“圖靈測試”與人工智能元問題探微

高新民 羅巖超

摘要：人工智能既取得了不可思議的成就，但也存在著令人困惑的難題和危機。要沖破困境，必須回歸它試圖模擬和超越的人類智能，徹底改變思考智能行為的方式，找到關于它的元問題的答案。人類智能是由許多各有自己構成、本質特點和運作機理的智能個例或樣式組成的有“家庭相似性”的大雜燴。每個智能都是由一定生物模式所實現的功能模塊，它們集合在一起可形成不同層次的復合能力。人工智能不能再犯過去以偏概全的錯誤，不應以從某一或某些智能現象中提煉出的智能標準作為評判標準和全部建模的基礎及目標，而應有復雜性視野，看到智能在性質和樣式上的多樣性，基于對具體個別智能現象的解剖去建模。

關鍵詞：圖靈測試;智能;人工智能;元問題;復雜性

中圖分類號：B80-05? ? 文獻標識碼：A? ? 文章編號：1003-854X（2021）01-0056-09

通常所說的“人工智能”既可指由人工完成的、在機器上實現的智能，又可指作為一門科學理論和工作技術的研究部門。本文所關注的主要是后一種人工智能。眾所周知，它不僅極大地改變著世界，而且在認識世界特別是認識人自身方面也發揮著不可替代的作用，有的甚至把它稱作“第四次革命”①。但許多人在冷靜的反思之后又提出了諸多抱怨，有的人甚至得出了悲觀主義結論，如說“進展緩慢”，有關專家總是遭受“沉重打擊”以至“喪失了信心”，本領域難見實質性突破，等等②。哲學家批判計算主義依據的主要是諸如意向性理論、表征主義、隨附理論等新的哲學理論。其責難主要是，機器所表現出的所謂人工智能由于缺失了意向性和意識，因此算不上真正的智能。由于這一問題最先是由塞爾提出的，因此可稱作“塞爾難題”。在探討問題的原因和出路時，盡管有一部分人認為人工智能的工作是構造和評估人工制品，因此用不著探討關于人類智能的結構和功能方面的細節，但多數專家仍堅持認為，人工智能的基礎工作是解剖人類智能。盧格爾（G.Luger）一針見血地指出：人工智能既是模仿的技術，也是認識和探索智能的經驗科學③;費福爾（R.Pfeifer）等認為，人工智能陷入困境的根源在于理解人類智能時犯了嚴重的錯誤④;亨德森也說：其原因是“對‘智能的本質和組成成分等重大理論問題”存在著“理論上的先天不足”⑤;著名認知科學家克拉克（A.Clark）說：要沖破困境，必須“徹底改變思考智能行為的方式”⑥。因為道理很簡單，人工智能的目標或“圣杯”就是模擬、延伸、擴展乃至超越人類的智能，從而理所當然是以后者為“原型實例”，去解剖它的構造、運作機理和條件，弄清它的奧秘和本質。筆者認為，要想解決人工智能面臨的困境，讓它迅速高質量逼近它的目標，當務之急是深入具體地探討“圖靈測試”所引發的人工智能元問題，如人類智能本身是什么、能否從計算上加以描述、有哪些樣式、運作機制是什么等。我們擬論證的觀點是，人工智能過去的智能研究存在著以偏概全的問題，沒有看到智能的多樣性和復雜性。為此，我們試圖闡發一種關于智能的有特定賦義的復雜性理論。

一、“圖靈測試”“圖靈革命”及其所引發的人工智能元問題

著名數學家圖靈（A. M. Turning）在20世紀40—50年代提出的“圖靈測試”不僅奠定了計算機科學的理論基礎，同時，還闡發了一種關于智能的獨到見解。他想解決的是如何讓機器也表現出智能這樣的工程性的問題，但不可避免地觸及了深奧的哲學問題，如究竟什么是智能（由于智能的本質在思維，因此他有時問的是思維）？能否用可計算的、操作性強的語言描述思維？思維是否是人所獨有的？能否讓它在機器上實現？等等。他無意于為智能、思維下定義，因為統一的定義難找，也沒有必要性，只需把智能與非智能的界限弄清楚就夠了。當然，對于智能是什么，他的思想是發展的，如前期認為智能有充要條件，后來則認為只能也只需要尋找它的充分條件。

圖靈意識到：要作出新的回答就要提出新的、更有助于解決問題的問題，亦即要找到合適的提問方法。他認為，正確的問題應該是：某種可構想出的計算機能否表演“模仿游戲”？一臺計算機能以無法與人腦的回答相區別的方式回答提問者的問題嗎？也就是說，判斷計算機有無智能，不應看其內部細節和過程，而應看它的實際行為表現。機器如果能完成人需要用智能完成的行為，如果能像人一樣回答提問，那么也應認為它有智能⑦。為此，他設計了一個實驗，讓機器與一個智力正常的人一同通過電腦回答處在另一房間的測試者提出的有關問題，如果測試者通過問答不能判斷回答者是機器還是人，那么就可斷言機器也有智能。圖靈的結論是：有智能就是能思維，而能思維就是能計算，所謂計算就是應用形式規則，對（未解釋的）符號進行形式操作。他說：“一臺沒有肢體的機器所能執行的命令，必然像上述例子（做家庭作業）那樣，具有一定的智能特征。在這些命令之中，占重要地位的是那些規定有關邏輯系統規則的實施順序的命令。”⑧ 有理由說，圖靈測試及其隱含的思想成了現代新機械論的基礎。后經許多人的發展，它演變成了以機械論為核心的各種主義，如計算主義、機器功能主義等。

值得注意的是，在說明圖靈的智能觀時，人們一般把它歸結為行為主義。筆者認為，如果以為圖靈的所謂行為主義只重視行為判據，而否認對智能的內在特點的說明，那就大謬不然了。不錯，關于智能，圖靈提出了新的不同于內在主義的外在行為標準，即反對預設的標準，而強調如果機器能以無法與人類回答相區別的方式做加減法或閱讀十四行詩，或做模仿游戲，那么就可判定它有像人類一樣的智能。這顯然是一種行為主義的標準。但同時應注意的是，圖靈是有自己對智能甚至一般的思維或認知的內在構成、特點、實質的看法的。其基本態度是堅持和發揮傳統理性主義和機械主義的這樣兩個命題：思維就是計算，人是機器。而計算是能表現出智能特性的實在的共性。當然，他這里抓住的共性不是這類對象的質料或構成上的共性，而是形式上的、量的方面的共性。他認為，如果人造的工具或機器也能表現這一特性，那么也可視之為智能實在。所以，智能并非人類所獨有，而是其他事物也可能具有的形式特征，他提出的“通用圖靈機”就是此構想的具體表現。

在這個模型中，圖靈試圖說明：人的認知過程就是計算，而計算是由具體的步驟構成的，如產生由有限數量的單元構成的圖式，每一單元都是一個空格，或包含有限字母表中的一個符號。每一步的行為都是局域性的，并且是按照有限的指令表局域地被確定了的。形象地說，人的計算不過是用筆和紙所完成的活動。他關于人的計算的模型是從人的活動中抽象出來的，他基于此構想建構的圖靈機就是關于人的計算的理想模型。在他的理論中，人的心智實質上就是一種能計算的機器，而他所設想的圖靈機則可以和人一樣進行計算活動。根據圖靈的分析，人的心智活動遵循著以下五項原則：（1）任何計算中，只有有限的符號被寫入、被使用了;（2）暫存帶的量受到了固定的限制，那就是，人要決定下一步該干什么，他一次只能讀入一定量的暫存帶;（3）每一次只能寫入一個符號;（4）暫存帶的一個區域可稱作“單元”，而單元之間的距離存在著一個上限;（5）人能進入的心智狀態的數量也有其上限。圖靈機也遵循了這些約束，因此也有自己的計算或智能行為。

圖靈的智能觀既奠定了后來計算機科學的理論基礎，為人們造出能表現出智能特性的真實機器指明了方向，又完成了對人自身認知的一場革命。因為從他開始，人類心靈、智能不再像過去那樣神秘莫測，只能用思辨的語言去意會，而可用定量的語言去描述。更重要的是，它必然要遵循與其他事物沒有本質區別的規則運轉，例如它實質上是一種狀態機，即它只能處在有限的狀態之中，而且在任何特定時刻，它只能處在一種狀態之中。它必然會按照“如果—那么”的規則從當下狀態過渡到下一狀態。質言之，認知過程實為計算過程，即從一種狀態映射為另一種狀態的過程，或從變量到函數值的映射與轉換過程。而在轉換中，無須什么額外的智力活動，它本身就是一種智力活動，只是這種活動是機械的，是按程序或規則進行的。這是圖靈對思維或智力的本質的一種嶄新的說明，它展示了從一種句法狀態向另一狀態的轉換有可能保存這些狀態的內容之間的語義聯系。圖靈機證明：符號的句法屬性有可能關聯于它們的因果屬性。這是因為符號的句法屬性純粹是符號的高階形式屬性，有了它們，因果規律就可被例示。難能可貴的是，他還基于他的智能解剖，對未來人工智能的建構方式提出了自己的設想，一是用具身的方式建構具身性思維機器，二是用非具身性方式建構非具身性思維機器。后來人工智能的實際發展主要遵循的是第二條路徑，而第一條路徑則是最近情境性智能觀以及以此為基礎的情境性人工智能熱議的話題。

不難看出，圖靈測試不僅表達了一種全新的、具有革命意義的智能觀，而且也引出了關于智能的新問題，即智能真的像過去思辨哲學所設想的那樣是神秘莫測的內在過程嗎？真的只能為有理性的人所獨有嗎？能否用定量的、操作性強的甚至機械論的術語來描述？機器真的不能思維嗎？他的許多關于智能的看法由于針對的是傳統觀念，因此本身就具有挑戰性。例如他認為智能就是按“如果—那么”規則的狀態或形式轉換的觀點，就包含著對傳統智能觀提出的挑戰。正因為這樣，圖靈測試及觀點一問世就引來了激烈的爭論，批評者針鋒相對地指出：僅有形式轉換過程而沒有情感、意識、創造性、學習、分辨過程相伴隨，能算作是智能嗎？有的人說，只有當機器能夠像人類一樣思考和經歷情感，并有關于它們自身的意識、能創作、具有自主性時，才能說機器有智能。還有的人說，機器不能學習，不能分清是非，不能談戀愛，因此不可能有智能。如此等等。批評、質疑對認識的發展是有益無害的。事實上，正是這些爭論促成了后來人工智能的誕生和發展。正是由于圖靈測試及問題在為后來人工智能奠基的同時引領著對人特別是心靈的認識的深化，因此人們才把它們稱作圖靈革命或第四次革命。

二、計算主義及其對圖靈問題的化解

圖靈時代及后來爭論的一個重要成果就是計算主義的誕生。正如其名稱表述的那樣，計算主義的核心概念就是計算，其支持者普遍認為大腦就是計算機，而心靈就是計算機的程序，認知過程不過就是計算過程。當然，對計算的邏輯闡述有三種，即遞歸函數、λ-定義函數和圖靈的形式主義。盡管這三種闡述采用的方法不同，但是其內核是共通的：首先，三者都試圖從形式上來解釋計算概念;其次，它們都將計算視為獨立于物質的屬性;質言之，計算不同于實現它的物理系統，我們不能用物理系統來說明計算。基于這種共同的理論內核，上述三種闡釋構成了關于心智的“計算機隱喻”的基礎或主要原則。這一隱喻有兩個假定：（1）心理過程可看作是計算過程，或可用程序來描述;（2）計算過程和執行的關系可類推到人的心與腦的關系之上。這個隱喻后來成了強人工智能的理論基礎。坦率來講，強人工智能理論確實也曾輝煌過，某種程度上，也可算作是一種綱領。它曾孕育過不少富有影響的計劃，如紐厄爾和西蒙等人的“邏輯理論家和通用問題解決機”，Samuels chechers計劃，Bobrows Student等。“執行”（implementation ）或“實現”（realization）是計算主義中的又一核心概念。計算主義的支持者普遍認為，執行或實現概念恰到好處地表達了計算的實質及其與物理過程的關系，因為在計算過程中，計算狀態盡管不是物理狀態，但它是由物理狀態實現的，就像軟件由硬件實現一樣。不僅如此，它還和物理狀態有一致性，以福多為代表的一些學者甚至認為，計算狀態和物理狀態間存在著同型性。

根據這種對心智的解釋，計算主義倡導者構建了他們關于心智的模型。其理論有兩個關鍵點：其一，在理論方面，建立了關于人類思維或認知的解析性模型。他們提出，人的思維或認知就是一種依照規則進行的純句法、純形式的轉換過程。“純句法”或“純形式”指的就是符號或表征，或心靈語言中的心理語詞，而“規則”就是可由“如果……那么……”的條件句表達的蘊涵關系。其二，在實踐方面，創立了關于自然智能和人工智能的工程學理論。這個理論試圖回答的問題是：如何制造一臺能夠和人一樣進行輸入輸出，從而完成認知任務的機器。他們認為，如果將人的認知任務的形式化版本輸入機器，機器輸出的計算結果和人給出的一樣，那么就可以說這臺機器具有和人相同的智能。

此外，計算主義還強調，人的理性能力也是受到規則控制的，是可以用計算概念來說明的，因此，也是可以由計算機來實現的。因為命題和推理的真值是一個純形式的、邏輯的問題，所以如果推理的有效性與意義無關，而只由推理形式所決定，那么人類的推理也就可以被還原為計算過程，可以用計算機來模擬。當然，問題并非如此簡單，因為人的推理過程并不一定是純形式化的過程，在很多時候都涉及經驗和直覺，人類還會根據典型和原型事件進行推理。計算主義只是對簡單的理想情況進行了解釋，而更加復雜的現實情況還有待進一步說明。故而，近幾十年，計算主義與反計算主義之爭愈演愈烈。

計算主義的理論形態有多種，如以福多（J. A. Fodor）為代表的關于心智的表征理論，紐厄爾（A.Newell）和西蒙（H. A. Simon）的“物理符號系統假說”以及聯結主義。實際上，紐厄爾和西蒙的物理符號系統假說就是一種符號主義理論。該論認為，在計算系統中，存在著符號、符號結構和規則的組合，符號是個例而非類型，是具有本體論地位的物理實體。符號表示的內容是人為的，這個內容取決于編碼過程，而與所指對象并無必然聯系。簡言之，符號轉換是智能的充要條件。在最近幾十年的認知科學和人工智能研究中，聯結主義發展迅猛。它承認計算概念的合理性，并試圖拓展、重構計算概念。就此而言，可把它看作是廣義的計算主義中的一員。然而，我們也應看到它與經典計算主義有諸多區別，尤其是該理論認為，作為計算主義核心的符號或計算層面的描述是不可能成功的。如果想要制造出人工智能，除計算機科學外，我們還必須要利用生物學和神經科學，直接研究人類大腦的運作機制。在它看來，這是認識心靈的根本出路。它盡管承認計算概念的合理性，但斷然反對經典計算主義對它的形式主義闡釋，強調要根據動力系統來重構計算概念。格爾德（Van Gelder）指出：計算概念必不可少的東西是有效的程序，而后者又離不開算法中的具體步驟，這種具體性既體現在時間方面，又體現在非時間方面，因此是一個動力學現象。他還認為，在根據動力系統重構計算概念時，最重要的是模擬真實的動力系統，如人的認知系統⑨。正是由于有動力學性質，如此重構的計算概念才能克服形式主義闡釋的局限性。

綜上所述，計算主義作為一種極富吸引力的觀點，受到了諸多學者的追捧，逐步發展成一種兼具理論和實踐意義的心智理論。計算主義的支持者們常將人與計算機作類比，認為人的神經系統就是計算機的硬件，心智則是軟件。正是硬件使人獲得了心智能力，而有心智又不過是有運行硬件的程序。這一理論為我們提供了一種具有實踐意義的研究心智的方法論，這種方法論又為符號主義的人工智能研究奠定了理論基石。客觀來說，計算主義繼承了功能主義的優點，并在其基礎上更進了一步，因為功能主義默認了關于心智或心靈的黑箱理論，而計算主義打開了黑箱，認為黑箱中發生的就是計算。這一思想在人類心智認識史上無疑具有里程碑意義。此外，計算主義既吸收了眾多心智理論之所長，又避開了傳統理論之所短，如避免了傳統類型同一論忽視心智可多樣實現這一本質特點的局限性。

三、塞爾的“中文屋論證”與智能的新探究

塞爾提出“中文屋論證”的直接動機盡管只是批評尚克所設計的一個程序，但其意義遠不止于此，因為其矛頭實際上指向的是20世紀50—70年代盛行的人工智能理論，特別是以圖靈測試為代表的計算主義觀點。此外，它的顛覆作用還波及了計算主義所取得的那些所謂成果，特別是向彌漫在當時計算主義支持者中的樂觀情緒潑了冷水。可以說，塞爾的論證對計算主義進行了全方位的批判。

針對計算主義關于人類智能的建模，塞爾設想了這樣一個實驗：假定塞爾被關在一間房子里，他是個美國人，對中文一竅不通。房門上有個小窗口，可以遞進中文的文本讓他處理。房里有一本規則書，書是英文的，告訴他當收到什么樣的中文時，需要用什么樣的中文回應。房里還有許多寫著中文字的卡片，塞爾收到外面遞進來的文本后，可以根據規則書，用中文卡片拼成句子遞出去。如果中文文本遞進來之后，他可以非常迅速地用中文卡片作出回答，那么外面的中國人肯定會認為屋子里的人是懂中文的。但是，塞爾顯然不懂中文。將塞爾的中文屋與計算機進行類比，那本規則書就類似于計算機的程序，屋里的塞爾就類似于計算機的所謂“智能”。

塞爾認為，無論是圖靈機也好，尚克設計的程序也罷，這些計算機程序所做的事都無法證明它們是有智能的，因為智能的關鍵不在于語法或形式轉換，而在于能夠處理內容或者說具有意向性。自然智能與其他事物的根本區別就在于，自然智能有意向性。所謂意向性就是心理狀態對它之外的對象的指向性、關于性。心理狀態的這種屬性，使得人或自然智能能夠將大腦內的計算、加工與心理狀態指涉的對象關聯起來，而正是這種關聯，才使人成了人，心成了心。其他事物之間盡管也有相互作用、相互關聯，但是那種關聯是消極被動的，而人的心靈由于有意向性因而能夠主動、自覺地關聯于世界上的其他事物。塞爾指出：計算機所進行的形式轉換是不具備意向性的，它們只是在處理語法，而沒有涉及語義。人類心靈的本質在于，既加工句法，又加工語義。計算機的計算乍一看似乎具有意向性，但實際上這些意向性只不過是編程者和使用者心中的意向性，與計算機自身無關⑩。就像中文屋里的這個實驗那樣，真正懂中文的是編寫規則書的人和屋外的人，而坐在屋里的塞爾是全然不懂中文的人。

塞爾在這里實際上頒布了一種根本有別于計算主義的智能觀。根據這種智能觀，人之所以能對問題做出表示，是因為人在建立形式系統時，不僅能規定所用的符號、制定系統內符號的連接規則（語法），還能賦予符號串以意義。他的理論揭示了過去智能研究沒有看到的方面，那就是，人類或自然智能內部有主動的、有意識的關聯、理解和解釋等過程發生，正是這樣的過程將符號和意義關聯起來，賦予了符號以意義。機器所表現出的所謂“智能”由于不具有這些特點，因此算不上真正的智能。從根源上說，意向性作為人類智能的根本構成和特性，只能由特定的生物組織所實現。這就是說，智能離不開進化所形成的生物組織結構。如果是這樣，人們要想制造出人工智能，不能只關注形式轉換，而應立足于智能得以實現的生物結構的解剖與模擬。這是關于智能及其建模方向的結構主義的基本觀點。

對于塞爾的中文屋論證，人們的反應各不相同。主要有這樣一些態度，第一，有一些人覺得這個話題對人工智能的具體研究意義不大，因而不屑一顧;第二，還有一些人態度曖昧，不置可否，其原因大概如B·C·史密斯所說的那樣：關于意向性是什么，無論在計算機科學圈內還是圈外，都沒有達成一致的看法{11};第三，對之表示震驚和關注，甚至表示贊成與喝彩，覺得它既有學理意義，又有實踐價值，并對之作進一步的研究;第四是批評與反對，當然也有譏諷之聲，如有的人甚至奉勸塞爾要注意“克服對人工智能的無知”{12}。為了全面了解這一領域的研究狀況，我們這里擬對有關反批評與論爭作一考察。

科普蘭（B. J. Copeland）對塞爾等人作了這樣的反批評，認為這些人之所以否定人工智能是真正的智能，之所以否定圖靈機及其計算主義，一個重要的原因是，他們誤解了圖靈機及其理論構想。在科普蘭看來，正確的解讀應該是：圖靈將歷史上的機械論與現代數學結合起來，從而用機器信息加工的抽象理論大大豐富了機械論。根據這種新機械論，有一種機器的行為是隨機的，如賭博機。其實質在于：它們是隨機的有限狀態機。也可建構這樣的數字計算機，它有無限的儲存能力，它的下一步是什么完全由隨機因素決定。人類的心靈也是這樣，因此如果說心靈是機器的話，也只能說它是機器中的一個種類。人類心靈的特點在于有自由意志，因此類似于隨機的狀態機。圖靈說：“要像人類那樣行動，似乎要有自由意志，但被編程的數字計算機的行為卻完全是被決定的。……可以肯定：能模擬大腦的機器必須有這樣的行為表現，即好像有自由意志。因此問題必然是：怎樣才能實現這一點。一種可能是：讓它的行為依賴于像賭博機之類的東西。”{13} 要想造出能模擬人腦的計算機，就必須設法讓它具有隨機的特點，即在它選擇和決定自己的行為時具有一定的隨機性。圖靈認為，只要編入適當的程序這并不是沒有可能的。沿著圖靈的思路，過去40多年中，許多人做出了大膽的探索，形成了許多關于這種概念機的新的構想。這種機械論盡管還有決定論性質，但卻可以產生通用圖靈機不可能產生的功能。

對于塞爾的論證，哈瑞持比較中立的觀點。一方面，他認為塞爾以意向性為是否有智能的判斷標準是有其合理之處的。哈瑞承認意向性對于智能的重要性，他說：“無論認知工具是什么，它必須是有意義的。全部有意義的區別性標志是意向性。”{14}另一方面，他又指出意向性是屬于人的屬性，而不是大腦的屬性，塞爾的論證中將意向性歸于大腦，這是不妥的。哈瑞認為，大腦并不是人的全部，而只是人的思考工具，是沒有意向性的。他說：“當我們把大腦當作由人來完成各種不同任務的工具時，這個步驟將產生有益的判斷力。”{15} 計算機不是關于人的一個好模型，但“可能是人的大腦的一個好模型”{16}。如果是這樣，塞爾對計算主義的批判就是無的放矢。

最后，取消主義對塞爾的智能觀也有獨到的反響。它認為世界上并不存在意向性或意向狀態，它們只不過是民間心理學編造出來的東西，應當予以取消。人類并不是語義機，因為并沒有語義機，而只有語法機，將人工智能構造成一種純形式的處理系統并沒有什么問題。取消主義的主要代表斯蒂克在批判基礎上闡發的智能觀是，智能、心靈就是句法機，即 “由句法驅動的機器”（a syntax-driven machine）或“句法組成的機器”。每一認知狀態的個例都可認為從屬于一句法類型，或有句法形式。認知過程就是由這些有句法結構的狀態的歷時性系統構成的。之所以說認知的心靈是一種計算機，根據在于：控制這些認知過程的機制或結構“只對句法屬性敏感”{17}。

盡管批評塞爾的人很多，否定、嘲笑之聲不絕于耳（主要見于人工智能工程技術領域），但是在哲學界，更多的人還是承認他的中文屋論證的研究價值的，認為他不僅揭示了人類智能的意向性本質和語義機特征，而且為人工智能理論研究擺脫困境、上新臺階指出了可能的前進方向，為建構既符合真實智能本質又具可操作性、模擬性的智能觀做了有益的探索。對當代認知科學建立和發展作出了奠基性作用的瑪爾說：在現有的人工智能中，“我們的知識還相當貧乏，我們甚至還無法開始歸納出恰當的問題，更不用說解決它們了”。這里的問題指的是信息處理問題。這一問題相當關鍵，因為要造出理想的人工智能，首先必須“離析出信息處理問題”{18}。然而已有的人工智能研究沒有認識到這一點。根據他的研究，造成人工智能研究不令人滿意的主要原因是：人工智能研究者研究人工智能的主要工作是編寫程序。而被編寫出來的、讓機器執行的程序不過是一種形式上的指令，其加工的符號本身并不意指任何東西。因此它們離真正的智能還有相當的距離。既然如此，人工智能要想兌現它模擬和超越人類智能的承諾，當務之急是像塞爾那樣去解剖人類智能。

美國人工智能專家、掌上型電腦和智能電話及許多手持裝置的發明人霍金斯（J. Hawkins）和美國哲學家德雷福斯（H. L. Dreyfus）沿著與塞爾既相同又有區別的方向對人工智能研究作了嚴厲的批判反思，得出了許多極端的結論。霍金斯說，當前的人工智能理論并沒有完全搞清什么是智能，或者“理解某件事物”到底是什么意思。在厘清了人工智能理論的發展歷程和基本原則后，我們會發現，這一理論已經誤入了歧途{19}。人工智能研究有無出路？如果有，出路何在？霍金斯的回答是：別無他途，只有轉向人腦本身，對之作出認真的研究。他說：“在不了解大腦是什么的前提下來模擬大腦，是不可能的。”{20}

英國當代最博學的數理物理學家和哲學家彭羅斯（R. Penrose）認為，智能、智慧離不開意識、意向性，智能問題屬于意識問題的分支，如果沒有意識的話，那么智能也不復存在{21}。既然如此，人工智能在定義智能時，只有模擬有意識的智慧，“才會令人滿意”。也正是鑒于意識在智慧中的這種基礎地位，彭羅斯才說：“我真正關心的不是‘智慧問題，我首先關心的是‘意識問題。”{22} 要模擬意識，必須知道意識的特征。彭羅斯認為，意識的基本特征在于“主動作用”，在于判斷，在于能關聯外在事態，在于能指向對象。而算法做不到這一點{23}。要模擬意識，只有寄希望于未來的量子計算機，或必須回到量子力學。因為量子理論“是許多常規物理現象的基礎。固態物體之所以存在，……凝固和沸騰現象，遺傳的可能性……需要量子力學才能解釋。也許還有意識，它是某種不能由純粹經典理論來解釋的現象，我們的精神也許是來源于實際上制約我們居住的世界的物理定理的某種奇怪的美妙特征的性質，而不僅是賦予稱之為經典的物理結構的‘客體的某種算法的特征”{24}。

綜上所述，圍繞圖靈測試和中文屋論證的爭論除了有一部分涉及的是智能建模的方法論等技術問題之外，根本的和主要的爭論指向了如何理解智能這一帶有哲學性質的人工智能元問題。爭論中吐露的智能觀盡管五花八門，但不外這樣幾類，一是計算主義的智能觀，其基本觀點是，智能即計算的能力或過程。當然，里面對計算有不同的理解，主要有：（1）數學家、邏輯學家的看法：計算就是形式符號處理，不涉及到內容。（2）計算就是有效的可計算性，這是基于機器類比所得的結論。（3）計算就是算法的執行或遵守規則。（4）計算就是求出函數，即基于輸入，產生輸出。（5）計算就是數字狀態的轉換。（6）計算就是信息加工。（7）物理符號系統假說或符號主義的觀點：計算就是物理符號的加工或轉換。新計算主義對計算提出了這樣的非經典的理解：在重新定義計算概念時，必須更加關注非形式的方面。所謂“非形式”指的是：滲透性的、包孕性的、具體的、情景的、反映性的東西。新計算主義認為，只有這樣，才能構建完善的計算概念{25}。二是反計算主義的智能觀。三是介于兩者之間的智能觀，上面已有交待。四是新生的外在主義智能觀，這一理論看到了心和智能之外的那些情境因素（如身體、行為、環境等）對智能的影響，可以說這種觀點在心靈哲學、人工智能領域掀起了千層巨浪，促進了傳統心靈觀、小人心靈觀向寬心靈觀、寬智能觀的轉變。其核心觀點認為，智能并非傳統心靈觀中那種單子式、實體式的存在，而是一種非單子的、跨主體的、關系性的存在，它不在大腦之內，而彌散于主客體之間。這一思潮不僅表現為哲學中的外在主義，而且還表現為認知科學中的情景化理論。如克拉克（A. Clark）的延展心靈觀認為，世界的組成部分可以看作是認知過程的組成部分，或者說，心靈延伸至環境，環境中被把握的特征成了心靈的組成部分。心所認識的、與之發生關系的東西都是心的組成部分，甚至我現在手上拿的“iphone也是我的心靈的部分”{26}。

四、復雜性視域下的智能“多—一”“同—異”問題

筆者贊成這樣的觀點，即要擺脫人工智能研究的困境，必須改變思考智能行為的方式，拋棄兩種策略，一是“異人工智能策略”或泛智能主義。它認為研究、建模和開發智能可以不以人類智能為原型實例，因為智能并非人類所獨有，只要能完成一定任務的事物都可認為其有智能。盡管這一方案在模擬一些自然事物（如蟻群行為、蜂舞、事物的退熱過程等）的功能作用，建構諸如退火算法、進化算法等過程中做出了有益于人工智能的探索和貢獻，但由集科學理論與工程技術于一體的人工智能的目標、本質特點所決定，它對于實現人工智能的任務并無實質性意義。二是智能認知上的沙文主義。這一傾向有多種表現，包括只承認人有智能，或者“見取見”的傾向，即取自己的見解為唯一正確的見解，還有只見樹木不見森林的傾向，如抓住一種智能現象加以認識，然后把它當作是對全部智能現象的認識，此即通常所說的以偏概全的錯謬。已有的計算主義和反計算主義都有此偏頗。

在具體實施對人類智能的解剖中，由于許多爭論與語詞的歧義有關，因此我們的分析必須從語詞入手。智能無疑屬于心理現象中的一種，而非全部，因此有必要先討論智能與心的概念關系。“心”至少有如下用法和所指：指心臟，有“本根”“中心”“關鍵”“核心”之意，指思維的器官，有道德觀念的意義，如“喪心病狂”中的心指的是良心、道德之心，指行動的決定因素、道德行為的主體，指心中的潛在的道德資源，如孟子所說的“盡心、知性、知天”中的心、性就是這個意義的心。“天心”有時指一種境界之心，有時指圣人有這樣的心，其特點是：執玄德于心，而與天地、日月、四時和合，中國化佛教所說的心，有時指真心，有時指妄心，心學中所說的“心”指的是“良知”、“理體”，心的最廣泛的一種用法就是泛指一切心理現象，甚至包括魂、魄、神等。“智能”（intelligence）是廣義的心的一種，可放在心理能力這個子類之下，而能力的形式多種多樣，如情感能力、審美能力、自制力、行動能力、意志力、注意力等等。

既然智能的基礎和外在表現是有智或智慧，那么它就不能與一般的能力混為一談。但問題是，智能究竟是什么呢？其區別于別的物力的本質特點是什么呢？人的智能是一還是多？是一種獨立的能力還是多種能力的集合？是簡單的、單子性實在還是具有復雜性的現象？如果其形式或樣式多種多樣，那么它們有無共同的本質和屬性？從智能與非智能的關系上說，它們有無同異關系？如果有，如何予以揭示？這些一直是有爭論的問題。占主導地位的傾向是堅持智能單一論，即認為人只有一種智能，即有理智的、能思維的智能。基于這一認知，圖靈就把智能等同于思維。這一看法在計算主義智能觀中幾乎成了定則。贊成智能多樣性的人則強調，智能不僅具有復雜的構成、本質和機制，而且以多種不同的樣式表現出來，如至少有邏輯或形式的智能和非邏輯的智能之別。現在還有這樣的新傾向，即一些人受科學中的復雜性理論的啟發，開始關注智能特別是計算的復雜性，試圖建立關于計算的復雜性理論，其目標是“按照它們的復雜性”去對“密碼學、線性規則和組合最優化過程中那些重要的特殊問題”作出分類，探討解決這些問題所需的空間和時間計算量{27}。它關注的復雜性不是混亂無序、分形、高級結構基礎上的多樣性，而是計算復雜性的時空定量測度。本文盡管也贊成研究智能的復雜多樣性維度，但不贊成這樣的泛化傾向，如將智能泛化到情緒能力等之上，因為智能顧名思義，指的是以智慧為基礎、為特征的能力，即由內在智慧作用所決定、所導致的能力和行為。而情結能力中，除了管理控制情結的能力有智能的特點之外，其他的情結能力都應屬非智能的范疇。

要探明智能的本來面目，就必須要堅持這樣兩條方法論：其一，要用適當的方法進行地基的全面清理，對有待認識的對象及其性質做“人口普查式”的考察和探礦式的挖掘;其二，要按照從個別到一般的路線，從探明全部個例出發，逐步上升到對整體對象及一般本質的把握。如果按這樣的方法論操作，那么我們也可以引出一種關于智能復雜性理論。它獨特的地方在于強調：智能是由許多各有自己構成、本質特點和運作機理的智能個例或樣式組成的有“家庭相似性”的大雜燴，而既非單一的單子性實在，也非孤立的性質或過程。這樣的集合不同于一般的集合，因為它不是由相同類型的對象組成的，恰恰相反，它是由不同種類的現象所組成的，就像一房間內存在的由動物、家具、工藝品、書本上的哲學思想等不同類的元素組成的集合一樣。從整體結構上看，智能樣式在橫向上是多種多樣的，在縱向上又有層次性、梯級性，而后者又有開放性、生成性的特點（如隨著新關系的形成會產生新的智能現象）。同時，智能樣式的性質還具有差異性或異質性（如有的位于大腦中，有的則有主體間性;有的是身體的活動，有的則是二階的、三階的乃至更高階的現象）。在某種程度上，甚至可以說智能是沒有統一性的，它沒有固定的范圍和數量，因此，我們也就不能在沒有限制的情況下用“智能是……”去說明智能的本質。根據這樣的理論，在對個別沒有透徹研究的情況下，我們是不能跨過這一步，直接去研究智能本質的。更重要的是，智能不僅是由無限多樣的個例所組成的矛盾復合體，而且還像物質大家庭一樣具有異質性（heterogeneity），即是由具有不同本質的智能個例所組成的混沌集合{28}。所以，我們當下應將重點放在對個別及其本質的研究上，而不是急于求成地著手對智能本質進行挖掘。另外，已有智能理論的失誤也從反面告訴我們，要真正認識智能的本質，必須改變過去那種把智能當作一個東西，直接去回答“智能是什么”的認識路線。

如心理的內在主義所說，智能一定有內在的所依，即作為一種內生、內存在的現象一定有對更基本、更內在的東西的隨附性。而且，只要它現實地運轉、發揮作用，就一定有外在行為表現，這大概就是維特根斯坦所說的內在過程一定有其外在標志。如果是這樣，我們就可以以行為為線索來追溯、挖掘其背后的智能樣式。大致說，人的外顯行為表現出的其背后較簡單的能力不外這樣一些：學習能力、知覺能力、洞察能力、模糊識別能力、表征能力（存儲、提取信息，表達知識等）、語言表達能力、書寫能力、邏輯思維能力、非邏輯思維能力、記憶—回憶能力、搜索能力、擇優能力、選擇行為方式的能力、對行為適時調控的能力、評價能力、管理能力（包括組織決策等）、自我認知能力、反思能力、前反思能力（第一人稱所與性或直接的明見性）、博弈能力（競爭狀態下的決策判斷調控）、軟計算所模擬的人在不確定不精確環境下所運用的思維能力，等等。在它們之上，還有由兩種以上簡單能力復合而成的同時具有相對獨立性的能力，如問題解決能力、規劃能力、演說能力、科研能力、寫作能力，等等。從所依賴的基礎看，有受先天因素所制約的所謂流體智能（基本信息加式、機械記憶、圖形色彩識別能力等）和由后天經驗促成的所謂晶體智能（如運用知識解決問題的能力等）。合成能力中最復雜的要數情境化能力和集成性能力。所謂情境化能力是現象學和當今的四E理論所強調的能力，它與生活世界密不可分，與情境互依、互動，由于人有這種能力，因此人能靈活應對變化著的環境，其具體形式有，社會性智能、施動性智能、具身性智能、延展性智能、鑲嵌性智能;所謂集成性智能是指心智能力和行為能力的集成。{29} 這就是說，根據我們關于智能的復雜多樣性理論，智能是以眾多單個的智能表現出來的，每個智能就是由一定生物模式所實現的功能模塊，如學習能力、記憶能力等。它們集合在一起可形成不同層次的復合能力。

所有智能樣式有無共同的且明顯有別于其他非智能現象的本質特征？回答應是肯定的。只是不同的人有不同的看法。例如前述的計算主義認為，智能的本質就是計算或形式轉換;以塞爾為代表的反計算主義者則認為智能區別于非智能的本質特點是意向性或語義性;而傳統的較籠統的看法是，智能獨有的東西是有理性或有智慧。我們認為，計算主義和反計算主義的觀點分別只適用于部分智能現象，例如，人的計算、邏輯推理、根據已有知識解決問題的能力的確都表現為以計算為其本質特點，但人還有很多智能形式并沒有這個特點，也不妨礙它們作為智能存在，例如人的情境性思維和決策等。再者，意向性的確是許多心理現象的根本而重要的特征，甚至還有這樣的新發現，即以前被認為沒有意向性情感、感覺之類的現象現在也被認為有意向性。但是事實上有許多智能現象并沒有意向性，例如人的純粹的數字計算活動、學生的數學練習、專家的編程等就是如此。就此而言，塞爾等人對人工智能的否定也是有問題的。根據我們提出的新的智能觀，機器所表現出的推理能力、問題解決能力、專家系統等都可看作是真正的智能。人類已像大自然一樣造出了享有圣杯地位的名副其實的智能。基于這些分析，我們認為，由于不同子類的智能有不同的特點，因此智能只能是一種邊界模糊的集合，是一種具有家庭相似性的大雜燴。但這樣說并不意味著我們否認智能個例中存在著統一的本質，否則它們也不能被冠以“智能”這一統一名稱。其統一的本質就是，所有的智能都是狀態機，即是讓一種狀態轉化為下一狀態的作用或機制。在轉化中還會遵循別的事物運動的一般形式化準則，即“如果—那么”（符合某一或某些條件，某狀態就會轉化為另一狀態）準則。圖靈的非凡之處在于發現了智能與別的自然現象的這種共性。就它們的區別而言，智能在遵循這一規則時，有時是服從自然因果律的，如果是這樣，智能就表現為計算主義所說的那種智能;有時是根源于意志或實踐理性的自由選擇，有時是根源于智能本身的創造性，如果是這樣，智能就會做出違背自然因果律的事情，就表現為有創新性、意向性、自主性的智能。從這個角度說，智能有自主和非自主之別。現今的自主體智能理論研究和工程實踐正在朝模擬人類這類智能的方向前進，這是好的開端、正確的選擇。用專業的術語說，所有智能還有這樣的共性，即具有“動態平衡張力”，能“在空間和時間中進化并不斷自我校正”{30}。

盡管我們目前對心理的樣式、智能的本質認識還不夠，但是大量的事實告訴我們，智能不是一種單一體或單子性實在，而是由形式多樣、性質各異的樣式和個例構成的矛盾統一體，各種心理樣式之間只有表面的、松散的統一性。心靈不僅有靜態的多樣性，還有動態的生成性和開放性。如果這是對的，那么作為科學理論和工程技術的人工智能就將有更大的用武之地、更寬廣的前途。它向我們表明：人工智能的前進方向，應著眼于對具體個別的人類智能樣式的解剖，即應以智能個例為原型實例，探討它們構成、起作用的方式和運作機理，而不應停留于議論宏大的、泛泛的智能現象。如果確實是以具體的智能為模型而建構出來的人工智能，那么就應承認其是真正的智能。這也就是說，應放寬智能標準，堅持智能的復雜多樣性理論，不犯以偏概全的錯誤，不將智能子類的標準泛化到其他子類之上。否則，就會人為扼殺真正的人工智能。

注釋：

① 此次革命由圖靈發起，也可稱作“圖靈革命”，其意義不止表現在新工具的發明創造上，更表現在對人自身的認知上。前三次分別是哥白尼革命、達爾文革命和弗洛伊德革命。參閱[意]盧西亞諾·弗洛里迪：《第四次革命》，王文革譯，浙江人民出版社2016年版，第4章。

②⑤[美]哈里·亨德森：《人工智能：大腦的鏡子》，侯然譯，上海科學技術文獻出版社2008年版，第3、3頁。

③⑥{30} [美]盧格爾：《人工智能：復雜問題求解的結構和策略》，史忠植、張銀奎、趙志崑譯，機械工業出版社2006年版，第223、VШ、847頁。

④ 參閱[英]亨利·布萊頓、[英]霍華德·塞林那：《視讀人工智能》，張錦譯，安徽文藝出版社2009年版，第125頁。

⑦⑧[英]A·M·圖靈：《計算機器與智能》，載[英]瑪格麗特·博登編：《人工智能哲學》，劉西瑞、王漢琦譯，上海譯文出版社2001年版，第56—57、88頁。

⑨ T. Van Gedel， What Might Cognition Be， If not Computation， Journal of Philosophy， 1995， 92（7）， p.381.

⑩[美]J·R·塞爾：《心靈、大腦與程序》，載[英]瑪格麗特·博登編：《人工智能哲學》，劉西瑞、王漢琦譯，上海譯文出版社2001年版，第93—113頁。

{11} B. C. Smith， Reflection and Semantics in a Procedural Language， Cambridge， MA： MIT， Ph.D. Dissertation and Technical Report LCS/TR-272.

{12} 參閱[英]瑪格麗特·博登：《人工智能哲學》，劉西瑞、王漢琦譯，上海譯文出版社2001年版，第129頁。

{13} A. M. Turing， Programmers Handbook for Manchester Electronic Computer， Manchester： University of Manchester Computing Laboratory， 1951， p.464.

{14}{15}{16} [英]羅姆·哈瑞：《認知科學哲學導論》，魏屹東譯，上海科技教育出版社2006年版，第131、118、120頁。

{17} S. Stich： On the Ascription of Content， in A. Wood-field （ed.）， Thought and Object， Oxford： Clarendon Press， 1982， pp.203-204.

{18} [美]D·C·瑪爾：《人工智能之我見》，載[英]瑪格麗特·博登編：《人工智能哲學》，劉西瑞、王漢琦譯，上海譯文出版社2001年版，第188頁。

{19}{20} [美]杰夫·霍金斯、[美]桑德拉·布拉克斯莉：《人工智能的未來》，賀俊杰、李若子、楊倩譯，陜西科學技術出版社2006年版，第7、15頁。

{21}{22}{23}{24} [英]羅杰·彭羅斯：《皇帝新腦》，許明賢、吳忠超譯，湖南科學技術出版社1994年版，第469、470、475、260頁。

{25} B. C. Smith， The Foundations of Computation， in M. Scheutz （ed.）， Computationalism： New Directions， Cambridge， MA： MIT Press， 2002， p.46.

{26} A. Clark， D. Chalmers， The Extended Mind， in D. Chalmers （ed.）， Philosophy of Mind， Oxford： Oxford University Press， 2002， p.644.

{27} [加拿大]A·烏齊哈特：《復雜性》，載[意]盧西亞諾·弗洛里迪編：《計算與信息哲學導論》上冊，劉鋼譯，商務印書館2010年版，第80頁。

{28} C. McGinn， Basic Strutures of Reality， Oxford： Ox-ford University Press， 2011， pp.175-191.

{29} 唐孝威：《智能論：心智能力和行為能力的集成》，浙江大學出版社2010年版，第74—75頁。

作者簡介：高新民，華中師范大學哲學所教授、博士生導師，湖北武漢，430079;羅巖超，華中師范大學馬克思主義學院博士研究生，湖北武漢，430079。

（責任編輯? 胡? 靜）