作者：魏屹东（山西大学哲学社会学学院）

智能是如何产生的，即智能的生成问题，一直是哲学、认知科学和人工智能面临的难题。智能涉及意识、心智、自我等心性概念，这些概念在认知主义范式中难以操作，在涌现论范式中则是模糊的，因为它们的指称很难确定。人类具有意识和智能，并能够随着环境或目标的变化及时调整行为。让人工智能拥有类人的能力，或许是人工智能未来发展的关键。那么，人工智能能否像人类一般，随着环境或目标的改变进行及时调整？能否具有适应性和灵活性？要破解此难题，则需要概念框架上的突破。适应性表征是一种主体使用中介客体对目标客体进行范畴化的能力，并且这种能力会随着目标与环境的改变不断提升——这或许能够为概念框架的突破带来新的可能性。

【资料图】

内在机制

生物具有适应性是一种普遍现象。进化生物学表明，生物进化而来的特定行为模式，往往致力于增加适合度的特定功能。生物的身体以及基于身体的种种能力都具有适应性，人类的认知能力也是如此。对于人工智能而言，通过适应性表征呈现与应对不断变化的世界，或许是智能生成的重要基础。文化人类学表明，人的智能和知识为自然演化和文化发展共同塑造，蕴含着适应性并彰显着表征属性。当代认知科学的“具身认知”“嵌入认知”“生成认知”“延展认知”以及“情境认知”纲领，都表明身体运动系统对于认知系统而言是不可或缺的，并揭示出认知活动是一种适应性表征行为。

人工智能为人类所设计和制造，其适应性往往会嵌入人类的适应性。人工智能若要模拟人类思维和行为，可能需要具有自搜索、自组织、自复制、自提升等能力。当智能体能够适应不断变化的外部环境并完成各类任务，通过自我学习解决各种问题时，便展现出了某种适应性表征能力，或许可以使人工系统产生智能行为。人工智能走向适应性表征，是从自然认知到人工认知再到自然—人工认知融合的过程，是一个肯定—否定—否定之否定的辩证发展过程，也是认识论和方法论上的一次飞跃。

解释框架

适应性表征包括两个子概念：适应性和表征。适应性意味着自动调节和自我复制，表征意味着自主表达和意义呈现。适应性表征的概念由两个子概念组合而成，蕴含了主体的反应性和意向性、具身性和情境性、自主性和语义性的统一。并且，适应性反映了认知科学中涌现论范式的自组织性，表征体现了人工智能中认知主义范式的计算表征性。适应性表征是两种范式结合而成的“混合范式”，能够展现出不同认知系统的共通性。

虽然智能体的适应性往往并非生物学意义上的适应性（比如，没有身体的智能体的搜索、表征、学习等，基本上也都是适应性的），但适应环境变化是不同适应性的共同目标。生物的适应性多为对自然环境（包括文化和社会环境）的适应，智能体的适应则包括对人为设置环境的适应，以及对自然环境的适应（比如，自动驾驶汽车能够通过各种传感器探测自然环境中的各种情况，并以此不断调整行驶状态）。

作为解释框架，适应性表征需要通过主体得以实现。人工智能的主体可分为：逻辑主体、搜索主体、决策主体、学习主体、问题—解决主体。逻辑主体意味着推理能力，搜索主体意味着发现能力，决策主体意味着规划能力，学习主体意味着理解能力，问题—解决主体意味着完成复杂任务的创造力。这五种能力共同构成了人工智能适应性表征的能力体系。其中，逻辑是符号表征的基础，搜索是发现的本质，学习是提升能力的方法，决策是彰显主体性的标志，问题—解决是认知的目标。

可能路径

第一，提升主体性。无论是自然的还是人工的认知行为，都有其主体，而且是适应性主体。在某种程度上，人工智能的主体或为智能体或智能组（算法或程序），可称其为人工主体。在“有智能”的意义上，人工主体同自然主体是相通的——认知科学和人工智能可以说是认知或智能这枚硬币的两面。尽管它们实现的机制存在差异，但在解决问题的意义上两种智能具有相同的功能。

第二，强化情境性。适应性表征蕴含着特定情境中的共变关系，即表征与其对象随着环境变化而动态变化。智能的生成与知识的获得，都需要基于适应性表征——这正是人工智能进一步发展的前提。适应性表征是基于情境的认知推理，能够将不同认知系统有效连接起来，从而实现从生物适应性到机器适应性的过渡，使机器自主学习、自我提升、自我表征得以实现。

第三，塑造语境性。像人类那样拥有语境，而且能够自主融入变化的语境，或许是智能体能否理解意义的关键。在人工智能模拟人类智能运作机制和模式的过程中，语境是不可或缺的。为人工智能建立常识知识库，通过适应性表征让其拥有自己的语境，可能是使其触及人类智能的重要路径。

第四，利用多重可实现性。认知是一种探索过程，同时是一种对观念的表征。对于科学认知，适应性表征往往体现为建构意义、显现关系、呈现结构。对于人工认知，适应性表征则通常体现为智能体的适应性行为，并且这种适应性表征能力具有多重可实现性，可以通过多种表征方式实现，比如，语义网、贝叶斯网、遗传算法、强化学习、深度学习等以及不同方式的结合。

（本文系国家社科基金后期资助重点项目“人工智能：从物理符号操作到适应性表征”（21FZXA006）阶段性成果）