以下仅为个人见解
突然思考了一下什么是人工智能?
从学科角度讲, 人工智能是一门研究 模拟, 延伸, 扩展人类智能 的学科
人工智能是在机器上实现的人类智能
这两条是我比较认可的对人工智能的描述. 可以看出人工智能是相对于人类智能的一个概念, 理解起来既简单又困难. 要说简单, 人工智能可以很直观的理解为人为制造的智能, 要说难, 人们至今仍在探索什么是人类智能. 这是一个极其抽象的哲学概念. 实际上试图制造人工智能正是人们探索人类智能的途径之一: 能知道如何制造出一个智能了, 我们也就基本摸清什么是人类智能了.
目前人工智能的实现有三种研究方法:
- 功能模拟: 符号主义, 认为人工智能源自数理逻辑, 以及人类智能的基本单元是符号, 认知的过程是符号表示下符号运算的过程.
- 结构模拟: 连接主义, 认为人工智能源自仿生学, 特别是人脑模型的研究, 主要模拟神经元生理机制.
- 行为模拟: 控制论主义, 认为人工智能源自控制论, 原理是控制论及激励-响应控制系统.
回顾了一番后我终于理清了之前一直不太懂的 人工智能, 机器学习, 深度学习的关系:
人工智能是人们提出的一个理想化的概念, 在得出人类智能的定义前谁也没法说出到底什么是人工智能, 到底某机器是否具备人工智能. 机器学习是人们以制造人工智能为目标造出的各种具有部分智能的东西, 而深度学习是其中从仿生角度出发的研究.
💡很有意思的是智能另有一个含义: 能对环境作出反馈. 比如智能材料, 狭义的智能机器人等.
这番思考总结后我认为图灵测试并不能绝对判定一个东西是否具有人类智能.
一方面中文房间实验是很有力的反驳. 也许有人认为这个实验所假设的完美的指导书是不存在的, 是理想化的, 但实际上图灵测试也是这样的东西, 能够完美检测被测试者是否具有智能的测试是不存在的. 我们只需要足够大的"指导书"就能够应付图灵测试. 参考无穷大 的数学定义, 我们可以有这样的结论: 假设我们以M来衡量一个图灵测试的测试范围, 对任意给定M测试范围的图灵测试, 我们总能写出这样的"指导书"X: X让机器在当前图灵测试内表现得像一个人.
另一方面是因为我认为人们目前对人类智能的认知是不够的. 打个比方: 牛顿得出三条牛顿定律, 被人们奉为铁律, 后来相对论推翻了它, 牛顿定律变为了只在低速情况下适用. 但相对论又是绝对正确的吗? 目前它还没被推翻. 而我们对智能的判别甚至还停留在以经验来判断的阶段. (这里又存在一个哲学问题了: 存在绝对的真理吗? 这里我们暂且不讨论.) 也许我们可以说图灵测试在当前对人类智能的认知水平下可以作为是否具有智能的标准, 但它是那样的简陋, 早晚是要被取代的.
