因此严格地讲，一个人工智能结果是由以下方面组成：分离出特殊的信息加工问题，系统阐述用于该问题的计算理论，构造实现这一理论的算法，以及通过实践证明算法是成功的。对于一个特殊问题，算法理论一经建立，就再也不必重复做它，这是很重要的一点，也是可能取得进步的原因，在这方面，AI结果的表现与数学的或任何硬自然科学的结果有其相似之处。在确定一个问题的计算理论是否已得到恰当的系统阐述时，必须采用某种判断方式。“吃掉对方的王”这一陈述规定了国际象棋的目标，但是这很难说是国际象棋计算问题的恰当表征。1这里所需要的那种判断，看来与确定一个数学成果是否可作为一个新的实质性定理的判断十分类似，同时，如果未对这种判断的基础作出说明，我并不感到有什么不妥。[2]
有关由什么构成AI结果的这一看法，可能是大多数科学家都可以接受的。乔姆斯基(Chomsky1965)有关英语句法的“语言能力”理论的观点，恰恰就是我所说的这一问题的计算理论。它们都具有不涉及繁冗的算法细节的性质，然而在表现出语言能力(即实现计算)时，必须有算法的运行。这并不是说发明合适的算法是件容易的事，而是说，在我们可能发明算法之前，必须确切知道算法被假定用来做什么，而这一信息是通过计算理论来获取的。一个问题以这种方式解构之后，我将称它具备了1型理论。
美中不足的是，虽然许多生物信息加工问题具有1型理论，但是它们之所以具有这种理论的原因，却一点也不清楚。如果出现这种情况：在解决一个问题时，有众多过程同时行动，而这些过程的相互作用就是它本身的最简单描述，那么我称这种情况是2型理论。1预见蛋白质怎样折叠的问题，是2型理论很有希望的候选者。当一个大肽链在媒质中震动摇摆时，有大量的因素对其施加影响。在每一瞬间，只有少数几个可能的相互作用是重要的，但是它们的重要作用却具有决定性的意义。若要建构一个简化理论，必须忽略一些相互作用；但是如果在进行折叠的某个阶段上，大多数相互作用都是关键性的，就证明简化理论是不恰当的。值得一提的是，当前最有希望的蛋白质折叠研究是以蛮力方式进行的研究，它建立了一个相当细致的氨基酸模型，有与其序列相关联的几何形状，有与周围液体的疏水相互作用，以及随机热扰动，等等，然后让这一整套过程运行，直到获得一个稳定的构形为止(Levitt and Warshel 1975)。
人工智能哲学
\* D.C·玛尔，“人工智能之我见”，引自《人工智能》9(1977)：第37—48页。Elsevier科学出版社允许重印。
D.C·玛尔(David C. Marr)，麻省理工学院视觉研究实验室主任。
[1]一个在原理上能够解决国际象棋问题的计算理论，就是穷尽式搜索。然而真正有意义的做法是系统阐述人类用于下棋的计算步骤。可以假定，人们希望得到一个具有相当普遍的应用价值的计算理论，并辅之以该理论恰好可应用于某类国际象棋赛的证明，以及我们下这类棋的证据。
[2]在已知的计算理论没有得到新的实质性说明的情况下，也有可能再次发明实现这一理论的新的算法，如威诺格拉德(Winograd1976)的特快速富里埃变换，就没有对富单埃分析的性质作出任何新的说明。
144