“符號入場”何以解決符號獲得意義問題

杜 雅 君， 魏 屹 東

(山西大學 哲學社會學學院，山西 太原 030006)

符號和符號操作是貫穿認知科學的主線，計算的實現離不開符號。一旦將認知比作計算，就等于說認知是精確符號操作的結果，心智狀態等同于符號結構。隨著身體、情境、主體性和環境互動的“4E+S新研究綱領”的興起，這種依賴符號操作的認知主義遭到一些哲學家的拒斥，尤其是塞爾以 “中文屋”思想實驗來說明，按規則操作的符號無法獲得意義的問題。如何使任意的、無意義的符號表征產生意義，就成為人工智能亟需解決的問題。哈納德(Stevan Harnad)提出的“符號入場”(symbol grounding)是一個補救措施，即將符號與低級感覺運動過程相連接，實現符號從抽象到具象的轉化，從而讓無所依憑的符號進入認知的場地，使計算操作中的符號具有意義[1]。本文從“符號入場”問題入手，追溯其根源，理清其內涵，分析實現符號入場的可能路徑,最后提出自語境化角度的可能解釋。

一、“符號入場”問題的形成

“符號入場”問題發端于語詞的指稱與意義問題。邏輯學家弗雷格首先區分了語詞的指稱與意義[2]。專有名詞是最明顯的例子，如“托尼·布萊爾”“2004年英國首相”“切麗·布萊爾的丈夫”，這些概念的指稱對象相同，但意義不同。在一定程度上，所指稱的語詞的意義是有規則和特性的，使用者必須能夠成功分辨出它所指的對象[2]。“2004年英國首相” “切麗·布萊爾的丈夫”更像是將意義罩上了一層薄紗，這些語詞為辨識指稱對象設定了簡單的規則：“找出2004年擔任英國首相的人是誰”“誰是切麗的現任丈夫”。但這并不能解決規則的組成部分的意義問題(“英國”“期間”“現任”“首相”“切麗”“丈夫”)，以及如何挑選指稱對象的問題。而“托尼·布萊爾”所指稱的對象則不存在這個遞歸成分問題。如果意義是為辨識指稱而設立的規則，使語詞未明確的指稱變得更精確，對于不可分解的部分如個體的專有名詞的規則是什么。大腦需要掌握執行規則的“專有技術”來準確地分辨出語詞的隱含指稱。因此，狹義地講，如果將詞義視為辨別指稱對象的方式，那意義就在我們的腦中；廣義來說，意義不僅是指稱對象本身，還包括其辨別方式。如果“托尼·布萊爾” 這個詞屬于實體本身，就可以利用詞辨識它的指稱對象，而詞的延伸意義既包含了實體辨識指稱對象的方式，也包含指稱對象本身。這樣，一個具有因果關系的“腦”由“腦所內含的語詞”、“腦所外指的對象”以及內外相連所需要的“處理過程”構成。

然而，如果詞所發源的“實體”不是腦，而是一張紙或電腦屏幕，那它的意義如何產生？針對符號的意義問題，皮爾士提出了著名的三元符號模型[3]。根據此模型，意義的呈現指示過程，是解釋者、符號、客體3者構成的一個無限循環的符號過程。人工智能研究者重新將皮爾士的觀點應用于解決人工智能中的表征與意義問題，在理解符號過程中涉及入場、感覺和意向性問題，形成了以解釋系統狀態如何能夠獲得內在于系統中的原初語義為主要目的的“符號入場”問題。

“符號入場”問題對以計算主義為基本假定的認知范式——認知的心智過程是對心智表征的句法結構的操作——構成了挑戰。薩伽德則將第一代認知科學的綱領稱之為“表征-計算的心智理解模式”，即“對心智最好的理解就是將其視作心智中的表征結構以及在這些結構上的計算程序”[4]。根據計算主義，認知是一種計算，而計算是形式化的符號操作：操作的規則是基于符號的形狀而非意義。根據這種觀點，在解釋有關人腦如何辨識所指稱對象時，也會完全采取計算的方法。本質上，計算理論是計算機的一種運算法則，旨在為操作符號制定一系列規則。這些運算法則是“分布式”的，即無論運算規則以何種方式運行，也無論硬件是什么成分，它都會完成運算。執行計算的動態系統的物理成分與計算本身無關，因為計算是純形式的，任何硬件都可以完成計算任務。從計算角度來說，計算機算法的所有物理實現都是等價的、可計算的，計算機可執行任何計算。大腦能夠對輸入的意義進行處理，而一旦計算主義找到合適的算法，計算機也能對意義做同樣的處理，處理工具就是運算規則。

問題是，我們如何知曉算法適用與否？答案是它必須能夠通過“圖靈測試”，也就是能夠以對方無法辨認的方式與人像網友一樣通信。這種觀點既造就了第一代認知科學的輝煌，也限制了它的進一步發展。在計算主義范式下，符號系統就是所有符號和操作規則的集合。符號的意義可以得到系統的解釋，但其形狀和意義的關系卻是任意的。為了反駁人腦只是一部進行著信息處理的計算機,只要有恰當的程序便可正確地模擬人腦的運行機制這種觀點，塞爾認為即使通過了圖靈測試，計算機也無法具有等同于人的智能，恰當的計算機程序仍然不同于自然語言，無法提取符號結構的語義內容[5]。因此，計算機只具有對符號串進行規則操作的能力，而不具有理解能力。在我們看來，人類特有的心理狀態,如意向性、主觀性和理解力等,是永遠不可能由計算機程序模仿并復寫的,即使所設計出的程序足夠智能，但智能不是意識。因為程序所操作的符號形態是任意的，符號本身是無意義的，系統中的形式符號的意義表征和語義解釋并非內在于系統，而是寄生于外在解釋者。至此，符號能否自動生成語義以及語義的基礎等問題，就成為人工智能哲學中集中探討的內容。于是，基于對計算主義局限性的反思，“符號入場”問題應運而生。塞爾的“中文屋論證”則推動了“符號入場”問題的提出。

二、“符號入場”問題的內涵分析

計算主義在認知心理學中表現為認知主義，“符號入場”問題也因此與認知主義相關。眾所周知，行為主義反對內省主義將隱藏在行為之下的不可觀察過程稱為心理學的研究對象，指出行為產生于直接單向的信息處理，由感覺輸入形成表征再產生行為,可觀察的行為是內在刺激-反應的結果。隨著認知主義的興盛，心理學變得更像是一門經驗科學，使得對行為下潛藏的不可觀測過程的研究得以可能。然而，認知主義卻再次將內在心理過程推向黑洞，心智被看作符號系統，一組以明確規則為操作基礎的任意的物理符號，認知被視為符號操作。符號操作產生復雜行為的可能性已在人工智能領域得到驗證。符號的規則化組合和重組形成基本符號和復合符號的字符串，支配物理符號和符號串的規則是以純符號而非內容為基礎的句法操作。整個符號系統包括基本符號、復合符號、句法操作和句法規則，以及規則對符號進行語義解釋和意義指派。

心智符號模型的支持者福多和派利夏恩認為，心理現象是對符號串的提取，符號化的規則是獨立于具體物理實現的，執行的獨立性是認知現象與普通物理現象以及解釋之間的關鍵區別[6]。符號規則是系統的一部分，具有可分解性，應用和操作是純形式的，并且整個系統必須在語義上是可解釋的。這種“模塊化”缺乏構成整個系統的必備條件，并不具有系統性。因此，語義解釋必須加上明確的表征、句法操作性和符號的系統性。這些標準顯然都不是任意的，如果削弱其中任何一項，便失去表征一個自然化范疇的資格，切斷與計算的形式理論的聯系，徒然留下符號化這一不明確的隱喻。我們認為，符號是一個自組織的閉合系統，只有將符號化系統和感覺運動系統混合才能夠實現符號的“入場”，而符號的可靠性依賴于內部符號與外部指稱對象的實質性關聯。

然而，認知主義在促進“符號入場”的同時也抑制了它。哈納德基于“中文屋論證”提出了“符號入場”思想實驗[7]338。他假設一個人工主體(artificial agent)在不了解符號意義的情況下，能夠成功地按照句法操作符號，類似于外國人通過中文字典學習漢語。盡管符號是有意義的，但物理形態和句法屬性通常無法自動與語義相連。當人工主體能夠產生自動的語義功能，將符號與環境自動連接，這就實現了“符號入場”，即讓無所依憑的符號進入認知的場地，并找到某個符號之所以擁有某個意義的根據。哈納德指出，內在解釋性是心智的關鍵所在，獨立的形式符號系統的機制類似于以漢語字典為工具學習漢語，字典中的某一字、形,通過其他相似的字形得到解釋，某一符號通過系統中其他的符號得到說明。其結果是，在不借助已知具體的符號形式知識情況下，系統無法辨別符號。

智能機自身是否具有使符號入場的能力，也是“中文屋論證”的核心問題，即使機器能夠完成符號的輸入輸出任務，也并不代表它懂得符號的意義。“符號入場”問題引起的是更為實際的問題：純粹的符號系統在解決問題時，是否需要高度智能和深層理解；能否區分不同符號之間的差別，如核武器和生化武器，斑馬和馬[8]。這類似于心智的純符號模型：如何走出符號/符號循環，符號的意義之基礎不只是無意義的符號，這些都是“符號入場”問題必然要涉及的。

顯然，符號入場的關鍵是解決符號如何獲得意義的問題。對意義產生問題的分析有兩個維度：一是意義是內在的還是習得的；二是計算機操作的符號是否具有意義。這表現為語義先天論和語義后天論。先天論認為，對有意義的符號進行操作時，符號的意義先存于系統之中，如“思想語言”假設認為，思維就是對心智表征的計算，“無表征不計算”[9]。我們認為，思想語言的主要功能就是操作有意義的符號，這就預設了系統中的符號具有意義。換言之，系統中有意義的符號是思想語言能夠運行的前提。如果新生嬰兒的認知是在思想語言之內的，有意義的符號必定是與生俱來的。后天論則指出，以句法規則為基礎的計算無法產生意義，“中文屋論證”已經有力地說明，即使不懂中文符號意義的塞爾，仍然能夠順利地執行程序任務——輸入符號、操作規則，再通過圖靈測試加以檢驗。無論是塞爾還是計算機，都像是紙張上無根據的語詞，頭腦中并無有意義的語詞。在這種情況下(中文的圖靈測試)，頭腦中的語詞并不是自覺地具有意義，而是與紙張上的語詞一樣具有無效性。如果塞爾是正確的，紙張上的語詞和電腦程序運行的符號都是無意義的，不管腦內是否有意義產生，都不能獨立地完成計算，而大腦如何執行意義呢？我們不得而知。

三、“符號入場”問題已有解決進路的困境

目前，解決“符號入場”問題主要有3個路徑：表征主義、半表征主義和無表征主義。它們的闡釋中存在一個共同預設：零語義承諾條件。人工主體系統中并沒有預先安置任何語義資源使符號具有意義，因此，符號意義不是內在的；而外在解釋者也沒有負載任何語義資源，符號意義也不是外在的；人工主體是自身通過計算、句法、程序、感知等能力，使符號獲得意義。從這種意義上說，盡管主體是人工的，解決“符號入場”問題時仍遵循了自然主義原則，零語義承諾條件就是一個衡量的標準[10]421-422。

問題是，人工主體不借助人能夠使符號獲得意義？它擁有的計算、句法、程序、感知能力是內在的？我們認為人工主體的這些能力是以人的存在為前提的。沒有人就不會有人工主體，更遑論其能力了。因此, 表征主義、半表征主義和無表征主義的進路是以人的存在為前提的，只是在表述時人被遮蔽了。

根據表征主義，人工主體所使用符號的意義，主要來自其概念化和范疇化的表征。具體來說，人工主體從知覺數據中獲得突出特征，并從中抽象出數據集作為識別范疇化和概念化表征內容的依據，最后利用這些表征為符號確立意義。也就是“符號入場”通過概念化符號來實現，但誰讓符號概念化的？是人還是人工主體？

哈納德嘗試從表征主義解決“符號入場”。他將純符號運算的筆友式圖靈測試發展為機器人式圖靈測試，構建符號-動覺(hybrid symbolic/sensorimotor)混合模型，使符號表征建立在自下而上的非符號表征之中，即非符號-符號混合系統(hybrid non-symbolic/symbolic system)[7]344-345。也就是說，符號表征是建立在圖像化表征、范疇化表征兩種非符號表征基礎之上的。圖像化表征(iconic representation)是辨別輸入的基礎，與實際物體具有內在相似性的圖像被投射到感覺表面，根據圖像呈現出的相似和區別，做出相同或不同的判斷。為了更好地識別物體，以投射的圖像中不變的特征為原則，對圖像進行歸類，就形成了范疇化知覺(categorical perception)。圖像化表征和范疇化知覺均屬于感覺的、非符號表征，前者以圖像的形式描繪類似的感覺投射，后者則是以感覺投射的形狀及特征為對象，達到區別非范疇成員的目的。從終端客體、類似的感覺投射到獲取內在變化，二者與客體是純粹的因果關系，依賴神經網絡的作用而形成的，并沒有觸及語義層面的問題[11]。可以看出，僅僅借用神經網絡系統并不能夠產生符號表征，人工主體也不具有符號化能力。

顯然，哈納德的混合模型是按照句法原則操作符號，旨在為符號尋找語義基礎。然而這并沒有克服符號系統和聯結系統的局限性。我們認為原因有二：其一，在一個純符號模型中，符號與指稱之間的關聯仍然是缺失的；其二，盡管通過知覺數據和范疇化知覺中的不變特征，神經網絡系統建立起符號和指稱的連接，但符號并不能產生內在的、系統的解釋。事實上，混合模型預設了人工主體具有范疇化和識別物體的能力，能夠發現感覺投射中不變的特性，但其范疇化和識別能力必須依賴于外部解釋者。因此，混合模型實質上預設了人工主體具有對語義資源的利用能力，它并未滿足零語義承諾條件。

為了克服混合模型的缺陷，梅奧(Mayo)提出人工主體的功能模型，旨在證明人工主體具有從具體概念到抽象概念轉換的能力，表征的功能化組織能解決符號的入場問題[10]427。他認為人工主體與環境相互接觸并感知數據連續統一體，在數據的組織中形成了無數的范疇，但數據并不能說明結構；人工主體必須根據實際功能聚集表征，而范疇就是具體任務的集合；符號是在具體環境中為解決具體任務而形成的，根據不同的功能設置產生不同的意義。與混合模型相反，功能模型規避了人工主體所涉及的抽象概念的解釋問題。我們認為，梅奧只是使用范疇化和符號表征對符號入場做了語義解釋。如果已經假定人工主體具有語義學功能，就不能認為人工主體自身擁有解釋這個語義的資源。顯而易見，這種路徑是負載語義的，從而使得功能模型難以成立。

桑納(Sun)基于聯結主義、符號表征和情境認知，提出意向模型來解決符號入場問題[10]428-431。桑納認為，在解釋符號表征時，人工主體與環境的直接接觸是關鍵所在。在與環境相互作用的過程中，人工主體的意向能力也得到了發展。表征并不能象征相應的感知客體，而是利用表征代表客體，從而達到認識客體的目的。意向表征包含了客體的特征與目的，人工主體通過學習過程解釋這種表征。他區分了兩種學習過程，每種學習過程具有不同的處理。第一種學習直接在環境中引導人工主體只依規則行動，它并不知曉規則的內容，也不需要解釋行為和知覺數據的表征，而是基于外部世界的結構和依賴與世界作用的歷史內在偏好來操縱智能行為。桑納將這種內在標準作為人工主體的第一層意向性，即前表征性，為復雜意向性的形成奠定了基礎。也就是說，人工主體利用試錯法發現行為范圍，并獲得最初的數據，為第二種學習過程提供依據。第二層意向性利用第一層意向性的數據，以功能性方式植根于人工主體的常規活動來表征概念。盡管功能模型為人工主體建立了具體的結構，但它實質上已經違背了零語義承諾條件。

表征主義路徑行不通，半表征主義又如何解釋呢？戴維森(Davidsson)、沃格特(Vogt)、羅森斯坦(Rosenstein)和科恩(Cohen)將人工主體所使用的表征通過基于行為的機器人來完成。戴維森認為，哈納德在解決符號入場問題時留有疑問，即何種學習神經網絡能夠使符號獲得意義；概念是主體與環境不斷相互作用過程中循序漸進獲得的，人工主體必須具有不斷學習的能力，才能夠將數據歸入到概念之中，但神經網絡系統只擁有判別學習框架的能力，并不能根據內容擴大適應能力，因此，神經網絡系統便不適用于符號入場問題。

戴維森將符號入場問題歸為更容易處理的一般概念表征和機器學習問題[10]432-433。作為混合表征的概念包含3個組成部分：指示符(designator)，用于指示某個范疇的名稱；認識表征(epistemological representation)，用于認定范疇的實例；推論表征(inferential representation)，是關于某范疇及其成員的已知百科知識的集合，用于表述或指認非知覺信息。在戴維森的解決方案中，認識表征是關鍵部分。認識表征不依賴于聯結主義網絡，只需借助視覺系統便能對知覺數據進行識別，從而激活高級的知識結構。基于符號的表征并不是預先設定的程序，而是人工主體依據“經驗”(觀察學習和例證學習)學習而產生的。在我們看來，由于機器的學習尤其是例證學習是基于符號表征的，因而也違背了零語義承諾條件。

沃格特將符號入場問題與情境機器人學、符號學定義相結合，堅持從具身認知科學解釋符號的入場[12]。在為動覺活動中的人工主體符號系統尋找基礎的過程中，他將符號入場轉變為物理符號入場，將人工主體所使用的符號設定為動覺活動和環境數據的結構化組合，通過借助符號學的符號系統和猜想游戲這兩種概念工具來解決物理符號的入場問題[12]。根據符號學，人工主體的符號具有形式、意義和指稱對象3個特征；意義來自符號和解釋過程，形式與指稱對象之間的功能相對應。沃格特據此認為意義和指稱是同時內在于符號的，基于符號的這一本質特征，構成人工主體符號系統中的符號是自帶語義的。猜想游戲用于研究情境機器人中共同語言的發展，經過知覺活動、操作選擇、辨別游戲和命名游戲這4個階段，使得符號對應于指稱，從而獲得意義。因此，猜想游戲能夠使符號獲得清晰的意義，并通過人工主體的感知和作用得以入場。然而，符號的轉換和猜想游戲本身是負載內容的，也違背了零語義承諾標準。

羅森斯坦和科恩嘗試從下至上、從知覺到符號化思維和語言的路徑解決符號的入場問題[10]436-438。這一方法基于3個部分：知覺數據的組織方法——延遲空間嵌入，人工主體并不利用外在標準作為存儲知覺數據的依據，因而避免了語義負載；根據推測語義學和無監督學習方法，給予自動語義學的充分闡釋；借助行為對數據進行解釋時，類似于笛卡爾坐標系中的信息。然而，這種以外部標準為依據的解釋，并沒有達到零語義承諾條件。

可以看出，表征主義和半表征主義并不能解決符號入場問題，這導致了無表征主義的興起。布魯克斯(Brooks)認為，傳統人工智能在建造機器人時，采取的是“感覺-建模-計劃-行動”框架，而實際上機器人的行動方式完全不必如此復雜，只需要兩個步驟就可以：先感覺后行動[13]370-372。我們在建造機器人時，完全可以放棄表征范式所要求的那些復雜計劃、映射和認知等表征內容，而采取基于行為的包容結構。基于這種思路，布魯克斯等認為我們可以通過具身的和情境的人工主體與環境互動而達至智能行為。這樣一來，符號表征就是多余的，符號入場問題也就不存在了，只有感覺運動連接性問題，布魯克斯稱之為“物理基礎假設”。為了構造物理基礎系統，布魯克斯提出了“包容結構”，這實質上是一種將計算機的傳感器和執行器連接起來的并行分布式計算。在我們看來，雖然包容結構中的人工主體可以規避精確的表征，也部分解釋了符號入場問題，但該架構只是逃避了符號入場問題，并未完成對它的消解。原因在于，人工主體在執行包容結構初期，并不需要處理符號入場問題。但當其發展到一個更高級的認知階段時，它必須具有操作符號的能力，語義入場問題也就隨之產生了。

除上述進路外，還有人提出別的解決路徑。比如比亞爾(Billard)和多滕漢(Dautenhahn)提出的交流模型[10]439。他們認為人工主體具有學習、交流和模仿的社會能力，并通過一組機器人的刺激試驗考察了入場和交流的使用。通過將行為能力的重要性與認知的符號入場相比較，他們發現其中隱含3個問題：第一，具有學習能力的人工主體只存在于預設之中，依賴于神經網絡系統，對這種先驗性缺乏深入的論證，與混合模型面臨相同的問題。第二，人工主體預裝了一套來自外部的完整語言，它們并不能通過共同的交流以及與環境的接觸得到發展。第三，外部資源器承載了語言的全部知識和語義內容。但資源器最初如何發展語言，這正是符號入場問題的難點所在。看來，交流模型也并不能解決符號入場問題。

另外，瓦莎斯卡婭(Varshavskaya)通過將人工主體的語義能力與兒童語言習得能力發展相比較，認為兒童利用語言作為一種與環境和其他主體進行交流來獲得語言技能，人工主體也可習得語言能力，但并不是為指向對象和關系而產生的指示性符號系統，說話、語調是對他人的觀點和行為操縱環境的方式[10]440-443。也就是說，語言轉換成了另一種形式的語用解釋，用于人工主體與環境相互作用。我們認為，這種語義學似乎并不需要表征，也當然不能解決符號入場問題，尤其是在涉及人工智能系統的語義能力起源方面。表征的缺席意味著人工主體不能擴展范疇結構，從而也就無法實現符號與數據范疇的連接。

總之，“符號入場”的解決路徑均以零語義承諾條件為前提。但從表征主義、半表征主義到無表征主義等，無一不面臨語義負載和表征問題的困境，符號入場問題并未得到解決[13-14]。正如穆勒(Muller)指出的，按照查爾莫斯關于意識難易問題的劃分，符號入場也存在難易問題的區別[15]。易問題是如何解釋和再建計算智能行為能力和意義功能的問題，難問題是物理實體如何直接與意識經驗相關從而產生意義的問題。為了掙脫語義承諾的束縛，我們嘗試從語境化和自語境化角度來解釋符號入場問題。

四、“符號入場”問題的自語境化解釋

我們認為，要使得符號有意義，首先要弄清是什么決定符號的意義。根據語境論，意義是由語境決定的，符號要獲得意義，語境的介入是必需的。從表征主義、半表征主義到無表征主義，這些路徑盡管逐漸將心理學、人工智能、生物學、神經科學、哲學等相關學科納入到符號與意義的研究范疇之中，嘗試用統一的、融合的路徑解決“符號入場”問題，但都忽視了能夠決定符號意義的語境這個至關重要的因素。

語境不僅是一個綜合概念，也是一個有指稱的實在范疇。由于它具有整合性和關聯性特征，從而能夠將認知系統中的相關因素整合起來。單純的表征和無表征觀念、內在論與外在論，均無助于符號入場問題的解決。內在論主張符號的意義來自系統自身，要想符號具有意義，系統中必須預先設置語義資源；外在論認為符號的意義來自外在的解釋者，而外在解釋者自身又是負載語義的。二者都違背了零語義承諾條件。相比內在論和外在論這些單一的認知方式，語境化方法將語境作為基底構建符號的意義。符號、符號串的意義都由與它們相關聯的語境所決定。

符號是依據預設的規則操作而產生意義的。符號只入場于符號系統中，所生成的意義完全是系統規則所指明的、封閉的，而人腦中的意義實際上是不完全指明的、不斷變化的。這是計算機中的符號未實現入場的根本癥結所在。在人工智能哲學中，對入場的理解幾經更迭：在“圖靈測試”中，思維即計算，符號完成計算就獲得了意義，實現了入場；在“中文屋論證”中，即使通過了圖靈測試，符號計算仍無法達到理解的程度，因此算不上是真正意義的入場。理解不是按程序操作“照章辦事”，而是語境化地領會意義[16]。因此，理解成為評判符號入場與否的基本原則，人對符號的理解是基于情感的、身體的，是有意向的、有意識的，與情景相關的。在計算機的“認知過程”中，規則操作產生意義無需語境。從語境化角度理解“符號入場”就是將符號意義納入語境場中，意義與語境同步變化。語境化為符號入場設置了一種動態的意義背景，使得入場的符號成為有根基、有內容的記號。

但是，語境化的“符號入場”仍是一個被動的過程。語境在賦予符號意義的同時，也限制了意義的解釋域。這一限制反而推動了我們在特定語境中解釋意義時，有一個從被動到主動、由靜態到動態的轉變，從而達到自語境化地入場[17]。 與語境化對意義的預設不同，自語境化中符號的意義是自主選擇性建構的。人腦中符號的意義不僅以語言、歷史、文化等語境系統為基礎，而且人在認知過程中能夠主動地融入新的語境。依此看，非生物基質的人工行為體若能夠像人那樣思維，它就應該能像人那樣自主地融入新語境。要想符號時刻處在語境之下，并不斷根據自身特征進行調整，人工主體需要不斷適應環境進行表征。

這一解決策略合理性在于其自身驗證了人工智能的發展進程。人工智能的實現經歷了從按照規則計算的低階人工主體到情感計算、深度學習、集群智能的高階人工主體，從這一過程本身就可以稱作自語境化能力的進化，“由‘被語境化’(人為它設置語境)轉化為‘自語境化’(計算機主動融入語境或自己設置語境)”[16]536。隨著人工主體的自語境化能力的增強，符號“自主地融入語境”，進行行為的自主選擇，便能夠實現主體與環境不斷同化、順應、建構、再建構，由低級到高級的漸突的發展過程。在不斷與環境互動、融合的過程中，符號才算達到真正意義上的入場。這種入場是“自主性”的，是目標引導的。認知起初是被動的，即被動地適應環境和被動融入語境，行為主體與客體之間并非自主聯系，并且隨著智能的不斷發展進化，行為受目的驅使程度逐漸增強。而符號在入場的過程中，必須對意義的語境有指向性、目的性，使得人工主體與語境之間形成一個主動的、自主的連接[18]。這樣一來，人工主體不僅能夠在規則內操作符號，當語境發生變化時，它們會自主運用新的規則達到目標，人工智能的搜索算法就是如此。因而，符號得以入場的前提便是人工主體的漸突性、自主性、目的性。雖然人工主體的自語境化過程還沒有實現，但從理論上支持了人工生命和人工智能中的自主系統路徑。可以預計,“自語境化”的“符號入場”體現了主體與客體、過程與意義的統一，也是未來認知科學與認知哲學探索的重要方向。

五、結 語

在人工智能中，符號與意義在不同范式下經歷著不斷發展演變，激勵了認知哲學家們投身其中。哈納德提出的符號入場問題，就是對符號主義僵化的句法操作的哲學思考。無論是中文屋論證還是符號入場問題，都在回歸表征和意義的基礎上試圖超越計算主義的句法規則和聯結主義的分布式處理，進而形成了基于語境論的意義觀。只是哈納德在第一代認知科學范式影響之下，沒能擺脫傳統符號主義的理論束縛，而建立的基于混合模型的認知模式，本質上仍屬于單純的符號處理和語義預設，并未突破計算主義和聯結主義的構架。從語境化到自語境化的解釋為符號入場提供了一種新的思路，具有語境特征的具身認知和情境認知無疑有利于從大腦、身體、環境的互動探索人工智能中解決長期困擾的符號入場問題。