康的事情，对AI这个娃的成长会很有好处，而且比打酱油更好玩。所以俺觉得，以足球世界冠军作为AI的目标来激励年轻人参与和推进AI研究，还是要靠谱得多。; 个人分类: 电脑人心|2917 次阅读|1 个评论

电脑人心之引言（四）AI的降生: luocun 2010-7-15 13:37; 人工智能诞生至今有大约60年了。人工智能界的官方（成王败寇版）历史通常把麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、西蒙（HerbertSimon，中文名司马贺）、纽厄尔（AlanNewell）、香农（ClaudeShannon，就是信息论祖师爷那位）等人1956年夏天在达特茅斯学院召开的研讨会作为起点。人工智能（ArtificialIntelligence，所谓AI是也）这一名称就是由麦卡锡在会议的准备过程中提出来的。按照麦卡锡们当时的说法，研讨会要让10个人用两个月的时间进行AI研究；研究的出发点是这样一个猜想，即学习或者智能的任何其他特征的每个方面原则上都可以描述得如此精确，以至于能够造出机器来加以模拟；会议将要尝试去发现如何制造出使用语言、形成抽象与概念、解决目前只有人才能解决的问题并且改善自身的机器。这里面的细节虽然说得比较含糊，但雄心之大是不容质疑的：学习或者智能的任何其他特征的每个方面，使用语言（注意：是使用！）和改善自身的机器。不过，如果麦卡锡因为给AI命名而可以算作它的教父的话，图灵（AlanTuring）以他在理论、实践和思想全方位的奠基工作，恐怕才是AI当之无愧的爸爸（此采侯格兰的说法）。图灵同志不光是在1930年代就成为理论计算机科学的开山之祖。在二战中，他参与破译德国海军通讯的工作，提出密码分析机的设计，为改变北大西洋战局做出重大贡献。战后，图灵同志继续参与早期计算机的设计，并于1950年在哲学期刊《心》（Mind）上面发表《计算机制与智能》（Computingmachineryandintelligence）一文，明确指出以计算机为基础的机器智能是可能的，提出了著名的图灵测试，以自由问答的方式，把机器智能与人类智能的比较加以操作化，还在文中考虑和回答了对机器智能可能性的10个反驳。这篇文章可以说是对人工智能进行系统性理论思考的开端。图灵同志在文中对语言与智能、语言与思维的微妙关系表现出深刻的见地与罕见的敏感。其实，在AI诞生的历史背景里，还有另一重大事件，这就是1946到1953期间的梅西系列会议（MacyConferences）。这些会议由梅西基金会支持，一共开了10届，全部由神经网络研究的祖师爷麦克科洛赫（WarrenMcCulloch）主持。参加者里面不光有冯?诺依曼（JohnvonNeumann）、维纳（NorbertWiener）、香农等计算机、控制与信息领域的开山大师们，也有著名心理学家科勒（WolfgangKh?ler，格式塔心理学创始人之一）、勒温（KurtLewin，社会与组织心理学的先驱）、精神病学家阿什比（W.RossAshby）、人类学大拿贝特森（GregoryBateson）和米德（MargaretMead），还语言学家（如咱们中国的赵元任、机器翻译的祖师爷Bar-Hillel）、哲学家等等。真正是群星灿烂的盛会。会议的设想是要汇聚各学科的大拿，借助计算机诞生的推动，把神经科学、心理学、人类学、社会学和语言学等等来个跨学科大融合。这三段历史，当然只是实际历史的一小部分，却也反映了当年的大局：（1）一群思想深邃的前辈，生于19-20世纪之交，正当50岁左右，年富力强。（2）一位孤胆英雄，40岁左右，多年投身于研究、制造和使用最早的计算机，深谙这一新技术之道。（3）一帮勇往直前的小年轻，30岁左右，从电子工程、政治学、数学等等传统学科博士毕业不久，研究生期间开始着迷起计算机来。故事接下来的发展就很有意思了。首先，图灵同志千不该万不该不该身为同性恋者，在梅西会议进行得热热闹闹的当口，被迫接受雌性激素治疗并深陷抑郁，于1954年自杀身亡，年仅42岁。一代天骄、二战英雄，就此被万恶的旧社会给吞噬了，留下AI这个遗腹子，不能亲自把它养大了。其次，老前辈们聚在一起，努力克制自我，勇敢面对跨学科交流的重重困难，认认真真想给计算机技术正在催生的新兴科学娃娃们（包括后来叫做AI的这个娃），建设一个一流的多学科、交叉学科幼儿园。可是，十次会议下来，思想碰撞不少，实质交流似乎不多，论文集倒是出了6卷，幼儿园却没有建成。会议当然也有一些正面成果，比如系统思维在社会学里的传播；而且，就其组织与跨学科理想而言，梅西会议可以说更像是认知科学的源头，或者是流产了的认知科学。（这是后话，按下不表；具体参见Dupuy的《心灵的机械化：论认知科学的起源》［TheMechanizationoftheMind:OntheOriginsofCognitiveScience］一书。）在不能假设却又不能不让人浮想连篇的历史面前，事情后来的发展就好说了：AI就在没有父爱的抚育、没有充满祖辈智慧的幼儿园可上的情况下，由教父麦卡锡等雄心勃勃的年轻叔叔们，推上了台面。这段身世，不能说和它后来的道路没有关系。比如说，如果AI这娃娃能够由图灵同志爸爸亲自照看，它会不会更有创造性呢？; 个人分类: 电脑人心|3610 次阅读|1 个评论

电脑人心之引言（三）人形与人心: luocun 2010-7-10 13:10; 接着前面偃师的故事讲。话说穆王仔细看来，人工歌手的五脏六腑、筋骨皮毛都是假的，而合拢起来，又举止如初。于是试着把人工歌手的心给废掉，歌手就不能说话了；肝废掉，就看不见了；肾废掉，就走不动了，如此等等。穆王这才开心地感叹说：哇塞，难道人的智巧也可以达到造化的水平吗？免死免死，弄两辆车来，都给我带回去。可惜周朝的国家档案里面似乎也没留下什么详细的资料，不然中国古代恐怕就不只四大发明了。这个故事很有意思的一点，就是对人的智能如何构成有个说法：视觉是肝来控制的、说话是由心来控制等等，这些说法虽然比较简单化，大体上是肝明目、心之官则思之类的思路，但毕竟表达一定关于系统构成和系统能力之间关系的思想。今天的一般观念无疑不再是心［脏］之官则思，而更像是脑之官则思，不过这种器官结构和功能一一对应的思路，在后来的颅相学，乃至今天的脑成像领域里都有不少实际的追随者。相比之下，玛丽雪莱（诗人雪莱的夫人）的《弗兰肯斯坦》这本号称西方最早科幻小说之一的书就没有具体讨论弗兰肯斯坦博士的人形怪物是如何构成、如何工作的，只说是用人和动物的尸骨拼出来的。至于怪物之所以能有心智，则号称是由于弗博士掌握了赋予无生命的物质以活力的秘密，并造出了相应的设备。这种说法跟上帝吹气其实还是一个路数。不过，弗博士的人形怪物也好，偃师傅的歌手也好，上帝用尘土造人也好，女娲抟土做人也好，这些故事都还是着重于人形。至少在陶器时代以后，用土来捏出人形；在鲁班的时代以后，用木头架出人形；在近代解剖学兴起以后，用尸骨拼出人形，如此等等都是容易想象，容易说明，甚至容易实现的。即使是偃师的歌手，也不过是在外观与内脏的形状与颜色相似的基础上增加了功能划分的说法而已。可是，为什么人造的心脏废掉就不能说话了呢？或者说，人造心脏又是如何让人工歌手说话的呢？其实，这些故事虽然对于形似说得多少具体些，但究竟如何做到神似、如何做出人心来，都缺少细节，没什么太多可说的。在关键的地方缺少细节，其实正提醒我们一点，就是造人形易，造人心难啊。所以有偃师造人，唯难于心这样的说法。而且这里的难，至少在电脑出现之前，还不光是制造上的困难，也是想象上的困难。反过来，如果真正能造出来合格的人心来，人形或许根本就不必有。比如《 2001：太空奥德赛》里面的HAL 9000，就和铁臂阿童木甚至瓦力（Wall E）不同，完全没有人形，只是用人的声调说话，用那圆圆的红红的摄像头来观察。HAL 9000似乎主要由电路板构成，但从来没有表现为一个简单的形体，甚至可以说完全没有任何特定的身形。可是HAL 9000却很聪明，不光控制整个飞船，而且会理解语音、识别面孔、进行唇读，还会计划和实施阴谋，并能理解和表达情绪。如果人工智能真的能造出HAL 9000这样的机器来，那多半就可以说是成功了。以至于到了2001年的时候，大家都忍不住追问：2001年到了，可是HAL 9000在哪里呢？这个形似与神似的区别，造人形与造人心的差异，将会是讨论人工智能可能性的焦点之一。如何将人造系统在形体（如泥塑木雕）与行为（如叽哩呱啦，请按1；呱哩叽啦，请按2之类的自动语音电话菜单）上与人的空洞相似，跟它在心灵的功能与实质构造上（如HAL 9000那样）与人的类同加以区分，将会是一个很重要的问题。人工智能的实际历史上，确实也不乏通过简单的形似、行似或者言似把大家都迷住了的例子。包括今年上海世博会上山东馆里的机器人导游小鲁班：http://blog.sina.com.cn/s/blog_48c63ca70100i4im.html，似乎也没有超出语音菜单太多，其人形对于其电脑人心的功能来讲究竟有多重要还是个问号，让人担心它更像是个装了胳膊和头的录音机。偃师造人的故事还没完，还有个很好玩的背景。按照《列子》里面的说法，这个故事是墨子的弟子禽滑厘从别人那里听来的。当时禽滑厘的师父辈里面，鲁班造云梯、墨子造飞鹰，声名显赫，功夫号称到了顶点。禽滑厘听到这个故事以后，就去讲给这二位前辈听。二位听了之后，据说是终身不敢语艺，而时执规矩，一辈子也不敢说自己手艺如何，而只是老老实实、勤勤恳恳地拿着圆规和尺子干他们的木工活。这让人稍稍怀疑，偃师造人的故事是不是整个就是禽滑厘编出来吓唬老师的。不过，鲁班墨子二位听到偃师造人故事之后的反应，也折射出造形和造心之间在难度上的巨大差异。作为电脑时代的鲁班和墨子的程序员们，他们能够造出互联网，造出全球定位系统，造出大师级的国际象棋程序，这显然表明他们的手艺与木工手艺的巨大不同；但是，这有没有不同到能让他们，或者他们中的偃师，也造出真正的人工智能来呢？那要看他们是否能够造出人心，而非人形或者人言来。人工智能要的不是形相似、言相似，而是心相似。; 个人分类: 电脑人心|3112 次阅读|0 个评论

电脑人心之引言（二）电脑人心: luocun 2010-7-3 22:23; 既然人的智能还是最好的标准，讨论人工智能前途的时候，就总是会拿人来说事儿。人工智能可不可能的问题，就可以说是电脑人心可不可能的问题。电子脑瓜却有着人类那样的心灵，这可能吗？更一般地讲，人工智能可能性的问题，事关人之为人在世界上的位置。在西方传统里，它在想象上的渊源可以追溯到的起源神话里面。《圣经》创世纪第二章第七节说到上帝用地上的尘土造人，将生气吹在他鼻孔里，他就成了有灵的活人。按照这个说法，人的形体虽然是泥土做出来的，但人之为人不光是形体像个人样，还要有精气神，而这个精气神的来源，就是上帝吹的生气（breathoflife）。这样的说法非常聪明：一方面，人的形体来自泥土，自然就会跟泥土里生发的一切东西一样，有个大家都看到的新陈代谢、生老病死、从泥土里来回泥土里去的过程；但是另一方面，人又有上帝赐予的心灵、灵气或者灵魂，因而也有大家也都看到的人之为人的精神性的特点。这样一来，对人在世界上的位置就有了个比较完整的说法，那就是泥体人心的结合，形神兼备的存在：人之为人的物质方面和别的生命乃至非生命的泥巴没有本质区别，但在精神方面却因为上帝吹的气，而是与众不同的万物之灵。今天，制作电脑半导体所用的硅主要来源于沙，所以说电脑人心，其物质基础也还算是泥土性质的吧。可是，与《圣经》里形体来自泥土而心灵来自上帝不同，电脑人心这一目标，不光是说制造智能机器的材料是电脑，是来源于沙土的硅，而是说机器的智能这样一个精神性的方面也是要用电脑来造出来，用以硅为基础的电子器件做出来。就是说，电脑不光是人工智能的形体材料，更重要的是它也要是心灵或者说所谓生气的基础。所以，人工智能里其实包藏了对泥体与人心两者相互独立这样的观念的深刻挑战。当然，用来制造人心的材料不一定非得是电子器件，更一般而言是如何用物质性的东西来造出人类那样的智慧乃至精神。人工智能研究尝试以电脑为基础来造人心，实际上是一种与时俱进，是我们这个时代的特色。其实，历史上人们经常按当时的高新技术来理解各种困难的问题比如在科学革命早期，天体运行就被视为钟表机械。至于心灵的物质基础，笛卡尔就受到当时的液压技术的启发，提出有灵魂的身体，靠的是生灵［lifespirits］在血管中的输送，而且在大脑的松果体区域，灵魂通过调节生灵的流动来统辖身体。上世纪30年代，心理学家卡尔拉什利也将神经联络肌肉和感觉器官比作当时方兴未艾的电话系统。今天，自然也有不少人会把大脑跟互联网相比拟，甚至追问互联网会不会有意识。咱们中国古代的《列子汤问篇》，有一段号称中国最早的科幻小说，戏剧性地想象了基于当时的高新技术的人工智能。话说乐迷周穆王（西周的第五位帝王）西游到了昆仑山，在那里跟王母娘娘唱和了一番，依依惜别。归途中遇到一位叫做偃师的工程师，带着个歌手。这个歌手，不光能歌善舞，举手投足千变万化，还跟穆王的左右侍妾眉来眼去，结果惹得穆王大怒，要杀偃师。偃师赶紧表示歌手其实是个机器人，并把歌手剖开，展示里面的皮革、木料、胶水、油漆。歌手的五脏六腑，筋骨皮毛，都是假的。这位偃大师，看来主要还是个木匠、皮匠。想想列子和大名鼎鼎的鲁班同时代，这恐怕也不是很奇怪：木工在当时确实是高新技术啊。所以说，上世纪50年代以来，以计算机为基础来构思人工智能，又是另一轮按照高新技术来想象并建造人心的努力。在物质材料方面，在硅谷等地发展出来的电子技术带来了以沙为体的可能性。相应地，《星球大战》里的R2D2，铁臂阿童木或者最近的Wall-E，修理的时候就是换电路板了，而不是更换木头、齿轮或者管道了。然而，计算机的发明，其重要意义并不在于可以用电路板来拼出个人形来，而是这些电路板让人们可以给机器系统编写程序。电脑技术和以前几乎所有技术都不同的一点，就是它不光涉及部件的组合，而是在与电脑架构中允许通过编程来进行创造的空间。让电脑能做各种各样的事情：播放音乐、处理照片、识别指纹、控制汽车、引导火箭、预测天气关于这一点，人工智能的命名者约翰麦卡锡（与迫害进步人士与共产主义同情者而臭名昭著的约瑟夫麦卡锡不要搞混了）说得很清楚：人工智能是制造智能机器特别是智能的计算机程序的科学与工程。［http://www-formal.stanford.edu/jmc/whatisai/node1.html］。可以说，给电脑编程序，就好比是人们终于找到给泥体或者沙体吹灵气的方法！这一点，恐怕是程序员们会深有感触：很多事情都可以通过编程来做，问题在于你敢不敢想，能不能想。从数字摄影到网上购物都可以说是体现了电脑系统蕴涵的潜力。而人工智能，也是此潜力一种体现。当然，程序员不是上帝。编程序也不是吹气。而且，神奇的是，编程序还是物质性的活动，它通过改变系统的构型，而可以让它有各种千变万化的行为。或许，数字时代的电子神学家，可以把上帝吹气的举动，反过来解释为给泥体编程也未必？; 个人分类: 电脑人心|2445 次阅读|0 个评论

胡思乱想--感知与量子力学: furaibo 2009-12-26 14:37; 大自然是不是充满了量子态？人有一种我们自己也说不出来的能力，能够把这种量子态融入感知或者意识。而再通过语言、或者文字这样的形式表现出来时，就破坏了纠缠的量子态，成为一种观察后的结果了。或者说，我们对大自然的感知也是一种观察，已经破坏了其量子态呢？; 个人分类: 杂谈|4133 次阅读|7 个评论

宗教起源的认知学研究: 热度 1 liluyuan 2009-11-16 03:41; 今年是达尔文诞生200周年和他的《物种起源》发表150年。为了纪念，美国Science杂志发表了一系列综述和回顾。其中，科学编辑 Elizabeth Culotta 的《宗教起源》一文值得一读。在达尔文看来，宗教起源并不神秘。他认为，人的想像力，疑惑心，好奇心，以及推理能力部分地发展之后，很自然地会急于了解在自己身边发生的一切，并且懵懂地推测自己何以存在。只是，宗教究竟缘何产生，发生于何时？近十多年来，研究宗教起源的人们在达尔文的思想影响下，建立了认知科学的宗教起源学(cognitive science of religion)。认知科学的宗教起源学涉及的学科有心理学，人类学，和脑神经科学。研究人员对宗教起源于人类正常心智活动(Religion springs naturally from the normal working of the human mind)这样一个假说开展探索，成功颇丰。神祉的诞生时间如果以符号的出现作为人类开始在灵性范畴内思考的标志，那么在南非布隆坡(Blonbos)的山洞里发现的石刻几何形状，是迄今所知最早的符号，出现于100,000年前。而在以色列被发现的第一个人类墓葬出现于95,000年前，葬有三十多具骸骨，包括一个怀抱一支鹿角的九岁孩童。认真举行墓葬的习俗为智人和直立人特有，显示了早期人类对化解精神苦闷的需求。当然，人类精神生活的出现时间并不一定等同于神祉的诞生时间。在法国Grotte Chauvel的洞穴里发现的30,000年前的石刻出现了半人半兽的形象。在德国发现了同一时期的一具象牙女性维纳斯和三具狮首人身的男性。具有巨大乳房和细致刻画的外阴的维纳斯被认为代表了人类对生殖力的崇拜，但也有人认为那只是普通的史前色情。狮头人身的雕塑被认为显示了人类对超自然力的膜拜，以及可能已经出现的巫师活动。在土耳其Gobekli Tepe发现的、由高达六米的巨大石块围成的圆形场地，出现于11,000年前，被认为是人类宗教史的一个里程碑。这些石头上雕刻了动物形象，显然是开展宗教活动的场地，很可能是人类建立的第一座神庙。必也正名乎。如果必须有了名字才能算做神祉，那么神祉的产生可以上溯到5000年前的美索不达米亚和埃及。在那里，位于宗教与社会权力结构金字塔顶部的法老统治着人神两界，神祉的身份被赋与支配着巨大权力的人类统治者。人对神生而知之？心理学家的研究表明，孩童的思维具有明显的目的论(teleological)特点。当英国和美国的一、二、四年级的学生被问一些石头的表面为什么如此尖锐时，孩子们普遍选择因为石头要保护自己，不为动物所伤的答案，而不是因为石头本身的化学成分而导致。没有受过教育的成人被问及同类问题时，他们的回答也有跟孩童类似的强烈的目的论倾向，特点是把石头，沙砾，湖泊等物体拟人化。对大学三年级、平均选修过三门科学课的学生的限时问卷表明，受了良好教育的人在无暇仔细思考时，也表现出明显的目的论倾向。当被问及太阳为什么发光时，这些学生常常选择非科学答案，例如太阳发光是为了万物生长。心理学家早在1940年就发现，在观看运动中的圆形、矩形、三角形的动画时，人们通常能够把这些形状拟人化，并编出故事来描述它们的运动。人类把自己的心理活动赋予没有生命的物体或未知事物的行为被研究认知科学的学者称为灵性理论(theory of mind)。这样的行为显然是接受生物起源创造论的基础。接受事物变化的目的论解释的人很容易接受某种导致这些变化的主体的存在。这样的主体虽然不是人类，却能够理解人类的心理活动。使用核磁共振仪对大脑各个区域在思维时耗氧情况的研究表明，人们在回答为什么一类问题时，或者在评价上帝是否仁慈等问题时，大脑的同一区域参与了思维活动。更进一步，心理学家还发现，孩子们相信动物死后心灵还存在。例如在观看鳄鱼吃老鼠的木偶戏后，被问及被吃掉的老鼠是否还需要食物，回答多为不需要了，但如果被问及这只被吃掉的老鼠以后是否还会感到饥饿，回答却常常是肯定的，是的，它还会感到饥饿。显然，在孩子们心中，在这里肉体和心灵被分离了。宗教与生存对不同年龄的孩子和成人做的研究表明，与幼儿相比，更多的年龄较大的孩子和成人相信，某人的肉体消失后，他的心理活动继续存在。这表明相信灵与肉的分离是后天学习的结果。然而，相信脱离肉体的心灵或灵魂的存在显然还不足以导致宗教的产生－全世界的孩子们都相信具备超自然力的米老鼠，却不会对米老鼠顶礼膜拜。宗教在不同的人类社会中都占有重要地位的原因是，宗教鼓励合作，而合作促进了群体生存。群体生存条件的改善当然也增加了个体的生存机会。在一个较大的群体中，要求人人遵守共同的行为准则并不容易。学者们发现，人们在感觉到被监视时，会表现出更明显的合作意向。宗教提供了位于人类社会之上，具备超自然能力，能够监督人类个人行为的神，在帮助人类生存、促进人类文明发展方面有着重要作用。三万年前的半人半兽壁画和石刻表明，人类在试图理解自己的存在的同时，把自己的心理活动赋予了其它事物。认知科学结合人类考古学、心理学、脑神经生物学，在揭示宗教起源方面的发现将令人瞩目。; 个人分类: 未分类|5162 次阅读|0 个评论

“中国科学技术大学校友文库”丛书之四：《现代科学中的化学键能及其广泛应用》: why2084 2009-8-24 10:35; 书名：现代科学中的化学键能及其广泛应用作者：罗渝然，郭庆祥，俞书勤，张先满备注：十一五国家重点图书购书网址：中国科学技术大学出版社网上书店内容简介：第1章，引论: 人类认识化学键与分子(材料)化学稳定性的简史, 化学反应即改组分子, 或化学键破、立, 化学键类性, 化学键能的概念, 分子结构与能量的关系(结构稳定、能量极小、键裂极难、化学键强), 化学键能的定义, 氢键, 表面键, van der Waals力. 化学键强弱的重要性: 化学,化工,材料,生命,能源,环境,海洋,太空. 第2章，化学键能的测量: Do, De 和BDE (或DHo, D) 的联系与区别.气相, 液相, 气-固相. 光谱, 质谱, NMR, ESR, 动力学, 热化学, 电化学, 光解, 热解, 射解, 从实验和化能或反应速度常数到化学键能的相关方法. 测量精度. 包括中科大与国内的贡献. 第3章, 化学键能的计算: 从头计算分子轨道理论, 密度泛函理论, 半经验理论, 经验方法. 方法对比, 优缺点. 计算值的可靠性. 包括中科大与国内的贡献. 第4章, 化学键能的数据库: 填补一个空白. 建库方法. 数据库使用指南. 数据库范围, 102种元素, 各种不同类型的化合物中的化学键, 包括: 双原子与多原子分子, 有机、无机和元素有机化合物, 无机生物化合物, 生化分子, 自由基, 离子, 簇合物, 超分子, 氢键合物, 表面键合物, van der Waals键合物. 第5章, 化学键能变化的某些规规律及其应用: 有机化合物中的C-X键, 取代基效应, 大共轭体系与视觉化学, 簇合物, 生化过程的理解, 抗氧化剂设计, 催化剂选择, 大气尘埃预测，寻找石油, 引发聚合, 纳米材料，高能材料, 储氢材料, 燃料电池. 第6章, 展望未来附录: 常见分子内的化学键能 (转自CRC Handbook of Chemistry and Physics, 89th, CRC Press, 2008, by Yu-Ran Luo. 转移数据的版权问题? 本书作者之一的罗渝然, 也是这著名大型工具书里面的那一章的作者, 享有那一章的版权，故我们可转用) 作者简介： (1) 罗渝然 (Luo, Yu-Ran) ：博士, 四川重庆人, 毕业于中国科技大学化学物理系, 曾在大连化学物理所工作, 后回母校任教. 1991年, 他获得博士学位(Dalhousie University). 他在Ottawa 大学与南California 大学做过博士后研究, 他曾是美国国家标准和技术研究院(NIST)的客座科学家(guest scientist). 这十年，他是南Florida 大学的研究化学家(research faculty). 2004 年，他被聘为大型工具书CRC Handbook of Chemistry and Physics内Bond Dissociation Energies这一篇的主笔，每年负责推荐可靠的和新的键能数据． (2) 合作者：郭庆祥：化学教授,1975年毕业于兰州大学化学系，1982年兰州大学研究生毕业并留校任教；1986年至1989年，美国田纳西大学访问学者；1994年到中国科学技术大学工作，现任安徽省生物质洁净能源重点实验室主任，国际学术刊物《Journal of Inclusion Phenomena and Macrocyclic Chemistry》编委、《Current Organic Chemistry》Hot Issue: Teoretical Organic Chemistry客座编辑、亚洲-大洋洲环糊精科学学会副会长（2003-05）、IUPAC东亚地区绿色化学网络中方联系人、亚洲-大洋洲绿色与可持续化学学会筹备组成员。目前主要从事物理有机化学/绿色化学研究，在国内外学术刊物上发表论文260多篇。; 个人分类: 好书共赏|3127 次阅读|0 个评论

赵南元的《认知科学揭秘》上载了: lcguang 2009-7-3 12:08; http://gevolution.cn/zny/book/index.htm 上载于广义进化论网站： http://gevolution.cn/ 思想深刻，内容丰富。值得对人工智能，认识论，进化论感兴趣的朋友一读。; 个人分类: 经济学|7604 次阅读|0 个评论

【小姬看片会第九期】人工智能如何改变世界？: eloa 2009-6-24 19:56; 小姬发表于 2009-06-24 16:15 从小我就有个梦想，梦想有一天我能拥有一个机器猫。是因为他有竹蜻蜓？不是。是因为他有记忆面包？不是。是因为他有任意门？不是。和你在一起我喜欢他，是因为他是对野比不离不弃。长大后才知道，这是一种高级人工智能也许会存在的感情。这一话题也成为发明了机器人三定律的阿西莫夫老爷爷一生津津乐道的话题。如果机器猫参加了著名的图灵测试，他一定能够通过。哦不，他一定不能，我们一定会认出他。你，真的可以不离不弃吗？在我们迄今为止的浩瀚如海洋的记忆里，还有好多好多让我们记忆犹新的小机器人：举着粪便的阿拉蕾，变形时发出Kikukukiku声音的变形金刚，肌肉很发达的终结者州长先生，《我，机器人》史密斯先生，Bicentennial Man中终于能与爱相守的Robin William，渴望变成真正的小孩回到妈妈莫妮卡身边的男孩David，日本男孩的纯情机器人女友当然还有拥有Woody Allen那样的忧郁眼神的Walle和他的性格女郎Eve！他们一定站在你内心的某一处，稍有不慎，就会站出来用铁皮手指戳醒你的记忆。你真的是人类吗？还是说是一个拥有意识、拥有自我、拥有思维的人工智能呢？又或者，你已经拥有最先进的处理器？你已经具备思考能力？你已经拥有某种感情色彩？你觉得自己是普通的人类吗？《终结者2018》中，John Connor对Marcus Wright问到：What are you？ Marcus回答说：I Don Know.这一场机械毁灭大片就是这句我不知道真正撼动了我的心。不要紧，不要对自己有诸多怀疑，你到底是人工智能还是真正的人类？来做个简单的实验吧只能你能骗过我们就好。人工智能如何改变世界？海报 by bingo 本周六，松鼠会邀请你进入微软的虚拟世界，共同体验BBC的《未来图景之人工智能革命》，探讨人工智能的各种可能性。人工智能现在到底发展到什么程度？机器人具备什么样的素质？微软的虚拟男孩是什么人？人工智能会不会拥有自己的思维？他们会不会有我的概念？他们会不会爱上你？他们会不会自我进化？人工智能是不是一定要遵循机器人三定律？他们是铁皮的还是数字的？他们能不能发起对人类的战争？美女？爱情？敌意？无数的问题等你来问！松鼠会邀请到微软亚洲研究院常务副院长赵峰、副院长张峥（就是松鼠竹人哦~），北京大学博导、sharPKUngfu机器人队队长王启宁，以及北京大学心理系认知神经科学副教授毛利华，著名科幻作家韩松从机械、电子、心理、人文等层面全方位为你解读！如此兴师动众，就为了解答你心中的疑问！也许不是每一个问题都有答案，但我永远喜欢向未知迈进的过程。号外：特别增加暖场活动北大博导王启宁将会带来一个可爱的人工智能，跟我们现场互动哦！感谢微软研究院搞定了这个很高级的场地！（要花钱的同学们！很贵的！）居然还有饮料人机对战时间：2009年6月27日（周六） 14：30（14：00开始入场）地点：北京希格玛大厦（知春路49号）地下一层科技会议中心乘车路线：乘坐城铁10/13号线到知春路站，由西北口出，向西300/200米，棕色大楼，蓝色玻璃，上有Microsoft标识。注意：只有100个名额哦！！报名从速！！请松鼠会的松鼠和亲友团也参加报名方便统计人数！请点击下面的链接，使用报名表报名。多人结伴需要填写多张报名表，每人一张。请仔细填写（尤其是Email，那是发送通知信件的唯一方式），仅提交一次即可。 https://spreadsheets.google.com/viewform?formkey=cmRIRjhzd01rejc3NUFRdEUyM2tXT0E6MA 报名确认信件将在报名完成或关闭后统一发出，请耐心等待。只要您提交表格后显示提交成功，您的数据就进入了我们的数据库，请不要反复提交数据！报名成功的同学会受到我们的确认邮件，得到一个入场编号和一张入场门票。你可以选择打印，也可以选择放在手机或电脑等电子设备里面，让工作人员看一下就好。在入场处我们会设有签到处，逐一按照姓名或者网名签到，没有报名的同学就真的没有办法进来啦！注意：本次看片会为微软另开50个名额，这是100名之外的。如果你是微软的员工，或者实习生，都可以进入这50个名额，只需要在报名的时候注明你的真实姓名，并说明微软员工身份，例如：姓名姬十三（微软）。这部分报名会由微软员工亲自负责（别想冒充哦！）。非常感谢！感想格式：题目栏：小姬看片会第九期感想+网名（看片会之后，你可以把你的任何感想告诉我们，还可以把你拍的照片发给我们）寄往：报名邮箱： xiaojimovie@gmail.com I or A.I.？; 个人分类: 小姬看片会|2804 次阅读|0 个评论

开展新交叉学科智能科学的研究: shizz 2009-5-13 17:48; 智能科学研究智能的本质和实现技术, 由脑科学、认知科学、人工智能等共同研究形成的交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质。认知科学是研究人类感知、学习、记忆、思维、意识等人脑心智活动过程的科学。人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科学不仅要进行功能仿真, 而且要从机理上研究，探索智能的新概念、新理论、新方法。智能的研究不仅要运用推理, 自顶向下, 而且要通过学习, 由底向上, 两者并存。智能科学运用综合集成的方法，对开放系统的智能性质和行为进行研究。智能科学是生命科学的精华、信息科学技术的核心，现代科学技术的前沿和制高点，涉及自然科学的深层奥秘，触及哲学的基本命题。因此，一旦取得突破，将对国民经济、社会进步、国家安全产生深刻的、巨大的影响。目前，智能科学正处在方法论的转变期、理论创新的高潮期和大规模应用的开创期，充满原创性机遇。智能科学的兴起和发展标志着对以人类为中心的认知和智能活动的研究已进入到新的阶段。智能科学的研究将使人类自我了解和自我控制，把人的知识和智能提高到空前未有的高度。生命现象错综复杂，许多问题还没有得到很好的说明，而能从中学习的内容也是大量的、多方面的。如何从中提炼出最重要的、关键性的问题和相应的技术，这是许多科学家长期来追求的目标。要解决人类在21世纪所面临的许多困难，诸如能源的大量需求、环境的污染、资源的耗竭、人口的膨胀等, 单靠现有的科学成就是很不够的。必须向生物学习，寻找新的科技发展的道路。智能科学的研究将为智力革命、知识革命和信息革命建立理论基础，为智能系统的研制提供新概念、新思想、新途径。《智能科学》系统地介绍了智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、数理逻辑、社会思维学、系统理论、科学方法论、哲学等方面的研究成果，综合地探索人类智能和机器智能的性质和规律。; 个人分类: 生活点滴|3314 次阅读|0 个评论

互联网与面盲族的故事: eloa 2009-5-3 22:47; 竹人发表于 2009-05-02 15:24 引言几个月前我在《Best American Science Writing 2007》的书中读到了一篇《Face Blind》的文章。这个故事让我想了不少。在2007年底研究院举行的系统和网络领域的例会上，我给大家讲了这个故事。希望大家从每天繁忙的技术研究和开发上，抬起头来，看得远一些，广一些。面盲族的诞生这是一个折磨着世上2%人的罕见疾病，而且可以遗传，所以应该历史久远。但其正式的医学立案却只有短短几十年，而且还诞生在很不寻常的地方。在枪林弹雨的二战前线，一发弹片击穿了一位德国中尉的脑部，弹片取出之后，他不但活了下来，而且一切正常，除了一样：所有人的脸对他来说都消失了意义，无法辨别，甚至包括他自己的脸。当主治大夫Joachim Bodamer让他的妻子穿上护士装和其他四个护士站在一起，他找不到她，他看到的只是五个护士。他的视觉完全正常：这是鼻子，那是眼，合起来就是一张脸，但是这张脸属于谁，是谁或者不是谁，已经成为完全不可捉摸的事。在十几公里外的Dresdon，盟军投下了近七千吨的炸弹，整个城市已经是一片焦土。盟军的下一个轰炸目标是Stuttgart，正是Bodamer 开展治疗的地方。就在这样恶劣的条件下，Bodamer写下了长达47页的报告，并且问到：难道我们所感知的所有，只是一个幻觉，而且是一个由不同的组件拼接而成的幻觉？他用了两个希腊语的词根给这个病起了一个较复杂的名字，叫做prosopagnosia。在随后的很多年中，不断有人发现这种病人。在大多数情况下，都集中在中风后的病人身上。但这种病例少而又少，发现的次数非常孤立，散布在世界各地。如此恶劣的样本采集导致任何有意义的比较和研究都无法展开，更别提进行可控的实验了。这导致整个医学界对prosopagnosia的了解除了记录之外，完全停滞不前。上世纪七十年代末的一个美国小镇，年轻的律师Choisser在法庭上常常陷入找不到他的委托人坐在哪的尴尬境地，人缘也越来越糟糕。别人都抱怨他很傲慢，见了面不打招呼，可事实上他只是认不出谁是谁。他忍受不了压力，终于辞退了工作，流落到旧金山的一个建筑工地找了一份会计工作。在这里，他只需要面对数字，不需要认人。在这种极端的自我封闭中他重新捡回了自己。医生们告诉他病症类似prosopagnosia，他的视力超好，还有，就是还没有发现一个病人，像Choisser自称的那样是与生俱来的。英国名模Zoe Hunn(右)与其好友在一起,其父也有面盲症, Zoe认不出她好朋友的面孔；本图来自美国期刊《Wired》可是他还是设法给自己打开了一扇窗。九十年代末，当第一波网络泡沫风起云涌之时，他在雅虎开了一个讨论组，起名Face Blind（面盲）。满地球挤来挤去的多少亿张脸孔，对他全部毫无意义，能指和所指之间彻底断裂，无法愈合。他不知道希望在哪，除了希望有人能够倾听。他没有想到的是从此就有了面盲这一族。如果可以向网络倾吐，网络就可以整合和索引信息，索引的结果就是可以查询，查询的后果就是可以联络，可以联络就能聚类。世界变得很小，也变得很大。认不了脸，他们还认识字。生活中孤立无助的面盲人聚合成了面盲族，他们在网上相互安慰，互相支援。我们忙碌工作的意义面盲族成立几个月之后，被一个在加州Santa Barbara大学医学院念书的博士生Brad Duchaine在寻找博士开题的过程中撞见。在此之前，Brad是个中毒颇深的网络游戏族，不但荒废了学业，而且过度的游戏使得他无法开车上路。可是，游戏族碰上面盲族的那天，却拉开了新的一页。Brad对Choisser的研究引起了广泛的兴趣，科学人员利用Choisser建立的这个网路组作为平台，联络散布全球的病人，从而在大规模样本集上展开有计划的实验。虽然面盲的治愈还遥遥无期，但对这种疾病已经有了突破性的认识。实验结果表明，面盲的表现可以是多个层次的，有些轻度的病人甚至只是对肤色没有感觉。通过联系病人的家属，基本可以确定这种病是能遗传的。抽样统计的结果说明，大概2%的人群患有不同程度的面盲。对大脑进行扫描，发现视觉系统在识别人脸的那部分萎缩、血管收缩或受阻。这些结果，在互联网的发明之前是不可能有的。如今，对面盲的研究已经成为了解人的感知的一个重要分支。就像所有受过基础训练但步入实用技术的研究和开发的人一样，我对现代物理和人的感知这两个方向一直保持着业余发烧友的兴趣。在读完一本On Intelligence的书之后，我曾经很相信一个大一统的理论，认为人的感知是由一个基本的神经网络系统在不断的外界反馈之中完善和发展。这种理论不承认识别人脸和识别其他的形状有任何本质的区别。而面盲族的故事告诉我事实正相反，而理由其实很简单。如果我们相信生命在基因的这个层面的使命就是繁衍，那么任何人群中最关心一个新生命的就是其生身父母，因为唯有这个新生命才携带了他们的基因。反过来说，一个新的个体是很脆弱的，如果他/她不能很快在人群中识别自己的父母，那将是非常危险的。从生物进化的角度来说，快而精准地定位自己的监护者的能力是不可或缺的。所以识别人脸的机制有别于并且领先于识别这世界中其他器物的能力，完全理所当然。面盲人之所以成为网络一族，其中关涉互联网技术上的方方面面我们基本上都相当了解。这都是十年前的技术，现在的进步更是飞速。可是我有时疑惑这些技术的飞跃给这个已经相当拥挤繁杂的世界到底带来了什么？发个电邮举手之劳，方便和迅捷的后果却是思考的时间反而变得很稀少。在上海美术馆前不久展出的法国蓬皮杜艺术中心的作品中，有一例是拍摄小孩子看电视时候的脸部表情，和另一组有先天痴呆的小孩子的视频混放在一起，即便是仔细看，也不容易区分开。我曾经陪同微软总部的同事参观中国的网吧，惊讶于所见：是人在敲打键盘，还是键盘掌控人于股掌之间？屏幕前的一张张脸都是如此模糊和病态，苍白地飘在烟雾之中。面盲艺术海报,小众菜园论坛的一毛据张晓刚作品改编可是如果没有互联网，面盲人仍然将是各自飘零于天涯的孤独客，永远迷失在众多的脸面之中。从孤立的面盲人到面盲族，是典型的量变到质变的例子。而如果不能聚沙成堆，汇水成河，科学就无据可依，对我们自身的了解就无处着手。无法了解，那就更加无从进步。如果不进步，那么我们面对命运，就是集体面盲。我们这个行业如此忙碌的最终目的，并不在消灭面盲。我们离科学还太远，即便在最好的公司里或是最好的研究机构，为赢利的驱动也让我们无法也没有时间去看得很远。但请不要相信我们工作的意义只是让一个庞大的赚钱机器转得更快。有一些生命，比如Choisser，是不言放弃的，即使是在最恶劣的环境之下。我们忙碌工作的目的，就是帮助 Choisser；帮助Choisser，就是帮助我们自己。; 个人分类: 心理|2097 次阅读|1 个评论

机器发现与科学方法论: gl6866 2009-1-3 10:09; 机器发现涉及到科学方法论的问题。如果我们说传统的科学方法论是一种纯软东西，那么所谓机器发现（machine discovery）就是指计算机科学、人工智能、认知科学和科学方法论的结合，甚至在某种程度上说是它们与科学史、科学社会学的结合，是比较硬的意义上的一个领域了。我国第一届国家最高科学技术成就奖奖励了两位学者，其中的一位就是数学家吴文俊（另一位是杂交水稻之父袁隆平）。吴文俊在几何定理的机器证明方面做出了贡献。实际上，与吴教授的这个工作领域相应的还有一个机器发现领域。机器发现即计算机发现。是不是说机器发现就是让计算机去做科学发现，而完全用不着人呢？不是这样的。实际上，机器并没有智能，是人设计计算机程序，再把相关的经验数据输入计算机，由计算机按照人设计的程序进行运算，运算的一些重要阶段的结果由人来做出诠释，整个过程是人-机相互作用的过程。最后的结果出来了，计算机不懂其内容，还是要人根据有关知识对这个最终的结果做诠释，这样才算是一个机器发现。这么说，机器发现过程中，计算机不过是人进行研究的工具。机器发现中较早的系统工作大约是在1987年，美国有一位叫兰利博士生，在他鼎鼎大名导师司马贺的指导下，设计出一款培根一号（Bacon1）的程序。他之所以取Bacon1就是要表明这个程序是遵循归纳主义的方法论精神的。这个程序做了一件这样的事情，就是把科学史学家考证出来的大概是1660年左右爱尔兰一个叫波义耳的学者做出的关于常温常压下温度不变时空气的体积与压力的关系的发现。这个发现我们今天称为波义耳定律，讲的是PV = c，即气体的压力和体积的乘积等于一个常数。波义耳当时作出了19组数据，就是保持温度不变，改变气体的压力，看它体积的变化。把数据输入到Bacon1里面，Bacon1就给出PV = c的结论。这不是一个新的发现，所以把它叫做再发现（rediscovery）。Bacon共有6个版本。运用这个程序兰利还再发现了开普勒行星运动第三定律以及其他一些定律。有些人提出疑问，这个不是机器发现，是人的发现。因为机器并没有想去做体积和压力这样关系的实验，是人去做了，想到这个问题不是机器做到的。另外，这也不是用的归纳法，而是用的波普尔的猜想-反驳的方法。他们电脑里面设计的关系都是积性函数关系。把体积和压力之间的各种关系尽可能多地罗列出来，当然认为这种关系是无限多的，想出来了再让电脑去搜索。电脑和人脑有一个区别，就是电脑可以做大量的、简单的、重复的劳动。发现体积和压力之间不是相减也不是相加的关系，也不是相除的关系，最后在第6次发现他们是相乘的关系。所以实际上是一种试错法。就相当于我们要解决一个问题，就是究竟体积和压力有什么样的关系？我们就设想是相加的关系，结果我们用电脑去试，不是这样。就把这个想法给排除掉，或者说是证伪了。然后设想是一种相减关系，让电脑去试，也不对。这样一条一条地排除掉。用机器再发现开普勒第三定律也是用这样的方法。所以人们就说你这个不是电脑发现，而是人为地设定了搜索的范围，让它在这个范围去找，其他的都让你的人脑给排除掉了。后来人们很清楚说，机器发现指的是机器起着一个非常关键的作用，是做一种自动的推理，并不是我们想好了用计算机去算一遍。另外并不是说机器发现完全不能有人的参与。所以现在我们没有人争论说机器不能做出发现。很有趣的是，波普尔指出来科学发现过程没有机械程序。发现过程不可能机械化，要是机械化了就没有创造性了。结果人们运用他的猜想-反驳模式在一定的范围之内、一定角度帮助人们做出了科学发现。但是人们说你做出的这个再发现是定量的而不是定性的。定性的东西能做吗？兰利等人就做出了另一个机器再发现程序，叫做STAHL。Stahl是一位德国化学家，他在历史上提出燃素说。燃素说是近现代化学史上第一个科学的学说。人们把施塔尔当时知道的现象输进计算机里面，这些现象都是定性的不是定量的，结果机器提出了燃素说。这是机器发现研究的第一个方面，就是rediscovery，用机器去做这样一种再发现。第二个方面，人们设想能不能用电脑去做出一个新的发现，不要老做rediscovery，能不能把这个re去掉，就做discovery。结果也有些人做了出来：MYCIN系统可以根据一些知识和数据判断是什么病菌引起血液细菌感染，然后开出抗菌素药方。PROSPECTOR系统曾发现了美国华盛顿的一处钼矿，据说该矿的开采价值超过了一亿美元。在粒子物理学里面有人用机器发现了新的守恒定律。这里讲一个化学方面的例子。化学反应机理是化学家们必须搞清楚的，但是又搞不清楚。为什么呢？分子与分子之间的碰撞时间在10-16秒里面完成，现在的仪器根本不可观测。简单地说反应机理又是化学变化的全部细节和过程。同一个反应有可能有好几个反应机理，这都是有可能的。这是一个充满计算量的研究过程。简单的链状有机化合物分子就是乙烷。乙烷可以加氢裂解成两个甲烷分子。它是一个最简单的烷烃加氢裂解反应的例子。卡内基-梅隆大学的瓦尔德斯-佩雷兹，就设计了一个系统MECHEM，结果提出了一个新的反应机理。这个发现不是发表在人工智能的学报上，而是发表在纯化学的刊物《催化通讯》上。他是如何做的呢？首先分析人们已经提出的乙烷反应机理，大概有几十个。这些反应机理虽然不同，但都包含8个相同的过程，所以可以归结为一大类反应机理。瓦尔德斯-佩雷兹提出来的反应机理和原来的反应机理完全不一样。其实他就是利用了计算机的算法，在计算机里面按照机械的操作，不用懂得其中的过程，来完成人在很有限的时间里无法完成的工作量巨大的推理，就能够得到结果。另外还有化学中空间的因素，我们学过的轨道对称性规则，对称要素是不是守恒等等，把这些附加条件告诉它，然后把各种不符合的可能机制排除掉，剩下一些符合我们要求的这样一些机制。做出来的结果还有大量的是我们不需要的，是读不明白的胡说八道的，这就人与机器相互作用，删掉一些东西。然后给他设计新的算法和新的启发法，让它再次运行得出一些新的结论。大体上就是这样，这是第二种类型，叫做机器发现，真正的发现。第三个方面做的是科学革命的机制。做的比较系统的是萨伽德。他是加拿大滑铁卢大学哲学系教授兼心理学系教授。他认为科学革命的过程是一个概念革命的过程，它靠的是内部的理性的知识的变化，靠它的解释力、预见力来赢得科学地位，而不是像一些科学知识社会学所说的靠社会利益或其他的东西。萨伽德用一个点代表一个命题，一个陈述句吧。这样，对应于一场科学革命，就可以在一张图上标出三组点，三组陈述或者命题，每一组点占一行。一组是证据，比如说物体燃烧需要空气，这是一个实验结果，不管你是相信燃素说还是相信氧化说的人，都要承认它。再比如纸燃烧以后的灰烬比燃烧前的纸要轻，铁经过煅烧过后它的质量增加等等，都是证据。每一个证据作一个点。把证据这一组点画在中间一行。另两组代表两个相反的理论陈述系统，比如燃素说和氧化说。燃素说的命题，比如燃烧时燃素从燃烧物体中跑掉了，就用一个点代表。代表燃素说命题的点在图的上方占一行。氧化说的命题，比如，燃烧时氧与某种元素结合了，也用一个点代表。代表氧化说命题的点在图的下方占一行。这样就有了三行点，自上而下分别代表燃素说、证据和氧化说的命题系统。然后，寻找三个命题系统之间的关系。如果某个或者某几个理论命题可以解释某个证据，就把代表相应理论命题的点与代表被解释证据的点之间作一条实线。比如说物体燃烧是因为燃素跑掉了，这个命题就可以解释为什么物体燃烧会变轻，就把命题和证据连起来。氧化说也有自己的说法，铁在空气中燃烧变重就是因为和氧化合了，所以变重，这样就可以把氧化说的这个命题与相应证据连起来。不能解释的证据与相应的理论命题之间用虚线连起来。于是，就构成了一个网络，输入到电脑里面就可以进行运算，就可以得出哪个理论的解释力强，就会战胜另外一个理论。; 个人分类: 认知科学|5619 次阅读|4 个评论

谈谈国际信息哲学（Philosophy of Information）的诞生: 热度 1 gl6866 2008-12-3 10:46; （按：2002年以来，我开始在国内倡导开展信息哲学研究，先后有不少人通过各种方式，包括网站、电子函件、BBS、博克、写信、撰文、会议讨论甚至直接来访，表达自己的意见和见解。有人认为根本不存在什么信息哲学，有人认为信息的哲学问题已经解决，而有人则声称自己早就发明了信息哲学等等，各种意见不一而足。对于这些意见，我无法做出赞成或不赞成的简单回复。为了使这个极富生命力新学科在我国能够得到健康顺利的发展，根据我对国际哲学界对信息哲学态度的了解，对该学科的问世作一个初步的说明。）信息哲学（philosophy of information, 简称PI）在国际哲学界问世标志是什么？我们认为，2002年牛津大学的哲学家弗洛里迪（Luciano Floridi）在《元哲学》（Metaphilosophy）上发表的论文《什么是信息哲学？》（What is the Philosophy of Information?）是重要的标志之一。尤其值得注意的是，弗洛里迪在文中称：本文是第一篇企图系统地分析信息哲学性质的文章。在国际哲学界能够出此断言，我以为作者还是经过非常严肃和慎重的思考和研究的。换句话说，此前国际哲学界并没有信息哲学的提法，也没有哲学家进行过类似的论证。该文主要目的便是论述信息哲学作为一个独立的研究领域何以成为可能。信息哲学被定义为批判性研究的哲学领域，它涉及到信息的概念本质和基本原理，包括信息的动力学、利用和科学以及对哲学问题的信息理论和计算方法论的提炼和应用。信息这个概念被事后追认为先驱无疑有其合理性，因为它一方面可以使未来的工作从自发的天真转向自觉的有教养、有师法，与此同时它也可以再造传统，使哲学领域中的旧话题在这个新解释学装置中产生新的意义、染上新的气象、增添新的价值。在这篇文章中，弗洛里迪提出信息哲学是一门成熟的学科，具体理由有三：它代表一个独立的研究领域；它能为传统的和新的哲学话题提供一种创新的方法；它能与其他哲学分支比肩并立，为信息世界和信息社会的概念基础提供一种系统的处理。另一个标志是弗洛里迪于2001年8月在美国卡奈基-梅隆大学主办的计算机与哲学大会的司马贺计算与哲学讲座（Herbert A. Simon Lecture on Computing and Philosophy）所做的题为《信息哲学的若干问题》（Open Problems in Philosophy of Information）讲演。在这次讲演中，弗洛里迪仿照著名数学家希尔伯特（David Hilbert）于1900年在数学大会上提出23个未解决的数学问题方式，为信息哲学提出了5组18个大问题。位于中心的是核心概念信息，各个问题被归入以下四个方面：语义、智能、自然和价值。根据这次讲演写成的论文《信息哲学的若干问题》即将刊登在2004年4月号的《元哲学》上。这篇文章也被我们译成中文，待英文原文发表后，再发表中文译文。刊登《什么是信息哲学？》的这一期《元哲学》有一个副标题：《赛伯哲学：哲学与计算的交汇》（ CyberPhilosophy: The Intersection of Philosophy and Computing ）。显然，信息哲学产生于哲学与计算的交汇点上。因而这门具有交叉科学性质（interdisciplinary）的哲学学科，以一种崭新的方式关照着哲学，其新就在于把计算的工具引入了哲学。这与以往的哲学具有本质的不同，其特征之一就在于是工具驱动（tool-driven）。美国从事虚拟实在研究的哲学家海姆（Michael Heim）甚至将计算机称为形而上学的实验室。这篇文章实际反映了上个世纪90年代美国哲学界进行的一项重要活动的持续。美国哲学会（APA）的计算与哲学分会（CAP）在90年代中期曾经就计算机如何在改变哲学这一主题做过一次全国普查。普查的结果集中反映在1998年出版《数字凤凰计算机如何在改变哲学》（ Digital Phoenix: How Computers are Changing Philosophy ）的文集中。在为该文集撰写导言中，计算与哲学分会新老两届会长拜纳姆（Terrell Ward Bynum）和穆尔（James H. Moor）坦承，在哲学的大舞台上有一股新生力量正在崭露头角，其结果便是涌现出一个新的哲学范式。他们说：哲学领域不时会发生一些大的运动。这些运动始于若干简单但却非常丰富的思想这些思想为哲学家提供了审视哲学问题的新透镜。渐渐地，哲学方法和问题得到了提炼并根据这些新观念获得理解。随着新颖而有意义的哲学成果的获得，运动发展成一股蔓延至整个学科的知识浪潮。一个新的哲学范式涌现了 2002年，人工智能、哲学与认知科学领域的著名期刊《心与机器》（ Minds and Machines ）决定出版一期以信息哲学为主题的专刊。在国际计算与哲学协会（IACAP）的网站上刊出的征稿启示中特别强调：计算为哲学提供了这么一套简单而又令人难以置信的丰富观念计算为传统的哲学活动带来了新的机遇和挑战计算正在改变着哲学家理解那些哲学基础和概念的方式。哲学探究中的这股思潮吸收了根据计算的主题、方法或模式，正稳定地迈向前方。这个新的领域已经被定义为信息哲学。这里特别指出，国际计算与哲学协会首次将哲学这个新的领域与信息哲学联系起来。这个提法无疑肯定了弗洛里迪在《什么是信息哲学？》中提出的哲学主张和基本观点，尽管这篇文章当时还未发表。因而《数字凤凰计算机如何在改变哲学》中所谓新涌现的哲学范式便是指信息哲学。这可以看作是信息哲学问世的另一个标志。《什么是信息哲学？》这篇文章所阐发的思想和观点曾在国际哲学界进行过广泛的辩论。譬如，1996－1997学术年弗洛里迪在意大利巴里大学就认识论与信息技术这个题目作过系列讲演；然后是19992000年，他作为认识论的访问教授在罗马第三大学教授信息哲学；在《应用逻辑》学术报告会（伦敦大学玛丽皇后和威斯特学院，1999年11月26日）；在《计算与哲学计算及其应用以及对哲学研究的影响的哲学含义》学术报告会（伦敦大学国王学院，1999年2月19日）；在1999年美国哲学会东区会议由APA委员会安排的关于哲学与计算机的特别会议（波士顿，1999年12月28日）；在第四届世界系统论、控制论、信息论多主题年会（佛罗里达奥兰多，2000年7月23－26日）等。信息哲学的研究纲领在国际哲学界经过数年的论证终于得以确立。我们认为，《什么是信息哲学？》与《信息哲学的若干问题》这两篇文章可被视为信息哲学的基础性工作，前者阐明了信息哲学的基本观点和任务，后者则给出了信息哲学的问题域。; 个人分类: 信息哲学|6549 次阅读|7 个评论

认知科学的世纪评比: 热度 2 gl6866 2008-12-1 11:01; 科学在20世纪的发展有两条线索，一条是以物理科学为代表的，如相对论、量子力学以及后来的混沌。物理学在20世纪是科学的样本，可以看看波普尔、卡尔纳普、库恩、查尔默斯等均以物理学为样本建立起自己的科学哲学理论。而另一条则是以包括认知科学在内的意向性科学（intentional sciences）为代表的。所谓意向性科学指的是涉及到符号、指称和解释如逻辑、认知科学、神经科学、部分生物学以及计算机科学等。20世纪是个伟大的世纪，以物理学为代表的科学取得了前所未有的成就，在探索宇观和微观世界过程中，物理学将人类理解的水平提高到一个崭新境界。现在看来，物理学关于极大和极小这两个世界的知识再过100年，人类恐怕也永不完。与此同时，介于这两个极端的宏观世界以及人类自身却遗留下了大量的尚未解决的问题。科学研究需要进行回采，解决我们实际面临的种种问题。在新的世纪中，科学研究的背景将逐渐转换到这个新的层面进行作业，也就是说，以意向性科学为线索的探究路线将成为科学研究的主要进路。明尼苏达大学认知科学中心于1999年举办了一次《千年项目》（Millieum Project）活动，目的是评选20世纪认知科学中的100部优秀作品。活动开始到1999年12月1日为止，在下面网站上共收到305部学术著作和一部电影的提名。实际上，这类评选活动在一些重要的时间关口总是层出不穷。说有多么权威似乎谈不上。但同时我们也不能将此类活动完全视为炒作。尤其是关系到某个学科的评比，尽管会有照应不周全之处，但总还是会有一定道理的。《千年项目》组由以下专家组成，Apostolos Georgopoulos (神经科学)；Jeanette Gundel (通信紊乱)；Paul Johnson (卡尔松学院)；Dan Kersten (心理学)；Chuck Nelson (儿童发育)；Bruce Overmier (心理学)；Herb Pick (儿童发育)；Wade Savage (哲学)；Patty Costello (研究生院代表, 认知科学中心)。以下便是该项目组从305部作品中评选出的100部作品。排在第一位的是影响最大的。 20世纪100部最据影响的认知科学作品： 1、《句法结构》（ Syntactic Structures ），作者：乔姆斯基（N. Chomsky），The Hague: Mouton）(1957)； 2、《视觉：人类视信息的表征和处理的计算探究》（ Vision: A Computational Investigation into the Human Representation and Processing of Visual Information ）,作者：马尔（D. Marr）,San Francisco: W. H. Freeman（1982）； 3、《计算机和智能》（Computing machinery and intelligence），作者：图灵（A. M. Turing）， Mind , 59, 433-460（1950）； 4、《行为的组织：一种神经心理学的理论》（ The Organization of Behavior; a Neuropsychological Theory ），作者：赫布（D.O. Hebb）,Wiley-Interscience, New York (1949)； 5、《并行分布式处理：认知微结构的探究》（ Parallel Distributed Processing: Explorations in the Microstructure of Cognition ），作者：鲁梅尔哈特和麦克科莱兰（D. E. Rumelhart and J. L. McClelland）, MIT Press: Cambrige, Mass （1986）； 6、《人类如何解决问题》（ Human Problem Solving ）,作者：纽瓦尔和司马贺（A. Newell, H. A. Simon）, Englewood Cliffs, NJ: Prentice-Hall（1972）； 7、《心的模块性：官能心理学》（ The Modularity of Mind: An Essay on Faculty Psychology ），作者：福多（J.Fodor），Cambridge, MA: MIT Press （1983）； 8、《记忆：实验与社会心理学研究》（ Remembering: A Study in Experimental and Social Psychology ），作者：巴特利特（F. C. Bartlett）Cambridge, England: The University Press （1932）； 9、《神奇的数字7，＋或－2：我们信息处理能力的某些极限》（ The magical number seven, plus or minus two: Some limits on our capacity for processing information ）,作者：米勒（G. A. Miller）, Psychological Review, 63, 81-97（1956）； 10、《知觉与通信》（ Perception and Communication ）,作者：布罗德本特（D. Broadbent）, New York: Pergamon Press（1958）； 11、《作为知觉系统的感觉》（ The Senses Considered as Perceptual Systems ），作者：吉布森（J. J. Gibson），Boston, MA: Hougton Mifflin （1966） ; 12、《数学的通信理论》（A mathematical theory of communication）,作者：香农（C. E. Shannon）， Bell System Technical Journal , 27, 379-423 （1948）； 13、《论可计算数》（On computable numbers: With an application to the Entscheidungsproblem）,作者：图灵（A.M. Turing）， Proceedings of the London Mathematical Society , ser. 2, 42 （1936）； 14、《内在于神经活动中的思想逻辑计算》（ A logical calculus of the ideas immanent in nervous activity ）,作者：麦克卡洛克和匹兹（S. W. McCulloch W. Pitts），Mathematical Biophysics, 5:115-133 pp. 18-27 （1943）； 15、《意识清醒状态下大脑半球的断裂与整合》（Hemisphere deconnnection and unity in conscious awareness），作者：斯佩里（R. W. Sperry）, American Psychologist 23 (10), 723-733（1968）； 16、《鼠与人的认知映射》（Cognitive maps in rats and men），作者：图尔曼（E.C. Tolman）， Psychological Review 55, 189-208 （1948）； 17、《费里尔讲座：猕猴视皮层功能架构》（Ferrier lecture: Functional architecture of macaque monkey visual cortex）,作者：胡伯尔和威泽尔（D. H. Hubel T. N. Wiesel）， Proceedings of the Royal Society of London B, 198, 1-59 （1977）； 18、《心理学的概念框架》（ The Conceptual Framework of Psychology ），作者：布伦斯维克（E. Brunswik），Chicago: University of Chicago Press (1952）； 19、《斯金纳言语行为述评》（ A review of Skinner's Verbal Behavior ）,作者：乔姆斯基（N. Chomsky），Language, 35, 26-58 （1959）； 20、《认知心理学》( Cognitive Psychology ),作者：尼斯尔（U.Neisser），Englewood Cliffs, N.J.:Prentice-Hall（1967）； 21、《信号检测理论与心理物理学》（ Signal Detection Theory and Psychophysics ）,作者：格林和斯韦特斯（D.M. Green and J.A. Swets），New York: Wiley （1966）； 22、《思的研究》（ A Study of Thinking ）,作者：格林、斯韦特斯和奥斯汀（J. R. Bruner, J. J. Goodnow G. A. Austin），New York: Wiley （1956）； 23、《三维物体的心内旋转》（Mental rotation of three-dimensional objects）,作者：谢泼德和梅兹勒（R.N. Shepard and J.Metzler） Science , 171, 701-703 （1971）； 24、《人工物的科学》（ The Sciences of the Artificial ）,作者：司马贺（H. A. Simon），MIT Press（1969）； 25、《行为中的顺次问题》（The problem of serial order in behavior）,作者：拉什利（K. S. Lashley）,in Cerebral Mechanisms in Behavior , Wiley, pp. 112-136 （1951）； 26、《心理物理学导论：知觉、神经和社会展望》（ Psychophysics: Introduction to its Perceptual, Neural, and Social Prospects ），作者：史蒂文斯（S. S. Stevens）New York, NY: John Wiley and Sons. （1975）, v, 329； 27、《认知的构架》（ The Architecture of Cognition ），作者：安德森（J.R. Anderson），Cambridge, MA: Harvard University Press （1983）； 28、《思想和语言》（ Thought and Language (Myshlenie i rech'.)），作者：维哥托夫斯基（Lev Vygotsky），(E.Hanfmann and G. Vakar, Trans.). Cambridge, M.I.T Press，(1964 (original work 1934))； 29、《行为的计划和结构》( Plans and the Structure of Behavior ),作者：米勒、加兰特和普里伯拉姆（G.A.Miller E. Galanter and K.H. Pribram），New York, Holt, Rinehart and Winston, Inc.(1960)； 30、《句法理论诸方面》( Aspects of the Theory of Syntax )，作者：乔姆斯基（N. Chomsky），Cambridge, MA: MIT Press (1965)； 31、《认知统一论》（ Unified Theories of Cognition ），作者：纽瓦尔（A. Newell），Cambridge, MA: Harvard University Press (1990)； 32、《控制论(或关于在动物和机器中控制和通信的科学)》（ Cybernetics, or Control and Communication in the Animal and the Machine ），作者：维纳（N. Wiener），New York: Wiley (1948)； 33、《论预测心理学》(On the psychology of prediction),作者：卡内曼和特韦斯基（D. Kahneman A. Tversky）， Psychological Review , 80, 237-251 (1973)； 34、《单个的单元和感觉：知觉心理学的神经元原理》(Single units and sensation: A neuron doctrine for perceptual psychology)，作者：巴罗（H. Barlow）， Perception , 1, 371-394 (1972)； 35、《知觉学习和发育原理》( Principles of Perceptual Learning and Development )，作者：吉布森（E.J. Gibson），Appleton, Century and Croft (1969)； 36、《视知觉的生态学方法》( The Ecological Approach to Visual Perception ),作者：吉布森（J. J. Gibson），(1979)； 37、《自然的范畴》(Natural Categories),作者：罗施（E. Rosch） Cognitive Psychology , 7,573-605 (1973)； 38、《蛙眼告诉蛙脑什么》(What the frog's eye tells the frog's brain),作者：勒特文等（J.Y. Lettvin, H.R. Maturana, W.S. McCulloch W.H. Pitts）， Proceedings of the IRE , Vol. 47, No. 11, pp. 1940-51 (1959)； 39、《为了脑的设计：适应行为的起源》( Design for a Brain: The Origins of Adaptive Behavior ),作者：罗斯（Ashby, W. Ross），New York: Willey (1960)； 40、《博弈论和经济行为》( Theory of Games and Economic Behavior )，作者：冯诺依曼和摩根斯坦（J. Von Neumann O.Morgenstern），( ed.). New York,: Science Editions J. Wiley.（1964）； 41、《简洁视觉表征中的信息》（The Information Available in Brief Visual Presentations），作者：斯伯林（G. Sperling）， Psychological Monographs , 74 (Whole number 498) (1960)； 42、《心、脑和程序》(Minds, brains and programs),作者：塞尔（J.R. Searle）， The Behavioral and Brain Sciences , 3.(1980)； 43、《人类记忆的高速记忆扫描》（High-speed memory scanning in human memory），作者：斯坦恩博格（S. Sternberg）， Science , 153, 652-654 (1966)； 44、《表征知识的框架》(A framework for representing knowledge)，作者：明斯基（M. Minsky），in P. H. Winston (Ed.), The Psychology of Computer Vision . New York: McGraw-Hill, pp. 211-277 (1975)； 45、《语言的生物学基础》（ Biological Foundations of Language ）,作者：伦纳博格（E. H. Lenneberg），New York: Wiley (1967)； 46、《儿童对世界的把握》( The Child's Conception of the World ),作者：皮亚杰（J. Piaget），New York: Harcourt, Brace, and World (1930)； 47、《处理的水平：记忆研究纲要》（Levels of processing: A framework for memory research），作者：克雷克和洛克哈德（F.I. Craik and R. S. Lockhart), Journal of Verbal Learning and Verbal Behavior , 12, 599-607 (1972) ； 48、《顺序言语反映研究》(Studies of interference in serial verbal reactions),作者：斯特罗普（J. Stroop）， Journal of Experimental Psychology , 18, 643-661 (1935)； 49、《自复制自动机理论》( Theory of Self-reproducing Automata ),作者：冯诺依曼和伯克斯（J. Von Neumann A. W. Burks），Urbana,: University of Illinois Press (1966)； 50、《视觉世界的知觉》( The Perception of the Visual World )，作者：吉布森（J. J. Gibson），Westport, Conn.: Greenwood Press (1950)； 51、《格式塔心理学原理》( Principles of Gestalt Psychology ),作者：考夫卡（K. Koffka,），New York: Harcourt, Brace and Co.(1935)； 52、《论人类视觉系统神经元的存在》（On the existence of neurones in the human visual system selectively sensitive to the orientation and size of retinal images），作者：布莱克莫尔和坎贝尔（C. Blakemore F.W. Campbell）， Journal of Physiology , 203, 203-260 (1969)； 53、《通过组分的认知：人类图像理解的理论》(Recognition-by-components: a theory of human image understanding),作者：比德曼（I. Biederman）， Psychological Review , 94, 115-147 (1987)； 54、《哲学研究》（ Philosophical Investigations ），作者：维特根斯坦（Ludwig Wittgenstein），New York: Macmillan (1953)； 55、《注意力的特征整合理论》(A feature integration theory of attention)，作者：特莱斯曼和格莱德（A. Treisman and G. Gelade） Cognitive Psychology , 12, 97-136 (1980) ； 56、《工作的大脑：神经心理学导论》( The Working Brain: An Introduction to Neuropsychology ),作者：卢里亚（A. R. Luria）New York: Basic Books (1973); 57、《独眼人的知觉基础》( Foundations of Cyclopean Perception ),作者：朱利兹（B. Julesz），Chicago, IL: The University of Chicago Press (1971)； 58、《儿童的实在构造》( The Construction of Reality in the Child ),作者：皮亚杰(J. Piaget), NY: Ballantine Books(1954)； 59、《思想的语言》( The Language of Thought ),作者：福多（J. A. Fodor），New York: Crowell (1975)； 60、《偶发记忆中的编码特异性和处理过程》(Encoding specificity and retrieval processes in episodic memory)，作者：塔尔英和汤姆生（E. Tulving and D.Thompson）， Psychological Review , 80, 352-373(1973)； 61、《学习定式的形成》（The formation of learning sets），作者：哈罗（H. F. Harlow）， Psychological Review , 1949, 56, 51-65 (1949)； 62、《心的模型：走向语言、推理和意识的认知科学》（ Mental models: Towards a Cognitive Science of Language, Inference, and Consciousness ），作者：约翰逊－拉尔德（P. M. Johnson-Laird），Cambridge MA: Harvard University Press（1983）； 63、《计算机不能做什么》（ What Computers Can't Do ），作者：德赖福斯（H. L. Dreyfus），MIT Press（1972）： 64、《科学革命的结构》（ The Structure of Scientific Revolutions ），作者：库恩（T. S. Kuhn），Chicago: University of Chicago Press（1962）； 65、《裂脑》（ The Bisected Brain ），作者：伽扎尼加（M. Gazzaniga），(1970) 66、《意向性立场》（ The Intentional Stance ），作者：丹内特（D. C. Dennett），MIT Press（1987）； 67、《猴脑后颅顶联想皮层：外人格空间内的运算指令功能》（Posterior parietal association cortex of the monkey: command functions for operations within extrapersonal space），作者：蒙特卡斯特尔等（V.B. Mountcastle, J.C. Lynch, A .Georgopoulos, H. Sakata, C.Acuna）； J Neurophysiol 38:871-908（1975）； 68、《不确定性之下的判断：启发和偏见》（Judgments under uncertainty: Heuristics and biases）；作者：特韦斯基和卡纳曼（A. Tversky D. Kahneman）， Science , 185, 1124-1131（1974）； 69、《接近度的分析：带未知距离函数的多维梯度》（The analysis of proximities: Multidimensional scaling with an unknown distance function），作者：谢泼德（R. N. Shepard）， Psychometrika , 27(2), 125-140（1962）； 70、《傅立叶分析在格栅可见度中的应用》（Application of Fourier analysis to the visibility of gratings），作者：坎贝尔和罗伯逊（F.W. Campbell and J.G. Robson）， Journal of Physiology . 197: 551-566（1968）； 71、《记忆》（Working memory），作者：巴德雷和希齐（A.D. Baddeley and A.D. Hitch），in G. Bower (Ed.), The Psychology of Learning and Motivation , Vol. 8; pp 47-89). New York: Academic Press（1974）； 72、《语言、思想和实在选集》（ Language, Thought and Reality; Selected Writings ），作者：沃尔夫（B. L. Whorf），（ed. by J. Carroll），Boston, MA: MIT Press （1956）； 73、《二个皮层视觉系统》（Two cortical visual systems），作者：恩格尔莱德和米什金（L.G. Ungerleider and M. Mishkin），in D.J. Ingle, M.A. Goodale, and R.J.W. Mansfield (Eds.), Analysis of Visual Behavior . Cambridge, MA: MIT Press （1982)）； 74、《知觉元》（ Perceptrons ），作者：明斯基和帕泊特（M. Minsky S. Papert），Cambridge: MIT Press（1969）； 75、《感觉机制、冗余度减少和智能》（Sensory mechanisms, the reduction of redundancy, and intelligence），作者：巴罗（H. B. Barlow）， Proceedings of the symposium on the mechanization of thought processes . National Physical Laboratory. HMSO, London（1959）； 76、《双测海马突起损伤后的最近记忆丧失》（Loss of recent memory after bilateral hippocampal lesions），作者：斯科维尔和米尔纳（W. B. Scoville and B. Milner）， Journal of Neurology, Neurosurgery, and Psychiatry , 20（1957）； 77、《记忆》（ Working Memory ），作者：巴德雷（A. Baddeley），Oxford University Press（1986）； 78、《脚本、计划、目标和理解》（ Scripts, Plans, Goals, and Understanding ），作者：珊科和阿贝尔森（R. C. Schank and R. P. Abelson）Hillsdale, NJ: Erlbaum（1977）； 79、《心的测时探究》（ Chronometric Explorations of Mind ），作者：波斯纳（M. I. Posner），Hillsdale, N.J.: Lawerence Erlbaum Associates（1978）； 80、《形式、颜色、运动和深度的分异：解剖学、生理学和知觉》（Segregation of form, color, movement and depth: Anatomy, physiology and perception），作者：利文斯顿和胡伯尔（M. Livingstone D. Hubel）， Science , 240(4853):740-9 （1988）； 81、《生物学运动的视知觉及其分析模型》（Visual Perception of biological motion and a model for its analysis），作者：约翰森（G. Johansson）， Perception Psychophysics , Vol. 14 (2); 201-211（1973）； 82、《梦的解析》（ The Interpretation of Dreams ），作者：弗洛伊德（S. Freud），(1st English Edition) London: George Allen and Unwin Ltd.（1927）； 83、《解释的性质》（ The Nature of Explanation ），作者：克里克（K. Craik），Cambridge, England: Cambridge University Press（1943）； 84、《运动的协调》( The Coordination and Regulation of Movements )，作者：伯恩斯坦（N.A.Bernstein），Oxford, New York: Pergamon Press（1967）； 85、《神经系统的整合行动》（ The Integrative Action of the Nervous System ），作者：谢林顿（Sir Charles S. Sherrington），New York: Scribner's Sons（1906）； 86、《走向文本理解和生产的模型》（Toward a model of text comprehension and production），作者：金驰和范德迪克（W. Kintsch and T. A. van Dijk）， Psychological Review , 85, 363-394（1978）； 87、《神经达尔文主义：神经元组选择理论》（ Neural Darwinism: The Theory of Neuronal Group Selection ），作者：埃德尔曼（G. M. Edelman），New York: Basic Books（1987）； 88、《光和视网膜的理论》（Lightness and retinex theory），作者：兰德和麦克凯恩（E. H. Land and J. J. McCann）， Journal of the Optical Society of America , 61 (1), 1-11（1971）； 89、《作为认知映射的海马状突起》（ The Hippocampus as a Cognitive Map ），作者：奥基弗和内达尔（J. O'Keefe and L. Nadel），Behavioral and Brain Sciences, vol 2(4)（1979）； 90、《猿的智力》（ The Mentality of Apes ），作者：科勒（W. Koehler），New York: Harcourt and Brace（1925）； 91、《猿和儿童的语言理解》（Language comprehension in ape and child），作者：萨维奇－伦堡（E. Sue Savage-Rumbaugh）， Monographs of the Society for Research in Child Development (serial no.233), vol 58, nos. 3-4 （1993）； 92、《灵长类前叶皮层回路和通过表征性记忆对行为的调节》（Circuitry of primate prefrontal cortex and the regulation of behavior by representational memory），作者：哥德曼－拉齐克（P.S. Goldman-Rakic）， Handbook of Physiology , vol5(1), American Physiological Society, Bethesda, MD: 373-417（1987）； 93、《婴儿的话语知觉》（Speech perception in infants），作者：埃玛斯等（P.D. Eimas E.R. Siqueland, P. Jusczyk, J. Vigorito）， Science Vol 171 (3968), 303-306（1971）； 94、《心理学术语的运筹学分析》（The Operational analysis of psychological terms），作者：斯金纳（B. F. Skinner）， Psychological Review , 52, 270-277（1945）； 95、《神经元群落向量的思维旋转》（Mental rotation of the neuronal population vector），作者：乔治泊罗斯等（Georgopoulos, Apostolos P., Lurito, Joseph T., Petrides, Michael., Schwartz, Andrew B., et al.）， Science . Vol 243(4888), Jan 1989, 234-236（1989）； 96、《意识的解释》（ Consciousness Explained ），作者：丹内特（D. C. Dennett），Boston, MA: Little, Brown and Co.（1991）； 97、《来自运动结构的解释》（The interpretation of structure from motion），作者：乌尔曼（S. Ullman）， Proceedings of the Royal Society of London B., 203, 405-426（1979）； 98、《荒野的认知》（ Cognition in the Wild ），作者：希金斯（E. Hutchins），Cambridge, Mass: MIT Press（1995）； 99、《认知技巧的获得》（Acquisition of cognitive skill），作者：安德森（J. R. Anderson）， Psychological Review , 89, 369-406（1982）； 100、《人类的记忆：一种提议的体系及其控制过程》（Human memory: A proposed system and its control processes），作者：阿特金森和席夫林（R.C. Atkinson and R. M. Shiffrin），in K. W. Spence and J. T. Spence (Eds.), The Psychology of Learning and Motivation: Advances in Research and Theory (vol. 2). New York: Academic Press.（1968）。 (有些地方过于专业，难免有误译，如见有错误请告我改正。）出处：http://www.cogsci.umn.edu/OLD/calendar/past_events/millennium/final.html; 个人分类: 认知科学|5915 次阅读|4 个评论

（译）音乐、情绪和认知: songshuhui 2008-9-2 15:25; 红猪发表于2008-06-15 星期日 14:24 分类: 心理 | | 这是人工智能泰斗马文 .明斯基（ Marvin Minsky ）教授在英国广播公司的一档音乐节目中接受的访谈，主题是音乐和情绪的关系。明斯基教授一直在研究让计算机如何产生情绪。一般认为思维比较容易模拟，而情绪则难以捉摸，但明斯基教授却从目标（ goal ）、进程（ process ）和资源（ resource ）的角度来看待这两种看似截然对立的意识活动，并指出两者其实可以看作是一回事，因而建造情绪机器并非天方夜谭。明斯基教授的这个想法发端于 1988 年的著作《意识社会》（ Society of Mind ），并在 2006 年的《情绪机器》（ The Emotion Machine ）中得到发展。这两本书思想新颖，对认知、情绪、音乐、幽默感、人工智能等问题都有独到的解读，语言也写得十分浅白易懂，适合所有对这些问题感兴趣的一般读者，总之是非常值得译介。下面的文字由于是对话，所以显得有些散漫，但明斯基教授的主要思想都有反映。其中对具体乐曲的评论要结合背景音乐才能领会，加上与主题关系不大，故略过不译。标题《音乐、情绪和认知》为译者所加。音频在这里有下载： http://www.sl4.org/archive/0409/9846.html 音乐、情绪和认知 By 马文 . 明斯基红猪译文中C代表主持人，M代表明斯基教授 C: 首先欢迎《情绪机器》。情绪是什么？我们为何会有情绪？音乐为何会激发情绪？我们请来了美国科学家马文 . 明斯基教授，明斯基教授被称为人工智能之父，同时也是已故贝多芬的乐迷。明斯基教授眼下正在写一本名为《情绪机器》（ Emotion Machine ）的书，他在书中提出了一个关于人类情绪的全新理论。在下面二十分钟的访谈中，他将借助贝多芬乐曲的一点帮助，和主持人 Chris Maslanka 一道探讨自己的新想法。就从《迪亚贝利变奏曲》中的一首说起。 M: 这音乐如此简单，却又如此丰富。曲子里包含多种音调。钢琴声在我听来如同一支乐队，因为每个声音都在表达相同却又不同的内容。现在他来了点爵士。我觉得这显示了贝多芬是如何发明爵士乐的。猛敲键盘让我想到现代流行音乐。贝多芬是最伟大的实验者，他尝试了各种新的音乐类型，这个人发明了一百种新的思维方式。我觉得情绪不过是思维方式罢了。如果听过音乐之后，你的思维方式没有改变，那最好还是不要听了。 C: 　明斯基教授，我随便问了几个人：情绪是什么？得到的答案五花八门，一位个性颇浪漫的女性告诉我，愤怒是种心情（ mood ），而爱是一种情绪（ emotion ）。另一位女性则对我说，情绪只有悲伤和幸福两种。为什么感觉起来这么简单直接的东西，谈论起来却相当困难呢？ M: 这是个很好的问题。我觉得这是因为，我们把情绪这个词当成了一口箱子，凡是我们不理解的意识状态统统都往里扔。 C: 我们笼统地用这个词语表达许多东西。 M: 　没错。要是观察一下婴儿多数动物，你会它们都在生命早期表现出各种活动状态，像是饥饿、恐惧和疼痛。我认为这些都是先天的机制，因为它们在很早就显示出来了，有人把它们称作初级情绪（ primary emotions ）。 C: 这么说它们已在脑中预先接好线路的。 M: 没错。接着你就过上了成年人的生活，参与起了更复杂的活动，我们给这些活动起了上千个名字，我觉得应该把这些更为复杂的情绪看作是不同的思维方式。当你愤怒时，你会改变自己关注的重心，你看待事物的方式也改变了。你要是觉得害怕，就会把某人的某个的手势看作威胁、而非邀请。我觉得情绪就是开关罢了。 C: 　那么，情绪是如何运作的呢，用生物学的术语来说？ M: 我喜欢把脑看作是一大片资源，脑有四百种不同的机制，你要是把它们统统打开，就会发生交通堵塞。情绪就在这四百种资源中做出选择。当你愤怒时，你就打开其中的三十或一百个；当你思考数学时，就打开其中的一百个；其中有的部分相互重合，还有的没有。每个心智状态或情绪状态都是你激活资源中的某几组后产生的。 C: 这些过程大多是无意识的吧？我们自己并不太了解。 M: 　就算我们觉得自己意识到了，我们其实也并没真的有意识到，我们的脑没有足够的空间来表征其本身。 C: 它会无限自指。 M: 没错，你要是不断问自己我为什么做了我做的事？那你就会问我为什么要问我为什么做了我做的事？你要怎么摆脱这个循环呢？你会什么都干不了。演化一定把这些活动藏到了我们的意识之外。也许有人的脑中形成了某种连接，使其中的一个部分能看到其他部分在干什么。这些人不是疯了，就是不再关注外部世界。也许获得强大洞见的人都从这个物种中淘汰出去了，因为他们忙着思考自身，我们当中就有这样的人。 C: 　可以说，它们都是阿基米德或空想家。 M: 　没错，这就是个矛盾了。看似简单基本的事倒有可能是我们的脑做的最复杂的事。但脑的其他部分看不见它们是怎么工作的。比如，当你看着一只咖啡杯――我现在就看着一只――这个看的过程中包含了几百个进程（ process ） , 这些进程观察物体的边缘和区域，区分不同的质地，比如，它们得知道这杯子旁边的阴影不是杯子的一部分。但在日常语言中，我们只是说：我看过去，就见到了杯子。我觉得情绪状态也是如此，我们并不知道自己脑中的上百个中心是如何运作的，因而只能使用这些粗糙的字词。我们只有几个词语来描述思维状态。它们不是很好用，因为我们直到晚近才有了计算机科学。未来的一百年，等我们有了能扫描脑部的机器，也许就会有人收集到所有的数据并弄清楚脑中发生的事，但我怀疑这是否会实现。可能需要很大一台计算机才能追踪那么多部分。 C: 　我觉得人们一般认为思考是理性的，而情绪是非理性的。思考是个枯燥的过程，即使一台电脑都能思考，我的电脑就为我计算收支；而情绪是神秘、浪漫、诗意的。但你现在告诉我说，其中的区别只在于打开或关闭不同的资源而已。 M: 说到情绪，人们常认为人只是本能的集合，这种观点把人看成了简单肤浅的机器。大家都理所当然地认为思考只是简单的计算。然而实际上，当你思考时，你在许多层面上做着许多事。你问自己我是否在这条道上花了太多时间？我是否在搜索正确的选项？我不知道怎么解决这个问题。我怎样利用以前解决过的相似问题来解决这一个？你当然可以进行无数推理，因此你得有一个目标，知道自己应该瞄准哪里。你脑中的不同资源有着不同的目标（ goal ），它们总是彼此冲突。所以我并不认为思考是完全理性、完全逻辑的过程。我觉得如下的理论非常庄严：我们的心灵有几百个复杂的部分，如果我们理解了它们，或许就能学会控制它们。理解这点就能给人力量。理解某个事物往往能给你力量。有人认为，如果我们理解了自己为何喜欢音乐，我们就不会再喜欢音乐了。但我觉得那很荒唐，你永远不可能统统了解，知道的越多，眼前的可能性就越多。 C: 　此外，理性也分几种。不知道你是否听过村子里的笨蛋这个故事：村里人到笨蛋那去给他钱，并让他在五十美分和半美元之间挑选，他每次都挑五十美分，结果一个银行职员对他说：笨蛋啊，你得明白，五十美分就是半美元。他说：我当然知道。但我要是拿了半美元，那么拿钱的过程还能持续那么久吗？但我们为什么会说我们感受到了情绪？我们在谈论脚上的疼痛或是饥饿时也说感受。我们为何会在几种情况下都使用同一个简单易混淆的词呢？ M: 我觉得这是因为这些心理状态都对脑的其他部分具有相似的功能和影响。我觉得人们称为感情的东西其实是很复杂的思维模式。当有东西扎到的手指时，你会说你有了疼痛的感觉，接下来你会放弃所有其他目标，并致力于将那把蟹钳从手上挪开。我们还说到精神痛苦，精神痛苦的人无法思考，因为他会不断想到离他而去的爱人或丢失的钱财。大体来讲，身体和精神的痛苦是非常相似的。两者都会产生脑的阻塞，让你无法达成日常目标。因此你会用同一个词来形容这两种完全不同的模式。 C: 此外，我们的姿态似乎也在告诉他人我们正在经历这种过程，我们哭泣或尖叫时都是如此。 M: 是的，这源于你的文化。有时候，光是思考就解决问题。有时候思考不管用，而别的什么人或许能帮上忙。跟多数动物不同，我们是通过社会互动学会大量知识的。你会在忍受痛苦时会发出呻吟并期望有人前来相助，这就解释得通了。 C: 为什么情绪会有用处。我们经常听人说，如果不是感情挡道，他们就能完成许多事。比如说愤怒吧，愤怒有什么用处呢？ M: 它是达成目标的绝好策略，因为当某人愤怒时，他会脸色变红、呼吸异常、牙齿外露，如果你正与人冲突，这些反应就能很好地让对方明白你会不讲道理、不会听他们的论辩。这就是演化给我们愤怒的原因。我觉得爱慕 (affection) 起到了同样的作用。 C: 那么爱情的功能是什么呢？它可要比繁殖复杂多了。 M: 没错，动物不会面临繁殖的问题。但我觉得人类在这方面面临着严重的问题，至少在文明社会中是如此。假设你了解到：如果和这位异性交配，你就会有一个小孩，每天得花上十六小时照顾他，还必须放弃你的事业，本来喜欢的事也一件都干不成，那样的话，就没有人会要孩子了。于是就有了这件称为坠入爱河的妙事。我觉得爱情会关闭脑中批评性的部分，关闭在处境中寻找困难的感受器。你于是觉得对方尽善尽美，还说起了貌似深奥的胡话。话说回来，如果不加批评的话，任何事都可以显得深奥。因此，我认为，我们演化出的这种特殊机制关闭了脑的部分，它让你不大会考虑自己行为的后果。 C: 有种蜘蛛必须引开配偶的注意，好让自己不被对方吃掉，并且有时间进行交配。于是它们用礼品引开配偶的注意。 M: 脑中发生的事大概差不多吧。脑的部分如果想把某件事做好，就得学会如何将其他部分关掉。我们都知道有些人会待在一个地方连着几小时思考问题，连吃饭都会忘记。我姐姐有一次去指挥家托斯卡尼尼家拜访，他的孙子是她朋友。我后来问她：老爷子怎样？她说：他很无趣，整天坐在角落里看乐谱。 C: 贝多芬的清洁女工看到他整天在纸上涂写，一定也会觉得困惑吧。 M: 没错，再想想他是怎么指挥第九交响曲的，传说观众鼓掌时他茫然无知，直到有人帮他转过身来。贝多芬是在一片真空中做音乐的。大多数人无法想象那种场面。（开始评论第九交响曲，略） C: 音乐为什么会激发类似真实情绪的感觉呢？ M: 确实奇怪，贝多芬已经过世一百年，为什么还能从坟墓中控制我的意识呢？其中的奥妙在哪里？有人能不经我的同意就做到这一点，可够讨厌的。 C: 没错，叫人愤慨。 M: 可能是这么回事：我们能够识别几种简单的声音，比如突然发出的尖叫声告诉你有人在发火。看看动物吧，动物没有语言，但许多动物却用很少几种基本的叫声来表达痛苦、饥饿等等。也许最初的音乐是对笑声、快乐和沮丧的叫声的模仿。 Manfred Clynes 写了本好书叫《情感学》（ Sentics ），他在书中描述了七种曲线，并说它们与初级情绪有关，还宣称这对全人类都有效，我觉得他说得没错。音乐的部分或许包含哭声，让你感觉想哭；安抚声接着出现，让你感觉好些。音乐在对你将这样一个故事：感觉糟糕的时有人对你好，你就会感觉好些。这些都是抽象的情绪事件，音乐能引导你经历整个过程。 C: 是否可以说，我们有种抽象的故事感，或形式感，而这些形式中的元素就像是姿态，而我们在音乐中不知怎的注意到了这些姿态？ M: 没错。贝九的第四乐章类似某个情绪故事。 Manfred Clynes 还提到，听音乐时，你会经历一系列情绪状态，每种状态持续一两秒钟。而在日常生活中，有那样经历的人会被送进精神病院。但在音乐中，作曲家让你恼怒一阵、再焦虑一阵。经历这个过程，你说不定就能学会控制自己的情绪了。如果真的管用，听音乐就是种绝妙的教育了。 C: 我们如何才能确定我们在音乐中感到的欢快或悲伤是贝多芬想让我们感受的？ M: 我想大概只有最简单的、表达喜悦或悲伤的声音才能被所有人理解吧。这可能是个经验的问题。如果听者了解从帕莱斯特里纳到巴赫到海顿到莫扎特的古典音乐，他就会理解贝多芬的音乐，古典音乐是种高度发达的文化。来自另外一种音乐文化的人听了贝多芬写的音乐会有什么感受，我还真不知道。他是在传达情绪吗？我们感受到的是他感受到的吗？我们不可能知道。每个人的反应肯定都不相同。也许他的某些情绪我们从未来感受过。（讲解贝多芬第 29 奏鸣曲，略，大意是这首乐曲显示了贝多芬是如何思考的） C: 那么，我们为何会对音乐做出反应呢？ M: 对此我没有单一的理论。我认为这个机制是偶然产生的。它把和语言、视觉及运动有关的脑细胞联系在了一起。 C: 如果这种从音乐中获得乐趣的能力是演化而来的，那么它对我们有什么用处呢？音乐有时候实在耗费精力，我们去歌剧院听音乐，从网上下载音乐，我们演奏音乐、研究音乐，在音乐上花大钱。我们从中得到了什么呢？它是否仅仅是种药物？是否只提供短暂的快感？ M: 我觉得我们需要一个关于快感的理论。我们喜欢或不喜欢的时候发生了什么？马克 . 土温说过一个关于瓦格纳的笑话。喜欢瓦格纳吗？厄，他的音乐比听上去要好。我觉得快感显然和学习有关。你做了一件喜欢的事，就会想要再做一遍。但想要再做一遍的机制是什么呢？你得建立关于这是什么，我怎么开始做的记忆。我怀疑快感的窍门之一是：如果发生了某件事，你又想要了解这是如何发生的并想将它记下，那么你就得关闭脑子里制造环境噪声的其他部分。这说明我们称为快感的东西会压制大部分脑的活动，好让少量几种活动能反复地将事情烙进脑海、不断加强。 C: 这么说，如果快感就是将脑部分关闭，那么快感就未必总是好事。 M: 没错。 C: 我们会认为作曲家和其他创意型的艺术家会在创作中经历痛苦、饱受煎熬，是否就是这个原因？ M: 艺术在创造新东西时，当然会破坏自己平常做事的方法。于是脑的其他部分就会说这样不对，我没法完成自己的工作了。因此我觉得有创意的人得擅长将脑中因痛苦产生的抱怨关闭，或许还得加以利用。因此创造型的艺术家得敢于冒险，得做些通常行不通、但还是值得一试的事情。 C: 在我看来，音乐不仅帮助我们用不同的方式思考，音乐唤起的情绪和思维方式也和自然状态下产生的不同。它触及的那部分意识是其他过程所无法触及的。 M: 没错。它能产生你在日常生活中从未想到的组合，并迫使你进入你永远无法企及的状态。在贝九的第四乐章中，作曲家试图让我同时思考几个想法，乐队和和声各行其是，我想要同时注意所有声部，但没人能够。古典音乐当中，我最喜欢这一点。我们会说某事吸引你的注意。我所以喜欢赋格，是因为赋格会吸引你的全部注意。这就是音乐能为我们做的另一件事了：它不仅教我们换一种思考方式，还让我们同时用几种方式思考。我们可以同时思考其中的节奏、速度、质感、结构和故事。这真是一场冒险，每时每刻。贝多芬接下来会告诉我们什么呢？标签：翻译 , 认知科学 , 音乐; 个人分类: 心理|2107 次阅读|0 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: 认知科学

相关帖子

相关日志

关闭安全验证