关于作者
玛格丽特·A.博登，生于1936年，英国科学院院士，苏塞克斯大学认知科学学院院长，历任英国心理学会心理学哲学与心理学史分会主席，以及英国皇家哲学学会理事。著有《人工智能史》一书，是人工智能领域的权威人士。
关于本书
《人工智能哲学》的英文原著由牛津大学出版社于1990年出版，由15篇文章组成，文章作者多是人工智能思想界的著名人物，所收录的文章也都是在人工智能发展史上具有里程碑式的地位。这些文章的写作时间起于1950年，止于1990年，是人工智能思想近半个世纪发展历程的精要总结。
核心内容
计算机究竟能否成为心灵本身而不只是心灵的工具，既取决于我们如何理解计算机能做什么，更取决于我们如何理解人类心灵是什么。我们怎样认识自己的心灵，也就决定了我们会怎样设计机器，让它具备人工的智能。这既是人工智能构想的发端，也是影响着人工智能科学与技术进展的哲学基础。
点击查看大图，保存到手机，也可以分享到朋友圈
一、 计算机能实现怎样的人类智能
计算机至少能在计算和推理的层面上实现与人类相似的智能。
心智不过是人类大脑实现的功能，同样的功能或许也能用其它机器来实现，这就是“人工智能”研究的基础前提。电子计算机从电子管、晶体管、集成电路，一直发展到未来可能的量子计算机，机器的形式各不相同，但所实现的功能是类似的，都是试图模拟和实现人类的智能。
人类的智能体现在很多方面，计算和推理可能最容易在机器上实现。心灵的智慧可以从推理上体现出来，把有效推理编码为符号规则，就能够在计算机上实现。在推理中，人类的心灵能够理解概念以及两者之间的内在联系；但在机器的推理中，机器所处理的不过是一连串符号，这些符号对机器来说毫无意义，但机器最后输出的答案却刚好被翻译成了我们能理解的内容。
虽然计算机能够高效地回答问题，但它自己并没有理解其中的内容，而人类则不同。我们所有推理判断都建立在理解的基础上，对于完全不理解的问题，当然也不可能作出任何推理或回答。
很多人工智能专家主张计算机的“理解”有另外的一套标准。按照图灵的观点，只要机器作出的回答与人类的回答不可分辨，机器实际上就已经在理解了。因此，计算机也可以按照这种不同于人类的标准而产生理解，确实可以实现人类的智能，只不过这种智能暂时还局限在计算和推理层面上。
二、 人工智能就是使用符号的计算吗，它有哪些缺点
在人工智能发展的早期，人们相信，只要恰当地设计程序算法，使用符号的计算就能实现完全的智能。在这种信念的背后，其实是西方哲学两千多年的理性主义传统，相信理性能力就足以解释人类的所有智慧，这在人工智能的发展史上被称作符号主义观点。在符号主义者看来，人类的智能不管多么复杂，归根到底都是由符号计算来实现的。
比如，符号主义的人工智能可以下象棋。尽管象棋的走法千变万化，最终都不过是这些最基本的符号叠加。在一盘象棋游戏中，计算机的每一步究竟应该如何走，这就要在可能的选项中搜索最佳的方案。每一步可能的选项也是符号的组合，符号的任何组合方式都可能是一种选项，要考虑所有可能的选项，这个集合是非常庞大的。
符号主义面临的最大挑战就是，如何在有限的步骤和资源的条件下，搜索得到最优的解。随着求解的问题越来越复杂，搜索所需要的计算也是以指数的方式在增长，因为符号之间的可能组合也在激增，这样一来，现实中工作的计算机很快就不堪重负了。例如，围棋的人工智能程序曾经在很长时间内表现得一点也不智能，就是因为围棋求解的组合要比象棋复杂得多，这正是符号主义难以解决的问题。
今天的人工智能引起如此大的轰动和关注，可以说是源于 AlphaGo 在围棋上取得了突破。解决围棋游戏最优解的问题超出了符号主义的能力，但 AlphaGo 恰恰不属于符号主义。
三、 人工智能就是模拟神经网络的学习吗，这又有什么不足
英国哲学家大卫·休谟深刻地批评了西方哲学上的理性主义传统，他认为，体现人类智能的很多判断，比如对因果关系的判断，尽管表面上看起来是依据理性和推理，实际上仅仅是源于我们在观念之间作联结的习惯，这种联结往往是在重复经验中实现的。
现代神经科学也证实了这一点。神经元之间通过突触联结，当两个神经元同时得到频繁的刺激，两者之间的突触就越牢固，联结的强度也就增高。这其实就是人类的学习过程。
区别于理性主义传统，“联结主义”的人工智能思想主要受休谟和神经科学思想启发，就是要建立大脑的模型，不是预先给定解决问题的算法，而是构建一个在计算机上模拟的“神经元网络”，让机器自主地建立不同神经元之间的“联结”，通过最终结果的反馈，不断调整联结的模式，最终逼近最优解。在整个过程中，机器就像人类那样，在大量的经验数据中学习。由于机器处理数据的能力远超人类，所以学习效果也会大大超越人类。
联结主义特别强调从经验学习中获得智能，所以就避开了符号主义过度强调理性推理的弊端。但它并不会区别地对待经验，而人类的智能却从不会无差别地对待一切经验。联结主义的人工智能则要在海量数据的试错学习之后，才能获得某些在人类看来十分简单的结论，这就是它并不智能的地方。
更重要的是，人类的学习是有创造性的，我们不仅能从经验中把握固有的联系，还能举一反三地创造以前从未建立过的神经元联结。机器学习目前还不能实现这一点，只能依赖于设计者提供的智能，而并不是自己产生的智能。
四、 我们离理想的人工智能究竟还有多远
首先，现在实现的都只是专门的人工智能，而不是通用性的智能，比如 AlphaGo 就是被设计用来下围棋的。我们每个人的心灵都是多面手，而现阶段的人工智能往往只能在某一个侧面充分发展。
其次，人工智能还可能永远无法理解人类的情感。目前训练机器“理解”情感和动机，主要就是让机器学习如何产生行为的目标，但情感最本质的内涵应该是对情绪的主观感受。
最根本的困难可能还在于，对人工智能来说，根本还没有一个“自己”，它没有形成自我意识
最后，必须重视涉身认知的重要意义。智能并不仅仅是发生在人类大脑中的事情，人们对自我与世界的认识，从来都是有身体参与其中。假如智能和认知本质上就涉及身体，那么符号主义与联结主义就都有各自的局限，人工智能的发展，势必还需要由新的观念来引领。
金句
如果中文屋论证是成立的，那么强人工智能只不过是一种美妙的遐想，计算机充其量只能是人类心灵的工具，而不会成为心灵本身。
人类固然是从经验中学习，但人类的智能就体现在我们从不毫无差别地对待一切经验，而总是选择性地重视某些经验，忽略一些无关紧要的经验。
如果你非常爱慕她，你就一定会体会到爱慕之情带来的那种幸福、甜蜜、纠结又失落的感受。没有这些感受的体验，或者对这些感受麻木不仁，你就不叫真正爱过一个人，也就无法理解情感为何物。
撰稿：徐竹脑图：摩西转述：孙潇
