智能生成的共性核心机制究竟是什么？

虽然目标都是同为人工智能的研究，但是由于研究的方法思路各不相同，上述人工智能研究的结构模拟方法、功能模拟方法、行为模拟方法相继发展起来之后，很少相互沟通与合作，一直未能形成合力。相反，它们之间究竟“孰优孰劣”的争论却时有发生，终于形成互不认可、鼎足而立、各自为战的研究格局，在一定程度上延缓了人工智能研究的发展。

既然社会对于智能科学技术已经涌现强烈的需求，而目前人工智能的研究现状又处于三足鼎立的分离状态，那么，智能科学技术工作者就天然地肩负着一项神圣的使命:在已有发展成果的基础上寻求人工智能研究的新方法，把人工智能研究的“分力”转化为“合力”，促进人工智能的新发展。

有鉴于此，国内外不少有识之士都注意到了这个矛盾和克服这个矛盾的社会需求，并主动担负起了“化分力为合力”的任务。其中，最具代表性的努力是人工智能权威学者之一的N．J．Nilsson在1998年出版的Artificial Intelligence:A New Synthesis以及作为人工智能后起之秀的S．J．Russell与P．Norvig在1995年出版后又在2003年和2006年再版的长篇巨著Artificial Intelligence:A Modern Approach。这两部学术著作分别宣称是人工智能的“新集成”和“新途径”，而且都不约而同地试图以Agent能力扩展为线索把现有结构模拟、功能模拟、行为模拟三种人工智能研究成果拼装在Agent系统上。

不过，这种“拼装”只是表面的黏合和堆积，并没有揭示结构模拟、功能模拟和行为模拟三种主流方法内在的本质联系。因此，寻求“化分力为合力”的任务远远没有完成。

虽然“结构、功能、行为”都是系统的重要属性，但是对于智能系统来说，真正能够揭示系统本质的，却应当是系统的“工作机制”。于是，与结构主义、功能主义、行为主义方法不同，这里将直接关注“智能的生产机制”，也称机制主义［5，6］。

那么，“智能生成的共性核心机制”究竟是什么呢？这种核心机制可以理解为:在给定的问题－环境－目标的前提下获得相关的信息，并在此基础上完成由信息到知识的转换以及由知识到智能的转换，即信息—知识—智能的转换。任何智能的生成都会遵循“信息—知识—智能转换”这样的原则，只是“转换的具体过程”会随着问题的不同而有所不同。既然智能的共性生成机制表现为“由信息到知识和由知识到智能的转换”，下面我们就逐一来考察其中包含的各种重要的转换问题。