鄭磊/文
作為行為經濟學研究者，赫伯特·西蒙一直是無法忽略的偉大學者，被譽為二十世紀罕見的“文藝復興式科學家”，這可以從他榮獲人工智能和計算機科學領域的最高獎“圖靈獎”得到印證。他在心理學、組織理論、管理運籌學、政治學、人工智能等方面做出了突出貢獻，提出的“有限理性”使其成為行為經濟學思想先驅，並因此獲得諾貝爾經濟學獎。我之前看過他的自傳《科學迷宮裡的頑童與大師》，最近因為研究大腦認知的秘密，又看了他的新書《認知：人行為背後的思維與智能》，以他自己在北京大學做的認知心理學講義為藍本。西蒙因在專家智能系統方面的突出貢獻，被人們稱作“人工智能之父”。這本書可以看作是這方面工作的基礎研究，深入淺出地介紹了大腦學習、記憶和解答問題的步驟，以及如何用計算機程序模擬這個解題過程。對於我們改善學習方法和提高解決問題能力很有參考借鑑價值。
《認知：人行為背後的思維與智能》。資料圖
西蒙介紹的是認知心理學信息加工學派，認為當人受到外界刺激時，會依靠大腦中的經驗決定做出什麼反應。而經驗包括了機體的狀態以及存儲的內容。我們把人看成是一個信息加工系統，也叫“物理符號系統”。這裡的符號就是模式。一個完善的符號系統包括了六種功能，能夠表現出人類所具有的智能，而用計算機程序也可以實現這六種功能，因此理論上可以用計算機模擬人的活動，這就是人工智能的理論基礎。
人們日常生活中，每時每刻都有大量符號進入感覺器官，經過加工處理，形成了短時記憶和長時記憶。這些長時記憶會成為我們對外界刺激做出反應的主要工具箱。人的記憶不像計算機那樣按照最小的比特為單位，而是通過編碼將零碎信息變成“組塊”，以提高記憶效率。短時記憶所需時間短，但只能記住4個組塊。只有通過重複，將這些組塊變成長時記憶，才能永久保存，而後續提取和使用時，遵循相反的步驟，長時記憶裡的東西先轉入短時記憶，然後使用。認知心理學發現，人類解決問題的過程就是“重新辨識”的過程。接收到外界信息（看到、聽到或感覺到）時，大腦馬上會在長時記憶網絡裡自動快速查找類似的記憶片段，進行信息對比檢驗，這個過程在無意識下進行，速度非常快。如果沒有找到相關信息，則啟動邏輯思維繫統，開始像新手一樣解決這個問題。所以人的學習過程很重要，通過學習和記憶，熟悉了之後，再次碰到類似情況，就可以自動、無意識地進行分辨了。
人的學習過程是需要重複多次進行的，需要多長時間學會，取決於學習對象的難度和學習方法，比如針對記憶和認知特點，設計一些巧妙方法提高學習效率。每個人在信息編碼和學習策略上是不同的，因此智力表現不同。所以人工智能模仿人的思維，其實也存在著差異，只是計算機存儲和運算能力能夠消弭其中一些人類智力上的差異。我們都羨慕專家高超的解決問題能力，實際上，是專家積累了相關領域的各種知識和相關線索，有助於他們提取不同的知識。專家的知識量是5-20萬個組塊，要獲得這些至少需要十年時間，約1000個小時用於學習和記憶。這就是專心做一件事，十年能成為專家的原因。此時，在專家大腦中形成了相關知識對應的神經元的某種網狀結構和聯結，遇到問題時可以很快分析並做出反應，這種專家直覺來自非常熟悉的領域。作者還指出在解決問題時，簡明的圖解對於解決問題有很大幫助，這和我在讀數學系時的經驗是相符的。做出直觀表徵是問題解決的一箇中心環節，是成功的一半。專家看到相關領域的問題時，能立刻提取豐富的信息，瞭解這個問題的含義，做出即時推理；如果暫時無法解決，可以繼續擴展信息，存入記憶，直到能夠解決這個問題。這是一個不斷學習（收集和記憶信息）和推理交錯進行的過程。
西蒙有個論斷引人深思，他指出數學不適合用來研究人類行為，而計算機程序語言比數學更能描述人的心理現象。社會科學研究，尤其是現代經濟學研究中，過度數學化並沒能提高我們對於人類社會行為的認識和解釋，也許通過採用計算機作為工具，利用大數據、人工智能、計算機仿真等方法，才能找到更好的解決途徑。
更多內容請下載21財經APP
閱讀更多 21世紀經濟報道 的文章
