1. 引 言

人的思维方式可以划分为两类，即形式思维与叙述思维。形式思维，即用明确的前提及前提的组合，构造出大家都能明瞭的推理链条，它的力量在于使我们对推理结果很有信心，就像对前提有信心一样、叙述思维说的是使用暗含的假设，似然的或习惯的组合方法，它的作用是使我们在现实世界中有一个合理的行为。为实现人工智能、需建立知识库。知识库的目的是将叙述思维模式化，在现有的关于知识库的文献资料、方法手段中，关于形式思维与叙述思维的差别，以及此差别的意义还没有反映出来。

本文要阐述这两种思想方式的差别，认为这样能帮助我们更好地理解计算机在知识获取方面的困难，并指出开发知识获取手段的研制方向。G · 贝特逊把对差异作出有差异的反应的过程称为进化或演化。形式思维与叙述思维的差异正是这种差异。

2. 两种思维方式

知识库系统适于可用算法求解案的问题，而对可直观求解案的问题更好，因为算法式求解案太繁琐、困难或计算费用太贵。这一类系统有DENDRAL（1980），RI（1982）。此外，知识库系统也可用于这样的问题，即其算法不知道，为了得到解案，需某种创造性。AM（1982），BACON（1986）属于这种系统。这些问题的困难，来源于所谓认识论的有界问题及能力受限论前者指一种比较夸张的说法，说有些思想太广大，是我们的脑处理不了的。后者说我们的能力受到限制，不能创造性地重估及修改一些不适当和多余的行为模式。本文将着重讨论在解题时需创造性的那一类知识获取问题，对此类问题，思维模式的构造及思维种类是决策过程的核心。

在艺术及科学创造中所发生的非算法问题求解过程，其认知本质基本上是一样的，所依靠的是叙述思维而不是形式思维。这两者是不同的思维疗式。形式思维从公设及一些规定好的变换，就能引出系统真理。所用的推理结构来源于推理过程中基本元素的组合。形式思维处理的是封闭的世界，在此世界中，所有的模式都来自推演时所使用的元素。谓词演算是形式思维的例子。叙述思维的情况就不同了，它的目标并不是定义得很清楚的，它仅仅是像真的、似然的，有时是一些有用的假设等等，在这种思维方式中，其元素不必是自足的、自我完满的。但即使元素中没有一个是“像那么一回事”，它们整个组合在一起时却又完全是那么一回事，因此，这是整个模式决定了元素。叙述思维需要一个格式塔，即经验的统一的全体形态，而形式思维则不必。

上面说到形式思维与叙述思维的差别，另外还有一种操作思维与描写思维的差别，但是这两种差别是不一样的。操作思维说的是专家是怎样做出决策，而描写思维表示专家是如何描写他的决策过程。操作思维模型是一种有实效的方法、而描写模型是一种可以言传的思维方法，叙述性及形式性思维方式的差别，即是不同的思维路子的差别。现在看来，操作模型或描写模型，其中之一个是可以叙述思维方式为基础的，如若承认，在使用形式性思维方法时，计算机会遇到学习及使所学前后一贯的困难，则人们自然会推测，操作模型与形式思维方式相距甚远，即操作思维不可能形式化。P · 约翰逊 - 拉笛的思考模型即是这样认为的（1983）。

罗伯特 · 康敏土（1983）曾用一个生动的例子，比喻了叙述性与形式性思维的差别。他认为一个理论具有解释的能力，与用形式化的方法推演得到的真理不是一回事，也就是叙述性真理与形式化真理是不同的。例子是这样的：

试比较说明分子构造的两个理论，一个说分子是依靠“钩子及眼睛”团结在一起的。另一个说分子由一未知力保持在一起。19世纪中，人们都知道前一种理论不对，后一种理论是对的。其实正因为那时对这是—种甚么力还不清楚。钩子眼睛理论最少可以解释这样的事实，即只存在H₂O、H₂分子，而不存在H₄O分子。因为按假设，每一个氢原子有一个自由钩子，每一个氧原子有两个自由眼睛。但是未知力理论却没有任何解释的能力。因为此理论只是等于说，分子之所以如此，是因为如此，面并未解释出什么。可见理论是否具有解释的能力与是否是真理是不相关的。”此处最重要的一点是，叙述性模型从总体来说是叙述性的真理，即使这个模型中的基本元素已知是不真的。但对形式化的思维模型，情况就不是这样了。

从最根本来说，对这两个思维模型的关切是不一样的。形式化思维关心我们如何去知道真理，而叙述化思维关心如何去构造出一种意义。形式化思维寻求封闭的、经良好定义的系统。而叙述性思维寻求开放的、动态的系统，形式思维的运算是造句法的，即它运用的手段是连接、分解、拆散、演绎和归纳，其意义是严格的、理想化的。用形式化的手段来运算时，主题词是完全开放的，即没有束缚。叙述性思维的运算是语义学的（一门研究语言符号与其意义之关系的科学），即其意义与表达方式、或然性、文化背景等有关，与上下文及主题词的特定含义有关。它们又反过来对主题词的意义有影响。

我认为形式化是描述化思维的工具，形式化思维对于解决日常生活问题来说，是太狭窄了，对大部分创造性及想象性思维也是如此。但如果对应用这个工具的条件仔细安排，它会具有叙述思维所没有的威力，推理链条太长会让人觉得不可信，用形式化的方法，保真方法，则我们的推理可以走很远，而仍然对推理结论的真实性很有信心，就像对前提的正确性有信心一样。即使对那些复杂的、形式化起核心作用的推理，叙述思维仍然起着这样的作用：确定先后次序、目标、给推理结果一定的意义。有一些情况，例如专家系统，其中知识库系统起特别重要的作用，就会特别依重于叙述性思维。

3. 知识获取过程之探索

对主要依靠描述性思维起作用的推理领域，要建立知识库系统，必须在此领域内构造专家求解行为的模型#知识获取便是这一个模型的重要关节和目标。

专家求解行为模型应包括：事实、解题方法、关系 - 构造及变换。对形式化系统来说，变换包括：按规定的状态变化、代换及导出结果。对叙述性系统来说，变换包括：按规定的状态变化、词根比喻（例如“认知是一种自动机”“认知是计算”），此外还可能包括用以鉴别产生式与非产生式类比的方法。在叙述性思维中，变换是例示的——通过推理模式及推理种类，推理模式相当于某种亚层级的推理规则、推理策略、试验的答案及计划等。推理种类则是：用以指令及联络信息参考系统的特定途径。

区分推理模式及推理种类是重要的，对一个特定的问题域，可能要首先检验那些时间紧迫的问题，而那些不那么紧迫的放在后面再检验。此时推理模式就起主要的作用。它提供对运算规则的排布、处理的策略及构思、结构框架及方法等等。不同种类的推理模式指的是：在较高的层次，“分群 - 差异”或“设计 - 修改”的方案不同。推理模式本身融合了关于上下文意义及目的的假设，并提供了一个寻找到目标的组织方法或步骤、方案、图式等等。

还需讨论的另一类问题，它在可能性方面很丰富，但例子较缺乏，并且目前还没有详细的理论。对这一类问题，可能需要类比推理，它也是推理的一种，它提出一种策略及原则，以选择推演的算符及一组按形式化要求定义好的规则。已经有几位作者讨论不同种类的推理。有一类推理起因于对推理块的内涵性质及演化原则有这样一个假设，即认为这些推理块与专家的“心智捷径”互相作用，从而得到处理这些专门的“推理块”的方法。思维模式就是与这些推理块的分解及组合打交道，而思维种类指的是如何处理每一个推理块。我希望读者清楚认识关于推理模式与推理种类的差别。在研究当今知识获取的手段这个问题时，对这每一个问题都要加以讨论。

现在研究计算机知识获取如何实践时，大多着眼于如何处理事实及解题方法。当一个知识工程师碰上要使用一个现存框架式计算机系统时，计算机内部已被赋予各种结构关系了。特别小心的知识工程师才会意识到要确定出推理模式。在知识获取时、推理种类是不相干的，即“无关”的。在大多数情况，推理种类仅与知识表达时选用何种形式系统或工具有关，也就是它仅仅采用形式系统的结果。

这就引起了两类问题。第一，这是我们方法论中的一个缺口，它妨碍我们做某些感兴趣并且可处理的问题，如若换一种情况的话。第二，已建立了这样的系统，它模拟那更易处理的推理种类，如若把问题表达得更明确的话。这是由于运算规则的内涵，及处理运算时的不确定性引起的。

所谓感兴趣的问题，又是我们目前的技术看来能达到的，包括下面这些内容：

· 经常使用的类比的域

· 通过追索到一个或多个源隐喻而解决的问题的域

· 因果关系以外的，相关联系组合的域

· 与认知及区分格式塔有关的问题

· 将相互矛盾的格式塔调和起来的问题（例如对整个系统的最小损害问题）。

为了让推理规则的含义弥补形式化方法的不足，人们在描述性思维中常常采取范式推理的方法。也就是这样的推理，它判断所考察的对象及环境与概念相符合相匹配到何种程度，或考察一个类中的成员典型化到何种程度。为了模拟这种范式推理，形式化系统必须运用运算规则（或框架式网格）的内涵，以补偿硬性推理方法的不足。但是，将一个规则的内涵，删削到适合于一个预先选好的推理图式，将会歪曲专家模型，以至所选出的推理图式与专家实际上使用的推理过程不同。使用“除非”这种句子，以及要求“加强联系、联络”，而不是给出一个肯定的数值，这件事本身就承认人类专家（而不是机器专家系统）找出了许多与他们自己的思考方法不同的知识表达方法。并且，这也表明，我们应再次考虑我们是如何构筑我们的推理框架的。-

总 结  

对知识库系统，过去我们认为，大部分知识可以与简单的推理格式相匹配，从而构造专家解决问题的模型。我们的术语已经变得越来越精巧周密，但我们仍使用简单的推理方法。要有效地应用知识这是个复杂的事，对此问题的理解，我们也日趋巧妙。除了少数例外，很少人明白，即人们在思考时，必须把知识及推演单元作多样的，精细的组合。我上面论证了，运用知识就是将事实及解题方法，与思考模式及思考种类作配位及协调。思维模式在文献中已有讨论，但要自动化认证它们，建立它们，现有办法仍很少，思维种类在文献中讨论甚少，在自动化认证及建立它们这方面，则完全没有现成的东西。

（Int. J. Man-Machine Studies 1987年2月号）