本站原创摘 要：针对科学研究与高等教育的国内外现实状况,介绍传统科学观（物质观和能量观）和方法论（分而治之、各个击破、合成还原）在信息与智能科学研究领域产生的误导案例,阐述重视科学观和方法论研究与教育的重要性,提出适用于信息与智能科学研究的新科学观是“信息观、系统观、生态观、机制观的四位一体”,与之相适应的方法论是“信息转换方法”,同时通过实例论证新的科学观和方法论的有效性.
关 键 词：信息观；系统观；生态观；机制观；信息转换方法论
0引言
智能科学是信息科学的制高点.从物质科学演进到信息与智能科学,研究的对象发生巨变,因此研究的理念和方法也必须随之改变,这是不言自明的道理.然而,由于科学观与方法论的抽象性（无形性）,这种不言自明的道理却往往在实践中被人们视而不见.
我们对信息与智能科学技术发展的历史稍加考察就可以发现,由于科学观与方法论具有抽象性或无形性特点以及人类的思维习惯存在惰性,数十年来信息与智能科学技术的研究依然沿用传统的科学观和方法论,由此导致一系列重大的学术研究失准,在客观上延缓了信息与智能科学的发展进程.
在半个多世纪的科学研究实践中,笔者曾经在这方面反复经历失败与成功,有过正反两个方面的经验和教训,最终深切地感悟到：科学观与方法论问题对于信息与智能科学领域的研究与教育具有特别重要的意义.于是,笔者常常不由自主地思考和总结信息与智能科学领域中的科学观与方法论问题,得到一些初步的领悟,愿在此与读者共享并欢迎批评指正.
1传统的科学观与方法论
有什么样的研究对象,就需要有与之相适应的研究方法,而方法论又源于科学观.换言之,有什么样的科学观,就会形成什么样的方法论,科学观和方法论是指引人们从事科学研究的世界观和方法论.
传统自然科学的研究对象是物质系统和能量系统.物质观和能量观便天然地成为传统自然科学的科学观,而对复杂物质和能量系统实行分而治之、各个击破、合成还原则成为传统自然科学行之有效的方法论.
近几百年来,面对越来越多的复杂物质系统和能量系统,传统自然科学的科学观和方法论指导全球研究大军频繁出击,战无不胜,攻无不克,所向披靡,为近代自然科学技术的发展与繁荣建立了历史性的卓越功勋.
2传统科学观与方法论对信息领域科学研究的误导
传统科学观和方法论虽然在近代科学实践中屡试不爽,但是在一类新的研究对象面前却产生了一系列相当严重的误导作用.这类新的研究对象就是以信息为主导特征的复杂信息系统,而智能科学就是研究这类系统的代表性学科.
2.1误导案例之一：探究思维奥秘
一个最为明显的误导例证就是关于人类大脑思维奥秘的探究.按照传统的物质观和能量观,人类大脑系统是一个复杂的物质系统,也是一个复杂的能量系统；为了探索大脑思维的奥秘应当对它实行分而治之、各个击破、合成还原的研究.于是,研究者对人类大脑实行各种各样的解剖研究,试图查明大脑各个解剖单元的物质结构和能量关系,从而解开人类大脑思维的秘密.
令研究者大失所望的是,尽管通过解剖研究可以查明大脑各个局部组织的物质结构和能量关系,但是对于大脑为什么能够思维以及大脑怎样进行思维这样一些基本问题,仍然始终摸不着头脑并且一筹莫展.
百战百胜的传统方法论出现了什么问题?原来,尽管大脑是复杂的物质系统,也是复杂的能量系统,但它的本质是以信息及其转换为主导特征的复杂信息系统.研究者按照传统科学方法论将大脑这个复杂信息系统分解为相对简单的解剖单元（分系统）时,就丢失了各个分系统之间相互联系和相互作用的信息,而这些相互联系和相互作用的信息正是复杂信息系统的生命线.舍弃了生命线,当然就不可能通过各个分系统的合成还原“能够思维”的大脑.
2.2误导案例之二：Shannon信息论
另一个非常基本的误导案例是关于信息概念和理论的研究.按照正常的理解,人们处理和利用的任何信息都是形式、内容和效用的三位一体：形式只是信息的外表,效用是信息的价值,内容才是信息的内核.人们根据信息的形式感知它是否存在,根据信息的效用确定对它的取舍,根据信息的内容达成对它的理解.如果只感知信息的形式而不了解它的内容和价值,就无法据此做出正确的决策.
然而,在分而治之方法论的指导下,Shannon信息论仅仅根据通信过程的要求（而不是根据信息运动全部过程的要求）,就针对信息的形式（而不考虑信息的内容和价值）建立了后人所称的信息理论.实际上,正如Shannon自己所说,它只是通信的数学理论（mathematicaltheoryofmunication）,而不是完全的信息理论.
这种误导的结果使Shannon信息论虽然在通信等统计领域发挥了巨大作用,但对于整个信息科学（特别是对于其中的智能科学）领域而言却难以有所作为.现今人们对于信息的烦恼便是网络上信息的鱼龙混杂,良莠难分,而Shannon信息论对此却不能提供任何有效的解决方法,原因就在于它只是关于信息形式的统计理论,完全没有考虑信息的内容与效用.同样,Shannon信息论对于智能科学的研究难有作为,这都是传统科学方法论误导信息研究所造成的结果.
2.3误导案例之三：智能模拟的方法
还有一个同样基本的误导案例是关于人类智能的机器模拟（人工智能）问题.按照分而治之的传统科学方法论,人工智能研究者认为：人类智能系统可以分解为结构、功能、行为3个基本层面,因而可以分别从结构、功能、行为3个不同的角度对人类智能进行模拟.于是,基于结构模拟的人工神经网络研究、基于功能模拟的物理符号系统研究、基于行为模拟的感知动作系统研究随之出现,成为人工智能研究的3大主流方法.
这样引发的问题是,虽然3种研究方法都具有相同的研究目标,即希望成功地在机器上模拟人类的智能,并且各自都取得了不少令人鼓舞的研究成果,但是人们却不知如何才能把三者集成起来并形成和谐的合力,以便更好地促进人工智能研究的进步.事实上,长久以来,3种方法不仅没有能够形成和谐的合力,反而偶有互相否定、互相激烈抨击的事件发生,终于形成三足鼎立的不和谐局面,这种状态显然很不利于人工智能研究的整体发展,这也是分而治之方法论误导所产生的不良后果.
2.4误导案例之四：人工智能的理论模型
更为典型的误导案例是人工智能的理论模型.常理告诉我们,意识是智能的直接基础.如果一个人连意识的能力都没有,他怎么可能具有智能呢?同样的常理告诉我们,人的智能有两个基本方面：情感与理智.如果一个人没有情感,他怎么可能具有完整的智能呢?而且,意识、情感、理智是相互联系、相互作用、密不可分的三位一体.
然而,按照分而治之的传统科学方法论,人工智能理论的研究硬是把意识和情感因素从智能的研究领域中排除出来.于是,人工智能理论一方面长期回避对意识的研究,另一方面又忽视对情感的探索,最终变成一个既不完整又不真实的人工智能理论模型.分而治之传统科学方法论导致人们不能深入和完整地理解人工智能.
总之,面对以信息及其转换为主导特征的开放复杂信息系统（智能系统是这类系统的典型代表）的研究,基于物质观和能量观的分而治之方法论不但不再有效,而且还会产生许多后果相当严重的误导.
3开放复杂信息系统需要的科学观与方法论
正反两方面的研究实践启示我们,以智能系统为代表的开放复杂信息系统的研究,不能照搬我们原先所熟悉的传统科学观和方法论,而是迫切需要全新的科学观和方法论.经过长期的实践和探究,我们认为开放复杂信息系统的科学观包括以下4个基本观念.
1）信息观.
既然贯穿开放复杂信息系统全局的主导因素是信息和信息运动过程,那么开放复杂信息系统的研究首先就必须遵循信息观,即研究的关注点必须聚焦于系统的信息和信息运动过程,而不应当只盯着系统的物质结构和能量关系.
2）系统观.
开放复杂信息系统的研究必须遵循明确的系统观：一方面,人们所关注的信息应当是形式、内容、价值三位一体内涵完整的信息,而不是仅考虑形式因素的信息；另一方面,信息运动的时空过程必须保持完整性,人们不能只关注信息传递这样一个局部的过程,也不能只关注理智这样一个局部的方面.
3）生态观.
开放复杂信息系统应当是一种“活的系统”,因此人们必须遵循清晰的生态观,也就是说必须把开放复杂信息系统中信息运动过程的来龙（本体论信息）去脉（知识、基础意识、情感、理智、智能策略和智能行为）作为一个有序的生态过程进行一体化的研究,而不应当把信息、知识、智能看作一个各行其是的拼盘.
4）机制观.
既然开放复杂信息系统是一类生态系统,对它的研究就必须遵循机制观,即必须把关注点放在信息如何生成知识与如何生成智能的生成机制（即生长规律）上,而不应当把关注点放在系统的结构、功能和行为上.这是因为系统的结构和功能都是为实现生长机制而怎么写作,行为则是系统机制实现的外显结果.
总之,信息观可以呈现开放复杂信息系统的生命脉络；系统观可以抓住开放复杂信息系统的信息全局特征；生态观可以把握开放复杂信息系统的有机联系；机制观可以理解开放复杂信息系统的生成规律,它们构成了开放复杂信息系统科学观的四位一体.
那么,开放复杂信息系统的科学研究方法论是什么呢?一般而言,有什么样的科学观就会形成什么样的方法论.科学观是认识所研究对象的基本观念,方法论是体现基本观念的研究方法,因此任何一种科学研究方法论都可以（而且应当）从科学观中自然引申出来.
根据这个基本原理,研究以智能系统为代表的开放复杂信息系统的科学方法论就可以表述为：遵循信息观、系统观、生态观和机制观的根本原则,考察信息资源（本体论信息）生成相关产品的生态转换规律.具体地说,就是要系统地（系统观）、联系地（生态观）、深刻地（机制观）考察本体论信息（信息观）生成认识论信息：知识和智能的规律,或者更简洁地说就是要系统地、联系地、深刻地考察信息转换的规律.：总之,信息转换是针对一切开放复杂信息系统研究都适用的科学方法论.
4新的科学观方法论和研究成果
20世纪80年代以来,笔者逐渐领悟到信息观、系统观、生态观、机制观四位一体的科学观和信息转换方法论,并将其用于指导自己的信息科学和人工智能基础理论研究,获得了如下一些重要的创新成果.由于篇幅所限,笔者叙述从简.
4.1全信息理论
传统方法论令Shannon信息论存在严重局限.我们根据新科学观提出语法信息、语义信息、语用信息三位一体的全信息概念,其中,语法信息用“肯定度”参数表征,用概率论和模糊集合理论描述；语义信息用“逻辑真实度”参数表征,用模糊逻辑理论描述；语用信息用“效用度”参数表征,用模糊集合理论描述.
这样,原先各自独立发展起来的信息获取（检测与识别）、信息传递（通信与存储）、信息处理（计算）、信息认知和信息决策（人工智能）、信息执行（控制）就得到了统一的描述和处理,形成了完整统一的信息科学理论.
4.2本体论信息到全信息转换：第一类信息转换原理
根据新方法论,我们发现并阐明了图1所示
的由本体论信息到全信息的转换原理（又称第一信息转换原理）,证明全信息理论不仅在理论上合理,而且在技术上可行.
图1表明,人们利用传感系统可以把本体论信息映射为相应的语法信息,利用语法信息可以从知识库检索l出（或者通过与目标进行相关运算计算出）与之相对应的语用信息,通过对语法信息和语用信息的逻辑运算可以演绎出语义信息.所有这些操作都在技术上可行.
4.3知识的外生态学理论
知识在信息和智能科学中扮演着极其重要的角色,但是在分而治之传统方法论的影响下,知识被孤立地分割出来,在人工智能理论研究中没有得到应有的重视.在新科学观和方法论指导下,我们发现知识并不是一种孤立和静止的研究对象；恰恰相反,它是一个极其活跃的生态学系统.一方面,知识不断由认识论信息的归纳而来；另一方面,知识又在系统目标的制导下通过演绎的方法向智能生长而去.换言之,“信息_÷知识_智能”转换是知识的外部生态系统.这一发现的意义不仅揭示了知识的生成机制,而且揭示了智能的生成机制,直接导致新的人工智能模拟方法问世.
4.4信息一知识转换：第二类信息转换原理
知识外生态学原理表明：知识由全信息转换而来.信息是现象,知识是大量相关现象所蕴含的共同本质,因此实现由全信息到知识的转换算法,原则上是归纳型算法.由大量信息现象到知识本质的归纳过程是由量变到质变的过程,也称为“涌现”过程.这是知识外生态学提供的一项重要启发.
4.5智能的共性核心生成机制
知识外生态学系统的发现不仅揭示了知识的生成规律（第二类信息转换原理）,而且还启迪了智能的共性核心生成机制：信息→知识→智能的转换.具体来说就是在任何情形下,智能的核心生成机制都是由信息（关于问题的信息、关于问题求解目标的信息、关于先验知识的信息）到知识（求解问题所需要的专门知识）再到（求解问题的）智能策略的转换,显然,这是一切智能（包括人类智能和人工智能）的共性核心生成机制.
4.6人工智能的机制模拟方法
受到智能共性核心生成机制的重要启发,我们提出人工智能的新的模拟方法,这就是机制模拟方法：信息_知识-÷智能的转换,这是区别于已有的结构模拟、功能模拟、行为模拟方法的全新方法.
众所周知,系统的生成机制统管系统全局,系统的结构和功能都为生成机制怎么写作,而行为则是机制实现所产生的结果,因此人工智能的机制模拟方法比传统的结构模拟、功能模拟、行为模拟方法具有更深刻和更本质的意义.
4.7知识的内生态系统
运用新的科学观和方法论,我们又发现了知识的内生态系统：知识内部不是如铁板一样凝固的对象,而是一个充满活力的生态系统；认识论信息（全信息）首先生长成为欠成熟的经验知识,接着后者通过验证和完善生长成为成熟的规范知识,经验知识和规范知识又进一步凝聚成为超成熟的常识知识.简而言之,经验知识→规范知识→常识知识是知识的内生态学系统.知识内生态学系统的发现直接导致人工智能3大主流方法的统一.
4.8人工智能的统一理论
人工智能的结构模拟方法（人工神经网络,后来发展成为计算智能）利用的是训练得到的经验知识；功能模拟方法（物理符号系统,后来收缩成为专家系统）利用的是人工输入的规范知识；行为模拟方法（感知动作系统,后来发展成为机器人）利用的是人工输入的常识知识.知识的内生态学系统表明,经验知识、规范知识、常识知识是知识的3个相生（而不是相克）状态,因此原先鼎足三分的人工智能3大主流方法在机制模拟方法的框架内也呈现出相生关系,达到了和谐的统一.这显然是人工智能理论研究的重要进展.
4.9全信息—智能转换：第三类信息转换原理
第一类信息转换原理是信息内部转换的原理,即由本体论信息到认识论信息（全信息）的转换；第二类信息转换原理是由全信息到知识的转换；第三类信息转换则是全信息向基础意识、情感和理智的转换.
我们运用新的科学观和方法论后发现：基础意识的生成机制是在全信息的激励下启动,在本能知识和常识知识支持下展开,在系统目标导控下实现的转换；情感的生成机制是在全信息的激励下启动,在本能知识、常识知识和经验知识支持下展开,在系统目标导控下实现的转换；理智的生成机制是在全信息的激励下启动,在本能知识、常识知识、经验知识和规范知识支持下展开,在系统目标导控下实现的转换.与全信息一知识转换过程类似,这些转换也存在量变到质变（涌现）的过程.
4.10高等人工智能原理
受到传统方法论的影响,现有人工智能理论的智能模型是一种既不完整又不真实的模型.基于上面所述的第一、第二、第三类信息转换原理,我们提出图2所示的高等人工智能理论的研究模型,图中的符号G表示系统的目标；K1表示本能知识和常识知识的集合；K2表示本能知识、常识知识和经验知识的集合；K3表示本能知识、常识知识、经验知识和规范知识的集合；K4表示本能知识、常识知识、经验知识、规范知识和决策艺术知识的集合.
从图2中可以看出,高等人工智能系统直接面向开放的外部世界,后者不断产生各种事物的本体论信息；感知系统（而不是简单的传感系统）按照第一类信息转换原理把本体论信息转换成为认识论信息（全信息）；认知系统按照第二类信息转换原理把全信息转换成为知识；基础意识、情感和理智系统则分别在知识K1、K2、K3支持并在目标G导控下完成第三类信息转换,把全信息分别转换成为基础意识、情感和理智；决策系统则在知识K4支持并在目标G导控下把情感表达和理智表达综合成为解决问题的智能策略；执行系统把智能策略转换成为智能行为,反作用于外部世界.
如果智能行为产生的结果与目标一致或可以接受,这种策略就作为一种正确的知识补充到知识库；如果智能行为产生的结果与目标之间存在比较明显的误差,那么这个误差就成为一种新的信息反馈到感知系统,经系统后续处理,补充知识,优化策略,使新的智能行为产生更好的结果,如此循环往复,直到满意为止.这是一个完整而真实的人工智能模型,对于人工智能未来的发展具有重要意义.
5结语
研究不同的对象,需要有不同的科学观和方法论.基于物质观和能量观的分而治之、各个击破、合成还原方法论曾经指导人们在物质科学领域取得过历史性的辉煌成就,但是在以信息和信息转换为主导特征的开放复杂信息系统这类研究对象面前却显露出严重的缺陷.
以智能系统为代表的开放复杂信息系统需要新的科学观和方法论,这就是“信息观、系统观、生态观、机制观”和“信息转换”方法论.新的科学观和方法论可以指导人们在开放复杂信息系统的研究中,突破传统科学观和方法论所造成的许多局限,获得源头性的创新研究成果.
信息与智能科学是当今时代的标志性学科,只有深入理解并努力运用与之相适应的科学观和方法论,才能在研究工作中有所创造；只有深入理解并努力运用与之相适应的科学观和方法论,才能在教育教学工作中培养具有创新精神和创新能力的人才.
（编辑：宋文婷）