創造力的計算建模、機器實現及其認知哲學意義

高新民

摘? ?要： 創造力及其計算建模與機器實現的AI探討具有一箭雙雕的意義，一方面，這一探討有利于真正實現AI所確立的模擬、增強、延伸乃至超越人類智能的理想，另一方面，AI的創造力研究和建模又有反哺哲學和心理學等學科進一步發展對創造力認知的作用，對于我們認識、發展和利用人的創新能力有不可限量的意義。要想讓這一領域步入真正的快車道，必須認識到創新能力的多樣性，不能局限于建模人類的創新能力，而應有更廣泛的模板和更開闊的視野。相應地，這一研究應堅持多元化原則，既模擬人類的創新能力，又模擬非人的創新能力;既讓機器完整實現某一創新能力，也讓它實現該能力的某一部分或某一要素，甚至讓其參與人類的創新。該領域的最大難題是靈感等非邏輯思維能力的理解和建模問題，要予化解，只能在融合自然主義與現象學的基礎上，借鑒和發展人腦逆向工程的成果，繼續推進對創造力的自然化和計算化。

關鍵詞： 創造力;計算建模;機器實現;人工智能

中圖分類號：TP18? 文獻標識碼：A? 文章編號：1004-8634（2022）01-0097-（12）

DOI：10.13852/J.CNKI.JSHNU.2022.01.010

這里所關注的創造力（creativity）包含通常所說的、只為人所具有的創新能力，但前者外延要大。至于具體多大，不同論者看法不一，一般是將它定位于生物界，最寬泛的理解是認為它廣泛存在于一切事物之中。筆者認為，創造力與創新能力除了所屬主體存在著不同之外，在其他的規定性方面并沒有太大差別，如從認知和評價角度說，它們都具有新穎、出人意料、令人驚喜等標志性特點，在許多人心目中都是“一種謎，一種悖論，一種神秘”。1 既然如此，為行文方便，本文將不予區別。創造力對于哲學和心理學等學科而言是謎，對于發誓要建模乃至超越人類智能的人工智能（以下簡稱AI）來說更是如此。例如，當切入創造力的機器建模這一課題時，我們馬上會為這樣的矛盾現象而困惑不已，一方面，機器在我們所理解的“創新”的任何意義上，都不僅有其表現，而且有驚人的成就。它們不僅能自己創新，而且能與人類藝術家合作，以這種方式機器正在對藝術產生革命性的轉變作用。大量事實表明，機器在問題解決、科學發現中的表現也有目共睹，DeepMind公司開發的AlphaFold2人工智能系統，基于氨基酸序列，精確預測了蛋白質的3D結構。它的準確性能與使用冷凍電子顯微鏡、核磁共振或X射線晶體學等實驗技術解析的3D結構相媲美。這一成就被譽為“變革生命科學和生物醫學”的突破。但另一方面，許多人在嚴格的反思之后又認為，機器所表現出的那種創新不是真正的創新，因為創新只能是少數天才所擁有的品質，一般人望塵莫及，更何談機器的創造力。就研究而言，創造力及其機器實現盡管充滿困惑，但畢竟已然成了一個成熟的、既有學理意義又有實踐價值或工程學意義的研究領域，因此，哲學是可以而且應該在這里大有作為的。本文將在考察創造力機器實踐大量研究的基礎上，對里面存在的問題和未來發展的方向做一些心靈與認知哲學的思考。

一、創造力的祛魅與計算建模的前提性問題

創造力機器建模表面上看是一個純粹的工程技術問題，其實不僅包含大量深奧復雜的基礎學理問題，而且沒法繞過元哲學的探究，因為這里要建模的是人的能力中最復雜難解的創新力，而這一現象盡管已受到心理學、認知科學、神經科學等的大量研究，但最終都要進到元哲學的層面思考關于創造力的最一般的問題，如創造力的樣式、范圍是什么？它們是否是人類獨有的能力？有無貫穿一切創新樣式的統一的創新模式？等等。從認知的邏輯說， 要讓創造力這一智能最重要、最關鍵的因素進入作為科學技術部門的AI的視野從而使之成為真正的智能科技，要讓這一研究正常健康發展，必須清除有關障礙，優先回答關于創新本身的元問題，或解決創新觀的種種問題。最明顯的是，如果停留于對創新的現有的常識和哲學描述、理解，那么在計算機上是不可能表現或實現創造力的。只有將其自然化、計算化，通過分析、還原，將這些描述、理解轉化為靠近機器實現的科學術語，實現機器建模，用計算機表現創造力才有可能。最糟糕的情況是，如果像悲觀主義所說的那樣，創造力是神秘力量因而是科學不可企及的，是大自然賜予少數人稀缺的、神秘的禮物，甚至像浪漫主義、神秘主義所認為的那樣，創新是人類至高無上的榮耀，其精彩之處恰恰在于它的不可理解性，只能消費、利用，不能培養、發展、傳授，那么對之做計算建模，乃至讓機器來實現，那肯定是不可能的。這一領域的開拓者尚克（C. Schank）等認為，這類觀點阻礙了AI對創造力的研究與建模，使一些研究者視創造力的建模為禁區，不敢予以觸碰。尚克等提出：“不應把創造力放在高不可攀的神壇之上，而應讓它進到AI的中心舞臺。”1要如此，就應做祛魅、正本清源的工作，如實認識創新的本來面目和內在機制。

基于新的研究，尚克等一大批熱衷于創造力計算建模的學者做了大量祛魅的工作，認為創新不是少數人的專利，更不是神的特性，而是每個人認知的特點，即是一種普遍的認知現象，每個人的思考和行為中都可包含創新的過程，如工人、農民用一種過去沒有嘗試過的方法完成了一件工作也可看作一種創新。它們盡管與偉大的發明創造不能相提并論，但在種類和性質上都屬于創新行為。就其構成和本質而言，創新不是人的一種獨立的能力，而是由人的許多能力（如思維、記憶等）和心理因素（如動機、情感等）所構成的高階現象，因此，創新是可以用科學的方法來加以還原說明的。當然，他們承認，創新有其獨特性，這種獨特性可借用愛迪生的公式來表述，即創新是百分之九十九的汗水加百分之一的靈感。這里的靈感神秘嗎？回答是否定的，因為它仍可接受計算主義的還原說明。在曼德勒（G.Mandler）看來，靈感其實是一種“心智爆發”（popping），即以前積累的、東西的、突然的、經過了提升和改造的閃現。其基礎是潛意識中儲存的心理內容和記憶中儲存的有意識材料，其導火線是對它們的觸發或激活，其爆發點是當下有意識的內容激活了無意識表征。 2

本領域最重要的前提性問題是計算機與創造力的關系問題，即兩者有無關聯的可能性，計算機能否表現或實現創造力？一種觀點認為，兩者風馬牛不相及，因為創造力是人類心智獨有的特征或本性，是人類心靈的奇跡，是最能體現人的本質特點的東西，而計算機只是機器，只能按人類編寫的程序做一些力所能及的事情。不管其加工過程像什么，它都不可能有創造力，即使它在有些方面可以超越科學家和藝術家，但它的能力不能被稱作創新能力。即使它表現出了所謂的創新，那也應歸功于程序員。持否定態度的人對計算主義關于創新的理論探討和實踐建模提出了這樣四大難題，即計算主義能幫我們理解創造力嗎？計算機能做只有用創造力才能做的事情嗎？計算機能認識創造力嗎？計算機本身真的有創造力嗎？

對這些問題主要有悲觀主義和樂觀主義兩類回答。后者不僅做了肯定回答，而且庫茲韋爾（R.Kurzweil）等甚至認為，未來的計算機將在包括創新能力在內的許多能力的建模方面大大超越人類，以致人類將過渡到如此依賴機器的地步，即人類別無選擇，只能接受機器所做的所有決定，因為機器所做的決定比人好。到那時，機器將凌駕于人類之上，更有效地控制人類。 1

上述四大問題表面上差別不大，特別是第二和第四個，其實差別很大。正是因為有差別，像博登這樣著名的AI哲學專家對它們便不一概做肯定或否定回答，如認為對前三個問題可做這樣的肯定回答：機器不一定真的有創造力，但可以以自己的特殊方式做出類似人的創造行為的行為，從而表現出創造力，并被人們或社會評價為有創造力。對第四個問題，博登提出了這樣一種代表許多人觀點的看法，即計算機大概沒有人所具有的創造力，不能以人的方式實現創造力，如機器憑自身無法完成創造性思維，因為機器執行了相應的程序并不等于它就有創造力，執行程序只是讓符號發生變化的無心智過程。但博登又沒有倒向塞爾，相反，對塞爾否定AI有智能發表了針鋒相對的反批評。博登之所以只承認計算機有表面上的創造力，是因為她贊成說，真正的創造力離不開意識，而計算機不可能有真正的意識。但這不妨礙計算機以自己的方式模擬和表現創造力。2 事實上，已開發的許多繪畫、音樂和文學創作程序都是按這個思路設計的，它們模仿的是人的有創造力的外部行為，或模仿人的創造行為的某些構成要素，因此能被旁觀者評價為有創新性。若從內在過程和機制上評價，則會得出不同的結論。這類看法似乎模糊不清甚至包含矛盾，其實表達了許多認知主義者的這樣一種關于創造力的真知灼見，它強調在界定創造力時，應把本體論視角與認識論或價值論視角區別開來，而過去的許多理論常把它們混淆在一起，如說創新就是生成了有新穎性的、令人吃驚的、讓人意想不到的思想和產物。根據認知主義創新觀，這些形容詞是從認識論角度對創造力的評價，而“生成”這個表述說的是創造力的本體論方面的事實。要揭示創造力的本質，應把兩者區別開來，特別是要把創造力作為一種存在事實看待，弄清它本身究竟是什么。認知主義在從本體論角度揭示創造力的本質時的基本傾向是，認為創造的過程要么是一種認知過程，要么是一種映射或信息轉化過程，要么是一種突現過程。

要回答機器能否真的表現出創造力，無疑要回答這樣的前提性問題，即究竟什么是創造力？有無統一的創造力？其內部構成、結構、機制是什么？以前常見的是用形象的詩化語言來把握，這樣的理解是沒法滿足AI建模需要的。認知主義內部對這些問題盡管有爭論，但可提煉出這樣一些有共性的看法，即認為創造力不是一個全有或全無的問題，因為它有程度差別，有臨界現象;創造力不是知情意等心理現象之外的獨立的現象或能力，而具有綜合性，例如，它可同時包含知情意等因素，正因如此，AI對它的建模和機器實現才有可能性。從根本上說，創造力是對有強烈生成能力的理智行為的有質變意義的提升、放大和增強，或者說是對新的心理結構的推測性建構，而不是對現成結構的簡單分析。這就是說，創新能力盡管有復雜的構成因素，不同領域中的創新能力有不同的形態，構成和內在機制千差萬別，但個性當中也有共性，例如，在初始狀態向作為創新結果的輸出狀態轉化中間有一種認知乃至概念結構、思維方式的質變或轉型，有連續性的中斷，有狀態修改行為。正是這中間的心智爆發過程導致了人們所看到的“靈光閃現”、心智爆發、出其不意、令人驚詫。

創新之機器模擬爭論由以產生的一個重要問題是創新的區分標準問題。人們之所以對機器是否具有創造力莫衷一是，一個原因是人們有不同的標準。如有的認為，只要一個想法是新的，以前沒有人提出過，就可認為有創新性。有的認為，只有有重大理論和實踐價值的新思想才能認為是創新成果。現在較流行的看法是，只有當一想法有意外、令人驚詫同時有用這兩個特點時，才可認為是創新。這樣看待創新的確有其意義，一方面有助于消除創新觀上的神秘主義、沙文主義，另一方面有助于清除AI的創造力研究和建模中的障礙，讓這樣一個本來應成為AI主課題、主旋律的問題受到應有的重視，迅速迎頭趕上其他領域。從類別上說，創造力可根據不同的標準來分類，如從創新之新意相對的對象來說，可把它分為心理學的創新與歷史學的創新，前者是相對于創新者自己而言的，如果一新得到的想法或行為是自己以前不曾有的，那么它就是一種心理學的創新。后者是相對于別人而言的。當然其內又有評價群體范圍大小的差別，如有的想法只相對于一部分人是新的，有的相對于很多人是新的，有的則是空前絕后的，相對于所有人都是新的，如愛因斯坦的相對論等。從價值上說，創新有重大和非重大之別。從創新的方式上看，創新有熟悉觀念異常組合所產生的意外感，概念空間中的探索性創新，心智中概念空間的轉型等。

另一前提性問題是，AI在研究和建模創造力時要不要模仿什么對象？如果需要，應以什么為對象或模板或原型實例？是不是應像AI剛開始時那樣，以模擬、拓展、超越人類的包括創新能力在內的智能為目標？質言之，是否只應以人類的創新能力為原型實例？對這類問題的答案也是多元化的。對立的兩個極端看法之一是，世界上只有人才有真正的創新能力，因此建模這一能力只能以此為榜樣。之二是，建模創新能力像建構其他智能形式一樣完全可以撇開人類的對應能力而獨立地研究作為工具的計算機，研究它如何以自己的方式實現創新能力。只要讓它表現出人所表現出的創新能力，不管是如何實現的，都不應拒絕和否定其有創新能力。持這一觀點的人認為，“沒有義務把人類心智作為努力模仿的原型”。1 正確的態度亦即多數人所持的立場是，堅持原型實例的多樣性，既強調要以人類的創造力為原型，又強調要看到非人的自然界也存在著創新的原型實例，如進化、自然選擇就是最偉大的創新家、發明家，DNA也是如此，計算機本身及其表現也值得深挖。新的探索盡管仍重視對人類能力的解剖和建模，但同時不無創意地強調，在建模人的創新能力時沒有必要完全照搬人類實現創新的過程和機制，因為一方面，人類的實現創新能力的有些結構、條件和做法是機器永遠沒法模仿的，另一方面，有些東西也沒有必要模仿，例如，人長著眼睛，有文化特性，這些就是機器沒有必要擁有的。另外，讓機器表現創造力，既可依據已有的關于人的創造力理論，也可不依據。

二、創造力的計算說明與通向機器實現

之“隧道”的打通

從圖靈開始，許多AI專家相信，包括創造力在內的智能問題不過是一個程序問題，只要能編出適當的程序就能讓機器實現想要的那種智能。由于只有具有可計算性才能在計算機上實現，因此，創造力能否被計算建模進而由機器來實現，關鍵要看能否對它做出計算說明，即能否用機器能夠“理解”的方式、用計算語言去描述和說明創造力。質言之，就是能否對創造力做出以計算化為特點的自然化，能否做計算還原。這種還原的實質就是要“去神秘化”，用計算觀念將日常經驗的、帶有浪費色彩的關于創新能力的描述，如靈感爆發、頓悟、出人意料、不可預測等，來重新加以表述，按自然科學的框架來理解創新的構成、運作過程和概念圖景，拉近與機器操作的距離，直到能寫出關于各種創新形式的程序。帶有認知主義和計算主義傾向的AI專家一般相信，“這樣的計算機程序能被建構出來，因此它們能生成有創造性的觀念和產品”。2 其實現的具體方式很多，但共同的思想和操作可概括為“認知方案”。

認知方案的基本觀點是，創新過程是以認知過程和結構為基礎的過程，日常關于創新的那些隱喻性的、文學性的描述可用認知的語言來重新加以表述。這一方案的目的就是要用認知科學的方法和概念改進對創造力的理解。根據這一方案，創新不是一種高不可攀的能力，不是與知情意并列的、獨立的能力，因為它是由許多心理因素、能力，如知情意等結合在一起而突現出來的一種能力，這些因素在別的非創新能力中也能見到，是它們的組合和模式。關于創造力的認知方案很多，這里不妨把它們概括為三大類來加以考釋。

一是狹義的計算方案或以經典計算主義為基礎的方案。廣義的計算方案可等同于這里所說的認知方案，包括后面要考察的聯結主義和“工程學方案”。為便于敘述，這里把第一種方案單列出來加以探討。先看尚克等人的工作。從編寫程序等工程實踐中，他們總結了關于創新的計算主義觀點，認為要理解創新，首先要弄清人們是怎樣完成常規認知活動的。要如此，又必須知道，什么樣的知識結構允許智能系統完成常規理解和計劃之類的任務。根據他們的計算主義，創新是由更基本的認知因素如知識結構等因素所決定的現象。就知識結構而言，支撐創新的主要有腳本、計劃和內存組織包。腳本中包含的是描述了典型事例的原子推理鏈。當然，創造力不能被看作基礎層次認知要素的簡單相加，因為它至少還包含愛迪生所說的百分之一的靈感。他們盡管用這個詞，并承認它的存在和對創新的不可或缺性，但認為靈感一點也不神秘，也可自然化、計算化。根據他們的新的解析，這里關鍵是要弄清，當人們在創新過程中面對問題得不到解決或失敗時，他們需要用的是什么知識。在尚克等看來，需要用的是自上而下的知識。當不按常規方式而以新的方式加以運用時，就會有靈感發生。創新實則是智能系統的這種能力，即已有知識結構不能滿足系統當前需要而去訪問、調整、應用自上而下的知識結構的能力。這種知識就是從過去經驗中積淀、提煉出來的一般性知識。除此之外，還有這樣的知識結構，一是解釋性知識，即應用記憶組織包所必需的知識，二是類分子知識和重構規則，它們是應用解釋模式所必需的知識。因此，創新及其靈感一點也不神秘，也不難建模，只要弄清這類知識結構的秘密，就能如愿。創新當然是一個過程，這一過程的特點在于，對自上而下的知識結構做出調整，以應對這些結構不能直接應用的情境。這些調整是通過應用知識結構完成的，而這些結構允許比不適當的自上而下的結構所制約的推理更細粒度的推理。創造力的新的研究還常用“孵化”來描述創新中思想的質變和飛躍，但怎樣對孵化做計算還原呢？有的認為，它可還原于這樣的認知機制：傳播激活、情境波動，有的認為它可用引起記憶變形的動態心理表征來解釋。尚克等認為，它可用計算模式的變化來解釋。總之，由于有這樣的內在秘密和機制，因此，創新思想常能表現出瀑布式傾瀉的特點。1

博登的計算方案強調的是計算觀念在理解和建模創造力中的作用，認為計算機所產生的一切都由一些被內置的計算原則所使然，如果科學發現的計算模式能生成波義耳定律，那么它們的規則就一定有起這樣作用的生成潛力，如一臺被編了某種語法程序的計算機就能生成相應的句子，而不會生成別的無關的句子。2 之所以能用計算觀念解釋包括創造力在內的心智現象，是因為其內客觀存在著計算資源，不管是兒童還是科學家都有其基本的拓撲結構，前者受著基本拓撲概念的引導，后者在理解物質結構時受到了“弦”“曲線”等的影響。此外，正常的人都有自己的啟發式搜索程序，正因如此，他們在分析一事物的可能性時會自發用排除法，一個一個去分析。這種搜索是創造性思想重要的構成，將它與大腦風暴法、發散思想結合起來就可激發創造力。它們原初、樸素的形式在正常人心中是普遍存在的。另外，正常人都有自己特定的概念空間，這也是創新的一個條件，而用計算觀念比用其他模式能做出更具體、更有利于計算機建模的說明。例如，程序有說明概念空間的作用，而程序就是一系列的指令，其內部結構不能為高級例程訪問，因此不能被輕易改變，具有一定的穩定性。程序內部還有能產生別的結構的生成系統。再者，博登還認為，心靈之所以能有條不紊地發揮作用，是因為每個人都有自己的心靈地圖，它在創新過程中也是必不可少的。但這種心理資源只有借助計算概念和程序的幫助才能得到具體的理解。如通過它們繪制的AI地圖，我們可從一個側面了解人類的心靈地圖。他說：“計算的芒迪地圖（17世紀的世界地圖）是一有價值的成就。”3 心靈的特點在于有意或無意地發生變化、轉型，特別是根本性的范式轉型，而這是創新的必然一維。在博登看來，它們最好用生成系統和啟發式這樣的計算概念來說明。前者指有計算可能性的結構空間，而啟發式則是指有選擇地在這種空間中移動的方式。盡管其他學科也有對它們的說明，但只有AI能為它們提供動態過程和抽象描述。

二是關于創新能力的聯結主義方案或神經網絡模型，其基本思路是，用聯結主義的可計算的術語或似神經元的元素來將常見的創新過程及結構自然化、計算化，建構關于創造力的理論，然后來討論怎樣用聯結主義予以解釋，以便為創新的機器建模和實現做準備。這就是說，聯結主義既有對創新的獨特理論還原和解釋，也有自己建模創造力的工程實踐。它用來說明和還原創新過程的是這樣一些特定的計算（不是符號的轉換而是神經計算）術語，如類似神經的加工單元或節點、激活、節點間的連接模式、輸入-輸出規則、學習規則、網絡運行環境等。根據這一方案，包括創新在內的所有認知過程都能用這些元素來描述和解釋。根據它的解釋 ，所有認知都是大規模并行分布的過程，所有節點能同時做它們所做的一切事情。根據聯結主義對創新的還原，創新一點也不神秘。首先，它離不開在其他認知過程中須臾不離的思維，而思維由節點的激活所構成。如果這些節點非常固定地連接起來，那么思維就表現為常規的思維。新的、令人吃驚的思維，即創新思維，不外是出現了微弱的、間接的連接，進而喚醒系統用非特異性激活來撞擊大腦皮層。結果被激活的節點就極度地激活，它們之間的連接強度很快被提升為這樣的過程，人的精神生活中就會表現出常見的靈光突現之類的現象。另外，人的創新離不開對創新的意識和高度的注意力。用聯結主義術語也很好理解，例如就意識而言，它可分解為注意和短時記憶，注意是被激活的最活躍的節點，短時記憶被激活了但沒有注意那樣強烈。創造力強的人其更多節點得到了同時激活。這些節點編碼了被認為與要解決問題關聯度高的觀念。在創新的孵化（這是創新的爆發階段，像新生命經過培育脫殼而出一樣）階段，編碼了問題的節點仍處于準備或部分激活狀態。進一步激活，到了突破的階段，許多節點就會同時被激活。如此，就有靈感突現等現象發生。在創新中，關鍵節點的足夠激活至關重要，有這樣的激活就有創新發生，而且創新的大小、高低程度的差別與激活的程度息息相關。1 不可否認，非邏輯思維形式，如直覺、想象、頓悟、靈感等，在創新中的作用遠大于邏輯思維的作用。對此，聯結主義也有自己的自然化、計算化。所謂直覺，指的是激活由可用的線索模式所激發的、越來越適合此模式的反應過程，而頓悟、靈感這樣的新奇洞見的閃現現象，指的常常是有意識的、突然的了悟，進而有一個作為問題解出現的過程。聯結主義關于靈感的研究有不同的進路，第一種是前信息加工方案，該方案認為，靈感實際上是由大量基礎性因素所決定的高階現象，弄清了這些因素，其神秘面紗就可揭開。其決定因素首先是重構，即關于問題的觀點的整體轉變，其次是情境誘發的心理定式的打破和超越，再次是無意識觀念的重組。第二種是信息加工方案，其特點就是用認知的觀點對靈感的結構進行重新概念化，認為它不過是物種形式的信息輸入與輸出的高品質的轉化過程。

三是布林斯喬德等人倡導的、得到了較多圖靈主義者喝彩和發展的“工程學哲學”方案。它是一種以計算主義為基礎同時融合了圖靈主義、解釋主義和行為主義思想的綜合性方案。他們認為，判斷包括創新過程在內的現象是否是智能現象，既可觀察內在的過程，也可看外在的行為表現和所產生的效果、影響。就此而言，圖靈測試是可行、有用的。如果一過程能產生需要用人類的創造力之類的智能完成的結果，如讓人覺得具有新穎性、趣味性、意想不到等，那么就應認為這一過程具有創新性。至于這樣的行為表現和效果是由什么樣的在前的內在過程和機制實現的，沒有必要也不應該做刻板的規定，即在這里應堅持怎么都行的無政府主義原則，只要它產生了讓人覺得有創新進而被評定為創新的結果就行了。這里其實既有解釋主義精神，又表達了一種關于AI建模的原型實例是不是只能是人類智能的獨到的觀點。根據這種觀點，建模智能的樣板既可以是人類智能，也可以是非人實在表現出的智能。他們說：“在未來，嘗試建構能通過圖靈測試的系統將越來越依賴于這樣的工程學工具、技術和技巧，它們與對人的認知的科學理解幾乎沒有關系。”2 他們按照這樣的原則和思路建構的故事創作系統布魯圖斯（BRUTUS）具象地說明了這一點。在設計它們時，他們不追求系統內對人類創作過程的模擬，而按智能的可多樣實現原則處理，他們把重點放在如何讓它們產生人類有創新精神的作家能產生的效果上，放在模仿這樣的作品的行為表現上。最后，創新行為的特殊性在于，有直覺、靈感等非邏輯思維的成分，必然貫穿著靈感、意象、想象之類的過程。對此，常見的態度是懷疑主義、描述主義和意象主義，布林斯喬德等的看法是，對意象的符號化以及對用這種意象的創新、加工和深思的符號化是不可能出現在計算機上的，在這里，人與機器之間永遠有一條不可逾越的鴻溝，但不是說機器不能有類似的形式表現，因為他們根據解釋主義強調，機器只要能寫出小說和故事之類，只要它們產生的效果類似于人類借靈感、意象之類的東西產生的效果，就可認為它們通過了圖靈測試，即可把這些現象歸屬于它們。在這里，AI創新能力建構要做的工作是，先弄清人類的靈感、想象、意象等能力可能產生的行為表現和在讀者身上產生的效果及影響，然后研究怎樣通過機器的運作產生這樣的效果。1

三、創造力機器實現的個案考釋

從問題研究的邏輯上說，要研究創造力計算建模與機器實現，首先要回答這種建模和實現“是否可能”這一前提性問題，但由于AI采取了邊討論邊實踐的策略，并取得了大量積極成果，從實踐上對這一問題做出了肯定的回答，因此，我們現在似乎沒有必要來糾纏這一問題。盡管仍有許多人不承認計算機所表現出的創造力是真正的創造力，但由于對創造力的理解有規范性特點，因此，不同人有權提出自己的創造力理解，進而有理由發出不同的聲音。根據一些不同的理解，計算機已表現出了創造力，其中的有些創造力已超越人類。特別是根據圖靈主義標準，計算機事實上已有人類創造力的外觀、行為表現和效果。有些方面，不承認它們是創造力，至少在許多人看來是沒有道理的。筆者的看法是，由于創造力的樣式很多，且每種樣式有自己獨特而復雜的構成，因此有理由說，計算機已實現了一些樣式的創造力或某些創造力的特定的構成方面，至少許多創新形式的行為表現有類似于人的創新的效果，當然它們的具體的內在實現過程不同于人類。這種實現方式的不同不能成為否定計算機有創新能力的根據，因為創新能力像其他智能現象一樣有“可多樣實現”的特點，實現方式的不同是世界上創造力表現出來的正常現象，不值得大驚小怪。下面將通過考察一些案例來加以說明并探討AI是怎樣讓機器實現創造力的，為后面進一步思考創造力的計算建模和一般性哲學問題做鋪墊。

創造力機器實現從20世紀中葉至今大致經歷了這樣一些發展階段：一是科恩、米漢和尚克等人讓程序創作藝術作品、建構相應的生成系統。二是特納設計的吟游詩人系統，這一階段的倡導者堅持強人工智能觀，相信人的創造力可還原為計算。三是許多科學家、數學家與計算機科學家合作建構科學發現、定理證明的階段。四是布林斯喬德等人所開創的以解釋主義和改進了的圖靈主義為特征的階段（這是最有影響的、得到較多人支持和推進的走向）。2 五是基于新的“計算創造力”研究，由進化方案、聯結主義方案、新計算主義方案、動力學方案、生態系統方案共同推動的多元化發展的新階段。

這里擬以科恩的會畫畫的計算機程序為例來考察第一、二階段創造力機器建模的工作及特點。科恩是很有成就的藝術家，后轉向AI，致力于探討人的創造力以及如何設計有創造力的計算機程序的問題，其突出成果是設計了若干代的作為計算機“畫家”的AARON，奠定了在該領域的崇高地位。他承認，讓程序完整表現人那樣的繪畫創造力是不可能的，只能讓它表現創造力的某些因素。他設計的程序AARON2就沒有建模人的全部繪畫創造力，而只將“視覺想象力”作為主攻的創新領域。他認為，按他的思路設計的程序之所以有創造力，是因為它有對表征建構的“狀態修改行為”。既然如此，研究機器的創造力實現問題，就應重點關注這種狀態修改行為。根據他對人類創造力構成因素的解析，它有這樣一些構成：一是內在的構成、過程，二是外部對象的生成，三是有“修改自己信念、創立新的信念結構的能力”，四是作為創造力之樞紐的“推測、思索”能力，人和程序莫不如此。由于有推測這樣的能力，因此人才會形成好的主意（idea）。科恩承認，有創造力的程序像其他程序一樣，不過是一種算法。而算法在許多人看來是沒有主動性的，而主動性是創造力的一個關鍵特征。如果是這樣，有什么理由說程序有創造力呢？他的辯解是，只要設計得好，程序是可以有創造力的，而不只是人類的一種被動的工具。當然，程序不可能完全表征出人所具有的那種創造力，即沒有像人那樣的創造行為，但可表現出人的創造行為的某些因素。1 算法在這里之所以不妨礙創造力在機器中的出現，是因為這里的算法能遍歷任何一組被占據單元的邊界。

下面，再以科學發現之計算建模為例探討第三個階段的工作及特點。科學發現無疑是創造力的最重要的表現，是最能體現人類創新精神的一種形式，當然也是最復雜、難度最大的創新形式。蘭利（P. Langley）等人不泛泛談論創造力的機器建模，而把建構科學發現的機器實現系統作為主攻目標，明確強調：他們的任務就是建立關于科學家在做出科學發現時所用方法和過程的更為廣泛的理論，并以此為基礎建模人類的發現過程和機制，探討如何由計算機來實現科學發現。根據他們對科學發現本質的分析，科學發現作為創新的高級形式不是什么特殊的活動，而是問題解決的一個特例。根據他們關于問題解決過程及機制的認識，大腦是信息加工系統，創新、發現的過程是從接受、加工信息的過程到輸出信息的過程。大腦解決問題的方法和過程是，先建構關于問題空間的符號表征，然后用包含在問題空間中的算子來修改那些描述子問題情境的符號結構。探索問題解不是由試錯隨機實現的，而得益于選擇，選擇是由規則即啟發式方法引導的。在這里，啟發式探索至關重要。計算機的創造性模擬是可能的，如只要寫出了類似的程序，就可解決相應的問題，完成創新任務。2 其內在根據在于，計算機程序實際上是一組差分方程。所謂差分方程是指包含未知函數的差分及自變數的方程。程序基于它的記憶狀態和它在循環開始時的輸入狀態來決定它在當前操作循環中的行為。每一循環中所采取的行為又決定了機器的新的狀態，進而決定了下一循環的行動。3 總之，只要寫出這樣的程序，它描述了有智慧的成人用來解決問題的過程，那么就能完成科學發現過程的計算機建模。按照此思路，已誕生了許多模擬科學發現過程的程序，如Bacon、元-Dendral、AM、EURISKO、STAHL和 GLAUBER等。計算機對發現過程的模擬表面上看只是在重復，其實由于它的搜索空間一般較之于人類科學家考慮到的可能選項要多，同時也能考慮變化的情況，經過尋優所找到的問題解可以超越已有的認識，因而具有創新意義。科學發現的創新除了表現在結論上之外，還表現在科學家以敏銳嗅覺提出的問題之上，有時提出問題比解決問題更關鍵。但是要讓機器像訓練有素的科學家那樣提出有真正價值、能引導認識向縱深發展的問題則十分困難。蘭利等人認識到，AI在這里的任務就是創立一種能模擬科學家提出有價值問題的能力的問題生成器。基于對科學家提出重大創新問題過程和機制的解剖，他們設計了AM這一問題生成程序，可把它稱作遞歸問題生成器。其任務就是用“有趣”這一標準生成有趣的新概念，隨著概念加到它的儲存中，它就能提出如何用這些概念生成別的概念的問題。4

我們再來看布林斯喬德等人的建模工作。他們“放棄計算還原的夢想而轉向探尋更靈巧的工程實現”，5 即設法讓機器作家的作品表現人類作家之作品那樣的效果，為此，他們在實驗室花了五年時間創造了一個“機器作家”，即布魯圖斯。創造這樣的人工系統，不僅離不開計算機科學的理論研究和工程實踐，而且離不開哲學分析和論證這些哲學化工作，因此他們說：“讓布魯圖斯誕生的助產士是哲學。”6 他們在具體建模時，先解剖人類天才作家的創造力，并從中抽象他們的標志性特點，然后將它們計算化、形式化，據此寫出算法，設法讓他們的故事生成器也有表現這些特點的對應部分。要讓它們得到機器的實現，就要建構真實的系統，它能借助內在的邏輯結構和執行過程讓被生成的故事離最初的內在知識表征有足夠的距離，并沿著不同的維度（寬廣的變化度）發生變化，進而讓讀者得出該系統有創造力的歸屬或印象。按上述思路設計的故事生成構架有這樣幾個方面，一是組件配置，二是形成情節，三是故事結構拓展。他們的布魯圖斯不拒絕構件配置，如布魯圖斯能生成基于主題描述的場景。故事大綱是通過從典型集合中挑選段落和句子語法構成的。這些語法極像高參數化的組件。它們基于主題、情節和維度而具體化。總之，布魯圖斯的設計融合了各種技術，因此成為有創造力的自主體。1

再看最近公開打出“計算創造力”旗幟的創造力機器建模的嘗試性探討。它認為計算創造力是創造力的多種樣式中的一種，既是計算機所實現的創造力，又廣泛存在于人類、自然界等之中。在其倡導者看來，計算創造力（Computational Creativity）超越于或不同于已有的所有創新形式。這一創造力極為重要，因為它提供了前所未有的機會，同時為應對我們在當今世界所碰到的挑戰提供了條件。作為一個研究門類，它是AI的一個子領域，是專門研究計算創造力及其機器實現的學問，是以新的方式探討創新的手段，旨在研究怎樣建構能表現人所具有的創造力的程序，用更實用的術語說，它旨在研究、建造這樣的軟件系統，它們能在藝術和科學項目中承擔一些創造性的責任。這里的“程序”不同于別的程序。別的地方所說的程序是純粹的工具，充其量有增強人類創造力的作用，而計算創造力理論中所說的程序有獨立的創造力，要么是人類創造力的伙伴，要么是自主的作家、科學家、藝術家。里面已形成了許多不同的走向，如進化方案、聯結主義方案、生態系統方案等。以倫敦理工學院的“計算創造力研究小組”為例，已圍繞此課題做過很多研究項目，它們的共同目的是建構有人類那樣創造力的軟件。2 該小組的一個重大項目就是建構一個自主生成畫作的程序The Painting Fool。研究人員希望未來某一天它被當作有自己權利的、富有創新能力的藝術家。其組織者是科爾頓（C. Colton），參與者有碩士、博士等研究人員。他們堅持這樣的設計原則，即不僅讓程序能產生有文化價值的作品，而且讓觀眾能感受到它們是以有趣的方式創作出來的效果。他們已設計了軟件技術工程，它需要運行大約20萬行Java（一種軟件語言）代碼，此外還離不開大量別的軟件部分。

四、關于創造力計算建模和機器實現

方向和方式的思考

創造力及其計算機建模與機器實現的AI探討具有一箭雙雕的意義。一方面，這一探討有利于真正實現AI所確立的模擬、增強、延伸乃至超越人類智能的理想，因為創造力是智能這頂神圣皇冠上的明珠，是AI的圣杯，沒有創造力的智能不是真正的智能，沒有關于創新的理論和工程研究的AI研究不是真正的AI 科技和哲學。而在過去長時期內，AI的創新理論研究和實踐建模相對其他領域而言是非常薄弱的環節。另一方面，AI的創造力研究和建模盡管要以有關科學和哲學關于創新的理論為基礎和前提條件，但這樣的研究又有反哺別的學科進一步發展對創造力的認知的作用，質言之，對于我們認識、發展和利用人的創新能力有不可限量的意義。過去AI中的創造力建模之所以大大落后于其他領域，主要是因為創造力本身是我們認知中的一個“黑箱”。既然只能作為謎、神秘而存在，我們怎么有可能去建模呢？AI最近幾十年在創造力建模這一領域艱難的探討為我們進到黑箱之中、揭示它的本質和奧秘打開了一扇門。事實上，伴隨創造力的AI研究的發展，已然誕生并正在發展著所謂的“計算心理學方案”，它以這一領域的有關成果為基礎。反觀人類的創新能力本身，有的AI哲學專家甚至認為，AI創造力建模的成果對于創新的哲學和心理學研究的意義大于后者對于AI創新研究的意義。博登說：“我們對計算機程序的‘創造力’感興趣，僅僅著眼于它們能說明人類的心理秘密。”3 如AI專家把探討科學家科學發現具體實例中總結出的一般方法、原理具體化為計算機程序，進而建構出人工的科學發現系統。由于它們不是簡單重復某些理論、定律等的發現過程，而增加了已有的科學發現所沒有的新內容及特點，如此建構的人工發現系統不僅有發現功能，而且有檢驗、評價和修改功能，因此，它們就有幫助我們進一步弄清人的科學發現的心理學機制的作用，有為揭示隱藏在這一過程后面的信息加工機制建立可檢驗理論的作用，同時，它們也為關于發現的規范性理論的發展提供了基礎，特別是為發現過程提供了啟發式方法，有助于重新認識發現過程和驗證過程之間的關系，有助于我們認識科學發現的邏輯和歷史過程。

AI的創造力理論和工程實踐研究盡管取得了巨大成就，并步入了發展的快車道，但相比于這門在當今社會居于要津地位的科技的其他領域而言，仍未走出弱勢領域的地位，特別是發展過程中還存在著大量嚴峻的、甚至是難以逾越的障礙，因此既需要有關專家加大投入力度，也需要哲學等鄰近學科參與把脈、會診。

值得特別關注的問題是，計算機所實現的許多創新能力盡管在行為表現和效果上與人類的創新能力沒什么區別，即可通過圖靈測試，有的甚至有超越，但連設計出了表現極佳的創新程序的專家如布林斯喬德等人仍堅持認為，他們的創新人工系統并沒有真正的、與人類原創能力相媲美的創造力，即不是真正意義上的創新。這是為什么？尋找這里的答案好像只會把我們帶回到常被人們爭論的問題上，即計算機是否能實現創新能力？它能模擬和超越人類的創新能力嗎？號稱有創造力的人工系統真的有人類那樣的創造力嗎？其實，這里探討的意義遠不止于此，因為對上述矛盾現象及其所隱藏的問題的探討將觸及這一領域的許多基礎理論問題，特別是事關它們的發展方向、發展方式的問題。其表現是，這樣的探討將促使我們去思考上述常見問題的“問題”。根據我們的思考，上述常見的問題不僅有概念混亂不清的問題，還預設了創造力概念理解中的沙文主義、內在主義、人類中心主義。所謂沙文主義是指這樣的觀點，即認為創造力是只有人才有的能力，而且是一種獨立的能力，它唯一且高高在上，與基礎的思維、記憶等心理要素沒有什么關系，就其持有者而言，是只有少數天才才能表現出來的能力。所謂內在主義是指強調創造力僅是一種內在的、神秘的過程，與外部行為、環境沒什么關系。這些認識顯然有人類中心主義的傾向。本文認為，這里的基礎性問題不解決，關鍵的障礙不清除，AI高質量的、快速的創造力研究和建模將是不可能的。

要想讓這一領域步入真正的快車道，必須認識到創新能力的多樣性。其表現是多方面的。首先，創造力不是人類獨有的能力。我們今后在創新模擬和建模時，在尋找和模仿典范或原型實例時，就沒有必要僅局限于人類的創新能力，而應有更廣泛的模板和更開闊的視野。事實已告訴我們，人以外的大量事物都已表現出有自己個性和優勢的創造力，如進化算法、蟻群算法、退火算法等所模擬的對象就有自己特定形式的創新力。其中特別值得一提的是進化，它的創新的最大表現和成就是創造了地球上最具創新力、最具原創性的人類，如果它不“創新”，地球上就不會有創新現象的發生。可見，它是創新的根源和源動力，是智能的本原性的“創始人”。它的創新的特點在于，找到了繞過神經回路計算限制的辦法，從而創造出人類這樣的生物體，人類反過來又發明了一種比碳基神經元快一百萬倍的計算技術。如果我們的AI創造力的研究要有模仿對象的話，除了人類，還應解剖進化。根據新的解剖，進化是開放系統，不同環境中的進化由于涉及的內外環境不同，便有樣式和復雜程度極不相同的進化形式。生命特別是人類產生后，生命（特別是人類）的進化就極不同于其他的進化形式，其突出表現是，這種進化中鑲嵌著技術的作用。還要看到的是，創新能力建模的原型實例遠不止這么多，如計算機本身的創造力現在盡管有爭論，但它畢竟已表現出了創新的現象，有時至少能輔助人類的創新，因此計算機及其智能也至少能成為我們在抽象創新能力的一般本質和標準性特征時關注的一個模板個例。另外，創新能力的多樣性還表現在，即使是就人身上表現出的創新能力而言，它的形式也是多種多樣的，既有有重大科技意義的、由天才們完成的創新，也有平常人在日常的思考、言論和行為中表現出來的創新;既有通過重新組合舊要素完成的創新，也有以原創、思維方式轉型為特點的創新;既有提出新的問題、創立新方法的創新，也有創立新理論的創新;既有由個體獨自完成的創新，也有由群體完成的創新;人類的部門、領域多種多樣，即使是就學術部門而言，也有數不清的自然科學和人文社科分支，它們的創新形式在問題、方法、過程和內容等方面千差萬別。再者，就創新能力的構成而言，它不是單純不可分的現象，而有其復雜的構成，而且每種創新樣式的構成及結構又都有其特點。要把它當作一種獨立的能力看待，需要有整體的認知，需要人的抽象和融合。這里最重的是要看到，創新能力既有內和外、里和表的構成，還有個人構成和社會及環境的構成。看不到這一點，是會不利于甚至妨礙AI的創新建模的，因為既然它有內、外的構成，我們在建模時，就可兩條腿走路，如既可研究如何模擬創新的內在過程和機制，也可模擬創新的行為表現。這里，我們一定要破除這樣的觀念，以為外在行為模擬無關緊要，或不是創新能力本身的模擬。這樣的觀點既是有害的，又是錯誤的，如維特根斯坦的著名命題所說，內在過程必有外在標志。因此，讓一種程序去表現外在標志，也會涉及內在過程的模擬，只是這內在過程可能是多樣化的。只要明白了功能主義心靈哲學的“可多樣實現原理”，就會明白這樣的模擬的合理性和有效性。最后，在認識創新的多樣性時，我們還應看到這樣一個對AI創新建模極有意義的創新實現方式，即創新的交互實現或人機聯合實現形式，如現在許多重要的理論創新、科學發現都有計算機的創造力的參與。就此而言，我們不僅應在理論上承認這樣的創新形式，而且應看到并重視和發展機器創新這樣一種方式。今后，我們不應排除這樣的可能性，即隨著大腦接口、人機交互、軟件向人腦的移植技術的發展，人機聯合創新將成為未來創新的一種有效而重要的方式。

從創新能力的多樣性結論中可引出的關于計算機創新能力建模和機器實現的可能的啟示是，這一研究應堅持多元化、無政府主義的道路，既可模擬人類的創新能力，又可模擬非人的創新能力;既可讓機器完整實現某一創新能力，也可只讓它實現該能力的某一部分或某一要素，甚至讓其參與某一能力的完成;既可在弄清人類創新過程和機制的基礎上，著力模擬其內在過程，也可著力模擬其外在行為表現或效果，就此而言，布林斯喬德等人的故事生成系統不僅不應被輕視和詆毀，而且應大力提倡和發展。還有，不參照任何原型實例，不設定模擬對象，獨立地、創造性地研究創新的實現方式，即只要機器能給人以有創新的效果感覺，只要能通過圖靈測試，就應是被允許和提倡的。機器輔助人類創新也應看作它有創新能力的表現，也應是今后發展的一個方向和方式。一個能確定輸油管泄漏的程序做了需要人用創造力才能做的事，為什么就不能被認定為創造力呢？許多大學和制藥公司都在利用進化程序來幫他們設計供基礎研究所用的新分子，等等，都應被如是看待。計算機科學、AI完全可以走不模擬任何對象的創新設計道路。就此而言，把AI定義為模擬和超越人類智能的科學是片面的、狹隘的，在實踐上是不利于它更大規模發展的。正確的定義是，AI是研究如何實現和發展智能的科學和技術。

創造力的計算機建模和實現研究面臨的最大難題是靈感、意象、直覺、頓悟等非邏輯思維能力的理解、計算化和建模問題。本領域在這方面的表現不佳也是許多人否定機器能建模和實現創新能力的主要理由之一。筆者認為，已有大量研究所堅持的自然化、計算化道路是正確的，應繼續堅持并大力加以發展。因為不這樣做，就沒法消除靈感等之上所纏繞的神秘性，而不能驅除神秘性，機器的建模和實現就永遠是不可能的。已有的用信息加工和聯結主義模式特別是“逆向人腦工程”的方法所做的自然化工作，在方向和方法上是正確和可靠的，它們強調要理解這些現象，特別是要對它們做出建模，必須進到與加工表征的思維過程的關系之中，關注儲存、修改、提取信息的過程。可以肯定，當信息儲存于記憶中時，就有算子存在那里，有信息被給予。插入信息、修改和刪除信息以及對信息做出處理都依賴于記憶的聯想結構。總之，過去被看作神秘過程的東西現在可看作是特殊的信息加工過程，如果它們是創新的一個根源或機制，那么只要能用信息加工和神經網絡的語言加以理解和描述，也就不難在機器上得到模擬，只要能建構相應的信息加工系統或神經網絡模型就能如愿。當然，要使這里的自然化、計算化建立在扎實可靠的地基之上，除了要有先進的、堪能作為自然化之堅實基礎的科學理論之外，還應有扎實的現象學研究。只有這樣，我們才能如實地將活生生而非肢解割裂了的靈感之類的現象弄清楚并再現出來。正是看到這一點，現在在心靈哲學和認知科學中才有強調將自然主義與現象學融于一體、倡導自然化現象學的潮流。

在前面，我們盡管強調原型實例的多樣性和建模創造力的多元化方向，但并不否認人類的創新能力是我們建模的主要“榜樣”。而要如此，就要用上面所強調的將自然主義和現象學融合起來的方法論原則，如實地、活生生地解剖人類的創新能力。在這個過程中，“人腦逆向工程”大有可為。這里所謂的逆向就是從活生生的智能現象出發，倒溯它們生成的過程和機制，直逼最基本的神經元及其連接模式，然后再以計算的方式模擬這些過程及結構以便生成相應的智能形式。基于這一工程，人類大腦的許多區域已經被破譯了，并且它們的大規模并行算法也被破譯了，專門區域的數目比原先預計的要多得多，多達200多個。據稱它們已被掃描、分析和理解了。有關成果已應用于基于機器的神經網絡。當然在應用時，又綜合了來自其他相關方面的成果。如此建構的網絡比人類網絡要快得多，其計算能力和存儲量也要大，而且在不斷改進，盡管它們不由基于碳的細胞實現，而由基于電子、光子、量子的等價物實現。未來計算機的創新能力建模與實現也應利用這方面的成果，即先利用逆向工程弄清人類創新能力所依賴的特定或主要大腦區域，然后綜合有關技術，建立相應的有創新能力的神經網絡模型。

AI對創造力的理論和工程實踐研究及其成果也有反哺哲學、心理學對創造力認知的意義，如用程序、映射、突現等說明創造力的本質有助于我們深化對智能、創造力的認識。盡管它只是一個程序，通過對它的解剖，我們可以形成關于智能、創造力的更具體、更具合理性的認知，這些認知盡管帶有隱喻性質，但可成為理解人的理智能力及其作用方式的基礎。據此可得出關于智力行為的這樣的結論：它不過是建構表征的自由的、連續的過程。

Abstract： The AI discussion of creativity and its computational modeling and machine realization is of double significance. On the one hand， this discussion is conducive to the real realization of the ideals of simulation， enhancement， extension and even surpassing human intelligence established by AI. On the other hand， AI’s creativity research and modeling has the effect of feeding back the further development of disciplines such as philosophy and psychology on the cognition of creativity， which is of infinite significance for us to understand， develop， and utilize people’s innovative abilities. If this field is expected to enter the real fast lane， it is necessary to recognize that the diversity of innovation capabilities should not be limited to modeling human innovation capabilities， but should have a broader template and a broader vision. Correspondingly， this research should adhere to the principle of diversification， simulating both human innovation ability and non-human innovation ability. The machine not only fully realizes certain innovation ability， but also realizes a certain part or a certain element of the ability， and even participates in the innovation of human beings. The biggest problem in this field is the understanding and modeling of illogical thinking abilities such as inspiration. To resolve this problem， we can only learn from and develop the achievements of human brain reverse engineering based on the integration of naturalism and phenomenology， and continue to promote the naturalization and calculation of creativity.

Key words： creativity; computational modeling; machine realization; artificial intelligence

（責任編輯：蘇建軍）