透过AI认知世界 [美]乔治·F. 卢格尔

如同一位几何学家专心致志地测量圆周，为了把圆化为等积正方形，反复思索都找不出他所需要的原理，我对于我所看到的新的形象也是这样……
——但丁，《神曲：天国篇》
为何写这本书
像我们中的许多人一样，我生来就是一个天真的现实主义者，相信感官为我们提供了对真实物体直接的认识和接触。包括让·皮亚杰、汤姆·鲍尔、艾莉森·高普尼克和克拉克·格利莫尔在内的心理学家和哲学家，都记录了正常儿童了解自己和世界的发展过程。通过实验、探索以及仅仅是活着，我们发现，当物体从我们的视线中消失时，它们仍然存在，意图、欲望和情感都是很重要的，从高脚椅上扔食物不仅可以教会我们感知父母的沮丧程度，还可以教会我们简单的物理知识，例如，有些东西会反弹。
在宗教环境中长大也是了解世界的一个组成部分。神、公认的神话、圣人，这些信念贯穿了我早期性格的形成。家庭的爱和亲密的朋友圈支撑着我不断成熟的世界观。
然而，在某些时候，关键的问题会成为必要的焦点，就像水果成熟一样：你如何知道什么是真实的？你如何对另一种事实做出判断？在这个复杂的世界里，你如何解释别人迥然不同的“忠诚的信仰”？如果一个人要过成熟的生活，是否需要对某件事有所承诺？苏格拉底曾说过，未经审视的人生不值得过。
在学习数学课程时，会出现一些合理的质疑。根号2到底是多少？π到底是多少？很容易证明根号2不是有理数，也就是不是分数。（假设根号2是分数，并且用整数p/q表示，其中p和q没有公因数，这时两边同时平方，2=p2/q2，或2q2=p2,或q2是p2的1/2，这与没有公因数的假设相矛盾。）如果根号2不是分数，那它是什么？为什么分数被称为“有理数”？“无理数”意味着我们不明白这个数字是什么吗？根号2是一个非常重要的抽象概念，我们创建出这个抽象概念是因为它很有用。
在我所经历的十多年的耶稣会教育中，哲学课程也是认识世界的一个重要组成部分。阅读柏拉图和亚里士多德是非常有趣的，在柏拉图《理想国》第七卷中的洞穴实验之后，理性主义显然成为一种值得推崇的世界观。但是，怀疑论者和伊壁鸠鲁派（享乐主义者）的观点总是作为背景噪音的一部分萦绕在我们的脑海中。奥古斯丁、阿奎纳和笛卡儿仅仅确认了理性主义者的观点，同时认为上帝在人的精神/身体构成中起着至关重要的作用。
启蒙运动就是这样的。它开始于笛卡儿的冥想—我思故我在。但是伯克利、休谟、斯宾诺莎和康德很快改变了整个哲学论述。当然，正如马图拉纳和维拉所说，任何对世界的看法必须通过感官，甚至观看和触摸都是通过物理逻辑和情感约束来调节的。也许随着时间的推移，条件作用使得连接感知的某些关联成为可能？在我们的“外面”是什么，我们如何感知它？当然，同时存在的问题是，我们的“内在”是什么，我们又如何感知它？休谟的论证推翻了对因果关系的天真理解，以及对上帝存在的任何可能的连贯证明。
海德格尔、胡塞尔和存在主义传统提出通过在时空中实现自我来创造自我。正如萨特所说，存在先于本质，这意味着，我们首先是个体、独立行动和负责任的智能体。我们总是处在过程中，从迷茫和困惑的状态开始，走向自由和真实。在许多重要的方面，这些哲学立场，伴随着爱、责任和拥抱社会，开始开辟一条通向智力和情感成熟的可能之路。
美国实用主义者也发挥了核心作用。尽管除了有用的东西外，实用主义者缺乏任何认识论基础，但他们指出，生活、学习和判断总是有意义的。正如威廉·詹姆斯所说，如果宗教能为修行者带来更好的生活，那它就是好的。实用主义者为理性主义的世界观提供了重要约束：纯粹而独特的思想本身是一种善，还是必须被视为某些有用目的的组成部分？
但是效用本身是判断真实性的一个非常模糊的标准，一个人的有用目标很容易和其他人的有用目标相矛盾。在实用主义作家中，查尔斯·桑德斯·皮尔士尤为突出，尤其是他关于诱因推理或“最佳解释推理”的讨论。尽管皮尔士本人对于什么算法可能支持诱因、贝叶斯推理和朱迪亚·珀尔的见解并不十分一致，但他提供了一个令人信服的开端，正如我们将在第7章和第8章中看到的那样。
这里有一些重要的挑战。存在主义传统，加上美国实用主义缺乏我所认为的认识论基础，支持了后现代主义和后结构主义怀疑论。基于这一观点，西方文化建立在知识、真理和意义观念基础上的基石受到了审视。虚无主义的相对论似乎渗透到了人文主义和启蒙运动的观念和承诺中。
与此同时，卡尔纳普、罗素、弗雷格等人的逻辑实证主义传统出现了。这一传统为逻辑和哲学的建立奠定了基础。除了逻辑实证主义的数学成分之外，还有包括波普尔和库恩在内的哲学家提出的建议，即科学方法作为一种媒介来理解我们自己和世界的效用及重要性。
在完成数学研究生课程时，我偶然读到了诺伯特·维纳的《控制论》，虽然当时我并不完全理解这本书，但我正朝着计算世界的愿景迈进。之后不久，我开始在宾夕法尼亚大学攻读博士学位，我很高兴能够参加文理学院的跨学科项目。我的兴趣领域包括数学、计算机科学、语言学和心理学，我与我的导师一起选择了一个博士委员会和一个跨学科的研究项目。
托马斯·库恩的《科学革命的结构》是研究生最喜欢的书之一。我们探索库恩的思想，不仅仅是因为凭借年轻人的活力和思想我们可能会成为这场革命的一部分，更重要的是因为，库恩清楚地描绘了科学的过程。在宾夕法尼亚大学接受教育期间，我还是赫伯特·西蒙和艾伦·纽维尔在卡内基·梅隆大学的研究项目的粉丝，该项目专注于研究使用计算技术来更好地理解人类的问题求解能力。他们的书《人类问题求解》仍然在我的书架上。在早期的研究岁月里，我也有幸多次参观了他们的研究实验室。我自己的学位论文涉及使用状态空间技术来描述人类问题求解行为的各个方面，这些技术来源于计算中使用的表示。
宾夕法尼亚大学以及纽维尔和西蒙的研究使我完全进入了人工智能领域。1974年，我获得了苏格兰爱丁堡大学人工智能系为期四年半的博士研究职位。爱丁堡大学在当时，甚至到现在也是欧洲人工智能研究的中心。爱丁堡大学人工智能系的一个优势是它的跨学科特色。我能够与心理学系、语言学系和认知学系的教师和研究生以及世界级人工智能系的同事积极配合工作。
1979年，我们搬到了阿尔伯克基，在那里我成为新墨西哥大学的计算机科学教授，并在语言学系和心理学系任职。20世纪80年代初，心理学教授佩德·约翰逊和我在新墨西哥大学开设了认知科学研究生课程。20世纪90年代中期，语言学教授卡罗琳·史密斯和我在新墨西哥大学开设了计算语言学研究生课程。我们的跨学科研究包括来自认知和计算神经科学研讨会中的讲座，这些讲座是由新墨西哥大学神经科学系和心理学系主办的。
在新墨西哥大学担任教职的一个令人兴奋的好处是有机会学习多门学科的研究生课程，包括在物理系学习神经成像知识，在心理学系研究神经科学相关问题，在哲学系参加关于路德维希·维特根斯坦、理查德·罗蒂的研讨会和其他关于现代认识论的研讨会。
我现在是新墨西哥大学的荣休教授。我的简历可在https://www.cs.unm.edu/~luger/上查看。我目前从事咨询工作，所关注的领域是自然语言处理、构建网络智能体以及使用深度学习技术来分析大量数据中的信息。
本书主要内容
本书分为三个部分，每个部分包含3章。第1章介绍程序设计的艺术，阿兰·图灵的机器和计算的基础，并提出了如何在机器上最有效地表示复杂世界情境的问题。
第2章描述支持科学方法、现代认识论的哲学背景，以及现代计算和人工智能的基础。这些主题对于思考现代认识论至关
重要。
第3章介绍1956年达特茅斯夏季研讨会，该研讨会标志着人工智能事业的开始。第3章还介绍了早期人工智能研究和认知科学研究的起源。前三章还讨论人工智能编程作为迭代优化的本质，并介绍支持人工智能应用程序构建的非常高级的语言工具。
第二部分（第4章、第5章和第6章）介绍支持人工智能领域研究和发展的四种主要范式中的三种：基于符号的、神经网络或联结主义的、遗传的或涌现的。这部分的每一章都给出初始的“项目”并描述它们的应用。包括这些示例是为了演示人工智能的不同表示方法。这些章节还介绍了该领域中的一些新研究和高级项目。每一章最后都对相关范式的优势和局限性进行了讨论。
第三部分（也就是最后三章）是这本书存在的理由，主要介绍当前人工智能的第四个重点：概率推理和动态建模。在第7章中，对人工智能采取的不同方法提出了一种哲学和解，这些方法被视为建立在理性主义、经验主义和实用主义哲学传统的基础上。基于这种建构主义的综合，第7章以一系列假设和后续猜想结束，这些假设和猜想为当前的人工智能研究和现代认识论提供了基础。
第8章介绍贝叶斯定理，并给出了一个在简单情况下的证明。引入贝叶斯以及后续的贝叶斯信念网络和隐马尔可夫模型技术的主要目的是证明人类主体的先验知识与任何特定时间感知的后验信息之间的数学联系。我们将这种对均衡的认知追求视为认识世界和在世界中运作的基础。第8章的后半部分描述了一些由贝叶斯传统支持的项目，通过这些项目可以进一步理解这些认识论
见解。
第9章总结全书，并描述了通过在世界上的积极探索来构建和适应世界的模型。这章描述了人工智能充满希望的前景，因为它继续使用科学传统来扩展视野，探索我们不断发展的环境，并构建智能人工制品。这章还探讨了维特根斯坦、普特南、库恩和罗蒂的当代实用主义思想，以及认知神经科学的见解，所有这些都在探索知识、意义和真理的本质。这本书的结尾是对后现代相对主义的批判，并提出了一种主动的、务实的、模型修正的现实主义认识论立场。
乔治·F.卢格尔
2020年12月1日
新墨西哥州阿尔伯克基

致　　谢
本书的一个重要主题是个人和社会如何通过受环境影响的一致的和基于生存的辩证法，创造符号、关联和一系列关系，这些关系后来成为信念体系的一部分。对于我自己的精神生活和支持本书创作的见解来说，这当然是真实的。要想脱离多年来所享有的知识和社会支持的网络，往往是不可能的。
当然，首先要感谢陪伴我50多年的妻子凯瑟琳·凯利·卢格尔，以及我

本书从AI的视角探讨如何认识和理解我们的世界。第yi部分介绍计算基础和人工智能的哲学背景，涵盖人工智能的起源、作为迭代优化的编程以及支持人工智能应用构建的表示法和高级语言工具。第二部分介绍支持人工智能研究和发展的四种范式中的三种——基于符号的、联结主义的和遗传的/涌现的，分别给出初始项目及应用，并讨论了这些范式的优势和局限性。第三部分在贝叶斯的背景下，将理性主义、经验主义和实用主义的哲学传统结合起来，zui后以作者提出的主动的、务实的、模型修正的现实主义认识论立场作为结尾。本书适合对人工智能、计算机科学等领域的历史、发展及未来挑战感兴趣的读者阅读。

乔治·F. 卢格尔（George F. Luger）
新墨西哥大学计算机科学荣休教授。在新墨西哥大学时，他也是心理学系和语言学系教授，致力于认知科学和计算语言学方面的跨学科研究。他曾与洛斯阿拉莫斯国家实验室、桑迪亚国家实验室以及许多公司开展合作项目。他目前从事咨询工作，关注自然语言处理、网络智能体设计和基于深度学习的数据分析等。除本书外，他还著有Artificial Intelligence:Structures and Strategies for Complex Problem Solving（2009）和Cognitive Science:The Science of Intelligent Systems（1994）。

译者序
前言
致谢
第一部分　开始
第1章　创建计算机程序：一个认识承诺 …… 2
1.1　导言和本书重点 …… 2
1.2　计算基础 …… 6
1.2.1　图灵机 …… 8
1.2.2　波斯特产生式系统和一元减法 …… 13
1.3　计算机语言、表示法和搜索 …… 18
1.4　总结 …… 31
第2章　历史基础 …… 33
2.1　玛丽·雪莱、弗兰肯斯坦和普罗米修斯 …… 35
2.2　早期希腊思想 …… 37
2.3　后期希腊人：柏拉图、欧几里得和亚里士多德 …… 39
2.4　后中世纪或现代哲学 …… 43
2.5　英国经验主义者：霍布斯、洛克和休谟 …… 49
2.6　跨越经验主义/理性主义的鸿沟：巴鲁赫·斯宾诺莎 …… 50
2.7　跨越经验主义/理性主义的鸿沟：伊曼努尔·康德 …… 52
2.8　美国实用主义：皮尔士、詹姆斯和杜威 …… 54
2.9　计算的数学基础 …… 58
2.10　图灵测试和人工智能的诞生 …… 64
2.11　总结 …… 69
第3章　现代人工智能，以及我们如何走到今天 …… 71
3.1　人工智能的三个成功案例 …… 72
3.1.1　IBM的深蓝 …… 72
3.1.2　IBM的沃森 …… 74
3.1.3　谷歌和AlphaGo …… 75
3.2　非常早期的人工智能和1956年达特茅斯夏季研讨会 …… 77
3.2.1　逻辑理论家 …… 78
3.2.2　几何定理证明 …… 79
3.2.3　下跳棋的程序 …… 79
3.2.4　1956年达特茅斯夏季研讨会 …… 80
3.3　人工智能：尝试定义 …… 84
3.4　人工智能：早期阶段 …… 88
3.4.1　整洁派和邋遢派 …… 88
3.4.2　人工智能：基于“模仿人类”还是“只是好的工程” …… 89
3.5　认知科学的诞生 …… 94
3.6　人工智能实践的一般主题：符号化，联结主义，遗传/涌现，随机 …… 101
3.7　总结 …… 107
第二部分　现代人工智能：复杂问题求解的结构和策略
第4章　基于符号的人工智能及其理性主义假定 …… 112
4.1　理性主义世界观：状态空间搜索 …… 113
4.1.1　图论：状态空间的起源 …… 114
4.1.2　搜索状态空间 …… 116
4.1.3　状态空间搜索实例：专家系统 …… 125
4.2　基于符号的人工智能：持续的重要贡献 …… 133
4.2.1　机器学习：数据挖掘 …… 134
4.2.2　物理环境建模 …… 137
4.2.3　专业知识：在任何需要的地方 …… 138
4.3　符号系统视角的优势和局限性 …… 140
4.3.1　基于符号的模型和抽象 …… 141
4.3.2　泛化问题和过度学习 …… 143
4.3.3　为什么没有真正的基于符号的智能系统 …… 146
4.4　总结 …… 148
第5章　人工智能的关联方法与联结主义方法 …… 151
5.1　语义图的行为主义传统和实现 …… 151
5.1.1　意义的图形表示基础 …… 152
5.1.2　语义网络 …… 155
5.1.3　基于关联的语义网络的现代应用 …… 160
5.2　神经网络或联结主义网络 …… 162
5.2.1　早期研究：麦卡洛克、皮茨和赫布 …… 163
5.2.2　反向传播网络 …… 173
5.3　神经网络和深度学习 …… 180
5.3.1　AlphaGo Zero和AlphaZero …… 185
5.3.2　机器人导航：PRM-RL …… 185
5.3.3　深度学习和电子游戏 …… 187
5.3.4　深度学习和自然语言处理 …… 188
5.4　认识问题和基于关联的表示 …… 192
5.4.1　归纳偏差、透明度和泛化 …… 192
5.4.2　神经网络和符号系统 …… 195
5.4.3　为什么我们没能构建大脑 …… 197
5.5　总结 …… 199
第6章　进化计算与智能 …… 202
6.1　进化计算简介 …… 202
6.2　遗传算法及示例 …… 205
6.2.1　旅行商问题 …… 209
6.2.2　遗传编程 …… 213
6.2.3　实例：开普勒行星运动第三定律 …… 219
6.3　人工生命：复杂性的涌现 …… 221
6.3.1　人工生命 …… 224
6.3.2　现代人工生命方法 …… 228
6.4　进化计算与智能：认识问题 …… 234
6.5　关于第二部分的总结 …… 238
6.5.1　归纳偏差：理性主义的先验论 …… 238
6.5.2　经验主义的困境 …… 239
6.6　总结 …… 241
第三部分　走向主动的、务实的、模型修正的现实主义
第7章　建构主义和解与认识论立场 …… 247
7.1　对经验主义、理性主义和实用主义人工智能的回应 …… 247
7.2　建构主义和解 …… 251
7.3　五个假设：认识论立场的基础 …… 255
7.4　现代认识论的基础 …… 258
7.5　总结 …… 265
第8章　基于贝叶斯的建构主义计算模型 …… 268
8.1　贝叶斯立场的推导 …… 269
8.2　贝叶斯信念网络、感知和诊断 …… 276
8.3　基于贝叶斯的语音和对话建模 …… 285
8.4　复杂环境中的诊断推理 …… 290
8.5　总结 …… 295
第9章　走向一种主动的、务实的、模型修正的现实主义 …… 298
9.1　本书概要 …… 298
9.2　通过探索构建模型 …… 301
9.3　模型修正和适应 …… 306
9.4　人工智能从业者的项目是什么 …… 312
9.5　现代认识论的意义、真理和基础 …… 319
9.5.1　新实用主义、库恩、罗蒂和科学方法 …… 319
9.5.2　一种类别错误 …… 325
9.5.3　认知神经科学：关于人类加工的见解 …… 327
9.5.4　论人的存在：现代认识论立场 …… 329
参考文献 …… 337

本书从AI的视角探讨如何认识和理解我们的世界。第yi部分介绍计算基础和人工智能的哲学背景，涵盖人工智能的起源、作为迭代优化的编程以及支持人工智能应用构建的表示法和高级语言工具。第二部分介绍支持人工智能研究和发展的四种范式中的三种——基于符号的、联结主义的和遗传的/涌现的，分别给出初始项目及应用，并讨论了这些范式的优势和局限性。第三部分在贝叶斯的背景下，将理性主义、经验主义和实