1、引言

　　21世紀肯定是人工智能大行其道的世紀，但不是以馮機為基礎(chǔ)的機器智能，而是以人腦為摹本的智能機器。智能機器，是提高機器本身的基礎(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：一是符號機制；二是連接機制；三是控制論機制。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，人工智能都是機器智能，欲有效模擬人腦智能，機器智能不能取代智能機器。認識腦是如何工作的機理，建立各種“腦模型”，搞智能機器才是智能模擬的根本出路。鑒于揭示腦工作的原理機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)用于智能機器，是當前面臨的主要任務(wù)。

　　Mccllelland和Plaut指出：“計算模型”是揭示人類本質(zhì)認知過程的有用工具，可也有人認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，還認為腦功能不能用“計算”來解釋。而我們認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與人腦之間的同構(gòu)模型。以便吸收計算機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的一個本質(zhì)性優(yōu)點，否則，計算機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。因而我們的目標不是毫無二致的模擬人腦智能，而是綜合符號機制、連接機制與行為機制的特點，提高計算機的基礎(chǔ)性能，使其成為模擬人腦智能的理想工具。計算機只有不完全象人腦，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，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、更快、更能承重。

　　與人腦及計算機同構(gòu)的模型

　　①、必須以自然原型為基礎(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。

　?、?、以模擬自適應(yīng)性為基礎(chǔ)

　　傳統(tǒng)機器人的行為往往被事先編制的動作所限制，當出現(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)控制下的機器人所具有的功能，遠遠超過機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，可使簡單元素間進行復(fù)雜的相互作用。布魯克斯認為用環(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)控下進行訓(xùn)練，且進展非常緩慢。因而格勞斯博格認為，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圖象這一相對簡單的目標開始，在簡單的選擇層次上進行深入研究。據(jù)此，一部分連接機制研究人員認為，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)面對刺激進行實時反應(yīng)，及基于某種確定性關(guān)系進行預(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。