归纳推理具有久远的历史，早在柏拉图的著作中便有成熟的苏格拉底概念归纳法，追问什么是智慧、勇敢、虔诚等概念的普遍定义。现代归纳法的直接思想来源则往往归于培根（Francis Bacon），要求归纳推理服务于现代科学的发展，为科学发现也即预测推理提供理论根据。而卡尔纳普（Rudolf Carnap）将形式逻辑的方法引入归纳逻辑研究以后，概率逻辑开始成为研究的主流，并且和人工智能研究产生密切联系。如今，贝叶斯主义已占据人工智能研究的半壁江山。我们不禁会思索：归纳推理是如何与人工智能产生联系的？本文尝试对这个问题进行探讨。
机器能否思维
对于图灵（Alan Mathison Turing）来说，人工智能的核心问题是：机器能否思维？他在【计算机器与智能】中深入阐述了这个问题。对于图灵来说，「思维」意味着推理——如果人工智能能够正确预测问题的答案，那么就意味着它具有类似人类的智能。这种观点又被称为逻辑主义或行为主义方案。该理论为人工智能的发展奠定了基调，使得人工智能蓬勃发展。
如果说人工智能的本质是机器推理，那么归纳推理便是人工智能的重要基础，因为演绎和归纳是逻辑的两个基本类别。我们所面对的世界具有许多不确定性，但我们的重要决策往往又需要对这些不确定性有一个较好的评估和预测。这呼唤我们对归纳推理进行更深入的研究。过去，不少人认为卡尔纳普的逻辑句法最适合用来刻画人工智能的推理过程，他的归纳逻辑体系曾一度成为学术界的主流理论，但是后来受到「绿蓝悖论」的打击，失去了大批的支持者。当前，人工智能的主流理论是帕尔（Judea Pearl）的贝叶斯因果网络，他的代表作是【因果关系：模型、论证和推理】，而贝叶斯因果网络也在人工智能的实践应用中取得了巨大成功。不过，公正地说，卡尔纳普的逻辑计划至今仍有不少支持者，是人工智能理论研究的一个重要思想来源。
塞尔（John R. Searle）则认为，机器根本不会思维，并在著作【心灵、大脑与程序】中建构了「中文房间」思想实验进行论证。在他看来，人工智能只有句法，没有语义。语义和意向性有着密切的联系，只有人类的大脑能够恰当理解语义（或思想），而计算机完全不能产生意向性。所以，即使人工智能可以给出正确的答案，或者说，即使它能够通过图灵测试，也不能说是真正意义上的智慧生命。人工智能好比是关在一个屋子中的完全不懂中文的塞尔本人一样，能够借用英汉词典（句法规则），和屋子外面讲中文的人进行交流。
但是，博登（Margaret A. Boden）不同意塞尔的观点。她认为，尽管屋外的人并不确定屋中的塞尔是否真正懂中文，但他们愿意为屋中的塞尔提供物资支持，包括食物和水。而且，她在【逃出中文屋】中认为，命题态度是有意向性的。事实上，如果我们把人工智能的运算机制看作一个黑箱，那么无论里面实际上是什么构造，只要它能够执行人类的指令，能够作出准确预测，便会有源源不断的资源投入相关研究项目。人们会相信，它是能够进行改良升级的，它的运行性能会得到不断提升。也许，未来真的有一天，人工智能解决问题的能力几乎可以和人类媲美。
在某种意义上，要求人工智能具备意向性，就是要求它具有生命体的特征。这是因为，追问「机器能否思维」，间接地也就是在询问「人工智能是不是生命」。或者说，这两个问题总是被糅合在一起，难分难解。那么，生命的本质特征是什么？传统观点认为是呼吸，并且把心跳停止、呼吸中断看作死亡的标志。但是，当前的不少医学标准往往把脑死亡看作生命终止的标志。因此，从这个角度来看，似乎智慧才是生命的本质特征。如果这种观点成立，那么人工智能当然有资格被称为生命。而且，由于逻辑推理正是它的强大生命力所在，将来它大有超越人类的可能。
常识推理的形式化
常识推理是人类的一种基本思维模式，人工智能若要在推理方面取得更大的突破性进展，就要对常识推理进行研究。那么，常识和归纳推理有什么关系？我们可以从帕里斯（Jeffrey Paris）的归纳理论入手展开分析。帕里斯是当代一个有影响力的归纳理论家，他是卡尔纳普归纳逻辑的忠实支持者，致力于归纳推理和人工智能的基础理论研究。他早期的研究重点是从数理逻辑的角度为专家系统提供理论基础，代表作是【不确定性推理的指南：一个数学的视角】。近十年来，他继续推进卡尔纳普的形式化归纳逻辑研究，并和温科斯卡（Alena Vencovská）于2015年出版代表作【纯粹归纳逻辑】。
在第一本书中，帕里斯考察的核心问题是：在给定的背景知识K的条件下，应当如何对论断为真的概率，即真值、置信系数P（?兹｜K）进行合理评估？背景知识K是一些经验性的已经被查明为真的结论，因此可以当作线性约束条件。所以，研究的基本思路是考虑如何利用函数方法计算P（?兹）的值。但是，帕里斯在他的新书中继续往前推进，把背景知识K也忽略了。也就是说，纯粹归纳逻辑要研究的核心问题是：在没有相关的经验背景知识K的情况下，一个理性的主体X，应当如何借用一阶逻辑的基础知识，对句子为真的可能性P（?兹）进行合理的评估？在这里，「合理的」和「合乎逻辑的」是同义词。换句话来说，它要研究的问题是，如何借助逻辑工具为预测概率的合理性进行辩护。
专家系统是人工智能研究的一个重要组成部分。但是，这里的「专家」指什么呢？理想地，它代表的是现实世界中一个智慧的权威——人工智能=专家的智慧。在这种意义上，人工智能系统中的「专家」，可以看作一种具有人类生命特征的智慧。同时，人类不同于机器的一个重要方面是：人类具有常识，能够在茫茫人海中一眼发现自己所要寻找的目标，把目标范围中的大量事物看作无关信息过滤掉。所以，人工智能若要具备类似于人工智慧的推理能力，就必须掌握常识推理的技能。但什么是常识？显然它是一个模糊的术语。但是，不管怎么样，至少常识推理应当是符合直觉的、合乎逻辑的推理模型。在【纯粹归纳逻辑】中，帕里斯把常识推理剖析为四个方面的推理：相关性、不相关性、对称性、类比。他尝试用概率逻辑的工具来刻画这些核心概念，为人工智能模拟常识推理提供理论支持。它的一个哲学启示是，就像人类可以模仿鸟在天空中飞而发明飞机一样，人工智能至少在理论上是可以模仿人类的推理模式的。
一个有趣而又重要的问题是，人工智能能否超越人类智能？多数人出于本能，会自卫性地说「不可能」。但是，要知道，当初莱特兄弟研制飞机的时候，许多人都讥笑他们是愚蠢的，认为像鸟儿那样飞翔的梦想是一种天方夜谭。然而，他们最终取得了巨大成功。如今，人造飞行器的性能已远胜鸟儿的飞翔能力。人工智能会不会重演类似的历史？人工智能可以模仿人类的常识推理这种乐观的观点，是建立在「机器能够思维」的基础上的。因此，帕里斯和图灵面临着同样的挑战。对于塞尔的那种反驳——人工智能不具有意向性，它永远也不会有张爱玲笔下那些女主角的细腻情感，也不会有莎士比亚笔下那些英雄的豪迈气概，帕里斯可以援引图灵的话回应说，这实际上就是要求人变成机器，或者说，要求机器变成人。但是，如果我们把思维理解成推理的话，人工智能当然是能够思维的。也许，这会被指责是一种强逻辑主义方案，但无疑它有一个明确的答案，并为将来的进一步研究指明方向。
作者系华南师范大学哲学与社会发展学院副研究员
原标题：【人工智能和归纳推理】
来源：中国社会科学网
