复杂-第38部分
按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
为可能。荷兰德确信，思考和学习只是大脑中同件事物的两个方面。他希望在他的适应
性作用者的研究中能抓住这个根本的问题。
但尽管如此，荷兰德却并不想再回过头去重做神经网络模拟。虽然从IBM701开始至
今已有二十五年了，但计算机的功能仍然没有强到能够按他想达到的规模做完整的赫伯
式的计算机模拟。在六十年代，神经网络研究在“视感控制”这个标题下确实有过一阵
短暂的小高潮。视感控制是视觉研究中专门用来识别特征的神经网络。但视感控制在赫
伯实际所言的细胞集合中是一个极其简化的版式。（即使在识别视觉特征上，视感控制
的功能也不强，这就是为什么视感控制已经不再受人重视的原因。）荷兰德对新一代的
神经网络系统也并不十分欣赏。新一代的神经网络系统于七十年代末期开始流行，而且
自此受到了很大关注。荷兰德说，这些系统比视感控制系统要先进些，但却仍然不能支
持细胞集合的研究。确实，大多数版本根本就没有共鸣。通过网络的信号瀑布只有从前
到后的单一走向。他说：“这些关联主义的网络在刺激／反馈行为方面和模型识别方面
的功能很强，但从总体上来说却忽略了内部反馈的需要。而内部反馈正是赫伯认为细胞
集合所不可或缺的。除了少数情况以外，神经网络研究人员基本上不在这个方面下功
夫。”
结果荷兰德决定自己设计一个杂交的模拟适应性作用者，把神经网络和专家系统的
长处相结合。为了加强计算机效率，他先用专家系统有名的“如果……则”规则开始入
手。但他是从神经网络角度采用这个规则的。
荷兰德说，事实上，在任何情况下都会有类似“如果……则”的规则。六十年代末，
在人们远还没听说过专家系统以前，基于规则的系统就已经作为人类用于认知的普通功
能的计算机而被卡内奇…麦伦一派的爱伦·纽威尔和赫伯特·西蒙介绍进计算机编程里
来了。纽威尔和西蒙把每一条规则都当作一个单一的知识包，或一个单一的技术组合。
比如“如果吱吱的叫声是来自一只鸟，那么吱吱叫的东西就有翅膀”，或“如果在扣留
你的反对者的人质还是扣留反对者的夫人之间选择，那就扣留反对者的夫人。”而且，
这些规则指出，当程序员用这种方式来表达知识时，这个规则就自动获得了认知的某种
绝妙的灵活性。根据条件采取行动的规则，即“如果情况是这样的，那就采取那种办
法”，意味着这样的系统不在一个固定的系列，比如FORTRAN或PASCAL的某些子程序中
运行。一条特定的规则只有在它的条件被满足后才会被激活，这样，它的反应对它所对
应的情况而言就是恰如其分的。确实，当一条规则被激活后，它很可能会引起全部规则
的连锁反应：“如果情况是A，就采取B措施”、“如果情况是B，就采取C措施”、“如
果情况是C，就采取D措施”，等等。大体上说，整个新的程序随着这一系列的连锁反应
而产生，并会按照所提出的问题给出完善的答案，与让人兴奋的游戏式的盲目而僵硬的
计算机行为相比，这才真的是智能系统所需要的机制。
另外，基于规则的系统对大脑的神经分布来说具有很大的意义。比如说，一条规则
就相当于计算机中赫伯式的细胞集合之一。他说：“用赫伯的理论来看，一个细胞集合
就是一个简单的声明：如果事件如此这般地发生，那么我就会被高速激发一阵子。”规
则的相互作用，伴随着一条规则激活后引起的对其他规则的整个连动，就像神经稠密相
关联的大脑的一个自然结果。“赫伯的每一个细胞集合都包含了大约一千个到一万个神
经元。”荷兰德说。“每一个神经元又有一千到一万个与其它神经元相连的突触。所以
每一个细胞集合就与其它许多细胞集合相互关联。”大体上说，激活一个细胞集合，就
等于在某种内部布告栏上张贴了一个布告，就会被大脑中大多数、或所有其他细胞集合
看到。“细胞集合295834108现在正在行动！”当这个布告一出现，那些与这个细胞集
合有适当关联的细胞集合就会被激发起来，并把自己的布告贴到布告栏上，这就引起了
不断重复的循环。
荷兰德说，纽威尔－西蒙式的基于规则的系统的内部组织与这个布告栏的比喻非常
接近。这个系统的内部数据结构就相当于这种布告栏，其中包含了一系列数字布告。然
后还有大量的规则，也就是计算机把上百、甚至上千的数字编码成自身的部分。当整个
系统处于运作状态时，每一条规则都经常扫描布告栏，搜寻符合自己“如果”条件的布
告。每当其中一条规则发现了符合自己条件的布告，它立刻就会张贴一条数据信息，来
续接“则”这部分。
荷兰德说：“假如把这个系统当作某种办公室，布告栏上有必须今天处理的备忘录，
每一条规则相当于办公室里的一张办公桌，负有处理某种特定的布告的责任。每一天开
始的时候，每一个办公桌都将自己负责处理的备忘录集中起来。到一天结束的时候，每
一张办公桌都将处理结果的备忘录再张贴到布告栏上。”当然，到了第二天早上又开始
重复这个循环。另外，有些备忘录是被探测器张贴上去的，以使这个系统保持与外界正
在发生的事件的联系。还有一些备忘录也许是被激活的效应器，也就是使系统能够影响
外部世界的子系统。荷兰德说，探测器和效应器相当于眼睛和肌肉的计算机机制。所以，
从原则上说，一个基于规则的系统很容易就能从它的环境中获得反馈，这是它最首要的
要求之一。
所以荷兰德就把这个相似的布告栏比喻用于他的适应性作用者的设计之中，但同时
他又在细节设计上返回到对传统观念的反抗。
比如，从标准的纽威尔－西蒙的角度来说，张贴在布告栏上的规则和备忘录都应该
用“鸟类”或“黄色”这样的符号性语言来编写，这样做是因为我们特意要使之接近于
人类头脑中的概念。对人工智能领域里的绝大多数人来说，用这样的象征来代表人类头
脑中的概念，其正确性已毋庸争论，这是几十年来的金科玉律，纽威尔和西蒙是这派观
点的最雄辩的代表人物。而且，这也确实抓住了我们的头脑进行实际思考的很大特点。
计算机中的象征可以被结合到繁冗的数据结构中，来表现复杂的情况，就像概念是与心
理学家头脑中的各种模式相联系的，是从中产生的一样。反过来，这些数据结构也能够
被程序用来与推理和问题解决这类的大脑活动竞争，就像我们头脑中模拟的类型会在思
考的过程中被重建和改变一样。确实，如果你和许多研究人员一样，从字面上去理解纽
威尔－西蒙的观点，你就会看到，这种符号处理就是思考。
但荷兰德就是不买帐。他说：“符号处理是一个很好的开端，而且确实在理解有意
识的思想过程上前进了一大步。”但就符号本身而言却太呆板了，遗留下的内容也太多
了。一个包含B－I－R－D（鸟的英文拼写）数据的每个字母怎么能够真正抓住所有微妙
而游移不定的细微差别呢？如果这些字母与外部世界的真正鸟类无法沟通的话，对这个
程序来说又怎么能具有任何真正的含义？就算撇开这个问题不谈，首先这些符号概念从
何而来？它们是如何进化和发展的？又是如何通过外界的反馈而形成的？
对荷兰德来说，这正是人工智能的主流方向缺乏对学习问题的研究兴趣所导致的缺
憾。“我们陷入的困境，与我们在不懂物种如何进化之前就对物种进行分类时所陷入的
困境是同样的。”荷兰德说。“你可以从这类相似的系统中学到不少东西，但最终，这
条道路是走不远的。”他仍然坚信，必须从赫伯的角度来理解概念：涌现的结构是从某
种更深层的、不断在环境反馈中调整的神经基质中发展而来的。正如云彩形成于水蒸气
的物理和化学变化，概念是模糊的、游移不定的、具有动力的。它们经常在重组和改变
形状。“在理解复杂的适应性系统上，最关键的是要弄清楚层次是怎么出现的？”他说，
“如果你忽略了下一个层次的规律，你就永远不可能理解这个层次的问题。”
为了使他的适应性作用者抓住涌现这个概念，荷兰德决定，他的规则和布告不用具
有特别意义的符号手段来编写。它们将就是一排排1和0的二进制的任意序列。一个布告
也许就是像10010100这样的序列，与他的基因算法中的染色体很类似。而一条规则，用
英文来说，也许就像：“如果布告栏上有一个布告是1＃＃＃0＃00的话，其中＃表示
‘无所谓’，那就贴上01110101这个布告。”
这种表示法很不符合常规，荷兰德只得给他的这些规则取一个新名称，“分类器”，
因为它们的办法是根据布告的特殊类型来分别不同的布告。他认为这个抽象的表示法至
关重要。因为他看到太多人工智能研究人员自己愚弄自己，假装他们基于符号的程序
“知道”。在他的分类器系统中，布告的意义必须来自于它导致一条分类器规则激活了
另一条分类器规则这种方式，或它具有意义是因为它的某一部分是直接被探测真实世界
的感应器所编写的。概念和头脑中的模型就会作为自我支持的一群分类器涌现出来，它
们应该能够像自动催化组那样自组和自我重组。
同时，荷兰德还从基于规则的系统的中央控制的常规概念中找出了例外。根据常识，
基于规则的系统过于灵活了，所以不得不设计某种形式的中央控制来避免无政府状态。
因为有成百上千条规则在争看充斥着布告的布告栏，所以总会有好几条规则突然蹿起来，
相互争执谁来张贴下一条布告。假设认为，不可能所有的规则都张贴下一条布告，因为
它们的布告可能完全不能连贯一致（“扣留人质”或“扣留其妻”），或者它们的布告
也许会引起完全不同的规则瀑布，这样就会导致整个系统完全不同的表现。所以，为了
防止计算机的精神分裂症，大多数系统都实行了繁冗的“争议解决”战略，以保障每次
只有一条规则能采取行动。
但荷兰德却认为，这种自上而来的争议解决法恰恰是错误之所在。难道这个世界是
如此简单、如此可以预测，以致于你总是能够在事先就知道什么是最好的规则吗？几乎
不可能。而如果这个系统被事先告知如何行动，那将之称为人工智能就是一个骗局：这
样的智能并不在程序之中，而是在程序员的脑子里。不，荷兰德要的是，让控制由学习
而来。他要控制从最底层涌现而出，就像大脑的神经基质中的涌现一样。让连续一贯性
见鬼去吧。如果两个分类器规则相互意见不能统一，那就让它们在自己的表现的基础上
去竞争出一个结果来，这个结果就是被证实了的对完成任务的贡献，而不是有一个软件
设计人员事先编好的程序的选择。
“与主流人工智能研究正相反，我认为竞争比连贯一致性更为本质。”连贯一致性
�
