机器思维：思维能力还是脑力工作？

图灵对于推动人工智能的哲学动机的阐释令人心悦诚服。在打造能够承担脑力工作的机器方面，他也是一位先驱者。在布莱奇利公园（Bletchery Park）——英国政府设立的一所密码编译与解码学校，图灵和他的同事运用计算机破解了纳粹的密码，而这些密码是人类光凭纸笔所无法破解的。图灵也寄希望于能用电脑来破解人类思维的密码。他于1950年发表的论文《计算机器与智能》中阐述了我们应当如何识别一台计算机是否已经拥有了思维能力。为此，图灵设计了一项精妙的测试来判定机器是否具有思维能力。

图灵测试中包括以文本为形式的五分钟对话，参与对话的人将负责判定与他交谈的对象是人还是机器。图灵认为，如果裁判无法辨识对话者究竟是人还是机器，那么我们就可以断言，那台机器“具有思维能力”。

图灵对人工智能的勾勒体现了什么哲学意义呢？图灵是数学家、逻辑学家、密码学家，也是计算科学的奠基人，然而，他并不是一位训练有素的哲学家。我们认为他对思维机器的关注具有哲学意味，那是因为他的根本目的在于传达一种求知欲，他想要知道基本心理结构与人类完全不同的拥有思维能力的生物究竟是什么样的。正如我们听说章鱼可能有意识时的反应一样，我们对机器可能具有思维能力一事怀揣着类似的好奇心，忍不住会去幻想这些稀奇古怪的脑子里到底都在想些什么。对于一台通过了图灵测试的计算机而言，如果在它还没能完成一次尤为耗时的运算之前有人把它关掉了，它会不会感到沮丧呢？计算机沮丧起来又是什么样的？我们今天的计算机能力非凡，但它们激发不起我们的这种好奇心。我们不会轻易地认为一台高配置的计算机具有思维能力，就如同我们不会觉得恒温器有大脑一样。图灵告诉我们，电脑将变得越来越精密，能够完成许多在他所处的时代无法完成的工作，这一点很容易预测。但是图灵想说的远不止于此。他认为，当计算机硬件或软件经过改造升级促使计算机成功地通过了图灵测试后，计算机除了获得额外的计算容量之外，还将发生更重要的变化。这种变化与提升计算机下载联网文件的速度等的改进不同。通过图灵测试的计算机拥有思维能力。如同我们想知道“做一条有意识的章鱼是什么感觉”一样，想象一下“做一台拥有思维能力的计算机究竟是什么感觉”，瞬间就变得意义非凡了。

我并不是说我能清清楚楚地知道这位人工智能领域的奠基人脑子里在想什么，而是想指出图灵预测中仍然让我们心驰神往的部分。我们为人类能跻身“心灵俱乐部”而感到心满意足，同时也不禁醉心于为俱乐部再纳新人的愿景中。人类为何会痴迷于诸多关于机器思维的科幻小说，我们的好奇心道出了其中的原委。在斯坦利·库布里克（Stanley Kubrick）的电影《2001太空漫游》（2001：A Space Odyssey）中，嗜杀的电脑HAL 9000被塑造为从一个黄点发散出的一圈恒定红光，但它所使用的语言与影片中那些面无表情的人类说的话相比，能激起我们更多的情感共鸣。当宇航员戴夫（Dave）要把HAL 9000关掉的时候，我们能感受到它的痛苦——“我害怕，我害怕，戴夫。戴夫，我的意识在消失，我能感觉到”。在我们的预期中，一台机器的关机过程带来的是机器能力的逐渐丧失，但在HAL 9000的遭遇中似乎还有更重要的一面。观众听到了HAL 9000的话，幻想着戴夫会不会心软，对这个与众不同、卓越非凡的思维主体手下留情。或许戴夫可以让HAL 9000立誓不再杀戮人类？随着戴夫一步步关机，HAL 9000渐渐退化到了孩童般稚气的状态，于是，我们好奇它的意识之光什么时候会消失殆尽。我们不由自主地跟HAL 9000产生了心灵上的共鸣，就像在目睹一个意识即将消亡的人那样。

人工智能的实用动机并不关注思维机器是什么样的，这种动机不由好奇心驱动，对基本结构与人类大相径庭的思维主体本身也毫无兴趣。相反，这种动机专注的是机器的执行能力所能带来的实际利益。人类依靠大脑成就丰功伟业。通过机器完成脑力劳动的渴望推动了人工智能实用领域中热点的形成。机器不仅可以完成脑力工作，它们的效率还更胜人类一筹。

在当代，机器学习集中体现了对人工智能实用性的关注热潮。关于在复杂的数据库中找寻规律模式的能力，如今的机器学习者已然让人类学习者相形见绌了。专攻机器学习的从业人员构建算法，将数据转化为知识与预测。在第一章中，我谈到了佩特罗·多明戈斯的思维实验——“抗癌X计划”。他将机器学习的最终目标设定为实现终极算法——某种“原则上来说，可用于从任意领域的数据中发现知识的通用（机器）学习者”。他洋洋洒洒地描绘了在计算机编程方面为了运行终极算法所付出的诸多努力。然而，他从未想过，当机器学习者慢慢朝着实现终极算法的方向进化时，我们最终拥有的将是凭借自身实力便能够像人类一样参与到交谈中的机器，虽然这种交谈只能以文本信息的形式进行，并且这项艰巨的任务可能也处在终极算法的能力范围之内。多明戈斯也从未想过能运行终极算法的机器究竟长什么样，他只是关心这台机器到底能用来做什么。

多明戈斯描绘了机器学习的“五大学派”——符号学派、联结学派、进化学派、贝叶斯学派和类推学派。每一学派都建立在人类学习过程中所使用的某种策略的基础之上。被多明戈斯称为“符号学派”的学习方式是从哲学家、心理学家和逻辑学家的理念中衍生而来的。当你从“p暗指q”与“p”这两个条件中推断出结论“q”时，你所运用的就是符号学派的策略。在人工智能发展的早期，符号学派是打造智能机器的主要希望。当我们重新建构自身思维的时候，我们通常会将思维转换为符号学派能够识别的样式，而人工智能最初令人大失所望在很大程度上也归咎于这种学习方式日益显现出的局限性。联结学派的学习方式建构于我们对大脑的认知之上，其核心理念是调整一个网络内的不同节点的联结方式。进化学派的灵感源于对理论进化过程的操控。进化学派潜心于创造条件，让不同理论展开相互竞争，在竞争中，精确度低的理论消亡，而精确度高的胜出方继续参加角逐。与随机的基因突变类似的进化过程不断改进理论，以提高其真实性。贝叶斯学派关注的重点是通过概率信息进行学习。类推学派则试图通过评估不同领域的论断的相似性来进行学习。每种学派都在探索属于自己的“终极算法”——某种“原则上来说，可用于从任意领域的数据中发现知识的通用（机器）学习者”。在这五大学派的形形色色的子域中，研究者似乎都在忙于争论究竟哪种学习方式才是最好的，而这些纷争也成了学界的保留项目。多明戈斯希望能够终结这场内部论战。终极算法取材于机器学习的五大学派中的每一个派系。每个学派都有自己的弱点，这意味着它们靠单干无法挑起机器学习领域的全部重担。

多明戈斯企盼这种终极算法的发现能成为“划时代的最伟大科学成就之一”。他继而又说：“实际上，终极算法是我们最无必要去发明的东西，因为一旦我们放任它发展，它就可以创造出能够被创造出来的一切。我们需要做的只是给它提供足量的对口数据，让它去发现相应的知识。”(www.xing528.com)

尽管多明戈斯信心十足，但如果能够运行终极算法的机器不过是数字时代的永动机，根本就不可能实现，那又当如何呢？试想一下，如果打造运行终极算法的机器这一目标似乎只有当你认真并细致地考虑到究竟要靠什么才能制造出这样一台机器时才有可能实现，那么，多明戈斯可能要失望了。但是，在努力实现这个不可能实现的目标的过程中，我们却很有可能收获满满。或许我们将要拥有的机器能够在海量数据中发现更加珍贵的规律模式，并且这些模式是人类智力难以企及的。实用动机已经催生了各式各样从事脑力工作的机器，这些机器的工作能力比任何人类工作者都更胜一筹。

图灵清晰地将自己的哲学动机从推动机器学习发展的实用动机中剥离出来。在挤满了贝尔公司主管的房间里，他高声放言：“不，我对打造超能大脑毫无兴趣，我追寻的不过就是一颗平庸的大脑，它就像美国电话电报公司的总裁（贝尔）一样平平无奇。”这便是针对人工智能领域的哲学动机的振聋发聩的宣言。美国电话电报公司的总裁或许资质平庸，但毫无疑问，他是具有思维能力的。如果图灵能够打造出一台数字计算机，而它能达到美国电话电报公司总裁的大脑所达到的一切思维标准，那么，图灵就实现了自己的目标。美国电话电报公司的总裁是有思维能力的，但如果他的大脑如图灵所说的一般乏善可陈，那么，这种机器学习者的设计师必将大失所望。多明戈斯期望借助机器学习者不凡的实力来解决超出人类能力范围的问题。如果这种机器的思维水平仅与美国电话电报公司的总裁不相上下，那它就无法提出攻克癌症的新型良方。多明戈斯倡导的机器学习的五大学派全部都是从人类的学习策略中汲取灵感，但他期望打造的机器在各种形式的学习中却能让人类望尘莫及。他绝不会满足于制造与平庸的人类大脑不分伯仲的机器学习者。

我们可以将一些针对人工智能未来前景的著名驳斥论理解为以图灵的哲学雄心为导向，却对实际利益充耳不闻的想法。想一想约翰·塞尔（John Searle）的著名的“中文屋”（Chinese Room）思想实验。这项实验支持的结论是，即便是最精密的程序也无法拥有或产生真正的思想。

在“中文屋”思想实验中，塞尔想象自己身处一间屋子，有人从屋外递进来一张纸，上面留有一些“潦草文字”。他不知道这些文字是什么意思，但手上恰巧有一本用英文撰写的规则对照手册。在这本手册的指导下，他书写了与收到的文字迥然不同的具体象形文字作为回复。塞尔直到后来才发现，这些潦草的象形文字其实是中文，而他实际上是出色地回答了用中文提出的问题。塞尔在“中文屋”中给出的回复与以汉语为母语的说话者给出的答案别无二致。一位中国人可能会将结论归因于思维主体懂中文，但塞尔说，无论是他的大脑，还是这间被看作一个整体的屋子都是不懂中文的。所发生的一切不过就是对符号的操纵罢了。根据塞尔的观点，适用于“中文屋”的情况同样适用于计算机。这间屋子就是一台计算机。它通过操纵符号来回应一切问题，但对于屋子本身而言，这些符号毫无意义。没有人会费心去造这种计算机。对于初创企业来说，主营海量的手册编写，好让锁在屋子里的人能够用于回答中文问题，这种做法是没有任何前景可言的。“中文屋”只是一项思想实验，旨在证明计算机并不具有思维能力，而这一结论也可以分毫不差地套用在今天的笔记本电脑以及它们之后的计算能力更为精进的后代产品上。

假设我们对“中文屋”进行重新编程，将其用于运行终极算法。塞尔和他的哲学追随者则会断言，这种情况与对“中文屋”进行编程以用于回答中文问题的情况相比，并没有什么两样，计算机在拥有真实思维能力方面并未更进一步。但人工智能领域的实用主义者对此毫不在意。即便原始版本的“中文屋”毫无思维能力可言，一位迷路的中国游客也能够通过它获得导航的帮助。对于“中文屋”没有思维能力这一点，这位游客也心知肚明。将很可能毫无思维能力的“中文屋”经过重新编程用以运行终极算法，或许这样就能够制定出应对急性淋巴细胞白血病的治疗方案，并且这种方案是一切人类医疗研究者都无法制定出来的。这种方案并不会因为是被我们认定为无思维能力的东西提出的而丧失丝毫可信度。

人工智能的分裂人格会促生困惑与受伤情绪。回顾一下在1996年与1997年，当时的国际象棋世界冠军，许多人心目中的无冕之王加里·卡斯帕罗夫（Garry Kasparov）与IBM公司的象棋计算机“深蓝”之间的两度对决。1996年，“深蓝”惜败于卡斯帕罗夫。1997年，“深蓝”与卡斯帕罗夫再度交锋，并在6局制的比赛中大胜而归。此次对决开创了在依照锦标赛规则指导的经典赛事中，计算机击败世界冠军的先例。2017年，卡斯帕罗夫出版了《深度思考》（Deep Thinking）一书，深度剖析了在计算机骤然崛起的过程中，从机器表现远逊于最佳人类棋手的时期到机器最终技高一筹的时代，他身为世界顶级人类棋手所经历的一切。他的描述引人入胜地再现了最佳人类棋手与最尖端国际象棋计算机之间的比拼恰好发展到水平“旗鼓相当”的那段短暂的历史时期。

卡斯帕罗夫讴歌了打造“深蓝”的软件工程师们实现的历史创举，但对IBM公司对他的所作所为倍感痛心。在卡斯帕罗夫眼中，工程师打造能击败最佳人类棋手的国际象棋计算机是出于一种“科学性”爱好。他口中的“科学性”一词本质上体现的是我们之前谈及的哲学动机。卡斯帕罗夫与“深蓝”展开对决之时，满怀信心地认为IBM公司感兴趣的是他——世界顶级棋手的国际象棋思维。卡斯帕罗夫想象了与IBM公司的软件工程师们合作的场景——工程师们如何运用编程技术来洞悉他的思维的场景。他们或许在尝试制造出带有卡斯帕罗夫影子的计算机。卡斯帕罗夫深知，将自己的国际象棋视野与计算机分析数据的能力叠加在一起后，他最终落败就在情理之中了——就算不是在1997年的比赛中失利，也将在此后的下一场，或是再下一场失利。从这个意义上来说，卡斯帕罗夫最终失败的本质原因是他被自己打败了。但遗憾的是，IBM公司的软件工程师们的兴趣并不在于破解卡斯帕罗夫的国际象棋思维的密码。他们采取的方法是纯实用性的。对于“深蓝”是否拥有像卡斯帕罗夫一样的思维或落子是否带有卡斯帕罗夫的风范，工程师们丝毫不在意。他们唯一关心的是“深蓝”的象棋要下得比卡斯帕罗夫出色。根据卡斯帕罗夫的说法，IBM公司的实用主义或许已经演变到了要暗中监视其赛前准备的程度了。但IBM公司感兴趣的不是卡斯帕罗夫的脑子里在想什么，而仿佛像是要时时刻刻地监视他。彼时的IBM公司恰好已被微软、苹果等品牌抢尽风头，渐渐为人所遗忘，似乎已被时代洪流淹没，而“深蓝”大胜卡斯帕罗夫的消息一时之间也就成了IBM公司的绝佳宣传素材。