“智能”的界定是所有智能研究中不可回避的基礎理論問題。但是，這一問題的重要性卻被人工智能等具體學科中的諸多成就所淹沒，引發(fā)了眾說紛紜的“智能”。這一現(xiàn)象業(yè)已成為阻礙智能的相關研究前進的絆腳石。從最早研究智能的心理學、哲學的研究成果來看, 有效區(qū)分各種形式的“智能”應成為共識?！?智能”在本質上指向的是具有特定內在結構的物質體在特定環(huán)境中顯現(xiàn)出的自主性特征。

對于“智能”一詞，我們已經耳熟能詳。遺憾的是，在研究智能的學科中卻沒有給出“ 智能”概念明確且達成一致的界定。一方面，“智能”的界定不清已經導致了許多混亂不堪的理論爭論，阻礙了研究智能的相關學科的對話與融通。另一方面，“智能”究竟指向了什么？對于這一問題的不同回答，不僅形成了智能研究的不同取向，決定了其研究結果的最終命運。還使許多智能研究者往往在錯誤的智能標準下誤入歧途，沉迷于技術細節(jié)的荒野。這一現(xiàn)象在人工智能（AI）的研究中表現(xiàn)得尤為突出。歷數AI領域中數個劃時代的課題：定理證明、通用問題求解系統(tǒng)、專家系統(tǒng)、人工神經網絡……每一項成就都曾經令人激動和神往，但最終都裹足“難”前。弗里德曼在評價過去幾十年AI 的成績時不無沮喪地說：“近四十年光景里AI 領域并沒有什么實質性的突破”。因此，在現(xiàn)時代，提出“智能” 的界定問題，并嘗試性地肅清這一基礎理論問題就顯得尤為必要。

心理學對“智能”的探究

在智能研究中，心理學無疑是具有重要意義的學科。特別是認知心理學誕生以來，心理學對人的智能研究成果構成了智能研究領域中十分重要的一部分。在過去的許多年，盡管人們提出了許多關于“智能”的定義和解釋，各種各樣的說法試圖通過各種可能的途徑和方法來理解“智能”。但是，占主流地位的“智能”定義卻一直被心理學的傳統(tǒng)觀點所統(tǒng)治，即智能是指某主體能完成人的某些行為的能力表現(xiàn)。心理學家們普遍認為，“智能”應該定義為這樣一種能力，即采用、使用并適當地選擇環(huán)境以使自己獲得某種發(fā)展的能力。在此基礎上出現(xiàn)了多種對“智能”的界定。

在心理學史上, 第一類具有代表性的觀點是從智能的外在功能表現(xiàn)上來界定智能的標準, 其觀點具有濃厚的功能主義色彩。

例如, 英國的高爾頓（Galton）尋求在心智表現(xiàn)出的能力或技巧方面來理解“智能” 。他認為，智能主體在區(qū)分重量和長度的一些顯著不同時，個體能夠有序地將重量和長度分離開，并能夠感覺到它們發(fā)生在截然不同的時空領域，以及重量和長度所具有的不同時空特性，心智表現(xiàn)出的這種能力就是智能。與此稍顯區(qū)別的是，法國的比內（Binet）和西蒙（T. Simon）認為，智能是描述復雜判斷能力的術語或概念。比內相信有三個重要的認知能力是“智能”所必需的，一是傾向能力，智能體具有知道什么是必須做的事情，以及該怎樣去做的某種傾向性；二是應變能力，智能體在不同環(huán)境下能選擇并持續(xù)完成某項任務的策略；三是控制能力，智能體有自我調整自己的判斷和進行自我修正的能力。這種智能標準在內容上強調智能概念所具有的外在性、顯性特征，較好地從直覺層面反映“智能”的特征。據此，比內還設計了一個智能測驗, 這個智能測驗能夠成功地預言兒童在校的成績。因此，比內對智能的界定產生了重大的影響。英國心理學家斯皮爾曼（Spearman）可以說是同時代研究智能的先驅者。他提出從信息處理的三個表現(xiàn)來理解潛在的“智能” 。一是感受經驗的捕獲與理解能力；二是關系的推斷和分析能力；三是相關性的推斷與分析能力。斯皮爾曼用四個單元（A、B、C、D）來分析和說明問題，任何智能的處理都可以基于這四個單元進行理解。他認為，第一個過程是編碼這些單元，第二個過程指出A 跟B的相互關系，第三個過程應用這個關系應用到從C到D，完成了整個過程就完成了一個智能行為。美國著名心理學家斯騰伯格（Sternberg）在用信息處理和數學模型來解認知任務，直到看到完成認知任務的每一個基本元素、組成成分和基本策略之后，斯騰伯格認為，個體如果能夠理解在信息處理過程中潛藏的復雜原因和解決問題任務中的各個單元，那么它就是“智能”的。

由傳統(tǒng)心理學家們締造的智能標準在20世紀早期占據著主導地位?？偟膩砜?，這些對“智能”的界定均強調個體功能表現(xiàn)上的不同，并以此來區(qū)別非智能以及不同程度的智能。但是，人們遠遠不滿足于這種“功能主義式” 的智能說明，因為傳統(tǒng)心理學家對智能標準的確定很少提到關于智能過程潛藏的智能因素，這促使了人們開始尋找新的途徑來認識智能。而在隨后的研究中，人們開始關注到智能發(fā)生的內在因素，并試圖循此來界定智能。這樣誕生了心理學史上第二類智能標準的界定。

第二類具有代表性的觀點試圖以說明智能的內在結構來界定“智能”，其觀點充分繼承了西方的分析傳統(tǒng)。這些智能標準的說明均用到了因素的分析方法。美國心理學家瑟斯頓（Thurstone）認為, 認知智能需要七個方面的因素綜合考量。卡洛爾（Carroll）提出了分為三個等級的三層次智能處理模型。這個假說一般被認為是心理學發(fā)展的直接結果，實際上他是充分借鑒了計算機網絡的內部信息處理機制來說明“智能”的架構。他指出，具有某種單一能力的因素g處于最頂層，接著是更為有限的認知技巧在這個層次的下一層。每一個層次依次由下向上為上一層提供基礎的服務, 從而到最上一層表現(xiàn)出某種復雜的智能。20世紀70年代，隨著認知科學的正式興起，從智能結構來說明智能標準的方法得到了進一步發(fā)展。心理學家們對“智能”的這種界定不僅極大地啟發(fā)了認知科學的研究，而且心理學家和認知科學家同時開始以認知科學的獨有方式來分析智能的構成，其核心就是主張將認知科學中對信息處理能力的研究直接應用于認知心理學等學科的實驗中來界定智能，然后又進一步利用各種傳統(tǒng)心理學的智能測試得分情況確定該主體的智能程度。在這類工作中亨特（Hunt）的研究尤具代表性。

亨特和他的同事們找到了像在字母辨認等信息處理任務中影響效率的各種參量的相關性，以及在口頭表達能力的精神物理學測試上的得分情況。在這個實驗中，無論字母是否成對的像AA、Aa或者Ab出現(xiàn)，參與者必須說出任一個相同字母的物理特征或名稱。這個試驗在今天還一直被應用于測試某個主體的智能程度。像亨特等人為了尋找智能的確切定義，都用到了計算機模擬的方法來確定在復雜任務中的這些組成成分和基本策略，這些基本的成分和策略就是一些專用的智能模塊?；谠缙诘?/span>這些研究，斯騰伯格提出了智能的三元理論。根據這一理論，這些信息處理的基本組成模塊應用于適應、塑造和選擇環(huán)境的經驗中。他發(fā)現(xiàn)，智能的最好理解是體現(xiàn)在相關的小說認知任務單元中或者在習慣的自動化處理任務過程中。斯騰伯格在經過仔細的實驗后認為，智能必須包含三個主要的方面：分析、創(chuàng)造和實踐思維。

與此不同的是，哈佛大學的加德納（Gardner）認為，智能的結構并不是一個單一的模塊，而是包含著八個可分辨的各種各樣的智能因素：語言、數理邏輯、空間、音樂才能、身體的肌肉知覺、人際間、內心的和純粹自然主義的因素。這些職能中的每一個都是一個可區(qū)分的模塊，他們或在大腦和或多或少地各自獨立。盡管嘉德納并不能設計一些實驗來直接驗證他的理論模型，但他還是提出了各種各樣的實驗來證明他的理論。

近幾十年來，其他的一些智能理論也試圖努力地直接嫁接信息處理到大腦中的生理學過程中，并以此來揭示智能的真實的生理學所指。例如，海爾（Hair）和他的同事們通過正電子掃描（PET）試驗，他們獲得了智能個體大腦中在處理復雜任務時通常耗費較少葡萄糖的電子掃描圖像。實驗證明，高智商的人往往能夠比普通智能的人耗費較少的努力完成同一個任務。弗農（Vernon）和莫瑞（Mori）在1992年的研究中試圖直接連接神經傳導的測量速度與智能的關系。盡管這些研究都存在著一些問題，而且也沒有找到合適的解決辦法復現(xiàn)智能的真正圖景。但是，關于智能在認知科學、心理學中的基礎性研究，仍是富有活力地在前行?？偟膩砜矗谛?/span>理學中，對智能進行的科學探究大致上經歷了“從外到內”的認知過程。不同研究方式與取向的選擇使得對“智能”的界定仍是懸而未決，這種不一致也在最關注智能研究的心靈哲學中得到了不同程度的表現(xiàn)。

　心靈哲學對“智能”的探究

在心理學中的“智能”理解均體現(xiàn)為現(xiàn)象界的研究，這些科學家研究了種種智能表現(xiàn)并力圖揭示這些智能機制。但是，這些科學的探究并沒有揭示出智能最一般的根本性特征，這無疑給哲學留下了另一片天地。這種科學與哲學的相互交融，不斷豐富了關于“智能”的哲學思想, 也為我們探尋“智能標準”打開了哲學的巴比塔之門。心靈哲學則是研究“智能”中最具代表性的哲學領域之一。在當今的心靈哲學領域，有以下四種關于智能的典型理解值得我們關注，即計算主義的智能觀、聯(lián)結主義的智能觀、神經生物學智能觀和語言分析的解釋學智能觀。

第一，計算主義的代表人物福多（Fodor）以自然化的觀點提出了心靈表征理論，闡釋了自己關于“智能”的理解。他認為，人類的智能過程含有豐富的語義性。因果關系的語義基于句法間的聯(lián)結而最終又超越了句法的形式化。形式化向我們表明句法與語義是怎樣聯(lián)結的，計算向我們表明因果關系的機器怎樣具體地聯(lián)結句法，并由此超越句法而產生語義，即讓我們知道了一個形式化的語句是如何得出了具有真值的語義。因此，一個智能推理過程（關于術語語義獲得真值的過程）能夠被一個并不神秘的物理裝置有效地來實現(xiàn)。如果實現(xiàn)人類智能的心智是一臺計算機，他的心理表征正如所有語義屬性一樣，表征能夠通過語義屬性的一致交流而獲得（即獲得語義），即它可以通過“句法引擎”的使用作為推理可靠的原因而獲得表征的語義。這樣一來“智能”被描述為這樣一種狀態(tài)或者說“智能”應具有這些條件，即“智能”有自己自動的因果作用。驅動智能行為的內部工作原理是句法的加工，語義的加工通過句法的加工來實現(xiàn)，而被認為實現(xiàn)人類智能的心靈其實質就是一臺句法機，因此智能在本質上就是計算。

但是，AI科學家布魯克斯（Brooks）卻提出了截然相反的無表征智能理論。在對智能建構和開發(fā)離不開表征這一AI的主流命題的挑戰(zhàn)性批評中，布魯克斯從對AI研究與應用的具體目標與成就的評估出發(fā)，闡述了他的無表征智能命題，并將其具體應用于機器人的設計之中。他認為，人們在AI剛開始時，其目的是要在機器中重復人類水準的智能。很顯然，這一目標過于龐大而難以付諸實施。因此，我們有必要不斷分解人類的智能構成，再逆向不斷去循序漸進地通過“智能增量”來構建智能系統(tǒng)。布魯克斯宣稱，在他設計的能動的機器人中，控制層次直接與環(huán)境相互作用，而根本不需要表征。即使有表征，表征的核心也不存在于智能系統(tǒng)之中，而只是限制在AI系統(tǒng)的創(chuàng)立者的心靈范圍之內。布魯克斯的核心觀點是：他把世界當作自己的模型，連續(xù)不斷地把每一個目標的前提條件匹配于真實的世界。與此形成了沒有控制中心的智能網絡層次與智能模塊。布魯克斯的實質還是承認了智能就是計算的觀點。但是，布魯克斯的這種方案卻不同于福多的觀點。與福多承認語義與符號的相關性，心靈含有智能信息處理的基本模塊不同的是，布魯克斯否認計算機內部加工符號的過程，而認為句法與語義聯(lián)系在一起，只有人的心靈才有永動機的智能模塊。如果人類實現(xiàn)智能的是某種智能模塊，那么它們是怎樣在計算中實現(xiàn)了智能呢？聯(lián)接主義則較好地回答了這個問題，它試圖從智能形成的結構上來界定智能。

第二，聯(lián)結主義是20 世紀探討智能的一種新的思維范式。聯(lián)結主義的核心思想是：智能是從大量單一處理單元的相互作用中產生的。在聯(lián)結主義看來，神經元的單元及其聯(lián)結的網絡構成了“知識”。聯(lián)結主義支持者試圖從他們所構建的網絡中尋找明確的、分布式的、自發(fā)產生的智能行為。智能行為產生于一個廣泛聯(lián)結的網絡，這個網絡就像計算機網絡一樣的網絡。聯(lián)結主義的代表人物豪杰蘭德（Haugeland）認為，聯(lián)結主義架構的關鍵之一是沒有馮·諾伊曼架構中的中心處理器?！暗湫偷穆?lián)結主義模型利用多個層次來處理復雜行為”。通常有三個基本層次，輸入層、隱藏處理層和輸出層，在輸入層的每一個單元都聯(lián)結著處理層的每一個單元，而每一個處理層又聯(lián)結著輸出層的每一個單元。聯(lián)結主義的特點正是三層次中每一個單元的聯(lián)結并不是一一對應，而是一個網絡。比如輸入層有兩個單元，而處理層有三個單元，輸出層卻只有一個輸出，這些單元構成了網絡的基本單位，正是這些網絡基本單元的相互作用產生了智能。

但是，聯(lián)結主義理解智能的方法及其觀點受到了許多學者的抨擊。福多和皮利辛（Pylyshy）從人類智能與聯(lián)結主義所實現(xiàn)的智能的結果認為，用聯(lián)結主義模型來揭示人類的智能是不妥當的。例如，存在著像遞歸這樣的智能處理過程，人類能完成，而聯(lián)結主義系統(tǒng)則不能完成。德雷夫斯從聯(lián)結主義智能與人類智能的實現(xiàn)方式上認為，人工神經網絡顯然不是人所產生智能的方式?？死锟藦纳窠浬飳W的大腦工作原理與聯(lián)結主義智能模型工作原理的比較中得出結論，他認為，“這個成就非常令人鼓舞，以致他使許多人受到誤導，相信大腦就是這樣工作的?；蛟S它對現(xiàn)代計算機的設計有所幫助，但它的最引人注目的結論就腦而言則是極端錯誤的”，。就對智能的理解而言，聯(lián)結主義的實質仍是堅持哲學上的計算主義。與計算主義略顯不同的是：計算主義堅持人類認知的線性處理，聯(lián)結主義堅持人類認知的并行處理。計算主義的關注點在于從智能所產生的結果來理解智能本身，而不在于關注智能的產生過程。而人類智能卻是過程與結果的統(tǒng)一。在這個意義上，聯(lián)結主義的范式雖然凸現(xiàn)了它在關于“智能”理解中的理論優(yōu)勢，應該說是一種進步。但是，又不得不承認類似于克里克對聯(lián)結主義的批判。這種批判事實上也受到了許多科學家的高度重視，他們另辟蹊徑地主張關于智能的首要研究應該直接研究大腦本身。這也在一定程度上促成了第三種對智能的界定方式。

第三, 從生物學角度強調智能進化的“智能”界定。米利肯（Millikan）認為：“如果知識是自然的造物和進化的產物，那么我們就可以合理地設想人作為知識者的能力也是進化的產物”，。他指出，人是從動物逐步進化而來的智能自主體，人類的智能只能在自然進化之中產生，智能的許多特征都源于進化。人類智能的最初級階段是基于一種刺激反應模式，進化的基本機制是變異與選擇，正是這種進化機制產生了智能循序漸進的歷史演進，最終形成了人類的高級智能。米利肯、博格丹（Bogdan）等人在闡釋人類所具有的意向性這一智能現(xiàn)象上進一步明確體現(xiàn)了他們關于智能的界定。米利肯認為，心理表征的意向性基礎是在意向性機制進化的過程中所形成的某種規(guī)范的和專有的心與世界之間的自然關系。博格丹認為，把智能結構及其構成要素弄得再清楚也不可能完全揭示智能現(xiàn)象的奧秘與本質。只有訴諸目的論解釋模式，才能揭示漫長的進化歷史在有機體中編碼了什么程序與圖式，“設計”了什么樣的傾向性（dispositions）及其運作條件，進而有可能回答上述問題。因此，他們認為，大自然才真正有著熟練的心靈建筑術使人類獲得了智能。但是，這種生物學進化論的智能觀也受到了爭論。著名生物學家古爾德（Gould）和萊溫庭（Lewontin）對訴諸于神經生物體的進化歷史來解釋“智能”的途徑提出的“盤格萊斯” 問題尤為突出。古爾德和萊文廷指出，類似于米利肯的方法是一種盤格拉斯式適應主義方法。生物許多有用的智能特性并不是自然選擇的目的性結果，而是其他有用機制進化過程中的副產品而已。這樣一來，如果我們仍然訴諸于生物進化的觀點來理解全部智能行為就缺乏必要的依據了。無論怎樣，米利肯等人對于智能現(xiàn)象的生物學進化論理解產生了廣泛而重要的影響。在心靈哲學領域，心靈與認知研究發(fā)生了進化論轉向。在AI研究領域，索羅蒙諾說：“人工進化的前景在于：已經了解或猜測到許多有關自然進化的機理，而且這些機理可被直接或間接地用來解決人工進化中的問題。對于AI來說，進化的模擬遠比神經網絡的模擬更有前途”。

第四，以卡明斯（R. Cummins）為代表的解釋學闡釋了另一種對“智能”的界定。卡明斯認為，任何關于智能的信息處理理論都不能否認意向性，智能存有著一種意向現(xiàn)象，有意向性是人類智能的一個根本特點。首先，解釋語義學承認，假設貓作為功能F的自變量或值出現(xiàn)，F(xiàn)作為認知功能與在系統(tǒng)中的某物是否是“貓”無關。第二，卡明斯強調：表征并不是形成意向性的充分條件，而只是必要條件?？?/span>明斯還針對人工智能如何具有人類的智能認為，人工智能機器要具有人類一樣的智能就必須具有意向性，而要想人工智能表現(xiàn)出意向性, 一是要讓它有表征能力，二是要有社會、文化等約束因素，三是要讓計算機有內在的整體結構，因為意向性不是局域性的屬性，而是整體性的屬性。第三，卡明斯認為，要使系統(tǒng)表現(xiàn)出表征的屬性，必須有相應的解釋機制，有計算狀態(tài)與被表征事態(tài)之間的映射關系。解釋語義學的基本假定是：R表征S中的X，當且僅當有功能g，f，而且有解釋I，以致于S滿足g，g 在解釋I之下模仿f，并且I(R)=x。他認為，沒有必要把自然主義約束作語義學理論必須遵守的條件，因為“對于表征的本體論上的自然主義‘定義’幾乎沒有哲學或科學上的利益”。然而，卡明斯用表征去解釋意向性的后面深藏著一個巨大的難題，即表征怎么可能用來解釋意向性？這就是著名的“斯蒂克發(fā)難”。斯蒂克指出：既然各種表征理論都承認句法與語義之間不存在必然的聯(lián)系，因此在這種理論中，語義學沒有任何因果作用，語義學可忽略不計，剩下的只是句法理論。這一觀點其實提出了兩個問題：一是語義屬性怎樣在計算模型中得以實現(xiàn)？二是在認知解釋中為什么要引入語義屬性？卡明斯的“解釋語義學拒絕關于意向性的表征解釋”。解釋是表征得以成立的最重要的因素，所謂“解釋”或“說明”就是具體說明：“你在想把計算當作認知（或加法）時所想看到的那種關聯(lián)”，“在解釋之下所看到的計算的對象即從語義上個體化的對象就是表征”。就像計算機的顯示狀態(tài)可以看作表征一樣。另外，卡明斯解釋語義學還危及到了內容的實在性。例如自然主義就有這種看法。它認為：對內容的自然主義說明不預設或不依賴于語義或意向的概念。如果不能把認知內容同化為自然秩序中的一過程或狀態(tài)，就會扼殺內容的實在性。解釋語義學未能把內容還原為自然科學概念，因而也取消了內容的實在性?？魉挂渤姓J，根據解釋來說明內容必然要違背自然主義的約束。因為它必然要運用意向的、語義的術語。

結 語

回顧對智能的種種界定，不難發(fā)現(xiàn)，智能研究有著許多不同徑路的研究綱要和許多的分支研究。而他們的每一種研究都透射著自己對“智能”的不同界定方式、方法、結論。不同的研究綱要也在被發(fā)展成新的智能理論或成為新的智能理論的基礎，從而推進對“智能”的認知與界定。在科學家與哲學家的共同努力下，大家不斷地提出了新的實驗數據和新的試驗方案，也使得各種智能理論迅速地變化著，使得關于智能的研究充滿了種種變數。但是，形成基本統(tǒng)一的智能定義卻一直遲遲未能出現(xiàn)。因此，“ 智能”的界定仍是一個值得研究的重大理論問題。對“智能”的界定不僅應成為科學家的焦點問題之一，也應成為哲學家關注的重要問題。是否可以找到獲得公認的研究綱領，并依此使得大家的研究具有基本的對話可能，這都取決于我們如何來界定了“智能”。從以上的分析中，我們必須注意并可以明確關于界定“智能”的幾點基本認知。

第一，在所有關于“智能”的研究中，必須區(qū)別對待各語境中的“智能”意蘊。“智能”一詞在當今已經富有豐富的語義，甚至包含有多種相互區(qū)別的“智能”所指。這就要求我們區(qū)別理解特定語境中的“智能” ，更不能在理論中混用，從而造成不必要的范疇混亂。許多人工智能學家所說的“智能”與心理學家所言的“智能”是存有一定的區(qū)別的。就迄今為止的研究而言，智能具有自身的內源性特征。例如，意向性就是人的智能所獨有的特征。人類智能與人工智能的根本區(qū)別也在于此。人類的意向性使我們與實在世界相聯(lián)系，而現(xiàn)有AI中并沒有這種意向性，即使有類似的意向表現(xiàn)，也最多只能算是“派生的意向性”。據此，判斷是否具有自然意義的智能主體根本標準的一個必要條件，就是在于判斷該主體是否具有意向性，判斷這個主體所表現(xiàn)出的這種意向性能否自覺、主動地把自己的內部狀態(tài)與外在狀態(tài)進行有效的關聯(lián), 從而實現(xiàn)過程與結果的有效統(tǒng)一。

第二，對于“智能”的界定必須從多學科角度來考量。關于“智能”的界定既不能像部分哲學家那樣做簡單類比式的純粹抽象研究，甚至是純粹的語言解釋學研究，也不能像許多自然科學家那樣僅僅從個體生物學、心理學角度來界定智能?！爸悄堋钡慕?/span>定既要從內在的個體發(fā)生學理解，也要從智能在整個世界中的外在顯性表現(xiàn)來理解。因為智能既不是一個抽象的語言空概念，純粹的解釋學界定是不可取的。智能也不單純是某種具體的經驗，而是一種特征、生物現(xiàn)象。智能的顯現(xiàn)既包括了其內在的本質性特征（如原生的意向性），也包括了其他充分性特征（如某些智能行為及其環(huán)境）， 智能的內在本質性特征只有在一定的系統(tǒng)條件下，才能通過某些行為而顯現(xiàn)智能。所以，確切地說，智能是具有特定內在結構的某個主體在特定環(huán)境中顯現(xiàn)出的自主性特征。

第三，“智能”所指向的仍是大自然的物質運動，并不是某種神秘的存在物。關于智能的種種相關研究最終應該回到孕育智能的大自然環(huán)境中才能解決根本問題。例如，意向性是人在大自然中通過長期的進化選擇所形成的重要生物性特征。因此，回到人類智能產生的原始環(huán)境中去，才能尋找到智能產生的種種內在條件和潛藏因素，而不是游蕩在事物的現(xiàn)象界就各種高級的智能表現(xiàn)結果來理解和說明“智能”。據此，就AI的最初目標而言，要“復制人類的智能”就得創(chuàng)造人工自然進化的環(huán)境，創(chuàng)造智能產生的各種自然條件，從而“孕育”出新的智能。否則，人工智能是難以實現(xiàn)最初的愿景的?？魉沟?/span>解釋語義學就告訴我們，意向性的出現(xiàn)是復雜因素的合力的產物。要想AI表現(xiàn)出意向性，除了要有表征出現(xiàn)之外，還要有外在的情境因素與內在的整體論因素的出現(xiàn)。

原載于《自然辯證法通訊》2010年第6期，第26卷。