相比于傳統(tǒng)AI，近幾年來的深度學習，以及Alphago所復興的強化學習，他們已經(jīng)表現(xiàn)了人類智能中從樣本數(shù)據(jù)和環(huán)境反饋中不斷學習的能力。但總體來看，雖然Alphago的算法設計非常精妙，它仍然基于對大數(shù)據(jù)的暴力統(tǒng)計運算，這和人類智能的運作過程完全是兩回事。Alphago進行了幾千萬局的對弈，并對這些局面進行統(tǒng)計分析，然后才得到了與人類同樣的棋力。但一個天才棋手達到同等程度的棋力，只需要下幾千盤棋，不到Alphago的萬分之一。因此，Alphago的學習效率仍然是十分低下的，這說明，它仍然沒有觸及到人類智能中最本質(zhì)的部分。
更關鍵的是，深度學習仍然不能免于那些困擾傳統(tǒng)AI的理論難題。比如說機器人的框架問題，需要對機器人所處的復雜和動態(tài)環(huán)境做出實時的表征。應用現(xiàn)在的深度學習，可能是一個難以完成的任務。因為深度學習適用的領域，仍然局限于對大樣本圖像和語音數(shù)據(jù)的處理。一個動作可能會帶來哪些附帶的后果，這樣的數(shù)據(jù)因為高度語境依賴，而且難以以大數(shù)據(jù)的形態(tài)存在，因而就不可能用大數(shù)據(jù)來對機器人進行訓練。最終，要生成一個具有人類常識信念的神經(jīng)網(wǎng)絡就是非常困難的，框架問題仍然難以解決。
此外，深度學習由于需要大量的訓練樣本的植入，在訓練過程中需要不斷地調(diào)整參數(shù)，來獲得想要的輸出。比如，Alphago的監(jiān)督式學習訓練出來的策略網(wǎng)絡，就需要人類的棋局作為訓練樣本，而且訓練過程中也需要人工設定特征參數(shù)。在這樣的情況下，神經(jīng)網(wǎng)絡與世界之間的對應關系，仍然是人為設定，而不是神經(jīng)網(wǎng)絡自主生成的。深度學習也不能完全解決符號奠基問題。
三、與其警惕人工智能，不如警惕哲學家
相比于其他工程學領域，AI可能是與哲學聯(lián)系最為緊密的一個學科。在人工智能哲學史上，很多哲學家都試圖用一些替代的思想資源，來改進人工智能的技術方案。而哲學也在這個過程中，扮演了牛虻的角色，通過不斷澄清人類智能和認知的本質(zhì)，來檢視AI的弱點和限度，最終激勵AI的研究。在所有哲學家中，被人工智能研究者所援引最多的作者，可能就是海德格爾和維特根斯坦。
早在AI的符號主義時代，美國的海德格爾專家德雷福斯就批判了當時的AI。無論AI的算法多么復雜，都可以歸結(jié)為用符號邏輯或神經(jīng)網(wǎng)絡來表征世界，然后基于對這些表征的高效處理來規(guī)劃行動。然而，這并不完全符合人類的行為模式。在德雷福斯看來，人類的大量行為并不涉及表征，行動者直接與環(huán)境進行實時交互，并不需要在頭腦中表征出世界的變化之后再規(guī)劃行動。后來MIT的布魯克斯就采用了這種“無表征智能”的方案（雖然布魯克斯不承認德雷福斯對他的影響，但據(jù)德雷福斯說，這個idea源于布魯克斯實驗室的某個學生選修了他的哲學課），設計過一個可以實時響應環(huán)境的機器人“成吉思”。
除了海德格爾，維特根斯坦也是AI批判的另一個風暴中心。維特根斯坦在1939年左右，在劍橋主講過一門數(shù)學基礎的課程，而我們開篇提到的人工智能先驅(qū)圖靈正好選修過這門課程。后來有一部科學小說《劍橋五重奏》便安排了兩人關于機器能否思維展開了一番唇槍舌劍，其中一部分素材就是取自于兩人在課上的爭論。在維特根斯坦看來，人類與機器雖然都是遵循一定的規(guī)則而行動的，然而，規(guī)則對于機器而言是構(gòu)成性的，因為它的運作就必須依賴于規(guī)則，但對于人類而言，遵守規(guī)則就意味著有意識地遵守它。但維特根斯坦對AI影響最大的是他晚期關于語言的學說。維特根斯坦早期認為，語言就是由一系列可以通過符號邏輯來描述的命題構(gòu)成的集合，而世界也是由事實組成的，這樣，命題就是事實的邏輯圖象，我們就可以通過命題來刻畫世界。這個思想與AI的觀念是完全同構(gòu)的。然而，維特根斯坦晚期放棄了這些觀念，他認為語言的意義不在于基本命題的組合，而在于它的用法，正是我們對語言的使用決定了它的意義。因此，像傳統(tǒng)AI那樣試圖建立符號與對象之間的固定聯(lián)系，是徒勞無功的，語言的意義只有在其使用中才能建立?；谶@個觀念，一些AI專家比如斯蒂爾就用它來解決符號奠基問題。他設計了這樣一個機器人種群，其中一個機器人看到一個對象比如說箱子之后，隨機生成了一個符號串比如Ahu來代表它，然后，它將Ahu這個符號傳達給另一個機器人，讓它猜謎，看哪一個對象對應著Ahu，如果這個機器人正確地指出了Ahu對應的箱子，就傳達給它一個正確的反潰于是，這兩個機器人獲得了一個代表Ahu的詞匯。斯蒂爾將這個過程稱之為自適應語言游戲，通過不斷地進行這種游戲，這個機器人種群就可以獲得關于它們周圍世界的語言描述，從而將符號的意義自主地奠基于世界之中。