LISP列表处理语言的嵌套特性与人工智能的未来

LISP（LISt Processor）是一种计算机语言，由人工智能领域的开拓者约翰·麦卡锡于1958年开发出来。如其名所示，LISP是处理列表的一种语言。每个LISP表达式就是一个元素列表，其中的每个元素要么是另外一个列表，要么是一个“原子”，后者可能是最简形式的数值或符号。列表的子列表仍可以是该列表本身，所以LISP可以循环递归。LISP语句还有另一种递归形式：第一个列表包含第二个列表，第二个列表包含第三个列表……循环递归直到回到第一个列表，循环就结束了。正因为列表具有这种包含性，所以LISP语言也能够处理层级结构。列表也可以作为系统的限制条件，且只有在满足列表的限制条件时，程序才可以正常运行。如此一来，这个由限制条件组成的层级结构就可以被用来识别模式越来越抽象的特征。

20世纪70年代和80年代初期，LISP语言曾在人工智能领域风靡一时。早期对LISP持乐观态度的人认为LISP语言再现了人脑的工作方式，而且LISP语言可以使任一种智能程序以最简单且最高效的方式加以编码。所以当时，LISP程序员和LISP的相关产品在人工智能领域备受追捧。但到了80年代后期，当人们发现LISP算法并不能为人工智能领域的发展提供捷径时，对它的投资也就随即减少了。

事实证明，对LISP持乐观态度的人的观点并非无可取之处。我们可以将新皮质的某个模式识别器视为一个LISP语句——每个语句由一个元素列表组成，每个语句元素又可能是另外一个列表。按照这种方法，新皮质处理信息的方法在性质上与列表处理非常相似。而且，新皮质可以同时处理3亿个类似LISP的语句。

但是，LISP语言缺少两种重要特征。一个是缺少学习能力。LISP程序语句完全由程序员设定。虽然人们曾经尝试了很多方法，以期让LISP程序自我编码，但那些方法并不完全由LISP语言自行产生。与此相反，大脑新皮质则具备这种能力，它可以从自身的经验和系统的反馈中不断选取有意义且可以被执行的信息来填充语句（即列表），然后自行编程。这是新皮质工作的重要原则：每个模式识别器（即每一个类似LISP的语句）可自行编程，且能与它的上、下级列表相联结。另一个就是参数的数量。虽然人们可以人为地生成一系列包含这些参数的列表（生成方式为LISP），但这并不是语言自身所固有的特性。(www.xing528.com)

LISP语言迎合了人工智能领域的原创理念，即找到一种智能方法自行解决问题，而且这种方法可以通过计算机编程实现。这种智能方法的首次尝试是应用于神经网络，但试验不是很成功，因为它不能提供学习修改系统拓扑结构的方法。而通过自身的机制修建，隐马尔可夫层级模型却成功地解决了这个问题。如今，隐马尔可夫层级模型及其数学“堂弟”——遗传算法充当了人工智能领域的主力军。

对比了LISP语言中的列表和大脑新皮质列表之后，有些人给出了这样的结论：大脑太过复杂，人类难以完全理解大脑。这些批评家指出：大脑有数万亿个联结，而且每个联结都有自身的特点，这就需要数万亿条语句与之相对应。据我估计，大脑新皮质大约拥有3亿个模式处理器——或者说3亿个列表，列表中的每个元素又指向另一个列表（或者从最低概念层级来说，指向新皮质以外的不可简化的模式）。3亿这个数字对LISP语句来说确实太大，目前人类还没有写出过能包含如此多语句的程序。

但是我们也应该知道，这些列表并非在神经系统的最初设计中就被定型了。大脑自行生成了这些列表，并根据自身的经验建立了各个级别之间的联结。这就是大脑新皮质的秘密。自行完成这项任务的程序要比形成新皮质能力的3亿个语句简单得多。那些程序由染色体设定。正如我将在第11章介绍的，染色体组中负责处理大脑信息的信息量（经过无损压缩后的数量）大约有2 500万个字节，相当于100万个语句。实际算法甚至还要简单，因为这2 500万的基因信息只是神经元的生理需要，并不具备基因组处理信息的能力。2 500万个字节我们还是可以处理的。