1,、引言

　　21世紀(jì)肯定是人工智能大行其道的世紀(jì),，但不是以馮機(jī)為基礎(chǔ)的機(jī)器智能,，而是以人腦為摹本的智能機(jī)器。智能機(jī)器,，是提高機(jī)器本身的基礎(chǔ)性能,，使其更接近于人腦的結(jié)構(gòu)與功能機(jī)制。這意味著必須變革目前的計算理論與技術(shù),，且一定是革命性的原理變革,。

　　眾所周知，人工智能基本上是在沿著三個途徑前進(jìn)：一是符號機(jī)制,；二是連接機(jī)制,；三是控制論機(jī)制,。從目前的狀態(tài)來看，三者都難以實現(xiàn)計算理論與技術(shù)的根本性變革,。

　　為達(dá)到根本變革的目的,，必須尋求最優(yōu)化計算模型,必須從基礎(chǔ)理論尋求出路。

　　2,、人工智能的基礎(chǔ)

　　迄今為止,，人工智能都是機(jī)器智能，欲有效模擬人腦智能,，機(jī)器智能不能取代智能機(jī)器,。認(rèn)識腦是如何工作的機(jī)理，建立各種“腦模型”,，搞智能機(jī)器才是智能模擬的根本出路,。鑒于揭示腦工作的原理機(jī)制不能用還原論方法解決，也不能靠發(fā)現(xiàn)腦神經(jīng)元或單個細(xì)胞以至分子結(jié)構(gòu)解決,。因而揭示出能把大量神經(jīng)元組裝成一個整體系統(tǒng)的設(shè)計原理,，及研究神經(jīng)計算的基本原理，并弄清楚如何將其應(yīng)用于智能機(jī)器,，是當(dāng)前面臨的主要任務(wù),。

　　Mccllelland和Plaut指出：“計算模型”是揭示人類本質(zhì)認(rèn)知過程的有用工具，可也有人認(rèn)為用腦的計算模型來解決有關(guān)“意識的問題”十分困難,，甚至是不可能的,。由于計算上的復(fù)雜性，還認(rèn)為腦功能不能用“計算”來解釋,。而我們認(rèn)為提出計算模型是必需的,，但必須以與人腦相似同構(gòu)的計算原理及模型為基礎(chǔ)。

　　模擬人腦,，從某種程度上講就是構(gòu)建人腦模型,。但我們又不可能完全的與人腦實現(xiàn)同構(gòu)同功，這就要求我們必須建立介于計算機(jī)與人腦之間的同構(gòu)模型,。以便吸收計算機(jī)與人腦兩個方面的優(yōu)點,。相對于人腦智能，完全相似反而沒有意義,，而不似則體現(xiàn)不了必要的智能,。只有在似與不似之間，既體現(xiàn)人腦功能的本質(zhì)特征,，又能實現(xiàn)傳統(tǒng)計算機(jī)結(jié)構(gòu)與功能的某些超越,。另外，與人腦不完全相似實際上是計算機(jī)的一個本質(zhì)性優(yōu)點,，否則,，計算機(jī)就不可能毫無條件的聽命于人,，也不可能不知疲倦的在危險環(huán)境中連續(xù)工作。因而我們的目標(biāo)不是毫無二致的模擬人腦智能,，而是綜合符號機(jī)制,、連接機(jī)制與行為機(jī)制的特點，提高計算機(jī)的基礎(chǔ)性能,，使其成為模擬人腦智能的理想工具,。計算機(jī)只有不完全象人腦，才有可能在某些方面超越人腦,。這就象人類模擬鳥飛的飛機(jī),，正因為和鳥不同――不象鳥一樣飛得那么靈活，才比鳥飛的更高,、更遠(yuǎn),、更快、更能承重,。

　　與人腦及計算機(jī)同構(gòu)的模型

　?、佟⒈仨氁宰匀辉蜑榛A(chǔ)

　　早在80年代初,，威爾森就相信對人工智能的研究已走入誤區(qū),，他說：“在研究各種獨立的人類智能方面，人工智能項目可以說是其中的最杰出代表,，有些成果是非常令人驚奇的,，但這些研究的對象是過于具體化的功能，所以沒法從它們中總結(jié)出規(guī)律性,，另一個問題是它們不會直接從周圍環(huán)境中汲取所需,，而只能坐在那兒，直到人們給它們信號,，然后也僅僅是復(fù)制這些信號而全然不知它的意義,。它們中沒有一個程序能從周圍環(huán)境中學(xué)習(xí)或適應(yīng)環(huán)境，而這些哪怕最簡單的生物也會具有的功能,，卻被我們?nèi)斯ぶ悄軐W(xué)者忽略了,。

　　②,、以模擬自適應(yīng)性為基礎(chǔ)

　　傳統(tǒng)機(jī)器人的行為往往被事先編制的動作所限制,，當(dāng)出現(xiàn)了設(shè)計者沒有預(yù)計到的情況時,，這些動作又顯得非常不合理,。另外，因其行為受中央控制程序的控制,，如果想要增加一個新的功能,，往往需要重新編制程序,，以保證中央程序能對其有效實施管理。但在兼容性要求成指數(shù)增加時,，就會難以應(yīng)付,。相比之下，布魯克斯認(rèn)為,，即使是最低級的智能行為都是自然發(fā)生的,，而不是用人類的程序明確規(guī)定的。因而他的做法可能要實用一些,。他的包孕結(jié)構(gòu)控制下的機(jī)器人所具有的功能,，遠(yuǎn)遠(yuǎn)超過機(jī)器人所能作的單獨動作的總和。環(huán)境中涌入的感覺信號觸發(fā)規(guī)則,，作出“自然發(fā)生行為”的命令,，可使簡單的單獨動作以無法預(yù)料的復(fù)雜方式結(jié)合，可使簡單元素間進(jìn)行復(fù)雜的相互作用,。布魯克斯認(rèn)為用環(huán)境因素觸發(fā)規(guī)則,，然后自然發(fā)生行為無疑是正確的，但必須明確自發(fā)行為的自然機(jī)制及其結(jié)構(gòu),，且能夠總結(jié)出明確的理論,，但這一問題布魯克斯事實上并沒有解決。他的做法并非真正的遵循了自適應(yīng)機(jī)制,，這是因為自適應(yīng)的前提是自組織,。而自組織的含義并非僅僅是有關(guān)元素的動態(tài)隨機(jī)整合，其更基本的部分是有關(guān)元素建立普遍性的確定性互為因果作用關(guān)系,，在此基礎(chǔ)上實現(xiàn)狀態(tài)的組合與分解,，實現(xiàn)狀態(tài)隨機(jī)轉(zhuǎn)換、互相驅(qū)動及刺激反映,，才是真正的建立在自組織基礎(chǔ)上的自適應(yīng),。

　　另外，智能不是被強(qiáng)行插入一個系統(tǒng)里,，所有功能都是神經(jīng)元交互或協(xié)同作用的預(yù)期自然反應(yīng),。以往，大多數(shù)的神經(jīng)網(wǎng)絡(luò)只是在“靜態(tài)數(shù)據(jù)”或”外部控制”的條件下才能運行,，這也就意味著它們只能處理一系列簡單的不變模式,，必須在非常緊密的監(jiān)控下進(jìn)行訓(xùn)練，且進(jìn)展非常緩慢,。因而格勞斯博格認(rèn)為,，一個真正的類人大腦神經(jīng)網(wǎng)絡(luò)應(yīng)該是自恰的，具有快速學(xué)習(xí)和適應(yīng)能力,，也就是說,，它能很快辨認(rèn)及處理它所遇到的現(xiàn)場情況,。這就要求系統(tǒng)必須以交互或協(xié)同作用為基礎(chǔ)，隨機(jī)的刺激能引起預(yù)期的反應(yīng),，這一點對于模擬人腦智能至關(guān)重要,。

　　②,、以自組織結(jié)構(gòu)模擬為基礎(chǔ)

　　連接機(jī)制代表了一種全新的人工智能研究方法,。它不是試圖去復(fù)制大腦高層次功能，而是試圖從分類或辨認(rèn)圖象這一相對簡單的目標(biāo)開始,，在簡單的選擇層次上進(jìn)行深入研究,。據(jù)此，一部分連接機(jī)制研究人員認(rèn)為,，智能不是從深奧的邏輯原則,，或復(fù)雜的算法中創(chuàng)造出來的，而是成千上萬個神經(jīng)元在不停地互相交流信息,，產(chǎn)生出種種可能的組合,。人工智能基于連接機(jī)制的思路沒有錯，只是神經(jīng)元的連結(jié)模式并非僅僅限于定向的協(xié)同作用方式,，還有交互作用方式,，且交互作用方式是更基本的方式。因為狀態(tài)的交互作用結(jié)構(gòu)是統(tǒng)一環(huán)境與背景信息的唯一途徑,，只有以確定性交互作用關(guān)系為基礎(chǔ),，才能使系統(tǒng)內(nèi)部與外部狀態(tài)統(tǒng)一。只有這種統(tǒng)一,，才能保證系統(tǒng)面對刺激進(jìn)行實時反應(yīng),，及基于某種確定性關(guān)系進(jìn)行預(yù)期反應(yīng)。神經(jīng)系統(tǒng)之所以能夠利用非常簡單的神經(jīng)元特性,，實現(xiàn)極其復(fù)雜的預(yù)期反應(yīng),，完全取決于神經(jīng)元連結(jié)的自組織結(jié)構(gòu)模式，且不僅限于一種結(jié)構(gòu)模式,。