美國著名計算機科學家、哲學家休伯特·德雷福斯或許是指出人工智能領域的形式化取向與西方兩千年以來盛行的主流哲學傳統相承接的第一人。他尖銳地指出：“支持符號信息加工的，不僅是笛卡爾和他的傳人們，而且是全部西方哲學。”[31]這種傳統哲學肇始於柏拉圖。因為在柏拉圖那裏，如果人們的認識不能用清晰的指令和規則來表述，則不能算作知識；指令和規則是全部知識得以形式化的前提。這一思想後來經過笛卡爾、霍布斯、康德、萊布尼茨等人的闡發，使得被“認為能把全部知識形式化的信念很快就控製了西方思想界”[32]。不僅如此，自古希臘以來的還原論思想或原子的概念，在AI中表現為將形式化的符號建立在與語境無關的元素和原理之上。例如，在維特根斯坦的論文中，經驗主義的原子論表現為邏輯獨立命題的原子事實；在明斯基那裏則表現為離散的計算符號。可以說：“在過去兩千年間，客觀性的重要作用、關於行為受固定規則支配的觀念、關於技能可以形式化的觀念，以及一般說來，人們能夠提出有關實踐活動的理論，這一切已對心理學和社會科學產生了影響。”[33]

另一位學者、美國斯坦福大學計算機科學和語言學教授T.溫諾格拉德（T.Winograd）也指出，對計算機及其對社會的影響的思索一直是受到理性主義傳統的支配的。他在《常規人工智能中的理性主義傳統》一文中具體描述了經典人工智能中理性主義導向的基本步驟：①以具有合適規定的性質的那些可以鑒定的對象來表征局勢；②找到按照那些對象和性質而應用於局勢的普遍規則；③把這些規則合乎邏輯地應用於所關注的局勢，進而引出關於具體行動的結論。他總結說：“這個傳統強調表述用來引出邏輯結論的係統規則。而西方哲學的一個重要組成部分，從古典修辭學到現代符號邏輯，則對更加係統和更加精確地闡述有效推理的本質問題提供了動力。”又說：“理性主義導向不僅構成了純科學和應用科學的基礎，而且，或許是由於現代科學的聲名顯赫的成功，它也被看作是思維和智能的本質的真正範式。在思維的研究中，著重點放在規則的形式和邏輯上運用這些規則的過程上。數學的各個領域，比如說符號邏輯和自動機理論，被看作是對感知、思維和行動過程進行形式化的基礎。”[34]這些與休伯特·德雷福斯的觀點是基本一致的。

當然，早期人工智能研究中的形式主義受到了外部條件的影響。或者說，早期人工智能研究的主要是那些易於形式化的問題。在一定的發展階段上，這樣做是必要的。如前所述，常規或經典人工智能科學家的一個重要研究方向就是解決問題和推理。他們研究的重點隻是人類智能的某些方麵。例如，紐厄爾（A.Newell）將智能係統分為理性層、認知層和神經元層三個層次，並認為可以有這三個層次的智能模擬。其中的理性層模擬也就是思維模擬，其範圍限定得比較狹窄。在知識表征上，基本上以理性的、邏輯的方法為主。

以一階謂詞邏輯知識表征形式為例。該表征形式的核心是謂詞公式。所謂謂詞公式，即用謂詞連接符號將一些謂詞連接起來所形成的公式。這一公式既可以表示事實性的知識，也可以表示規則性的知識。其特點有兩點：一是謂詞公式的邏輯值隻有“真”和“假”兩種結果，因而適合於表征那些精確性的、具有“二值邏輯”特征的知識，而不適宜於那些介乎於真假值之間的模糊性知識。從這個意義上說，謂詞公式能夠很好地轉換為計算機的內部形式；二是與謂詞邏輯相對應的推理方法的運用，使該表征形式具有演繹特征或公理性質。當一個表征係統蘊含另一個表征係統時，演繹理論（證明理論）可以替代真值關係理論（模型理論），或者說，通過內部論證關係就可以模擬外界真值關係。很明顯，一個表征係統（命題）的語義內容是受製於句法形式的，即它得益於一些符號表達式及其規則。這一點表現在M&P模型中，當神經元活動與邏輯命題之間的關係具有某種一致性時，由單個神經元構成的與神經網絡相聯係的命題，並沒有能夠進行思維的適當的語義特征。

從計算機的符號操作來看，經典智能係統假定了具有句法結構的符號表述方式，同時又利用這種表述方式的結構定義了適應於它們的計算運作方式。在這一過程中，“計算”是純句法的，可以用同樣適合於符號邏輯的術語把它們定義為應用形式規則，進而對抽象符號進行形式處理；至於“程序”，人們同樣可以將其理解為形式的和句法的。正如福多（1981）指出的：“因為它們是通過表征來定義的，同時它們又是形式化的，因為它們（概略地）借助於表征的句法操作特征……形式操作不需要通過如真值、指稱和意指等表征語義特征加以說明……形式操作是指對特定範圍內表征對象的形態進行的操作……按照心智的計算理論，兩種不同的概念，隻有在當它們能夠被識別出不同的形式表征關係時，才能夠區分。”[35]從一般意義上來看，經典智能係統確定了一類公理係統，並在該公理係統之下確立一套演繹規則；當這一公理係統不夠用時，又尋求和確立所謂“二階公理”，使之在計算機操作係統上構成所謂“形式約束”。A.霍爾（A.R.Hoare，1985）指出，從形式化、抽象化、問題定義、問題求解及證明驗算等各個方麵來看，程序設計與數學活動類似，本質上是一種形式邏輯活動。[36]“心智計算理論”把被運行的程序與程序的算法編碼區分開來，其知識表征形式是被程序員指派的，因而它是“先天”固有的。也就是說，在傳統計算機中，整個係統的行為由CPU中的存儲程序來控製。概言之，這是一種“作為計算的認知”，它把智能看作是抽象算法或者程序。

對於語義網絡和聯結論而言，情況並沒有實質性的改變。按照奎連（M.R.Quillian）的構想，語義網絡通過概念及其語義的相互關係來表征知識。它將事物的屬性及事物間的各種語義聯係顯著地表征出來。這一做法的長處在於，它試圖通過語義編碼存儲來解決計算機操作形式和句法表征與真值語義表征之間的一定程度的分離問題。但從謂詞邏輯角度來看，它的一個基本網元仍相當於一組一階二元謂詞；一個框架也可以被看作一個表達程式化了的數據結構，也就是說，它的身上仍擺脫不掉“形式化”的痕跡。而在聯結論的模型當中，聯結主義者對神經網絡的建構也是從神經元的模型開始的，其網絡模型以與語境無關的形式化的方式來反映與環境交互作用的、具有涉身性質的神經組織活動形式；節點的網絡結構及其聯結是硬件結構，激活—傳遞規則和聯結權值是內部規則，輸入矢量是它的輸入，輸出矢量是它的輸出，信息儲存在聯結權值中。因此，就模型的“程序”而言，聯結主義和物理符號主義是一樣的。雖然神經網絡的靈感來自大腦，但是神經網絡與大腦活動隻是在一個非常抽象的層次上有聯係，而且神經網絡忽略了生物神經和大腦的許多基本特性，大多是非具身性的，不能在環境中使用“身體”搜集自己的數據，這意味著它們需要根據設計者提供的數據進行訓練，不能直接與外部世界相聯結。

當然，經典人工智能學派並不是沒有注意到不可避免的形式與內容或語形與語義的矛盾衝突；在特定的時期，他們注意到語義問題的重要性。例如，奎連指出：“我們不相信行為理論或計算機模型，像已有的大多語言處理程序那樣，忽略或排斥語義而希望取得成功。無論程序的目的是否是用來分析句子、翻譯語言或回答自然語言問題，如果它不盡早地、經常地考慮語義事實，那麽我看它便沒有可能接近人類的能力水平。”[37]為此，研究者們形成了某些技術性的補救方法，形成所謂語義理論。但是，這些理論和方法絕大多數都利用能夠表示深層規律的形式化語言，並假設在自然語言中，每個語句都能與形式語言中的一個可能的解釋相對應，而這種形式語言定義了合適的推理規則。這樣，意義的研究包括實際上是將語句翻譯成為相應的形式結構和與這些結構相聯係的邏輯規則，進而將這些技術性成果的有效性用內在的連貫性和一致性來進行判斷。[38]簡單地說，就是依靠形式化的思路和方法解決形式與內容、語形與語義之間的矛盾。

必須承認，在句法和形式化的框架內解決語義與句法的相互關係問題，有其合理性。畢竟，係統程序的執行與它作為形式句法係統的性質之間，並不是完全分離的。根據計算機科學家B.C.史密斯（B.C.Smith，1982）的看法，程序指令和計算機符號在一定意義上是具有某些語義性質的，不管這一性質受到何種限製；任何計算機程序固有的過程結果，都給了程序一個語義的立足點。並且，這裏所說的語義不是指稱的，而是因果性的。[39]P.J.海斯進一步論證道，形式的“稠密性”意味著一種稠密的形式化在分散的概念之間形成許多聯係，這些概念是用形式化中的標誌來表示的。[40]還要看到，句法或形式化的推進反映了人類認識能力的提高和認識手段的進步；伴隨著智能（包括模擬智能）和技術（包括計算機技術）的不斷發展，原本不能形式化的東西將來未必不能變得形式化。也即“人工智能的界限並不是一成不變的，隨著形式化的發展，這是一個逐步擴張的疆界”[41]。例如，當經典命題邏輯和一階謂詞邏輯不能描述人的思維活動時，多值邏輯、模糊數學以及概率理論也就登場了；當專家係統所具有的符號推理機製隻能用於為離數的計算活動提供功能性的基礎時，神經網絡則有助於實現基於連續的數值計算。從這個意義上說，經典人工智能的進步得益於形式化能力的提高和認識手段的進步，反映了西方理性主義在一定階段上的優勢所在。這也反映出，用理想的方法解決人們麵臨的複雜問題，總是人類的一種良好願望；盡管複雜的對象常常讓這種良好的願望落空。但問題在於，當這種優勢或認識方式被推至極致，例如，認為對於計算機而言，所有問題都必須形式化[42]；不能形式化的問題，計算機是無能為力的，這樣一些觀點和做法是有局限性的。

不僅如此，經典人工智能研究對智能機“意向性”問題的解決也充斥著形式主義或符號論的味道。例如，物理符號學派強調一種表征的意向論。[43]作為其代表人物之一的福多就認為，心智是表征的，命題陳述的內容與它相關的表征相符。因此，心理狀態包括思想內容和句法結構兩個方麵。其中，心理表征是“思想語言”的符號，它有句法結構和意義，其本質是標記意向狀態。由於人腦中存在信念和願望這樣的心理狀態，而這些狀態是由相信、想要等這樣的態度和命題內容組成，由此它們構成所謂“命題態度”。這樣，人們可以通過符號的句法把符號的因果屬性與它的語義屬性聯結起來；句法則是在符號的因果作用與它們的內容之間起調節作用的東西。在計算機方麵，福多同時認為，心理計算理論強調心理表征是表征內容的計算；計算機則是一種對於符號的因果屬性和語義屬性之間的媒介問題的解答。常識心理學概括通過它們的內容與心理狀態相聯係，規範表征做它所能做的，從而建立起像形式那樣的內容關係。為了將存在、意義一類問題“懸置”起來，福多將自己的研究方法稱為“方法論的唯我論”，認為強調心理過程的形式計算不需要參考真理、指稱和意義這樣的語義性質。符號的標記是按照“心理物理學”的規律與它們所表達的性質的例示相連的。根據心智與世界之間所具有的因果關係來解釋心理意向的物質基礎，這樣，表征意味著該事物。總的來看，表征意向論雖然試圖彌合經典人工智能造成的形式與內容的裂隙，但它仍然在句法的框架內將一切心理活動表征化了。

通過對胡塞爾意向性理論的分析，休伯特·德雷福斯指出了上述思想的曆史淵源。他認為，胡塞爾在意向性的說明中采納了康德主體構造客觀實在的經驗的觀點，並將心靈借以麵對對象的抽象結構稱之為noema（希臘文）。而這個抽象的結構被用來整理經驗。由於這個noema在說明心靈對於對象的定向性時，需要對對象加以指稱和描述，因而需要具有辨明對象的明顯特性的所謂“謂項含義”（predicate-senses）。這個謂項含義作為有序集的規則，像弗雷格的意義（sinne）那樣描述對象看起來像什麽；一些高階規則確定哪些謂項可望合適。因此他認為，在胡塞爾（特別是後期的胡塞爾）那裏，意向狀態的內容是原始事物尤其是他稱為謂項含義的事物所建立的複雜的抽象結構。這個抽象的形式結構即使在沒有數字計算機的情況下，也為其提供一個直觀的模型。而且，胡塞爾關於人們經驗的事實世界是一個典型化的世界的觀點，也使得人工智能中以“框架”的方式描述世界的方案與“現象學的心理學”相吻合。從這個意義上說，胡塞爾不僅提供了按規則整理要素的精神活動之認知理論，而且作為“人工智能研究之父”而在人工智能史上占有一席地位。[44]但是，經過仔細的審視可以發現，沒有任何證據表明胡塞爾曾認為他涉及的規則和結構是關於語義的。他的“任何對象……都指向……由規則支配的……結構”，無疑是形式主義的。

隨著人工智能研究的深入發展，人工智能研究中的形式主義弊端不斷顯現出來。人們注意到，智能的定義實際上是非常寬泛的。人工智能研究的對象不應當僅僅是人類的智能，而同時還應當包括生物的智能、機器人的智能；智能還是一個連續體、一個漸變的現象。因此，不應當把全部智能都看作是可以用元計算機科學能接受的方式表達為一個可計算的問題類。實際上，低等動物在對外界環境反應過程中表現出來的智能，要比已有的、研究的較多的智能形態以及機器人所表現的智能，靈活和自然得多。例如，在低等動物——螞蟻的行為中，其複雜的智能表現是由簡單的神經機製控製的。這就是所謂“基於生物形態的智能”。同樣，由R.布魯克斯（Rodney Brooks）設計和製造的機器人具有許多“行走”模塊；這些模塊是由一組更低層次的、由腿部感官輸入的東西組成的。其行為機製表明，活動的機器人不需要複雜的內部表達和外部世界的模型，也沒有複雜的推理過程，而隻是利用係統—環境的相互作用，以適應性的方式行動。據此，R.布魯克斯認為，存在著“無表征的智能”和“無推理的智能”。他主張，人工智能研究要多向大自然中的動物學習，要在動態的外界環境中研究智能，要把機器智能放置於現實世界之中來考察。

對於人類的智能而言，符號的、邏輯的、數學化的形式智能也僅僅隻是其中的一部分，還存在大量的不能或不完全能形式化的智能。如感覺經驗、動作思維、情感思維、常識判斷以及略帶神秘性質的靈感、直覺等就是如此。這些活動都是無法形式化的，也不能完全將它們歸結為計算。如果堅持將一切問題和智能表征形式化，那將會排斥這些智能形態和知識類型。正如德雷福斯兄弟所說，“常識物理學”不可以表示為一組抽象原理，因為尋找常識物理學理論的問題恰恰可能是不可解的，它是一個沒有理論結構的領域。[45]經典的模式識別方法在進行計算機輔助診斷時未能很好地解決問題的根本原因之一，就是過分強調“計算”而忽略經驗和形象思維的作用。[46]

同樣，世界的複雜性也不可能用可列的算法步驟加以窮盡。人處於自然局勢當中，人類在世界中的存在方式原則上無法用現在能想象到的技巧和方法加以形式化、程序化。這就不可避免地會出現“非形式化”。雖然將智能係統看作是基於情境和環境的交互作用的動力係統，而對動力係統的刻畫本質上是一種更高層次的形式係統，但這個係統本身並不就等同於世界。正如塞爾所說，在每一種情況下，沒有人會把計算機的模擬看作事實本身。沒有人會想象計算機模擬的一場暴風雨會將我們渾身上下澆得濕淋淋的。世界是異質性的。同樣，語義是世界的經驗形式，是對“局勢”的動態性表征。它的形式化非常困難。語詞以及語詞組合的語句構成的意義與語境有關，語義對應的一般問題不能給予任何形式的回答。也就是說，並不是所有的智能和知識都能進行形式化處理。

就心靈和意向性而言，無論根據何種信息加工的相似性，在計算機和大腦之間都不可能建立起真正的相似性關係。因為在計算機概念中，其要點是運算能被形式化地表述，或者說，計算機程序是完全以它的形式的或語法的結構來定義的，並且這種形式化的過程存在於計算機的物質形態當中。但是，“人心不僅僅是形式的或語法的過程。根據定義，我們的內在心理狀態具有某種內容。……即使思想以一連串的符號的形式出現在頭腦中，但是思想所包含的絕不止一些抽象的符號串，因為符號串本身沒有任何意義。如果我的思想要涉及任何事物，符號串也必有某種意義，使得思想能夠涉及某些事物。一句話，人心不僅是語法的，它還有個語義的方麵。計算機程序永不可能代替人心，其理由很簡單：計算機程序隻是語法的，而心不僅僅是語法的。心是語義的，就是說，人心不僅僅是一個形式結構，它是有內容的”[47]。具體來說，隻有具備與大腦完全一樣的因果能力的東西才能夠具備意向性；意向狀態是根據它們的內容，而不是根據它們的形式定義的。人的大腦產生思維或具有意向狀態，就如同我們的胃產生用於消化的胃液一般，它是一種生物現象。在這裏，雖然塞爾對語法與語義的關係作了截然對立的、不恰當的劃分，忽視了心理活動和意向狀態的社會文化屬性，但也確實指出了經典人工智能無法擺脫“意向性難題”的困境的實質性原因。

對於造成這一狀況的一個原因，德雷福斯等人給予了深入的分析。他們認為，原因在於AI研究者對整體論抱有強烈的偏見以及西方文化中盛行的任何事情都是可控的態度。他們“能對簡單的微世界做相對孤立的研究，這種完全不合理的信念反映了一種要把在自然科學領域已取得成就的方法搬到AI中來的天真想法”[48]。如果網絡和我們一樣要具有恰當概括的意識，它也許必須具有和人類大腦一樣的尺寸、構造和初始聯結構型。“如果海德格爾和維特根斯坦是正確的，人類的整體性將比神經網絡大得多。智能必須受到有機體中目的和有機體從當前文化中獲得的目標的促動。如果分析的最小單元就是與整個文化世界相齧合的整個有機體的最小單元，那麽神經網絡以及以符號編程的計算機，就還有漫長的道路要走。”[49]