摘要 如何把信息轉(zhuǎn)換為解決問題所需要的智能,是信息科學(xué)領(lǐng)域的核心研究課題. 本文報(bào) 道的“信息轉(zhuǎn)換原理”提供了一種把信息轉(zhuǎn)換成為智能的可行方法。為了能夠把信息轉(zhuǎn)換為智能, 它首先突破了信息論局限于統(tǒng)計(jì)形式的限制, 建立了全信息理論; 然后,研究了作為信息與智能中介的知識(shí)理論, 發(fā)現(xiàn)知識(shí)的生態(tài)規(guī)律“信息-知識(shí)-智能轉(zhuǎn)換”就是智能的生成機(jī)制,因而提出了智能生成機(jī)制的模擬方法, 使人工智能三大主流方法(結(jié)構(gòu)模擬、功能模擬、行為模擬)實(shí)現(xiàn)了統(tǒng)一;在此基礎(chǔ)上定義了意識(shí)-情感-理智三位一體的高等人工智能模型,證明了意識(shí)、情感和智能都可以由各自條件下的信息轉(zhuǎn)換生成出來,從而建立了基于信息轉(zhuǎn)換的高等人工智能理論, 成為溝通信息理論、知識(shí)理論和智能理論的一體化理論。  

       關(guān)鍵詞   信息論 全信息理論 知識(shí)生態(tài) 機(jī)制模擬 信息轉(zhuǎn)換 高等人工智能

       信息、知識(shí)、智能,是現(xiàn)代科學(xué)3個(gè)具有基礎(chǔ)性和關(guān)聯(lián)性的當(dāng)代重要研究領(lǐng)域,如何把信息轉(zhuǎn)換成為解決問題所需要的智能,是信息與智能科學(xué)領(lǐng)域的核心研究課題, 也是整個(gè)現(xiàn)代科學(xué)技術(shù)十分關(guān)注的問題. 當(dāng)今世界各國經(jīng)濟(jì)和社會(huì)發(fā)展的信息化、知識(shí)化和智能化進(jìn)程,對(duì)信息理論、知識(shí)理論、智能理論、特別是信息-知識(shí)-智能的一體化理論研究提出了 十分迫切的需求. 

       然而, 關(guān)于信息、知識(shí)、智能3個(gè)領(lǐng)域的理論研究卻發(fā)展得不太平衡, 而且基本上處于互相獨(dú)立發(fā)展的狀態(tài).

       在信息理論研究方面,1948年由Shannon所創(chuàng)立的信息理論(原來稱為《通信的數(shù)學(xué)理論》)實(shí)際上是一種建立在概率論和隨機(jī)過程理論基礎(chǔ)上的統(tǒng)計(jì)通 信理論, 它所關(guān)心的問題是在噪聲環(huán)境下如何有效、可靠、安全地把信號(hào)從一個(gè)地點(diǎn)傳送到另一個(gè)地點(diǎn). 同年Wiener出版的《控制論》研究了動(dòng)物與機(jī)器中的控制與通信問題, 其中的信息理論實(shí)際上與 Shannon的信息理論異曲同工.  

       在知識(shí)理論研究方面,雖然在20世紀(jì)70年代出現(xiàn)了以知識(shí)推理為特征的“知識(shí)工程”研究, 20世紀(jì)90年代興起了面向特定數(shù)據(jù)庫的“知識(shí)發(fā)現(xiàn)”研究. 但是, 這兩方面的研究都還處在發(fā)展的初級(jí)階段,而且,它們之間幾乎沒有建立任何互相關(guān)聯(lián). 因此, 至今沒有形成系統(tǒng)性的知識(shí)理論. 

       在人工智能理論的研究方面,主要關(guān)注的問題則是如何在計(jì)算機(jī)平臺(tái)上編制“聰明軟件”來解決諸如定理證明、問題求解、機(jī)器博弈和信息檢索等復(fù)雜問題.而且,這一方向的研究一直與人工神經(jīng)網(wǎng)絡(luò)的研究和感知-動(dòng)作系統(tǒng)以及多智能體的研究缺乏必要的溝通, 在智能領(lǐng)域呈現(xiàn)出鼎足三分的狀態(tài). 不僅如此, 在人工神經(jīng)網(wǎng)絡(luò)研究與人工智能研究之間以及感知-動(dòng)作研究與人工智能研究之間 還存在嚴(yán)重的分歧. 事實(shí)上, 學(xué)術(shù)界也作了很大的努力, 試圖消除人工智能、人工神經(jīng)網(wǎng)絡(luò)和感知?jiǎng)幼飨到y(tǒng)3種研究方法之間的歧見,達(dá)成研究方法的統(tǒng)一。但是,并未取得實(shí)質(zhì)性的成功.

       顯然, 信息理論、知識(shí)理論、人工智能理論之間這種相互脫節(jié)的研究狀況, 不利于信息科學(xué)技術(shù)、知識(shí)科學(xué)技術(shù)和人工智能科學(xué)技術(shù)的發(fā)展,更不利于信息理論、知識(shí)理論、智能理論的一體化研究,不能適應(yīng)現(xiàn)代科學(xué)技術(shù)和經(jīng)濟(jì)社會(huì)發(fā)展的需要.

       有鑒于此, 信息理論、知識(shí)理論、智能理論及其一體化理論的研究具有十分重要的意義, 值得人們高度關(guān)注. 本文以下將介紹信息、知識(shí)、智能一體化 理論的基本結(jié)果“信息轉(zhuǎn)換原理”, 包括這一原理的 主要支撐理論: 全信息理論、知識(shí)生態(tài)學(xué)規(guī)律、智能的生成機(jī)制、人工智能的機(jī)制模擬方法、人工智能的統(tǒng)一理論以及高等人工智能理論. 由于篇幅的緣故, 這里將主要介紹取得這些結(jié)果的研究思路和科學(xué)方法. 詳細(xì)的情況參見相應(yīng)文獻(xiàn).  

       1  全信息的理論 

       1948 年, Shannon在《貝爾系統(tǒng)技術(shù)學(xué)報(bào)》發(fā)表了題為“通信的數(shù)學(xué)理論”的長篇論文, 針對(duì)通信系統(tǒng)的需求提出了信息的概念和度量方法, 定義了信道容量公式, 建立了反映信息傳輸基本規(guī)律的三大編碼定理, 成為信息論的奠基之作. 

       至今, Shannon信息論仍然在通信領(lǐng)域發(fā)揮著重要的指導(dǎo)作用. 而且, Shannon 的信息論和Wiener的控制論以及 Bertalanffy 的系統(tǒng)論一起(史稱“三論”)成為現(xiàn)代科學(xué)研究方法論的三大支柱. 

       20 世紀(jì) 70 年代末, 本文作者曾經(jīng)這樣設(shè)問: 既然Shannon理論是關(guān)于通信的數(shù)學(xué)理論,為什么后來要改稱為信息論?既然改稱為信息論,是否就意味著Shannon理論不僅適用于通信領(lǐng)域,而且也適用于信息過程的其他領(lǐng)域(包括傳感、計(jì)算、人工智能和 控制)? 

       結(jié)果發(fā)現(xiàn), Shannon信息理論的應(yīng)用有著很強(qiáng)的限制條件. 一方面, 它的主要數(shù)學(xué)基礎(chǔ)是概率論, 不滿足概率公理?xiàng)l件的場合原則上不能應(yīng)用; 可是, 信息過程的許多領(lǐng)域并不滿足概率公理的條件.另一方面,針對(duì)通信工程的特殊需要,Shannon信息理論只考慮了信息的形式因素(信號(hào)波形),有意地忽略了信息的內(nèi)容和價(jià)值因素(見文獻(xiàn)[1]的第一部分); 可是, 在信息過程的許多領(lǐng)域(特別是智能決策領(lǐng)域)卻需要同時(shí)考慮信息的形式、內(nèi)容、價(jià)值因素. 由此可以判斷, Shannon 信息論主要適用于通信這類能夠滿足統(tǒng)計(jì)條件的領(lǐng)域,而不能適用于信息的整個(gè)過程, 特別不能適用于信息過程的核心領(lǐng)域——智能決策領(lǐng)域.

       有了這樣的認(rèn)識(shí), 我們便決心研究“同時(shí)考慮信息的形式、內(nèi)容和價(jià)值因素而且既能適用于統(tǒng)計(jì)條件又能適用于非統(tǒng)計(jì)條件的信息理論”.并把這樣的信息理論命名為完全的信息理論, 簡稱為“全信息理論”; 以這一理論為基礎(chǔ), 系統(tǒng)研究和總結(jié)了全信息在整個(gè)信息過程(包括傳感、通信、計(jì)算、智能、控制)的工作原理, 在1988年出版了題為《信息科學(xué)原理》的學(xué)術(shù)專著. 這是國內(nèi)外第一部系統(tǒng)闡明信息科學(xué)基本原理的學(xué)術(shù)著作, 于1996, 2002, 2005年3次再版. 

       “全信息理論”和《信息科學(xué)原理》所以取得成功,主要得益于兩個(gè)重要條件：

       首先, 在方法論上得益于自覺應(yīng)用了“信息觀和系統(tǒng)觀”:堅(jiān)持“全信息理論”的信息概念必須是一個(gè) 完整的體系, 即它的內(nèi)涵應(yīng)當(dāng)包含信息的形式、內(nèi)容 和價(jià)值(而不僅僅是信號(hào)波形); 全信息理論的適用范圍必須是全部信息過程, 而不僅僅是通信過程. 這樣就在方法論上奠定了超越Shannon信息論的創(chuàng)新基礎(chǔ). 

       其次,在數(shù)學(xué)方法上得益于同時(shí)應(yīng)用了概率論和模糊集合理論,正是借助了模糊集合理論的數(shù)學(xué)工具才建立了信息內(nèi)容和價(jià)值因素的描述和測(cè)度, 并使全信息理論能夠適用于概率和非概率場合.   這樣就在數(shù)學(xué)方法上具備了超越 Shannon 信息論的 條件. 

       應(yīng)當(dāng)指出,方法學(xué)上的“信息觀和系統(tǒng)觀”與數(shù)學(xué)上的模糊集合理論這兩者都是 Shannon那個(gè)時(shí)代還不曾出現(xiàn)的, 是1948年至今這段歷史時(shí)期才出現(xiàn)的科學(xué)新成果. 因此, 全信息理論和信息科學(xué)原理是時(shí)代進(jìn)步的產(chǎn)物. 

       有了全信息理論, 原來各自獨(dú)立研究的傳感、通信、計(jì)算、智能、控制學(xué)科就可以相應(yīng)地被定義為信 息的獲取、信息的傳遞、信息的處理、信息的轉(zhuǎn)換、 信息的執(zhí)行, 因而都可以建筑在全信息理論這個(gè)統(tǒng)一的理論基礎(chǔ)上,形成統(tǒng)一的信息科學(xué)理論.這樣,Shannon信息論就成為“全信息理論”的一個(gè)“統(tǒng)計(jì)通信理論”分支.

       理論上的統(tǒng)一性和完整性, 對(duì)于信息科學(xué)理論的發(fā)展來說具有十分重要的意義。

       2  知識(shí)的生態(tài)學(xué)規(guī)律 

       在完成了《信息科學(xué)原理》的出版工作之后, 研究的注意力便聚焦到了信息過程的核心領(lǐng)域——智能理論的研究.

       我們首先自我設(shè)問: 智能是怎樣生成的? 我們認(rèn)為:作為發(fā)現(xiàn)問題、分析問題和解決問題能力的智能, 必然來源于與問題和問題求解目標(biāo)相關(guān)的“知識(shí)”: 若是沒有知識(shí), 何以有智能? 于是, 知識(shí)的理論成為智能理論研究的先導(dǎo)和關(guān)鍵. 

       自古(特別是近代工業(yè)革命)以來,科學(xué)技術(shù)的進(jìn)步和社會(huì)經(jīng)濟(jì)的發(fā)展創(chuàng)造了極其豐富的文化科學(xué)知識(shí). 可是, 人們對(duì)于知識(shí)的發(fā)展規(guī)律卻鮮有顧及. 哲學(xué)家們悉心探討和論述了知識(shí)的理論, 特別探討 了知識(shí)的概念和性質(zhì), 但對(duì)知識(shí)的生長規(guī)律卻少有論述. 

       雖然Feigenbaum等人在20世紀(jì)70年代提出了“知識(shí)工程”的課題,20世紀(jì)90年代學(xué)術(shù)界也興起了“知識(shí)發(fā)現(xiàn)”的研究.但是,“知識(shí)工程”只關(guān)心了如何由知識(shí)推演策略的問題; “知識(shí)發(fā)現(xiàn)”只關(guān)心從特定數(shù)據(jù)庫的數(shù)據(jù)中發(fā)現(xiàn)知識(shí)的方法. 兩者都沒有對(duì)知識(shí)的生長規(guī)律展開專門的探究.于是,經(jīng)過深入的研究,我們?cè)?000年的《中國工程科學(xué)雜志》上發(fā)表了題為“知識(shí)理論框架”的論文,探討了知識(shí)的定義、分類、描述和度量的方法, 特別總結(jié)和闡述了“知識(shí)的生態(tài)學(xué)規(guī)律”. 

       論文指出: 知識(shí)既非自古就有也非萬古不變的東西; 相反, 知識(shí)是一個(gè)活生生的生態(tài)學(xué)系統(tǒng), 遵循著固有的生態(tài)學(xué)規(guī)律: 在內(nèi)部, 它是在本能知識(shí)的支持下首先由信息生長出“欠成熟”的經(jīng)驗(yàn)知識(shí), 進(jìn)而生長出“成熟”的規(guī)范知識(shí), 最后生長(沉淀)出“過成熟”的常識(shí)知識(shí), 后者又通過某種機(jī)制生長成為本能知識(shí)的新內(nèi)容, 使本能知識(shí)逐漸增長; 在外部, 它不斷由信息生長出來, 又不斷向智能策略生長而去. 論 文把前者命名為“知識(shí)的內(nèi)部生態(tài)學(xué)規(guī)律”,把后者命名為“知識(shí)的外部生態(tài)學(xué)規(guī)律”, 兩者的整體稱為 “知識(shí)的生態(tài)學(xué)規(guī)律”. 

       因?yàn)橹R(shí)的外部生態(tài)規(guī)律就是智能的生成機(jī)制,闡明知識(shí)的生態(tài)學(xué)規(guī)律不僅對(duì)認(rèn)識(shí)知識(shí)本身的發(fā)展規(guī)律具有重要指導(dǎo)意義; 而且對(duì)認(rèn)識(shí)智能的生長規(guī)律具有決定性的貢獻(xiàn).  

       3  智能的機(jī)制模擬方法 

       由于智能研究所具有的基礎(chǔ)性和復(fù)雜性,人們沿用了“分而治之”的傳統(tǒng)方法論把模擬人類智能的研究分解為結(jié)構(gòu)模擬、功能模擬、行為模擬三大主流研究方法, 并分別形成了基于結(jié)構(gòu)模擬的人工神經(jīng)網(wǎng)絡(luò)研究、基于功能模擬的物理符號(hào)系統(tǒng)研究、基于行為模擬的感知與動(dòng)作系統(tǒng)研究.3種研究方法各自都獲得了不少令人鼓舞的成果. 但是由于對(duì)人類智 能系統(tǒng)在結(jié)構(gòu)、功能、行為之間相互聯(lián)系和相互作用的機(jī)制缺乏深刻的認(rèn)識(shí),3種研究方法之間一直未能互相溝通形成合力, 卻常發(fā)生“孰優(yōu)孰劣”的激烈爭論, 造成了互不認(rèn)可各自為戰(zhàn)的研究格局, 在一定程 度上延緩了人工智能研究的發(fā)展. 

       許多有識(shí)之士都希望打破這種各自為戰(zhàn)的格局.人工智能領(lǐng)域資深權(quán)威學(xué)者Nilsson于1998年出版了題為“Artificial Intelligence: A New Synthesis”的學(xué)術(shù) 專著, 試圖用“新的集成”來集成3大研究方法; 人工智能的后起之秀Russell等人則于1995年出版了1000多頁的宏篇巨著“Artificial Intelligence: A Modern Approach”, 試圖以“現(xiàn)代途徑”來溝通三大研究方法.據(jù)悉,這部著作于2003和2006年連續(xù)再版, 先后被 89個(gè)國家 900 多所大學(xué)用作教材, 可見影響之廣泛, 也可見人們期望三大方法走向溝通統(tǒng)一的愿望多么強(qiáng)烈.

       但是,仔細(xì)閱讀這些新著可以發(fā)現(xiàn),它們除了把三大主流研究方法的成果直接拼合在一起之外, 并沒有找到三大方法之間的內(nèi)在本質(zhì)聯(lián)系. 因此, 溝通 三大主流方法形成人工智能統(tǒng)一理論的目標(biāo)基本沒有實(shí)現(xiàn).

       人工智能是一類開放的復(fù)雜信息系統(tǒng), 傳統(tǒng)的“分而治之”方法論在把復(fù)雜信息系統(tǒng)分解為若干子系統(tǒng)的時(shí)候, 往往丟失了這些子系統(tǒng)之間相互聯(lián)系相互作用的信息; 而這些信息正是復(fù)雜信息系統(tǒng)的靈魂和生命線. 同樣, 把智能模擬分解為結(jié)構(gòu)模擬、功能模擬、行為模擬的時(shí)候, 也丟失了結(jié)構(gòu)模擬、功能模擬、行為模擬之間互相聯(lián)系和互相作用的信息. 這是三大主流方法之間無法實(shí)現(xiàn)溝通的方法論原因. 

       為了克服傳統(tǒng)方法論帶來的上述問題, 我們認(rèn)為: 既然人工智能是一類開放的復(fù)雜信息系統(tǒng),就必須堅(jiān)持“信息觀、系統(tǒng)觀、機(jī)制觀”的科學(xué)觀念和“信息轉(zhuǎn)換”的方法論.于是提出了新的智能模擬方法——機(jī)制模擬.因?yàn)?只有“智能的生成機(jī)制”才是統(tǒng)領(lǐng)智能系統(tǒng)全局的決定因素, 只有“智能的生成機(jī)制”才可以全面揭示智能的奧秘, 而系統(tǒng)的結(jié)構(gòu)和功能都是為實(shí)現(xiàn)智能生成機(jī)制服務(wù)的, 系統(tǒng)行為則是實(shí)現(xiàn)智能生成機(jī)制的必然結(jié)果.

       如上所說,“知識(shí)的外部生態(tài)學(xué)規(guī)律”指出: 知識(shí)由信息生長而來, 又向智能策略生長而去. 這就明確無誤地昭示人們: 智能的生成機(jī)制就是“信息-知識(shí)智能策略的轉(zhuǎn)換”. 這對(duì)于智能理論的研究來說, 無 疑是“一語中的”.

       為了簡明, 可以把“信息-知識(shí)-智能策略轉(zhuǎn)換”簡 寫成為“信息轉(zhuǎn)換”. 后面很快就可以看到, 信息不僅可以轉(zhuǎn)換成為知識(shí)和智能策略, 而且可以轉(zhuǎn)換為注意能力、基礎(chǔ)意識(shí)能力、情感表達(dá)能力、理智謀略能力和綜合決策能力. 當(dāng)然, 這里的信息必須是全信息.

       于是, 基于“信息轉(zhuǎn)換”的人工智能機(jī)制模擬方法是獨(dú)立于結(jié)構(gòu)模擬、功能模擬和行為模擬這三大主流方法之外的第4種智能模擬方法. 而且, 從方法論的意義上可以判斷:它是比三大主流方法更加深刻更加科學(xué)的智能模擬方法. 這是人工智能研究 的突破. 

       4  人工智能研究方法的統(tǒng)一 

       如上所說, 人工智能的機(jī)制模擬方法的實(shí)現(xiàn)途徑, 就是“信息-知識(shí)-智能策略轉(zhuǎn)換”. 按照“知識(shí)的內(nèi)部生態(tài)學(xué)理論”把其中的“知識(shí)”具體展開, 就可以得到機(jī)制模擬方法在不同知識(shí)(本能知識(shí)、經(jīng)驗(yàn)知識(shí)、規(guī)范知識(shí)、常識(shí)知識(shí))條件下的4個(gè)具體型式: A, B, C 和 D 型, 如表1前4列所示. 

       不僅如此, 表 1 還進(jìn)一步表明, 現(xiàn)有人工智能三大主流方法——基于結(jié)構(gòu)模擬的人工神經(jīng)網(wǎng)絡(luò)研究、基于功能模擬的物理符號(hào)系統(tǒng)研究、基于行為模擬的感知-動(dòng)作系統(tǒng)研究——分別是機(jī)制模擬方法在各自相應(yīng)知識(shí)條件下的特例.

       根據(jù)“知識(shí)的內(nèi)部生態(tài)學(xué)規(guī)律”,經(jīng)驗(yàn)知識(shí)、規(guī)范知識(shí)、常識(shí)知識(shí)和本能知識(shí)互相之間是“相生”的關(guān)系,而不是“相克”的關(guān)系.這就表明,人工智能的結(jié)構(gòu)模擬方法、功能模擬方法、行為模擬方法之間也應(yīng)當(dāng)是 “相生”的關(guān)系, 而不是“相克”的關(guān)系. 換言之, 原來一直“互不認(rèn)可”的三大主流方法, 卻在機(jī)制模擬方 法的框架內(nèi)實(shí)現(xiàn)了和諧的統(tǒng)一.

       這是一個(gè)發(fā)人深省的啟示: 如果運(yùn)用的方法論不恰當(dāng), 事物之間的本質(zhì)聯(lián)系就會(huì)被掩蓋; 而一旦運(yùn)用了正確的方法論, 事物之間的內(nèi)在本質(zhì)聯(lián)系就會(huì)豁然顯現(xiàn). 人工智能原有三大主流方法之所以“互不認(rèn)可”, 不能形成合力, 根源就是“分而治之”方法論 在人工智能這類開放復(fù)雜信息系統(tǒng)的研究中失靈. 而人工智能機(jī)制模擬方法之所以能夠?qū)崿F(xiàn)三大主流方法的和諧統(tǒng)一,根源也在于“信息觀、系統(tǒng)觀、機(jī)制觀”的科學(xué)觀和“信息轉(zhuǎn)換”方法論適應(yīng)了人工智能 這類開放復(fù)雜信息系統(tǒng)研究的需要. 由此, 可見科學(xué) 研究方法論的重要性. 

       5  高等人工智能理論 

       基于信息轉(zhuǎn)換的人工智能機(jī)制模擬方法和諧地統(tǒng)一了原來長期各自獨(dú)立發(fā)展的三大主流研究方法, 形成了統(tǒng)一的方法和理論, 消除了內(nèi)耗, 形成了合力. 這是自1943年以來人工智能理論研究歷史上一個(gè)意義重大的進(jìn)步. 

       但是, 當(dāng)進(jìn)一步思考人工智能理論研究的時(shí)候, 我們又發(fā)現(xiàn)了更大的問題: 一方面, 長期以來, 人工智能的研究回避了人工意識(shí)的研究; 另一方面, 人工智能研究也在相當(dāng)長時(shí)期內(nèi)忽視了人工情感的研究. 然而, 沒有意識(shí)能力的系統(tǒng)不可能擁有智能. 這就是說, 沒有意識(shí)的智能是不真實(shí)的. 同樣眾所周知的是, 沒有情感的系統(tǒng)不可能擁有完全的智能, 換句話說, 沒有情感的智能是不完全的. 因此, 雖然人工智能原 有的三大主流研究方法在機(jī)制模擬方法的基礎(chǔ)上得 到了和諧的統(tǒng)一, 但是, 人工智能本身的概念、模型、方法、理論是不能令人滿意的, 是人工智能理論研究的重大缺陷. 

       于是, 經(jīng)過深入研究我們提出了“以基礎(chǔ)意識(shí)、情感、理智3位一體為特征的高等人工智能理念”和相應(yīng)的高等人工智能系統(tǒng)功能模型, 后者如圖 1 所示.

       在圖1的模型中, 現(xiàn)行人工智能意義上的“智能” 被賦予了新的名稱——理智, 這是為了與情感相默契 (情感也是一種智能, 可以稱為情智); 一般意義上的 意識(shí)被限制為可以明確界定和便于實(shí)際檢驗(yàn)的“基礎(chǔ) 意識(shí)”(接近于臨床醫(yī)學(xué)意義上的意識(shí)概念), 這是因 為一般意義上的意識(shí)概念太籠統(tǒng), 又太復(fù)雜, 不便研 究. 此外, 模型中還表現(xiàn)了“注意”的功能, 這是任何 真實(shí)的智能系統(tǒng)所不可缺少的. 還有, 情感生成和理 智生成被安排成了兩個(gè)不同的支路, 這是腦神經(jīng)科 學(xué)和認(rèn)知科學(xué)已經(jīng)證明了的結(jié)構(gòu). 正因?yàn)槿绱? 模型 中需要安排“綜合決策”的模塊, 它負(fù)責(zé)對(duì)情感和理 智進(jìn)行協(xié)調(diào)和綜合. 最后, 記憶系統(tǒng)也是在“全信息” 意義上工作的, 這是很重要的特色. 此外, 圖中記憶 系統(tǒng)提供的 a 代表本能知識(shí)和常識(shí)知識(shí); b 代表本能 知識(shí)、常識(shí)知識(shí)和經(jīng)驗(yàn)知識(shí); c 代表本能知識(shí)、常識(shí) 知識(shí)、經(jīng)驗(yàn)知識(shí)和規(guī)范知識(shí); d 代表本能知識(shí)、常識(shí) 知識(shí)、經(jīng)驗(yàn)知識(shí)、規(guī)范知識(shí)和藝術(shù)知識(shí)等. 把知識(shí)做 這樣的劃分只是為了使功能分析上更加清晰,實(shí)際的情況可能會(huì)更復(fù)雜. 

       詳細(xì)解釋這個(gè)模型需要太多的篇幅, 有興趣的 讀者可以參看作者在科學(xué)出版社出版的學(xué)術(shù)專著《高等人工智能原理: 觀念-方法-模型-理論》。

       研究發(fā)現(xiàn),高等人工智能的所有要素——注意能力、基礎(chǔ)意識(shí)能力、情感能力、理智能力和綜合決策能力的生成機(jī)制, 分別是在外來刺激所呈現(xiàn)的信息 (稱為“本體論信息”)的激勵(lì)下啟動(dòng)、在各自的知識(shí)支持下展開、在各自目標(biāo)的導(dǎo)控下完成的信息轉(zhuǎn)換: 包括第一類信息轉(zhuǎn)換(由本體論信息到全信息的轉(zhuǎn)換) 和第二類信息轉(zhuǎn)換(包括由全信息到注意能力的轉(zhuǎn)換、全信息到基礎(chǔ)意識(shí)能力的轉(zhuǎn)換、全信息到情感能力的轉(zhuǎn)換、全信息到理智能力的轉(zhuǎn)換以及到綜合決策能力的轉(zhuǎn)換), 這樣, 就完成了高等人工智能原理的基本建構(gòu). 這些信息轉(zhuǎn)換的情形, 如表 2 所示. 

       解釋表2所示的各項(xiàng)結(jié)果需要較大的篇幅, 有興趣的讀者可以參閱文獻(xiàn)[34]. 

       特別值得指出的是,無論是通過機(jī)制模擬方法實(shí)現(xiàn)人工智能3大主流方法的統(tǒng)一, 還是通過機(jī)制模擬方法實(shí)現(xiàn)高等人工智能理論體系的建立, 其間最為重要的科學(xué)基礎(chǔ)是由“信息觀、系統(tǒng)觀、機(jī)制觀” 啟迪的“信息轉(zhuǎn)換”原理. 正是通過信息轉(zhuǎn)換原理, 才揭示了長期互相脫節(jié)的信息理論、知識(shí)理論、智能 理論之間內(nèi)在的本質(zhì)聯(lián)系, 形成了信息、知識(shí)、智能 的一體化理論. 同樣, 也正是通過信息轉(zhuǎn)換原理的應(yīng) 用, 才可以把粗糙的信息資源(這是與物質(zhì)、能量同 樣重要的戰(zhàn)略資源)轉(zhuǎn)換成為人類所需要的各種高級(jí) 智能產(chǎn)品. 因此, 信息轉(zhuǎn)換原理的科學(xué)意義, 當(dāng)可與質(zhì)量轉(zhuǎn)換和能量轉(zhuǎn)換定律相媲美.  

       6  結(jié)語 

       人類生存與發(fā)展的基礎(chǔ)條件是資源; 科學(xué)技術(shù)的任務(wù)就是把資源轉(zhuǎn)換為人類生存發(fā)展所需要的能力產(chǎn)品. 信息是當(dāng)代3大戰(zhàn)略資源之一, 因此, 把信息資源轉(zhuǎn)換成為人類需要的各種智能能力產(chǎn)品, 是信息科學(xué)技術(shù)面臨的歷史使命. 

       本文所介紹的“信息轉(zhuǎn)換原理”就是把信息資源轉(zhuǎn)換為智能能力產(chǎn)品的理論, 包括以下幾方面：

       (1) 把只考慮形式因素(因而主要適合于通信領(lǐng)域的)信息論拓展成了形式-內(nèi)容-價(jià)值三位一體(因而適用于全部信息過程)的“全信息理論”, 完善了信息的理論. 

       (2) 總結(jié)了知識(shí)的生態(tài)理論, 包括知識(shí)的內(nèi)部生態(tài)和外部生態(tài)理論. 

       (3) 注意到“知識(shí)的外部生態(tài)規(guī)律——信息-知識(shí)-智能轉(zhuǎn)換(簡稱信息轉(zhuǎn)換)”正是生成智能的普遍機(jī)制, 由此建立了基于信息轉(zhuǎn)換的人工智能機(jī)制模擬方法; 證明了結(jié)構(gòu)模擬、功能模擬、行為模擬方法都和諧統(tǒng)一于機(jī)制模擬方法, 從而建立了人工智能的統(tǒng)一理論. 

       (4) 注意到現(xiàn)行人工智能忽略了意識(shí)和情感, 提出了意識(shí)、情感、理智三位一體的高等人工智能系統(tǒng) 模型(其中的理智就是現(xiàn)行的人工智能); 并且證明了高等人工智能的所有要素(注意能力、基礎(chǔ)意識(shí)能力、情感能力、理智能力和綜合決策能力)的生成機(jī)制分別是在各自條件下的信息轉(zhuǎn)換,從而建立了基于信息轉(zhuǎn)換原理的高等人工智能理論. 

       (5) 上述成果表明: 信息轉(zhuǎn)換原理就是信息、知識(shí)、智能的一體化理論, 它使原先互相隔離的信息理 論、知識(shí)理論、智能理論得以全面溝通. 從把資源轉(zhuǎn) 換為產(chǎn)品這個(gè)歷史使命判斷, 信息轉(zhuǎn)換、質(zhì)量轉(zhuǎn)換、 能量轉(zhuǎn)換三者具有同等重要的科學(xué)意義和實(shí)踐價(jià)值. 

來源：《科學(xué)通報(bào)》2013.14期

轉(zhuǎn)載自：北京物聯(lián)網(wǎng)智能技術(shù)應(yīng)用協(xié)會(huì)