能力有限的人工智能

今天许多人还会这样认为，人工智能依旧是一个前景光明的方向，只是在等待足够的算力来兑现它的许多承诺。持这种想法的人认为，当计算机拥有足够大的内存和足够强的处理能力时，人工智能研究人员将能够制造智能机器。我不同意这种观点。人工智能有一个根本缺陷，那就是它未能充分理解什么是智能，或未能理解某个事物意味着什么。简单回顾一下人工智能的历史和它秉承的原则，就能解释这一研究方向是如何走偏的。

人工智能是随着数字计算机的出现而诞生的。早期推动人工智能领域发展的一个关键人物是英国数学家艾伦·图灵（Alan Turing），他是通用计算机概念的提出者之一。他的壮举是正式证明了通用计算的概念，即所有计算机在逻辑上都是等价的，无论它们具体是如何构建的，情况都是如此。作为验证的一部分，他构想了这样一台机器——这台机器有三个基本组成部分：一个处理盒、一条纸带以及一个在纸带上来回移动时读写标记的装置。纸带是用来存储信息的，就像计算机代码中著名的1和0那样的信息。当时存储芯片或磁盘驱动器还没有发明，所以图灵就想到用纸带存储信息。这个盒子，也就是我们今天所说的CPU，会遵循一套固定的规则来读取和编辑纸带上的信息。图灵用数学方法证明，如果你为CPU选择了一套正确的规则，并给它一个无限长的纸带，它就可以执行宇宙中任何可定义的操作集。这就是通用图灵机的雏形。无论你要处理的问题是计算平方根、计算弹道轨迹、玩游戏、编辑图片，还是核对银行交易信息，它们本质上都是一串由0和1组成的代码，因此任何通用图灵机都可以通过编程进行处理。这些程序执行的都是信息处理。所有数字计算机在逻辑上都是等价的。

图灵的结论是无可争辩的事实，也是实实在在的成果，计算机革命及其后续所有产品都建立在它的基础之上。然后，图灵又提出了新的问题，即如何制造一台智能机器。他觉得计算机可以拥有智能，但他并不想陷入这是否可能的争论。他也不认为自己能够正式定义智能，所以并没有尝试。但他提出了一种证明智能存在的方法，即著名的图灵测试：如果一台计算机能够欺骗人类提问者，使其认为自己也是一个人，那么根据定义，这台计算机就拥有智能。就这样，以图灵测试为衡量标准，以通用图灵机为媒介，图灵开创了人工智能领域。人工智能领域的核心信条是：大脑只是另一种形式的计算机。怎样设计一个人工智能系统并不重要，只要它能产生类似于人类的行为即可。

人工智能的支持者看到了计算和思考之间的相似之处。他们说：“看，人类智能最令人印象深刻的壮举显然涉及对抽象符号的操作，而这也是计算机做的事。当人类说话或倾听时，发生了什么？人类使用定义明确的语法规则来操控名为单词的精神符号。人类下棋时，发生了什么？人类使用心理符号表征各枚棋子的位置和彼此间的恰当联系。当人类看东西时，发生了什么？人类用心理符号表征物体、它们的位置、它们的名称和其他属性。当然，人类是用大脑来执行这一切的，而不是用我们制造的计算机，但图灵已经表明，你如何定义或操纵这些符号并不重要。你可以将多个齿轮装配起来，你可以用电子开关系统，还可以用大脑的神经元网络，不管怎样，只要你的工具能够实现通用图灵机的等效功能即可。”

1943年，神经生理学家沃伦·麦库洛克（Warren McCulloch）和数学家沃尔特·皮茨（Walter Pitts）发表的一篇科学论文支持了这一假设。这篇论文颇具影响力，其中描述了神经元怎样执行数字功能，也就是说，他们想到了神经细胞怎样复制计算机的核心形式逻辑。他们的想法是，神经元可以像工程师所说的逻辑门那样执行操作。逻辑门实现了简单的逻辑运算，如与运算、或运算和非运算，对应的逻辑运算符分别为AND、OR和NOT。计算机芯片由数以百万计的逻辑门组成，它们被连接成精确而复杂的电路。一个CPU只是一个逻辑门的集合。

麦库洛克和皮茨指出，神经元也可以用精确的方式连接在一起执行逻辑功能。由于神经元收集彼此的输入并处理这些输入，从而决定是否启动输出，你可以将神经元想象成活的逻辑门。因此，他们推断，可以将大脑想象成是由“与门”“或门”和其他逻辑元素组成的，这些逻辑元素又都是由神经元组成的，与数字电子电路的布线方式十分类似。我不清楚麦库洛克和皮茨是否真的认为大脑是以这种方式工作的，他们只是说有可能是这样。从逻辑上讲，这样看待神经元也能说得通。从理论上讲，神经元可以实现数字功能。然而，没有人质疑这是否为神经元在大脑中的实际接线方式。他们不在乎是否存在生物证据，一厢情愿地认为大脑只是另一种计算机。

另外要注意的是，人工智能哲学还得到了20世纪上半叶心理学主流趋势，即行为主义的支持。行为主义者认为我们不可能知道大脑内部发生了什么。他们把大脑称作一个黑盒子，认为人们不知道里面正在发生什么。但人们可以观察和测量动物的环境和行为，即它的感觉和行为，它的输入和输出。他们承认，大脑含有反射机制，可以通过奖励和惩罚来调节动物的新行为。但除此之外，人们不需要研究大脑，尤其是混乱的主观感受，如饥饿、恐惧，或不需要理解某种事物的含义。行为主义最终在20世纪下半叶衰落了，但人工智能将长期持续存在。

到第二次世界大战结束后，电子数字计算机得到了更广泛的应用，研究人工智能的先驱们摩拳擦掌，开始编程。语言翻译？简单！就是一种破译代码的方式，我们只需要将系统A中的每个符号映射到系统B中的对应物上即可。视觉？也很容易。我们已经知道处理旋转、比例和位移的几何理论，而且可以很容易地将它们编码为计算机算法，所以我们已经成功了一半。人工智能专家提出了大胆的设想，即计算机智能将首先与人类智能相当，然后超越人类智能。

具有讽刺意味的是，几乎可以通过图灵测试的计算机程序是一个名为伊丽莎（Eliza）的程序。它扮演的是精神分析师的角色，它采用的策略是将你的问题重新表述给你听。例如，如果一个人输入“我男朋友不再和我说话了”，伊丽莎可能会说：“告诉我更多关于你男朋友的事。”或者会问：“你为什么认为你的男朋友和你不再说话了？”这个程序只是随随便便设计出来的，尽管功能非常简单且微不足道，但它还是骗过了一些人。开发人员做过一些更认真的尝试，比如编写程序“积木世界”（Blocks World）。它是一个模拟房间，里面有不同颜色和形状的积木。你可以向“积木世界”提出问题，如：“红色大方块上面有一个绿色金字塔吗？”或者提出要求“把蓝色方块移到红色小方块上面”。程序会回答你的问题或尝试做你要求它做的事情。所有这些都是虚拟的，而它确实能按你的要求行事。但它的这些操作都仅限于它那高度人工化的积木世界，超出这个范围就行不通了。因此程序员无法将其泛化推广，从而做一些有用的事情。

与此同时，公众也被源源不断且看似成功的人工智能技术和新闻报道所打动。有一个能解决数学定理的程序最初令人们兴奋不已。自柏拉图以来，多步骤推理一直被视作人类智能的巅峰，所以一开始人工智能似乎大获成功。但是，就像“积木世界”一样，人们最终发现这个程序是受限的。它只能发现非常简单的定理，而这些定理都是已知的。然后，“专家系统”引起了巨大轰动，这类系统是包含大量知识与经验的数据库，能够解答人类用户提出的问题。例如，医学专家系统可能能够根据人类用户给出的症状清单诊断病人所患疾病。但它们的能力同样有限，没有表现出任何接近于广义智能的能力。计算机国际象棋棋手可以达到专业人类棋手的水平，IBM开发的国际象棋计算机“深蓝”击败了国际象棋世界冠军加里·卡斯帕罗夫。但这些成功并非真正意义上的成功：“深蓝”不是因为比人类聪明而获胜，而是因为它的计算速度是人类计算速度的数百万倍。“深蓝”没有直觉。一个专业的人类棋手看着棋盘上的位置，马上就能看出移动哪些棋子最有可能赢棋或陷入危险，而计算机对什么是重要的没有与生俱来的感知，因此必须探索更多的选择。“深蓝”也对国际象棋游戏的历史毫无感觉，对对手也一无所知。它会下棋却不了解国际象棋，就像计算器会算术却不了解数学一样。

在所有情况下，成功的人工智能程序都只擅长做专门为它们设计的那件特定的事情。它们没有普适性，也没有显示出灵活性，就连它们的创造者都承认它们不会像人类那样思考。起初，人们认为某些人工智能问题很容易解决，但后来没有取得任何进展。即便在今天，也没有一台计算机能够像3岁孩童那样理解语言，或者像小老鼠那样看东西。

经过多年的努力，承诺未兑现，成果不尽人意，人工智能开始黯然失色。该领域的科学家转向了其他研究领域。人工智能创业公司失败了，资金也变得越来越少。通过编程让计算机实现感知、语言和行为等最基本的任务，似乎也不太可能完成。直到今天，也尚未有什么进展。正如我之前所说，仍然有人相信人工智能的问题可以通过更快的算力来解决，但大多数科学家认为整个努力的过程都存在缺陷。

我们不应该责怪人工智能先驱的失败。图灵非常聪明。他们都能看出，通用图灵机将改变世界，而且它确实改变了世界，但不是通过人工智能改变的。