冬天的春芽：认知科学漫谈（Ⅰ）

王飞跃

目 录

一. 认知科学：从Miller六角形谈起

二. 冬天的春芽：为何提出“认知科学”一词？

三. 认知革命: 行为能计算吗?

四. 中国的努力:钱学森的“Whitehead理想”

五. 平行认知: 永恒的互动过程

六. 智能革命: 迈向第三轴心时代的认知科学

 一般人都绕不过“认知”一词，如果你相信弗洛伊德精神分析学说，那你就连梦里也躲不开“认知”的纠缠。然而，“认知”到底是指什么，特别是科学意义下的“认知”是什么，关心的人并不多，真正明确其内涵的更是少数，尽管这个词现在几乎每时每刻都会出现在人们的词汇和交谈之中。 

 其实，就连1983年商务印书馆出版的《现代汉语词典》里都没有“认知”的词条，那时“认知”差不多就是“认识”，在中文语境里更是如此。目前网上关于“认知”的定义可归纳为：获取知识并通过思考、体验和感觉对其理解与加工的心理活动及过程。认知的核心内容包括注意力、记忆、判断、评估、推理、计算、领悟、决策、知识形成和语言生成等等，其使命就是已有知识之应用和新的知识之产生。所以，“认知”不但要象孔子那样“温故而知新”，还要能够有老子那般的“非常道”之创新能力。 

要实现认知的使命，我们需要“认知科学”: 一门“年轻”而古老的学科。相当程度上，认知科学与人工智能同根同源，有时差不多就是同义语，是同一功能和目标的不同说法或不同侧面而已。实际上，“认知科学”诞生是人工智能开拓者面对重大科研生存危机时的一次“新瓶装旧药”式的绝地反击，出人意料地成了其陷入“严冬”过程中催生出的一株春芽。今天，这株“春芽”不但已经茁壮成为大树，而且成林，构成形形色色的认知科学研究领域，正成为新时代人工智能和智能产业的核心科技。本文将从个人的角度，简要地回顾认知科学的产生与发展历程。 

一  认知科学: 从Miller六角形谈起 

认知科学可用一句话定义：心智（Mind）及其过程的科学研究。再具体一点，就是对一般性认知的性质、任务和功能的探索。认知科学家的主要工作就是研究智能与行为，核心是弄清楚中枢神经系统（CNS）是如何表示、处理、转化信息的。换言之，脑与神经是认知科学的支撑。话虽不多，但“内涵越小外延越大”。外延有多大? 无人知晓: 己有上千部专著，至少还可以再写几万部! 前段时间有人要与我讨论利用VR和AR研发“认知自行车”，忙说不懂无法讨论，但对方说你不是研究过"认知车"吗? 我无言以对，因为十多年前确实干过，还发表过英文论文，但那是以笔名写的[1]，外人如何知道? 认知的无孔不入，其外延之广，此为一斑。

 图一: 自2005至2016年，脑与神经相关论文占IEEE IP己从9%升至16%.

图一来自Michael Smith博士, 可见至2016年，认知科学的核心内容脑及神经相关论文己占IEEE出版总量的16%，而且增速更快！近年来Michael致力于脑机交互方面的组织工作，推动IEEE和全球脑计划(Brain Initiative)。过去三年，我被动地参与了他组织的脑机交互编程马拉松比赛和研讨会(见图二)，主要希望由此推动智联网理念，但由于时间原因几度表示退出。今年十月底，Michael召集IEEE主席和各地脑计划代表在日本开全球BI研讨。晚宴上，他以图一告我，“这是一个值得花时间的领域”。Michael曾任IEEE SMC(系统、人、控制论)学会主席，当时我正好担仼理事。我们曾于2001年在SMC年会上召开过一个以无人车与认知计算为主题的研讨，目的是在推动美联邦交通部DoT的“智能车计划(IVI)”之后，再争取NSF立项。会上我提出认知汽车和智能驾驶是集成、测试、展示和科普各种认知计算方法及功能的最佳平台，可惜响应无几，参会的NSF官员更是认为无论智能驾驶还是认知计算都无立项可能。

图二: Michael Smith和王飞跃在2017年加拿大班夫举办

         IEEE脑机交互研讨会及编程马拉松比赛

时过境迁，认知科学己成今日热点。然而，图一的数据仍让我吃惊。比起脑与神经，认知科学论文总量至少是其2倍，而IEEE又是世上最大的相关专业组织，其会议和杂志是工程信息各类论文的最大集散地。据此，保守的估计认知科学的论文也要占技术类文章总量的20%。根据自己了解的情况，认知科研人员在科研人员中的比例不会超过2%，因此，如果图一还靠谱，这就是一个令人难以置信的比例! 或许，这种迅猛的发展势头得益于认知科学独特的基础体系构成? 

图三:  认知科学的“六角形”

图三是认知科学的“六角形”, 形似人头，神似人脑: 从顶顺时针向下，哲学、语言学、人类学、以感性知识为主，归人文社会科学，差不多就是右脑的功能; 从底顺时向上，神经科学、人工智能、心理学，以理性知识为主，属理工自然科学，就像左脑的功能一样。毎次看到此图，“脑神经”总会形象地涌现脑海，虽让人觉得有些不敬，可这三个字却真正代表了认知科学的核心。 

 认知科学六角形是米勒(George Miller)的杰作，或用他自己的话说，是其“反革命”的杰作。上世纪七十年代未，闻知Alfred P. Sloan基金会将资助MIT的Marvin Minsky等以人工智能为主开展认知科学研究后，米勒“横插一杠”向基金及项目负责人推出自己的想法: 钱给MIT就是多买些计算机而己，况且人工智能只是大趋势的一小部分，认知科学要以心理学、语言学、计算机科学为主，辅以神经科学、人类学、哲学，并在给基金会的报告中加上了图四（a,b）所示的唯一的一张图[2,3]。当时，Sloan基金会正担心被世人视为MIT的专门基金，结果本应MIT独享的经费，最后被分散至许多按六角形选的研究机构，其中之一就是支持Gornell大学的Michael Gazzaniga 开始了认知神经科学的努力，最后成为此领域的大家，由此开始了认知科学史上的一段重要的发展历程。作为这一历史插曲的副产品，认知科学“六角形”问世，并演化为今天的图三。令米勒“遗憾”的是，最终，计算机科学还是如Minsky所愿被人工智能取代。 

图四： 米勒的认知六角形：（a）原始建议，（b）Sloan报告封面采用的六角形

实际上，米勒的六角形并非全是针对Minsky为代表的以人工智能为主的认知科学观点，更主要的是基于自己长期的体验与认识: 研究认知的专家由于各种各样的原因，有些纯粹是因为历史的偶然，往往有自己特定的角度和方法，对之外的工作和成果略知一二，尽管很难掌握全局情况，但都意识到自己面临的一些问题之解决方案关键性地取决于传统上是另外的学科对其的求解，就是自己好多“门”的钥匙都在别人手中！据此，米勒提出认知六角形，强调认知科学必须要多学科跨学科交融发展。在图四中，两个学科之间的连线已代表它们之间已有联系，或必须联系。当时只有十一根连线，今天，图三已是完全连通的图，十五根连线全有了。一张图的演化，象征着认知科学的成熟与崛起。

  米勒是杰出的心理学家，被许多人视为认知科学的创始人（图五），其名文：“神奇的数字 7 +/- 2: 我们信息加工能力的局限》”[4]开启了认知研究的又一次“革命”，成为心理学或认知心理学史上引用次数最高的论文之一。晚年时，米勒更以组织领导了“Wordnet”项目而成为今天文本分析、自然语言处理和人工智能从业人员所无法绕过的一座丰碑。从其所著相关文章中可以看出，米勒当仁不让地视自己为现代认知科学的创始人，至少是最主要的领袖之一。然而，许多计算机科学特别是人工智能的专业人员却并不这样认为。为什么会这样？到底认知科学是如何诞生的？这就要从“认知科学”一词是如何被正式提出并出现在文献之中谈起。

图五：George Armitage Miller, (1920-2012)

二 冬天的春芽: 为何提出“认知科学”一词？

从专业文献上看，共识是英国科学家隆科-希金斯(Christopher Longuet-Higgins，图六)于1973年首先提出“认知科学”一词[5]。现在很少人，特别是年轻人知道其人，就连许多介绍认知科学历史和发展的网站和文章都不见其名字及贡献，但在一个本质上认定“儿子英雄老(子)好汉”的社会里，他算得上是真正的“鼎鼎大名”: 隆科-希金斯有二个十分著名的博士生，一个就是“上帝粒子”希格斯玻色子之父Peter Higgs, 因提出希格斯机制于2013年获得物理学的诺贝尔奖; 一个就是“深度学习”之父Geoffrey Hinton, 正是其三十余年的不懈努力和执着，不但使人工神经元网络从人工智能的“私生子”一跃成为智能大家庭的“顶梁柱”和当下的"掌门人"，而且还使新IT智能科技成为当今时代的“热点”和核心科技。其实，除了希格斯和辛顿，隆科-希金斯还另有数位非常著名的学生。

图六：Christopher Longuet-Higgins,(1923-2004)

隆科-希金斯的专业是理论化学，他也是计算化学的开拓者。大学二年级没上完就发表文章揭示乙硼烷（Diborane，B2H6）正确的结构，推翻了教科书和诺贝尔奖权威的认知，成为现代化学键理论史上一项里程碑的工作，许多人认为他的研究早就应得化学诺贝尔奖。隆科-希金斯29岁就成了伦敦国王学院的理论物理教授，培养了希格斯等学者，31岁成了剑桥大学的理论化学教授，之后开始对脑科学和人工智能产生兴趣，培养了辛顿等学者，并同Richard Gregory和Donald Michie组成英国人工智能“三剑客”，于1967年在爱丁堡大学创办了世界上第一个专注人工智能的"机器智能与感知"系(后改名为人工智能学院)，一度成为世界人工智能研究的重镇和核心之一。他还是计算机视觉基本矩阵及其八点估算法的提出者，以其命名的“Longuet-Higgins奖”是IEEE计算机视觉与模式识别会议（CVPR)的重要奖项。此外，音乐是他一生的爱好，不但培养了数位利用人工智能进行音乐创作的博士，还开创了音乐认知的研究领域。

隆科-希金斯为何要提出“认知科学”一词？导火线就是1973年“臭名昭著”的“Lighthill Report”[6]，正是把人工智能打入“冷宫”并经历了几乎十年“严冬”的“小丘(Light Hill)报告”。公众可能不熟报告作者James Lighthill爵士（1924-1998），他是剑桥大学的卢卡斯数学教授，前任里有牛顿、巴贝奇、狄拉克等，接他位置的就是今人熟知的霍金教授（1942-2018）。霍金去世之前警告世人要控制人工智能的发展，认为其威力无限远超人类的掌控能力，如不加管控就是“人类文明的终结”。可惜当年他的前任Lighthill教授的观点正好相反，在其报告中怀疑人工智能是否有必要做为一门独立学科存在，认为所谓“人工智能”就是ABC（英文ABC除基础还有“小菜一碟”之意）, A代表“先进自动化(Advanced Automation)”，C代表基于计算机的中枢神经系统(Computer-Based CNS)研究，B代表试图把A和C串起来的制造机器人之架桥活动(Bridge Activity of Building Robots)，但二十五年过去了(当时英国人认为人工智能从图灵1947年的智能机械文稿开始，不是美国人的1956年)，没有多少值得进一步支持的进展，不如把经费分配到相关的学科。

伴随此报告发表的还有四份评论[5,7,8,9]，第一和第四都是直接反击[7,9]，认为Lighthill外行甚至有职业操守问题，没有正确理解和弄清人工智能的内涵与意义，B应该被看成是智能的基础科学（Basic Science)或智能理论（Intelligence Theory)，而不是什么建桥造机器人的活动。第二份评论差不多是唱合Lighthill[8]，只有隆科-希金斯的第三份评论[5]耐人寻味，结果更是出人意料。

隆科-希金斯兄弟与Lighthill及另一位大名鼎鼎的Freeman Dyson是关系十分密切的中学同学，号称“四人帮”。Lighthill在其报告中多处认为隆科-希金斯所钟情的实验心理及相关研究重要并隐约地表示支持，隆科-希金斯在其评论中顺势“新瓶装旧药”，提出人工智能将丰富那些直接与人类思维和感知相关的科学，称之为“认知科学（Cognitive Sciences)”，大体分为数学、语言、心理、生理等方面。考虑到就研究理解认知而言，不可能将这些方面孤立开来，他紧接地认为单数形式的“认知科学（Cognitive Science)”要比复数形式的Cognitive Sciences更合适。当时正值美国“认知(反)革命”高潮之中有些迷失方向，特别是缺少一面鲜艳的旗帜，他的建议立即被相关学者接受。就这样，在人工智能进入寒冬之际，隆科-希金斯“天时、地利、人和”一般地催生了“认知科学”，使其成为一门独立的正式学科。

当然，Lighthill的报告发表后自然引发了许多相关研究人员的反弹，人工智能的创始人John McCarthy还专程由美飞英，参加BBC为此专门举办的现场电视直播，直接与Lighthill面对面辩论，成为人工智能发展史上的一个非常重要的亊件，也成了BBC历史上一次十分成功的科普活动。后来据说英国政府为了弥补隆科-希金斯未获诺贝尔奖的遗憾，仼命其为BBC的“Governor”，不知与此是否有关。不管怎样，Lighthill当年对人工智能所提出的问题，其实十分重要，但至今未能得到足够的重视。实际上，Lighthill的问题，不是人工智能发展道路上Light Hills(小丘)，而是大山(Heavy Mountains)，如不解决，人工智能迟早还会再次进入冬天。

                                  图七：Lighthill Debate, BBC, 1973. 图片来自网络

许多英国学者认为隆科-希金斯学术生涯不顺，成就没有得到相应的承认，为此不平。但在“认知科学”一词的命名权上，他又是十分幸运的， 一为人工智能在低谷时指明了一条上山的路线，把智能和行为的探索同计算生命研究凝聚成为一个整体; 二为己成规模但方向不清的“认知革命”运动树立了一面鲜明的旗帜，并很快得到了全世界相关学者的响应，快速推动了认知科学的蓬勃发展。

这一切对米勒意味什么? 做为认知革命的发动者和认知研究的早期和长期以来最主要的开拓者，从哈佛到普林斯顿，再到圣地亚哥，攻城略地开疆扩土，可一夜之间，自认是旗手的米勒醒来却发现自己肩上扛着别人的旗号，这位心理大师的心理又为几何?

参考文献

[1] Li Li, Ding Wen, Nan-Ning Zheng, Lin-Cheng Shen, “Cognitive cars: A new frontier for ADAS research,” IEEE Transactions on Intelligent Transportation Systems, 2012, 13(1):395-407.

[2] S. J. Keyser, G. A. Miller, E. Walker, Cognitive Science in 1978, Report to the Alfred P. Sloan Foundation, 1978.

[3] Miller G A. The cognitive revolution: A historical perspective[J]. Trends in Cognitive Sciences, 2003, 7(3):141-144.

[4] Miller, G. A. “The magical number seven, plus or minus two: Some limits on our capacity for processing information”. Psychological Review, 1956, 63 (2): 81-97.

[5] Longuet-Higgins, H. C. (1973). “Comments on the Lighthill Report and the Sutherland Reply”, in Artificial Intelligence: a paper symposium, Science Research Council, 35-37.

[6] James Lighthill (1973). “Artificial Intelligence: A General Survey”, in Artificial Intelligence: a paper symposium, Science Research Council.

[7] N S Sutherland (1973). “Some Comments on the Lighthill report and on Artificial Intelligence”, in Artificial Intelligence: a paper symposium, Science Research Council.

[8] R. M. Needham (1973). “Comments on the Lighthill Report and the Sutherland Reply”, in Artificial Intelligence: a paper symposium, Science Research Council.

[9] Donald Michie (1973). “Comments on the Lighthill Report and the Sutherland Reply”, in Artificial Intelligence: a paper symposium, Science Research Council.

后记：本文于2018年12月发表于《复杂性与智能化》总第48期

冬天的春芽：认知科学漫谈（Ⅰ）.pdf