浅析基于发展心理学的概念进化模型

　　日常生活中，一个看似简单的问题求解可能会涉及到很多复杂的概念关联，下面两个小故事很生动的说明了这个问题。一匹小马背着一袋盐过河时，不小心摔了一跤，起来后发现身上变轻了，后来小马又背了一袋棉花过河，它根据上一次的经验，于是它故意摔一跤，结果发现没有得到它想要的结果，反基于发展心理学的概念进化模型264而使身上的袋子更重了。在一个炎热的夏天，一群小动物跑到一棵树下躲避阳光，这时其中一个小动物提议可以把大树砍了，然后把树桩当作一个桌子，这样就可以在桌子上玩游戏了，结果再也没有树阴可以遮太阳了。前一个故事中，涉及到盐、棉花、水等概念以及它们的特性，而后者与树阴、阳光等概念密切相关。当把这两个小故事讲给比较小的孩子听，他们觉得小马和那些小动物的做法很合理，而大孩子却能说出其中欠思量的地方，由此可见充分的知识量的重要作用。这是因为比较小的孩子还没有这些概念或者还不能将这些概念在特定情况下关联起来，而大孩子有了更多的概念以及概念之间的关联。在小孩的认知发展过程中，不断的获取新概念，并且找到它与已有概念之间的各种依赖关系，通过这样一个漫长的积累过程，孩子的概念结构逐渐变的复杂和完备。
　　认知语义学研究中的一些观点比较直观的体现了概念之间的相互关联，因为人们对语言意义所做的推理和联想需要概念系统的支持。语义学常以词汇以及词汇间的相互关系作为其研究对象，实际上词汇以及词汇间的关系在一定程度上也反映了人类概念系统的内部结构。词汇能够通过它们之间的意义关系和实体关系(所指对象之间的关系)而相互关联起来。词汇之间的同义关系、反义关系、上下义关系等意义关系反映了概念之间会通过其意义而相互关联，然而词汇之间的组成部分和整体、个体和集体等实体关系则反映了概念之间会通过其所指对象之间的关系而相互关联，如发动机和小汽车之间就是组成部分和整体的关系，在人的概念系统中也是将发动机和小汽车关联在一起的。此外，存储于人类概念系统中的很多信息是要在一定外在条件的激活下才能表现出来，这也说明概念系统内部很多信息是相互关联的，并且当某个概念受到刺激时就首先激活与其关系较紧密概念，然后再激活其他相关概念，这种激活是根据它们与该概念的关联程度由强到弱从而向周围传播扩散的。在认知语义学中，Lakoff 提出的概念隐喻理论最能体现人类灵活运用概念结构的依赖关联性进行跨领域的问题求解。人们在日常生活中会经常不自觉的运用隐喻方式来描述一个抽象事物。概念隐喻理论认为隐喻的实质就是一种跨概念域的系统映射机制，同时也认为隐喻是一种思维方式和认知手段，这一理论促进了认知语义学对概念结构的研究。一般来说，这种机制是将抽象的概念域映射到一个具体的概念域。但这种映射并不是任意的，它的根源是人们的日常经验及知识，其映射的根据就是源体和喻体之间具有的某种相似性，例如Internet is highway。
　　概念结构是由概念之间的依赖关系构成的结构。以数学知识为例，算术领域的概念最为基础，建立在其基础之上的初等代数知识又复杂了一些，而高等代数又建立在初等代数的基础之上。其中可以明显看到某些概念之间由简到繁的依赖关系，以及所呈现出来的概念关联结构。代数学只是人所具有的全部知识的一个特殊子领域，每个孩子共同经历的认知发展过程足以证明人的知识体系是以概念为核心，具有结构性的系统，我们称之为概念结构。从概念结构的定义可以看出，它应该具有多维特征。概念与概念之间是相互依赖的、相互关联的，因此概念结构具有依赖性。由于概念之间是相互关联的，所以通过一个概念可以联想到其他的概念，概念结构具有可联想性。人的知识系统是由大量的概念和以及它们之间各种复杂关系组成，所以概念结构一定是丰富的。人能够灵活的运用知识进行问题求解，说明人的概念组织的非常合理，具有相当好的结构性。人在不断的学习过程中，概念结构也随之日益丰富和复杂，所以概念结构是不断发展的。与此同时这也要求概念结构必须是开放的，能够不断接受新概念的加入，并能与该新概念产生各种关联。人只凭借一个知识系统就可以解决很多不同领域的问题，这说明概念结构具有完备性，同时也说明概念结构在任何领域都是存在的，具有普适性。概念结构所具有的这些特征正是人类智能的优势所在。
　　概念结构本来是潜伏在后台发挥作用的，人的认知能力皆来源于此。人在施展智能时该结构往往表现得很透明，致使我们很容易忽视它的存在，一旦将人经常实施的任务转为让机器实现时，概念结构的关键性作用就随着机器智能的灵活性、适应性、健壮性的降低而突显出来。概念以及概念之间的相互关联作为人类认知能力的重要基础，吸引了越来越多的人工智能专家尤其是知识工程领域专家对概念结构进行研究。概念结构作为一种知识组织方式，涉及到包括认知在内的很多人工智能问题。众所周知，概念以及概念之间的各种关联是知识的核心内容，因此概念结构与知识表示、知识获取和知识发现等研究有着密不可分的关系，概念结构描述的越明确就越能促进这些研究的发展。在自然语言理解(NLU)中，概念结构有助于组织更丰富的背景知识和更广泛的联想，以此提高NLU 的中机器翻译、问答、自动摘要、文本过滤等应用的可靠性。在常识推理过程中，要用到大量的概念以及各种概念关联，从而做出正确的决策，因此对概念结构的研究会对常识推理产生影响，一个结构良好且内容丰富的概念结构能够提高常识推理的正确性和灵活性。场景理解的研究也涉及到概念结构，概念结构有助于对场景的组成元素与布局结构进行合理解释，因此一个完备的概念系统就能够解释更多的复杂场景。此外，随着Internet的发展，网络中的信息量急剧增加，这就对信息检索技术的效率提出了更高的要求。为了提高检索效率，可以在信息检索过程中将概念结构因素考虑进去，使关联性更紧密的相关概念最优先被检索，这样能够改善信息检索系统的性能，可见概念结构也在这些新领域中也起着重要作用，概念结构是在不断延伸的。概念结构是人类进行各种问题求解的重要驱动力，将它应用于知识工程领域对于提高知识系统的性能以及问题求解能力有一定的促进作用，尤其是对领域开放的问题求解。
　　对概念结构的研究要求解决三个问题，即概念结构如何表征与存储、概念结构如何逐步构建、概念结构如何运用于各种智能任务，本文主要讨论与概念结构表示和构建的相关方面。起初概念结构的提出是以概念图知识表示方法作为其具体分析工具和载体，概念结构理论及应用就是基于概念图而不断发展起来的。由于概念结构日益受到人工智能领域专家的重视，导致概念结构相关知识表示方法的研究日益多样化。当前人工智能领域专家不仅仅依靠概念图来研究概念结构和进行知识表示，他们还利用概念格和本体等新手段来研究概念结构及其应用。
　　以前的经典知识表示方法主要是面向一些专家系统，而这些专家系统都是用来进行一些领域受限的问题求解，因此只需要从功能上模仿专家行为就可以进行相关问题求解，并没有从本质上模拟专家的概念结构和概念系统，这导致了经典知识表示方法或多或少的忽视了对概念结构的关注。然而，随着人们对人工智能系统的要求越来越苛刻能够适应领域开放的问题求解，这就要求人工智能研究者对概念结构给予关注。
　　在人工智能的发展过程中，已经出现过很多种经典的知识表示方法，例如逻辑表示法、语义网络表示法、脚本表示法、框架表示法等。逻辑表示是最早和使用最广的知识表示方法，该方法中的知识库可以看成一组逻辑公式的集合，知识库的修改是增加或删除逻辑公式。逻辑所关心的主要问题是开发出具有合理而完备的推理规则，几乎没有考虑概念以及概念之间各种依赖关系，而且知识库中的逻辑公式之间的关联性也很弱，所以它不适合构造和表征概念结构。语义网络是知识表示中最重要的方式之一，它不太关心能否建立出正确推理的规则，而更关心如何描述人类获取和使用知识的实际方式。语义网络在一定程度上体现了概念以及概念之间的联系，但是由于它的初衷不是构造和表征概念结构，不能将概念之间的关联表达清晰，所以语义网络不能实现概念结构的各种特征。由于概念之间的关联不够明确，从而导致这种方法在处理很多领域中的复杂问题时，其能力是很有限的。脚本是一种结构化的知识表示方法，被用来描述特定上下文中固定不变的事件序列，脚本最初是用来作为一种把概念依赖结构组织为典型情况描述的手段。脚本比较适合于表达一个完整的事件以及事件内部概念之间的联系，它能够实现部分概念结构特征，如依赖性、结构性等。框架是由Minsky 首先提出的，是一种在很多方面都和脚本相似表象图式。框架表示方法的主要思想是面向对象，它支持把知识组织成更复杂的单元，以反映问题域中对象的组织方式。框架比较适合于描述静态概念间的泛化和特化的层次关系，可以根据一个新概念与已有概念的依赖关系将新概念加入到知识库中，它也只能保证概念结构的依赖性、结构性。
　　在以前的经典的知识表示方法中，有的不能表达概念以及它们之间的关联，有的只能表达一些简单的概念和概念关联，它们所针对的目标并不是概念结构，所以也不能保证概念结构全部特征的实现。这使得概念结构不能在这些经典知识表示方法中充分发挥作用，导致它们只能应用于某些特定的领域，因为在某一特定领域内概念以及概念关联相对比较简单，不需要实现概念结构的全部特征。人的概念系统中知识的组织方式不仅仅是按照专业领域的不同而划分的，认知语义学中对语义场的研究表明人也会根据概念的语义特征而将它们组织在一起，如将幼兽、小马、雏鸡、婴儿等概念组织在一起，因为它们有一个共同的语义特征年幼，人会通过一个概念的语义特征而联想到很多具有相似语义特征的其他概念，而经典的知识表示方法还没有关注这种知识组织方式。此外，以前经典知识表示方法在面对领域开放的问题求解时几乎还没有取得成功的应用，在这类问题中，需要包含大量的概念和非常复杂的概念关联的常识性背景知识支持，比如说人经常使用概念隐喻手段进行问题求解，当有人说道：Internetis highway时，人的概念系统首先highway 和internet 的相关知识，然后根据它们之间的内在相似性将它们关联到一起，以前经典的知识表示方法还不能提供有效机制表达具有这种功能的知识系统，故还不能胜任这样一个领域开放的问题求解。概念结构涉及的概念关联相当丰富和复杂，而这些经典的知识表示方法只能表达其中极少种类的概念关联，如脚本适合于表达一个完整的事件以及事件内部概念之间的联系、框架比较适合于描述概念间的泛化和特化关系等，所以它们不能适应于表示大规模的概念和概念联系。总之，这些经典的知识表示方法对概念结构的关注不足，尤其没有充分考虑人类获取和表达概念结构的方式，以它们为基础的人工智能系统也不可能达到人类级别的智能。
　　2 表征重述理论
　　发展心理学致力于研究人的认知发展过程，其中较具代表性的观点有Piaget 的后成建构论以及Fodor的模块先天论。Karmiloff-Smith 调和先天论与建构论中的某些方面，提出了表征重述过程与RR(Representation Redescription)模型。她主张人类特有的获取知识的方式是通过表征重述过程，认为相同的知识可以有多种储存的形式和水平。RR 模型包括三个阶段以及维持这三个阶段的四种不同水平的表征。
　　第一阶段，人们主要从外部环境中抽取信息，形成表征附加物，这时的表征只是加在已有的材料之上，既不改变既存的稳定表征，也不与它们发生关系。在这一阶段的表征形式称为内隐(水平I)表征。在这个水平上的表征以程序形式对外在环境中的刺激进行编码。水平I 表征独立储存，可以产生成功的行为，但这种行为是相对不灵活的。
　　第二阶段是一个内部驱动的阶段，内部表征成为变化的重点。维持这一阶段的表征是外显1(E1)表征。E1 表征是水平I 表征重新编码为一种新的压缩形式的结果。水平E1 涉及外显的表征，这些表征能被操作并与其他重述过的表征发生联系。它们还没有通达到意识，也不能用言语报告，但显然超越了程序水平。
　　第三阶段，外部材料和内部表征调和了，在内部控制和外部控制之间达到了平衡。维持这个阶段的表征被称为外显2/3(E2/3)水平表征。E2/3 表征超越了E1 水平的表征，它们都涉及有意识的通达，区别是E3 水平可言语报告E2 则不能。
　　在每一个阶段，最后结果都必须是在现有表征水平下达到行为的连贯成功，这被称为行为掌握。在相邻两个阶段之间发生表征重述。表征重述过程以行为掌握为基础。通过表征重述，独立储存的、程序化的内隐信息逐渐变为可以被认知系统其他部分利用、较灵活的外显知识。表征重述过程在人的认知发展过程中的各个领域、各个时刻不断重复发生，且受到已有表征的内容和外显水平的制约。
　　RR 模型的提出为概念系统的建构提供了一种新的方法，即从表征的变化发展来研究认知发展。由于这个模型属于发展心理学领域，所以只是一个粗线条的假设，在计算角度上非常不精细。作者虽然提出了几种不同水平的表征，但并没有详细描述其表征形式，也没有给出重述过程具体遵循哪些因素，如何发生等细节。换句话说，RR 模型更多地是关心表征的内容而非形式。因此，如果想要把RR 模型应用到知识系统的建构中来，如何表示各种不同水平的知识，选取哪些特征、以何种形式进行重述等都是有待解决的问题。
　　3 表征的实现
　　RR 模型提出了四种不同水平的表征，但区别这四种水平表征的因素，如是否通达到意识、能否用言语报告等无法简单地对应到概念系统中来，它们如何在计算和表征上进行对应都是重大的悬而未决问题。在这里我们借助面向对象(object orient)和对象的形式定义这一刻画个体行为与关系的手段，将它们巧妙地应用到概念系统的发展与构造上来。面向对象是一种结构很好，而且广为大家熟悉的对物理世界进行描述的手段，它在理论上、在实现方法上都有保证。最值得利用的地方在于对象的封装性、继承性。需要强调的一点是，在这里用面向对象方法表示结构，与面向对象程序设计没有多大关系，只是利用面向对象理论中用object 描述世界的思想。面向对象表示既是一种数据结构，又是一种概念系统构成元素。现在我们以表示数数这种认知技能为例，用对象在属性与行为上的进化来解释认知能力上的发展。
　　4 讨 论
　　总的来说，本研究采用了学科交叉的方法，提出了一种基于表征重述的概念系统建构方法，在解决非限定问题求解的道路上迈出了重要的一步。本研究所提出的与其说是知识获取模型，不如说更是一个认知模型，它有助于我们在非常细节的层次上认识概念系统的表征形式和使用原则。然而，由于表征重述假设包含四种不同水平的表征以及相应的变化阶段和重述过程，这里面必定包括一个相当复杂的控制结构以决定什么时候和怎样进行重述。然而所有这些复杂问题，表征重述理论都没有涉及，从而导致实现这些表征进化算法有相当的难度，这也是我们将来需要研究的一个重要方向。