郑磊/文
作为行为经济学研究者，赫伯特·西蒙一直是无法忽略的伟大学者，被誉为二十世纪罕见的“文艺复兴式科学家”，这可以从他荣获人工智能和计算机科学领域的最高奖“图灵奖”得到印证。他在心理学、组织理论、管理运筹学、政治学、人工智能等方面做出了突出贡献，提出的“有限理性”使其成为行为经济学思想先驱，并因此获得诺贝尔经济学奖。我之前看过他的自传《科学迷宫里的顽童与大师》，最近因为研究大脑认知的秘密，又看了他的新书《认知：人行为背后的思维与智能》，以他自己在北京大学做的认知心理学讲义为蓝本。西蒙因在专家智能系统方面的突出贡献，被人们称作“人工智能之父”。这本书可以看作是这方面工作的基础研究，深入浅出地介绍了大脑学习、记忆和解答问题的步骤，以及如何用计算机程序模拟这个解题过程。对于我们改善学习方法和提高解决问题能力很有参考借鉴价值。
西蒙介绍的是认知心理学信息加工学派，认为当人受到外界刺激时，会依靠大脑中的经验决定做出什么反应。而经验包括了机体的状态以及存储的内容。我们把人看成是一个信息加工系统，也叫“物理符号系统”。这里的符号就是模式。一个完善的符号系统包括了六种功能，能够表现出人类所具有的智能，而用计算机程序也可以实现这六种功能，因此理论上可以用计算机模拟人的活动，这就是人工智能的理论基础。
人们日常生活中，每时每刻都有大量符号进入感觉器官，经过加工处理，形成了短时记忆和长时记忆。这些长时记忆会成为我们对外界刺激做出反应的主要工具箱。人的记忆不像计算机那样按照最小的比特为单位，而是通过编码将零碎信息变成“组块”，以提高记忆效率。短时记忆所需时间短，但只能记住4个组块。只有通过重复，将这些组块变成长时记忆，才能永久保存，而后续提取和使用时，遵循相反的步骤，长时记忆里的东西先转入短时记忆，然后使用。认知心理学发现，人类解决问题的过程就是“重新辨识”的过程。接收到外界信息（看到、听到或感觉到）时，大脑马上会在长时记忆网络里自动快速查找类似的记忆片段，进行信息对比检验，这个过程在无意识下进行，速度非常快。如果没有找到相关信息，则启动逻辑思维系统，开始像新手一样解决这个问题。所以人的学习过程很重要，通过学习和记忆，熟悉了之后，再次碰到类似情况，就可以自动、无意识地进行分辨了。
人的学习过程是需要重复多次进行的，需要多长时间学会，取决于学习对象的难度和学习方法，比如针对记忆和认知特点，设计一些巧妙方法提高学习效率。每个人在信息编码和学习策略上是不同的，因此智力表现不同。所以人工智能模仿人的思维，其实也存在着差异，只是计算机存储和运算能力能够消弭其中一些人类智力上的差异。我们都羡慕专家高超的解决问题能力，实际上，是专家积累了相关领域的各种知识和相关线索，有助于他们提取不同的知识。专家的知识量是5-20万个组块，要获得这些至少需要十年时间，约1000个小时用于学习和记忆。这就是专心做一件事，十年能成为专家的原因。此时，在专家大脑中形成了相关知识对应的神经元的某种网状结构和联结，遇到问题时可以很快分析并做出反应，这种专家直觉来自非常熟悉的领域。作者还指出在解决问题时，简明的图解对于解决问题有很大帮助，这和我在读数学系时的经验是相符的。做出直观表征是问题解决的一个中心环节，是成功的一半。专家看到相关领域的问题时，能立刻提取丰富的信息，了解这个问题的含义，做出即时推理；如果暂时无法解决，可以继续扩展信息，存入记忆，直到能够解决这个问题。这是一个不断学习（收集和记忆信息）和推理交错进行的过程。
西蒙有个论断引人深思，他指出数学不适合用来研究人类行为，而计算机程序语言比数学更能描述人的心理现象。社会科学研究，尤其是现代经济学研究中，过度数学化并没能提高我们对于人类社会行为的认识和解释，也许通过采用计算机作为工具，利用大数据、人工智能、计算机仿真等方法，才能找到更好的解决途径。
