作者 | 劉偉
轉自 | 人機與認知實驗室
1
前言
“水是最好的”（Water is best），這句話是西方“科學和哲學之祖”泰勒斯（Thales，約公元前624年－公元前546年）的名言，無獨有偶，與他同時代的東方聖人老子（約公元前571年-公元前471年之間）也曾說過 “上善若水”。正如東西方的這兩位先賢對水的青睞一樣，人類科技發展的初始動因也源自對水的利用，因對尼羅河、兩河、恆河、黃河的開發治理誕生出了四大古國的燦爛文明，使得數學、物理、化學、天文、地理等科學技術知識紛紜而至。
面對繁重的勞動量，人們發明製造出了可以減輕生理負荷的各種機械裝置（蒸汽機、電動機是它們中的典型代表），隨著科技的飛速發展，人們勞動中的生理負荷不斷下降，而認知負荷卻日益上升，如何減輕不斷增加的這些腦力負荷呢？人們終於發明出了計算機這一機器，並且在1997年5月11日，名為“深藍”的電腦毫無懸念地在標準比賽時限內擊敗了國際象棋男子世界冠軍卡斯帕羅夫的人腦，從而證明了在有限的時空裡“計算”可以戰勝“算計”，進而論證了現代人工智能的基石條件（假設）：物理符號系統具有產生智能行為的充分必要條件（Newell and Simon,1976）是成立的。
更有意思的是，2011年2月17日，一臺以IBM創始人托馬斯·沃森名字命名的電腦在智力問答比賽中狂虐兩位最聰明的美國人而奪得冠軍，自此，人機之間卻也衍生出了一種微妙的不服氣：物理符號系統具有產生情感行為的可能嗎？也就是說能產生心理符號系統嗎？
2
心理與認知
心理學一詞起源於希臘文，由“靈魂”（ψυχή）和“研究”（λόγος）所組成，意思是關於靈魂的科學。隨著科學的發展，心理學的對象由主觀的靈魂逐漸變為了客觀的心靈。德國心理學家艾賓浩斯（H.Ebbinghaus，1850-1909）曾這樣概括地描述心理學的發展歷程：“心理學有一個漫長的過去，但只有短暫的歷史。”在這漫長的過去中，群星燦爛，異彩紛呈，其中包括有約翰·洛克（John Locke，1632-1704）、巴克萊主教（Bishop Berkeley，1685-1753）和大衛·休謨（David Hume，1711-1776）創立併發起的聯想主義心理學派，其基本理念是：心理事件是由聯想規律控制的，在意識中發生的一切是由心理事件彼此之間的聯繫決定的，我們之所以相信因果關係並非因為因果關係是自然的本質，而是因為我們所養成的心理習慣和人性所造成的（Popkin & Stroll，1993: 272）。
然而，聯想主義秉持的內省—觀念範式遭到了許多心理學家的質疑：主觀的意識研究能否被稱為科學探索呢？接下來，對此的批評和質疑直接導致了在20世紀初的美國和德國分化出了行為主義心理學派和格式塔心理學派。以華生（John B.Watson，1878－1958）、斯金納（B. F. Skinner， 1904－1990）美國心理學家為代表的行為主義心理學學派主張：“尋求理解特定的環境刺激如何控制特定類型的行為”。其主張心理學應分析先行的環境條件，即在行為之前出現、而且為一個機體產生反應或抑制反應提供活動場所的條件。
主張心理學應該研究可以被觀察和直接測量的行為，即刺激-反應範式，反對研究沒有科學根據的意識。而德國的格式塔心理學派是以馬科斯·韋特墨（Max Wertheimer，1880－1943）、沃爾夫岡·苛勒（Wolfgang Köhler，1887－1967）和科特·考夫卡（Kurt Koffka，1886－1941）三位心理學家在研究似動現象的基礎上創立。他們不反對研究意識，但認為人腦的運作原理是整體的，“整體不同於其部件的總和”。例如，我們對一朵花的感知，並非純粹單單從對花的形狀、顏色、大小等感官資訊而來，還包括我們對花過去的經驗和印象，加起來才是我們對一朵花的感知。
另外，格式塔派除了研究似動、整體以外，還有一個重要的研究領域：頓悟，也許這些概念都是需要未來人機交互領域仔細打磨的範疇吧！幾十年來，這些心理學派眾說紛紜，莫衷一是，各持己見，令很多其他科學領域的學者很是困惑：一個無法定量說明刺激-反應內在規律的行為主義以及一個只用“似動”、“整體”、“頓悟”等神秘的字眼加以解釋意識（似乎不能滿足理論說明的要求，也無實際指導意義）的格式塔派怎能歸屬經得起客觀邏輯驗證的科學領域呢？這種質疑和否定一直持續到了20世紀40年代末，這個時期的數學（信息論）和電子學（計算機）的迅速發展，使得信息—這一神秘的事物不但可以量化存儲而且還可以邏輯計算，在這兩門學科突變的直接帶動下，20世紀50年代中期在美國興起了認知心理學思潮，作為人類行為基礎的心理機制，其核心是輸入和輸出之間發生的內部心理過程。
它研究人的高級心理過程，主要是認知過程，如注意、知覺、表象、記憶、思維和語言等。其主要代表人物是奈瑟爾（UlricNeisser,1928-2012）、喬姆斯基（Noam Chomsky，1928-）和紐厄爾（Alan Newell, 1927-1992）和西蒙（Herbert Alexander Simon, 1916－2001）。正是由於諸多學科的不斷融合交叉，形成了探究人腦或心智工作機制的前沿性尖端學科需求，1975年，由於美國著名的斯隆基金的投入，美國學者將哲學、心理學、語言學、人類學、計算機科學和神經科學6大學科整合在一起，研究“在認識過程中信息是如何傳遞的”，這個研究計劃的結果產生了一個新興學科——認知科學，並迅速地引起了全世界科學家們的廣泛關注。這6個支撐學科之間互相交叉，又產生出11個新興交叉學科：①控制論；②神經語言學；③神經心理學；④認知過程仿真；⑤計算語言學；⑥心理語言學；⑦心理哲學⑧語言哲學；⑨人類學語言學；⑩認知人類學；（11）腦進化。
作為20世紀世界科學標誌性的新興研究門類，認知科學實際上悄悄地指明人與機的未來研究方向，同時，它再一次地證明了科學其實和社會的遵循著相似的發展規律：合久必分，分久必合。
3
自發秩序與自動控制
1952年弗里德里希·哈耶克（Friedrich Hayek，1899－1992）發表了《感覺的秩序》（The Sensory Order）一書，該書主要研究人的各種感覺產生和變化機理，其中有關聯結主義（用神經元Hebbian Synaptic的互聯網絡描述心理現象）的設想形成了神經網絡和許多現代神經生理學的基礎。
後來他把生物感知器官的作用機理應用到了社會、經濟、法律、政治等領域，認為很多自然情境下人們之間的活動並不是經過刻意介入產生的（亦即存在沒有設計師的設計），而是由“自發性秩序”或者稱之為“由人類行為而非人類設計”產生的秩序所領導。這與其表兄維特根斯坦（Ludwig Wittgenstein，1889—1951）的後期觀點“創造一套嚴格的可以表述哲學的語言是不可能的”相似，因為日常生活的語言是生生不息的，這是哲學的基礎和源泉，所以哲學的本質應該在日常生活中解決，在“自發”中理解“秩序”。哲學如此，人機交互的基礎亦如此吧。
實際上，在人類的認知領域中感知、意象和感情的自發性常常表現為Bottom-up機制，在不知覺、無意識中被外界的刺激所激發、喚醒。這與目前人工智能中的機之計算機制很類似，兩者遵循著刺激-操作-反應範式；但是人的認知過程中還應包含著按照經驗規則運行的方式，這種機制常常被稱為top-down機制，非常有意思的是，研究人的心理學上的這兩種機制正好對應於研究機器的控制論上的自動和控制這兩種機制：Bottom-up對應著“自動”，top-down對應著“控制”。自主的個體學習可以獎懲計算體系來說明，群體之間的協同學習可能與買賣算計關係（買者高價不買，賣者低價不賣）有關。
在直接學習和間接學習中，自發和控制的上下交替如同市場與組織的調節作用，在預期與實現、理性與感性間達到某種平衡。作為趨勢分析中的決策機制，top-down（控制、組織）機制優於Bottom-up機制（自動、市場）的常見原因之一就在於不確定性的消除。
在真實的人機交互領域中，人的情景意識（Situation Awarensss）SA、機器的物理SA、環境的地理SA等往往同構於統一時空中(人的五種感知也應是並行的)，人注意的切換使之對於人而言發生著不同的主題與背景感受/體驗，類似基督教中的三位一體。在人的行為環境與機的物理環境、地理環境相互作用的過程中，人的情景意識SA被視為一個開放的系統，是一個整體，其行為特徵並非由人的元素單獨所決定的，而是取決於人機環境系統整體的內在特徵，人的情景意識SA及其行為只不過是這個整體過程中的一部分罷了。
另外，人機環境中許多個閉環系統常常是並行或嵌套的，並且特定情境下這些閉環系統的不同反饋環節信息又往往交叉融合在一起，起著或興奮或抑制的作用，不但有類似宗教情感類的柔性反饋（不妨稱之為軟調節反饋，人常常會延遲控制不同情感的釋放），也存在著類似法律強制類的剛性反饋（不妨稱之為硬調節反饋，常規意義上的自動控制反饋大都屬於這類反饋）。
如何快速化繁為簡、化虛為實是衡量一個人機系統穩定性、有效性、可靠性大小的主要標誌，是用人工智能的快速搜索比對還是運籌學的優化修剪計算，這是一個值得人機領域深究的問題。
不可靠的部件可以組成可靠的系統，反之（可靠的部件可以組成不可靠的系統）也常常發生。這也許正是人為什麼會犯錯誤？要犯錯誤？（有意或無意）的主要原因吧。機器呢？由於小系統的單純性，錯誤常常是可以在一定程度上可以減少的，一旦系統複雜性不斷提高，組成的多系統之間的前/反饋（剛性、柔性）系統往往混在一起，可靠的部分會漸漸變成不可靠的整體。
西蒙對此提出了一個聰明的對策：有限的理性，即把無限範圍中的非概念、非結構化可以延伸成有限時空中可以操作的柔性的概念、結構處理，這樣就可把非線性、不確定的系統線性化、滿意化處理。
4
語言與信息
1956年9月MIT的一次會議上，（N.Chomsky）的論文“Three Models for the Description of Language”和（A.Newell）與（H.A.Simon）的論文“The Logic Theory Machine”(IRE Transactions on Information Theory,IT-2, no.3(September 1956))都是最初提交的，此事標誌著現代轉換語法和信息處理心理學這兩個理論體系從誕生（自同一母體----即現代數字計算機的發展激發出的思想所組成的母體）起就具有密切的關係：雖然計算機是用硬件體現出來的，但它的靈魂是程序（機器的語言）。
對於人類而言，兒童的語言或信息學習常以模仿為主，詞語或認知組塊能力較低，大多通過重複和比較實現，而成人的學習常以自主為主，詞語或認知組塊能力較高，大多通過檢索、遷移實現。
在特定的情境下，人的信息認知是有差異的，正如看同一部電影、聽同一首歌、讀同一首詩、吃同一樣食物、撫摸同一個人的頭髮、聞同一朵花香，評價一個事情等，總體上，這是一一對應的，即一一映射關係，是個體的主觀體驗與客觀現實之間不斷交互修正的結果，其過程是獨立的；人類的各種語言是有侷限性的，用音樂、詩歌、圖、畫、表情、肢體動作等方式可以彌補或完善其準確性，同時也可能增強抑或是加大其模糊性，簡而言之，生活語言模糊性較大，社會化語言準確性較高。
語法在語言學習中的作用是有侷限的，孩子在最初的學習語言過程中是沒有太多的語法概念的，他們是根據外部的客觀刺激進行信息輸出，他們沒有約束地建立起自己的注意和理解方式，當咿咿學語時，最初的也不是規範的語法指導，正常情境下是父母自然性的字詞或短語說明，最後才有生活句子學習、建立，當在學校進行系統語法學習時，很多語言的自然屬性紛紛被規範化、程序化、大眾化，而說者意圖表達的個性、獨立性、準確性同時在減弱、下降；語法可能是在一般情境下正常交流的規範，是一種消弱個人意指性的規則體系，對社會來說，這可能是有點，對個人而言，這也是缺點。
在正常生活面對面交流過程中，語言的語調等可以使人準確地理解彼此的真實意圖，“討厭”這個詞被賦予不同音調時，一般都能知道其真實情感表達，而在目前網絡文字交互表達中，雖然也可以結合上下文進行情感判斷，但在較複雜的連續的多人干擾的無音調的實時交流環境下，這種情感判斷的準確性往往會大打折扣，常常會演變成更豐富的多維理解，進而增強了非單一映射關係；
人機相比，人的語言或信息組塊能力強，有限記憶和理性；機器對於語言或信息組塊能力弱，無限記憶和理性，其語言（程序）運行和自我監督機制的同時實現應是保障機器可靠性的基本原則。人可以在使用母語時以不考慮語法的方式進行交流，並且在很多情境下可以感知語言、圖畫、音樂的多義性，如人的聽覺、視覺、觸覺等具有辨別性的同時還具有情感性，常常能夠知覺到只可意會不可言傳的信息或概念（如對哲學這種很難通過學習得到學問的思考）。
機器儘管可以下棋、回答問題，但對跨領域情境的隨機應變能力很弱，對彼此矛盾或含糊不清的信息不能反應（缺少必要的競爭冒險選擇機制），主次不分，綜合辨析識別能力不足，不會使用歸納推理演繹等方法形成概念、提出新概念，更奢談產生形而上學的理論形式。
人與機器在語言及信息的處理差異方面，主要體現在能否把表面上無關之事物相關在一起的能力。儘管大數據時代可能會有所變化，但對機器而言，抽象表徵的提煉亦即基於規則條件及概率統計的決策方式與基於情感感動及頓悟冥想的判斷（人類特有的）機理之間的鴻溝依然存在。
5
結束語
人機交互是人類發展到一定階段而必然產生的一門學科，她既包括人，也包括機和環境兩部分，所以也可以說成人機環境系統方面的一種學問。她同樣“有一個漫長的過去，但只有短暫的歷史。”。她的起源可以追溯到舊石器時代類人猿的工具製造，在歷經了許多歷史時期之後，她的歷史可以說是在第一、二次工業革命浪潮中逐漸拉開的序幕，弗雷德裡克·泰勒（Frederick Taylor，1856—1915）的《科學管理原理》誕生了現代意義上的工效學（Ergonomic，人機工程在歐洲的泛稱），第一、二次世界大戰大大加快了該學科發展的進程，劍橋大學聖約翰學院的伊萊斯（Gordon Iles，1908-1983） 和克雷克（Kenneth Craik，1914-1945）二人1940年研究的劍橋飛機座艙模擬器（Cambridge Cockpit）基本確定了人機研究的方式和趨勢——人、機、環境諸多學科的交叉融合並進，20世紀50年代興起的認知科學進一步把人機領域的研究範圍擴展到了人類學習、生活、工作的方方面面，到目前為止，研究人機的學科粗粗算來，不但包括生理、心理、物理、數理、地理等自然科學技術領域的知識，而且還應涉及到哲理、倫理、法理、藝理、教理等人文藝術宗教領域的道理。
總之，人機的研究不僅僅研究脖子以下的部分，更重要的是脖子以上的部分，這是人機研究的前景和趨勢。
-End-
▼
往期精彩回顧
▼
閱讀更多 葦草智酷 的文章
