当代信息哲学的重要论题:认知、逻辑与计算

2017-08-17 10:30 来源:《科学技术哲学研究》 作者:殷杰 原志宏 刘扬弃

  Significant Topics in Contemporary Philosophy of Information:Cognition,Logic and Computation

  作者简介:殷杰(1974- ),男,山西汾阳人,山西大学科学技术哲学研究中心教授,博士生导师,研究方向为科学哲学;原志宏(1981-),男,山西太原人,山西大学科学技术哲学研究中心博士研究生,研究方向为科学哲学;刘扬弃(1988- ),女,山西临汾人,山西大学科学技术哲学研究中心博士研究生,研究方向为科学哲学。太原 030006

  内容提要:文章主要以认知、逻辑/测量与计算等学科在信息哲学研究中的相互作用以及发展为切入点,结合作者翻译《爱思唯尔科学哲学手册:信息哲学》之后的总结、体会,对上述各领域中的基础性问题进行介绍,对其相互关系予以分析,从而对信息哲学未来发展的重要论题进行梳理与评述。

  Having translated Philosophy of Information Volume in Elsevier Philosophy of Science Handbook and starting from the interaction of cognition,logic/measurement and computation,the authors introduce several fundamental issues of each of the above-mentioned subjects and analyze their relations as well.Finally,a brief conclusion of the future study topics of philosophy of information is drawn.

  关键词:认知/逻辑/测量/计算/信息哲学  cognition/logic/measurement/computation/philosophy of information

  标题注释:国家社会科学基金重点项目(12AZX004),教育部人文社会科学重点研究基地重大项目(15JJD720010),山西省三晋学者支持计划。

  原发信息:《科学技术哲学研究》第20172期

 

  认知、逻辑与计算,分别为当代信息科学中的三个重要分支。认知研究为我们提供了整合、分析及理解知识/信息的有效途径。随着信息时代的到来,信息成为知识的根层面解释,而通信工程与信息技术,又为知识的认知搭建了高速、精准的通道。传统上看来,逻辑本属于哲学范畴,其研究对象主要包括由语言、语义或符号所体现出的法则、规律。20世纪50年代,人工智能技术首次兴起,在机器定理证明、棋类程序设计等方面,取得了不少成果。时至20世纪八九十年代,信息技术、神经网络技术的发展,人工智能研究出现了新的高潮。而此时的逻辑研究,已经成为人工智能中不可缺少的重要基础,为机器学习、算法设计等人工智能分支领域的定量化、精密化研究,提供了有力支持。最后,一切都回到了计算。近年来,随着量子物理研究的广泛开展,越来越多的哲学家、物理学家,开始意识到了宇宙的计算本质。作为量子物理界的权威之一,麻省理工学院教授塞斯·劳埃德认为,万物皆计算,而宇宙可以被视为一台巨型量子计算机。事实上,认知、逻辑与计算,这三点所围成的区域,恰好与香农的信息系统模型,即信源——噪声——信道——降噪——信宿,非常类似。我们所处的世界,充满了信息,认知与信源最为靠近,是我们接触纷繁芜杂、各类信息的最前沿,因而承担着部分信道的功能;宇宙中的信息包罗万象,而我们锁定的目标信息又不会自动分离出来,此时,目标信息之外的信息,即可视为噪声。逻辑负责找寻世界的本质规律,排除也好,约束也罢,以各种不同方式缩小范围,筛选目标信息,这一过程,即降噪;而计算,与信宿关系紧密,通过计算,我们可以推测结果、模拟现实,从而使有效信息最终到达信宿。信宿收到信息,达到通信的目的。一条单向信息链即告完成。进而可以开始寻找新的目标信息,再次开始一条信息链。循环往复。本文从认知、逻辑与计算入手,结合笔者在翻译《爱思唯尔科学哲学手册:信息哲学》(后简称《信息哲学》)一书后的归纳与总结,对当代信息哲学最新发展方向进行评述,对其各自未来趋势进行梳理分析,并给出相应结论。

   一、信息哲学中的认知研究

  认知科学,是对人类获取知识,即认知过程及其规律,所进行的研究。而认识论是研究认知过程的有效工具。认识论是“对知识的研究,包括知识的本质、来源、范围以及形式”[1]29。

  认知科学的研究,需要假定若干前提。即,某某研究讨论均基于以下假设。这种假设有其必要性,它为我们的研究提供了起始点,有了这个基础,所有此领域的研究讨论,就不会如空中楼阁,没有根基。也就是说,我们的研究讨论,追根溯源需要有据可依。而这个假定的前提,就是可依之据。因此,后续的所有推理、论证,都可以做到方向清晰,结论可信。在《信息哲学》第十章“认知逻辑与信息更新”部分中,作者亚历山德鲁·巴尔塔格、汉斯·范·迪特玛施以及劳伦斯·莫斯,以“知识就是各种真实合理的信念”[1]434作为研究的前提假设,并由此对可能世界的内、外部变化做出推理与论证。但是,这种假设也是有风险的。因为,一旦假设条件本身即为错误信息,那么,虽然可以通过正确的推理过程得到可证明合理的结论(信念),但是这个结论很可能并不是正确的知识,或者说,真理。也就是说,正确的方法可能得到了错误的信念。究其原因就在于初始条件的错误假设。然而,不能因为风险的存在,就否定前提假设的意义。因为,“研究合理信念本身对于了解知识的本质有启示作用”,研究者借此“可对复杂知识场景、主题群体的相关情况做出可靠预测”[1]435-436。而且,研究过程中,还可以通过信念更新等信念活动,对现有的信念活动进行调整。或者,“将新信息与主题信念状态以合理的方式融为一体”[1]457,即信念修正。

  上文所讨论的是认知科学的研究方法,而就其研究对象而言,自然语言无疑是不可不谈的一项。汉斯·坎普和马丁·斯托克霍夫认为,“自然语言虽不能说是最重要的信息载体,但绝对是人类最广泛使用的”[1]60。自然语言具有极高的灵活性。具体而言,自然语言几乎可以适用于任何范围的交谈话题,语句表达可长可短,语义选择可陈述可疑问。因此,自然语言中包含了极其丰富的信息。认知科学研究中,人类如何实现自然语言中信息的生成、传递以及接收,是一个重要的研究领域。语言学家以及人工智能研究者对于自然语言的生成与学习,都有着极大研究兴趣。相比于形式语言,例如数学形式语言,自然语言的灵活性与随意性更高。换言之,数学语言更为规则化、精确化,具有单一的语义指向性。而自然语言,其语义具有多层性,即“自然语言话语不仅传达着各种类型情景的信息:包括真实的和可能的,以及过去、现在和未来的;也传达自然语言使用者对这些情景所具有的特定态度的信息”[1]61。而这一特点,对于人工智能中机器学习语言以及机器翻译的研究而言,带来了很大挑战。我们可以利用可学习的数据集,通过数据压缩的方式,让机器学习语言[2]。因而认知科学在机器处理语言信息的研究中,具有关键性影响。

查看余下全文
(责任编辑:李秀伟)
更多学术内容,请关注 www.cssn.cn
';?> ';?>