【图铃】科普的两个著名人工智能思想实验：图灵测试和汉语室。

指导：人工智能的预定义是机器模仿人类智能行为的能力。那么，如何定义智力呢？

作者：道格罗斯

资料来源：中国肠道技术

01图灵测试

英国计算机科学家阿伦图灵因参与解密二战期间德国人用于通信的神秘机器(密码机)而声名远扬。战争结束后，他对早期的电脑视而不见，对机器怎么想很感兴趣。

在1951年的一篇论文中，他提出了以维多利亚时代室内游戏为基础的模仿游戏的测试。游戏中，一男一女坐在一个房间里，提问者在另一个房间里(见图1.1)。

图1.1模仿游戏

提问者会问这对男女一个问题。然后小组将把他们的答案以书面形式发回。提问者推测所有书面答案是男的还是女的。同时，男人试图愚弄提问者，女人想帮助他。

对现代人来说，这个游戏不太有趣，但对图灵来说，这是测试机器智能的良好基础。他想象了一个更新的模仿游戏，在这个游戏中，那个男人被机器取代了(见图1.2)。

图1.2图灵测试

然后提问者问这个女人和机器的问题，书面撤回答案。如果提问者以同样的可能性选择其中一个(也就是说，提问者无法分辨到底是人回答还是机器回答)，那么这台机器被认为是智能的。这个游戏后来被称为图灵测试。

这个测试比McCarthy发明人工智能这个词早几年，但也引起了人们对“有想法的机器”的好奇心。尽管近70年过去了，这个测试听起来还是很有趣。想象一下，如果用自己的语言向一台机器提问，从得到的回答中分辨不出别人的回答，会怎么样。

尽管如此，大多数专家都同意图灵测试不一定是衡量智力的最佳方法。首先，这在很大程度上取决于提问者，有些人很容易受骗，认为自己在和别人说话。另外，假设人工智能将与人类智能相似。我们可以假设，在执行高级任务(例如寻找新药或准确预测全球气候模型)之前，我们可以与机器进行像样的对话。

但是图灵测试仍然引起了很多革新。一些公司仍在尝试制造智能聊天机器人，还有一些NLP比赛正在试图通过图灵测试。人们似乎认为现代机器在几年内就能通过图灵测试。很多现代NLP应用程序都能准确理解大多数请求，现在只需要提高反应能力。(约翰f肯尼迪)。

然而，即使一台机器能通过测试，这台机器也不太可能被认为是智能的。即使智能手机能欺骗你，让你觉得你在和人说话，但这并不意味着它能进行真正有意义的对话。(莎士比亚)。

02汉语室实验

人们首次尝试人工智能是在1956年。Allen Newell和Herbert A. Simon(见图1.3)创建了一个名为“常见故障诊断程序”的计算机程序。这个程序旨在解决所有能用数学公式表达的问题。

图1.3 Newell和Simon(卡内基梅隆大学图书馆)

这个共同故障诊断程序计划最重要的部分之一是Newell和Simon称为物理符号系统假设(PSSH)。他们认为符号是通用智能的关键。如果能给程序连接足够的符号，就会有与人类智能类似的方式工作的机器。(约翰肯尼迪)。

符号在与世界的互动中起着重要的作用。当我们看到停车标志时，我们知道停车，确认了交通情况。当我们看到“猫”这个词时，我们知道它代表了可以喵喵的毛茸茸的小猫科动物。如果我们看到椅子，我们知道那是可以坐的东西。当我们看三明治的时候，我们知道这是可以吃的食物，甚至会感到饥饿。

Newell和Simon认为，只要建立足够的这种联系，机器就能表现得像人类一样。他们认为人类推理的核心部分是连接的符号。也就是说，我们的语言、思想和概念只是由相互联系的符号组成的混合体(见图)

1.4）。

▲图1.4 互相连接的符号

但并不是每个人都认同这个想法。1980年，哲学家 John Searle 认为，仅仅连接符号不能被视为智能。为了支持他的观点——不认同计算机会思考或至少有一天能够思考，他创建了一个名为“中文房间”的实验（见图1.5）。

▲图1.5 中文房间实验

在这个实验中，想象你自己是一个只会说英语的人，被锁在一个没有窗户的房间里，门下有一个狭窄的缝隙，你可以通过它传递信息。你有一本书，上面有一长串的中文陈述，地板上放满了汉字，还有一些指示，如果给你一系列汉字，你就要用书中相应的陈述来回应。

房间外面有人能说一口流利的中文，他写了一个便条，然后从门下的缝隙递给你。你不知道上面写了什么，需要经历一个翻阅书的枯燥过程，根据便条上的汉字找到对应的回复。使用地板上的字符，将语句粘贴到一张纸上，然后把它从门缝里递给给你原始信息的人。

把纸条递给你的这个人认为你们两人在交谈，而且你很聪明。然而，Searle 认为这还远远不够智能，因为你不会说中文，而且你并不理解自己刚刚收到或发出的信息是什么意思。

你可以用智能手机做一个类似的实验。如果你问Siri或Cortana感觉如何，它很可能会说它感觉很好，但这并不意味着它感觉很好，也可以说它什么都感觉不到。它甚至不明白这个问题。她只是把你的问题和被认为可以接受的答案相匹配，然后选择一个作答。

符号匹配的一个关键缺点是所谓的组合爆炸——符号组合的快速增长使得匹配越来越困难。人们可以问各种各样的问题，针对一个问题有不同的回答，想象一下就知道匹配有多少组合了。在刚才那个中文房间的例子中，你会有一本不断增长可能的输入和输出的书，这会花费你越来越长的时间来找到正确的答案。

即使面临这些挑战，多年来符号匹配仍作为人工智能的基石。然而，符号匹配已经无法跟上人工智能应用日益复杂的步伐。早期的机器很难匹配所有的可能性，即使它们可以，这个过程也花费了太多的时间。

关于作者：道格·罗斯（Doug Rose），有超过25年为各种组织提供技术、培训和流程优化变革的经验。他是美国项目管理协会（PMI）关于敏捷框架的第一本主要出版物Leading Agile Teams的作者，还是Data Science: Create Teams That Ask the Right Questions and Deliver Real Value和Enterprise Agility for Dummies两本书的作者。

本文摘编自《认识AI：人工智能如何赋能商业（原书第2版）》，经出版方授权发布。

（ISBN：9787111691778）

延伸阅读《认识AI：人工智能如何赋能商业》

推荐语：抢占AI时代红利！智能时代不可不读的AI趣味概述，海量漫画帮你轻松搞懂AI。