編者按：本文內(nèi)容來源于《第四次革命》一書，本書作者是信息哲學(xué)領(lǐng)軍人，牛津大學(xué)哲學(xué)與倫理信息教授，牛津大學(xué)互聯(lián)網(wǎng)研究院主任，谷歌首席咨詢顧問盧西亞諾 · 弗洛里迪。
人工智能研究試圖再生人類智能行為的結(jié)果，并創(chuàng)造出與人類智能行為相當(dāng)?shù)闹悄?。?dāng)興趣點(diǎn)聚集于再生智能行為時(shí)，人工智能作為工程學(xué)的分支獲得了令人驚嘆的成功。如今，人類越來越依賴于同人工智能相關(guān)的應(yīng)用（智能技術(shù)）來完成眾多任務(wù)，如果只靠獨(dú)立的或精簡的人類智能，這些任務(wù)或許根本無法完成。再生人工智能在前所未有的眾多領(lǐng)域常常會(huì)超越和取代人類智能。丹麥計(jì)算機(jī)學(xué)家艾茲格·迪科斯徹的著名評(píng)論——“機(jī)器是否能思考，與潛水艇是否能游泳的問題很像”，暗示的就是再生人工智能共享的應(yīng)用方法。下次你坐飛機(jī)時(shí)，如果再遇到顛簸的降落，記住這可能是人類飛行員在操作飛機(jī)，而不是計(jì)算機(jī)。
然而，當(dāng)興趣點(diǎn)聚焦于產(chǎn)生智能時(shí)，多產(chǎn)人工智能作為認(rèn)知科學(xué)的分支卻令人失望。它不僅沒能超越人類智能，甚至沒能加入競爭圈。如今，機(jī)器智能還停留在烤面包的程度，而且我們對(duì)于如何改進(jìn)這一點(diǎn)毫無線索。當(dāng)你的計(jì)算機(jī)屏幕上跳出“找不到打印機(jī)”的警示時(shí)，你可能會(huì)稍感不快，但并不會(huì)驚訝，雖然有問題的打印機(jī)就放在計(jì)算機(jī)旁邊。2011年，IBM能回答用自然語言所提出問題的超級(jí)計(jì)算機(jī)Watson戰(zhàn)勝人類對(duì)手贏得益智類問題游戲節(jié)目《危險(xiǎn)邊緣》這一事實(shí)，只是展示了人造智能可以很聰明，但卻沒有智能。數(shù)據(jù)挖掘者并不需要智能來獲得成功。
人工智能的兩個(gè)“靈魂”（工程學(xué)和認(rèn)知學(xué)）在智力優(yōu)勢、學(xué)術(shù)權(quán)力和財(cái)政資源上常常相互競爭。一部分原因是它們擁有共同的由來和同一個(gè)智能傳承：同樣的誕生事件（1956年達(dá)特茅斯夏季人工智能研討會(huì)）和同一個(gè)“父親”（艾倫·圖靈，包括他的計(jì)算機(jī)及其計(jì)算局限，以及他著名的圖靈測試）。那些旨在用來檢驗(yàn)?zāi)M的來源是否已經(jīng)被生成，或者只是匹配或超越了此類智能來源的行為或表現(xiàn)的模擬，似乎并沒有什么用。
人工智能的兩個(gè)“靈魂”的名字很多，而且并不總是一致。有時(shí)候是弱人工智能與強(qiáng)人工智能，或是好的老式人工智能與新的/新式人工智能，它們能被用來描述兩個(gè)“靈魂”的差異。我更喜歡用造成更少誤解的輕人工智能與強(qiáng)人工智能之間的差別來描述。兩者目標(biāo)和結(jié)局的不同導(dǎo)致了無休無止的，但大多毫無意義的誹謗。人工智能的辯護(hù)者著力于再生、工程學(xué)人工智能的強(qiáng)大結(jié)果，這正是弱人工智能或輕人工智能的目標(biāo)；而人工智能的誹謗者著力于多產(chǎn)、認(rèn)知人工智能的弱產(chǎn)出，這是強(qiáng)人工智能的目標(biāo)。許多毫無意義的對(duì)特異事件的推測（有一天人工智能會(huì)超越人類智能的理論邊界），其根源都在于這種誤解。
如今，模擬仿真和功能主義不能混為一談，因?yàn)橥瑯拥墓δ埽舨萜骸⑾幢P子、下象棋）由不同的物理系統(tǒng)來完成。仿真與結(jié)果是聯(lián)系在一起的：經(jīng)由完全不同的策略和過程，互相模仿的智能體會(huì)得到同樣的結(jié)果（草坪剪好了、盤子洗干凈了、游戲贏了）。結(jié)果并不由過程所決定。這種對(duì)結(jié)果的強(qiáng)調(diào)在技術(shù)上頗為引人入勝且非常成功；它是信息與通信技術(shù)在我們的社會(huì)中不斷擴(kuò)張的見證。不過，它的哲學(xué)內(nèi)涵卻讓人昏昏欲睡，總結(jié)起來也不過是“錯(cuò)綜復(fù)雜”。這會(huì)成為我們對(duì)人工智能哲學(xué)的興趣終結(jié)點(diǎn)嗎？我認(rèn)為完全不會(huì)，至少有兩個(gè)主要原因。
第一，通過嘗試?yán)@過語義門檻并從硬件和句法中“擠出”一些信息過程，人工智能開辟了大量而廣闊的研究領(lǐng)域。這些領(lǐng)域在觀念上挑戰(zhàn)著人工智能自身的權(quán)利，同時(shí)它們也是與人工智能的潛在內(nèi)涵和應(yīng)用相關(guān)的有趣觀念。這些創(chuàng)新一部分被稱為新人工智能，比如安置好的機(jī)器人、神經(jīng)網(wǎng)絡(luò)、多智能體系統(tǒng)、貝葉斯系統(tǒng)、機(jī)器學(xué)習(xí)、細(xì)胞自動(dòng)機(jī)、人工生活系統(tǒng)，以及很多不同的專門邏輯等。一旦你接觸到這些領(lǐng)域，許多觀念問題和科學(xué)問題看起來就不再一樣。
第二也是最重要的一點(diǎn)是，為了避開之前提到的分歧（工程學(xué)VS.認(rèn)知學(xué)、仿真VS.模擬），我們必須意識(shí)到，人工智能不能被簡化為“自然科學(xué)”或者“文化科學(xué)”，因?yàn)樗且婚T“人工科學(xué)”。這也正是諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主赫伯特·西蒙的觀點(diǎn)。人工智能既不追求通往世界的描述性方法，也不追求規(guī)范性的途徑。它致力于探究在我們所生活的世界上建立和嵌入人造智能并與之進(jìn)行成功交互的限制。換句話說，它旨在記錄世界，因?yàn)檫@樣的人造智能是一些新的邏輯數(shù)學(xué)代碼，也就是伽利略的有關(guān)大自然的數(shù)學(xué)書中所說的新文本。這種記錄世界的過程是我們?cè)诘?章中所說的構(gòu)建信息圈的一部分，它對(duì)我們更好地理解世界正在發(fā)生的變化非常重要。