《人工智能的突破与科学方法的创新_钟义信.pdf》由会员分享，可在线阅读，更多相关《人工智能的突破与科学方法的创新_钟义信.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、* 国家自然科学基金资助项目( No 60873001) 收稿日期: 2012 02 13 作者简介钟义信， 男， 1940 年生， 教授， 主要研究方向为信息科学与人工智能理论 E- mail: yxzhong ieeee org 人工智能的突破与科学方法的创新 * 摘要最近十年， 人工智能理论的研究取得了重要突破: 1) 发现了智能生成的共性核心机制是在给定条件下的 “信息 知识 智能转换” ， 由此建立了人工智能的机制模拟方法; 2) 发现了知识的生态学结构是在本能知识支持 下的 “经验知识 规范知识 常识知识转换” ， 因而开拓了人工智能研究的视野; 3) 把智能生成的共性核心机制与
2、知识的生态学结构结合起来， 发现原先各自独立发展的人工智能 “结构模拟、 功能模拟、 行为模拟方法分别是机制 模拟方法在不同知识条件下的和谐特例” ， 从而形成了人工智能研究的统一方法和理论， 为人工智能的发展开辟了 新的前景 文中认为， 人工智能研究的上述突破在很大程度上得益于科学研究方法论的创新 关键词知识生态，机制模拟，统一理论，科学方法论 中图法分类号TP 18 Breakthroughs in Artificial Intelligence and Innovation in Methodology ZHONG Yi- Xin ( Department of Intelligence
3、 Science and Network Engineering，School of Computer Science， Beijing University of Posts and Telecommunications，Beijing 100876) ABSTRACT The following breakthroughs have been made in the field of artificial intelligence ( AI)research over the last decade: 1)The common kernel mechanism of intelligenc
4、e formation，the information- knowledge- intelligence conversion，was discovered Thus，the mechanism simulation of intelligence was established 2) The knowledge ecological structure， the empirical knowledge- regular knowledge- commonsense knowledge growth，which is all supported by innate knowledge，was
5、discovered 3)The combination of 1)and 2) has led to another discovery that the existing and independent AI approaches，the structural simulation approach to cortex of the brain，the functional simulation approach to the logical thinking，and the behavior simulation approach to the intelligent beings ar
6、e three special harmonious cases of the mechanism simulation of intelligence under respective knowledgeTherefore，the unified simulation approach and AI theory are achieved，which opens up prospects for AI research It is believed that the radical source for the breakthroughs in AI is the innovation of
7、 scientific methodology Key WordsKnowledge Ecology，Mechanism Simulation，Unified Theory，Scientific Methodology 第 25 卷第 3 期模式识别与人工智能Vol 25No 3 2012 年 6 月 PR AIJun2012 1引言 钱学森先生非常强调科学研究方法论在科学研 究中的指导作用 他身体力行， 坚持运用系统科学方 法论指导自己的科学研究活动1 ， 因而在现代科学 技术的尖端前沿领域取得举世瞩目的杰出成就 近十年来， 我国人工智能理论研究取得了一系 列重要的进展与突破， 使原来独立分
8、散的研究方法 走向和谐的统一， 从而为人工智能的研究开辟了新 的前景 本文通过我国人工智能研究进展的介绍， 确 证先进科学方法论的重要性， 并以此纪念钱学森先 生诞生 100 周年1) 2“分而治之” 方法论与人工智能 研究的分散化 智能是典型的复杂研究对象 它既是信息资源所 能加工出来的最高级产物， 也是一切生物体所可能拥 有的最高级能力 正是由于智能问题的高度复杂性， 智能科学技术的研究特别需要科学方法论的指导 在 20 世纪中叶科学技术的背景下， 人工智能科 技工作者遵循 “分而治之” 的科学研究方法论， 分别 从不同的角度对自然智能( 特别是人类智能) 进行 模拟研究， 期望把神奇奥妙
9、的人类智力能力尽可能 地复制到机器上， 制造智能机器 按照当时学术界的认识， 人们认为: 系统的能力 首先决定于系统的结构， 这就是所谓的“系统结构 决定论” 同时也认为， 系统的功能主导着系统的能 力， 这就是 “系统功能主导论” 此外也还认为， 系统 的能力总要通过系统的行为才能表现出来， 这就是 “系统行为表现论” 当然， 人们也普遍认为: 在系统 能力的结构、 功能、 行为这三个基本要素之中， 结构 是第一位的， 其次是功能， 再次是行为 在研究人工智能的时候， 人们发现， 智能问题确 实太复杂， 很难对它进行整体性的研究， 只能根据 “分而治之” 的方法论， 把它分解为若干个侧面各个
10、 击破 于是， 人们自然而然就把智能的模拟研究分解 为 “结构模拟” 、 “功能模拟” 和“行为模拟” 三种不 同的途径， 并且首先从“结构模拟” 开始， 然后及于 “功能模拟” 和 “行为模拟” 半个多世纪的人工智能研究历史， 确实遵循上 述方法论的指引， 结果便先后产生如下三种不同的 研究路线 2 1基于结构模拟的人工神经网络研究2 6 脑神经科学的研究发现， 人类的思维功能主要 定位于大脑新皮层， 后者是由 1011个神经元构成的 复杂网络， 其中每个神经元都是一个非线性的处理 单元， 而且每个神经元都与 103 4个其它神经元形成 动态的联接 生物神经系统的工作频率为 100 赫兹，
11、因此， 新皮层神经网络就可以有 1016 17连接/s 正是 依靠这样丰富的连接方式， 人类大脑新皮层可充分 描述外部世界的千变万化， 并产生相应的对应策略， 显示出奥妙无穷的智能 按照 “结构模拟” 的方法论思想， 人工智能的研 究者试图建造人工的神经网络来模拟人类的思维能 力1943 年， McCulloch 和 Pitts 提出神经元的数理逻 辑模型， 经过后人的改进成为人工神经网络的基本 单元 20 世纪 50 年代中期， Rosenblatt 等利用人工 神经元电路构造感知机( Perceptron) ， 可用来识别印 刷体的英文字母， 初步显示人工神经网络的智能 同 一时期， Wi
12、drow 等利用人工神经元研究和设计成功 具有自适应能力的 Adaline 和 Madaline 系统 人们 甚至利用少数几个神经元的简单网络设计成功可模 拟高等动物的条件反射能力的人工神经网络， 展示 人工神经网络的诱人前景 但是， 人工神经网络的研究也面临着严峻的挑 战: 一方面， 为了有效模拟人类思维的智能， 就需要 制造复杂程度接近于人类大脑新皮层的人工神经网 络， 然而， 这在制造技术上存在巨大的困难; 另一方 面， 如果把人工神经网络的复杂度降低到工业制造 技术能够允许的水平， 这种相对简单的人工神经网 络的智能程度又会大大退化 真是一种“前进不得， 后退不能” 的两难境地 更大的
13、困难还在于: 即使随 着科学技术的进步， 人们可制造与人类大脑新皮层 一样复杂( 甚至更加复杂) 的人工神经网络 然而， 由于人们对于大脑新皮层神经网络的“学习机制” 知之甚少， 甚至充满神秘， 因此， 结构上高度复杂的 人工神经网络却不知道按照什么“学习机制” 来工 作， 于是仍然不可能产生像人类一样奇妙的智能 于是， 在人们继续孜孜不倦地探索人工神经网 络的同时， 也有人开始考虑寻求模拟人类智能的新 出路 这就是 1956 年出现的“功能模拟” 的途径 当 然， 人工神经网络研究人员并未放弃结构模拟的方 法 相反， 20 世纪 80 年代还出现人工神经网络的复 兴和繁荣， 新的网络模型和新
14、的学习算法在模式识 1) 本文是作者为 “2011 年中国自动化大学暨钱学森诞辰一百周年及中国自动化学会五十周年会庆” 所作 7543 期钟义信: 人工智能的突破与科学方法的创新 别、 联想记忆、 组合问题优化求解、 故障诊断等领域 获得了很好的应用 2 2基于功能模拟的物理符号系统研究7 11 为了回避人工神经网络“结构复杂” 的困难， 1956 年夏季， McCarthy、 Shannon、 Minsky 等一批年轻 学者在美国 Dartmouth 举办为期两个月的暑期研讨 会， 探讨利用计算功能强大的电子计算机作为硬件 平台， 通过编制 “聪明的软件” 来模拟人类的逻辑思 维功能， 并正
15、式把这个研究领域命名为人工智能 ( Artificial Intelligence) ， 简记为 AI 作为 AI 的理论基础， Newell 和 Simon 提出著名 的 “物理符号系统假设” ， 认为: 虽然计算机系统和 人类大脑系统的物质成分不同， 能量形式也不同， 但 是它们都是处理符号的物理系统 一个物理符号系 统只要满足: 1) 具有输入符号， 2) 具有输出符号， 3) 能够存储符号， 4) 能够复制符号， 5) 能够建立符号 结构， 6) 具有条件性迁移能力， 就是一个智能系统 他们宣称: 计算机和人类大脑都满足这 6 个假设， 所 以它们是互相等效的物理符号系统 换言之， 利
16、用计 算机模拟人类大脑的智力功能不但是合理的， 而且 是可行的 基于功能模拟的物理符号系统路线取得许多出 色的成就， 其中最引人注目的是首个顺利通过图灵 测试的血液感染疾病诊断专家系统 MYCIN 和曾经 战胜国际象棋世界冠军卡斯帕罗夫的 “深兰( Deeper Blue) ” 专家系统 但是， 基于功能模拟的物理符号系统研究路线 也遭遇到严重的困难， 因此不得不从初期雄心勃勃 面向通用问题求解的目标退到面向专门领域的“专 家系统” 但即使是专家系统， 它的设计也仍然面临 着 “知识瓶颈” 的束缚: 专家系统需要拥有专家水平 的知识， 但是这种知识的自动获取非常困难， 只能依 靠系统设计者直接
17、向相关的领域专家采访 然而， 系 统设计者不一定能够开列准确的采访提纲， 领域专 家也不一定能够明确表述他解决问题所需要的全部 知识 不仅如此， 就算获得必要知识， 然而目前的逻 辑理论又还不足以支持知识的表示和知识的推理 因此， 知识的获取、 表示、 推理这些核心环节都面临 着很大的困难 到20 世纪80 年代， 这些困难已演变成为人工智 能功能模拟研究路线继续前进的巨大障碍 于是又有 人开始思考寻求第三种可能的人工智能研究路线 显 然， 行为模拟的路线这时就成为水到渠成的选择 2 3基于行为模拟的感知 动作系统研究12 1990 年， Brooks 领导的研究小组宣布研制成功 一种新型的机
18、器人， 它能够模拟六脚虫的行为方式 在不平坦的地面上行走自如而不会翻倒 这是基于 “行为模拟” 的人工智能研究路线的代表性成果 基于行为模拟的感知 动作系统的基本哲理: 人们既不必关心原型智能系统的结构， 也不必关心 原型智能系统所需要的知识， 只要把原型智能系统 ( 六脚虫) 从环境接受的刺激形式和它对这种刺激 做出的反应行为模拟出来， 就等于模拟原型系统的 智能 因此， Brooks 宣称: 智能无需知识， 智能也无须 知识的表示; 它所需要的仅仅是首先准确感知环境 刺激的模式， 然后针对这种刺激产生相应的动作， 所 以这种系统被称为 “感知 动作系统” 不难看出， 基于行为模拟的“感知
19、动作系统” 所遵循的， 乃是早已存在的“黑箱模拟” 方法 这种 方法成功地避开结构模拟方法的“结构复杂性” 困 难和功能模拟方法的 “知识瓶颈” 障碍， 创造人工智 能研究的第三种智能模拟方法 但是， 人们也发现， 行为模拟方法在回避上述“结构” 和“知识” 困难的 同时， 自己也面临一种新的困难， 这就是: 它只能模 拟一些浅层的( 一些通过动作表达的) 智能， 很难模 拟那些不是通过外部动作表达而是通过内部思维演 绎的智能 2 4结构模拟 功能模拟 行为模拟的“鼎足三 分” 传统的 “分而治之” 方法论为人工智能研究提 供结构模拟、 功能模拟、 行为模拟三种研究方法， 它 们分别都取得不少
20、重要成果， 为人工智能研究的发 展做出各自的贡献 但是， 由于“分而治之” 方法论 未能揭示它所分解出来的结构模拟、 功能模拟和行 为模拟三种方法之间的内在联系， 因此， 三种方法都 是相互独立地各自寻求发展， 形成人工智能研究三 种方法 “鼎足而立” 的分散格局 人工智能的结构模拟、 功能模拟、 行为模拟三种 研究方法的目标相同， 都是研究对于人类智能的有 效模拟 然而， 三种目标相同的研究方法之间却又鼎 足而立， 不能形成合力， 反而不时地会发生“孰优孰 劣” 的争论 这种 “殊途” 而不 “同归” 的状态， 不能不 引起我们对人工智能研究方法本身的深入思考 3复杂信息系统的科学方法论 我
21、们的研究表明 13 ， 智能系统是一种以信息现 象为主导因素的复杂系统 面对这种特殊的研究对 象， 曾在近代科学研究中屡试不爽的传统科学研究 方法论 “分而治之” 显露出严重的缺陷 这就是: 在 854模式识别与人工智能25 卷 按照 “分而治之” 方法论对复杂系统进行分解的时 候， 往往会丢失它所分解出来的各个子系统之间相 互联系和相互作用的信息 而对于以信息现象为主 导要素的复杂系统而言， 这些子系统之间相互联系 和相互作用的信息却恰恰是这种复杂系统的活的灵 魂 所以， 按照“分而治之” 方法论对分解出来的各 个子系统进行 “各个击破” 之后， 却无论如何都没有 办法通过各个子系统的合成而
22、恢复原有复杂系统的 面貌 换言之， 用传统的方法对于这种复杂系统实施 “分而治之， 各个击破” 之后， 却无法 “合成还原” 我们的研究发现， 面对以信息为主导因素的复 杂信息系统( 智能系统是这种复杂信息系统的典 型) ， 至少需要特别关注三个问题: 1) 因为它是复杂 信息系统， 所以需要特别关注系统的信息过程( 而 不是系统的物质和能量过程) ; 2) 因为它是复杂信 息系统， 所以需要特别关注信息过程的系统性质 ( 而不仅仅是信息过程的某些局部性质) ; 3) 因为它 是复杂信息系统， 所以需要特别关注反映信息过程 系统性质的机制特征( 而不是其它特征) 基于以上这些基本认识， 我们就
23、可总结出关于 研究复杂信息系统的新的科学方法论， 这就是“以 信息观、 系统观、 机制观为标志的复杂信息系统科学 研究方法论” 这就是说， 对于复杂信息系统的研究， 必须把握 信息的观念、 信息的系统( 整体) 观念及反映信息整 体性质的机制观念 这个方法论的要害是“信息保 真” 和 “信息求真” “信息保真” 的意思是不丢失信 息( 特别是不能丢失对于整个系统有意义的信息) ; “信息求真” 的意思是要在信息保真的基础上探求 信息过程的本质机制 为此， 我们可把传统 “分而治之” 方法论加以改 造， 变成“保信而分， 分而治之， 保信求真， 分合互 动” 这样， 通过“信息保真前提下的分而治
24、之” 和 “信息保真前提下的本质机制探求” 就可克服传统 “分而治之， 各个击破， 合成还原” 方法论丢失信息 而且不能探求系统本质机制的严重缺陷 4“信息 系统 机制” 方法论与 人工智能的新进展 有了 “以信息观、 系统观、 机制观为主要标志的 复杂信息系统科学方法论” 的指导， 我们就可以把 结构模拟、 功能模拟、 行为模拟三大方法及其“孰优 孰劣” 的问题暂时搁置起来， 着重在信息观和系统 观的约束下探讨人工智能的生成机制 这种探讨的 结果， 便实现了人工智能研究的重要突破13 4 1发现 “智能生成的共性核心机制” 和“人工智 能的机制模拟方法” 我们在研究中体会到， 虽然人类智能的
25、定义相 当复杂， 但是依然可表述如下 人类智能是这样一种 能力: 为了实现人类 “不断改善生存与发展条件” 的 长远目的( 正是这种长远目的， 成为人类和人类社 会发展的不竭动力) ， 在面对具体环境的时候， 能根 据已有的知识来发现和定义应当解决的问题以及求 解问题的预设目标; 然后针对问题和目标去获取必 要的信息， 从中提炼新知( 相对已有知识的补充知 识) ， 进而在目标制导下利用所获得的信息和知识 生成求解问题的智能策略， 并实施这个策略， 以解决 问题达到目标 在这里， 我们把 “根据长远目的、 已有知识与具 体环境来发现和定义问题及预设目标” 的能力称为 “隐性智能” ， 而把 “
26、在确定了问题、 知识和预设目标 前提下获取信息、 提炼新知、 生成智能策略” 的能力 称为 “显性智能” 所以， 人类智能包含着隐性和显 性智能两个相辅相成的方面 而且， 隐性智能远比显 性智能复杂， 因为发现问题和预设目标是创新能力 的首要体现， 远比解决问题困难， 而且至今还没有系 统性的研究成果 人工智能所模拟的， 实际上只是人类智能的 “显性智能” 因此， 它的定义可具体表述为， 在给定 “待求问题、 先验知识和预设目标” 的前提下， 获得 必要的信息， 从中提炼新知( 相对于先验知识而言 的补充知识) ， 进而在目标的制导下利用所获得的 信息和知识生成求解问题的智能策略， 并实施这个
27、 策略， 以求解问题达到目标 可见， 一切人工智能的工作起点都是事先给定 的 “待求问题、 先验知识和预设目标” ; 它们的核心 工作任务都是 “制定求解问题的智能策略” ; 共同的 求解途径则是 “获取信息、 提炼知识、 生成策略” 由 于 “策略” 是智能的主要体现， 因此， 这个共同的求 解途径也可表述为“获取信息、 提炼知识、 生成 智能” 由此可以理解， 人工智能生成的共性核心机制， 就是在给定的 “待求问题、 先验知识和预设目标” 的 约束下 “获取信息、 提炼知识、 生成智能” 的过程， 也 可以更加简练地表述为， 在给定条件约束下的“信 息 知识 智能转换” 这是符合 “以信息
28、观、 系统观、 机制观为主要标 志的复杂信息系统科学方法论” 思想的人工智能生 9543 期钟义信: 人工智能的突破与科学方法的创新 成的共性核心机制 这也是人类显性智能生成的共 性核心机制 因此， 人们可以按照这个智能生成的共 性核心机制来实现对于人类显性智能的模拟 于是， 可把这个方法称为 “人工智能的机制模拟方法” ， 或 简称为 “机制模拟方法” 这是在新的方法论启迪下发现的人工智能模拟 的新方法 4 2发现 “知识的生态学结构” 根据 “以信息观、 系统观、 机制观为主要标志的 复杂信息系统科学方法论” ， 发现了智能生成的共 性核心机制是“信息 知识 智能转换” 由此可 知， 信息
29、理论和知识理论在人工智能理论研究中扮 演着重要的角色 此前， 我们已完成 “面向智能研究的” 信息理论 的研究， 建立了区别于 Shannon 信息论的、 能统一考 虑信息的形式( 语法信息) 、 内容( 语义信息) 和价值 ( 语用信息) 要素的 “全信息理论” 14 因此， 现在需 要研究的是知识的理论 研究发现， 知识并不是一种固定不变的东西， 相 反， 它具有自己的生态学系统 这个生态系统的结构 可表述为， 在先天的本能知识支持下， 在外界信息激 励下， 人类后天不断习得的知识总是由欠成熟的 “经验知识” 开始， 然后生长成为成熟的“规范知 识” ， 并进一步生长成为过成熟的“常识知识
30、” ， 或简 记为 “经验知识 规范知识 常识知识转换” 发现知识的生态学结构不仅加深了对于知识本 身的理解， 而且对于人工智能理论研究具有重要意 义 只是由于篇幅的限制， 这里只能提及它的结论而 不便给出详细的说明 4 3发现“机制模拟方法是人工智能的统一模拟 方法” 把人工智能的机制模拟方法“信息 知识 智 能转换” 与知识的生态学系统“经验知识 规范知 识 常识知识转换” 相结合， 就发现: 机制模拟方法 可有四种具体的工作模式: 模式 A: 信息 经验知识 经验型智能策略转 换( 人工神经网络是它的特例) ; 模式 B: 信息 规范知识 规范型智能策略转 换( 物理符号系统是它的特例)
31、 ; 模式 C: 信息 常识知识 常识型智能策略转 换( 感知动作系统是它的特例) ; 模式 D: 信息 本能知识 本能型智能策略转换 不难证明， 基于结构模拟的人工神经网络方法 就是机制模拟方法的模式 A， 它们都是利用经验知 识生成经验型智能策略 基于功能模拟的物理符号 系统方法就是机制模拟方法的模式 B， 它们都是利 用规范知识生成规范型智能策略 基于行为模拟的 感知 动作系统方法就是机制模拟方法的模式 C， 它们都是利用常识知识生成常识型智能策略 目前 还没有看到利用本能知识的人工智能系统， 所以还 没有看到机制模拟方法模式 D 的特例 可见， 一直处于各自独立发展状态的结构模拟、 功
32、能模拟、 行为模拟方法， 原来分别是机制模拟方法 在不同知识条件下的特例 而且， 由于经验知识、 规 范知识、 常识知识之间是和谐生长链条中的相继环 节， 因此， 结构模拟、 功能模拟、 行为模拟方法也应当 是这个生态链条中的相继环节 这样， 原先在 “分而治之” 方法论观念下看似相 互无关的人工智能三大主流方法， 在“以信息观、 系 统观、 机制观为主要标志的复杂信息系统科学方法 论” 观念下却展示了相互之间和谐生长的本质联 系 把原先看不见的本质联系揭示出来， 这就是先进 方法论的威力 5结 束 语 虽然长期以来人们并不在乎人工智能三大主流 方法 “鼎足而立， 互不沟通” 的局面， 但是客
33、观而论， 这种未能实现 “殊途同归” 的分散格局， 毫无疑问在 一定程度上延缓了世界人工智能学科发展的进程 本文的分析表明， 三大主流方法之所以不能 “殊途同归” ， 不是源于具体的技术问题， 而是源于 传统 “分而治之” 的方法论 由于它的固有缺陷， 它 不可能揭示结构模拟、 功能模拟和行为模拟方法之 间的本质联系 本文提出了 “以信息观、 系统观、 机制观为主要 标志的复杂信息系统方法论” ， 在它的启迪下发现 智能生成的共性核心机制、 建立了人工智能的机制 模拟方法、 发现了知识的生态学结构， 并在此基础上 导出了能够把 “人工智能的结构模拟、 功能模拟、 行 为模拟三大主流方法实现和谐
34、统一的人工智能机制 模拟方法” ， 形成了人工智能的统一方法和理论 这 种由于科学方法论的创新而导致人工智能研究方法 的统一， 必将为人工智能未来的发展开辟新的前景 由此也证明钱学森先生关于“应当重视科学方 法论在科学研究活动中的作用” 这一论断的重要性 和正确性 参考文献 1Qian Xuesen Fundamental Understandings on the New Technologi- 064模式识别与人工智能25 卷 cal RevolutionEB/OL 2009- 11- 17 http: / /agzy youth cn/ qxs/zzwz/200911/t20091117
35、_1084226 htm ( in Chinese) ( 钱学森 关于新技术革命的若干基本认识问题 EB/OL 2009- 11- 17 http: / /agzyyouthcn/qxs/zzwz/200911/ t20091117_1084226 htm 2McCulloch W C，Pitts W A Logic Calculus of the Ideas Immanent in Nervous Activity Bulletin of Mathematical Biophysics，1943，5 ( 4) : 115 133 3Rosenblatt F The Perception:A
36、Probabilistic Model for Information Storage and Organization in the Brain Psychological Review， 1958， 65( 6) : 386 408 4Hopfield J J Neural Networks and Physical Systems with Emergent Collective Computational Abilities Proc of the National Academy of Sciences of the USA， 1982， 79( 8) : 2554 2558 5Gr
37、ossberg S Studies of Mind and Brain: Neural Principles of Learn- ing Perception，Development，Cognition，and Motor Control Bos- ton，USA:Reidel Press， 1982 6Rumelhart D E Brain Style Computation:Leaning and Generaliza- tion / / Davis J L，Zornetzer S F，Lau C，eds An Introduction to Neural and Electronic N
38、etworks New York， USA: Academic Press， 1990: 405 420 7Newell A，Simon H A GPS，A Program That Simulates Human Thought / / Feigenbaum E A，Feldman J，edsComputers and Thought New York，USA:McGraw- Hill， 1963: 279 293 8Feigenbaum E A，Feldman J Computers and Thought New York， USA:McGraw- Hill， 1963 9 Simon
39、H A The Sciences of Artificial Cambridge，USA:MIT Press， 1969 10 Newell A，Simon H AHuman Problem SolvingEnglewood Cliffs，USA:Prentice- Hall， 1972 11Minsky M L The Society of Mind New York，USA:Simon and Schuster， 1986 12Brooks R A Intelligence without Representation Artificial Intelli- gence， 1991， 47
40、( 1/2/3) : 139 159 13Zhong Yixin Principles of Cognetics in Machinery Beijing，Chi- na:Science Press， 2007 ( in Chinese) ( 钟义信 机器知行学原理 北京: 科学出版社， 2007) 14Zhong Yixin Principles of Information Science 3rd Edition Bei- jing，China:Beijing University of Posts and Telecommunications Press， 2002 ( in Chinese) ( 钟义信 信息科学原理 第 3 版 北京: 北京邮电大学出版社， 2002) 1643 期钟义信: 人工智能的突破与科学方法的创新