中國人工智能學會承擔了中國科協(xié)的項目《人工智能學科方向預測及技術(shù)路線圖研究》， 由理事長李德毅老師牽頭負責。2018年2月3日《人工智能的歷史研究》課題組發(fā)布了前三部分的初稿。3月30日發(fā)布第四部分“人工智能歷史研究涉及的史實梗概：事件編年史”的初稿。現(xiàn)在發(fā)布“七.3 基礎(chǔ)理論研究是人工智能持續(xù)發(fā)展的保證”，廣泛征求大家意見，再進一步修改完善。

鐘義信，曾任中國人工智能學會理事長中國人工智能學會理事長。

研究人工智能的歷史，首先需要準確界定“人工智能”以及與之密切相關(guān)的概念。否則，雖然人人都在論說“人工智能”，但是各人心目中所想象的“人工智能”卻各不相同，就會陷入同床異夢的尷尬，很難得到共同的認識和有意義的結(jié)論。

                   （一）“人工智能”術(shù)語的界定

首先要問：什么是“人工智能”？

一般來說，“人工智能”這個概念是相對于“人類智能”的概念而言的，這當然是因為，“人類智能”是“人工智能”的原型；或者，反過來說也同樣成立：“人工智能”是“人類智能”的某種人工實現(xiàn)。因此，為了說明“人工智能”的概念，首先就應當說明“人類智能”的概念。

分析表明，“人類智能”是“人類智慧”的一個子集。“智慧”和“智能”兩個概念之間具有非常密切的聯(lián)系，但是也有顯著的差別。一般，“慧”多指人的認識能力和思維能力，如“慧眼識英雄”；“能”多指做事的能力，如“能者多勞”。世間只有“萬物之靈”的人類才擁有至高無上的智慧；各種生物雖然也可以擁有不同程度的智慧，但都不如人類智慧那樣完美。所以，如果能夠準確闡明“人類智慧”的概念，那么，“人類智能”和“人工智能”的概念就容易把握了。

以下就來解析這些概念及其相互之間的關(guān)系。

概念1:人類智慧

人類的智慧，是人類所擁有的獨特能力，即：為了實現(xiàn)改善生存發(fā)展水平這一永恒目的，人類需要憑借他的先驗知識不斷地發(fā)現(xiàn)需要解決而且可能解決的問題，預設(shè)求解問題的目標（認識世界）；把這樣確定的“求解問題－預設(shè)目標－領(lǐng)域知識”作為初始信息，并根據(jù)初始信息來生成和調(diào)度知識、進而在目標的引導下利用這些初始信息和知識去生成求解問題所需的策略和行為，實現(xiàn)問題的求解（改造世界）；倘若求解的結(jié)果與預設(shè)目標之間存在誤差，就把誤差作為新的信息反饋回去補充初始信息，由此去學習補充新的知識，優(yōu)化求解策略，改善求解的結(jié)果；這種“反饋－學習－優(yōu)化”過程可能需要進行多次，直至達到目標。如果無論怎樣優(yōu)化都不能滿意地達到預設(shè)目標，就要修改預設(shè)目標重新求解（在改造客觀世界過程中改進自身）。

以上就是人類智慧的概念。

由此不難做出以下兩點歸納和引申：

（1）人類根據(jù)自身目的和知識發(fā)現(xiàn)問題、預設(shè)目標、以及修正目標的能力是人類獨有的能力，是人類智慧能力中最具創(chuàng)造性的能力，需要目的、知識、直覺、感悟力、啟發(fā)力、想象力、靈感、頓悟、以及美感等等這樣一些“內(nèi)隱性”認知能力的支持，因此稱為“隱性智慧”。

（2）根據(jù)隱性智慧所定義的初始信息（“求解問題－預設(shè)目標－領(lǐng)域知識”）求解問題的能力，也是創(chuàng)造性的能力，但主要需要有根據(jù)初始信息來生成和調(diào)度知識、并在目標引導下由初始信息和知識生成求解問題的策略這樣一些“外顯性”操作能力的支持，于是稱為“顯性智慧”。

人類智慧就是隱性智慧和顯性智慧兩者相互作用相輔相成相互促進的結(jié)果。也可以表述為：人類智慧就是“人類認識世界和改造世界并在改造客觀世界的過程中改造主觀世界”的能力。

概念2:人類智能

在人類智慧的概念中，由于隱性智慧所具有的“內(nèi)隱”特性，通常需要由人類自身來承擔；而由于顯性智慧具有“外顯”特性，卻可以通過人工的方法在外部來模擬實現(xiàn)。注意到，由于科學技術(shù)的進步（特別是微電子技術(shù)、納米技術(shù)、微機械技術(shù)、新能源技術(shù)等等），人工方法在操作的速度、精度、持久力、對工作環(huán)境的耐受力等方面都已經(jīng)遠勝于人類，因此，利用人工方法模擬顯性智慧乃是“把人類從顯性智慧相關(guān)的勞動中解放出來”明智之舉。為了推動人們對于“顯性智慧”的模擬研究，就把顯性智慧特別地稱為“人類智能”。

也就是說，人類智能是“人類根據(jù)初始信息來生成和調(diào)度知識、進而在目標引導下由初始信息和知識生成求解問題的策略并把智能策略轉(zhuǎn)換為智能行為從而解決問題的能力”。

概念3:人工智能

人工智能，就是人類智能（顯性智慧）的人工實現(xiàn)。

更具體地說，人工智能是“機器根據(jù)人類給定的初始信息來生成和調(diào)度知識、進而在目標引導下由初始信息和知識生成求解問題的策略并把智能策略轉(zhuǎn)換為智能行為從而解決問題的能力”。

概念4：機器智能  “機器智能”與“人工智能”等效。

如上所見，由于“人工智能”與“人類智能”以及“人類智慧”這些概念之間存在非常深刻的聯(lián)系，而“人類智慧”的概念又具有極其復雜的內(nèi)涵，難免在社會上以至在學術(shù)界都存在許多似是而非的模糊認識。

這些似是而非的模糊認識（特別是學術(shù)界的權(quán)威人士和某些權(quán)威機構(gòu)所發(fā)布的模糊認識）很容易使人們墜入迷津，影響人們對人工智能的正確理解，影響人工智能科學技術(shù)的健康發(fā)展。因此，極有必要加以澄清。

失準概念1:人工智能就是“利用計算機技術(shù)從功能上來模擬人類智能”

這是1956年John McCarthy在Dartmouth夏季學術(shù)討論會上提出的“人工智能”的基本含義，也是現(xiàn)今人們所認為的“人工智能的正宗涵義”。由此出發(fā)，人們也把1956年作為“人工智能”誕生的元年。

這種認識的貢獻，在于正確表達了“模擬人類智能”這個基本目的。

這種認識的主要失誤，則表現(xiàn)在：

（1）不應當限制“模擬人類智能”的具體手段 － 計算機技術(shù)。

對于一項科學研究而言，研究的目的是主要的標志，實現(xiàn)目的的技術(shù)手段則應當可以選擇。只要研究的目的是模擬人類智能，無論利用何種技術(shù)手段來實現(xiàn)，都應當認定它是人工智能研究。

實際上，計算機技術(shù)并非可以用來“模擬人類智能”的唯一技術(shù)，而且，基于馮諾曼體制的計算技術(shù)更不是模擬人類智能的最好技術(shù)。另一方面，正如人們所知道的那樣，人工神經(jīng)網(wǎng)絡(luò)技術(shù)和感知動作系統(tǒng)技術(shù)也都是可以用來“模擬人類智能”的技術(shù)。

（2）不應當限制“模擬人類智能”的具體途徑 － 從功能上模擬。

如上所說，只要研究目的是模擬人類智能，無論選擇何種途徑來實現(xiàn)，都應當認定它是人工智能的研究。實際上，從功能上模擬“人類智能”并非最好的途徑，而且，馮諾曼計算機只能進行形式邏輯的演算，不能進行基于內(nèi)容的辯證邏輯演算，而人類智能則不僅需要處理形式邏輯，而且需要處理辯證邏輯，需要處理情感與意識。

因此，“利用計算機技術(shù)從功能上模擬人類智能”只是人工智能的一種特殊情形，而不是人工智能的全部。

如果我們同意以上的分析，那么，就有必要糾正以下幾個重要的誤區(qū)：

（1）1956年不是“人工智能研究的元年”，只是“人工智能”這個學術(shù)術(shù)語和在這個術(shù)語意義上的人工智能的元年，而不是整個人工智能的元年。

提出一個學術(shù)術(shù)語，就像給一個人或一項工作命名一樣，當然具有重要意義。但是，不能由此認為，在命名之前的人或工作就不算數(shù)了。是“唯名”？還是“唯實”？看問題還是要看實質(zhì)而不能僅僅看名稱。事實上，早在1943年，“利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)從結(jié)構(gòu)上模擬人類智能”的“人工智能”就已拉開帷幕，經(jīng)過長期發(fā)展，產(chǎn)生了深度神經(jīng)網(wǎng)絡(luò)所支持的深度學習等成果。所以，人工智能元年至少應當回到1943年。

（2）1956年誕生的“邏輯符號系統(tǒng)”并不是唯一的人工智能研究，它只是整個“人工智能”研究的一個分支。

如上所述，一項科學研究的目的才是定義這項科學研究的關(guān)鍵要素，因此，同1956年開始的“利用計算機技術(shù)從功能上模擬人類智能”的研究屬于“人工智能”一樣，1943年發(fā)端的“利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)從結(jié)構(gòu)上模擬人類智能”的研究和1990年登上舞臺的“利用感知動作系統(tǒng)技術(shù)從行為上模擬人類智能”的智能機器人研究，也都都屬于“人工智能”的研究。

（3）1943年發(fā)端的人工神經(jīng)網(wǎng)絡(luò)研究并非與“人工智能”研究無關(guān)，它確實是“人工智能”的一個分支。

人工神經(jīng)網(wǎng)絡(luò)的研究目的是模擬人類智能，它的技術(shù)手段是人工神經(jīng)網(wǎng)絡(luò)技術(shù)，它的研究途徑是從結(jié)構(gòu)上模擬人類智能。

（4）1990年興起的智能機器人研究并非與“人工智能”無關(guān)，它是“人工智能”的又一個分支。

智能機器人的研究目的也是模擬人類智能，它的技術(shù)手段是感知動作系統(tǒng)技術(shù)，它的研究途徑是從行為上模擬人類智能。

（5）完整意義上的人工智能并非“計算機學科的一個分支”。

根據(jù)以上分析，完整意義上的人工智能（包括物理符號系統(tǒng)／專家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，以及感知動作系統(tǒng)）顯然并非計算機學科的一個分支。只有其中的物理符號系統(tǒng)／專家系統(tǒng)是計算機科學的分支。

以上這些說法，都是從看得見的“物理實體”得出的認識，屬于比較淺層的認識。如果從所有人工智能系統(tǒng)共有的“系統(tǒng)靈魂：信息－知識－智能的轉(zhuǎn)換”來考察，那么，人工智能研究應當屬于信息科學領(lǐng)域，且是信息科學的核心、前沿和制高點。

以上分析表明，如果我們僅僅把“人工智能”的研究局限在1956年提出的“利用計算機技術(shù)從功能上模擬人類智能”的研究，那么，人工智能的內(nèi)涵就會受到嚴重的制約，人工智能的發(fā)展就會受到嚴重的限制。

失準概念2:人工智能就是“讓機器做原來只有人類能做的事情”

這是J. McCarthy、P. H. Winston等人以及一些通俗人工智能著作對人工智能所作的表述，優(yōu)點是十分淺顯易懂，因此流行頗廣。

但是，這種表述的最大缺點是很不準確。這是因為，“人類能做的事情”可以是一般性的事情（比如，求解問題的顯性智慧），也可以是極富創(chuàng)造性的事情（比如，隱性智慧）。人工智能可以做顯性智慧的事情，但做不了隱性智慧的事情。所以，這個表述混淆了隱性智慧和顯性智慧的區(qū)別，是一個很不準確因而容易引起誤解的表述。

失準概念3:人工智能是關(guān)于知識的學科。

這是Nilsson提出的個概念，它的優(yōu)點是突出了人工智能與知識之間的關(guān)系，在學術(shù)界流行很廣。

但是，知識并非決定智能的唯一要素。正如本報告第一部分的概念3所說：人工智能是“機器根據(jù)人類給定的初始信息來調(diào)度知識、并在目標引導下由初始信息和知識生成求解問題的策略并把智能策略轉(zhuǎn)換為智能行為從而解決問題的能力”。可以看出，在人工智能的概念中，知識起著核心的作用，但是，信息（初始信息）卻扮演者“啟動者”的作用，而目標則扮演著“導引者”的作用。

失準概念4:人工智能會剝奪人類的工作，威脅人類的就業(yè)。

這個概念的失準之處在于：人工智能不是“剝奪”人類的工作，而是把人類從一般性的勞動中解放出來。既然人工智能可以也應當超越人類智能，為什么不把這些工作交給人工智能去執(zhí)行呢？既然人類的最寶貴的優(yōu)勢是“創(chuàng)造力”，為什么不創(chuàng)造條件把人類從一般性的勞動中解放出來，讓他們有更多的時間和精力去學習、去研究、去從事創(chuàng)造性的勞動、去發(fā)揮最寶貴的優(yōu)勢，從而為人類社會做出更大的貢獻呢？

需要指出，人類創(chuàng)造科學技術(shù)（包括創(chuàng)造人工智能）的根本目的，就是希望利用科學技術(shù)的成就來幫助人類更好地認識世界和改造世界。因此，利用科學技術(shù)的成果替代人類的各種勞動是理所應當而且是天經(jīng)地義的事情。農(nóng)業(yè)和工業(yè)時代發(fā)展起來的物質(zhì)科學技術(shù)成果（由各種材料、能源構(gòu)造的各種動力機械）替代了人類的部分體力勞動，把人類從那些笨重的體力勞動中解放出來，促進了社會生產(chǎn)力的發(fā)展。以人工智能為代表的各種信息科學技術(shù)成果可以替代人類一部分非創(chuàng)造性的智力勞動，把人類從那些非創(chuàng)造性的勞動中解放出來，可以進一步促進社會生產(chǎn)力的發(fā)展。

只要人們了解這個道理，自覺地提升自己的創(chuàng)造能力；政府和各種社會組織主動為人們增強創(chuàng)造能力提供相應的條件和機會（學習和培訓），“人工智能剝奪人類工作”的問題就可以得到滿意的解決，不會造成社會問題。

失準概念5:超人的人工智能

這顯然是一個失準的概念。正如前面所指出的，如果說“人工智能可以超過作為顯性智慧的人類智能”，這是完全應當?shù)?，而且也是研究人工智能的基本目的。事實上，由于科學技術(shù)的進步，機器的工作速度、工作精度、工作的持久力、及其對工作環(huán)境的耐受能力都遠遠超過了人類的相應能力，用這樣的人工機器去模擬作為顯性智慧的人類智能顯然沒有問題。如果所有的人工智能都不如作為顯性智慧的人類智能，那么這種研究對于人類的解放和人類社會的進步就沒有意義了。

但是，如果說“人工智能可以超過作為隱性智慧與顯性智慧有機整體的人類智慧”，那就更不合理，因為，迄今沒有任何科學證據(jù)能夠證明：隱性智慧所需要的目的、知識、直覺、感悟力、啟發(fā)力、想象力、靈感、頓悟、以及美感等等“內(nèi)隱性”認知能力能夠在機器上實現(xiàn)出來。

因此，合理的結(jié)論是：

（1）人工智能不僅可以、而且應當超越人類智能（顯性智慧）

（2）人工智能應當超越人類智能，卻不可能超越人類智慧。

（3）“強人工智能和超強人工智能”只是一種推斷，缺乏科學依據(jù)。

由于人工智能科學技術(shù)研究的問題非常深刻，人工智能科學技術(shù)的應用更是無所不在非常廣泛，因此，與“人工智能”相關(guān)的各種術(shù)語還有很多，其中也不乏存在需要界定的一些問題。不過，由于本報告的性質(zhì)和篇幅上的原因，這里就不逐一討論了。

            （二）與“人工智能研究”相關(guān)術(shù)語的規(guī)范化

除了上述直接與“人工智能”概念相關(guān)的術(shù)語界定之外，在人工智能研究方面也存在不少術(shù)語需要規(guī)范化。同樣出于本報告的性質(zhì)和篇幅的考慮，這里僅從人工智能歷史研究需要的角度討論幾個不能回避的術(shù)語規(guī)范化問題。

回顧人類進步和科學技術(shù)發(fā)展的歷史可以知道，人工智能的研究源遠流長。

但是，從實質(zhì)性的科學研究角度來看，直接以“模擬人類智能為研究目標”的人工智能研究，并不是從1956年才開始的，而是從1943年的McCulloch-Pitts描述人腦神經(jīng)元功能的工作就開始了（雖然當時還沒有提出“人工智能”這個術(shù)語）。它從人類大腦結(jié)構(gòu)的角度來模擬人類的智能，稱為結(jié)構(gòu)主義的人工智能研究。他們相信，只要把支持人類高級認知功能的大腦新皮層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模擬出來，人類的智能就可以實現(xiàn)出來。

由于當時科學技術(shù)條件下存在的困難，這一研究進展比較緩慢。雖然M-P神經(jīng)元模型不斷得到改進和優(yōu)化，以M-P神經(jīng)元為基礎(chǔ)的簡單人工神經(jīng)網(wǎng)絡(luò)也顯示了一些可喜的智能特性（如模擬條件反射能力、自適應的信號處理、英文字母識別等），但是，制作規(guī)模更大、復雜度更高的人工神經(jīng)網(wǎng)絡(luò)遭遇到工藝上的嚴重困難。因此，利用人工神經(jīng)網(wǎng)絡(luò)來模擬人類智能的研究工作面臨“進退兩難”的境地：進（研究大規(guī)模的復雜人工神經(jīng)網(wǎng)絡(luò)），工藝上難以實現(xiàn)；退（退回來研究研究小規(guī)模人工神經(jīng)網(wǎng)絡(luò)），人工神經(jīng)網(wǎng)絡(luò)的智能的水平又嚴重受限。

到了20世紀50年代的中期，人們看到：一方面，結(jié)構(gòu)主義人工智能的研究工作面臨著“進退兩難”的困境，另一方面，1945年問世的電子計算機能力卻在迅速成長。在這種情況下，“模擬人類智能”的目標依然成為強烈吸引學術(shù)界的研究方向，但是模擬人類智能的方法和手段卻有了新的選擇。這就是1956年Dartmouth暑期學術(shù)研討會前的學術(shù)背景。

于是，利用計算機技術(shù)來模擬人類智能的功能主義人工智能研究成為了1956年Dartmouth暑期學術(shù)研討會多數(shù)與會者們的心聲。這是合乎學術(shù)發(fā)展邏輯的結(jié)果。是的，計算機的功能強大，只要編制足夠“聰明的軟件”，就可以模擬和求解許多問題。但是，計算機求解問題需要知識，小問題需要簡單的知識，大問題需要復雜的知識。因此，功能主義人工智能的研究很快便從雄心勃勃的“通用問題求解”收縮到面向?qū)ｉT領(lǐng)域問題求解的“專家系統(tǒng)”。然而，專家系統(tǒng)所涉及的知識也很不簡單：（1）某個專門領(lǐng)域的知識到底有多少？沒有明確的邊界；不同的專家有不同的看法，以誰的看法為準？（2）面對一個專門領(lǐng)域，專家們關(guān)注到的知識可能只是與問題直接相關(guān)的部分，這些知識的背后還有許多不同層次的間接相關(guān)知識，到哪個層次為止？（3）如此追究下去，還有大量的常識知識，誰能說得清楚？（4）而且，怎樣才能快速獲得這些知識？機器自動獲取嗎？既不準確更不完整；人工獲取嗎？極其費時費力。（5）知識推理的邏輯工具能力非常有限。所有這些問題，便稱之為“知識瓶頸”。它使功能主義人工智能研究的光彩大為減色。于是，人們又不得不尋找新的出路。

20世紀的80年代，一方面，結(jié)構(gòu)主義人工智能研究雖然發(fā)展出了新的神經(jīng)網(wǎng)絡(luò)模型與學習算法，走出了“黑暗年代”，迎來了復興的熱潮，但是，“進退兩難”的基本制約并未從根本上得到消除。另一方面，功能主義人工智能研究的“知識瓶頸”難關(guān)也依然沒有得到實質(zhì)性的突破。

在這種“雙重陰影”的籠罩下，一部分研究者自然萌生了這樣的想法：既要回避結(jié)結(jié)構(gòu)主義人工智能研究所遭遇的結(jié)構(gòu)復雜的困難，也要躲開功能主義人工智能研究所面臨的知識瓶頸的羈絆。于是，20世紀的90年代，“無需知識、無需知識表示”的模擬六腳蟲爬行能力的智能機器人研究應運而生，給人們帶來了新的希望。這就是利用感知動作系統(tǒng)原理進行行為模擬的人工智能研究。

行為主義的人工智能研究雖然可以在一定程度上回避結(jié)構(gòu)主義人工智能研究和功能主義研究所遭遇到的困難，但是，行為主義的人工智能研究本身也注定了要面臨自己所特有的困難：它所制造的智能機器人畢竟只能模擬人類的淺層智能。因此，結(jié)構(gòu)主義的人工智能研究、功能主義的人工智能研究、行為主義的人工智能研究各有各的優(yōu)勢，也各有各的困難?？磥砣斯ぶ悄艿难芯咳匀皇羌瘸錆M魅力，同時又充滿迷茫。

進入21世紀，結(jié)構(gòu)主義的人工智能研究找到了“深層神經(jīng)網(wǎng)絡(luò)”，在大數(shù)據(jù)的條件下可以支持能力很強的深度學習；功能主義的人工智能研究也找到了“知識瓶頸”最少的專門領(lǐng)域：規(guī)則清晰且信息透明的機器博弈，打敗了國際象棋的人類冠軍。特別有意思的是，基于結(jié)構(gòu)主義的深度學習與基于功能主義的機器博弈兩者相結(jié)合，竟然在最為復雜的圍棋博弈領(lǐng)域完勝60多位人類世界頂尖高手，使人工智能重展輝煌。

以上這段人工智能研究過程，是眾所周知的人工智能歷史。之所以要回顧這段歷史，是希望說明，結(jié)構(gòu)主義人工智能研究、功能主義人工智能研究和行為主義人工智能研究是整個人工智能研究的歷史中多么重要的關(guān)鍵術(shù)語：沒有結(jié)構(gòu)主義人工智能研究、功能主義人工智能研究和行為主義人工智能研究，就沒有人工智能的歷史！

然而，就是這樣一些至關(guān)重要的關(guān)鍵術(shù)語，在人工智能的學術(shù)文獻中卻存在不少不太規(guī)范的稱謂，影響人門對于人工智能研究的理解和交流。其中有代表性的有：“連接主義”、“并行主義”、“符號主義”、“邏輯主義”等等。

為了深入研究人工智能的歷史研究，這里希望對這些術(shù)語加以規(guī)范。

    （1）建議把“連接主義”規(guī)范為“結(jié)構(gòu)主義”

    不少文獻把結(jié)構(gòu)主義人工智能的研究（人工神經(jīng)網(wǎng)絡(luò)）稱為“連接主義”的人工智能研究。這當然是因為，人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是由大規(guī)模的人工神經(jīng)元之間錯綜復雜的互相聯(lián)接實現(xiàn)的。“連接”成為人工神經(jīng)網(wǎng)絡(luò)的基本特征之一，通過調(diào)節(jié)和改變?nèi)斯ど窠?jīng)元之間的連接方式，可以改變?nèi)斯ど窠?jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和性能水平。

我們知道，系統(tǒng)的“結(jié)構(gòu)”一般包含兩類要素：一類是系統(tǒng)的節(jié)點群，另一類是節(jié)點之間的連接方式。在這兩類要素之中，節(jié)點群是更為基礎(chǔ)和更為重要的要素，這是因為，不同性質(zhì)的節(jié)點群不僅決定了系統(tǒng)整體的不同性質(zhì)，也決定了系統(tǒng)整體能力的水平。節(jié)點之間的連接方式當然也是重要的因素，但是，連接方式卻只能在同樣性質(zhì)的系統(tǒng)前提下改變系統(tǒng)的性能水平。

例如，如果系統(tǒng)的節(jié)點群是人工神經(jīng)元群體，這個事實本身就決定了這個系統(tǒng)必然是人工神經(jīng)網(wǎng)絡(luò)，而不是別的什么系統(tǒng)；在這個前提下，不同的連接方式可以改變這個人工神經(jīng)網(wǎng)絡(luò)的能力水平。另一方面，為了改善人工神經(jīng)網(wǎng)絡(luò)模擬人類智能的水平狀況，不僅僅需要改進神經(jīng)元之間的連接方式，可能更為根本的是要改善人工神經(jīng)元本身的性質(zhì)狀況，使它更加接近生物神經(jīng)元的特征。

總而言之，對任何系統(tǒng)來說，“結(jié)構(gòu)”都是系統(tǒng)的基礎(chǔ)性表征和全局性表征，它通常包含了“節(jié)點性質(zhì)”和“連接方式”兩方面的要素，是系統(tǒng)的整體功能和系統(tǒng)行為的基礎(chǔ)。而“連接”只是“結(jié)構(gòu)”的兩大要素之一，不是“結(jié)構(gòu)”的全部。

從全局性和基礎(chǔ)性的意義來說，系統(tǒng)的結(jié)構(gòu)是系統(tǒng)最基本的全局表征，有什么樣的結(jié)構(gòu)就可能支持什么樣的功能，就有可能顯現(xiàn)什么樣的行為。結(jié)構(gòu)、功能、行為三者都是系統(tǒng)層次的概念，能夠表達系統(tǒng)級的特征。

從模擬人類智能（顯性智慧）的人工智能研究來說，人們最為關(guān)心的問題是：究竟是利用人工神經(jīng)網(wǎng)絡(luò)這種結(jié)構(gòu)來模擬？還是利用物理符號系統(tǒng)的功能來模擬？或者是利用感知動作系統(tǒng)的行為來模擬？在系統(tǒng)這個層次上，“連接主義”是比結(jié)構(gòu)主義、功能主義、行為主義更低層次的表征，不適合于用來表達系統(tǒng)級的特征。

可見，用“連接主義”來稱謂人工神經(jīng)網(wǎng)絡(luò)的特征，乃是用“低層特征”來稱謂“高層特征”，用“局部特征”來稱謂“全局特征”，是一種不全面不合理的做法。有必要把人工神經(jīng)網(wǎng)絡(luò)的“連接主義”稱謂規(guī)范為“結(jié)構(gòu)主義”，回歸“結(jié)構(gòu)主義”的本原。

（2）建議把“并行主義”規(guī)范為“結(jié)構(gòu)主義”

人工神經(jīng)網(wǎng)絡(luò)也常常被人稱為“并行主義”，這是因為，人工神經(jīng)網(wǎng)絡(luò)及其原型（大腦新皮層的生物神經(jīng)網(wǎng)絡(luò)）都具有數(shù)量特別巨大的神經(jīng)元數(shù)目，這些神經(jīng)元（或神經(jīng)元集團）之間遵行“并行處理”的工作方式。這是在神經(jīng)網(wǎng)絡(luò)這種結(jié)構(gòu)的前提之下的一種工作方式，是“結(jié)構(gòu)主義”的副特征。

換言之，同“連接主義”的情形類似，“并行主義”也是比“結(jié)構(gòu)主義－功能主義－行為主義”更低層次的概念，不適合于用來表達系統(tǒng)級的特征，應當把人工神經(jīng)網(wǎng)絡(luò)的“并行主義”稱謂規(guī)范為“結(jié)構(gòu)主義”。

（3）建議把“符號主義”規(guī)范為“功能主義”

在人工智能研究的文獻中，常常把物理符號系統(tǒng)／專家系統(tǒng)的研究方法稱為“符號主義”的方法。這種稱謂的不恰當性，如同把人工神經(jīng)網(wǎng)絡(luò)方法稱為“連接主義”的情況一樣，也是把不同層次的概念混在了一起。

前面說過，對于任何系統(tǒng)來說，系統(tǒng)的結(jié)構(gòu)、功能、行為都是系統(tǒng)層次的概念；在這三者之中，結(jié)構(gòu)又是最基本的，這是因為：只當有了一定的系統(tǒng)結(jié)構(gòu)，才能支持相應的系統(tǒng)功能，也才能顯現(xiàn)一定的系統(tǒng)行為。

物理符號系統(tǒng)和專家系統(tǒng)都是“利用計算機技術(shù)（而不是人工神經(jīng)網(wǎng)絡(luò)技術(shù)，也不是感知動作系統(tǒng)技術(shù)）從功能上（而不是從結(jié)構(gòu)上，也不是從行為上）模擬人類智能”的系統(tǒng)。在這里，要害的問題是模擬人類智能的“功能”，它也是一種系統(tǒng)級的特征。

為了模擬人類智能的功能，當然需要采用一定的符號和邏輯來表現(xiàn)和描述。其中，符號表達某些基本的狀態(tài)，邏輯則表達符號狀態(tài)之間的“轉(zhuǎn)換關(guān)系”。

在這個意義上可以認為，功能是符號與邏輯的綜合整體。所以，符號是比功能低一個層次的“局部描述子”。用“符號主義”來表述系統(tǒng)的“功能”，是用“局部特征”來表達“全局特征”，用“低層特征”來表現(xiàn)“高層特征”，是一種不恰當?shù)谋碚鳌?/span>

為此，有必要把物理符號系統(tǒng)／專家系統(tǒng)的研究的“符號主義”稱謂規(guī)范化為原本的“功能主義”。

（4）建議把“邏輯主義”規(guī)范為“功能主義”

如上所說，為了表述系統(tǒng)的“功能”，需要采用一定的“符號”來表達系統(tǒng)的功能狀態(tài)，同時采用一定的“邏輯”規(guī)則來表達這些符號轉(zhuǎn)移的關(guān)系。在這個意義上，系統(tǒng)的“功能”是它的“符號”和“邏輯”的綜合整體。

因此，用“邏輯主義”來稱謂它的“功能整體”，就等于是用“部分特征”來稱謂它的“整體特征”，用“低層特征”來稱謂它的“高層特征”，顯然是不合理的做法。因此，有必要將物理符號系統(tǒng)／專家系統(tǒng)的“邏輯主義”稱謂規(guī)范化為“功能主義”，回歸到“功能主義”的本原。