计算创意学系列（二）：概念整合理论( 五 ) 编辑按此文转载自低多边形厌

文章图片
水流和电流的对比
在这些更加日常的例子中，概念整合的思考主体一般并没有面临一个需要去正儿八经地求解的问题。只是在大脑无意识的运作中冒出了一些新点子。
尽管思考主体这时候并没有在认真地寻求一个问题的解，这些无意识冒出的新点子对于思考主体来说似乎也有“优劣”差别——有的点子会被认为没什么意义而被思考主体忘掉，而有的点子会被思考主体认为“有点意思” ，进而被记住，影响到思考主体对事物的看法（比如小明妈妈在把小明跟小花作了比较以后，对小明更加生气了），甚至在思考主体与他人的交流中传播开来。
这说明即使在缺少一个能够评估整合概念的目的性的情况下，人脑似乎也会本能性地追求整合概念网络符合一些与具体问题无关的“一般标准” 。在概念整合理论最初提出时，认知科学家Fauconnier和语言学家Turner也列举了一些这样的”一般标准“ ，比如其中几个例子是：（拓扑学原则（TopologyPrinciple））整合概念网络中，能够对应到输入空间的元素越多越好，整合概念网络的拓扑结构与输入概念网络的拓扑结构相似程度越高越好。（集成原则（IntegrationPrinciple））整合概念网络应该是一个紧凑而具有内聚性的整体，拓扑结构相似度高的节点和关系都被合并了（比如说，在计算机病毒的例子中，如果我们分别保留“程序”和“病毒”两个节点，而不是将它们合并为“病毒|程序”这个单一的、同时具有两者特征的节点，得到的就不是一个很紧凑且具有内聚性的整合网络）。（最大化核心关系原则（MaximizationofVitalRelationshipPrinciple））整合概念网络应该尽可能保留输入概念网络中被认为关键性的那些特征。（网络原则（WebPrinciple））整合概念网络所表示的新事物，不论在什么环境和上下文中都应该保持整合概念网络中描述的那些特征（也就是说，整合概念网络描述的应该是新事物的内在固有的特征，不因环境和上下文而改变）。（解包原则（UnpackingPrinciple））整合概念网络应该蕴含了原输入网络的核心特征，因此通过将整合概念网络分解，很容易反推出原输入网络。总结
概念整合理论着眼于探索性创造力和转型性创造力以外的第三种创造力组合性创造力，试图为人类思考者融合来自多个领域的知识而作出创新的现象作出详尽的解释。
在知识图谱（KnowledgeGraph）和自动化逻辑推理（AutomatedLogicReasoning）这些人工智能研究领域都已经有了相当规模的现在，概念整合理论所提出的这套实实在在的过程模型，甚至完全有被算法化的可能性。
但对于很多读者来说，一个更加令人着迷的问题恐怕还是，为什么人脑会去进行概念整合？而且甚至不仅仅是在有具体问题需要解决的时候，而是在日常生活的无时无刻都无意识地在大脑中运行着概念整合的进程。
这是大脑的一种自组织自整理机制吗？
Fauconnier和Turner所提出的那些“好的概念整合”所具有的问题无关的内在特征，也似乎意味着，人的思考和认知似乎有一种固有的“审美”倾向。联系到我们在第一章中所提到的“从内容到形式的跳跃” ，这里所说的思考和认知的“审美”倾向，甚至与思考和认知的内容是无关的，而又是对知识的形式层面的关注。
这些问题比起我们这个系列文章的主题， “如何算法化创造力” ，是更加有趣和费解的问题。
我们还是先回到主题。下一章，我们就来讨论概念整合理论的算法化。