--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能哲学" author: null edition: null publisher: null year: null isbn: "7532740544" library_document_id: "7f418071-0fdc-4a5a-a4c5-82dd1979d9c2" source_sha256: "1a81e5f3981b3c472c59c41e3051e038e997d095f1ab9e963fbb8a043c2cba34" pdf_physical_page_count: 501 pdf_physical_page_index_base: 0 range_start: 110 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2?start=110&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=110&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=100&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=120&limit=10" --- # 人工智能哲学 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=110 | PRINTED_PAGE=102 塞尔的否定性论断，即形式计算理论不能对理解作出解释，迟迟未受到反驳。我这里的反驳包括两部分：第一，直接论及他的中文屋的例子：第二，涉及他的背景假定一计算机程序是纯句法的(这也是中文屋例子的基础)。 中文屋的例子，在认知科学圈内外都引起很多争论。有一些批评，塞尔自己在他的原文中已预见到，另一些则以同行评论的形式出现(同时有塞尔的答复)，更多的则发表在其后。我这里只着重谈两点：塞尔所谓的机器人应答，以及我所谓的英文应答。 机器人应答承认，塞尔例子中对中文仅有的理解是屋外中国人享有的理解，屋中的塞尔没有将中文字符同外部世界中的事件联系起来的能力，这表明他不理解中文。类似地，即使尚克的电传打字计算机能够正确“回答”我们关于餐馆的问题，这台不能辨认餐馆，不能向服务员交费，或是不能咀嚼食物的计算机，不会对餐馆作出任何理解。但是机器人又是另一回事，因为机器人不仅带有餐馆脚本，而且还配备有照相视觉程序，以及能走路和能拾起东西的肢体。如果这样一种机器人的输入输出行为与人类行为完全等同，那么就可以证明它既理解餐馆，又理解人们与它交流用的自然语言也可能是中文。 由于机器人应答承认了认知不仅是形式符号处理的问题，同时还需要增加一组与外部世界的因果关系，因此塞尔对该应答所作的第一个反应是声称已经取得了胜利，其次，他坚持认为给计算系统增加感知运动能力，并不是增加意向性或理解。 为了论证这一点，他想象出一个机器人，里面有一个小小的塞尔，可能是在头颅里，而不是配备着一个使它工作的计算机程序。机器人中的塞尔在一本(新)规则书的帮助下，把纸片重新排列，把“甲”和“乙”递进递出，正像在他之前的屋中塞尔所做的那样。但是现在进来的部分或全部中文字符不是中国人送入的，而是由机器人眼睛和耳朵里的照相机和听力装置通过因果过程激发产生的。递出的中文字符不是由中国人的手接收，而是由接在机器人肢体上的马达和杠杆接收，从而造成运动的结果。简言之，这个机器人显然不仅能用中文回答问题，还同样能够看东西、做事情：它能认出生的豆芽，并根据食谱要求，把豆芽扔进锅里，和我们所有其他人做的一样。 人工智能哲学 102 ## PDF_PHYSICAL_PAGE_INDEX=111 | PRINTED_PAGE=103 (上述计算机视觉方面的研究使我们看到，若要完成这个实际例子，中文词汇量还需大大扩充。AI在语言加工方面的大量研究工作表明，在塞尔原来的“问题回答”例子中，为了表达规则，对于英文也存在着同样的要求。无论在哪种情况下，屋中的塞尔所需要的不是如此之多的中文，甚至也不是英文，而是编程语言。我们即将回到这一问题上。） 然而，机器人中的塞尔像他那位关在屋中的前任一样，对更广泛的背景情况一无所知。他像原来一样对中文简直一窍不通，同时，对外部世界的掌握也不比前例中更多。对他来说，豆芽和锅既看不见，也抓不到；机器人中的塞尔所能看见和摸到的，除了规则书和涂划之外，就只有他自己的身体和机器人头颅的内壁了。塞尔说，因此我们不能认为机器人对这些实际事物有什么理解。其实，它根本看不到，也做不了任何事情：它只是“受电路和程序支配简单地来回运动而已”，其后由它里面的人例示说明，而这个人“没有任何相关类型的意向状态”。(Searle 1980):420) 塞尔在这里所作的论证不能作为对机器人应答的反驳而被接受，因为它在想象的例子与计算心理学的主张之间作了一个错误的类比。 根据塞尔的假定，机器人中的塞尔应实现人类大脑(根据计算理论)所实现的功能。虽然塞尔认为机器人中的塞尔应具有原模原样的意向性，就像他本人一样，但是其实大多数计算专家并没有把意向性赋予大脑(我们即将看到，那些把意向性赋予大脑的人，只是以非常有限的方式这样做的)。计算心理学并不相信大脑能看见豆芽或理解英文：像这样的意向状态是人的特性，而不是大脑的特性。虽然表述和心理过程(被计算专家和塞尔同样地)假定为在大脑中得到实现，但它们使之成为可能的感觉运动能力和命题态度是属于作为整体的人的。所以塞尔所说机器人颅内的系统是一个能理解英文的系统，并不是真的等同于计算专家们所说的有关大脑的情况。 4 逃出中文屋 103 ## PDF_PHYSICAL_PAGE_INDEX=112 | PRINTED_PAGE=104 的确，计算心理学家们所假设的、并由他们在心灵的计算机模型中实现的那些专门过程，是有点愚笨的，而且当人们朝更加基本的理论层次前进时，它们会显得越来越愚笨。作为例子，我们来看看自然语言的语法分析理论。寻找一个限定词的语法分析过程，不是理解英文，为人称代词确定参照词的过程也同样不是理解英文，只有在大脑中完成这些解释过程的人，以及其他许多与这些过程发生联系的人们，才能够理解英文。理解英文的能力包含大量相互作用的信息加工过程，其中每一过程所完成的只是非常有限的功能，但是合在一起，它们就提供了以英文句子作为输入并以恰当的英文句子作为输出的能力。同样的看法也适用于视觉计算理论、问题求解或是学习的各个组成部分。正是因为心理学家希望解释人类语言、视觉、推理和学习，他们才设定了一些不存在这些能力的基本过程。 简言之，塞尔把机器人的假脑(也就是机器人中的塞尔)说成是理解英文的，这中间有一个范畴错误，相当于认为大脑是智能的担负者而不是智能的因果基础。 这里，有人也许会反对说，我是自相矛盾的：我主张不能把意向性赋予大脑，但是我的做法却隐含着这种倾向。因为我说过大脑实行“愚笨”的组合式过程，但是愚笨其实也是一种智能。愚笨就意味着有智能，但并非高智能(我们可以说一个人或一条鱼笨，但却不能说一块石头或一条河笨)。 我的辩护分作两步。第一，所有理论中最基本的理论层次是处在机器码的神经科学等价物中的，这是一个由进化“建造”的层次。某种感光细胞能用与“狗侦探”一样的动作对强度梯度作出响应，一个神经元可以抑制另一个神经元的激发，这些事实都可以用大脑的生物化学性来解释。在讨论这些事实的时候，愚笨的概念完全是不恰当的，即使是以引喻的方式。然而，这些很基本的信息加工功能(狗侦探、突触抑制)却能正确地说成“非常、非常、非常……笨”。当然，这意味着，意向的语言，即使是属于十分牵强和不足以称道的类型，毕竟可以应用于大脑加工—由此引出我的第二点辩护。我不是说不能把意向性赋予大脑，而是说原来意义上的意向性不行。我也不是说大脑根本不能以任何有限的方式理解任何事物，而是说它们不能理解(例如)英文。几段之前，我甚至提到过，有些计算专家确实把某种程度的意向性赋予大脑(或赋予正在大脑中进行的计算过程)。让我们先来看一看英文应答及其与塞尔所作的“形式句法计算理论是纯句法的”这一背景假定的关系，这样，以上两点会更为清晰。 人工智能哲学 104 ## PDF_PHYSICAL_PAGE_INDEX=113 | PRINTED_PAGE=105 英文应答的关键问题是，例示计算机程序，无论是由人还是由人造的机器来完成，本身就包含着理解——至少是对规则书的理解。在塞尔原来的例子中，至关重要的一点就是屋中的塞尔能够理解书写规则所用的语言，即英文；同样，如果机器人中的塞尔不熟悉英文，机器人决不会把豆芽投进锅里。此外，如上所述，英文词汇量(对机器人中的塞尔来说，还有中文词汇量)必须经过大规模的修订，才能使这个例子生效。 我们可以把一种未知语言(无论是中文，还是B类线型文字)仅仅作为审美对象，或一组以系统方式联系起来的形式。逻辑学家或纯数学家能够仅仅从人工语言在心灵中的结构特性出发设计和研究人工语言[虽然 D·R·霍施塔特(Hofstadter 1979)的准算术 pq 系统的例子表明，形式演算在心理学上令人信服的、富有预见性的解释，可能会自发出现〕。然而，人们通常又用一种全然不同的方式对自己的母语符号作出响应。的确，要把熟悉的词的意义“括起来”（忽略掉），是很难做到的。计算心理学家所持的观点，即自然语言可以用过程术语来表征，在这里是至关重要的，因为词、分句和句子可以看作微型程序。人们所理解的自然语言中的符号，引起了各种类型的心理活动。学习一种语言，就是建立起相关的因果联系，这不仅是词与现实世界(“猫”与席子上的那个东西)之间的联系，而且是词与解释这些词时所具有的许多非内省过程之间的联系。 4 逃出中文屋 105 ## PDF_PHYSICAL_PAGE_INDEX=114 | PRINTED_PAGE=106 而且，我们毋需由(塞尔所作的)假设得知屋中的塞尔理解英文，因为他在屋中的行为清楚地表明他理解英文，或者更确切地说，他的行为表明他理解英文中一个非常有限的子集。 屋中的塞尔可能患有严重的记忆缺失症，致使他英文词汇中的百分之九十九被遗忘，但是这不会带来什么影响。他掌握了他所需的英文，这正是解释(原文如此)规则书所必须的，即详细说明怎样接收、选择比较和送出不同模式的那部分。与塞尔不同的是，屋中的塞尔不需要像“催化”、“啤酒罐”、“叶绿素”和“餐馆”这样的词。但是他可能需要“找出”、“比较”、“二”、“三角形”和“窗口”这样的词(尽管他对这些词的理解可能比塞尔的完整理解差得多)。他必须理解条件句，因为规则也许这样规定：如果看到“甲”，就应当送出“乙”。同样，他必须理解用某种方式表示的否定、时间顺序和概括(特别是他打算学会把工作干得更快时)。如果他使用的规则中包括某些分析中文句子的规则，那么他也需要语法范畴的词汇。(他不需要分析英文句子的明确规则，如AI程序中用于语言加工的分析过程那样，因为他已经理解英文。） 简单说，屋中的塞尔需要理解的仅仅是塞尔英文的子集，该子集等价于计算机所理解的编程语言，这台计算机会在窗口生成同样的“问题回答”输入输出行为。类似地，机器人中的塞尔必须能够理解的无论何种英文子集，都等价于一台完全计算机化的、有视觉运动的机器人所理解的编程语言。 上述两点，可以说是把有争议的假定当成了论据。的确，像这样说计算机所理解的编程语言，看来是自相矛盾的。因为塞尔的基本前提(塞尔假定，这一前提是所有辩论参加者都接受的)是，计算机程序本质上是纯形式的：由它规定的计算是纯句法的，没有可供理解的内在意义或语义内容。 人工智能哲学 106 ## PDF_PHYSICAL_PAGE_INDEX=115 | PRINTED_PAGE=107 如果我们承认这一前提，上述的英文应答就可以立即勾消，因为这是在无对应比较可言的情况下强作比较。但是如果我们不承认该前提，如果———对不起塞尔〔还有其他人(Fodor1980)；Stich 1983)〕—计算机程序不仅与句法有关，那么英文应答毕竟可能是很有意义的。现在我们必须回过来论及这个基本问题。 当然，为了某种目的，人们可以把计算机程序看作一种未经解释的逻辑演算。例如，人们也许能够用纯形式的方法证明：一个形式得当的特殊公式，可以从程序的数据结构和推理规则中推导出来。而且确实有·个所谓的解释者程序，能够接受输入表结构“〔父亲(MAGGIE的)]”，并回答“(LEONARD)”[1]，它这样做时依据的只是形式判据，而无法把这些模式解释为可能是代表真实的人。同样，正如塞尔所指出的，配有餐馆脚本的程序，并不因此而具备有关餐馆的知识。形式体系与某一领域之间存在映射，其本身并不能为形式体系的处理者提供关于这一领域的任何理解。 但是决不要忘记，计算机程序是为计算机设置的程序，当程序在适合的硬件上运行时，机器总是要做某些事情的(所以计算机科学中使用“指令”和“执行”这两个词)。在机器码的层次上，程序对计算机的作用是直接的，因为机器的设计使得一个给定的指令只产生惟一的操作(高级语言的指令在执行前必须转换成机器码指令)。这样，程序指令就不仅仅是形式模式—甚至也不是说明性陈述(尽管为了某些目的，可以把它看作这些说法中的一种)。一旦给定适合的硬件背景，它就是一个能使当前步骤得以执行的过程说明。 对此，人们可能会说，编程语言是一个媒介，它不仅用来表达一些表述(一些可以写在纸上或装入计算机的结构，其中有些结构可能与人们感兴趣的事物保持同构)，而且也用于使特定的机器产生表述性活动。 4 逃出中文屋 [1] MAGGIE 和 LEONARD 分别是儿子和父亲的名字。——译者 107 ## PDF_PHYSICAL_PAGE_INDEX=116 | PRINTED_PAGE=108 人们甚至会说，一个表述是一种活动，而不是一个结构。许多哲学家和心理学家都认为心理表述是内在能动的。最近有些人发表了这种见解，霍施塔特(Hofstadter1985:648)便是其中之一，他特别批评了纽厄尔把符号作为可处理的形式标记的观点。按照他的说法，“大脑本身并不‘处理符号’，大脑是一个媒介，符号在它里面浮动着，并在它里面相互触发。”与“形式主义”心理学理论相比，霍施塔特对“联结论”心理学理论的热情更高。联结论方法含有一些很容易使人联想起大脑的并行处理系统，并且很适合于对大脑的表象、符号或概念建立动态模型。但是，不仅是联结论者能把概念看作内在能动的，也不仅是大脑表象可以用这种方式来看待，事实上，该主张已推广到传统计算机程序方面，特别是冯·诺伊曼机的设计上。计算机科学家B·C·史密斯(Smith1982)论证说，编程形式的表述也是固有能动的，并且有关编程语言语义学的适当理论是承认这一事实的。 史密斯指出，当前计算机科学家们对这些问题有一种极为不适当的理解。他提醒我们，正如上面所说，关于意向性是什么，无论在计算机科学圈内还是圈外，都没有达成一致的看法，同时，关于表述也存在着深层的模糊性。即使从更为技术性的层面来讲，根据计算和形式符号处理，模糊性同样是无法避免的。因为计算机科学家对这些现象究竟是什么的理解，在很大程度上仍然是依靠直觉。史密斯关于编程语言的讨论，明确指出了计算机科学内部的某些根本性混乱。其中尤为重要的是，他认为，计算机科学家们通常在程序的控制功能与它作为形式句法系统的性质之间，作了过分的理论分离。 史密斯批评的这种理论割裂，在广泛使用的“双重演算”编程方法中，表现得十分明显。双重演算方法在程序运行时的说明性(或指称性)表述结构与对它作出解释的过程语言之间，设立了截然的理论区分。的确，知识表述和解释程序有时候是用两种十分不同的形式体系来书写的(如分别用谓词演算和LISP语言)。然而，它们也常常用同一形式体系来表达。例如，LISP(即表处理语言的首字母缩写)就允许用形式上类似的方式表达事实和过程，PROLOG(即逻辑编程的缩写)也是如此。在这些情况下，双重演算方法规定，所涉及的(单一)编程语言，可以在理论上用两种十分不同的方式来说明。 人工智能哲学 108 ## PDF_PHYSICAL_PAGE_INDEX=117 | PRINTED_PAGE=109 为了说明当前争论的这种区分，假定我们希望得到一个家庭关系的表述，该表述可以用来为这类问题提供答案。我们可能决定运用表结构来表述像Leonard是Maggie的父亲这样的事实。或者，我们可能更喜欢基于框架的表述，在这种表述中，可以同时用“LEONARD”和“MAGGIE”来填充父亲框架中相关的姓名槽。此外，我们也可以选择一个谓词演算公式，认为存在两个人(即Leonard和 Maggie)，并且Leonard是Maggie的父亲。最后，我们还可以使用英文句子“Leon-ard is the father of Maggie (Leonard 是 Maggie 的父亲)”。 这四种表述，每一种都可以写在或画在纸上(就像屋中的塞尔所用规则书中的规则那样)，以便我们学会怎样处理相关的标记法之后，就能作出解释。另外，它们也可以在计算机的数据库中得到实现。但是要使它们能为计算机所用，必须有一个解释程序，例如，当我们“问”该程序“谁是Maggie的父亲”时，它就能够找到条目“LEONARD”。有点头脑的人，都不会在计算机还尚未具备表处理能力的情况下，就让计算机实现表结构；也不会在没有填充槽机制的情况下，将框架给计算机，在没有推理规则的情况下，向计算机提供逻辑公式，或者在没有语法分析过程的情况下，给计算机英文句子。(同样，人们知道塞尔不懂葡萄牙文，就不会给屋中的塞尔一本葡萄牙文的规则书，除非他们准备先教他学习这种语言。） 史密斯并不否认，在表达式的指称输入(广义地说，就是所能映射到它上面的实际或可能世界)与它的过程结果(广义地说，就是它所做或使之发生的事情)之间有着重要的差别。表达式“〔父亲(MAG 4 逃出中文屋 109 ## PDF_PHYSICAL_PAGE_INDEX=118 | PRINTED_PAGE=110 GIE)”是与两个实际人物之间特定的亲代关系同构的(所以才可能被我们映射到这种关系上去），这个事实是一回事。表达式“〔父亲(MAGGIE)]”可以使某台计算机确定“LEONARD”的位置，这个事实完全是另一回事。假如情况不是这样，就不会形成双重演算方法。但是史密斯认为，与其固守双重演算方法，还不如采用一个“统一的”编程语言理论，通过设计，使它既包含指称方面，也包含过程方面，这样就会更加简练和减少混乱。 他指出，被双重演算分开的每一边的许多基本术语，既有重要差异，也有深层的理论共性。以变量观念为例，在对它的理解上，逻辑学家和计算机科学家有某种相似之处，他们都承认，一个变量可以在不同的时刻被赋予不同的数值。既然是这样，要就“变量是什么”建立两个不同的理论，就是多余的。然而，在某种程度上，逻辑学家和计算机科学家又把这一术语理解为不同的事物：例如，在LISP编程语言中，一个变量的值就是另一个LISP表达式，而在逻辑中一个变量的值，通常是指相对于形式体系本身的某个外部对象。这些差异应予以澄清—不只是为了避免一个系统试图用变量对变量作推理时出现的混淆。简言之，我们需要单一的“变量”定义，既容许它(在逻辑中)作说明使用，也容许它(在编程中)作过程使用。史密斯证明了类似的看法也适用于其他基本计算术语，然后，他概括出LISP语言语义的单一解释，并且描述了一种新的演算(MANTIQ)，是以心灵中的统一方法设计出来的。 正如用变量对变量作推理的例子所表明的，一个统一的计算理论，可以阐释反映型知识是如何可能的。因为一旦得出这样的理论，一个系统对数据和过程(包括系统本身的内部过程)的表述基本上就是可比较的。这一理论上的优点在心理学上具有重大意义(也是史密斯进行研究的主要动力)。 然而就我们当前的目的而言，关键的一点是，程序和计算的基本理论应当确认计算机程序的基本功能是要使得一些事情发生。一方面可以认为符号逻辑只不过是在摆弄一些未经解释的形式演算(诸如谓词演算)，另一方面也可以把计算逻辑看作是在用数学形式规定的“机器”(诸如图灵机)中进行与时间无关的抽象关系的研究，但是这些方式之中没有一种能够用来对计算机科学作出恰当的描述。 人工智能哲学 110 ## PDF_PHYSICAL_PAGE_INDEX=119 | PRINTED_PAGE=111 根据史密斯的看法，那种常见的把计算机程序表征为完全句法的而非语义的作法，是错误的。任何计算机程序固有的过程结果，都给了程序一个语义的立足点，这里所说的语义不是指称性的，而是因果性的。这是与屋中的塞尔理解英文的类比，而不是与他理解中文的类比。 同样的看法也见于A·斯洛曼(Sloman 1986a;1986b)的论述，他认为，程序指令和计算机符号必须在一定意义上看作是具有某些语义的，不管这语义受到何种限制。在因果性的语义中，一个符号的意义(无论简单还是复杂)是要通过参照它与其他现象的因果联系来寻找的。核心问题是“什么是该符号被建立和(或)激活的原因？”和“它的结果是什么？”答案有时提及观察者看得到的外部对象和事件，有时则不。 如果这个系统是人、动物或机器人，它可能具有能使它参照餐馆和豆芽的因果能力(这里，因参照外部对象包括不能观察的外部对象而引起的哲学上的复杂性可以忽略不计，然而斯洛曼对此所作的讨论是有益的)。但是，无论所说的信息加工系统是什么样的，这些回答有时会描述纯粹内部的计算过程—从而使其他符号得以建立，使其他指令得以激活。这些例子有用英文词汇揭示的屋中塞尔的内心解释过程(或许可以与为自发的自然语言加工而定义的语法分析和语义过程相比较)，还有尚克文本分析程序中的计算过程。尽管这种程序不能用“餐馆”符号表示餐馆的意义(因为它同餐馆、食物之类的东西没有因果联系)，但是它的内部符号和过程确实实现了对另一些特定事物的某种最低限度的理解，例如对两个形式结构进行比较的意义。 人们可能感到，这种例子中包含的“理解”是如此之少，以致这个词根本不应该使用。这样也罢。斯洛曼说得很清楚，重要的问题不是“一台机器何时理解了某件事情？”（这个问题暗示存在着某个明确的断点，理解在那里终止了，这是一种误导)，而是“为了能够作出理解，一台机器(无论是不是生物的)必须能够做到哪些事情？”这个问题不仅关系到计算心理学是否可能，而且关系到它的内涵。 4 逃出中文屋 111 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2.md?start=120&limit=10)