基于图灵机的数字计算机的局限性与人工智能的发展

智能是构建人工智能时代民事法律责任规则体系的基石范畴。对智能的认识直接影响民事责任主体规则、过错规则等的设计。关于什么是智能，存在认识上的分歧，这些分歧也成为人工智能时代民事法律责任规则研究的隐形障碍。杰夫·霍金斯（J.Hawkins）认为：“人工智能正面临着一个根本的错误，因为它无法圆满地解决什么是智能的问题，或者说‘理解某个事物’到底意味着什么。”^[3]

（一）智能的内涵：形式的信息处理vs.符号与现实世界的关联

1.形式转化解读方式：计算主义的认识论基础

在静态符号系统理论假设下，“智能是一种形式的信息处理”^[4]，“任何一个系统，如果能表现出智能，必须执行如下六种功能：输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性转移。反之，如果任何一个系统具有上述六种功能，就能表现出智能。”^[5]计算主义以形式转换作为解读智能的认识论基础。智能是在一定规则约束下进行的形式转换。“人类的思维就是运算，而运算不过是符号转换，这转换是由规则控制的。”^[6]换言之，初始状态下的符号形式，在一定运算规则下，从一种符号状态转化为另一种符号状态。这种符号转化通常具有多重性，层层递进，进入最终的输出状态。

形式转化的解读方式为机器智能提供了技术上的可行性，使其存在和发展具有了正当理由。智能特性存在于形式意义和量的意义上。具备在一定规则下进行符号转化的能力就具有智能属性，与质料无关。“智能不是人所独特的，而是许多事物共有的形式特征。图灵的‘通用图灵机’构想就是对上述思想的具体诠释。”^[7]从通过计算表征智能的角度看，人与计算机在结构或构造上具有相通之处。人的神经网络系统如同计算机的硬件是产生智能的有形基础条件，而人的心智如同计算机的软件是产生智能的无形基础条件。

将智能等同于形式转化的做法因其机械性遭受质疑，形式转化意义上所谓的智能被认为无法与人类智能媲美。物理方式的逻辑运算并非真正的思维，它依靠的是计算机的蛮力而非智力。迈克尔·海姆将人工智能比作炼丹术，认为计算机是在衍生的可理解层面进行工作，批判将智能等同于形式模式处理的做法。^[8]哈肯认为，人脑的工作机制不同于图灵机，“当图灵机产生一组数字作为一个数字问题的解时，是人给这些数字赋予了具体的含义。如果图灵机发现一个问题不可判定，人可以确定真正发生的事件！”^[9]德雷福斯认为，即便通过处理自然语言的程序设计使得计算机表面上具有理解符号意义的能力，计算机也并非语义机。以图灵机为基础的数字计算机只能对形式化的、确定的、离散的信息进行处理，不具有意向性，无法完全模拟人类智能。

2.意向性解读方式：符号与现实世界的关联性

赛尔（John Searle）提出“中文房间”（chinese room）的思想实验质疑符号主义、图灵测试关于智能的判断。在该思想实验中，完全不懂中文的被测试者能够以假乱真地让房间外的人确信其懂得中文。基于这一实验，赛尔主张，思维不应归因于模拟人类智能处理符号的程序。符号处理程序不构成“思维”（thinking）或“理解”（understanding），因为它缺乏“意向性”，即处理意义的能力。符号的形状是语法属性的（syntactic property），其意义是语义属性的（semantic property），计算机仅回应语法属性。“中文房间”输出的符合中文表达要求的语句表面上看是回应输入该房间的信息，但是，“中文房间”内处理信息的过程只针对输入内容的形状或语法属性，并不涉及理解或思维。

赛尔“中文房间”思想实验试图揭示智能的特征不在于形式转换，而在于将符号与符号所指向的现实世界相关联并对内容或意义进行处理。形式转换能力并非理解能力和思维能力。智能外观反映的是符号与符号之间的关联，而非符号与现实世界之间的关联。人类明白符号背后的意义，而机器只能进行形式转换。霍金斯称：“我认为塞尔的解释是正确的。认真思考过中文屋实验的论据和计算机的工作原理之后，我没有看到任何地方有‘理解’的发生。”^[10]

（二）智能的外延：人类智能与人工智能的关系

1.以计算主义为基础的平行关系说(www.xing528.com)

计算主义以人类智能与人工智能之间是平行关系为理论基础。计算机与人类在通过计算展现智能这一本质上是相同的，但是在计算方式、内在机理、基础材料方面迥异。人类通过大脑或心灵完成计算过程展现智能；计算机通过程序设计、符号运算完成计算过程展现智能。一方面，人类智能与人工智能在外在形式上有相似之处，人工智能可以从人类智能中得到启示；另一方面，人工智能不是也不可能是对人类智能的简单的模拟。

2.以联结主义为基础的模拟关系说

“符号主义试图用符号系统来模拟隐藏在人类认知中的某些功能，尤其是推理和语言能力。而联结主义则试图用联结主义网络或人工神经网络来模拟认知现象。”^[11]联结主义奉行模拟关系说，通过模拟人脑神经网络构建人工神经网络进而创造出类似于人类智能的人工智能。模拟关系说认为人工智能是对人类智能的模拟和效仿。计算是一种动力学现象，而人工智能研发需要以认知科学、生物学为基础，在这一意义上人工智能是计算机模拟人的认知系统的产物。该模拟不仅体现在外在的智能表现形式上，而且表现在内在运行机理的一致性上。模仿人类大脑和心灵是人工智能研发的关键，人工智能发展史就是计算机不断趋近于人类的历史。

伴随计算机算力增强以及智能驾驶汽车、医疗机器人、工业机器人在社会生活中的应用和推广，人们对人工智能认知能力的固有认识逐渐发生转变，将机器智能视为对人类智能的模仿或还原的观点遭到质疑。“我们希望机器做数学题像人那样缓慢和不精确？智能机器不应利用自己的优势，如大型、快速和可靠的存储器，而宁愿试图竭力效仿人的认识？”^[12]

（三）智能的表征：任务导向vs.目标导向

1.任务导向路径（task oriented approach）

在任务导向路径下，智能机器是能够完成需要人类智能才能完成的任务的机器。它将智能与某项特定任务（perform particular intellectual tasks）相联系。学者对智能主体是否具有唯一性的认识不同，任务导向路径中智能与完成某项特定任务之间建立的关系存在差异。根据多元化智能主体观点，设定的某项特定任务被认为是主体拥有智能的标准或门槛。只要机器能够完成该特定任务，就认为其具备了智能特征，属于人工智能。而根据单一化智能主体观点，设定的某项特定任务是否定该任务继续作为判断智能标准的依据。机器完成设定的某项特定任务，并不意味机器具备了人工智能，只意味着设定的某项特定任务不再能够作为智能的表征。例如，人类在不同时期分别将在跳棋、国际象棋、围棋等棋类竞技中获胜作为智能表征。随着计算机技术的发展，机器相继战胜了各项棋类中顶尖的人类棋手。完成跳棋、国际象棋、围棋等棋类博弈的里程碑事件并不表明机器智能化，只表明该类任务不能再作为智能的表征。

2.目标导向路径（goal oriented approach）

麦卡锡将智能界定为“达到目的的计算能力部分”。“机器达到目标的工作”是卢塞尔和诺米格体系中“理性行为”（acting rationally）的关键要素，他们在操作性定义人工智能（operativedefinition）过程中使用理性主体（rational agent）的概念。这种个体行为的目标是取得最好的结果或者期望的最好结果。从规制的角度看，目标导向路径似乎并非特别有帮助，因为它将难于界定的智能（intelligence）概念替换为了目标（goal）。按照通常的说法，目标是意图（intention）的同义语，机器是否以及何时能够拥有意图是一个更为形而上学的问题，而非法律或科学的问题，界定目标（goal）时难以避免会创造一个过度包容（over-inclusive definition）的概念以涉及意图（intent）和自我意识（self-awareness）。^[13]