一般情况下，这些说法是无根据的。我认为，它们主要建立在科学归纳原理的基础上。人在一生中见过成千上万的机器，他从在机器身上所看到的东西中，得出许多一般性结论：它们又粗又笨，每台机器只能用于非常有限的目标，目标稍有变化，它们就变得毫无用处，无论何种机器，行为变化都非常之少，等等。他自然得出这样的结论：这些是机器一般的必要特性。在这些局限性中，许多与大多数机器存储容量过小有关。(我假定将存储容量的概念以某种方式扩展到离散状态机以外的那些机器上去。准确的定义并不重要，因为在当前的讨论中并不要求数学上的精确性。)几年前，很少听说过数字计算机，如果只谈它们的特点，而不讲它们的构造，那就很可能对它们产生许多疑惑。这大概是由于类似地运用了科学归纳原理，当然，这原理的这些运用在很大程度上是无意识的。挨过烧的孩子怕火，并且通过躲避火表现出他怕火，这时，我就可以说他是在运用科学归纳。（当然，我也能用许多别的方式来描述他的行为。)人类的工作和习惯看来不大适合作为科学归纳的素材。要获得可靠的结果，必须在相当大的时空范围中进行研究，否则，我们有可能(像许多英国儿童那样)判断说，人人都讲英语，学法语真傻。
然而，针对前面提到的许多能力缺陷，有一些专门评论。没有品尝草莓冰淇淋的能力，在读者看来，是无足轻重的。造一台能品尝这种美味的机器并非不可能，但是试图使人们这样做，近乎白痴。重要的是，这种能力缺陷会引起另一些能力缺陷，比如难于在人与机器之间形成像白人和白人或黑人与黑人之间那样的友谊。
“机器不会出错”这种断言显得有点奇特，有人甚至反驳说“这样是不是更糟呢？”但我们还是采取较为赞同的态度，看一看它真正的意义是什么。我想，可以通过模仿游戏来解释这个批评。有一种看法是，提问者只要让人和机器做一些算术题，就可以把两者区分开来。机器会暴露，因为它太准确了。对此作答复并不困难。(为做游戏而配有程序的)机器不必力求对算术问题作出正确回答，它可以在演算方式中有意制造一些错误，来迷惑提问者。由于对算术错误类型选择不当，机器的失误也会自己暴露出来。即使这样来解释这一批评，其赞同的程度仍不够充分。但是我们进一步发展的余地已经不大了。在我看来，这种批评其实是混淆了两种类别的错误。我们可以称其为“功能性错误”和“结论性错误”。功能错误是由于有某种机械的或电的问题，使机器不能按照设计方式运行。在哲学讨论中，人们倾向于忽略这种错误的可能，因而所讨论的是“抽象机器”。这些抽象机器是数学构想，而不是物理对象。根据定义，它们不会造成功能性错误。在这个意义上，我们确实可以说“机器从不出错”。结论性错误只有在机器的输出信号具有某种意义时才会出现。例如机器可能打印出数学方程或英语句子。如果机器打出一个错误的命题，我们就说它犯了结论性错误。显然没有任何理由说机器不会造成这种错误。它也可能除了反复地打出“0=1”以外什么也不做。举一个较合常理的例子，它可能运用通过科学归纳得出结论的方法。我们一定会估计到，这种方法偶尔也会产生错误的结果。
人工智能哲学
60