“ 图灵测试 ” 与人工智能元问题探微
2021年1月15日 来源：江汉论坛 作者：高新民、罗岩超
通常所说的 “人工 智能” 既可指由 人工完成的、 在机器上实现的智能， 又可指作为一门科学理论和工作技术的研究部门。 本文所关注的主要是后一种人工智能。 众所周知， 它不仅极大地改变着世界， 而且在认识世界特别是认识人自身方面也发挥着不可替代的作用， 有的甚至把它称作 “第四次革命” ①。 但许多人在冷静的反思之后又提出了诸多抱怨， 有的人甚至得出了悲观主义结论， 如说 “进展 缓 慢 ”， 有 关 专 家 总 是 遭 受 “沉 重 打 击 ” 以 至“丧失了信心 ”， 本领域难见实质性突破 ， 等等 ②。哲学家批判计算主义依据的主要是诸如意向性理论、 表征主义、 随附理论等新的哲学理论。 其责难主要是， 机器所表现出的所谓人工智能由于缺失了意向性和意识， 因此算不上真正的智能。 由于这一问题最先是由塞尔提出的， 因此可称作 “塞尔 难题”。 在探讨问题的原因和出路时， 尽管有一部分人认为人工智能的工作是构造和评估人工制品， 因此用不着探讨关于人类智能的结构和功能方面的细节， 但多数专家仍坚持认为， 人工智能的基础工作是解剖人类智能。 卢格尔 （G.Luger） 一针见血地指出： 人工智能既是模仿的技术， 也是认识和探索智能的经验科学③； 费福尔 （R.Pfeifer） 等认为， 人工智能陷入困境的根源在于理解人类智能时犯了严重的错误④； 亨德森也说： 其原因是 “对 ‘智能’ 的本质和组成成分等重大理论问题” 存在着 “理论上的先天不足” ⑤； 著名认知科学家克拉克 （A.Clark）说： 要冲破困境， 必须 “彻底改变思考智能行为的方 式 ” ⑥。 因 为 道 理 很 简 单 ， 人 工 智 能 的 目 标 或“圣杯 ” 就是模拟 、 延伸 、 扩展乃至超越人类的智能， 从而理所当然是以后者为 “原型实例”， 去解剖它的构造、 运作机理和条件， 弄清它的奥秘和本质。 笔者认为， 要想解决人工智能面临的困境， 让它迅速高质量逼近它的目标， 当务之急是深入具体地探讨 “图灵测试” 所引发的人工智能元问题， 如人类智能本身是什么、 能否从计算上加以描述、 有哪些样式、 运作机制是什么等。 我们拟论证的观点是， 人工智能过去的智能研究存在着以偏概全的问题， 没有看到智能的多样性和复杂性。 为此， 我们试图阐发一种关于智能的有特定赋义的复杂性理论。
一、 “图灵测试” “图灵革命” 及其所引发的人工智能元问题
著名数学家图灵 （A. M. Turning） 在 20 世纪40—50 年代提出的 “图灵测试” 不仅奠定了计算机科学的理论基础， 同时， 还阐发了一种关于智能的独到见解。 他想解决的是如何让机器也表现出智能这样的工程性的问题， 但不可避免地触及了深奥的哲学问题， 如究竟什么是智能 （由于智能的本质在思维， 因此他有时问的是思维）？ 能否用可计算的、操作性强的语言描述思维？ 思维是否是人所独 有的？ 能否让它在机器上实现？ 等等。 他无意于为智能、 思维下定义， 因为统一的定义难找， 也没有必要性， 只需把智能与非智能的界限弄清楚就够了。当然， 对于智能是什么， 他的思想是发展的， 如前期认为智能有充要条件， 后来则认为只能也只需要寻找它的充分条件。
图灵意识到： 要作出新的回答就要提出新的、更有助于解决问题的问题， 亦即要找到合适的提问方法。 他认为， 正确的问题应该是： 某种可构想出的计算机能否表演 “模仿游戏”？ 一台计算机能以无法与人脑的回答相区别的方式回答提问者的问题吗？ 也就是说， 判断计算机有无智能， 不应看其内部细节和过程， 而应看它的实际行为表现。 机器如果能完成人需要用智能完成的行为， 如果能像人一样回答提问， 那么也应认为它有智能⑦。 为此， 他设计了一个实验， 让机器与一个智力正常的人一同通过电脑回答处在另一房间的测试者提出的有关问题， 如果测试者通过问答不能判断回答者是机器还是人， 那么就可断言机器也有智能。 图灵的结 论是： 有智能就是能思维， 而能思维就是能计算， 所谓计算就是应用形式规则， 对 （未解释的） 符号进行形式操作。 他说： “一台没有肢体的机器所能执行的命令， 必然像上述例子 （做家庭作业） 那样，具有一定的智能特征。 在这些命令之中， 占重要地位的是那些规定有关逻辑系统规则的实施顺序的命令。” ⑧ 有理由说， 图灵测试及其隐含的思想成了现代新机械论的基础。 后经许多人的发展， 它演变成了以机械论为核心的各种主义， 如计算主义、 机器功能主义等。
值得注意的是， 在说明图灵的智能观时， 人们一般把它归结为行为主义。 笔者认为， 如果以为图灵的所谓行为主义只重视行为判据， 而否认对智能的内在特点的说明， 那就大谬不然了。 不错， 关于智能， 图灵提出了新的不同于内在主义的外在行为标准， 即反对预设的标准， 而强调如果机器能以无法与人类回答相区别的方式做加减法或阅读十四行诗， 或做模仿游戏， 那么就可判定它有像人类一样的智能。 这显然是一种行为主义的标准。 但同时应注意的是， 图灵是有自己对智能甚至一般的思维或认知的内在构成、 特点、 实质的看法的。 其基本态度是坚持和发挥传统理性主义和机械主义的这样两个命题： 思维就是计算， 人是机器。 而计算是能表现出智能特性的实在的共性。 当然， 他这里抓住的共性不是这类对象的质料或构成上的共性， 而是形式上的、 量的方面的共性。 他认为， 如果人造的工具或机器也能表现这一特性， 那么也可视之为智能实在。 所以， 智能并非人类所独有， 而是其他事物也可能具有的形式特征， 他提出的 “通用图灵机”就是此构想的具体表现。在这个模型中， 图灵试图说明： 人的认知过程就是计算， 而计算是由具体的步骤构成的， 如产生由有限数量的单元构成的图式， 每一单元都是一个空格， 或包含有限字母表中的一个符号。 每一步的行为都是局域性的， 并且是按照有限的指令表局域地被确定了的。 形象地说， 人的计算不过是用笔和纸所完成的活动。 他关于人的计算的模型是从人的活动中抽象出来的， 他基于此构想建构的图灵机就是关于人的计算的理想模型。 在他的理论中， 人的心智实质上就是一种能计算的机器， 而他所设想的图灵机则可以和人一样进行计算活动。 根据图灵的分析， 人的心智活动遵循着以下五项原 则： （1）任何计算中， 只有有限的符号被写入、 被使用了；（2） 暂存带的量受到了固定的限制， 那就是， 人要决定下一步该干什么， 他一次只能读入一定量的暂存带； （3） 每一次只能写入一个符号； （4） 暂存带的一个区域可称作 “单元”， 而单元之间的距离存在着一个上限； （5） 人能进入的心智状态的数量也有其上限。 图灵机也遵循了这些约束， 因此也有自己的计算或智能行为。
图灵的智能观既奠定了后来计算机科学的理论基础， 为人们造出能表现出智能特性的真实机器指明了方向， 又完成了对人自身认知的一场革命。 因为从他开始， 人类心灵、 智能不再像过去那样神秘莫测， 只能用思辨的语言去意会， 而可用定量的语言去描述。 更重要的是， 它必然要遵循与其他事物没有本质区别的规则运转， 例如它实质上是一种状态机， 即它只能处在有限的状态之中， 而且在任何特定时刻， 它只能处在一种状态之中。 它必然会按照 “如果—那么” 的规则从当下状态过渡到下一状态。 质言之， 认知过程实为计算过程， 即从一种状态映射为另一种状态的过程， 或从变量到函数值的映射与转换过程。 而在转换中， 无须什么额外的智力活动， 它本身就是一种智力活动， 只是这种活动是机械的， 是按程序或规则进行的。 这是图灵对思维或智力的本质的一种崭新的说明， 它展示了从一种句法状态向另一状态的转换有可能保存这些状态的内容之间的语义联系。 图灵机证明： 符号的句法属性有可能关联于它们的因果属性。 这是因为符号的句法属性纯粹是符号的高阶形式属性， 有了它们， 因果规律就可被例示。 难能可贵的是， 他还基于他的智能解剖， 对未来人工智能的建构方式提出了自己的设想， 一是用具身的方式建构具身性思维机器， 二是用非具身性方式建构非具身性思维机器。 后来人工智能的实际发展主要遵循的是第二条路径， 而第一条路径则是最近情境性智能观以及以此为基础的情境性人工智能热议的话题。
不难看出， 图灵测试不仅表达了一种全新的、具有革命意义的智能观， 而且也引出了关于智能的新问题， 即智能真的像过去思辨哲学所设想的那样是神秘莫测的内在过程吗？ 真的只能为有理性的人所独有吗？ 能否用定量的、 操作性强的甚至机械论的术语来描述？ 机器真的不能思维吗？ 他的许多关于智能的看法由于针对的是传统观念， 因此本身就具有挑战 性。 例如他认为 智能就是按 “如 果—那么” 规则的状态或形式转换的观点， 就包含着对传统智能观提出的挑战。 正因为这样， 图灵测试及观点一问世就引来了激烈的争论， 批评者针锋相对地指出： 仅有形式转换过程而没有情感、 意识、 创造性、 学习、 分辨过程相伴随， 能算作是智能吗？ 有的人说， 只有当机器能够像人类一样思考和经历情感， 并有关于它们自身的意识、 能创作、 具有自主性时， 才能说机器有智能。 还有的人说， 机器不能学习， 不能分清是非， 不能谈恋爱， 因此不可能有智能。 如此等等。 批评、 质疑对认识的发展是有益无害的。 事实上， 正是这些争论促成了后来人工智能的诞生和发展。 正是由于图灵测试及问题在为后来人工智能奠基的同时引领着对人特别是心灵的认识的深化， 因此人们才把它们称作图灵革命或第四次革命。
二、 计算主义及其对图灵问题的化解
图灵时代及后来争论的一个重要成果就是计算主义的诞生。 正如其名称表述的那样， 计算主义的核心概念就是计算， 其支持者普遍认为大脑就是计算机， 而心灵就是计算机的程序， 认知过程不过就是计算过程。 当然， 对计算的逻辑阐述有三种， 即递归函数、 λ-定义函数和图灵的形式主义。 尽管这三种阐述采用的方法不同， 但是其内核是共通的：首先， 三者都试图从形式上来解释计算概念； 其次， 它们都将计算视为独立于物质的属性； 质言之， 计算不同于实现它的物理系统， 我们不能用物理系统来说明计算。 基于这种共同的理论内核， 上述三种阐释构成了关于心智的 “计算机隐喻” 的基础或主要原则。 这一隐喻有两个假定： （1） 心理过程可看作是计算过程， 或可用程序来描述； （2）计算过程和执行的关系可类推到人的心与脑的关系之上。 这个隐喻后来成了强人工智能的理论基础。坦率来讲， 强人工智能理论确实也曾辉煌过， 某种程度上， 也可算作是一种纲领。 它曾孕育过不少富有影响的计划， 如纽厄尔和西蒙等人的 “逻辑理论家 和 通 用 问 题 解 决 机 ”， Samuel’s chechers 计 划 ，Bobrow’s Student 等 。 “ 执 行 ” （ implementation ）或 “实现” （realization） 是计算主义中的又一核心概念。 计算主义的支持者普遍认为， 执行或实现概念恰到好处地表达了计算的实质及其与物理过程的关系， 因为在计算过程中， 计算状态尽管不是物理状态， 但它是由物理状态实现的， 就像软件由硬件实现一样。 不仅如此， 它还和物理状态有一致性，以福多为代表的一些学者甚至认为， 计算状态和物理状态间存在着同型性。
根据这种对心智的解释， 计算主义倡导者构建了他们关于心智的模型。 其理论有两个关键点： 其一， 在理论方面， 建立了关于人类思维或认知的解析性模型。 他们提出， 人的思维或认知就是一种依照规则进行的纯句法、 纯形式的转换过程。 “纯句法” 或 “纯形式” 指的就是符号或表征， 或心灵语言中的心理语词， 而 “规则” 就是可由 “如果……那么……” 的条件句表达的蕴涵关系。 其二， 在实践方面， 创立了关于自然智能和人工智能的工程学理论。 这个理论试图回答的问题是： 如何制造一台能够和人一样进行输入输出， 从而完成认知任务的机器。 他们认为， 如果将人的认知任务的形式化版本输入机器， 机器输出的计算结果和人给出 的一样， 那么就可以说这台机器具有和人相同的智能。
此外， 计算主义还强调， 人的理性能力也是受到规则控制的， 是可以用计算概念来说明的， 因此， 也是可以由计算机来实现的。 因为命题和推理的真值是一个纯形式的、 逻辑的问题， 所以如果推理的有效性与意义无关， 而只由推理形式所决定，那么人类的推理也就可以被还原为计算过程， 可以用计算机来模拟。 当然， 问题并非如此简单， 因为人的推理过程并不一定是纯形式化的过程， 在很多时候都涉及经验和直觉， 人类还会根据典型和原型事件进行推理。 计算主义只是对简单的理想情况进行了解释， 而更加复杂的现实情况还有待进一步说明。 故而， 近几十年， 计算主义与反计算主义之争愈演愈烈。
计算主义的理论形态有多种， 如以福多 （J. A.Fodor） 为代表的关于心智的表征理论， 纽厄尔 （A.Newell） 和西蒙 （H. A. Simon） 的 “物理符号系统假说” 以及联结主义。 实际上， 纽厄尔和西蒙的物理符号系统假说就是一种符号主义理论。 该论认为， 在计算系统中， 存在着符号、 符号结构和规则的组合， 符号是个例而非类型， 是具有本体论地位的物理实体。 符号表示的内容是人为的， 这个内容取决于编码过程， 而与所指对象并无必然联系。 简言之， 符号转换是智能的充要条件。 在最近几十年的认知科学和人工智能研究中， 联结主义发展迅猛。 它承认计算概念的合理性， 并试图拓展、 重构计算概念。 就此而言， 可把它看作是广义的计算主义中的一员。 然而， 我们也应看到它与经典计算主义有诸多区别， 尤其是该理论认为， 作为计算主义核心的符号或计算层面的描述是不可能成功的。 如果想要制造出人工智能， 除计算机科学外， 我们还必须要利用生物学和神经科学， 直接研究人类大脑的运作机制。 在它看来， 这是认识心灵的根本出路。 它尽管承认计算概念的合理性， 但断然反对经典计算主义对它的形式主义阐释， 强调要根据动力系统来重构计算概念。 格尔德 （Van Gelder） 指出：计算概念必不可少的东西是有效的程序， 而后者又离不开算法中的具体步骤， 这种具体性既体现在时间方面， 又体现在非时间方面， 因此是一个动力学现象。 他还认为， 在根据动力系统重构计算概念时， 最重要的是模拟真实的动力系统， 如人的认知系统⑨。 正是由于有动力学性质， 如此重构的计算概念才能克服形式主义阐释的局限性。
综上所述， 计算主义作为一种极富吸引力的观点， 受到了诸多学者的追捧， 逐步发展成一种兼具理论和实践意义的心智理论。 计算主义的支持者们常将人与计算机作类比， 认为人的神经系统就是计算机的硬件， 心智则是软件。 正是硬件使人获得了心智能力， 而有心智又不过是有运行硬件的程序。这一理论为我们提供了一种具有实践意义的研究心智的方法论， 这种方法论又为符号主义的人工智能研究奠定了理论基石。 客观来说， 计算主义继承了功能主义的优点， 并在其基础上更进了一步， 因为功能主义默认了关于心智或心灵的黑箱理论， 而计算主义打开了黑箱， 认为黑箱中发生的就是计算。这一思想在人类心智认识史上无疑具有里程碑意义。 此外， 计算主义既吸收了众多心智理论 之所长， 又避开了传统理论之所短， 如避免了传统类型同一论忽视心智可多样实现这一本质特点的局限性。
三、 塞尔的 “中文屋论证” 与智能的新探究
塞尔提出 “中文屋论证” 的直接动机尽管只是批评尚克所设计的一个程序， 但其意义远不止于此， 因为其矛头实际上指向的是 20 世纪 50—70 年代盛行的人工智能理论， 特别是以图灵测试为代表的计算主义观点。 此外， 它的颠覆作用还波及了计算主义所取得的那些所谓成果， 特别是向弥漫在当时计算主义支持者中的乐观情绪泼了冷水。 可以说， 塞尔的论证对计算主义进行了全方位的批判。
针对计算主义关于人类智能的建模， 塞尔设想了这样一个实验： 假定塞尔被关在一间房子里， 他是个美国人， 对中文一窍不通。 房门上有个小 窗口， 可以递进中文的文本让他处理。 房里有一本规则书， 书是英文的， 告诉他当收到什么样的 中文时， 需要用什么样的中文回应。 房里还有许多写着中文字的卡片， 塞尔收到外面递进来的文本后， 可以根据规则书， 用中文卡片拼成句子递出去。 如果中文文本递进来之后， 他可以非常迅速地用中文卡片作出回答， 那么外面的中国人肯定会认为屋子里的人是懂中文的。 但是， 塞尔显然不懂中文。 将塞尔的中文屋与计算机进行类比， 那本规则书就类似于计算机的程序， 屋里的塞尔就类似于计算机的所谓 “智能”。
塞尔认为， 无论是图灵机也好， 尚克设计的程序也罢， 这些计算机程序所做的事都无法证明它们是有智能的， 因为智能的关键不在于语法或形式转换， 而在于能够处理内容或者说具有意向性。 自然智能与其他事物的根本区别就在于， 自然智能有意向性。 所谓意向性就是心理状态对它之外的对象的指向性、 关于性。 心理状态的这种属性， 使得人或自然智能能够将大脑内的计算、 加工与心理状态指涉的对象关联起来， 而正是这种关联， 才使人成了人， 心成了心。 其他事物之间尽管也有相互作用、相互关联， 但是那种关联是消极被动的， 而人的心灵由于有意向性因而能够主动、 自觉地关联于世界上的其他事物。 塞尔指出： 计算机所进行的形式转换是不具备意向性的， 它们只是在处理语法， 而没有涉及语义。 人类心灵的本质在于， 既加工句法，又加工语义。 计算机的计算乍一看似乎具有意 向性， 但实际上这些意向性只不过是编程者和使用者心中的意向性， 与计算机自身无关⑩。 就像中文屋里的这个实验那样， 真正懂中文的是编写规则书的人和屋外的人， 而坐在屋里的塞尔是全然不懂中文的人。
塞尔在这里实际上颁布了一种根本有别于计算主义的智能观。 根据这种智能观， 人之所以能对问题做出表示， 是因为人在建立形式系统时， 不仅能规定所用的符号、 制定系统内符号的连接规则 （语法）， 还能赋予符号串以意义。 他的理论揭示了过去智能研究没有看到的方面， 那就是， 人类或自然智能内部有主动的、 有意识的关联、 理解和解释等过程发生， 正是这样的过程将符号和意义关联 起来， 赋予了符号以意义。 机器所表现出的所谓 “智能” 由于不具有这些特点， 因此算不上真正的 智能。 从根源上说， 意向性作为人类智能的根本构成和特性， 只能由特定的生物组织所实现。 这 就是说， 智能离不开进化所形成的生物组织结构。 如果是这样， 人们要想制造出人工智能， 不能只关注形式转换， 而应立足于智能得以实现的生物结构的解剖与模拟。 这是关于智能及其建模方向的结构主义的基本观点。
对于塞尔的中文屋论证， 人们的 反应各不相同。 主要有这样一些态度， 第一， 有一些人觉得这个话题对人工智能的具体研究意义不大， 因而不屑一顾； 第二， 还有一些人态度暧昧， 不置可否， 其原因大概如 B·C·史密斯所说的那样： 关于意向性是什么， 无论在计算机科学圈内还是圈外， 都没有达成一致的看法； 第三， 对之表示震惊和关注，甚至表示赞成与喝彩， 觉得它既有学理意义， 又有实践价值， 并对之作进一步的研究； 第四是批评与反对， 当然也有讥讽之声， 如有的人甚至奉劝塞尔要注意 “克服对人工智能的无知”。 为了全面了解这一领域的研究状况， 我们这里拟对有关反批评与论争作一考察。
科普兰 （B. J. Copeland） 对塞尔等人作了这样的反批评， 认为这些人之所以否定人工智能是真正的智能， 之所以否定图灵机及其计算主义， 一个重要的原因是， 他们误解了图灵机及其理论构想。 在科普兰看来， 正确的解读应该是： 图灵将历史上的机械论与现代数学结合起来， 从而用机器信息加工的抽象理论大大丰富了机械论。 根据这种新机 械论， 有一种机器的行为是随机的， 如赌博机。 其实质在于： 它们是随机的有限状态机。 也可建构这样的数字计算机， 它有无限的储存能力， 它的下一步是什么完全由随机因素决定。 人类的心灵也是这样， 因此如果说心灵是机器的话， 也只能说它是机器中的一个种类。 人类心灵的特点在于有自由意志， 因此类似于随机的状态机。 图灵说： “要像人类那样行动， 似乎要有自由意志， 但被编程的数字计算机的行为却完全是被决定的。 ……可以肯定：能模拟大脑的机器必须有这样的行为表现， 即好像有自由意志。 因此问题必然是： 怎样才能实现这一点。 一种可能是： 让它的行为依赖于像赌博机之类的东西。” 要想造出能模拟人脑的计算机， 就必须设法让它具有随机的特点， 即在它选择和决定自己的行为时具有一定的随机性。 图灵认为， 只要编入适当的程序这并不是没有可能的。 沿着图灵 的思路， 过去 40 多年中， 许多人做出了大胆的探索 ，形成了许多关于这种概念机的新的构想。 这种机械论尽管还有决定论性质， 但却可以产生通用图灵机不可能产生的功能。
对于塞尔的论证， 哈瑞持比较中立的观点。 一方面， 他认为塞尔以意向性为是否有智能的判断标准是有其合理之处的。 哈瑞承认意向性对于智能的重要性， 他说： “无论认知工具是什么， 它必须是有意义的。 全部有意义的区别性标志是意向性。”另一方面， 他又指出意向性是属于人的属性， 而不是大脑的属性， 塞尔的论证中将意向性归于大脑，这是不妥的。 哈瑞认为， 大脑并不是人的全部， 而只是人的思考工具， 是没有意向性的。 他说： “当我们把大脑当作由人来完成各种不同任务的工具时， 这个步骤将产生有益的判断力。” 计算机不是关于人的一个好模型， 但 “可能是人的大脑的一个好模型”。 如果是这样， 塞尔对计算主义的批判就是无的放矢。
最后， 取消主义对塞尔的智能观也有独到的反响。 它认为世界上并不存在意向性或意向状态， 它们只不过是民间心理学编造出来的东西， 应当予以取消。 人类并不是语义机， 因为并没有语义机， 而只有语法机， 将人工智能构造成一种纯形式的处理系统并没有什么问题。 取消主义的主要代表斯蒂克在批判基础上阐发的智能观是， 智能、 心灵就是句法机， 即 “由句法驱动的机器” （a syntax-driven machine） 或 “句法组成的机器 ”。 每一认知状态的个例都可认为从属于一句法类型， 或有句法形式。认知过程就是由这些有句法结构的状态的历时性系统构成的。 之所以说认知的心灵是一种计算机， 根据在于： 控制这些认知过程的机制或结构 “只对句法属性敏感” 。
尽管批评塞尔的人很多， 否定、 嘲笑之声不绝于耳 （主要见于人工智能工程技术领域）， 但是在哲学界， 更多的人还是承认他的中文屋论证的研究价值的， 认为他不仅揭示了人类智能的意向性本质和语义机特征， 而且为人工智能理论研究摆脱困境、 上新台阶指出了可能的前进方向， 为建构既符合真实智能本质又具可操作性、 模拟性的智能观做了有益的探索。 对当代认知科学建立和发展作出了奠基性作用的玛尔说： 在现有的人工智能中， “我们的知识还相当贫乏， 我们甚至还无法开始归纳出恰当的问题， 更不用说解决它们了”。 这里的问题指的是信息处理问题。 这一问题相当关键， 因为要造出理想的人工智能， 首先必须 “离析出信息处理问题” 。 然而已有的人工智能研究没有认识到这一点。 根据他的研究， 造成人工智能研究不令人满意的主要原因是： 人工智能研究者研究人工智能的主要工作是编写程序。 而被编写出来的、 让机器执行的程序不过是一种形式上的指令， 其加工的符号本身并不意指任何东西。 因此它们离真正的智能还有相当的距离。 既然如此， 人工智能要想兑现它模拟和超越人类智能的承诺， 当务之急是像塞尔那样去解剖人类智能。
美国人工智能专家、 掌上型电脑和智能电话及许多手持装置的发明人霍金斯 （J. Hawkins） 和美国哲学家德雷福斯 （H. L. Dreyfus） 沿着与塞尔既相同又有区别的方向对人工智能研究作了严厉的批判反思， 得出了许多极端的结论。 霍金斯说， 当前的人工智能理论并没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论的发展历程和基本原则后， 我们会发现，这一理论已经误入了歧途。 人工智能研究有无出路？ 如果有， 出路何在？ 霍金斯的回答是： 别无他途， 只有转向人脑本身， 对之作出认真的研究。 他说： “在不了解大脑是什么的前提下来模拟大脑，是不可能的。”
英国当代最博学的数理物理学家和哲学家彭罗斯 （R.Penrose） 认为， 智能、 智 慧离不开 意 识 、意向性， 智能问题属于意识问题的分支， 如果没有意识的话， 那么智能也不复存在。 既然如此， 人工智能在定义智能时， 只有模拟有意识的智慧， “才会令人满意”。 也正是鉴于意识在智慧中的这种基础地位， 彭罗斯才说： “我真正关心的不是 ‘智慧’ 问题， 我首先关心的是 ‘意识’ 问题。”要模拟意识， 必须知道意识的特征。 彭罗斯认为， 意识的基本特征在于 “主动作用”， 在于判断， 在于能关联外在事态， 在于能指向对象。 而算法做不到这一点。 要模拟意识， 只有寄希望于未来的量子计算机， 或必须回到量子力学。 因为量子理论 “是许多常规物理现象的基础。 固态物体之所以存在， ……凝固和沸腾现象， 遗传的可能性……需要量子力学才能解释。 也许还有意识， 它是某种不能由纯粹经典理论来解释的现象， 我们的精神也许是来源于实际上制约我们居住的世界的物理定理的某种奇怪的美妙特征的性质， 而不仅是赋予称之为经典的物理结构的 ‘客体’ 的某种算法的特征”。
综上所述， 围绕图灵测试和中文屋论证的争论除了有一部分涉及的是智能建模的方法论等技术问题之外， 根本的和主要的争论指向了如何理解智能这一带有哲学性质的人工智能元问题。 争论中吐露的智能观尽管五花八门， 但不外这样几类， 一是计算主义的智能观， 其基本观点是， 智能即计算的能力或过程。 当然， 里面对计算有不同的理解， 主要有： （1） 数学家、 逻辑学家的看法： 计算就是形式符号处理， 不涉及到内容。 （2） 计算就是有效的可计算性， 这是基于机器类比所得的结论。 （3）计算就是算法的执行或遵守规则。 （4） 计算就是求出函数， 即基于输入， 产生输出。 （5） 计算就是 数 字 状 态 的 转 换 。 （6） 计 算 就 是 信 息 加 工 。（7） 物理符号系统假说或符号主义的观点 ： 计算就是物理符号的加工或转换。 新计算主义对计算提出了这样的非经典的理解： 在重新定义计算概念时，必须更加关注非形式的方面。 所谓 “非形式” 指的是： 渗透性的、 包孕性的、 具体的、 情景的、 反映性的东西。 新计算主义认为， 只有这样， 才能构建完善的计算概念。 二是反计算主义的智能观。 三是介于两者之间的智能观， 上面已有交待。 四是新生的外在主义智能观， 这一理论看到了心和智能之外的那些情境因素 （如身体、 行为、 环境等） 对智能的影响， 可以说这种观点在心灵哲学、 人工智能领域掀起了千层巨浪， 促进了传统心灵观、 小人心灵观向宽心灵观、 宽智能观的转变。 其核心观点认为， 智能并非传统心灵观中那种单子式、 实体式的存在， 而是一种非单子的、 跨主体的、 关系性的存在， 它不在大脑之内， 而弥散于主客体之间。 这一思潮不仅表现为哲学中的外在主义， 而且还表现为认知科学中的情景化理论。 如克拉克 （A. Clark）的延展心灵观认为， 世界的组成部分可以看作是认知过程的组成部分， 或者说， 心灵延伸至环境， 环境中被把握的特征成了心灵的组成部分。 心所认识的、 与之发生关系的东西都是心的组成部分， 甚至我现在手上拿的 “iphone 也是我的心灵的部分” 。
四 、 复 杂 性 视 域 下 的 智 能 “ 多—一 ”“同—异” 问题
笔者赞成这样的观点， 即要摆脱人工智能研究的困境， 必须改变思考智能行为的方式， 抛弃两种策略， 一是 “异人工智能策略” 或泛智能主义。 它认为研究、 建模和开发智能可以不以人类智能为原型实例， 因为智能并非人类所独有， 只要能完成一定任务的事物都可认为其有智能。 尽管这一方案在模拟一些自然事物 （如蚁群行为、 蜂舞、 事物的退热过程等） 的功能作用， 建构诸如退火算法、 进化算法等过程中做出了有益于人工智能的探索和贡献， 但由集科学理论与工程技术于一体的人工智能的目标、 本质特点所决定， 它对于实现人工智能的任务并无实质性意义。 二是智能认知上的沙文主义。 这一倾向有多种表现， 包括只承认人有智能，或者 “见取见” 的倾向， 即取自己的见解为唯一正确的见解， 还有只见树木不见森林的倾向， 如抓住一种智能现象加以认识， 然后把它当作是对全部智能现象的认识， 此即通常所说的以偏概全的错谬。已有的计算主义和反计算主义都有此偏颇。
在具体实施对人类智能的解剖中， 由于许多争论与语词的歧义有关， 因此我们的分析必须从语词入手。 智能无疑属于心理现象中的一种， 而非全部 ， 因 此 有 必 要 先 讨 论 智 能 与 心 的 概 念 关 系 。“心” 至少有如下用法和所指： 指心脏， 有 “本根”“ 中心 ” “ 关键 ” “ 核心 ” 之意 ， 指思维的器官 ，有道德观念的意义， 如 “丧心病狂” 中的心指的是良心、 道德之心， 指行动的决定因素、 道德行为的主体， 指心中的潜在的道德资源， 如孟子所说 的“尽心 、 知性 、 知天 ” 中的心 、 性就是这个意义的心。 “天心” 有时指一种境界之心， 有时指圣人有这样的心， 其特点是： 执玄德于心， 而与天地、 日月、 四时和合， 中国化佛教所说的心， 有时 指真心， 有时指妄心， 心学中所说的 “心” 指的是 “良知”、 “理体”， 心的最广泛的一种用法就是泛指一切 心 理 现 象 ， 甚 至 包 括 魂 、 魄 、 神 等 。 “智 能 ”（intelligence） 是广义的心的一种， 可放在心理能力这个子类之下， 而能力的形式多种多样， 如情感能力、 审美能力、 自制力、 行动能力、 意志力、 注意力等等。
既然智能的基础和外在表现是有智或智慧， 那么它就不能与一般的能力混为一谈。 但问题是， 智能究竟是什么呢？ 其区别于别的物力的本质特点是什么呢？ 人的智能是一还是多？ 是一种独立的能力还是多种能力的集合？ 是简单的、 单子性实在还是具有复杂性的现象？ 如果其形式或样式多种多样，那么它们有无共同的本质和属性？ 从智能与非智能的关系上说， 它们有无同异关系？ 如果有， 如何予以揭示？ 这些一直是有争论的问题。 占主导地位的倾向是坚持智能单一论， 即认为人只有一种智能，即有理智的、 能思维的智能。 基于这一认知， 图灵就把智能等同于思维。 这一看法在计算主义智能观中几乎成了定则。 赞成智能多样性的人则强调， 智能不仅具有复杂的构成、 本质和机制， 而且以多种不同的样式表现出来， 如至少有逻辑或形式的智能和非逻辑的智能之别。 现在还有这样的新倾向， 即一些人受科学中的复杂性理论的启发， 开始关注智能特别是计算的复杂性， 试图建立关于计算的复杂性理论， 其目标是 “按照它们的复杂性” 去对 “密码学、 线性规则和组合最优化过程中那些重要的特殊问题” 作出分类， 探讨解决这些问题所需的空间和时间计算量。 它关注的复杂性不是混乱无序、分形、 高级结构基础上的多样性， 而是计算复杂性的时空定量测度。 本文尽管也赞成研究智能的复杂多样性维度， 但不赞成这样的泛化倾向， 如将智能泛化到情绪能力等之上， 因为智能顾名思义， 指的是以智慧为基础、 为特征的能力， 即由内在智慧作用所决定、 所导致的能力和行为。 而情结能力中，除了管理控制情结的能力有智能的特点之外， 其他的情结能力都应属非智能的范畴。
要探明智能的本来面目， 就必须要坚持这样两条方法论： 其一， 要用适当的方法进行地基的全面清理， 对有待认识的对象及其性质做 “人口普 查式” 的考察和探矿式的挖掘； 其二， 要按照从个别到一般的路线， 从探明全部个例出发， 逐步上升到对整体对象及一般本质的把握。 如果按这样的方法论操作， 那么我们也可以引出一种关于智能复杂性理论。 它独特的地方在于强调： 智能是由许多各有自己构成、 本质特点和运作机理的智能个例或样式组成的有 “家庭相似性” 的大杂烩， 而既非单一的单子性实在， 也非孤立的性质或过程。 这样的集合不同于一般的集合， 因为它不是由相同类型的对象组成的， 恰恰相反， 它是由不同种类的现象所组成的， 就像一房间内存在的由动物、 家具、 工艺品、书本上的哲学思想等不同类的元素组成的集合一样。 从整体结构上看， 智能样式在横向上是多种多样的， 在纵向上又有层次性、 梯级性， 而后者又有开放性、 生成性的特点 （如随着新关系的形成会产生新的智能现象）。 同时， 智能样式的性质还具有差异性或异质性 （如有的位于大脑中， 有的则有主体间性； 有的是身体的活动， 有的则是二阶的、 三阶的乃至更高阶的现象）。 在某种程度上， 甚至可以说智能是没有统一性的， 它没有固定的范围和数量， 因此， 我们也就不能在没有限制的情况下用“智能是…… ” 去说明智能的本质 。 根据这样的理论， 在对个别没有透彻研究的情况下， 我们是不能跨过这一步， 直接去研究智能本质的。 更重要的是， 智能不仅是由无限多样的个例所组成的矛盾复合体， 而且还像物质大家庭一样具有异质性 （het－erogeneity）， 即是由具有不同本质的智能个例所组成的混沌集合。 所以， 我们当下应将重点放在对个别及其本质的研究上， 而不是急于求成地着手对智能本质进行挖掘。 另外， 已有智能理论的失误也从反面告诉我们， 要真正认识智能的本质， 必须改变过去那种把智能当作一个东西， 直接去回答 “智能是什么” 的认识路线。
如心理的内在主义所说， 智能一定有内在的所依， 即作为一种内生、 内存在的现象一定有对更基本、 更内在的东西的随附性。 而且， 只要它现实地运转、 发挥作用， 就一定有外在行为表现， 这大概就是维特根斯坦所说的内在过程一定有其外在标志。 如果是这样， 我们就可以以行为为线索来追溯、 挖掘其背后的智能样式。 大致说， 人的外显行为表现出的其背后较简单的能力不外这样一些： 学习能力、 知觉能力、 洞察能力、 模糊识别能力、 表征能力 （存储、 提取信息， 表达知识等）、 语言表达能力、 书写能力、 逻辑思维能力、 非逻辑思维能力、 记忆—回忆能力、 搜索能力、 择优能力、 选择行为方式的能力、 对行为适时调控的能力、 评价能力、 管理能力 （包括组织决策等）、 自我认知能力、反思能力、 前反思能力 （第一人称所与性或直接的明 见 性 ）、 博 弈 能 力 （竞 争 状 态 下 的 决 策 判 断 调控）、 软计算所模拟的人在不确定不精确环境下所运用的思维能力， 等等。 在它们之上， 还有由两种以上简单能力复合而成的同时具有相对独立性的能力， 如问题解决能力、 规划能力、 演说能力、 科研能力、 写作能力， 等等。 从所依赖的基础看， 有受先天因素所制约的所谓流体智能 （基本信息加式、机械记忆、 图形色彩识别能力等） 和由后天经验促成的所谓晶体智能 （如运用知识解决问题的能 力等）。 合成能力中最复杂的要数情境化能力和集成性能力。 所谓情境化能力是现象学和当今的四 E 理论所强调的能力， 它与生活世界密不可分， 与情境互依、 互动， 由于人有这种能力， 因此人能灵活应对变化着的环境， 其具体形式有， 社会性智能、 施动性智能、 具身性智能、 延展性智能、 镶嵌 性智能； 所谓集成性智能是指心智能力和行为能力的集成。 这就是说， 根据我们关于智能的复杂多样性理论， 智能是以众多单个的智能表现出来的， 每个智能就是由一定生物模式所实现的功能模块， 如学习能力、 记忆能力等。 它们集合在一起可形成不同层次的复合能力。
所有智能样式有无共同的且明显有别于其他非智能现象的本质特征？ 回答应是肯定的。 只是不同的人有不同的看法。 例如前述的计算主义认为， 智能的本质就是计算或形式转换； 以塞尔为代表的反计算主义者则认为智能区别于非智能的本质特点是意向性或语义性； 而传统的较笼统的看法是， 智能独有的东西是有理性或有智慧。 我们认为， 计算主义和反计算主义的观点分别只适用于部分智能现象， 例如， 人的计算、 逻辑推理、 根据已有知识解决问题的能力的确都表现为以计算为其本质特点，但人还有很多智能形式并没有这个特点， 也不妨碍它们作为智能存在， 例如人的情境性思维和决策等。 再者， 意向性的确是许多心理现象的根本而重要的特征， 甚至还有这样的新发现， 即以前被认为没有意向性情感、 感觉之类的现象现在也被认为有意向性。 但是事实上有许多智能现象并没有意向性， 例如人的纯粹的数字计算活动、 学生的数学练习、 专家的编程等就是如此。 就此而言， 塞尔等人对人工智能的否定也是有问题的。 根据我们提出的新的智能观， 机器所表现出的推理能力、 问题解决能力、 专家系统等都可看作是真正的智能。 人类已像大自然一样造出了享有圣杯地位的名副其实的智能。 基于这些分析， 我们认为， 由于不同子类的智能有不同的特点， 因此智能只能是一种边界模糊的集合， 是一种具有家庭相似性的大杂烩。 但这样说并不意味着我们否认智能个例中存在着统一的本质， 否则它们也不能被冠以 “智能” 这一 统一名称。 其统一的本质就是， 所有的智能都是状态机，即是让一种状态转化为下一状态的作用或机制。 在转化中还会遵循别的事物运动的一般形式化准则，即 “如果—那么” （符合某一或某些条件， 某状态就会转化为另一状态） 准则。 图灵的非凡之处在于发现了智能与别的自然现象的这种共性。 就它们的区别而言， 智能在遵循这一规则时， 有时是服从自然因果律的， 如果是这样， 智能就表现为计算主义所说的那种智能； 有时是根源于意志或实践理性的自由选择， 有时是根源于智能本身的创造性， 如果是这样， 智能就会做出违背自然因果律的事情， 就表现为有创新性、 意向性、 自主性的智能。 从这个角度说， 智能有自主和非自主之别。 现今的自主体智能理论研究和工程实践正在朝模拟人类这类智能的方向前进， 这是好的开端、 正确的选择。 用专业的术语说， 所有智能还有这样的共性， 即具有 “动态平衡张力”， 能 “在空间和时间中进化并不断自我校正”。
尽管我们目前对心理的样式、 智能的本质认识还不够， 但是大量的事实告诉我们， 智能不是一种单一体或单子性实在， 而是由形式多样、 性质各异的样式和个例构成的矛盾统一体， 各种心理样式之间只有表面的、 松散的统一性。 心灵不仅有静态的多样性， 还有动态的生成性和开放性。 如果这是对的， 那么作为科学理论和工程技术的人工智能就将有更大的用武之地、 更宽广的前途。 它向我 们表明： 人工智能的前进方向， 应着眼于对具体个别的人类智能样式的解剖， 即应以智能个例为原型实例， 探讨它们构成、 起作用的方式和运作机理， 而不应停留于议论宏大的、 泛泛的智能现象。 如果确实是以具体的智能为模型而建构出来的人工智能，那么就应承认其是真正的智能。 这也就是说， 应放宽智能标准， 坚持智能的复杂多样性理论， 不犯以偏概全的错误， 不将智能子类的标准泛化到其他子类之上。 否则， 就会人为扼杀真正的人工智能。
（作者简介：高新民 华中师范大学马克思主义学院教授，博士生导师，研究方向为哲学；罗岩超 华中师范大学马克思主义学院博士研究生）
