摘要：人工智能的發(fā)展歷程中貫穿著鮮明的語境論特征，現有的范式理論已無法對人工智能的發(fā)展狀況做出正確描述，語境論有望成為人工智能理論發(fā)展的新范式。語境論范式的最大特征，就是所有問題都圍繞語境問題而展開。人工智能中的語境，可分為表征語境和計算語境。建立在現有范式之上的語境論范式，必然以表征語境和計算語境為主要特征。表征語境與計算語境圍繞智能模擬的語境問題逐步走向融合，將是語境論范式下人工智能發(fā)展的主要趨勢。

關鍵詞：語境；語境論范式；表征語境；計算語境

20世紀50年代以來，以表征和計算為基礎的人工智能理論，出現了符號主義、連接主義和行為主義三種主導性范式。但經過50多年的跌宕起伏，仍未形成較為統(tǒng)一的理論范式。隨著人工智能理論和應用的迅速發(fā)展，目前的人工智能技術逐漸突破已有范式局限，開始趨向于對各種范式進行逐步融合。然而，如何對人工智能范式進行融合，以及在什么樣的基礎上來進行融合，或者說，融合的哲學基底應該是什么樣的，這一尚未解決的難題，成為了人工智能理論進一步發(fā)展的瓶頸所在。通過考察人工智能研究的發(fā)展歷程，揭示其自始至終貫穿著的鮮明語境論特征，我們認為，語境論有望成為人工智能理論發(fā)展的新范式，語境問題的解決程度，決定了以表征和計算為基礎的人工智能所能達到的智能水平。

一、人工智能語境論范式的形成

伴隨對“語境”（context）認識所發(fā)生的根本性變化，即從關于人們在語境中的所言、所作和所思，轉變?yōu)榱艘哉Z境為框架，對這些所言、所作和所思進行解釋，“語境論世界觀”（contextualism as a world view）[1] 逐漸顯現在了自然科學和社會科學各個學科的發(fā)展中。當我們以這樣一種具有普遍性的“語境論”思維，來反思50年來人工智能理論的發(fā)展時，可以清晰的看到，實際上語境論觀念就內在于符號主義、連接主義和行為主義的發(fā)展中，并逐步成為當代技術背景下人工智能理論融合和發(fā)展的新范式。

1. 符號主義中的語境論觀念

物理符號系統(tǒng)假設認為，“符號是智能行動的根基”.[2]符號主義人工智能系統(tǒng)是一個具有句法結構的符號表述系統(tǒng)，在對所處理的任務進行表征的基礎上構造相應的算法，使其可以在計算機硬件上得以實現。采用何種表征方式直接決定了可采取的相應的計算方式，即表征決定計算。并且，同一表征可以由不同的算法來實現，算法描述與所表征的語義內容沒有必然的對應關系。也就是說，在符號主義中，表征和計算之間是一種一對多的關系。因此，決定符號主義發(fā)展的主要是表征理論的變更。以表征為基礎，可以看出符號主義的各個發(fā)展階段，實際上體現出了從語形到語義、再到語用的特征。

人工智能領域主要關注于，為了具有智能行為，符號系統(tǒng)應該如何組織知識或信息。因為信息必須以能夠在計算機中運行的方式來表征。從根本上講，計算機是一個形式處理系統(tǒng)，即便在語義和語用處理階段，語形處理也是基礎。因此，在人工智能領域，應根據計算機系統(tǒng)在組織和表征知識時，對處理對象采用何種表征原理和分析方法，來確定其體現出的語形、語義和語用特征。

受喬姆斯基有限狀態(tài)語法（finite-state grammar）、“短語結構語法”（phrase structure grammar）以及“轉換生成語法”（transformational grammar）等三種語法模式理論的影響，早期符號主義認為，計算機對知識進行組織和表征時以語形分析方法為主，并以語形匹配為主要計算方式，從而完成指定的處理任務。因為任何領域的知識都是可形式化的，在任何范圍內實施人工智能的方法，顯然都是找出與語境無關的元素和原理，并把形式的符號表述建立在這一理論分析的基礎上。然而，基于語形處理的解題過程，對處理對象的概念語義并無確切掌握，處理結果往往精確度不夠，常常會出現大量語義不符的垃圾結果，或遺漏很多語義相同而語形不同的有用結果。

為了提高系統(tǒng)的智能水平，人們開始關注表征的語義性以及相關的語境因素。表征理論必須解決的首要問題，就是如何將語境中的語義信息通過語形方式表征出來。由此從20世紀70年代起，人們相繼提出了語義網絡、概念依存理論、格語法等語義表征理論，試圖將句法與語義、語境相結合，逐步實現由語形處理向語義處理的轉變。

但以詞匯為核心的語義表征，所描述的內容都是詞匯中各個語義組成部分的固有的、本質的語義特征，同樣與詞匯所在語境無關，是一種以靜態(tài)語義關系知識為主的語義表征，在動態(tài)交互過程中很難發(fā)揮應有的作用。也就是說，這種語義描寫方式局限于對單句內固有場景的描述。這種靜態(tài)語義表征無法根據語用的不同對詞匯所描述的場景進行語用意義上的語境重構。所以，建立在這類語義表征理論之上的智能程度是極為有限的。

因為語用涉及到語言的使用者即人的視角問題，針對同一個問題，不同的視角將產生不同的理解。因此，到了語用階段，將會是一種站在語言使用者立場的動態(tài)語義表征。尤其在網絡的動態(tài)交互語境中，對于每個網絡用戶（無論使用系統(tǒng)的人還是某個虛擬系統(tǒng)），都需要以某個視角或立場進入到交互過程中。這就需要引入虛擬主體，使系統(tǒng)在交互過程中以某個視角或立場的主體地位，來對交互過程中的問題加以考慮，在特定語境中為達到特定的交流目的，進行相應的語用化處理。

正如維特根斯坦所指出的，語言意義只有在具體使用過程中才能體現出來。主體的參與性以及不同主體使用語言的不同目的，是考察話語意義的前提。引入語用技術，消解了存在于語言中的歧義性、模糊性以及隱喻等問題。在這個意義上，將虛擬主體引入以語用為特征的動態(tài)語義表征過程，將是人工智能從語義階段向語用階段邁進的關鍵所在。借助于建立在語形和語義基礎上的語用思想，可以實現更高層次的智能化服務。當然，在現階段，語義表征問題尚未完全解決，語用研究的基礎則更為薄弱，向語用階段邁進將是一個相對較長的過程。

2. 連接主義中的語境論觀念

連接主義認為，人工智能源于仿生學。以整體論的神經科學為指導，連接主義試圖用計算機模擬神經元的相互作用，建構非概念的表述載體與內容，并以并行分布式處理、非線性映射以及學習能力見長。

在符號主義時代，連接主義的復興是很多領域共同驅動的結果。不同領域的專家利用連接主義這一強大的計算工具，根據具體需要分別構建特定的網絡計算結構。然而，在諸多與連接主義相關的領域中，更多的則是存在于這些研究中的不統(tǒng)一。研究目的與應用語境的不同，使連接主義缺乏與某個研究計劃的相似性，更重要的是它似乎成為模擬某些現象的便利工具。[3]在不同的語境中，人們編寫結構不同的連接主義程序，來滿足特定語境下的應用需求。一旦語境范疇發(fā)生改變，該程序便失去原有的智能功能。這使得連接主義不具有符號主義的統(tǒng)一性，無法在一個統(tǒng)一的基礎上開展研究。因此，直至今日，這一按照生物神經網絡巨量并行分布方式構造的連接主義網絡，并沒有顯示出人們所期望的聰明智慧來。

知識表征一直是符號主義研究的核心問題。許多學者認為，連接主義獨特的表征方式避免了知識表征帶來的困難，可以通過模擬大腦的學習能力而不是心靈對世界的符號表征能力，來產生人工智能。作為對傳統(tǒng)符號主義方法論的翻轉，連接主義由計算開始，在比較復雜的網絡中構建出對語境高度敏感的網絡計算。并通過反復訓練一個網絡，來獲得對一個任務的高層次理解，從而體現出一定的概念層次的特征。算法結構直接決定了連接主義程序是否可以體現出一定的概念，以及可以在何種程度上表征概念的內容，即計算決定表征。連接主義網絡中沒有與符號句法結構完全相似的東西。非獨立表征的內容分布在網絡的很多單元中，也許很難辨別一個特定單元執(zhí)行的是什么內容。單元獲取并傳輸激活值，導致了更大的共同激活模式，但這些單元模式并不按照句法結構來構成。并且，在連接主義系統(tǒng)中，程序和數據之間也沒有清晰的區(qū)別。無論一個利用學習規(guī)則的網絡是線性處理的還是被訓練的，都會修改單元之間的權重。新權重的設置將決定網絡中未來的激活過程，并同時構成網絡中的存儲數據。此外，連接主義網絡中也不存在明確的支配系統(tǒng)動態(tài)的表征規(guī)則。（[3],p.153）這些都表明，表征并不是連接主義的主要特征。不論是否含有語義內容，連接主義程序的運行結果都是由不斷變化著的計算語境決定的。因此，計算語境是連接主義的一個主要特征，建立在計算語境上的連接主義從一開始便是以語境思維為基礎的。

當然，不以符號的方式進行知識表征和沒有知識表征是截然不同的兩回事。正如H·德雷福斯（Hubert L. Dreyfus）所指出的那樣，連接主義也不能完全逃避表征問題。因為計算機需要將那些對人來說是自然而然的東西用規(guī)則表征出來。而這并不比將人的知識和能力用符號主義系統(tǒng)表征出來更為容易。[4]連接主義雖然采取了不同的智能模擬形式，但它不可直接處理人類思維中形式化的表征內容，無法模擬符號主義范式下已經出現的大部分有效的智能功能，這都為其發(fā)展帶來了難以跨越的障礙。

總之，連接主義在計算語境的基礎上構造算法結構并生成智能，一定程度上正面回答了智能系統(tǒng)如何從環(huán)境中自主學習的問題。然而，在連接主義的各個應用領域中，發(fā)展出如此之多的神經網絡模型，表明連接主義內部對如何模擬人類智能，還沒有形成統(tǒng)一的方法論認識。這不僅使連接主義和符號主義之間難以實現完全的信息交換，也使得連接主義內部各網絡模型之間的交流很難進行。“作為交叉學科，連接主義缺乏特征上的統(tǒng)一，而寄期望于一個研究程序。”“甚至在這些領域，如果重視由網絡形成的不同用途，一個研究程序的特征統(tǒng)一在很大程度上也是缺乏的。”（[3],p.154）這些都表明，連接主義研究還處于初級階段?！斑B接主義范式”是從計算結構的角度對這種計算形式所進行的概括，而“語境論范式”則是對這種計算形式的本質特征進行的概括。

3. 行為主義中的語境論觀念

行為主義，更準確地說是基于行為的人工智能（Behavior Based Artificial Intelligence,BBAI），認為智能行為產生于主體與環(huán)境的交互過程，智能主體能以快速反饋替代傳統(tǒng)人工智能中精確的數學模型，從而達到適應復雜、不確定和非結構化的客觀環(huán)境的目的。復雜的系統(tǒng)可以從功能上分解成若干個簡單的行為加以研究。在這些行為中，感知和動作可以緊密地耦合在一起而不必引入抽象的全局表征。而人工智能則可以像人類智能一樣逐步進化（因此也稱為進化主義）。所以，行為主義的研究目標，是制造在不斷變化著的人類環(huán)境（Human Environments）中，使用智能感官與外界環(huán)境發(fā)生相互作用的機器人。因此，它首先假設外界環(huán)境是動態(tài)的，這就避免了使機器人陷入無止境的運算之中。

行為主義的創(chuàng)始人布魯克斯（R. Brooks）認為，生物產生智能行為需要外在世界以及系統(tǒng)意向性的非顯式表征，大多數甚至是人類層次的行為，都是沒有詳細表征的、通過非常簡單的機制對世界產生的一種反射。傳統(tǒng)人工智能就失敗在表征問題上。當智能嚴格依賴于通過感知和行為與真實世界的交互這種方式來獲得時，就不再依賴于表征了。在他的智能機器人中，從不使用與傳統(tǒng)人工智能表征相關的任何語義表示，既沒有中央表征，也不存在一個中央系統(tǒng)。即使在局部，也沒有傳統(tǒng)人工智能那樣的表征層次。[5]在行為主義機器人的執(zhí)行過程中，最恰當的說法是，數字從一個進程傳遞到了另一個進程。但這也僅僅是著眼于可將數字看成是某種解釋的第一個進程和第二個進程所處的狀態(tài)。布魯克斯不喜歡將這樣的東西稱之為表征，因為它們在太多的方面不同于標準的表征。也就是說，行為主義表征不具備符號主義那種標準的語形、語義以及語用特征。行為主義所面臨的語境特征在本質上是一種計算語境。

行為主義機器人的控制器超越了那種對環(huán)境的不完全的感覺表征，機器人在真實世界中的體現是控制器設計的主要成分。在這一方法中，物理機器人不再與問題不相關，而成為了問題的中心。日常環(huán)境被包括進來而不是被消除掉。可見，行為主義的智能是根植于語境的。離開語境，行為主義機器人便表現不出任何的智能特征。從這個意義上，行為主義在本質上是語境論的。

從上述分析可以看出，無論是符號主義、連接主義還是行為主義，從根本上講都是基于“語境”觀念的。目前，在人工智能科學研究中，雖然新理論層出不窮，但涉及到應用問題時大都局限于某個領域。與早期人工智能研究的整體性和普遍性相比，表現出明顯的局部性特征。很多研究甚至是“玩具型問題”,不具備應用推廣的條件。隱藏于這些表象之下的人工智能領域的根本困境，就在于常識知識問題，而常識知識問題的本質則是語境問題。人工智能的實用性是建立在對研究對象規(guī)律的歸納基礎之上的。只有找到規(guī)律，才有可能編寫適合于運行在機器之上的智能程序。然而，“無秩序（disorder）是語境論的絕對特征”,[6]由于無法用形式化的描述方式模擬“無秩序”這一人類語境的根本特征，人工智能就不可能模擬相對全面的人類常識知識，只能局限于范圍較小的專家系統(tǒng)開展研究。也就是說，從功能主義角度對人類認知特征進行模擬，人工智能是相當局限的。所以，人工智能要想獲得真正的突破，在相當長的一段時期內，研究的核心問題，就是解決建立在形式系統(tǒng)之上的計算機應該如何處理各種各樣的語境問題。正是在這個意義上，人工智能研究必須引入“語境”觀念。

二、人工智能語境論范式的特征

在語境論范式下，最大的特征就是所有問題都圍繞語境問題展開。無論在已有三種范式下進行的研究，還是在三種范式交叉領域開展的研究，甚至后來出現的各種新技術，所研究的關于智能模擬的核心問題，都是圍繞語境問題展開的。而對這些問題的研究之所以無法繼續(xù)深入，也都是由于無法解決所遇到的語境問題造成的。這就要求以語境問題為核心，在更為本質的層面上著眼于人工智能未來的研究，為今后的研究工作提供研究綱領及方法論指導。

必須指出，我們這里提出的人工智能語境論范式，是通過對已有范式理論核心價值的繼承以及新技術新問題的概括，為解決當前人工智能學科所遇到的核心瓶頸問題而提出的新的研究框架。它不是某個局域層次的個別認識，而是對整個人工智能學科及相關學科實際發(fā)展過程中得出的新概括。著眼于人類智能模擬問題的人工智能，目前已經從早期的語形處理轉向語義處理，并提出要從語義網（The Semantic Web）向語用網（The Pragmatic Web）轉向的互聯網發(fā)展規(guī)劃。在這其中，由于語言的任何層次都與語境相關，所以，對自然語言意義的理解，各個層次的靜態(tài)語境描寫技術只是起點與基礎，關鍵是篇章級別及動態(tài)語境下的意義理解。而對動態(tài)語義理解的實質就是“一種在實踐中通過相互作用構成的模式”[7],僅僅依靠計算語境還遠遠不夠，它必然是以層次性為基礎的靜態(tài)表征語境與動態(tài)計算語境緊耦合的結果。因此，人工智能語境論范式的關鍵就在于，如何在形式系統(tǒng)中，將建立在解構方法論基礎上的層次性的靜態(tài)表征語境向建構整體性的篇章語境擴張，并與動態(tài)性的計算語境相結合。這是人工智能語境論范式籍以超越現有范式理論而必須解決的核心問題。

事實上，人工智能語境論范式的理論本質就在于為人工智能研究提供了新的認識論視角，“當我們談到語境論，我們便由理論的分析類型進入合成類型（synthetic type）”.“語境論堅持認為變化展現事件”,（[6],p.232）并且，語境變化的“這種可能性是無限的?！盵8]在解構方法論基礎上，如何將“無秩序”的語境以形式化的方式表征出來，并實現在動態(tài)語境中的語義理解，整體性的語境認識論便顯得尤為重要。基于此，人工智能語境論明確認識到，形式系統(tǒng)之上的“語境”與真實的人類語境相比是相對有序的。這種相對有序性是基于形式系統(tǒng)的計算機的本質屬性，它不會因為語境論的引入而達到人類認知能力對“無秩序”語境的認知程度。此外，人工智能的語境很大程度上是“先驗”的。無論是表征語境還是計算語境，都是在對現實世界某種規(guī)律性的認識基礎上的形式概括基礎上，預先以形式化的方式寫入計算機系統(tǒng)。

因此，不論在什么范式下，人工智能說到底還是一個表征和計算的問題。所以，建立在現有范式之上的語境論范式，必然以表征語境和計算語境為主要特征。具體表現為：

1.圍繞表征的語境問題，對基于人類語言的高級智能進行模擬，使計算機具有一定程度的語義理解能力，是語境論范式的一個主要特征。

本質上講，計算機是一個形式系統(tǒng)，而形式系統(tǒng)所能表現出的智能程度，根本上由建立在表征和計算之上的功能模擬決定。對基于人類語言的高級智能進行模擬，必然要以已有的符號主義技術為基礎，圍繞語形、語義和語用相結合的語境描寫技術，來讓計算機對人類語言具有一定程度的語義理解能力。

對基于語言符號的人類思維進行模擬，從人工智能誕生之日起，就一直是智能模擬的核心問題。建立在形式系統(tǒng)之上的計算機，不可能具有意向性，也無法對人類語言意義給出真正的理解。計算機要想表現出類似于人類的智能，首先就要具有人類的常識知識。人們希望通過研究內容龐大的知識表征問題來解決計算機的常識知識問題。然而把常識闡述成基于形式描寫的表征理論，遠比人們設想的困難，絕不僅僅是一個為成千上萬的事實編寫目錄的問題。威諾格拉德（T. Winograd）在對人工智能“失去信心”后，一針見血地指出：“困難在于把那種確定哪些腳本、目標和策略是相關的以及它們怎樣相互作用的常識背景形式化。”（[2],p.351）

在語境論范式下，對語形、語義和語用的處理，必須將要表征的常識知識通過形式化的方法轉化為計算機可以實現的方式。人工智能之所以要關注表征方式的變革，關鍵在于，表征方式直接決定了計算機對語義內容的處理能力。無論是純句法的表征，還是各種語義表征，甚至是語用表征，本質上都是形式表征。形式表征理論關注的是如何便于計算機進行推理或計算，從而提供更為恰當的結果。而結果是否恰當關鍵在于語義，而不是語形。表征理論沿語境論轉換的實質意義在于，使計算機更好地處理表征的語義內容。只有建立在語形、語義和語用基礎上的表征理論，才能更加接近人類自然語言的表征水平。

然而，同句法范疇比起來，語義范疇一直都不太容易形成比較統(tǒng)一的意見?！皩蛹壏诸惤Y構”（hierarchy）的適用范圍、人類認知的多角度性及其造成的層級分類的主觀性，導致了語義概念的不確定性、語義知識的相對性以及語義范疇的模糊性。而語義知識必須進行形式化處理的特征，決定了它需要對各種情境或場景進行形式化表征。事實上，對一個對象進行的語義描述，在語境發(fā)生變化時就不再適用。要對之建立完整的描述就需要將其可能涉及的各個方面都考慮在內，但這是不可能的。因為我們不可能事先將這一對象將出現的所有語境都表述出來，并且這種表述上的無度發(fā)展很快就會變得無法控制。因此，各種描述常識知識的表征理論要想具有實用性，必須針對特定領域構建相關的描述體系，并應用于特定的專家系統(tǒng)。

總之，在語境問題沒有得到根本解決之前，不可能構建適用于所有日常領域的表征體系。專家系統(tǒng)實質上是對常識知識工程所面臨的表征語境根本問題的回避。在相當長一段時期內，表征語境問題將是語境論范式必須解決的首要問題。為使計算機具有一定程度的語義理解能力，圍繞表征語境展開研究將是語境論范式的一個主要特征。

2.在計算語境方面，基于結構模擬和功能模擬的計算網絡的智能水平，很大程度上是由計算語境決定的。圍繞計算語境展開研究，將是語境論范式的又一重要特征。

語境論范式是對已有范式進行的新概括，其計算特征也源于已有的計算模式，并圍繞計算語境問題而展開。具體表現在：

首先，從語境論范式的角度審視連接主義，可以發(fā)現，連接主義計算中存在的根本問題，從網絡結構設計、到對網絡進行訓練以及網絡運行的整個過程，都是基于特定語境而展開的。但對特定語境的依賴使連接主義計算在應用上非常局限。

（1）由于連接主義計算的構造前提是基于特定語境的，也就是，連接主義程序的計算結構，是根據某一特定問題的需要而專門設計的，沒有相對統(tǒng)一的結構模式，所以每遇到一類新的問題，就需要重新構建相應的計算結構。這使得連接主義程序很難在同一結構上同時實現處理多種智能任務的功能，已開發(fā)的程序不能被重復利用。這也是連接主義范式無法走向統(tǒng)一的癥結所在。這一問題表明，每個連接主義程序都是局限在某個特定語境下的。如何使連接主義程序突破特定語境的限制，從而具有更強的適用性，是語境論范式下迫切需要解決的問題。

（2）連接主義計算的學習能力是建立在特定語境中的歸納和概括之上的。

連接主義最大的優(yōu)勢就在于具有很強的學習能力。連接主義系統(tǒng)的智能程度不僅取決于系統(tǒng)結構，更取決于對系統(tǒng)的訓練程度。在這種訓練過程中，程序按照某種類型的“學習規(guī)則”對權重不斷進行調整。這種調整的實質，就是對所學到的知識進行某種意義上的歸納和概括，但這種歸納和概括只有按照設計者預先設計好的規(guī)則來進行，才能是合理的。一個系統(tǒng)需要花費大量的時間重復訓練，才能歸納和概括出符合設計者期望的智能程度。而這種預設語境的問題和“學習規(guī)則”,實際上規(guī)定了連接主義計算只有在特定語境中獲得的知識才是有意義的。

這種在特定語境中產生的學習能力，其前提就是對要處理的任務對象進行分類，并在分類的基礎上規(guī)定一個適用的語境范疇。但分類是一個主觀認知的結果，具有不確定性。要把智能建立在某種分類前提下的歸納和概括之上，必然會使所表現出的智能被這種相對固定的形式系統(tǒng)所束縛，失去本來的靈活性。在某種語境下適用的分類以及歸納、概括體系，在其它語境下往往會變得不適用。在某種預設和規(guī)定語境下建立起來的連接主義網絡，決定了其不可能發(fā)現這種預設語境范疇之外可能存在的歸納和概括。而人類智能則可以在同一個大腦結構中對各種語境以恰當的方式進行分類、歸納和概括。因此，連接主義網絡只能在預設的語境中獲得智能，不可能在同一個結構中像人類智能那樣適應各種語境并獲得知識。

（3）連接主義程序對計算語境具有高度的語境敏感性。

以非線性大規(guī)模并行分布處理及多層次組合為特征，連接主義程序通過計算語境給出的數據進行訓練。這種花費大量時間訓練而成的程序，其智能程度不僅取決于系統(tǒng)構造，更取決于在特定語境下對系統(tǒng)進行的重復不斷的訓練程度。從上述分析可以看出，連接主義網絡構造的前提，是將問題限制在某個特定領域。網絡具有智能的基礎，是按照某種學習規(guī)則進行歸納和概括。這就使連接主義程序的功能被限制在某個預設的語境之中，而不是任意的和無規(guī)律的。所以，程序的訓練和運行過程，也必然被局限在這種預設的語境之下，根據計算語境的變化不斷調整權重，從而表現出更為符合于設計需要的智能功能。這體現出計算結果對計算語境的高度依賴。并且，如果計算語境的范疇發(fā)生改變，程序的計算結果就會毫無意義，這在一定程度上正面回答了智能系統(tǒng)如何從特定環(huán)境中自主學習的問題。因此說，連接主義對計算語境具有高度的敏感性。

以上特征說明，連接主義程序從設計、訓練以致運行的整個過程中，都是基于特定語境而展開的，計算語境在很大程度上決定了連接主義網絡的智能水平。在這個意義上，連接主義在本質上是語境論的。

其次，用語境論范式的觀點重新看待行為主義，可以得出，行為主義所表現出的智能功能是由計算語境決定的。離開語境，行為主義機器人就不可能表現出任何智能特征。

作為計算語境的另一典型應用，行為主義采取自下而上的研究策略，希望從相對獨立的基本行為入手，逐步生成和突現某種智能行為。行為主義以真實世界作為智能研究的語境基礎，構建具身化的計算模型，試圖避開符號主義研究框架的認知瓶頸，從簡單的規(guī)則中“突現”出某種程度的智能來。

行為主義基于行為的主體框架可以看作是連接主義和控制論在智能機器人領域的延伸，其智能系統(tǒng)能夠體現出一定的生物行為的主動特性和相應于環(huán)境所做出的自調整能力。因此，從本質上說，行為主義不僅繼承了連接主義所有的語境特征，而且反過來對所處語境施加影響。在這種與真實語境的互動過程中，行為主義機器人表現出一定的智能特征。

然而，真實語境是動態(tài)變化的，行為主義機器人并不能適應全部的人類環(huán)境，其適應性是針對特定語境而言的。在基于行為的方法中，機器人通過不斷地引用它的傳感器來實現對人類環(huán)境的認知。這樣，硬件技術必然會對機器人的認知活動構成限制。麻省理工學院的研究人員愛德森格（Aaron Ladd Edsinger）指出，“基于行為的方法在機器人操作中存在一個不足。目前以及在可預知的將來，傳感器和驅動技術將強制一個機器人使用來自其自身和世界的不確定的、分解的觀點去執(zhí)行任務。同樣，人類環(huán)境下的機器人操作將需要一套運算法則和方法去處理這種不確定性?；谛袨榈姆椒壳笆亲鳛檫@一難題的基本部分出現的。”[9]

可見，對真實計算語境整體性的把握以及適應性，是決定行為主義機器人智能程度的關鍵因素。離開計算語境，行為主義機器人就不可能表現出任何智能特征。但同時，我們也應該認識到，僅僅建立在基于行為之上的智能研究，對于處理復雜的真實語境下的智能任務是遠遠不夠的。布魯克斯的研究成果使人們普遍產生誤解，似乎以低智能為前提的反饋式的智能行為，可以逐步進化或突現出更為高級的智能形式。而實際上，反饋在智能形成機制中雖然起了重要作用，但不是全部作用。這是行為主義研究無法繼續(xù)深入的根本所在。

總之，語境論范式在人工智能學科領域的提出，不僅僅是提供某些具體方法，而是給出了一種新的“根據范式中隱含的技巧、價值和世界觀進行思考和行動的問題”.[10]在人工智能語境論范式下，所有的研究都圍繞表征語境和計算語境而展開。表征語境與計算語境相結合，將是語境論范式下人工智能發(fā)展的主要趨勢。

三、人工智能語境論范式的意義

從人工智能范式的發(fā)展過程中可以看到，符號主義范式從表征的角度對人類智能進行模擬，連接主義范式從計算的角度進行模擬，而行為主義則是在連接主義和控制論的基礎上，試圖從反饋式智能中進化或突現出更高級的智能形式。每種范式都從各自的角度出發(fā)，但隨著研究的深入，都殊途同歸地落在了語境問題上。正因此，語境論范式的提出對于未來人工智能的發(fā)展具有重要的意義，主要表現為：

首先，人工智能領域出現的新理論和新技術，突破了現有范式理論的局限，圍繞語境問題表現出很多新的特征。具體體現在：

（1）當前，符號主義建立在大規(guī)模數據庫基礎之上的智能研究，需要進行大量的以統(tǒng)計為基礎的數值計算。而傳統(tǒng)的線性計算在一定程度上無法滿足符號主義的這種應用需求，需要引入以非線性為特征的連接主義計算，來彌補符號主義在計算能力上的不足。隨著技術的發(fā)展，連接主義程序逐步作為計算工具引入到符號主義系統(tǒng)中。這是一種將符號主義的表征優(yōu)勢，與連接主義的計算優(yōu)勢結合起來共同處理任務的新技術。這一新技術的出現，突破了原有的僅在符號主義或連接主義范式下研究問題的局限，實現了這兩種范式在一定程度上的結合。然而，這種結合是建立在數據庫統(tǒng)計基礎之上的，具有很大的局限性。因此，將符號主義表征和連接主義計算在語境論范式下有機結合，將是語境論范式的一個重要趨勢。

（2）連接主義在發(fā)展過程中，由于表征能力的不足，很多情況下無法對符號內容進行有效處理。為了彌補這種不足，研究人員對符號主義表征的語義內容按概念進行分類，再用連接主義結構以某種語義關系將其連接（即通常所說的語義神經網絡），試圖將對符號的處理融入到連接主義中。然而，對語義進行分類本身就是一個主觀認知的結果，具有不確定性。要把自然語言理解按分類方式用語義網絡相連，必然會使語義被這種相對固定的形式系統(tǒng)所束縛，失去本來的靈活性。在一種情況下適用的分類體系，在另一種情況下往往就變得不適用。這種將符號主義的語義特征融入連接主義計算的做法，在一些情況下可能是適用的，但在更多的情況下，可能反而會使對語言的處理受到符號主義和連接主義雙重規(guī)則的限制。并且，基于繼承等關系建立的語義網絡，不能體現人類語言使用過程中靈活的語境特征。因此，將符號主義表征融入連接主義計算，在現實中存在著很大困難。探索二者在語境論范式下融合模式，將是未來人工智能研究的一個重要方向。

（3）行為主義采取的是自下而上的研究路徑，用一種分解的觀點來構造整個智能體系。而實際上，人類的認知活動無疑是整體性的。例如，我們在認知一個書架時，必然先對書架有一個整體的視覺感知，進而觀察其細部特征。而基于行為的方法，則通過對視覺圖片中的色彩值進行對比等，找到書架的某些關鍵點，進而通過這個點，像盲人摸象般利用觸覺來感知一個面，然后才能對這個簡單的書架產生一個并不完整的認知結果。在認知過程中，行為主義機器人將從語境中分別獲得的處于分解狀態(tài)的視覺與觸覺等感知信息聯合起來，才能對認知對象生成一個較為綜合的認知結果。這種認知方法與人的整體性認知方式正好相反，成為行為主義發(fā)展過程中遇到的最大困難。而對整體性語境的全面把握，正是自上而下的符號主義智能系統(tǒng)的優(yōu)勢所在。正如麻省理工學院的開創(chuàng)者明斯基（Marvin Minsky）曾經指出的，布魯克斯拒絕讓他的機器人結合傳統(tǒng)的人工智能程序的控制能力，來處理諸如時間或物理實體這樣的抽象范疇，這無疑使他的機器人毫無使用價值。[11]因此，如何將自下而上的行為主義與自上而下的符號主義系統(tǒng)相結合，突破現有的單一研究模式，研制表征語境和計算語境相結合的智能機器人，將是未來機器人研究取得功能性突破的有效途徑。

從以上三點可以看出，現有的范式理論已無法對人工智能的發(fā)展狀況做出正確描述，急需要新的范式理論，來對人工智能領域表現出的新特征和新趨勢做出新的概括。在這種情況下，語境論范式從人工智能的核心問題入手，在總結現有范式理論重要特征的基礎上，對人工智能的發(fā)展現狀以及未來的發(fā)展趨勢做出合理判斷，并為人工智能的進一步發(fā)展提供理論依據。

其次，語境論范式將人工智能領域的語境問題區(qū)分為表征語境和計算語境。對這兩種語境進行區(qū)分的意義在于，二者雖然都是語境問題，但在人工智能中，二者的特征以及運行機制卻不相同。對表征語境的研究，以符號表征的語形、語義以及語用問題為核心，而計算語境則是影響程序計算結果的外部要素的總稱，并不特別針對具體的符號表征問題。在語境論范式下，只有對這兩種語境做出區(qū)分，才有利于更好地理解和把握人工智能范式發(fā)展的特征所在。

第三，在人工智能中，智能功能的實現是表征和計算共同作用的結果。作為狀態(tài)描述的表征與作為過程描述的計算是密不可分的。因此，在語境論范式下，表征語境與計算語境也是密切相關的。它們將圍繞智能模擬的語境問題逐步走向融合，各自的不足也只有在融合的過程中才能得到彌補。這種融合已不再是建立在已有范式之上的簡單疊加，而是圍繞人工智能的核心問題——即語境問題——展開的。只有將表征語境與計算語境的優(yōu)勢相結合，才能從根本上解決當前人工智能面臨的根本問題，而這也是語境論范式突破現有范式理論的關鍵所在。

綜上所述，人工智能在發(fā)展過程中體現出了很強的語境論特征。語境論范式的提出，并不是對已有范式理論的否定，而是對已有范式在現階段關注的核心問題的改變、表現出的新特征以及出現的新技術進行的一種全新概括，是對已有范式理論的提升。在語境論范式指導下，人工智能有望突破已有范式理論的局限，獲得進一步的發(fā)展。

當然，并不是所有的人類思維都可以形式化，計算機在本質上是一個形式系統(tǒng)，不可能具有人類思維的所有特征，因而也不可能具有如同人類般對語義的理解。我們理解語境論范式的基礎，是人工智能技術本身所具有的語境論特征。但無論是哪種類型的語境論特征，都不可能具有真正的意向性。因此，即使在形式系統(tǒng)之上實現了表征語境與計算語境的有機統(tǒng)一，人工智能也不可能具有人類智能的本質特征。在現有的科學發(fā)展階段，常識知識問題能否從根本上得到解決，還需要經歷一個漫長的探索歷程。

【參考文獻】

[1] Steven C.Hayes.Varieties of Scientific Contextualism.Context Press,1993,vii.

[2] （美）瑪格麗特·A·博登著，劉西瑞、王漢琦譯：《人工智能哲學》，上海譯文出版社， 2005年。115.

[3] Dan Wieskopf & William Bechtel. The Philosophy of Science:An Encyclopedia.Routledge,2006.151.

[4] H.Dreyfus.What Computers Can't Do: The Limits of Artificial Intelligence. New York: Harper & Row,1979.

[5] R.A.Brooks.Intelligence without representation.Artificial Intelligence,1991（47）：139-159.

[6] Stephen C. Pepper. World Hypotheses: A Study in Evidence. University of California Press, 1970.234.

[7] A.Duranti and C.Goodwin （ eds. ）。Rethinking Context, Cambridge University Press,1992.22.

[8] Richard Rorty.Objectivity, Relativism and Truth.Cambridge University Press, 1991.94.

[9] Aaron Ladd Edsinger.Robot Manipulation in Human Environments. http://people.csail./edsinger/index.htm,2007-01-16.

[10] 加里·古延。 科學哲學指南。 成素梅， 殷杰（譯）。上?？萍冀逃霭嫔纾?006. 511.

[11] 戴維·弗里德曼著，張陌、王芳博譯：《制腦者：制造堪與人腦匹敵的智能》，三聯書店，2001年，第31頁。

人工智能社區(qū)精彩文章回顧：

掃一掃，關注我吧^_^