正文
人工智能与心理学交叉的“主战场”──类脑智能
基于一个似乎不言自明的前提，有些人工智能研究者为自己设定了一个可行目标：既然人脑肯定有智能，那么只要能够在软件中复现或部分复现人脑，也一定能够实现或者部分实现智能。也就是说，智能源于生理结构，“模拟出类似人的大脑，机器才能产生真正的智能”。
于是，计算机与计算神经学在此携手汇合，并出现“类脑智能”的新分支，又因所需模拟尺度的差异分为局部和全脑两个不同的类别，前者往往是具有计算机功底的神经心理学家，通过构建小型计算模型来模拟和解释人类的心理问题，优点是针对性强、运算量小、开发难度低，缺点是模型的泛化性差且生态效度不高。国内代表性工作有华东师范大学心理学院郭秀艳教授的内隐学习模型及华南师范大学陈奇教授心理数量表征的计算模型。后者则聚集了具有神经心理学功底的计算机科学家，认为智能是整体涌现的功能，局部性的向下分解将失去智能特性。因此，这一学派学者从一开始就强调“全脑计算”，试图在全尺寸上整体仿真人脑。考虑到人脑生理的复杂性，模型的建立一般由易到难，大多从低等动物开始，然后由低等哺乳类动物向高等哺乳类动物过渡，最终实现对人脑系统的模拟。优点是通用性强、模型扩展性和泛化性强，缺点是开发、运行和维护难度大、成本高，同时模型的可解释力较弱。国内代表性工作是中科院计算所曾毅教授团队的鼠脑和猴脑模型，已经可以在猴脑模型控制下实现机械眼和机械臂对陌生物体识别和抓取的高效学习
[1
]
。
螳螂大臂的锯齿和木工锯子如出一辙，鱼鳔和潜水艇的压载水舱也是异曲同工；然而，同样也很明显，蝙蝠的耳朵和雷达长相完全不同，人类通过捆扎翅膀并不能飞行，而最终制造出来飞机既没有羽毛，也没有翅膀的上下扇动。这说明，仿生是人类向自然求教、收获知识并改造世界的一条有效路径，却未必是唯一路径。因为飞行能力背后的依据是抽象的空气动力学，这种抽象能力的实现固然需要载体，但载体之间的差异可能非常大。
事实上，所有种类的能力在本质上都是抽象的。比如：生命是一种生存延续的能力，其载体既可是动物、植物、微生物，也可以是计算机病毒之类的虚拟人工生命形态。而人脑恰好是智能与生命两种能力的统一实现，因此脑科学的所有研究成果同时具有两种不同能力的成分，很难在纯粹的心理和纯粹的生理作用下划清边界。
这便是人工智能视域下心理学和脑科学相关研究所面临的第一个难关：
智能的能力和智能的载体之间耦合所产生的矛盾
。因此，从某种意义上讲，“仿脑”有可能是“仿心”道路上最艰难、最曲折、最漫长的一条弯路。
其实，类脑并不等同于仿脑，仿脑只是类脑研究中的一个组成部分。类脑研究分为两个不同的导向：“仿生”和“仿心”。心理学家和计算机学家在其中又扮演着不同的角色：
-
“仿生”就是仿刻大脑的生理活动
[2
]
，是由计算机学家主导的，或者实现部分或整体的软件脑，或者制作含有某种认知功能的躯体机器人，甚至模拟神经递质系统而得到诸如情感之类的心理功能；
-
“仿心”则是描绘大脑的心智活动，这是由心理学家所主导的，用以解释人类认知的一般规律。
其中，一部分“仿心”学者特别强调认知中元规则的基元特点，他们认为：“理性”和“非理性”、“创新性”和“非创新性”、“意识性”和“无意识性”之间非但没有明晰的划分，而且从本质上看都是一致的。这样的理论有很多，代表性工作有奥尔松
（Ohlsson）
的深层学习假说、巴尔斯
（Baars）
的全局工作空间理论、迪昂
（Dehaene）
的全局神经元工作空间理论以及托诺尼
（Tononi）
的整合信息理论等。然而，二者优劣互补却毫不兼容——“仿生”的操作性强、容易落地，但难以生成高级认知功能；“仿心”理论性强操作性差，系统很难落地实现。这一死局直到通用人工智能的壮大才出现了重要的转机。
通用人工智能——类脑智能战场上的“突击队”
类脑智能另一种“仿心”的派别便是通用人工智能。通用人工智能认为存在一般性的智能能力，而其实现的载体也未必非得垒筑于血肉之躯，计算机软件系统同样可以具备这一能力。通用人工智能正是人工智能的原初意义和目标，但随着人工智能领域的曲折发展，“人工智能”一词现已逐渐偏离了最初的内涵，而被赋予了更为混杂的含义。为确保通用人工智能讨论的清晰性，有必要先对人工智能进行明确的限定和说明。
在常见讨论中，对人工智能内部的领域有三种区分方式
[3
]
：第一种，分为计算智能、感知智能和认知智能三个领域；第二种，分为弱人工智能和强人工智能两块，而强人工智能也正是通用人工智能；第三种则分为专用人工智能和通用人工智能两块。第一种分类常见于行业演讲和报告中，既缺乏理论依据又具有误导性。实际上，所谓的计算智能和感知智能并不是真正意义的智能，但却错误地将智能实现分成三步，而且认为当前已经完成前两步即将走完最后一步，殊不知认知智能根本不是如此实现的。第二种则始于哲学讨论，“强—弱”意指智能的真假之分，却被误读为智能的宽与窄之分，事实上，三种概念体系之间不存在等同关系。只有第三种分类──“专用人工智能”和“通用人工智能”才是真正符合和适合当下语境交流的正确概念分类，即：
人工智能（AI）= 专用人工智能（SAI）+ 通用人工智能（AGI）
人工智能本质上为类人智能，即追求设计和开发像人脑那样工作的软硬件系统。对于“智能”理解的差异，使人工智能分化为专用和通用两个不同分支。其实，专用和通用存在根本性差异：专用人工智能的目标是行为层面上“看起来像有智能”，通用人工智能关注系统从内在层面上“如何才能实现真正的智能”。专用人工智能先做后思，即开始并不深究智能也不对智能做清晰的定义，而是通过技术迭代渐进式地提升智能化的程度，分为符号主义、联结主义和行为主义三个学派。通用人工智能则认为智能的存在代表着可以被认知的理性原则，采取先思后做的路径。
实际上，通用人工智能内部也存在不同学说和派别。本文基于的“智能的一般理论”及其“非公理逻辑推理系统
（NARS）
”的工程实现，便是通用人工智能领域中一个具有代表性和影响力的方案。其对智能的工作定义为：智能就是在知识和资源相对不足的条件下主体的适应能力
[4
]
