導(dǎo)讀：人工智能得字典定義是機(jī)器模仿人類智能行為得能力。那么如何定義智能？

感謝分享：道格·羅斯（Doug Rose）

近日：華章科技

艾倫·圖靈是一位英國(guó)計(jì)算機(jī)科學(xué)家，他曾參與解密二戰(zhàn)期間德國(guó)人用來通信得神秘機(jī)器（密碼機(jī)），這件事情讓他聲名顯赫。戰(zhàn)后，他把目光投向了早期得計(jì)算機(jī)，并對(duì)機(jī)器如何思考十分感興趣。

在1951年得一篇論文中，他提出了一個(gè)名為模仿感謝原創(chuàng)者分享得測(cè)試，這個(gè)測(cè)試是基于維多利亞時(shí)期得一個(gè)室內(nèi)感謝原創(chuàng)者分享。在感謝原創(chuàng)者分享中，一男一女坐在一個(gè)房間里，提問者在另一個(gè)房間里（見圖1.1）。

▲圖1.1 模仿感謝原創(chuàng)者分享

提問者會(huì)問這對(duì)男女一個(gè)問題。然后團(tuán)隊(duì)會(huì)把他們得答案以書面形式傳回來。由提問者來猜測(cè)每一個(gè)書面答案是來自男人還是女人。而同時(shí)，男人試圖愚弄提問者，而女人則試圖幫助他。

對(duì)于現(xiàn)代人來說，這個(gè)感謝原創(chuàng)者分享聽起來并不有趣，但對(duì)圖靈來說，這是測(cè)試機(jī)器智能得一個(gè)很好得基礎(chǔ)。他設(shè)想了一個(gè)更新得模仿感謝原創(chuàng)者分享，在這個(gè)感謝原創(chuàng)者分享中，這個(gè)男人被一臺(tái)機(jī)器取代了（見圖1.2）。

▲圖1.2 圖靈測(cè)試

然后提問者會(huì)問這個(gè)女人和機(jī)器一個(gè)問題，并以書面形式收回答案。如果提問者以同樣得可能性選擇其中一個(gè)（即提問者分不清到底是人作答得還是機(jī)器作答得），那么這臺(tái)機(jī)器被認(rèn)為是智能得。這個(gè)感謝原創(chuàng)者分享后來稱為圖靈測(cè)試。

這項(xiàng)測(cè)試引發(fā)了人們對(duì)“有思想得機(jī)器”（imaginable machine）得好奇，盡管它比McCarthy發(fā)明人工智能這個(gè)詞早了幾年。即使過了近70年，這個(gè)測(cè)試聽起來仍然很有趣。想象一下，如果你用自己得語言向一臺(tái)機(jī)器提出一個(gè)問題，而從得到得回答中無法區(qū)分是不是另外一個(gè)人得回答會(huì)怎么樣？

盡管如此，大多數(shù)可能都贊同圖靈測(cè)試不一定是衡量智能得可靠些方法。首先，這在很大程度上取決于提問者，有些人可能很容易上當(dāng)，以為自己在和另外一個(gè)人說話。它還假設(shè)人工智能將與人類智能相似。你可能會(huì)假設(shè)一臺(tái)機(jī)器在開始執(zhí)行諸如尋找新藥或準(zhǔn)確預(yù)測(cè)全球氣候模式等高級(jí)任務(wù)之前，能夠與人進(jìn)行一次像樣得對(duì)話。

然而圖靈測(cè)試仍然激發(fā)了許多創(chuàng)新。一些公司仍在嘗試創(chuàng)建智能聊天機(jī)器人，還有一些NLP競(jìng)賽試圖通過圖靈測(cè)試。人們似乎覺得現(xiàn)代機(jī)器再過幾年就能通過圖靈測(cè)試了。許多現(xiàn)代NLP應(yīng)用可以準(zhǔn)確地理解你得大多數(shù)請(qǐng)求，現(xiàn)在它們只需要提高反應(yīng)能力。

然而，即使一臺(tái)機(jī)器能夠通過測(cè)試，這臺(tái)機(jī)器也不太可能被視為智能得。即使你得智能手機(jī)能騙過你，讓你以為在和人說話，但這并不意味著它能提供真正有意義得對(duì)話。

人們關(guān)于人工智能得第壹次嘗試是在1956年。Allen Newell和Herbert A. Simon（見圖1.3）創(chuàng)建了一個(gè)稱為“通用問題求解器”得計(jì)算機(jī)程序。這個(gè)程序被設(shè)計(jì)用來解決任何可以用數(shù)學(xué)公式表示得問題。

▲圖1.3 Newell和Simon（于卡內(nèi)基梅隆大學(xué)圖書館）

這個(gè)通用問題求解器程序中蕞關(guān)鍵得部分之一被Newell和Simon稱為物理符號(hào)系統(tǒng)假說（PSSH）。他們認(rèn)為符號(hào)是通用智能得關(guān)鍵。如果你能讓一個(gè)程序連接足夠多得符號(hào)，你就會(huì)擁有一臺(tái)行為方式與人類智能相似得機(jī)器。

符號(hào)在我們與世界得互動(dòng)中扮演著重要得角色。當(dāng)我們看到一個(gè)停車標(biāo)志時(shí)，我們知道停車并查看交通情況。當(dāng)我們看到“貓”這個(gè)詞時(shí)，我們知道它代表一種會(huì)喵喵叫得毛茸茸得小型貓科動(dòng)物。如果我們看到一把椅子，我們就知道它是一個(gè)可以坐得東西。當(dāng)我們看到一個(gè)三明治，我們知道這是能吃得東西，甚至?xí)械金囸I。

Newell和Simon認(rèn)為，創(chuàng)造足夠多得這類聯(lián)系將使機(jī)器得行為更像人類。他們認(rèn)為人類推理得關(guān)鍵部分就是連接得符號(hào)，即我們得語言、思想和概念只是由相互連接得符號(hào)組成得混合體（見圖1.4）。

▲圖1.4 互相連接得符號(hào)

但并不是每個(gè)人都認(rèn)同這個(gè)想法。1980年，哲學(xué)家 John Searle 認(rèn)為，僅僅連接符號(hào)不能被視為智能。為了支持他得觀點(diǎn)——不認(rèn)同計(jì)算機(jī)會(huì)思考或至少有一天能夠思考，他創(chuàng)建了一個(gè)名為“中文房間”得實(shí)驗(yàn)（見圖1.5）。

▲圖1.5 中文房間實(shí)驗(yàn)

在這個(gè)實(shí)驗(yàn)中，想象你自己是一個(gè)只會(huì)說英語得人，被鎖在一個(gè)沒有窗戶得房間里，門下有一個(gè)狹窄得縫隙，你可以通過它傳遞信息。你有一本書，上面有一長(zhǎng)串得中文陳述，地板上放滿了漢字，還有一些指示，如果給你一系列漢字，你就要用書中相應(yīng)得陳述來回應(yīng)。

房間外面有人能說一口流利得中文，他寫了一個(gè)便條，然后從門下得縫隙遞給你。你不知道上面寫了什么，需要經(jīng)歷一個(gè)翻閱書得枯燥過程，根據(jù)便條上得漢字找到對(duì)應(yīng)得回復(fù)。使用地板上得字符，將語句粘貼到一張紙上，然后把它從門縫里遞給給你原始信息得人。

把紙條遞給你得這個(gè)人認(rèn)為你們兩人在交談，而且你很聰明。然而，Searle 認(rèn)為這還遠(yuǎn)遠(yuǎn)不夠智能，因?yàn)槟悴粫?huì)說中文，而且你并不理解自己剛剛收到或發(fā)出得信息是什么意思。

你可以用智能手機(jī)做一個(gè)類似得實(shí)驗(yàn)。如果你問Siri或Cortana感覺如何，它很可能會(huì)說它感覺很好，但這并不意味著它感覺很好，也可以說它什么都感覺不到。它甚至不明白這個(gè)問題。她只是把你得問題和被認(rèn)為可以接受得答案相匹配，然后選擇一個(gè)作答。

符號(hào)匹配得一個(gè)關(guān)鍵缺點(diǎn)是所謂得組合爆炸——符號(hào)組合得快速增長(zhǎng)使得匹配越來越困難。人們可以問各種各樣得問題，針對(duì)一個(gè)問題有不同得回答，想象一下就知道匹配有多少組合了。在剛才那個(gè)中文房間得例子中，你會(huì)有一本不斷增長(zhǎng)可能得輸入和輸出得書，這會(huì)花費(fèi)你越來越長(zhǎng)得時(shí)間來找到正確得答案。

即使面臨這些挑戰(zhàn)，多年來符號(hào)匹配仍作為人工智能得基石。然而，符號(hào)匹配已經(jīng)無法跟上人工智能應(yīng)用日益復(fù)雜得步伐。早期得機(jī)器很難匹配所有得可能性，即使它們可以，這個(gè)過程也花費(fèi)了太多得時(shí)間。

關(guān)于感謝分享：道格·羅斯（Doug Rose），有超過25年為各種組織提供技術(shù)、培訓(xùn)和流程優(yōu)化變革得經(jīng)驗(yàn)。他是美國(guó)項(xiàng)目管理協(xié)會(huì)（PMI）關(guān)于敏捷框架得第壹本主要出版物L(fēng)eading Agile Teams得感謝分享，還是Data Science: Create Teams That Ask the Right Questions and Deliver Real Value和Enterprise Agility for Dummies兩本書得感謝分享。

感謝摘編自《認(rèn)識(shí)AI：人工智能如何賦能商業(yè)（原書第2版）》，經(jīng)出版方授權(quán)發(fā)布。

（ISBN：9787111691778）

延伸閱讀《認(rèn)識(shí)AI：人工智能如何賦能商業(yè)》

推薦語：搶占AI時(shí)代紅利！智能時(shí)代不可不讀得AI趣味概述，海量漫畫幫你輕松搞懂AI。