智能哲學：「學習機器」與「機器學習」 ——解讀圖靈思想中的人工智慧

來源：人工智慧學家；作者：周劍銘、柳渝

周劍銘，自由學者。研究方向為中西文化比較研究，智能哲學，演算法、不確定性和不確定性問題(NP)理論。柳渝，法國儒勒·凡爾納公立綜合大學計算機（Département Informatique, UFR des Sciences, Université de Picardie Jules Verne, France）系副教授。研究方向為智能哲學，演算法、不確定性和不確定性問題(NP)理論，NP問題實際求解演算法。

我們的文章「智能哲學：『第三問題』與圖靈的『模仿遊戲』」一文［1］著重指出了圖靈提出的「模仿遊戲」的真正意義和價值，揭示人、機之間的複雜層次關係，本文結合我們對當前人工智慧中「機器學習」問題的研究，進一步討論「機器」與「學習」之間所隱含的人、機複雜關係。我們從圖靈的一貫思想出發，發微圖靈論文「計算機器與智能」［2］中所包含的豐富思想，特別是文章中第7章的內容。很明顯，作為當前人工智慧主流的「機器學習」與圖靈所探討的「學習機器」，其思考的角度和深刻性完全不同，啟迪良多。

一、「亞臨界」狀態「和「超臨界」狀態

在「計算機器與智能」這篇文章的第7章Learning Machines，圖靈總結了對機器不能「思考」這種謬論的反駁，但他的論證是有底線的，他真正關注的方面不是機器的「功能」（思考）如何如何，而是機器的「狀態」，在他看來，機器的「純機械」方式，如鋼琴演奏或剝洋蔥一樣：「絕大多數思想都處於『亞臨界』狀態，對應於處於亞臨界體積的反應堆，一個想法進入這樣的思想中，平均下來只會產生少於一個的想法」，但是「有一小部分思想處於『超臨界』狀態，進入其中的想法將會產生二級三級越來越多的想法，最終成為一個完整的』理論。

動物的頭腦顯然是處於亞臨界狀態的。由於這種相似性，我們不得不問：』一個機器能不能做成超臨界的？』」 圖靈所說的這個「超臨界」的狀態，在我們看來，就是指現在不同於「機械步驟」（計算機）的「人工智慧」的核心理論問題。

圖靈認為，「亞臨界」狀態和「超臨界」狀態之間的區分和定義是非常困難的，圖靈並不以為所有的這些爭論已經解決了關於人的思維與機器思維的相同與不同的問題，這裡既有公眾對這個問題的關心所包含的模糊性（圖靈努力地進行了分析），也有這個問題的自身本質上的問題，圖靈承認：「These last two paragraphs do not claim to be convincing arguments. They should rather be described as 『recitations tending to produce belief』」（上面兩段並沒有宣稱是令人信服的論據，更應該被看作是「為了產生信仰的背書 」，——即對立的觀點的爭論不過是背頌各自的宗教式的教條）。

實際上，圖靈的思考並未過時，人工智慧研究中的兩條道路始終存在，一方面，以「聯接主義」為名，代表了重視物理關係（硬體）的一方，另一方面則是以「符號主義」為名的重視演算法（軟體）的一方。重要的不是這兩方的對立，而是這兩方都有無法克服的困難，特別是雙方無法溝通所形成的思想上的混亂，令人不安地再次想起「明斯基的咒語」。

儘管今天的「機器學習」取得了巨大的成功，但在這個領域最前沿工作的專家仍然承認，無法理解和解釋最基本的人工神經網路模型（ANN）的機理；另一方面，除了模擬神經元-突觸的ANN模型，迄今沒有產生通用的Agent 硬體，現在人工智慧研究大多是在電子計算機中的建模（函數化）進行的，「人工智慧」與「計算機」究竟有何不同，成了公眾和專家們共同的困惑。

2017NIPS （神經信息處理系統大會 Conference and Workshop on Neural Information Processing Systems，關於機器學習和計算神經科學的國際會議）上，"Test of Time"（時間檢驗獎）論文大獎獲得者Ali Rahimi 在演講中［3］，把「機器學習」稱為「鍊金術」（Alchemy），類似的看法或對立性的爭議在學術界一直沒有中斷過。Rahimi 引用吳恩達的話： 「Artificial Intelligence is the new electricity」，（機器學習就是新時代的電力），他們的意思是說，現在的AI研究只是純粹的技術活，整個AI缺泛嚴格性和一致性的理論基礎，未能成為非常穩固、有規律、有系統理論的知識體系。

Rahimi以後解釋說，鍊金術問題和黑箱問題的區別在於，「一個機器學習系統是黑箱」和「整個領域變成了黑箱」。與此對立的觀點，如Facebook的首席人工智慧科學家Yann LeCun則認為［4］，工程技術上創新可以從亂糟糟中帶來核心的理解，加州大學伯克利分校Benjamin Recht教授也認為有條不紊的研究和大膽開拓的研究可以達到一個平衡，「我們兩者都需要」。

在此之前和之後，許多科學家表達了類似的看法和與此有關的劇烈論爭，但所有這些對立的觀點都承認，AI研究必須要有堅實的理論基礎才能成為完整的科學理論體系，但現在的問題在於，我們不知道解決問題的方向，這種困惑幾乎一直伴隨著人工智慧的發展歷史。我們認為，可以從圖靈的思想中去尋找啟示，把當前作為工程技術的「機器學習」與圖靈對「學習機器」的本質性思考結合起來，以獲得理論研究方向上的靈感。

二、「學習機器」與「機器學習」

「學習機器」（圖靈）與「機器學習」（當前AI的主流工作）這兩個概念的不同就在於人（研究者）在人、機關係中的地位，也就是我們一直重視的人、機倫理關係。我們強調，圖靈一直是作為機器的創造者角色進行思考的，他主要思考的是機器的「狀態」，所以他細緻地分析了機器的「亞臨界」與「超臨界」這兩種狀態，以我們現在慣用的術語來說，這就是「線性的」和「非線性的」（指數的）兩者本質的不同。

圖靈始終以創造者的身份考慮「學習機器」的可能與不可能。對於他來說，演算法與「機械步驟」都是功能性的，即「能行的」、「線性的」，對於專家或普通人這都不成為問題，真正的問題是："一個機器能不能做成超臨界的？" 而且圖靈認識到，這個問題的最大困難在於，從工程學的角度上，無法回答這樣的問題，以我們今天的理解，就是說，這是人的問題而不是機器的問題。

但當前人工智慧研究的真正核心問題似乎還沒有被人意識到，人們關心的只是如何發明、設計更好的演算法，「機器學習」大部份研究幾乎集中於此，所以稱之為「電力」或「鍊金術」並不冤枉，「機器學習」並不關心「機器學習」的本質是什麼，從來沒有像圖靈一樣反思過：「一個機器能不能做成超臨界的？」，在他們意識中，似乎只要不斷地「試錯」下去，一定能讓「猴子打出文章來」。

由此我們可以看到，這兩個術語區別的重要性，特別是對這兩者不加分析地混同，就隱藏或誤導了人工智慧研究中的本質性問題，實際上這個問題也是科學哲學的基本問題。

「試錯」作為一種工程實踐在以客觀性和實證性為本質的科學領域內最終能產生突破性的成功，甚至引起「範式革命「 ，最終是以人的基本認知的轉變，甚或以人的代際之間的替代為代價的，對於基本理論或概念的缺失，不能由「試錯」產生。不能成為純粹客觀性和實證性的對象不是科學能力所及的，「智能」作為一個抽象的概念，不能成為科學研究對象。因此，在不知「智能」為何物，或者不能清楚地定義「人的智能」與「人工智慧」這兩個概念的情況下，想創造研究「智能」的顯微鏡、試驗儀器、試驗室或研究方法之類的想法，實際就是事先肯定了「人可以製造超臨界的機器」的能力，這本身就是對科學精神的違背。

由此可以看出，「機器學習」與圖靈的「學習機器」這兩個概念在本質上有別，如何認識這兩者的相同與不同，具有重要的實際意義。科學家習慣以科學思維方式工作，這是科學基本精神的人文價值，但以科學的客觀性、實證去頂替人文精神，把「科學」當作一個咒語，用在人類所面臨的一切，包括人類自身的價值、意義、命運上，這種以科學之名的狂妄與圖靈的自知之明（Entscheidungsproblem）無法相比。

三、對圖靈的文章的直譯、意譯與釋譯

圖靈的工作和文章的價值遠沒有得到充份的認識，當然圖靈也不可能清楚、充份地回答所有的相關問題，但圖靈對人類的能力的自知之明永遠不會過時。解讀圖靈的文章時，理解他的思想、認知更重要。對圖靈文章需要專研，在讀、釋中，如何深入地去理解圖靈簡短表達後的層次複雜性，不僅是語法語義問題，也是對歷史的發掘（「知識考古學」——福柯），這是對歷史的負責，更可以成為對現在和未來思考的靈感之源。

我們研讀圖靈文章時始終重視文章中隱含的多層次的複雜性，比如，對當時圖靈寫作基本思想的一致性和基本認知的理解，這可以舉一段圖靈原文的叄種不同的理解和譯法作為例子：

原文：As I have explained, the problem is mainly one of programming. Advances in engineering will have to be made too, but it seems unlikely that these will not be for the requirements.

直譯法：正如我所解釋，問題主要是編程，工程上的進步也是需要的，但這種所需不被滿足的可能性似乎不大。

意譯法：正如我所解釋過的，（現在的）問題主要是編程這一方面，雖然作為（計算機）工程上的問題應當受到（與編程）同樣的關注，但這似乎不大可能，因為這些（「編程」和「工程」兩者）無法（結合在一起而）勝任這種要求。

釋譯法：按意譯所隱含的對應，one of programming的另一方，是工程（硬體）上的要求，這裡的but it seems unlikely中的it 就是指Advances in engineering，it will have to be made too，注意這個Advances不是Advance的複數，Advances是「求愛、熱切的要求」的意思，是單數名詞，與it對應；後面that 是表達seems unlikely原因的狀語子句，因為 these （軟體和硬體）will not be adequate for the requirements，即， 「工程」（硬體）與「編程」（軟體）不能滿足同時結合起來討論的要求（for the requirements）。

以現在的方式理解，這是對創造機器能力的人的能力而言，硬體的創造不是機器的能力而是人的能力，圖靈始終是作為一個機器創造者（人類身份）而考慮人類的能力問題。編程只是「鍊金術」級別，即使在硬體條件簡單的情況下，也是可以討論的。此句以下，圖靈分析了當時硬體條件下可以只考慮的「學習機器」問題。

四、成人的「學習」與兒童的「教育」

圖靈區別成人的學習與兒童接受教育，雖然兩者都可以名之「學習」，但圖靈認為成人大腦所經歷的經驗不同於兒童大腦接受教育的性質，就是說，這相當於「超臨界」狀態與「亞臨界」狀態的不同。因此，「與其試圖編程模擬成人大腦，不如模擬兒童大腦」，現在看來很明顯，成人的學習是「學而時習之」的個人歷史經驗過程，兒童的教育具有被動學習的性質，主要依靠記憶和訓練。但即使是這樣，「兒童機器」的教育仍不同於機械的「學習機器」，兒童在教育過程中的變化是受教育者的責任約束的，人類對兒童的的教育具有類似於「自然選擇」的重大責任。

圖靈雖然是一個技術理論專家，卻充滿人文關切的倫理精神：「It will not be possible to apply exactly the same teaching process to the machine as to a normal child. …… The example of Miss Helen Keller shows that education can take place provided that communication in both directions between teacher and pupil can take place by some means or other. 」 （對機器不可能應用與正常兒童完全相同的教學過程，……海倫.勒女士的例子表明只要老師和學生能夠以某種方式進行雙向的直接交流，教育就能進行）。今天，在我們面臨AI基本理論問題和受到人、機倫理挑戰的困惑的時候，圖靈比我們清醒多了。

五、規則與規則的規則

對於「機器學習」而言，演算法、指令、邏輯、規則等具有相同的本質，但圖靈對創造「學習機器」，特別是「兒童機器」而言，「規則」與「規則的規則」具有完全不同的意義，圖靈認為，這是人工智慧的基本性質：

The imperatives that can be obeyed by machine that has no limbs are bound to be of a rather intellectual character, as in the example (doing homework) given above. important amongst such imperatives will be ones which regulate the order in which the rules of the logical system concerned are to be applied, For at each stage when one is using a logical system, there is a very large number of alternative steps, any of which one is permitted to apply, so far as obedience to the rules of the logical system is concerned. These choices make the difference between a brilliant and a footling reasoner, not the difference between a sound and a fallacious one.

－沒有肢體的機器人（AI，Agent）所能執行的指令具有智力性質，……在這些指令中，最重要的是調節邏輯系統規則的執行順序，因為在使用這個系統的每一步，都會有許多不同選擇，在遵守邏輯系統規則的情況下，任意選擇一個都是允許的。如何選擇將區分聰明推理者還是愚蠢推理者（Agent），而不是區分正確推理者還是謬誤推理者（計算機）。

如果我們真正理解了圖靈的這種思想，就不會為無法區分作為Agent 的AI 與計算機的能力問題而煩惱。

六、不確定性與人工智慧基本問題

我們的NP理論［5］堅持圖靈對希爾伯特第十問題解決的基本意義，理解線性（P定義）與非線性（NP定義）分別是最基本的本質的區別，任何以P等於或不等於NP為目的前提、假設或猜想，都是循環定義或循環論證的錯誤。人類只能在線性與非線性之間建立最優近似性聯繫（NP-algorithm），但這不能以犧牲「線性」和「非線性」自身本質為代價。這種基本認知問題上的誤導，就會產生以「停機問題」替代「不可判定問題」，以「圖靈檢驗」替代「模仿遊戲」。因此可以說，這些都是以「鍊金術」取代基本概念和基本理論問題研究。

圖靈提問：「一個機器能不能做成超臨界的？」 實際就是希爾伯特第十問題在人工智慧領域的再版化。正是尊循圖靈一致性的思想，我們把演算法理論、NP理論自然地延申到人工智慧領域，有關這些問題，我們在「智能哲學」中進行深入討論。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！