图1.0 包含在人类基因编码中的数据

人工智能的定义

在日常用语中，“人工”一词的意思是合成的（即人造的），这常日具有负面含义，即“人造物体的品质不如自然物体。
但是，人造物体常日优于真实或自然物体。
例如，人造花是用丝和线制成的类似芽或花的物体，它不须要以阳光或水分作为养料，却可以为家庭或公司供应实用的装饰功能。

虽然人造花给人的觉得以及喷鼻香味可能不如自然的花朵，但它看起来和真实的花朵一模一样。

另一个例子是由烛炬、石油灯或电灯泡产生的人造光。
显然，只有当太阳涌如今天空时，我们才可以得到阳光，但我们随时都可以得到人造光，从这一点来讲，人造光是优于自然光的。

末了，思考一下，人工交通装置（如汽车、火车、飞机和自行车）与跑步、步辇儿和其他自然形式的交通（如骑马）比较，在速率和耐久性方面有很多上风。
但是，人工形式的交通也有一些显著的缺陷—地球上无处不在的高速公路，充满了汽车尾气的大气环境，人们内心的宁静（以及就寝）常常被飞机的鼓噪打断。

犹如人造光、人造花和交通一样，人工智能不是自然的，而是人造的。
要确定人工智能的优点和缺陷，你必须首先理解和定义智能。

思维是什么？智能是什么？

智能的定义可能比人工的定义更难以捉摸。
斯腾伯格（R. Sternberg）就人类意识这个主题给出了以下有用的定义：智能是个人从履历中学习、理性思考、影象主要信息，以及搪塞日常生活需求的认知能力。

我们都很熟习标准化测试的问题，比如，给定如下数列：1，3，6，10，15，21。
哀求供应下一个数字。

你大概会把稳到连续数字之间的差值的间隔为1。
例如，从1到3差值为2，从3到6差值为3，以此类推。
因此问题精确的答案是28。
这个问题旨在衡量我们在模式中识别突出特色方面的闇练程度。
我们通过履历来创造模式。

不妨用下面的数列试试你的运气：

a．1, 2, 2, 3, 3, 3, 4, 4, 4, 4, ?

b．2, 3, 3, 5, 5, 5, 7, 7, 7, 7, ?

既然已经确定了智能的定义，那么你可能会有以下的疑问。

（1）如何剖断一些人（或事物）是否有智能？

（2）动物是否有智能？

（3）如果动物有智能，如何评估它们的智能？

大多数人可以很随意马虎地回答出第一个问题。
我们通过与其他人互换（如做出评论或提出问题）来不雅观察他们的反应，每天多次重复这一过程，以此评估他们的智力。
虽然我们没有直接进入他们的思想，但是相信通过问答这种间接的办法，可以为我们供应内部大脑活动的准确评估。

如果坚持利用问答的办法来评估智力，那么如何评估动物智力呢？如果你养过宠物，那么你可能已经有了答案。
小狗彷佛记得一两个月没见到过的人，并且可以在迷路后找到回家的路。

小猫在晚餐韶光听到开罐头的声音时常常表现得很愉快。
这只是大略的巴甫洛夫反射的问题，还是小猫故意识地将罐头的声音与晚餐的快乐联系起来了？

关于动物智力，有一则有趣的轶事：大约在1900年，德国柏林有一匹马，人称“聪明的汉斯”（Clever Hans），听说这匹马精通数学（见图1.1）。

图1.1 “聪明的汉斯”（Clever Hans）— 一匹马做演算？

当汉斯做加法或打算平方根时，不雅观众都惊呆了。
此后，人们不雅观察到，如果没有不雅观众，汉斯的表现不会很出色。
事实上，汉斯的天才在于它能够识别人类的情绪，而非精通数学。

马一样平常都具有敏锐的听觉，当汉斯靠近精确的答案时，不雅观众们都变得相对愉快，心跳加速。
大概，汉斯有一种出奇的能力，它能够检测出这些变革，从而得到精确的答案。
虽然你可能不愿意把汉斯的这种行为归于智能，但在得出结论之前，你该当参考一下斯腾伯格早期对智能的定义。

有些生物只表示出群体智能。
例如，蚂蚁是一种大略的昆虫，单只蚂蚁的行为很难归类在人工智能的主题中。
但是另一方面，蚁群对繁芜的问题显示出了非凡的办理能力，如从巢到食品源之间找到一条最佳路径、携带重物以及组成桥梁。
集体聪慧源于个体昆虫之间的有效沟通。
第12章在对高等搜索方法进行谈论时，将相对较多地磋商呈现智能和集群智能。
脑的质量大小以及脑与身体的质量比常日被视为动物智能的指标。
海豚在这两个指标上都与人类相称。
海豚的呼吸是自主掌握的，这可以解释其脑的质量过大，还可以解释一个有趣的事实，即海豚的两个半脑交替休眠。

在动物自我意识测试中，例如镜子测试，海豚得到了很好的分数，它们认识到镜子中的图像实际上是它们自己的形象。
海洋天下等公园的游客可以看到，海豚可以玩繁芜的戏法。
这解释海豚具有记住序列和实行繁芜身体运动的能力。

利用工具是智能的另一个“试金石”，并且这常常用于将直立人与先前的人类先人差异开来。
海豚与人类都具备这个特质。
例如，在觅食时，海豚利用深海海绵（一种多细胞动物）来保护它们的嘴。
显而易见，智能不是人类独占的特性。
在某种程度上，许多生命形式是具有智能的。

你该当问自己以下问题：“你认为有生命是拥有智能的必要先决条件吗?”或“无生命物体，例如打算机，可能拥有智能吗？”人工智能流传宣传的目标是创建可以与人类的思维媲美的打算机软件和（或）硬件系统，换句话说，即表现出与人类智能干系的特色。
一个关键的问题是“机器能思考吗？”更一样平常地来说，你可能会问，“人类、动物或机器拥有智能吗？”

在这个节点上，强调思考和智能之间的差异是明智的。
思考是推理、剖析、评估和形成思想和观点的工具。
并不是所有能够思考的物体都有智能。
智能大概便是高效以及有效的思维。
许多人对待这个问题时怀有偏见，他们说：“打算机是由硅和电源组成的，因此不能思考。
”或者走向另一个极度：“打算机表现得比人快，因此也有着比人更高的智商。
”原形很可能存在于这两个极度之间。

正如我们所谈论的，不同的动物物种具有不同程度的智能。
我们将阐述人工智能领域开拓的软件和硬件系统，它们也具有不同程度的智能。
我们对评估动物的智商不太关注，尚未发展出标准化的动物智商测试，但是对确定机器智能是否存在的测试非常感兴趣。

大概拉斐尔（Raphael）的说法最贴切：“人工智能是一门科学，这门科学让机器做人类须要智能才能完成的事。
”

图灵测试

上一节中提出“你如何确定智能”以及“动物有智能吗？”这两个问题已经得到理解决。
第二个问题的答案不一定是大略的“是”或“不是”—一些人比另一些人聪明，一些动物比另一些动物聪明。
机器智能也碰着了同样的问题。

阿兰·图灵（Alan Turing）寻求可操作方法来回答智能的问题，欲将功能（智能能做的事情）与实现（如何实现智能）分离开来。

补充资料

抽象是一种策略，这种策略忽略了工具或观点的实现（例如内部的事情），这样，你就可以得到更清晰的人造物及其与外部天下关系的图像。
换句话说，你可以将这个工具当作一个黑盒子，只关注工具的输入和输出（见图1.2）。

图1.2 黑盒子的输入和输出

常日，抽象是一种有用而必要的工具。
例如，如果你想学习如何驾驶，把车当作一个黑盒子可能是一个好主张。
你不必一开始就努力学习自动变速器和动力传动系统，而是可以专注于系统输入，例如油门踏板、刹车、转向旗子暗记灯以及输出，如提高、停车、左转和右转。
数据构造的课程也利用抽象，因此如果想理解栈的行为，你可以专注于基本的栈操作，比如pop（弹出一项）和push（插入一项），而不必陷入如何布局一个列表的细节（例如，利用线性链表还是循环链表，或利用链接链表还是连续分配空间）。

图灵测试的定义

阿兰·图灵提出了两个仿照游戏。
在仿照游戏中，一个人或实体表现得仿佛是另一个人。
在第一个仿照游戏中，一个人在一个中心装有帘子的房间中，帘子的两侧各有一人，个中一侧的人（称为讯问者），必须确定另一侧的人是男人还是女人。
讯问者（其性别无关紧要）通过讯问一系列的问题来完成这个任务。
游戏假定男性可能会在他的回答中撒谎，而女性总是老实的。
为了使讯问者无法从语音中确定性别，通过打算机而不是讲话的办法进行互换，如图1.3所示。
如果在帘子的另一侧是男人，并且他成功地欺骗了讯问者，那么他就赢了。

图1.3 第一个图灵仿照游戏

图灵测试的原始形式是，一个男人和一个女人坐在窗帘后面，讯问者必须精确地识别出其性别（图灵可能得到那个时期盛行游戏的启示，发明了这个测试。
这个游戏也匆匆使了他进行机器智能测试）。
正如埃里希·弗罗姆（Erich Fromm）所写的[8]：男女平等，但不一定要相同。
例如，不同性别的人具有不同的关于颜色和花朵的知识，花在购物上的韶光也不同。
区分男女与智能问题有什么关系？图灵认为，可能存在不同类型的思考，理解并容忍这些差异是很主要的。
图1.4表示了图灵测试的第二个版本。

图1.4 第二个图灵仿照游戏

第二个游戏更适宜人工智能的研究。
讯问者还是在有帘子的房间里。
这一次，帘子后面可能是一台打算机或一个人。
这里的机器扮演男性的角色，偶尔会撒谎，但人是一贯老实的。
讯问者提问，然后评估答案，确定他是和人互换，还是和机器互换。
如果打算机成功地欺骗了讯问者，那么它就通过了图灵测试，因此也就被认为是有智能的。

众所周知，在实行算术打算时，机器比人类快很多倍。
如果帘子后面的“人”可以在几微秒内得到了三角函数的泰勒级数近似的结果，那么就可以不费吹灰之力辨别出在帘子后面的是打算机而不是人。

自然，打算机可以在任意的图灵测试中成功欺骗讯问者的机会非常小。
为了得到有效的智能“晴雨表”，这个测试要实行许多次。
同样，在这个图灵原始版本的测试中，人和打算机都在帘子后面，讯问者必须精确地辨别它们。

补充资料

图灵测试

没有打算机系统通过了图灵测试。
然而，1990年，善士Hugh Gene Loebner举办了一项比赛，这项比赛旨在实现图灵测试。
第一台通过图灵测试的打算机将被付与金牌以及$ 100 000的罗布纳奖金。
同时，每年在比赛中表现最好的打算机将被付与铜牌以及大约$ 2000的奖金。

在图灵测试中，你会提出什么问题？考虑以下示例：

·（1 000 017）?是多少？像这样的打算可能不是一个好主张。
记住，打算机试图欺骗讯问者。
打算机可能不会在几分之一秒内做出相应，给出精确答案，它可能会故意地花费更长的韶光，大概还会犯缺点，由于它“知道”人类不熟习这些打算。

· 当前的景象情形如何？假设打算机可能不会向窗外看一眼，因此你可能会试着问一下景象。
但是，打算机常日连接着万维网，因此在回答之前，它也连接到了景象网站。

· 你害怕去世亡吗？由于打算机难以伪装人的感情，以是你可能会提出这个问题或其他的类似问题：“玄色给你的觉得如何？”或者“坠入爱河的觉得如何？”但是，记住，你现在是在试图剖断智能，人类的感情大概不是有效的智能“晴雨表”。

图灵预见到会有许多人反对他在最初论文中所提出的“机器智能”的想法，个中一个便是所谓的“鸵鸟政策反对”。
人们相信思考的能力使人变成万物之灵。
承认打算机能够思考，这可能寻衅了这个仅由人类享有的崇高的栖息地。

许多人认为，正是人的灵魂让人们可以思考，如果我们创造出拥有这种能力的机器，那么将会篡夺“上帝”的威信。
图灵回嘴了这个不雅观点，他提出人们仅仅是准备等待具有灵魂禀赋的容器来实行“上帝”的旨意。
末了，我们提到洛甫雷斯伯爵夫人（Lady Lovelace）的反对见地（在文献中她常常被称为第一个打算机程序员）。

在评论剖析式引擎时，她无比轻松地说“单单这台机器不可能给我们惊喜”。
她重申了许多人的信念：一台打算机不能实行任何未预编程的活动。
图灵反对这种见地，说机器一贯都让他很惊喜。
他坚持认为，这种反对见地的支持者认同人类的聪慧可以即时推断给定事实或行动的所有用果。
图灵的最初论文在网络上述异议以及其他的反对见地时提到了这些读者。

图灵测试的争媾和批评

内德·布洛克（Ned Block）认为，英语文本因此ASCII编码的，换句话说，是用打算机内一系列的0和1表示的。
因此，一个特定的图灵测试，也便是一系列的问题和答案，可以存储为一个非常大的数。
例如，假设图灵测试的长度有一个上限，在测试中，“Are you afraid of dying?（你害怕去世亡吗？）”开始的前三个字符作为二进制数字存储，如图1.5所示。

图1.5 利用ASCII代码存储图灵测试的开始字符

假设范例的图灵测试持续一个小时，在此期间，测试者大约提出了50个问题，并得到了50个答案，那么对应于测试的二进制数该当非常长。
现在，假设有一个很大的数据库，储存了所有的图灵测试，这些图灵测试包含了50个或更少的已有合理答案的问题。

然后，打算机可以用查表的方法来通过测试。
当然，一个能够处理这么大量数据的打算机系统还未存在。
但是，如果打算机通过了图灵测试，Block问：“你认为这样的机器有智能吗？你觉得舒畅吗？”换句话说，Block的批评见地是，图灵测试可以用机器的查表方法而不是智能来通过图灵测试。

约翰·塞尔（John Searle）对图灵测试的批评更为根本。
想象一下，讯问者像人们预见的那样讯问问题—但是，这次用的是中文。
另一个房间里的那个人不懂中文，但是拥有一本详细的规则手册。
虽然中文问题以潦草的字迹呈现，但是房间里的人会参考规则手册，根据规则处理中笔墨符，并利用中文写下答案，如图1.6所示。

图1.6 中文室的辩论

讯问者得到了语法上精确、语义上合理的问题的回答。
这意味着房间里的人通达中文吗？如果你的回答是“不”，那么人和中文规则手册的结合通达中文吗？答案依然是“不”—房间里的人不是在学习或理解中文，而仅仅是在处理符号。
同样，打算机运行程序，吸收、处理以及利用符号回答，而不必学习或理解符号本身的意思是什么。

塞尔也哀求我们设想，如果不是单个人持有规则手册这样的场景：在一个体育馆中，人们相互通报便条。
当一个人接到这样的一张便条时，规则手册将确定这个人该当天生一个输出，还是仅仅通报信息给体育馆中的另一个人，如图1.7所示。

图1.7 中文室辩论的变体

现在，中文的知识存在于何处？属于全体人，还是属于体育馆？

思考末了一个例子。
描述出一个确实通达中文的人的大脑，如图1.8所示。
这个人可以吸收用中文提出的问题，并准确地用中文进行阐明和回答。

图1.8 中文说话者用中文吸收和回答问题

同样，中文的知识存在于何处？存在于单个神经元中，还是存在于这些神经元的凑集中？（它必须存在于某个地方！
）Block和Searle对图灵测试进行批评的关键点在于，图灵测试仅从外部不雅观察，不能洞察某个实体的内部状态。
也便是说，我们不应该期望通过将拥有智能的智能体（人或机器）视为黑盒来理解到一些关于智能的新东西。
但是，这也并不总是精确的。
19世纪，物理学家欧内斯特·卢瑟福（Ernest Rutherford）通过用α粒子轰击金箔，精确地推断出物质的内部状态——它紧张由空缺空间组成。

他预测，这些高能粒子要么穿过了金箔要么轻微偏转。
结果与他的原子轨道理论是同等的：原子由轨道电子包围着的致密核心组成。
这是我们当前的原子模型，许多学过高中化学的人对此非常熟习。
Rutherford通过外部不雅观察成功地理解了原子的内部状态。

总之，定义智能很难。
正是由于定义智能以及剖断“智能体”是否拥有这一属性很困难，因此图灵开拓了图灵测试。
在论文中，他蕴藉地指出，任何能够通过图灵测试的智能体一定拥有“脑能力”来应对任何合理的、相称于人们在普遍意义上接管的人类水平的智能寻衅。

本文节选自《人工智能（第2版）》

本书基于人工智能的理论根本，向读者展示全面、新颖、丰富多彩且易于理解的人工智能知识体系。
本书给出诸多的示例、运用程序、全彩图片和人物轶事，以引发读者的阅读和学习兴趣；还引入了机器人和机器学习的干系高等课程，包括神经网络、遗传算法、自然措辞处理、方案和繁芜的棋盘博弈等。