摘要

以机器人和专家系统形式出现的人工智能正在日益广泛地应用到管理、政府、办公室和企业中。但是，迄今它们的应用仍然在有限的方面。预期90年代，人工智能的发展将从它那蜗牛似的爬行变成为在办公室、学校、政府、医院、饭店、工厂等这些人类活动的舞台上大规模帮助人们工作的有机部分。此外，随着每年提供价格低廉的更灵巧和更智能化的专家系统，新一代的人工智能将获长足进步。预测2000年以后应用的人工，智能计算机和机器人将是真有无性系生物脑形式的生物分子计算机“硬件”。本文简述以上内容，并从社会学的角度论述人工智能的未来。

专家系统的趋势与未来

专家系统可用来做什么呢？专家系统是以人工智能为基础的计算机程序，这些程序通过相互问答和书面咨询存贮和传播宝贵的专门知识，供其他专家或知识、技能、经验均不足的人利用。专家系统也可用来帮助解答，人类专家和计算机传统应用尚不能解答的某些问题。也就是说，专家系统用知识库和推理机通过人和利用专家知识的机器推理过程协间作用，放大人类专家的作用。再有，人工智船机器人会聪明地完成“手脑”并用来操作的工作，而这些工作至今还需要人工完成。

专家系统与传统的计算机程序主要的不同之处是：（1）专家系统是启发式推理，是处理特定的和某个范围的以知识为基础的专门学识，并对其进行推理与演绎的过程。启发式指的是人工智能处理的方式涉及（模仿人类）逻辑和模糊推理、逻辑规则、经验法则、解题方法，决策方式、直觉；经验和专门知识、判断符号处理定性资料和定量数据、信息处理、模糊信息处理和推理以及诸如识别过程等类型。（2）要使专家系统实用化，希望它们的工作要超出一般水准的人类专家，但只在某个限定的专门的和狭窄的知识范畴里。（3）同样要使机器人实用化，需要它们能够发挥超出人工水平的作用，才能使社会接受它们，刺激购置与使用机器人。（4）机器人必须能够生产出比人工生产质量更高、成本更低的产品，或者是机器人能够做人们不愿干或不能干的工作。由于这些特性，专家系统和机器人将代替人的工作。从经济、社会、商业、政治、职业及其他观点来看，它们也将对社会产生积极作用和消极影响。

以知识为基础的专家系统，使我们拥有由于增加对知识的认识而产生的有益的副产物。这些副产物包恬人类和机器知识的获取、知识表示提高知识产品生产力的方法以及增强与控制知识学习真实性"的过程。这样，当代知识社会学界发现其由于智能的重大发展而产生新的侧面。这些重大发展是由于要为增加有关人类知识的认识而研究以机器为基础的人工智能所产生的。进而言之，今天以知识为基础的人工智能专家系统的进展正向着更大数量的人类专门经验和技能的知识库化，更多的知积集合和可靠性、可适用性、启发式的认识，精确和综合的方向发展。这些进展依据于能够获得正确知识的概念上，至今这并非是一项简单的任务，然而专家系统正在为此做雪中送炭的工作。

随着越来越多的知识经由人工智能变为以知识为基础的知识，更多的启发式、认识推理和演绎学习就可以自动地经过人工智能去执行，也就是说人工智能机日益被用来使发明创造自动化，扩大知识生产并不断增加人类知识的生产。随着专家系统在扩充我们的知识库，扩大人类的工作和创造新知识方法的应用，不远的将来人工智能机将以单机和联网的方式工作。想一想，人工智能机发展到几千台，几百万台和几十亿台并且联网工作增加社会知识库的时候，人类社会将会以何等速率迈步前进啊！想到这样的未来，实在令人瞠目，然而这并不需要几十年或几百年，而是已经近在咫尺，不过几年！到2000年，如果人工智能的发展趋势能够继续像所预期的那样，那么个人和社会对应用知识的认识和他们的熟练技能将要扩大亿万倍以上。

当今乃至走向未来的相当一段时间里，人工智能是以计算机技术为基础的，计算机发展进步的速度也决定了未来人工智能的进展。在这十年里；很多研究单位为未来人工智能的进展正在探索一个新的方向和模式，而且已经取得相当可观的成绩这个突破就是生物分子计算机，它利用的是由无性系的、遗传工程物质的和合成DNA（脱氧核糖核酸）构成的生物硬件。这个新进展对未来预示着人工智能系统的“硬件”将直接使用无性系人脑材料，还将使社会为未来的机器人创造出类似人的视觉和其它感官。这项生物分子计算机技术被称为“毫微技术”，因为此硬件元件（生物晶体管等）的尺寸是以毫微米代替微米的。这意味着此硬件元件在三维（长、宽、高）的每维尺寸只是原来的千分之一（生物元件是三维，目前硅技术是二维的），结果将使单位体积的电路密度提高十亿倍以上，而电路速度约提高一万倍。近40年来，计算机技术已经以每年翻番的速率进展。就生物技术来说，其进展的曲线将呈现阶函数的突变，未来的计算机和人工智能系统的能力将出现以10亿为系数的曲线增长，这种情况将在20年内出现。由此我们应当预见到，生物硬件的突破有可能使人工智能/计算机得到高速发展，进而，从人类至今尚不知晓如何详细说明人脑（人们尚搞不清它的“兰图”）的角度来看，这项突破也颇有意义。利用新近开发的遗传工程的能力，通过对人体细胞DNA做无性系本质的确定，我们将来有可能复制出反映此本质的兰图，而无需先研究其详尽的内部结构规格。

预测影响与结果

随着人工智能时代的到来，看来知识社会学的典型变化将是这个学科分支的形成，即伴随着现已存在的以人类为基础的社会学而逐渐发展起来一种以机器为基础的社会学。进 一步讲，人们在社会里的工作和所受限制看来是由于一系列知识社会学的突破，这些突破基本表示为“三个认识的课题”一一人类自我社会的推动、各种社会力量的限制因素学习信赖体制的约束。这些知识社会学的课题本是由哲学家马尔萨斯、达尔文、曼海姆（Mannheim）和默顿（Morton）共同提出来的，而且自提出起已经随着其他理论家的研究取得进展。

第一个以人类为基础的知识社会学的认识课题围绕着知识的应用是由人们趋向其自我的物质与本性的社会性目标来定向。也就是说，在此情况下，这个认识课题是，社会行为针对其他个人、系统或团体有目的和有意义地确定其方向，为个人、系统或团体自己的目标定向，适应变化和他人的要求以及一系列其他的社会需求和行为。这种看法假定人类是以寻求目标并以自我为中心的生物，这就是说，人类对知识的基本利用是为了满足人的自我激励、需求、爱好、欲望、价值和直觉。他们有意图地把知识引向实现这样的目的或目标，这些目标由适当的已有的社会基础结构确定和约束，这些基础结构是过去已经规划并予巩固的。这些目标有利于一定的个体行为者的优势，他们企图相互合作或不拟合作或适当合作。在这种方案里，目标是超越激励力量的因素。理性服务于这些目标，理性组织思维、决策和行动，知识程序，知觉过程以及类似的思想和知识的利用。基线是人类是寻求目标，热烈而专注，复杂的自我维持、自我防卫和自我维系的有机体。这个知识社会学的课题产生出这样的概念，即知识主要为人们的需要而存在。然而，随着现代人工智能的发展，我们正逐渐倾向于未来某些知识及其附属的社会学将主要为机器的目的而存在。

第二个以人类为基础的知识社会学的认识课题是，人们要达到第一个课题所概述的人类的目标，在一定条件下，人们必须合作、抻制，欢迎他人的行为，服从某些个人、团体和系统（即在此“系统”内工作）的支配，适应人、条件和变化，为了自身最大的利益受制于人或制于人。这就是说，生活是一部分人自己意图很强的目标和其他一部分人的目标之间优胜劣汰的激烈竞争。人的能力受其对于知识的存取、知识的能力和对知识的控制的限制，而超出环境的限制，这就是说，人们的决策与行为是社会诸力量的产物。社会诸力量是由于其他人的决策与行为而产生的抑制、扩大、限制和阻止的作用以及某人或社会对知识价值与实用性的解释。这些社会诸力量同某人的积极促进、期望、能量等相悖。这样，某人自己的决策和行为来自这些社会力量的分界、机遇、威胁、强制作用、需求、威力、习惯、文化。这些决策与行为受另外一些需要适应这些固化的和变化的社会力量和态势的人们的影响。换言之，人是有目标的动物，他们为了自己的最终目标必须适应这些客观的社会条件。这就要求人们被迫放弃或者顺从于被社会力量或社会条件所阻碍的使他们的需求受到的挫折，这些社会力量或条件大体上很少或者是无法受到控制。这个第二个知识社会学的课题导致前述的概念，即知识是力量，是供人们掌握和控制的力量。那么，未来人工智能机器也能经过获取、创造和应用知识而赢得、掌握、控制力量吗？答案无疑是肯定的。

第三个以人类为基础的知识社会学的基本课题表明供确定理智和自主行为的合理的个人能力的界限。在此情况下，就是个人的信赖系统，其主要由他的知识库（即所受过的教育和经验）来安排的。按照这个课题，个人的某些概念，他们应当做或想要做什么；对于世界、人类和社会的见解；对于目标的确定；对于错误与正确的认识，均来自他们的经验和比较一系列可靠性的结果。他们知道并且相信的那些事物并不全是自己的创造，而是从整个社会的局部所盛行的认知常规的可信性已经深入其心，而他们被包围在这样的社会中并由它所“安排”的。第三个以人类为基础的知识社会学的课题引向这样的概念，即“知识的真实性/可信性”是由我们社会“编制”的信赖体系支配的一种产物。于是，随着我们所处的社会起变化，我们的可信度也必须起变化，而且还需要修改我们的知识率。可是，这对人们来说是一项极难完成的任务，尤其要在不长的时间里去做完。即使可获成功，重新做出的安排通常也不会完备，将留下前知识库的很多痕迹并萦绕未来人的决策与行为。与此相反，对于人工智能机来说，只需要简单地删除不拟再使用的那部分存贮器，并插换或存入新的知识库，于是此系统便会立即重新编制并伴随其新知识或认识技能，而且不留它以前“自我”的记忆，为其运行做好准备，人工智能会建立起它自己的信赖系统吗？它们与人的信赖系统不同吗？对于大多数未来的人工智能系统来说，这两个问题的答案也必然是肯定的。

人类知识的创造、传播和利用似乎也集中于对知识的这种限制以及研究创造出各个学科更多的知识上。这就是说，拥有新知识的所有权的各种机构要强加于这种限制，于是要向公众隐瞒信息与知识的价值。政府机密，尤其是同政治、外交、国防等有关的知识，同掌权或夺权所需的专门利益有关的智力、知识威力的局限性；传统和各种制度与标准的重要程度；社会与文化的紧张状态；宣传的控制；大量的错误信息；知识的媒介包。毫无疑问，至少目前人工智能专家知识基系统是在创造人的映象，是为了以人所获取的知识和人的知识基础来开始这个过程的。即使如此，一个新的机器为基础的知识社会学的范例正在从这些以机器为基础的知识系统中产生出来，它的形式是多侧面的，有等级的，并且依机器基知识系统所表现出的“智能”，层次来发展，即它是与人工智能机器系统的技术先进程度有关。

要比较机器基人干智能知识系统和以人类为基的系统，可以考虑出下列不同点。即使我们正在按人类映象的模式来设计和创造机器基知识系统并具有某些人的特性，但是从前述的讨论中还可对机器基知识系统社会学提出下列结论与特征。站在以机器为基础的知识社会学的高度来看，机器基知识系统社会学在下列方面不同于以人类为基础的知识系统：

（1）它们的知识和目标、信念和价值是由外部影响的，而不是由系统的自我激励和以目标为目的而引起的媒介在内部影响的。尽管人工智能系统将会“学习”和自主地开发远超过这种外部影响的知识工程，但是其主要的知识和控制特性仍将从其外部的程序而保持不变。

（2）它们由原因而推测出的知识经过一个“插塞”的过程而得到的（存入知识库和推理程序的电脑存贮器内），显然这将容许社会比之等待受教育的一代再经教育更快地吸收知识。

（3）它们是专门的和范围很窄，目标有限的激励系统而不是自我激励的系统，即它们是“窄智能”系统。

（4）简化人类专家的解释和模仿实际的那种启发式的知识。

（5）专家知识库能包含和产生比“最佳的”人类专家在同一知识领域内更为详尽的启发式知识。

（6）根据目标或课题来定向，设计应是目的明确的，而不是兼顾价值与目的。

（7）由外部任务的目标或目的，而不是由内部的价值和需要来激烈。

（8）构造以逻辑为基的知识链，其创立、关联、推理、扩散和利用的类型限制（终止和规定）推论过程，而不是公开式“个人”的调节过程。

（9）采用专用的，而非专用与通用相结合的知识推理系统。

（10）利用推理工具限定的推理系统，而不是复合过程与目的的认知系统。

（11）对于一定的模仿的知识认知过程，具有比人工更快的处理能力

（12）同最佳的人工专家所能做到的相比，对于某些知识范畴和知识处理，具有存贮和参考/查找更多的知识、逻辑和启发式论据的能力。

（13）它们能够跟踪和表示所有的逻辑：事实、启发式论据和知识，用来做出每项决策或建议，即反向链——而这基本上是人工所不能完成的任务。

（14）由于上述差异，小工智能机器可以预见到的推广普及以及它们大规模地应用将创造一个不同于人类社会的“机器社会”。在这个新型社会里，它们将既是单独存在又将是网络（合作）式的人工智能机器，它们将由人的设计与制造而发展。然而这些机器还将扩大人类的贡献并且增加由这些机器创造并设计的发明、知识、专门知识，经验、价值和社会学，从而深化我们已经感受到的人工智能这种令人振奋的未来。

（15）独立的人工智能系统（如机器人）同独立合作网络式的人工智能系统，同作为人类工具所应用的人工智能机器（如专家系统）之间仍将继续存在种类、目的、应用和社会学的巨大差异，它们都将被人们用来进行认知训练和知识使用的应用和咨询。

并非上述所有差异，但是许多项，目前正是机器基知识系统的局限性所决定的，它们将逐渐消除或者说是随着人工智能技术水平的进展状态，差异会越来越小。即使如此，多数仍会在未来长期内存在，从而区别以人和以机器为基础的知识库系统。构成人工智能知识系统有许多等级或标准，如下所述：

第1级机器基知识系统，只能提供存取范围极其有限的专门知识而且不能经由自己的意志来增长新的知识。它们“学习”和“经验”是从某个过程获得“教育”和“认知”的，这个过程就是经过向其系统内将存贮并编制程序而创造出知识率及其“推理”的过程。当然，这意味着它们能够“学”得更快些，而且它们推断、演绎、适应、“个体化”，把它们的知识工作与眼下的情况和目的联系起来重新构形，进而有助于解决传统的计算机编程技术和使无专家系统辅助的人所受挫的某些难题。这级专家系统是以计算机程序的形式，这些程序采用有限的和专门的符号推理过程、推理工具，与所存贮的知识交互作用，这些知识的查找和操纵是以机器的方式以某种形式再现。其工作性能处于同我们通常给予一名人类专家的那种“相当”的水平上，比起非专家的人工来说，水平要高得多了。但是，它们对其狭窄的知识范畴以外的问题，完全是个“哑巴”，无任何发言权。目前乃至未来一段时间，第1级机器基专家系统的知识领域只会缓慢地震宽，其展宽程度受其知识推理系统速度、知识库存贮量和存贮速度的控制，这是一种物理上的技术局限性，它可以随着技术的进展局部得到改善。然而即使得以改善亦仍有对人工智能系统的不可避免的限制。不过看来我们还有可能在将来超出人的能力，对于小型的专门知识领域，我们业已做成功。我们知道能够搞成超越人的能力的人工智能专家系统。要想达到下一步，开动具有通用知识的人工智能系统，需要某种系统的变革或进展。这些变革和进展在知识的表示，人工智能系统硬件结构（更多的并行处理）和建造大的更高能力的计算机（我们并非期待是几百年后才可能造出的那一种）。在此期间，诸如第2级机器基知识系统这样的另外一些进展亦可能完成。

第2级机器基知识系统主变在下列各方面超过第1级系统，它们的知识库和推理工具容许多重的有限的知识领域和专门的知识库相互连接和链条化，尽管这个过程尚不容许这些系统像人那样跨越许多专业去“思考”而做出概括，但是它们将在许多实际应用中发挥作用。第2级系统还将具有某种知识能力，容许它们展宽并创造出新知识来。

第3级机器基专家系统是第1级或第2级系统再加传感器。这些传感器将容许它们能听懂讲话，能够谈话，做“聪明”的演说，能感知、处理、翻译、识别词语，识别视觉，雷达、声呐等图像，感知物理性环境。这一级系统的应用之一就是机器人。另一个应用领域是目前的认知系统，这种系统可“认知”其环境，作为开端仍将继续发展。它们是目的性强的系统，基本目的是帮助用户（通常是人，也可能是机器）。它们根据外部信息和知识，了解并做处理。它们要不停地“问”自己：“我能如何给予帮助？”。如果它们不理解其环境状况或者不知道该如何帮助的话，可以向用户发问。一旦理解，它们就会浏览其知识库或者经通信网络存取更大型的适当的数据库，存取所需要的知识。然后向用户提供这种知识作为咨询意见或者将这些知识集大成于机器人，完成预定的功能。请想象这样的系统吧，它可以存取某些领域内比任何人所能提供的更多的知识，而不必等待谁来告诉它。当然，要是我们在设计这样的系统中掉以轻心，它们也许会成为令人生厌的唠叨家伙。

第X级机器基专家系统是展示人类全部认知经验中任何一种的系统。这一级要到下个世纪问世，而上述各级在2000年以前均将实现。

第V级机器基专家系统将是超越任何人的个体能力以及群体能力的系统，它可以存取和利用社会的总知识库。

现在当“我们”（人或是未来的人工智能机器）利用这些人工智能工具去放大自己的时候，我们从协调的联网知识库中获益，这些知识库是供机器存取以及我们自己存取的。反之，机器并不从人的知识库中存取，除非我们能够预先整理，由知识工程师去开发以机器为基础的知识库。所以，不管我们将来如何制造这些人工智能机器，当人们利用这些人工智能机器放大自己的时候，人们永远能够比机器自身具有更高水平的知识、认知的训练与技能。这就是说，今天乃至未来的机器基知识（专家）系统是同以人类为基础的系统迥异不同的。这意味着社会将永远需要，并且重视以人为基础的知识系统——如果人类继续发展自己的知识技能并超越在机器基础知识系统中的社会仿制品的话。这将意味着人们更大的需要是引入终生学习和生活中多重职业的道路。

[Futurics，1987年11卷第3期]

——————

*美国预测科学协会主席、未来学家。