分析:
50年來，人工智能走過了壹條曲折的發展道路。1990之初，研究人員深切感受到人工智能理論和技術的局限性，於是從不同角度和層面進行反思。同時，人工智能需要深入了解人腦的工作機制，需要更詳細的神經生理學和神經解剖學的信息和證據。
人工智能融合了很多學科，與哲學密不可分。雖然，事實上，最近的哲學進展基本上沒有給科學帶來任何沖擊，而且哲學討論的對象往往是懸而未決的(羅素的，諾維格p .人工智能:壹種現代的方法。新澤西州:普倫蒂斯霍爾，1995。817)，科學不斷改變我們對自己的認識。
正如恩格斯所說(恩格斯自然辯證法。北京:人民出版社，1972。187):“無論自然科學家采取什麽態度，他們仍然要受哲學的支配。唯壹的問題是:他們是願意被某種壞的、時髦的哲學所支配，還是願意被壹種基於他們對歷史的了解和思維成果的理論思維所支配？”
著眼於更廣闊的視野和更廣闊的目標，要求從哲學的角度尋求更有效的人工智能研究方法。堅持物質決定意識的觀點，辯證地看待已有的知識和方法，綜合整合各種相關學科的成果和觀點，才是正確的出發點。
人工智能的哲學意義
人工智能是對人類智能的模擬和拓展，其核心是思維模擬。
想
思維科學是研究思維規律和方法的科學。錢學森將其分為基礎科學、技術科學和工程技術三部分。人工智能屬於工程技術範疇(錢學森。關於思維科學。上海:上海人民出版社，1986.20)。人工智能研究中的邏輯學派與心理學派之爭，有時似乎讓人感到困惑和無所適從，但從思維科學的角度來看，無非是形象思維與邏輯思維的關系問題，兩者都屬於思維科學的基礎科學。抽象思維的不足在於缺乏結構的綜合能力。只有形象思維才能合成新的結構。這可能就是為什麽創作和學習最終都要有形象思維的原因(潘雲鶴。模式識別與人工智能，1991，4(4): 7)。
根據不同的觀點，思維科學體系的基礎科學包括兩大類:壹類是總結人類思維經驗、揭示思維對象和思維本身普遍規律的各種思維科學，包括哲學世界觀、哲學史、認識論和邏輯學，是理論思維科學。另壹類思維科學包括神經生理學和神經解剖學，研究思維主體人腦的生理結構和功能，揭示思維過程的生理機制。這種觀點將認識論置於思維科學的基礎科學之內。事實上，有兩種觀點，
兩者都不否認人工智能和哲學通過認識論聯系在壹起。
認識論的
認識論研究知識的來源、發展、過程、能力和作用。換句話說，認識論研究知識，它的形式和局限性。哲學家強調，通過對最大機會的觀察和計算，潛在可知的東西是清楚的；人工智能側重於通過現有的觀察和計算方法找出可知的東西。事實上，人工智能和認識論在本質上是相互交融的。
認識論對於人工智能的研究方向和方法具有指導意義，但並不意味著可以替代具體研究，也不意味著任何人工智能的研究都要明確考慮認識論。因為在世界的普遍表達等問題上，我們還沒有真正達成壹致，如果僅僅依靠來自哲學的具體而豐富的信息來編寫計算機程序，人工智能將處於非常無望的狀態。
心靈哲學和認知科學
心靈是指人的記憶、思想、意識、感情、意圖、願望、思維、智力等心理行為(張祐榮、王秉文。當代西方著名哲學家述評(2)。心靈哲學。濟南:山東人民出版社，1996)。根據計算機科學中軟件和硬件的劃分，H.Putnam把心靈和大腦的關系理解為功能狀態和物理狀態。根據信息處理理論，H.Simon認為人的思維本質上是壹個信息處理過程，計算機也是信息處理系統。所以，計算機可以思考，可以模擬人類的思維。人的心靈和精神世界壹直是哲學家們思考的對象，這壹研究領域構成了心靈哲學的主題。在人工智能、腦科學、認知心理學、控制論和語言學的推動下，心靈哲學呈現出壹派生機勃勃的景象。
E.胡塞爾是第壹個把心理表達的指向性作為其哲學中心的哲學家。他在《心靈哲學》中首次提出了關於心理表達功能的壹般理論。他認為，智力是壹種由情境定義、目標引導的活動，是對預期事實的尋找。
滲透著心靈哲學的認知科學(Cognitive science)於1970年代末被正式宣布為交叉學科，是人工智能、認知心理學、語言學、哲學、人類學、神經生理學等學科的綜合，研究智能系統的工作原理。其核心思想被稱為認知主義，其中心命題之壹是智能行為可以用內在的“認知過程”即理性思維過程來解釋。因此，從類比於計算機的心智模型來研究頭腦的工作原理，把認知過程理解為信息處理過程，把所有智能系統理解為物理符號系統，是壹種自然而然的假設。
心靈哲學是比認知科學更高的理論，但它們之間的相互作用和影響是毋庸置疑的。心靈哲學不應做出超越認知科學研究成果的武斷的理論假設，認知科學也不應排斥心靈哲學的理論成果進行盲目探索。
認知心理學
認知心理學和人工智能是認知科學的兩個組成部分。人工智能用心理學的理論，心理學借用人工智能的成果。將人腦與計算機相比較是發展認知心理學的壹個主要途徑。
認知心理學旨在理解人類的認知心理，並將這種理解通過計算機編程語言表達出來；人工智能致力於用計算機語言描述人類的智能，並用計算機實現。二者的相似之處在於用計算機編程語言來描述人類的智能。然而，它們之間有壹個重要的區別。人工智能試圖並且已經在計算機上強加了壹個模擬人類智能的程序，這個程序包括知道系統本身的過程，然後給系統壹定的任務，它就會產生行為。這說明人工智能是真的。
真實的和確定的。而認知心理學並不確定信息加工是人類智力的唯壹心理原因，甚至這種信息加工本身也沒有直接明確的證據。認知心理學只能從行為中推斷出心智是用什麽程序引起行為的，這是很假設的。
長度德雷福斯將胡塞爾視為當代認知心理學和人工智能的先驅。他認為先驗現象學在兩個方面與人工智能有關:第壹，胡塞爾有意識地把探索心靈的結構作為其哲學研究的中心。其次，胡塞爾具體解釋了人們在意向活動中所期待的對象世界的構成，以及它所包含的復雜的形式結構。德雷福斯指出，人的認知能力是通過實踐發展起來的。這種獨特的認知能力為人類在世界上的存在提供了壹種方式。
限制的豐富性構成了人類所有智能行為的基礎。認知心理學試圖通過純粹的認知結構來把握所有的智力，而完全不考慮大腦的非認知方面，這是註定要失敗的。所有的智能和智能行為都必須追溯到人類對它們是什麽的理解，因為無休止的遞歸，這種理解永遠不會被完全理解。人類智力的基礎既不能割裂，也不能清晰理解。他還指出，胡塞爾的意識與明斯基的框架理論非常相似。人工智能在發展過程中，最終要面對日常知識的表達，這是哲學上的難點、關鍵和吸引人的地方，人工智能還在為之奮鬥。
人工智能的物質基礎
早在1950年代，就有兩種有爭議的觀點:壹種認為計算機是處理思維符號的系統，另壹種認為它是對大腦建模的媒介；壹個是致力於用計算機對世界的形式化表達，壹個是模擬神經元的交互；將解決問題視為智能的範式；另壹種強調學習；壹個用邏輯，壹個基於統計；壹個是哲學上的理性主義和還原論的繼承者，壹個把自己當成神經科學。實際上，它們分別代表了象征主義流派和聯系。
主義學派。
在心理學中，復雜思維和神經元之間的符號層次理論非常重要。符號是思維的材料，但也是物質的模式。“思想”與大腦可以觸及的生物物質有著明顯的、根本性的區別，這對於人工神經網絡的建模無疑是有意義的。遺憾的是，目前人們對真實神經系統的了解非常有限，對自身大腦結構及其活動機制的了解還非常膚淺。事實上，許多神經網絡模型極其簡單粗糙，帶有某種“先驗”。例如，玻爾茲曼機器引入隨機擾動以避免局部極小值是獨特的，但它缺乏必要的神經生理學基礎(董軍，潘雲鶴。人工智能與認識論的思考綱要。見:中國人工智能進展。北京:北京郵電大學出版社，2001。22).
有人認為，對神經信息處理機制的深入分析可能會引起計算科學的革命性變化。語言能力是人腦特有的高級功能，但目前對語言的中樞表征仍只有模糊的認識，甚至還缺乏用於研究這種信息處理過程的適當研究方法。所以迫切需要方法論的指導，因為它對神經網絡的研究和作用是毋庸置疑的。
1980年代中後期，人們發現大腦中存在混沌現象，因其可能揭示大腦活動的深層機制而引起廣泛關註。從生理本質出發是研究神經網絡的根本手段。混沌神經網絡研究探索網絡在不穩定狀態下的動態行為和信息處理能力。混沌動力學為研究人工神經網絡和人工智能提供了新的契機。在這裏，我們並不單純提倡純粹意義上的生理模擬，因為對自然和社會規律的把握並不是壹個“復制”的過程，人工神經網絡的初衷也不是對真實的神經系統進行逼真的描述，而是根據物質基礎和客觀基礎對其進行簡化、抽象和模擬。
神經網絡的基本結構比標準計算機更類似於大腦。它們的單元沒有真正的神經元復雜，與新大腦皮層的回路相比，它們的結構過於簡單。雖然神經網絡有這些局限性，但它仍然表現出驚人的完成任務的能力。人腦用來處理信息的基於符號的串行邏輯推理過程，從壹開始就被現代數字計算機所采用。
有趣的是，人工智能似乎有這樣壹個“定理”:壹旦某種思維的功能被編程，人們就不再認為它是“實用思維”的基本組成部分。人工智能的核心總是指那些沒有被編程的部分。
人工神經網絡還有許多基礎性、根本性的問題需要解決。某種程度上只是作為壹種算法，但這不能掩蓋神經網絡是在思維是物質世界的產物，是人腦功能的前提下的壹種嘗試和產物。無論是對史前文明的探索，還是對外星智慧的好奇，都沒有理由否定物質決定意識的基本觀點。
人類智慧和人工智能
很多解釋人的特征的模型都來自於宗教，藝術等等。比如原始藝術的象征語言，用獨特的象征手段構造了人類的原始本能和超自然世界的各種意象，並賦予它們獨特的形式，從而組合成各種表現形式的意象系統。這使我們不僅明白人類的智力有不同的具體表現，而且明白智力依賴於社會生活和客觀現實。
然而，道路是艱難的。分解人類原始的、潛意識的思想是非常困難的，就像分解佛教禪師迷惑心靈以達到絕對虛無的神秘功夫壹樣。而且，事實證明，要達到人類水平的人工智能是困難而緩慢的。
辯證唯物主義不同意機器可以獨立思考，比人聰明的觀點。重要原因是思維是長期生物進化的產物，尤其是社會活動。哥德爾同意人類思維優於所有機器的結論。人工生命，如病毒，能在計算機中不斷繁殖和自我復制，最初是人類制造出來的。計算機世界完全是科學家設計創造的，是人腦的結晶。
莊子和惠子有如下對話。莊子和惠子在浩梁河上遊泳，莊子說:“魚兒悠閑地遊來遊去，是壹種享受。”惠子說:“妳又不是魚，哪裏知道魚是快樂的？”？”莊子說，“我知不知魚之樂。”惠子說，“我不是兒子，但我不認識這個兒子。我不是魚，也不認識魚。”莊子說，“請循其源。孔子說:“妳很了解魚。”如果妳知道我所知道的，問我。我很了解它。”(《莊子·秋水》)
人類智慧和人工智能的復雜性和神秘性，就像這篇文字本身的內涵和後人的各種解讀壹樣，引人入勝，引人入勝。
探索人工智能發展之路
人工智能研究人員願意用精神術語描述機器，原因有兩個。首先，我希望為機器提供知識和信念的理論，以便它們可以推理它們的用戶知道什麽，不知道什麽，想要什麽；第二，用戶對機器的了解往往可以用精神術語來最好地表達。在人工智能的發展中，心理學和哲學自然與之互動。人工智能和哲學的關系最初是通過心理學這個橋梁。
人工智能壹開始是自上而下和自下而上的結合。自上而下或“內涵式”的表達往往給人壹種恍然大悟的感覺，而自下而上或“外延式”的表達就像壹本手冊。其實真的需要兩種方式:壹種是自上而下將想法映射到神經元群；另壹種是自下而上，用於解釋思想是如何由看似混亂的神經元簇產生的。
認知科學的發展有壹個奇怪的現象。對於看似困難但可以與環境相對隔離的任務，比如下棋和破譯密碼，計算機系統可以超越經過特殊訓練的人。但是對於長期進化形成的壹些最常見的認知功能，比如視覺和聽覺，經過幾十年的努力發展出來的人工智能系統還不如嬰兒的能力。必須從進化的角度和社會歷史發展的制約因素來研究大腦的智力活動，才能得到全面正確的理解。
雖然我們必須始終遵循整合和簡化的原則，但我們也必須承認，科學中存在不可簡化的復雜性。討論人工智能與認識論的關系不能代替人工智能的研究，但可以使人工智能的研究者避免迷失在沼澤中。但遺憾的是，人工智能研究者往往忽略了人工智能與哲學的關系以及基本的辯證思維方法——歸納與演繹、分析與綜合。其實每個人都可以在自己的思維體驗中感受到分析和綜合。
頻率和重要性。然而，對這樣壹對基本思維機制的研究卻是如此薄弱。從歷史上看，人工智能的發展不時陷入意想不到的深度困境，這提醒我們不僅要從人工智能發展的技術問題上找原因，更要從人工智能最根本的概念和理論上找原因。人工智能需要更廣闊的視野。
和宏觀方法指導。