自編程學(xué)習(xí)算法

目錄

一、基本問題。

１、機器學(xué)習(xí)理論錯誤的研究學(xué)習(xí)問題。

Ａ、什么是學(xué)習(xí)？

Ｂ、機器學(xué)習(xí)理論的學(xué)習(xí)。

Ｃ、從“人類的智能是如何發(fā)展的”角度出發(fā)。

２、自編程序問題。

Ａ、要使系統(tǒng)在學(xué)習(xí)中自己產(chǎn)生智力活動能力。

Ｂ、自編程序與遺傳編程。

Ｃ、自編程序技術(shù)的簡單結(jié)構(gòu)。

甲、自編程序的難點。

乙、適合自編程序的計算機語言。

丙、自編程序技術(shù)是如何解決問題的。

丁、轉(zhuǎn)向運行、反復(fù)運行如何解決？

戊、母程序。

３、可學(xué)習(xí)系統(tǒng)。

Ａ、“學(xué)習(xí)”概念。

Ｂ、初始狀態(tài)是無智能的系統(tǒng)產(chǎn)生出智能。

Ｃ、產(chǎn)生出新的程序詞匯。

Ｄ、知識表示問題有些多余。它可用自編數(shù)據(jù)庫解決。

Ｅ、強人工智能的學(xué)習(xí)問題。

４、自主學(xué)習(xí)過程。

Ａ、自主學(xué)習(xí)過程——嘗試錯誤學(xué)習(xí)。

Ｂ、以自編程序為學(xué)習(xí)結(jié)果的自主學(xué)習(xí)過程。

５、自主學(xué)習(xí)過程的收斂問題。

Ａ、收斂性問題。

Ｂ、就近組合的編程。

Ｃ、自指不產(chǎn)生悖論問題。

６、受限組合設(shè)計思想。

Ａ、簡介“泛結(jié)構(gòu)理論”。

甲、基元和組成。

乙、組成——組合方式。

丙、受限組合問題——約束。

Ｂ、漸次收斂方式。

Ｃ、新計算機程序評價的標(biāo)準(zhǔn)——允許漸次收斂。

Ｄ、分層次組合。

７、自作用和偽自作用。

Ａ、什么是自作用。

Ｂ、自作用不出現(xiàn)麻煩的條件。

Ｃ、分辨自作用與偽自作用。

二、四大學(xué)習(xí)過程。

１、自主學(xué)習(xí)過程。

Ａ、自主學(xué)習(xí)過程的實驗基礎(chǔ)。

Ｂ、學(xué)習(xí)過程的整體結(jié)構(gòu)。

Ｃ、自主學(xué)習(xí)過程的反饋結(jié)構(gòu)。

Ｄ、解決問題過程與外層反饋。

Ｅ、隨機操作的產(chǎn)生問題。

甲、隨機操作的收斂性問題。

乙、“隨機貼近調(diào)用”。

Ｆ、最初經(jīng)驗的學(xué)習(xí)。

Ｇ、自主學(xué)習(xí)的自主性表現(xiàn)。

Ｈ、自主學(xué)習(xí)總結(jié)。

２、模仿學(xué)習(xí)過程。

Ａ、模仿學(xué)習(xí)的觀察基礎(chǔ)。

甲、實驗資料的缺乏。

乙、什么是模仿學(xué)習(xí)過程？

Ｂ、模仿學(xué)習(xí)過程。

Ｃ、模仿學(xué)習(xí)過程的外反饋循環(huán)。

Ｄ、模仿學(xué)習(xí)與自主學(xué)習(xí)的比較。

甲、首先看一下共同之處：

乙、下面我們再看看其不同的地方：

Ｅ、模仿對象的種類。

Ｆ、模仿學(xué)習(xí)過程的動作操作和智能操作。

甲、模仿學(xué)習(xí)過程的條件。

乙、模仿智能操作條件的簡單性。

Ｇ、智能的基本操作。

Ｈ、初級組合操作。

甲、選擇操作。

乙、替代操作。

丙、分解操作。

丁、合成操作。

Ｉ、初級思維發(fā)展。

甲、初級想象。

乙、隨機選擇。

丙、隨機比較。

丁、隨機替代。

戊、隨機分解。

己、隨機組合。

Ｊ、模仿學(xué)習(xí)和自主學(xué)習(xí)的區(qū)別。

甲、強人工智能系統(tǒng)的學(xué)習(xí)與機器學(xué)習(xí)理論的學(xué)習(xí)的極大差異。

乙、自主學(xué)習(xí)與模仿學(xué)習(xí)的區(qū)別是什么呢？

Ｋ、模仿學(xué)習(xí)過程具有編譯器的功能。

Ｌ、自模仿學(xué)習(xí)——對經(jīng)驗的移用。

３、伴隨學(xué)習(xí)過程。

Ａ、研究伴隨學(xué)習(xí)過程的意義。

Ｂ、伴隨學(xué)習(xí)的實驗基礎(chǔ)。

Ｃ、伴隨學(xué)習(xí)的提出。

Ｄ、伴隨學(xué)習(xí)的一些例子。

Ｅ、伴隨學(xué)習(xí)的基本原理。

Ｆ、計算機的數(shù)據(jù)容量問題。

Ｇ、伴隨學(xué)習(xí)對智能發(fā)展的作用。

甲、記錄伴隨知識。

乙、記錄活動過程。

丙、對苗頭性活動的紀(jì)錄。

Ｈ、伴隨學(xué)習(xí)的重大意義。

４、反射學(xué)習(xí)過程。

Ａ、什么是反射？

Ｂ、反射的種類。

Ｃ、先天性反射有哪些？

Ｄ、后天性反射的種類。

甲、條件反射（ＵＣＳ——ＣＲ——ＣＳ反射）。

乙、工具性條件作用（ＣＳ——ＣＲ——ＣＳ）。

丙、無獎勵工具性作用（ＣＳ——ＣＲ）。

丁、動作間反射（ＣＲ——ＣＲ）。

戊、多刺激間反射（ＣＳ——ＣＳ——ＣＳ——......）。

Ｅ、我堅持反對用條件反射代替后天性反射。

Ｆ、反射學(xué)習(xí)過程的模擬。

Ｇ、模擬反射與人工神經(jīng)網(wǎng)絡(luò)理論的比較。

三、模擬智能如何在可學(xué)習(xí)的無智能系統(tǒng)中產(chǎn)生？

１、由反射學(xué)習(xí)過程積累無智能的“認(rèn)識”。

２、由自主學(xué)習(xí)過程無智能的自己編寫程序。

３、由反射學(xué)習(xí)過程和自主學(xué)習(xí)過程自建數(shù)據(jù)庫。

４、由模仿學(xué)習(xí)過程接受外界的功能和知識。

５、伴隨學(xué)習(xí)過程促進系統(tǒng)能力的發(fā)展。

６、相互作用問題。

７、強人工智能（自編程序與四大學(xué)習(xí)過程）與機器學(xué)習(xí)理論的比較一、基本問題。

目前機器學(xué)習(xí)理論內(nèi)容已經(jīng)十分龐雜。但是人們都知道它與與人類的智能相差很遠(yuǎn)。模擬與人類智能差不多的智能，一般被叫做強人工智能。那么人們是否能夠回答出這個問題：機器學(xué)習(xí)理論為什么實現(xiàn)不了強人工智能？究竟是什么是機器學(xué)習(xí)和強人工智能間的封鎖線？

１、機器學(xué)習(xí)理論錯誤的研究學(xué)習(xí)問題。

我以為，機器學(xué)習(xí)理論與強人工智能有很多差距。這使得機器學(xué)習(xí)理論無論如何也不能模擬和人類差不多的智能。

其中首要的一個問題，就是機器學(xué)習(xí)理論錯誤的研究學(xué)習(xí)問題。

Ａ、什么是學(xué)習(xí)？

這對于人類行為來說，幾乎是無需討論的問題。

人類的學(xué)習(xí)不是為了解決某個問題而產(chǎn)生的行為，更不是為了搜索問題的解而進行的行為。

人類的學(xué)習(xí)是通過與外界的物質(zhì)、能量和信息的交流改變自己結(jié)構(gòu)的活動。這里的改變結(jié)構(gòu)，包括大腦生理結(jié)構(gòu)的改變、行為經(jīng)驗的改變、智能操作的改變、知識結(jié)構(gòu)的改變。解決問題獲得到問題的解，僅僅是學(xué)習(xí)改變結(jié)構(gòu)后的結(jié)果。

不從人類學(xué)習(xí)的這個本質(zhì)的特征研究機器學(xué)習(xí)問題，僅僅從一些像那么一點智能的皮毛問題著手，就難免使整個機器學(xué)習(xí)走在錯誤的方向上，從而使機器學(xué)習(xí)理論與人類學(xué)習(xí)實際越來越遠(yuǎn)，機器學(xué)習(xí)理論不能實現(xiàn)強人工智能，也就是理所當(dāng)然的結(jié)局了。Ｂ、機器學(xué)習(xí)理論的學(xué)習(xí)。

也許人們會辯解：機器學(xué)習(xí)理論就是在研究如何學(xué)習(xí)的，學(xué)習(xí)的目的就是為了解決問題的。你們看，人類的哪種學(xué)習(xí)不是要解決一些問題？也許正是這種見解把機器學(xué)習(xí)引向歧途的。

按人們的這種認(rèn)識，他們必然把“要解決的問題”擺在第一位，把“解決問題用什么方法最好”擺在第二位，把“編寫程序?qū)崿F(xiàn)理論上解決問題的方式方法”放到第三位。由此形成他們復(fù)雜的理論。形成一本又一本厚厚的機器學(xué)習(xí)理論書上的文字。

然而人們總是覺得，每當(dāng)他們解決了一個問題，帶來的新問題比已經(jīng)解決的問題還要多。我不是說目前機器學(xué)習(xí)理論完全解決不了問題，它確實在應(yīng)用上有了不少成果。但是它新帶來的問題，又使得人們覺得“靠近人類智能的旅途”遙遙無期。

例如，人們不難發(fā)現(xiàn)，我們這樣編寫的程序，解決的問題總是不如人類智能靈活多變，死板而收斂性差。Ｃ、從“人類的智能是如何發(fā)展的”角度出發(fā)。其實，我們換一個角度考慮問題，我們不從人類如何解決問題出發(fā)，我們從“人類的智能是如何發(fā)展的”角度出發(fā)，就會看到機器學(xué)習(xí)理論的錯誤所在。我們沿著前面提出的思路思考：人類出生時智能處于什么狀態(tài)？那時人類的智能近乎等于零。聽覺有了一些，視覺尚不能看、不能分辨，其它感覺也很遲鈍。除去吃奶，四肢亂動外，站不能站，坐不能坐，爬不能爬，更不用說其它復(fù)雜的行為能力了。人類就是從這個智能“幾乎為零”的初始狀態(tài)，發(fā)展出高于其它動物的高級智能的。是什么因素促使人類智能有了這個發(fā)展？遺傳基因、生物性成長都是原因。但是最重要是學(xué)習(xí)。這個學(xué)習(xí)顯然不是為了解決問題的學(xué)習(xí)，不是搜索問題解的學(xué)習(xí)，而是人類個體智能由無到有的學(xué)習(xí)。什么東西能夠證明遺傳基因和生物性成長不如學(xué)習(xí)重要？能夠做出證明的就是狼孩、野生兒和囚禁兒的事例。這三類事例中，他們都有人類的遺傳基因，都有人類機體的生物成長過程。但是所處環(huán)境不是人類社會（狼孩和野生兒），或不是完整的人類社會（例如囚禁兒）。因此他們都形不成人類智能。因此，這些事例證明，在人類環(huán)境中學(xué)習(xí)并使智能發(fā)展起來，是人類智能形成的關(guān)鍵性原因。其它只能形成的原因雖然不可缺少，但是不如學(xué)習(xí)這個條件重要、關(guān)鍵。那么我們反過來再看看“學(xué)習(xí)”這個概念，問一下：“什么是學(xué)習(xí)？”我們就可以理直氣壯地回答：學(xué)習(xí)一個系統(tǒng)在人類環(huán)境中，使系統(tǒng)的智能從無到有的過程。這里，解決問題是無足輕重的事情，搜索問題的解更是無足輕重的事情。重要的是如何在學(xué)習(xí)中使系統(tǒng)的智能從無到有。而不是如何找到問題的解！可見，機器學(xué)習(xí)理論對學(xué)習(xí)的認(rèn)識是非常片面的，非常武斷地認(rèn)識。因此建立在錯誤基礎(chǔ)上的機器學(xué)習(xí)理論，盡管可以幫助人們解決很多問題，但是卻不能向人類智能靠近。２、自編程序問題。

Ａ、要使系統(tǒng)在學(xué)習(xí)中自己產(chǎn)生智力活動能力。

我們在前面已經(jīng)指出了：學(xué)習(xí)一個系統(tǒng)在人類環(huán)境中，使系統(tǒng)智能從無到有的過程。

這里的智能的從無到有，包括兩方面的從無到有，一方面是智能操作的從無到有。另一方面是智能的資料和結(jié)果的從無到有。前者可以說是產(chǎn)生并積累智力活動能力。后者可以說是積累知識。

我們可以看出，這里提出了一個很新的問題，就是要使系統(tǒng)在學(xué)習(xí)中自己產(chǎn)生智力活動能力。

以前的人工智能理論和機器學(xué)習(xí)是采用什么方式解決治理活動能力的？很簡單，就是由計算機工作者們研究智力活動方式，提出理論、提出模型、提出算法，然后由程序工作者編寫出程序來，從而使計算機具有智力活動能力。整個人工智能和機器學(xué)習(xí)發(fā)展的歷史，可以說就是研究智力活動方式、提出算法、編寫程序的歷史。

這里對學(xué)習(xí)提出的新要求就是，把這人工智能前一段的歷史任務(wù)交給學(xué)習(xí)來完成。停止由人類研究智力活動方式、停止由人類提出算法、停止由人類編寫程序，停止由人類進行這類的低級人工智能研究工作。把我們的工作重點轉(zhuǎn)移到一個新的高水平。

這個高水平就是，我們需要編寫一個初始條件類似嬰兒的無智能系統(tǒng)，但是它可以學(xué)習(xí)，并且可以在人類環(huán)境中學(xué)習(xí)產(chǎn)生與人類一樣的智力。顯然，這里的學(xué)習(xí)是一個全新意義的學(xué)習(xí)。而不是機器學(xué)習(xí)理論中那種意義很小的學(xué)習(xí)。

由于系統(tǒng)自己產(chǎn)生智力活動能力，就相當(dāng)于系統(tǒng)自己為自己編寫智力活動程序，因此這個高水平的人工智能系統(tǒng)，就應(yīng)該是一個具有自編程序能力的系統(tǒng)。也就是說無需我們?yōu)樗帉懭魏沃悄艹绦颍恍枰覀兙帉懗鲆粋€在學(xué)習(xí)中可自編智力活動能力的系統(tǒng)，該程序就會自己具有人類的智能。

然而這可能辦得到么？Ｂ、自編程序與遺傳編程。一提到自編程序，人們會想起“遺傳編程”這個詞匯。自編程序會不會就是遺傳編程？我個人認(rèn)為，“遺傳編程”可以看成是自編程序的一種形式，但是不能把它們等同起來。遺傳編程“它開始于由隨機生成的千百萬個計算機程序”，這就與我們提出的自編程序不同。隨機生成的計算機程序有兩個缺點：第一是它們的數(shù)量太大，不經(jīng)特殊處理，很難保證編程時選擇程序的收斂。第二是如果系統(tǒng)沒有智能，很難保證程序運行不會不停機。而圖靈已經(jīng)證明，計算機不可能自己判斷不停機問題。我們在前面是從“在學(xué)習(xí)中產(chǎn)生智力活動能力”的角度引入自編程序的。它要求系統(tǒng)的初始條件是無智能的。因此這個自編程序不可能控制編寫出的程序運行時克服不停機問題，也不可能保證系統(tǒng)選擇合適的程序時的收斂。因此，我們的自編程序技術(shù)不采用隨機生成計算機程序。而是按一定技術(shù)規(guī)則產(chǎn)生自編程序，按一定過程選擇能夠運行的程序。用這些技術(shù)保證自編程序不會不停機，不會不收斂。在遺傳編程中，要應(yīng)用達爾文的自然選擇（適者生存）確定勝出的程序，計算機程序間也模擬兩性組合，變異，基因復(fù)制，基因刪除等代代進化，直到達到預(yù)先確定的某個終止條件為止。這些都是我們自編程序技術(shù)所不需要的。采用遺傳編程的這些手段，會增加程序編寫的不收斂性，這是我們所不希望的。更主要的一個區(qū)別是：遺傳編程時要“根據(jù)一個程序完成給定的任務(wù)的能力來確定某個程序的適合度”尋找一個解決問題的程序。而自編程序?qū)ν瓿山o定任務(wù)的興趣不大，它更重要的是不斷積累智力活動程序。形成可以靈活勝任各種智能活動的智能系統(tǒng)。因此我們可以看出，遺傳編程與自編程序僅僅在系統(tǒng)能夠自己產(chǎn)生程序上有共同點。而在產(chǎn)生程序的方式、選擇程序的方式和編寫程序的目的上，都沒有共同的地方。因此自編程序，要比遺傳編程遇到的問題少，它的成功率也會遠(yuǎn)遠(yuǎn)高于遺傳編程。Ｃ、自編程序技術(shù)的簡單結(jié)構(gòu)。前面我們比較了遺傳編程與自編程序的不同。下面我們著重介紹一下自編程序技術(shù)的簡單結(jié)構(gòu)。自編程序技術(shù)，也可以看成是一種算法。但是我以為稱它為技術(shù)比算法更加適合。讓計算機自編程序會遇到一些技術(shù)上的難點，自編程序技術(shù)給出解決這些難點的方式方法。算法則要給出一些編寫自編程序的流程。相比之下，自編程技術(shù)只給出解決自編程序的一些關(guān)鍵技術(shù)措施。不負(fù)責(zé)設(shè)計自編程序的流程。甲、自編程序的難點。自編程序的難點有這樣幾條：一是用什么語言編寫？二是如何編寫？由于編寫程序的是計算機自身，我們又要求計算機的初始狀態(tài)是無智能的。這些難點就顯得更難。我們知道，計算機高級語言有嚴(yán)格的語法規(guī)則和編寫邏輯，無智能的計算機無法掌握。因此用任何一種計算機高級語言作為自編程序的語言都不大合適。雖然所有計算機語言都要編譯成機器碼語言，但是直接用機器碼語言編寫程序，也需要很高的智能。不僅初始狀態(tài)為零的計算機不能使用它，就是智能較高的計算機系統(tǒng)也很難掌握用機器碼編寫程序。乙、適合自編程序的計算機語言。

因此我們必須采用一種適合計算機自編程序用的計算機語言。

適合計算機自編程序用的計算機語言要解決的問題一。

這種語言必須沒有嚴(yán)格的語法結(jié)構(gòu)，不需要考慮就可以編寫出來。能否找到這種語言么？

適合計算機自編程序用的計算機語言要解決的問題二。

計算機程序在編寫時會產(chǎn)生死循環(huán)，它是計算機不停機的主要原因。當(dāng)然也有些程序是因為不收斂或是多項式收斂，而被人們排除。對于初始狀態(tài)無智能的計算機，無論是死循環(huán)，還是不收斂、多項式收斂，它都無法判別。讓計算機在編寫程序中作這類判斷也是不可能的。

計算機編寫程序時，最好是不做任何判斷只管編寫，編寫的程序卻可以不出現(xiàn)死循環(huán)、不收斂等問題。這種編寫方式可能存在么？丙、自編程序技術(shù)是如何解決問題的。下面我們看看自編程序技術(shù)是如何解決前面提出的兩個問題的。我們采用這樣一種計算機語言，這個語言的詞匯是一些能夠獨立成功運行的小程序，它本身要保證運行時不會死機。這些小程序要能夠互相連接運行，當(dāng)然也要能夠在運行連接時交換數(shù)據(jù)。在這種語言中不使用任何運行轉(zhuǎn)向的結(jié)構(gòu)。我們分析一下這種語言為什么能夠滿足“在無智能系統(tǒng)中自編程序”的要求。第一，它沒有任何連接規(guī)則，即它沒有復(fù)雜的計算機語言的語法。它的語法僅僅有一條：用它的詞匯（小程序）相互連接。這種連接的工作是不需要智能的。第二，這個語言的設(shè)計有兩個不死機的保證。一是小程序不會死機，二是不會因為運行的轉(zhuǎn)向而造成死機。這個設(shè)計就避開了計算機自身對自身不停機問題的判定。圖靈已經(jīng)證明了計算機是無法判定自身的不停機問題的。我們無法超越這個證明，于是我們設(shè)置了這些保證，使得計算機在無智能初始狀態(tài)下，不會不停機。顯然我們設(shè)計的這種程序語言是一種高級語言，但是它又是結(jié)構(gòu)非常簡單的高級語言，是目前尚未出現(xiàn)的高級語言。由于它基本上沒有體現(xiàn)什么先進的思想理念，也許是目前計算機專家們不屑一顧的計算機語言。然而我們追求的并不是什么先進的思想理念，我們追求的是用一個無智能的計算機系統(tǒng)，實現(xiàn)自編程序。那么，對一段程序的反復(fù)運行或轉(zhuǎn)向運行不同小程序都是必要的。如何解決這類問題呢？丁、轉(zhuǎn)向運行、反復(fù)運行如何解決？我們把轉(zhuǎn)向運行、反復(fù)運行的任務(wù)交給系統(tǒng)來完成。計算機自編程序，必須依靠一個基本的程序來進行，不可能用一臺裸機來進行自編程序。這個基本程序，我們一般叫做系統(tǒng)程序（不是指得目前計算機的操作系統(tǒng)，而是我們?yōu)樽跃幊绦蚓帉懙南到y(tǒng)），為了與小程序、自編程序相對應(yīng)，我們把這個系統(tǒng)程序又叫做母程序。它是一個人編程序。戊、母程序。我設(shè)計的母程序主要用途不是來自編程序的，它是要在學(xué)習(xí)中“由無智能發(fā)展出類似于人類的智能”的。但是自編程序是它發(fā)展出高級智能的主要基礎(chǔ)。因此我們此處著重討論母程序在自編程序時的作用。母程序在自編程序過程中起編寫、調(diào)試、修改、調(diào)用、控制的作用。編寫：就是把小程序連接為自編程序。母程序要提供一些實現(xiàn)這種連接的手段。調(diào)試：就是檢驗這些自編程序的效果。母程序要為這種調(diào)試提供一些完整的過程。修改：如果自編程序無效，母程序要進行修改。即做出新的連接。調(diào)用：如果自編程序成功，母程序要在需要某個程序時進行這個程序的調(diào)用?？刂疲耗赋绦蛞軌蚴垢鱾€自編程序及時的調(diào)用和終止。對這些自編程序的運行進行控制。顯然，在母程序控制自編程序時，我們可以利用它的控制作用實現(xiàn)程序運行的反復(fù)、轉(zhuǎn)向。也就是說，與通常使用高級語言編程不同的是，程序某些段落的反復(fù)和轉(zhuǎn)向不設(shè)置在一個自編程序內(nèi)。而是設(shè)計成幾個不同的自編程序，由母程序利用調(diào)用和終止來實現(xiàn)反復(fù)和轉(zhuǎn)向。這種由母程序作反復(fù)和轉(zhuǎn)向的好處是：反復(fù)的次數(shù)是由母程序一次一次調(diào)用某個自編程序?qū)崿F(xiàn)的，次數(shù)是受控的，不是自動反復(fù)的。因此不會出現(xiàn)死循環(huán)。轉(zhuǎn)向也是由母程序一個一個程序調(diào)用實現(xiàn)的，當(dāng)轉(zhuǎn)向有可能出現(xiàn)死循環(huán)時，母程序就不再繼續(xù)調(diào)用，終止轉(zhuǎn)向，從而避免了轉(zhuǎn)向造成的死循環(huán)。此是計算機雖然不能自己解決不停機問題，但是我們的設(shè)計會使它不出現(xiàn)不停機問題。當(dāng)然從運行速度上看，這樣的運行速度就會慢得多。不過這個方案顯然適合無智能的母程序使用，因為它是無智能的，它連反復(fù)運行幾次終止的程序也不會編寫。３、可學(xué)習(xí)系統(tǒng)。上面我們談得是自編程序技術(shù)。我只簡單地介紹了它的核心思想。下面我們看一看我們怎樣要計算機來自己為自己編程序？Ａ、“學(xué)習(xí)”概念。我們是采用可學(xué)習(xí)系統(tǒng)來進行自編程序的。這時系統(tǒng)學(xué)習(xí)的目標(biāo)不是解決某個問題，而是獲得并積累程序。也就是說我們使用的“學(xué)習(xí)”與機器學(xué)習(xí)理論的“學(xué)習(xí)”概念有很大的不同。這里學(xué)習(xí)的目的不是解決某個或某些問題。這里學(xué)習(xí)的目的就是為了系統(tǒng)自己為自己編寫程序。我們把可學(xué)習(xí)系統(tǒng)的學(xué)習(xí)目的確定為獲得并積累程序。還有更深的含義。首先說一下“獲得”。在這里，獲得程序包含著多種自己編寫程序的方式。例如它可以模仿外界的操作給自己編寫程序，例如它可以按接受來的操作方法給自己編寫程序。雖然獲得程序的基本方式就是自編程序，但是這里的自編已經(jīng)不是系統(tǒng)封閉起來的自編。再說一下“積累”程序。由于這種可學(xué)習(xí)系統(tǒng)的目的是編寫程序，一旦獲得一個成功程序，它就要把程序保存起來。在系統(tǒng)解決問題時使用。我們可以看到，系統(tǒng)的學(xué)習(xí)目的不是解決問題，但是自編程序后的系統(tǒng)是可以解決問題的。程序的積累，又可以使一個系統(tǒng)解決很多問題。Ｂ、初始狀態(tài)是無智能的系統(tǒng)產(chǎn)生出智能。這樣的系統(tǒng)就會實現(xiàn)我們的預(yù)定目標(biāo)，初始狀態(tài)是一個無智能的系統(tǒng)，它基本不能解決任何問題。但是經(jīng)過學(xué)習(xí)自編程序后，它積累了很多成功的程序，就產(chǎn)生出智能，就可以解決很多問題，并且可以靈活的解決各種問題。這里的“靈活”既包括它可以用多種方式解決問題，也包括在解決不了問題時，自編出新程序解決問題。Ｃ、產(chǎn)生出新的程序詞匯。積累程序還有另一個含義：自編出的程序，也可以作為新的程序詞匯，參與自編程序。我們在介紹自編程序語言是說過：自編程序使用的語言是以一些小程序作為詞匯，而系統(tǒng)在學(xué)習(xí)中自編的程序，也可以成為與小程序同等的詞匯，參與組成新程序。也就是說，積累程序也同時在積累編程的詞匯，因此自編程序使用語言的詞匯量（小程序量）是遞增的。Ｄ、知識表示問題有些多余。它可用自編數(shù)據(jù)庫解決。人工智能有一個問題叫做知識表示問題。它是研究如何使智能系統(tǒng)的資料更適合于處理的。但是我以為研究知識表示，無非是想從人類的知識表示里得到啟示，再找到計算機里實現(xiàn)它的方式，最后用人編程序?qū)崿F(xiàn)它。對知識表示研究的本身，我就認(rèn)為它有些多余，并且與人類的知識結(jié)構(gòu)不符。因為人類的頭腦里的知識不是定態(tài)的，而是不斷整理，不斷變化的。這樣就使任何你所研究出的知識表示，相形見絀。人腦里的知識呈現(xiàn)怎樣動態(tài)呢？它會在不斷抽象中壓縮、簡化，形成提綱挈領(lǐng)的東西。到需要表達時，再把綱領(lǐng)性的東西重編寫成文章，使知識復(fù)原。因此人腦中的知識才能夠做到“既容量大，又回憶起來容易”。顯然，人腦知識的動態(tài)狀態(tài)，是在智能操作的支持下形成的，無論是壓縮、簡化，還是編寫復(fù)原，都需要強智能操作。但是我們?nèi)绻S著系統(tǒng)自編程序的同時。也讓系統(tǒng)自建數(shù)據(jù)庫，構(gòu)建自己的知識體系。讓系統(tǒng)的自編程序不斷進行知識的壓縮和簡化工作，自動地在需要時復(fù)原。這樣它就會和人腦一樣，自己構(gòu)建自己的知識表示。這顯然會比人們搜腸刮肚的研究知識表示要優(yōu)越得多。因此我們在主張自編程序的同時，也要自編數(shù)據(jù)庫，把自編程序與自建數(shù)據(jù)庫一起在學(xué)習(xí)過程中解決。這種學(xué)習(xí)過程的功能，顯然是機器學(xué)習(xí)理論不具有的。那么，這種學(xué)習(xí)過程是什么樣的呢？Ｅ、強人工智能的學(xué)習(xí)問題。于是自編程序的問題又回到我們的老問題上來了，這個問題就是學(xué)習(xí)問題。那么在這里，我反對機器學(xué)習(xí)理論，又想設(shè)計什么樣的學(xué)習(xí)呢？我不提出什么像機器學(xué)習(xí)理論那樣的“學(xué)習(xí)”模式。我只想模擬人類的學(xué)習(xí)，讓我的系統(tǒng)由無智能自編出豐富的智能，并利用系統(tǒng)自己產(chǎn)生的智能，靈活的、多變的、有創(chuàng)造性地解決問題。為什么我不提出各種學(xué)習(xí)模式呢？因為你提出的學(xué)習(xí)模式再新穎、再巧妙，一旦編寫成程序，也就固定化了，對于變幻多端的問題，它也就相形見絀了。有了模式，就等于局限于模式。沒有模式，就等于給出了適應(yīng)性最廣的模式。在上面的思路下，我提出四種基本學(xué)習(xí)過程，它們不是學(xué)習(xí)模式，而是適應(yīng)不同學(xué)習(xí)環(huán)境的必須經(jīng)歷的學(xué)習(xí)過程。這四個學(xué)習(xí)過程分別是：自主學(xué)習(xí)過程、模仿學(xué)習(xí)過程、伴隨學(xué)習(xí)過程和反射學(xué)習(xí)過程。對比機器學(xué)習(xí)理論，人們就會匪夷所思，人們就會發(fā)現(xiàn)它們一點與機器學(xué)習(xí)理論對不上茬。這也就表明，我主張的學(xué)習(xí)與機器學(xué)習(xí)理論根本不是同樣的學(xué)習(xí)概念。有些人會問，你憑什么提出這四個學(xué)習(xí)過程？我的依據(jù)很簡單，依據(jù)人類和動物的實際學(xué)習(xí)過程，依據(jù)人們關(guān)于學(xué)習(xí)所作的各種生物實驗。在五樓。建設(shè)西路東口網(wǎng)友提出：“讓系統(tǒng)的自編程序……自己構(gòu)建自己的知識表示……計算機是如何做到這個“無中生有”的？”回復(fù)：因為大腦里的智能不過是大腦對外部世界的一種反映。只要大腦與外部世界建立了有效映射，任何類似大腦的系統(tǒng)，都會產(chǎn)生與大腦的類似的智力。我先舉一個智能操作的例子：“分析”是一種重要的智能操作，但究其根源，它來自外部世界物體被分裂、分割這種現(xiàn)象，人們由感覺到這些現(xiàn)象，到動手制造這種現(xiàn)象，形成“拆分經(jīng)驗”。當(dāng)系統(tǒng)把這種經(jīng)驗用于對內(nèi)部資料進行“拆分”時，就產(chǎn)生了“分析”操作?！渌悄懿僮饕捕伎梢灶愃频卣业酵獠坑成湓?。再說知識表示，它是對外部世界物品堆放方式的映射，外部物品的不同堆放方式，成為大腦內(nèi)部模仿的對象。外部世界還有對物品堆放的整理，這也映射為大腦內(nèi)部整理知識的方式。系統(tǒng)經(jīng)過模仿堆放知識，模仿整理知識，漸漸就形成內(nèi)部固定模式的知識表示方法。以上整套（這里只是簡述）理論，叫做“智能在學(xué)習(xí)中生成理論”，它可以用數(shù)學(xué)描述，該數(shù)學(xué)叫做“智能數(shù)學(xué)”。４、摸索學(xué)習(xí)過程。Ａ、摸索學(xué)習(xí)過程——嘗試錯誤學(xué)習(xí)。摸索學(xué)習(xí)過程是人們較為熟悉的學(xué)習(xí)過程。通常被叫做嘗試錯誤學(xué)習(xí)。它是有實驗基礎(chǔ)的學(xué)習(xí)過程。最初用實驗發(fā)現(xiàn)這個學(xué)習(xí)過程的是心理學(xué)家桑代克。他最先進行的實驗叫做迷籠，是一個讓貓學(xué)會打開開關(guān)，走出籠子，獲得籠外食物的實驗。后來又大量進行白鼠走迷津?qū)嶒?，研究這個學(xué)習(xí)過程的規(guī)律。它是一種對自身基本動作隨機組合，然后執(zhí)行組合動作，由感覺活動執(zhí)行結(jié)果的反饋信息。在反復(fù)修改組合動作，直到成功地達到目的的學(xué)習(xí)循環(huán)。由于學(xué)習(xí)中需要大量的嘗試，因此叫做嘗試錯誤學(xué)習(xí)。由于這種學(xué)習(xí)方式僅僅由需要發(fā)動，沒有任何誘導(dǎo)學(xué)習(xí)結(jié)果的因素出現(xiàn)，它顯示了這種學(xué)習(xí)的自主性，因此我把它叫做摸索學(xué)習(xí)過程。目前機器學(xué)習(xí)理論的很多地方都采用了這種學(xué)習(xí)過程。例如人工神經(jīng)網(wǎng)絡(luò)理論的一些模型，以及其程序運行時的訓(xùn)練，都是根據(jù)嘗試錯誤學(xué)習(xí)原理設(shè)計的。另外的一些搜索理論也是建立在嘗試錯誤學(xué)些基礎(chǔ)上的。遺傳算法、遺傳編程的變異也是一些嘗試學(xué)習(xí)。因此人們實際上對摸索學(xué)習(xí)并不生疏。Ｂ、以自編程序為學(xué)習(xí)結(jié)果的摸索學(xué)習(xí)過程。我們的摸索學(xué)習(xí)過程在結(jié)構(gòu)上與計算機理論中使用的嘗試學(xué)習(xí)過程基本類似。但是它又是以自編程序為學(xué)習(xí)結(jié)果的。為了體現(xiàn)摸索學(xué)習(xí)，我們設(shè)計的學(xué)習(xí)過程是由一個需要機制開始的。需要機制的詳細(xì)結(jié)構(gòu)和原理，我們以后有機會再討論。它的工作過程大體如下：系統(tǒng)檢查自身的狀態(tài)和輸入信息后，由內(nèi)外信息產(chǎn)生學(xué)習(xí)的需要，學(xué)習(xí)過程由“學(xué)習(xí)需要”激發(fā)開始運行。當(dāng)學(xué)習(xí)中編寫的自編程序，完成“學(xué)習(xí)需要”的要求時，系統(tǒng)的狀態(tài)自動有所表示，需要機制根據(jù)系統(tǒng)狀態(tài)決定終止學(xué)習(xí)過程的運行。這個需要機制的存在，會使系統(tǒng)具有自主性。摸索學(xué)習(xí)由需要機制發(fā)動后，便進入一個循環(huán)。這個循環(huán)有兩層。外層叫做鞏固循環(huán)，內(nèi)層叫做自編程序循環(huán)。運行首先越過外層循環(huán)直接進入內(nèi)層循環(huán)，即進入自編程序循環(huán)。在自編程序循環(huán)后，系統(tǒng)首先把小程序（前面說過的程序語言）組編成大程序，然后把大程序交付運行，把運行結(jié)果反饋回系統(tǒng)，由系統(tǒng)判別程序是否成功，不成功就改編自編程序，再交付運行，再反饋回系統(tǒng)。直到獲得成功的程序，解決問題。并把成功程序命名并保存起來，同時還要記錄下程序的運行條件，解決的問題。在獲得成功程序后，學(xué)習(xí)進入外層循環(huán)，通過反復(fù)成功的運行，獲得確認(rèn)。最后命名、記錄運行條件、解決問題、保存。通過這樣一個摸索學(xué)習(xí)的循環(huán)結(jié)構(gòu)，系統(tǒng)完成自編程序的學(xué)習(xí)。請注意，這里設(shè)計的是一個通用的摸索學(xué)習(xí)的程序結(jié)構(gòu)，它可以學(xué)習(xí)到很多解決問題的程序，編寫出的成功程序都作為可反復(fù)調(diào)用的程序保存在系統(tǒng)中。這種保存不僅有在同樣問題出現(xiàn)時可調(diào)用該程序的作用。還可以像前面所說的，把這些自編程序作為新的編程詞匯，編寫成更復(fù)雜大程序。保存自編程序還有另一個作用，那就是移用作用。我們以后再介紹。５、摸索學(xué)習(xí)過程的收斂問題。上面，我們介紹了我設(shè)計的摸索學(xué)習(xí)過程的結(jié)構(gòu)。人們會對這個結(jié)構(gòu)提出很多疑問，我們下面一一來解決人們的這些疑問。Ａ、收斂性問題。首先要解決的是，這種學(xué)習(xí)的收斂性問題。在機器學(xué)習(xí)理論中，也有類似的組合并搜索最佳方式的方法，但是為了解決收斂問題，人們還要設(shè)計很多搜索方案。如果我們也采用這些方案，我們的方法就與機器學(xué)習(xí)理論一致了，我的整個主題也就沒有意義了。我的摸索學(xué)習(xí)過程關(guān)鍵就是它不會出現(xiàn)不收斂問題。怎么可能？道理很簡單，我們的智能學(xué)習(xí)是面向自編程序的學(xué)習(xí)，它不像機器學(xué)習(xí)是指向知識的。在機器學(xué)習(xí)中，知識越豐富，搜索越困難。而知識不豐富，問題的解就會被漏到知識之外。自編程序是以小程序為基礎(chǔ)的，我們確定為智能小程序的不超過十個（理由以后會討論）。因此它們的組合數(shù)量就相對的較少。不會出現(xiàn)豐富不豐富的矛盾問題。另外，我們采用智能程序按層次自編的方式。每一層次限制參與編寫的小程序數(shù)量。這就大大壓縮了一個層次內(nèi)編程的嘗試次數(shù)，有效地解決了不收斂問題。假設(shè)我們選擇了十個小程序，第一層次限制是兩個小程序組合，剔除有些組合不能操作后，剩下的組合量就有限了，嘗試就在這有限的個數(shù)間進行，就一定不會不收斂。然后按這個層次網(wǎng)上編寫，每一層次的數(shù)量都會比無層次的組合少得多。但是問題又來了，由于自編出的程序也可以作為小程序參與組合，越往高層次，數(shù)量就會越大，這會不會造成高層次嘗試學(xué)習(xí)的不收斂？Ｂ、就近組合的編程。解決高層次編程不收斂的方法也很簡單，就是不采用真正的隨機組合編程方式，而采用功能就近組合的編程方式。什么是真正的隨機組合？那就是用“純隨機函數(shù)”為編寫組合的選擇原則。我們知道計算機實現(xiàn)純隨機本身就很困難，而純隨機表面上公平，卻加大了隨機帶來的不確定性。因此純隨機未必有益處。什么是功能就近組合方式？我們在摸索學(xué)習(xí)過程的介紹中，曾經(jīng)說到，每記錄一個成功程序，就要為它命名，并記錄下它實現(xiàn)的條件。實現(xiàn)的條件，就是這個自編出的程序的適用條件。就近組合，就是選擇與當(dāng)前任務(wù)接近的自編程序，作為組合的元素。由于系統(tǒng)的無智能性，科學(xué)的選擇很難，于是就可以在就近的程序中隨機選擇。這樣，“就近”這個原則，就把組合量壓縮到很小的范圍。為了使這個意思形象化，我們舉個例子，這個例子雖然不是智能的自編程序，但是比智能程序敘述起來簡單的多。比如我們學(xué)習(xí)用手握住杯子，如果采用純隨機方式，會出現(xiàn)一個個手指單獨動作、兩個手指單獨動作、每個手指的伸直動作.....等大量組合手指動作的可能。組合量會非常大，嘗試過程也會非常長，因此還可能出現(xiàn)不收斂的情況。但是根據(jù)以前手指的操作經(jīng)驗，五個手指一起收攏，會只嘗試一、兩次，就學(xué)會握杯子。這個例子形象的表明，就近組合減少組合嘗試數(shù)量的程度。Ｃ、自指不產(chǎn)生悖論問題。我們前面提出了使摸索學(xué)習(xí)不會不收斂的一些措施。其中包括：１、設(shè)置很少的組合基元。２、設(shè)置分層次組合。３、設(shè)置就近組合。而在智能的一些操作在自主學(xué)習(xí)中編寫出以后，我們還可以用這些自編程序參與選擇。這就是４、由自編的智能程序參與到自編程序中來，以限制尋找成功組合的盲目性。這一點在有些人看來，好像是一種自指，自編程序自指向自編程序。他們會擔(dān)心由此產(chǎn)生悖論，由此會產(chǎn)生程序運行的無限循環(huán)。這是一種看問題不認(rèn)真造成的錯誤認(rèn)識。雖然已經(jīng)編出的自編程序和尚未編出的程序都叫做自編程序。但是實際上它們是不同的程序。已經(jīng)編出的程序是成功運行的程序，一旦它編出后，除去來源于我們?nèi)司幊绦虿煌谶\行上與我們?nèi)司幊绦蚴且粯拥?。因此已?jīng)編出的自編程序參與自編程序，與我們用人編程序進行自編程序，運行是一樣的。由于已經(jīng)編出的自編程序和尚未編出的自編程序是兩類不同的程序，由已經(jīng)編出的自編程序參與尚未編出的自編程序的編寫，是“它指”而不是自指。那些看問題不仔細(xì)不認(rèn)真的人，僅僅看到都是自編程序，就擔(dān)心自指，就擔(dān)心悖論，就擔(dān)心無限循環(huán)，顯然是一種不必要的擔(dān)心。我們再具體說一下，自編出的程序參與以后的自編的意義。例如在推理操作程序自編成功以后，系統(tǒng)再進行新的組合時，就調(diào)用推理操作進行組合的選擇，那樣的選擇就會更有目的性，就不會在無限解空間盲目的搜索。顯然就不會不收斂。６、受限組合設(shè)計思想。為了使人們更深刻地理解我們前面說的“不會不收斂”，我們下面介紹一下“受限組合設(shè)計思想”。這里與數(shù)學(xué)的組合研究方式不同，數(shù)學(xué)重點研究組合的數(shù)量，這里則很重視組合的形式。Ａ、簡介“泛結(jié)構(gòu)理論”?！胺航Y(jié)構(gòu)理論”是我首先提出描述任意結(jié)構(gòu)的理論。我簡單介紹一下：甲、基元和組成。參與組合的最小元素，我們叫做基元?；蛟剡M行組合的方式我們就叫做“組成”。如果不限制組合方式，那么只有一個基元也能夠組合出無窮多個組合結(jié)果來。例如我們只用一個點作為組合的元素，不限制它的組合方式，我們可以通過一種組合方式，看看它如何能夠產(chǎn)生無窮多組合結(jié)果來。我們先把點組合成不同數(shù)量的點群。并命名一個點的點群為“１”，兩個點的點群為“２”，三個點的點群為“３”......，十個點的點群為“０”。并且只組合出這樣十個一級點群。如果組合出無限的一級點群，其一級點群的組合結(jié)果就是無窮的。下面，我們就可以把這十個一級點群作為十個數(shù)字，組合成十進制數(shù)字的高級點群，顯然其組合結(jié)果是無窮的。因此，如果不限制組合方式，任何基元的組合都會是無窮的。因此減少基元并不能減少組合結(jié)果的無窮性。也就因此不能使將來的程序運行不收斂。但是我們可以看出，并不是任何組合方式都會使點群的組合結(jié)果是無窮的，只要我們限制一些組合方式，只允許不產(chǎn)生無窮組合的組合方式。那些就會有效的防止將來程序運行的不收斂。乙、組成——組合方式。由上面一個點為組合基元的例子，我們可以看出，影響組合的因素不僅僅是基元的數(shù)量，還有組合方式?；獮橐粋€，已經(jīng)是基元的最小數(shù)量了，但是選擇某個組合方式，它還可以有無窮多的組合結(jié)果的。因此人們往往把對組合的搜索看成是對組合結(jié)果的簡單搜索，這是不正確的。要得出全部的組合結(jié)果，往往還要對“組合方式”進行搜索，找出獲得最后結(jié)果的組合方式。舉個數(shù)學(xué)的例子，集合論中的自然數(shù)集合，就是先找出一種特殊的組合方式，然后再從這種組合方式找到組合結(jié)果的。并不是所有的人隨隨便便的就能提出自然數(shù)集合的，這就表明搜索組合方式也非易事。由于這個原因，一般的組合的搜索域往往是很難收斂的。丙、受限組合問題——約束。為了解決收斂問題。我們必須研究受限組合問題。什么是受限組合？顧名思義，就是組合形式受到了一定限制的組合。在實際的大多數(shù)組合過程中，并不是所有組合方式都成立，制革方式會受到很多限制，在“泛結(jié)構(gòu)論”里，把組合時所受到的限制叫做約束。顯然，由于組合形式受到了限制，組合結(jié)果也就同時受到了限制。這就會大大減少組合的數(shù)量。但是只有當(dāng)組合結(jié)果被減少到數(shù)量有限，而且搜索不會是高次多項式收斂時，收斂性才能得到有效的保證。這樣，受限組合的討論就集中在，組合方式受限后，怎樣保證它的結(jié)果不是無窮多的，怎樣保證它的結(jié)果不是高次多項式收斂的。顯然，如果讓我們設(shè)計的初始無智能系統(tǒng)，自己解決上面的問題，是辦不到的。而像機器學(xué)習(xí)理論那樣，由人們提出一些方式，經(jīng)過理論證明，保證它們收斂。就影響了這種智能的靈活性、適應(yīng)性、巧妙性等。因此受限組合研究的重點就有歸結(jié)為，如何提出一種讓無智能系統(tǒng)自行解決收斂問題的方案。Ｂ、漸次收斂方式。在機器學(xué)習(xí)理論中，人們提出了很多方法想使得問題收斂。但是截止到目前，還沒有一個能夠完全保證運行結(jié)果收斂的方法。那么這個方法是否存在呢？我們需要換一個角度思考這個問題。這就是，我們這樣提問，人類智能是如何實現(xiàn)解決問題的收斂性呢？如果這個問題得到解決，我們模擬這個問題的答案，編寫計算機程序就行了！首先，我認(rèn)為，人類智能并不能保證解決問題永遠(yuǎn)收斂。舉一個例子證明，歌德巴赫猜想，至今沒有解決。我國著名的數(shù)學(xué)家僅僅解決了１＋２的問題，就與世長辭了。這起碼表明，在陳景潤先生的那臺大腦計算機里，“運行解決歌德巴赫猜想程序”并沒有收斂，或者說它僅僅運行到“１＋２”就中止了。這就表明，人腦智能運行并不能保證永遠(yuǎn)收斂。那么歌德巴赫猜想要如何解決呢？人類智能是由一個個人類個體連續(xù)運行，并且靠偶然的先進個體的出現(xiàn)，最后解決難題的。計算機收斂問題難道不能由此得到些什么啟發(fā)么？也就是說，人類智能并不要求運行起來，絕對能夠收斂。但是人類不會因為問題的不解決而長久運行。我們只要在計算機程序里設(shè)置一些終止點，在問題長期得不到解決時，終止運行，分析長期得不到結(jié)果的原因。陳景潤先生的去世，相當(dāng)于解決歌德巴赫猜想的程序的一個終止點。其他人繼續(xù)完成這個課題，相當(dāng)于分析修改原來的程序后，繼續(xù)運行。由于計算機不會像人類那樣死亡，繼續(xù)工作可以有一臺計算機進行。這便是我們受限組合理論解決收斂問題的第一招。Ｃ、新計算機程序評價的標(biāo)準(zhǔn)——允許漸次收斂。然而，人們應(yīng)該注意到，我們上述的招數(shù)，竟然是目前計算機理論中所不允許的！倒不是有明文規(guī)定，說這種方式不能使。而是目前判斷計算機程序效率的各種方式，都不會允許這一招的實現(xiàn)。在我們上面提出的方法中，意味著允許一個計算機程序毫無結(jié)果的運行后終止。在目前計算機程序效能的判定中，這種程序是被判定為無效的、無用的、無意義的。實際上如果一個計算機程序運行無效后，對于運行過程沒有報留下任何痕跡，那么它的運行也確實是無效的、無用的、無意義的。但是我們的程序卻是要記錄保留運行過程的。因此它的一次運行雖然沒有結(jié)果后，但是卻記錄下了運行過程和運行的很多中間結(jié)果。再次運行，程序便可以對這些運行過程的記錄進行分析，進行改進。使改進后的運行接近成功的運行。如果再次不成功，就再次終止運行，再次分析運行過程，再次改進。有人說，你這個方法有什么稀罕？我們編程時都是這樣做的呀！但是關(guān)鍵的區(qū)別在于，我們編程時是人在進行分析改進工作?，F(xiàn)在是計算機自己在進行分析改進工作。不需要人的干涉參與。這正是這種計算機設(shè)計具有強智能特征的所在。但是這個方案的實現(xiàn)，卻要求我們重新確定計算機程序評價的標(biāo)準(zhǔn)。要求允許計算機反復(fù)運行后才成功，也看成是計算機程序有效、有意義。甚至在評價計算機效率時，關(guān)注計算機運行過程和中間結(jié)果，比關(guān)注計算機運行的最后結(jié)果還要重要。陳景潤先生證明的“１＋２”就是一個運行的中間結(jié)果。數(shù)學(xué)界并沒有因為他沒有最終證明歌德巴赫猜想而否定他的研究，因為他的研究提供了很多有益的數(shù)學(xué)研究的思想方法。而“１＋２”也是歌德巴赫猜想證明的一個重要的進展。因此把這種人類智能評價方式，用在對計算機智能的評價。這是對計算機評價理論的新要求。但是，這個改變的前提是：計算機一定要能夠記錄運行過程，要能夠自己分析和改進自己的智能活動。這也是我們在前面強調(diào)程序運行中要不斷積累經(jīng)驗的原因了。而目前機器學(xué)習(xí)理論仍然處于重視運行結(jié)果，而不重視積累經(jīng)驗的及其低級的水平?。?、分層次組合。有了允許終止運行并修改程序和記錄運行過程、中間結(jié)果兩項措施后。我們再反過頭來看看分層次組合對受限組合的意義。分層次組合本身如果無限進行下去，并不會減少組合的數(shù)量，因此也不會因為分層次組合而保證收斂。但是如果我們在記錄運行過程和結(jié)果的基礎(chǔ)上再考慮分層次組合。情況就不同了。首先我們分層次時要使低層次的組合量小一些。這一點我們是可以通過分層次的方式控制的。由于低層次組合量少，它們的收斂性就會得到保證。在組合和運行低層次組合的程序時，由于允許終止、修改和記錄過程、結(jié)果。就在低層次把一些無法成功運行的組合淘汰掉，它們也就不能繼續(xù)參與高層次的組合。因此分層次后，高層次組合量還是會比低層次的多一些，但是數(shù)量已經(jīng)大大減少。這就很有利于收斂。而且低層次的過程、結(jié)果記錄，還相當(dāng)于一種知識，它將會成為進一步組合程序時，推斷程序性能的依據(jù)。還要注意的是，我們在組合中編寫的程序不是別的什么程序，而是智能程序，這些程序的漸次編出，就會不斷提高系統(tǒng)的智力。已經(jīng)編出的智力程序加上紀(jì)錄的程序運行知識，就會使那些不可能成功的程序組合在運行前被排除。這也大大壓縮了程序的組合量。上述組合方式顯然會使程序由低層次向高層次發(fā)展時，雖然數(shù)量會有所增加，但是不會呈現(xiàn)出爆炸式的形式增加。因此也就確保了高層次組合的收斂。而在智力程序不斷編出后，智力提高到一定水平。以后的程序組合將不會是任意的組合，而是有目的的組合。這就絕對的保證了自編程序過程的收斂性。還需要指出的是，我們利用受限組合，保證自編程序的組合收斂，不是制定出一些受限規(guī)則。制定任何規(guī)則都會使系統(tǒng)的靈活性受到那種規(guī)則的限制。我們是利用操作自身使組合數(shù)量受限。例如允許終止運行和終止后修改，不是什么規(guī)則，而是操作方式。再例如，記錄程序運行過程和中間結(jié)果也不是什么規(guī)則，而是操作方式。分層次組合是一種操作方式，它含有一個低層次組合數(shù)量要少的規(guī)則。但是這個規(guī)則本身并不能保證系統(tǒng)的高層次組合收斂。而保證高層次組合收斂的是紀(jì)錄的知識和編出的智力程序參與新的程序組合。在計算機理論中，有人依據(jù)歌德爾定理提出一個所謂規(guī)則的規(guī)則悖論。在這里由于我們的受限是操作自身限制組合的數(shù)量，沒有規(guī)則參與。因此也就沒有規(guī)則導(dǎo)致的規(guī)則悖論出現(xiàn)。以上的討論，我們采取了一系列技術(shù)，排除了系統(tǒng)在自編程序中不收斂的可能，從而保證了系統(tǒng)自編程序的正常運行。以上措施不是我們杜撰的措施，而是根據(jù)人類智能的情況模擬出來的。因此它也能與人類智能更加貼近。７、自作用和偽自作用。人們可能還不相信我們的方法可以解決自編程序組合式的收斂問題。我們下面在介紹一下我們解決這個問題的重要保證——自作用和偽自作用。Ａ、什么是自作用。什么是自作用？一個程序作用于它自身，就是自作用。有人認(rèn)為這是自指，會出麻煩的。實際上自指未必都出麻煩。我可以舉一個小小的例子，說明程序如何自作用，又如何不出麻煩。大約在二十年前，我想用匯編語言編寫模擬智能的實驗程序。但是在業(yè)余條件下，無法買到匯編語言的編譯器。所以只好利用ＤＯＳ中的ＤＥＢＵＧ編寫小型程序。但是在ＤＥＢＵＧ中編寫程序，不能把整篇的文本文件（源程序）輸入，要一句句輸入源程序，操作很是麻煩。后來我就想到要找出該程序匯編的入口，這樣就可以由此輸入整篇源程序了。為了偵測ＤＥＢＵＧ匯編入口，我就用的ＤＥＢＵＧ來解讀ＤＥＢＵＧ，也就是把用ＤＥＢＵＧ的跟蹤功能，跟蹤到其匯編指令的入口。這就是一個程序自身對自身的操作。最后我找到了入口，并在修改該入口后制作出自己的助記符語言編譯器。借助它我做了大量模擬智能實驗。用ＤＥＢＵＧ來解讀ＤＥＢＵＧ，是一種程序?qū)ψ陨淼淖宰饔?，但是我沒有因為采用這種自作用而遇到蠻煩。因為這種自作用不會造成自作用的無限循環(huán)，它是一次性的自作用。Ｂ、自作用不出現(xiàn)麻煩的條件。但是這種自作用不出現(xiàn)麻煩是有原因的。在這個自作用過程中，ＤＯＳ操作系統(tǒng)是把ＤＥＢＵＧ程序作為兩個文件使用的。我們在鍵入ＤＯＳ命令“ＤＥＢＵＧＤＥＢＵＧ．ＥＸＥ”時，前一個ＤＥＢＵＧ，ＤＯＳ把它作為程序調(diào)用，后一個ＤＥＢＵＧ．ＥＸＥ，ＤＯＳ把它作為文件調(diào)用。兩個ＤＥＢＵＧ對ＤＯＳ來說性質(zhì)并不相同?？此谱宰饔茫瑢嶋H又不是真正的自作用。為了區(qū)別真正的自作用，我把這種看似自作用，又不是真正的自作用的情況，叫作偽自作用。這里自作用的“偽”就偽在，名稱相同、內(nèi)容相同，但是性質(zhì)不同的兩個東西在進行作用。它們一個是正在運行的程序（它的作用是操作者），另一個是程序的文本紀(jì)錄（是數(shù)據(jù)，它的作用是操作對象）。在ＤＯＳ兩次處理這個程序時，分兩次調(diào)用它。一次是作為運行程序調(diào)用，另一次作為程序處理的文件調(diào)用。在我們的眼皮底下，ＤＥＢＵＧ被ＤＯＳ處理成不同性質(zhì)的文件。也正是因為如此，這種自作用（自指）才不會出現(xiàn)任何麻煩。人類智能中也存在大量的自指和偽自指，我們模擬人類智能時也要模仿自指和偽自指。Ｃ、分辨自作用與偽自作用。在了解了自作用與偽自作用以后。我們再去看前三段講的。前面編出的程序用于后面的編程工作。就是一個智能程序作用于智能程序的過程。但是這不是一個自作用，而是一個偽自作用。因為已經(jīng)編出的智能程序，與正在編寫的智能程序并不是同一個程序，它們在名義上都屬于智能程序，但是實際上不是同一個程序。因此并不是真正的自作用，完全不用擔(dān)心這種作用引起無限循環(huán)。在機器學(xué)習(xí)理論中，目前還沒有敢于設(shè)計這種偽自作用的思路。我在強人工智能中引入這個思路，就會使系統(tǒng)前面的自編程序起到幫助后面自編程序編寫的作用。它們會造成系統(tǒng)智能的累積效應(yīng)。使得系統(tǒng)智能越來越高，也使得越復(fù)雜的智能操作程序，反而越容易收斂。當(dāng)然，由于越復(fù)雜的智能程序越容易收斂，必須有前面簡單智能程序已經(jīng)編出，并成功運行為基礎(chǔ)。如果有人愣要抬杠，說“既然越復(fù)雜的智能操作程序越容易收斂，那就先編復(fù)雜得好了”，顯然他們是編不出來的，因為這種抬杠忘記了前面的基礎(chǔ)?？梢哉f，系統(tǒng)自編程序間的偽自作用，使我們保證系統(tǒng)智能快速增長、智能程序快速收斂的法寶。二、四大學(xué)習(xí)過程。在花了很長篇幅討論了自編程序的收斂性以后。我們開始討論自編程序是如何形成的。遺傳編程把編程的過程也叫學(xué)習(xí)。但是我們在討論四大學(xué)習(xí)過程后，就會知道自編程序要經(jīng)歷一個怎樣的學(xué)習(xí)過程，從而會理解強人工智能與機器學(xué)習(xí)理論有什么不同。產(chǎn)生自編程序的四大學(xué)習(xí)過程是：反射學(xué)習(xí)過程、摸索學(xué)習(xí)過程、模仿學(xué)習(xí)過程、伴隨學(xué)習(xí)過程。機器學(xué)習(xí)理論中一般只采用摸索學(xué)習(xí)過程。不采用其它三種學(xué)習(xí)過程。為了說明這些，我們要一一討論這些學(xué)習(xí)過程，證明它們可以確保系統(tǒng)產(chǎn)生于人類智能一樣的能力。１、摸索學(xué)習(xí)過程。Ａ、摸索學(xué)習(xí)過程的實驗基礎(chǔ)。在四大學(xué)習(xí)過程中，反射學(xué)習(xí)過程、摸索學(xué)習(xí)過程、伴隨學(xué)習(xí)過程都是有相應(yīng)生物學(xué)或心理學(xué)實驗的。只是因為模仿學(xué)習(xí)太常見了，它反而沒有嚴(yán)格的實驗。我們只能依據(jù)經(jīng)驗來構(gòu)建它的程序模型。下面我就來介紹一下摸索學(xué)習(xí)過程的實驗基礎(chǔ)。這個實驗在西方心理學(xué)中都有介紹，它是由桑代克最先完成的，就此實驗，桑代克提出自己的很多解釋。我不是桑代克理論的支持者，而且認(rèn)為它的解釋有很多錯誤。因此我對他的解釋毫無興趣，只對這個實驗感興趣。因此閱讀到此處的人，千萬不要把這里對實驗的敘述與桑達克本人的理論聯(lián)系在一起理解。最初桑代克用饑餓的貓和一個帶有插銷門的籠子進行實驗，因此也叫做迷籠試驗。饑餓的貓看到門外的食物，就用各種動作嘗試逃出籠子，獲得食物。當(dāng)它十分偶然的碰到門上的插銷，門就被它打開，它也就逃出籠子，獲得食物。實驗的觀察這就記錄貓?zhí)映龌\子所用時間，以及記錄貓嘗試動作的次數(shù)。在貓?zhí)映龊?，用這只貓（仍等它處于饑餓狀態(tài)）再次進行實驗。此時貓仍舊要用很長時間，經(jīng)歷大量錯誤的嘗試動作，最后才再次偶然碰到門插銷，逃出籠子，獲得食物。此類實驗不斷反復(fù)進行下去。實驗觀察者發(fā)現(xiàn)，貓的錯誤嘗試動作在后來越來越少，逃離籠子所用時間也越來越短。直到后來，把貓一關(guān)進籠子，貓就一下子觸動插銷，打開籠門。也就是說，貓通過嘗試錯誤的反復(fù)學(xué)習(xí)，最后學(xué)會了貓本能中沒有的動作——打開籠門插銷的動作。此后此類實驗大量用白鼠走迷津的方式進行，實驗記錄更加準(zhǔn)確。該實驗表明動物和人的一種在沒有經(jīng)驗支持下的學(xué)習(xí)本領(lǐng)。人們一般叫做嘗試錯誤學(xué)習(xí)。在人工神經(jīng)網(wǎng)絡(luò)的很多模型里，都應(yīng)用了這個嘗試錯誤學(xué)習(xí)構(gòu)建模型。我把這個學(xué)習(xí)過程叫做摸索學(xué)習(xí)過程，以表示我僅尊重桑代克實驗，而對桑代克理論的不贊同。叫做摸索學(xué)習(xí)過程的另一個原因，是我認(rèn)為，這個實驗也表現(xiàn)出動物和人自主能力的來源。表現(xiàn)出最原始的自主性。Ｂ、學(xué)習(xí)過程的整體結(jié)構(gòu)。首先指出，機器學(xué)習(xí)并沒有完整的研究過學(xué)習(xí)過程，因此它的一些分支即便是進行某種學(xué)習(xí)，也是是支離破碎的學(xué)習(xí)，而且為了解決學(xué)習(xí)的收斂問題，加入了很多人為的、不自然的搜索手段，這反而增增加了機器學(xué)習(xí)的困難。由附圖中我們可以看出，一個完整的學(xué)習(xí)過程，可以抽象的分為四個部分。我們還要具體結(jié)合自主學(xué)習(xí)過程（嘗試錯誤學(xué)習(xí)過程）分析這四個部分。圖上方的方框?qū)懙氖菍W(xué)習(xí)環(huán)境，它是影響學(xué)習(xí)的外部因素。在桑代克實驗中，籠門有插銷的迷籠，和籠外的食物，構(gòu)成這個學(xué)習(xí)的學(xué)習(xí)環(huán)境。它影響學(xué)習(xí)過程的各個部分，我們用三條連線表示這個作用。圖的左側(cè)方框是需要機制，它是學(xué)習(xí)的動力部分，是學(xué)習(xí)活動的發(fā)動力。在桑代克實驗中，貓的饑餓狀態(tài)（食欲），是這個學(xué)習(xí)的發(fā)動力。圖的中部方框，寫的是學(xué)習(xí)過程，它是學(xué)習(xí)過程的主體，四大學(xué)習(xí)過程，關(guān)鍵區(qū)別在于學(xué)習(xí)主體部分不同。對于摸索學(xué)習(xí)（嘗試錯誤學(xué)習(xí)）的詳細(xì)過程分析，我們以后還要進行。圖的右側(cè)是學(xué)習(xí)結(jié)果部分。機器學(xué)習(xí)把學(xué)習(xí)結(jié)果歸結(jié)于問題的解，很是片面。實際上學(xué)習(xí)的結(jié)果有有兩部分。一部分是學(xué)習(xí)中積累的活動經(jīng)驗，另一部分才是活動的直接結(jié)果。在桑代克實驗中，學(xué)習(xí)的直接結(jié)果是貓獲得食物。但是在桑代克進行實驗時，就很不在乎這個結(jié)果。他們重視的結(jié)果是貓能夠打開籠門。因此，具有重要意義的學(xué)習(xí)結(jié)果是“貓打開籠門經(jīng)驗”的獲得。三個方框之間用直線相連，表示它們的操作順序。在我的強人工智能學(xué)習(xí)理論中，把學(xué)習(xí)結(jié)果歸結(jié)為自編程序（與貓獲得開籠門經(jīng)驗相當(dāng)）和自建數(shù)據(jù)庫（與貓在學(xué)習(xí)中認(rèn)識到打開籠門可以獲得食物相當(dāng)）。在機器學(xué)習(xí)理論中采用很多人為方法（搜索解的方法）幫助計算機解決問題，人們編出的程序已經(jīng)代替了系統(tǒng)自己獲得的經(jīng)驗。盡管有些機器學(xué)習(xí)模型使用了嘗試錯誤學(xué)習(xí)原理，當(dāng)時實質(zhì)上已經(jīng)與嘗試錯誤學(xué)習(xí)差了很多。學(xué)習(xí)過程圖

Ｃ、摸索學(xué)習(xí)過程的反饋結(jié)構(gòu)。細(xì)致地分析摸索學(xué)習(xí)過程，就會發(fā)現(xiàn)它是由反饋循環(huán)組成的。一個摸索學(xué)習(xí)過程有兩個反饋循環(huán)組成。兩個反饋過程分別組成內(nèi)外兩個反饋環(huán)。內(nèi)反饋環(huán)我叫它為成功動作生成環(huán)，它實際就是桑代克實驗一次實驗的過程。附圖就顯示出這個內(nèi)反饋環(huán)的具體工作過程。我們后面再仔細(xì)討論。外反饋環(huán)我叫它為成功動作鞏固環(huán)，它實際就是桑代克實驗多次實驗的過程。在機器學(xué)習(xí)理論的一些模型中，一般只模擬了桑代克實驗的內(nèi)反饋環(huán)，沒有注意到它的外反饋環(huán)，因為計算機的記憶是不用鞏固的。但是，外反饋環(huán)的鞏固作用對應(yīng)著遺忘，使系統(tǒng)清理無用信息的重要方式。同時鞏固反饋環(huán)對于系統(tǒng)以后的學(xué)習(xí)能夠加快收斂起很重要的作用。我們附圖給出的成功動作生成環(huán)，它的結(jié)構(gòu)也比機器學(xué)習(xí)理論模型中的嘗試學(xué)習(xí)細(xì)致。從附圖我們可以看出，在需要機制發(fā)動一次實驗的學(xué)習(xí)后，實驗動物由大腦的隨機操作機制隨機發(fā)出動作指令，該動作被操作部分執(zhí)行，其效果由實驗動物的感覺器官感知。依據(jù)感覺的判定，信息分兩路傳遞：如果效果顯示是成功的，一次實驗的學(xué)習(xí)過程停止，成功動作被記錄為印象。如果感覺判定效果是失敗的，信息被反饋回大腦，經(jīng)過調(diào)整，隨機機制再發(fā)出新的動作指令。反饋循環(huán)就繼續(xù)進行。直到成功動作產(chǎn)生。需要解釋的是，由于一次實驗產(chǎn)生的成功動作，還不鞏固，不能被大腦記憶住。因此只能成為記憶不牢的印象。我們這里把印象定義為不鞏固的記憶。需要解釋的另一點就是，在失敗信息反饋回到腦的過程中，失敗動作還有一個被保存為負(fù)印象的環(huán)節(jié)。什么是負(fù)印象？它就是對失敗動作不牢固的記憶。這種負(fù)印象是否存在？在桑代克實驗中，以后多次實驗中，實驗觀察著記錄的錯誤嘗試動作次數(shù)明顯減少。這表明有一種東西起到是錯誤嘗試動作減少的作用。這種東西顯然是實驗動物對錯誤嘗試動作的記憶。對錯誤動作的記憶，起到限制錯誤動作再次發(fā)生的作用。但是一次實驗，這種記憶是不牢固的，因此我們把它成為負(fù)印象。多次實驗后，錯誤的嘗試動作也會鞏固為記憶。這種記憶的意義十分重大。我們在分析外反饋循環(huán)時再詳細(xì)討論。摸索學(xué)習(xí)過程

Ｄ、解決問題過程與外層反饋。我們上面討論了摸索學(xué)習(xí)過程（嘗試錯誤學(xué)習(xí)）的內(nèi)層反饋環(huán)——成功動作生成環(huán)。下面我們要討論摸索學(xué)習(xí)過程的外層反饋環(huán)——成功動作鞏固環(huán)。為了更確切的理解成功動作鞏固環(huán)。我們在附圖中給出了完整地解決問題過程方框圖。摸索學(xué)習(xí)過程的外層反饋環(huán)就在這個過程中間。附圖的左端首先是進入學(xué)習(xí)環(huán)境，也就是進入解決問題環(huán)境。環(huán)境激發(fā)需要機制，需要機制激發(fā)活動后并不立即進入摸索學(xué)習(xí)過程。它要先檢驗經(jīng)驗（相當(dāng)于計算機的動作程序）的有無。如果有相應(yīng)的經(jīng)驗（這相當(dāng)于動物學(xué)會成功動作的狀態(tài)），就調(diào)用經(jīng)驗順利地完成動作，解決問題（獲得食物）。如果沒有成功的經(jīng)驗，才進入摸索學(xué)習(xí)過程。附圖中標(biāo)有摸索學(xué)習(xí)過程的方框，相當(dāng)于上一段所說的一次實驗過程，相當(dāng)于上一幅附圖的描述。如果這已經(jīng)是第二次實驗，就表明進入反復(fù)進行實驗的過程，也就是進入成功動作鞏固反饋環(huán)。最初摸索學(xué)習(xí)過程的結(jié)果還是形成正印象，其生成負(fù)印象的部分包括在摸索學(xué)習(xí)過程的方框內(nèi)，沒有標(biāo)出。（注：摸索學(xué)習(xí)過程原來叫做自主學(xué)習(xí)過程，原圖中的自主學(xué)習(xí)就是摸索學(xué)習(xí)）附圖下面?zhèn)€黑線，就是反饋信號傳輸線。實驗重復(fù)一些次數(shù)后，正印象便被鞏固為正經(jīng)驗。在我們這里經(jīng)驗被定義為鞏固后的操作方法，或者說是鞏固后的印象。它相當(dāng)于自編好的程序。正經(jīng)驗就是成功的活動的經(jīng)驗。一旦經(jīng)驗形成，外層反饋環(huán)就結(jié)束循環(huán)。再次進入學(xué)習(xí)環(huán)境時，只能調(diào)用成功經(jīng)驗進行活動了。只有在環(huán)境變化后，在需要新的學(xué)習(xí)。上述解決問題的摸索學(xué)習(xí)過程，就是一個程序的流程，顯然可以全部編寫成程序（包括一次實驗過程），由計算機模擬?？梢钥闯?，模擬這個過程的計算機程序，重要的結(jié)果不是解決問題（獲得食物），而是獲得了新環(huán)境下的活動方式，即自編出活動程序（形成成功活動的經(jīng)驗）。因此我認(rèn)為摸索學(xué)習(xí)過程是自編程序的重要過程。人工神經(jīng)網(wǎng)絡(luò)的很多模型都有摸索學(xué)習(xí)過程的痕跡。例如對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，就是一個一次實驗（多次嘗試）摸索學(xué)習(xí)過程。它用神經(jīng)元權(quán)值的不斷改變，作為學(xué)習(xí)結(jié)果。最后確定的勸止，相當(dāng)于正印象。但是這個學(xué)習(xí)不能夠同時積累負(fù)印象。也不能積累多條正經(jīng)驗。對此做法的危害性，我們以后還要討論。完整的解決問題過程

Ｅ、隨機操作的產(chǎn)生問題。甲、隨機操作的收斂性問題。在整個摸索學(xué)習(xí)過程的工作過程都清楚以后。我們再仔細(xì)看看“摸索學(xué)習(xí)過程圖”中的隨機操作部分。這個問題在實際編程過程中非常重要，如果它隨機到產(chǎn)生無窮多無法成功的操作的程度，那么這個摸索學(xué)習(xí)過程是無法用計算機模擬的。為了解決這個隨機問題，我也和很多人交換過意見，有些人建議把操作程序編成數(shù)字號碼，用隨機函數(shù)產(chǎn)生一個個號碼，以保證對操作的純隨機調(diào)用。其實，我個人認(rèn)為，只要是能夠把所有操作都經(jīng)歷遍，給每一個可能成功的操作以平等的機會，并保證做過的操作不再重復(fù)，就足夠了。至于是否是純隨機的，意義并不大。就用順序方式調(diào)用系統(tǒng)的操作，給調(diào)用過的操作程序以“調(diào)用過”的標(biāo)記。就很不錯了。真正關(guān)鍵的問題不在于隨機的“純”與“不純”上，而在于調(diào)用的操作如何保證盡快收斂上。我們不妨分析一下桑代克迷籠實驗的情況。被關(guān)進迷籠的貓，并不會用無關(guān)程度很高的動作嘗試打開籠門。例如它不會用清潔皮毛的動作嘗試打開籠門，它不會用刨坑蓋屎的動作去嘗試打開籠門。它采用的是撲、咬、前爪抓、把爪子試圖伸到門外、用頭拱嘗試鉆出、用屁股拱嘗試退出等方式。這些都是它平時遇到障礙，學(xué)習(xí)到的克服障礙的動作。由此，我們在前面討論自編程序的收斂性時，才指出采用“貼近調(diào)用”的方式加快收斂。顯然，貓對動作的這種選擇，已經(jīng)不是純隨機調(diào)用，而是“隨機貼近調(diào)用”。乙、“隨機貼近調(diào)用”。什么是“隨機貼近調(diào)用”？也就是在一定范圍內(nèi)的隨機調(diào)用，這個一定范圍是與解決學(xué)習(xí)環(huán)境提出的問題接近的那些操作，而不是系統(tǒng)所有的操作。那么這個一定范圍的選擇是否是有智能的呢？這倒不一定！我們可以用程序來想象。如果我們的系統(tǒng)中的每個操作程序，都有它產(chǎn)生的環(huán)境紀(jì)錄，只要機械的調(diào)用這些紀(jì)錄，就可以“知道”它是否與問題貼近。如此我們就可以確定“隨機貼近調(diào)用”的流程：過程進入“隨機調(diào)用”程序塊以后，先去一一檢查已有的操作程序的相關(guān)紀(jì)錄，僅調(diào)用那些記錄上與環(huán)境提出問題接近的操作。那么判斷貼近要不要智能呢？也大可不必。這個貼近比較不是精確比較，只要有粗略相同就可以了。因為實際上要由“具體操作的成功與否”決定哪個操作被最終確定，這里做精確比較沒有意義。但是問題又出來了：計算機對“精確比較確定”比較在行，對于“粗略比較確定”反而很無能。一般要采用模糊數(shù)學(xué)來處理。這里是否要引入模糊數(shù)學(xué)來處理呢？答案是不需要！貓對學(xué)習(xí)環(huán)境的感知會激發(fā)很多不同的需要，迷籠里的貓被激發(fā)有饑餓的需要（食欲）和逃出籠子的需要（避險欲），只要在記錄操作程序時把相關(guān)需要記錄在相關(guān)程序上，此時需要就會幫助系統(tǒng)作出粗略的選擇。顯然，我們模擬摸索學(xué)習(xí)時，也模擬需要機制，在此就可以起到粗略選擇的作用。無須用什么模糊數(shù)學(xué)處理?。啤⒆畛踅?jīng)驗的學(xué)習(xí)。在前一段中，我們說到，桑代克的迷籠實驗中的貓，在摸索學(xué)習(xí)時的隨機操作是隨機的調(diào)用貼近的經(jīng)驗。那么最初的經(jīng)驗是否能夠通過摸索學(xué)習(xí)完成呢？我通過對嬰兒學(xué)習(xí)簡單動作的觀察，證明了最初的經(jīng)驗也可以通過自主學(xué)習(xí)完成。下面舉我觀察的一個嬰兒在嬰兒車學(xué)習(xí)坐起的例子。因為他還沒有在床上坐起過，在嬰兒車的坐起應(yīng)該是他最初的動作經(jīng)驗積累。他往前伸手、往起探身企圖坐起來（實際上他還不知道坐是怎么回事，也不知道坐起是什么感覺，我們用詞——“企圖坐起來”有些過分）。但是他總是半途就又摔了回去。孩子對這類事情是很有耐心的，他可以一個小時不知疲倦的重復(fù)。有時已經(jīng)快坐起來了，他竟然把腿舉起來，結(jié)果可想而知：重心向頭部的移動使他又躺了下去。就這樣一次又一次的失敗，而孩子還在一次又一次的嘗試。直到他終于獲得一次成功！觀察到他一次成功需要花很長時間，連觀察者也需要足夠的耐心。在他一次成功后，我為了加快觀察，把他又放倒。他與迷籠中的貓一樣，果然并沒有學(xué)會坐起的動作。又經(jīng)過大量嘗試（有時因為疲勞而不再嘗試了）才能再次坐起來。也是經(jīng)過這樣多次嘗試成功，才學(xué)會了順利完成坐起的動作。經(jīng)過又是一次次的失敗，他才再次作了起來。學(xué)習(xí)幾天以后，他才學(xué)會順利地坐起來。這個時候他的經(jīng)驗已經(jīng)形成。整個觀察是對一些原來不會坐起的嬰兒進行的，這確實是他的基本經(jīng)驗積累。而學(xué)習(xí)過程是與桑代克實驗的過程完全類似的。這表明通過摸索學(xué)習(xí)過程積累基本經(jīng)驗，是人與動物共同具有的學(xué)習(xí)過程。這段討論還可以對我們上一段“隨機貼近調(diào)用”討論的補充。也就是說，我們在設(shè)計自主學(xué)習(xí)的隨機操作功能時，既可以由本能操作組成最初的經(jīng)驗，也可以由已經(jīng)積累的經(jīng)驗做“隨機貼近調(diào)用”，還可以由本能動作、經(jīng)驗動作隨機組合成復(fù)雜的動作?！半S機貼近調(diào)用”（或“隨機貼近組合”）是隨機操作的基本原則。它可以保證摸索學(xué)習(xí)的快速收斂。Ｇ、摸索學(xué)習(xí)的自主性表現(xiàn)。桑代克把他的實驗叫做嘗試學(xué)習(xí)，我把它叫做摸索學(xué)習(xí)過程。我是認(rèn)為它與自主性密切相關(guān)。我在認(rèn)真分析了桑代克實驗以后，發(fā)現(xiàn)人們認(rèn)為“很難弄明白的”動物和人的自主性，就在這個實驗里體現(xiàn)出來。而且我進一步認(rèn)為，抓住桑代克實驗中表現(xiàn)出的自主性，我們進行模擬，就可以使計算機在模擬自主性上有所突破。這也是機器學(xué)習(xí)理論根本涉及不到的內(nèi)容。我們前幾段著重分析內(nèi)反饋循環(huán)（一次實驗過程）中的隨機操作，也是為了討論自主性打一個基礎(chǔ)。動物和人為什么有自主性？從機械的動物神經(jīng)反射機制來看，從調(diào)用動物的本能操作來看，從調(diào)用成熟的經(jīng)驗操作來看，都看不出自主性的來源。但是從桑代克實驗中，我們就可以看到自主性來自何方。桑代克實驗最大的特點，是讓實驗動物參與一種它本能動作中少見的動作學(xué)習(xí)，也是讓它參與一種成熟動作中少見的動作學(xué)習(xí)?；蛘邠Q一種說法，是讓動物學(xué)習(xí)解決前所未見過的動作的學(xué)習(xí)。而促使動物完成這種學(xué)習(xí)的，就是動物具有自主性。它可以自主地找出解決問題的方法。是什么因素使動物有了這種自主性呢？就是它們的隨機調(diào)用能力。也就是在前面兩段中討論的，內(nèi)反饋循環(huán)中的隨機操作。在實驗中，需要機制（食欲）逼迫動物解決問題，動物就采用隨機調(diào)用各種操作常識的方式，自主地找到解決問題的方法。因此我把整個學(xué)習(xí)過程叫做自主學(xué)習(xí)過程。實驗顯示，可以采用的自主方式有三類：第一類是在本能動作的基礎(chǔ)上自主隨機組合。第二類是對已經(jīng)形成的經(jīng)驗進行“隨機貼近調(diào)用”。第三種是對已經(jīng)形成的經(jīng)驗進行自主隨機組合。第二類的意義更重要，它是把一種經(jīng)驗用在與之目的完全不同的地方。心理學(xué)上叫做經(jīng)驗的轉(zhuǎn)移，我把它叫做“移用”。相當(dāng)于我們在計算機中把編好某種用途的程序，用到與其原來目的不同的地方。由于計算機程序處理的數(shù)據(jù)往往不具有通用性，因此這類對經(jīng)驗的移用，一般不會成功。但是在模擬智能系統(tǒng)中，由于處理信息具有通用性，經(jīng)驗的轉(zhuǎn)移或移用對于系統(tǒng)程序的自編，意義十分重大！Ｈ、摸索學(xué)習(xí)總結(jié)。以上對摸索學(xué)習(xí)過程進行了較為完整的討論，但是由于篇幅限制，每一部分都沒有詳細(xì)談透。這是網(wǎng)絡(luò)文章不容易克服的缺點。下面我們對摸索學(xué)習(xí)過程作一個總結(jié)。首先我們介紹了摸索學(xué)習(xí)過程（嘗試錯誤學(xué)習(xí)）的心理學(xué)實驗基礎(chǔ)。以表明摸索學(xué)習(xí)過程是一個有堅實實驗基礎(chǔ)的學(xué)習(xí)過程。然后我們用信息反饋網(wǎng)絡(luò)對摸索學(xué)習(xí)過程進行了分析。分別討論了摸索學(xué)習(xí)過程的內(nèi)反饋循環(huán)（一次學(xué)習(xí)循環(huán)）和外反饋循環(huán)（鞏固循環(huán)）。在討論中我們用圖形形象地給出摸索學(xué)習(xí)過程的主要步驟。實際也給出模擬摸索學(xué)習(xí)過程的程序流程圖。在討論內(nèi)反饋循環(huán)時，我們研究了實驗中負(fù)經(jīng)驗的形成和應(yīng)用問題。它是保證摸索學(xué)習(xí)過程中嘗試動作迅速減少的一個關(guān)鍵。在分析摸索學(xué)習(xí)過程的時候，我們也對比了機器學(xué)習(xí)理論種種相關(guān)的內(nèi)容，指出機器學(xué)習(xí)理論做得很不像話的那些地方。我們還分析了內(nèi)反饋循環(huán)中隨機操作的內(nèi)部結(jié)構(gòu)，進一步為模擬摸索學(xué)習(xí)過程提供了依據(jù)。我們著重強調(diào)了大腦隨機操作不是純隨機操作，指出它是一種對經(jīng)驗的“隨機貼近調(diào)用”?！半S機貼近調(diào)用”會進一步加快摸索學(xué)習(xí)過程的收斂速度。我們最后還研究了隨機操作內(nèi)部結(jié)構(gòu)中的最初經(jīng)驗形成和在經(jīng)驗基礎(chǔ)上作“隨機貼近調(diào)用”的兩種經(jīng)驗形成形式。使程序設(shè)計考慮更加周到。Ａ、模仿學(xué)習(xí)的觀察基礎(chǔ)。甲、實驗資料的缺乏。模仿學(xué)習(xí)在模擬人類智能（即強人工智能）中具有相當(dāng)重要的位置。它實際在人類智能的形成過程中，也起著非常重要的作用。我們甚至可以說，沒有模仿學(xué)習(xí)過程的存在，人類的智能是不可能一代代相傳發(fā)展的。但是目前為止，人們還沒有對模仿學(xué)習(xí)過程有嚴(yán)格、詳盡的實驗研究。我由于條件有限，也僅僅是通過觀察獲得有關(guān)模仿學(xué)習(xí)的情況。乙、什么是模仿學(xué)習(xí)過程？什么是模仿學(xué)習(xí)過程？模仿學(xué)習(xí)過程就是一個機體按照外界某種活動的模式進行模仿，從而產(chǎn)生自身活動方式的過程。我們可以從動物那里看到很多模仿學(xué)習(xí)的例子。例如母貓在撫育小貓的過程中，常常不把捉住的老鼠咬死，而是在小貓面前把老鼠放掉，讓小貓模仿著自己的示范動作去捉。這就是典型的模仿學(xué)習(xí)。我們在電視片“動物世界”里也經(jīng)?？梢钥吹?，父母動物讓幼小動物進行模仿學(xué)習(xí)的場面。我們的教育，絕大多數(shù)進行的也是模仿學(xué)習(xí)。不過很多場合模仿學(xué)習(xí)的對象不是外顯的動作，而是內(nèi)隱的思維活動。例如嬰幼兒的語言學(xué)習(xí)，就基本是靠模仿學(xué)會的（當(dāng)然還有替代操作、聯(lián)想操作、隨機組合操作等參與）。在例如，學(xué)生學(xué)會思考一些習(xí)題的解題方法，就是模仿老師的解決思路學(xué)會的。對學(xué)生的理論教育，說到底，不過是讓學(xué)生進行一種高級別的模仿學(xué)習(xí)，學(xué)生模仿到的是一些原則的東西，再通過自己的思考和實踐，把模仿學(xué)到的原則轉(zhuǎn)變?yōu)榫唧w的方法和行為，自己去解決具體問題。即便是自學(xué)，在讀書的過程中，也不能光把書本上的東西背下來，要能夠理解和運用，而理解和運用不過是對書本知識的模仿學(xué)習(xí)?？赡苁怯捎谀７聦W(xué)習(xí)太常見了，人們才沒有對它進行更多的嚴(yán)格試驗。Ｂ、模仿學(xué)習(xí)過程。我們可以用附圖中的“模仿學(xué)習(xí)過程圖”來描繪模仿學(xué)習(xí)過程。在這個學(xué)習(xí)過程中首先要有一個來自學(xué)習(xí)者以外的模仿學(xué)習(xí)對象。對于模仿對象的情況我們以后要專門討論。模仿對象發(fā)出的信息，要經(jīng)過一個信息傳輸過程到達學(xué)習(xí)過程的信息接收部分。該部分實際就是感覺系統(tǒng)。模仿學(xué)習(xí)者在接受到模仿信息后，把接收的信息轉(zhuǎn)換為模仿指令。這是模仿學(xué)習(xí)的極其重要的部分。在加德納夫婦對大猩猩的實驗中，大猩猩就無法學(xué)會人類的聲音語言，因為大猩猩不具備人類的發(fā)聲能力，它們也就無法把人類的聲音語言（模仿對象）轉(zhuǎn)化為自己的模仿指令（控制發(fā)聲動作）。后來加德納夫婦讓大猩猩學(xué)習(xí)手勢語言，大猩猩具有把這個模仿對象（手勢）轉(zhuǎn)化為自身操作指令（控制手勢）的能力，因而也就能夠?qū)W會手勢語言。計算機要能夠?qū)崿F(xiàn)對某個模仿對象的模仿，也需要人們在它的軟件和硬件設(shè)備上賦予它“模仿指令生成”能力，否則就無法實現(xiàn)對該對象的模仿學(xué)習(xí)。對計算機的“模仿指令生成”能力的討論，我們以后也會進行。后面是模仿操作執(zhí)行部分，這一部分不必多說。需要注意的是，一次模仿未必成功，因此模仿學(xué)習(xí)也要進入一個反饋循環(huán)鏈。模仿操作執(zhí)行時也要發(fā)出信息，該信息被學(xué)習(xí)者接收到，并與模仿對象的信息進行對比，對比后產(chǎn)生校正指令，然后交給模仿動作執(zhí)行部分執(zhí)行。學(xué)習(xí)經(jīng)過多次后，對比時發(fā)現(xiàn)不了差別，便形成成功操作記錄在經(jīng)驗中。一個模仿學(xué)習(xí)終于完成。模仿學(xué)習(xí)過程圖

Ｃ、模仿學(xué)習(xí)過程的外反饋循環(huán)。上面介紹的模仿學(xué)習(xí)過程，也僅僅是成功地完成的一次模仿學(xué)習(xí)。它形成的動作仍然是“印象”級別的。還需要多次鞏固才能成為穩(wěn)定的模仿動作經(jīng)驗。也就是說在上面介紹的過程的基礎(chǔ)上，模仿學(xué)習(xí)也需要一個鞏固外循環(huán)。由于模仿學(xué)習(xí)的鞏固反饋外循環(huán)與摸索學(xué)習(xí)的一樣，我們就不再另行用圖示表示了。之所以大腦要由內(nèi)外兩個反饋循環(huán)完成一條動作經(jīng)驗的積累，是因為大腦的記憶機制需要鞏固。大腦的要經(jīng)過反復(fù)鞏固才能保證記憶的形式，有它的好處。這種鞏固的方式便于大腦記憶進行遺忘。對于遺忘我們要多說幾句。很多人認(rèn)為，遺忘具有保護作用，可以防止系統(tǒng)里多余的信息太多，影響系統(tǒng)的正常工作。這種說法顯然有一定的道理。但是并不全面。大腦有抽象操作可以有效的起到壓