前言：中文期刊网精心挑选了关于人工智能的哲学思考范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
关于人工智能的哲学思考范文1
昨天，2015世界机器人大会在国家会议中心落下了帷幕。
自11月23日至11月25日，100多家来自国内外的企业参加了机器人博览会，集中展示了新型的机器人产品。
同时，来自10多个国家和地区的100多名专家学者，就机器人产业发展现状、未来技术路线及人工智能等问题进行了交流探讨。
未来人工智能将何去何从？下面跟小编一起探讨下“终会与我们朝夕相处的人工智能”。
人工智能，Artificial Intelligence。
人类为了追求科学发展的圣杯——制造出能够跟人自己一样有自我意识的机器，付出了无数的努力。实际上这也是人类古已有之的梦想：造人原本是上帝的工作，人类在这里取代了上帝造出了人工智能，这是僭越。这或许可以联系到巴别塔的故事，各地的人们集合起来要造巴别塔直通天堂，上帝同样认为这是僭越，于是“变乱了他们的语言”，巴别塔垮掉了。但是也有根本上无视这种禁忌的传说：周穆王西狩昆仑山，遇到工匠偃师，可造出和真人无异的假人，可以跳舞唱歌，还可以向宠姬抛媚眼。可以看出，人类从来就没有停止过这样的努力。
上世纪60年代第一次计算机技术爆发的时候，科学家们都很乐观的估计，人工智能是能够在未来三五年内，最多不超过十年就能实现的技术。
然而他们错了，错的很离谱。后来人工智能技术的发展让大家都认识到，这是一个非常困难的领域，困难到有很多科学家放弃了这个领域。后来人工智能学界将人工智能分为两种：强人工智能和弱人工智能。
强人工智能就是我们经常在科幻电影动画小说里所想象出的那种人工智能。按照定义，强人工智能就是能够执行“通用任务”(Generalized Mission)的人工智能：它能够进行通常意义上的学习、推理、认知，解决并非特定领域的问题。
按照普罗大众的想象，它就是真正的人工智能。
超能查派。我们想象中的人工智能是这样的
对于强人工智能的判定，最著名的莫过于以计算机科学奠基人图灵为名的“图灵测试”。图灵测试的问题很简单：让一个人面对两个对象对话，其中一个对象是人工智能，一个对象是人类；如果这个人不能成功的分辨出谁是机器，那么就说明这个人工智能通过了“图灵测试”。
而弱人工智能对于人工智能的定义就宽泛多了。基本上能够帮我们解决某些特定领域问题的，都可以算作是弱人工智能。于是说，我们用的搜索引擎是人工智能；我们的手机摄像头的人脸识别功能也是人工智能；网购“猜你喜欢”也是人工智能；输入法的自动选词功能也是人工智能。
上世纪七八十年代强人工智能的研究者发现他们要解决的通用的认知和推理过程是无法跨越的障碍——毕竟人类对于人脑在认知学习和推理的过程都没有认识，怎么可能能够把这些过程在计算机上复现出来？
于是很多科学家和工程师们转向了更加实用的，工程化的弱人工智能研究。他们在这些领域取得了丰硕的成果：人工神经网络、支持向量机、甚至最简单的线性回归理论在足够大的数据量和计算量支撑下，都可以获得非常出色的结果——比方说识别人脸，或者识别字迹。于是这些弱人工智能也迅速的应用到了我们的网络和生活的方方面面，从买东西，出门，网上订餐，我们都用到这些人工智能。
但是实际的人工智能是这样的。随着计算力和理论的增长，就算是弱人工智能，我们也越来越分不出它们和真人的区别了。苹果的Siri或微软的Cortana，都变得越来越“真实”。但是到目前为止，没有任何机器能够通过图灵测试，强人工智能离我们还不知道有多远。但这里同样隐含一个问题：假如我们的某个程序哪一天真的通过了图灵测试，我们会承认它是“真正”的人工智能吗？
哲学家约翰?希尔勒在1980年就提出了一个思考实验，叫做“中文房间”。假设是这样的：假如说有一个对中文一窍不通，只懂英文的人坐在一个密封的房间里。他手头有一本英语的手册，上面有如何处理中文字符以及回复的完全的指示。外面的人通过一个窗口向屋子里的人递纸条，上面写着中文书写的问题，然后这个人依据手册将对应的中文字符组合成回答传回给外面的人。那么，对于外面的人来说，这个屋子是会说中文的；但是里面的这个人却不会中文！
中文房间
我们不妨把程序比作那个人类，而那个屋子，就是计算机。它能够按照某些已经给定的规则接受问题并且输出答案，但是它真的能够“理解”吗？很可能，就算人工智能能够通过图灵测试，它有心智吗？这恐怕是目前我们无法回答的问题。
在现在这个世界，计算机的运算能力按照摩尔定律成指数级增长。很快计算机的运算能力就会逼近人脑的运算能力——到那时，真正的人工智能可能会从计算机的结构中自动浮现出来——我们作为一种智能生物，在几百万年前的某个时刻，也可能经历过这样一个过程。
那时，奇点终将来临。
人工智能可能很快会进化为一种我们再也不能理解的东西，我们不但亲手制造出了人，也造出了神们自己。在那之后会发生什么，就不再是我们能够预料的了。
未来的人工智能最终或许是这样的
奇点何时会到来，我们无法预测。
乐观的估计，2035年我们就会目睹强人工智能的诞生，悲观的估计则是2080年——也就是说，我们很可能在有生之年目睹奇点的降临。
然而，在那之前，弱人工智能早就会充斥我们的生活，衣食住行都会有人工智能的“帮助”。我们生活的方方面面都会被数据化，收集到各家公司的数据库里，然后通过人工智能分析。这代表着你的生活会更方便了：人工智能在你想到，甚至是没有想到的时候就会把你需要的各种服务送到你的面前。
关于人工智能的哲学思考范文2
“人工智能”一词最早是在1956年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能其英文全称为ArtificialIntelligence，缩写为人所共知的AI，它主要是对用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统等进行研究讨论。对于人工智能的定义义众说不一，一般有两种说法：一种是人工智能是关于知识的学科，即怎样对知识进行表示以及怎样获取知识并对知识进行使用的科学；另一种是人工智能研究的是如何实现让计算机做过去只有人才能够做的智能工作。但是不管是哪一种，它都是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能的定义可以分为两部分，即“人工”和“智能”。对于“人工”，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。诞生对于“智能”，则存在着很大的争议。因为这涉及到了诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人类唯一能够了解的智能就是人类本身的智能。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。人工智能的实现方式有2种方法。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineeringapproach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modelingapproach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。
2人工智能的发展
对于人工智能的研究一共可以分为五个阶段。第一个阶段是人工智能的兴起与冷落，这个时间是在20世纪的50年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、跳棋程序、LISP表处理语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入了低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：问题求解的方法过度重视，却忽视知识重要性。第二个阶段从20世纪的60年代末到70年代。专家系统的出现将人工智能的研究再一次推向。其中比较著名的专家系统有DENDAL化学质谱分析系统、MTCIN疾病诊断和治疗系统、Hearsay-11语言理解系统等。这些专家系统的出现标志着人工智能已经进入了实际运用的阶段。同时国际人工智能联合会于1969年成立。第三个阶段是20世纪80年代。这个阶段伴随着第五代计算机的研制，人工智能的研究也取得了极大的进展。日本为了能够使推理的速度达到数值运算的速度那么快，于1982年开始了“第五代计算机研制计划”。这个计划虽然最终结果是以失败结束，但是它却带来了人工智能研究的又一轮热潮。第四个阶段是20世纪的80年代末。1987年是神经网络这一新兴科学但是的年份。1987年，美国召开了第一次神经网络国际会议，并向世人宣告了这一新兴科学的诞生。此后，世界各国在神经网络上的投资也开始逐渐的增加。第五个阶段是20世纪90年代后。网络技术的出现于发展，为人工智能的研究提供了新的方向。人工智能的研究已经从曾经的单个智能主体研究开始转向到基于网络环境下的分布式人工智能研究。在这个阶段人工智能不仅仅只对基于同一目标的分布式问题求解进行研究，同时还对多个智能主体的多目标问题求解进行研究，让人工智能有更多的实际用途。
3对人工智能的思考
3.1人工智能与人的智能
从哲学上的量变引起质变的角度来讲，人工智能在不断的发展过程中一定会产生质的飞跃。在最初，人工智能只具有简单的模拟功能，但是发展到现在已经具备了思考的能力（逻辑推理分析），这已经表明人工智能在不断量变的过程中已经发生了质变。有人认为有人会说人工智能不会超过人类的智能，理由是人工智能是人类创造出来的。但是现实中很多人类创造出来的东西已经在某一些方面超过了人类本身的能力，例如起重机的力气超过人类很多；汽车速度也远超过人类的速度。人类之所以会制造出各种各样的工具，其目的就是希望自身的能力能通过这些工具进行延伸和突破。人类研究人工智能就是希望人工智能帮助人类实现人类某些无法实现的东西。还有人认为人工智能是人类创造出来的，所以它一定存在着致命的弱点，也因此人的智能优于人工智能。但是殊不知人类与机器相比也有着十分明显的弱点，例如人类所需要的生存条件比机器更加的严格，人类思维会受到人的情绪所影响，而机器只是受到程序的影响，它们没有情绪的起伏。就目前的人工智能而言，它们在某一些领域比人类更强。但是目前我们必须正视人工智能的一些还没有办法改变的缺陷，那就是人工智能的学习能力与创新能力。人工智能的知识获取大部门都是人为的进行灌输，而无法像人类自身那样进行主动的学习。同时人工智能只能够利用已有的知识去解决一些问题，但是却还不能够创造性的提出一些新的东西。
3.2对机器人三大定律的困惑
美国最著名的科普作家艾萨克．阿西莫夫提出过比较著名的机器人三大定律：第一定律，机器人不得伤害人，或任人受到伤害而无所作为；第二定律，机器人应服从人的一切命令，但命令与第一定律相抵触时例外；第三定律，机器人必须保护自身的安全，但不得与第一、第二定律相抵触。虽然这只是科幻作家所提出的一家之言，但是也代表了人类对与人工智能发展的一种期望与担心。人们害怕自己所创造出来的人工智能会伤害人类自己。但是阿西莫夫所提出三大定律都是以人类为中心的，而忽视了人工智能本身。或许这是人类的一种天性，世间所有的事物都应该围绕人类自身来定义、发展。就好像人类自以为掌控了能够改变大自然的力量，最终却被大自然反噬一样。同时，随着科学技术的发展，人工智能已经不单单需要逻辑思维与模仿，同时还应该将情感赋予人工智能。因为随着科学家对人类大脑和精神系统的研究的深入，已经愈来愈肯定情感是智能的一部分。如果人工智能具有了情感之后，人类的自我中心又是否会伤害到人类自己创造出来的人工智能。
3.3对人工智能未来的思考
人工智能有着十分巨大的发展潜力，对于人工智能的研究虽然经过了很多年，但是这也仅仅是刚刚开始而已，继续研究下去在很多方面都会有重大的突破。自动推理是人工智能最经典的一个研究分支，它的基本理论是人工智能其它分支的共同基础。一直以来人工智能最热门的研究内容里面就有自动推理，同时在该知识系统中的动态演化特征及可行性推理的研究是一个十分热门的研究内容，很有可能取得大的突破。机器学习一直在致力于研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能。在过去的很长的一段时间内都没有取得十分显著的成果。但是许多新的学习方法相继问世，并且已经有了实际的应用，这充分的说明在这方面的研究已经有了很大的进步。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。在经过人工智能研究人员的艰苦努力之后，在该领域中已取得了大量令人瞩目的理论与实际应用成果，许多产品已经进人了众多领域。智能信息检索技术在Internet技术的影响下，近年来发展势头十分迅猛，而且已经成为了人工智能的一个独立研究分支。
关于人工智能的哲学思考范文3
当代哲学家对科学发展的两种回应
总体而言，当代哲学研究对科学发展的回应，无论是在国际还是在国内哲学界，都存在正反两种不同观点，我将它们分别称作“科学万能论”和“哲学特色论”，前者声称一切自然现象都可以用自然科学加以说明，后者则强调哲学的不可替代作用。这两种观点都是哲学家们对当代科学发展的极端反应。根据“科学万能论”的观点，科学发展已经为人类提供了所有可能解释的现实方案，并对人类未来发展提供了可以预期的解决方案。这使得哲学家们对科学研究成果的哲学扩展抱有极大希望，表现为以某一种自然科学研究为模板推进哲学领域的问题研究，或者是按照自然科学的方法重建哲学研究的基本模式。20世纪初期维也纳学派的逻辑实证主义哲学就是这种观点的典型代表，而当代英美分析哲学中的自然主义进路也充分反映了哲学家们对科学研究方法的推崇，无论是在语言哲学、心灵哲学还是在认知科学哲学和实验哲学研究中，我们都可以强烈感受到科学主义传统的深刻影响。从当代哲学发展的历史轨迹看，科学主义传统的确发挥了重要作用，提倡以科学研究的方式进行哲学研究，这也带来了当代哲学的革命性变革。无论我们是否承认科学主义的这种历史作用，科学研究的基本方法和路径为当代哲学研究的确带来了不可否认的影响。然而，这种“科学万能论”的观点明显夸大了科学研究对当代哲学发展的作用，因而存在用科学取代哲学的潜在危险。由于哲学研究具有明显的个人特征而无法重复等性质，一些哲学家就认为，这些性质保证了哲学研究具有科学研究无法取代的特色，因而我们不能用科学研究代替哲学研究。这就是“哲学特色论”的主要观点。这种观点的最初捍卫者来自19世纪后半叶的新康德主义哲学家狄尔泰、文德尔班和李凯尔特等人，他们坚持严格区分精神科学与自然科学，并认为两者的根本区别就在于前者强调了精神现象的优先性和特殊性，而后者仅仅是精神科学方法的具体运用。同时，他们还认为，自然科学研究对普遍性的追求与精神科学对特殊性的要求，使得两者之间无法相互取代。“哲学特色论”在现代哲学中是以实证主义传统的对立面出现的，这表现为晚年胡塞尔对欧洲科学危机的忧虑、海德格尔对现代实证科学的批判以及后期维特根斯坦对现代科学文明的反思。虽然胡塞尔、海德格尔和维特根斯坦对科学的性质有各自不同的理解，但在对待科学与哲学关系问题上的态度却基本上是一致的：他们都把哲学研究看作是一种与现代科学研究完全不同的事业，在胡塞尔那里是一种真正严格意义上的科学，在海德格尔那里是一种追问科学意义的形而上学，在维特根斯坦那里则是一种反思性的理智活动。因此，哲学研究具有科学研究无法取代的特殊性质。这种“哲学特色论”的观点不仅直接反对把哲学研究混同于科学技术，或者用科学研究方法从事哲学研究，而且试图用哲学的特殊性质反对科学技术的成就，反对哲学研究中的科学主义和实证主义倾向。从积极的意义上看，这种反对意见对于提醒我们注意科学主义和实证主义在当代哲学中的泛滥的确具有重要作用；但同时，我们更需要看到，这种“哲学特色论”的结果是把哲学研究完全排除于科学发展的视野之外，这不仅不利于科学的发展，也不利于哲学自身的发展。
当代哲学对科学技术研究的介入
从当代科学发展的基本图景中可以看到，当代哲学始终在以各种不同形式介入科学技术的研究，并试图用哲学的方式说明当代科学发展的最新成果。这首先表现在科学哲学研究领域，其次表现在以认知科学和人工智能为代表的交叉学科研究中。可以说，科学哲学研究是哲学家们深入科学研究领域的主战场。早期科学哲学家们，如逻辑实证主义者石里克、卡尔·波普等，坚持把科学研究作为哲学研究的基本模板，以科学主义精神贯穿于哲学研究的全过程。虽然后来的哲学发展逐渐表明维也纳学派“统一科学”纲领的失败，但这一纲领体现的科学精神，即以经验为向导、以逻辑为手段、以效果为目的，却在后来的科学哲学研究中保留了下来，特别体现在具体科学哲学的研究领域中。当前科学哲学研究通常被划分为两个主要部分。一部分是“一般科学哲学”，主要关心的是科学研究的历史发展、科学研究的方法论以及科学哲学研究的一般问题；另一部分则是“具体科学哲学”，主要涉及不同科学研究领域中的哲学问题，从哲学认识论和方法论上讨论具有普遍意义的科学问题。“一般科学哲学”处理确证、语义和科学理论的哲学解释，其中包括了科学概念的操作性特征、认知意义的经验标准、理论的相互融合、科学革命、科学实在论的演变、因果解释、还原论与科学的统一，等等。“具体科学哲学”则包括了物理学哲学、生物学哲学、心理学哲学、社会科学哲学，等等。此外，在当代分析哲学传统中，还有逻辑哲学、数学哲学、语言哲学、心灵哲学等，它们不仅与自然科学研究密切相关，而且已经成为当代哲学研究的独立分支领域。越来越多的哲学家已经充分意识到哲学研究对科学技术最新成果的介入的重要性和必要性。这种介入在以认知科学和人工智能研究为代表的交叉学科研究领域表现得更为明显。如今，认知科学研究已经被公认为具有多学科交叉研究性质的综合性科学，其中，哲学与心理学、计算机科学、神经科学、语言学与人类学等都被视为认知科学研究的主体学科，共同构成了认知科学研究的基础部分。与人工智能技术相比，认知科学研究是对人类认知获得的性质、范围、形式和表征方式的基础研究，因而应当属于传统科学研究的理论部分。这些研究通常包括了两个主要部分：其一是与人类认知和心灵活动密切相关的内容研究，其二是与认知活动特征描述密切相关的表征研究。内容研究部分主要涉及意识的性质和内容、动物认知、认知神经科学、认知心理学等。这些与当代心灵哲学研究的主题和内容有实质性的交叉，因而说明认知科学与哲学研究的交叉性质。在人工智能技术日益活跃的今天，人们对这种技术所带来的一系列伦理问题提出了更多的担忧和思考。应当说，人工智能技术的每一项突破都是在更新人类对自身的认知，不断拓展人类的认知边界。相对于人类主体，人工智能构建了一个巨大的“他者”，挑战了传统的“人类中心主义”。这个他者不是被人类奴役的客观对象，而是与人类地位平等的另类主体，甚至就是人类自身。难以想象的是，当人类大脑的所有神经元逐个被硅基芯片或其他人工智能技术所替换，我们在自我审视或审视他人的时候，我们究竟是在审视什么样的对象。因此，在现有的人类社会条件下，人工智能技术自然就会引发大量伦理关切，人工智能技术的利用就会威胁到人类伦理的一些基本信念。这些都迫使我们在人工智能技术高速发展的今天，重新思考人类智能与人工智能之间的关系。
未来哲学的可能性
关于人工智能的哲学思考范文4
关键词 机械电子工程；人工智能；信息处理
中图分类号TP391 文献标识码A 文章编号 1674-6708（2012）58-0114-02
0 引言
传统的机械工程一般分为两大类，包括动力和制造。制造类工程包括机械加工、毛坯制造和装配等生产过程，而动力类工程包括各式发电机。电子工程与传统的机械工程相比来言是较新的学科，两者于上世纪逐渐结合在一起。最初，电子工程与机械工程是以块与块的分离模式或功能替代的模式相结合，随着科学技术的不断向前推动，传统的机械工程与现代的电子工程通过信息技术有机的结合起来，形成了现在的机械电子工程学科。随着人工智能技术的不断发展，机械电子工程由传统的能量连接、动能连接逐步发展为信息连接，使得机械电子工程具有了一定的人工智能。传统的机械电子工程通过现代的科学技术进入到一个新的发展领域，同时，人工智能技术伴随着机械电子工程的日益复杂，也得到了长足的发展。
1 机械电子工程
1.1 机械电子工程的发展史
20世纪是科学发展最辉煌的时期，各类学科相互渗透、相辅相成，机械电子工程学科也在这一时期应运而生，它是由机械工程与电子工程、信息工程、智能技术、管理技术相结合而成的新的理论体系和发展领域。随着科学技术的不断发展，机械电子工程也变的日益复杂。
机械电子工程的发展可以分为3个阶段：第一阶段是以手工加工为主要生产力的萌芽阶段，这一时期生产力低下，人力资源的匮乏严重制约了生产力的发展，科学家们不得不穷极思变，引导了机械工业的发展。第二阶段则是以流水线生产为标志的标准件生产阶段，这种生产模式极大程度上提高了生产力，大批量的生产开始涌现，但是由于对标准件的要求较高，导致生产缺乏灵活性，不能适应不断变化的社会需求。第三阶段就是现在我们常见的现代机械电子产业阶段，现代社会生活节奏快，亟需灵活性强、适应性强、转产周期短、产品质量高的高科技生产方式，而以机械电子工程为核心的柔性制造系统正是这一阶段的产物。柔性制造系统由加工、物流、信息流三大系统组合而成，可以在加工自动化的基础之上实现物料流和信息流的自动化。
1.2 机械电子工程的特点
机械电子工程是机械工程与电子技术的有效结合，两者之间不仅有物理上的动力连结，还有功能上的信息连结，并且还包含了能够智能化的处理所有机械电子信息的计算机系统。机械电子工程与传统的机械工程相比具有其独特的特点：
1）设计上的不同。机械电子工程并非是一门独立学科，而是一种包含有各类学科精华的综合性学科。在设计时，以机械工程、电子工程和计算机技术为核心的机械电子工程会依据系统配置和目标的不同结合其他技术，如：管理技术、生产加工技术、制造技术等。工程师在设计时将利用自顶向下的策略使得各模块紧密结合，以完成设计；2）产品特征不同。机械电子产品的结构相对简单，没有过多的运动部件或元件。它的内部结构极为复杂，但却缩小了物理体积，抛弃了传统的笨重型机械面貌，但却提高了产品性能。
机械电子工程的未来属于那些懂得运用各种先进的科学技术优化机械工程与电子技术之间联系的人，在实际应用当中，优化两者之间的联系代表了生产力的革新，人工智能的发展使得这一想法变成可能。
2 人工智能
2.1 人工智能的定义
人工智能是一门综合了控制论、信息论、计算机科学、神经生理学、心理学、语言学、哲学等多门学科的交叉学科，是21世纪最伟大的三大学科之一。尼尔逊教授将人工智能定义为：人工智能是关于怎样表示知识和怎样获得知识并使用知识的科学。温斯顿教授则认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。至今为止，人工智能仍没有一个统一的定义，笔者认为，人工智能是研究通过计算机延伸、扩展、模拟人的智能的一门科学技术。
2.2 人工智能的发展史
2.2.1 萌芽阶段
17世纪的法国科学家B.Pascal发明了世界上第一部能进行机械加法的计算器轰动世界，从此之后，世界各国的科学家们开始热衷于完善这一计算器，直到冯诺依曼发明第一台计算机。人工智能在这一时期发展缓慢，但是却积累了丰富的实践经验，为下一阶段的发展奠定了坚实的基础。
2.2.2 第一个发展阶段
在1956年举办的“侃谈会”上，美国人第一次使用了“人工智能”这一术语，从而引领了人工智能第一个兴旺发展时期。这一阶段的人工智能主要以翻译、证明、博弈等为主要研究任务，取得了一系列的科技成就，LISP语言就是这一阶段的佼佼者。人工智能在这一阶段的飞速发展使人们相信只要通过科学研究就可以总结人类的逻辑思维方式并创造一个万能的机器进行模仿。
2.2.3 挫折阶段
60年代中至70年代初期，当人们深入研究人工智能的工作机理后却发现，用机器模仿人类的思维是一件非常困难的事，许多科学发现并未逃离出简单映射的方法，更无逻辑思维可言。但是，仍有许多科学家前赴后继的进行着科学创新，在自然语言理解、计算机视觉、机器人、专家系统等方面取得了卓尔有效的成就。1972年，法国科学家发现了Prolog语言，成为继LISP语言之后的最主要的人工智能语言。
2.2.4 第二个发展阶段
以1977年第五届国际人工智能联合会议为转折点，人工智能进入到以知识为基础的发展阶段，知识工程很快渗透于人工智能的各个领域，并促使人工智能走向实际应用。不久之后，人工智能在商业化道路上取得了卓越的成就，展示出了顽强的生命力与广阔的应用前景，在不确定推理、分布式人工智能、常识性知识表示方式等关键性技术问题和专家系统、计算机视觉、自然语言理解、智能机器人等实际应用问题上取得了长足的发展。
2.2.5 平稳发展阶段
由于国际互联网技术的普及，人工智能逐渐由单个主体向分布式主体方向发展，直到今天，人工智能已经演变的复杂而实用，可以面向多个智能主体的多个目标进行求解。
3 人工智能在机械电子工程中的应用
物质和信息是人类社会发展的最根源的两大因素，在人类社会初期，由于生产力水平低，人类社会以物质为首要基础，仅靠“结绳记事”的方法传递信息，但随着社会生产力的不断发展，信息的重要性不断被人们发现，文字成为传递信息最理想的途径，最近五十年间，网络的普及给信息传递带来了新的生命，人类进入到了信息社会，而信息社会的发展离不开人工智能技术的发展。不论是模型的建立与控制，还是故障诊断，人工智能在机械电子工程当中都起着处理信息的作用。
由于机械电子系统与生俱来的不稳定性，描述机械电子系统的输入与输出关系就变得困难重重，传统上的描述方法有以下几种：1）推导数学方程的方法；2）建设规则库的方法；3）学习并生成知识的方法。传统的解析数学的方法严密、精确，但是只能适用于相对简单的系统，如线性定常系统，对于那些复杂的系统由于无法给出数学解析式，就只能通过操作来完成。现代社会所需求的系统日益复杂，经常会同时处理几种不同类型的信息，如传感器所传递的数字信息和专家的语言信息。由于人工智能处理信息时的不确定性、复杂性，以知识为基础的人工智能信息处理方式成为解析数学方式的替代手段。
通过人工智能建立的系统一般使用两类方法：神经网络系统和模糊推理系统。神经网络系统可以模拟人脑的结构，分析数字信号并给出参考数值；而模糊推理系统是通过模拟人脑的功能来分析语言信号。两者在处理输入输出的关系上有相同之处也有不同之处，相同之处是：两者都通过网络结构的形式以任意精度逼近一个连续函数；不同之处是：神经网络系统物理意义不明确，而模糊推理系统有明确的物理意义；神经网络系统运用点到点的映射方式，而模糊推理系统运用域到域的映射方式；神经网络系统以分布式的方式储存信息，而模糊推理系统则以规则的方式储存信息；神经网络系统输入时由于每个神经元之间都有固定联系，计算量大，而模糊推理系统由于连接不固定，计算量较小；神经网络系统输入输出时精度较高，呈光滑曲面，而模糊推理系统精度较低，呈台阶状。
随着社会的不断发展，单纯的一种人工智能方法已经不能满足日益增长的社会需要，许多科学家开始研究综合性的人工智能系统。综合性的人工智能系统采用神经网络系统与模糊推理系统相结合的方法，取长补短，以获得更全面的描述方式，模糊神经网络系统便是一成功范例。模糊神经网络系统做到了两者功能的最大融合，使信息在网络各层当中找到一个最适合的完全表达空间。逻辑推理规则能够对增强节点函数，为神经网络系统提供函数连结，使两者的功能达到最大化。
4 结论
科学的不断发展带来的不仅是学科的高度细化、深化，而且是学科间的高度融合。人工智能就是各学科交叉与综合之后的结果，秉承这一天性，人工智能与机械电子工程自然的进行了完美融合，这一全新领域的发展必将引领世界潮流，促进生产力的飞速发展。
参考文献
[1]傅丽凌.杨平.机械专业综合型试验平台的建设[J].电子科技大学学报社科版，2005，7（增刊）.
[2]陈庆霞.人工智能研究纲领的发展历程和前景[J].科技信息，2009，33.
[3]史忠植.高级人工智能[M].科学出版社，2006.
关于人工智能的哲学思考范文5
［关键词］ 人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑
现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。
本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。
实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理
的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：
·效率和资源有限的推理；
·感知；
·做计划和计划再认；
·关于他人的知识和信念的推理；
·各认知主体之间相互的知识；
·自然语言理解；
·知识表示；
·常识的精确处理；
·对不确定性的处理，容错推理；
·关于时间和因果性的推理；
·解释或说明；
·对归纳概括以及概念的学习。[①]
21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。
我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
1．常识推理中的某些弗协调、非单调和容错性因素
AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]转贴于
“次协调逻辑”（Paraconsistent Logic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。
在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0为经典逻辑，则系列C0， C1， C2，… Cn，… Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]
非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。
2．归纳以及其他不确定性推理
人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。
首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④] 有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤] 这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。
再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。
3．广义内涵逻辑
经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。
大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。
在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。
一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]
在各种内涵逻辑中，认识论逻辑（epistemic logic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。
4．对自然语言的逻辑研究
对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。
自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]
美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：
（1）数量准则：在交际过程中给出的信息量要适中。
a．给出所要求的信息量；
b．给出的信息量不要多于所要求的信息量。
（2）质量准则：力求讲真话。
a．不说你认为假的东西，。
b．不说你缺少适当证据的东西。
（3）关联准则：说话要与已定的交际目的相关联。
（4）方式准则：说话要意思明确，表达清晰。
a．避免晦涩生僻的表达方式；
b．避免有歧义的表达方式；
c．说话要简洁；
d．说话要有顺序性。[⑧]
后来对这些原则提出了不少修正和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：
（i）S说了p；
（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；
（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；
（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；
（v）S无法阻止听话人H考虑q；
（vi）因此，S意图让H考虑q，并在说p时意味着q。
试举二例：
（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”
关于人工智能的哲学思考范文6
今年3月，全球瞩目的谷歌人工智能AlphaGo(阿尔法狗)与韩国棋手李世石九段的世纪人机大战以人工智能的胜利落下帷幕。加上此前“深蓝”在国际象棋比赛的胜利以及超级智能机器“沃森”在智力竞赛节目打败人类选手，这样一个个人类成为人工智能手下败将的事件出现后，引起了人类的极大关注，2015年年初，物理学家霍金和特斯拉汽车公司(Tesla Motors)的CEO埃隆·马斯克(Elon Musk)发表公开信，呼吁要遏制智能机器的发展，否则人类将会灭绝。然而，人工智能超越人类何以可能，其突破中包含两个成分①：第一则是计算机能够模拟人类的行为，然而我们现在连通过理解一个老鼠的神经行为从而来模拟老鼠的行为都还不能做到，从何来谈计算机来模拟人类的行为，况且我们还根本不能完全理解人类行为一切的原理。这是技术层面的问题，我相信随着科学技术的发展，这些问题可能会迎刃而解;另一个成分，人工智能能够拥有人类的自我意识，在讨论这一问题之前，我们首先要试图追问，自我意识是什么，自我意识之源又是什么等。
提到自我意识之源，传统伦理学认为自我意识来源于灵魂，而神经伦理学则用神经科学实验分析的方法力证大脑是自我意识之源，这同时也是神经伦理学对传统伦理学发起的挑战。
一、自我意识之源
自我意识是一个常用概念，从字面上理解，就是对“自我”的意识到。然而，对于“自我”一词，则可有许多种解释。通常的解释之一，就是把“自我”当做一个反身代词，视其与“自己”或“自身”同义。这样，“自我意识”就是人(或有意识者)对自己存在的意识到，也可以叫做反身意识或反省。由此还可引出所谓“意识的意识”的说法， 把自我意识述为意识活动对自身状态或过程的内省。② “我是，我存在(I am，I exist)”、“我意识到了自己的存在(I am aware of my existence)”、“我意识到身边的世界(I am aware of the world around me)”，但是在感受着的“我”到底是谁，这个“我”是指身体还是不同于身体的存在。进一步来问，如果这个“我”是不同于身体的存在，那么是什么使人在身体之外进行感知呢?反过来，如果“我”的指向是身体，那么又是哪一部分负责的呢?
(一)灵魂是意识之源-身体之外的感知
人有两部分：实在的肉体和心理学上的实体，那心理学上的实体即我们所说的灵魂。无论是深奥难懂的东方宗教、西方罗马还是希腊文明都有关于灵魂的记载。古印度的《吠陀》提供了理解灵魂旅程的详细构架，并且认为灵魂的本质是永恒的，灵魂是不死的，这里强调了灵魂的不可毁灭性，精神性和永恒性。
古希腊柏拉图把灵魂分成三个部分;欲望、激情和理智，并阐述了它们在最初的存在状态：“人们差不多一出世就充满了激情” ③，并相应安排每一个部分以一种美德，并且认为，灵魂以前是存在于神境的，因为原罪而落入人类的身体中，为了打破束缚，回到纯净的状态，灵魂需要通过轮回来净化。在《斐德罗篇》的轮回故事中，灵魂被比作两匹马拖着的马车，一匹充满能量和精神但很难控制的黑马，和一匹同样有精神但温顺得多的白马。当灵魂上升时，会看到一个非常漂亮的地方，那里是柏拉图所说的净土，绝对美丽，绝对公正，有一队神明守望着这片地方，当灵魂升上来后，可以加入这些神，如果理性控制得足够好，灵魂可以上升并留在那里，这就像是印度教条中的光明和解脱，逃离了轮回，但如果理性没有得到很好的控制，两匹马就会为所欲为，失去对这片乐土的兴趣，因为那不是它们所能理解的，它们就会把马车拉回去，灵魂将再次进入轮回。
(二)力证灵魂的存在
哲学家们并不满足于来自经典文献中对灵魂存在的解说，试图通过研究前世记忆和濒死体验来力证灵魂的存在，认为如果灵魂不存在，这些事件都将不能被理解。
1983年12月，一位叫提图萨的男孩降生在印度阿格拉附近的一个村庄，在他4岁的时候，告诉父母他叫硕瓦嘛，住在阿格拉，妻子叫由嘛，还有两个儿子，他们在阿格拉经营一个无线电铺，一家四口过着幸福的小日子。但好景不长，他被两个人枪杀了，他认识凶手，向他开枪的那个人叫塞迪克，是个商人。家人为了验证提图萨的描述，带着他去到阿格拉后发现，他所说的一切都是真的。此事件同时引起了印度德里大学的柴达教授的兴趣，他搜集了很多相关证据，例如小提图萨前额和后脑勺上各有一个较大的胎记，并且这两个胎记的大小和形状竟然和被枪杀时弹孔的大小和形状一致。④
除此之外，美国维吉尼亚大学的斯蒂文森教授对这种转世再生现象研究了40年，共涉及2500例转世案例。在实证研究方面力证了灵魂存在的一种学说：在死亡时，灵魂和精神体离开肉体，前往下一个肉体，记忆不只会存在实体的大脑中，也会存在精神体的精神中，理论上讲，前世的记忆是可以被今生和来生想起来的，但总体来说，这些记忆被藏在精神的太深处，大部分人都看不到他们的存在，但是极少数人有着前世的记忆，这对突然死亡或者因为突发事故死亡的人来说通常是真的，因为这种情况下，死亡来得太突然，伤害太大，没有让灵魂完整地处理死亡的步骤，没有处理的记忆会残留在下一个身体中。
(三)神经伦理学的逆袭
1848年，25岁的铁路公司工人菲尼亚斯·盖奇(Phineas Gage)正在进行施工时，由于炸药意外爆炸导致一根铁棒刺进盖奇略低于眼睛的左面颊，经过脑的前额叶皮层，从头顶穿出，导致了严重的脑损伤。经历这个事故之后盖奇活了下来，但是其人格有了很大的改变，他的表现显示了对社会习俗的不尊重，他作决定的时候从不考虑自己的利益，也从来不会担忧自己的未来，不会深谋远虑。简单分析此案例得出了初步的结论，很显然，盖奇人格的改变是由于大脑特定部位损伤所引起的。⑤
人格是自我意识的基础，意识作为形而上的存在不应该受大脑损伤的影响，为何盖奇在事故发生前后人格变化这么大?
加州的神经生物学家本杰明·利贝特进行了实验，20世纪80年代，加州大学旧金山分校的神经心理学家本杰明·利贝特曾将研究参与者与脑电图(EEG)连接在一起，并要求他们目视一个有圆点环绕移动的钟面。当参与者感觉想要移动手指时，他们须记下圆点所在的位置。利贝特记录到人们在表现出有意识的移动手指意图前数百毫秒的脑电活动⑥。也就是说，意识是大脑内部化学变化、电子活动的产物，之后有很多科学家通过更加先进的技术和更加复杂有效的方法进行更多的相关研究，结果依然如此。
二、神经伦理学的解释沟
伦理学的神经科学研究作为神经伦理学的一大研究领域，随着神经科学的迅猛发展，依托生物学事实的实验研究掀起了讨论自我意识生物学基础的热潮，试图依赖功能神经成像、核磁共振等技术，试图确定自我意识与脑系统的具体关联。然而，哲学家认为用实在的、可感的方法得到结果去解释或推翻形而上的存在是不可靠的，并对其理论提出了很多质疑，这也是神经科学所面临的解释沟：
(1)意识状态是源于刺激神经组织所产生的，如此令人赞叹的存在，如同阿拉丁摩擦了灯之后，神灵出现却在前面一样令人难以理解。意识的生理基础是否真的存在，若存在，意识的生理基础又是什么呢?
(2)20年代美国生理心理学家卡尔·拉什利(Karl Spencer Lashley )提出的神经系统科学多少年来一直专注的记忆属于大脑哪个区域的问题，他试着确认大脑中与记忆产生、加深和储存记忆相关的区域，对大脑的部分进行实验性伤害，然而并没有找到与记忆相关联的特定区域。⑦人们仍认为记忆某程度是存在大脑中，而因为记忆是稳固的，人们猜测存有这些记忆的大脑细胞也需要保持稳固。新陈代谢不断进行，细胞不断死去，新的细胞不断在诞生，又如何维系本质不变呢?即使所有用于传达信息模式的物质消失了，而模式却依然存在，如果不是物质，那又是什么在维系着这种模式，机械论、纯唯物论科学的假设是无法轻易回答这个问题的，是否有可能记忆并非仅仅储存在大脑中，也存在某种非物质性的记忆仓库中，然后再进入新形成细胞中呢?这是否意味着我们的意识起源于大脑以外的地方?
(3)如果大脑组织被剔除，那么人不会再有意识，于是很容易得出，意识是在脑内有物质形成的，大脑和意识有着紧密的联系，但神经系统科学家无法确定这种联系的性质。然而还有另外一种可能就是意识存在于某处，而大脑只是一个特定的存放容器，或者一个为了接受意识抑或是传达意识或是受意识支配而不断进化的系统。哲学家威廉·詹姆斯(William James)声称大脑损伤和身体功能之间的一致关联，可以解释为大脑仅仅是发射器，而不是发生源，棱镜传送光线为例子进行解释，当棱镜受损时，传送出来的光线也许会扭曲，这样也很容易理解，当大脑受损时，传递出来的意识也会有差异。
(4)英国谢菲尔德大学神经学教授约翰·罗伯(John Lorber)有一个研究成果：当谢菲尔德得效益在诊断一个数学系学生的疾病时，意外地发现他的头部比正常人略大一点儿，于是校医就把他介绍到罗伯教授那做进一步检查，发现这个学生没有大脑，但智商高达126。于是，罗伯教授提出“大脑真的必不可少吗?”这一问题。大脑半球切除术是切除受损或缺乏大脑皮质的半球，而大脑皮质是跟各种认知和情感功能相关联的，如果一个孩子切除了大脑两半球之一，另一半球会接管，并对大脑的神经连接以及神经细胞进行重组。因为大脑具有极强的调节性，所以一个半球能够执行两个半球的功能。长时间以来，移除大脑引发的疾病并不会造成明显的记忆丢失，唯物论解释认为这是大脑储存重复的部分造成的，也就是说同一个记忆储存在多个地方，所以理论上即使大脑失去了一些部分，也可以从其他储存的地点重获记忆，然而，令人难以置信的是，大脑半球切除术也就意味着大脑有50%是完全重复的功能，甚至低于5%大脑组织仍然有正常的回忆，要解释这一点的话，唯物论神经系统科学家就必须要声明95%的大脑物质都是重复的。
(5)长久以来人们都知道正面思考的能力能够提升一个人的兴奋感和健康，但是直到最近，人们才清楚地知道人的思维力量足以改变大脑的物质结构，越来越多的证据显示通过特定类型的智力训练能够改变成人的大脑。比如冥想，可以改变大脑中关注、集中有关的区域，改变它们的运作方式，也就是说比如就灰质和神经元本身以及白质来说，正是神经的轴突里联系着两者之间的神经元，所以现在有可能在几个月的训练之后，就能改变大脑的机能和结构，近几年所采用的脑显像工具，如功能磁共振成像扫描仪已经证明这一点。如果神经科学认为意识是大脑所生产的，那么意识就不应该对大脑有任何影响。面对这样得质疑和力证，神经科学能否用自己得方法拿出证据，跨越解释沟呢?
三、结语
本文通过两个视角，以“意识之源”为引子，讨论了“我是谁?”这一问题的可能答案，如果灵魂存在，那么“我”是由灵魂决定的;若大脑才是 “我”的上帝，那么“我”也就是纯粹物理实体，大脑就是“我”的全部。在此基础上我们可以分析人工智能可能的未来。若灵魂存在，我们就不用再纠结人工智能超越人类的奇点到底在哪里了，人工智能永远只是类人类，无法感受我们的感受，体验我们的体验，除非有一天灵魂进入他们的身体中，而若是神经科学跨越“解释沟”，证明了大脑是意识之源，不论是打麻将还是电子游戏，甚至是人们觉得不可能的完成的写小说任务，待计算机技术高度成熟，范式彻底更替之后，人工智能将成为人类进化的另一个阶段，不管它是发生在所谓的10年、100年还是1000年之后。
注释
① 机器超越人类的突破包含很多成分，本文只提到两种，重点讨论其中与意识相关的一种.
② 维之.人类自我意识的意义及其三次觉醒[J].南通大学学报，2010(4)：26.
③ 柏拉图.理想国[M].郭斌和，张竹明，译.北京：商务印书馆，1968：168.
④ 余鱼.轮回转世是真的?[J].大科技：科学之谜，2015(9)：57.
⑤ Damasio A R. Descartes’Error： Emotion， Reason，and the Human Brain[M].New York：G.P.Putnam，1994.
⑥ Henrik Walter.Neurophilosophy of free will[M]. Cynthia Klohr，译. Cambridge：Massachusetts Institute of Technology，2001：246.
⑦卡尔·拉什利.大脑机制与智能[M].北京：人民教育出版社，1983.
参考文献
[1] 柏拉图.理想国[M].郭斌和，张竹明，译.北京：商务印书馆，1968.
[2] 卡尔·拉什利.大脑机制与智能[M].北京：人民教育出版社，1983.
[3] 维之.人类自我意识的意义及其三次觉醒[J].南通大学学报，2010(4)：26.
[4] 余鱼.轮回转世是真的?[J].大科技：科学之谜，2015(9).
[5] Damasio A R. Descartes’Error： Emotion， Reason， and the Human Brain [M].New York：G.P.Putnam，1994：38
[6] Henrik Walter.Neurophilosophy of free will[M]. Cynthia Klohr，译. Cambridge： Massachusetts Institute of Technology，2001：246.
