""与""刍议
李其维
华东师范大学心理与认知科学学院，上海 200062
报 2008,40(12):1306~1327
DOI:10.3724/SP.J.1041.2008.01306
编者按:《"认知革命"与"第二代认知科学"刍议》一文系统地阐述了作者对当代认知科学领域研究状况的观点，对其庞大而复杂的研究领域进行了宏观的把握和整体的思考。在认知科学领域中，大部分科研工作者往往可能只是致力于某一具体课题的实际研究工作，而未必会对相关的哲学问题进行广泛思考。因此本刊刊登此文，希望它能提供一些新的思考角度。需要指出的是，尽管认知哲学属于认知科学学科群的构成成分，但认知科学的核心部分不是一门思辨的学问，而是一门实证的科学。整个认知科学领域近年来所表现出的在宏观研究趋势上的变化，实际上是这个领域中新涌现的诸多关键性的研究生长点共同作用的结果，而这些研究生长点的产生，虽然不排除哲学思考的作用，但主要是在多学科多层次多手段相互交叉渗透、相互支撑发展的背景之下，由解释和预测那些原有体系所无法解释和预测的行为和心理的重要方面(如学习、决策、社会认知、心理健康等)的需要所促成的。比如，相对于那些基于语言文字描述的理论而言，能更加细致准确地表达关于信息加工过程的假设，并能够对于人的行为操作(如反应时和正确率)给出清晰量化的模拟或预测，因而更加便于理解、使用和证伪。而随着脑功能成像技术的成熟，能够精确地模拟或预测在特定的信息加工过程中人脑内各个功能区域信号变化(如核磁共振功能成像信号变化)的计算模型业已出现，这就大大改善了以往只依靠行为层面的反应时和正确率两个简单指标来检验理论模型的状况，从而促成新的研究生长点。再比如，借助于严密的实验设计，目前的行为遗传学研究已经克服了羊纯依靠变差分析以及其它统计手段来探讨遗传环境相互作用对某种行为或心理障碍的影响的局限;而由于分子遗传学的引入，人们已经到遗传对行为的影响是通过众多影响微弱的产生的，在各基因位点之间，以及基因位点与环境因素之间存在着复杂的相互影响和作用，借助于基因芯片等分子生物学手段来探索行为的基因基础正在成为一个新的研究方向。因此，从认知科学的实际发展历程来看，不同思路不同研究途径之间的关系乃是从不同的方面相互支持、相互补充、协同发展的关系。至于"第二代认知科学"这一提法是否合理，抑或第一代和第二代认知科学的区别只是研究视角的差异，我们认为这些问题值得进一步探讨。
摘要
以计算隐喻为核心假设的传统认知心理学以及联结主义心理学均不能克服离身心智( disembodied mind) 的根本缺陷，当代认知心理学正面临着新的范型转换。以具身性和情境性为重要特征的第二代认知科学将日受重视，并促使进入新的发展阶段。作者认为在身心关系上应该坚持生理只是心理的必要条件，而非充分条件的立场，克服生理还原论的危险;应该重新审视基于二元论的生理机制这种说法;心理学传统中的科学主义和人文主义有可能在第二代认知科学强调认知情境性的基础上达成某种融合;第一代认知科学对意识的研究是不成功的，因为对知觉、注意、、思维等心理过程的研究不能代替意识的研究，同时还应避免以意识内容的研究取代心理学研究的倾向。第二代认知科学中的关于变量(因素)之间的偶合( coupling)关系完全不同于变差分析中的变量之间的交互作用关系，其动力系统模式可能更有助于破解意识的产生(涌现)之谜，并引发心理学研究的方法论的变革新潮。第二代认知科学的兴起将启发人们对身心关系、生理还原论、意识研究在心理学中的地位、人工智能对心智完全模拟的可能性等重大问题重新思考。
关键词 ;;;;
分类号 B84 -09
第二代认知科学 (second generation cognitive science)这一提法自认知语言学家拉考夫 (G. Lakoff)和约翰森 (M. Johnson)在他们的名著《肉身的哲学:具身心智及其对西方思想的挑战》 Philosophy in the Flesh: The Embodied mind and its challenge to Westem thought , 1999) [1]中首次出现，至今几近十年。国内学者(特别是一些科学哲学家和语言学家)在一些著述中对之已多有涉及，不过心理学家们似乎未予足够关注 [2 -4J。众所周知，目前的主流认知心理学是上世纪五六十年代一场认知革命后的产物。因此，第三代认知科学某种意义上则是对前次革命成果"认知心理学"的第二次革命以 o这后一革命是否有理，端赖于我们对认知心理学的成败得失，特别对其核心与基础假设有所分析后才能回答。
1 认知科学：时代精神（zeitgeist）的产物
1.1从米勒的“认知科学六角形”说起
认知科学的创立者之一米勒（Miller，G. A.） 2””3年在其回忆文章《认知革命：一种历史的视角》 （The cognitive revolution：A historical perspective）中指出[5]，认知科学作为一个跨学科的学科群发端于上世纪5”年代，它是随着“心理学、人类学和语言学对自己重新界定”以及计算机科学和神经科学的介入而发展起来的，是近代科学发展史上最重要的事件之一。它是一种时代精神（zeitgeist）的产物。这一时代精神其影响所及并不限于心理学——当然这并不动摇心理学在其中的主导地位，因为毕竟“认知”本是心理学的主题。米勒认为认知科学至少涉及6个学科：心理学、语言学、神经科学、计算机科学、人类学和哲学，并且认为其中又以心理学、语言学和计算机科学为“核心”学科，其他3门学科则为“辅助”学科。当然也有人不同意这种主、辅之分。笔者以为这种划分反映了米勒对传统认知心理学之“计算”基础的某种坚持。这6门学科构成一个六角形，而其每一顶点都可以联结起来形成一个跨学科的新领域。米勒在文中写道：他在1978年曾受斯隆基金会（Alfred P. Sloan Foundation）的委托，领衔主持撰写过一份总结认知科学发展现状的研究报告，认为“15个可能的联系都可以用许多研究事例来说明”，而且至少在当时“就已看到其中11个联系已得到有效的巩固”（见图1）。[5]
米勒的报告据说当时因为没有取得与会者的共识而未能出版，主要原因是“不同领域的专家不愿对其它领域的研究成果作出任何判断”。但米勒显然仍认为认知科学六角形的划分和构成是适当的，并且仍对“人工智能”最终实现“人的智能”的完全模拟的立场有所坚持。我们稍感遗憾的是米勒在此文中对认知神经科学这一新兴学科着墨不多，尽管“认知神经科学”这一名称就是他在当年此份报告中首次提出的[5]。在此文最后，他写道：“那种建立一个可以展示人类心智的计算能力和表征能力及其在人脑中实现之结构和功能的统一科学的最初梦想，对我而言还是有着难以抵抗的吸引力”。明于此，难怪米勒至今仍把计算机科学而不是神经科学视为认知科学核心学科之一了。
笔者尝试列出这11门新的学科，它们是：1）心理（认知）哲学；2）认知的计算机模拟、人工智能；3）神经控制论（即米勒所指“使用由计算机科学提出的科学概念去模拟神经科学中阐明的大脑功能”）；4）脑进化；5）人类语言学；6）语言哲学；7）心理（认知）语言学；8）神经心理学或认知神经科学；9）神经语言学；10）认知人类学；11）计算机语言学。
1.2心理学、语言学和人类学中的认知革命
对应于米勒前述的三大核心学科，其三大标志性成果的问世堪称重大事件。正是有了这三大成果，认知科学的整体形象才受世人瞩目。
首先，在心理学中，随着对的革命成功，心理过程研究重回心理学而诞生了信息加工认知心理学。有关认知心理学的重大成就，具备一般专业知识的读者大多耳熟能详，此处不赘。认知心理学对心理学中各领域研究的冲击是全方位的，以致于在这些领域的研究中，“认知派”几成主流；其次，在语言学中，则迎来了乔姆斯基理论的闪亮登场，转换生成语法渐居主导地位；再次，随着计算机技术的发展，人工智能研究蓬勃发展，且从业者大多信心膨胀：似乎实现人工智能全面模拟人的智能的目标指日可待。
认知革命不仅发生于心理学领域，其影响所及还达于许多相邻的学科。如语言学和人类学也产生了类似的认知革命，这正是前引米勒关于认知科学的产生是随着心理学、人类学和语言学对自己“重新界定”而到来之意。所谓重新界定，就是明确了新的研究方向和研究主题。
以乔姆斯基语言理论为代表的“语言学革命”与心理学的认知革命几在同时，且互为友军。乔姆斯基反对行为主义认为“语言是通过学习形成的习惯”这一立场，代之以由转换规则构成的所谓“心理语法”来说明人们理解语言的能力。他认为生来就具有一种天赋的“语言获得装置”。顺便提及，皮亚杰在“思维（逻辑）先于语言”这一意义上同意乔氏的观点，但认为这种语言获得装置不是先验的而是源于后天的感知—运动能力。乔氏的转换生成语法对语言学本身以及对计算机（科）学和心理学均产生了深刻的影响。
乔氏的语言理论在对心智本质的看法上与信息加工认知心理学是一脉相承的：一方面，它有别于传统语言学而把研究视角转向了深层的语言结构，探索由深层向表层的转换机制。这与其说是语言学研究，不若说是与心理学结盟的共同研究，因为它有赖于心理学为这种转换机制提供支持。乔姆斯基把语言看作是认知系统的一部分，并企图通过语言现象，探索其背后的深层的认知规律。另一方面，乔氏的语言理论又主张这些“结构”是一种不限于自然语言的形式理论，它们可以设置于所有的自然的或人工的语言之中，各种语言只不过是这些结构设置的不同的表现而已，形式语言结构是一种与实现载体无关因而也与人无关的所谓“纯形式”，所谓语法就是无意义符号的操作规则。在对“纯形式”的追求上，乔氏语言学与信息加工心理学是荣辱与共的。
在人类学中，上世纪60年代后也经历了一场所谓“心理学转向”。这种转向接受认知心理学和结构语言学的双重影响，从较早的侧重民俗模式的研究以及更早的所谓“民族科学”（ethnoscience）阶段的研究，转向探讨心智、语言和文化的关系。其重要特征是把文化理解为一种观念、规则和概念的系统。在这种文化系统中，它们享有共同的符号和意义。于是，伴随着心理学转向的是对文化的转向，即从早期文化人类学对文化相对性的注意转而企图建立所谓普遍的认知图式。当然，人类学与语言学对这些认知图式的关注点有所不同。例如，关于范畴研究，人类学并不研究这些范畴是如何围绕原型（proto-types）组织起来并影响记忆和推理的（这是认知语言学家的工作），而是研究认知图式如何与行为发生联系的，并且认为这些图式不具有什么“原型”的含义，而是一种高度一般化的文化-知识的结构。两者的共同特点都是在向心理学靠拢，或与心理学结为同盟。至此，人类学和语言学一样，都步入了认知时代，发展到了认知人类学和认知语言学的新阶段。
1.3普遍的理性形式：认知革命的追求目标
无论是信息加工心理学还是同时经历了“心理学转向”的早期认知语言学和认知人类学，都在追求一种普遍的理性形式。这就是当时的所谓“时代精神”。就其哲学根源来说，从近处而言，它们都派生于英美的分析哲学的客观主义以及逻辑实证论；从历史渊源来说，则是严格笛卡尔二元论和霍布斯的思维“形式操作论”。
英美分析哲学对推理（理性、思维）的基本立场是：人类的推理能力独立于感知和身体运动；推理是一种“自治的”能力。所谓“自治”，就是可以与身体相分离。语言的句法也是“自治的”，因而语言符号具有任意性，且符号本身是无意义的，意义来自符号之间的关系或来自符号与外物的对应（意义为外部世界的内部表征）。而且不认为它们与主体的身体经验有什么关系，因而所有意义都是非隐喻性的——即没有任何意义是基于隐喻和主体想象的。
从功能角度看，心智被视为一种抽象的计算程序。霍布斯则将之简化为“一切推理都包含在心灵的两种活动——加和减里面”（《十六-十八世纪西欧各国哲学》，第61页）。他提出“所有推理只能是计算”的观点：思想就是对存储于心智中的符号进行形式操作。可以说这一思想是信息加工心理学“思维即计算”的直接思想源泉。笛卡尔则更早就提出了心智的表征理论：关于外部世界的所有知识都是通过表示外部事物的心理客体而获得的。这种心理客体既然可被操作，显然就具有表征的涵义，即它们是“表征外部客体的”，因此，所谓“思想”就是这些表征通过推理或心理过程的操作。笛卡尔的这种有关心智表征的观点显然是后来信息加工心理学的原型。
正是受笛卡尔-霍布斯关于心智的“表征”和“计算”的思想的启示，以及稍后的控制论和信息论的直接激励，信息加工认知心理学便打出了“认知革命”的旗帜，把盛行一时的行为主义推向历史。在心理学的这一重要变革之际，更由于计算机科学的崛起，为认知心理学提供了可直接类比的认知模型：似乎一切认知过程都可在计算机上见到其“孪生的兄弟”，于是人的智能实现了与人工智能的合流。至于认知语言学和认知人类学，由于它们各自也都完成了向信息加工认知心理学靠拢并分别从不同的角度追求各自的普遍理性形式的“心理学转向”，而且都不排斥计算机科学的援手，因而此时它们在某种意义上都成了信息加工认知心理学的同盟军。于是，从更宏观的视野观察之，一个由跨学科领域共同介入的新的综合性学科“认知科学”应时而生。依笔者浅见，在认知科学中，各个介入的学科扮演着不同的角色：认知哲学提供了哲学指导思想，不管认知科学的从业者们的自觉立场如何，无疑认知科学与哲学认识论问题的关系较之一般的心理学领域更为密切；认知心理学在认知科学群体中起到牵头和核心的作用，因为毕竟认知科学的主题是认知，所有相关学科都是为了一个共同的目标——揭示认知秘密而走到一起的；语言学和人类学均为认知心理学的友军，它们都是从心理的角度，以语言和文化为切入点来展开研究，即：既依赖于认知心理学的指引，又以各自的成果对认知心理学提供支持；计算机科学与认知的交汇所形成的人工智能学科是认知科学学科群中的一门具有特殊重要性的学科。就认知研究而言，“人工智能”必须为“人的智能”服务，其结果必须能对“人的智能”的研究有所助益才有价值，否则它就只是一门新兴的应用技术学科而已。在这个意义上，不能说它是真正关于认知的研究；相反，其发展却有赖于认知心理学关于“人的智能”的研究为其提供方向的指导；神经科学与认知心理学乃至整个心理学的关系不言自明。认知研究与神经科学研究的结合所产生认知神经科学将在我们后面谈到的第二代认知科学的具身认知的旗帜下大有作为。
但是，除了人工智能因以模拟人的智能作为自己的追求，因而必须要坚守“认知即计算”的立场之外，无论认知心理学还是认知人类学和认知语言学似乎都不必恪守这一基本假设；认知神经科学则更与“计算”无关。放弃这一假设的认知心理学、认知人类学和认知语言学以及认知神经科学都是属于第二代认知科学的成员，而仍然囿于这一假设以追求普遍抽象的理性形式为目标者，我们可认为它们仍属传统认知科学或第一代认知科学的营垒。实际上，在这些学科内部近年来都产生了进一步的、或曰第二次的“心理学转向”。例如，认知语言学的新转向突出表现在意义（语义）的新观点上，即强调语义的主观性。不再把语义仅仅理解为使语句表达之命题成真的充分必要条件（又称真值条件），认为它还跟主体的认知状态有关，因而它是一种“主客观统一的语义观”：语义被理解为是概念化（conceptualization）即心理经验的各种结构和过程，一个表达式的语义就是说者或听着大脑中激活的概念。当代认知人类学也从传统民族志的现象描述转向人们关于周围世界概念背后结构的研究，于是产生所谓新民族志。新民族志更深地与文化心理学相结合，因为文化作为“知识体系”，与人的思维和行为息息相关，它是理解人的行为的概念模式。与文化有关的认知模式和认知系统，是认知人类学的当前热点。在此意义上，认知人类学与文化心理学的内容有密切联系。例如关于价值观系统对行为的影响、理解模式的文化差异等都是近来学者们的兴趣所在。有些研究结果还获得神经科学研究的支持，由此产生了所谓文化神经科学的新领域。我国学者朱滢关于文化对自我以及亲密他人的表征的影响研究即属此类[5]。他发现西方人独立型自我是由独特的神经机制所调控，这说明西方人自我与中国人自我在神经水平上也是不同的。当然，我们可以把这视为长时间的文化（环境）与脑相互作用的结果。与文化心理学相结合的当代认知人类学表现出与那种弱化环境影响而追求抽象理性普遍形式的传统认知心理学的疏离。
至于心理学的第二次认知革命则是本文的重点，其直接产物就是属于第二代认知科学的具身认知心理学（详见本文第二部分）。并且，它与当代认知语言学和认知人类学以及认知神经科学等一起，共同构成第二代认知科学的完整图景。
1.4第一代认知科学的根本缺陷：从“加工即计算”到“离身心智论”
第一代认知科学当然功不可没。认知可计算性曾经铸就了它的辉煌，迎来了长达数十年的主流认知心理学的蓬勃发展。心理的“符号及其表征”的思想，已成为几代心理学家开展信息加工过程研究的工作语言。实际上，当代绝大多数的认知心理学家如今仍浸淫其中。“符号及其表征”成为这一学术共同体皈依的圭臬。
第一代认知科学家如果只在“符号及其表征”的范围内自弹自唱自得其乐，只要不进一步作“心理类同于计算机”的刚性比喻从而种下“心理可以物理化”的种子倒也无妨。但如果把这种“可以”的立场再向前推进，主张“可以并应当（关键在‘应当’——引者注）建立心理过程的计算模型（计算机程序）”[6]，那么这无疑是心理学家的自套枷锁了！
这种“可以并应当”的强要求将会导致严重后果。因为，如果把心理理解为加工程序，其逻辑后承就是计算机也有与人一样的心理，甚至意识。说到底，第一代认知科学信奉的是心智的“硬件无关说”或“离身心智论”。由于决定心智的只是程序，于是离身的心智表现在人脑上，就是人的智能；表现在电脑上，就是人工智能。在第一代认知科学家眼中或在他们企望实现的最终目标中，人工智能是等同于人的智能或人工智能是能完全模拟人的智能的。换言之，人工智能和人的智能只是具有相同智能的两个物种而已。某些心理学家可能辩解说他们并未采取这种极端的立场，但只要坚持上述“可以并应当”的主张，那么这种结论的导出则是必然的。第一代认知科学的最大成功和最大失误均在于对符号表征及其计算的假设过于依赖，以致于把“人的智能”与“人工智能”完全等同起来，模糊了心与物的界限。
概言之，在第一代认知科学看来，基于计算隐喻，心智被认为是按某种程序（算法）对符号进行的操作（计算）。计算要遵循某种算法（algorithm），用精确语言写成的算法就是程序。第一代认知科学的任务就是去为各种心智活动构建各种算法和程序——如果能够顺利实现的话[7]。模型则是程序的最粗略的框架。要使你所构建的心理模型能在计算机上实现，把它计算机程序化是不可免却的步骤。
1.5第一代认知科学的“难以用武”之地
以人工智能完全模拟人的智能首先将遇到的难题是环境与背景知识的形式化。计算主义的成功或许可以使我们能去模拟人类信息加工的某种简略过程，得到某种信息加工的一般规律。如此，则不失为一种坦白。但计算主义以及在此基础上形成的人工智能却永远不能复制特定主体的具体心理过程，因为后者必然涉及此时心智活动的大量环境和背景知识，甚至与更宏大的社会文化环境和背景相联系。它们的多样性和特殊性几乎是无穷尽的，并且其中绝大部分是不能先行符号化然后再通过推理（计算）获得的。我们无法为它们提供形式化的理论，也无法为它们的变化找到确切的变换规则（程序）。
有些逻辑主义者（如P.J.H ayes，R.Schank， D.McDemot， R.Reiter等人）曾做过且迄今仍不放弃如下的努力：他们企图“通过借助经典和非经典的演绎推理的形式实现对整个知识的把握”[8]，即为日常生活的非形式知识提供形式化理论，通过恰当的编程来表达和处理这些知识。他们的最高愿望是通过建立这样一种所谓的“极小常识系统”或“微型世界”，然后演绎出整个知识体系。但逻辑主义者无法跳出计算主义的窠臼，因为关键在于所谓“基于文化环境的对真实世界的大量背景知识”是个外延和内涵均不确定的集合[8]。哪怕一个极细小的问题，它也可能涉及到大量的背景知识，因而将不可避免地会遇到“指数组合爆炸”问题，即使人工神经网络也难以摆脱这一困境[9]。（下面在关于“计算复杂性”一节还将进一步分析这一问题）。哪怕把问题局限于求解某个小范围的专家系统，其背景知识中的大部分也不是基于逻辑推理（计算）获得的。专家之所以为专家而不是一架精良的机器，原因盖出于此。
早在上世纪70年代，德雷福斯（H ubert Dreyfus）在《计算机不能做什么》一书的再版序言中就指出，人工智能研究者所说的常识知识问题其实并不仅是一个如何表征知识的问题，还涉及到“知道如何做的问题”以及兴趣、感觉、动机等主体经验成分。要求计算机将后者转换成知识并作为巨大复杂的信念系统以符号表征出来，他认为是无望的。他的兄弟S.德雷福斯（Stuart Dreyfus）在进一步对个体技能获得的阶段特征加以分析后指出：技能获得在开始时通常会学习和应用抽象的规则，但在技能学习的高级阶段，这些规则所起的作用越来越小，越来越表现为以具体情境为基础的直觉判断，而后者是无法进行形式化处理的。
奉行“符号及其计算”的第一代认知科学还有一大软腹，即它在模拟人类自适应、自学习以及与环境无时不在发生着相互作用的能力方面存在重大局限。对人的认知活动的研究，为了方便起见，可以相对隔离、净化“现场”，即不考虑该活动自身在人的整个适应活动中所处的地位而只进行时下的具体研究。这样得出的研究结果严格说来是没有历史纵深的。而实际上，任一心理现象（包括认知活动）只是不断发生着的人与环境的相互作用动态演化过程中的一个片断，而且这动态演化还有历史进化的一面。所谓“认知即认知发展”这一说法就深刻地表达了这一思想。当认知被说成是“认知发展”时，即刻就会引来更复杂的问题：为什么会发展?为什么会处于动态的变化之中？这就不可避免地牵涉主体从复杂的、与环境的相互作用的活动中不断自我学习、自我调适的问题。一个成功的认知活动就是一次成功的适应。发展意味着适应水平的提高，这样一种主体与环境的不断改善着的自学习或自适应活动，其内部运行的机制就不是“符号及其计算”所能涵盖的了！特别是，人的潜在的创造能力根本不是算法所能达到的。例如，“顿悟（Insight）”的研究如果寄希望于建立其计算模型[10]的话，那将是一条艰苦遥远的路——如果不是盲巷的话。
谈到进化，除有面向未来的一面，还有作为历史进化产物而在现实中正发挥作用的认知技能从何而来的另一面。比如，福多（J.Fodor）所说的模块——人脑在进化过程中所形成的许多用以解决不同问题的高度特异化的功能性结构，或许有某种物质组织与之相配合，但后者并不是解剖意义的神经或生理的结构。这些模块性的功能结构的内部工作原理也许并不是基于计算进行的。
再次，计算主义的局限还表现在对人如何获得意义之机制的解释上。意义在认知中处于中心地位：心智的本质在于它构造意义的活动，我们的认知活动是通过意义和世界紧密关联的。任何一种“心智”的理论，如不对意义的本质有所揭示，那它就谈不上是一种真正的心智理论。尽管第一代认知科学视心智活动是无意义的符号按某种规则（程序）进行的操作（计算），但它总要回答“意义”从何而来这一问题。正是在这一与心智本质攸关的核心问题上，第一代认知科学奉行一种排斥人的主体活动的所谓“客观主义”的意义观。客观主义既指意义独立于主体，也指意义外在于主体。一言以蔽之，意义与符号操作者无关。例如，一个句子的意义是与主体（电脑或人）如何使用、理解、获得这个句子无关的。那么，主体是如何获得关于对象的意义的呢?客观主义意义观或是把视线固着于符号本身，或是把视线转向符号与外物的联系上。拉考夫和约翰森把它们说成是对意义来源的两种态度。固着于符号本身的意义观认为意义就是“符号所计算的东西”，它由符号间的内部关系所规定。人之所以有有意义的认识，只不过是外界所谓意义联系投射于人脑而已。第二种态度则把刻画思想的符号当作外部世界（物体、物体的属性、它们的之间的关系、物体的经典范畴）的内在表征[1]，“意义只是符号和世界的事态之间的抽象关系”，意义是在使用符号指称外部世界时获得的。“指称”的过程就建立起由外（外物或符号间的关系）及内（符号使用者的心理表征）的某种确定的、同时也是单向的映射，而完全不顾及符号之起源、理解、使用和解释的“意义的内在关联”。
以上从背景知识、适应活动、意义建构等方面约略指出计算理论作为认知基础的不可靠性，也可以说这些都是计算主义的“难以用武”之地。其实，即使在“计算”最擅长的所谓“初级”认知领域，计算理论也频受质疑。陈霖等人有关视觉的早期加工的研究无疑是这方面令人称道的工作[11,4]。系统评价陈霖等人“有世界声誉的”的研究成果，非本文之主题。笔者感兴趣的是其与计算理论的关联。根据陈霖等人的研究，形状知觉中的拓扑结构，即知觉组织中的大范围（global）性质能够用拓扑不变性来描述，而这种拓扑不变性的知觉优先于局部特性的知觉。所谓“优先”的含义是指由拓扑性质决定的整个组织是知觉局部几何性质的基础，因而拓扑性质的知觉先于局部几何性质的知觉，即先有拓扑不变性质的把图形和背景相分离的早期辨别，然后才有可能对图形的局部几何性质进行加工。陈霖等人设计了大量的精巧实验推断这一“拓扑优先”的早期视觉加工的特征。这些实验均是一些以反应性和正确率等为指标的典型心理学行为实验研究（另外还有相应的神经科学研究以佐证行为研究的结论）。陈霖等人研究的意义在于：它提示我们视觉早期加工的心理机制并不符合“计算”的原理。因为早在上世纪60年代就有人从数学上证明拓扑性质的计算具有高复杂性。这样，拓扑性质的知觉和拓扑性质的计算之间就存在着某种深刻的矛盾：计算困难难度的次序与人的知觉的先后次序正好相反。我们很难设想人是先进行复杂计算而后进行简单计算，似乎简单计算倒是派生于复杂计算而不是相反！注意：这里所说的计算过程并非是一种在操作者本人意识支配下的自觉过程，而只是心理层面的瞬间加工机制且能在计算机上实现的过程。这就提示我们：人脑信息处理方式较之图灵意义上的计算可能存在着根本的区别，从而不支持把人类的视知觉功能，乃至认知的一般功能以及更一般的心理活动过程，看成是基于“计算”而实现的！
1.6联结主义：改良主义的“符号与计算”
联结主义对符号和计算所持的立场与传统的物理符号论信息加工心理学有所不同。
联结主义认为认知过程不是简单的符号计算，而是网络整体结构活动的结果。所谓认知过程，就是网络从初始状态到最后完成的稳定状态。人工神经网络与处理离散符号的计算系统不同，它使用新的计算方式和计算程序来模拟一组相互联结的及其活动，企图建构一种所谓更“真实”的认知系统。联结主义的努力方向是值得称道的。迄今已有多达数十种在结构和功能上与大脑真实神经元联结相类似的人工神经网络问世。人工神经网络的所谓“大规模平行加工（PDP）”（神经计算），固然极大地扩展了计算能力，但其计算隐喻的致命缺陷并未得到根本克服。那些较为成熟的网络学习的规则其实都是计算规则而非真正神经元及其系统活动规律。当然，此时描述心智活动的单元已不是离散符号，而是“亚符号”的数值变量（它们表示网络各单元之间的相互作用的加权参数值）。但计算和表征仍是它们的共同特征，形式化是它们的共同追求，不同的只是它们使用的计算语言和运行的层次有所不同：传统认知主义是数理逻辑和符号层次，联结主义是微分方程和亚符号层次。
联结主义并不是回归大脑本身的研究：类似大脑而不是大脑。它改变的只是模拟对象：从计算机模拟改变为大脑模拟，出发点仍是模拟。而且，联结主义的最终落脚点仍是人工智能。当然，联结主义与传统的认知主义有不同的追求。传统的人工智能着力于寻求一种能够赋予计算机以解决问题能力的形式结构，而联结主义则试图产生一种自动的学习机制，即让计算机成为能够自己产生这种能力的物理装置，要求它所模拟的神经网络能对特定情境作出反应继而能在面对其它情境时，以前面信息的处理方式作出适当反应。因此，联结主义的计算机是一个学习机，它的最终实现者仍是计算机体现出的人工智能，不管它在计算机实现之前来自何种数学模型。
联结主义的最终目标是建立具有一定学习能力的学习机，它仍然不能完全逃避表征及符号计算的问题。大规模平行计算仍是计算，更何况若要涉及欲望、需求、等人的特点的话，联结主义更是同样无能为力。正如德雷福斯所说：“正像不大可能使一个物理符号系统具有人的属性一样，要制造一个与我们足够相似的装置在我们的世界上活动和学习，至少是同样不可能的。”[12]。目前哪怕最复杂的神经网络模型，也不能与实际的神经系统相比拟。尤其在处理需要大量神经元共同参与的复杂活动时，立刻就会面临巨大的困难。基于神经网络模型的学习缺少迁移和类比的本领，以及需要大量的指导参与，这些困难本质上与处理离散物理符号的信息加工心理学所遇到的困难相同。联结主义的兴衰历史值得我们思索。认知可计算主义的著名倡导者明斯基（M. Minsky）也曾无奈承认，“认知和智能活动不是由建基在公理上的数学运算所能同一描述的。无论是符号主义还是联结主义都受害于唯（物）理主义倾向，都是用在物理学中获得成功的方法来解释智力”[11,8,5]。
第一代认知科学的计算主义立场（无论是符号主义还是亚符号的联结主义）日益受到人们的强烈质疑，我称之为“计算乌云”。如果说，在第一代认知科学的辉煌时刻，天际乌云就已隐然显现——如塞尔（Searle, J.R.）著名的“中国（文）屋”思想实验所揭示的，那么现在这朵乌云则越来越迫近了。第一代认知科学的基石因此而撼动。
1.7关于“计算复杂性问题”
“计算乌云”的实质缘于“计算复杂性问题”。我们或许都听过“棋格放米”的故事：如按“2+21+22+24+.....+263”之规则在64个棋盘上放米的话，所得264-1粒米以每克100粒计算，其总重约够全世界人吃几十年！这就是所谓“指数组合爆炸”的问题，而它又与计算机的计算复杂性问题有关。
前面说到计算受算法支配。所谓算法就是解决一类问题的方法或是某种指令集，一个算法乃是一个有限规则的集合。算法既然是指令和规则的集合，那它就有一个使用效率的问题。计算复杂性就是衡量算法效率的一项指标。计算复杂性由算法的复杂性决定。任何计算都需要一个物理的操作运行过程，而完成这一过程当然要有一定的运行时间和计算空间（存储空间）。由于计算机总是受物理定律的制约：计算机不可能做到无限大（元件的缩小受测不准原理的限制；元件的个数受地球资源的限制），计算的速度也不可能无限快（受光速的限制），因而计算复杂性又可分为时间复杂性和空间复杂性。据称：一个由最小的元件构成的相当于地球质量的最快的计算机，从地球诞生时起一直计算到现在，可以处理的信息量不大于1093位（bit，信息量的最小单位），但指数增长却可轻易突破它[13]。对任一具体而有意义的计算而言，其所需时间和空间不可能是无限的，就是说，它们应在人类活动所允许之合理的时、空尺度之内，否则就是毫无现实意义的[14]。如19X19围棋盘上有361个点，以每点三个状态（黑、白、空）计，那么，所有可能的棋局变化就有3361>3194≈1093个之多[13]！不可能有任何一位棋手是在头脑中先考虑了如此多的棋局变化后才落子的！
如果说，计算复杂性对计算的制约仅仅只是个效率问题，那么更严重的是，丘奇——图灵（Church-Turing）论题还深刻揭示了存在着不可计算问题[14]。不可计算问题从根本上否定了人类对某些问题的任何可计算性，它们已不再是“可把握但超出人类运行它的合理时、空尺度”的问题，而是根本不能通过算法实现的问题。
由于计算复杂性问题与算法有关，那么是否可以通过提高算法的复杂性，使之超越由经典计算理论所定义的计算复杂性从而极大地提高计算能力呢?目前计算机学者正在做出这样的努力。如发现具体的量子算法（Peter Shor, 1994）、对量子计算机作出定义（David Deutsch, 1985）等就是这些努力的成果[14]。量子计算、量子密钥算法和量子纠错编码等基本思想的出现，标志着不同于经典计算理论的量子信息理论的形成，它有可能改变原有经典的计算复杂性理论。但是，是否某些量子算法能够完全把所谓NP类不能有效解决的问题（即非确定性多项式类问题）转化为可以有效解决的P类问题，目前并无定论。更何况如果量子计算的复杂程度低于问题的复杂程度，那么即使求助于量子计算恐怕也是奈之若何！难怪有人曾说：企图用算法解决心智问题，确如希望用原子直接构成汽车！
1.8第一代认知科学的出路何在？
在第一代认知科学的“计算乌云”的背景下，认知心理学的出路何在?出路在于抛弃“认知（心理）即计算”的所谓认知主义强纲领，我们大可不必再去追求“可以并应当”在计算机上实现的目标，即放弃人工智能对人的智能的完全模拟，让前者（人的智能）不必再受后者（人工智能）的拖累。当然，人工智能可以在算法上精益求精，继续独立地走自身发展完善之路。同时它也“可以并应当”放下模拟人的智能的重担，放弃认为“我就是人的智能”的武断结论，承认自己不过是“人工制造出的、能完成某些人能做之工作的非人的机器”而已！另一方面，人的智能也不应继续一厢情愿地把这一重担委于“计算机”这一不能适任之物。即使如今已有超越经典计算机能力的量子计算机可以期待，某些量子算法已具有克服一定时、空计算复杂性的能力，但它仍不能回避丘奇）图灵论题深刻揭示的关于不可计算问题的存在。因此，在这种情况下，我们不妨另觅它途，回归血肉之躯（脑与身），从后者的工作中汲取养料，继而丰富我们对心理操作层面的理解[15]。
上世纪70年代已有人（如Keith Gunderson）试图把心智分为可程序化的（program-receptive）部分和不可程序化的（program-resistant）部分，并用来为当时的人工智能解围：前者属于心智的智慧方面的特征（sapient features of mentality），后者属于心智的感觉特征（sentient features of mentality）。这种划分与杰肯道夫（R. Jackendoff）所提出的现象的心灵（pheno menolog ical mind）和计算的心灵（computa-tionalmind）的划分是一致的。笔者以为两种心灵说虽是对人工智能的某种妥协，但仍固守了人工智能不能等同于人的智能的底线。当然，对第二代认知科学来说，这仍是一种不彻底的立场转变。
但，无可否认，人工智能的最大困难是不能使计算机产生真正人的感觉（意识经验）。甚至可以说，凡属“感”的范畴，计算机都无能为力。例如有时我们所说的计算，其实它计算的并不是情感而是表情——表情只是情感体验的某种并不严格的外显表现，两者最多只有概率意义上的对应。在此对应基础上，大致可以建立起计算机与人脑的合作关系，但谈不上是以计算机去复制和模拟人的情感。计算机所呈现的只是对情感外显特征的认知（计算），这是一种特殊类型的认知，属于广义的图像识别和面孔识别范畴。它们是可以先符号化和形式化，然后以推理形式进行的。但情感体验本身是无法计算的，它属于前述经验的心灵而非可计算的心灵。经验的心灵本质上是不可计算因而也是不可复制的。
50多年前，图灵曾列出过一系列他认为机器（电脑）永远做不了的事，诸如仁慈心、幽默感、是非观、友好态度、犯错内疚心理以及恋爱心情等，甚至“享受草莓和奶油的美味”的主观感觉体验也在此列[16]。50多年过去了，我们仍未见到有这样的机器问世，或许，它们只能在科幻小说中出现。
因此，放弃强人工智能假设势在必然。我们应调整目标，割断强加于人工智能和人的智能的人为联系：“何必费大力气去追求解开大脑认知之谜这种很可能是虚幻的目标呢?......遇到计算机犯傻的时候，由人介入一下就是了。为此需要在人机分工的原则下研究高质量的人机接口。由此就产生了所谓弱人工智能的研究方法。”[13]。钱学森也表达过类似的看法，他“不以为能造出没有人实时参与的智能计算机，所以（我们的）奋斗目标不是中国智能计算机，而是人、机结合的智能计算机体系。”[17]面对“计算隐喻”的缺陷，有人提出一种所谓“认知主义的弱纲领”，即以“算法+自然法则”作为心理机制的基础假设[18,8]。具体言之，就是能用计算语言刻画和解释的，则仍落实于算法；不能刻画和解释的则依“自然法则”说明之。所谓自然法则即为脑活动的法则（它们自然又可落实在脑工作的不同层级上）。这种“算法+自然法则”的最初源头也许就是前述“两种心灵说”。笔者以为这种提法在逻辑上可能是有疑问的，因为即使计算机可以完成人脑所做的工作，那也不能说明人脑的工作原理一如计算机的计算程序。如前引陈霖等人的研究，它所颠覆的是整个计算理论的合理性，怎么可能连早期视觉加工这种初级心理过程计算都无能为力，那还有什么样的心理活动（认知活动）能成为其用武之地呢！这里要再次对人工智能和人的智能作出区分。人的某些智能或许可以在计算机上实现从而以外显的人工智能的形式出现，但绝不能说后者的计算过程就是真实人的智能的心理操作过程。结果相同不能反推其导出过程就是相同的，此乃所谓图灵对人工智能的“行为等价”定义方法的固有局限。因此，能够计算机操作化并不能直接证明心理的可计算化！
关于对“认知（心理）即计算”的理解，似乎还存在一个误区：即对“计算”的理解过于窄化[2]——只把语言思维层面的心理过程理解为是计算，并以皮亚杰关于儿童认知发展阶段的例子作为论据。显然，这混淆了有意识的“计算”（如心理上进行2+2=4的计算）与作为认知活动解释基础的“计算”两种计算的区别。换言之，在“2+2=4”这一“计算”之背后还另有“计算”：心理的可计算性解释指的是后一计算，思维者（智能活动者）本人对之是无意识的，但研究者是可以把它外显化的：编制出相应的计算机程序在计算机上实现之——如果研究足够深入，有足够的编程技术把它编制出来的话。根据上世纪认知科学的重大发现之一“思维大都是无意识的”[1]，显然并非所有的思维（智能、认知活动）都表现为意识层面的符号及其表征活动，如内隐记忆与学习，自动化加工等。如果我们同意这种把认知划分为感觉运动-意象-语言三种水平且只有第三水平（语言）才是计算的话，那么显然因陈霖等人的研究而引发的对计算理论的质疑则是无的放矢了——因为视觉的早期加工之仅以毫秒计的瞬间又何来意识的、语言的计算呢！
应该指出，随着“计算乌云”的驱散，将极有可能导致一场范型的转换：以计算理论为基石的第一代认知科学将让位于新的第二代认知科学。第二代认知科学对传统认知主义的革命，应该说是一场事关心理学整个理论框架和研究范式的深刻革命，其意义绝不亚于第一次从行为主义嬗变为认知主义的认知革命，更与认知主义内部的“联结主义改良”不可同日而语。
www.nmgpsy.com内蒙古心理网
