蒸汽機被看作近代社會開始的標(biāo)志，或許也可以把計算機看作當(dāng)代社會開始的一個標(biāo)志。計算機正在成為一件視而不見的事物，比如我們不會把手機當(dāng)作計算機，但它確實也是計算機，或許有人會說，手機是通訊工具，但就會有人給你解釋，“網(wǎng)絡(luò)交換機”就是相互聯(lián)接的計算機，手機不過是一個終端。

當(dāng)手機升級為智能手機后，問題也進了一層，手機是人工智能嗎？或者稍專業(yè)一點，計算機是人工智能嗎？這些看似簡單的提問總是讓人摸不著頭腦，在硬的技術(shù)解釋與軟的常識的哲學(xué)性之間，人們往往沒有共同的語言。

本文首先弄清楚這些似乎簡單的問題為什么這么難，在這個基礎(chǔ)上才可能去理解“算法”、“人工智能”等概念的性質(zhì)和本質(zhì)。

| 題解

按照丘奇-圖靈論題，“計算機是人工智能嗎？”這個問題與下例問題等價：

• 算法是人工智能嗎？

• 圖靈機是人工智能嗎？

我們可以作“是”和“不是”的情況分別進行考慮：

• 計算機是人工智能嗎？

如果回答“是”，就無法回答下一個必然問題：為什么會有與計算機不同的“人工智能”的廣泛觀念和事實 ？

如果機器回答“不是”，那末這個不同于計算機的人工智能又是什么？

這種提問和回答都要求對計算機和人工智能進行基本性質(zhì)的比較和判別，這不是簡單分類的問題，在商店、家中可以隨習(xí)慣而定，但在生產(chǎn)、研究的前沿技術(shù)領(lǐng)域和戰(zhàn)略決策的認(rèn)知觀念上，要求對問題的進行本質(zhì)性的判斷，這些問題的提出和回答牽涉到算法、計算機、圖靈機、丘奇－圖靈論題、“判定問題”、“圖靈檢驗”等基本理論，實際上要求把可計算性理論，不確定性理論和人工智能統(tǒng)一在一個更大的平臺上進行考察、研究，這種關(guān)于問題本質(zhì)的研究是科學(xué)理論和哲學(xué)上的最困難問題。

比如著名的希爾伯特第十問題，圖靈以“圖靈機”的構(gòu)造過程完滿回答了，這個問題的提出和解決就是計算機時代進步的深層動力，現(xiàn)在，對計算機與人工智能的基本性質(zhì)和關(guān)系的判斷同樣會有深刻的影響，在這種高度上理解，“圖靈檢驗”就具有希爾伯特－圖靈機的“判定問題”類似的意義和價值，本文以智能哲學(xué)的角度提出和分析這些問題。

| 計算機與算法：丘奇－圖靈論題

計算工具是人類所有工具中最特別的一種，最古老又最新潮，它的物理工具性與抽象形式緊密纏繞，以前只有一個直覺的觀念：計算是機械步驟，現(xiàn)在又有一個丘奇－圖靈論題：計算機是“算法”。

當(dāng)你兒時數(shù)手指頭的時候，你就是在用算法了，雖然今天我們以電子計算機代替了手指頭，算法的性質(zhì)并未變，而且，我們卻仍然難以回答“什么是算法？”這樣的問題。人們認(rèn)為數(shù)學(xué)家和科學(xué)家都是最聰明的人，更何況是偉大的數(shù)學(xué)家和科學(xué)家，他們之中對這個問題最聰明的回答就是那個丘奇－圖靈論題，這似乎有些“皇帝的新衣”的感覺，我們都只看到計算機，我們不知道什么是算法，當(dāng)你數(shù)手指頭時，是在用算法，但手指頭不是算法，現(xiàn)在我們可以說，軟件是算法，但與機器何干？

因此面對“人工智能”時，我們只是同樣在問，機器中的“智能”與人腦袋中的智能都是算法嗎？這些問題的一個關(guān)鍵性質(zhì)“算法和人工智能究竟是基于語法的還是基于語義的？”就是哲學(xué)、邏輯學(xué)、語言學(xué)、計算機和人工智能等不同領(lǐng)域中的共同的基本問題，這個問題最令人困惑在于物理形式與抽象形式相互緊密纏繞，層層交織。丘奇—圖靈論題脫離不了這種直覺性質(zhì)：我們知道皇帝穿了龍袍，但是我們看不見。

| 著名的“希爾伯特第十問題”

我們用概念去定義一個事物，可以用“外延”或“內(nèi)涵”的方法，簡單地說，前者就是舉例：什么是“可計算的”東西？后者則是論理：什么是“可計算性”？前者容易，后者很難。數(shù)學(xué)家就是用前一種方法定義“算法”的，在數(shù)學(xué)中有一門經(jīng)典的專門理論——遞歸函數(shù)論，遞歸函數(shù)就是“可計算的”函數(shù)類，這樣就從外延上“精確地”定義了“算法”，就是說，“算法”就是“可計算的”。對此或許大家都不滿，大數(shù)學(xué)家希爾伯特?fù)Q一個角度提出問題：能否 “發(fā)明一種辦法”（To devise a process）去判定，任何一個丟番圖方程問題是可計算的？

這就是著名的“希爾伯特第十問題”。

圖靈理解這個問題的真正要求，既然數(shù)學(xué)中的遞歸函數(shù)無法直接回答什么是算法這樣的問題，那就得用非數(shù)學(xué)的方法去表現(xiàn)算法，圖靈模仿人的算法過程，創(chuàng)造了“圖靈機”，圖靈機最大的意義就是展示了算法的機械過程性質(zhì)，把數(shù)學(xué)意義上的“可計算的”表達(dá)為“可計算的”過程，揭示了算法的“能行性”本質(zhì)，所以“丘奇－圖靈論題”說，“能行可計算的”就是圖靈機可計算的。

借助于圖靈機，圖靈回答了希爾伯特第十問題，但不是“回答”某個確定的答案，而是合理地拒絕：這個問題是不可判斷的！希爾伯特第十問題的提出和圖靈的拒絕式回答，現(xiàn)在統(tǒng)稱為“判定問題”。  

這個問題的提問和回答方式之間的關(guān)系太拐彎了，后來人們簡化了對這個問題的理解，把“判定問題”（Entscheidungsproblem）換成了“停機問題”（the Halting problem），但這種解釋卻拐了另一個大彎，采用邏輯悖論的方式，設(shè)計一臺計算機的自我指涉，即讓一臺計算機去計算自己，從直覺上就能理解，這是不可能的。

但這種對“判定問題”的“停機”解釋方法卻帶來了另一個更大的麻煩，如果一臺計算機不能判定自己是不是“可計算的”，就可能推翻了“可計算性”這個概念，“停機問題”意味著——“可計算的”機器不能肯定自己的“可計算性”。就是說，“停機問題”這種悖論式解釋“判定問題”的代價只是將問題推進到一個更深的纏繞層次。

實際上，圖靈對“判定問題”的拒絕式回答，是建立在“圖靈機”的建造過程上，可計算的算法機器是可以建造的——這就是“圖靈機”，但圖靈說，具有一般性“判定”能力機器是造不出來的！所以希爾伯特第十問題無解，這是圖靈對希爾伯特第十問題的判定，就是說，圖靈對“判定問題”的拒絕是人的判斷而不是機器得到的答案。

這種不同也正是“停機問題”與“判定問題”的分別。“停機問題”的解釋方法則是設(shè)想用一臺建造好的圖靈機去判斷自己，雖然得到了想要的結(jié)果，但卻否定圖靈機本身，雖然否定了“判定問題”也否定了算法本身。

對“判定問題”和對這個問題的解決的分析，給我們現(xiàn)在要回答的問題在認(rèn)識論和方法論上以啟示，這些都成了NP理論和智能哲學(xué)的基本案例。

| “圖靈檢驗”（Turing Test  TT）

從“判定問題”的歷史發(fā)展中得到的啟示，我們就可以把“什么是人工智能？”的問題轉(zhuǎn)變成一個判斷問題：有何方法去判斷一臺機器是不是人工智能？實際上這個問題也是圖靈最先提出來的，是圖靈設(shè)計的方法，現(xiàn)在稱為“圖靈檢驗”（Turing Test  TT）。

但“圖靈檢驗”與“判定問題”（Entscheidungsproblem EP）大有不同。EP實質(zhì)是要求以算法判斷算法，TT則是以人去判定算法能力與人的思考能否分別，實際是人工智能與人的智能的判別，但判斷者是人，是人的標(biāo)準(zhǔn)，因此，如果為TT制定了一個具體的形式化的標(biāo)準(zhǔn)，這個標(biāo)準(zhǔn)就可以由另一臺機器充當(dāng)了，但這也就把TT變成了“判定問題”。這就是TT與ET的不同。

正因為TT是由人充當(dāng)判定者的，所以TT是開放性的，就是說，TT是一個檢驗?zāi)Ｊ?，人們可以在這個模式上設(shè)計具體的檢驗，設(shè)計相關(guān)的具體標(biāo)準(zhǔn)，去做不同水平的檢驗或試驗，在這個意義上，“圖靈檢驗”與“圖靈機”具有相似性。所以TT不會有一個統(tǒng)一的具體化的標(biāo)準(zhǔn)。

TT的最大意義是通過人的判斷模式去展示“什么是智能的？”，即以有判斷能力的人去判斷人的智能與機器智能的相同與不同。

TT建立在一個前提上，人是能夠理解被判定的對象和這些對象包括判斷者在內(nèi)之間的符號交流能力的，這也意味著事先肯定了人的理解能力是人的基本智能，因此TT是建立在人的理解能力基礎(chǔ)上的人的判斷。

歷史性地理解，就是把建立在算法能力基礎(chǔ)上的EP推進到建立在人的理解能力基礎(chǔ)上的判斷，前者只是通過“什么是可計算的？”表現(xiàn)對算法本質(zhì)的理解，后者則是通過“什么是可理解的？”表現(xiàn)對智能本質(zhì)的理解，如果人與機器交流中能夠相互“理解”，并且這種相互理解是人的標(biāo)準(zhǔn)，則機器才具有與人相同的“智能”。這種高度對人與人工智能的比較是至關(guān)重要的。

對TT的分析表明，人的智能不只是“理解”，而且是“理解‘理解’”，因此，雖然TT沒有回答“什么是智能？”，但展示了“什么是智能的？”。實際上，現(xiàn)有的人工智能的成果表現(xiàn)了“什么是人工智能的？”，但回答不了“什么是人工智能？”，在這些比較的意義上，對TT的本身就是智能哲學(xué)的科學(xué)展開形式，比如賽爾的“中文屋子”就是這樣的一個著名案例。

所以我們對TT的理解，并不是限于如何去進行實際的檢測，一臺實際機器是否達(dá)到了某個機器標(biāo)準(zhǔn)，這只是回答“什么是人工智能的？”問題。TT的價值在于提供了一種設(shè)計人工智能判斷的一般性原則，正如圖靈機是所有具體機器的模型，也可以說，TT是所有具體的檢驗人工智能標(biāo)準(zhǔn)的一般模型。對TT的研究實質(zhì)上指出：我們對人工智能可以期望什么。因此TT是一個具有開放性檢驗?zāi)Ｊ剑琓T本身就具有“不確定性問題，NP”的性質(zhì)，TT的具體標(biāo)準(zhǔn)類似最優(yōu)近似的方法（NP-algorithm），通過不斷地去研究、設(shè)計TT的具體標(biāo)準(zhǔn)，而推進對人工智能的理解。

對TT研究的啟示是：人的智能和人工智能不可能存在一般性的比較標(biāo)準(zhǔn)。——這也可以理解為，對“智能是可以判斷的嗎？”這樣的問題的一個拒絕式的回答。如果是這樣，也就是把“判定問題”發(fā)展成人工智能領(lǐng)域中的一個高級版本。

更重要的是，我們可以在這些基礎(chǔ)上，進一步去研究人的“智能”與“理解”的內(nèi)涵關(guān)系，這也可能是智能哲學(xué)的一個最大的貢獻。

| 五、“人工的”與“人工性”

對“人工智能”定義一部份在于“人工的”與“人工性”的區(qū)別，前者是事物的屬性，后者是事物的本質(zhì)，前者是概念的外延性枚舉，后者是與“自然性”相對的本質(zhì)性問題，只能在哲學(xué)的高度上討論。

大體說來，非自然的創(chuàng)造物（不涉及宗教）就是“人工的”，機器當(dāng)然是“人工的”，所以“人工智能”大體上就等于“機器的智能”，即機器智能具有人工性，這只是說，人工的機器是可以模仿人的智能的機器；但如果把“人工智能”理解成“人工的智能”，就是“承諾”了“人工性智能”與“自然性的智能”的某種同質(zhì)性了，這種理解是導(dǎo)致“強人工智能”甚或“超人工智能”觀念產(chǎn)生的基本原因。

比如“機器人”是“人工的人”還是“人的機器（工具）”？前者似乎是“人是機器”的反演，是本質(zhì)性的；后者則只是同義反復(fù)：人的＝人工的。

所以“人工智能”這術(shù)語不僅在“智能”這個概念上是不確定的，在“人工的”這個用語的修飾性上也是不確定的。“人工性”對立于“自然性”，不能由“人工的”綜合得來，這些關(guān)系實質(zhì)上是傳統(tǒng)哲學(xué)中的“共相”、“唯名論”、“唯實論”、“懷疑論”等等解不開的結(jié)的再現(xiàn)。

因此當(dāng)我們問和回答 “計算機是人工智能嗎？” 遠(yuǎn)遠(yuǎn)不像表面看去那么簡單，比如，可以理解為“計算機是一種機器智能嗎？”這與“算法只是機器的‘思考’嗎？”相同；但如果理解成“計算機是人工的智能嗎？”意義就相當(dāng)于“算法是人造的智能嗎？”這些不同的理解有層次上的不同，往往導(dǎo)致互不針對、“雞同鴨講”的無謂論爭，使問題變得更困難，這正是這些看似簡單的問題卻成為最無頭緒的論爭的原因。

正是“人工智能”這個概念本質(zhì)上的不確定性，所以不存在一般意義上的“人工智能”的準(zhǔn)確定義，所以TT標(biāo)準(zhǔn)也只能是一個開放的課題，在這些意義上，人工智能只是一個不斷地接近人的本質(zhì)的發(fā)展道路。

| 六、如何回答“計算機是人工智能嗎？”

基于上述的思想，以機器的能力標(biāo)準(zhǔn)而言，算法只是機械步驟，不能以超過自身的能力“自發(fā)地”進行發(fā)明、創(chuàng)造或自己學(xué)習(xí)，具體的計算機最大能力最終是由廠家和程序員們決定。在這個標(biāo)準(zhǔn)上，計算機不是“人工智能的”，也不是“人工智能”。（根據(jù)我們的對Agent的解釋，計算機不是Agent。）

注意，在計算機中建模進行的基于ANN的“機器學(xué)習(xí)”等方法，是將“人工神經(jīng)網(wǎng)絡(luò)”函數(shù)化、算法化的結(jié)果，這種研究方法具有兩者的混合性質(zhì)，在這種情況下，不能混淆地回答“計算機是人工智能嗎？”這樣的問題，理清這種情況，正是本文的目的之一。

現(xiàn)在也可以簡單地回答“計算機可以思考嗎？”的問題了：計算機可以“像人”一樣進行思考——但這只是“像”人的“思考”而己，就是說，計算機（算法）不等于人的“思考”，也不等于“人工智能”，更不等于人的“思考”。

| 七、人工智能發(fā)展中的兩個互補路線

“人工智能”這個術(shù)語最先是1956年達(dá)特茅斯會議上提出并被廣泛接受的，此前圖靈1950年論文題目是“計算機器與智能”（Computing Machinery and Intelligence），但文中提出的問題是“機器能夠思考么?”（Can machines think?）如同他1936年論文中所做的那樣，圖靈避免了對“機器”和“思考”的直接定義，而是設(shè)計了“模仿游戲”，也就是TT，在人們的一般的觀念中，“思考”就是智能過程，所以TT也可以稱之為“智力檢驗”，因為TT是檢驗機器的“思考”能力，“思考”比“智能”一詞更多地分離了“智能”這個概念中的不確定性的部份，類似的也有人用過“人工思維”（Artificial Thinking）這樣的術(shù)語，所以計算機作為TT中“機器”一方，但這并不妨礙TT作為人工智能的評價方式，TT是一個開放性的模式。

人工智能研究領(lǐng)域一直存在“算法計算”與“Agent代理（計算）”兩種路線，對這種現(xiàn)象的認(rèn)識與爭論已經(jīng)成了人工智能的哲學(xué)問題_[1]，它們在相對的意義上有各種稱呼，如符號主義、機能主義、邏輯或程序主義、聯(lián)接主義等等，達(dá)特茅斯會議上提出的“人工智能”這個概念大體包括了這兩個方面的工作而被大家接受，但如果區(qū)分了算法計算與人工智能，“人工智能”這個概念就更多地具有明斯基所說的Agent （代理）的意義，因此Agent 是狹義、嚴(yán)格的“人工智能”。 

但正如計算機中建模的基于ANN的人工智能研究具有混合性質(zhì)一樣，芯片化和基于互聯(lián)網(wǎng)的ANN研究也離不開算法，兩者總是在混合中發(fā)展的，但從理論上分清兩個方向的功能原理，對指導(dǎo)人工智能的發(fā)展是很重要的。

對那些不耐煩啰嗦形式的人來說，一個粗糙但不失本質(zhì)的定義是可以接受的：計算機是人的思維的工具，人工智能是人的智能的代理（Agent）。

參閱：

[1] 人工智能哲學(xué)，瑪格麗特·博登編，劉西瑞等譯，上海譯文出版社，2001.

[2] 周劍銘，智能哲學(xué)：人與人工智能， 網(wǎng)文

[3] 周劍銘 柳渝，機器與“學(xué)習(xí)”——尋找人工智能的幽靈，網(wǎng)文

[4] 周劍銘 柳渝，人與機器的“戰(zhàn)爭”與“學(xué)習(xí)”，網(wǎng)文

[5] 柳渝，不確定性的困惑與NP理論