思考的机器

访问Artificial Solutions公司网站的时候，你会认识一位新朋友。他叫弗兰克，擅长聊天，甚至可以说很健谈。如果你问他是否认识艾尔博特（Elbot），他就会有些骄傲地告诉你，那是他们公司一位工程师的智慧结晶，而且获得去年的勒布纳（Loebner）铜奖。这的确值得骄傲，毕竟还没有机器获得过比勒布纳铜奖更高的奖项。

是的，勒布纳奖是颁给那些最像人的机器的。去年在英国雷丁大学，艾尔博特和“他”的设计者弗莱德·罗伯茨（Fred Roberts）捧走了那块铜牌，铜牌的一面是这个奖项的创始人勒布纳，另一面是阿兰·图灵（Alan Turing）和他那篇著名论文的开头：“机器能思考吗？”

这个问题的答案是：能。

但是，今天还不行。

开启另一片光明

1748年，法国哲学家拉·梅特利（Julien Offroy De La Mettrie）匿名出版了一本叫做《人是机器》的书。他说：“我完全没有弄错，人的身体是一架钟表，不过这是一架巨大的、极其精细、极其巧妙的钟表。”^﹡这本书特别提到了人类意识的问题，认为人类的意识本质是“无数的词语和形象在脑子里形成了无数痕迹”。

人是复杂机器的观点很普遍。在传说和神话中，制造有意识、能思考的机器的尝试出现得很早。《列子·汤问篇》中“偃师造人”的传说被潘海天、拉拉、长铗三位科幻作家以不同的方式演绎成了三部银河奖作品，其中大都没有忽略那个木偶会自动自发地眉目传情这个有趣的情节。

历史上许多人都曾经对这一难题投入了大量心力，其中包括诸多才华横溢、留名青史的人物，例如拜伦和雪莱。在这两位诗人的讨论中，雪莱的妻子玛丽·雪莱（Mary Shelley）写出了那本真正意义上的第一部科幻小说《弗兰肯斯坦》，而拜伦的女儿艾达·拜伦（Ada Byron）则投入到帮助查尔斯·巴贝吉（Charles Babbage）设计计算机器的工作当中，并且从提花机上得到了“程序”的灵感。巴贝吉的机械式计算机加快了计算的速度，而艾达也被尊为世界上第一位女程序员。

人们现在已经普遍认为，机器的确能够思考。科学家们把计算机和人都看做一个物理符号系统，而这样的系统都具有输入符号、输出符号、存储符号、复制符号、通过找出各符号间的关系建立符号结构，以及根据已有符号继续完成活动过程的6种功能，因此是可以相互模拟的。换言之，人的任何部分的行为，在给出了足够精确的描述之后，都能用计算机计算到任意精确的程度。这等于是说，人类大脑的活动机制在本质上是可以理解的——虽然我们直到目前还没办法完全理解它。

在电子计算机面世之前，人们就开始讨论电子计算机是否能够学会思考的问题。阿兰·图灵不仅提出了那个著名的问题，还设计了一套实验来帮助验证机器是否真的具有了思考能力。这套以聊天为主要操作方式的实验方案被称作“图灵测试”，勒布纳奖的优胜者就是按通过图灵测试的比例来决出的。

在1956年美国达特茅斯大学的一次会议上，“人工智能”（AI,Artificial Intelligence）这个名字终于诞生，此前的种种努力终于有了一个名字。随着计算机的广泛使用，人工智能已经发展成了巨大的领域，将通常认为是人类智能的行为都包括了进去，从下棋、证明、推理直到识别图画、理解自然语言、绘画和作曲。

人们想让计算机学会思考。

真实的我和虚幻的她

知道机器可以思考和让机器变得可以思考，这是两个问题，而且明显后者比前者要困难得多。人们一直不知道自己是怎样思考的，更不要提教会计算机思考了。

于是人们开始另辟蹊径。在1955年，艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Alexander Simon）开发了一套叫做“逻辑理论家”的程序，现在普遍被认为是第一套人工智能程序。“逻辑理论家”把要解决的问题看成一棵树，而解决问题的办法就藏在某一根树枝上。程序会每次选择最靠近解决问题的那根树枝，逐次逼近，最终找到解决方案。又过了两年，纽厄尔和西蒙以及另一位人工智能领域的代表人物约翰·肖（John Cliff Shaw），开发了一个通用的问题求解程序。这套程序的概念与“逻辑理论家”一脉相承，而且将其扩展到其他领域当中。

这种人工智能设计的思路被称为“符号主义”。符号主义学派认为，可以让计算机通过数理逻辑来分析、判断，最终解决问题。但是，经过了十年的发展，符号主义并没有如同人们想象中那般解决通用领域的问题，只是在一些特别领域得到了不错的成果，例如计算机博弈，例如专家系统。1997年战胜国际象棋冠军加里·卡斯帕罗夫（Garry Kasparov）的“更深的蓝”，与其说是人工智能的胜利，不如说是计算机大量存储、飞速运算和算法的胜利。

然而，要让计算机能够回答一些在我们看来是现实世界中极为简单的小问题，却是极为困难的。为了做到“理解”，恐怕得用一种高度综合的方式把大量知识都考虑进去。最近麻省理工学院的一个工作组开始试图使用互联网上庞大的信息资源来构建一个“常识库”，希望计算机可以通过这个常识库来了解人类的语境，继而学会与人类沟通。他们将这个计划叫做“全球脑”，意即人类所有词汇及其含义的总汇。如果这个计划最终得以成功实施的话，使用自然语言和互联网交互也许就指日可待了。

灵魂被移植以后

“全球脑”计划的负责人之一是马文·明斯基（Marvin Minsky）。明斯基是人工智能领域的奠基人物之一，在1954年以一篇《神经网络和脑模型问题》的论文获得了博士学位。他一直试图采用人工神经元网络来构建人工智能，也就是说，在生物学的基础上，用计算机来模拟大脑的工作方式。这种思路被称为“连接主义”，人们试图在计算机上再现人类的大脑，然后期待它开始思考。

连接主义在20世纪的60、70年代曾经引发过一阵研究热潮。但是受到当时的理论和技术限制，在20世纪70年代末到80年代初曾经陷入低谷。现在连接主义的思潮又重新开始抬头，而它的核心概念之一的人工神经网络，已经成为机器学习领域中最为常用的模型之一。

2005年，瑞士洛桑理工学院和IBM公司一起启动了“蓝色大脑”计划。这个计划试图通过软件方式来重现人类的大脑，预计在2015年开发出一个虚拟的人脑来。与此同时，从事FACETS计划的欧洲科学家打算采用硬件的方式模拟大脑：在一块硅晶圆上构建人工神经细胞，然后将它们连起来。现在他们制造的原型已经有了384个神经细胞和彼此之间的10万个连接，并且预计建设一个包括20万个神经细胞和5000万个连接的大脑。虽然20万神经细胞大约只相当于蚂蚁的水准，但是它的传导速度将会比人快一千多倍。

阿兰图灵曾经说人的大脑是“一碗凉粥”，那么，也许会思考的计算机的大脑，将会是一块坚硬的石头。

探索者

1951年，威廉·格雷·瓦尔特（William Grey Walter）造了一个奇形怪状的机器。这台机器有一个透明外壳，会自己在地面上爬来爬去。快没电的时候，它会找到最近的电源插头给自己充电。40年之后，麻省理工学院的罗德尼·布鲁克斯（Rodney Brooks）造出了一台6条腿的机器虫，轰动了人工智能学界，成为人工智能行为主义学派的代表作。

行为主义学派也被称为“控制论学派”，其诞生可以追溯到20世纪40年代。诺伯特·维纳（Norbert Wiener）在1948年写成的《控制论》一书，开辟了这样一个新学科。控制论主要研究动物和机器的控制和通信问题，或者说，研究动态系统在不断变化的环境条件下，是如何保持平衡状态或稳定状态的。控制论关注信息传递与信息反馈，而这也是行为主义学派的关注重点。行为主义学派认为，智能来自于与周围环境的交互过程当中，它不需要知识，也不需要推理。它是在不断的试错当中逐渐学习进化而来的。

这种思路开始成为了人工智能发展的一个新方向。后来布鲁克斯创立了“iRobot”公司，生产的家用清洁机器人“Roomba”卖出了数百万个。这种机器人是一个在地上跑来跑去的圆盘，长得像一个超大号的中国象棋棋子。它会给自己充电，绕开障碍，以及把路过的地面打扫干净。现在美国军方开发的后勤补给机器人“大狗”采用的也是类似的思路，而我们也可以推断，钢铁侠的机械外骨骼的原理也差不多。

深渊上的火

FACETS计划的网页上有一幅图，是一棵悬在半空中的大树。那棵树枝繁叶茂，茁壮的根系向下延伸到空气之中。这是欧盟“未来和新兴技术”计划的标志，不过对于人工智能的发展也是一个相当好的隐喻。

侯世达（Douglas Richard Hofstadter）在他的《集异璧》中写道：“我们可以把现实世界中的思维过程比做一棵树，其可见部分坚实地长在地面之上，但却性命攸关地依赖于在地下四处延伸、看不见的根系。根使它稳定并提供给它营养。在这里，根象征着那些复杂过程，这是一些发生在大脑的意识层次之下的过程——其影响遍布我们自己觉察不到的思维方式中。”^﹡﹡

那么，当我们自己都无法察觉到的时候，该怎样让计算机学会我们的思考方式？

也许让机器自己学会思考会是更可行的方向。毕竟在本质上，人和计算机像是两个极端：一个是精确的、高速的、相互一致的，而另一个是模糊的、缓慢的和相互矛盾的。也许让计算机来模拟人类的思考方式，并不是一个好办法。这就像打字机并没有模拟人类的书写动作一样。

这就是为什么现在的研究者们不再把智能用程序编入计算机中的原因。他们更倾向于搭建一个环境，让程序间可以自己交流和互动，并且希望能在这种互动中产生智能。

2000年成立的人工智能奇点协会就对“种子人工智能”更感兴趣。他们正在开发出一个可以学习和成长的程序，把它扔到一个广阔的环境里，然后静观其变。对于这样睁大了好奇的眼睛渴望学习的人工智能种子来说，还有什么比互联网更好的环境呢？正如可能是在“原初汤”里诞生了生命的最初萌芽一样，也许互联网会成为人工智能最初的“汤”。

这样，当计算机真的学会了思考的时候，可能和我们想象中的人工智能、特别是科幻小说中谈到的那种截然不同。我们甚至可能完全不能理解它，正如蚯蚓和蚂蚁不能理解人一样。

这可能会是一件好事，也可能刚好相反。我们只是知道，人工智能的光芒就在那里，在前方。

那么，要为了追寻那样一个希望的火种，而让自己落入深渊吗？有可能。

巨变瞬间

在阿瑟·克拉克（Arthur Charles Clarke）的经典作品《2001：太空漫游》中，宇航员包曼（Borman）杀了他的伙伴，具有人工智能的电脑哈尔9000（HAL9000）。他没有别的选择，哈尔9000杀死了包曼的4位同事，并且试图连他也一起干掉。最终，他不得不亲手毁灭了这台机器的所有记忆。

类似的故事，我们已经听得太多。也许是人类对创造总有根深蒂固的渴望，而同时又深深地惧怕自己的造物吧。从《终结者》到《黑客帝国》等众多作品，无不充满了这样纠结挣扎的戏码。这些故事中人类的对手，都是人类有史以来创造的最伟大的工具，而故事的开端，都来自一台开始思考的机器。

怎样想象一台机器真的开始思考的世界？它的速度将比我们快得多，它几乎无所不知，而且可以控制我们生活中的一切。这是个美好的未来吗？

侯世达写过一篇《巴赫般的声音》（Sounds Like Bach），描述了他听到一个智能谱曲程序模仿巴赫谱出的曲子时的震撼。他在那篇文章的结尾这样写道：“当意识到人脑千亿个神经元、将近亿亿个突触连接中所蕴含的全部‘计算能力’能被几块尖端水平的芯片超过，而产生有史以来最强大的‘艺术大爆发’只需要一块纳米级别的电路板——全部这一切一切，不劳费神，全来自于一件没有知觉、视觉、听觉、味觉，不曾活过、死过、奋斗过、痛苦过、成长过、思念过，不曾歌唱过、舞蹈过、搏斗过、亲吻过、期望过、害怕过、胜利过、失败过、哭泣过、欢笑过、爱过、渴望过、关怀过的个体。”^﹡﹡﹡

我不知道能不能有机会去体会那种震撼。然而，当能思考、会推理，以及拥有自我意识的人工智能真的实现的时候，它带来的冲击和震撼必然会比一个模拟作曲程序强烈得多。当大自然在数十亿年的造化中制造出的最精密最复杂的生命被人工生命在短短几十年中迅速超过的时候，当计算机在人类一直以来唯一一项引以为豪的能力——创造上超过了人类的时候……我们又该何去何从？

﹡ 引自《人是机器》，〔法〕拉·梅特利著，顾寿观译。

﹡﹡ 引自《集异璧》，〔美〕侯世达著，郭维德艾译。

﹡﹡﹡ 引自《巴赫般的声音》（Sounds Like Bach），〔美〕侯世达著，Jigod Jiang译。