長久以來，人類一直在分享關于機器可以做非凡事情的故事。3 000 年前，荷馬講述了一個神造的“無人駕駛”三腳凳的故事，這些凳子會在主人的命令下奔向主人。¹柏拉圖在他的著作中提到了代達羅斯——一位才華橫溢的雕刻家，他的雕像必須被繩子綁起來，以防逃跑。²這個故事聽起來似乎很離奇，讓柏拉圖的學生亞裡士多德深感困擾，他甚至想知道，如果“我們擁有的每一種工具，無論是在我們的要求下，還是在它自身意識到工作需要的情況下，都能完成它的任務”，那麼工作的世界将會發生怎樣的變化。古老的猶太聖賢曾提到，有一種叫作“傀儡”的神秘生物，是由泥土和黏土制成的，隻要主人念出正确的咒語，它就會活過來幫助主人。³據說一個名為約瑟夫的魔像仍然藏在布拉格猶太教堂的閣樓裡；據傳說，幾個世紀前，猶大将他救活，以保護他所在社區的猶太人免受迫害。⁴

這類故事遍布古代文獻。在近代曆史上，也充斥着類似的故事：奇妙而古怪的機器在沒有任何明顯的人類參與的情況下工作。今天我們稱它們為“機器人”，但在 1920 年發明這個詞之前，它們被稱為“自動機”，并且非常受歡迎。在 15 世紀，達·芬奇畫出了一輛自動小車和一個全副武裝的人形機器人；他還為法國國王設計了一頭機械獅子，在被國王陛下鞭打 3 次後，它就會打開胸腔，露出君主制的象征。⁵在 18 世紀，一個叫雅克·德·沃康桑的法國人因他的機器而聞名：一個會吹笛子，另一個能按節拍擊鼓，還有他最著名的機器，一隻會吃、會喝、會拍動翅膀和排便的鴨子。令人失望的是，所謂的機械鴨或消化鴨，實際上并非貨真價實，這個機器是通過隐藏的隔間排放一種令人信服的替代物（被染成綠色的面包屑）。⁶有趣的是，這樣的騙局時有發生。大約在同一時期，匈牙利人沃爾夫岡·馮·肯佩倫制造了一台人形下棋機器，由于其具有東方外觀，因此被昵稱為“土耳其行棋傀儡”，它在世界各地巡回了幾十年，打敗了許多著名的對手，如拿破侖·波拿巴和本傑明·富蘭克林。他們不知道，一個人類象棋大師隐藏在所謂的機器人的腹部。⁷

為什麼人們對這些機器如此着迷？在某種程度上，這可能是一種奇觀：一些機器做着有趣的事情，而且（就像消化鴨那樣）常常是具有冒犯性的事情。但是人形下棋機器呢？為什麼這會讓每個人都感到興奮？這并不是因為它的巧奪天工：18 世紀的世界充滿了各種技術，它們完成任務所需要的體力，遠比移動一枚棋子更令人印象深刻。相反，人們對“土耳其行棋傀儡”執行認知型任務的能力印象深刻，是因為這類事情是人類用頭腦而不是用手來做的。每個人都認為這樣的活動是任何機器都無法完成的，然而“土耳其行棋傀儡”所能做的遠不隻是在棋盤上漫無目的地移動棋子。它似乎在思考可能發生的動作，并比有能力的人類棋手更聰明。這似乎是經過深思熟慮的。對于人類來說，我們認為這些能力需要“智能”。這可能會讓它的觀衆感到震驚：這些機器似乎也有智能行動。

最後，幾乎所有這些描述都是虛構的。許多由發明家潦草寫下的設計從未被制造出來，而制造出來的機器往往具有欺騙性。第一個現代魔術師讓·尤金·羅伯特·胡丁（幾十年後，魔術師胡丁以他的名字命名）也是一個制作自動裝置的大師，有一次當那隻著名的消化鴨被折斷了一隻翅膀時，他被叫去修理，而這并非巧合。⁸但在 20 世紀，這一切都改變了。研究人員第一次懷着與人類競争的認真意圖開始制造機器，一種适當的、複雜的構建智能的程序正在開發中。現在他們的願望是認真的，不再局限于虛構或依賴于欺騙。

第一波人工智能

1947 年，在倫敦數學學會的一次會議上，艾倫·圖靈告訴與會者，他已經構想出一種可以展示智能的計算機。⁹圖靈值得我們關注：他可能是英國戰時的頂級密碼破解者，也是有史以來最偉大的計算機科學家之一。然而，人們對他演講中觀點的反響并不友好，以至不到一年，他不得不發表一篇關于這個主題的新論文，對他聲稱機器“可以表現出智能行為”的各種反對意見進行了激烈而詳細的回應。“人們通常會毫無争議地認為這是不可能的。”他在開頭幾句話中憤怒地表示。圖靈認為，這些反對意見通常是“純粹出于情感因素”“不願承認人類在智力上有競争對手的可能性”“宗教信仰認為，制造這樣的機器是對普羅米修斯的不敬”。¹⁰

不到 10 年後，由四位美國學者組成的小組——約翰·麥卡錫、馬文·明斯基、納撒尼爾·羅徹斯特和克勞德·香農——向洛克菲勒基金會提交了一份提案，要求獲得足夠的資金支持在達特茅斯學院進行為期兩個月的 10 人人工智能研究。（“人工智能”一詞是麥卡錫的發明。）¹¹他們的提議因雄心勃勃和樂觀而引人注目。他們聲稱：“學習的各方面以及智能的任何其他特征都可以被機器模拟出來。”他們相信，如果一群經過精心挑選的科學家花一個夏天的時間共同研究，一定會取得“重大進展”。¹²

1956 年夏天，達特茅斯會議并沒有取得特别值得慶祝的進展。然而，它形成了一個團隊，并且确立了一個方向，少數偉大的“頭腦”開始一起工作。假以時日，各種不同類型的問題将在人工智能的旗幟下被整合到一起：識别人類語言、分析圖像和物體、翻譯和解釋書面文本、玩跳棋和國際象棋等遊戲以及解決問題。¹³

一開始，大多數人工智能研究人員認為，制造一台機器來執行給定的任務，意味着它們可以觀察人類如何執行任務，然後複制人類的行為模式。在當時，這種做法似乎是完全明智的。到目前為止，人類是世界上最有能力的“新發明”，那麼為什麼不試着按照人類的形象來制造這些新機器呢？

科學家采取了各種形式進行模仿。一些研究人員試圖複制人類大腦的實際物理結構，以創建人工神經元網絡。（當年遊說洛克菲勒基金會的人員之一馬文·明斯基的博士論文就是關于如何建造這些機器的。¹⁴）其他人則嘗試了一種更具心理學特征的方法，試圖複制人類大腦可能參與的思考和推理過程。（這就是達特茅斯會議與會者赫伯特·西蒙和艾倫·紐維爾試圖做的“通用問題解決者”，這個早期的系統被譽為“模拟人類思想的程序”。¹⁵）第三種方法是列舉出人類可能遵守的規則，然後基于此給機器人編寫說明。研究人員建立了一個專門的子領域來做這項工作，他們的作品被稱為“專家系統”，這是因為它們依賴于人類專家所制定的規則。

人類通過各種方式，努力為機器行為提供模闆。例如，要設計一台可以下世界級國際象棋的機器，就意味着要讓國際象棋大師解釋如何才能下好棋。編寫一個将一種語言翻譯成另一種語言的程序，意味着要觀察一個會說多種語言的人是如何理解一段文字的。識别物體意味着用與人類視覺相同的方式來表示和處理圖像。¹⁶

這種方法反映在人工智能先驅的語言中。艾倫·圖靈聲稱，“可以建造出能夠非常緊密地模拟人類思維行為的機器”。¹⁷參加達特茅斯會議的尼爾斯·尼爾森指出，大多數學者都對模仿人類更高層次的思維感興趣。¹⁸他們的工作得益于大量的對人類如何解決問題的反思。哲學家約翰·豪格蘭指出，人工智能領域正在尋找“真貨”——具有完整和字面意義的心智機器。¹⁹

在豪格蘭和其他人的一些主張背後，有一個更深層次的理論信念：他們認為，人類本身就是一種複雜類型的計算機。這就是“心智計算理論”。從實用性的角度來看，這對人工智能研究人員來說可能是一個很有吸引力的想法。如果人類隻是複雜的計算機，那麼構建人工智能的難度并非不可克服：研究人員隻需要讓自己的簡單計算機變得更複雜。²⁰正如計算機科學家道格拉斯·霍夫施塔特在他著名的《哥德爾，艾舍爾，巴赫》一書中所言，這是許多研究人員的“信念”：“所有的智能隻是一個單一主題的變體；如果人工智能工作者希望機器擁有我們所擁有的能力，希望創造真正的智能，他們就必須繼續努力……越來越接近大腦的機制。”²¹

當然，并不是每個人都對複制人類感興趣。但那個年代的大多數人工智能專家都被吸引了——就連那些最初并不被吸引的人最終也被吸引了。以赫伯特·西蒙和艾倫·紐維爾為例。在創造基于人類推理的“通用問題解決者”之前，他們實際上建立了一個完全不同的系統，叫作“邏輯理論家”。這個系統與衆不同：不像最初達特茅斯會議研發的其他機器，它确實能工作。然而，盡管取得了這樣的成功，但西蒙和紐維爾還是放棄了它。部分原因是它的表現不像人類。²²

然而，這種以人類形象建造機器的方法最終沒有取得成功。盡管一開始人們抱有樂觀和熱情的心态，但人工智能并沒有取得實質性進展。當它面臨重大挑戰時——制造一個有頭腦、有意識或者像人類一樣思考和推理的機器——遭遇了明顯的失敗，什麼都沒有被制造出來。同樣的道理也适用于那些想讓機器執行特定任務的普通人。盡管研究人員付出了很多努力，但機器還是無法擊敗頂級的國際象棋棋手。它們隻能翻譯幾個句子、識别最簡單的物體。還有很多其他任務的情況也類似。

由于進展緩慢，研究人員發現自己進入了“死胡同”。20 世紀80 年代末被稱為“人工智能的冬天”：資金枯竭，研究速度放緩，人們對該領域的興趣消退。人工智能的第一波浪潮曾帶來了許多希望，但最終以失敗告終。

第二波人工智能

1997 年，人工智能出現了轉機。當時，IBM（國際商用機器公司）旗下的“深藍”系統打敗了當時的國際象棋世界冠軍加裡·卡斯帕羅夫。這是一項了不起的成就，但更了不起的是這個體系的運作方式。“深藍”沒有試圖模仿卡斯帕羅夫的創造力、直覺或者擁有他天才般的智慧。它沒有複制他的思考過程或模仿他的推理過程。相反，它使用了大量的處理能力和數據存儲，每秒處理 3.3 億種走法。卡斯帕羅夫是人類曆史上最優秀的國際象棋棋手之一，在棋盤前他的大腦在任何時刻都可能存在着 100 種可能的走法。²³

“深藍”所取得的是一個實際的勝利，也是一個意識形态的勝利。在那之前，我們可以把大多數人工智能研究人員視為純粹主義者，他們密切觀察人類的智能行為，并試圖制造像人類一樣的機器。但“深藍”不是基于這種思路而設計的。它的創造者并沒有打算複制人類象棋選手的剖析方式、推理能力或是他們遵循的特定策略。相反，他們是實用主義者，接受了一項需要通過人工智能來完成的任務，然後制造出一台機器，以一種完全不同的方式來完成這項任務。這就是人工智能走出寒冬的原因，我稱之為“實用主義革命”。

在“深藍”獲勝後的幾十年裡，一代機器在這種實用主義精神下被制造出來：它們的功能與人類非常不同，不是根據執行任務的方式，而是根據執行任務的好壞來判斷。例如，在機器翻譯方面取得的進步并非來自開發出模仿有才華的翻譯家的機器，而是來自讓計算機掃描數百萬份人工翻譯的文本片段，然後讓其自行找出語言間的對應關系和模式。同樣，機器也學會了對圖像進行分類，不是通過模仿人類的視覺，而是通過審查數百萬張先前标記過的圖片，并尋找這些圖片與特定照片之間的相似之處。ImageNet項目（一個用于視覺對象識别軟件研究的大型可視化數據庫）每年舉辦一次軟件比賽，國際上主要的計算機科學家競相建立系統，比較誰的系統能更準确地識别圖像中的物體。2015 年，系統第一次超過了人類，正确識别圖像的準确率達到 96%。2017 年，獲勝系統的準确率達到了 98%（見圖 3.1）。

圖 3.1 ImageNet項目獲勝系統錯誤率 ²⁴

與“深藍”一樣，許多這些新機器都依賴于最近在處理能力和數據存儲方面取得的進步。請記住，從 1956 年達特茅斯會議舉行以來到 20 世紀末，一台普通計算機的能力提高了超過 10 億倍。至于數據，谷歌前董事長埃裡克·施密特估計，我們現在每兩天創造的信息量，相當于人類文明誕生之初到 2003 年期間所創造的信息之和。²⁵

在人工智能的第一波浪潮中，在擁有如此強大的處理能力和海量數據存儲能力之前，人們不得不自己做很多複雜的計算工作。研究人員希望通過自己的聰明才智、洞察力和内省，發現人類思考和推理的方式，或人為地發現塑造他們行為的隐藏規則，并将所有這些都捕獲在一套明确的指令中，供機器遵循。但在第二波人工智能浪潮中，機器不再依賴于這種自上而下的人類智能應用。相反，它們開始使用強大的處理能力和越來越複雜的算法來搜索龐大的數據，挖掘人類的經驗和例子，從而自下而上地弄明白自己該做什麼。²⁶

算法（algorithm）的意思是一組要循序的指令，這個詞來源于9世紀數學家阿爾·花剌子模（Abu Abdulloh Muḥammad ibn Mūsāal-Khwā rizmī）的名字，al-Khwā rizmī在拉丁語中的發音與算法的英語發音一緻。機器學習算法在很大程度上推動了今天人工智能的進步，它的目标是讓系統從經驗中學習，而不是遵循明确的規則。許多機器學習算法借鑒了早期人工智能的想法，這些想法早在有足夠的處理能力和可用數據把它們從有趣的理論可能性變成更實際的東西之前就已經發展起來了。事實上，今天一些最偉大的實用主義者的勝利，都源于早期的純粹主義模仿人類的嘗試。例如，今天許多功能最強大的機器都依賴于所謂的“人工神經網絡”，這種網絡最早是在幾十年前建立的，旨在模拟人類大腦的工作方式。²⁷如今，根據這些網絡對人體的模仿程度來進行評判的意義不大；相反，對它們的評估完全是實用主義的，是根據它們在完成既定任務時的表現來進行的。²⁸

近年來，這些系統甚至比“深藍”更加複雜。以“阿爾法圍棋”為例，這是一款為中國棋類遊戲——圍棋而開發的系統。2016年，它在 5 場系列賽中擊敗了世界上最優秀的人類選手李世石。這是一項重大成就，大多數專家認為人類至少還要 10 年才能實現這一成就。圍棋是一種非常複雜的遊戲，不是因為規則很難，而是因為要“搜索空間”，即所有可能走法的集合非常巨大。在國際象棋中，第一個棋手在開局時從 20 種可能的走法中進行選擇，但在圍棋中他要從 361 種走法中進行選擇。在對方做出回應後，國際象棋有 400 種可能出現的位置，但圍棋大約有 129 960 種。走兩步後，這一數字在國際象棋中上升到 71 852 種，但在圍棋中大約是 170 億種。每個人隻需走三步棋，在國際象棋中就有大約 930 萬種可能，而在圍棋中則是 2.1 × 10¹⁵種可能，即 2 後面加 15 個“0”，這是國際象棋的 2.3 億倍。²⁹

在國際象棋中，“深藍”的勝利部分來自能夠使用處理能力來計算比卡斯帕羅夫更超前的棋局。但由于圍棋的複雜性，這種策略不适用于“阿爾法圍棋”。相反，它采取了一種不同的方法。首先，它對最優秀的人類玩家的 3 000 萬步進行了評測。然後它會從與自己的反複對抗中吸取經驗教訓，研究成千上萬次圍棋遊戲，并從中汲取經驗教訓。通過這種方式，“阿爾法圍棋”能夠在評估比“深藍”少得多的位置的情況下獲勝。

2017 年，“阿爾法圍棋”推出了一個更複雜的版本，名為“阿爾法零”。這個系統之所以如此引人注目，是因為它使自己完全脫離了人類智力的一切作用。“深藍”的代碼中仍然隐藏着一些象棋冠軍提前為它制定的“聰明策略”。³⁰在研究人類偉大棋手過往的大量遊戲時，從某種意義上說，“阿爾法圍棋”在很大程度上依賴于這些遊戲來完成複雜的計算工作。但“阿爾法零”不再需要這些，它不需要知道任何人類專家的遊戲思路，也根本不需要嘗試和模仿人類智能，它所需要的隻有遊戲規則。它通過與自己“對弈”三天生成了自己的數據，然後打敗了它的大表哥“阿爾法圍棋”。³¹

其他系統也在使用類似的技術以追求更接近現實生活的混亂狀态。例如，國際象棋和圍棋都是“完全信息”類的遊戲：雙方都能看到整個棋盤和所有棋子。但正如傳奇數學家約翰·馮·諾伊曼所說，“現實生活并非如此”。真實的生活包括虛張聲勢，包括一些欺騙性的策略，包括問問自己别人會認為我想做什麼。這就是撲克如此吸引研究人員的原因，而且事實證明它很難實現自動化。然而，由加拿大和捷克研究人員組成的團隊在 2017 年開發的DeepStack（德州撲克人工智能系統），成功地在超過 4.4 萬手較量（即兩名玩家參與的遊戲）中擊敗了職業撲克玩家。和“阿爾法圍棋”一樣，它的戰術不是通過回顧人類專家過去的遊戲得出的，它不依賴“領域知識”，也不依賴人類為它設定的“聰明的撲克策略”。相反地，它通過研究數百萬随機生成的遊戲取得了勝利。³²2019 年，臉書和卡内基梅隆大學進行了更進一步的研究：他們宣布創建Pluribus（德州撲克人工智能系統），該系統也可以在多人遊戲競賽中擊敗最優秀的職業撲克玩家。這個系統也是完全“從零開始”學習撲克，沒有任何人工輸入，隻是通過在幾天的時間裡不斷地和自己的複制品玩撲克最終取得勝利的。³³

優先級的轉變

如果你認為研究人員隻是在 20 世紀 90 年代早期靈光乍現的瞬間“發現”了實用主義道路，那就錯了。不論是嘗試讓機器以任何可能的方式解決問題，還是讓它們專門模仿人類的方法，在我所謂的“實用主義”和“純粹主義”之間做出選擇，都不是新鮮事。回到 1961 年，在“純粹主義”的鼎盛時期，艾倫·紐維爾和赫伯特·西蒙寫道：研究人員正在“謹慎地在嘗試用機器完成人類執行的任務，與嘗試模拟人類實際用來完成這些任務的過程之間劃清界限”。³⁴1979 年，人工智能哲學家休伯特·德雷福斯同樣将“人工智能工程師”（一群“對制造通用智能機器不感興趣”的實用人士）和“人工智能理論家”（從事他所認為的高尚的學術職業）進行了區分。³⁵早期的研究人員意識到，他們可以專注于通過建造機器來完成曆史上需要人類來完成的任務，也可以專注于試圖理解人類智能本身。³⁶對他們來說，真正吸引他們注意力的是後者。

正如我們所看到的，在一定程度上，這是因為複制人類行為最初似乎是制造有能力的機器阻力最小的途徑。人類有非凡的能力，如果你可以簡單地模仿人類，為什麼要從頭開始設計機器呢？但他們傾向“純粹主義”還有第二個原因。對許多研究人員來說，為了理解人類智能本身的項目要比僅僅制造有能力的機器有趣得多。他們的著作中充滿了對古典思想家和對人類思想的思考的激動人心的引用——像戈特弗裡德·威廉·萊布尼茨、托馬斯·霍布斯，勒内·笛卡兒和大衛·休谟這樣的人。人工智能研究人員希望他們能追随這些人的腳步。讓他們興奮的不是關于機器，而是關于人類的問題：什麼是“意識”？“思考”或“理解”到底是什麼意思？

對于該領域的許多先驅來說，人工智能隻是實現人類目标的一種機械手段。正如頗具影響力的哲學家約翰·塞爾所言，人工智能的唯一目的是作為“研究人類思維的有力工具”。另一位傑出的哲學家希拉裡·普特南認為，評判人工智能領域應該僅僅看它是否“教會了我們一些重要的東西……關于我們如何思考”³⁷。這就是為什麼當時許多人工智能研究人員認為自己是認知科學家，而不是計算機科學家。³⁸他們想象自己是在一個更大的項目——理解人類大腦的子領域裡工作。³⁹

然而今天，正在發生一種優先級的轉變。随着技術進步的加速，人類智能顯然不再是獲得機器能力的唯一途徑。許多研究人員現在更感興趣的是建造功能良好的機器，而不是試圖理解人類智能。更重要的是，那些仍然對人類智能本身的理解感興趣的研究人員也發現他們被“拖”向關注更實用的目的。“實用主義者”的機器能力已經引起了大型科技公司的興趣——谷歌、亞馬遜、蘋果、微軟和其他公司。這些公司擁有大量數據和處理能力，并雇用了大批才華橫溢的研究人員，這些公司在人工智能開發方面處于領先地位，塑造了這個領域，并改變了它的優先級。在它們當中工作的許多人看來，為了理解人類智力本身而進行的探索，對于那些做白日夢的學者來說一定越來越像是一種深奧的活動。為了保持相關性，許多研究人員——甚至是那些傾向于“純粹主義”的研究人員——不得不與這些公司及其商業野心保持更緊密的聯系。

以開發“阿爾法圍棋”的深度思考公司為例，它在 2014 年被谷歌以 6 億美元的價格收購，現在的員工都是該領域的頂尖人才，他們是被從頂尖學術部門挖來的，他們的薪酬讓以前的同事感到嫉妒——人均年薪為 34.5 萬美元。⁴⁰該公司聲明，他們正試圖“解決智能問題”，乍一看，這表明他們可能對解開人類大腦之謎感興趣。但仔細看看他們的實際成就，你會發現他們在實踐中的關注點是完全不同的。他們的機器，比如“阿爾法圍棋”隻是在非常特殊的情況下才算“智能”，在某些情況下它們表現得非常出色，但它們并不是像人類那樣思考或推理。

同理，想想亞馬遜的Alexa、蘋果的Siri和微軟的Cortana等人工智能助手。我們可以向這些機器提出簡單的問題，就像我們向人類提出問題一樣，它們會用類似人類的聲音進行回答。（2018 年，谷歌展示了它們的Duplex——人工智能助手的錄音演示，該人工智能助手呼叫一家美發沙龍進行預約，然而接線員并不知道她是在和一台機器說話，因為機器的語調和類似人類的“嗯，嗯”聲都非常逼真。⁴¹）然而，無論這類系統有多麼令人印象深刻，也無論它們與人類有多麼相似，它們都沒有表現出類似于人類的智能。它們的内部運作與人類的大腦并不相似。它們沒有意識，也不像人類那樣思考、推理，或有人類的感覺。

那麼，從任何意義上來說，把這些機器描述為“智能”是否恰當呢？感覺似乎并不恰當。大多數時候，我們最終會依賴于這個詞，或者類似的詞，因為我們沒有其他的詞可用了。但因為我們主要用這些詞來談論人類，在用它們來談論機器時的感覺并不對。哲學家将此稱為“類别錯誤”，即将表示一類事物的詞語用于表示另一類事物：就像我們不會期望胡蘿蔔會說話或手機會發怒一樣，我們也不應該期望機器是“智能的”或“聰明的”。那麼，我們還能如何描述它們呢？當人工智能領域剛剛起步，還沒有被命名的時候，有一個想法是把這個研究領域稱為“計算理性”。這個詞可能不像“人工智能”那麼令人興奮或激動，但它可能是一個更匹配的詞，因為這正是這些機器正在做的事情：利用計算能力在浩瀚的海洋中搜索可能采取的最理性的行動。

創造力是自下而上的設計過程

在許多方面，當前人工智能領域的實用主義革命與一個半世紀前發生的另一場智能革命相似，那場革命塑造了我們對另一種機器——人類——的智能能力的看法。

想想看，到目前為止，被自己的智能武裝起來的人類一直是世界上最能幹的“機器”。在很長一段時間裡，對這些能力起源的主要解釋是帶有宗教色彩的：它們來自上帝，來自某種比我們更聰明的事物，它按照自己的形象塑造了我們。畢竟，如果不是某種比我們聰明得多的事物把人類設計成這樣，那麼像人類這樣複雜的“機器”怎麼可能存在呢？18 世紀的神學家威廉·佩利讓我們想象自己正在穿過一片田野。他說，如果我們在草地上偶然發現一塊石頭，我們可能會認為它一直在那裡，但如果我們發現一塊手表，我們就不會這麼想了。他認為，自人類誕生以來，不可能自然出現像手表這樣複雜的設備。在某種程度上，一定是一位才華橫溢的鐘表匠設計并制造了它。佩利認為，我們在自然界中發現的所有複雜事物都像那塊手表：唯一能解釋這些複雜事物的方式是有一個創造者，一個看不見的鐘表匠，制訂計劃并将其付諸行動。

這些宗教學者和人工智能純粹主義者之間有着驚人的相似之處。他們都對機器能力的起源感興趣，前者是人類機器，後者是人造機器，兩者都相信，這些事物一定是由一個與他們相似的智能，也就是所謂的智能設計者，刻意創造出來的。對于宗教學者來說，設計者就是上帝。對于人工智能純粹主義者來說，設計者就是他們自己。兩者都相信，被創造的事物應該和它們的創造者一樣。正如《聖經·舊約》中的上帝按照自己的形象創造了人類，人工智能研究人員也試圖按照自己的形象建造他們的機器。⁴²

總之，神學家和人工智能科學家都認為，非凡的能力隻可能出現在類似人類智能的東西上。用哲學家丹尼爾·丹尼特的話來說，兩者都認為能力隻能從理解中産生，隻有智能過程才能創造出能力非凡的機器。⁴³

然而，今天我們知道宗教學者錯了。人類和人類的能力并不是被比我們更聰明的事物自上而下努力創造出來，并把我們塑造成人類的樣子的。1859 年，達爾文證明了事實正好相反：創造力是一種自下而上的無意識的設計過程。達爾文稱其為“自然選擇的進化”，最簡單的解釋隻需要你接受三件事：第一，生物之間有微小的差異；第二，其中一些變異可能有利于它們的生存；第三，這些變異會傳遞給其他生物。不需要由一個聰明的設計者直接塑造事件，僅這三個事實就可以解釋自然界中所有設計的表象。變化可能是微小的，優勢也是非常微小的，這些變化在任何時刻都可以忽略不計，但如果你讓這個世界運行足夠長的時間，累積數十億年，就會創造出令人眼花缭亂的複雜性。正如達爾文所言，即使是最“複雜的器官和本能”也“得到了完善，雖然與人類的理性類似，但這不是通過優于人類的理性，而是通過無數細微變化的積累，每種變化對個體擁有者都有好處”⁴⁴。

自然選擇和智能設計的觀點截然不同。“一個真正的鐘表匠是有遠見的，”研究達爾文的偉大學者之一理查德·道金斯寫道：“他設計齒輪和彈簧，并把它們之間的聯系考慮在内。自然選擇過程，即達爾文發現的盲目無意識的自動過程……心中沒有目标。它沒有心靈，也沒有心靈的眼睛。它不為未來做計劃。它沒有先見，也沒有遠見。如果說它在自然界中扮演了鐘表匠的角色，那它就是盲人鐘表匠。”⁴⁵

佩利故事中的鐘表匠有着完美的先見和遠見，但達爾文提出的自然選擇過程卻不具備這一點。它對自己所做的事情渾然不覺，在漫長的歲月中盲目地摸索複雜的事物，而不是在某一瞬間有意識地進行創造。

人工智能領域的實用主義革命要求我們在思考人造機器的能力來源時做出類似的逆轉。今天，最有能力的系統不是那些由聰明的人類自上而下設計的系統。事實上，正如達爾文在一個多世紀前發現的那樣，非凡的能力可以逐漸從盲目、無意識、自下而上的過程中湧現出來，而這些過程與人類的智慧毫無相似之處。⁴⁶

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!