智能化社会中的物思考：人与技术的融合

大家或许会好奇，我们前面介绍的那些人工智能设备究竟是怎么运作的呢？机器能够“思考”吗？智能化社会中的“物”是如何“思考”的呢？1950年，英国著名计算机科学家艾伦·麦席森·图灵（Alan Mathison Turing）在一篇名为《计算机器与智能》的论文中率先提出了这一问题，这一在今天看来十分平常的问题，在当时却开启了人工智能的大幕。艾伦·麦席森·图灵不仅率先提出了这一问题，还给出了这一问题的答案，即评估机器是否会思考的方法，这一方法就是举世著名的“图灵测试”（Turing Test）。具体来说，在测试过程中，人向对面提出一些问题，以对面对问题的回答来评估其是否会思考，如果人无法辨别对面的回答是人给出的，还是机器给出的，那么，该机器便通过了“图灵测试”，即认为该机器具有思考的能力。

接下来，我们探索一下人工智能的内在运作机制。

人工智能技术，简而言之，就是让机器学习使用人类的语言和思维方式来处理问题。机器学习总是与人工智能联系在一起，是人工智能的核心所在。机器学习不仅被认为是人工智能领域发展最快的一个分支，也是最能够体现人工智能精髓的技术。机器学习是一个涉及统计学、概率论、逻辑学等多学科的交叉研究领域，它的核心在于使计算机能够模拟或实现人类学习功能。通俗地讲，就是让计算机能够像人类的大脑一般具备从周遭事物中学习，并借此进一步展开联想和推理的能力。

目前，机器学习主要有五大门派：一是进化主义门派，该门派主要基于进化生物学；二是符号主义门派，该门派比较擅长逆演绎算法；三是联结主义门派，这一门派以神经网络为基本原理；四是行为类比主义门派，该门派从心理学的视角出发研究机器学习的相关问题；五是贝叶斯门派，该门派的研究建立在统计学和概率论的基础上。

人工智能为什么离不开逻辑学？

在回答这一问题之前，我们先来看一下什么是逻辑学。广义上，一般认为逻辑学就是研究人类思维规律的学问。狭义上，逻辑学指向推理，即研究推理的学问。(www.xing528.com)

前面我们已经提到，人工智能就是让机器通过模拟能够像人类一样对事物加以联系和推理。这也是人工智能的终极目的。而人类智能的推理能力是建立在归纳、演绎、类比等逻辑法的基础之上的，所以，逻辑学和数理逻辑是人工智能必不可缺的部分。人工智能的诞生和发展都离不开逻辑学的支撑。

在逻辑学的发展历史上，首先是形式逻辑取得较大进展，然后发展到数理逻辑。数理逻辑可以说是人工智能的基础。形式逻辑指传统逻辑，既包括归纳逻辑（广义上），也包括演绎逻辑（狭义上）。而数理逻辑则是现代逻辑，顾名思义，它是数学和逻辑学相结合的产物，具体言之，就是将数学的方法应用于逻辑的研究，而用数学的方法研究逻辑必然要以符号、公式等为具体手段，所以，数理逻辑又被称为符号逻辑。1847年，英国著名数学家和逻辑学家乔治·布尔（George Boole）在《逻辑的数学分析》一书中用一系列的数学符号代替了逻辑中的种种概念，使用数学方法探索逻辑的问题，这极大推动了数理逻辑的发展。

传统的计算机编程就是将人类的思维翻译成机器语言，因为机器只能识别自己的语言，因此程序员首先要学会相应的编程语言，然后把需要处理的问题写成机器可识别的代码，可以看出这其实是一件很费力的事情。随着时间的积累和技术的不断进步，人们开始思考为什么不让机器去学习人类语言，直接用人类思维去处理问题呢？这样处理问题的效率会高很多，也会节约大量的人力成本。在这种想法的引导下，人工智能技术应运而生。这种从人学机器到机器学人的转变是一种涉及计算机科学思想根源的本质性转变，不是简单的算法改进和优化。

人类大脑处理问题的方式和计算机处理问题的方式最大的不同在于人类思维是经验式思维，人脑通过不断学习、积累的经验去判断、分析问题并给出解决方案，这其中逻辑思维只在需要时发挥一定的作用。而传统计算机则是完全的逻辑思维，没有学习和经验判断能力。逻辑运算不依赖于经验，即使是两个不同的人，做同样的逻辑运算，正确结果都是一样的。而经验式思维依赖于经验积累，不同学习背景的人对同样的问题会得出完全不同的结论。这也是为什么人脑大部分细胞都是用来记忆的，就是要保存大量的经验信息。编程算法目前在人工智能技术中只是一个工具和实现手段，真正的人工智能是不依赖于编程算法的。因此，要从根本上实现人工智能，就是要让机器能够像人脑一样学习，并存储大量信息，然后依据存储的信息做出经验判断，把存储的信息和逻辑运算结合在一起，从真正意义上实现人脑和电脑的融合。

美国计算机科学家艾伦·凯（Alan Kay）曾说：“有些人担心人工智能会让人类觉得自卑，但是实际上，即使是看到一朵花，我们也应该或多或少感到一些自愧不如。”所以我们无须对人工智能抱有恐惧或排斥心态，警惕心自然要有，但人工智能依旧是人类历史上的辉煌成就，是人类文明发展进步的象征。