人工智能技术范式的演进及思考

1、硕士学位论文人工智能技术范式的演进及思考Evolution and Thinking of ArtificialIntelligence Technology Paradigm作者：徐蕾导师：李金齐教授中国矿业大学二O八年六月中图分类号 学校代码 10290UDC101 密 级 公开中国矿业六蓉硕士学位论文人工智能技术范式的演进及思考Evolution and Thinking of Artificial IntelligenceTechnology Paradigm作 者申请学位哲学硕士学科专业一哲学答辩委员会主席 罗肖泉导 师 李金齐教授培养单位马克思主义学院研究方向科学技术哲学评阅人二O

2、八年六月致谢我们在时间这个单向的坐标轴下一路向西，有踌躇满志，也有不知所措。若 没有纪念，若不会感谢，我们的生命于时间与我们自己都毫无意义。一分一秒永 不停歇是时间的轨迹，无论我们如何消磨企图它快些走或是分秒必争哀求它走的 慢些，它仿佛一个遗世独立的人走在平行线的另一端，这一端是我们，相互遥望， 永不相交。因此，我们学会了感恩，学会了纪念。想让逝去的日子获得意义，未 来的日子带着期盼。在逝去的日子里，让我常感荣幸的是师从李金齐先生。总是和颜悦色，总是 无微不至，总是不遗余力，抚平我的不安，赶走我的焦虑。感谢先生每次耐心的 指导，每次负责的批评，那些来自人生前辈的教诲铭记于心，从不敢忘。时间对

3、每个人都是残忍的，所以每当看到先生双鬓的白发，总是不禁唏嘘！对于没有时 常陪在老师身边的自己感到遗憾和后悔。学术上的耐心指正，从论文选题的开始 到撰写，先生一直言传身教，身体力行。生活里的悉心照顾，时常关注我的身体， 心情，在我迷茫困惑时给予关心。我在先生的影响下成长了许多，不再像刚入校 时那么莽莽撞撞。我同样感谢与我共同在老师的影响下共同成长的人们我的师门。我的师 兄师姐们总是在最细节的地方给予提醒让我少些犯错，也在最关键的时候站在我 的身后支持着我。从刚入校时刘丰瑞师兄事无巨细的指导与关心，到刘腾，臧肖 肖，齐敏，于潇潇师蛆的经验分享，还有李文斌师弟，王晋师弟，杨健师妹的帮 助，最重要的是

4、一直陪伴我的同学陈安安，三年里风雨同舟一直在互相扶持。这 三年来在师门这个大家庭里，有传统一直在延续，也有新鲜的事情时常发生。还 要感谢吴红老师，阎国华老师，从选题到毕业论文成稿对我有莫大的帮助，帮我 建立自信心，你们笃厚的学识，敏锐的洞察力令我折服。最后还要感谢我的同学 们，李建源，汪一舟，王松，韩秀秀，张伟光，邢冠华，感谢他们三年来一直的 关心与支持。总之，我生命里遇到这些人是我想要铭记的财富。我心怀理想一路高歌的度过这三年，为未来拼搏的每个日子都显得格外美丽。 希望我还留在青春，因为他们留在我青春的回忆里！从20世纪50年代到现在，人工智能的出现和发展已经对人类的生存方式产 生了巨大的影

5、响。在人工智能的发展过程中，符号派与统计派作为两种重要的技 术范式贯穿其中。所谓符号派是通过操纵符号，以逻辑推理的方式从形式上来模 拟人的思维模式；而统计派则是通过模拟人的大脑构造实现对思维的功能模拟。在人工智能发展的早期，符号派的理论占据着主导地位，因其主张是对人类 思维的模拟，这符合了人工智能这个概念最早提出的设想，因此被认为是人工智 能的基础范式。因为符号派是用逻辑推理进行证明，使得人工智能在这一时期的 表现都是理性而有规则的。符号派提出了物理符号系统和专家系统，这使人工智 能这门学科首次从理论走向实践领域。但是，因为其理性单一的运行规则无法解 决复杂多样的现实问题，导致了符号派的衰落。

6、而统计派突破了这一局限，以多 样的方法解决更多的问题，从而突破了符号派的局限，带领人工智能走向新的发 展道路。统计派关于深度神经网络学习的提出使其在解决问题时有了多维度多层 次的解决方式，即便是丰富多样的问题都能够在神经元的多种连接下找到关系并 给出答案。加之大数据带来了海量的信息储存，使人工智能在多方面领域有了前 所未有的突破。从符号派主导的人工智能技术范式到统计派主导的人工智能技术 返回，人类从信息时代进入到智能时代。在人工智能的发展带来了巨大影响的同 时也引起了笔者对此的反思。因此本文以技术范式作为角度来挖掘隐藏在人工智能发展背后的推动力，并 通过人工智能的变迁与发展为时间轴探究技术范式

7、在此过程中是怎样变化的。而 更深层的反思则是哲学提供的内在推动力。本文共有参考文献47篇，并有附录1。关键词：人工智能；技术范式；符号派；统计派AbstractFrom the 1950s to the present, the emergence and development of Artificial Intelligence has had a tremendous impact on the way people live. In the development process of Artificial Intelligence, Symbolism and Statistics

8、are two important Technology Paradigms. The so-called Symbolism is the use of symbols to logically infer analogical ways of thinking. The Statistical school simulates the human brain to realize the functional simulation of thinking.In the early days of the development of Artificial Intelligence, the

9、 theory of Symbolism took a dominant position, because its claim was a simulation of human thinking. This was in line with the concept first proposed by the concept of Artificial Intelligence, and therefore considered to be the basic paradigm of artificial intelligence. Because Symbolism is proved b

10、y logical reasoning, the performance of Artificial Intelligence during this period is rational and regular. The Symbolists proposed the physical symbol system and the expert system, which made the discipline of Artificial Intelligence the first time from theory to practice. However, because its rati

11、onal and single operating rules cannot solve complex and diverse real problems, it has led to the decline of the sect. The Statistical school has broken through this limitation and solved many problems with multiple methods, thus breaking through the limitations of the Symbolism and leading Artifici

12、al Intelligence to a new path of development. The Statistical schools proposal for deep neural network learning has made it possible to solve problems in a multi-dimensional and multi-level solution. Even rich and varied problems can find relationships and give answers under the various connections

13、of neurons. In addition, big data has brought massive information storage, making Artificial Intelligence unprecedented breakthroughs in many areas. From the Symbolic-artificial Artificial Intelligence Paradigm to the Statistics-led Artificial Intelligence Technology, humans have entered the intelli

14、gent era from the information age. While the development of Artificial Intelligence has brought great influence, it has also caused the authors reflection.Therefore, this paper uses the Technology Paradigm as an angle to explore the driving forces hidden behind the development of Artificial Intellig

15、ence, and how the Technology Paradigm changes in this process through the changes and development of Artificial Intelligence. A deeper reflection is the inherent driving force provided by philosophy.This paper has a total of 47 References and Annex 1.Keywords: Artificial intelligence; Technology par

16、adigm; Symbolism; Statistical TOC o 1-5 h z 摘要I目录III1绪论11.1研究背景和意义11.2国内外研究动态与文献评析413研究路径与方法91.4研究新意与创新点102人工智能与技术范式的理论分析122.1人工智能的概念122 HYPERLINK l bookmark90 o Current Document 2.2范式的内涵与特征15 HYPERLINK l bookmark110 o Current Document 2.3技术范式的内涵与特征192.4人工智能与技术范式的关系213符号派和统计派一人工智能的两种技术范式及演进25 HYPERL

17、INK l bookmark126 o Current Document 3.1符号派的兴衰253.2统计派的崛起31 HYPERLINK l bookmark149 o Current Document 3.3人工智能技术范式的演进路径364人工智能技术范式发展的影响及思考414.1人工智能技术范式发展与思维变革414.2人工智能技术范式发展与技术异化455结语50参考文献51附录153作者简历55论文原创性声明56学位论文数据集57Contents TOC o 1-5 h z HYPERLINK l bookmark1 o Current Document AbstractI HYPERL

18、INK l bookmark4 o Current Document ContentsIV HYPERLINK l bookmark25 o Current Document Introduction1 HYPERLINK l bookmark29 o Current Document Research Background and Significance1Literature Review and Summary4Reseaich Procedures and Methods9Research Innovation and Difficulties10Theoretical Analysi

19、s of Artificial Intelligence and Technology Paradigm. 12The Concept of Artificial Intelligence12 HYPERLINK l bookmark103 o Current Document The Connotation and Features of the Paiadigm15The connotation and features of the Technology Paradigm19 HYPERLINK l bookmark63 o Current Document Relationship b

20、etween Artificial Intelligence and Technology Paradigm21Symbol School and Statistical School: Two Technology Paradigms and HYPERLINK l bookmark116 o Current Document Evolution of Artificial Intelligence25The rise and fall of the Symbolism25The Rise of Statistical Schools31 HYPERLINK l bookmark146 o

21、Current Document Evolution of Artificial Intelligence Technology Paiadigm36Influences and Considerations on the Development of Artificial Intelligence HYPERLINK l bookmark155 o Current Document Technology Paradigm41Artificial Intelligence Technology Paradigm Development and Thinking HYPERLINK l book

22、mark165 o Current Document Change 41Artificial Intelligence Technology Paradigm Development and TechnologicalAlienation45 HYPERLINK l bookmark174 o Current Document Conclusion50References51Appendix 153Authors Resume55Declaration of Thesis Originality56Thesis Data Collection571绪论Introduction研究背景和意义(R

23、esearch Background and Significance)1.1.1研究背景2016年，AlphaG。以4:1的成绩打败李世石，2017年，又以3:0的成绩战胜 柯洁，这标志着在围棋领域人工智能已经立于不败，也因此引发了热议。随着人 工智能在近几年多个领域内大放异彩，一时间人工智能成为了最热话题。但人工 智能(Artificial Intelligence)自阿兰图灵(Alan M. Turing)于二十世纪五十年 代末期提出至今只有六十多年的历史，相比人类漫长的历史或一门需历经几个世 纪的发展方才称得上成熟的学科，一个仅有六十多年历史的研究领域已经对人类 的日常生活乃至人类社会

24、的进步产生了深刻的影响，因此这个领域值得我们深入 研究。现如今我们的生活巳被智能化所包围，如机器翻译，模式识别，语音识别等 功能无处不在，包括无人驾驶，家用机器人以及智能医疗等广泛的应用。人工智 能在这种不断深化的影响下逐渐形成了一种趋势，并作为一股强大的推动力使我 们的社会高速的发展。在人工智能如此高速迅猛发展的同时也带来了许多争议与 反思，如人工智能是否会超越并主宰人类？智能化的普及会不会带来高失业率？ 一门学科的发展是要经得起哲学的反思的，因此从某种程度上讲，人工智能与哲 学存在着很多的共性。从学科属性上看，人工智能这一领域交叉了很多的学科， 如计算机科学，认知心理学，仿生学等等。它的这

25、种交叉的学科属性恰巧与哲学 很相似，哲学是一切科学的基本，它帮助具体科学思考其基本概念的问题同时又 抽象出一般的大问题。从学科内容上看，人工智能这个研究领域有着许多与众不 同的学科性质，其中之一就是人工智能的多学科交叉属性，一方面来自计算机领 域为其提供基础动力，还有对逻辑学，认知心理学，以及神经科学的交叉吸取； 另一方面，随着这些多学科交叉下所产生的影响对其人类本身的思维领域与意识 领域进行探索与反思。这种又与具体科学相连接同时又带着反思与批判的学科， 对现代社会的发展与人类更深的进步产生了深远的影响。而这种学科内容也与哲 学有着异曲同工之妙，哲学是每个时代的精华，一方面作为理论支撑指导着具

26、体 科学的发展，另一方面又通过具体科学的发展与成熟进行反思批判从而获取更大 的进步。在科技与人文螺旋式的前进发展下，人工智能注定与哲学有着难舍难分 的密切关系。人工智能带给哲学的不仅仅是一门崭新的学科领域。随着现代具体科学内部 分工越来越细化，学科领域越来越成熟，哲学在其中的作用逐渐弱化，甚至有科 学家提出在今天这个时代“哲学已死”的论调，哲学在如今的科学社会中处在僵 化的局面里。人工智能的到来犹如给哲学打了一剂强心针，随着人工智能的技术 快速发展，哲学思考也面临着巨大的挑战。因此人工智能带给哲学的不仅是面对 现实的责任与时代赋予的使命，更是通过哲学的反思与冷静对于人工智能领域进 一步发展的动

27、力。哲学的多元角度以其包容性与反思对事物本质进行全方位的探究。范式作为 一种由学术共同体掌握的学科核心，以其独特的角度游走与哲学与具体科学领域 之间，并对科学的理论与实践有着双重作用，同时规定了该学科发展的方向。人 工智能概念提出后，恰好迎来了计算机技术的快速发展时期，人工智能的发展前 景也因之呈现出一派欣欣向荣的景象。1967年，作为人工智能领域先驱并有着 “人工智能之父”之称的马文-明斯基在计算：有限和无限的机器 (Computation:Finite and Infinite Machines)中甚至做出大胆预测：“我确信，在 一代人的时间内，智能的各个部分，鲜有哪个会在这部机器(电脑)

28、的领域之外， 创造人工智能的问题将在本质上解决。”I】可事实上，从人工智能概念的提 出到AlphaGO战胜人类棋手，跨越了 60年的时间，几经起伏。早期的人工智能研究，以建立能够自行解决问题的系统作为出发点，也就是 认为人工智能可以像人一样思考。因此科学家们通过用符号来表示逻辑是可以用 计算机来证明的o并通过专家编制规则的方法，教机器下棋、认字乃至语音识别。 但由于人类的视听器官虽然很发达，却并没有能力总结提炼其中的规律，于是人 工智能早期的探索陷入了困境，这一时期我们也可以称做是符号派的滑铁卢。随 之而来的，是方法论上向数据与统计结合的方向上的迁移，这是符号派向统计派 的一次转移。方法上的转

29、变在诸如人脸识别、手写识别等一些较为简单的问题取 得了重大进展，而在当时最困难的问题一一大词表连续语音识别上，统计方法也 是史无前例地造就了实验室中“基本可用”的系统，这代表了统计派在符号派的 滑铁卢后的第一次崛起。但这一方法指导下的人工智能发展很快也遭遇瓶颈，大 量的数据并不能带来识别率的提高。受制于这一瓶颈迟迟无法突破，人工智能的 发展又步入一个相对较长的低迷期。直到近年来移动互联网兴起推动大数据的发 展，才使得神经网络和深度学习大放异彩，这一方法在大数据和强大算力的支持 下为语音识别、图像识别的发展提供了强有力的助推，也重新把人工智能带回公 众的视野，并且成为时下科技发展的热点内容，这同

30、时也证明了统计派迎来了真 正的兴盛。不难发现，如果说以时间线索对人工智能发展历史进行的梳理似乎天 然地会以“技术范式”为落脚点。那么以人工智能发展过程中符号派与统计派的 交替更迭是为“明线”的话，隐藏在人工智能曲折发展背后的“暗线”则是方法 论的争辩，或者说是“范式”的变迁。“范式” 一次源于美国学者托马斯库恩的科学革命的结构。范式作为 一种独特的视角存在于科学技术发展的过程当中，并在理性的科学发展中扮演着 非理性的角色。范式的一个比较明确的定义是：“范式是一门学科的理论或一个学术共同体 所具有的维持其理论存在或把一门学科的共同体成员凝聚在一起的核心内容及 其方法。它实际上就是一门学科所具有的

31、质的内在规定性。”而“技术范式” 是库恩思想在经济学中的推广，相对于“范式”而言是一个更为“狭义”的概念。 但这一概念本身具备结构性，可分为三个层次。“首先，技术范式是以实物形态 的原创物作为其载体的技术内容；其次，是以技术信息和生产线构成的技术内容 这种技术范式是以文字、图形、符号为载体一般体现为工艺、流程、程序、规则 等技术资料或专利技术；最后，对应于作为消费品的实物商品这类技术范式作为 公众已经接受的技术知识或作为社会接受的技术消费并不具有独创性但它却具 有社会技术文明水平标志。” 3从上述的简要讨论中我们可以看出，通过梳理人工智能60多年的发展历程实 际上是关乎人工智能符号派与统计派两

32、个派别的交叠更替。这一变化直接主导了 隐藏在深处的技术范式的更替。鉴于此，本文想要讨论的核心问题就是关于通过 我们描述人工智能的技术范式的演进过程下带给人类的究竟是怎样的改变？或 是带来了怎样的思考？1.1.2选题意义人工智能领域的研究不管是对于该学科本身的发展或是人类社会的进步都 有着非常深远的意义。一方面，人工智能这个领域就是对人类本身关于认知，心 理，思维上的研究与反思通过计算机的形式加以体现。因此我们可以通过这样一 个过程帮助我们更加深入的探索智能，认识大脑。对于自身的探求和对未知的探 索已经成为了在人类社会的长期发展下形成的一种基本惯性，而这一点具有超越 价值的理论意义；另一方面，在

33、人工智能研究中的自动驾驶，智能医疗，图像语 音识别等领域的发展影响到我们生活的方方面面。不仅如此，随着人工智能这些 技术成果的成熟与发展，也许将会从思维上带给我们新的改变，这一点也具有值 得我们探讨的现实意义。虽然人工智能研就领域跨度大、技术纷繁复杂，但这么多年仍然吸引着不同 领域的学者前赴后继的陷入研究热潮中。而它独特的学科属性除了吸引众多学者, 也使我作为一名科学技术哲学的硕士在人工智能领域进行研究之时也时常感到 方向迷茫，步履艰辛，但依然会被人工智能这个领域所带来的巨大影响所吸引而 倍感满足。1.2国内外研究动态与文献评析(Literature Review and Summary) 1

34、.2.1国际人工智能的研究综述虽然人工智能研究的时间不长，但由于研究领域涉及广泛，因而各种人工智 能研究资料也可谓琳琅满目。人工智能在短暂的六十多年的历史中经历起落浮沉, 度过了几个重要的时期。我们通常认为人工智能的开端就是1956年的达特茅斯会议，其实在此之前， 人工智能还经历了一段酝酿时期。1943年，麦卡洛克和皮茨发表了文章神经 活动中思想内在性的逻辑演算(A Logical Calculus of Ideas Immanent in Nervous Activity),这标志着人工智能的出现，这篇文章综合了基础生理学、命题逻辑 以及图灵的计算理论，并提出了 “任何可计算函数可以通过一些

35、网络连接的神经 元,计算需求的所有逻辑连接词(，或没有，等)可以实现简单的网络结构。”囹这同 时也是统计派的开山之作。明斯基和爱德蒙兹在1950年建立了第一个神经网络 计算机SNARCo明斯基研究的内容是神经网络中的通用计算。这也说明在此酝 酿期，标志着人工智能诞生出现的是神经网络，或者说是统计派。最后也是最终要的工作来自阿兰图灵在计算机器与智能(Computing Machinery and Intelligence)中提出图灵测试，定理证明，机器翻译机器学习、 遗传算法和强化学习。这一时期可以称的上是人工智能领域早期的开创性工作。 根据他们的研究成果看，阿兰图灵可以说是人工智能之父丝毫不为

36、过。而人工智能真正得以作为一个独立的研究领域出现在大家的视线中，值得一 提的还是1956年的达特茅斯会议。在这次会议中，不仅仅是人工智能(Artificial Intelligence)这个名字首次被提出，还是人工智能不作为计算机学科的分支宣告 独立的开始。在会议后不久，人工智能进入了发展的初始阶段，相对比在计算机领域硬件 软件都不甚发达的基础上，人工智能的研究成果可谓可喜，通用问题解决程序 (General Problem Solver)的成功促使了纽厄尔和西蒙提出了 “物理符号系统假 设” (PSSH),并在1976年，纽厄尔和西蒙在作为经验探索的计算机科学： 符号和搜索(Computer

37、 Science as Empirical Inquiry: Symbols and Search)一 文中详细阐述，“任何智能系统都必须能够处理符号数据结构。”由此标志着人 工智能符号派范式的正式起始。同时作为人工智能创始人之一的尼尔斯约翰尼尔逊，关于人工智能的文 章发了三十多篇，专著三本。其中最主要的工作是他在斯坦福成立了人工智能研 究中心。1980年出版人工智能基本原理，1987年出版人工智能的逻辑基 础，在很多人工智能的问题上做出贡献，比如模式识别，专家系统，定理证明 等。还有一位不得不提的在这一时期做出过卓越贡献的人，那就是麦卡锡(John McCarthy)。麦卡锡在这一时期发明了

38、 Lisp语言，而Lisp语言可以说是奠定了 人工智能未来三十年的编程语言的基础。并在1959年的文章Programs with Common Sense同提出了 Advice Taker ,明确了知识表示与推理的核心原则： 对世界建立一套正式的、显性化表征方式能够使得系统通过演绎过程对这些显性 化的知识表达进行处理。根据人工智能初期发展的研究成果，我们可以看出符号派的观点在此时期的 卓越发展，为以后的人工智能领域的研究在很大一部分程度上奠定了坚实的基础。然后，自二十世纪六十年代中期开始到七十年代初，人工智能领域进入了挫 折期，人工智能发展的成果都局限在很窄的条件与范围内，当这些早期系统被用

39、来解决更多样及复杂的问题时，从而陷入艰难境地。同时符号派的观点也受到了 来自实践和理论两个方面的困扰。这一阶段性的失败也直接造成美、英等国对人 工智能研究的全面撤资。在此时期，对于人工智能在初期取得巨大进步而持反对意见的人也开始“泼 冷水”。1972年的计算机不能做什么：人工智能的极限(What Computers Cant Do: The Limits of Artificial Intelligence)以及 1980 年心灵、大脑和程序(Mind, Brains and Programs)正是在这个时期发表出版并产生影响的。1963年费根鲍姆和他的师弟主编了一本论文集计算机与思想 (Co

40、mputersand Thought)o并利用这本文集的版税资助“计算机与思维”奖项。 后来费根鲍姆与李德伯格还有翟若适共同合作出第一个专家系统DENDRALo这 标志着知识系统在这一时期的崛起。而知识系统在逻辑上的欠缺，或者说是一心 想要摆脱符号派，导致它并不适用于解决复杂的问题。因为实际上知识系统的理 论基础依然是机器定理证明，因此，这一时期标志着符号派从内部开始的转向。自神经网络在1943年的提出过后最大的突破是在1957年，罗森布拉特发明 了 “感知机”这是一种神经网络模型，这个模型可以完成一些简单的视觉处理任 务。他在1962年的书神经动力学原理：感知机和大脑机制的理论总结了他 的实

41、验成果使他一时间声名大噪。而这种神经网络模型并不能解决基本的逻辑问 题，也就是在“符号处理”方面有限，因此导致“感知机”的失败。这次失败使 得神经网络进入了二十年的蛰伏期。直到20世纪80年代物理学家霍普菲尔德提出了一种新的模型算法，使当时 的神经网络可以对一类问题进行模式识别，这促使了神经网络的复兴。而这次复 兴没几年就被计算机的新发展“互联网”掩盖了，而互联网带来了海量的数据给 神经网络带来了巨大的机会。这次复兴可以说是统计派的全面崛起。其中深度学习为神经网络的复兴提供了强大的助力。而作为深度学习的先驱, 辛顿和学生在2006年发表的两篇文章在深度学习的领域开辟了新道路，其中在 Scien

42、ce杂志上上发表的那篇使得深度网络的实用化成为可能。在人工智能经历沉浮，走向蓬勃的过程中，哲学家的反思与批判也是推动人 工智能不断进步的重要因素。其中自然。包括之前提到的休伯特德雷福斯的计 算机不能做什么：人工智能的极限以及约翰塞尔的心灵、大脑和程序。休伯特德雷福斯对人工智能的批判由来已久，早在1964年，就发表了那篇 炼金术与人工智能广为流传。后来又在1988年与他的兄弟斯图亚特德雷福 斯共同出版过人定胜机(Mind over Machines),这是一本专门批判专家系 统的书。当然在上面提到的计算机不能做什么，从符号派开始逐渐扩大至人 工智能的全面批判。1980年赛尔在行为与脑科学杂志上发

43、表了 “心灵、大脑和程序”。文 章里的一个思想实验“中文屋”被所有人工智能入门的人奉为金科玉律。文中提 到的意向性成为了哲学与人工智能的连接点之一。上述两篇关于人工智能哲学的 文章以及丹尼特的认知之轮：人工智能的框架问题(Cognitive Wheels: The Frame Problem of Al)都被收录在玛格丽特博登的论文集人工智能哲学当中。 关于博登这个英国女哲学家的还有她在2006年出版的作为机器的心灵认 知科学史一书，从认知科学的发展作为视角来探索人工智能。值得一提的还有 普特南，他在1960年发表的文章心和机器(Mind and Machines)中定义了 计算主义和功能主义

44、，并在1981年出版了理性、真理与历史(Reason, Truth, and History) 一书中提到了另一个思想实验“缸中脑”,这被称为新的图灵测试。以上关于哲学家对人工智能领域的分析或批判多少带着些哲学家惯有的视 角和理论背景。而人工智能作为一门独立的学科虽与哲学有着千丝万缕的联系， 但客观来讲，它与人工智能专家的研究思路和发展过程还是存在差异的。从上述 罗列的著作与发表的成果来看，人工智能这几十年的发展所涉及的学科领域甚广, 发展的过程虽曲折但仍可以看出在符号派与统计派之间的交替与范式的转换。1.2.2国内人工智能文献综述在基本梳理了人工智能整个的发展脉络并了解了国外关于人工智能问题

45、的 研究之后，接下来我们简要讨论在人工智能方面国内的学术研究与进展。虽然我 国由于在某些方面的限制对于人工智能的研究起步较晚，但在短短40年内的成果 还是有目共睹的。随着人工智能在与互联网大数据的相遇产生巨大的影响与效益 后，学术团队的扩大，学术成果的不断深化，以及国家政策的扶持，我们国内对 人工智能的讨论与研究目前在世界范围内也处于领先地位。“当今世界，争夺和 占领文化与意识形态阵地是国家核心利益所在，也是国际较量中的重要筹码。” 凹因此，人工智能的研究与发展也是现阶段我国国家增强国力的必要手段。自从在1978年的全国科学大会上提出“科学技术是第一生产力”之后，科 技领域的研究人员在其原本的

46、科研成果上扩大了思想的角度与维度，有关人工智 能的研究在国内开始起步。同年，吴文俊在全国科学大会上以其提出的“几何定 理机器证明”获奖。“几何定理机器证明”就是利用机器来证明几何定理，这与 早期符号派的理论异曲同工。此次吴文俊的获奖为人工智能在国内的发展揭开了 新的篇章。吴文俊作为中国著名的数学家，他的几何定理证明被称为“吴氏方法”, 不仅在数学领域，他同样在计算机领域也有着重大的研究成果。1978年撰写“数 学概况及其发展” 一文，发表于科学出版社的现代科学技术简介一书，文中 提出了脑力劳动机械化；2003年由科学出版社出版了数学机械化一书，并 在2004年发表了 “计算机时代的脑力劳动机械

47、化与科学技术现代化”这一论文 宣布他在几何定理证明“机械化”方面的系列成果。他的论文计算机时代的脑 力劳动机械化与科学技术现代化也被收录在了蔡自兴的人工智能机及其应用 一书中。tl0八十年代之后，人工智能领域在国内得以真正的发展。在这一时期，中国人 工智能协会(CAAI)的形成标志着人工智能在中国作为一门独立的研究领域的 开始。在此之后一年，人工智能学报作为国内人工智能领域的第一份学术刊 物正式发刊。1987年7月蔡自兴的人工智能及其应用Un由清华大学出版社出版，成 为国内首部具有自主知识产权的人工智能专著。该专著在出版伊始便受到推崇， 在那一时期对我国人工智能领域人才的培养与该领域核心内容的

48、研究都起到了 奠基性的作用。张锻作为我国计算机学报的副主编同时也是智能机器人主题专家组成员。 在自动控制理论领域与计算机应用领域都有研究，由于在计算机领域的研究使其 在后期从事人工智能领域。张铉的专著问题求解理论与应用121990年在国 内外出版，提出基于统计推断的启发式搜索和基于拓扑的空间规划方法，降低了 计算复杂性，具有重要的应用价值。陆汝铃，1999年当选为中国科学院院士。2000年在北京科学出版社出版了 人工智能一书。SI作为中国人工智能领域的开拓人之一，她在数学研究领域 与知识工程方面做出了巨大的贡献。在人工智能与哲学的方面，王浩作为美国哲学家奎因的学生，在人工智能领 域也做出了巨大

49、的贡献。其在1962年出版了数理逻辑概论(A Survey of Mathematical Logic, 1962)一书，叫其中收集了他在947年至59年期间写的关 于数学基础、形式公理系统、计算机理论和数学定理机械化证明的一些研究论文 和其它文章。自动定理证明作为符号派的最基本原理，王浩在该方面做出的奠基 性贡献为后来人工智能符号派在自动定理证明方面的发展提供了很大的可能性。复旦大学的徐英瑾教授在2013年出版了心智、语言和机器维特根斯坦 哲学和人工智能科学的对话，书中从维特根斯坦的分析哲学作为切入点，以认 知心理学为基础探索人工智能。这是国内为数不多的以人工智能为主题的哲学专 著。这本书并

50、没有遵循哲学角度的老套路质疑人工智能能否实现？或是对未来人 工智能进行预测，而是对“如何实现人工智能”这一过程的分析与实践联系。“在 哲学思想方面，此书深入挖掘了维特根斯坦与人工智能之间的关系，讨论了知识 表征系统和中央信念系统的构建、人工视知觉模块的构建，以及自然语言处理模 块的构建。” tl5在九十年代以后，国内人工智能的研究已经相对成熟了，但远不及近几年在 应用领域的突破性进展。不管是符号派的问题求解与专家系统方面还是统计派的 图像语音的识别或是机器翻译获得的巨大成功，我国关于人工智能领域的研究已 经跨入了国际先进队伍的行列。近几年在互联网带来的大数据的推动下结合深度 学习的应用，人工智

51、能已经涉及到了我们生活的方方面面，中国的人工智能领域 的研究由此占据世界领先地位。原腾讯副总裁吴军出版了智能时代一书，以大数据与智能革命重新定义 未来。此书以思维的革命为视角描述了大数据与人工智能所带来的巨大变化，上 至思维下至商业模式，行为理论，组织管理模型与产业架构都将发生天翻地覆的 变化。书名类似但内容不同的还有百度CEO李彦宏2017出版的智能革命。作 者通过以计算机科学的发展变化为线索梳理人工智能的发展过程。并从不同角度 分析人工智能即将引起的具有变革性的影响。还有卡内基梅隆大学博士李开复在2016年出版了人工智能。书中通过 对人工智能带给人类最切实际的变化切入，叙述人工智能如今爆炸

52、式发展的原因 并对未来人工智能是否会代替人类提出预测，同时对人工智能所带来的变革以及 在其他方面所带来的创新所带来的对社会对个人的影响。这本书所涵盖的方面极 广，涉及到有关人工智能对人类生活切实影响的方方面面。相对比国外的关于人工智能研究领域的各类专著，国内关于人工智能领域的 重点更倾向于普及化。不管从哲学或是专业领域，国内对于人工智能的相关研究 所持态度大多积极乐观。对于人工智能所带来的巨大影响似乎跃跃欲试。1.2.3文献评析从时间上来看，人工智能这一领域来自国外，在国外学者的研究下已经走过 了六十年，在国内因为历史或国情，我国开展的较晚。但是从成果上看，我国的 人工智能领域研究目前已经是占

53、据世界领先的地位了。在国家的大力支持与鼓励 下，国内学者在其方面突破了一个又一个的难关，直至形成今天繁荣昌盛的局面。在发展的过程中，人工智能经历了几次兴衰，在人工智能的领域内也发生了 几次研究范式的转变。从图灵首次提出“关于机器模仿人类智能”的猜想到符号 派在该方向下将理论转化为实践的突破性进展，但随着计算能力的局限以及现实 问题的难度增加，符号派的研究方向受到了阻碍从而式微；再到神经网络的深度 学习方法带来的转向性的成功，加之互联网的相互催化，现阶段的人工智能以其 不可挡的势头影响着人们生活生产的方方面面。在人工智能出现之前的几十年中，无数科学从哲学中分化出来形成了属于自 己独立的学科，随着

54、学科分化的越来越严重，各领域之间越来越独立细化，不管 是科学技术还是哲学都形成了一个僵化的局面。但是科技史在上世纪五六十年代 开始发生了变化，学科与学科之间开始交叉研究出一个新的领域的同时促进了这 些领域本身的发展。因此，人工智能应运而生。人工智能是一门多学科交叉的领 域，这是它独特的学科属性，也是它代表着科技史的一次重大变革。所以人工智 能的出现所带来的不仅仅是科学技术的一次新发展，还是历史性的结果。1.3 研究路径与方法(Research Procedures and Methods)1.3.1研究路径从1956年人工智能的正式提出到如今，仅仅只有60多年的发展历史。人 工智能就获得难以想

55、象的巨大影响。而人工智能在发展的过程中，发生了怎样的 变化？经历了何种时期？与哲学又有着怎么样的联系？这隐藏在深处的原因促 使笔者从技术范式的角度来看人工智能的发展轨迹下方法论的转变与世界观的 作用关系。本文拟先行对人工智能的产生概念及其发展脉络作一番梳理，以符号派与统 计派的交替作为论文写作的切入点。并以技术范式为视角梳理人工智能在发展过 程中从符号派到统计派的历史的变迁的同时，反思技术范式在其中起到的推动作 用。并对技术范式的演进进行反思由此推及隐藏在人工智能深处的推动力。在此 过程中，我大量翻阅有关人工智能领域的经典文献与论文期刊，虽不能成一家之 言，但总的来说还是想要形成自己的观点，对

56、人工智能的发展过程及其内在进行 研究与思考。本文第一章绪论部分主要对人工智能领域在国内外的文献成果进行综述分 析，能够更好的理解笔者研究人工智能的理论背景与成果。第二章主要通过对人工智能的概念分析与技术范式的内涵的讨论，更好的叙 述人工智能与技术范式之间的关系。第三章以时间为坐标，从符号派与统计派两派的迭代出发梳理了人工智能的 发展历程，并分析了在此过程中技术范式是如何在人工智能领域里演进的。第四章通过对人工智能技术范式的演进进行了分析与讨论，从而引发了在此 过程中人工智能领域带来的重大影响，在此影响下引起了笔者对人工智能技术范 式背后的意义与影响的反思。1.3.2研究方法本文将文献资料作为主

57、要依据，在翻阅经典文献与最新研究成果的同时希望 能形成自己的理解，并能够从自己的视角出发丰富这个学科的多样性与丰富性。 收集资料的途径以在网上下载各优秀期刊硕博论文为主辅，大量阅读相关学科的 专著与理论文献为主，并通过查阅相关报刊文章等途径进行更广泛的资料收集。 分析方法以下三种为主要途径：第一，文献研究法。通过对相关文献资料的查阅和分析，不仅对国内外有关 人工智能领域的研究成果与最新动态有所了解，同时也要对人工智能过去几十年 经历何种的发展过程有一个整体上的理解。第二，定性分析法。能够对巳经翻阅到的相关文献资料进行处理与加工，通 过对材料不管是从整体上的把握或是每种角度不同的分析，利用逻辑思

58、维的方法 能够对其达到认识事物本质，揭示内在规律。这不仅可以对人工智能的表现形态 进行研究分析更是对其本质进行反思和分析。第三，跨学科研究法。人工智能的研究是多学科交叉研究，其内容极其丰富。 本文在对其进行研究时，不仅牵涉到了计算机科学，还牵涉到了逻辑学以及心理 学等学科。1.4 研究新意与创新点(Research Innovation and Difficulties)1.4.1研究新意本课题虽然立足哲学的视角，但整个课题是纵横几个专业领域的交叉研究， 涉及到多种科学技术的发展史以及价值取向等社会方面的研究，从具体到抽象的 跨越是本研究需要特别注意的地方，同时当今世界变化无常，技术的发展日新

59、月 异，呈多样化态势，这些现实问题无形中增加了课题对现实世界的静态分析的难 度。但笔者还是会不断努力，努力做到最好。1.4.2创新点论文在课题的研究过程中，试图在以下方面有所创新。研究对象上，关于人工智能的发展早有学者进行专门研究，但能从技 术范式的演进为角度去看人工智能发展过程的并没有很多。本文以“人工智能的 技术范式演进”作为切入点，同时以人工智能的发展史与技术范式的演进过程作 为研究对象进行讨论分析。研究内容上，论文摆脱了以往文献中对人工智能单纯的哲学反思的研 究模式，不仅要从符号派到统计派的交替过程为角度梳理人工智能的发展过程, 同时又要从技术范式的角度从侧面分析人工智能发展内在的过程

60、，再通过对技术 范式的演进的分析与反思寻求更深层的内容。本文构思层次丰富，但是在实践研 究的过程当中常感力不从心，没有厚实的理论基础无法表达清晰明确的观点，也 无法呈现饱满的层次，这是笔者在论文撰写中的最大难点之一。研究方法上，采用跨学科研究方法，包涵计算机科学，认知心理学， 语言学，神经学科，数理逻辑等多项学科，结合多学科的研究背景与研究理论对 其人工智能的发展进行哲学上的反思。相信研究的结论能产生一些启发。2人工智能与技术范式的理论分析Theoretical Analysis of Artificial Intelligence and Technology Paradigm人工智能的概念