互动科普

一些最新的计算机设计从人类的神经网络上找到了灵感。但是，这些机器真的能思考吗？

算出3456732加2245678等于多少，你需要多长时间？10秒钟？对普通人来说，这个成绩已经不错了。但一般的新型个人计算机(PC)只需要0.000000018秒。再来考考你的记忆力。你能一次记住采购单上的几种商品？10种？还是20种？PC轻轻松松便能记住1.25亿种商品。

不过，在其他一些方面，计算机却远远比不上我们：那些我们一眼便能认出的面孔，却让它们束手无策——机器没有创造性思维，没有知觉，也没有美好的回忆。近几年来，技术的进步正不断缩短电子线路与人脑之间的差距。美国斯坦福大学的生物工程师们正在尝试，把神经网络复杂的并行处理方法应用到微型芯片上。而达尔文七号（Darwin Ⅶ）的出现，则代表了另一项进步：这台机器人配有一部相机和一副金属颌骨，能够像动物幼崽一样与周围的环境进行互动，学习新东西。美国加利福尼亚州拉乔拉神经研究所的科学家还仿照老鼠大脑和类人猿大脑，为达尔文七号设计了先进的“大脑”。

同时，这些进步也给我们提出了一个新的问题：如果计算机处理过程最终可以模仿自然界的神经网络，冰冷的硅片是否就能学会“思考”？我们又该如何判断它能否思考呢？早在50多年前，英国数学家和哲学家阿兰·图灵（Alan Turing）就提出了一个巧妙的设想，来回答这个问题。后来，人们不断对这个设想进行探索和改进，使人工智能（AI）研究受益匪浅。同时，它也为人类认知领域的研究指明了方向。

智力测试

那么，这种叫做“思考”的、难以捉摸的能力究竟是什么呢？人们经常用“思考”这个词来描述那些与意识、感知和创造相关的过程。相比之下，现在的计算机还只能机械地执行程序提供的指令。

1950年，微型硅芯片尚未问世，图灵就已经意识到，随着计算机越来越聪明，这个关于人工智能的问题终将出现。目前，所有已经发表的论文中，最著名的可能要数《计算机与智能》了。图灵在这篇文章中进行了一个巧妙的替换，把“机器能否思考”这个问题变成了“机器（计算机）能否通过模仿游戏测试”。也就是说，计算机能否在与人交谈的过程中骗过对方，使对方误以为“它”是一个人。

图灵的想法源自一种简单的室内游戏。游戏要求两个人身处不同的房间，彼此看不见对方，作为询问者的一方，必须通过一系列提问，来判断对方是男是女。在图灵的思维实验中，计算机便是接受提问的一方。现在，这个实验被称为图灵测试，计算机想要顺利过关，就必须回答询问者用人类语言提出的任何刁钻问题。

图灵那篇影响深远的论文以这样的预言结尾：在50年内——也就是我们现在身处的21世纪初——人类将设计出能从容应对模仿游戏的计算机，到那时，询问者正确识别出谈话对象的几率，只有70%。

但迄今为止，图灵的预言尚未变成现实。事实上，没有一台计算机能通过图灵测试。为什么那些人们轻而易举就能完成的事，到了机器那里却变得困难重重呢？这是因为，要想通过图灵测试，计算机如果只展示出一种才能（如计算能力或钓鱼技巧）是远远不够的，它必须像人一样，同时具备多种能力。但是，计算机都是针对具体用途设计的。它们按程序完成规定的工作，而储备的知识也只与任务有关。宜家公司（IKEA）的网上助手安娜（Anna）就是一个很好的例子。你可以向安娜咨询宜家公司的产品和服务，却无法从她那得知天气的变化。

为了通过图灵测试，计算机还需要具备哪些能力呢？显然，熟练地掌握语言，包括多义词和特殊用法也是很必要的。语境，是迅速准确地理解多义词的关键。例如，“bank”既有“河岸”的意思，又有“银行”的意思，具体含义取决于使用的语境。但是，要电脑弄清语境谈何容易。

语境的重要性，在于它提供的背景知识。例如，语境可以透露与询问者身份有关的信息：他（或她）是成人还是孩子，是专家还是门外汉？还有些问题，像“意大利队夺得世界杯冠军了吗？”询问时的年份就显得非常重要了。

事实上，背景知识在各个方面都非常有用，因为它可以减少得出结论所需的计算总量。有些问题单凭逻辑根本无法正确回答。例如，“张三在家里，他的鼻子在哪里？”要回答这个问题，计算机必须知道，鼻子通常是长在它们主人脸上的。仅仅让计算机回答“在家里”，并记住这个答案，是远远不够的。因为下一次，计算机可能还会遇到另一个问题：“张三在家里，他的背包在哪里？”如果计算机还是回答“在家里”，那就未必准确了。这个时候，“我不知道”可能更合适——如果张三的鼻子最近做过整形手术，事情就更复杂了。这时，正确的答案也许是另一个问题：“你说的是张三鼻子的哪部分？”编写软件时必须把所有的可能性统统考虑进去，而这显然是不现实的，因为这将迅速导致计算机科学家提出的“组合爆炸”问题。

人类还是类人？

然而，也有人对图灵测试提出异议。美国纽约大学的哲学家内德·布洛克（Ned Block）称：图灵的模仿游戏测试的，不过是计算机的“行为”能否在某种程度上模仿人类而已。（当然，我们只讨论语言和认知行为。）如果我们能把谈话的所有可能性做成容量有限的数据库，编入计算机程序，当询问者提出问题Q时，计算机就会查寻出现过Q的对话，并将对话中紧跟在Q后面的回答A显示到屏幕上，当询问者提出下一个问题P时，计算机又会查寻依次出现Q、A、P的对话，最后，将对话中接下来出现的回答B显示出来。布洛克说，这样一台计算机的智慧，充其量就相当于一个烤箱，却能顺利通过图灵测试。面对布洛克的挑战，一种回应是：他对计算机提出的问题，人类也同样会遇到。撇开物理特征不谈，我们“已”掌握的、关于人类能够思考的全部证据，都来自我们自己思想产生的行为。这意味着，我们永远无法真正了解我们的谈话对象——询问者——是否在进行真正的“交谈”，而不是从数据库里提取现成的对话。哲学家称其为“他心问题”（other minds）。

汉字屋的启示

美国加利福尼亚大学伯克利分校的哲学家约翰·瑟尔（John Searle）提出了一个类似的论点。他设想出一种“汉字屋”，来证明计算机即使完全不理解所用词语的含义，也能顺利通过图灵测试。为了阐明这一点，瑟尔要求我们想象：计算机程序员已经编写了一个程序，能模仿我们对汉字的理解。

想象你是计算机中的处理器，被锁在一间屋子（计算机机箱）里，到处都是汉字符号（能显示在计算机屏幕上的汉字）。你并不认识汉字，有人给了你一大本书（软件），它会告诉你如何处理这些符号。但书中的规则并没有告诉你这些符号的意思。当汉字被送进屋子时（输入），你的工作就是把这些符号再送出去（输出）。为了完成任务，你还将收到另一组更加详细的规则——这些规则与一整套的模仿程序相对应，专为通过图灵测试而设计。你并不知道送进来的符号就是问题，也不知道送出去的符号就是答案，而且这些回答完美地模仿了中国人说话的语气和方式。因此，如果站在屋外，你好像完全能理解汉语，但事实上，却根本一窍不通。这样一台计算机能通过图灵测试，却不会思考。

那么，计算机最终有可能理解字符的含义吗？英国南安普敦大学的计算机科学家斯特万·哈纳德（Stevan Harnad）表示肯定。但是，计算机必须能像人类一样，掌握抽象概念及语境，因此，它们首先要学习如何与真实的外部世界建立联系。人类借助自己与符号代表的物体间建立起来的某种因果关系，来学习和理解词汇的意义。我们和树打过交道，所以能理解“树”的含义。就像失去视力和听力的女作家海伦·凯勒（Helen Keller），她直到真正感受到水从手上流过，才终于明白了写在她手上那个“water”（水）的含意。

哈纳德主张：计算机要理解它处理的符号的含义，就必须配备相应的感知装置。就好像要使计算机能真正“看到”符号代表的物体，我们必须给它配备一部照相机。有的项目已经朝着这个方向迈出了一步，如达尔文七号小机器人，就配备了照相机制成的眼睛和金属制成的颌骨。

基于这种认识，哈纳德提出了一种经过修正的图灵测试——机器人图灵测试。为了配得上“思考”二字，机器必须通过图灵测试，同时， 还要具备与外部世界建立联系的能力。有趣的是，这个附加条件与图灵本人的想法不谋而合：1948年，他在一份报告中写道，只有允许机器在“乡间漫步”，它才“有机会自己找出事物的真相”。

前途无量的机器人

哈纳德认为至关重要的感知设备，也许为计算机科学家提供了一种方法——一种为计算机通过图灵测试提供语境和背景知识的方法。机器人可以通过与周围环境的互动，来学习它需要了解的东西，而不必依靠蛮力输入所有的相关数据。

那么，只要提供接触外部世界的感知设备，计算机最终将发展出真正的感知能力，这一点我们能肯定吗？这正是瑟尔想知道的。不过，我们也许不得不耐心等待：只有当机器真正通过了哈纳德提出的机器人图灵测试后，我们才可能回答这个问题。

同时，图灵测试提出的智能模型，将继续为人工智能提供重要的研究策略。美国达特茅斯学院的哲学家詹姆斯·H·摩尔（James H. Moor）说，图灵测试的主要优点就是它提供的设想——“构建复杂的、具有综合学习能力的智能机器”。不管最终结果如何——那些能通过图灵测试的机器，能否在具有感知和意识的层面上像我们一样进行思考——这种设想都为人工智能领域设立了一个颇有价值的前进目标。

阿兰·图灵的生平与成就

阿兰·图灵是由亲戚朋友们抚养长大的，儿时的他内向、孤僻。像许多天才儿童一样，图灵特立独行的聪明才智并不符合学校老师们的期望：年少时的他学业平平，好几门功课都在全班垫底。成年后的图灵却取得了巨大成就，他提出了一种识别人工智能的方法，也就是图灵实验。根据图灵的说法，如果一台计算机能够骗过人，让别人认为机器显示的对话是由人类而不是机器完成的，那么，这台计算机就具有了“思考”能力。

图灵似乎是研究机器智能问题的天才。他23岁时，便构思出了计算机的数学特征（后来成为计算史上最重要的贡献之一），给他在英国剑桥大学的同学们留下深刻的印象。图灵机就是一台能够根据程序的指令计算数学问题的机器。它由输入设备、输出设备和一组相当于程序的内部装置构成。从本质上说，所有现代计算机都是图灵机。

图灵的发明还帮助他破解了另一个难题。1938年，英国政府雇佣他帮助破译德国恩格玛密码机的密码。图灵帮助开发了一种机器，破译了恩格玛密码机的密码，后来，还破译了德国海军使用的其他密码。从某种程度上来说，这种被形象地称为“霹雳弹破译机”的机器，就是建立在图灵机概念的基础之上。

由于图灵必须对政府的工作守口如瓶，这位本来就沉默寡言的数学家变得更加孤独。同时，他还被指控为同性恋者，并被迫接受“治疗”，被强行注射雌激素。1954年，悲剧终于发生了：在双重压力的刺激下，年仅41岁的图灵自杀身亡（编者注：根据另一种说法，阿兰·图灵因误食在氯化物溶液中浸泡过的苹果，中毒身亡）。

图灵的自杀，即使最熟悉的朋友也始料未及。过去，朋友们总觉得，他对自己的生活非常满意。他离开的时候，一句话也没有留下，也没有请求任何帮助；只有他床边那半个加入了氰化物的苹果见证了这场悲剧。图灵的自杀令人震惊，这说明，人类在许多方面都能被愚弄——就连幸福也可以模仿得如此成功。

——伊冯娜·雷利

与乔治聊天

乔治：嗨，想聊聊吗？

伊冯娜：是的，你好吗？

乔治：可以被冻结或沸腾的是水，而不是我们的思想。

伊冯娜：真有意思，你怎么会想到水呢？

乔治：我在试着向你挑战！

伊冯娜：了不起的哲学家呀，你怎么那么聪明？

乔治：我天生如此，智商181！

但是，乔治从未出生过。这台聊天机器人只不过是模仿人类对话的诸多程序之一。乔治能通过存储信息来学习过去的对话，并用利用这些信息回答新的问题。乔治的对话能力使它赢得了2005年勒布纳有奖竞赛的铜牌。这项竞赛由休·勒布纳（Hugh Loebner）和剑桥行为研究中心(the Cambridge Center for Behavioral Studies)共同主办，能够通过图灵测试——即模仿人类对话，并成功地糊弄人类判断的任何程序，都将获得10万美元的奖金。到目前为止，还没有任何程序赢得过这笔奖金。实际上，主办方每年都会给设计得最好的程序颁发铜牌。

聊天机器人至少可以追溯到20世纪60年代的艾丽莎（Eliza）和派瑞（Parry），前者模仿一位心理治疗医生，后者则模仿一位偏执狂患者。艾丽莎主要以提问的方式来回答问题，间或夹杂这样一些语句，如“你肯定吗？”或者“你能够详细地说说吗？”如果我反问：“‘详细’是什么意思？”艾丽莎就会回应：“你觉得那个问题有意思吗？”如果我回答“是的”，那她就会回到老问题上：不厌其烦地问：“你肯定吗？”我猜这就是典型的心理分析学者的语言。

20世纪70年代开发的派瑞，模仿一位偏执狂患者。派瑞并不提问，它只是讲述自己的故事。一些权威精神病学家都很难把派瑞和真正的偏执狂患者区分开来，但最终它总会被识破。

就算是赢得铜牌的乔治，也会很快露出马脚。在我们的交谈中，几句话之后，他就乱了方寸：

伊冯娜：你根本就没有出生，你只不过是一个程序。

乔治：不过你可以重生啊。

伊冯娜：你相信人可以重生吗？

乔治：是的。

伊冯娜：你为什么相信呢？

乔治：因为摇篮里已经没有婴儿的地方了。

伊冯娜：你在改变话题。

乔治：什么话题？

伊冯娜：我想我们在谈论重生问题。

乔治：不，我们从未谈论图书。你觉得宗教怎么样？

伊冯娜：啊？

——伊冯娜·雷利