人工智能符号接地问题研究的意义和挑战

人工智能符号接地问题

研究的意义和挑战

霍书全

原刊于《上海师范大学学报（哲学社会科学版）》 201 9 年第 3期 摘要 ： 符号接地问题要解决符号如何获得意义、符号和它们的意义如何联系起来的问题。该问题由塞尔中文屋论证所引发，加拿大认知科学家哈纳德首先明确地给出表述并试图解决，历史上皮尔士曾经论及过类似的问题。要真正刻画人的智能就需要使符号接地，因此它有重要的研究意义。思蒂尔斯 2007年给出了一个解决方案，之后塔迪欧和弗洛里迪给出了另一个解决方案，由此引起了一系列的批评和争论。迄今为止，所有的解决方法都不令人满意，因为这一问题会涉及很多跨学科的难题，要解决它似乎有很长的路要走。文章尝试为一些疑难问题指出可能的解决途径。尽管面临很多难题，但在解决符号接地问题的过程中，很多哲学和科学问题都会得到澄清或解决。 关键词 ： 符号接地问题 ； 人工智能 ； 符号主义 ； 认知科学 ； 语言哲学 作者简介 ： 霍书全，安徽大学哲学系教授，博士生导师。 符号接地问题 (The Symbol Grounding Problem，SGP)探讨符号是如何获得意义的，符号和它们的意义如何联系起来的，这里的符号指写出的或说出的语言 。 因为语言意义和意识有关，所以符号接地问题还试图解释意识是如何与符号意义的理解有关的，甚至要探讨意识是如何产生的这个更困难的问题。该问题通常在人工智能语境之内讨论。有人认为，符号学家皮尔士 (Charles Saunders Peirce)最早提出了理解符号学过程的接地、情感和意向性问题。他认为，如果没有心灵的作用，那么写出的符号和有意的指称就没有联系。 20世纪80年代美国哲学家约翰·塞尔(John Searle)提出中文屋论证。这个论证直接反对人工智能中功能主义(Functionalism)和计算主义(Computationalism)的哲学观点，尤其反对强人工智能观点，于是符号接地问题突显出来。中文屋论证引起人工智能专家广泛的争论，20世纪 90 年代，加拿大认知科学教授斯特万 ·哈纳德(Stevan Harnad)明确表述了这个问题并比较早地 开展了研究。符号接地问题的研究对于智能的刻画、自然语言理解和传统语言哲学问题的解决都有着重要的意义。 一、符号接地问题研究的意义 塞尔的中文屋论证简单而直观，它提示人们人类智能的一个显著特点是能有意义地使用符号。对于如何刻画和模拟人的智能有符号主义 (Symbolicism)、计算主义、功能主义、还原主义(Reductionism)和联结主义(Connectionism)等相互交织的不同观点。如果按照符号主义、计算主义和功能主义的观点，符号接地问题自然已经解决，因为它们主张仅仅通过符号就可以刻画智能，但是我们无法从实践上证实这种观点成立。现今的信息技术不能处理任何有意义的信息，计算机经常被形容为纯语法机器。正因如此，科学哲学家卢西亚诺·弗洛里 迪 (Luciano Floridi)认为，黄蜂所拥有的智能远远超过了目前的人工智能系统 。 计算机能很好地进行符号操作，在某些方面远远超过了人类，但是 ， “当问题的解决方案要求成功地进行信息处理，也即处理格式规范且有意义的数据时，问题马上就会变得难以克服。主要障碍在于语义。数据如何才能获得意义 ？ 在人工智能中，这被称为 ‘符号接地问题’ 。 通过有效策划的方式来解决这一问题，是解决框架问题的关键一步。然而，我们仍然不清楚动物，包括与我们相近的灵长类，具体是如何解决符号接地问题的，更不用说画出物理上可实现的路径蓝图了 ” 。 也就是说，如果符号接地问题能够解决，人工智能中框架问题就有可能解决，人工智能就会获得重要的突破。 自然语言理解是人工智能研究的一个核心内容，由于自然语言的复杂性，让机器人像人一样理解、翻译自然语言是非常困难的。传统的自然语言处理方法是把自然语言形式化为符号语言进行处理，然而这种方法不能很好地解决机器翻译问题。 20世纪60、70年代机器翻译几乎成了所有自然语言处理系统的中心课题，由于使用符号系统的计算机不能成功理解它所翻译的内容究竟是什么，所以计算机输出的新语言不能精确复述被翻译语言的意义。这种采用符号系统来实现机器 翻译的方式可称为“理性主义”策略。这种方式在经过多次失败的尝试之后，人们不得不采用被称为“经验主义”的方法，即在大规模语料库的基础上运用概率统计来实现机器翻译的方法。20世纪90年代中期以后 ， “理性主义”和“经验主义”开始结合，似乎获得了更好的效果。机器翻译的困难仍然在于计算机不能理解语言的意义。从符号系统到自然语言是比从自然语言到符号系统更为困难的过程，但这是人工智能不得不研究的问题。符号接地问题解决了，机器翻译问题自然就容易解决了。 从语言哲学的角度看，自弗雷格开始，语言表达式的意义和意识内容开始区分开来，他所说的意义也就是内涵、含义，是一种客观的东西，而个人的意识内容是私人的东西。但是意义与意识内容是有密切联系的，到底是如何联系起来的，分析哲学家采取了回避的态度。人类有意义地使用符号必然和人的心理活动有关，因此，人工智能需要研究人的意识内容和心理活动。分析哲学家建立的反心理主义意义理论终究不能解释意义问题，是否能指导人类学习语言也是令人怀疑的 。 要建立一个好的意义理论，必须研究符号接地问题。 二、符号接地问题的研究状况 从 20世纪90年代开始斯特万·哈纳德开展了符号接地问题研究，此后一些心理学家如安吉洛·坎杰洛西(Angelo Cangelosi)、阿尔伯托·格列柯(Alberto Greco)等加入其中。2007年路克·思蒂尔斯(Luc Steels)给出符号接地问题的一个解决方法 ， 他通过机器人之间相互猜测颜色的一种语言博弈 (Game) ， 刻画了机器人如何学会颜色词汇的，并宣称解决了符号接地问题。但是他仍然认为还有很多问题要解决 ， 比如，用人工智能体做更多的实验，来进一步理解意义、概念化和符号化的更多方面以及智能体之间的动态交流 ； 考察符号网络在头脑中是否有神经联系 ； 考察在共同体中允许个体参与的符号的动态机制是否有神经联系 ； 需要做新的心理学观察和试验，考察行为的表示和群组动态，等等。思蒂尔斯给出的接地方法被莫瑞奥萨瑞 ·塔迪欧(Mariarosaria Taddeo)和卢西亚诺·弗洛里迪所批评，因为他的方法不满足零语义承诺条件(Zero Semantic Commitment Condition，Z条件)。按照皮尔士语义三角的观点，符号只有被已经拥有词汇表语义的智能体解释的时候，才有意义地指称对象。也就是说，思蒂尔斯的解决方法已经预设了词汇意义的存在，有丐辞的问题。他们得出结论，在一个智能体中符号接地问题的任何有效的解决必须不能是固有观念论(Innatism)和外在论(Externalism)的，即满足零语义承诺条件。塔迪欧和弗洛里迪考察了哈纳德建议的解决符号接地问题的八个策略(可归结为三种主要方法 ： 表征主义 (Representationalism)，半表征主义(Semi-representationalism)和非表征主义(Non-representationalism)，指出这些策略都要通过感觉运动的能力(Sensorimotor Capacity)，但是这些策略都违背零语义承诺条件，因此这些解决方案不成立，符号接地问题仍是一个开问题。 2007年塔迪欧和弗洛里迪也给出了符号接地问题的一个解决方法。他们的方法建立在所谓的基于行为的语义(Action-based Semantics，AbS)之上，符号的意义作为智能体的内部状态被生成，并且和智能体执行的行为相联系。他们设计了一种双机人工智能体(AM2)来实现AbS，它由相互影响并在两个层次上执行行为的机器M1和M2组成。M1在对象水平(Object Level，OL)上运作，和外部环境互动(如通过导航，发现障碍物，避免障碍物等)。M2在元水平(Meta Level，ML)上运作 ， 它设计的目标是 M1的内部状态。M1输出到外部环境或从外部环境输入的行为定义了一个内部状态，状态和行为因果对应。M2读取M1的状态并把它和已有的符号集中的符号联系起来，从而使符号接地。AbS假定了人工智能 体 (Artificial Agent，AA)执行的行为(而不是要实现的目标)将语义地使它的符号接地。但是这种解决方式仍然是有问题的，几年之后他们遭遇到不少人的批判。 文森特 ·米勒(Vincent C. Müller)发现了塔迪欧和弗洛里迪的Z条件中的几个问题，最重要的一个是关于智能体的目标取向(Orientation)或者导向 性 (Directedness)的，它是任何自动智能体必不可少的最小要求，没有它智能体就无理由存在。米勒指出导向性以语义为必要条件，但智能体不能生而有导向性(否则为固有观念论) ， 导向性也不能由外部资源提供 (否则为外在论)。目标取向的智能体至少需要某种机制使某些数据比其他数据突出出来以标示成功。而这个机制或者是内置的或者由外部提供。他得到Z条件的两难困境 ： 或者系统真正是一个智能体，这意味着要有目标 ； 或者它仅仅是一个和周围环境互动的系统，没有目标。菲尔兹 (C. Fields)走得更远，他证明在合理的物理条件下，Z条件符号接地问题等价于量子系统识别问题。该问题要确定已给定的试验结果所刻画的是哪一个量子系统，被证明是不可解的，因此Z条件符号接地问题不可解。米勒得出结论，这个问题可归结为著名的查尔莫斯(D.J.Chalmers)关于意识的难问题(即物理现象如何和为什么引起意识经验的)，即感觉经验(Qualia)为什么存在的问题。 塞尔默 ·布林斯约德(Selmer Bringsjord)声称塔迪欧和弗洛里迪提出的方法仍然没有解决符号接地问题，只是表明一类机器人在某种意义上从理论上可以把它操作的符号和它感知到的外在世界相联系，并且按照这种联系的强度，可以以子—人类的模式进行交流。布林斯约德激烈地反对塔迪欧和弗洛里迪的方法解决了符号接地问题，并给出了论证。按照塔迪欧和弗洛里迪的观点，语言是进 化 的结果，人们不能否认进化的作用。而布林斯约德拒绝承认我们心智能力是进化的结果。他指出现代进化主义者非常接近于肯定一种形式的内在主义，但高级的认知是突变的结果。布林斯约德也不认为塔迪欧和弗洛里迪的解决方案是通向符号接地问题最终解决的一个步骤，仍然相信中文屋论证。 克里斯尼亚 ·贝雷卡(Krystyna Bielecka)也指出塔迪欧和弗洛里迪没有解决符号接地问题，困难来自AbS(Action-based Semantics)的核心假定是有问题的。但尽管如此，贝雷卡仍相信表征的实用的(Praxical)说明可以用于符号接地问题的解决，塔迪欧和弗洛里迪的工作是这个方向上巨大的一步。塔迪欧和弗洛里迪的解决方案存在四个方面的问题。(1)符号概念的问题。AbS采用的符号是一集原子约定的符号(Atomic Conventional Signs)，这使得AbS类似于意义的联想理论，没有组合规则，不具有生产能力。塔迪欧和弗洛里迪或者假定了比经典AI中实际使用的符号更少表达力(因没有组合规则,不具有生产能力)的任意约定的一个符号集合，或者假定了这样一个符号理论，在该理论中所有智能体都具有相同的至少部分地为内在的(Innate)结构。前一个选项对于非导出的(Non-derivative)符号接地问题是一个不被接受的方案(Nonstarter)，后一个选项使得他们能在社会合作过程中(根据乔姆斯基的理论组合性是内在的)发展出有生产能力的符号系统 。 后一选项允许符号在表面水平上接地，虽然它们的深层语法仍是内在的，这意味着零语义承诺条件不能排除一个内在的深度语法 (Innate Deep Grammar)。因此，这个选项会有一些困难，但贝雷卡认为这些困难是可以避免的。(2)他们关于行为(Action)的概念也是有问题的。AbS把符号的意义和行为联系起来，而行为是过去已经发生的，但是，语言的意义往往也和未来发生的事情或期待相联系，这就需要行为与目的论的词项有关，而塔迪欧和弗洛里迪的行为却是无目的性的。没有目的的行为，或者(当内在状态只相关于环境的状态而个体化时)完全依赖于环境的变化来刻画，或者完全不依赖环境变化，你可以想怎么个体化就怎么个体化(如果不考虑目的的话)。但是目的论并不导致违背零语义承诺条件。(3)接地概念本身是有问题的。如果(符号的)抽象发生在数字和人工系统M1之间(只要M1能计算这些数字)，则这意味着所有人工系统已经使它们的符号接地了，甚至塞尔在中文屋中也已经使符号接地了。贝雷卡认为 ， 有效的接地应该表明符号对人工智能体意味着某种东西，它和人工智能体的行为因果相关。而在塔迪欧和弗洛里迪提供的方法中，出现在人工智能体内的符号对它们和共同体中其他智能体都不意味什么。有意义的符号似乎也和智能体的行为不因果地 (或以别的方式)相关，虽然它们可能因果地影响智能体中的某些过程，但并不清楚它们是否以表明它们是有意义的方式去影响的。AM2也不把接地符号用于什么。在从环境到符号的函数g(f(e))中g和f的关系也被以过分随意的方式说明。(4)AbS中的语义概念存在问题。根据拉姆齐( William. M. Ramsey)，任何表征理论都要满足“工作描述的挑战”(Job Description Challenge)，但AbS理论不满足。符号可能做些什么，但这和接地是不相关的，就像售货机中的硬币，币面上的图案(相当于表征)可能描绘什么，但这和机器的工作是不相关的。要说明表征的因果相关(Representational Causal Relevance)并不容易，所以贝雷卡对自然化不能满足工作描述挑战的语义的所有尝试持怀疑态度 ， 也包 括 AbS语义。看表征是否相关还要看符号是否在系统中可以出错，如果系统不关心符号是否出错，则符号在其中就没有语义用处。在AbS中符号不能出错，所以它们在智能体的行为中不起真正的作用。因此，贝雷卡认为应该接地的是在智能体的行为中起作用的符号，否则符号的意义仅仅只是副现象的(Epiphenomenal) 。 贝雷卡列出了符号接地问题解决的五个条件 ： (a)不应该依赖于前存在的语义资源(但内在的结构，只要不是语义的，是可以接受的) ； (b)符号应该构造为至少部分地是组合性的 ； (c)符号错误地表征(比如一个符号可能被以错误的方式应用)应该是可能的 ； (d)接地关系不应该受到如析取问题这样的问题的影响 ； (e)在把智能体的行为描述为使符号接地的过程中 ， (和非接地的符号相比)应该有某种解释的收获。 2015年理查德·库比克(Richard Cubek)、沃尔夫冈·厄特尔(Wolfgang Ertel)和君特·帕尔姆(Günther Palm)也注意到前述作者声称符号接地问题没有解决，但是许多人工智能专家制造的机器人是没有问题的，他们得出这样的结论 ： 在设计目标导向的自动智能体的语境下，最初的难符号接地问题 (Hard SGP)是不相干的。他们也赞同米勒的观点。 由于已有的解决方式都受到批评，人们认识到符号接地问题不是一蹴而就的，此后很少有人直接声称解决了该问题，而是在分步骤地、间接地推进该问题的解决。如安吉洛 ·坎杰罗西等人通过直接把类人机器人的知觉和运动技能联系到词 项的分级组织，用机器人模型研究了抽象行为动词的接地。此外坎杰罗西及其合作者从机器人学角度研究了婴儿学习语言的过程，也研究了人机互动问题。伯特·瑞因夫欧特(Bert Reynvoet)和戴尔芬·莎珊格温(Delphine Sasanguie)建议，符号—符号之间的连接可以作为符号获得意义的一个备选说明。贝雷卡把符号接地问题和因果理论联系起来，两者有共同的假定，这些假定蕴含一些困难：意义决定问题、易和难的析取问题和平凡化问题。她认为，析取问题来自因果理 论和符号接地问题的更一般的困难 ： 错误表征的可能性。她列举了自然化语义和解决符号接地问题所迫切需要的东西 。 近年来出现的深度学习理论的长处之一是能够发现高维数据的特征而很少或不需要人为的干预，把它和符号人工智能结合可以看作使符号更加接地，这也是当前人工智能领域要做的工作。 中国学者李建会等人在专著《计算主义及其理论难题研究》中应用道格拉斯 ·侯世达(Douglas Hofstadter)的理论对符号系统如何获得意义给出了一个另类的说明。他们认为形式系统本身是有意义的，实现形式系统的物理系统也可以产生意义。但是说形式系统本身具有意义只是把形式本身看作了意义，物理系统产生的意义与人赋予的符号意义是否相同，是否具有公共性，仍是个问题。有人认为，计算系统的符号接地本身包含着意图的悖论。一方面，按照计算主义可以认为符号系统的意义是内在的。但是另一方面，符号系统由于没有人心灵的参与，其本身无法获得意义 ， 只能由外部输入。 三、符号接地问题面临的难题 符号接地问题已有的解决方案都不令人满意或遭到批评，说明这一问题的解决仍有很长的路要走。 2011年普利茅斯大学人工智能和认知教授坎杰洛西就曾把符号接地问题分为三个子问题 ： (1)一个认知智能体如何自动把符号联系到世界中的指称(如对象、事件和内部和外部的状态)的。(2)一个智能体如何自动创造符号—符号关系和从索引(Indexical)系统到真正符号系统的相关转变的 ； (3)一个智能体社会是如何自动发展出符号的共享集合的。这三个问题，只有第一个可以说得到初步的解决(有些人仍不承认已解决)，另外两个都没有解决或者没有满意地解决。坎杰洛西还列出了九条符号接地问题还没有解决的挑战，大致如下 ： (1)在认知机器人学研究中，符号接地问题和上面三个子问题还是关键的问题吗 ？ 如果像一些人声称的，这个问题似乎已经解决了，那么为什么我们还不能建造出像小孩那样学习语言的机器人呢 ？ (2)导致指号(Indices)交流系统向像语言这样的完全符号系统转变的过程是什么 ？ 在指号 (或标签(Labels))和符号(Symbols)(或话语(Words))之间存在连续的转换吗 ？ 或者转换是质的和突然的吗 ？ 在语言产生理论中和在发展研究中，哪些已知现象应该包括在语言进化的机器人技术模型之中 ？ (3)尽管接地很重要，在智能体或机器人语言学习或进化研究中，仍有各种方法在实践上不考虑接地过程，而是仅仅使用符号方法定义意义和话语。这些符号方法为我们理解人类的认知真的给出重要贡献了吗 ？ 或者所有语言学习模型都应该只建立在接地机制上吗 ？ (4)认知发展在符号接地和获得中真的起着重要作用吗 ？ 或者它对于理解人类认知只是非重要的副现象吗 ？ 符号接地问题就是在机器人学语言模型中使用和识别婴儿学习语言的特殊能力吗 ？ (5)什么种类的机器人实验可以构成引起符号接地争论的真正突破 ？ 什么种类的原理和思想是还没有探讨的 ？ (6)除了指号的和符号的系统之外，内在表征的性质和区别(difference)是什么 ？ 或者说表征问题并不是真正关键的，因为纯粹的感觉运动模型方法将不要求内在的表征吗 ？ (7)我们如何模仿如美、幸福和时间这样的抽象概念的接地 ？ (8)在功能词(如“if”，“the”，动词“to go”中的介词“to”)和数量词语的获得和使用中接地成分是什么 ？ (9)我们如何能够通过语言具身(Embodiment)的经验考察来模仿接地现象研究 ？ 上述这些问题有些也被其他学者提到过。 哈纳德认为，正是完全成熟的自然语言的词汇需要和世界中的指称联系起来 ， 我们还没有解决这个问题，我们还没有一个有图灵级别能力 (或者符号的或者感觉运动的(Sensorimotor))的机器人。哈纳德还认为，意义似乎是比接地更宽的概念，有不接地的意义吗 ？ 如果考虑到意义中的感情因素，还需要解决极其困难的意识问题。斯蒂芬 ·考利( Stephen J. Cowley)认为，类似于婴儿通过合 作 (Coaction)学会了语言，机器可以通过模拟合作来实现符号接地，这要求机器能评估和运用情境。情境具有模糊性，如何评估和运用语境是一个困难的问题 。 巴巴拉 ·乔利托(Barbara Giolito)建议，从进化论的观点可以解释使用索引(Index)的能力，但是通过认知和人工智能模型对从索引系统到符号系统的转变还没有令人满意的解释，这也是坎杰洛西列举的第二个挑战。仅仅用词语和对象或事件之间的关系还解释不了人类语言的产生这么复杂的现象，还需要分析内在的心智或脑结构。语言系统类似于货币的使用创造出的经济世界，结构很复杂 。 人类创造符号系统 (符号—符号关系的集合和发展共享的符号集合)需要像规则这样的东西，这在乔姆斯基的原理和参数理论中分析过，这种能力对人类是必不可少的，而机器还不具有这种能力。如何使机器具有这种能力，有待于计算机科学的长期发展。多梅尼科·帕里西(Domenico Parisi)建议用神经机器人来模拟符号接地。如何把语言的学习和头脑的神经激活模式相联系，如果可以联系起来，那么它们是怎样联系的，这些都是一个很大的挑战。米勒列出了符号接地的四个问题 ： (1)一个纯粹计算的心智是如何获得有意义的符号的 ？ (2)我们如何能使计算机器人表现正确的语言行为 ？ (3)我们如何能在人工计算智能体中解释和再生意义的行为能力和功能 ？ (4)物理现象是如何产生意义的 ？ 前两个问题是误导性的，第一个问题不能解决，第二个问题不涉及接地。后两个问题类似于查尔莫斯意识的易问题和难问题。第四个问题是不可解的，第三个问题包括了坎杰洛西的三个子问题。他怀疑这个问题是否就是一个孤单的和完全智能的智能体试图获得基本符号，然后转换为接地，最后再和其他智能体交流的问题。安吉洛 ·劳 拉 (Angelo Loula)、若昂·奎伊罗斯(João Queiroz)和里卡多·古德温(Ricardo Gudwin)建议，符号接地问题要解决怎么从指号过程过渡到符号过程，怎么从图符的(Iconic)过程发展到指号过程，符号是如何接地于图像的，其中也包括了坎杰洛西的第二个挑战，所有这些仍是未解之谜。 还有一些学者认为，符号接地问题并不存在，如罗伯特 ·卡明斯(Robert Cummins)就认为整个符号接地问题的讨论是一个错误，因为心理表征不是符号，人头脑中只有心理表征。巴特尔斯(A.Bartels)也有类似的观点 。 但是有很多哲学家对表征仍然持否认的态度，表征是怎么来的仍是一个问题。即便有表征存在，我们仍然要面临表征和符号之间的关系问题，所以并不能因此否定符号接地问题的存在。 从语言哲学的角度解决符号接地问题就是提出一个完整的意义理论，现在比较好的意义理论是戴维森和达米特的意义理论，但是这些理论只是停留在纲领阶段，并不是完整的理论。他们的理论都是反心理主义的，没有很好地解决符号接地问题，也很少有证据表明这些理论对人学习语言起到切实的指导作用。分析哲学家的意义理论缺乏对意义本身的认识论研究，所以心灵哲学家就要解决这一问题，如塞尔就用意向性来解释语言的意义。可是，按照塞尔的理论解决符号接地 问题需要解决意识难题，这是一个更大的挑战。 四、符号接地问题可能的解决策略 由前述论证可知，符号接地问题的根本解绝不是一蹴而就的，必须分步骤进行，这个解决过程同时伴随着人工智能的进步和心理学、脑神经科学的发展。符号接地问题可以有不同的版本，也可以分解为不同的子问题，我们应该区分不同版本的符号接地，并针对各个子问题分门别类地一步步推进。 前文已经提到符号接地问题的最强版本等价于意识难题。语言的意义和人类的意识有密切的关系，离开了人类意识也就无所谓语言的意义，可是意识难题并不是可以轻易解决的。在理解人类的意识之前，我们首先应该理解动物的意识。动物有意识吗 ？ 哲学家们对此有大量的争论，科学家进行了大量研究，初步的结论是动物也有意识，甚至可以理解人类的语言 。 意识是怎样产生的一直是哲学探讨的一个主题，最终有待于脑神经科学的研究来揭示，从这里不难理解脑神经科学的一部分研究也是解决符号接地问题的一个方面。也有人认为，人类之所以有语言是因为人脑比动物脑更发达。如果动物有意识而没有进化出语言，说明意识是语言产生的必要条件而不是充分条件。我们还需要研究语言产生的充分条件 ， 研究人脑和动物脑的区别，这也依赖于脑神经科学的发展。从哲学的角度看，我们需要总结自然科学的新成就，提出理论来指导符号接地问题的解决。意识难题不是一下能够解决的，根据现有的科学发展水平，我们只能针对比较弱的符号接地问题进行解决。笔者认为，可以把符号接地问题区分为人为的接地和自生的接地，前文提到的导出的接地属于前者，非导出的接地属于后者。然后再把每种情况进行更细致的划分，分别考察不同情形的符号接地。 人为的符号接地，就是人为地赋予符号以意义从而使符号接地。人类思维是有意向性的，人类说出语言的时候也是伴随有意识内容的 (无意识地胡说八道除外)，再抽象的符号也可以看作感性的东西，人们使用符号时总会自然地使它接地。人类赋予抽象的符号系统以意义，给机器使用的人工语言以意义，可以看作完成了符号接地。人工智能中计算主义主张通过物理系统可以使符号系统变得有意义，这可以看作是实现了符号系统的人为的接地，因为物理系统没有意识，这种意义仍是人们给予的意义而不是物理系统自己生成的意义。早期的认知科学主张语法和语义是统一的 ， 通过表征的方式使符号有意义，实际上是预设了符号的意义，也就是人为地使符号接地。赋予符号系统以意义，我们每个单个的人都可以完成，比如，对一个抽象的逻辑系统赋予直观的语义。单个的人赋予符号系统意义要依赖已有的有意义的知识系统，还要求符号系统符合严密的逻辑规则。还有一种赋予符号系统以意义的方式，就是通过群体互动的方式。根据意义的使用理论，知道一个符号的意义就是知道如何使用它。要知道如何使用符号，需要人和人之间交流的过程。人和人之间的交流是使用符号的目的，也是符号获得意义的手段。比如，有些抽象难懂的知识需要在课堂上通过师生的互动才能弄明白，古希腊哲学家通过对话的方式传授知识。 人为的符号接地是比较容易而自然的，比较困难的是自生的接地，即让机器人或符号系统自己产生出意义来，本文所讨论的主要是这种接地。实现自生的接地我们至少需要面对坎杰洛西提出的三个问题的第二和第三个问题，以及坎杰洛西提出的九个问题，笔者对此尝试给予初步的回答如下 ： (1)在认知机器人学研究中，符号接地问题及其子问题是否还是关键的问题，依赖于对符号接地问题的理解。如果要造出有自我意识的机器人，就需要解决强版本的符号接地问题。如果只造出作为人类工具的机器人，只需要人为的符号接地问题就可以了。一些人声称符号接地问题已经解决，但是我们还不能建造出像小孩那样学习语言的机器人，这是因为人们目前只对较低版本的符号接地问题给出初步的答案，还没有解决更困难的问题。(2)指号交流系统向像语言这样的完全符号系统转变的过程可能是人脑特有的功能，是人和动物区别的一个标志，其物质基础是人脑和动物脑的差异。从指号(或标签)到符号(或话语)的转换可能是突然的，因为这需要某种抽象思维的能力，还要在交流过程中才能达成。在语言产生理论中和在发展研究中，语言中理性的规则是容易模拟的，而感情因素如何影响语言进化还不清楚，因此还应该包括在语言进化的机器人技术模型之中。(3)在智能体或机器人语言学习或进化研究中，仍有各种方法在实践上不考虑接地过程，而是仅仅使用符号方法定义意义和话语。这些符号方法可以看作人工智能的符号主义路线，其对应的语言学理论就是乔姆斯基的转换生成语法。乔姆斯基的理论只是一种假说，他提出的一些原则难以被证实也难以被证伪，不能说它因为不能被证伪就是正确的 。 符号主义人工智能为人类刻画智能提供了一个可行的策略，比其他策略更可靠、更易于实现，但是它总会有些刚性，无法达到人类思维的水平，只可能无限逼近 。 当然这种策略为我们理解人类的认知给出了重要贡献。由此可以说，并不是所有语言学习模型都应该只建立在接地机制上，但通过 (自生的)接地机制也是一个重要的选项。(4)符号接地问题对于理解人类认知是否只是非重要的副现象，依赖于符号接地问题是否涉及意识难题。强版本的符号接地涉及对意识的研究，因为人类的语言行为也可能是无意识的，一些理论认为理解语言只需要理解语言规则，那么按照这类观点，意识只是一种副现象，符号接地对于人类认知也就是一种副现象。但是笔者认为，人类( 和其他动物) 进化出意识说明意识并不完全是副现象，否则人类也没有创造性了。符号接地问题研究的一个主要内容是在机器人学语言模型中使用和识别婴儿学习语言的特殊能力，但不仅仅如此，比如我们还要探讨为什么成年人使用符号时总是伴随着意义。(5)能刻画从具体形象到抽象符号转换的机器人实验可以构成引起符号接地争论的关键，因为语言学习能力体现为能掌握符号。人类的意识在语言进化中的作用，人类何以能迅速地把具体的形象自然地和抽象符号联系起来，这其中的原理和思想似乎还有待于探讨。(6)表征问题只是问题的一部分，不是关键问题，因为它预设了语义的存在而没有探讨语义是如何形成的。纯粹的感觉运动模型方法似乎是一种行为主义方法，可以不要求内在的表征。(7)对于如美、幸福和时间这样的抽象概念的接地，我们需要研究人类更为抽象的能力，但是人为的符号接地不需要。(8)功能词和数量词接近于中世纪的非范畴词，这些词更为抽象，应该接地在一般范畴词语之上。(9) 我们应该结合脑神经科学的研究成果，通过语言具身的经验考察来模仿接地现象研究，揭示具身经验在语言进化和概念形成中的作用机理。具身认知比传统的认知更能揭示语言进化的机制。以上只是笔者为前一部分提出的挑战提供的初步理论思考，要使问题切实解决，还需要多学科的合作。 五、结语 计算机使用人工语言，其思维能力在某些方面超过人类，由此不难想象人工智能研究中的符号主义主张可以通过人工语言来达到对智能的刻画。但是计算机程序都是人为设定好的，要使计算机像人一样真正思维，仅仅靠构建符号逻辑系统显然是令人怀疑的，因为人们还没有制造出一台能完全通过图灵测试的机器人 (尽管有人这样声称)。人工智能还有很多问题没有很好地解决，比如自然语言理解问题。由于计算机只是语法的操作，它无法有意义地使用语言，因此很难像人一样完成双语互译。再高明的机器在某些方面也比不上低等动物，更无法和人相比。人的感情、 直觉等非理性因素对语言学习有重要作用，不是纯粹的符号能直接刻画的。因此，要实现人工智能的突破，需要解决符号接地问题。自上而下的(Top-down)符号接地问题比自下而上地(Bottom-up)构建逻辑语言要复杂得多，涉及众多学科，面临很多挑战。从弗雷格开始逻辑学家就把心理的东西和逻辑的东西区分开来，导致心理学研究和逻辑学、哲学研究长期以来无法联系起来。沿 着符号主义路线，解决人工智能问题可以不研究心理问题，可是这仅仅是一种选择和主张，并不能排除其他选项。符号主义对有些问题并没有给出很好的解决，而近年来属于联结主义的深度学习理论却能刻画出很高的智能，这是由于它更为接地。符号接地问题迄今提出的解决方案都不令人满意或受到批判，但是无论如何这些方案都是一种积极的进展。符号接地问题仍然面对很多难题，可以说，心灵哲学、心理学和脑神经科学的研究成果都可以用于符号接地问题的解决。这一问题的研究意义重大，它或许可以最终解决，或许只能部分地解决，或许只能解决它的“易”版本，无论如何我们都会有很大收获 ： 这不仅推进了人工智能和认知科学的发展，也将为哲学的发展做出贡献。