中国人工智能学会

Chinese Association for Artificial Intelligence

2016“探寻大师足迹”系列第一站 演讲实录丨林建祥:H. A. Simon学术生平

发布时间:2016-06-20

微信图片_20220414155653.png

林建祥

《Simon传》作者、北京大学教授

以下是林建祥教授的演讲实录:

我要讲的是Simon教授整个一生的学术经历,这个经历希望是提供一个脉络,然后思考在这个材料中能够得到什么样的启示。刚才李衍达院士讲了近来的进展,我讲的着重是人工智能发展的前期,当时他也提出很多问题,现在可能有更好的一些思路,所以我讲的是更前时期,更前时期当时是怎么想的,也许还是有很多启发的。

我们从中间插进去先讲他的经历是:从大学学士论文跟大学博士论文来讲起,这个可能也值得大家思考。

他的经历,在芝加哥大学上了里特利教授“市政评价”的课,学的是市政建设,在市政建设的课里面把他的作业变成了论文,他是只用3年时间取得了大学学士学位。他当时参加了国际城市管理协会(ICMA)的工作,目标是提高市政管理的效率。他当时想到,如果广泛理解人类个体的行为,就可以用同样的原理理解一个组织机构的行为,当时他就对组织的管理与决策产生了许多独特的见解。

他在ICMA向里德利学了很多东西,他想一个好的组织如何成为人类进行管理的有效工具,他在这里就成为市政管理知识的优秀传播者。西蒙跟里德利两位在全国出了名,公共事务的定量化与评估成为当时热门话题,Simon从洛克菲勒基金会申请到经费资助,继续支持他对地方行政管理的统计学研究,又到伯克利工作三年,Simon本人直接领导了5个人,但实际上负责有几十个人的工作组织,在这里积累宝贵的经验,写成博士论文,申请他取得了政治学的博士学位。所以它是社会科学出身的,值得注意。

3年以后,Simon从伯克利回到芝加哥,到伊利诺伊技术学院任教,这一段时间我们认为他是休整时期,开始时主要是教书,并自学数学与自然科学,他在这里面熟悉的运筹学许多的分支,特别是对新出世的计算机,当时计算机刚刚出来,他给予极大的关注。他1947年当时担任该学院政治系的系主任。

最重要的是到了匹兹堡,当时叫卡内基技术学院,到工业管理研究学院(GSIA),因为这个学院许可可以开展组织和决策的研究,Simon决定转到匹兹堡的卡内基学院。在匹兹堡有几件事情应该提的,一个是他对组织理论的研究,就把博士论文汇集成为《人的模型》这本书。他在管理这方面采用了新的模式,把过去商业教育基本是纯经验式的,提高到科学理论的基础上,这对美国与欧洲的管理教育都有很大的影响。另一件是Simon在GSIA在这个时候,他对人工智能就做了许多奠基性能的工作,还制定了授予人工智能博士学位的培养计划,所以这是很值得思考的。他在1950年就在全美工业经理协会年会上,提出计算机可以用来管理公司的大胆语言。这个都可以想想,现在来看这是早期的人工智能,当时的人工智能发展的早期水平,他怎么想的。

他就跟三个人共同筹办当时最早的计算机科学系,一起成为人工智能学界一直是前三名的学校之一。人工智能发展之后,接着他就转到心理系,革新心理学的研究方式,建立心理学的计算机学派。以卡内基•梅隆大学为基地,对管理科学、人工智能、计算机科学、心理学这几个领域教育的革新上也做了巨大的贡献。

刚刚讲了获得四个最高的奖,因此在教育方面、科研方面都做出巨大的成绩。

同时,Simon当时在美国的政府机关里面,也作了很大贡献。做了国家科学研究院政治问题委员会负责,致力于将试验技术和数学定量方法应用于社会科学。他曾经是美国总统的科学顾问,他本身是社会科学家,但是他又懂数学跟自然科学,所以对沟通美国社会科学界和自然科学界起了非常重要的作用。

这个脉络里头简单来说有非常多值得思考的问题,当然我们就想,科学发展到这个时候是不是把社会科学跟自然科学发展愈来愈接近,所以跨学科的整合具有巨大的丰硕成果。当然要提一下,当时在美国是处于什么样的社会背景。20世纪初叶的美国已经是高度发达的工业社会,企业的科学管理发展非常快,比方说如泰罗的标准化管理。40年代市政建设与市政管理,讲究用优化方法来促进市政建设。更重要的是第二次世界大战的美国,为了解决大量军火生产的调度跟军事力量的配置,集中了大批来自数学、统计、物理、电子工程、生物、心理等方面的专家,不分彼此,合力解决问题。有这么一个背景,出现了一批应用数学的学科,统称为运筹学。

当时运筹学已经广泛用到大量实际管理,并且不断扩大。第二次世界大战末期又出现电子计算机,运筹学需要电子计算机,如果没有电子计算机运筹学应用不会有大的发展。但是非常重要的第三个,有电子计算机一般讲当时还不会特别想到,但他就想到了,跟他所研究的人的行为的动机、动因,联系了起来。有了计算机为这批人有深度的启发。他从计算机不只是数字计算工具,而看到符号处理的本质,这也是一个转折点,他能想到符号处理的本质,当然符号处理也有他不够的地方。他看到符号处理的本质是跟人的思维,问题解决、管理决策是有联系的,所以大胆推动的计算机对社会各个领域的应用和探讨。就是说当时的条件下能够想到这一步,是值得我们思考的。

下面就讲了他对人工智能、心理学的研究。Simon在大学里面首先是受到用严格数理方法来处理社会科学问题的启发,当时来讲就是很先进的。毕业以后自己又大量的投身到城市建设,特别是管理评价的活动,写出《管理行为》这个题目的博士论文,所以对组织管理方面有极其丰富的经验,又对人的行为的动因研究的关注。使得当计算机一问世,他很快就看到了计算机不仅能做数值计算,他还能想到能够做符号处理的工具,符号处理工具就是想到能够模拟人的思维,能够模拟人的思维就能够进行问题求解,从而带动计算机在管理、决策领域的广泛应用。他想到这步,当然可以想哪些东西没有想到,但是当时能想到就是说,进行广义的问题求解,从而带动计算机在管理、决策的应用。

下面讲计算机与人脑关系的初步了解。他当时想计算机就是处理符号的设备,它有可能进行思维的模拟,从而实现人工智能。人工智能成立的时候他们三个人做了一个逻辑理论家这个程序,是挑选了当时认为高级智能的特征进行抽象的定理证明,作为探讨,把罗素撰写的“数学原理”中命题逻辑有几十个定理进行自动程序的验证,当时认为计算机能够做自动定理证明的就是人工智能的表现,所以轰动了当时的学术界,说明计算机模拟人类思维是可能的,直接有利推动人工智能的发展,现在看来只是人脑思维中的一部分,只是左脑的思维。

人工智能深入需要进一步对人的智能,当然也想到人的心理机制,所以就转到心理学的研究,在心理学研究中间,他又与纽耶尔两个人共同提出物理符号加工假说,认为人的大脑与计算机都是符号加工系统,智能无非是符号系统的表现。

他当时想到,人的大脑活动是分层次的,当时已经看到,大脑层次分几个层次的,有生理的、右脑的感知、左脑的认知等,当时神经网络非常早期的网络也有初步的认知,但是还不清楚。在底层的机理没有搞清楚时,他认为也不妨碍对于高层概念、推理、问题求解层次进行研究。这个想法就提出口语记录的研究方法。把原先认知心理局限于记忆、注意较低的层次,进一步扩大到问题求解、语言理解较高的层次部分。因此他进到高层的思维。原来行为主义学派只关心输入跟输出两端,而他是用计算机程序来模拟,因而可以解释思维两端内在的过程,不仅仅是输入输出,而是输入到输出中间这个内在的过程可以用计算机程序来模拟,所以这点对心理学研究是有非常革命性的影响。

就提到当时,就是西蒙教授应中国科学院心理研究所的邀请,在北京大学,对认知心理做三个月的系统讲演,这三个月讲演就形成了《人类的认知》这本书,我当时接触Simon就是从参加研讨会认识Simon的。这个 人类的认知 应该说集中Simon40年对认知心理学的贡献,应该说这本书是他成就的精华。

把人类的大脑认知首先分为多个层次,低层的如果没有研究清楚的话,也不妨去做高层的研究,这个当然是很好的想法。高层思维来讲就提出,物理符号加工的假说,说这个假说是智能的充分必要条件,如果说符号加工就会出现智能,而智能也必须要有符号的加工,所以他是一个猜想。能不能实现呢?是需要大量的实践来证明,所以就说是假说,当然这个假说至少鼓舞人类对智能进行大量的研究,就是根据这个假说来推动,所以在当时有一批人根据这个去研究出成果。

对底层,心理学研究考虑到人类大脑的特点,这个特点如果不是从生理角度来看,单纯机器是做不到的。他说大脑是能够集中注意力于所关注的领域,启发式地处理问题,用满意性原则作为指导目标来解决问题。人脑的信息存储分为短时记忆与长时记忆。短时的容量是7加减2组块,短时记忆向长时记忆转移需要时间,为每项5秒。人的智慧与他在长时记忆中积累大量的信息有关,人的联想识别记忆程序所模拟记忆机制,指明人的记忆中有完善的标记、联想、检索机制。

他以这个做基础又开始人工智能研究;用大量有趣的智巧游戏做案例,就有各种方法:启发式搜索、目的手段分析、约束满足方法,以及产生式语言等等,然后又到了语义丰富的实际问题领域。他对人的心理表征和解决问题效果的关系、新手与专家在解决问题中的差异、群体通用模式跟个体的差异这样问题都进行了深入的研究。最重要的是新手解决问题跟专家解决问题也许都能够解决问题,但是新手是非常笨的方法,用的是弱方法,而专家,因为他有长期的经验积累,是可以用大量的比较先进的模式,从弱方法到知识、到大量的模式应用经过几个层次,所以专家比新手解题效率要强得多,所以就了解到人类思考模式的重要。他也提出,解题一个好的知识表示的方法的重要性。知识表示对解决问题是非常重要的,过分简单和过分复杂都不好,表示方法不对的话还会产生误导。这个也是非常好的一种思路。

我还提到口语记录分析方法,让被试一面想、一面说,说的时候把内容记录下来,这样思维的过程比较符合高级思维信息的粒度,这样就可以对高层次的思维提供非常好的客观分析的记录根据。当时人工智能现在来想大概可以到一定高度,但是遗留着很多需要考量的问题。

后面就走向与社会科学的结合,第一个,管理决策,有《管理决策新科学》这本书,1960年出版,于1965年、1975年两度改版。他做了对未来社会,由于上面一些研究,做了很多重要的预言,第一个,对服务型行业的预言。首先是对人在社会、生产活动里面所扮演的角色的分析,分成三个部分,一种是发挥能源的作用,(体力劳动),另一种是发挥信息对操纵工具的作用。最后是作为信息处理器件的作用(大脑思维)。服务性行业是说,眼、脑、手这种类型的技能劳动,比用大脑思维是纯粹的抽象的符号加工的工作性质要复杂。因此预见说,以人类为对象的服务性行业一段时间会在社会中比重越来越大。

其次,讨论未来社会的管理决策过程,西蒙认为,正经理跟副经理的决策是不一样的。副经理与部门人员所作的是程序性决策,是应用运筹学跟计算机可以解决的,这个大家都容易明白。而正经理所做的工作是远远要复杂的非程序性决策,虽然复杂,应该说还都是人做的,可以用口语分析方法进行分析,其思维按物理符号加工假说用人工智能的思想,一步一步将来也有解决的可能。

对于计算机在新社会应用前景,他也做了各种的预言。哲学与技术上,从计算机可能做人所能做的一切工作,到计算机所做的一切都是由人先做的,机器只能模仿的各种说法。在经济上,从计算机的应用会引起社会的激烈动荡、增加失业,产生能源危机、环境污染等弊病,到不可能引起社会太大变化,一切都会基本正常进行种种看法以后。西蒙用大量事实与理论分析来表明自己的观点,(他是哲学上的乐观派,认为计算机的作用是不可限量的,不要过早给计算机定下应用的界限。他又是经济上的稳健派,认为在不同部门不会同时出现计算机的替代情景,而社会也有许多可用办法来对受害者进行补偿,使整个社会仍保持稳定。所以即使有冲击,也是很局部的。计算机发展过程还表示,这种设备愈来愈节省能源与材料,而其性能发展却是没有限度,使用计算机应该使人对它更为欢迎、更为满意.随着技术的发展,现在看来难以解决的各种问题,将来都有希望逐步得到解决。这个对计算机的应用前景的分析是起了很好的作用,解决很多大家的怀疑,对计算机应用的推动,所以在美国就一步一步向前发展。

第二个,人工科学。一书写于1968年,改版于1980年。

简单说一下,实际上他研究经济学、管理科学、计算机使用的机制,都是有人参与的,有人参与了以后,他这个系统规律就与一般的不一样。认为实际上人对社会所起的作用是非常重要的,这个时候是超前的,是非常大的推动,根据心理学的研究,人的认知是有局限的,是有限的理性,在经济系统里,智能系统(个人)对外部进行调整是受到特定能力的限制,不能期望做到理想的最优的适应。西蒙又证明了对个人、对内部环节只需假定有限理性,即规定一定满足水平的假设,也一样可达到市场机制的平衡,使得对市场经济的作用建立在更加符合实际的理论模型上。这种理论的改正实际意义是重大的。

特别重要的就是说,人工系统的设计应该形成学科。对自然界事物规律的研究是科学的任务,而一般人造物的设计则是工程、技术的任务。

可是多年来工程科学逐渐向理科靠拢,而人造物设计的研究则逐步减弱,这种不正常现象源于过去对设计理解得很肤浅,且主观随意性很强,不成其为科学。实际上需要工程研究对设计创新的看法,现在由于对通用求解系统的深入了解,有可能发展成为一门“设计的科学”。其课程内容大约包括对备选方案的设计与搜索,如何对各个设计方案进行评价等,西蒙还专门探讨对社会上大范围组织这种人工系统的设计与评价(即大工程)应该讨论的特殊课题。看到对于大工程评价这也有相当的创造性。可以看到这种讨论与论点对社会的影响是巨大的。

他对我们的思考,他写了一批书《人的模型》《发现的模型》《思维的模型》等等一堆的模型书,也包含他对自己的评价:我的一生中间是科学家,是各个不同学科的科学家,但这些知识并未连成一体,但是我希望我的知识有一个连贯性,我的一生没有做到,但是我对每个学科是尽力了。这个是说,他的知识领域扩大的覆盖面。实际上我们看到,他是把心理学的研究成果,人类认知天然的局限性,跨学科再跨到经济学和社会经济活动的调控这个上面。比方说创造人造科学这样一个新的学科,是对于我们现在所进入的纵向多环节整合的必要性奠定了一个基础。所以他的经历也为理解今天信息研究的价值重要性做出铺垫,实际上是蕴含着大家思考需要一个新的方法论。我们可以跟教育信息学、跟认知科学,学习科学一起来进行对比。

人工智能可能提出非常新的问题,需要我们进一步去研究,我看我们看近年有所谓具身认知科学,把人的头脑、身体与周围社会环境整个串起来进行认知的研究,再从这个进入生物科学的研究,跟生命科学的影响结合,这里都有非常多的问题需要进一步去研究。也就是说他的整个经历是跟我们今天的信息学研究做了很好的铺垫,这个我们就留待后面几位专家,进一步深度探讨。

谢谢大家!

(本报告根据速记整理)

CAAI原创 丨 作者林建祥教授

未经授权严禁转载及翻译

如需转载合作请向学会或本人申请

转发请注明转自中国人工智能学会