节俭性理性

由于“绿色人工智能”是本文提出的一个新概念，我们在此就不得不对该概念出现的理论背景进行简介。我们不否认，这个概念的提出，受到了德国心理学家吉仁泽（Gerd Gigerenzer）对于“节俭性理性”（frugal rationality）问题的讨论的很大启发。“节俭性理性”自然是针对“不节俭的理性”而言的。而在吉仁泽的话语框架中，“不节俭的理性”又可分为两类：“全能神理性”与“有限理性”。下面我们从当代信息技术哲学的眼光出发，分别阐述之。

“全能神理性”在近代西方思想史中的代表，乃是法国思想家拉普拉斯（Pierre-Simon Laplace, 1749－1827）提出的“决定论”思想。若用今天的学术话语体系转述该思想，其自然科学的表达版本如下：如果我们能够知道所有的自然规律以及所有的微粒在某个特定时刻的初始状态的话，那么，我们原则上就能够知道某个特定微粒在任何一个别的时刻的运动状态。

很显然，在大数据本身难以获取的情况下，对于上述“理性”的秉承并不可能在实践层面上给我们带来任何积极的后果。因此，一些学者就提出了一种与“小数据”环境更为匹配的新“理性”观：“有限理性”，其代表性技术成果，则是人工智能学科的行业奠基人之一、图灵奖与诺贝尔经济学奖双料得主司马贺（Herbert Simon，1916-2001，“司马贺”为其中文名）与其学术伙伴纽艾尔（Allen Newell，1927-1992）联合提出的“通用问题求解器”（General Problem Solver，简称GPS）设想。概而言之，按照“GPS”的设想，一个智能系统的记忆库应当已经预装了很多“推理捷径”，以使得系统自身能够在资源有限的前提下，通过更为经济的方式来获得自己的推理目标。

正如前文所反复提及的，节俭式算法可以和大数据联接，但也可以和小数据联接，因此，这种可适应于不同环境的灵活性就使得它很难被归类为“大数据技术”的一支；节俭性算法的设计是植根于对于人类现有心理机制的研究的，而不是对于直接的数据环境的研究的产物。这就使得它与传统意义上的人工智能研究更具亲缘关系——尽管节俭性算法的“节俭性”是很难通过传统人工智能所仰仗的逻辑—统计进路予以实现的。