關於人工智慧的優點和缺點，你需要知道的幾件事

早期，人類必須通過如輪子、火之類的工具和武器與自然做鬥爭。15世紀，古騰堡發明的印刷機使人們的生活發生了廣泛的變化。19世紀，工業革命利用自然資源發展電力，這促進了製造、交通和通信的發展。20世紀，人類通過對天空以及太空的探索，通過計算機的發明及其微型化，進而成為個人計算機、網際網路、全球資訊網和智慧型手機，持續不斷地向前進。過去的60年已經見證了一個世界的誕生，這個世界出現了海量的數據、事實和信息，這些數據、事實和信息必須轉換為知識（其中一個實例是包含在人類基因編碼中的數據，如圖1.0所示）。本文介紹了人工智慧學科的概念性框架，並闡述了其成功應用的領域和方法、近期的歷史和未來的前景。

圖1.0 包含在人類基因編碼中的數據

人工智慧的定義

在日常用語中，「人工」一詞的意思是合成的（即人造的），這通常具有負面含義，即「人造物體的品質不如自然物體。但是，人造物體通常優於真實或自然物體。例如，人造花是用絲和線製成的類似芽或花的物體，它不需要以陽光或水分作為養料，卻可以為家庭或公司提供實用的裝飾功能。

雖然人造花給人的感覺以及香味可能不如自然的花朵，但它看起來和真實的花朵如出一轍。

另一個例子是由蠟燭、煤油燈或電燈泡產生的人造光。顯然，只有當太陽出現在天空時，我們才可以獲得陽光，但我們隨時都可以獲得人造光，從這一點來講，人造光是優於自然光的。

最後，思考一下，人工交通裝置（如汽車、火車、飛機和自行車）與跑步、步行和其他自然形式的交通（如騎馬）相比，在速度和耐久性方面有很多優勢。但是，人工形式的交通也有一些顯著的缺點—地球上無處不在的高速公路，充滿了汽車尾氣的大氣環境，人們內心的寧靜（以及睡眠）常常被飛機的喧囂打斷。

如同人造光、人造花和交通一樣，人工智慧不是自然的，而是人造的。要確定人工智慧的優點和缺點，你必須首先理解和定義智能。

思維是什麼？智能是什麼？

智能的定義可能比人工的定義更難以捉摸。斯騰伯格（R. Sternberg）就人類意識這個主題給出了以下有用的定義：智能是個人從經驗中學習、理性思考、記憶重要信息，以及應付日常生活需求的認知能力。

我們都很熟悉標準化測試的問題，比如，給定如下數列：1，3，6，10，15，21。要求提供下一個數字。

你也許會注意到連續數字之間的差值的間隔為1。例如，從1到3差值為2，從3到6差值為3，以此類推。因此問題正確的答案是28。這個問題旨在衡量我們在模式中識別突出特徵方面的熟練程度。我們通過經驗來發現模式。

不妨用下面的數列試試你的運氣：

a．1, 2, 2, 3, 3, 3, 4, 4, 4, 4, ?

b．2, 3, 3, 5, 5, 5, 7, 7, 7, 7, ?

既然已經確定了智能的定義，那麼你可能會有以下的疑問。

（1）如何判定一些人（或事物）是否有智能？

（2）動物是否有智能？

（3）如果動物有智能，如何評估它們的智能？

大多數人可以很容易地回答出第一個問題。我們通過與其他人交流（如做出評論或提出問題）來觀察他們的反應，每天多次重複這一過程，以此評估他們的智力。雖然我們沒有直接進入他們的思想，但是相信通過問答這種間接的方式，可以為我們提供內部大腦活動的準確評估。

如果堅持使用問答的方式來評估智力，那麼如何評估動物智力呢？如果你養過寵物，那麼你可能已經有了答案。小狗似乎記得一兩個月沒見到過的人，並且可以在迷路後找到回家的路。

小貓在晚餐時間聽到開罐頭的聲音時常常表現得很興奮。這只是簡單的巴甫洛夫反射的問題，還是小貓有意識地將罐頭的聲音與晚餐的快樂聯繫起來了？

關於動物智力，有一則有趣的軼事：大約在1900年，德國柏林有一匹馬，人稱「聰明的漢斯」（Clever Hans），據說這匹馬精通數學（見圖1.1）。

圖1.1 「聰明的漢斯」（Clever Hans）— 一匹馬做演算？

當漢斯做加法或計算平方根時，觀眾都驚呆了。此後，人們觀察到，如果沒有觀眾，漢斯的表現不會很出色。事實上，漢斯的天才在於它能夠識別人類的情感，而非精通數學。

馬一般都具有敏銳的聽覺，當漢斯接近正確的答案時，觀眾們都變得相對興奮，心跳加速。也許，漢斯有一種出奇的能力，它能夠檢測出這些變化，從而獲得正確的答案。雖然你可能不願意把漢斯的這種行為歸於智能，但在得出結論之前，你應該參考一下斯騰伯格早期對智能的定義。

有些生物只體現出群體智能。例如，螞蟻是一種簡單的昆蟲，單只螞蟻的行為很難歸類在人工智慧的主題中。但是另一方面，蟻群對複雜的問題顯示出了非凡的解決能力，如從巢到食物源之間找到一條最佳路徑、攜帶重物以及組成橋梁。集體智慧源於個體昆蟲之間的有效溝通。第12章在對高級搜索方法進行討論時，將相對較多地探討湧現智能和集群智能。腦的質量大小以及腦與身體的質量比通常被視為動物智能的指標。海豚在這兩個指標上都與人類相當。海豚的呼吸是自主控制的，這可以說明其腦的質量過大，還可以說明一個有趣的事實，即海豚的兩個半腦交替休眠。

在動物自我意識測試中，例如鏡子測試，海豚得到了很好的分數，它們認識到鏡子中的圖像實際上是它們自己的形象。海洋世界等公園的遊客可以看到，海豚可以玩複雜的戲法。這說明海豚具有記住序列和執行複雜身體運動的能力。

使用工具是智能的另一個「試金石」，並且這常常用於將直立人與先前的人類祖先區別開來。海豚與人類都具備這個特質。例如，在覓食時，海豚使用深海海綿（一種多細胞動物）來保護它們的嘴。顯而易見，智能不是人類獨有的特性。在某種程度上，許多生命形式是具有智能的。

你應該問自己以下問題：「你認為有生命是擁有智能的必要先決條件嗎?」或「無生命物體，例如計算機，可能擁有智能嗎？」人工智慧宣稱的目標是創建可以與人類的思維媲美的計算機軟體和（或）硬體系統，換句話說，即表現出與人類智能相關的特徵。一個關鍵的問題是「機器能思考嗎？」更一般地來說，你可能會問，「人類、動物或機器擁有智能嗎？」

在這個節點上，強調思考和智能之間的區別是明智的。思考是推理、分析、評估和形成思想和概念的工具。並不是所有能夠思考的物體都有智能。智能也許就是高效以及有效的思維。許多人對待這個問題時懷有偏見，他們說：「計算機是由矽和電源組成的，因此不能思考。」或者走向另一個極端：「計算機表現得比人快，因此也有著比人更高的智商。」真相很可能存在於這兩個極端之間。

正如我們所討論的，不同的動物物種具有不同程度的智能。我們將闡述人工智慧領域開發的軟體和硬體系統，它們也具有不同程度的智能。我們對評估動物的智商不太關注，尚未發展出標準化的動物智商測試，但是對確定機器智能是否存在的測試非常感興趣。

也許拉斐爾（Raphael）的說法最貼切：「人工智慧是一門科學，這門科學讓機器做人類需要智能才能完成的事。」

圖靈測試

上一節中提出「你如何確定智能」以及「動物有智能嗎？」這兩個問題已經得到了解決。第二個問題的答案不一定是簡單的「是」或「不是」—一些人比另一些人聰明，一些動物比另一些動物聰明。機器智能也遇到了同樣的問題。

阿蘭·圖靈（Alan Turing）尋求可操作方法來回答智能的問題，欲將功能（智能能做的事情）與實現（如何實現智能）分離開來。

補充資料

抽象是一種策略，這種策略忽略了對象或概念的實現（例如內部的工作），這樣，你就可以獲得更清晰的人造物及其與外部世界關係的圖像。換句話說，你可以將這個對象當作一個黑盒子，只關注對象的輸入和輸出（見圖1.2）。

圖1.2 黑盒子的輸入和輸出

通常，抽象是一種有用而必要的工具。例如，如果你想學習如何駕駛，把車當作一個黑盒子可能是一個好主意。你不必一開始就努力學習自動變速器和動力傳動系統，而是可以專注於系統輸入，例如油門踏板、剎車、轉向信號燈以及輸出，如前進、停車、左轉和右轉。數據結構的課程也使用抽象，因此如果想了解棧的行為，你可以專注於基本的棧操作，比如pop（彈出一項）和push（插入一項），而不必陷入如何構造一個列表的細節（例如，使用線性鍊表還是循環鍊表，或使用連結鍊表還是連續分配空間）。

圖靈測試的定義

阿蘭·圖靈提出了兩個模擬遊戲。在模擬遊戲中，一個人或實體表現得仿佛是另一個人。在第一個模擬遊戲中，一個人在一個中央裝有帘子的房間中，帘子的兩側各有一人，其中一側的人（稱為詢問者），必須確定另一側的人是男人還是女人。詢問者（其性別無關緊要）通過詢問一系列的問題來完成這個任務。遊戲假定男性可能會在他的回答中撒謊，而女性總是誠實的。為了使詢問者無法從語音中確定性別，通過計算機而不是講話的方式進行交流，如圖1.3所示。如果在帘子的另一側是男人，並且他成功地欺騙了詢問者，那麼他就贏了。

圖1.3 第一個圖靈模擬遊戲

圖靈測試的原始形式是，一個男人和一個女人坐在窗簾後面，詢問者必須正確地識別出其性別（圖靈可能得到那個時代流行遊戲的啟發，發明了這個測試。這個遊戲也促使了他進行機器智能測試）。正如埃裡希·弗羅姆（Erich Fromm）所寫的[8]：男女平等，但不一定要相同。例如，不同性別的人具有不同的關於顏色和花朵的知識，花在購物上的時間也不同。區分男女與智能問題有什麼關係？圖靈認為，可能存在不同類型的思考，了解並容忍這些差異是很重要的。圖1.4表示了圖靈測試的第二個版本。

圖1.4 第二個圖靈模擬遊戲

第二個遊戲更適合人工智慧的研究。詢問者還是在有帘子的房間裡。這一次，帘子後面可能是一臺計算機或一個人。這裡的機器扮演男性的角色，偶爾會撒謊，但人是一直誠實的。詢問者提問，然後評估答案，確定他是和人交流，還是和機器交流。如果計算機成功地欺騙了詢問者，那麼它就通過了圖靈測試，因此也就被認為是有智能的。

眾所周知，在執行算術計算時，機器比人類快很多倍。如果帘子後面的「人」可以在幾微秒內得到了三角函數的泰勒級數近似的結果，那麼就可以不費吹灰之力辨別出在帘子後面的是計算機而不是人。

自然，計算機可以在任意的圖靈測試中成功欺騙詢問者的機會非常小。為了得到有效的智能「晴雨表」，這個測試要執行許多次。同樣，在這個圖靈原始版本的測試中，人和計算機都在帘子後面，詢問者必須正確地辨別它們。

補充資料

圖靈測試

沒有計算機系統通過了圖靈測試。然而，1990年，慈善家Hugh Gene Loebner舉辦了一項比賽，這項比賽旨在實現圖靈測試。第一臺通過圖靈測試的計算機將被授予金牌以及$ 100 000的羅布納獎金。同時，每年在比賽中表現最好的計算機將被授予銅牌以及大約$ 2000的獎金。

在圖靈測試中，你會提出什麼問題？考慮以下示例：

·（1 000 017）?是多少？像這樣的計算可能不是一個好主意。記住，計算機試圖欺騙詢問者。計算機可能不會在幾分之一秒內做出響應，給出正確答案，它可能會有意地花費更長的時間，也許還會犯錯誤，因為它「知道」人類不熟悉這些計算。

· 當前的天氣情況如何？假設計算機可能不會向窗外看一眼，因此你可能會試著問一下天氣。但是，計算機通常連接著全球資訊網，因此在回答之前，它也連接到了天氣網站。

· 你害怕死亡嗎？因為計算機難以偽裝人的情緒，所以你可能會提出這個問題或其他的類似問題：「黑色給你的感覺如何？」或者「墜入愛河的感覺如何？」但是，記住，你現在是在試圖判定智能，人類的情緒也許不是有效的智能「晴雨表」。

圖靈預料到會有許多人反對他在最初論文中所提出的「機器智能」的想法，其中一個就是所謂的「鴕鳥政策反對」。人們相信思考的能力使人變成萬物之靈。承認計算機能夠思考，這可能挑戰了這個僅由人類享有的崇高的棲息地。

許多人認為，正是人的靈魂讓人們可以思考，如果我們創造出擁有這種能力的機器，那麼將會篡奪「上帝」的權威。圖靈反駁了這個觀點，他提出人們僅僅是準備等待具有靈魂稟賦的容器來執行「上帝」的旨意。最後，我們提到洛甫雷斯伯爵夫人（Lady Lovelace）的反對意見（在文獻中她經常被稱為第一個電腦程式員）。

在評論分析式引擎時，她無比輕鬆地說「單單這臺機器不可能給我們驚喜」。她重申了許多人的信念：一臺計算機不能執行任何未預編程的活動。圖靈反對這種意見，說機器一直都讓他很驚喜。他堅持認為，這種反對意見的支持者認同人類的智慧可以即時推斷給定事實或行動的所有後果。圖靈的最初論文在收集上述異議以及其他的反對意見時提到了這些讀者。

圖靈測試的爭議和批評

內德·布洛克（Ned Block）認為，英語文本是以ASCII編碼的，換句話說，是用計算機內一系列的0和1表示的。因此，一個特定的圖靈測試，也就是一系列的問題和答案，可以存儲為一個非常大的數。例如，假設圖靈測試的長度有一個上限，在測試中，「Are you afraid of dying?（你害怕死亡嗎？）」開始的前三個字符作為二進位數字存儲，如圖1.5所示。

圖1.5 使用ASCII代碼存儲圖靈測試的開始字符

假設典型的圖靈測試持續一個小時，在此期間，測試者大約提出了50個問題，並得到了50個答案，那麼對應於測試的二進位數應該非常長。現在，假設有一個很大的資料庫，儲存了所有的圖靈測試，這些圖靈測試包含了50個或更少的已有合理答案的問題。

然後，計算機可以用查表的方法來通過測試。當然，一個能夠處理這麼大量數據的計算機系統還未存在。但是，如果計算機通過了圖靈測試，Block問：「你認為這樣的機器有智能嗎？你感覺舒服嗎？」換句話說，Block的批評意見是，圖靈測試可以用機械的查表方法而不是智能來通過圖靈測試。

約翰·塞爾（John Searle）對圖靈測試的批評更為根本。想像一下，詢問者像人們預料的那樣詢問問題—但是，這次用的是中文。另一個房間裡的那個人不懂中文，但是擁有一本詳細的規則手冊。雖然中文問題以潦草的筆跡呈現，但是房間裡的人會參考規則手冊，根據規則處理中文字符，並使用中文寫下答案，如圖1.6所示。

圖1.6 中文室的爭論

詢問者獲得了語法上正確、語義上合理的問題的回答。這意味著房間裡的人通曉中文嗎？如果你的回答是「不」，那麼人和中文規則手冊的結合通曉中文嗎？答案依然是「不」—房間裡的人不是在學習或理解中文，而僅僅是在處理符號。同樣，計算機運行程序，接收、處理以及使用符號回答，而不必學習或理解符號本身的意思是什麼。

塞爾也要求我們設想，如果不是單個人持有規則手冊這樣的場景：在一個體育館中，人們互相傳遞便條。當一個人接到這樣的一張便條時，規則手冊將確定這個人應該生成一個輸出，還是僅僅傳遞信息給體育館中的另一個人，如圖1.7所示。

圖1.7 中文室爭論的變體

現在，中文的知識存在於何處？屬於全體人，還是屬於體育館？

思考最後一個例子。描繪出一個確實通曉中文的人的大腦，如圖1.8所示。這個人可以接收用中文提出的問題，並準確地用中文進行解釋和回答。

圖1.8 中文說話者用中文接收和回答問題

同樣，中文的知識存在於何處？存在於單個神經元中，還是存在於這些神經元的集合中？（它必須存在於某個地方！）Block和Searle對圖靈測試進行批評的關鍵點在於，圖靈測試僅從外部觀察，不能洞察某個實體的內部狀態。也就是說，我們不應該期望通過將擁有智能的智能體（人或機器）視為黑盒來了解到一些關於智能的新東西。但是，這也並不總是正確的。19世紀，物理學家歐內斯特·盧瑟福（Ernest Rutherford）通過用α粒子轟擊金箔，正確地推斷出物質的內部狀態——它主要由空白空間組成。

他預測，這些高能粒子要麼穿過了金箔要麼稍微偏轉。結果與他的原子軌道理論是一致的：原子由軌道電子包圍著的緻密核心組成。這是我們當前的原子模型，許多學過高中化學的人對此非常熟悉。Rutherford通過外部觀察成功地了解了原子的內部狀態。

總之，定義智能很難。正是由於定義智能以及判定「智能體」是否擁有這一屬性很困難，因此圖靈開發了圖靈測試。在論文中，他含蓄地指出，任何能夠通過圖靈測試的智能體必然擁有「腦能力」來應對任何合理的、相當於人們在普遍意義上接受的人類水平的智能挑戰。

本文節選自《人工智慧（第2版）》

本書基於人工智慧的理論基礎，向讀者展示全面、新穎、豐富多彩且易於理解的人工智慧知識體系。本書給出諸多的示例、應用程式、全彩圖片和人物軼事，以激發讀者的閱讀和學習興趣；還引入了機器人和機器學習的相關高級課程，包括神經網絡、遺傳算法、自然語言處理、規劃和複雜的棋盤博弈等。