哲学家如何理解人工智能——塞尔的“中文房间争论”及其意义，本文主要内容关键词为：人工智能论文,哲学家论文,中文论文,塞尔论文,房间论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1950年，英国数学家图灵(A.M.Turing)在“计算机能思维吗”一文中提出测试机器智能的 著名“图灵试验”(Turing Test)。简单地说，如果一台机器能设法使测试者相信它是人， 那 么就说这台机器是有智能的，或者说它通过了“图灵试验”。按照这个标准，目前的计算机 都可以通过试验，从而被认为是有智能的。我们认为，这仅仅是计算机科学家所理解的人工 智能，现在看来，图灵的标准似乎是太弱了。
1956年在美国开展“达特茅斯夏季人工智能研究项目”(Dartmouth Summer Research Proj ect on Artificial Intelligence)，使人工智能成为计算机科学的一个分支，事实上，人 工智能远非只与计算机科学相关。可以说，在刚刚过去的20世纪，很少有任何一个问题像人 工智能那样涉及如此众多的学科：哲学、逻辑学、数学、生理学、心理学、认知科学、系统 论、控制论、信息科学、计算机科学等等。
在人工智能研究中，如何定义“智能”当然是最核心的问题。自图灵试验以后，相继有一 些心理学家、认知科学家、信息论专家试图对图灵试验进行改进，或提出新的测试标准。19 80年，美国著名语言哲学家塞尔(John R.Searle)提出“中文房间”模型，从而引发一场关 于人工智能和认知科学基础的讨论[1]。从这场争论被冠以“中文房间争论”(Chinese Room Argument)之称的讨论中，我们可以看出，哲学家理解的人工智能与计算机科学家理解的人 工智能是非常不同的。
本文的核心问题是：塞尔的“中文房间”模型能否成为人工智能的一个新标准？我们通过认 真分析塞尔的思想，探讨人工智能的逻辑学问题和认知科学问题，讨论塞尔标准与图灵标准 的关系，得出肯定的结论。在机器智能与人类智能的关系上，我们将根据哥德尔定理从塞尔 标准得出另一个重要结论：机器智能能够不断接近人类智能，但永远不可能超过人类智能— —这就是塞尔“中文房间”标准的重大意义。
首先让我们来看塞尔的“中文房间”问题。
1 “中文房间”——人工智能的一个新标准
塞尔的“中文房间问题”是为了反驳“强人工智能”(strong AI)而设计的。所谓“强人工 智能”认为，只要给出正确的程序，任何运行这种程序的机器都是有智能的。
塞尔不同意所谓“强人工智能”。为了反驳“强人工智能”，他提出一个“中文房间”模 型，事实上这是一个精心设计的、带有任意程序的机器，如果这个程序不能使机器具有智力 ，则“强人工智能”就是不存在的。
塞尔的“中文房间”模型是这样设计的：设想你坐一间有两个小孔的屋子里，从一个小孔 递给你一些中文字符，对这些字符你根本不认识，也就是说你完全不知道这些字符的意义。 但是你有一本操作规程，根据该操作规程你可以把递给你的那些中文字符转换为另一些中文 字符，然后将这些新的字符从另一个小孔送出去。简单地说，我们对这个房间只做下面三件 事：
(1)中文字符被送入房间；
(2)按照操作规程，将输入的中文字符转换为另一些中文字符；
(3)将新的中文字符送出房间。
从本质上说，这个中文房间模拟一段计算机程序：输入一段中文字符，经过运算，输出另 一段中文字符。根据这个试验模型，你可以按照操作规程与房间外面的人用中文交谈。现在 设想测试者提问：“你懂中文吗？”虽然你根本就不懂任何中文，但你在房间里仍然可以回 答：“我懂，当然懂。”——你的回答不过是按规程操作的结果。试验的结果是：房间外面 的人相信你是一位通晓汉语的人，哪怕你对汉语是一窍不通。由于这个中文房间模拟了一段 理解中文的计算机程序，而该程序则模拟了通晓汉语的人，所以它能够保证房间里不懂中文 的人看起来像懂中文的人。塞尔精心设计的这个试验能让我们自己参与操作机器和程序，并 让我们自己判断机器是否具有智能，所以说，“中文房间”是一个典型的思想试验模型。塞 尔相信他已经成功地反驳了强人工智能。
我们认为，塞尔的“中文房间”模型确实对包括图灵标准在内的已有人工智能标准提出了 挑战。按照塞尔的模型，给定任意操作规程，你决不需要理解你所处理字符的意义，而只须 按照规程操作就行了。这样塞尔就构造了一部不可能有任何一点智力的机器，但它却能完成 类似人的智力行为。与此相关的是，改变程序仅仅意味着改变操作规程，但这丝毫也不会增 加机器的智力。我们认为，正是在这一点上，塞尔的标准比图灵标准更有意义：计算机能够 完成某种智能行为，仅仅是因为它执行了人们按照一定目的事先编制的“操作规程”，或者 说，是人类智能决定了机器智能而不是相反。
塞尔的“中文房间”试验何以能够成为人工智能的一个新标准？我们需要讨论塞尔试验的逻 辑基础问题。
2 “中文房间”的逻辑基础问题
对塞尔的“中文房间”所定义的智能标准，首先要从逻辑学的基础理论上来理解它的意义 。我们要证明，基于二值逻辑的二进制计算机系统中是不可能有任何智能的，计算机系统是 否具有智能，与其使用的逻辑系统密切相关。
(1)逻辑、数学与算法 计算机只做两种运算：加法运算和逻辑运算，这一切都是由它的中 央处理器(CPU)中的加法逻辑运算器(ALU)来完成的。对于所有的数学运算，计算机系统都把 它转换为加法运算；对于所有的逻辑运算，计算机系统都把它转换为与、或、非的二值逻辑 运算。其他复杂的事情都由计算机程序通过相应的算法来实现。下面是某一管理信息系统中 的一段程序，这段程序有选择地打印出当前数据库中所有在2001年第二次拨款的项目和经费 的清单[2]。
10 use c:/xmb.dbf
20 do while.not.eof()
30if第二拨款年=‘2001’
40 ＠1，1 say负责人，批准号，项目名称，str（第二拨款数，5，2）
50endif
60skip
70 enddo
80 use
在这里，计算机都干了些什么呢？我们先来分析其中的逻辑运算。语句30和语句50构成一组 条件语句，当计算机执行到语句30时，对条件子句“第二拨款年=‘2001’作逻辑判断，即 把当前记录中“第二拨款年”这个字段的值与“2001”这个字符串相对比，如果两者相同， 逻辑判断为真，就执行语句40；如果两者不同，逻辑判断为假，则执行语句50以后的语句。 计算机在这里所做的事完全类似于塞尔的“中文房间”里所做的事。很显然，计算机并不 需要理解字段“第二拨款年”的意义，也不需要理解字符串“2001”的意义，它只需要将两 者进行比较并判断它们是否相同就行了。其实，计算机执行以上的每一个语句都类似于塞尔 “中文房间”的一次输入和输出：该语句相当于向“中文房间”里输入的一串中文字符，计 算机按照“操作规程”所完成的动作或输出的数据相当于从“中文房间”向外输出的另一串 中文字符。可见，计算机并不需要对所做的事情有任何与人类“智力”相关意义上的理解， 人的基本智力活动——逻辑运算和数学运算——都被简化为机器能够操作的“算法”了。我 们认为，塞尔的“中文房间”将机器智能限定于“算法”之内，这是对人工智能最低限度的 理解，从而对机器智能会提出更高的要求，这对于人工智能的研究有非常重要的意义。
(2)二值逻辑计算机系统的非智能特征 为了测试目前的机器智能，塞尔的模型是完全按照 二值逻辑的原理来构造的，它对任何问题的回答只能是是或非。但是，人类思维的特征不仅 仅是二值逻辑的，它还具有多值的、模糊的、模态的、直觉的、归纳的和辩证的等等特征， 这些特征应分别由多值逻辑、模糊逻辑、模态逻辑、直觉主义逻辑、归纳逻辑和辩证逻辑来 反 映，它们分别具有的不确定性推理、模糊推理、模态推理、直觉主义推理、归纳推理能力， 经典的二值逻辑系统就不具备。这样，目前基于二值逻辑的计算机系统就很难反映人类智 能的这些特征。
在知识系统方面，目前计算机系统的知识表示和知识积累都是用数据库来实现的。数据库 是 数据的集合，基于二值逻辑的计算机系统，其数据库的逻辑结构是具有某种关系的二维表。 由于数据是可以积累的，因此数据库可以是很大型的，这一点与人类知识的积累方式完全相 同。但是，在人对知识的使用和计算机对数据库的使用方面，两者的差异却是非常之大。在 这方面，目前最“聪明”的计算机仍然无法与人竞争，这是由于目前的计算机系统是以二值 逻辑为基础的，它对事实陈述（命题）的反映只能是或真或假的，而基于二值逻辑的计算机语 句非此即彼的判断不符合人类思维的规律，因此，作为语句集合的计算机程序就只能是非智 能型的。这样，数据库自身不论再大，由于调用和处理数据的程序是非智能型的，这种数据 库系统只能是非智能型的，从而以数据库作为其知识系统的计算机系统也只能是非智能型 的。
因此，基于二值逻辑的计算机系统是非智能型的，基于二值逻辑的塞尔机器也是没有任何 智能可言的。智能型的计算机系统需要使用除经典的二值逻辑以外的更多的逻辑系统和逻辑 方法。下面我们就来展示基于其他逻辑系统的人工智能研究的一些新进展。
(3)多值逻辑与人工智能的新领域 我们仅以多值逻辑为例作一简单讨论。在三值逻辑系统 中，每一命题变元和命题函数除了取t（真）、f（假）为值，还可以取第三种值u（非决定的，克 林）、I（中间的，卢卡西维兹）、m（无意义的，波克万）等等。由于对第三种值可以作不同的 解释，从而可以建立不同的三值逻辑系统。在使用多值逻辑和多进制的数字化系统中，知识 系统的特征是智能型的，这是因为命题具有真假之外的第三种值，这种值具有某种不确定性 ，其系统能够表达不确定性的推理。因此，三值逻辑或多值逻辑系统更符合人类思维的特征 ，它能够好地实现表现人类思维特征的智能化推理。在多值逻辑系统中，由于对中间值解释 和对重言式定义的多样性，就能构造出不同的多值逻辑系统，这些具有不同性质的多值逻辑 系统在经验推理中具有更广泛的用途。下面是一些例子：
例一：多值逻辑对测不准原理的表达 多值逻辑不仅有与经典二值逻辑不同的解释，而且 它还有经典二值逻辑不具备的推理作用。例如，对于莱欣巴赫的三值逻辑系统，如果它 的公理可以取值t或i，它就可以保证，当作为推理前提的命题取中间值时，推理能够无矛盾 地进行[3]。
我们将三值逻辑用作量子力学的逻辑基础。在量子力学中，测不准原理的逻辑表达是一个 难 题。我们用x和p分别表示一个粒子在某一时刻的坐标和动量，用Δx和Δp分别表示x和p的 误差，它们的关系满足
ΔxΔp≥h
就是说，粒子的坐标和动量不可能同时准确地测量到。因此，量子力学的规律只能是概率 性的，因果决定论的原则必须抛弃。设有一个命题p，它表示在确定条件下某一量子现象出 现 的可能性，显然在经典二值逻辑系统中无法表达该命题的语法和语义。而根据我们对莱欣巴 赫的三值逻辑系统R[,→]的研究，它不仅有适合作为量子力学推理的语法，也有适合的语义[4] 。这样，R[,→]为量子力学提供了一个合适的逻辑模型。
例二：RSA129问题 1994年，科学家使用分布于全世界的近1600个工作站，对一个129位数 进行因数分解，全部工作花费了8个月时间，这就是著名的RSA129问题。以此估算，对一个2 50位数作因数分解，将会用去80万年时间，而对一个1000位数作因数分解，将会用10[25]年时 间（注意它比宇宙的年龄还长）！而最近发展的一种使用量子计算机作因数分解的算法，它 仅需要使用输入数字长度的二次方的步骤即可完成。[5]这就是说，对一个1000位数作因数 分解，只用数百万步的计算即可完成！这意味着大型数据的计算将取得划时代的突破。对 于银行和邮电通讯等等面向公众的保密系统的数据计算，使用量子计算机及相关算法，将带 来革命性的变革。
3 机器智能会超过人类智能吗？
我们认为，塞尔的“中文房间”模型可以作为人工智能的一个新标准。塞尔标准的意义在 于 ：机器智能是有限度的，它永远不可能超过人类智能；同时，机器智能向人类智能的接近却 是无限度的，机器智能总可以无限逼近人类智能。这样，塞尔就为人工智能提供了一个动态 的、恒久适用的标准。
这里涉及系统的完备性问题。有逻辑学领域爱因斯坦之称的哥德尔(K.Godel)一生证明了两 个最重要的定理，
一个是1929年证明的一阶逻辑演算公理系统的完全性定理，另一个是1930 年证明的形式系统的不完全性定理。
1930年的不完全性定理分为两部分：第一不完全定理说 ，
一个包括初等数论的形式系统
，如果是一致的，那么它就是不 完全的；第二不完
全性定理说，如果上述形式系统是一致的，则 的一致性的证明不能在
中形式化[6]。哥德尔不完全性定理（以下简称哥德尔定 理）的意义非常重大，它指出所有形式系统的限度。如
果一个形式系统是一致的（这是该系统 “有用”的前提），则总有一些真命题在该系统内是不能证明的。中国古
代圣人孔子曾经非 常遗憾“鱼和熊掌不可得兼”，看来这样的遗憾处处皆有：根据哥德尔定理，在一个形式系
统内部，一致性和完全性也是不可得兼的。有了哥德尔定理，任何试图一劳永逸地建立一种 包括一切真理的知识
体系的企图都将被宣布是徒劳的，正如有了热力学第二定理，任何试图 建立永动机的企图都被宣布为徒劳的一样。
哥德尔定理的结论看似悲观的，因为我们永远不可能有一个完备的形式系统。但从另一个 角度看它就不是悲观的
了，或者说正好相反，因为哥德尔定理恰恰为我们提示了人工智能能 够无限发展的乐观前景。我们来看与第一不完
全性定理等价的逆否命题：
一个形式系统，如果是完全的，那么它就是不一致的。
哥德尔定理的这个等价命题说明：对任何形式系统，如果我们试图证明中所有的真命题，
则中一定出现矛盾（不一致）。这时我们可以通过将 系统扩充为系统来消除矛盾，
使系统保持一致性。但根据第一不 完全性定理，系统仍然是不完全的。如果我们试图证明
中所有的 真命题，我们又会重复上面的过程，……这样，通过不断地追求系统的完全性与一致性，我 们会得到一
个不断扩展的系列，
，……
——这就是哥德尔不完全性定理的革命意义，它指出人类认识是一个在追求认识系统的一 致性和完全性的过程中不断扩展的过程，人类思维完全符合这个模型。
同样，哥德尔定理也为人工智能的研究提供了一个无限发展的认识模型。机器智能永远不 会超过人类智能，这是我们从哥德尔定理得到的一个重要结论。第二个重要结论是：机器智 能可以无限发展，并且会不断接近人类智能。在目前的计算机系统中，知识表示是用数据库 来实现的。在数字化时代，一个国家对数据库的占有程度甚至被用作衡量这个国家“数字化 贫富程度”的重要标志[7]。尽管如此，人类拥有的数据库规模，仍不足以囊括人类所有的 知识。甚至对认识个体来说，专家系统的智慧也不可能超过它所模拟的一流专家，因为任何 专家系统的知识都不可能是完全的。根据哥德尔定理，我们同样知道，通过对知识系统的不 断 扩充，机器智能会越来越接近人类的智能水平。这个过程不会完结，每一代人都会有所作为 。这一结论，应该作为人工智能的逻辑基础。我们认为，塞尔的“中文房间”在两个方面得 到了与哥德尔完全相同的结论。首先，塞尔的“中文房间”指明，机器智能能够模拟但绝不 会超过人类智能，塞尔的证据在于那本“操作规程”，因为它是人编的，它绝不会比人更 聪明。但指明这一点并不是塞尔的功劳，因为在他之前，从计算机之父冯·诺伊曼到图灵都 说过计算机不会有超过人类的智能。塞尔的贡献在于，在他重新提出的机器智能标准中，通 过建立一种动态的标准——仍然是那本“操作规程”——我们可以通过不断充实该规程使机 器具有更多的智能。由于机器智能对人类智能的模拟是一个无限逼近的过程，我们总可以相 信 ，更好的、更聪明的智能机器一定会不断地制造出来。