西蒙和人工智能

　　蒲曉曄

　　我誠然是一個科學家，但是是許多學科的科學家。我曾經在許多科學迷宮中探索，這些迷宮并未連成一體。我的抱負未能擴大到如此程度，使我的一生有連貫性。我扮演了許多不同角色，角色之間有時難免互相借用。但我對我所扮演的每一種角色都是盡了力的，從而是有信譽的，這也就足夠了。

　　——1991年，西蒙在自傳《我的生活模型》一書中這樣描寫他自己

　　西蒙是人工智能和數學定理計算機證明的奠基者之一。他和紐厄爾(Allen Newell)合作的一系列開創性的研究成果，改變了我們對人腦和電腦關系的理解。作為科學家，他涉足的領域之多，成果之豐，影響之深遠，令人嘆為觀止。1975年，西蒙和紐厄爾兩人共同獲得計算機領域的最高獎圖靈獎①，就是對他們在這一領域成就的最好說明。

　　20世紀50年代以后，西蒙的研究方向發生了重大轉移，逐漸轉向了認知心理學和人工智能領域。西蒙認為，社會科學缺乏像自然科學一樣的科學性，社會科學需要借鑒自然科學嚴格和精確的研究方法，才能成為真正意義上的科學。同時，在西蒙看來，經濟學、管理學、心理學等學科所研究的課題，實際上都是“人的決策過程和問題求解過程”。要想真正理解組織內的決策過程，就必須對人及其思維過程有更深刻的了解。因此，借助于計算機技術的發展，西蒙與同事紐厄爾等人一起開始嘗試用計算機來模擬人的行為，從而創建了認知心理學和人工智能研究新領域。西蒙認為，人的思維過程和計算機運行過程存在著一致性，都是對符號的系列加工，因此，可以用計算機來模擬人腦的工作。他甚至大膽地預言，人腦能做的事，計算機同樣也可以完成。“初級知覺和記憶程序(EPAM)”和“通用問題求解系統(GPS)”等人工智能軟件的問世，部分證實了西蒙的預言。

　　目前人工智能的主要學派有下列三家：(1)符號主義(Symbolicism)，又稱為邏輯主義(Logicism)、心理學派(Psychlogism)或計算機學派(Computerism)，其原理主要為物理符號系統假設和有限理性原理。這一學派認為人工智

　　西蒙在人工智能中做出的最基本貢獻，是他提出了“物理符號系統假說”PSSH(Physical Symbol System Hypothesis)。在這一意義上，他是符號主義學派的創始人和代表人物之一。他的基本觀點是：知識的基本元素是符號，智能的基礎依賴于知識，研究方法則是用計算機軟件和心理學方法進行宏觀上的人腦功能的模擬。符號主義的主要依據是兩個基本原理：(1)物理符號系統假設原理。(2)由西蒙提出的有限合理性原理。這一學說鼓勵著人們對人工智能進行全面的探索。西蒙認為，任何一個物理符號系統如果是有智能的，則肯定能執行對符號的輸入、輸出、存儲、復制、條件轉移和建立符號結構這樣6種操作。反之，能執行這6種操作的任何系統，也就一定能夠表現出智能。根據這個假設，我們可以推出以下結論：人是具有智能的，因此人是一個物理符號系統；計算機是一個物理符號系統，因此它必具有智能；計算機能模擬人，或者說能模擬人的大腦功能。

　　1956年，西蒙、紐厄爾和另一位著名學者約翰•肖(John Cliff Shaw)一起，成功開發了世界上最早的啟發式程序“邏輯理論家”LT(1ogic Theorist) ,從而使機器邁出了邏輯推理的第一步。在卡內基-梅隆大學的計算機實驗室，西蒙和紐厄爾從分析人類解答數學題的技巧入手，讓一些人對各種數學題作周密的思考，要求他們不僅寫出求解的答案，而且要說出自己推理的方法和步驟。通過對實例的大量觀察，西蒙和紐厄爾廣泛收集了人類求解一般性問題的各種方案。他們發現，人們求解數學題時，通常采用試湊的辦法。試湊時并不一定列出所有的可能性，而是用邏輯推理來迅速縮小搜索的范圍。人類證明數學定理也有類似的思維規律，通過把一個復雜問題分解成幾個簡單的子問題，以及利用已知常量代入未知變量等方法，用已知的公理、定理或解題規則進行試探性推理，直到所有的子問題最終都變成已知的，然后根據記憶中的公理和已被證明的定理，運用代入法、替換法來解決子問題，最終解決整個問題。人類求證數學定理同樣也是一種啟發式搜索，與電腦下棋的原理有異曲同工之妙。在這一基礎上，他們利用“邏輯理論家”程序向數學定理發起挑戰，建立了機器證明數學定理的啟發式搜索法，并用計算機證明了羅素、懷特海的數學名著《數學原理》一書第二章52個定理中的38個定理(1963年，經過改進的“邏輯理論家”程序在一部更大的電腦上，最終完成了第二章全部52條數學定理的證明)。

　　基于這一成功，西蒙和紐厄爾把“邏輯理論家”程序擴充到了人類求解一般問題的過程，設想用機器模擬具有普遍意義的人類思維活動。“邏輯理論家”受到了人們的高度評價，認為它是用計算機探討人類智力活動的第一個真正意義上的成果，也是圖靈關于機器可以具有智能這一論斷的第一個實際的證明。在開發“邏輯理論家”程序的過程中，西蒙首次提出并成功應用了“鏈表”(list)作為基本的數據結構，并設計與實現了表處理語言IPL (Information Processing Language)。在人工智能的歷史上，IPL是所有表處理語言的始祖，也是最早使用遞歸子程序的語言。其基本元素是符號，并首次引進表處理方法。IPL最基本的數據結構是表結構，可用以代替存儲地址或有規則的數組，這有助于將程序員從繁瑣的細節中釋放出來而在更高的水平上思考問題。IPL的另一特點是引進了生成器，每次產生—個值，然后掛起，等待被調用，在調用時從被掛起的地方開始。早期的很多人工智能程序都是用表處理語言編制而成的。表處理語言本身也因此經歷了一個發展與完善的過程，其最后一個版本IPLⅤ可以處理樹形結構的表。

　　1956年夏天，數十名來自數學、心理學、神經學、計算機科學與電氣工程等各領域的學者聚集在位于美國新罕布什爾州漢諾威市的達特茅斯學院，討論如何用計算機模擬人的行為，并根據麥卡錫(J.McCarthy，1971年圖靈獎獲得者)的建議，正式把這一學科領域命名為“人工智能”(Artificial Intelligence)。會議的召開標志著人工智能這一學科正式誕生。赫伯特•西蒙指出，人工智能的研究是學會怎樣編制計算機程序來完成人類機智的行為。西蒙帶到會議上去的“邏輯理論家”是當時唯一可以工作的人工智能軟件，引起了與會代表的極大興趣與關注。因此，西蒙、紐厄爾，以及達特茅斯會議的發起人麥卡錫和明斯基(M.L.Minsky，1969年圖靈獎獲得者)，被公認為是人工智能的奠基人。他們四人于1960年組成了第一個人工智能研究小組，有力地推動了人工智能的發展。

　　1960年，西蒙夫婦做了一個有趣的心理學實驗，這個實驗表明人類解決問題的過程是一個搜索的過程，其效率取決于啟發式函數(heuristic function)。在這個實驗的基礎上，西蒙、紐厄爾和肖又一次成功地合作開發了能解答11種類型不同問題的“通用問題求解系統”GPS(General Problem Solver)。這一求解系統的基本原理，是找出目標要求與當前態勢之間的差異，選擇有利于消除差異的操作，以逐步縮小差異并最終達到目標。西蒙曾多次強調指出，科學發現只是一種特殊類型的問題求解，因此也可以用計算機程序來實現。1976—1983年間，西蒙和蘭利(Pat W.Langley)、布拉茨霍夫(Gary L.Bradshaw)合作，設計了有6個版本的BACON系統發現程序，重新發現了一系列著名的物理、化學定律，證明了西蒙的上述論點。從而開拓出人工智能中“問題求解”的一大領域。

　　西蒙轉向計算機技術后，就一直研究計算機下棋問題。1966年，西蒙、紐厄爾和貝洛爾(Baylor)合作，開發了最早的下棋程序MATER。1997年，IBM的“深藍”(Deep Blue)計算機打敗了白俄羅斯的國際特級大師卡斯帕羅夫以后，81歲的西蒙還和俄亥俄州立大學的人工智能專家T.Munakata一起，在《ACM通信》雜志的8月號上發表了《人工智能給我們的教訓》(AI Lessons)一文，對此事進行了評論，指出一個運行于計算機上的國際象棋程序擁有2600分等級分，相當于白俄羅斯國際象棋世界冠軍卡斯帕羅夫的級別水平。

　　西蒙在人工智能方面的另一大貢獻，是發展與完善了語義網絡的概念和方法，把它作為知識表示(knowledge representation)的一種通用手段，并取得了很大成功。在知識表示方法中，語義網絡(semantic network)是—種重要而有效的方法。這種表示法是奎林(M.R.Quillian)在20世紀60年代后期提出來的，作為人類聯想記憶的一個顯示心理學模型。奎林在開發TLC系統(Teachable Language Comprehender)中用它來描述英語的詞義，模擬人類的聯想記憶。但用語義網絡作為一般的知識表示方法，則是西蒙在1970年研究自然語言理解的過程中把它的各種概念基本明確下來的。20世紀70年代中期，西蒙和CAD專家依斯特曼(C.M.Eastman) 合作，研究住宅的自動空間綜合，不僅開了“智能大廈”(intelligent building)的先河，還成為智能CAD即ICAD研究的開端。

　　起源于20世紀60年代末70年代初，當前受到極大重視的決策支持系統DSS(Decision Support System)，其概念的核心是關于決策模式的理論，而這個理論也是由西蒙奠定基礎的。在不確定條件下的決策模型除了貝葉斯模型外，另一個比較重要的理論模型是采用Von Neumann-Morgenstern效用函數的期望值最大模型。西蒙在《人的模型》一書中形成了電子計算機能模擬人的思維的思想，開始了人工智能的系列研究。針對效用函數的期望值最大模型，西蒙提出了有限合理性模型。有限合理性模型的基本思想是：首先，所有的決策者涉及到的是一個有限的范圍；其次，我們不能對將來給出一個概率值，但最好有一個關于將來事件的大致概念；第三，如果后者不以前者為轉移的話，我們在一個領域中的愿望可能與在另一個領域中的愿望完全不同；最后，我們更注重搜集信息而不是分析需求，在收集信息后，最通常的抉擇是基于直覺。基于西蒙關于決策模式的理論，凱恩(P.G.Keen)提出了一種設計方法，稱為“自適應法”(self—adaptive method)，把決策支持系統當成一種自適應系統，由DSS應用系統、DSS生成系統和DSS工具三個技術層次組成，由決策者運行，且能適應時間的變化。西蒙曾稱贊這樣的系統“能適應三個時間范圍內的各種變化，即在短期運行中，系統能在一個相對狹窄的范圍內尋求答案；在中期運行中，系統能通過修改其功能和活動而學會適應；在長期運行中，系統能發展到適應差別極大的行為風格和功能”。這些研究，使計算機技術與管理決策緊密連接起來。