在人类认知科学和人工智能领域，理解符号与意义之间的关系是核心课题之一。符号基础问题（The Symbol Grounding Problem）首次由斯蒂文·哈纳德在1990年提出，旨在解决符号系统如何获得其内在语义的问题。这一问题不仅影响理论认知学的构建，也为人工智能的设计和语言理解提供了根本性的思考。符号基础问题指向一个根本挑战：符号本身是无意义的符号令牌，如何保证这些符号能够在系统内部拥有意义，而不只是仰赖于外部解释者的大脑或认知结构所赋予的含义？如果符号的意义仅仅依赖于对符号的定义，那么系统所使用的全部符号便陷入了一个无限循环的解释困境中。哈纳德用一个形象的类比说明了这一困境：试图仅通过一本中文对中文的词典学习中文，就如同在没有任何感知经验和实际接触的情况下，仅凭符号间相互定义来理解符号本身，这无异于在一个无尽的符号循环中徘徊。这个问题类似于哲学家约翰·希尔勒提出的“中文房间”论证，指出即使计算系统能够操纵符号并产生令人信服的语言行为，也不能保证它真正理解了符号的含义，因为它的操作是完全基于符号的形式而非其内容。
为了解决符号基础问题，哈纳德提出了一种混合模型，将符号系统与非符号的感知表征结合起来。在该模型中，符号不再是孤立的抽象令牌，而是依托于两类非符号表征来实现其意义的内在联系。首先是“图像表征”，这种表征是对环境中物体及事件感官输入的模拟，类似于视觉刺激在视网膜上的投射。它通过保留感知数据的形状和结构属性，为识别和区分信息提供了基础。这种表征使得系统能够进行事物的相似性判断和差异区分，从而实现基本的感知能力。其次是“范畴表征”，其作用是将混杂且连续变化的感知输入过滤，识别并提取不变的特征，这些特征使得系统能够划分对象的类别，实现对类别成员的识别。
这些范畴表征可能部分是先天内置的，但大多数是通过经验和学习不断调整获得的。它们弥合了感知的连续性与认知的离散性之间的鸿沟，是符号与感知之间的桥梁。 在基础符号层面，每个符号对应于特定的对象或事件类别，这些符号通过与非符号的图像和范畴表征相连接，实现意义的内在化。高阶符号则由这些基础符号按规则组合而成，形成能够表达更复杂关系和命题的语义结构。以“斑马”为例，可以将其符号定义为“有条纹的马”，其中“马”和“条纹”是已被感知基础表征赋予意义的符号。这样组成的复杂符号继承了其组成部分的感知基础，使得意义有机地传递并保持内在的联系。
这一混合模型也为连接论神经网络（Connectionism）提供了合理的角色。连接主义强调通过网络系统基于输入数据中的关联和统计规律进行学习。在哈纳德提出的方案中，连接主义系统承担着从图像表征中抽象和提取范畴表征的任务，它通过在样本中学习识别区分不同类别所需的恒定特征，有效地将感知输入转化为稳定可靠的类别标识。这一过程不仅克服了符号系统中意义缺失的问题，还弥补了纯粹连接主义模型在处理系统性语义组合方面的不足。 符号基础问题揭示了认知系统设计中不可忽视的本质挑战。纯粹符号系统难以解决其符号的意义从何而来的问题，而纯连接主义系统则缺乏符号系统的系统性合成和符号操作能力。
只有两者的有机结合，才能打造既具备内在语义又能进行复杂认知推理的模型。这一观点促使认知科学家和人工智能研究者重新审视纯符号AI和连接主义的局限性，并探索混合模型、跨层次表征系统的设计方法。 此外，符号基础问题对语言学习和理解提出了启示。人类儿童通过感官体验接触并识别世界中的对象和现象，为语言符号赋予了生动的语境和实物参照，而不是像单纯符号系统那样陷入无限定义的死循环。这说明语言习得不仅是符号间的联系，更依赖感知与动作经验的支持。人工智能在设计语言理解系统时，若没有类似的感知基础，很难真正实现对符号语义的内在理解和灵活使用。
现代人工智能的发展在某种程度上反映了符号基础问题的挑战。早期的符号主义AI虽然在逻辑推理和规则应用上表现出色，但缺乏感知世界的能力，导致其智能表现机械且脆弱。近年来，深度学习和神经网络技术通过大量数据的学习改善了感知和模式识别能力，却难以像符号系统那样进行清晰的推理和复杂语义操作。未来，融合符号处理和感知学习的混合认知架构备受关注，成为跨越符号基础问题的重要路径。 符号基础问题也引发了关于认知本质的哲学讨论。它挑战了纯形式计算对心智的解释，提出真正理解和意识可能依赖于感知世界的真实参与而非仅靠符号处理。
由此衍生的研究强调认知的胚胎期从感知到意义再到符号系统的渐进过程，推动认知科学从单纯抽象模型转向联结感知、动作与符号表达的整体视角。 综上所述，符号基础问题不仅是认知科学中的关键理论难题，也是人工智能实现真正智能必须面对的实质挑战。其提出的混合模型构想为认知系统的构建提供了富有启发性的框架，促进了不同理论流派的交流与整合。在追求模拟人类智能的道路上，理解和解决符号基础问题，将为实现具备内在语义理解和复杂认知能力的智能系统铺平道路。未来，随着感知计算与符号推理技术的不断发展，认知模型有望突破传统限制，展示更接近人类心智的智能表现。符号基础问题的深入研究既丰富了认知理论，也为人工智能技术创新提供了指引，其影响深远而持久。
。
