心智、语言和机器的读后感10篇
《心智、语言和机器》是一本由徐英瑾著作，人民出版社出版的平装图书，本书定价：CNY 65.00，页数：461，文章吧小编精心整理的一些读者的读后感，希望对大家能有帮助。
《心智、语言和机器》读后感(一)：“人工”“智能”协奏曲
2015年1月22日，微软在其总部举行新一版操作系统win10发布会，发布会的一大亮点就是内置于win10系统中的新一代智能语音操作系统Cortana（中文名：小娜），Cortana系统不仅能够在一定程度上执行用户的语音指令，而且能够基于云计算、搜索引擎和“非结构化数据”分析，主动读取、“理解”并“学习”用户的使用习惯和储存数据，来理解用户当下的语义和语境，从而能够进行个性化的人机交流，手机越来越像一位真正的朋友。正在走进我们日常生活，以Cortana、ios系统的Siri和Android系统的Google now为代表的智能软件，以及在各种领域中更加智能的软件甚至更加智能的机器不断面世，这一切似乎预示着一个全新的更智能的时代的到来，我们甚至早就已经在想象着每个人都拥有一台机器助手的世界了，在家有机器人仆人为你端茶倒水，工作中有机器人助手听候差遣，战场上有机器人战士赴汤蹈火……然而这些看似美好的现实、想象和蓝图，却不得不首先面对一个看起来略显尴尬的首要问题：“人工智能可能吗？”此书作为人工智能哲学的专著，所要处理的核心也就是这个问题。
这本书可能是我目前为止读过的“技术含量”最高的一本书。大量的图表，复杂的计算公式，一大堆统计学和科学专业术语，再加上本书所涉及的是对我来说几乎一无所知的人工智能、计算机科学领域，这对于一个文科生绝对是一个“噩梦”，用“望而生畏”来形容绝不夸张。我觉得要不是作业要求，否则我可能一辈子都不会碰一本这类书。然而出乎意料的是，依托于较强的逻辑性和徐老师一贯清晰的语言表达，此书的可读性实际上是比较高的。
由于此书所涉及的内容对我来说实在太过陌生，很多东西都是第一次听说，研究水平也远超出我的现有能力，对书的大部分内容只能说是可以理解而已，实在没有能力对此书的内容进行讨论，也就只能姑妄言之，姑妄听之。
我经常说，我到目前为止读书中最大的收获就是对于德尔菲神庙的神谕“认识你自己”有了一点真正的觉悟，“认识你自己”真正成为了我最切身的问题，是我所面对的首要的，也是根本的问题。哲学的目的不外乎就是“认识自己”，甚至人类一切知识，一切活动的目的也只有一个，那就是“认识自己”。不论在什么时代，哪一个种族，对于自己的惊讶永远是人在面对这个世界时最源初的惊讶，因此哲学和科学都是西方世界在认识自己的道路中的产物，并没有本质上的区别，即使西方文明和东方文明以及各个文明之间，在面对“认识自己”这个终极使命的时并没有根本上的不同，都是对这个问题的探索，这也就决定了所有的文明成果都是可以相通的，其间也并没有任何高下之分，在本质上都是平等的。各种文明轨迹顶多只能说暂时方向不同而已，而方向的多样性恰恰是我们最大的财富。而读完这本书，我发现人工智能似乎为对人类文明进行整合提供了一个良好的契机和切入点，或者说人工智能本身就在呼唤着这中整合。人工智能，通俗来说就是一种彻底的人造人① ，而且这种“造”并不只是造物理身体，而是更侧重于被认为是人之为人的心智的制造。那么要人工制造人，我们就得首先要搞清楚“人是什么？”，也就是我们首先要认识我们自己。人类在认识自己的努力中创造出的所有文明无疑是我们所仅有的，同时也是巨大的资源，深植于人工智能之中的这个任务也要求我们对人类文明进行“认识自己”视野下的深度综合，整本书也可以在一定程度上看作是对这种整合的尝试。
也许我们在探讨“人工智能是否可能”的时候，首先应该问一下“我们制造人工智能的目的是什么”。因为光从字面上看，“人工智能”就已经是个十足的怪胎，“人工”和“智能”看上去完全是水火不相容的一组词，“人工”意味着被动，“智能”则意味着主动，那么我们为什么要去造这么一个怪胎呢？在我看来，如果将人工智能看做人的仿生学产品，那么根据人的智能在机器上的实现程度，人工智能可以划分为许多等级。从一个简单的计算器、一个生产线上的自动手臂、我们日常生活中的智能设备，到高精尖的大型智能系统，当然也包括想象中的未来机器人，在我看来都可以叫做人工智能系统，其人工智能水平也是从弱到强。人工智能系统的强弱主要体现在系统运行对于人的依赖程度，智能越低的系统依赖性，对于人力的节省效果也就越差，所以人工智能的终极目标就是对于人的最小依赖，甚至是自出厂之后就可以完全脱离对于人的依赖。较弱的人工智能已经得到实现，并已经深入地融入了我们的日常生活的方方面面；而强人工智能却依然没有实质性的突破，还都只是停留在科幻电影的胶片上（页30）。
从历史的角度看，人类第一台智能设备——由美国军方研制的“电子数字积分计算机”——就是为了代替人工计算，以便更高效、准确地计算出炮弹弹道，由此看来，人工智能的滥觞无非是试图将人心智的逻辑运算能力进行有限的机器化。然而，第一台电子计算机的面世就仿佛打开了一个“潘多拉魔盒”，只是这次盒子里面装的不是灾难，而恰恰是希望，这希望就是对强人工智能的希望，将人的心智中的更大能力进行机械化的希望，不论是图灵，还是1956年的达特茅斯会议，都是对强人工智能期望的表现。所以，上面的问题更准确的表达应该是“强人工智能是否可行？” ②而历史表明，强人工智能起初仅仅是个美好的假象而已，甚至连理论预设都算不上。所以，人工智能科学的发展一开始并且始终处于一个尴尬的境况，虽然人工智能科学的研究不断取得进展，但是对于“人工智能是否可能”这个问题却从来没有达成统一，不同流派对于人工智能的整体理论架构也是大不相同，人工智能系统的研究就可以看做是对“人工智能系统是否可能”的研究，而这个问题答案看上去只能是在未来。而且这个问题看上去只有一个肯定的回答，也就是当我们造出一个我们认为足够智能的机器的时候。只要这一天没有到来，那么这个问题始终存在，而且我们甚至都不知道对这个问题的否定是否存在，除非我们彻底丧失了对于强人工智能的希望。
本书首先过去已有的对于人工智能可能性探讨的路向进行总结，并分析指出其各自具有的局限性。总体来看，人工智能的可行路向无非有两条：以“符号物理主义”为代表的“自上而下”路径和以“联结主义”为代表的“自下而上”路径。然而这两条路径都存在着同样的局限性：智能系统的局限性首先体现在智能系统相对于世界的有限性，这种有限性进而由于系统主动学习能力的缺失变成封闭性。在这种智能系统中所体现的智能，要不断完善这种有限性，智能依靠人工将人类经验不断地输入智能系统，这也就是说，其所具有的智能归根究底仅仅是人赋予其的智能，甚至只是程序编写员的智能而已。那么人工智能是不是就不可能？当然不是，就像上面说的，这个问题是没有否定答案的。这些局限只能说明按照这些路径，或者以人类的现有认知水平和能力是不可能实现人工智能的。我们是不可能实现人工智能，那除了这两条路我们还有没有其他的路走？当然有，否则这本书就没有任何意义了。
要想找其他的人工智能出路，我们得看一下这些问题到底是怎么回事，是否有可能避免这些问题，怎么才能避免这些问题。首先要思考的是，我们为什么会有这么两条思路？为什么是这两条进路而不是其他的思路首先被我们想到？根据上面所说的“认识自己”在人工智能中的基础地位，之所以会有这么两条进路，和我们对于自己的认识探究是分不开的。具体来说，我们对于自己本质的思维能力，在很大程度上是由近现代哲学，尤其是其中对于认识论的哲学讨论决定的。在认识论中，大陆理性主义开辟出“自上而下”的解释路径，而英国经验主义则坚持“自下而上”的知识构造体系，虽然两者都不是其各自思维方式的开创者，但是毫无疑问他们都将这两种体系发展为十分精致的理论体系。而我们对于我们自身的认识就被决定只能在这个路向之间做出选择。同时也可以看到，不论是“自上而下”的理性主义，还是“自下而上”的经验主义，他们所构建出来的认识体系都是有限的，或者我需要一个无限者来保证认识理论的有效性，后者我们干脆承认我们认识能力的有限性。认识论中的有限性和人工智能理论中的有限性可以说是同一层面的有限性。而且在认识论的思维路径，基于我们认识的必然有限性，那么我们对于自己的认识也必然是有限的，我们也就不可能形成一个自己如何运行的蓝图，没有办法为人工智能提供清晰地设计方案。而且在认识论话语体系中，我们自身本身就是有限的。那么这也就根本上决定了在认识论的框架下我们不可能解决人工智能的有限性，因为作为有限的人类，我们是无法制造出无限的机器的。
那么这就要求我们必须超越依托于主客二分、内外符合的认识论思维框架，寻找新的认识自己的路径。而这也正是作为哲学家的维特根斯坦对于本书的存在价值和存在意义。也就是超越认识论开辟的思维领地，以“找到是的我们的世界得以隆隆运作的真实程序”（页126，但我将原文的自然语言机制改为世界）。维特根斯坦，尤其是后期维特根斯坦哲学完全超越了认识论的思想藩篱，其所描绘出的由多种多样的生活形式构成的“生活世界”中，消除了认识论中有限性和真理性的绝对对立，在有限中保证了确定性，我们的世界从来都是有限的，却又是确定的。这无疑为人工智能提供了新的思想维度。
有限性并不能单面构成对于人工智能的否定，因为我们人从来都是有限的，但是重要的是我们人是具有学习能力的，我们总是在不断缩小我们的有限性，所以即使我们刚出生的时候是一张白纸，但是这并不能决定我们不具有智能，某种意义上看，智能的一个重要表现就是具有缩小自身有限性的能力。人工智能也是如此，具有有限性并不可怕，但是如果没有学习能力，那么就决定了其所具有的智能只是假智能而已，所以必须要让人工智能系统具有学习的能力。此书之所以引进纳思系统，也正是试图通过纳思系统来赋予人工智能系统学习的能力。
整本书最让我感兴趣的还是徐老师对哲学思想在人工智能哲学视域中的解读，不论是对近代哲学家，还是对维特根斯坦，甚至是对孔子的解读，都是非常精彩和有趣的，这为如何赋予哲学思想以新的生命提供了一个很有价值的方向。但是我也在想，这种解读方式是否已经发掘出了这些哲学思想中最大的思想潜力。也就是说，假设这些哲学家在现在还活着，他们对于人工智能，或者其他问题也好，到底会怎么想。这让我想起前两天在论坛中看到有人发帖问，“如果巴赫、莫扎特、贝多芬能够听到摇滚乐，他们对摇滚乐会有什么态度？”，下面跟帖的有斩钉截铁说肯定不喜欢，甚至厌恶的；有的主张当然会喜欢，而且可能还会创造出一大批高水平的摇滚乐。然而问题的关键并不在于摇滚乐，而在于音乐本身。我想他们对于电子乐器自然不会排斥，自然也会用这些乐器进行创作，但是他们所创作出来的音乐是否是现在所谓的摇滚乐那就只有天知道了，或者即使叫摇滚乐，可能也和现在的摇滚乐完全不一样，唯一可以保证的是音乐水平绝对依旧是巴赫、莫扎特、贝多芬级别的。在我看来，哲学也是如此，也许我们现在看到的他们的哲学学说，只是他们对于当时他们所面对的具体问题的具体思考，即使他们当时所思考的问题和现在的问题相类似，但是如果做直接的类比推理，是否会导致对于哲学思想的简单化解释？是否相较于浮在水面上的哲学资源，还有更大的哲学宝藏深藏在水下？作为人类思维领域的拓疆者，相较于他们的学说，更重要的是探究他们所开拓出的思维方式和思维能力。而之所以探究这些，重要并不是去模仿，而是尝试去超越。
① 在我看来，即使是克隆技术也达不到如此彻底的人造程度，因为克隆技术仍然有自然繁殖色彩，只是把人天生的有性繁殖转变为无性繁殖，其最初材料也是取自人的天然成分，并不算严格意义上的人造人，只能是人工繁殖人。
② 所以下文只要没有特殊标注，人工智能就是指强人工智能。
《心智、语言和机器》读后感(二)：萝卜（robot)是现代人的浪漫
人工智能并不仅仅是一门工程学问题，她发端于一种幻想。她不是对“如何制造出省力高效的机器”的渴求，而是对“如何创造出像人类一样的智慧”的好奇，在制造”自身“类似物的过程中去考察自身的可能性和有限性，去勾勒出生命存在的方式和意义，这才是人工智能最深层的冲动。我将这种冲动说成”幻想“，乃是由于她的犹豫、不精确、进展缓慢并且摇摆在各种相互对立的纲领之中，要言之，这些为作为科学的一部分的人工智能奠基的对人类自身只能的反思，目前为止，恰恰都是一些不怎么科学的想象和试探。这些反思，有时候我们称之为哲学。因此，人工智能作为人类对自身存在久已有之的幻想的现代表达，大可以被看作是反思人类自身的哲学的延续和实践。从最早的图灵机对人类思维的高度抽象以及在哲学界对这种模型的批判，到最近兴起的具身机器人对能动者和环境交互模式的模拟以及在认知领域对这种尝试的反思，无不反映了哲学和人工智能领域的亲缘性。正如本书的副标所提示的，本书正是沿着哲学和人工智能高度亲缘性的道统，从一种特别的哲学立场出发同人工智能的当代实践展开的对话。如果人工智能的科学实践是形而上问题的形而下探索的话，那么本书就是对这种形而下探索的形而上反思，一种对具有高度反思性的科学工作的再反思。
读本书的目录就可以看出作者的野心。本书并不是要批评某种特定的人工智能进路，也不是要停驻在某个特定的问题上给出一个解决方案，而是想集天下之大成，进而从作者所心仪的维特根斯坦哲学出发，为整个领域的研究开出药方。要按部就班，娓娓道来，包罗万象只要有耐心其实并不难，但是要在分裂零散、莫衷一是的人工智能领域，从一个纵观大局的视角，论证一个特定的融贯的立场却很难。尤为困难的一点是，维特根斯坦哲学往往被认为是对种种形而上学持否定态度的批判性哲学，而人工智能的研究则不得不对人的智能甚至人类本身存在给出一个形而上学性质的抽象模型才得以进行，从传统的角度看两者势同水火。而本书的作者立场在坚持一个维特根斯坦主义者的立场上，竟然是对最为传统的符号-表征主义的人工智能持同情态度，实属自立门户独树一帜。
本书从人工智能科学和哲学引论开始，逐渐向核心问题逼近。首先对符号-表征主义，联结主义，遗传算法和贝叶斯主义的种种实践都做出了介绍。其次的核心问题是对人工智能整体规划在当代哲学中受到的挑战做出了一个回应。其中塞尔的中文屋论证是该部分的重点。中文屋论证的核心乃是符号人工智能所拥有的纯碎的句法特征无法实现真正的语义规范性，而作者站在功能主义立场上进行了反驳。不过我自己并不是很满意这一反驳，因为似乎作者的论证归根结底可以表达为：由于功能主义是对的，所以功能主义的人工智能是正确的，而并没有给出更为实质性的说明。
第二篇讨论知识表征系统和中央信念系统的构建，最终试图对人工智能中的核心问题之一框架问题给出一个解答。该部分中，作者开始真正使用维特根斯坦哲学来处理人工智能问题，这种处理是高度技术性的。同时作者引入了一种叫纳思系统的技术，这在后面关于如何让机器人懂汉字的讨论中也将成为核心。这部分对框架问题的处理颇有说服力，给出了一个统一的解决方案。但是我个人还是有一些担忧：使用语言的能动者获得一个信念，直觉上来说，它和其他信念的关系首要的并不是动态的亲疏强弱关系，而是在语义上是否兼容还是相互不可兼容的关系，一个信念的更新，似乎要涉及到整个相关信念语义系统的检索，检查当下相关的那些信念和这个信念兼容还是不兼容。这样的一种牵一发而动全身的整体论特征，不知是否能在这个作为把对信息尽心加权分类为首要任务的纳思系统的解决方案中得到说明呢。
第三篇谈论如何构建视觉知觉，这种构建并没有当下流行采纳具身认知的建议，而看到了视觉在使用语言的能动者身上具有的语义特征。感知和语义相互渗透，视觉和思考不可孤立是这一章的核心论点。作者采用纳思这一信息处理系统来处理视觉问题的尝试相当具有挑战性。把视觉感知作为一种基础的表征系统，并且认为其牵涉到大量的关涉语义的计算和推理能力，这种方案也许在一些人眼中显得略微匠气。但是我觉得这一方案确实有其合理之处，比如在人工智能上的指导性和可操作性，以及能够有强大的包容力来解释视觉感知中的种种现象，从不需要注意就能够进行的对三维视像的把握，到对某个同一性的对象的把握，到从语义信念网络出发对世界中种种对象的语义性的分类和追踪，这一系统都有强大的说明力。我对这一部分的担忧是，作者对视觉的语义性的过分强调，也许忽视了事实上的生物智能体在看的过程中一些前语言就能够实现的能力。对于作者来说，把握一个对象的同一性牵涉到复杂的语言和逻辑推理能力，这些能力表现为是在一个只能系统中被智能体所明白把握的一些规则。但是事实上，一些没有语言能力的能动者比如其他的哺乳动物，也有一些基本的智能能力，它们并不需要也并不能明白地把握这些语义和逻辑规则也能有效地行动。这样一种天生的不自知的计算能力，如果有所探究，也许能够被证明是比作者给出的这个系统更加”节省“的一种能力，需要为其他的解释所补充。
第四篇讨论了自然语言模块的构建，最最有趣的是如何让一个计算机真正懂汉语的讨论。作者在纳思系统给出的平台上，从字法讲到句法，说明了这一目标在工程学上的可行性。
阅读本书是一个长途跋涉的过程，本书涉及到心理学哲学人工智能语言学逻辑学等各方面的知识背景，虽然有一个颇具亲和力的导论性章节作为缓冲，虽然有作者尽力平实的解读，对于不熟悉人工智能和哲学的读者而言，阅读本书依然是一件艰难的事情。耐心是哲学的美德，（匆匆读完本书的我也许并没有这种资格这么说）把这种美德运用在本书上，绝对不会是一种浪费。
《心智、语言和机器》读后感(三)：作为立论文的《心智、语言和机器》
注：徐老师这本书的学习参考价值很大，优点不容赘言。若要进行哲学和其它学科之间的跨学科对话和跨学科研究，此书可称为范例，不得不看。在此情况下本人勉强对该书作出评论，难免有鸡蛋挑骨头之嫌疑。
此书总体看来，运用文体的修辞，可以称为一篇驳论（立论）文，观点之间的互搏值得关注；而其书要处理AI科学的三大问题——“知识表征系统和中央信念系统”、“人工视知觉模块”与“自然语言处理模块”，它们和维氏哲学的关联则算是此文的重心。笔者就这两个方面做一点简评，唯期不妄言。
强AI的逻辑可能性。先来看看作者所持的强AI的一些观点。其一，强AI认为，这里的心智关涉的是可以被加以客观研究的信息处理程序，而与随附的“只可意会不可言传”的主观感受无涉。其二，作者关于强AI，还有一个观点十分重要，即“机器智能”和“人类智能”的集合叠交，但不重合。之所以提到这两点，是因为这与下面两个主要反驳密切相关。
在进入观察观点互搏之前，先看看其中一位反对者彭罗斯对机器智能四种立场的划分。中心问题是机器智能计算是否能够模拟觉知（即上面所说的主观感受）及其物理实现过程，分为全部能够实现，能实现后者，全部不能实现，以及任何手段都不能实现这四种立场。其中的两个反对者，塞尔是立场二，彭罗斯是立场三，同时彭罗斯在反驳立场四时引入了量子力学的解释。联系前文中的其一，我们可以知道，作者所持的显性观点并不在这四个立场之中——这里所讨论的觉知正是作者所持的强AI所不关注的问题。
现有的批驳主要是反符号AI的，甚至可以说是反“物理符号系统”的。第一个重要反对者是塞尔，他提出“中文屋论证”来否定强AI的可能性。对塞尔“中文屋论证”的应答涉及到逻辑有效和无效两个系统。作者正是在后者中给出了自己的一个精彩回答，指出了这个思想实验中类比关系的逻辑无效性。而更深层次的，塞尔似乎提及的是一个功能主义的小黑箱——即句法和语义的转化问题；而在对心智理解的问题上，则涉及到意向性问题，即“意向性”是“语义内容”的根基与来源，但AI却无法达成。作者称塞尔对功能主义的批判持的是一个外在论式的语义学态度。
另外一个则是彭罗斯。一般而言，一个演绎系统需要同时具备完备性和一致性，而哥德尔论证，在一致性的情况下，总有一个命题真假的证明缺失；而在完备性的情况下，却无法证明这个系统是一致的。假设有两个程序，其中一个是一般程序，另一个则是超级程序，它用来判断这个一般程序的执行是否使图灵机停机，称这两者分别为C和A。规则是，若~代表停止，则有~A→C。彭罗斯正是在这样一个假设中引入了哥德尔不完备定理，证明C在A中不可证。而论证的关键则是A本身也是C中的一个计算形式，那么从上面非对称的规则可以看出，C不再能由A推出。但是，作者认为，从广义上来讲，这类反驳误解了AI所要干的事——不是认知形式化，而是算法化（形式化是算法化的一种）。然而，笔者虽然了解了它们之间有区分，但对这个区分的具体情况却所知甚少，似乎据作者的意思，前者需要有一个公理体系和完善的推理规则，而后者也有可能只是一些区域性的运算规则，也就是说形式化是算法化的高级形式。作者所举的例子则是ANN技术中的人工神经元的数值运算。不过这个反驳意见似乎合理吗？毕竟彭罗斯针对的是符号AI，而按照我们之前的分析，其“物理符号系统”肯定是一种形式化的算法。如果说塞尔的观点对“物理符号系统”不能构成真正的威胁，似乎彭罗斯引入的哥德尔不完备定理要具有更多的杀伤力，毕竟，它似乎切中了“物理符号系统”作为形式化系统的形而上学性质。作者接着提出了一个收缩性的策略，即前文所说的作者所持的强AI观点之二——“机器智能”和“人类智能”的区分，也就是说“机器智能”无须非得完成“人类智能”所能完成的。
维氏哲学与AI进行连接的逻辑可能性问题。这里面挑战了很多思维定势，什么是强AI，在这里凸显了它的位置。首先要提到珊克的意见。珊克的意见一是维氏本人对于机器与思维的思考，涉及到可预测性、思维与感受质。作者对意见一的反驳中，需要注意的是作者对维氏后期哲学的重视，这里可以一窥作者对于维氏与AI关系所定的基调——维氏后期哲学，而非前期，与AI能够进行很好的对话；意见二则是关于遵守规则，涉及到“计算机是否只能够机械地遵守规则”这样一个问题。对意见二的反驳，这一点与对之前彭罗斯引入的量子力学中的量子不确定性的反驳相同，也即宏观与微观上算法的区分。同时，也呼应了作者所阐述的物理符号系统的必要性向度的可真性——任何一个展现出智能行为的系统，归根结底都能够被分析为一个物理符号系统；而不是其相反。意见三维氏对心理学的批评蕴含对AI的批评，而作者最可靠的反驳则是认为珊克只批判了符号AI（况且这种批判也是不确切的），而对其它三种研究进路置若罔闻。关于这种逻辑可能性更重要的理由则是作者对维氏与上述三大系统所进行的逻辑与学理关联。需要补充的是，正如作者对海耶斯的评价一样，他对维氏哲学的借鉴也非如GPS中求统一的问题求解路径的设计，而是在于统一的知识表征形式的设计。
在开始阐述维氏与AI关系前，先来了解一条AI背景，即每条进路都有各自更擅长的功能：符号AI是做专家系统的；联结主义是做模式识别的；遗传算法是做问题解答的优化选择的；而贝叶斯网络技术则是用来做知识推理的。这种区分性正是维氏哲学综合气质的用武之地。他既惯用于这些进路所依赖的现代技术，同时又拥有对它们的批判意识。
表征问题和框架问题。在表征问题上，AI四条进路涉及到表征方案的计算化、逻辑化、生物学化、神经学化。而需要提及的是，几乎所有问题都涉及到中央信念系统，即机器智能内部统摄问题，也是这里所谓的框架问题。作者首先提到，维氏早期也遭遇了类似于框架问题的颜色不相容问题，它们都需要对“缄默知识”放弃表征。维氏后期哲学则带来两条解决方案，其一，对偏向语义相关性的词项的重视（纳思系统同样也是词项逻辑）；其二，将公理化系统替换为非公理化、却具有动力学特征的网络结构，以减轻运算的负担。对于第一点，我们在自然语言处理里面再去观察。我们来看看作者所给出的动力权重值模型。
在符号AI、联结主义等方案所遭遇的并非内生智能（即这种智能主要是设计者智能延伸的结果）这一困境时，对于如何解决经验与学习的问题，作者给出的核心方案正是动力权重值模型。比如，在框架问题上的信念网动力学模型，视知觉问题上的连续论，当然也包括技术层面上的纳思系统的操作理念等。若把这个模型看成是与联结主义、遗传算法、贝叶斯网络技术同样的统计学手段是否合理，如果合理，那么作者对后四者并非内生智能的批判力度就要有所减弱；同时，这一点似乎就不能构成维氏对AI进路的贡献，而只能说明维氏哲学契合这样的方案。
同时，动力权重值的想法在像联结主义和贝叶斯系统中都遭遇了困境，比如，ANN技术出现的系统收敛，以致无法根据新的输入值调整权重；而作为以非确定性系统中的一种推理形式——非单调推理（其他形式包括概率论和模糊集合论）为核心的贝叶斯网络技术，却缺乏创造性，也即除了父辈和子辈之间的故事节点的表征上效果明显外，对故事节点的相关性、命题表述方式和概率值的表征上都有相当的局限性。实则来说，非单调推理，也就是能容纳新证据，使新旧证据能够兼容，这里就涉及到了动力权重值的内涵方面。同时解决语义相关性和权重值就显得非常必要。那么，作者选择一种内在语言论是否有其重要考虑呢？
从自然语言处理角度来看，维氏打出两张牌，其一是“语言游戏”，其二是“最简先天论”，我将后者称之为“句法结构下移，乃至寻找语义的过程的抽象”，它关注的是词项，而不是句法，抑或是命题本身，它是后两者的结构或内涵的下移，以致结合处；由此，维氏在自然语言处理方面就涉及到了语义、句法和用法这三者，可以说是一个完整的语言学方案。而同时，维氏的“语法”又涉及到区域语义相关性。这样一个完备的语言方案，再加上纳思系统本身就是以词项逻辑为基础的，似乎又有技术保障，维氏在自然语言处理上起码从理论上能够提供诸多借鉴。
视知觉问题涉及到感觉和语义的推理，涉及到如何面对前符号层和符号层的关系。而对于这个具身认知方面的问题，作者在对“物理符号系统”的“充分性”向度中说出了对这个问题看法的部分基调——任何一个物理符号系统，只要具有足够的组织规模和适当的组织形式，都会展现智能是不为真的。这里似乎可以看做作者对符号AI的担忧（从全文我们可以看出，作者对符号AI抱有很大的同情），但是在这个问题上，作者同样否定了联结主义的方案。具身化问题，具体来言，涉及到感官模块、证言模块和行动模块这类边缘模块与中央推理系统的关系。维氏（和作者）在这里持一种“语义——感知连续论”，也即中央模块与边缘模块的同构型。作者认为，通过维氏在“兔鸭图”中的证言，维氏持有一种“从语言构成看知觉构成”的知觉理论——“视知觉对象在认知系统内部中的成形，在很大程度上是‘自上而下’地受到智能体既有的语义知识的牵导的”（P131）。这一路径相比起笛卡尔二元论式的为两类模块设置中转站的“自下而上”的方式要好很多，也更符合我们的日常经验。
纳思系统。（1）系统规则引论。首先给出一些关键词：能对经验加以学习的、实时解读的；可计算的语义推理模型；“非公理化”的；词项式的；（句法上）具有自返性和传递性。这里笔者只稍微观察一下纳思系统的逻辑规则友好性。公理化系统作为一种形式化系统，在证明内定理上操作困难，甚至没有机械算法。若转化为AI语言的话，可以说，一个公理化系统的“庞大先天知识和问题求解语境所能够提供的有限时间资源”之间的冲突十分严重。同时，完全形式化的努力，正如彭罗斯对“物理符号假设”所作出的批判那样，得到的可能是确定性的递减；这一点还和非单调推理不一样，后者是对新证据或信念的兼容。而句法上的自返性和传递性完全是用一种逻辑关系来做语法推理。若再考虑到系统的词项式，那么这其中可发挥的空间应该十分大。（2）语义相关性乃至框架问题的解决方案。通过“乌鸦悖论”，我们看到纳思系统在面对语义相关的“等价性条件”和“尼科德条件”时的灵活性；同时，我们可以看到纳思引入了一个新思路：不是世界究竟怎样，而是智能体如何思考世界。这种对表征目标，以及表征与行动的关系的调整将会使框架问题和语义相关性问题更切合工程学的可实践性。（3）对视知觉问题的解决方案。在这里，借鉴了彼得曼的“RBC理论”，三维图像的成型规则是：二维平面→几何离子→三维简图，也是从“非偶然性属性”到复合体的表征。（4）纳思系统平台上的“六书”理论。非常多的人对这一点有很多的困惑，而就笔者来看，姑且不论在纳思平台上的成效，这也是非常具有创造性的一笔。许慎的“六书理论”，是中国汉字的造字规律的总结，当然，它同时是造字法和用字法，其中涉及到语音、对世界的简单表征及其复合表征、语义的复合等等，可以说，这个造字系统就已经涉及到了语言和环境（世界）的关系、语义相关性等等问题在微观上的出现方式，可以为更广泛解决这类问题提供思路。那么，作为词项逻辑的纳思系统选择它，具有相当的合理性。如果，在纳思系统中，“六书理论”获得很好的刻画，是不是可以看做是AI所面对的诸多问题的一次小型模拟？
上面我们看到了作者对形而上学问题、语义学问题、知识论问题的处理，但是笔者依然充满疑惑的是它们与操作层面的问题之间的缝隙如何填补，也就是说纳思系统在何种程度上能够实现维氏的哲学方案；这个系统在操作层面上的成果是否能够对抗现有AI的成果，又或者纳思系统能够为现在AI提供怎样的成果，等。似乎作者在文中整体做一个效果对比图会更直观，毕竟对于技术操作的问题，一方面要看理念，一方面要看成效，即使可能成效暂时不丰厚，我们可以从这两者的分析中得出它的发展趋势等。当然，这个要求是笔者过分懒惰导致，当然也正是由于看到作者在多处用了一个很好的方案——把对方的观点的逻辑做成一个思想线路，看哪个节点不通，再进行诊断。这也就是所谓的摊牌，有问题大家说。
注：在自然语言处理那里，由于时间的关系，没有对维氏与AI四条进路的关系予以观察，纳思系统那里也过分粗糙；另还有一些地方表达不当，观察不仔细，若有时间再补充、修改。