神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。
編者按：隨著過去2年對人工智慧的炒作達到巔峰。一些質疑的聲音開始慢慢出現。有的認為深度學習已經走進了死胡同。有的認為現在的AI單項冠軍根本不具備理解能力。但是，究竟什麼是理解？（參見機器具備「理解」能力究竟是什麼意思？）什麼是智能？對這些我們其實並沒有找到真正合適的定義。為此，《Artificial Intuition and the Deep Learning Playbook 》一書作者Carlos E. Perez對這個術語的定義進行了一番探討。結果他發現，很難找到一種通用的東西去定義智能。在這種情況下，要想實現所謂的通用人工智慧也許只是鏡花水月。原文發表在medium上，標題為：In Search of a Universal Theory of Intelligence
主體的智能是它可以訪問的一籃子認知工具。盛放所有這些可能的工具的籃子是未知的，這就是智能的完整定義不可知的原因。
Ricard Sole想知道怎麼去比較生物大腦與電子計算機。這兩者當然是不同的，但是他想知道如果按照馮· 諾依曼架構的話，大腦會是什麼樣的。顯然，這樣的大腦不會是進化的結果。但是，在他的推特裡面畫的推測性大腦形狀（達文西風格）引發了一場關於智能演進的討論，見解非常深刻。他的這種臆測提出了一個有趣的問題：形成生物大腦會不會存在不同的路徑？
我得強調的是，生物或進化設計跟人類的技術設計有著很大不同。比方說，有一個原因（僅在極罕見情況下）生物未能發明出輪子。我曾在一篇文章裡面對此進行過更詳細的討論。
但是僅就生物進化而言，是否存在演進出大腦的其他進化路徑？章魚的大腦肯定不同於脊椎動物。對章魚，鳥類和哺乳動物的大腦進化進行比較研究應該會比較有用。而且最近的一項研究的確把章魚的大腦跟脊椎動物進行了比較。
也許在大腦的生物進化裡面可以找普遍模式。比方說，我們知道禽類大腦到小腦的迴路跟對等的哺乳動物的新皮層的腦迴路是不一樣的。這表明更原始的小腦對於更新的新皮質所需的高階功能具有普遍的重要性。這表明維持一條感覺運動迴路是普遍需要。
大腦的進化普遍依賴於其化身的屬性及其歷史發展。此外，身體結構跟大腦進化的關係也暗示了一種普遍關係。我認為人類認知發展的獨特性可認為是人類的手以及發聲器官所具備的獨特靈巧性。
巧合的是，章魚（進化獨立於脊椎動物）只有5億個神經元，但跟同類動物（兔子神經元數量一樣）相比，它具備的智能非同尋常。我認為，章魚的智能是其極度靈巧的身體和腕足所造就的。不過，章魚的智能可能由於缺乏社會認知，口頭交流以及很短的壽命而受到阻礙。
另一個普遍性是，智能還與社會認知所需的認知壓力有關。大腦較大的動物往往有豐富的社會環境。大象具有非凡的導航記憶，生活在大規模的社會結構裡面。鯨魚的歌曲可以傳播到很遠的距離，因此具有可以影響到它的鄧巴數的類似網際網路的網絡。比較鯨魚和海豚大腦的大小的確表明其與社會認知的相關性（請參閱：https：//www.nature.com/articles/s41559-017-0336-y.epdf）。有趣的是，鯨魚新皮層的神經元數量是人類的兩倍以上。令人驚奇的是，領航鯨具備其他鯨魚所沒有的快速眼動（REM）睡眠。這種快速眼動睡眠又是一種普遍性。什麼樣的認知壓力需要所有的這些神經元？為什麼領航鯨需要所有的那些神經元？
關於大腦大小跟智能還有一個有趣的關係。今天的智人，他們的大腦其實比 28000年前的克羅馬儂人的要小20％。一般而言，野生動物需要的認知能力要比馴養動物的更高。在7000 到10000年前形成的農業新石器時代文明，導致了我們大腦認知能力的下降。因此，跟我們舊石器時代的克羅馬儂人祖先相比，我們的只能有可能降低了20％！用生物體大腦大小來評估生物的「智能」是有局限性的。
在研究多種大腦的進化過程中，我們可以發現那種可以為我們定義智能提供依據的普遍性。
當然，智能有很多維度，每個方面都跟它支持的特定技能有關。霍華德·加德納的多元智能理論就是這一概念的典型例子。那就是人類在不同類型的智能中表現出來的優勢。具體來說，多元智能是指人際交往智能、內省智能、言語智能、邏輯智能、空間智能、節奏智能，自然智能以及動覺智能。通過這些，我們能看到跟環境的不同互動方式下不同的智能是如何發展的。
不同的物種也有不同的智能。比方說，狗的嗅覺智能優於人類。你可以從不同維度去比較智能。每個維度都定義了範圍很狹窄的一組任務。因此，如果你在一項嗅覺任務裡面對狗和人進行測試的話，那麼更聰明的會是狗。如果你用長除法來測試人類和手動計算器的話，你可能會得出手動計算器比人聰明的荒謬結論。儘管如此，我們通常把智能分配給類似人的能力。也就是說，我們定義的人類智能是一組範圍比較狹窄的任務。我們會更詳細地探討一下為什麼會這樣。
從生物學我們可以知道，生物的智能與其周圍環境息息相關。在生物的進化裡，沒有一例智能是符合任務依賴性定義的。生物對環境的適應性受進化影響。生物認知能力的增長是由於其參與者的複雜化，並因此對環境複雜化所致。這揭示了一種類似人類的物種可以利用的小眾進化方式。人類建立的社會變得越來越複雜。其結果是把自然生物給擠掉了，而且其進化原理也異於自然生物的。
因此，可以將以人類為中心的智能定義為利用複雜性在一種環境中繁衍的策略之子集。在一個（不獨立於任務的）任務子集中的能力是定義智能的要素，因此是這是一種上下文相關的定義（也就是要看情況）。當然，這個任務子集不僅必須包括推理，還必須包括學習。其中包括以下幾種學習方式（內推、外推以及獨創性）。
到目前為止，我們已經把對智能的定義跟對進化的定義結合在一起。但是，有人可能會提出一種具有三種不同進化方式的框架。（1）自然進化，（2）心智社會以及（3）資訊時代的進化。第二種是生物頭腦可以創造出新的方法和工具來重塑自己的世界，進而增強自身的生存能力。心智社會的進化速度要比自然進化快得多。第三類進化是由自動化（比如計算機）驅動的。因此，由於每種環境的不同，每種進化適應性也不同。
基於柯爾莫戈洛夫複雜性的智能定義（請參閱：https：//arxiv.org/abs/0712.3329）往往是香農資訊理論的反映。香農的資訊理論描述了信息通信或存儲的容量。這是一個與語義無關的定義。在我看來，把智能定義為 「任務不可知」的動力來自笛卡爾的二元論。也就是，思想獨立於軀體。也即智能獨立於生物。這不是跟理解人腦相關的定義。這種對智能的定義需要順著符號學的層級向上攀爬，一直爬到擺脫了現實的符號為止。這是一種抽象的、計算化的智能。這種智能不同於我們為自治主體和所有生物所尋找的智能。
此外，香農的資訊理論不足以幫助理解更高階的信息，比如信息的「相關性」。
尋求適應環境的意識主體需要對更高階信息的使用。斯圖爾特· 卡夫曼（Stuart Kaffman）稱其為「mattering in matter」。主體必須弄清楚自己的環境，這是通過利用索引信息進行推理而做到的。在生物環境中，這會牽涉到到混亂的信息（比如部分和不完整的信息）。
定義智能的另一個動力來自奧卡姆剃刀。這種理論激勵了壓縮等同於智能的想法。這會向下追溯到元級，去尋求對智能最緊湊的解釋，並寄希望於這種解釋是跟任務獨立的。但是，它真正去尋求的是適用於所有能想到的任務的一種智能的機制。為了發現這種普遍性，我們必須對存在以及尚未出現於的各種任務進行採樣。新興環境的開放性現實中存在的和尚未出現在湧現環境下的眾多任務進行抽樣。反映這種定義的一種壓縮算法似乎違背了圖靈丘奇論題。智力總是相對於一組範圍狹窄的任務來進行衡量的，當我們考慮開放性時，大多數定義往往都會崩潰。
我們也許可以得出結論，對智力的通用定義的門檻可能會很低。智能是解決比隨機過程更高效的任務的能力。在各種可能的頭腦的空間內，有一些聰明的頭腦會勝過純粹隨機的頭腦。
但是讓我們回到人類的複雜化策略，以及這種策略跟智能定義之間可能的關係上面。資訊時代的智能也許會導向一個更清晰的定義。這是通過重組進化的想法實現的。
在納入了虛擬世界的環境組成的資訊時代裡，我們就可以實現相對於抽象概念的符號接地（symbol grounding，如語義附著）了。在這個「潔淨室」的環境下，智能可以用推理累積的系統性方法來來定義。因此，邏輯證明系統可以定義為解決數學任務比可比的人更有效率。文明越是過渡到虛擬世界，人類就越有可能找到「更智能」的合成頭腦。
計算的典型定義往往偏好順序過程。其結果是，諸如進化之類更自然的並行過程往往被忽略掉了。因此，智能更合適的定義必須考慮如何去擴展平行認知。實際上，在並行主體範圍內擴展智能的問題是人工智慧的關鍵問題。我們的生物大腦就是由眾多的認知主體組成的，這些主體之間如何進行協調從而導致湧現智能行為的出現，實際上正是智能生物主體的普遍特徵。
平行認知也出現在文明的尺度上。在人類歷史上，以不那麼智能的方式行事的例子（也就是所謂的愚蠢）比比皆是。當然，愚蠢可以定義為任何隨機可能性都要糟糕的過程。不幸的是，就像我們無法應對氣候變化挑戰所反映出來那樣，我們在文明尺度上的智能正在走向崩潰。人類文明確實是我們所有人都擔心的「回形針最大化器」。它愚蠢地地消耗了地球的資源，並以指數的方式破壞了它的生態。這裡的問題在於，人類有著舊石器時代的大腦，中世紀的體系以及神乎其神的技術。
「智能理論」的發展始於在許多意識主體的眾多實例及其相關環境當中尋找出普遍模式。但是，把這個問題框定成「智能理論」，其實就好比把香農的傳播理論稱為「信息理論」。它把焦點放在了定義不明確的術語（即智能或信息）。也許把這一追求描述為「能力理論」會更有用些。這樣，當我們用「智能」這個詞的時候，我們就不會把能力跟理解混為一談。
智能用到的認知工具詳盡集合是不明確的。智能需要由它可以獲得的一系列認知工具來定義。沒有任何一項公式能捕捉到這種開放性。沒有任何一種衡量（智能的）手段能夠適用於所有的環境。
譯者：boxi。