第70节

    你喜欢哪一种方案

    第二个版本的故事与前面一样，只是措词略有不同：

    如果采纳c方案，400人会死去。【】

    如果采纳d方案，有三分之一的可能性是没有人会死去。但有三分之二的可能是600人全部死去。

    受试者对这两个版本的问题反应差别极大：百分之七十二的人选择方案a而不是方案b，但百分之七十八的人另一个小组选择了方案d而不是方案c。卡恩曼和特沃斯基的解释：在第一版中，结果是以获取拯救的生命来描述的，在第二版中是以损失损失的生命来描述的。这是与上述金钱方面的实验同样的偏见，受试者的判断受到扭曲，在处于生死关头的生命和处于赌桌上的金钱上是一样的。

    我们在这些情况下会作出很差的判断，是因为涉及的因素是“否直觉的”；我们的思维不愿意抓住或然性中的现实。这个缺点既影响个人，也影响整个社会。选民和选民代表经常因为很差的或然性推理而作出一些付出很大代价的决定。如理查德尼斯比特和李罗斯在他们的人类推理一书所说的，许多政府行为和在危机时期采取的政策都因其后发生的事情而被看作是有益的，尽管这些政策经常是无用或者有害的。错误的判断是由人类的倾向引起的，他们把一种结果归因于产生这个结果的行动，尽管这些结果经常是事物自然的进展所致，是从异常复归正常的自然趋势。

    类比推理：到70年代末，认知心理学家已经开始认识到，逻辑学家认为是谬误推理的很多东西实际上是“自然”或者“行得通的”推理不准确，不严密，直觉型的，而且从技术上讲也是无效的，但经常是合宜的，而且是有效果的。

    这样的思维当中的一种就是类比。每当我们认识到，一个问题与另一个不同的问题，即，我们大家都很熟悉也知道答案的问题是可以类比的时候，我们会跳跃式地直接进入结论。比如，许多人在组装一件散落的家具或者机器零件时，根本不看说明手册而直接凭“感觉”动手寻找各零件之间的关系，并在不同的家具或者机器零件之间寻找他们以前组装过的东西的类同之处。

    类比推理是在儿童心理发育的晚期阶段形成的。最近一直在进行类比思维研究的认知心理学家迪德尔金特纳，她问5岁的孩子和成人说，云彩和海绵在哪些方面相像孩子们以类似的特点回答问题“它们都是圆圆的，毛绒绒的”，而成人则以相关的类似点来回答“它们都吸水，而且都能挤水出来。”

    金特纳把类比推理看作是一个域和另一个域之间的高级关系他说：

    在我看来，这些程序里没有一个堪与人类思维过程的复杂性相提并论。“人工智能”程序与人类不一样，它们倾向于是专心一致的，不可能分心，也没有感情。再说，它们一般从一开始就配备有解决一个问题所需的全部认知材料。

    然而，这位权威性毫不亚于赫伯特西蒙的人却从范畴上确定地说，思维和机器是类似的。1969年，在一系列收集在人工智能科学一书中的讲座中，他提出，计算机和人类思维都是“符号系统”能够处理、转变、精确而且一般也能cao纵各种各样的符号的物理存在。

    在整个70年代，专心至致的心理学家中的少数人和麻省理工学院、卡耐基－默伦大学、斯坦福大学和其它一些大学的计算机科学家们狂热地相信，他们已经面临着一种巨大的突破，因而开发出一些既可以说明思维的工作原理，也是人类思维的机器翻版的程序来。到80年代初期，这项工作已经扩张到了好几所大学和一些大公司的实验室里。这些程序可以执行像走国际象棋、对句子进行语法分析、把一些基本句子从一种语言翻译成另一种语言和根据大量光谱数据推论出分子结构这样一些各种各样的活动。

    狂热者认为信息处理解释思维的工作原理的能力无边无际，人工智能通过执行同一些过程而检测这些解释的能力也没有什么限制，他们相信这些程序最终会比人类做得更好。1981年，哥达德太空研究院的罗伯特杰士特罗预测说，“到1995年左右，按照现在的趋势，我们将看到硅制的大脑这种突然出现的生命形式，它们会与人类展开竞争。”

    可是，跟赖塞尔一样，有些心理学家感觉到，计算机只是对思维某些方面的机械模拟，心理过程的计算模式只是很差的一个方面。赖塞尔本人到1976年的时候，也对信息处理模式“非常失望”，当时，他出版了第二本书，即认知及现实。赖塞尔深受詹姆斯吉布森和他的“生态”心理学的影响，他在该书中提出，信息处理模式太过狭窄，与现实生活中的知觉、认知和有目的的活动离得太远，而且不能把我们从周围的世界里持续不断地吸收到的经验和信息考虑在内。

    其它一些心理学家虽然没有说他们深感失望，但他们还有想办法扩宽信息处理的观点，以将思维对概要、捷径和直觉的利用，以及其同时在有意识和无意识层次上并行展开模拟过程的能力这是个关键的话题，我们随后将谈到这一点。

    还有另外一些人提出了挑战，认为一些编好程序，以便像人类那样去思维的计算机根本就没有在思考问题。他们说，人工智能一点也沾不上人类智力的边，虽然它也许在计算方面远胜人类思维能力，可是，它却永远也不可能轻松地，或者完全不可能从事人类思维日常毫不费力就能完成的工作。

    最为重要的差别在于，计算机不能理解它自己正在思考的问题。约翰塞尔和休伯特德赖弗斯两位都是贝克莱的哲学家，还有麻省理工学院的计算机科学家约瑟夫魏森包姆以及其他人都认为，计算机在按编程进行推理工作时，只会cao纵符号，根本不了解这些符号的意义或者含义。比如，总体问题解决器也许能够推算出父亲和两个孩子怎样过河，但是，它们只能以代数符号进行这项工作；它不知道一只船、父亲和孩子是什么，“沉船”以后会意味着什么，他们沉下水里后会发生什么事情，也不知道这个现实世界里的任何东西。

    这些设计用来帮助人们进行问题求解工作的程序，一般会用英语问这些cao作程序的人，用答案和它们自己存储的知识在一种推理的决定模式上移动，从死点上走开，把寻找范围缩小，最后到达一个结论，对此，它们再分配一个比率“诊断：红斑狼疮；可靠性：o.8”。到80年代中期，几十种这样的程序已经在日常的科学实验室里、政府部门和工厂里使用着，到80年代末，这个数字已经达到数百种之多。

    然而，虽然专家系统的聪明之处是一些银行计算机、航空订票处的计算机以及其它一些场合的计算机所不具备的，但是，在现实中，它们不知道它们所处理的现实世界信息的意义，不是我们了解的那一种。卡杜塞斯是一种内科咨询系统，它可以诊断五百种疾病，诊断效果与高级医疗人员可以说相差无几，可是，一本权威的教科书，建立专家系统却说，它“对所涉及的基本病理生理学过程一无所知”，也不能思考一些处在它的专业知识以外，或者处在其周围的医学问题，哪怕只需要最普通的常识也不行。一种医学诊断程序在一位用户问及羊水诊断是否有用时也不能够提出反对意见；这位病人是位男士，而系统却不能够“意识”到这是个荒谬的问题。如约翰安德森所言：“人类专家能够很好地解决的一些难题就是了解可以利用知识的环境。一台逻辑发动机只有在环境被仔细地规定好了以后才会得出合适的结果。”可是，为了像人类那样广泛而丰富地确定环境，将需要无法想象的数据和编程工作量。

    除了其它一些反对人工智能会思想的论断的说法以外，还有下面这些意见，它们是由许多心理学家和其它的科学家提出来的：

    人工智能程序，不管是专家系统型的，还是具有更广泛推理能力的程序，它们都没有对自我的感觉，也不知道它们自己处在这个世界里的位置的感觉。这就严重地限制了他们进行现实世界思考的能力。

    他们不能，至少目前不能直觉地，或者大致地推理，也不能创造性地思想。有些程序的确能够生成新的办法来解决一些技术问题，可是，这些只是对现存数据的重新组合。另外一些程序写出了诗歌，编出了音乐还画出了油画，可是，它们的产品并不能在艺术世界里留下痕迹；如约翰逊博士的经典说法，它们“就像是狗踮着脚走路。走得不太好，可是，你会很吃惊地发现，它竟然能走了。”

    最后，它们没有感情，也没有身体的感觉，尽管在人类当中，这些都会深刻地影响、指导而且还经常误导思维和决定。

    尽管如此，信息处理的比喻和计算机都已经在人类推理能力的调查中发挥了至关重要的作用。信息处理模式已经产生了大量的实验、发现和有关以系列方式发生的认知过程的洞见。而信息处理学说可以建立在上面，并得以确立或否定的计算机已经成了无法估价的实验室工具。

    然而，信息处理模式的缺点和人工智能模拟的局限都已经在过去的10年里，导致了认知革命的第二阶段的到来：即修改极大的信息处理范式的出现。它中心的概念是，尽管信息处理的串行模式适合认知的某些方面，但是，大多数特别是更为复杂一些的心理过程都是一种很不相同的模式，即并行处理的结果。

    事有奇巧也许可说是不同思想的互相滋润这与最近的大脑研究结果十分相符。最新的大脑研究显示，在心理活动中，神经脉冲不是沿单向通道从一个神经元向另一个神经元前进的，它们是通过多种内部交流电路的同时激发而自发产生。大脑不是一个串行处理器，而是一台庞大的并行处理器。

    与这些发展相匹配的是，计算机科学家们一直在创立一种新的计算机建筑模式，连锁和内部交流处理器可以并行工作，以极复杂的方式影响彼此的cao作，可以比串行计算机更接近大脑和思维的运作。这种新的计算机建筑不是以大脑的神经元网络为模式的，因为它们当中的大多数仍然没有绘制成图，也太复杂了，复杂得无法复制，可是，它的确可以用自己的方式进行并行处理。

    这三种发展的技术细节不在本身的范围之内。可是，它们的意义和重要性却是本书必须重视的。让我们来看看可以怎样利用这些东西。

    新模式

    一位法国数学家亨利彭加勒1908年花了15天的时间想研究出法奇森函数理论，但没有成功。他接着放下工作进行一项地质探险活动。正当他上汽车与一位同行的旅行者谈话时，答案突然出现在他脑海里，非常清晰，毫不含糊，他甚至没有中止自己的谈话以便验证这个理论。当他后来去验证时，答案证明是正确的。

    创造力的年鉴里满是这样的故事；这表明，思维可以同时进行两种或者更多思索，一种是有意识的，另一种是无意识的。传说不是科学证据，但是，在认知革命的早年，好多种对注意力进行的实验的确证明，思维不是一种单一的串行计算机。

    这样的实验中最出名的一项是在1973年进行的。实验者詹姆斯拉克纳和梅里尔加勒特告诉受试者们戴上耳机，只注意左耳听到的东西，而不管右耳听到的内容。他们的左耳内听到的是一些含义模糊的句子，比如：“这位军官弄出火苗，示意进攻”；而同时，有些人在右耳却可以听到一个句子，可以清楚地解释一个模糊的句子，如果他们注意听的话。“他把灯熄掉。”而其它一些人听到的却是一些不相关的句子。“红人队今夜要连赛两场。”

    事后，没有哪一组能够说出他们的右耳听到了什么。可是，当问及含义模糊的句子的意义时，那些用右耳听到不相关句子的人被分成两组了，一组是听到含义模糊的句子后说是扑灭火苗，另一组是听到句子后说是弄出火苗来。大多数听到过解释性句子的人都说是扑灭了火苗。很明显，解释性的句子被同时和无意识地与模糊的句子一起处理了。

    这是好多理由中的一个理由，说明70年代为什么会有一些心理学家开始提出一种假设，说思维不是串行处理的。另一个原因是，串行处理不能解释大部分的人类认知过程，神经元太慢了。它是以毫秒进行cao作的，因此，发生在一秒左右时间内的人类认知过程只能补偿不到100个串行步骤。很少有过程是如此简单的，而许多过程，包括知觉、回忆、语音读出、句子理解和“配对”面孔辨认模式在内，都要求大得多的数字。

    到1980年左右，一系列心理学家、信息理论家、物理学家和其他一些人开始开发详细的并行处理系统工作模式的理论。这些理论特别专业，涉及高等数学、符号逻辑、计算机科学、概要理论和其它的神秘莫测的东西。可是，这场运动的领袖之一大卫鲁麦哈特最近以简单的话，总结了鼓励他和15位同事开发出自己的“并行分配处理”pdp理论的那种思想：

    尽管大脑的元件很慢，可它们的数量庞大。人脑装有数十亿这样的处理元件。它不是组织许多串行步骤的计算，如我们在一些步骤很快的系统中所看到的一样，人脑一定是在用许许多多的单元以协作和并行的方式执行它的活动。除开其它的以外，这些设计特性我相信会导致对计算的总体的组织，它与我们已经习惯的方式一定有很大的不同。

    pdp还在对信息如何存储的解释上面与当时使用的计算机比喻有很大的不同。在计算机中，信息的存储是以其晶体管的状态保留下来的。每只晶体管要么是开着，要么是关闭的代表0和1，一连串的0和1代表用符号表示的各种各样的信息的数字。当计算机运行时，电流保持这些状态和信息，当你关掉机器时，一切就会丢失。依靠磁盘进行永久存储完全是另一码事；磁盘在cao作系统之外，正如书面的记事薄处于大脑之外一样。大脑不可能是按这种方式存储信息的。一方面，神经元不可能是开或闭的状态，它会从其它成千上万的神经元中增多输入，在到达一定量的激发时，会把一个脉冲传送到其它神经元中去。可是，它保持激发状态的时间不会超过几分之一秒，因此，只有很短时的记忆是通过神经元状态存储起来的。而且，由于记忆在大脑因为睡眠或者因为麻醉而处于无意识状态时不会丢失，事情一定是，大脑中的长期存储一定是以其它的某种方式获取的。

    这个因为大脑研究而获得的新观点是，知识不是以神经元的状态而存储的，而是通过经验形成的神经元之间的连接形成的，或者，如果是机器，就是在一种并行分配处理器的“单元”之中。如鲁麦哈特所言：

    几乎所有的知识都包含在执行任务装置的结构之中它就装在这个处理器本身里面，直接决定处理的途径。它是通过对连接的调谐获取的，因为这些东西就在处理中使用，而不是作为说明性的事实形成和存储起来的。

    这种新的理论相应地也就称作“连接主义”，这是当前认知学说中第一号新词。过世的艾伦纽厄尔不久前说，连接主义者认为他们的学说是认知心理学的新范式，他们的运动是第二次认知革命。

    鲁麦哈特和两位同事划的一张图可以使pda学说更清楚明白一些，如果你愿意花几分种时间分析一下的话。它不是大脑某块组织的细图，可是理论化的连接主义者所认为的网络图的一部分：

    连接主义者所认为的网络假想图例：

    第1到第4单元接受外部世界的输入或者这个网络的其它部分，加入来自第5到8单元输出的反馈。这些单元之间的连接是由没有标上数字的圆圈象征性地指示出来的：打开的圆圈越大，连接越强，填满的圆圈越大，受抑制越强，传递的干扰就越大。因此，第1单元不影响第8单元，但会影响第5，6和7单元，影响的程度各个不同。第2，3或者4单元都影响第8单元，影响的程度很不相同，而第8单元反过来也向输入的单元发出反馈，对第1单元的影响几乎没有，对第3和4单元的影响很小，对第2单元的影响极大。所有这些都是同时进行的，并得出一个输出排列，与信号过程和并口设计中的信号输出形成对照。

    尽管鲁麦哈特及其同事说，“pdp模式的吸引力毫无疑问会因为其生理可行性和神经灵感而得到极大的加强”，但是，图中的单元不是神经元，其连接也不是突触连接。这个图代表的不是一种生理的存在，而只是里面发生的事情；大脑的突触和这个模式的连接是以不同方式运作的，禁止某些连接，而同时又加强另外一些连接。在两种情况下，这些连接是这个系统知道的东西，也是它对任何输入作出的反应。

    这里有一个简单的图示：在这幅图中，被墨迹部分盖住的是什么字母

    你可能立即会说，被盖住的这个字是red红色。可是，你怎么知道的盖住的每个字母都有可能是别的字母，而不是你所认为的那一个。

    鲁麦哈特和杰伊麦克莱兰德对你的猜技是这样解释的。第一个字母里面的竖线是输入你的认知系统的一个输入，它与存储着r，k和其它字母的那个单元有很强的联系；斜线连接着r，k和x。另一方面，看见这些线条中的每一根并没有跟人们也可以说禁止跟代表圆角字母如c或者o的单元连接起来。同时，你从第二个字母中看到的东西与登记着f和e的单元有强烈的联系，因为经验已经确立了re但没有把rf当作一个英语单词的开始。以此类推。许多连接都在同时并行cao作，它们使你能够立即看到red这个词，而不是任何别的词。

    在更大的一个范围里来说，信息处理的连接主义模式与认知心理学研究中其它开创性发现的成果十分吻合。比如，我们可以考虑一下图39中的语义记忆力网络中已知的东西。网络中的每一个结点比如，“鸟”、“金丝鸟”和“歌唱”，都对应于某个连接主义模块，有点像最后一个图中全盘的排列，但也许是由成千上万个单元而不是这八个单元构成的。想象一下，足够多的该类单元模块会登记下存

    ...