“我思，故我在”。我们全都听说过这句名言，它也是自我、意识和个人主义现代哲学的基础。

对笛卡尔而言，这句话很容易理解：在他看来，思想是不言而喻的——他根本不需要去定义。何为思想？何为智能？机器能有思想或智能吗？事实证明，人工智能领域衍生的问题与它想要解答的问题一样多。

我们就以下面这个简短的思想实验来说明这一点。

“中文房间”思想实验

想象一个上了锁的房间，房间里几个人坐在桌子周围。在房间的一侧，纸片通过缝隙被传递进来，上面写着奇奇怪怪的标记和符号。房间里的人开始做他们经过训练的事情：将那张纸分成几个部分，然后根据上面描述的内容来检查箱子——如果看到纸片右上角有对角线，就检查 2-B 箱子；要是看到纸片最下方有十字形，就检查 17-Y 箱子，等等。做完这些事情以后，再将纸片递给房间另一侧的人。他们在看了这些已被检查过的箱子以后，根据不同的训练方法，开始在第三张纸上做标记：如果检查的是 2-B 箱子，就在纸片上画一条水平线；如果检查的是 17-Y 箱子，就在纸片右侧画个圆圈。他们将这些纸片交到最后一个人手里，此人再用胶水把所有碎片粘在一起，并通过另一个缝隙将粘好的纸片传递出去。这张纸的一端写着中文，另一端则对应着准确的英文翻译。不过，房间中没人会说汉语或英语。

这个思想实验最早是由计算机先驱约翰·希尔勒（John Searle）提出的，往往被看作是证明定义智能这件麻烦事的好方法。只要人手够，你们可以在房间中做几乎同样的事情：画几张图并进行描述，翻译或纠正任何一门语言，并加入大量数字。然而，这就能代表智能了吗？房间外的人或许觉得是；房间内的人则不同意这种看法。

如果箱子里放满了晶体管，你就可以拿计算机来作类比。所以，人们自然而然会问，计算机不仅仅是一个极为复杂的“中文房间”吧？这个问题的答案又会衍生出更多的问题：如果箱子中不是晶体管，而是神经元会怎样？

只要你想展开深入探索，这个“兔子洞”可以要多深有多深，但我们在此不是为了解决一个困扰哲学家数千年的问题。当然了，这个有些钻牛角尖的问题对某些人来说，可能只是小菜一碟，但本着探索的精神，我们想要对一个更为实际的东西进行探究。

强人工智能与弱人工智能

现如今，作为专业术语，人工智能正被不加区别地应用于各种各样的系统，尽管我觉得许多人已经延伸了这一定义，但我自己却不能，因为人工智能确实没有一个合适的定义。一般而言，我们可以说它是一种试图复制人类思维过程及思维结果的软件，不过，这一定义仍然无法全面阐述人工智能的含义。

目前，人工智能可以帮你挑选下一首歌曲播放，可以动态地操纵机器人的腿，可以从图像中选出物体并加以描述，可以将德语翻译成英语，将英语翻译成俄语，再将俄语翻译成韩语——任何一种语言都能以这种形式进行翻译。所有这些事情都是人类很擅长的，实现此类任务的自动化的好处无穷无尽。

最终，在所有这些任务中，连最复杂的也不过就是一项任务而已。神经网络经过在数百万个句子上的反复训练，可以对八种不同语言进行翻译，而且没有任何错误，这充其量只是一个极为复杂的机器处理数字的例证，可以根据开发者制订的规则做事。如果有什么东西可以缩减为一种机制的话，那么“中文房间”无论有多大、多复杂，都可以被界定为智能，而不是计算了吧？

这恰恰是我们要区别“强”人工智能与“弱”人工智能的地方。准确地说，它们并不是人工智能的类型，而是在该领域的核心思考这个概念的方式。与众多哲学理论差异一样，其中一个并不比另一个更正确，但它的重要性并没有因此而有丝毫下降。

一方面，有些人坚持认为，无论人工智能的构成多么复杂、多么广泛，除了模拟创建它的大脑机制，人工智能什么都做不了——除了自身机械特性，人工智能永远无法再更上一层楼。即便存在这些局限性，人工智能仍然可以完成一些不可思议的任务，但它终归只是功能极为强悍的软件而已。这是一种基于弱人工智能而形成的观点，支持者往往专注于创建擅长单个任务的系统。

另一方面，强人工智能的支持者则认为，拥有强大性能的人工智能，基本上与人类大脑没什么区别。他们认为，如果我们大脑中的生物电路可以产生我们所谓的智能和意识，那么硅电路为何不能呢？强人工智能的理论是，终有一天，我们有可能会打造出与人类智力不相上下、甚至超过人类智力的人工智能。

这里还存在着一个问题：对于智能，我们没有一个有效的定义！

究竟如何定义人工智能？

过去 3000 年，我们是否在定义智能上取得了重大进展，目前还能难说。至少，我们已经排除了一些明显错误的说法，比如智能是可以轻松测量的东西，智能高低与生物标志物密切相关，比如说头形或大脑尺寸。

对于构成智能的元素，我们每个人似乎都有自己的看法，因此，我们很难说人工智能是否符合自己心目中的标准。2007 年的智能定义合集 起到的作用更像是射击标靶，没有一个定义击中靶心，但射向同一目标恰恰说明他们都对准了同一个位置。只是有些过于具体，有些过于笼统，有些很客观，有些则莫名其妙罢了。

在所有这些定义中，我发现只有一个既简单又基础，值得我们去深入探究：即智能就是解决新问题的能力。

毕竟，这也是“适应性”、“概括性”和“主动性”的核心所在，这三个词分别对应着与表述智能密切相关的“推理”、“判断”和“感知”。很显然，一个人可以解决问题，可以通过推理抽丝剥茧——这种能力很重要，但更为重要的是，一个人必须可以将解决某些问题的能力，转变为解决其他问题的能力。这种转变能力才是智能的核心所在，即便没人确切了解如何正式定义这一概念。

我们的人工智能有一天会具备这种极为重要、可随机应变的推理能力吗？一旦彻底摆脱束缚，可以去解决从未被创造者定义或限制的新问题吗？研究人员正在努力创建新一代人工智能，希望它们能以前所未有的细节和精准度学习和处理信息，学到的东西与我们人类一样多。它们究竟是在思考还只是在计算，对于哲学家和计算机科学家来说都是一个很大的疑问，而我们自己也不禁会问，它本身是巨大的成就吗？

版权声明：

凡本网内容请注明来源：T媒体（http://www.cniteyes.com）”的所有原创作品，版权均属于易信视界（北京）信息科技有限公司所有，未经本网书面授权，不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的，应在授权范围内使用，并按双方协议注明作品来源。违反上述声明者，易信视界（北京）信息科技有限公司将追究其相关法律责任。