人工智能（Artificial Intelligence）通過計算機的邏輯計算來模擬人類思維過程，目標是讓機器具有人類智能。人工智能既具有與農(nóng)業(yè)革命、工業(yè)革命同樣的革命性地位，也具有與哥白尼革命、達爾文革命同樣的顛覆性作用。

按照以色列人工智能專家尤瓦爾·赫拉利（Yuval Noah Harari）的觀點，“人工智能不僅能夠侵入人類，在以往認為專屬于人類的技能上打敗人類。”機器超過人類的身體能力和認知能力。意大利信息學家弗洛里迪（Luciano Floridi）在《第四次革命——人工智能如何重塑人類現(xiàn)實》中提出圖靈革命（即人工智能革命）是繼哥白尼革命、達爾文革命、神經(jīng)科學革命之后的第四次革命，人工智能對人類社會進行了多面塑造。人工智能專家明斯基（M.Minsky）認為機器會達到甚至超過人類智能，“沒有理由認為機器有人所沒有的局限”，機器能夠思維不但在理論上具有可能性，在實際操作中也指日可待。

機器能夠模擬人類思維的首要前提是機器能夠理解人類認知，機器具有理解能力。實際上，機器不但在認識論和形而上學層面的“如何理解這個世界”緘默不語，而且在語義學層面的“如何解釋世界”也止步不前。

一、人工智能的技術(shù)路線及其理解困境

人類智能包括很多方面的能力，例如，思維能力、計劃能力、解決問題的能力、L悟思想的能力、語言使用的能力以及學習能力等。科學家們嘗試從不同進路讓機器模擬人類能力，特別是模擬人類思維過程。一般來講，人工智能分為三種技術(shù)路線：符號主義(symbolicism)、聯(lián)結(jié)主義（connectionism）和行為主義（actionism）。

符號主義人工智能以鈕厄爾與西蒙等人為代表，他們的人工智能技術(shù)路線是通過引進物理符號系統(tǒng)（physical symbol system）來模擬人類思維。人類智力也是物理符號系統(tǒng)，人類智力類似于數(shù)字計算機的信息處理系統(tǒng)，他們認為只有物理符號系統(tǒng)才能具有智能，因此，基于物理符號系統(tǒng)的計算機程序可以模擬人類的思維過程，能夠具有人類的智能特征和多種能力，“既然（這些完備的機器人）原則可滿足任何一種特定的輸入-輸出規(guī)定，那么它們也就能在任意一種預先規(guī)定的環(huán)境下，做出任何一種預先規(guī)定的事來——明確地解算問題、編寫交響曲、創(chuàng)作文學作品和藝術(shù)品以及實現(xiàn)任意一種目標。”

聯(lián)結(jié)主義人工智能的技術(shù)路線主要通過神經(jīng)網(wǎng)絡(luò)方法，通過對于人類大腦的組織結(jié)構(gòu)和運行模式來模擬人類思維。一切人類實踐與技能在頭腦中都表現(xiàn)為一個信念系統(tǒng)，由與上下文環(huán)境無關(guān)的初始行為和事實所構(gòu)成。雖然，聯(lián)結(jié)主義人工智能與符號主義人工智能技術(shù)路線不同，但它們具有共同的理論預設(shè)：認知是信息處理，且信息處理是可計算的。兩種技術(shù)路線的不同之處在于,人工智能中的符號主義基于自上而下的道路，物理符號系統(tǒng)致力于把客觀世界做成形式模型，而聯(lián)結(jié)主義如包括神經(jīng)網(wǎng)絡(luò)、深度學習等基于自下而上的道路，神經(jīng)網(wǎng)絡(luò)致力于把大腦做成形式模型。

行為主義人工智能另辟蹊徑，它與符號主義、聯(lián)結(jié)主義在哲學上的功能主義和計算主義不同，人工智能源于控制論，強調(diào)的是認知的具身性和情境性，智能是在認知主體與環(huán)境的交互中生成的，布魯克斯（Rodney A.Brooks）在《智力沒有原因（Intelligence Without Reason）》中提出，馮·諾依曼計算模型在特定的方向上引L了人工智能，但生物系統(tǒng)中的智能與之是完全不同的。

行為主義人工智能具有以下特征：“1.情境性。機器人處于一個世界中，它們不處理抽象的描述，而是處理此時此地的世界，這直接影響著系統(tǒng)的行為；2．具身性。機器人擁有身體并直接體驗世界，它們的動作是與世界動態(tài)的一部分，并對它們自己的感覺有即時的反饋；3.智能性。它們被觀察到是智能的，但智能的來源不僅限于計算引擎。它也來自世界的情況，傳感器內(nèi)部的信號轉(zhuǎn)換，以及機器人與世界的物理耦合；4.涌現(xiàn)性。系統(tǒng)的智能來自于系統(tǒng)與世界的互動，有時來自于系統(tǒng)各組成部分之間的間接互動。”

行為主義人工智能進路認為智能是基于“感知-行動”的反應機制，不是依靠形式化推理或者神經(jīng)網(wǎng)絡(luò)就可以模擬的。

人工智能已經(jīng)引發(fā)一場可媲美工業(yè)革命的技術(shù)革命。“正如天文學繼開普勒發(fā)現(xiàn)了天體運行規(guī)律之后取代了星相學一樣，對機器的智能過程的經(jīng)驗論方面的探索所發(fā)現(xiàn)的眾多原理將終導致一門科學。”不管是人工智能的符號主義、聯(lián)結(jié)主義還是行為主義技術(shù)路線，都基于理性主義，受到圖靈可計算主義理論、香農(nóng)信息論以及維納控制論的啟發(fā)，對大腦的思維活動進行模擬，對信息進行加工計算，進而做出反應。

人工智能可以分為弱人工智能與強人工智能，弱人工智能（Weak AI）指的是在嚴格的程序規(guī)定下的，只對設(shè)定刺激做出反應。弱人工智能認為計算機只是邏輯運算程序，不同于人類思維，計算機不能對人類思維進行認知模擬。強人工智能（Strong AI）也稱為通用人工智能（artificial general intelligence，簡稱AGI），強人工智能主張計算機具有認知能力，能夠解釋說明人類的認知。

弱人工智能是傳統(tǒng)工具的延伸，強人工智能則是人類大腦的延伸。

按照夏皮羅（S.C.Shapiro）的觀點“強人工智能基于對計算主義（computationalism）教條的信仰，心理狀態(tài)就是計算狀態(tài)，認知就等于計算。”在弱人工智能看來，計算機的認知與人類認知不同，因為人類能夠理解所處理的信息。強人工智能不僅贊同機器具有模擬思維能力，并且能夠解釋具有理解能力的原因。

“智能加工過程取決于主體掌握的知識。深刻的和首要的問題是要理解其中的運算與數(shù)據(jù)結(jié)構(gòu)。”人工智能需要把任何種類的智能活動變成一套指令，因為在計算主義看來一切推理都可以歸結(jié)為計算，機器人可以復制人類智能行為。但人類認知與機器認知存在根本區(qū)別，人類在漫長的認識世界過程中建立起大致相同的認知方式，人類通常能夠理解所處理的信息，而機器只是按照指令與推理規(guī)則進行反應。

二、對“機器具有理解能力”的反駁

對“機器具有理解能力”的反駁一般具有幾個理由：機器不具有意向性、機器不識語義以及知識的形式化難題這三方面來分析。

（一）機器不具有意向性

人工智能哲學家博登（M.Borden）指出“意向性被看作是區(qū)分個體的人與機器的根本特征之一：機器和人可以做同樣的事情，但是人有意向性，而機器沒有。”意向性（intentionality）指的是心靈表征或者呈現(xiàn)事物、屬性、狀態(tài)的能力，意向性是人類獨有的特征。20世紀50年代，人工智能先驅(qū)圖靈（Alan M Turing）通過模擬游戲（Imitation Game）來思考“機器是否能思維”，他設(shè)計出“圖靈機”討論機器是否能夠思維，對機器的理解或意識等問題進行哲學探討。圖靈認為沒有意向性（intentionality）就沒有智能，所謂意向性指的是心靈表征或呈現(xiàn)事物、屬性或狀態(tài)的能力，機器與人類可以具有相同的功能，但是機器沒有意向性，人具有意向性。

人與機器有本質(zhì)的區(qū)別，人具有理解能力，而機器沒有。在圖靈看來，“機器能夠思維”不具備邏輯可能性以及經(jīng)驗可能性。機器只能對人類行為進行模擬，不能對人類思維進行模擬。圖靈認為心理狀態(tài)與行為之間存在著聯(lián)系，可以通過行為或行為傾向來表征心理狀態(tài)。機器是根據(jù)一組明確的規(guī)則執(zhí)行一組操作的裝置。給機器一套指令，告訴它在每種情況下該做什么，機器便可做算術(shù)和邏輯推導，但沒有一臺機器能夠成為完整或充分的心智模型，心智與機器本質(zhì)上是不同的。圖靈認為計算機中編碼的二進制對應人類大腦中的神經(jīng)元“開”和“關(guān)”，機器能夠通過圖靈測試只能說明機器的某種功能與表現(xiàn)出來的行為與人是類似的，但并不能說明機器結(jié)構(gòu)與人腦結(jié)構(gòu)是相同的，并未真正揭示人類的認知機制，更不能說明機器具有心靈表征和意向性，機器不能像人類一樣行動是基于意向基礎(chǔ)之上的，因此，機器不具有理解能力。

圖靈測試是人工智能的試金石，但通過圖靈測試的機器不一定具有真正的人類智能，人類的心靈不能通過算法模擬而獲得。

圖靈從幾個方面反駁機器具有智能和理解能力：“1.神學的反對意見。思維是人類不朽靈魂的一種機能；2.機器思維的后果太可怕了，我們希望并且相信機器做不到這一點；3.離散狀態(tài)機器的能力是有限度的；4.機器沒有意識，缺乏真實情感；5.機器具有能力缺陷，不具有人類的仁慈、機智、幽默感等能力；6.機器缺乏創(chuàng)造性，不能創(chuàng)造出新東西；7.大腦的神經(jīng)系統(tǒng)是連續(xù)的，但計算機系統(tǒng)是離散的，離散的機器不能模仿連續(xù)的大腦；8.人可以解決突發(fā)問題，人具有默會知識，但機器只能遵循規(guī)則；9.人具有心靈感應，但機器不行。”

通過上述質(zhì)疑可以看出，不同學科的學者從不同視角驗證了機器不具有智能：數(shù)學家認為機器不能判定哥德爾定理；神經(jīng)科學家認為機器不能模擬神經(jīng)系統(tǒng)；心靈哲學家認為機器沒有意識；哲學家認為機器不具有默會知識；等等。通過圖靈測試的機器只是對人類智能進行模擬，并不是真正理解人類行為，不是真正具有智識。

（二）機器只識語法、不識語義

機器只能在功能上模擬人類，在模擬過程中機器并不通曉語義，所以機器并不能真正理解人類，人類的認知過程是心理過程。約翰·塞爾（John Searle）認為心理過程與程序過程是兩個不同的過程，計算機程序是按照純語法加以定義的，但思維J不僅僅是處理無意義的符號問題，還包括了意義的語義內(nèi)容。

人心不僅僅是形式的或者語法的過程，人心還具有心理內(nèi)容。計算機程序永遠不可能替代人心，理由在于“計算機程序只是語法的，而心不僅僅是語法的，心是語義的，就是說，人心不僅僅是一個形式結(jié)構(gòu)，它是有內(nèi)容的。”

塞爾通過“中文屋論證(Chinese Room Argument）”的思想實驗對人工智能能夠理解的觀點進行批判，塞爾設(shè)想出一臺可以模擬“理解”的計算機程序。把一個只懂英文、不懂中文的人鎖在一個房間，給出中英文“腳本”以及用英文表示的形式化規(guī)則，如果通過長期訓練，屋內(nèi)人能夠根據(jù)指令和規(guī)則來處理中文符號，但屋內(nèi)人未必真正理解中文符號，或者說屋內(nèi)人并不具有理解中文符號的能力。塞爾的思想實驗得出計算機系統(tǒng)可以在完全不懂中文的情況下，通過程序來模擬人類理解中文等認知能力。

計算機不能產(chǎn)生新知識。在塞爾看來，機器或者算法不是真正理解了人類語言的意義，只是對人類行為模擬或者功能模擬而已。計算機的模擬不能等同于事實本身，能夠?qū)π睦磉^程進行模擬也并非能夠必然得出計算機模擬就是心理過程本身。

計算機程序與人類理解完全是兩碼事。在中文場合，屋內(nèi)人具有人工智能以程序方式輸入的每樣東西，而屋內(nèi)人什么也不理解。在英文場合，屋內(nèi)人理解每樣東西，但沒有理由相信，理解與純形式的計算機程序之間有任何關(guān)聯(lián)。塞爾認為計算機在處理符號時，沒有對符號的內(nèi)容與含義加以使用，而人類則不同。約翰·塞爾認為“計算機理解的故事和我理解的故事完全是兩碼事……計算機及其配置的程序并沒有對理解提供充分條件，因為計算機和程序運行的過程當中不存在理解。”

所以,不懂語義的計算機程序并不能真正具有理解能力。

（三）人類知識的形式化難題

德雷福斯（H.Dreyfus）從現(xiàn)象學視角對符號主義人工智能進行批判，從認識論、形而上學方面來挑戰(zhàn)AI的研究方法基礎(chǔ)，他在《計算機仍然不能做什么：人工理性批判》指出，符號主義人工智能學派站在笛卡爾的傳統(tǒng)理性主義立場上，從而繼承了其所有的錯誤假設(shè)：生物學假設(shè)、心理學假設(shè)、本體論假設(shè)以及認識論假設(shè)。“

生物學假設(shè)：在某一運算水平上，大腦與計算機一樣，以離散的運算方式加工信息；心理學假設(shè)：大腦被看作一種按照形式規(guī)則加工信息單位的裝置；認識論假設(shè)：一切知識都可被形式化，可以被編碼成數(shù)字形式，也就是說，凡是能理解的都可以通過邏輯關(guān)系來表達；本體論假設(shè)：存在是一組在邏輯上相互獨立的事實，知識可以被編入計算機程序。”

德雷福斯認為人工智能的4個假設(shè)包括形式規(guī)則的非實質(zhì)性應用，人類所知的世界具有一定的形式、客觀結(jié)構(gòu)，而且所有的知識都能被形式化，這個假設(shè)意味著，人類所知或所能理解的一切表達都可以是脫離語境的，形式規(guī)則或者定義都可以用計算機來處理。德雷福斯認為人工智能的心理學假設(shè)、認識論假設(shè)與本體論假設(shè)具有共同之處，即它們都認為，人一定是一種按照規(guī)則對原子事實形式的數(shù)據(jù)做計算的裝置，這些假設(shè)都把關(guān)于理解的概念，看作是形式化的表達。

人工智能心理學假設(shè)的經(jīng)驗性證據(jù)是對認知模擬的科學方法論的批判。德雷福斯：“要想對心理學假設(shè)做經(jīng)驗性證實，產(chǎn)生了一個科學方法論的問題——如何評價證據(jù)的問題。”德雷福斯認為大腦是否像數(shù)字計算機那樣工作完全是一個經(jīng)驗的問題，需要由神經(jīng)生理學來回答。如果心理學要成為研究人類行為的科學，它需要把人作為客體來研究。心理學出現(xiàn)了從行為主義到心智主義的普遍轉(zhuǎn)移。

行為主義心理學（behavioral psychology）主張以客觀的方法研究人類的行為，從而預測和控制有機體的行為。行為主義心理學完全忽視學習者的內(nèi)部心理過程，只強調(diào)外部刺激，否定意識的作用。行為主義銳意研究可以觀察的行為，但是由于它不研究心理的內(nèi)部結(jié)構(gòu)和過程，否定意識的重要性。在德雷福斯看來，整個行為主義的方法論都是錯誤的。

德雷福斯與塞爾一樣，主張人類的認知并不包括規(guī)則的應用或者內(nèi)部圖像的應用。人類智能具有現(xiàn)實性（situated）（由人類自身的處境來決定）和具身性（embodied）（人體實時發(fā)生的有意圖的感覺運動與所處環(huán)境之間的相互作用）。

計算不同于認知，計算缺乏現(xiàn)實性與具身性，僅僅存在于計算機之中，游離與抽象于現(xiàn)實世界之外，德雷福斯認為無論人類知識還是物理實在，都沒有一種可以完全根據(jù)規(guī)范標準來描述某種形式化結(jié)構(gòu)的能力。雖然形式規(guī)則可能是描述人類知識的一種方法，但它并沒有為某種智能系統(tǒng)對這種知識的再生產(chǎn)提供基礎(chǔ)。

三、對機器具有理解能力的反思

（一）理解基于對語義的把握

機器能夠做出正確反應既不是說明機器具有理解能力的充分條件，也不是說明機器具有理解能力的必要條件。計算機程序只是從外部行為解釋了人類的理解，計算機程序不是理解的充分條件，人類不理解也同樣可以行使規(guī)則。塞爾用“中文屋論證”反駁了強人工智能的理論基礎(chǔ)，即編程的計算機具有理解能力，并且，計算機程序在某種意義上解釋了人類理解。塞爾反駁了西蒙的觀點，即數(shù)字計算機已經(jīng)具有同人類相同的理解能力。同時，也反駁了認為智能不過是一種物理符號處理的符號主義觀點。意識不過是一個形式化過程，麥卡錫指出，恒溫器那樣簡單的機器都具有信念。

博登《逃出中文屋》一文反駁了塞爾的觀點，她指出，“重要的問題不是‘一臺機器何時理解了某件事情？’（這個問題暗示存在著某個明確的斷點，理解在那里終止了，這是一種誤導），而是‘為了能夠做出理解，一臺機器（無論是不是生物的）需要能夠做到哪些事情？’這個問題不僅關(guān)系到計算心理學是否可能，而且關(guān)系到它的內(nèi)涵。”顯然，“能夠做到”是用于判斷“理解”的主要標準。

人工智能的三種技術(shù)路線都不能給出判斷“理解”的主要標準，聯(lián)結(jié)主義的代表是人工神經(jīng)網(wǎng)絡(luò)，主要是處理數(shù)據(jù)；行為主義的代表形式是強化學習方法，主要是信息處理，符號主義代表的是知識圖譜和專家系統(tǒng)，主要是知識處理和推理。計算機模擬大腦需要把任何種類的智能活動變成一套指令，因為在計算主義看來一切推理都可以歸結(jié)為計算，機器人可以復制人類智能行為。計算機是信息處理的工具，用計算機去解決問題，需要把問題程序化，且這個問題可計算，一定要以算法為前提。機器是數(shù)理過程與物理過程的結(jié)合，機器的計算不是心理過程，也無法給出人類理解的標準。

（二）理解需要揭示事物間的因果關(guān)系

機器不可能通過數(shù)據(jù)分析和算法模擬具有人類智能和理解能力，理解也需要揭示事物間的因果關(guān)系。希爾斯（Alison Hills）提出“要理解為什么p，你需要能夠?qū)�q視為p的原因。”因果相關(guān)反映了人類的認知，是基于數(shù)據(jù)驅(qū)動和數(shù)據(jù)相關(guān)的人工智能無法取代的。因果關(guān)系專家珀爾（Judea Pearl）在《為什么——關(guān)于因果關(guān)系的新科學》中指出，如果將人工智能提升到人類智能的水平，人類需要對自身的因果認知推理模式有深入了解。只有給機器配備真正的因果推理模型，機器才可以說是具有真正的智能。在珀爾看來，今天的機器學習在導向上是錯誤的，它是以數(shù)據(jù)為導向的，而非以人的推理特征為導向，“我們?nèi)匀粺o法教會機器理解事情的前因后果”。

因果關(guān)系是比大數(shù)據(jù)更基本的東西，因果模型是比數(shù)據(jù)更真實的邏輯。世界的知識都可以用因果網(wǎng)絡(luò)來表達，因果網(wǎng)絡(luò)可以分為三個層次，低層次是相關(guān)關(guān)系，D二層次是干預層次，第三層次是反事實層次。D一層次需要的是觀察能力，觀察變量之間的關(guān)系；D二層次需要的是行動能力；第三層次需要的是想象、反思與理解能力，是針對沒有發(fā)生的事情的預測和想象。

珀爾提出大數(shù)據(jù)分析和深度學習都在因果關(guān)系的低層級，沒有任何智能可言。“深度學習具有獨特的優(yōu)勢，但這類程序與我們對透明性的追求背道而馳。即使是阿爾法狗的程序編寫者也不能告訴我們?yōu)槭裁催@些程序能把下棋這個任務(wù)執(zhí)行得這么好。”

理解是因果推理的證據(jù)，“理解自己的意圖，并用它作為因果推理的爭取，具備這一能力就說明行為主體已經(jīng)達到自我覺察的水平……目前還沒有任何一個智能機器能達到這個水平。”為了實現(xiàn)與人類的自然溝通，強人工智能需要了解關(guān)于人類意圖的詞匯，而這需要他們模擬自由意志的幻覺，這些是機器不具備的。

（三）理解的復雜性分析

理解過程是一個非常復雜的過程，非機器能力所及。約翰·豪奇蘭德（John Haugeland）的“好的舊人工智能（GOFAI：Good Old-fashioned AI）”基于笛卡爾式的觀念：所有的理解都是形式化的并使用恰當?shù)姆�號表征。人與機器的解題方式不同。“人和機器之間之所以有這種差別，是因為這項任務(wù)所要求處理的是拓撲關(guān)系，為此就需要忽略純粹的量度方面的關(guān)系。人腦完全適合于這種拓撲學特征。因為這些特征告訴我們事物典型特征，而不是事物的具體量度。”

理解是一個復雜的認知過程。伽達默爾立足于理解本體論，他在《真理與方法》中提出“理解不屬于主體的行為方式，而是此在本身的存在方式。”機器只有發(fā)展到強人工智能階段才可能具有人類的認知能力和理解能力。塞爾認為：“‘理解’并不是一個簡單的二元謂詞；甚至存在著許多不相同的理解類型和層次，即使排中律也往往不能直接應用于“X理解Y”這種形式的陳述；在很多情況下，究竟X是否理解Y，是一個需要判斷的問題，而不是一個簡單的事實。”理解除了需要把握事物的規(guī)定性外，還需深入到它們的“理據(jù)或理由”的層面，甚至還包括把握它們的意義與價值等。“理解的特征在于它把個別的片段性的信息結(jié)合為一個統(tǒng)一的整體。”

希爾斯認為“理解為什么是p（而q是為什么是p）”，至少具有以下6種認知能力：“1)就其他人給出的原因做出一些解釋；2)用你自己的話解釋為什么p；3)從q的信息中得出p(或可能p)的結(jié)論；4)從q(其中p及q與p及q相似但與p及q不相同)的信息中，得出p(或可能p)的結(jié)論；5)給出p的信息，給出正確的解釋q；6)給出p的信息，給出正確的解釋q。”理解基于人類的認知能力，只通過程序性功能模擬不能真正理解人類。具有理解能力還需要擁有人類情感，具有同理心才能夠挖掘事物隱藏的因果關(guān)系，才能理解人類的外部行為。

綜上所述，人工智能對人類智能只處于功能模擬階段，僅限于模仿人類的某些行為，而理解基于對事物背后因果關(guān)系的揭示，基于對語言的意義的把握，理解是一個復雜的過程，人工智能機器不管基于符號主義、聯(lián)結(jié)主義還是行為主義技術(shù)路線，都不是基于對人類認知能力的探求，不能明確語句和語詞的意義，因此，人工智能機器不具有人類理解能力，現(xiàn)在的機器還不是真正意義上的人工智能。

查看更多相似文章