35、智能系统组织：MFT、遗传算法与康德哲学的融合

智能系统组织：MFT、遗传算法与康德哲学的融合

智能的奥秘与康德的奠基

智能，这个神秘而迷人的领域，至今仍有许多未知等待我们去探索。它既存在于自然系统中，也体现在人造系统里，涵盖了从简单到复杂的各种形式。在较低层次，智能表现为感知环境并控制身体以实现预定目标的能力；而在较高层次，它则包括思考、概念识别与形成、构建复杂的内部表征、理解、语言能力、行为规划、判断、直觉、学习、意识、创造力以及自由意志等多种能力。

康德在其三大批判——《纯粹理性批判》《实践理性批判》和《判断力批判》中，基于理解、判断和理性这三种基本的心智能力，对各种智力体验进行了解释。理解是概念的能力，是一般观念的来源；判断是识别特定情况符合一般规则的能力；理性则是根据行为产生结论的能力，康德认为学习行为是与高级智力能力和情感交织在一起的最重要的行为类型。这三种能力分别对应意识的三个方面：知识（概念）、感觉（概念与外部世界的对应）和欲望（行动）。

理解：基于内部模型

内部模型是智能的基础。即使在较低层次，如龙虾感知和抓取食物的过程中，也存在内部模型。龙虾的“食物感应”神经元向“肌肉神经元”发送的信号，代表了龙虾对食物的内部表征。在海洋中，“食物”并非一个固定的实体，而是物体、感应神经元、抓取神经元以及龙虾其他相关神经体验之间的动态交互过程。

对于更高层次的智能，完整的神经系统“布线图”过于复杂，无法提供对心智基本原理的理解。大脑的很大一部分参与了内部模型的存储、更新和使用。我们识别概念的能力，甚至是简单物体的识别，都依赖于概念的内部模型或表征。理解首先包括我们心智中的概念及其相互关系。更高层次的理解，如对意义的理解，涉及由大量子模型概念组成的复杂内部模型，这些概念之间存在着多重相互连接。概念的意义可能只存在于有限的领域、特定的情境或特定的目标中，通过将概念纳入与情境相关的其他概念和目标集合来建模。

理解意义需要一个层次系统，对概念意义的理解需要从层次结构的更高层次视角出发。较低层次概念的意义包含在较高层次的概念中，但层次之间的关系并非固定不变，某些概念的形成涉及多个层次，其相对位置可能取决于情境。这种结构被称为异层次结构。

康德将先验的内部模型确定为心智的一个独立能力，即理解。心智对先验概念的操作被称为纯粹理性的领域。纯粹理性分析的主要问题是“先天综合判断如何可能”。先天综合判断是通过组合多个概念得出新意义的结论或陈述，如物理学的第一定律和数学的大多数定理。在我们的心智理论中，这种特定能力体现在层次模型中，层次结构的下一层包含了较低层次概念的综合，这种综合具有先验性质，因为内部模型的层次结构是先验的。因此，开发层次模型是对理解和纯粹理性进行数学建模的关键。

例如，在跟踪MFT系统中，移动对象的速度是其模型的一部分，因此“移动对象具有速度属性”是一个分析判断；而判断某个对象是否为目标，则是基于比较目标 - 杂波似然比与阈值，这是一个先天综合判断，因为该过程是普遍的且包含新信息。这个过程在MFT的更高层次中实现，说明了智能系统的层次组织赋予了先天综合判断的能力。

此外，意义和理解的解释与建模还需要将其纳入智能系统的行为生成和行动中。行动可以是内部的，也可以是外部的，对应于目标或情境的行动构成了意义的一部分。外部行为及其结果，从手势和言语到整个文化，都可以被视为我们内部模型的外部表征，计算机模拟就是内部模型扩展的一个完美例子。

康德认为逻辑给出了理解的法则，即先验概念之间的关系法则。在观念世界中，亚里士多德逻辑有重要的应用领域，但康德忽略了适应的需求，而实际上先验模型在一定程度上是可适应的、模糊的。开发适应性的模型层次结构是未来研究的挑战。

MFT的理解能力或概念形成能力源于先验的内部模型，而先天综合判断的能力则源于模型的先验层次结构及其相互关系。

判断：基于相似性度量

为了使内部模型或概念有用，需要一种将它们与经验联系起来的方法，即判断能力。康德将这种能力视为心智的三大主要能力之一，判断是识别特定情况符合一般规则的能力。在MFT理论中，判断通过相似性度量在数学上得到体现。MFT包含内部模型与世界之间以及每个子模型概念与特定感官数据子集之间的相似性度量，这是MFT的先验属性，也是我们心智的先验属性。

康德区分了判断的决定性和反思性方面。找到与指定概念子模型对应的特定感官数据子集是决定性判断；找到与数据对应的概念是反思性判断。MFT包含了这两种判断的机制。在MFT适应的迭代循环中，决定性判断通过数据与概念子模型的关联（分割）实现，反思性判断则通过选择与特定数据子集最相似的概念子模型实现。

康德认为，我们的心智能够认识自然的多样性，是由于我们心智的一种特殊先验属性，即内部表征（模型）的合目的性。理解和判断的构建使得经验事件和对象的内部表征对我们来说显得合目的，这种合目的性为更高层次的心智能力、高级情感以及美和崇高的概念奠定了基础。

这种讨论对心智的数学理论具有指导意义，它帮助我们构建内部模型、相似性度量，并开发解释这些能力的进化理论。模型和相似性的构建应使它们在智能系统中具有目的或意义，这是智力意向性的数学描述。意向性包括与世界的对应和适应性，以实现学习，它为更高层次的心智能力的数学理论提供了背景，进化理论也应导向这些能力。

MFT的判断能力源于相似性度量和模糊概念隶属度，在MFT的迭代循环的每个周期中，它们选择与理解概念对应的数据以及与数据对应的概念。

理性：基于相似性最大化

判断在理解的概念和理性的概念（意志和自由）之间起中介作用。反思性判断从特殊上升到普遍，从感官数据到概念，其原则是学习能力，康德称之为智力对对象的合目的性。这种从数据到概念的上升实际上由理性实现。

在MFT的运作中，找到与数据对应的子模型（判断）之后，是根据理性的学习原则对模型进行适应性修改，这是意志的行为。理性为行为提供法则，MFT范式关注的一种行为是内部模型的学习行为。MFT中模型的修改遵循模型与数据之间最大相似性的原则，最大化相似性的MFT参数适应方程给出了理性的法则。因此，MFT为学习意志、改善对世界的内部表征以及支配这种意志的理性法则提供了数学描述。

康德强调了因果性和自由之间二律背反的根本性，并严厉批评了低估这一难题的哲学家。他将因果性概念归于理解，将自由概念归于理性，认为自由属于本体世界，源于人类自身不可知的本质。解决这一二律背反的下一步可能是将不可知的人类自身与我们的无意识联系起来，并开发关于意识和无意识方面的物理理论。

智能系统的层次组织

理解、判断和理性这三种康德式能力在MFT的动态循环中组织起来，如图1所示：

graph LR
    A[内部模型<br>(理解)] --> B[类别激活, a(k)<br>关联, f(k|n)<br>(判断)]
    B --> C[注意力, 行动<br>模型适应<br>(意志 / 理性)]
    C --> A

图1：智能系统操作的内部循环

MFT循环维持着当前的情境意识，即内部模型与世界之间的对应关系。这包括更新大量已学习概念（或识别对象）的参数、识别输入数据中可能出现的新对象概念、终止不再相关的旧概念以及在数据中搜索特定概念或感兴趣的对象。每个子模型（对应于一个对象概念）的关联和参数估计与其他子模型并行计算，因此MFT关联 - 适应循环由大量个体概念循环或智能体组成。

每个概念循环都是一个“智能体”，具有自己的激活、执行、与其他概念循环交互和终止的规则。一些概念智能体可能会相互交互，而许多则在很大程度上相互独立。对于参数变化不太快的已学习概念的智能体，更新频率可能较低。智能体可以由自下而上的消息（来自传感器的新数据输入或较低层次的数据处理）、自上而下的消息（如果当前激活的子模型不足或系统目标改变，上层激活新的子模型智能体）或异层次类型的消息（当两个类似类型的智能体竞争解释同一块数据时，一个智能体可能向另一个发送终止消息）启动。自下而上和自上而下的信号流可能一直持续，使循环始终处于活动状态。

每个活动智能体不断执行康德的三种能力：计算子模型（理解）、评估相似性度量和模糊隶属度（判断）以及通过改变模型参数或向外部世界的执行器或较低处理层次发送行为信号来行动（理性）。行动导致输入数据的变化，从而重新启动MFT循环。

智能系统包含多个层次的康德 - MFT循环的层次结构和异层次结构。在层次结构中，每个更高层次基于每层的先天综合模型对较低层次的概念进行综合。如图2所示：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A[传感器<br>数据]:::process --> B[模型 / 理解]:::process
    B --> C[判断]:::process
    C --> D[意志 / 理性 / 行动]:::process
    D --> E[执行器<br>世界]:::process
    F[较低层次激活的概念]:::process --> G[模型 / 理解（高层）]:::process
    G --> H[判断（高层）]:::process
    H --> I[意志 / 理性 / 行动（高层）]:::process
    I --> B

图2：康德 - MFT智能系统的层次组织

更灵活的异层次结构中，智能体将其输出消息发布在“网页”或总线类型的连接上，供其他已学习使用此类信息的智能体获取。消息除了激活程度外，还包含标识符信息（发送消息的智能体或智能体类型以及估计的模型参数）。每个智能体也通过调整自身模型进行学习。

大脑中的神经连接表明存在垂直连接的层次结构和水平连接的总线类型异层次结构，水平交互是MFT智能体（子模型）功能的重要组成部分。

从青蛙与蟒蛇的故事看智能

有一个关于蟒蛇催眠青蛙使其跳入蛇口的民间故事。青蛙的心智非常简单，其眼睛的感受细胞与腿部的某些肌肉群之间存在硬连线连接，形成了青蛙的内部模型。当附近有小的移动对象时，青蛙会跳向它并吃掉；当有大的移动对象时，青蛙会跳开逃跑。青蛙的理解能力由三个先验概念组成：移动、大、小，这些概念的模糊性和适应性非常有限，它不会详细分析面前的整个场景。蟒蛇的心智与青蛙的心智共同进化，其捕食概念与青蛙的缺陷相匹配。蟒蛇可以长时间静止不动，使青蛙不将其视为威胁，当青蛙靠近时，蟒蛇只需移动眼睛，青蛙就会将其视为小的移动对象而跳向它。

青蛙心智层次结构的最高层是宇宙的总体概念，由“可取”和“不可取”两个概念组成，这是亚里士多德逻辑的二分法，是一个先天综合判断。猎物和捕食者的概念也是先验概念，同样是先天综合判断。较低层次的内部模型由非模糊的亚里士多德逻辑类型的先验概念组成，如小、大、移动。最底层是青蛙眼睛的感受野，具有一定的适应性和模糊性，但不足以适应蟒蛇的诡计。

模糊性和适应性之间存在必然联系。清晰、非模糊的理解概念无法识别不完全符合它们的事物，因此无法通过渐进适应进行学习。适应需要模糊的理解概念，以便通过判断与各种条件相关联，从而实现对不同条件的适应。亚里士多德逻辑概念不能渐进学习，但如果大多数非适应性的亚里士多德逻辑青蛙被蟒蛇吃掉，它们可能会通过进化发生改变。

综上所述，智能系统的组织与康德的哲学思想以及MFT理论密切相关。通过内部模型、相似性度量和相似性最大化，智能体在动态循环中不断行使理解、判断和理性能力，实现对环境的感知、学习和适应。不同层次的结构和异层次结构为智能系统的复杂性和灵活性提供了支持，而模糊性和适应性的平衡则是智能进化的关键因素。这些理论和概念不仅有助于我们理解自然智能，也为人工智能的发展提供了重要的启示。

智能系统组织：MFT、遗传算法与康德哲学的融合

智能系统要素间的关联总结

将上述内容中智能系统的关键要素及其关联进行总结，可得到如下表格：
|智能要素|对应基础|具体表现|
| ---- | ---- | ---- |
|理解|内部模型|从龙虾低层次的食物感知到人类高层次的概念理解，大脑参与内部模型的存储、更新和使用，理解涉及概念及其关系，意义理解依赖层次系统和异层次结构，先天综合判断通过层次模型实现|
|判断|相似性度量|区分决定性和反思性判断，MFT通过相似性度量和模糊概念隶属度实现判断，内部表征的合目的性为高级心智能力奠定基础|
|理性|相似性最大化|判断在理解和理性间起中介作用，MFT中模型修改遵循最大相似性原则，理性为行为提供法则，因果性和自由的二律背反待解决|

智能系统组织的进一步探讨

智能系统的组织不仅涉及上述三种能力的循环和层次结构，还与情感、美和崇高的概念相关。康德认为，我们心智的内部表征的合目的性为这些高级情感和概念的发展提供了基础。在MFT中，这种合目的性体现在内部模型与世界的对应以及学习和适应的能力上。

例如，在艺术和科学领域，我们对美的感知和创造可能与智能系统的运作方式有关。美的事物往往具有一种内在的秩序和和谐，这可能对应于我们内部模型的层次结构和概念之间的相互关系。当我们欣赏一幅美丽的画作时，我们的心智可能在无意识地进行着理解、判断和理性的过程，将画作中的元素与我们已有的概念和经验进行匹配和整合。

智能系统的进化与发展

智能系统的进化是一个复杂的过程，涉及到内部模型的适应性、相似性度量的优化以及理性法则的完善。从青蛙和蟒蛇的例子可以看出，简单的智能系统可能由于其内部模型的局限性而容易受到欺骗，但随着进化的进行，智能系统可能会发展出更复杂和灵活的内部模型，以适应不断变化的环境。

在未来的研究中，开发适应性层次模型是一个重要的挑战。这些模型应该能够根据不同的情境和目标进行调整，以实现更高效的学习和决策。此外，将无意识和意识的方面纳入智能系统的物理理论也是解决因果性和自由二律背反的关键步骤。

智能系统在实际应用中的思考

智能系统的理论和概念在实际应用中具有广泛的潜力。例如，在人工智能领域，我们可以借鉴康德的哲学思想和MFT的方法，构建更智能、更灵活的智能体。这些智能体可以通过内部模型来理解环境，通过相似性度量进行判断，并根据理性法则进行决策和行动。

在实际应用中，智能系统的设计需要考虑以下几个方面：
1. 内部模型的构建 ：根据具体的应用场景和目标，构建合适的内部模型。这些模型应该能够准确地反映环境的特征和规律，并且具有一定的灵活性和适应性。
2. 相似性度量的选择 ：选择合适的相似性度量方法，以确保智能体能够准确地识别和分类不同的对象和情况。
3. 理性法则的制定 ：制定合理的理性法则，使智能体能够根据目标和环境的变化进行优化决策。
4. 层次结构和异层次结构的设计 ：设计合理的层次结构和异层次结构，以提高智能系统的复杂性和灵活性。

总结与展望

智能系统的组织是一个复杂而迷人的领域，涉及到哲学、数学、生物学等多个学科的知识。康德的哲学思想为我们理解智能系统的基本能力提供了重要的框架，而MFT理论则为这些能力的数学建模提供了具体的方法。

通过内部模型、相似性度量和相似性最大化，智能系统能够实现理解、判断和理性的循环，从而实现对环境的感知、学习和适应。层次结构和异层次结构的设计为智能系统的复杂性和灵活性提供了支持，而模糊性和适应性的平衡则是智能进化的关键因素。

未来的研究方向包括开发更复杂和灵活的适应性层次模型，将无意识和意识的方面纳入智能系统的物理理论，以及探索智能系统在更多领域的应用。通过不断的研究和实践，我们有望构建出更加智能、更加接近人类智能的智能系统。

以下是一个简单的mermaid流程图，展示智能系统从感知到行动的整体流程：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A[感知环境]:::process --> B[内部模型匹配（理解）]:::process
    B --> C[相似性度量（判断）]:::process
    C --> D[相似性最大化决策（理性）]:::process
    D --> E[采取行动]:::process
    E --> F[环境反馈]:::process
    F --> A

图3：智能系统整体流程

总之，智能系统的研究和发展是一个充满挑战和机遇的领域，它将为我们理解人类心智和开发更智能的技术提供重要的启示。