一文读懂人人都在谈论的“人工智能”

“我思，故我在”是哲学家笛卡尔的一句名言，这句话也是现代哲学当中自我、意识和个人主义的基础。

对笛卡尔来说，思想是不言自明的，他不需要去定义什么是思想？什么是智能？一个机器可以拥有思想和智能吗？事实上，在 人工智能 领域我们也需要去解决这些问题。

下文将通过一个简单的思想实验来介绍和说明这一问题。

一个实验：中文房间（Chinese room）

这个实验要求你想象一位只说英语的人身处一个房间之中，这间房间除了门上有一个小窗口以外，全部都是封闭的。房间里有一本用英文写成，从形式上说明中文文字句法和文法组合规则的手册，以及一大堆中文符号。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间中。房间中的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文，通过这个过程，房间里的人可以让任何房间外的人以为他会说流利的中文。

这个思想实验最早是由计算机领域的先驱John Searle提出，往往被看作是证明定义智能的好方法。

约翰·希尔勒认为，尽管房里的人甚至可以以假乱真，让房外的人以为他是中文的母语用户，然而他压根不懂中文。而在上面的过程中，房外人所扮演的角色相当于程序员，房中人相当于计算机，而手册则相当于计算机程序。而正如房中人不可能通过手册理解中文一样，计算机也不可能通过程序来获得理解力。

只要人手够，我们可以在房间中做几乎任何同样的事情：绘制或描述图片，翻译或纠正任何一门语言，加入大量的数字。但这些就是智能吗？房间外的人或许觉得是；房间内的人肯定不会同意。

如果不是房间的人，而是放满晶体管的箱子呢，你既可以拿来和计算机做类比，所以人们会问，计算机不仅仅是一个极为复杂的中文房间吧？这个问题又会衍生出更多的问题：如果箱子中不是晶体管，而是神经元会怎样。

只要你想展开深入探索，这个“兔子洞”可以要多深有多深，但我们并不是要解决一个困扰哲学家数千年的问题。本着探索的精神，我们进行更为实际探究。

强 人工智能 与弱 人工智能

目前，人工智能作为一个专业术语被不加区别的应用于各种各样的系统，虽然人工智能有许多扩展的定义，但是我仍然找不到一个明确的定义。大致上，我们可以说人工智能是一个试图复制人类思维过程或其结果的软件。但这一定义仍然不能概括人工智能的全部内涵。

现阶段，人工智能可以帮你选择下一首播放的歌曲，可以动态的控制机器人的腿，可以识别图像中的物体并进行描述，可以将德语翻译为英语，俄语翻译为韩语，再将韩语翻译为德语。实现这些任务的自动化能够为人类带来巨大的好处。

然而，最终这些所有任务中最复杂的任务也不过是“一项任务”。一个神经网络经过数百万句子的训练之后，可以完美地翻译8种不同的语言，而且没有任何错误，但这仍然只是一个复杂的机器处理数字的过程，并由人类设定规则。无论有多大、多复杂的中文房间，只要能够被概括为一个机制，我们能说它是智能而不是计算吗？

这里就是“弱”人工智能和“强人工智能存在区别的地方。准确的说，“强”和“弱”并不是人工智能的分类，而是思考人工智能这一概念的两种方式。就像众多哲学理论之间的差异一样，两者都并不比另一个更正确，但它们的重要性并不因此而有所下降。

一方面，一种观点认为，无论人工智能的构造的多么的复杂和广泛，它也只是在模拟创造它的人类的大脑，人工智能永远不会超过自身的机器的本质。但即使实在这些限制之内，人工智能也许仍然能够完成难以置信的事情，而它最终只是一个功能强大的软件而已，这是一种基于弱人工智能的观点，支持者往往致力于创造处理单个任务的系统。

另外一方面，强人工智能的支持者指出，有足够能力的人工智能基本上和人类的大脑思维没有区别。这些人将大脑本身视作另一个中文房间。如果大量的生物电路在我们每个头脑内可以产生我们所谓的智能和意识，为什么硅电路不能同样做到呢？ 强人工智能的一个理论是，在某一个时间点上，我们有可能创造一个等于或超过人类智力的人工智能。

这里还有一个问题：关于智能，我们没有一个可行定义！

什么是人工智能中的“智能”

很难说我们在过去三千年中在定义智能方面是否取得了重大进展。 我们至少已经基本上排除了一些更显而易见的假想，例如智能是很容易测量的，或者它取决于生物学标记，例如头部形状或脑部大小。

对于什么才是构成智能的因素，我们似乎都有自己的想法，所有很难有一种定义能够复合所有人的标准。有学者曾经在2007年做了一个关于智能定义的合集（A Collection of Definitions of Intelligence），这份合集就像是射击的靶子，虽然它们都射向同一个方向，然而没有一个定义射中的靶心，有些过于具体，有些过于笼统，有些很通俗，有些很学术。

在这些所有的定义当中，我发现只有一个既简明又足够根本，值得我们去深入探究：智能是解决新问题的能力。

毕竟，这也是“适应性”（adaptability）、“归纳性”（generalizing）“自主性”（initiative）的核心，这三个词分别对应着与智能密切相关的“推理”（reason）、“判断”（judgment）、“感知“（perception），很明显，人类通过推理来解决问题的能力很重要，但是更为重要的是，一个人可以把解决一些问题的能力转化为解决其他问题的能力。这种自然转化的能力是智能的关键，虽然目前还没有人能够清楚描述这一概念。

在未来，人工智能可能会有一天具备这种重要的、可适应性的推理能力吗？而且再摆脱束缚之后，转而去解决那些受人类约束、从未被定义的新问题？

研究人员正在努力创造新一代的人工智能，这种人工智能能够以前所未有的细节和复杂性学习和处理问题，就像人类学习一样。无论这些人工智能是在思考或者仅仅是在计算，对于哲学家和科学家来说都可能是一个问题，但是我们不得不问的一个问题是，如果真的到了那一天，这真的会是一个巨大的成就吗？