賈向桐 胡楊

摘 要：在人工智能學(xué)科的興起之初，符號主義作為其中的一個主流流派，為人工智能的發(fā)展做出了巨大貢獻，而框架問題的出現(xiàn)阻礙了它的發(fā)展勢頭，致使符號主義逐漸走向沒落。為解決框架問題，符號主義曾提出過兩條主要解決路線，然而均未能成功。人們逐漸意識到，框架問題并非僅僅是一個普通技術(shù)問題，其背后牽涉到復(fù)雜的深層認識論問題（丹尼特）。為此，德雷福斯等主張從現(xiàn)象學(xué)角度對符號主義人工智能進行反思，揭示框架問題技術(shù)之外的多重內(nèi)涵，只有對人類智能有了更深入的全方位理解，塞爾理想中的人工智能才有可能實現(xiàn)。

關(guān)鍵詞：人工智能; 框架問題; 廉價測試; 符號主義

中圖分類號：TP18 文獻標識碼：A 文章編號：0257-5833（2020）06-0138-09

作者簡介：賈向桐，南開大學(xué)哲學(xué)院教授、博士生導(dǎo)師;胡 楊，南開大學(xué)哲學(xué)院博士生 （天津 300350）

在人工智能的發(fā)展歷程之初，以符號主義為代表的主流范式試圖用符號邏輯來建構(gòu)人工智能的算法系統(tǒng)基礎(chǔ)。達特茅斯會議之后的十幾年，是人工智能發(fā)展的首個黃金時期，那時研究者們對人工智能的發(fā)展前景一度極為樂觀，著名的圖靈獎獲得者赫伯特·西蒙曾于1965年預(yù)言，“二十年之內(nèi)，機器將能做到人所能做的一切”。①然而，人工智能的發(fā)展卻幾經(jīng)沉浮，并非如當(dāng)初預(yù)想的那樣一帆風(fēng)順。60年來，雖然弱人工智能的發(fā)展有目共睹，并已極大地融入到人們的日常生活中，但強人工智能的進展舉步維艱，即使現(xiàn)在，西蒙口中的那種能完全替代人類的機器仍然遙不可及。這意味著，我們可能過于高估了機器所能達到的智能水平，而低估了人類大腦智能的復(fù)雜程度，在現(xiàn)代計算機科學(xué)技術(shù)飛速發(fā)展的背景下，人們不禁會問，為何作為計算機科學(xué)與工程子領(lǐng)域的人工智能，其發(fā)展卻屢次步入了瓶頸？以符號邏輯來建立人工智能算法的符號主義研究進路遭遇到諸多難題，框架問題（the frame problem）便是其中最具代表性的難題：“從麥卡錫和海斯通過《機器人悖論》及后繼的《機器人悖論》（修訂版）引入框架問題后，這一難題或許占據(jù)了人工智能基礎(chǔ)問題的中心地位?！盋hris Fields，How Humans Solve the Frame Problem， Journal of Experimental & Theoretical Artificial Intelligence，2013，4，p.441.

一、符號主義算法中的框架難題

符號主義也被稱為邏輯主義，這是一種“自上而下的人工智能分析法”，其擁躉者以紐厄爾（A.Newell）、肖（John Clifford Shaw）、西蒙（H.A.Simon）、麥卡錫（John McCarthy）、明斯基（Marvin Minsky）等人為代表。在20世紀50年代，紐厄爾和西蒙提出了“物理符號系統(tǒng)假設(shè)”，即“對一般智能行動來說，物理符號系統(tǒng)具有必要的和充分的手段。所謂‘必要的是指，任何表現(xiàn)出一般智能的系統(tǒng)都可以經(jīng)分析證明是一個物理符號系統(tǒng)。所謂‘充分的是指，任何足夠大的物理符號系統(tǒng)都可以通過進一步的組織而表現(xiàn)出一般智能”A.紐厄爾、H.A.西蒙：《作為經(jīng)驗探索的計算機科學(xué)：符號和搜索》，載瑪格麗特·博登《人工智能哲學(xué)》，第150頁。。這個假說構(gòu)成了符號主義人工智能的技術(shù)基礎(chǔ)。在此技術(shù)的支持下，早期人工智能獲得了很大發(fā)展，特別是在跳棋等棋類游戲以及后來的專家系統(tǒng)等領(lǐng)域，符號主義取得了很大成功，這也使得人工智能成為最具發(fā)展前景的新興技術(shù)領(lǐng)域。Paul Thagard，Philosophy of Psychology and Cognitive Science， Princeton University Press，p.439.

然而這種成功還是有限的，這僅僅限定在機器處理的只是相對簡單、靜止的領(lǐng)域，而一旦人工智能機器處于動態(tài)開放的現(xiàn)實世界時，麻煩和問題便接踵而至。20世紀60-70年代拉斐爾（Bertram Raphael）、尼爾森（Nilsson）團隊研制的移動機器人沙基（Shakey）是一個典型的例證：Paul Thagard，Philosophy of Psychology and Cognitive Science， Princeton University Press，pp.437-440.沙基作為一個真正可移動、可感知并能對自己的行為進行推理的機器人，它配備有黑白電視攝像頭與碰撞傳感器，可以在復(fù)雜的環(huán)境中導(dǎo)航，通過轉(zhuǎn)、推、爬坡等十幾種基本能力來完成一些如移動積木等簡單的指示，而無須人工干預(yù)，這是第一次將邏輯推理與機器的自身行動相結(jié)合的成功嘗試。事實上，沙基這樣的系統(tǒng)包含了關(guān)于微世界微世界（Micro-World）是一個小型、簡單和虛構(gòu)的“世界”，這如同物理學(xué)中的理想模型對復(fù)雜研究對象的簡化和近似化，1970年，麻省理工學(xué)院人工智能實驗室的馬文·明斯基和西摩·帕普特（Seymour Papert）提出，為了簡化研究，人工智能同樣應(yīng)側(cè)重于微世界中具有智能行為的程序。許多研究都集中在所謂的積木世界上（由形狀各異和尺寸不一的彩色積木排列在一個平面上組成）。（Paul Thagard，Philosophy of Psychology and Cognitive Science， Princeton University Press，p.437.）的內(nèi)部模型或表征，即一個能夠?qū)θ蝿?wù)域特征進行編碼的符號結(jié)構(gòu)。然而機器人如果是在一個動態(tài)開放的現(xiàn)實世界中行動，那么沙基的內(nèi)部表征必須不斷更新以導(dǎo)出一個可將當(dāng)前狀況轉(zhuǎn)變?yōu)槔硐霠顩r的行為描述，這就需要耗費大量的計算時間，從而導(dǎo)致一些簡單的指令也要經(jīng)過很長時間才能夠完成。所以，沙基充其量只能在一些為它專門而設(shè)計的環(huán)境中作出十幾種簡單的動作，這離科學(xué)家們的期望還相差甚遠，因此德雷福斯認為，“沙基是在微世界方面成功但在真實世界中卻變成了失敗的又一例證”休伯特·德雷福斯：《計算機不能做什么——人工智能的極限》，生活·讀書·新知三聯(lián)書店1986年版，第32頁。。

事實上，沙基的困境就涉及到了符號人工智能所難以回避的框架問題。丹尼爾·丹尼特總結(jié)說：“創(chuàng)造這一術(shù)語的麥卡錫和海斯，用它表示一個產(chǎn)生于小范圍的特殊的表述問題，它僅僅出現(xiàn)在某些處理較大范圍的實時計劃系統(tǒng)問題的策略中。另一些人把這個較大范圍問題稱為框架問題?！钡つ崽兀骸墩J知之輪：人工智能的框架問題》，載瑪格麗特·博登《人工智能哲學(xué)》，第200頁。包括丹尼特等在內(nèi)的哲學(xué)家通常是在廣義的語境中談?wù)摽蚣軉栴}的?？蚣軉栴}作為人工智能最基本的難題之一，同時也是“傳統(tǒng)”人工智能所面臨的棘手議題，簡單而言，框架問題即是如何恰當(dāng)和簡單地在一個系統(tǒng)程序中表述事實，同時又能保證系統(tǒng)中其它屬性并沒有被這些行動所影響的難題。Sheldon J. Chow，Whats the Problem with the Frame Problem？ Review of Philosophy and Psychology，2013， 4 p.311.

丹尼特曾用一個假想實驗來具體描述所謂的框架問題：假設(shè)機器人R1具備照料自己的能力，一天它的內(nèi)置電源即將消耗殆盡，它得知備用電池和一個快要爆炸的定時炸彈鎖在同一間房屋里（電池和炸彈都被安置在一輛小車上）。R1找到房門鑰匙進屋，并采取某個叫做拉出的行動將電池從房間里轉(zhuǎn)移出來。然而它并不知道拉出小車也就等于要拉出炸彈這個簡單的邏輯蘊含關(guān)系——雖然這對人來說是顯而易見的。設(shè)計者們?yōu)榱藦浹a這個缺陷，在編程的過程中賦予了新機器人R2識別動作附帶蘊含關(guān)系的能力，并把它放在R1相同的境況中。如設(shè)計者所期望的那樣，R2在做出拉出行動之前開始考慮各種蘊含關(guān)系。可當(dāng)它剛剛推演完一個無關(guān)蘊含關(guān)系之時炸彈爆炸了。設(shè)計者們只好再重新設(shè)計，希望教會機器人學(xué)會區(qū)分哪些蘊含關(guān)系是相關(guān)的而哪些則是無關(guān)的，并教會它如何忽略那些無關(guān)的。設(shè)計者們制造出了新機器人R3，將 R3放在之前的境況中，卻驚訝地發(fā)現(xiàn)機器人這次一動不動，因為它正在忙著忽略那些成千上萬被它確定為無關(guān)的蘊含關(guān)系，這時炸彈又爆炸了。丹尼特：《認知之輪：人工智能的框架問題》，載瑪格麗特·博登《人工智能哲學(xué)》，第198-199頁。

事實上，丹尼特的這個假想實驗也解釋了為什么像沙基那樣的機器人需要經(jīng)歷好幾天才能完成一些簡單的行動序列，這意味著它是不具備實時處理能力的機器，因此無法滿足人們的期許。那么，問題來了，為何人類不會受到所謂的“框架問題”的困擾呢？在人工智能專家看來，這是因為我們對自然界具備很多基礎(chǔ)的常識，而人工智能則不具備。例如，在身處一個動態(tài)變化的情境中時，人可以通過常識推理輕松地預(yù)判出做出行動A會導(dǎo)致后果B、C、D而不會導(dǎo)致后果E、F、G，同時可以推理出只有后果B與其目標相關(guān)，從而自動忽略無關(guān)的后果C和D。因此，框架問題從本質(zhì)上來說，“是一個以計算上合理的方式描述哪些特性會保持以及哪些特性會隨著行動的執(zhí)行而更改的問題”Frank M. Brown，editor，Proceedings of the 1987 Workshop： The Frame Problem in Artificial Intelligence ，Lawrence， Kansas，Morgan Kaufmann Publishers Inc.， 1987，p.v.。那么如何能夠滿足“計算上合理”的要求呢？這就要求人工智能的設(shè)計者在對智能體（agent）的行動進行表征時，在有效表征出其行動效果的同時，還要避免對那些沒有效果之事物進行無用表征。乍一看來，框架問題似乎僅僅是機器人工程學(xué)上的一個技術(shù)問題，然而事實證明，這只是早期AI研究者們的樂觀看法，在馬文·明斯基主導(dǎo)的“微世界”熱潮后，人工智能的研究便一度陷入僵局。L.德雷福斯、S.E.德雷福斯：《造就心靈還是建立大腦模型：人工智能的分歧點》，載瑪格麗特·博登《人工智能哲學(xué)》，第442頁。

二、框架問題的認識論意義分析

從根源上看，符號人工智能采用的進路是讓機器合理地思考，這意味著讓機器采取邏輯學(xué)思維的法則，以理想化的表現(xiàn)為智能化的基本尺度。其實，從古希臘哲學(xué)家亞里士多德以三段論為代表的演繹推理，到近代弗雷格、羅素等人發(fā)展起來的數(shù)理邏輯都為這種研究進路提供了切實可操作的條件，擁有形式化系統(tǒng)的現(xiàn)代邏輯一度成為人工智能理論家所青睞的充滿希望的工具。然而，采用邏輯規(guī)則建造智能系統(tǒng)卻也面臨一系列困難的挑戰(zhàn)，框架問題便是其中難以回避的問題之一。因為符號人工智能需要預(yù)先假定構(gòu)成我們常識基礎(chǔ)的思維完全可以形式化，甚至是可以演繹的，然而這種形式化是有適用范圍的，正如其反對者指出的那樣，雖然邏輯和部分科學(xué)推理可以通過規(guī)則模型化，但常識思維卻不行。

對此，丹尼特一針見血地指出，框架問題是一個“新的深層認識論問題——一代代的哲學(xué)家原則上能理解，但卻未加注意的問題”丹尼特：《認知之輪：人工智能的框架問題》，載瑪格麗特·博登《人工智能哲學(xué)》，第200頁。。人工智能之所以使得這個問題浮現(xiàn)出來，是因為人工智能面對的任務(wù)是從零開始的。丹尼特舉了一個制作午夜快餐的例子來說明，即使是看似如此簡單的一個任務(wù)也需要我們了解大量的背景知識（涉及打開冰箱、摩擦力、慣性、如何使啤酒從瓶里進入玻璃杯等）才能完成。從某種意義上說，機器人的“大腦”如同一張白紙，它要么通過程序員編程的方式，要么通過系統(tǒng)后續(xù)學(xué)習(xí)的方式來獲得它所需要的知識。而人類出生時的心靈并非如洛克所認為的如白紙或白板一樣，盡管人類可以通過后天的經(jīng)驗或是學(xué)習(xí)來獲得知識，然而不可否認的是——我們賴以生存的知識許多是先驗的。丹尼特：《認知之輪：人工智能的框架問題》，載瑪格麗特·博登《人工智能哲學(xué)》，第204-205頁。

那么，如果我們賦予智能體解決問題所應(yīng)該“知道”的全部內(nèi)容，是否就可以一勞永逸地解決框架問題呢？答案并沒有這么簡單，因為我們必須以機器能使用的方式來為之裝備所需的信息。在丹尼特看來，這涉及到語義問題和句法問題兩個角度。其中，前者是機器必須裝備何種信息的問題，后者則是裝入的信息該采取何種系統(tǒng)、形式、結(jié)構(gòu)或機制的問題。在完成某項任務(wù)的時候，執(zhí)行者完成這項任務(wù)所需知道的常識并非以一個一個長串的句子的形式逐一存儲于執(zhí)行者的頭腦之中。反過來說，我們也很難以這種方式來對思維進行編碼，因為它過于笨拙和低效。以丹尼特的午夜快餐為例，我們當(dāng)然知道打開冰箱不會引起冰箱爆炸、把啤酒從啤酒瓶倒入玻璃杯并不會使得杯子溶解等諸如之類的事情，但將這些事情通過編碼一一告訴機器則是一種非常拙劣的手段。這就是前述滿足計算上合理或有效的難點之所在，因為我們關(guān)于自然界中的許多知識很難用邏輯表示法來表述。丹尼特：《認知之輪：人工智能的框架問題》，載瑪格麗特·博登《人工智能哲學(xué)》，第208頁。

可見，人工智能專家為機器引入大量的框架公理（frame axioms）只是一種無奈之舉，這種做法會導(dǎo)致智能系統(tǒng)的計算負荷劇增，就像沙基一樣難以執(zhí)行某些實時性任務(wù)。所謂框架公理是指一種前提預(yù)設(shè)，例如我們需要用兩個公式來分別描述下列兩種效果：（1）在對物體刷油漆（x，c）后，顏色保持為（x，c）;（2）在移動物體（x，p）后，位置保持為（x，p）。前者用來刻畫在某一物體上刷油漆的效果，后者用來刻畫移動某一物體的效果。接著我們在該物體上刷油漆使其顏色發(fā)生改變后，繼而移動該物體使其位置發(fā)生改變，假使我們要讓機器在情境演算中正確的導(dǎo)出該行動所產(chǎn)生的效果，那么我們就必須設(shè)定下面一對框架公理：（1）如果顏色（x，c）在移動前保持不變，那么顏色（x，c）在移動后也保持不變;（2）如果位置（x，p）在被刷上油漆前保持不變，那么位置（x，p）在被刷上油漆后也保持不變。然而這并非一個好的解決方式，假如有M個行動和N個屬性（流），那么我們就必須引入MN個框架公理，這將會給系統(tǒng)帶來過多的負擔(dān)。總之常識框架公理具有不可窮盡的特性，這會導(dǎo)致用一階謂詞邏輯形式化日常知識遇到重重阻礙。面對框架問題，人工智能研究者們自然想到了改進現(xiàn)有的人工智能邏輯，修正實現(xiàn)知識處理的形式理論，從而增強人工智能的表征能力。事實上，為了解決框架問題，符號人工智能的研究者們已經(jīng)提出兩種相關(guān)的認識論解決方案，豪格蘭德（John Haugeland）分別稱之為“廉價測試”（cheap test）和“省事策略”（sleeping dog）。John Haugeland，An Overview of the Frame Problem， Zenon W.Pylyshyn， The Robots Dilemma： The Frame Problem in Artificial Intelligence， Ablex， 1987，p.83.

三、符號主義的兩種解決方案與問題

“廉價測試”方法要求人工智能系統(tǒng)能快速檢索每個事物，以便區(qū)別出行動會引起的相關(guān)項與非相關(guān)項。這種方案以海斯（Hayes Patrick）的樸素物理學(xué)為代表，他認為現(xiàn)在的專家系統(tǒng)僅僅滿足于某一特定領(lǐng)域內(nèi)知識的形式化，但僅對局部知識的表征是不夠的，我們還需要做全局知識的表征。為此，海斯從物理學(xué)著手探討新方案，“構(gòu)造一個可以被看作是具備常識的程序，顯然最后必然要以這種或那種方式包含形式化和像樸素物理學(xué)（當(dāng)然還有樸素心理學(xué)、樸素認識論等）這樣的常識性知識”P.J.海斯：《樸素物理學(xué)宣言》，載瑪格麗特·博登《人工智能哲學(xué)》，第268頁。。實際上，這種常識性知識不僅要滿足形式化的要求，而且還要滿足可以公理化的要求。在海斯看來，公理指的是物理世界和社會現(xiàn)實中的普遍真理，機器從公理出發(fā)再經(jīng)過正確推導(dǎo)便可以得出可靠結(jié)論。因此，需要將人類的所有樸素物理學(xué)知識作為公理進行形式化，但考慮到人類概念體系的豐富性，這種形式化工作必須是“稠密的”，在某些聯(lián)系多的概念之間會出現(xiàn)較稠密的概念簇，“在創(chuàng)立樸素物理學(xué)時，確認這些簇，既是最重要的，也是最困難的方法論任務(wù)之一”P.J.海斯：《樸素物理學(xué)宣言》，載瑪格麗特·博登《人工智能哲學(xué)》，第239頁。。這些簇包括但不限于：度量的尺度;形狀、方向和緯度;內(nèi)部和外部;歷程;能量與作用力;組合;支撐;物質(zhì)和物理狀態(tài);力和運動;液體等。參見P.J.海斯《樸素物理學(xué)宣言》，載瑪格麗特·博登《人工智能哲學(xué)》，第254頁及前言。正是這些概念簇的建立才使得我們對日常物理情境的恰當(dāng)刻畫成為可能。

顯然，海斯試圖形式化的這類知識并非由科學(xué)歸納法獲得的，而是由決定日常心理能力的基礎(chǔ)概念和推理模式所構(gòu)成。賈勒特（Lars-Erik Janlert）肯定了海斯的做法是有必要的，他還進一步指出，我們同樣不能忽略諸如基本實體、基本前提、基本類別、基本原則這樣的形而上學(xué)問題，它們與框架問題戚戚相關(guān)，是與常識性知識一樣的。所以，這類形而上學(xué)問題只以非常間接的方式與經(jīng)驗證據(jù)有關(guān)，賈勒特將人類在常識世界中實際使用的形而上學(xué)稱之為可操作的形而上學(xué)，“在人工智能中被冠以‘常識之名的東西大多是亞里士多德力學(xué)和牛頓力學(xué)的奇怪混合體，沒有明顯的常識性，也沒有被不加批判地接受為可操作的形而上學(xué)。海斯更加認真地努力揭示出常識物理學(xué)和形而上學(xué)的一部分，盡管他沒有做出我認為是物理學(xué)與形而上學(xué)之間至關(guān)重要的區(qū)別”Lars-Erik Janlert， Modeling Change-The Frame Problem， Zenon W.Pylyshyn， The Robots Dilemma： The Frame Problem in Artificial Intelligence， Ablex， 1987， p.32.。

海斯的宏偉藍圖使得人工智能研究不再僅限于單純技術(shù)上的修修補補，而是想從根底上建立一種類似于牛頓力學(xué)的內(nèi)在的統(tǒng)一性理論。然而海斯的方案存在很大缺陷，這種試圖一勞永逸地對人類概念體系作區(qū)分的做法有些過于樂觀：盡管海斯要求這種形式體系具有相當(dāng)?shù)木_性和稠密性，然而一個行動引起的變化可能會對相關(guān)對象的屬性造成不計其數(shù)的影響，概念簇很難將其全面覆蓋。如果過于注重概念體系的稠密性，那么這種“廉價測試”的廉價將無從談起。另一方面，海斯的工作建立在一階邏輯的基礎(chǔ)上，是以謂詞演算的方式來記錄所有常識性知識的。從邏輯的角度看，這種普通的形式邏輯的顯著特點之一就是具備單調(diào)性，這意味著無論向知識庫加入多少新知識或新信息，原有的推論都不會因此而被推翻。但在常識推理中卻并非如此，人們傾向于采取歸納的方法來總結(jié)事物的共性，但這是普通形式邏輯所不能夠刻畫的，即常識推理在邏輯上是非單調(diào)性的。這就要求某種有效的維持機制來確保推理能夠繼續(xù)進行，可見，非單調(diào)推理多是在知識不完全的情況下發(fā)生的。為此福多（Jerry A. Fodor）指出，框架問題只是非論證推理的問題，它“和我們對歸納相關(guān)的直覺形式化問題，在每一個重要方面都是一回事”Jerry A.Fodor， Modules， Frames， Fridgeons， Sleeping Dogs， and the Music of the Spheres， Zenon W.Pylyshyn， The Robots Dilemma： The Frame Problem in Artificial Intelligence， Ablex， 1987， p.14.。人類可以從容使用各種有效的推理模式以應(yīng)對日常生活中的問題，而機器受制于框架問題能做的事卻相當(dāng)有限，如果人工智能想要模仿常識推理，那么僅靠經(jīng)典邏輯是不夠的，建立一套非單調(diào)邏輯系統(tǒng)就變得迫在眉睫。

防止框架公理激增的另一種方案被稱為省事策略，這種方案運作的機理依賴于常識慣性定律的形而上學(xué)原則（The Metaphysics of Common Sense Inertia），它預(yù)設(shè)了世界具有巨大的慣性，除非有一些積極的理由（情境中所施加的行動確定會引起變化的事物），否則我們不必自找麻煩，而是假定其他事物和關(guān)系都保持不變Jerry A.Fodor， Modules， Frames， Fridgeons， Sleeping Dogs， and the Music of the Spheres， Zenon W.Pylyshyn， The Robots Dilemma： The Frame Problem in Artificial Intelligence， Ablex， 1987， p.14.。省事策略的方案通常采用缺省邏輯（default logic）的邏輯系統(tǒng)，這是一種非單調(diào)邏輯，因此，它的出現(xiàn)對解決常識推理的形式化問題有著一定的意義。缺省邏輯最早由雷蒙德·萊特（Raymond Reiter）提出，他主張“通過引入推理規(guī)則：‘根據(jù)前提p和不能推斷出q，推斷出r，對普通邏輯加以擴展。其思想是，在缺乏特定的壓倒一切的信息q的情況下，r是根據(jù)p得到的有缺省的結(jié)論”D.麥克德莫特：《純粹理性批判》，載瑪格麗特·博登《人工智能哲學(xué)》，第294頁。。這種做法可以為系統(tǒng)省去很多不必要的表征，將動作給現(xiàn)實世界帶來的擾動在表征系統(tǒng)中盡量極小化，從而節(jié)省了系統(tǒng)的計算資源，也省去了為系統(tǒng)引入大量框架公理的麻煩。沙納漢（Murray Shanahan）、利夫希茨（Lifschitz）等也樂觀地認為，“現(xiàn)有的技術(shù)上的框架問題的解決方案足以滿足基于邏輯的人工智能研究的需要。盡管改進和擴展仍在繼續(xù)，但公平地說塵埃已經(jīng)落定了，框架問題，在技術(shù)的層面上或多或少已經(jīng)解決了”Murray Shanahan， The Frame Problem， The Stanford Encyclopedia of Philosophy，https：//plato.stanford.edu/entries/frame-problem/，2016.。省事策略的具體技術(shù)方案雖與廉價測試極為不同，但它們試圖通過技術(shù)囊括一切人類活動的觀念都很明顯。

但實際上，在真實世界中對象之間的關(guān)聯(lián)更加錯綜復(fù)雜，對于簡單的微世界來說，省事策略的處理或許已經(jīng)足夠，然而人工智能的目標不能只滿足于處理簡單的微世界情境問題。因此，這種基于形而上學(xué)原則的“省事策略”也往往會變?yōu)榭照?，難以真正有效推廣到現(xiàn)實生活之中，“省事策略所做的不過是將框架問題從一個關(guān)于信念確定的問題轉(zhuǎn)變?yōu)榱艘粋€關(guān)于本體論的問題”Jerry A.Fodor，Modules ， Frames ， Fridgeons ， Sleeping Dogs， and the Music of the Spheres，Zenon W.Pylyshyn，The Robots Dilemma： The Frame Problem in Artificial Intelligence，Ablex， 1987， p.143.。常識慣性定律是否真實取決于我們?nèi)绾螌⑹聦崅€體化，為此我們需要為事實設(shè)計一個規(guī)范的表征系統(tǒng)使其足夠豐富且在大多數(shù)情形下保持不變，然而這樣的表征系統(tǒng)卻難以建立。為了證明這一點，福多提出了一個冰箱問題（The Fridgeon Problem），當(dāng)我們打開冰箱時，盡管我們大部分信念不會因此發(fā)生改變，但我們對冰箱和其他相關(guān)事物的某些信念會有一些變化（如相信冰箱里的剩菜變餿了、冰箱里的燈會隨之打開、電表轉(zhuǎn)速會加快等）。這種變化要求系統(tǒng)的數(shù)據(jù)庫做出相應(yīng)更新，然而如何實現(xiàn)這一點呢？福多虛構(gòu)了一個物理粒子不時具有的某種關(guān)系屬性——“冰箱開”，他定義“冰箱開”的意思如下：在t時刻，如果x是一個物理粒子，并且冰箱處于工作狀態(tài)，那么x在t時刻是一個“冰箱開”。這就造成了一個問題，當(dāng)我們打開冰箱時，我們便賦予數(shù)以億計的物理粒子“冰箱開”的新的屬性，這種屬性作為新的事實，如果通通被計算在內(nèi)，并被更新進系統(tǒng)的數(shù)據(jù)庫中，那么如此之高的計算量就意味著常識慣性定律失效。而麥克德莫特（Drew McDermott）和漢克斯（Steve Hanks）則設(shè)計了“耶魯槍擊問題”來反駁“省事策略”。該問題假設(shè)了一個弗里德被殺手槍擊身亡的情境，該情境分三個時間段，由事件序列描述為：（1）弗里德出生，弗里德成為活著的狀態(tài)。（2）殺手給槍裝填子彈，槍成為裝有彈藥的狀態(tài)。（3）弗里德被子彈擊中，弗里德成為死了的狀態(tài)。我們可以很自然地得出弗里德不幸死于槍擊的結(jié)論，而采用缺省邏輯為工作原理的智能系統(tǒng)卻未必能夠得出此結(jié)論。在事件（3）發(fā)生之前，假如讓系統(tǒng)對未來的發(fā)展作出預(yù)測，那么系統(tǒng)除了給出弗里德被子彈擊中而身亡的情形之外，還有可能給出弗里德依然存活但槍不再是裝有彈藥的狀態(tài)的怪異情形。這是因為上述兩種情形都可以滿足缺省邏輯使世界狀態(tài)的“擾動”最小化的要求，盡管以人類的常識看來，裝有子彈的槍支不會無緣無故變?yōu)橐话芽諛專路饡r間逆流了一般，但這卻是符合機器邏輯的。見Steve Hanks，Drew McDermott，Nonmonotonic Logic and Temporal Projection，Artificial Intelligence，1987，33（3）：379-412. 該問題的技術(shù)形式過于復(fù)雜，此處僅討論它的簡化版。麥克德莫特指出，“像‘極小化和‘穩(wěn)定信念集這樣的概念恰恰不適合于時間域，我們想要的非單調(diào)規(guī)則曾是（非形式地說）‘世界的狀態(tài)趨于保持不受擾動。所有邏輯得出的結(jié)論都使擾動達到極小，但這并不是我們真正想要的。事實上，我們希望的是避免未知原因帶來的擾動”D.麥克德莫特：《純粹理性批判》，載瑪格麗特·博登《人工智能哲學(xué)》，第300頁。。

因此，無論是廉價測試還是省事策略都沒有從根本上解決框架問題。常識知識問題一度使得AI的前景十分黯淡，以致作為海斯樸素物理學(xué)計劃鼓吹者的麥克德莫特也不無痛惜地表示，他對海斯的計劃目前已有的和期待取得的進展基本都持否定態(tài)度。面對邏輯主義的失敗，即便對AI的發(fā)展一度抱樂觀主義看法的麥克德莫特也不得不正視這樣一種悲觀看法——“AI研究者對他們的機會抱著天真的態(tài)度，這種態(tài)度只是因為對哲學(xué)家們昔日的失敗一無所知，才得以維持”D.麥克德莫特：《純粹理性批判》，載瑪格麗特·博登《人工智能哲學(xué)》，第307頁。。

四、涉身認識論對框架問題的反思

基于符號主義的辯護在框架問題上存在諸多難題，麥克德莫特指出，問題的根本在于海斯等邏輯主義在論證中所預(yù)設(shè)的前提錯了，其基本立場是人類日常生活中的大部分推理都能夠以演繹或者近似演繹的方法來分析，然而日常推理不屬于純粹演繹推理。因而通過邏輯公理來對人類的常識性知識加以形式化的方案走了歪路，即使通過缺省邏輯等方法來擴展一階邏輯，也是行不通的?，敻覃愄亍げ┑牵骸度斯ぶ悄苷軐W(xué)》，第17、280-302頁。作為最知名的符號人工智能批評者，德雷福斯（Jarek Gryz）進一步從海德格爾，梅洛·龐蒂以及后期維特根斯坦的哲學(xué)中汲取靈感，較麥克德莫特更深層次地指出了邏輯主義者的問題所在，在《計算機不能做什么》一書中指出，這些“堅定的樂觀主義者們”錯誤地將一些尚未證實的假想當(dāng)作不證自明的公理，這些假想包括：（1）生物學(xué)假想——大腦如同數(shù)字計算機一樣是一個通用符號處理裝置;（2）心理學(xué)假想——心靈的工作模式與數(shù)字計算機相同;（3）認識論假想——一切知識都可被形式化;（4）本體論假想——世界由獨立的、離散的邏輯元素組成。參見休伯特·德雷福斯《計算機不能做什么——人工智能的極限》第二部分，或Jarek Gryz，The Frame Problem in Artificial Intelligence and Philosophy，F(xiàn)ilozofia Nauki，2013，2. p.28.其中，（1）已經(jīng)被當(dāng)代神經(jīng)生理學(xué)所證偽，而（2）-（4）則是物理符號系統(tǒng)假設(shè)背后的哲學(xué)觀，它們最早的來源可以追溯到西方哲學(xué)悠久的理性主義傳統(tǒng)——從蘇格拉底到柏拉圖，再到笛卡爾、霍布斯、萊布尼茨和康德等人。符號主義者對它們保持的理性主義和還原論信念深信不疑，以致于不假思索地采取物理符號系統(tǒng)假設(shè)當(dāng)作他們工作的前提，甚至陷入了循環(huán)論證的錯誤。L.德雷福斯、S.E.德雷福斯：《造就心靈還是建立大腦模型：人工智能的分歧點》，載瑪格麗特·博登《人工智能哲學(xué)》，第430頁。為此，德雷福斯認為框架問題是一個偽問題，其根本原因在于符號主義人工智能本身走錯了方向，使得人類智能的幾個現(xiàn)實問題被符號主義者所忽略。Jarek Gryz，The Frame Problem in Artificial Intelligence and Philosophy，F(xiàn)ilozofia Nauki，2013，2，p.27.

語境問題也是人工智能框架問題必須面對的一個難題。因為人類在現(xiàn)實生活中總是處于某種局勢或語境之中的，且這種語境或局勢是和人過去的經(jīng)驗密切相關(guān)的。例如，在具體下象棋的環(huán)境中，棋子的重量是無關(guān)緊要的，而在制作象棋的環(huán)境中，棋子的重量卻變的不可忽視了。休伯特·德雷福斯：《 計算機不能做什么——人工智能的極限》，第265、274頁。但人工機器在面對這種語境問題時就很難從容應(yīng)對，“由于計算機不處于某一局勢之中，所以它必須在所有情況下把所有事實看作是可能相關(guān)的。這使AI研究者們陷入這樣一個兩難的境地：他們要么得去面臨存儲和提取無限多的事實的任務(wù)，要么得從計算機計算的范圍中排除某些可能相關(guān)的事實”休伯特·德雷福斯：《 計算機不能做什么——人工智能的極限》，第265-266頁。。因此，如何讓人工智能運用相關(guān)聯(lián)的知識而忽略無關(guān)的知識來完成任務(wù)便成了一個頗為困難的問題。德雷福斯舉了一個在畫中識別出人眼的例子：如果我們想要將畫中的兩個點當(dāng)作人眼識別出來，我們就要把它的上下文語境當(dāng)成一張人臉來識別，而要做到這一點則又要把人臉的上下文語境當(dāng)成某個人物來識別。即人眼或人臉的特性必須要和相關(guān)的語境相互匹配才能被正確的識別出來，這種語境由低到高、由窄至深是層層遞進的，而機器卻不能像人類一樣輕易地做到這一點，正如德雷福斯所說：“如果每一種上下文環(huán)境只能從選出的相關(guān)特性方面識別和在更寬的上下文環(huán)境中得到解釋，那么人工智能研究者就要碰到上下文環(huán)境回歸的問題?！毙莶亍さ吕赘Ｋ梗骸?計算機不能做什么——人工智能的極限》，第296-297頁。

知識與技能的區(qū)分也是人工智能需要處理的關(guān)鍵環(huán)節(jié)，但以符號主義為代表的人工智能框架處理程序還有待解決。德雷福斯等人指出，人類不單單具有知識，還具有技能，可是人工智能的設(shè)計者卻不得不把這些技能都當(dāng)成知識來看待。關(guān)于技能問題，丹尼特曾以紐芬蘭人的故事為例描述說，“一個人去拜訪他的紐芬蘭人朋友，發(fā)現(xiàn)他的兩只耳朵都纏著繃帶?！趺椿厥拢窟@個人問。紐芬蘭人回答：‘我在燙襯衣時，電話響了?！@解釋了一只耳朵的情況，但另一只是怎么了？——‘哦，我必須打電話叫醫(yī)生呀！”丹尼爾·丹尼特：《意向立場》，商務(wù)印書館2015年版，第106頁。在這個表述中，有幾處細節(jié)其實被省略了——若是想聽懂這個笑話，你需要知道燙襯衣需要使用電熨斗、工作中的電熨斗是發(fā)燙的、接聽電話需要把電話聽筒放在耳邊、電熨斗和電話聽筒的形狀和重量是相似的等細節(jié)。通過補充進這些細節(jié)，你才能得到一個完整的演繹推理從而理解這個笑話。然而這些細節(jié)不僅包括命題知識（knowledge-that），還包括了許多技能性知識（knowledge-how）。丹尼爾·丹尼特：《意向立場》，第105-106頁。在德雷福斯看來，丹尼特前面所列舉的午夜快餐問題恰恰揭示出“如果我們認為我們的日常理解是基于事實知識，那么我們的日常技能看起來就像是不可能的壯舉”Hubert L.Dreyfus，Stuart E.Dreyfus，How to Stop Worrying About the Frame Problem Even Though Its Computationally Insoluble，Zenon W.Pylyshyn，The Robots Dilemma： The Frame Problem in Artificial Intelligence，Ablex，1987， p.96.。這表明了我們大多數(shù)的日常活動都依賴于技能性知識，而非有意識地對頭腦中的命題知識一一加以檢索和思考——極少有人聲稱自己打羽毛球的訣竅是依據(jù)空氣動力學(xué)在頭腦中求解方程來實現(xiàn)的。Jarek Gryz，The Frame Problem in Artificial Intelligence and Philosophy，F(xiàn)ilozofia Nauki，2013，2， p. 28.

當(dāng)然，德雷福斯并不完全同意丹尼特對框架問題的看法，他認為丹尼特看待框架問題的方式仍是錯誤的。因為在德雷福斯看來，丹尼特其實依舊是在走符號主義的老路子，即，“所有的智能行為都必須以某種方式涉及處理有關(guān)世界的信息元素：技能性知識必須解釋為命題性知識。因此，所有的智能行為都被認為包含了思考……正是丹尼特的認知主義假設(shè)，而不是智能的本質(zhì)，使得他所謂的框架問題似乎難以解決”Hubert L.Dreyfus，Stuart E.Dreyfus，How to Stop Worrying About the Frame Problem Even Though Its Computationally Insoluble， p.97.。德雷福斯認為，“框架問題的出現(xiàn)正是因為計算機沒有技能。這是嘗試以認知主義者的計算機模型所需的靜態(tài)非情境的、離散的命題知識來捕捉人類的，現(xiàn)世的，情境的，不斷變化的技能性知識的結(jié)果”Hubert L.Dreyfus，Stuart E.Dreyfus，How to Stop Worrying About the Frame Problem Even Though Its Computationally Insoluble， p.105.。

符號主義同樣還忽略了軀體或涉身問題在智能行為中所扮演的重要作用。德雷福斯認為，軀體化使得我們的智能是內(nèi)稟式而非表征性的，事實上，擁有軀體與我們擁有技能是密切相關(guān)的。保羅·薩伽德：《心智：認知科學(xué)導(dǎo)論》，上海辭書出版社2012年版，第209頁。正如德雷福斯所說：“雖然科學(xué)要求技能性的活動應(yīng)該依照規(guī)則進行描寫，但是在運用中不需要使用這些規(guī)則……因為我們軀體化了，所以對我們能力進行客觀分析時所必要的規(guī)則，在我們的行動之中根本不需要?！毙莶亍さ吕赘Ｋ梗骸?計算機不能做什么——人工智能的極限》，第261-262頁。德雷福斯的這一觀點來自于海德格爾的啟發(fā)，他以人們用錘子釘釘子這一行為來進行說明，如果以符號主義的觀點來看，我們首先要在腦海中對錘子和釘子這兩個物體分別形成表征，在此基礎(chǔ)上通過某種計算最終達成了錘釘子這一具體操作。保羅·薩伽德：《心智：認知科學(xué)導(dǎo)論》，上海辭書出版社2012年版，第208-209頁。但按照海德格爾的觀點，這種對表征主體和表征對象加以分離的做法是錯誤的，在現(xiàn)實生活中我們并不是以上述方法和日常世界打交道的。為此，德雷福斯認為海德格爾將人的概念換作此在概念，并將此在的獨有的存在方式稱為“存在于世”（being-in-the-world），這種存在形式不區(qū)分主體和客體而是統(tǒng)一的，我們之所以能在日常世界中達成各種行動乃是因為我們是這個世界中的一部分。保羅·薩伽德：《心智：認知科學(xué)導(dǎo)論》，第209頁。仍以錘這個動作來說，“錘本身揭示了錘子特有的‘稱手，我們稱用具的這種存在方式為上手狀態(tài)，用具以這種狀態(tài)從它自身將自身公布出來。只因為用具不僅僅是擺在那里，而是具有這樣一種‘自在，它才是最廣泛意義上的稱手和可用的。僅僅對物的具有這種那種屬性的‘外觀做一番‘觀察，無論這種‘觀察多么敏銳，都不能揭示上手的東西”海德格爾：《存在與時間》，商務(wù)印書館2018年版，第99頁。。換句話說，錘釘子這一行動之所以能夠完成乃是因為我們持有這么一種物理技能，通過形式化來表征這種知識的做法是無望的，持有這么一種物理技能顯然要求我們具有軀體。保羅·薩伽德：《心智：認知科學(xué)導(dǎo)論》，第209頁。此外，在海德格爾看來，人類行動者之所以總是處于一種有意義的上下文語境之中，是由此在的被拋（thrownness）特征所決定的，這種特征顯然也要求軀體的存在。Michael Wheeler，Cognition in Context： Phenomenology， Situated Robotics and the Frame Problem，International Journal of Philosophical Studies，2008，3， p.331.

因此，在涉身認識論看來，軀體是具有智能的一個必要條件，也正是這種現(xiàn)象學(xué)對傳統(tǒng)符號主義人工智能的批判，進一步推動了當(dāng)今涉身認識論和人工智能的蓬勃發(fā)展。在德雷福斯等看來，“框架問題是一個在可能無窮多信念中確定和手頭任務(wù)相關(guān)的問題。換言之，框架問題是一個限定信息的認知系統(tǒng)的特殊問題”，它“源自于人工智能”，“哲學(xué)家將其解釋為人類認知的認識論問題”，Sheldon J. Chow， Whats the Problem with the Frame Problem？ Review of Philosophy and Psychology，2013，4. p.309.可見涉身或軀體于人工智能認知的框架問題研究展開了新的可能性空間。

結(jié) 語

符號主義流派至今還沒有對框架問題給出一個令人滿意的解決策略，其結(jié)果是人工智能的符號主義路線遭到重創(chuàng)，但由此也促使聯(lián)結(jié)主義和行為主義路線得到了崛起的機會。然而，框架問題不僅是符號主義一派存在的問題，同時也是整個人工智能發(fā)展的關(guān)鍵難題。即使我們就此從符號主義完全轉(zhuǎn)向新的研究模式，框架問題是否真正會不攻自破，從而給人工智能領(lǐng)域帶來一場“哥白尼革命”？進一步說，傳統(tǒng)人工智能GOFAI是否會如德雷福斯所說，應(yīng)該被視為拉卡托斯所定義的退化研究綱領(lǐng)的一個典型例子呢？GOFAI即Good Old Fashioned AI的縮寫，意為有效的老式AI，最早由美國哲學(xué)家約翰·豪格蘭德（John Haugeland）提出，在AI學(xué)界流行甚廣。這些可能性或許還得等待時間來證明，雖然近年來深度學(xué)習(xí)的蓬勃發(fā)展使得聯(lián)結(jié)主義這種“自下而上”的路線取得了很大的突破，但不可忽視的是，聯(lián)結(jié)主義也有其天生的短板——聯(lián)結(jié)主義試圖模擬人類的神經(jīng)網(wǎng)絡(luò)來使機器擁有智能。須知，當(dāng)代神經(jīng)科學(xué)對人類大腦的研究尚淺，且這種模擬只能是一種極度的簡化，在此意義上，“海德格爾和維特根斯坦是正確的，人類的整體性將比神經(jīng)網(wǎng)絡(luò)大得多”L.德雷福斯、S.E.德雷福斯：《造就心靈還是建立大腦模型：人工智能的分歧點》，載瑪格麗特·博登《人工智能哲學(xué)》，第451頁。。人類智能的復(fù)雜性或許意味著強人工智能中的任何單一的流派都不可能達成，框架問題的解決需要多流派的聯(lián)合發(fā)展。這說明，人工智能科學(xué)在當(dāng)今依然無法被視為一個完全獨立成熟的自然科學(xué)學(xué)科，但這也恰恰給哲學(xué)思辨的介入帶來很大的活動空間，丹尼特曾以輪子這個人類歷史上的重要發(fā)明來類比人類的“認知之輪”：或許有一天，我們能夠摸清認知之輪的原理，進而給機器安上“輪子”迎來真正的人工智能時代。丹尼特：《認知之輪：人工智能的框架問題》，載瑪格麗特·博登《人工智能哲學(xué)》，第223頁。

（責(zé)任編輯：輕 舟）

On the Problems and Solution of the Frame Problem

in Artificial Intelligence

Jia Xiangtong Hu Yang

Abstract： At the beginning of the artificial intelligence， symbolicism is one of the most important schools of artificial intelligence， but the frame problem played a big impact on its development. In order to give a rational answer， there had been two approaches in symbolicism to solving the problem， but both failed. Recently Dreyfus argued that we should analysis the Frame Problem from a phenomenological point of view， intelligent cognition is not a representation-guided behavior， so we should take it in a multiple situation.

Keyworlds： Artificial Intelligence; the Frame Problem; Cheap Test; Symbolicism