西蒙
西蒙(Herbert Alexander Simon,1916—2001)是美国政治学家、经济学家、心理学家与计算机科学家,人工智能的奠基人之一。他因对经济组织内决策过程的开创性研究获得1978年诺贝尔经济学奖,又因在人工智能领域的贡献与纽厄尔共同获得1975年的图灵奖,是极少数同时在经济学与计算机科学最高奖项上留名的学者。他提出的有限理性(bounded rationality)与满意化决策,修正了古典经济学关于“完全理性经济人”的假设;他与纽厄尔合作的逻辑理论家与通用问题求解器,则第一次让机器模拟人类的问题解决过程成为严肃的科学纲领。
跨学科的学术生涯
西蒙早年受过政治学的训练,长期任教于卡内基梅隆大学,参与创建了该校的工业管理研究生院与计算机科学系。他的研究兴趣横跨组织理论、公共行政、数理经济学、心理学与人工智能,这种跨度并非浅尝辄止,而是在每一个领域都留下了实质性成果。在他看来,这些看似分散的方向其实围绕同一个问题:人类在信息、时间与计算能力都有限的条件下,究竟怎样作出判断与决定,组织又怎样弥补个体的局限。
这一关切使他与当时主流的理性选择模型发生分歧。古典经济学假设决策者掌握完备信息、拥有无限计算能力,并能一致地排列所有备选方案,从而选出最优解。西蒙通过观察真实的行政决策发现,管理者面对的往往是信息不全、目标模糊、方案难以穷举的局面,所谓“最优”在这种条件下根本无法计算。他的经验研究因此转向决策的实际过程,而不是理想化的结果,这也为后来行为经济学的兴起埋下了伏笔。[1]
有限理性与满意化决策
有限理性是西蒙理论的核心。它指出,人类的理性受制于三方面的限制:可供利用的信息不完整,认知能力有限,以及时间与资源的约束。在这些限制下,决策者不可能遍历所有方案并计算其后果,只能在一个被简化了的问题空间中搜索,采用经验法则与启发式来缩小范围。理性的标准因此从“追求最优”调整为“在给定约束下足够好”,决策被理解为一个搜索与终止的过程,而不是一次性的最优化计算。
与之配套的是满意化(satisficing)概念。决策者心中设有一个抱负水平,一旦某个方案达到这一水平,搜索便告停止,方案被采纳,而不必确认它是否最优。抱负水平本身会随经验调整:容易找到满意方案时,标准被抬高;屡屡落空时,标准被降低。这一机制既能解释人们为何能在复杂环境中迅速行动,也解释了为何决策结果往往只是“可以接受”而非“最佳”。满意化并非理性的失败,而是在有限条件下一种务实的适应,这一重新表述深刻影响了组织理论与公共政策研究。[2]
问题解决与问题空间
把目光从决策转向思维,西蒙与纽厄尔提出了问题空间的概念。解决问题被刻画为在由初始状态、目标状态与一系列操作构成的空间中搜索路径的过程。搜索可以盲目地进行,也可以借助启发式加以引导,后者利用关于问题的知识来缩小搜索范围,从而在可接受的时间内找到解。手段—目的分析是其中最有代表性的启发式:把当前状态与目标状态加以比较,找出差异,再寻找能够减小该差异的操作,如此循环,直到差异消除。
这一框架的威力在于它的通用性。无论是证明一条定理、破解一个密码算术题,还是玩河内塔,都可以被纳入同一套搜索模型,而人类被试在实验室中的口语报告也显示,他们确实会采用手段—目的分析之类的策略。西蒙由此主张,复杂的问题解决可以分解为相对简单的信息加工步骤,天才的洞见并非神秘灵感的产物,而是可以在搜索与启发式的框架内被理解的过程。这一主张把启发式从经验之谈提升为可建模的认知机制。[3]
物理符号系统假设与人工智能
在人工智能的创建阶段,西蒙与纽厄尔走在前列。1956年前后,他们与肖合作编写的逻辑理论家程序,能够证明《数学原理》中的若干定理,被视为最早的一批人工智能程序之一;随后发展的通用问题求解器,则试图把手段—目的分析等策略普遍化,用以处理不同领域的问题。这些工作不仅展示了机器的能力,更重要的是提出了一种关于认知的假说:思维可以被视为对符号的操纵。
这一假说后来被表述为物理符号系统假设,即一个物理符号系统具有产生智能的充分且必要条件。若该假设成立,那么心智与计算机在计算层面上就是同类的,心理学与人工智能可以共享同一套解释。这一立场奠定了认知科学的符号主义传统,也引发了持久的争论。联结主义后来以神经网络的分布式表征提出替代方案,质疑符号操纵能否真正刻画知觉、直觉与常识;而西蒙一方则坚持,离开符号与规则,难以解释语言的组合性与推理的系统性。这场争论至今没有定论,却塑造了认知科学的基本格局。
专家与组块研究
西蒙对专长的研究,为抽象的计算模型提供了经验支撑。他与蔡斯以国际象棋大师为对象做过著名实验:给棋手短暂呈现一个真实对局的棋盘,要求他们回忆棋子的位置,大师的成绩远远好于新手;但若棋子被随机摆放、失去棋局的内在结构,大师的优势便大幅缩小。这说明专家的记忆优势并非来自一般意义上的记忆力,而是来自对棋局模式的识别,他们能把若干棋子组织成有意义的组块,从而以较少的单元记住更多的信息。
组块的概念把专长解释为长期经验积累所形成的模式库,而非某种先天的天赋。这一发现与记忆研究中的组块理论相互印证,也支持了西蒙关于“专家是训练出来的”这一看法。据他估算,掌握一门专业大约需要十年的高强度练习,这一估计后来被刻意练习研究反复引用与修正。专家研究的意义还在于,它把人工智能的符号模型与人类行为的实证数据连接起来,使认知模拟不只是程序设计的技巧,而成为可以检验的心理学假设。[4]
争议与影响
西蒙的理论遭遇的批评有两条主线。一条来自经济学内部,有学者指出,有限理性若只强调认知局限,容易把启发式描绘成次优的偏差,而忽视它们在真实环境中的适应性;吉仁泽等人主张,快速节俭的启发式在特定生态中往往优于复杂的计算,理性应当相对于环境来评价,而非相对于抽象的最优标准。另一条来自认知科学内部,联结主义者质疑物理符号系统假设能否解释知觉与学习的连续性质,认为符号主义把认知刻画得过于离散与刻意。
尽管争论不断,西蒙的影响遍及多个学科。有限理性成为行为经济学与组织理论的基本前提,满意化被写入管理教科书;问题空间与手段—目的分析成为人工智能与认知心理学的通用语汇;他与纽厄尔开创的认知模拟传统,则把“用程序检验理论”确立为一种研究方法。评价西蒙,可以说他的真正贡献不在于某个具体结论,而在于他把“有限的计算能力如何产生智能行为”这一问题变成了可以实证研究的科学问题,并在经济学、心理学与计算机科学之间架起了持续的对话。[5]
参考资料
- ↑ Decision Making,Encyclopaedia Britannica,2024年访问
- ↑ Cognitive Psychology,Encyclopaedia Britannica,2024年访问
- ↑ Problem Solving,Encyclopaedia Britannica,2024年访问
- ↑ Memory,Encyclopaedia Britannica,2024年访问
- ↑ 中国心理学会,中国心理学会,2024年访问