作者简介：王迪兴，男，1953年生，高级工程师。研究方向为信息处理理论、技术，及复杂性研究。

人工智能理论与技术的革命

王笛兴 （ wangdixing@sina.com )
在 http://entropy.com.cn  公布于2002.02

北京化大新特科技发展有限责任公司

摘要：人工智能的最终目标，是给出智能计算机的构造原理并构造出智能机，因而人工智能的成果必须体现在智能机器上。其衡量标准应是说明了多少人脑结构与功能特征，及改进了多少计算机的结构与功能。因而尽十分努力搞机器智能，不如尽一分努力搞智能机器，当务之急是检验现有的人工智能成果，看看哪些理论与技术能用于提高计算机的基础性能。

关键词：符号主义；连接机制；准全息论

    一、引言

    二十一世纪将是人工智能大行其道的世纪。目前，人工智能是利用不同的方法，在不同的层面上模拟人的智能，已经取得许多值得骄人的成绩，但也面临基础理论的危机，导致进展缓慢，需要有理论与技术的重大突破，需要统一整合现有理论与研究成果，搞出真正意义的智能计算机来。

    二、人工智能研究的现状

    人工智能研究分两条道路：机器智能与智能机器,分三大学派：

    1、符号主义学派――模拟人脑的逻辑思维。符号主义认为用计算机可以模拟人脑功能，而不管功能的产生机制，但要受计算理论与计算工具的限制――主要表现在符号与环境及背景信息分离，符号之间没有普遍内在联系，且一定要串行及分时分段处理，并受确定性及形式化的局限。解决这一问题必须解决计算理论与技术的三大问题：①状态转换的原理；②状态转换的控制；③状态之间一定要有内在联系。但图灵计算理论仅仅解决了一半，状态转换原理仅仅是其中一种，状态转换的控制没解决状态之间的相互控制，而状态联系问题则完全没解决。当然，这些问题在计算机问世之初不可能涉及，当初能够实现自动计算就已经很不错了，但时至今日，这已是智能机器必须解决的问题。

    2、连接主义学派――模拟人脑的形象思维。连接主义强调模拟人脑的神经结构，麦考洛奇和皮茨证明：大脑可以被模拟成逻辑运行的网络，逻辑通道可以产生计算结果，但这一发现没有被有效的应用到智能机器的构造中。如果把神经网络分为交互作用与协同作用两大类，传统神经网络模拟的仅是协同作用型――具有感知信号的整合译码分类功能，而对交互作用型神经网络则根本没有涉及，因而对于组成复杂的智能系统缺乏指导意义。主要是无法说明神经网络的整体结构与功能机制；无法说明神经元互补定义、互相解释、互相检索的整体自组织机制；无法体现不同功能层次之间的协调作用，如感知信息的整合、概念的定义，及概念的组合与分解过程；无法说明神经元不同路径组合产生的不同逻辑意义。

    智能是诸多子系统功能及层次的组合与协同效应，而交互作用型神经网络在人脑中占有极其重要的地位。其功能是整合协调子系统功能，是为不同的子系统或信元建立双向交互作用的枢纽通道――储 算 一 体 ， 读 写 算 同 步 ， 控 制 、 交 换 及 运 算 功 能 统 一 ，而并非简单的分类功能。如果硬要分逻辑思维或形象思维的话，那么交互作用型神经网络模拟的是逻辑思维――具信息意义及子系统的组合与分解功能，而协同作用型神经网络模拟的是形象思维――具信息意义的定向整合及分类功能。

概括起来，传统连接主义有如下问题需要解决：

1)          已有的工作不能体现神经元或子系统之间确定的逻辑或组织关系，亦没有明确多元化逻辑基础，体现不出预期性在神经网络中的地位。

2)          相对于子系统的输入输出或交互作用，没有逻辑可逆性，节点之间亦没有互为因果交互性，不适应子系统的自组织直接功能耦合，网络本身不适应双向通信及多功能一体化。

3)          不能体现以确定性为基础的随机性。相对于特定概念或意义只能整合，不能分解。运算原理及机制没有普适性或通用性。

4)          存在联结线瓶颈问题，不具备开放性。其整体结构不能体现逻辑内涵与外延的一致及相容性。不能体现模数统一性。

    5） 不能客观地反映人脑神经网络的本质结构与功能特性，如信息在传递的过程中能够记忆和运算，在记忆的同时能够传递和运算，在运算的同时能够传递和记忆。

    目前急需揭示出能把大量神经元组装成一个具有复杂功能的系统设计原理，或给出整体近似及同构描述模型。

    3、行为主义学派――强调人的行为模拟，而不管行为的产生机制。但行为同样需要与

环境及背景信息不断地双向作用，不同感知与效应行为之间亦具有交互作用关系，聪明的行

为亦需利用累积的历史经验，仅仅通过反馈控制远不能满足要求。目前急需控制理论有大的突破――需刺激反应参量交互协同作用的自组织原理模型。

   三、人工智能的理论与任务

    技术的革命首先是基础理论的革命，但在目前，如有人问人工智能的基础理论是什麽，答案肯定五花八门，符号主义认为是逻辑――信息处理的时间模式；连接主义认为是自组织――信息处理的空间模式；行为主义认为是反馈控制――信息处理的渐进适应性模式。现在是急需寻求时空统一及相容行为机制的信息处理模式，但考虑到人脑神经网络的本质特征，这种统一只能是用空间模式统一时间模式，而不是相反。

    智能机器是个超级复杂系统，理应以系统论、控制论、信息论及自组织等自然科学理论为基础，给出人脑、计算机及复杂系统的同构描述模型――综合优化各种复杂系统的结构与功能特征，而不是单纯地模拟人脑的结构与功能特征。因具有不同点才能突破，就象人类模拟鸟飞的飞机，正因为与鸟不一样，才比鸟飞的更高、更远、更快、更能承重。

    但目前智能模拟的理论与技术都是在不同的层面上进行研究的，处于互不相容的分离状态，需尽快给出综合统一的、系统级的自组织智能涌现原理或计算模型。

    上述理论的分离是由认识论、本体论及方法论的分离造成的，表现在一部分人认为智能只能从分析出发，一部分人则认为智能模拟只能从整体出发。但后者面临系统论、控制论与信息等理论的分离，再加上这些理论存在缺陷或悖论，因而导致不同层面的人工智能研究水平难以有大的突破，且不能统一。具体表现是大多数人都用状态反推状态的转换规则，用状态反推功能或用功能反推规则，笔者则试图用规则确定状态关系或结构，用结构确定功能。从智能机器的角度讲，其基础理论只能是一般系统论、控制论、信息论与自组织等自然科学基础理论的统一；是认识论、本体论、及方法论的统一。这是因为单纯靠哪一个理论都不能全面解决智能机器问题。为此我们给出了“准全息元数学模型”，见图。

    模型反应整数之间加减运算关系；反应有理数之间的乘除、乘方开方、对数反对数运算关系；反应实数之间的乘方开方、对数反对数运算关系。

    模型是组合数学及空间状态表示模型；是涌现性自组织原理模型；是人脑与计算机及复杂系统的同构描述模型；是有限与无限、有序与无序、确定性与非确定性、因果性与随机性的统一描述模型；是三论统一的定量形式化描述模型；是智能机器的数学理论基础。    

    关于三论合一，钱老很早就提出并有过论述。三论统一的基础是同构，假设把系统参量看作一个集合，集合内参量的交互作用关系是系统的自组织自控制关系，这时集合的输出参量对等输入参量。两个相同集合之间则施控参量同时是受控参量，如果把施控与受控参量看成是信息媒介，则系统参量＝控制参量＝信息单元。而信息的存储结构，施控与受控参量结构与系统参量结构亦完全同构，这就是三论统一的基础，以往三论之所以各自为政，是因为各自的理论高度都难以统一其它两论，即都不能从高层次给出定量形式化描述模型。如传统的系统论仅仅限于定性描述，对于系统自身的结构未能给出描述，因而对于系统为什么大于部分之和的突现原理，及系统为什么要突现？系统突现的运作机制是什么？能否用数学工具描述突现？及如何制定描述大于部分之和的那些整体属性的科学方法等等问题，都无法给以回答及解决，导致系统悖论。关键在于系统描述必须有具体参量及其关系――结构的描述，否则无法说明系统参量关系不可还原的自组织特性。结构是状态之间交互作用的基础；是系统功能转换或信息转换的基础；是子系统功能耦合的基础，故结构描述在系统理论中必不可少。而结构的创生一定要遵循某种结构法则――等价逻辑法则，而共性结构还是统一元数学、元逻辑、元算法的元数据结构。复杂的结构决定复杂的功能，指望用简单结构模拟复杂功能并不现实，异构同构具有严格的条件限制。

    传统的控制论仅仅涉及控制过程，且是单向过程，给不出施控主体及被控对象状态的内在联系及交互作用关系描述，因而对于控制系统本身的自组织机制，与控制对象的交互作用机制；实施控制的目的性；及控制参量的互为因果性等问题也都无法解决及解释。

    传统的信息论亦仅仅涉及通信问题及过程，对于信源及信宿之间的同构关系，及信元之间的交互作用关系未能给出描述，因而对于信元及信宿的自身结构，信息交换前及交换后的存在方式，及信息意义在什麽基础上互相转换、互相交换等问题同样无法解决及解释。因为系统参量等价信元，系统参量的交互作用关系就是信元交互作用的关系。这种关系是信元互补定义、互相定义的基础；是信元存储、转换、交换的基础。所以，复杂系统产生特定的功能，除具有参量关系结构以外，还一定要有信息的作用。

    准全息元数学模型以逻辑可逆及互为因果关系为基础，可使运算、交换、控制功能统一，以此为基础可使符号机制、行为机制与控制论机制相容。

四、智能系统原理

    智能系统原理即状态的自组织原理；对状态进行逻辑组合与分解原理；编译码原理；模/数、数/模转换原理；光电、声电、电磁等转换原理；及子系统功能互补及交互作用原理；状态互补定义、代偿定义及交互定义等等原理的总和。其中最重要的是信元的自组织原理，及在此基础上的结构计算原理。目前的计算机可以说是只涉及一个功能层次的状态转换器，没有与子系统的状态转换机制统一；没有与背景记忆状态的自组织原理有机地统一，因而很难有效地体现人脑智能。

    1、状态逻辑相关原理

    一切事物都与一切事物有关”，它被科莫涅尔称之为“生态系统中最重要的一条规律”。这种既有竞争又有合作，包括相互需要和满足的关系，是复杂系统产生大于部分功能之和的现实基础。自然系统作为一个有机整体，它的每个组成部分和功能发挥对维持整个系统的稳定与和谐，以及对于其它组成部分的存在和功能发挥，都有程度不同甚至是无可替代的意义。自身所在的那个更大系统的稳定与发展，以及相关系统（包括相互竞争的、相互抑制的系统）的存在与功能发挥，乃是一个系统存在和发展的前提条件和根据。正是意义之间的相互作用、反馈循环，使得系统参与到所在的世界中，通过交互作用为自己开辟新的可能性，也通过反馈放大机制不断地为自身确立存在条件和根据。“关于生命、进化和精神发展等难以置信的事情，都是通过这样的相互作用得以产生，系统也不断地超越自己而进化发展。

    2、自组织功能耦合原理

智能机器最起码要有三个功能层次：①核心功能耦合层――涉及状态转换或功能耦合原理；信元之间的交互作用原理。②子系统功能层――涉及状态检测原理；模/数、数/模转换原理；光电、声电、电磁等转换原理。③编译码功能层――涉及译码编码原理，及多种码制之间的转换原理。其中最重要的要属状态的逻辑转换层，相当于中枢神经网络。它涉及整个系统的核心信息处理机制；涉及子系统之间的通讯、控制及反馈机制；涉及信元的交互作用机制；涉及系统的自组织结构及存储记忆机制。

    上述机制并非独立各自解决问题，必然具有统一性。没有传感及效应子系统的智能系统是不可思议的，因智能系统必然是多子系统功能的耦合系统，其信息意义及行为意义只能通过具体的子系统功能体现。但若干子系统必然要通过功能耦合媒介耦合在一起构成复杂系统，通过功能互补增加系统适应环境及反作用能力。具体原理见图（图A是图B的单元，连线节点为二值逻辑与门，图B体现了整数集的加减运算原理）：

    图中任意两个输入总能决定一个输出，各口之间经过反馈可构成互为因果超循环网络。它由三个子原理构成：①参量有序扩展原理，它决定了系统参量可按某种类型有序“生长”，如自然数按0、1、2、3、4……的顺序延伸“生长”。②参量逻辑关系内涵与外延的一致性原理。因系统建构必须遵循某种规律或法则，如任意两个整数按加减运算法则，可确定与另一个整数的和差运算关系，且在整数集范围内可始终一致有效外延。③参量互为因果及互补作用原理，它决定了参量关系的互补性及自组织，其参量之间均按加减运算法则建立互补或互为因果关系，使若干子系统在运算、交换及控制功能一体化的基础上整合为一个复杂系统。

    3、准全息信元逻辑内涵与外延一致性及多元相容性原理。

      因 系 统 是 在 与 环 境 的 双 向 作 用 过 程 中 顺 应 与 同 化 建 构 ，其 中 顺 应 具 有 突 变 性 ── 意 味 着 系 统 参 量 作 用 关 系 的 改 变 ，同 化 则 具 有 渐 变 性 ── 意 味 着 系 统 参 量  的 增 加 。 但 不 论 是 同 化 还 是 顺 应 ， 都 有 一 个 体 现 逻 辑 内 涵 与 外 延 一 致  性 的  建 构 法 则 ，保 证 处 理 功能的准完备性或准全息性要求。至于多元相容性是指状态的逻辑转换可分为不同的逻辑层次及不同的类型，各层次类型之间即有相对的独立及统一相容性，如加减相容于乘除，乘除又相容于乘方、开方对数反对数运算，与此相应的整数集相容于有理数集、有理数相容于实数集。

    目前，所有人工系统都是按确定性规则精确重复设计和制造的，至今还没有制造出一种东西遵守非确定性规则。生命和智能遵循可扩展的互为因果律――体现确定与非确定的统一性；如1÷7的值是永无穷尽的，但通过空间状态表示法，即能体现运算关系的确定性，又能体现取值范围的无穷性。在此基础上取任意精确值，只需增加循环周期即可，而不再进行实质性的运算。至于可扩展的互为因果关系，只能以整数、有理数、实数及超越数的基本运算关系为基础进行描述，其状态转换亦不能超脱加减乘除、乘方开方、对数反对数这一元逻辑范畴，因而这一元逻辑即是状态转换的法则，同时是智能系统的自组织建构法则。

    智能无非是基本概念的选择、组合、分解及重组，作为神经网络的动力学过程而言，都是由反馈调节贯穿始终的信息流动及自组织过程，或时空模式转换过程。如模型的加减乘除、乘方开方、对数反对数运算功能，适应不同形式编译码的直接转换输入输出，这相对于冯机的二值状态加法移位，更能满足通用性要求。智能系统状态具有无穷性，要求状态转换具充分复杂性，且一定要在与客观世界同构的基础上处理无穷信息。

五、智能机器的物理实现

智能的核心机制可以集中为一条――状态转换，涉及状态组合与分解；一多编码转换及多一译码转换；模/数、数/模转换；光电、声电转换、电磁转换等等。而状态转换的物理形式可以说数不胜数，但一定要通过编译码，且一定要“量化”，具有模数及时空统一性。状态之间一定要有内在联系，否则就意味着整个状态转换过程与环境与背景信息分离。

以二值逻辑为基础状态转换，不可能编译出足够复杂的状态，与感官接受的状态量级差别太大，因而需多级、多维译码，及互补性、补偿性等多种编译码原理及技术。至于模/数、数/模转换、光电转换、电磁转换等，是系统接受环境信息及作用于环境的功能机制，需对感知状态有效编码、及有效区别不同的感知意义、并能实时有效地与环境双向作用。状态的逻辑转换涉及实质性的信息处理，是构成智能系统的核心功能机制，其基本前提是所有的状态之间要建立普遍联系，且能双向交互作用。显然，只有弄清楚各个层次的状态转换与相容机制，才能谈到有效地模拟人脑智能。单一层次的状态转换可以找到替代形式，但相对于整体功能机制一定要有一致性，不能互相分离。如感官相对于感知对象的编码，绝不能分时分段处理，它与效应器之间的作用一定是实时透明的。确定了状态的自组织形式，及在此基础上确定状态转换原理及形式；确定子系统的交互作用――功能耦合形式；确定功能或参量的互补及代偿定义机制；就可以说把握了智能模拟的关键，其物理实现亦并不存在难以克服的技术障碍。以准全息元数学模型为基础，我们已经设计实现了与冯机的功能互补系统，见图：

        它 可 从 根 本 上 提 高 计 算 机 的 基 础 性 能 ；可体现人脑神经网络的很多本质结构与功能特征：如多入多出；逻辑可逆；储算一体；地址与数据统一；适应多种进制代码并行运算、并行控制、并行交换；可双向读写算、同步读写算、及并行读写算；可使交换、运算及控制功能统一；使记忆单元之间具有内在的自组织关系。

人脑神经网络相对于感官及效应器官，是相互联络的核心；是整合为一个整体的核心；是行为、感知觉序列及概念意义的整合与分解核心。智能的本质是状态转换――智能主体内部状态与环境状态之间的转换，包括状态表现形式的转换，及信息意义之间的组合关系转换，其本质就是计算。但这种计算是准多值逻辑结构计算，可从根本上避免系统与环境及背景信息隔离；同时避免传感、效应与处理层次之间的隔离。

六、功能互补系统的具体应用

1、可 解决目前网络的四大瓶颈――①路由交换瓶颈。②网站访问瓶颈。③数据检索及维护瓶颈。④信息处理瓶颈。人们很自然地会问，利用现在的计算机及网络不是也能够做到这些吗？事实不然，计算机虽然能够储存海量知识，但不能象人脑一样有效地利用知识，它与人脑最大的差别在于，它所储存的信息不论有多少，都与环境及背景信息分离。而人脑处理所有信息，首先是在信息之间建立内在联系，并能实时与环境及背景知识统一双向作用。具体可象字词典一样集中知识精华，并能实时修改及补充知识；有效的检索利用知识；有效的传递交换知识；有效地处理知识。

2、是作为并行总线，解决服务器或大数据库的并行存检或并行访问问题，及外设并行工作问题；可用于若干外设并行运算、并行交换、并行控制，可使所有信息系统变成一个复杂开放的巨系统。

3、是作为联想存储器，解决数据读写或存检效率低下的问题。因这种存储器的存储单元之间具有内在联系，可按运算关系实时双向读写、并行读写，使所有问题的解决都能与背景或环境信息建立联系，因而具有类似人脑的联想功能。

4、是作为子系统功能耦合平台，可综合所有人工智能的研究成果，为其提供一个转换及应用平台。还可使基于个人电脑的并行计算非常方便，其计算成本将得以大幅度降低。

参考文献：

    [1] 苗东升著，系统科学辩证法，山东教育出版社，1998.12

[2] 王迪兴，准全息元数学模型――超级复杂系统的定量形式化描述，系统辩证法学报，山西太原理工大学，1998.4：89～93

[3] 王迪兴，复杂适应系统的共性描述，系统辩证法学报，山西太原理工大学，2001.4：40～43

[4] 王迪兴，计算机的革命，北京《计算机世界》，1998.1～3期

    [5] 王迪兴，自组织计算原理与技术，北京航空航天大学第六届中国人工智能联合学术会议论文集，2001.3.8：75～78

[6]王迪兴，准全息论；智能模拟需解决的具体问题；谈计算模型的计算能力，中国人工智能学会第九届全国学术年会论文集（2001），北京邮电大学出版社，2001.11.30:79～107

REVOLUTION OF ARTIFICIAL INTELLIGENCE THEORY AND TECHNOLOGY

Written by Wang Dixing

Beijing Huada Xinte Sci. Indus. Trade Co., Ltd.

  Abstract: The final aim of the artificial intelligence is that gives the aufbau principle of the intelligent computer and makes the intelligent machine, so the achievements of artificial intelligence must incarnate on the intelligent machine. The yardstick should explain the quantity of the structure of human brain and functional characteristics, as well as improve the structure and function of the computer. So rather to make intelligent machine than to make the machine intelligence, the urgent matter is checking the subsistent achievements of artificial intelligence, to see which theories and technologies can be used to promote the basic function of computer. 

  Key Words: symbol doctrine, connectionism, quasi-holographic theory