智能多样性与机器人“无心有智”论
2021年03年25日 来源：华中师范大学学报 作者：杨足仪 向鹭娟
人工智能（简称ＡＩ）的迅速发展对人类的卫生、保健、通讯、交通、军事、教育、文化、政府、社会治理等造成多方位的巨大影响，以至有人惊呼人类已进入了“智能社会”。目前，有包括中国、美国、英国、日本、印度、新加坡等十多个国家和欧盟宣布了本国或地区的人工智能战略。俄罗斯总统普京更是预言，能够领导人工智能发展的国家将是“世界的统治者”。
当人类大举开发人工智能，当智能机器可以像人类一样自己计算、自己决策时，我们不禁要问：人工智能到底有多“能”？它能如人类一样“能掐会算”吗？人工智能与人类智能之间有何区别？要弄清这些问题，势必又涉及下面的问题：什么是智能？智能划分的标准是什么？它是不是人类特有的？显然，这些已经不仅仅是科学的问题了，还涉及哲学等问题。美国ＡＩ专家卢格尔（Ｇ．Ｅ．Ｌｕｇｅｒ）指出：“如果人工智能的工作想要达到科学的水平，我们还必须处理一些重要的哲学问题，尤其是那些与认识论有关的问题，或是智能系统是怎样‘知道’它的世界的问题。”科学家彭罗斯（Ｒ.Ｐｅｎｒｏｓｅ）也说，人工智能终究无法回避“思维的功能在何种程度上依赖于和它相关联的身体结构？精神能否完全独立于这种结构？……相关结构的性质必须是生物的（头脑）吗？”无疑，这些问题的积极探索与深入思考，既具有重要的工程技术意义，又有人工智能的哲学意义。
一、机器人“无心”但不一定无智能
问机器智能到底有多“能”实际上就是问：机器人是否有像人类一样的“心眼”？或者说，智能机器是否如人一样有一颗充满灵性的心灵？要弄清楚这个问题，就得以人心为智能的“原型实例”，探讨下列问题：人“心”或“心灵”究竟是什么？机器智能有“心”吗？机器是如何“计算”和“算计”的？现代人工智能是否能跨越通向人类智能的鸿沟呢？这需要哲学和众多学科的跨界联合，开展集成研究。
“心”或“心灵”究竟是什么？这绝不是一个简单的问题，是包含着许多问题的问题域，如“心灵”的语词、概念问题，心灵的本体论地位问题，心灵内容，心灵结构，心灵特性，心与身、心与世界的关系以及普通人的心理结构、心理运动学、动力学、原因论等。高新民教授曾将这些“硬核”集中概括为心灵语义学问题与心理语言的本质问题、心理现象学问题、心灵本体论问题、心灵认识论问题以及心理现象的独特特征等五大问题。
人类对人自身的心身认识是从心和身两个方面切入的。从词源学和词义学的视角看，“心灵”（ｍｉｎｄ）是从古老的“灵魂”（ｓｏｕｌ）演变而来的。古代世界大多数民族都有灵魂观念，古希腊人把它叫作“ｐｓｙｃｈｅ”，古罗马人称“普纽玛”，古印第安阿尔衮琴部落人叫“奥塔赫朱克”，阿比彭人叫“洛阿卡尔”，祖鲁人则称“吞吉”。中国古代，灵魂往往与神灵或鬼魂挂钩，“神为魂，灵为魄。魂魄者，阴阳之精，有生之本也。及其死也，魂气上升于天为神，体魄降于地曰鬼”。即所谓“众生必死，死必归土,此之谓鬼”。古人的灵魂信仰其实就是将人二重化：人是肉体实在的人和无形灵魂的人，即相信两个实体的存在。原始思维在把握灵魂的人时，往往以直观、想象、类比、猜测、隐喻等方式比附这个世界的神秘，并用“命名式”给“灵魂”安名立姓，这就产生了“心”、“心灵”、“灵魂”等各种各样的心理词语，这也表明古人已经涉及灵魂及其与身体的关系问题。
科学时代，传统哲学构筑的心灵宇宙不断瓦解，神秘的灵魂不断地“祛魅”，心灵问题演变为心理问题、心脑问题，被纳入更广阔的科学视野之中，成为哲学探讨之外，还包括了对作为具体经验科学的心理学、脑科学、神经科学、医学、生理学、人工智能、语言哲学等众多学科的研究对象。迄今，对意识的跨学科、多学科的研究中，形成了认知心理学、人工神经网络、认知神经科学（即ＮＣＣ进路）及生成认知等四种（也称４ＥＣ进路）并行不悖的研究进路和方法策略。其目的是模拟人脑的结构、机能、性质及动力系统的机制，确定心智能力，寻找智能计算结构和意识的神经相关物，将心—身难题转化为身—身问题，以消解“解释鸿沟”。
当代，多路并进的研究形成的科学的心理图景和心身学说，揭示了人类心灵宇宙的地形学、地貌学、动力学及结构论和原因论，为我们刻画了一幅大脑新世界：在静态结构上，大脑由一千多亿个神经细胞组成，整个大脑包括两个半球，其功能既分化又整合，具有高度特异化的功能；在动态结构上，大脑是一个功能分布式的复杂结构，心理、意识活动就是由这个特殊而又复杂的结构系统完成的。科学证明：在大脑系统中，不存在控制中心，没有独立存在的“心灵”。所谓的心灵或意识是什么呢？著名生理学家克里克的“惊人假说”指明，意识是“神经元以４０－５０赫兹频率发放”。意思是意识是对神经元行为的一种描述方式，好比我们说“水”和“Ｈ２Ｏ”时一样，是对同一个东西的两种描述方式。神经学家埃德尔曼的“动态核心假说”（ｔｈｅｒｅ－ｅｎｔｒａｎｔｄｙｎａｍｉｃｃｏｒｅ）认为，意识是大脑的神经元群在几分之一秒内强烈地相互作用形成与脑其余部分有明显功能性边界的神经元群聚类（ｆｕｎｃｔｉｏｎ－ａｌｃｌｕｓｔｅｒ），即“动态核心”，而意识的主观特性即所谓的“难问题”实际上就是对动态核心的高阶分辨（ｈｉｇｈ－ｏｒｄｅｒｄｉｓｃｒｉｍｉｎａｔｉｏｎ）。至于意识的“剧场假说”、“探照灯假说”、“微管假说”、“树突子—心理子假说”、“心理神经一元论”等各种意识理论，其主导倾向都是唯物主义的当代形态，是人类对自身宇宙之谜的一种最新解答，体现了在意识研究问题上的跨学科的综合性与科学前沿性。
不可否认的是，时至今日，古老的灵魂观念至今仍以三种基本形式存在着并产生影响：一种是“民间心理学”（简称ＦＰ），这是前科学的常识概念框架，是远古灵魂观念改头换面后继续潜入、内化于文明社会的思想观念之中，成了人的文化心理结构以及关于人、关于世界的常识图景，是“我们对人的认知的、情感的和目的性本质的最基本理解”。第二种是二元论，这是深藏于哲学、心理学、脑科学等具体科学之中成为许多科学理论的基本预设和本体论承诺。在这种概念体系中，原始的灵魂往往被当作独立精神实在而承诺下来，进而探讨心与身、心理世界与外部世界的关系，从而形成了二元论及其发展谱系。至今，大多数哲学家和心理学家心底回荡的是二元论的幽灵。第三种是心身同一论。这种形式中的灵魂观念同化于一元论的框架之中，形成对身心统一的理解，如当代英美哲学舞台上活跃的各种形式的物理主义（还原的、非还原的）对心的性质所做的形而上学的解释。身心同一论尽管规避了人的二重化断裂，达到了身心的统一，但实际上，它并未摆脱二元论的臼窠。如唯心主义一元论将心灵拔高为唯一本原，比二元论更加激进，而唯物主义一元论在理解大脑和思维时，又把笛卡尔的精神实体请了出来，它们的骨子里始终附着着民间心理学及其二元论的幽魂。
可见，研究心灵的本质就是要把心理实在、心理状态、心理现象和心理观念、心理语言区别开来，以确定我们是在什么意义上谈论的。科学已经证明，大脑中只有神经元、神经元结构、神经活动和状态；大脑无心，大脑中没有“机器幽灵”。就心灵的本体论和实在性来说，它就是“身体活动”，心灵和意识是对“身体活动”的一种描述或解释。
既然人无“心”（ｍｉｎｄ），而机器智能主要是以人心为智能的“原型实例”而对人类智能的模拟，这种模拟无论是从结构上、功能上还是状态或别的模拟，究竟在什么意义上说机器有“心”，在什么意义上说机器无“心”的问题也就很清楚了：机器人“无心”但不一定无智能。
二、智能解剖的“原型实例”与机器智能新论
当智能机器像人类一样会“算计”时，我们势必要问：人工智能究竟有多“能”？何为智能？划分智能的标准是什么？人工智能与人类智能有何区别？人工智能会取代人类智能吗？
目前，从特定的角度看，人工智能确实在某些方面显示出超越人类智能的本领，人工智能的开发也取得了许多突破性进展，如俄罗斯团队开发的“ＥｕｇｅｎｅＧｏｏｓｔｍａｎ”软件通过测试，被３３％的对话参与者认为是人类。以深度学习为主要原理开发的围棋程序ＡｌｐｈａＧｏ和采用古典线性计算的扑克机器人Ｌｉｂｒａｔｕｓ在与人类高手的对决中大获全胜，凸显出人工智能的巨大优势，以致支付公司联合创始人伊隆·马斯克（Ｅ．Ｍｕｓｋ）、微软公司联合创始人比尔·盖茨（Ｂ．Ｇａｔｅｓ）都公开宣称，计算机的智能潜力远超人类，人工智能是人类最大威胁之一。
但深入其中就会发现，ＡＩ的研究实际上碰到许多拦路虎，步履维艰。一些人甚至提出，已有的人工智能并不是真正的智能，就像弗里德曼（Ｄ．Ｆｒｅｅｄｍａｎ）所说：“近四十年光景里，人工智能领域并没有什么实质性的突破。”杰夫·霍金斯（Ｊ．Ｈａｗｋｉｎｓ）也对ＡＩ研究提出严厉批判，认为“人工智能正面临着一个根本的错误，因为它无法圆满地解决什么是智能的问题，或者说‘理解某个事物’到底意味着什么。回顾人工智能的发展史及其建立的原则，我们可以看到这一领域的发展偏离了正确的方向”。可见，ＡＩ研究首先必须弄清楚机器智能的“原型实例”，确定智能的样式和标准以实现智能。
回顾人工智能发展史，会发现智能专家基本上是以种种“原型实例”为智能研究的样式的，如自然算法中的进化算法、群智能算法、退火算法等。
所谓自然算法就是转向自然，研究大自然是怎样设计和缔造智能的历史过程，弄清智能的根源和机理去模拟非人事物表现出的智能现象。这类研究往往是以自然界典型的生物系统和物理系统的相关功能、特点和作用机理为基础而建立的有别于以人类智能为模拟的“原型实例”的一种人工智能算法，包括遗传算法、蚁群算法等种种形式。持这种主张的智能专家认为，智能的标准在于能解决问题，表现为生存下来，有适应性等。卢格尔就指出，“智能世界就是生存下来的世界”，“分布的基于主体的结构和自然选择的适应性压力综合在一起，形成了智力的起源和运作的强大的模型”。
根据自然算法的能解决问题的智能标准，生物的进化被看作问题求解寻优的过程，即能够在不同的环境中寻求最优生存的能力。进化计算正是通过对生物进化的过程与机理的模拟，形成了各种计算形式，如遗传算法、进化策略、进化规划、协同进化算法、拉马克克隆选择计算等。它们不仅发现了生物智能，确认了智能的多样性，并力图将其运用到机器上，产生了大量新的人工智能形式。
群智能算法是在对蚁群、鸟群觅食行为的观察与模拟基础上产生的。人们发现原本没有或只有很少智能的个体集合在一起，相互作用，能显现出群智能，解决原本只有人类才能解决的问题，甚至由于其群体特性，能更好地适应环境的变化，表现出某些优于人类智能的特点。如蚁群算法“针对的是离散的优化的问题”，在机器上的实现能够更快、更精确地解决各种分配问题、子集问题、机器学习问题等。粒子群算法是基于群体协作的随机搜索算法，能够通过迭代找到最优解。
退火算法则模拟的是无生命的自然事物的退热过程及机理，如将金属物体降温过程中的自然规律引入优化机制，就能够解决大规模的优化组合问题。作为一种随机寻优算法，它根源于自然事物本身固有的聚集性与弥散性，既能“引导分析进而聚集到最优点所在的区域”，又能“把分析分散到其他区域，减少遗漏最优点的概率”，表现出人类智能遍历和收敛的特性，体现出独特的智慧特征。
解剖智能的“原型实例”说明，“人并不是唯一有智能的动物，地球生命活动中的生物进化、个体发育和免疫、神经网络、大脑思维、社会系统、生态系统都表现出了某种形式的自然智能”，由此引发了关于智能及其标准的争论。高新民教授将人工智能的划分标准主要归结为计算主义的智能标准、反计算主义的智能标准、介于二者之间的智能标准以及新生的外在主义的智能标准。
计算主义的智能标准认为，智能在本质上就是计算，人类的思维是受规则控制的，可以通过纯形式的转换得以实现。尽管对计算的逻辑阐述有多种，但都试图从形式上说明计算的概念，将其看作独立于物理实在的属性。计算主义强调推理的有效性取决于形式的形式主义越来越受到质疑。联结主义（广义计算主义的一员）对此进行了一定的修正，认为智能的基本元素不是符号，而是神经元，利用生物大脑结构构建的人工神经网络，能够从计算上实现直觉、经验推理等能力，从而克服符号计算结构的局限性。
反计算主义的智能标准则主张，智能的本质在于有意向性，即在于所处理的内容与外部世界的关联，而不只是形式上的转换。其著名代表塞尔（Ｊ．Ｒ．Ｓｅａｒｌｅ）认为，意向性是以特定生物组织，即经过漫长进化的生物大脑为基础的一种生物现象，“无论大脑在产生意向性时所做的是什么，都不可能存在于例示程序的过程中，因为没有一个程序凭借自身而对于意向性来说是充分的”。在塞尔看来，计算机与人一样进行文本处理、理解规则，与外部世界发生关系，看似有意向性，其实，机器的转换只是一种纯形式的转换，这种意向性最多是派生的，与人的原始意向性有根本的区别。他断言，已有的ＡＩ由于没有意向性就不是智能。尽管塞尔的观点遭到了不少的反驳，但赞扬与肯定之声仍是主流，认为他揭示了人类智能意向性的根本特征，以及ＡＩ研究陷入困境的根源。
介于计算主义和反计算主义之间的智能标准，可以说兼有上述二者的特点。如哈瑞（Ｒ．Ｈａｒｒé）肯定了塞尔将意向性作为智能标准的合理性，但又认为意向性是属人的，而不是大脑，大脑只是人思考的一种工具，计算机却“可能是人的大脑的一个好模型”。彭罗斯提出人类的智能离不开意识，“如果没有意识相伴随，真正的智慧是不会呈现的”。而意识具有主动性，能够做出判断，以算法为基础的人工智能根本无法实现智能，只能将希望寄托于量子计算机。
新生的外在主义智能标准则认为，智能并不存在于人的头脑之内，而是以非单子性的、跨主体的、关系性的方式，弥散在主客之间。它强调外在对象、环境等情境因素对智能的产生具有重要作用，从而导致了宽智能观的产生。
如此众多的智能标准使得人工智能难以摆脱目前的困境。反计算主义虽然指出了人类智能区别于人工智能的根本所在，但无法说明人类的有些智能现象，如纯粹的计算活动、数学运算、专家编程等并没有意向性。由此，也就不能完全否认现有的人工智能所表现出的推理能力、解决问题的能力、专家系统等与智能无关了。泛智能主义将智能扩展到非人的自然事物上，认为智能不仅广泛存在于自然界、人类社会，还能为人类所创造，从而产生了模拟自然事物功能的自然计算等，推动了人类对智能的认识。但从人工智能的目的即模拟甚至超越人类智能来看，对非人事物功能的模拟并无实质性意义。
迄今，人类智能依然是未解之谜。但是，科学已经揭示它是由许多不同类的现象所组成的集合体。人类智能是由“不同种类的智能成分，通过它们之间的各种相互作用进行不同形式的集成过程，构成不同层次和不同性质的智能集成体，在一定条件下智能集成体涌现新的特性”。即智能具有多种多样的样式、性质，并且处于不断的生成中。在此意义上，很难对智能做统一、固定的把握，但这并不代表就无法认识。智能作为一种心理现象，有其外在的行为表现，并且随外部环境的变化，表现为多种不同的智能形式，能“在空间和时间中进化并不断自我校正”。每个智能实际就是一种功能模块，集合在一起形成不同的能力。因此，ＡＩ研究应当在坚持智能多样性的基础上，以具体的人类智能的个例为模型建构人工智能，从而实现飞跃式发展。
三、机器智能的“计算”与“算计”
毫无疑问，智能机器有智能。那么，这是否意味着机器人可以像人类一样会“计算”和“算计”？机器人的“计算”和“算计”如何实现呢？
国际计算理论家、人工智能专家马尔曾将机器计算之事归结为三步走：第一步，把要处理的现实问题抽象成一个可以清晰定义的问题；第二步，能清晰定义的问题是否是能计算类的问题；第三步，在可计算的范围内找到算法，并在机器上执行运算，完成计算。目前，人工智能在这三个方面所做的大量计算的局部领域远远超出人类的计算能力。然而，机器智能要像人类一样“算计”，必须要解决三大问题：一是意义问题，二是意识与意识体验问题，三是自主性与觉知问题。其中，意义问题可以归结为语义问题，即，机器理解语言吗？意识、意识体验与觉知的问题可以归结为意识的特性问题，尤其是意识的感受性问题，即“意识的难问题”。而这三个问题又可以总归为一个问题，即“意向性缺失难题”，这是当前制约人工智能发展的瓶颈问题。
“意向性”（ｉｎｔｅｎｔｉｏｎａｌｉｔｙ），是指意识、心理指向于或关联于外物的倾向性和能力，就是某种“关于性”（ａｂｏｕｔｎｅｓｓ）。“意识状态指向某些东西，即使它指向的东西不存在，它仍是有意向性的。在很多情形中，意识实际上是意识到某物，而‘意识到’中的‘到’是关于意向性的。”我们人类依靠意向性，可以对外部世界做出反应，形成具有意义的意识思想。也就是当我们把握外在对象时，在心灵、思维中把对象呈现出来，通过意向性把握这种内在的对象。而对意识的对象、内容进行描述、表达时，必须使用语言、符号描述和表征心理活动、心理过程、心理状态和心理属性，这就是心理语言。如“想”、“愿望”、“相信”、“心灵”、“意识”等，尽管它们是常识心理学的语言，现在也成了科学心理学的术语。
当代神经科学、心理学研究表明，当人们用心理语言如实地报告自己大脑内部过程或状态时，确定发生了其对应的、有本体论地位的东西，绝不是子虚乌有。当然，存在的东西怎样去设想、解释与构建则是另一回事了。无论怎样解释心理事件及其状态与过程，都必须借助于语言，即主要从语形、语义、语用三个维度进行语言分析。语言分析学、分析哲学通过对心理语言的发生学路径及对心理语言的“语法分析”、“用法分析”与澄清，还原心理语言所表达的“原旨原意”。对于人类的心身事件，我们已经认识到思维运动形式的多样性，并用“想”、“思考”、“愤怒”、“喜悦”等丰富的语词来描述大脑内的心理活动的多样状态。至于说这样的心理活动是机械运动、物理运动、化学运动（如电冲动、神经递质的传递）还是更高阶的运动形式，这就需要神经科学、物理学、化学、生物学、医学、心理学、哲学等多学科的联合研究。
科学揭示，人类心理活动是物质的高阶活动，心理语言表述的是物质活动的高阶运动。人类“意识”活动的层次应是大脑皮层回路、皮层区域间有放电模式参与的动态自组织层次，“‘意识’一词纵有多种涵义，也不能在低层次的化学水平上或甚至是更低层次的物理水平上来加以解释。我把这种自量子力学这个下层地下室向意识阁楼的跳跃的企图称作‘司阍之梦’”。克里克、埃德尔曼、李别特等著名神经科学家的实验科学成果，对我们观察、探寻人脑内发生了什么，查明心理语言的真实所指与意义，不仅提供了可资借鉴的资源，而且更加确证了恩格斯、列宁一再强调的思维运动是物质的高级运动形式。
总之，意向性、语义性、意义性及内容性是人类智能指向外部世界的根本特性。正是因为意向性，人才能自主地将被加工的对象与外部世界关联起来，表现出主动性、灵活性与意识性。
当前，人工智能在大量计算的局部领域远远超出人类的计算能力，如在深度学习、大规模计算、逻辑推理、面部识别、语音转换、复杂的游戏、疾病诊断、自动驾驶等方面进展快速，ＡｌｐｈａＧｏ以及日本的Ｆｕｇａｋｕ（富岳），美国的Ｓｕｍｍｉｔ、Ｓｉｅｒｒａ，中国的神威“太湖之光”（ＳｕｎｗａｙＴａｉｈｕｌｉｇｈｔ）、天河二号（ＴＨ－２），意大利的ＨＰＣ５等计算机的超级运算能力震撼了人类。而这些系统是多个人类个体和多台机器网络、大数据平台和云计算平台即时连接成的并行的集群式智能，包含着以人的认知为核心的认知能力和智能的特征及其本质。
从形式上看，计算机所做的运算与符号加工，如财务管理、智能办公、智慧社区、智慧城市、尚克的能理解故事的系统等所做的复述几乎都是事关外在事态的，照说是有意向性、语义性的。但是，这种意向与人类原始固有的意向性不同，它是派生的意向性。对此，卡明斯（Ｒ．Ｃｕｍｍｉｎｓ）做了独到的分析。他指出，计算机在做运算时产生了三种关系：硬件状态间的关系、计算机状态间的关系以及计算符号与外在对象间的关系。这三种关系以及三种关系之间不是自身自然产生出来的，而都是基于设计的程序和操作人员的解释，是外部强加的，不是机器智能固有的意向性，即塞尔所说的不过是存在于计算机编程和使用者心里的“信息加工”，这个事实是在计算机范围之外的事。
目前，机器智能工作基本都是句法形式的转换，即计算机科学家威尔逊（Ｓ．Ｗｉｌｓｏｎ）所说的机器智能“不会直接从周围环境中汲取所需，而只能坐在那儿，直到人们给它们信号，然后也仅仅是复制这些信号而全然不知它的意义”。克里克说，在观察和理解物体意义时，“即便是最现代的计算机也显得无能为力”。正因如此，斯蒂克（Ｓ．Ｓｔｉｃｈ）、丹尼特等认知科学家称智能机器只是句法机，不是语义机，这就是困扰当前人工智能发展的“意向性缺失难题”。
究竟如何破解“意向性缺失难题”呢？目前，国际上以麦金（Ｃ．ＭｃＧｉｎｎ）的“意向性建筑术”、尼伦伯格（Ｓ．Ｎｕｒｅｎｂｕｒｇ）等人的本体论语义学、卡明斯（Ａ．Ｃｕｍｍｉｎｓ）的解释语义学及布鲁克斯（Ｒ．Ｂｒｏｏｋｓ）的无表征智能理论对“意向性缺失难题”的研究最具有代表性。在此，仅就“意向性建筑术”、本体论语义学做简要阐述。
既然意向性是人工智能与人类智能的根本差别，那么，要想建构真正的人工智能，首先必须弄清楚意向性究竟是如何产生的。麦金提议通过向大自然学习，着力研究人的意向性是怎样被大自然缔造出来的，以探讨意向性的建筑术。他认为思维以心理模型为基础，主张利用模型方法，研究意向性的机制，弄清“内容的结构基础，即让认知机制成为可能的条件”。在分析克赖克（Ｋ．Ｃｒａｉｋ）、约翰逊－莱尔德模型论的基础上，他提出“模型凭自己就足以实现内容，而不依赖于其他的表征系统。因此模型为关于内容的理论提供了一种自足的基础”。然而，模型也受到塞尔“中文屋论证”的挑战，以及难逃“小人难题”。于是，麦金强调需要将心理模型置于因果—目的论之中，实现目的论与模型论的结合。在他看来，大自然的进化之手已经为人类安装好了特定的心理模型，能够按照某种规则起作用，但模型只是实现意向性的基本结构，本身并不是意向性。只有将模型置于一定的包含着目的、行为倾向、因果相关事态的背景之中时，才能显现内容、产生意义。
本体论语义学是破解“意向性缺失难题”的另一条重要径路，具有极强的实践和工程技术价值。其倡导者尼伦伯格甚至公开宣称它能使机器具有语义学或意向性。从语义学上看，能处理语义是人类语言能力最根本的特征。“人工智能如果不能使用自然语言作为其知识表示的基础，建立不起不确定性人工智能的理论和方法，人工智能也就永远实现不了跨越的梦想。”２０世纪６０年代，自然语言处理产生了以关键词匹配技术为基础的语言理论系统，如ＳＩＲ、ＳＴＵＤＥＮＴ等；７０年代，出现了以句法—语义分析技术为基础的系统，如ＬＵＮＡＲ、ＳＨＲＤＬＵ、ＭＡＲＧＩＥ等；８０年代以后，进入了新的发展阶段，诞生了本体论语义学等自然语言理解系统。
本体论语义学认为人类智能之所以有意向性、语义性，能够把符号与外部世界关联起来，理解和产生意义，就在于人有本体论知识，能够对语词做本体论定位，赋予其特定的语义值。而这里的本体论不同于哲学上的本体论，指的是人们在日常生活、学习中自发形成的关于世界上各种事物、属性、关系等的一种概念图式。通过它，任何词语一旦进入人类视域，都能被快速归类，置于某一框架之中，赋予特定的属性。如当人们听到“红”，立刻就能将其放入相应的类别，如是一种属性，为某物所具有等。因此，本体论语义学认为要使机器像人一样具有这种能力，首先应当让机器也有这种知识，建立相应的本体论图式。
在对人类如何加工自然语言有了较为清晰的认识后，就有可能通过模拟类似的条件，让机器表现出对意义的识别，从而也具有语义加工的能力。尼伦伯格等通过对Ｓｔｒａｔｉｆｉｅｄ模型的分析，指出机器要实现语义加工需要经过文本分析、形态学分析、词汇学分析、句法分析、确定基本的语义从属关系等，具备加工器和静态知识资源，从而使智能机器不再通过纯形式的过程来完成语义分析。
然而，本体论语义学所生成的意义仍然离不开操作者的解释，依旧缺乏主动性、自觉性、意识性。麦金对意向性的认识也有缺陷，受到民间心理学、“小人论”等的影响。可以说，无“心”的机器就是目前人工智能的局限。
机器智能要真正突破“意向性缺失难题”，和人类一样获取语言加工文本意义的能力，开拓工程实践朝着应用化、实用化、商业化发展，就必须努力解开意向性之谜、语义之谜，为机器语言翻译、信息整合、文本处理、人机深度对话等应用技术提供更坚实的理论基础。无疑，人工智能的未来还有很长的路要走。
（作者简介: 杨足仪，华中师范大学教授）
