书 · 1969-01 · 赫伯特·A. 西蒙（Herbert A. Simon）

《人工科学》

计算机与 AI书单第 42 名

一句话结论

人造事物虽然服务于人的目的，仍然可以被科学研究：关键是解释有限能力的系统，怎样通过搜索和设计适应环境。

值不值得读完整本？

值得读完整本。初版四章把人工系统、思维、设计与复杂性连成一条论证，对理解计算机与人工智能背后的研究思路尤其有帮助。

第一章细读“内部环境—外部环境”的关系，它解释了为什么研究人工系统不能只研究材料和零件。
第二、三章连着读：先理解人的信息加工限制，再看这些限制怎样影响搜索、满意化和设计。
第四章重点区分两件事：稳定的中间结构为什么有利于复杂系统形成，以及近可分解性为什么便于分析系统。
本导读依据1969年初版四章结构；如果手中是后来的扩充版，应按章节主题对照，不能直接套用章号。

核心观点

1. 人工系统要从目标、内部结构与外部环境的关系来理解

人工事物的特征，不只在于它由什么构成，还在于它用来做什么。人工科学研究内部结构怎样在外部条件下实现目标。

为什么：同样的物理规律可以容许多种结构，却不能单独说明人为什么选择其中一种。目标给出了评价结构的标准，外部环境决定实现目标需要满足哪些条件。内部结构则提供具体能力，同时受到材料、能量和计算能力的限制。因此，理解人工系统必须研究三者的配合，而不是把目的当作违反自然规律的神秘力量。

2. 复杂行为不一定需要同样复杂的内部规则

西蒙认为，行为表现出的复杂性，往往有相当一部分来自任务环境。研究思维可以从信息加工过程入手，而不必先穷尽大脑的生理细节。

为什么：行动者每一步面对的条件不同，即使使用比较简单的规则，也可能走出复杂路径。因此，仅凭行为曲折，不能直接推断内部机制同样曲折。要解释行为，应同时描述任务环境、可用信息和加工过程。计算模型把假设写成可以运行的步骤，再用实验中的表现检验这些步骤是否具有解释力。

3. 有限理性使问题求解成为有选择的搜索

人的时间、知识和计算能力有限，通常无法比较全部可能方案。西蒙因此强调启发式搜索与满意化：寻找达到要求的可行方案。

为什么：复杂任务的可能路径往往多到无法穷举，要求先找到所有选项再选最优，便难以解释实际决策。启发式利用问题中的线索，把注意力集中到较有希望的分支。满意标准则给出停止搜索的条件，避免为了证明最优而无限耗费资源。这里的理性体现为在约束下组织求解过程，而不是预先拥有全部答案。

4. 设计可以成为研究如何改变现状的科学

设计不只属于工程师或艺术家，也包括为达到目标而安排行动。西蒙主张系统研究方案的生成、表示、搜索和评价，使设计能够被分析和教授。

为什么：知道事物如何运行，并不自动等于知道怎样造出符合要求的事物。设计还需要把目标转成约束，提出候选方案，并预测其结果。问题的表示方式决定哪些关系容易被看见、哪些操作容易被想到，因此会改变求解难度。把这些过程明确化，就能比较不同方法的效果；但方法本身不能替人决定哪些目标值得追求。

5. 稳定的中间结构帮助复杂系统逐步形成

复杂系统常由子系统层层组成。西蒙认为，能够保存成果的中间结构，是解释这种层级结构为何常见的重要线索。

为什么：如果复杂结构只有全部完成后才能稳定，形成过程中的一次中断就可能抹去所有进展。如果局部成果可以独立保持，后续形成过程就能从已有成果继续，而不必反复从零开始。这降低了完成整个复杂结构所需的连续成功次数。因此，具有稳定中间结构的系统，在相应条件下更容易形成；这里的层级是部件的嵌套关系，不必是权力等级。

6. 近可分解性让复杂系统能够分层理解

近可分解系统内部的联系较强，子系统之间的联系较弱。它们并非完全独立，但这种联系强弱的差别可以简化分析。

为什么：较强的内部作用通常使子系统较快完成局部调整，较弱的外部作用则在较长时间内显现。于是，研究短期行为时可以近似分别处理各子系统。研究长期变化时，又可以用各子系统的总体状态描述相互影响，减少逐项追踪的负担。这种简化依赖实际的相互作用结构，不能仅凭把系统画成几个方框就成立。

反对意见

问题本身往往需要在实践中重新形成（唐纳德·舍恩）

舍恩在《The Reflective Practitioner: How Professionals Think in Action》中质疑，把专业实践主要理解为问题求解是否足够。真实情境常常没有清楚的目标和边界，实践者需要通过行动、观察后果和重新解释情境，反复改写问题。他的挑战是：问题如何形成，不能被当作搜索开始前已经完成的准备工作。不过，Jude Chua Soo Meng后来指出，把西蒙理解为完全排斥这种开放过程，也会低估其理论。

符号加工可能遗漏身体与情境的作用（休伯特·德雷福斯）

德雷福斯在《What Computers Still Can't Do: A Critique of Artificial Reason》中批评符号人工智能的研究纲领：熟练行动和常识理解依赖身体经验、背景知识与具体情境，未必能够充分转成明确表征和规则操作。这针对的是西蒙解释思维的重要路线，不能直接当作对全书设计理论和复杂性分析的全面否定。

科学与设计之间存在重要连续性（Robert Farrell、Cliff Hooker）

两人在《The Simon–Kroes model of technical artifacts and the distinction between science and design》中反对从自然与人工的区分，推出科学与设计在根本上的分离。他们指出，科学活动也会制造具有目的的人工物，科学和设计在认知活动与方法上存在重要连续性。这要求读者谨慎理解西蒙的区分：研究重点不同，并不自动意味着两套实践彼此隔绝。