1、引言

　　21世紀肯定是人工智能大行其道的世紀，但不是以馮機為基礎的機器智能，而是以人腦為摹本的智能機器。智能機器，是提高機器本身的基礎性能，使其更接近于人腦的結構與功能機制。這意味著必須變革目前的計算理論與技術，且一定是革命性的原理變革。

　　眾所周知，人工智能基本上是在沿著三個途徑前進：一是符號機制；二是連接機制；三是控制論機制。從目前的狀態來看，三者都難以實現計算理論與技術的根本性變革。

　　為達到根本變革的目的，必須尋求最優化計算模型,必須從基礎理論尋求出路。

　　2、人工智能的基礎

　　迄今為止，人工智能都是機器智能，欲有效模擬人腦智能，機器智能不能取代智能機器。認識腦是如何工作的機理，建立各種“腦模型”，搞智能機器才是智能模擬的根本出路。鑒于揭示腦工作的原理機制不能用還原論方法解決，也不能靠發現腦神經元或單個細胞以至分子結構解決。因而揭示出能把大量神經元組裝成一個整體系統的設計原理，及研究神經計算的基本原理，并弄清楚如何將其應用于智能機器，是當前面臨的主要任務。

　　Mccllelland和Plaut指出：“計算模型”是揭示人類本質認知過程的有用工具，可也有人認為用腦的計算模型來解決有關“意識的問題”十分困難，甚至是不可能的。由于計算上的復雜性，還認為腦功能不能用“計算”來解釋。而我們認為提出計算模型是必需的，但必須以與人腦相似同構的計算原理及模型為基礎。

　　模擬人腦，從某種程度上講就是構建人腦模型。但我們又不可能完全的與人腦實現同構同功，這就要求我們必須建立介于計算機與人腦之間的同構模型。以便吸收計算機與人腦兩個方面的優點。相對于人腦智能，完全相似反而沒有意義，而不似則體現不了必要的智能。只有在似與不似之間，既體現人腦功能的本質特征，又能實現傳統計算機結構與功能的某些超越。另外，與人腦不完全相似實際上是計算機的一個本質性優點，否則，計算機就不可能毫無條件的聽命于人，也不可能不知疲倦的在危險環境中連續工作。因而我們的目標不是毫無二致的模擬人腦智能，而是綜合符號機制、連接機制與行為機制的特點，提高計算機的基礎性能，使其成為模擬人腦智能的理想工具。計算機只有不完全象人腦，才有可能在某些方面超越人腦。這就象人類模擬鳥飛的飛機，正因為和鳥不同――不象鳥一樣飛得那么靈活，才比鳥飛的更高、更遠、更快、更能承重。

　　與人腦及計算機同構的模型

　　①、必須以自然原型為基礎

　　早在80年代初，威爾森就相信對人工智能的研究已走入誤區，他說：“在研究各種獨立的人類智能方面，人工智能項目可以說是其中的最杰出代表，有些成果是非常令人驚奇的，但這些研究的對象是過于具體化的功能，所以沒法從它們中總結出規律性，另一個問題是它們不會直接從周圍環境中汲取所需，而只能坐在那兒，直到人們給它們信號，然后也僅僅是復制這些信號而全然不知它的意義。它們中沒有一個程序能從周圍環境中學習或適應環境，而這些哪怕最簡單的生物也會具有的功能，卻被我們人工智能學者忽略了。

　　②、以模擬自適應性為基礎

　　傳統機器人的行為往往被事先編制的動作所限制，當出現了設計者沒有預計到的情況時，這些動作又顯得非常不合理。另外，因其行為受中央控制程序的控制，如果想要增加一個新的功能，往往需要重新編制程序，以保證中央程序能對其有效實施管理。但在兼容性要求成指數增加時，就會難以應付。相比之下，布魯克斯認為，即使是最低級的智能行為都是自然發生的，而不是用人類的程序明確規定的。因而他的做法可能要實用一些。他的包孕結構控制下的機器人所具有的功能，遠遠超過機器人所能作的單獨動作的總和。環境中涌入的感覺信號觸發規則，作出“自然發生行為”的命令，可使簡單的單獨動作以無法預料的復雜方式結合，可使簡單元素間進行復雜的相互作用。布魯克斯認為用環境因素觸發規則，然后自然發生行為無疑是正確的，但必須明確自發行為的自然機制及其結構，且能夠總結出明確的理論，但這一問題布魯克斯事實上并沒有解決。他的做法并非真正的遵循了自適應機制，這是因為自適應的前提是自組織。而自組織的含義并非僅僅是有關元素的動態隨機整合，其更基本的部分是有關元素建立普遍性的確定性互為因果作用關系，在此基礎上實現狀態的組合與分解，實現狀態隨機轉換、互相驅動及刺激反映，才是真正的建立在自組織基礎上的自適應。

　　另外，智能不是被強行插入一個系統里，所有功能都是神經元交互或協同作用的預期自然反應。以往，大多數的神經網絡只是在“靜態數據”或”外部控制”的條件下才能運行，這也就意味著它們只能處理一系列簡單的不變模式，必須在非常緊密的監控下進行訓練，且進展非常緩慢。因而格勞斯博格認為，一個真正的類人大腦神經網絡應該是自恰的，具有快速學習和適應能力，也就是說，它能很快辨認及處理它所遇到的現場情況。這就要求系統必須以交互或協同作用為基礎，隨機的刺激能引起預期的反應，這一點對于模擬人腦智能至關重要。

　　②、以自組織結構模擬為基礎

　　連接機制代表了一種全新的人工智能研究方法。它不是試圖去復制大腦高層次功能，而是試圖從分類或辨認圖象這一相對簡單的目標開始，在簡單的選擇層次上進行深入研究。據此，一部分連接機制研究人員認為，智能不是從深奧的邏輯原則，或復雜的算法中創造出來的，而是成千上萬個神經元在不停地互相交流信息，產生出種種可能的組合。人工智能基于連接機制的思路沒有錯，只是神經元的連結模式并非僅僅限于定向的協同作用方式，還有交互作用方式，且交互作用方式是更基本的方式。因為狀態的交互作用結構是統一環境與背景信息的唯一途徑，只有以確定性交互作用關系為基礎，才能使系統內部與外部狀態統一。只有這種統一，才能保證系統面對刺激進行實時反應，及基于某種確定性關系進行預期反應。神經系統之所以能夠利用非常簡單的神經元特性，實現極其復雜的預期反應，完全取決于神經元連結的自組織結構模式，且不僅限于一種結構模式。