认知相关性与智能模型构造的系统观点

传统的符号化人工智能采用的是“再现智能”的方法，设计的模型往往是对一种以某种形式表现、应用于某一局部领域的智能现象的模拟，对模型的认知意义并不刻意追求。这种指导思想对智能就事论事，缺乏对其本质的一个深刻洞察，没有将此智能现象作为人所有智能的一部分放在人的心智体系中进行全面系统地考察、放在认知发展全过程的前因后果序列中考察、放在无法回避的认知约束下进行考察。我们已经不满足淤陷其中的形式推理，而转向实现更朴素和本源的基于语义的推理。要想根本性的提高人工智能系统的性能，实现向“解释智能”的转变就必须将人工智能放在认知科学这个交叉学科的背景下进行修正，后者通过适当地使用还原和整合的策略说明高层次的智能现象如何突现。认知是包括知识获取、存储、回忆和使用的全部精神活动。如果对认知取信息加工的观点，那么认知的相关性就是认知结构在所加工信息的形态、加工流程、结构的组成、学习对结构的影响等方面的依赖关系。对这些相关性的研究对于知识获取、知识表示和知识应用的分阶段模型和联合模型的结构、以及构造过程研究具有重大意义。