物理符号系统

物理符号系统 （又称为形式系统 ）会将物理模式（符号）组合成结构（表达式）并操纵它们（使用处理程序）来产生新的表达式。

物理符号系统假设（英语：physical symbol system hypothesis，PSSH ）是在人工智能哲学中，由艾伦·纽厄尔和赫伯特·西蒙提出的一个观点。他们写道：

"物理符号系统具有充分且必要的手段进行通用智能行为。"[1]
— 艾伦·纽厄尔与赫伯特·西蒙

该主张意味着人类的思维是一种符号处理（因为符号系统对于智慧来说是必要的），同时也意味着机器可以拥有智慧（因为符号系统对于智慧来说是充分的）。[2]

纽厄尔和西蒙指出，物理符号系统是由一组名为“符号”（symbols）的实体所组成，这些实体是物理图形，可以作为另一种称为“表达式”（或符号结构）的实体之元件。因此，符号结构是由许多个例（instances或tokens）组成的，而这些个例以某种物理方式关联著（例如符号紧邻著另一个符号）。 在任何时候，系统都包含着这些符号结构的集合。除了这些结构之外，系统还包含一组处理程序，它们会对表达式进行操作以生成其他表达式，像是“创建”、“修改”、“复制”和“破坏”。物理符号系统是随着时间产生不断进化的符号结构集合的机器，这样的系统存在于比这些符号表达式本身更加广泛的客体世界中。[3]

这个想法的哲学根源来自于霍布斯（他声称推理“无非是推算”）、莱布尼兹（他试图建立人类想法的逻辑演算）、休谟（他认为知觉可以被简化为“原子印象”）和甚至是康德（他认为所有经验都是由形式规则所控制）。[4] 最近的版本则与哲学家希拉里·普特南和杰里·福多有关，称作心灵计算理论 。[5]

虽然该假设受到了各方强烈批评，但它仍是AI研究的核心。一种常见的批评观点是，这种假设似乎适用于更高层次的智力，像是下棋，而不太适用于如视觉这样的普通智力。而与世界上的物体直接对应的高级符号（如<dog>和<tail>），以及存在于机器（如神经网络）中的更为复杂的“符号”，我们通常会做出区分。

例子

  • 形式逻辑 ：符号是诸如“与”、“或”、“非”、“对于所有x”之类的词，依此类推。表达式是形式逻辑中的语句，可以为真，也可以为假。处理程序是逻辑推论的规则。
  • 代数 ：符号为“ +”、“×”、“ x ”、“ y ”、“ 1”、“ 2”、“ 3”等。表达式为方程式。处理程序是代数规则，允许人们操纵一种数学表达形式
  • 数位电脑 ：符号是计算机内存的0和1，处理程序是CPU更改内存的操作。
  • 棋 ：符号是棋子，处理程序是合法的棋子动作，表达式是棋盘上所有棋子的位置。

物理符号系统假设认为下面两者都是物理符号系统的例子：

  • 人类智慧的思维：这些符号被编码在我们的大脑中。表达式即为思想 。处理程序是思维的心理操作。
  • 正在运行的人工智能程式：符号是资料。表达式是更多资料。处理程序是处理资料的程式。

支持论点

艾伦·纽厄尔和赫伯特·西蒙认为“‘符号处理’是人类和机器智慧的本质”，这来自来两点证据：“人工智能程序的开发”和“对人类的心理实验”。

首先，在人工智能研究的最初几十年里，许多使用高级符号处理的程式非常成功，例如纽厄尔与西蒙的通用问题解决者，或是特里·威诺格拉德的SHRDLU。[6] 约翰·豪格兰德（John Haugeland）将这类AI研究命名为“ 有效的老式人工智能（Good Old Fashioned AI）”或"GOFAI" 。[7] 专家系统和逻辑编程即为这些传统程式派生的结果。这些程序的成功表明，符号处理系统可以模拟任何智慧动作。

其次，同时进行的心理实验发现，对于逻辑、计划或任何形式的“谜题解决”中的难题，人们也使用这种符号处理。 AI研究人员能够使用计算机程序模拟人类逐步解决问题的能力。 这种合作及其引发的议题最终导致认知科学领域的诞生。[8] （这类研究被称为“ 认知模拟 ”）这方面的研究表明，人类解决问题的主要方法是处理高级符号。

在纽厄尔和西蒙的论据中，假设所指的"符号"代表世界上事物的物理对象，如<狗>具有可识别的含义（英语：Meaning (semiotics)）或直指，并可以与其他符号组成以创建更复杂的符号。

然而，也可以把这个假设解释为数位计算机内存中简单抽象的“0和1”，或者是指透过机器人的感知设备的“0和1之流”。从某种意义上讲，这些也是符号，尽管我们并不总是能够准确确定符号代表什么。在此假设的版本中，如托瑞基（David Touretzky）和波默洛（Dean Pomerleau）所解释的那样““符号”和“讯号”之间没有区别” [9]

在这种解释下，物理符号系统假说仅断言智慧可以被数字化，因此是个比较弱的陈述。实际上，托瑞基和波默洛写道，如果符号和讯号是同一回事，因为物理符号系统为图灵通用的，所以除了二元论者或某种神秘主义者之外，就已经有了充分性。[9]广泛接受的邱奇－图灵论题认为，只要有足够的时间和内存，任何图灵通用系统都能模拟可被数字化的过程。由于任何数位计算机都是图灵通用的 ，所以从理论上讲，任何数位计算机都可以模拟任何可以数字化到足够精确度的东西，包括智慧生物的行为。物理符号系统假设的必要条件同样可以被巧妙完善，这是因为我们愿意接受几乎任何讯号作为“符号”的形式，而所有智慧生物系统都有着讯号通路。

批评

尼尔斯·尼尔森（Nils Nilsson）提出了四个抨击物理符号系统假设的主要“论题”或依据。[2]

  1. “ ‘物理符号系统假设’缺少了符号基础”这一错误主张被认为是通用智慧行为的必要条件。
  2. 普遍认为，AI 需要非符号处理（例如，联结主义架构可以提供非符号处理）。
  3. 普遍认为，大脑根本不是一台计算机，目前所理解的计算并没有为智力提供合适的模型。
  4. 最后，有些人也相信大脑本质上是无意识的，大部分发生的事情是化学反应，人类的智慧行为类似于蚁群所显示的智慧行为。

德雷福斯和无意识技能的优势

主条目：休伯特·德雷福斯对AI的批判（英语：Hubert Dreyfus's views on artificial intelligence）

休伯特·德雷福斯（Hubert Dreyfus）抨击了物理符号系统假设的必要条件，他将其称为“心理假设”，并定义如下：

  • 可以将心灵视为“根据形式规则对资讯进行操作”的装置。 [10]

德雷福斯反驳了这一观点，他指出，人类的智力和专业技能主要依赖于无意识的本能，而不是有意识的符号处理。专家会透过直觉快速解决问题，而非一步一步的试误搜索。德雷福斯认为，这些无意识的技能永远不可能在正式规则中体现出来[11]

塞尔和他的中文房间

约翰·塞尔于1980年提出的中文屋论证试图表明，程序(或任何物理符号系统)不能“理解”它所使用的符号;这些符号本身没有任何意义或语义内容，因此，机器永远不可能仅透过符号处理就可以实现真正的智慧。[12]

布鲁克斯和机器人专家

主条目：人工智能，定位方法（英语：Artificial intelligence, situated approach） 、莫拉维克悖论

在六十年代和七十年代，数个实验室试图建立使用符号来代表世界并计划行动的机器人（例如斯坦福购物车）。这些项目取得的成功有限。八十年代中期， 麻省理工学院的 罗德尼·布鲁克斯（Rodney Brooks）能够制造出具有出色的移动和生存能力的机器人，而根本无需使用符号推理。布鲁克斯（和其他人，例如汉斯·莫拉维克）发现我们最基本的动作、生存、感知、平衡等基本技能似乎根本不需要高级符号，实际上，使用高级符号会带来更多复杂性，而且更难以成功。

在1990年的论文《大象不下棋 （页面存档备份，存于互联网档案馆）》中，机器人研究者罗德尼·布鲁克斯矛头直指物理符号系统假说，他认为符号并不总是必要的，因为“世界就是自己最好的模型。它始终是最新的，总是知道每一个细节。关键是要经常适当地感觉它。”[13]

联结主义

主条目：联结主义

体化哲学

主条目：体化哲学

乔治·拉科夫 、马克·特纳（Mark Turner）等人认为，我们在数学 、伦理学和哲学等领域的抽象技能来自身体的无意识技能，而有意识的符号处理只是我们智力的一小部分。

参见

参考文献

  1. ^ Newell & Simon 1976，第116页 and Russell & Norvig 2003，第18页
  2. ^ 2.0 2.1 Nilsson 2007，第1页
  3. ^ Allen Newell and Herbert A. Simon. Computer Science as Empirical Inquiry: Symbols and Search. Communications the ACM. March 1976,. Volume 19: p.116. 
  4. ^ Dreyfus 1979，第156页, Haugeland
  5. ^ Horst 2005
  6. ^ Dreyfus 1979
  7. ^ Haugeland 1985，第112页
  8. ^ Dreyfus 1979，第91–129, 170–174页
  9. ^ 9.0 9.1 Reconstructing Physical Symbol Systems David S. Touretzky and Dean A. Pomerleau Computer Science Department Carnegie Mellon University Cognitive Science 18(2):345–353, 1994. https://www.cs.cmu.edu/~dst/pubs/simon-reply-www.ps.gz （页面存档备份，存于互联网档案馆） 引用错误：带有name属性“TouretzkyPomerleau1994”的<ref>标签用不同内容定义了多次
  10. ^ Dreyfus 1979，第156页
  11. ^ Dreyfus 1972, Dreyfus 1979, Dreyfus & Dreyfus 1986. See also Russell & Norvig 2003, Crevier, 1993 & 120–132 and Hearn 2007
  12. ^ Searle 1980, Crevier 1993
  13. ^ Brooks 1990，第3页
  • Brooks, Rodney, Elephants Don't Play Chess (PDF), Robotics and Autonomous Systems, 1990, 6 (1–2): 3–15 [2007-08-30], doi:10.1016/S0921-8890(05)80025-9, （原始内容存档 (PDF)于2007-08-09）  。
  • Cole, David, The Chinese Room Argument, Zalta, Edward N. (编), The Stanford Encyclopedia of Philosophy, Fall 2004 [2019-11-25], （原始内容存档于2021-02-27）  Cole, David, The Chinese Room Argument, Zalta, Edward N. (编), The Stanford Encyclopedia of Philosophy, Fall 2004 [2019-11-25], （原始内容存档于2021-02-27）  。
  • Crevier, Daniel （1993）， 人工智能：人工智能的全面探索，纽约，纽约：BasicBooks， ISBN 0-465-02997-3
  • Dreyfus, Hubert, What Computers Can't Do, New York: MIT Press, 1972, ISBN 978-0-06-011082-6  Dreyfus, Hubert, What Computers Can't Do, New York: MIT Press, 1972, ISBN 978-0-06-011082-6 
  • Dreyfus, Hubert, What Computers Still Can't Do, New York: MIT Press, 1979  。
  • Dreyfus, Hubert; Dreyfus, Stuart, Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer, Oxford, U.K.: Blackwell, 1986 
  • Gladwell, Malcolm, Blink: The Power of Thinking Without Thinking, Boston: Little, Brown, 2005, ISBN 978-0-316-17232-5  Gladwell, Malcolm, Blink: The Power of Thinking Without Thinking, Boston: Little, Brown, 2005, ISBN 978-0-316-17232-5  。
  • Haugeland, John, Artificial Intelligence: The Very Idea, Cambridge, Mass.: MIT Press, 1985  。
  • Hobbes, Leviathan, 1651  。
  • Horst, Steven, The Computational Theory of Mind, Zalta, Edward N. (编), The Stanford Encyclopedia of Philosophy, Fall 2005 [2019-11-25], （原始内容存档于2021-03-04）  Horst, Steven, The Computational Theory of Mind, Zalta, Edward N. (编), The Stanford Encyclopedia of Philosophy, Fall 2005 [2019-11-25], （原始内容存档于2021-03-04）  。
  • Kurzweil, Ray, The Singularity is Near, New York: Viking Press, 2005, ISBN 978-0-670-03384-3  Kurzweil, Ray, The Singularity is Near, New York: Viking Press, 2005, ISBN 978-0-670-03384-3  。
  • McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955, （原始内容存档于2008-09-30）  。
  • Newell, Allen; Simon, H. A., GPS: A Program that Simulates Human Thought, Feigenbaum, E.A.; Feldman, J. (编), Computers and Thought, New York: McGraw-Hill, 1963 
  • Newell, Allen; Simon, H. A., Computer Science as Empirical Inquiry: Symbols and Search, Communications of the ACM, 1976, 19 (3): 113–126, doi:10.1145/360018.360022 
  • Nilsson, Nils, Lungarella, M. , 编, 50 Years of AI (PDF), Festschrift, LNAI 4850 (Springer), 2007: 9–17 [2019-11-25], （原始内容存档 (PDF)于2021-02-11）  |contribution=被忽略 (帮助)
  • Russell, Stuart J. 彼得·诺维格 （2003），《 人工智能：现代方法》 （第二版），新泽西州上萨德尔河， 国际书号 ：Prentice Hall   Russell, Stuart J.
  • Searle, John, Minds, Brains and Programs (PDF), Behavioral and Brain Sciences, 1980, 3 (3): 417–457, doi:10.1017/S0140525X00005756, （原始内容 (PDF)存档于2015-09-23） 
  • Turing, Alan, Computing machinery and intelligence, Mind, October 1950, LIX (236): 433–460, doi:10.1093/mind/LIX.236.433, （原始内容存档于2008-07-02）