SEP：心灵的计算理论（一） (6-4)

计算机科学的快速进步促使许多人，这也包括图灵，去思考我们是否可以搭建一台能思考的机器。人工智能(Artificial Intelligence (AI))的目标就是搭建一台“思考机器”。更准确地说，更准确地说，其目标在于搭建能够执行例如推理、决策、问题解决等核心心灵任务的计算机器。在1950和1960年代，这个目标似乎越来越接近实现 (Haugeland 1985)。早期的AI研究强调逻辑。研究者们试图使演绎推理“机械化”。一个著名的例子是，逻辑理论家计算机程序(Logic Theorist computer program) (Newell and Simon 1956)，其证明了来自于《数学原理》(Principia Mathematica) (Whitehead and Russell 1925)的前52条定理中的38条。在其中一个情况中，它发现了一个比《数学原理》更简单的证明。

这种早期的成功激发了学术界内外的巨大兴趣。许多研究者预测说我们距离智能机器仅有几年的距离了。显然，这些预测并没有实现。智能机器人还没有行走在我们之中。即便是相对低层次的心灵进程，例如感知，也大大超出了当前计算机程序的能力。当这些关于思考机器的信心十足的预测被证明是过于乐观了的时候，许多人失去了对这件事的兴趣，或者干脆就下结论说AI是一项愚蠢的任务。然而，几十年了我们见证了它一步一步的发展。一个惊人的成功就是IBM的深蓝，其在1997年打败了国际象棋冠军Gary Kasparov。另一个巨大成功是无人驾驶汽车Stanley(Thrun, Montemerlo, Dahlkamp, et al. 2006)，其在莫哈韦沙漠完成了132英里的行程，赢得了2005年美国国防部高级研究计划局挑战赛(Defense Advanced Research Projects Agency (DARPA) Grand Challenge)。一个不那么引人注目的成功是语音识别算法中的巨大改进。

困扰早期AI工作的一个问题是不确定性(uncertainty)。几乎所有推理与决策都是在不确定的条件下运行的。例如，你可能需要决定是否去野餐，但是并不确定是否要下雨。贝叶斯决策理论(Bayesian decision theory)是不确定性下的推理与决策的标准数学模型。不确定性通过概率来得到编码。精确的规则指定了，如何根据新的证据来更新概率，以及，如何根据概率与效用来选择行动(详见词条， Bayes’s theorem与 normative theories of rational choice: expected utility)。在1980与1990年代，技术和概念的发展使得高效的计算机程序能够在现实情况下实现或近似于贝叶斯推断。随之而来的就是贝叶斯AI的爆发(Thrun, Burgard, and Fox 2006)，这包括前面提到的在语音识别与无人驾驶起床中的进展。能够处理不确定性的可操作算法是当代AI的一项重大成就(Murphy 2012)，也可能是预示了未来的一个更加耀眼的成就。

一些哲学家坚持说，计算机无论变得如何地精细与复杂，最好的情况将是模拟而非复制思想。计算机模拟的天气并不能真的下雨。计算机对飞行的模拟也不是真的在飞。即便一个计算系统真的能模拟心灵活动，为什么要猜测说它可以构成真正的东西呢？

数学联邦政治世界观提示您：看后求收藏（同人小说网http://tongren.me），接着再看更方便。