温和的和激进的具身认知观，本文主要内容关键词为：激进论文,认知论文,温和论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、具身认知及其两种形式
1.具身认知观
20世纪80年代以来的认知科学革命对哲学产生了重要的影响。在过去的几十年中，认知科学发展最显著的一个特点就是：越来越关注科学实验对心智现象的研究成果。在这样的背景之下，大脑解决问题的方式似乎也从根本上发生了转变。安迪·克拉克(Andy Clark)举过一个很好的例子[1]：要使一台由电脑控制的机器将不同的零件组装起来，其中的一个办法就是运用多重反馈回路来解决问题。这些反馈回路能够告诉计算机机器是否能够成功将零件进行安装，如果不行，要如何修正。这就是纯思维性(pure thought)的解决方案。但是具身思维(embodied thought)所提供的解决方案就完全不同了：用橡胶活动关节将机器的装配器械手联结起来，使得机器具有两只可活动的机械手。这样，计算机就不再需要那些纷繁复杂的反馈回路，而这些零件“就好像自动在成千上万经过精确编程的引导下自动滑到了相应的位置”。这个例子所要表明的是：如果我们仅仅将认知看作是问题解决的过程，那么我们就不得不在身体和世界中将大脑抽象出来。
但是，具身的认知观主张我们不应当抽象和孤立地强调大脑的认知作用，而应当将认知活动放在大脑、身体、情境和文化的整体系统中去讨论。这种具身认知观的研究工具和方法与传统的认知观是不同的。但是，具身认知是否完全不同于传统认知观呢？它们之间的关系是改良还是革命？具身认知研究的共同体是否共享了一个基本的哲学假设呢？在认知的动力系统理论(Dynamical Systems Theory，DST)提出后，围绕这些问题而展开的争论变得更加激烈。
2.具身认知的两组论题
具身认知研究的共同体分享了两个核心主张：
(1)对身体和世界的关注不但改变了我们对生物认知问题的看法，而且也改变了我们对它的解决方案的看法；
(2)要理解大脑、身体和世界之间复杂多样的相互作用，就要诉诸对涌现(emergency)、分散(decentralized)和自组织(self-organization)等新的概念、工具和方法的合理运用。
在这两个共享的主张之外，还有研究者提出了另外两个更为激进的主张：
(3)这些新的概念、工具和方法可能会取代(不只是加强)计算和表征分析的旧的解释工具；
(4)我们有必要对知觉、认知和活动之间，以及在心智、身体和世界之间的那些熟悉的区分本身进行重新思考，甚至抛弃这些区分。[2]
这两组论题反映了具身认知研究的共同体与传统认知科学的两种关系。前两个论题表达了一种温和的、与传统认知科学兼容的立场，而后两个论题则采取了更为激进的、抛弃传统认知科学基本概念的立场。根据这两种立场，我们将前者视为温和的具身认知观。这种具身观并不拒斥传统的认知概念和工具，希望在予以重新关注的基础上改良和扩展传统的认知科学。我们将后者视为激进的具身认知观，这种具身观认为建立在功能主义基础之上的表征和计算等概念是对自然智能体认知的不真实的刻画，我们应当抛弃它们并诉诸新的概念、工具和方法。这种观点的最主要的支持者是动力论者，他们坚持“激进的具身认知论题”(the Radical Embodied Cognition Thesis)[3]：结构的、符号的、表征的和计算的认知观念是错误的，具身认知的观念是非表征和非计算的，而研究和解释认知的最好方法是使用动力系统理论的工具。接下来，本文将进一步深入分析这两种具身观所蕴含的认知思想，进而探讨具身认知与传统认知观的相容或背离。
二、表征计算范式的困境
表征计算范式将内在的心智视为一个优先的、独立的舞台，认为身体活动和周围世界仅仅是认知舞台上无足轻重的小角色；心智是通过一个中央系统实现的，该中央系统的认知任务就是建立关于外部世界的详细的内部表征模型，然后由中央系统通过一定的规则计算内部表征，从而控制和计划智能体的行动。这个范式强调内部表征和中央的计算控制，而忽视身体活动和环境的作用以及心智、行动和环境之间的相互作用。但是，表征计算范式在实际的智能体设计和认知发展等研究领域中遇到一些根本性的困难。我们以两个具体的研究为例来显示其困境。
1.自治智能体和行动
认知科学不但研究生物智能体是如何实现它们的认知活动，而且还试图人工地实现乃至扩展它们的智能行为。人类一直渴望类似自然智能体的人工智能体能够代替或延伸人类的智能活动。自治智能体(autonomous agents)要求智能体能够在一个变化着的和现实的环境中行动并发挥作用，而且它们通常需要在嘈杂的、不完整的、相互矛盾的信息环境中生存(例如，人类、老鼠、野兔、蟑螂都是自然的自治智能体的例子)。那么，我们要如何设计出能够在拥挤的办公场所、机场、深海、火山坑或月球表面等各种不同的环境中灵活完成任务的人工自治智能体(机器人)呢？
自治智能体研究早期的一个著名例子就是麻省理工学院(MIT)移动机器人实验室(Mobile Robot Laboratory)在20世纪80年代设计的机器人赫伯特(Her-bert)。赫伯特的工作就是收集被扔在实验室里的废弃饮料罐。在这个真实的环境中，赫伯特必须与人类的研究人员一起生活。它必须避免碰撞那些研究人员，避免打断那些正在进行的精密的实验工作，同时，它还要四处活动，识别和收取那些被扔掉的饮料罐。
根据表征计算范式，对赫伯特的设计方式是：把感知环境的精细的扫描装置与复杂的图像处理和计划系统联系起来，其目的就是产生关于周围环境的详细的内部模型，识别饮料罐，然后标出有效的收集饮料罐的路线。
可是对于计算技术的现状而言，这种设计会把大量的时间花费在建立环境的内部表征和如何指令行动的计算上。而且一旦行动起来，赫伯特会很容易因为新出现的情况或意外的事件而受到干扰(如：实验室内研究人员的走动等等)。显然，基于这种范式的智能体很难应对因为行动所导致的随时间的变化而变化的环境状况。造成这个弱点的一个基本原因在于，表征计算范式将智能体的认知过程和行动过程看成是两个离散的独立单元。它过于倚重内部的表征和计算，而把身体活动和环境视为认知的外在因素，从而忽视了“身体与环境因素在认知任务完成中的本质作用”[4]。
基于这种范式的内在困境，赫伯特的设计者尝试发展了一种完全不同的设计自治智能体的观念和方法。这种新的研究思路是由布鲁克斯(R.Brooks)开创的。[5]布鲁克斯思想的创新之处在于：(1)无需设定一个进行统一计算和协调的中央系统；(2)充分利用简单的环境线索，而不是利用环境的详细内部表征所提供的线索；(3)充分发挥智能体自身的行动能力。布鲁克斯将他的设计思想称为“包容结构”(subsumption architecture)。简单地说，按照包容结构设计的赫伯特是由一些准独立的子系统构成的。其中的每一个子系统负责智能体活动的一个自主的方面。并且这些子系统不由任何一个中央系统管辖，它们只是相互之间传递一些简单的信号，如绕过、越过或偶尔改变一下对其它子系统的响应。因此，每个子系统的活动通常是包容在另一个子系统的活动中的。由于基于该思想设计的智能体无需产生和利用关于环境的内部表征模型，因而也就不必随着时间的变化而不断更新它的模型，同时也不必进行基于表征的复杂的计算和推理；各个子系统无需把数据传输到中央智能系统就直接产生和控制了特定的行为；智能体依靠自身在世界中的运动来简化行为路径，同时也允许自身的活动通过局部环境中的事件流进行调整和协调。简而言之，这种设计要表明的观念是：智能体的认知活动是由大脑(心智)、身体和世界协作完成的，这种方式能够设计出计算量小而又强健、灵活的智能行为。
2.跨步反射和涌现
正常的新生儿在清醒状态时，如果我们用两手托住其腋下使其直立，并使它的上半身稍向前倾、双脚触地，他们会像学步儿童一样表现出某种行走行为(即交替伸脚，做出向前行走的动作)。这就是在新生儿身上发现的跨步反射(Step-ping Reflex)。这种反射会在新生儿出生后不久出现，并在6到10周左右消失。传统上对这种跨步反射消失的解释是：较高级脑功能控制并抑制了较低水平的反射行为。但是西伦等动力系统研究者则给出了另一种解释。他们注意到，10周以后的婴儿处于仰卧状态时仍表现出这种“行走”模式，也就是说，这种跨步反射其实并没有消失。西伦等人认为，因为婴儿在出生后的最初几个月中体重增加迅速，双腿变得沉重，所以才会出现在10周后无法跨步的情况。[6]为了证实自己的理论，他们将直立时已失去跨步反射的婴儿放入齐腰深的水箱里，这时候，由于浮力作用婴儿的双腿变得轻盈了，就又表现出了这种反射。
由此，西伦等人认为婴幼儿的行为依赖于特定的身体能力和环境的协调。这个研究表明，婴儿的身体动作不是中央控制的单一因素作用的结果，而是多种因素的动力自组织的结果。更宽泛地说，在复杂系统的诸多因素中，系统行为并不是由中央控制或明确编程产生的，而是从系统个体因素间的交互作用中“涌现”出来的。
三、温和的具身认知
除了上面介绍的研究实例外，许多其它领域的研究，如巴拉德(D.H.Ballard)生物视觉(animate vision)的研究、海德格尔(M.Heidegger)的此在(Dasein)[7]的研究、梅洛·庞蒂(M.Mearlu.Ponty)的行为的结构[8]和知觉现象学[9]的研究，都充分地表明了：(1)智能不再仅仅以一种抽象的运算法则的形式存在，而需要一种身体的例示(physical instantiation)和肉体(flesh)的介入；对认知活动来说，除了内部的表征还需要身体活动的介入。(2)智能体和世界之间不是单向认知的关系，更为重要的是它们之间深刻的存在(existential)关系。(3)认知行为是耦合系统(coupling system)的涌现结果，而不是中央控制系统的逻辑计划的产物。
就此看来，论题1无疑是正确的。论题1不但确定了智能的具身存在形式，而且确定了智能体和世界之间的认知-行动(cognition-action)的耦合关系，这使得智能体和世界构成了一个统一的认知系统，认知是这个系统涌现的结果。既然智能体和世界之间不是单向的表征关系，而是认知-行动的耦合关系，那么这种关系就必然要求我们发展新的概念工具来处理实际的认知现象，即论题2：要理解脑、身体和世界之间复杂多样的相互作用，就需要诉诸对涌现、分散和自组织等新的概念、工具和方法的合理运用。
温和的具身认知观接受这两个论题所揭示的认知现象和对新的概念工具的要求，并且在认知活动中引入新的因素，即身体行动和世界。但它也不排斥传统的心智的表征和计算概念，而是将它们与新的因素结合在一起。这种结合的一个重要策略就是通过引入行动和环境认知任务中发挥的作用来降低表征计算范式中的任务的计算复杂性。下面我们以巴拉德的行动导向的局部表征(actionoriented local representation)[10]和柯施(D.Kirsh)、迈格利奥(P.Maglio)的认知行动(epistemic action)[11]的概念为例来阐述这种策略。
1.行动导向的局部表征
表征计算范式将表征视为有关环境的全面的、客观的、与智能体的行动无关的描述，并且智能体的表征活动是以绝对空间为参照的。然而新的策略则以身体为中心(body-centered)来确定环境的表征。这里的表征不是对环境的客观和全面的把握，而是以活动的身体为参照点的对环境的局部表征，即行动导向的局部表征。这个策略维持了认知的计算和表征描述的承诺，但是重构了计算和表征的本质，并且反映了身体运动在简化认知的信息加工中的重要作用。
巴拉德在生物视觉的研究中就使用了这种策略。在传统范式中，马尔(D.Marr)认为视觉任务就是在信息输入的基础上构造三维视觉场景的内部模型。然而，巴拉德的生物视觉的策略并不着力构造外部世界的全面的、客观的内部表征模型，而采取以身体行动为中心的“个人化表征”(personalized representations)——即有效的局部表征来指导行为。这种有效的局部表征能够大大地节省对物体识别所需要的计算。因为在大多数情形中，对于特定的认知任务而言，仅依赖简单的环境线索便可以有效地识别物体。例如，在寻找你的咖啡杯时，视觉搜索可能只需关注杯子特定的颜色就可以了。一旦视觉识别了杯子的颜色，那么智能体就可以忽略杯子的其它特性，只需拿起身旁该颜色的物体就可以了。当然，这种表征只是局部有效的。但是这种看似有限的有效性却恰恰显示了我们认知系统中的普遍特征。我们不但在有效的表征中用到了大量的局部环境线索，而且这种对环境的有效构建也大大减轻随后的计算负荷。[12]
2.认知行动
柯施和迈格利奥用“认知行动”的概念来阐明行动在认知任务完成中的根本作用。他们认为，现实世界中的行动能够比在头脑中模拟的计算活动更便捷、更有效地完成某些认知和知觉任务。例如，我们借助算盘就能有效地减轻我们的记忆负荷，从而更有效地完成计算任务。
简单地说，认知行动是一些外部的身体动作，智能体通过完成这些行动简化内部计算并使心理计算更便捷、更可靠。柯施和迈格利奥认为认知行动的首要作用就是改善认知，降低表征计算的复杂性，它的实现策略是：
(1)减少涉及心理计算的记忆量，即空间复杂性；
(2)减少涉及心理计算的步数，即时间复杂性；
(3)减少心理计算错误的概率，即不可靠性。
传统范式试图在行动开始之前在内部表征模型中模拟所需完成的任务，其产生的结果就是导致内部表征的计算量急剧增加；而认知行动则将外部行动视为认知任务解决过程的一部分，因此与传统范式相比，这种方式减少了心理计算的复杂性。与导向行动的局部表征相同，认知行动也是任务特异性的，认知行动往往也有明确的认知任务，并且它不是普遍有效的而仅在特定范围内有效。
四、激进的具身认知
激进具身认知观最有力的支持者是认知的动力系统理论。传统范式的计算假设认为，认知系统是一个物理的符号计算系统，该系统对于智能行为而言是必要的和充分的。与之相对，认知动力系统的提出的动力假设(Dynamical Hypothesis)认为：“自然认知系统是某些类型的动力系统，而且动力学的理解是对认知系统最好的理解。”[13]
传统范式也把认知视为一个认知系统，但这个系统是符号表征的计算系统，是一个自足的、无身体和无世界的系统，其功能不过是把输入表征转化为输出表征。然而认知动力系统与传统的计算系统的概念完全不同。认知动力系统将大脑、身体和世界视为统一的认知系统，它们一起连续演化，并同时相互作用。传统的认知计算系统是通过周期的符号表征输入-输出与外部的身体和世界发生作用的，这种作用是外在的。相反，在认识动力系统中，内部(心智)和外部(身体、世界)是耦合的，因此内部和外部过程是连续的彼此影响的。
动力系统强调系统构成之间的耦合，以及因耦合的动力所促成的连续演化。我们知道复杂的系统行为是由微分方程刻画的，这种系统往往是非线性的，因此很难在系统的构成之间确定明确的、不变的边界。也就是说，(1)传统范式中内部心智与外部的身体和世界之间的不言而喻的区分不是先验的，因此(2)也就不存在内部对外部的先验的表征关系。这两点正是激进的具身认知所强调的。它们构成了对认知本体论上的规定。
因为认知动力系统的构成之间耦合作用的绝对复杂性，造成了割裂内部与外部因素的方法论上的困难。在这样的系统中，我们仍然可以识别系统不同的组成部分，但是如果我们将它们孤立起来将无法对组成部分的个体行动做出解释。这意味着仅仅观察个体单元，我们将无法得知它们的行动，因为即使研究的是它们自身的行动，研究的对象也是不足的。如果心智、身体和世界的因果关系事实上是连续的和互惠的，那么要从整个系统中割裂单个系统是不可能的。
认知动力系统极大地拓展了认知概念、方法和工具，自然也引发了对它合理性和可行性的广泛争论。激进具身认知观认为，动力系统的运用不仅仅是补充，而应当从根本上取代传统认知科学中的解释工具。它的一个普遍理由是动力系统抛弃了大脑的表征性的东西，它本身是非表征的。但是，这种认为动力系统是非表征性的观点并没有在学术界达成共识。例如，比切特(W.Bechtel)否定了那种动力系统与表征性分析是相互排斥的假设。他试图通过论证动力系统事实上可以是表征性的来解决动力系统和表征性分析之间的矛盾。在他看来，动力系统事实上是拓展了表征这个术语，而不是要取代它。他论证说，动力系统内的结构具有表征的基本特征：“替代”其他事物。同时，动力方案在以下两个方面不同于传统的表征方案，但是他认为这是有意义的，因为它们没有取消表征性的分析而是增加了新的含义。可是，动力结构就像联结主义者的(Connectionist)表征那样，在一些方法中仍然是作为表征的，诸如轨迹(trajectories)、动力吸引子(dynamic attractor)。比切特认为使得神经网表征化的标准也使得动力系统表征化。如果比切特是对的，那么动力系统在已使用的符号主义和联结主义的形式中新增了动力转换的表征(dynamically changing representations)。
比切特认为，认知科学探究的是多种表征的形式。动力系统通过引进新的概念，如轨迹、动力吸引子，不断地探究新的表征形式。[14]克拉克也认为，我们将“需要不同水平的混合分析……以及解释工具，将认知动力系统与关于表征的计算的观念共同建构起来”[15]。
无论是温和的具身认知观还是激进的具身认知观，都是在传统认知困境的基础上进行的新的探索。温和的具身认知观在保持传统认知观的核心假设相一致的同时，运用涌现的解释对传统的认知进行补充。这种新的具身进路利用环境线索发展新的概念(如行动导向表征以及认知的行动等)并简化了复杂的表征内容和过程。新的研究方法还把可以随着时间改变而改变的动力表征这种新的形式，加到符号的和联结主义的表征中去。并且广泛地运用动力系统理论来描述遍布于系统和环境中的组成部分之间的相互作用。总而言之，与适用于人造环境的传统方案相反，这些新的工具适用于对物质世界中时间临界行为的研究。因而，这些概念不是要消除传统的计算概念，而是对传统的概念体系进行了有益的补充。而激进的具身认知观则挑战了表征计算的基本假设，认为心智的表征计算观是错误的。由此，激进主义者认为动力系统不应该仅仅作为补充，而应该从根本上取代传统认知科学的解释工具。
温和的具身研究优于传统的人工智能进路。首先，具身化的方案不仅在理论上是可能的，同时在经验上也是可行的。第二，温和的进路比传统研究具有更强的解释功能，因为它旨在整合具身与非具身的机制，并恰当地运用两者的长处。因而，我们有理由期待温和的具身研究进路会比传统的进路发展得更好。
与温和的具身认知相比，激进的具身认知提出了某种对人、心智、认知和世界更具哲学意义的有益思考，但从经验研究的角度看，目前激进的具身理论作为一门不成熟的科学，还需要为经验性的研究发展一种更加充分的解释性语言，在这种语言形成以前，经验性的研究还只能作为对错误的小修小补。