[返回哲学世界首页]·[所有跟帖]·[ 回复本帖 ] ·[热门原创] ·[繁體閱讀]·[坛主管理]

论人工认知实现的方法论策略(中)

送交者: wangguotong[★★★声望勋衔13★★★] 于 2024-05-15 1:34 已读 3965 次 1赞  

wangguotong的个人频道

+关注

魏屹东:论人工认知实现的方法论策略(中)


三、人工认知的生命实现:目标指涉性与生物指号性的统一


生命是NC的前提。这里再次强调,所谓人工生命,不是以人工手段合成生物体(杂交、克隆)意义上的,而是对智能体生成的活动系统进行再生和演化意义上的。如果我们将自主行动看作生命体的本质特征之一,那么能自主移动的机器人就是有生命的人造物。如果我们进一步将生命系统看作生物符号系统(指号关系网),或一个操作符号产生意义的表征系统(cf.Ferreira,pp.107-130),那么生命系统就有了目标指涉性,是一个自我指涉系统,而自我指涉性是一个实体拥有自我意识的标志,如某人知道他/她是谁(能自指)。按照这种逻辑,人工生命本质上就是指号关系构成的认知生命的物理延展或机器建构,因此,人工生命的主要问题必然涉及:人工生命如何展现自然生命的属性,如何给自然生命建模;智能体在人工构架中起何作用,如何与所处环境发生联系(即如何适应性地表征其环境),如何给予智能体的活动以生命性说明,如元宇宙中的我的动画替身;人工生命能否对基于生命的NC形成真正的挑战。


从方法论考虑,如果将认知系统视为一种指号关系和自我指涉系统,那么人工生命很可能通过人工主义方法和生物符号学的整合来实现。人工主义作为一种形式化表征建模方法,通过计算模拟构建生命系统的部分和细节,其实质是计算模拟和符号推理。生物符号学假定不存在我们所说的“心智”这种东西,而是将其作为一个概念的位置标识符,即目标的记号或图标,人类和其他动物都有这种能力(指向目标)。这种将人工主义与生物符号学相结合形成的新方法论,既不同于心智的分析哲学(不进行还原解释),也不同于神经科学哲学(忽视脑的进化)。(cf.Swaned., pp.6-8)笔者发现,这种整合策略,既超越了自然主义的生物学解释和物理主义的机械论解释,也超越了心灵哲学中的机器功能主义的结构-功能解释,对被普遍接受的生物自然主义构成了挑战。


如果是这样,这种新方法论就为构建和测试数据集中的因果解释提供了一种新策略。理由是,根据人工主义,计算机科学的理论建构是以模拟和构建计算模型(符号表征系统)为基础的,可为构建和测试数据集中的因果解释提供工具。根据生物符号学,生命系统是指号系统,是由基因(指号)决定的,基因的遗传、组合和演化就是指号过程。这样一来,自然生命的指号过程可通过计算模型来说明,由于人工生命系统是由形式系统刻画的,它就更能够使用计算机建模了。因此,我们可以将计算机科学的形式表达范畴化为关于生物系统计算层次的理论建构。这意味着,人工主义不仅定义了机器性能的等效标准,也跨越人工生命这种可能世界的有组织系统的计算属性;不仅是对物理系统和可能世界中所有物体的一种假定,也包含了可能世界中智能设计的意向性和目的性。因此,物理系统的物理部分和性质就是自治的和自组织的,并作为人工生命世界的基础,作为涌现现象和性能来生成计算的物理部分和性质。所以,建模是人工生命研究的关键,即通过模拟自然生命的特征为人工生命建模——或以物理硬件形式,或以模拟软件形式,赋予人工生命以认知能力,即“认知生命”。如果这种逻辑是对的,我们就可通过人工主义的形式表达和生物符号学的指号关系,将人工生命与自然生命勾连起来,其中的符号指涉性和指号过程都是适应性表征的不同方面。


由于适应性的介入,这个过程必然涉及机械具身性和现象具身性这两种极端的认知方式:前者意味着认知居于物理实体中,后者意味着认知存在于某个环境生态位。(参见弗农,第176页)事实上,正是由于这两种认知方式都拥有具身性,它们才能够通过适应性表征将两种生命形式连接起来。如果是这样,泰格马克预测的生命3.0超级智能机器的出现就是非常可能的。(参见泰格马克,第31-32页)质言之,笔者想通过适应性表征将AI的探讨拓展并概念化为关于生物系统计算层次的建模,这等于确定了机器性能的等效标准和跨越人工生命这种自组织系统的计算属性。由于人工主义预先假定了物理系统和可能世界中智能设计的意向性,使得其中的物理部分和组织具有了自治性和自组织性,并成为人工生命的涌现性和自主性计算的物理部分,这相当于让计算机芯片像脑神经元一样运作。因此,我们可通过形式表达和指号关系的适应性表征,把人工生命和自然生命连接起来。


四、人工认知的感知实现:预知性和情境性的统一


感知是认知系统的必要条件,也是体现生命力的一个重要标志。如果说一个实体是有生命的,那么它一定具有感知能力,如生物的刺激反应。根据生物学我们还可以推知,没有感知能力的生物,如植物,一定不会有更高级的认知能力。我们进一步假定认知系统是皮兹洛所说的预知系统,一种预知性表征(anticipatory representation),即从反应性到积极主动性的感知能力(cf.Pezzulo et al., pp.3-22),或是克拉克所主张的预测加工系统(参见克拉克,1-3页),那么人工感知就是认知性感知(区别于本能性感知),当然具有预知或预测能力,否则它就不能对NC形成挑战了。


问题是,人工感知装置如何展示这种认知性感知?预知性如何在生物体和人工感知系统中实现,即预知性表征如何允许认知功能的实现,与意识的意向性和感受性有何不同?我们用于理解与未来而不仅仅是与现在协调的预知性表征,如何处理情境化智能体的发展问题?这种预知性表征能力如何成为NCAC系统的一种未来导向能力?可以看出,这一系列追问均与认知系统的预知性有关,而预知性是将心智作为预知系统的一种自适应表征能力。理由有二:第一,认知应该被描述为一种主动的生产性活动(康德的看法),而不是一种被动的刺激-加工系统或输入-输出系统,即:这种预知系统永远保持高度的主动性,并在不同期望状态之间不停地变动,致力于将感觉信号与预期目标匹配起来,以期获得不断更新的感知状态。第二,表征和符号能力的发展是由于主体对未来的预知和处理的适应性优势,也就是克拉克主张的大脑预测加工或多层预测编码机制,其中部署了一系列概率生成模型。(同上,28-31页)笔者认为这一机制将自上而下的概率生成模型与保证编码及传输过程高效性的核心预测编码策略结合起来了。这样一来,智能体形成基本表征和符号能力就取决于预知或预测能力,而预知是基于感知的。因此,预知性是NC中发展若干个人和社会能力的必要条件,基于运动的模拟认知观实际上也启发了人工感知系统的设计方式,如感知-行动模式。可以预计,未来的机器人不应该只是简单地适应环境,而是预知环境,预测目标,通过持续调整预测误差来表征环境,它们的生成机制将成为引导日益复杂的认知能力的关键。


从方法论观之,这种预知主义以情境方法改造传统AI,也就是将计算表征方法与情境方法相整合。若进一步将预知分析与感知-行动分析(通过感知收集数据或信息并经过处理而行动的方法,也称行动主义)相结合,就形成了一种超越传统行为主义和动力主义的新方法论。因为预知的目的在于行动而不仅仅是预测,而行动在这种复杂的动态联结中起到双重作用——既是被理解的对象也是感知预期的结果。行动是处于具体情境中的,必须与世界包括其他主体对接,比如“认知发展机器人”能够将其他人或另一个机器人视为一个动态的预测对象来感知,而预测是通过一个内部自我模型的投射或翻译来实现的。(cf. Ogata et al., pp.4144-4149)这表明情境对于认知主体的重要性是不可或缺的,因为认知主体可以通过调节内部的预测加工路径来区分自我与他人。因此,是“情境塑造了有效连接的网络,聚合新质的、柔性的神经资源联合体,调动和调整用于拟合前馈感知信息流的相关模型”。(克拉克,185页)笔者认为,这种情境化的预知方法超越了认知科学中的计算表征主义和联结主义。而且笔者发现,将大脑视为一个本质上具有预知性的器官是很有用的,因为它被设想为利用过去和现在的信息来产生对未来的预知。这一想法可用于设计人工感知系统,即通过预知性与情境性的结合来实现人工感知。


显然,根据我们对NC预知性的理解和日益复杂的预知能力的发展,我们可以设计出能够协调当前行为与未来结果,并根据未来需求进行规划、制定和实现抽象目标的人工预知性认知系统。而且,这种预知性表征能力可能是NCAC的一种未来导向能力。(cf. Pezzulo, pp.257-270)经验证据表明,植根于感觉运动神经器官的预知性表征是至关重要的,它被包含在一些低层次和高层次的认知功能中,诸如运动控制、注意力、计划和目标导向的行为。在笔者看来,人工感知也必须具有这些能力,未来还可能包括模拟能力、社交能力、共同注意和沟通能力,因此,预知性可能是引导认知机器人的高级认知功能的关键因素。如果是这样,预知性有可能成为未来设计和开发AC系统的一个关键属性。笔者认为,对预知的理论、经验和计算研究,特别是模拟理论,将允许认知机器人的进化飞跃,从具有意向性和感受性的NC,升级到预知性表征的AC。其结果是,这种AC系统的自适应自治性将更为突出,其应对复杂环境的自我管理和自我调节的能力会更强。(参见弗农,第113-117页)


概言之,在人工感知系统中,就像在NC中一样,内隐和外显预知允许从面向现在的能力进化到面向未来的能力,从而引导高层次的认知和社会能力。(cf. Pezzulo and Castelfranchi,pp.115-131)这种AC系统具有基于技能、基于规则和基于知识的行为(cf. Meitinger and Schulte, pp.91-100),而且在不同系统之间进行协作。这三种行为是机械式AC的能力,也就是目前AI和智能机器人具有的能力。在笔者看来,AC要成为预知性或预测加工式的具身AI,还应该具有自寻优(self-optimization)能力(主动寻求最大化最优化)和自语境化(self-contextualization)能力(自主融入新语境),这些能力同时也是认知方法,即自寻优方法和语境化方法。这些方法的综合形成了笔者所说的新预知主义——一种将预测性、情境性和语境性进行整合而形成各种自适应的自治策略。


五、人工认知的意识实现:语境涌现性与生成性的统一


这里的意识是指基于生命和感知的自然或生物意识,我们人类是这种意识的代表。然而,由于对自然意识是什么、如何产生并运作的问题还没有搞清楚(虽然有形形色色的意识学说),因此,人工意识对它的挑战会面临更大的风险或不确定性。意识到底是什么?在哪里发生?与认知是何关系?能够科学地得到研究吗?机器是否能够有意识?这些问题一直存有争议,也是认知科学、AI和认知神经科学以及认知哲学要具体面对的难题。所以,方法论在这里显得尤为重要。


事实上,无论从哲学还是科学视角看,我们的意识现象特别是主观意识(认知性意识,区别于客观性意识)仍然是个“黑箱”,人工意识(机器意识)几乎只能在模拟自然意识或大脑功能的层次上进行。在这个意义上,我们必须了解意识发生的本质特性。在哲学-现象学语境下,目前较普遍认同的看法是,意识是意向性与现象性因素的结合(参见加布里尔,第129页),也就是对象指涉性和体验感受性的统一。在物理-生物学语境下,目前意识发生的公认特性是涌现性(简单相互作用产生复杂行为)和生成性(自组织特性),相应地就有了语境涌现论(基于系统论的自然主义方法)和认知生成主义(生态学耦合方法)。语境涌现是作为物理系统和其他系统不同描述层次间的一种非还原但定义明确的关系被提出的,旨在说明不同层次系统间属性的不可还原性,如意识不能被还原为大脑的物理和神经性质。(cf.Atmanspacher, pp.18-36)在技术上,语境涌现产生了一个形式健全和经验适用的程序,以一种整体一致的方式在描述层次间进行翻译,并可从神经层面的描述来讨论心理状态。


笔者认为,若将语境涌现论与生成主义整合起来,可形成一种更强的认知涌现方法。这种新方法可统一传统认知研究的控制论方法和AI方法,不仅有助于ACNC的融合,也是对被普遍接受的情境-觉知方法的有益补充。(参见魏屹东,2022,109-121页)这是因为,人工意识特别是人工主观意识要梦想成真,语境是其不可或缺的因素,因此,对于人工意识如何具有语境的问题,我们不能沿着认知主义的老路,而是要运用一种与其相对立的新语境涌现论——涌现+耦合+生成方法论。语境涌现论认为,意识是一种涌现现象,有其物理-生物机制和演化因素;生成主义认为,有意识认知不是表征过程,而是一种产生于动态在线互动或自治主体与其所嵌入的环境“耦合”的意义创造过程。这意味着,认知是建立在自治主体的意义创造活动之上的,自治主体主动地产生和维持自己,从而制定或产生自己的意义和价值域。(cf. Thompson and Stapleton,pp.23-30)不过,生成主义还不是一个成熟的研究纲领,它有两种版本:一个是广义生成主义,认为认知是主体与其周围环境的动态耦合所产生的一种意义涌现的关系过程,一种主体自我维持的自治过程;另一个是狭义生成主义,认为认知是以产生知觉意识的探索活动为基础的,并拒绝表征过程。对生成主义不承认表征这一点笔者并不认可,因为生成过程本身就是表征(呈现属性或行为),如大脑中产生的梦境。


在笔者看来,语境涌现论和生成主义本质上是一致的,都是基于语境的适应性表征主义,因为认知的“涌现”和“耦合”都是嵌入语境的。如此一来,自然意识和人工意识就可纳入基于语境的适应性表征框架,可用适应性表征修改、提升其方法论功能。所以,语境涌现+生成主义+适应性表征可给予人工意识一种更合理的解释。笔者将这种具有自治性的适应性表征策略视为一种预测和实现以目标为导向行为的交互方法论。根据这种方法论,自治性现实环境是基于计算机/传感器/智能组技术的AC系统,能够捕捉到人类要完成的任务,在特定语境出现之前或出现时行动,通过与人的自然互动来解决问题并减少手头任务的认知需求,以及监督影响过程进行的效果和条件。同时,自治性现实环境还表现为一种现实的自生环境。自治性表明:智能体有能力在没有人工干预的情况下进行任务选择、优先排序、目标导向的行为和决策。而且,自治性体现的意识灵活性促使智能体在解决问题的过程中自我适应并与其他智能体相互作用。


目前,基于智能体及其组合的认知系统架构概念已经在AI中很好地建立起来了,并展示了巨大的潜力。在自治性现实环境的条件下,人工意识研究面临的一个挑战是:建构一个复杂的、自给自足的系统,同时通过传感器感知环境、执行计算实体和行为,一定程度上自主代表其用户完成任务,并与监督内部状态的应用程序进行通信。而且,这种人工意识系统不仅通过获取、存储、生成和使用知识为用户提供认知支持,还通过参与问题解决和过程控制调整自己的操作;它是一个能执行认知功能的网络,一个独立的智能体,而不仅仅是一堆目标导向的物理行为模拟器。据此,笔者预计,在适应性表征框架下,人工意识将会通过语境涌现与认知生成的整合在一定程度上得到实现,但要达到哲学上理解的意识,即意向性与感受性的统一,还有相当程度的距离(是碳基的还是硅基的可能很重要)。

喜欢wangguotong朋友的这个贴子的话, 请点这里投票,“赞”助支持!

内容来自网友分享,若违规或者侵犯您的权益,请联系我们

所有跟帖:   ( 主贴楼主有权删除不文明回复,拉黑不受欢迎的用户 )


用户名: 密码: [--注册ID--]

标 题:

粗体 斜体 下划线 居中 插入图片插入图片 插入Flash插入Flash动画


     图片上传  Youtube代码器  预览辅助



[ 留园条例 ] [ 广告服务 ] [ 联系我们 ] [ 个人帐户 ] [ 创建您的定制新论坛频道 ] [ Contact us ]