论数码物的存在
些陈述都应该是可以推论的，并且计算机应该能够达到人的智能水平—即便不是更高层次的思维，也至少能在常识上媲美。[1]但是德雷福斯指出，即使世界上有数以百万计的物体与事物的表征，也不足以解决常识性的知识问题。这有两个原因。首先，很难想象我们可以囊括每种可能的语境，其次，计算机无法构建来自数百万个表征的语境。[2]第二个原因更为重要，因为闵斯基提出了微观世界的观点，通过将域限制为一组问题来实现智能化。此假设存在问题，因其忽略了海德格尔所说的前结构，或理解的阐释学：微观世界假设了整个在世存有。知识库将持续增加，但不会达到智能的本质。德雷福斯因此声称语境问题会无止境地倒退，这意味着这种笛卡尔式的人工智能方法是完全错误的：
要在图片中挑出两个点作为眼睛，我们必须已经将该语境识别为一张脸。要将这种语境看作是一张脸，就必须从光影中辨别它的相关特征，例如脸型和头发，而这些特征又可以在更广泛的语境下被认为是相关的，例如，一个家庭环境，程序可以在其中找到脸。这一语境也必须由其相关的特征识别为社会的，而不是比如说，气象的，由此程序将人而不是云看作是重要的。但是，如果只能根据所选择的相关特征以及在更广泛的语境下解释的特征来识别每个语境，则人工智能开发人员将面临语境的倒退。[3]
德雷福斯对人工智能哲学基础的批判非常清晰且令人信服。相反，我们也有理由看到语义网或本体驱动的方法与早在20世纪50年代的老式人工智能非常相像。正如计算机科学家约里克·威尔克斯(Yorick Wilks)指出的，
有些人将伯纳斯-李、亨德勒(Hendler)和拉西拉(Lassila)语义网的首次发布(2001年)看作用新奇时髦的万维网术语对老式人工智能议程的重新表述…这种规划行为是老式人工智能的核心，并且几十年来对人工智能形式知识表示的研究正在向现代本体讨论发生直接的转变(在语义网的讨论之外)。[4]
152
140