大家好，欢迎来到五哥读书。今天我为大家解读的这本书叫《人工智能哲学》。
本书的作者是玛格丽特.A.博登，历任英国心理学会哲学和历史分会主席，也曾担任英国皇家哲学，学会理事，是人工智能领域的权威人士，曾出版有《人工智能史》一书，本期要讲的这本书也是其代表作之一。在本书中，本书收集了人工智能领域最具代表性的十五篇论文，这些论文为计算机科学的发展，以及人工智能哲学的建立，做出了巨大的贡献，它们总结了人工智能发展的历程，也为我们推演了人工智能的发展趋势。下面我们就一起来了解一下关于人工智能的哲学。
说到人工智能，一般人大概都会联想到电脑、智能手机、智能音箱等工业制品，一些对汽车行业比较关注的朋友，也许还会联想到，即将普及的无人驾驶技术，这也是普遍意义上，人们对人工智能的理解。这种理解并没有错，普通的老百姓如果一直坚持这样的观点，似乎对生活也不会造成任何的影响，但放在科学家身上，事情就变得非常复杂了。他们最关心的问题是，人工智能机器到底有没有实现完全的智能。这个问题在学术界引发了激烈的讨论，但最终并没有得出统一的结论，支持者认为，有些机器已经具备了完全的智能，因为它们可以代替人类去做很多的事情，而反对者则认为，机器终究是机器，机器再怎么先进，也不过是人类制造出来的工具，它们做出的任何举动，实际上还是受到人类的控制，因此它们并不具备完全的智能。当然，为了佐证自己的观点，正反双方都拿出了各自的证据。
我们先来看看支持者拿出的证据。最近，科学家发明了一台下围棋的机器人，我们暂且叫他围棋机器人，在世界棋坛上，这个围棋机器人可谓是战果累累，它先后战败了韩国围棋高手李世石、世界第一天才少年柯洁等人。后来，人们又举行了一次多对一的人机大战，具体过程是，让五个世界顶尖的棋手联合起来，共同对决围棋机器人，结果很遗憾，棋手们一败涂地。熟悉围棋的朋友应该都知道，围棋游戏非常考验人们的智力，被称为是人类最后的智慧堡垒。可是，在机器面前，人类却输得一塌糊涂。因此，这就很好地印证了机器已经具有完全的智能。
但是，在强有力的证据面前，反对者们却不肯认输，他们也拿出了自己的证据。他们的证据是科学家约翰.瑟尔提出的一项思想实验，具体的过程这样，假定有一个完全不懂中文的英国佬，被关在一个封闭的小屋内，小屋内除了一本英文手册和一些中文纸条外，什么都没有。游戏的规则是，当有人从外面递给他一张中文纸条时，当他看到纸条上有提前约定的中文字符，那么他就可以通过查询手册，找到相对应的另一张中文纸条，然后把这张中文纸条递出去。外面的人连续不断地递进来纸条，而这位不懂中文的英国佬可以通过查询手册，顺利地将对应的纸条递出去。事实上，在他们彼此之间传送的中文纸条都是相互对应的提问和回答。在外人看来，似乎房间里的这位英国佬中文很棒的样子，每次都能顺利地回答中文问题。但实际上，他对中文却是一窍不通。
反对者们解释说，事实上，那个屡战屡胜的机器人就像小屋里的英国佬，它其实并不具备人类那种可以独立思考的心智，它对围棋也是一窍不通的，只不过，那些聪明绝顶的发明者，为他们制定了完美的行动手册，他们只需要按照对应的指令做出正确的反应。因此，反对者们就认为，机器并没有具备完全的智能。
如果以普通人的眼光看，似乎反对者们的观点更有说服力。那么，我们是否就能认定机器并不具备完全的智能呢？我想恐怕还不能。本书的作者认为，这个问题需要归结到哲学的范畴，想要真正搞明白这个问题，还需要从更深的层面去分析。
我们想要搞明白人工智能是什么，势必还要搞清楚人类的心智是什么，就好比说，我们想要判断一种生物是不是鱼类，就要先弄明白什么是鱼类，这样才能有一个参照的标准。
在这里，我们需要解释一下这个叫做符号主义的概念，它的基础理论是，认为理性能力就代表着人类智慧的全部。符号主义者认为，人类的心智主要就是认知和推理，认知和推理的基本单元是符号，其中认知是对那些代表着一定含义的符号进行运算的过程，推理则是采用启发式符号和启发式搜索，对问题进行求解的过程。从上面的描述我们可以看到，持有这种观点的人，把人类看作是一台具有运算功能的机器，而人们产生的思维和判断，实际上是建立在这台机器对外部信息的认识和推理的基础之上。
那么，这种观点有没有理论基础呢？当然有。
在过去，甚至是现在，人们应该都会认为，人们的心智和身体并没有太多的联系，因为身体的各个部位都有具体的形状，而且也需要遵从一定的生理规律，就像我们不吃饭就会饿，不喝水就会渴一样的道理，或许也可以是一部制作精良的手机，没有电池它就开不了机，但心智却不同。它不仅没有具体的形状，不需要占空间，也没有生理规律的限制，完全是一个自由自在的灵魂，能够随意地联想，也能够存在与不同的空间和维度，因此就可以证明，人类的心智不属于身体，两者也是完全不同的概念。但是，科学家们却推翻了这种观点，他们已经证明，心智事实上就是大脑实现的功能。因为如果大脑受损的话，人们的心智就会产生一定的问题。如果照这样说的话，心智肯定就不能脱离身体而单独存在。于是，符号主义者就根据这一点判断，机器其实已经实现了完全的智能。
他们认为，人类所掌握的知识也是信息的一种形式，当然就可以用符号来表示，而机器完全具有处理符号的能力，所以就能够实现运算和推理，这同人类对符号进行运算和建立的基础推理是一模一样的。
关于符号主义者的这种理论，我们可以举例来说明。
比如说，当一个人听到别人说“外面下雪了”，他大概就会想到，出门的时候需要带一把伞，另外还要多穿点衣服。这是一个简单的推理过程，当人们在听到下雪这个词汇的时候，实际上是得到了一个符号，人们会对这个符号代表的含义进行分析，然后得到天会变冷，雪花会把衣服打湿这样的认识，最后再根据相关方面的信息，推理出出门的时候需要带伞，还要多穿点衣服等行为。
而人工智能呢，它们虽然对天冷没有切身的感受，但同样也能根据下雪这个信息得出需要带伞和添加衣服这样的结论。
再比如说，一加二等于三，这道简单的数学公式，人们根据一和二还有加号，这三个符号，最终推理出三的结果，而人工智能也是根据那三个符号，得出三的结论。
当然了，在这个推理的过程中，人工智能和人类的心智还是有一定区别的，虽然两者都能根据相同的符号和信息，得出同样的结论，但其中的工作原理却不一样，就拿上面的例子来说，人们在得知下雪的时候，最先想到的是天冷和雪花会打湿衣服，人们得出要带伞和加衣服这样的结论，是基于对下雪这个概念的理解，而人工智能显然是不能够理解的，它们实际上完全跳过了思考的过程，直接得出了结论。
但是，机器毕竟是机器，目前的人工智能，也只是基于符号主义理论，制造出来的，我们前面说，符号主义讨论的主要是认知和推理，并不是人类智能的全部内容。因此，我们对这样的人工智能进行评判的时候，也不能完全参照人类智能的标准来评判。
关于如何评判人工智能，英国著名的数学家艾伦.麦席森.图灵给出了一套标准，被后人们称为图灵试验，它的基本理论是，让人们对电脑进行提问，根据电脑回答的失误率来判断它是不是具有智能。具体的方法是，把参与测试的人和电脑分开，让测试者向电脑提出问题，然后再判断答案是其他人回答的，还是由电脑回答的。经过多次的测试，如果参与测试的人，平均失误率超过30%，那么就说明电脑通过了测试，就会被认为具有人工智能。
根据图灵的理论，只要机器能够做出一定比例准确的回答，就说明机器已经拥有理解能力了。当然，这里的理解跟我们普通意义上的理解并不是一个概念，这其中的区别也是显而易见的，就像我们前面说的那个小屋的实验，小屋里面的英国佬其实并没有真正理解中文的意思，但却给人一种理解的假象。
但不管怎么说，如果只在认知和推理的层面，人工智能已经达到了和人类相似的水平。
有了这种结论，符号主义者就变得更加得意，前面我们说，符号主义的理论基础是，理性能力代表着人类的全部智慧。因此，符号主义者就认为，人工智能事实上已经达到了人类智能的水平。只要是人类智能，能够解决的问题，人工智能也同样能解决，比如说那些精彩的表演，比如说奥数比赛中所有题目的解答过程，再比如说物理学家们独特的思维方式。
关于符号主义者对人工智能的理解，我们可以举一个例子来说明。
人们在做数学题的时候，知道每一个具体的数字代表着一个数量，比如说5这个数字，人们都知道，它可以代表5个人，也可以代表5只猫，5条鱼，总之，人们知道5这个数字，可以代表任何跟5这个数量有关的东西。而人工智能呢，只要人们输入相应的指令，告诉它，5可以代表任何表示数量是5的东西，它也能做出正确的运算，比如说，你提前输入了指令，告诉它，5可以是5个苹果，也就可以是5个香蕉。这个时候，如果你再问它，5个香蕉加上5个苹果总共有几个水果，它就会正确说出10，这个数字。
以此类推，按照这样的思路，只要人们输入足够多的指令，人工智能就能帮助人们完成任何事。
但是，随着深入的研究，人们发现，用符号主义理论，来建立人工智能系统，在投入使用的时候，常常会遇到各种各样的问题，特别在是对不确定的符号和问题进行求解时，它们往往表现的非常不智能。
那么，问题出在哪里呢？事实上正是出在足够多这三个字上面。按照符号主义者的理论，输入的指令需要足够多，但足够多是一个无穷无尽的概念，根本不可能实现。比如说那个小屋子里的英国佬，如果你想让他，对任何问题都对答如流的话，那你就需要把中文中，可能出现的每一个字，每一句话都翻译成英文，然后记录在那本英文手册里。我们可想而知，那本英文手册得有多大呢？且不说英文手册大小的问题，只说把中文全部翻译成英文，这也是一项不可能完成的事。
放在人工智能上，道理是一样的。比如说5这个数字，如果想让人工智能每次都不会出错，就必须把5这个数字，能够代表的事物，全部以命令的形式，输入进人工智能系统里。除了5这个数字外，还有其他无数个数字。
另外，除了输入命令需要花费大量的精力外，符号主义理论也会面临另一个重要的挑战，那就是如何在有限的步骤和条件下，搜索出最佳的答案。在求解答案的时候，随着问题难度的提升，人工智能所需要的运算量会呈指数增长，如果运算量达到某一个临界点，人工智能就面临着瘫痪的风险。
在这里，我们有必要了解一下，当年，国际象棋电脑，“深蓝”的表现。深蓝在制造初期，重达1270公斤，有32个处理器，每秒的计算量接近2亿步，其中还输入了二百多万局，优秀棋手的对局。就算以现在的眼光看，深蓝也能称得上是一台超级计算机。但是，在1996年的人机大战中，深蓝还是输给了世界冠军卡斯帕罗夫。于是，科学家们对它进行了改造，才在1997年以领先一局的成绩险胜卡斯帕罗夫。深蓝最终取得了胜利，但如果把它看作是一个人的话，很显然是胜之不武的，因为它的块头就摆在那儿，而且，它还拥有32个处理器，对于一个人来讲，就相当于是长着32颗脑袋。
从深蓝的例子我们可以看到，如果按照符号主义坚持的理论，人工智能想要在简单的国际象棋上，与人类打一个平手，都显得如此困难。那么，在其他更为复杂的方面，我们也就不敢奢求的更多。而后来人们制造出来的围棋电脑，就很能说明这一点，因为围棋的棋路比国际象棋更加复杂，采用人工智能的话，就需要更大的运算量，因此，这些围棋电脑在赛场上表现的就非常不理想。
所以，从这里我们可以看到，基于符号主义理论制造的人工智能，事实上并没有实现完全的智能。
说到这里，大家肯定会想到我们开头部分说到的那个围棋机器人，这位下棋小能手在赛场上的表现可谓是风生水起，它不仅打败了世界顶级的围棋手，还让五位顶级棋手组成的联盟也溃不成军。这个围棋机器人在赛场上的表现确实很出色，但是，它并不是基于符号主义理论制造出来的，而是我们下面要讨论的，联结主义理论。
严格来说，联结主义是一个心理学名词，它的提出者是美国心理学家爱德华.李.桑代克，但起源恐怕还要归功于英国的哲学家大卫.休谟。前面我们所说的符号主义，它的主张是，人类的理性能力，代表着人类智能的全部内容，而它的理论基础则是，以西方哲学中的，理性主义理论为前提。但在18世纪时，这种传统的理论却遭到了休谟的深刻批评。他认为，除了理性外，还有很多方面能够体现人类的智能。就比如说人们对因果关系的判断，从表面上看，人类对因果的判断是一个简单的理性推理，但实际上还是源自人们观念的联结习惯，而这种联结习惯，又是人们汲取了以往的经验而形成的。在这里，我们举一个简单的例子，比如说，我们第一次伸手去拿装着开水的玻璃杯，结果被狠狠地烫了一下，这时候，我们就总结了一个经验，那就是，装着开水的玻璃杯很烫，我们不能直接用手拿。到了第二次第三次，我们再看见装着开水的玻璃杯时，大概就不会直接伸手去拿。从表面上看，我们不去拿装着开水的玻璃杯，是对开水很烫这个因素，进行分析后得出的推理结果。但实际上，在这个过程中，我们根本不需要推理，仅仅是基于以往的经验所做出的条件反射。
休谟在提出这种理论的时候，完全是基于自己对人类行为方式的观察，不过他的理论最终也得到了神经科学家们的证实，科学家们发现，人脑的神经元之间，是通过突触(神经元之间在功能上发生联系的部位)相互连接在一起的，当联结在一起的两个神经元遭到频繁的刺激时，联结两者的突触就会得到一定程度的增强，当以后再受到同样的刺激时，人脑就能够快速做出反应。事实上，这也正是我们记忆的形成过程。
在休谟和神经科学思想的启发下，人们逐渐总结出一套完整的理论，也就是联结主义，最后，联结主义理论也被应用在人工智能的研发上。
在人工智能领域里，联结主义者的主导思想是，在研发人工智能时，首要任务是模仿人脑建立起大脑模型，在计算机上模拟一个神经元网络，让机器能够自主地建立神经元之间的联结，有了这个前提后，当计算机在遇到一个问题时，就可以通过最终反馈的结果，不断变换联结的形式，最终构建出能够得出正确答案的联结组合方式。简单来说，就是计算机也能够像人类那样，通过不断地试错，积累出一定的经验，如果以后再遇到同样的问题时，就不需要再进行运算，直接就可以给出正确的答案。
从上面的内容我们可以看到，联结主义和符号主义之间存在巨大的差异，其中最主要体现在人工智能有没有自主性，符号主义强调的是输入大量的指令，而联结主义更注重培养人工智能，积累经验的能力。就拿开水玻璃杯来举例，如果是基于符号主义理论的人工智能，它在第一次得出，不能直接触碰玻璃杯这个结论时，需要先把玻璃杯拿起来试一次，但在以后得出这样的结论时，却还是需要拿起来尝试。而基于联结主义的人工智能就不一样了，它在第一次得出这种结论时，虽然也需要拿起来尝试，但它会把这个经验，记录在模拟的神经网络里。因此，在以后需要得出这种结论时，它就不需要再拿起来尝试。从分析的结果来看，基于联结主义的人工智能可以省去很大的运算量，这就避开了基于符号主义的人工智能，运算量过大的缺陷，也让人工智能的发展在技术上实现了突破。
从这个角度看，基于联结主义的人工智能似乎是前途无量的，好像也实现了完全的智能。但是，它并不是一点缺陷也没有，其中暴露的问题也非常棘手，主要就体现在，它太过依赖于以往的经验，而且不会对过往的经验进行甄别。用通俗的话来讲，就是太过刻板。人类虽然也是从经验中学习，但人类在面对经验时，总是抱着区别对待的态度，人们往往非常重视一些特别重要的经验，但也常常会忽略一些无关紧要的经验。而且在很多时候，人们获得的某一种经验很可能只是通过别人的口述，并不一定需要自己去证实，但基于联结主义的人工智能却不同，它们获得的每一条经验，都是来自自己的亲身经历，而且还是建立在大量试错的基础上。另外，人类的学习有一定的创造性。也就是说，人类具有举一反三的能力，通过获得某一条经验，人类很可能会额外获得很多条经验，但人工智能显然做不到这一点。比如说，人们得知装着开水的玻璃杯不能摸之后，就会联想到装着开水的啤酒瓶同样也不能摸，但人工智能可能需要去试一试，才能得出这样的结论。
因此，如果这样说的话，基于联结主义的人工智能实际上仍然没有实现完全的智能。
但是，不论是基于符号主义的人工智能，还是基于联结主义的人工智能，它们身上暴露的问题，并没有体现出人工智能与人类智能之间的根本差异。毕竟，就算某个人反应慢一点，或者是变的刻板一点，只要他还能进行正常的思维，那他就完全还属于人类。人工智能与人类智能之间的差异，主要还是体现在通用性和感情上。
我们先来看看通用性。首先说人类，人类的大脑在指挥人们做事情的时候，不会仅仅局限于某一项任务，比如说，人类大脑可以指挥人们下象棋，也可以指挥人们驾驶摩托车，当然，还有其他更多的事情可以操控。但人工智能却不一样，现阶段的人工智能只能在某一个方面发挥出作用，比如我们前面讲的那个围棋机器人，设计者的初衷是让它来下围棋，因此它就干不了其他事。所以说，现在的人工智能智能依赖设计者给它提供的智能，并不能自发的产生灵活应变的能力，如果设计者没有给它添加某一项技能，它也不可能通过后天的学习去掌握这项技能。
下面我们再来说一说感情。我们都知道，人们在面对不同的事物，或者体验到不同的感受时，内心里都会产生一系列不同的情绪，比如说，当我们被装着开水的玻璃杯烫到时，我们会下意识缩手，疼痛的感觉也会在很短时间内消失，但我们内心还会持久不断地体会到这种痛苦，我们甚至可能在心里咒骂，也可能表现在语言上，而在以后的生活中，我们很可能会经常提起这件事。再比如，当我们看到一个漂亮的女孩时，我们的情绪会发生一定的波动，在整个情绪波动过程中，我们体验到的可能是兴奋，可能是慌张，也可能是自惭形秽带来的痛苦。
总之，在面对诸如此类的事情时，我们内心都产生了切切实实的感受，这在心理学上被称为主观感受，也就是我们所说的感情。
但是，人工智能就不会这样，它们在面对这些事情的时候，也会做出相应的反应，但在内心里其实并没有感觉。
比如说，当一个机器人被开水烫到时，它或许也会快速地缩手或者发出一系列咒骂声。但是，它监测到的只是温度的变化，这些都是设计者提前输入进去的指令，它并没有真正感受到痛苦，当然也不会产生持续不断的痛苦感。
在《我的女友是机器人》这部科幻电影里，机器人女友悬挂在断崖的边缘，为了救回自己的男友，用尽最后一点力气将男友甩回到地面上，但最终却牺牲了自己。这一幕确实令人动容，机器人女友也确实拥有人类的感情。但是，这也仅仅存在于科幻电影里，在我们现实生活中，人工智能远远做不到这一点。我们现在最为先进的人工智能，也仅仅只是能够模仿人类感情的功能，但并不会产生主观的感受。如果有可能，我们可以制造出跟自己一模一样的仿制品，它们在外观上，在言谈举止上，也许跟人类一模一样，但在主观感受上却完全不一样，确切地说，它们并没有自己的主观感受。比如说，它们看到一个美女时，也许会吹口哨，也许也会表现的很兴奋，但它们并不会在内部产生一系列情绪的变化。再比如，当人工智能看到辣椒时，它们也许会说出辣椒这个词汇，也许也会表达出来辣椒狠辣的意思，但他们并不会联想到吃辣椒时那种热辣的感觉。
总之，人工智能并没有一个自我的概念，也就是说，它们没有自我意识，总是从客观的角度去分析和判断自身遇到的问题，它们只会去处理问题，而不会对问题本身产生一定的思考。
当然，这也是人们在研发人工智能时面临的最大的挑战，毕竟，人脑的结构太过于复杂，人们甚至连人脑的构造都没有搞清楚，当然就谈不上模拟了。
不过，人工智能的研发工作并没有到达走投入路的地步，在这方面，我们还有很多途径可以去尝试。在我们面临绝境的时候，一个叫做赫伯特.雷德福斯的哲学家，为我们提供了一个全新的思路。他认为：人类的智能不仅仅发生在大脑中，还发生在人们的身体上。因此，如果想要实现真正的智能，就不仅仅需要考虑发生在脑袋里面的事情，还要认真地研究身体方面的智能。
初看雷德弗斯的理论，似乎显得非常荒诞不经，但如果仔细分析的话，好像也有一定的道理，而且现实中很多客观的事实也能证明这一点。比如说，当我们触摸到装着开水的玻璃杯时，会迅速地缩手，但在缩手的一瞬间，我们事实上并没有感觉到灼热，往往要等到一两秒之后，我们才能感觉到那种疼痛。也许大家不愿意承认，但这就是一个客观的事实，相信很多朋友也都有过切身的经历。在这个过程中，当人们做出缩手这个动作时，事实上大脑并没有接收到相关的信息，因此，做出缩手的动作，并不是大脑下达的指令，而是我们的手臂自己做出的反应。
其实类似的例子也很多，特别是在体育赛场上，比如说篮球运动，当篮球忽然飞来时，运动员根本没有思考的时间，大脑也根本来不及下达相应的指令，但运动员往往能够准确地接住篮球。在这个过程中，运动员能够做出正确的动作，完全靠的是手臂本身的智能。
从这些例子我们可以看到，人们的身体好像也拥有一定的思考能力，在没经过大脑指挥的情况下，也会自发地做出一系列举动。听到这里，大家内心是不是升腾起一丝忧虑？会不会担心自己的手，会不由自主地伸进别人的口袋？又或者是担心自己的腿，在没经过大脑允许的情况下，随意奔走在马路上？其实这种担心大可不必，像类似这些意图明确的举动，大概还得接受大脑的控制，人们的身体之所以能够做出那些看起来不可思议的举动，实际上还是因为大脑没有来得及反应，这才让人们的身体智能得到一定程度的发挥。
但是，德雷福斯的理论，如果能够应用在人工智能领域里，前景就相当的广阔了，因为人们完全可以避开人脑这个大难题，转而研究人类身体的智能机制，身体相对于大脑而言，那就简单多了。
不过，就算是人类身体的智能，也不是一朝一夕就能研究透彻的，这势必还需要相关的科研人员投入大量的时间和精力。
另外，人工智能的研发，也许还需要更加前卫的观念来引领。
至此，我们本期要讲的核心内容就为大家讲解完毕，下面让我们做一个简单的总结：在人工智能发展的初始阶段，由于理性主义的传统理念和符号主义理论的局限，人工智能只能实现认知运算和推理方面的智能，它面临的最大难题是运算量。联结主义理论的提出，让人工智能的发展实现了技术层面的突破，人工智能也在一定程度上实现了自主性，但它们过于依赖以往的经验，又常常执着于那些看起来非常简单的经验，因此，也表现得不是很智能。最重要的是，现阶段的人工智能，并不能像人类那样，拥有独立思考的能力，它们没有自己的感情，没有自我的意识，更没有人类丰富的情感。由此可见，现在的人工智能并没有实现完全的智能。因此，在发展人工智能的道路上，人类势必还要做出更大的努力。
但是，我们在研发人工智能的时候，务必要做到小心与谨慎，我们理想的人工智能，是那些像机器人女友那样的，有着丰富感情的，跟人类站在同一个阵营的人工智能，而不是那些把枪口指向人类的冷血机器人。
五哥读书，每天一本好书精读。和我一起，精进学习，自我迭代。
本文由董浩读书app创始人、《粉丝经济学》作者吴高远先生（网名五哥）原创撰稿。感谢关注。