本文删节版发表于《新探索》。

有个朋友跟我说，Wall-E可以称得上是宅男的样板。这个外表邋遢的小机器人日复一日重复着简单枯燥的工作，却把家里收拾得井井有条一丝不苟；生命中最灿烂的一段时光是一心一意地对“她”好，而丝毫不在乎对方的回应。

我觉得他说得很有道理，不过我还是对Wall-E的人工智能状况更感兴趣。看起来“他”——对于这样一个有人性的机器人，好像称呼“它”不太合适——的智商应该不低，不过情商似乎还有提升的空间。当然，这和大多数宅男也非常相似。

不过我们不能苛求太多。毕竟在今天，制造一台拥有人工智能（AI，Artificial Intelligence）的机器人还只能是一个梦想，虽然有些人说这个梦想马上就能成为现实。

能骗人的人工智能就是好人工智能

“在互联网上，没有人知道你是一条狗。”（On the Internet, nobody knows you're a dog.）这句人尽皆知的名言出自1993年7月5日的《纽约客》（The New Yorker），漫画家彼得·斯坦纳（Peter Steiner）用这种方式调侃互联网的匿名性和隐蔽性。在今天，艾尔博特（Elbot）可能会对此持不同意见。也许它会说：“在互联网上，没有人知道你是一个人工智能程序。”

艾尔博特的确有资格这么说。到目前为止，它是世界上最“聪明”的程序之一，2008年10 月12日，在英国雷丁大学（University of Reading）进行的决赛轮中，艾尔博特以文本对话的方式，和12 位裁判交谈，最终有3位裁判认为它是真人。这为它的设计者赢得了一项份量不轻的奖项——勒布纳人工智能（The Loebner Prize for Artificial Intelligence）铜奖。要知道，自从1990年开设这个奖项起，还没有人能够拿到金奖或者银奖呢。

艾尔博特的设计者是弗莱德·罗伯茨（Fred Roberts）。他是“人工方案”（Artificial Solutions）公司的一名知识工程师，主要研究基于知识的系统。在“人工方案”的首页上，智能聊天程序弗兰克（Frank）说：“他可能是我们最好的知识工程师。”而罗伯茨自己说：“我真希望我能有艾尔博特那么健谈。”

艾尔博特说：“我听说过弗莱德。他以为是他给我编了程序，我才能说这些话。”

到底是罗伯茨设计了艾尔博特，还是艾尔博特说的是真话？人类的智能，和机器的智能，到底该如何区分？或者说，我们如何判断，一台机器是否真的拥有了智能？

幸好，这个问题早在近60年前，就有了一种答案。阿兰·图灵（Alan Mathison Turing），英国数学家和逻辑学家，20世纪最著名的天才之一，曾经在1950年10月的《心智》（Mind）杂志上发表了一篇论文，题目叫做《计算机与智能》（Computing Machinery and Intelligence）。在这篇文章的开头，他问了一个问题：“机器能思考吗？”（Can machines think？）就这样一个问题，为人们打开了一扇大门，并且开创了人工智能这一崭新的学科。到了今天，人工智能已经发展成了一个涵盖相当广泛的巨大领域，机器所执行的通常与人类智能有关的智能行为往往都包括在内，包括判断、证明、推理、感知、识别、理解、通信、设计、思考、规划、学习和问题求解等等。

图灵在他的论文里兴致勃勃地讨论了这个问题。他提出，也许可以用一个模拟游戏来判断。在这种游戏中，让人和计算机一起接受第三方的询问，最后由第三方判断谁是人，哪个是机器。图灵说，这种游戏的优点在于它可以把人的物理能力和心智能力明确地区分开，“我们不想因为一台机器不能参加选美大赛而责备它，正如我们不会因为一个人没有飞机速度快而责备他一样。”

这种测试方法被命名为“图灵测试”，现在已经成为了人工智能的测试标准。勒布纳人工智能奖采用的正是这种方法，只是规定得更加严格一些。而奖牌的一面就刻着阿兰·图灵的头像和这句话，做为对人工智能研究者的肯定和鞭策。

但是，能够骗过一部分评委，和真正能够思考，实际上是两件事。罗伯茨说他并不相信艾尔博特能思考。他打比方说，“如果你知道一种魔术秘密何在，明白它如何完成，它对你来说就不再神秘。”

的确如此。

 它们有智能吗

从《终结者》系列中毁灭人类的“天网”，到《人工智能》中渴望变成人类的机器人小男孩，再到把《黑客帝国》中把所有人类都当作电池的“母体”，关于人工智能的小说、电影和其他艺术作品可谓数不胜数。在这些作品里，人们对于人工智能的兴趣，大都只集中在“有了它会怎么样”上，而不是“怎样去实现它”。毕竟后者要枯燥无味得多。

但是也重要得多。我们可以教会一只小狗去门口取报纸，也可以教会海豚跃出水面空翻两周半，但是却没有办法让一块石头做一个哪怕最简单的动作——动物们有基本的智能可以学习，石头没有。而计算机，本质上和石头也差不多。

像艾尔博特这样的程序，历史上曾经出现过很多个。这类程序的共同点在于，它们都有一个语料库，用来存储对话时可能会用到的词汇和句子。当人们和它们沟通时，它们会分析句子中的关键词和句法，并且根据这些关键词及它们在句子中的位置来挑选出最符合程序的回应。实际上，早在20世纪60年代，就有人开发了一个模拟心理诊疗师的程序，有些曾经与它沟通的人认为这个程序真的理解他们，并且不止一次地跟程序开发者要求要和这个程序“单独谈谈”。 现在再翻阅起这些记录时，有些对话会给人一种计算机具有某种程度的理解力的可怕印象。而事实上，它只不过完成了一个相当机械的输入-根据规则筛选-装配-输出的过程而已。罗伯茨对艾尔博特的评价放在这里也同样适用：戏法人人会变，只是巧妙不同。

那么别的方面呢？例如棋类游戏？的确，1997年那场国际象棋特级大师、世界冠军加里·卡斯帕罗夫（Garry Kasparov）和“更深的蓝”（Deeper Blue）的世纪大战，也许会让人们觉得，计算机有超过人类的智能。但是“更深的蓝”依靠的只是惊人的存储能力和惊人的速度，以及一群聪明人编制的国际象棋软件，而非真正具有推断和分析的能力。而推断和分析的能力，正如我们所知，是人类智能的一部分。一般来说，在棋局中，如果要求落子动作非常快，计算机程序总的来说比相当的棋手高明一些；而如果每一步棋允许的时间更长，则棋手的表现将会相对地比机器好。换句话说，计算机是基于准确、快速的搜索和计算来判断的，而人类的棋手则依赖于缓慢得多的意识来“判断”。这也解释了计算机在围棋方面并不能胜过人类棋手——围棋每一步可能走的位置比国际象棋多得多，目前还没有速度足够快的计算机，能够在时间允许的情况下计算出所有的可能走法。

心理学家罗伯特·斯腾伯格提出的三元智能理论将人类的智能分为分析智力、创造性智能和实践智能，在通用的智商测试表中，使用到的只是分析智能。而创造性智能包含了灵感、直觉、想象力等，实践智能则指的是解决实际问题和做出决定的能力。我们可以看出，虽然计算机现在已经以人类远远不能企及的速度和精确性实现了原本属于人类思维领域的大量任务，从最复杂的计算到最逼真的模拟，甚至看似随意地“写诗”和“作曲”。但是，它们不会推理，不会分析，更谈不上创造。他们不会从一幅画中感受到艺术的美，不会对着一片树叶浮想联翩。它们不会思考。我们虽然在很多地方都已经在使用人工智能相关产品，从搜索引擎的分词技术到基于统计的机器翻译，从满地乱跑的清扫机器到将会登陆木卫二去寻找生命的机器人，但是它们所表现出的，和“更深的蓝”或者艾尔博特一样，只是程序设计师的智慧。计算机所做的，只是大量的存储，和快速的计算罢了。如果没有规则告诉机器如何去做某件事，它们就做不了。它们并没有人类意义上的智能

让机器拥有智能

1747年，拉·梅特利(Julien Offroy de La Mettrie)写了一本书，名叫《人是机器》。在那本书中，他说人如同一架机器，特别是人类的智能。和他的深沉思考相对应的，是当代人工智能研究者们孜孜不倦的探索。

科学家们把计算机和人都看作一个物理符号系统。这样系统具备六种功能，除了输入符号、输出符号、存储符号、复制符号这几种之外，还包括通过找出各符号间的关系建立符号结构，以及根据已有符号继续完成活动过程的条件性迁移功能。既然人和计算机都是这样，那么就可以推断出，一个人的行为是可以用计算机来模拟的。在给定一个足够精确的关于人的内部状态和外部环境的描述之后，人的行为，都能用一段计算机程序计算到任意精确的程度。这等于是说，相信大脑在原则上是用一种可以了解的方式活动的。

但是怎样模拟，还依然众说纷纭。符号主义（Symbolicism）认为人工智能应该以数理逻辑为基础，以符号来表示人的认知过程，而符号操作则是人类思维活动的最小单位；联结主义（Connectionism）流派则认为人工智能应当基于仿生学，特别是对于人脑模型的研究，人类的最小思维单位是神经元；行为主义(Actionism)者则认为人工智能应该源于控制论，智能取决于感知和行动，智能不需要知识、不需要表示、也不需要推理，而且人工智能可以像人类智能一样逐步进化。

无论采取什么方式，目前我们的人工智能远远达不到一般人心目中“智能”的标准。

唐纳德·诺曼（Donald Norman），美国西北大学（Northwestern University）计算机和心理学教授，提出了一种我们该如何看待计算机的智能的观点。他认为人和计算机是完全不同的：人是不可预料的、对错误相对不敏感的、冗余的；而计算机是理性的、前后一致的、精确的。可以说，人的天性和计算机的“天性”，几乎就是指南针的指针两端。要让人去适应计算机，或者让计算机学习人类，都会十分困难。

特别是在人类还不了解自身的情况下。候世达（Douglas R. Hofstadter）在他那本著名的《集异璧》（Gödel, Escher, Bach: an Eternal Golden Braid）中说：“我们可以把现实世界中的思维过程比做一棵树，其可见部分坚实地长在地面之上，但却性命攸关地依赖于在地下四处延伸的看不见的根系。根使它稳定并提供给它营养。在这里，根象征着那些复杂过程，这是一些发生在大脑的意识层次之下的过程——其影响遍布我们自己觉察不到的思维方式中。”要把我们自己“觉察不到的思维方式”提炼出来，把模糊变成清晰，把概念变成算法，最后再把算法灌输到计算机的机器脑壳中——这并不是件容易的事。

也许，当计算机真正拥有智能时，和人类所认知的智能完全不是一回事。

弗兰兹·埃尔特（Franz Alt）在《人类智慧的终结》（End-running Human Intelligence）中写道：“危险存在于任何想让人工智能来模仿人类思维解决问题的策略的企图。”在那本书中，他举了一个例子：19世纪时，有人打算发明模仿人类手写的机器，让机器能够握着笔写出漂亮的手写体。这些努力因为打字机的出现而全部付诸东流。为什么那些努力都被白白浪费了？是因为他们在一开始就以现有的状态来考虑问题，而不是从新技术的角度出发。

这就是为什么现在的研究者们不再渴望把智能用程序编入计算机中的原因。他们现在更倾向于搭建一个环境，让程序们可以自己交流和互动，并且希望可以在这种互动中产生智能。

雨果·德·加里斯（Hugo de Garis）教授开创了可进化硬件（Evolvable Hardware）的研究领域。他将遗传算法（Genetic Algorithm）与现场可编程门阵列（FPGA，Field Programmable Gate Array）结合在一起，让程序自己生成复杂的随机电路，最终形成一个“人工大脑”。这样，机器就可以自己进化。

而2000年成立的人工智能奇点协会（Singularity Institute for Artificial Intelligence）更进一步。他们对“种子人工智能”（Seed AI）更感兴趣，打算开发出一个可以学习和成长的程序，把它扔到一个广阔的环境里，然后静观其变。

正如可能是在“原初汤”里诞生了生命的最初萌芽一样，也许互联网会成为人工智能最初的“汤”。

然而，正是思维的能力，使人类超越了体能上的限制，并且使人类比其他生物取得更加骄人的成就。如果机器有朝一日会在这种人类最重要的品质上超过我们，那时我们又该何去何从呢？

科虫周记（九） [小红猪]机器极客的兴起 抑郁了，只能吃开心果吗？ 数学魔术：测谎术是怎样炼成的 “震”在哪里——扒一扒中国地震带