智能？解读？智慧？

“人工智能有这么一个奇怪之处” ，发表这一看法的人是我的朋友杰瑞（Jerry），一位工程师，多年来致力于人工神经网络系统开发，为了使计算机能够用更自然的语气讲话，“每当它生成真正有用的东西时，大家就不再称其为人工智能” 。

语言的识别和生成一直是计算机难以解决的因素，但各种形式的人工智能（AI）–或者更好说，神经网络和机器学习（该领域的工程师更愿意这样称呼它们）–终于取得了一些进展。任何尝试过与我们智能手机的助理Alexa或Siri对话的人都可以证明，这些进步确实显著，但它们离完美还相去甚远。被机器解读并不能与同真人对话相提并论。

计算机vs人脑

当我还是一名耶稣会初学生时，我工作的地方叫做“受保护工坊”，它为有严重智能障碍的人提供帮助，以使其能够通过一些力所能及的简单工作而有所收入。我被告知，这些人的智商指数一般在50或50以下（要知道，平均智商值为100）。事实上，那些与我一起工作的人连数到三都不会，但他们都能说一口流利的英语。数数这种事情，即使是最早的计算机也能做得很好；而说话对它们来说却是一个至今仍然存在的问题。我的结论是什么？计算机的运作方式与人脑有很大不同。

当然，计算机“神经网络”的命名和灵感均来自分布于人脑中的神经细胞网络。但迄今为止，它们所能做到的与人进行思考时实际发生的情况大相径庭。那么，由于我不是神经网络或众所周知的其他形式的人工智能领域的专家，而是一名天文学家和物理学家，我是以用户的身份介入这个问题。由于望远镜技术的进步，特别是电子探测器和这些仪器信号处理方式的进步，天文学于今正遭受着大数据的侵袭，这类数据是如此之多，以至于旧式的处理方法根本不再起作用。如今，我们依靠智能计算来筛选我们观测到的数据。算法可能会提出这样的假设：一个物体是X射线源，另一个物体是形成行星的颗粒，依次类推。

数据和数据处理

现在，我请大家反思一下，一台配置有我们称作“人工智能”的计算机究竟在做些什么。让我们从一个简单的、可以解决的问题开始。假设你们有一个一定重量的物体，比如一本厚厚的物理书籍，放在离地面一定距离的地方。你们的目标是确定如果让它跌落，它落地所需的时间以及精准的落点。此类问题可以根据牛顿（Isaac Newton）所提供的一些方程来回答。我们可以假设某些参数保持不变：例如，书的质量及作用在书上的重力。然而，发生变化的是书在三维空间中的位置，以及这一三维空间在某个特定位置的时刻。因此，这里有三个空间维度和一个时间维度：也就是说，存在四个变量。因此，为了回答我们的问题，必须回答四个独立的方程，每个变量一个方程。在这种情况下，牛顿的动力学原理为我们提供了三个必要的方程–三个方向上的每一个运动一个方程–而他的万有引力定律则提供了第四个方程。这些等式非常简单，即使一个中学生只用纸和笔就能算出答案。

但如果这个物体并不是一本书，而是一颗从太空撞击地球大气层上层的流星呢？它燃烧着，重量随着下落而逐渐变化。与大气层的摩擦不仅使它燃烧，也减缓它的速度，因为坠落中产生的能量转化成了光和热。高层大气中的风会推动它向不断变化的方向移动。当然，我们可以单纯地跟踪流星在高层大气中燃烧的轨迹，如果它成为一块坠落的陨石，也许还能找到它最终的落点。但实际上，这个落点是一个很难计算的位置：况且还得组织一支寻找陨石的考察队。

如果我们想利用流星的轨迹和亮度来确定陨石撞击地球前的原始速度、方向和大小呢？变量的数目会以超出我们能够投笔写下可靠方程的速度骤然巨增。这并不意味着问题无法解决：毕竟，大自然已经给出了答案。但这比高中生所能计算的要复杂。因此，我们下一步要做的，就是把我们已知的所有方程都列出来，不仅包括运动，还包括空气摩擦、不断变化的风力影响、不同密度材料的燃烧和发光速度，等等。我们不能逆向解决问题，试图追溯到一组初始条件中的单个，例如，流星进入大气层前的速度。

如果我们试着想象几种可能的初始条件，或许可以大胆作出预测，看看它们是否会产生近似于我们的观察结果。显然，由于变量的数目远远多于我们可用的方程，许多不同的初始条件组合都可能是有效的。因此，我们开始掷骰子，对每个单一初始条件进行随机猜测，并翻来覆去地对问题进行运算–计算机于是派上用场–看看哪组变量最终成为“赢家”。最后，我们可能会发现一些规律，即，初始条件提供了与我们观察到的相呼应的答案。当然，这并不等于能够证明其中任何的条件的确与已发生事件相符，但却是一个重要的线索。

这种通过好比掷骰子的方法来假设可能答案的技巧被称为“蒙特卡罗模拟”（simulazione Monte Carlo）。这种方法的问题之一在于，大多数投掷得出的结果与观察到的现象相去甚远。但是，如果我们仔细观察随着每个变量的变化而得出的结果的变化情况，我们就可以开始了解哪些变量的影响最大，并最终了解如何操纵骰子以尽快获得有用的答案。所有这些都可以由计算机来完成，计算机可以确定改变某个变量会使情况得到改善或恶化，以及哪组可能的答案会把我们带向正确的方向，从而使我们更接近所观察到的结果。这就是我们开始称其为“机器学习”的过程的一个例子。当然，重要的是要记住，答案只是最有可能的，而并没有说是正确的；此外需要切记的是，只有在算法变得越来越高效时，“学习”才会发生。

现在，请想象一下对上千颗流星进行这种模拟，并从结果中了解哪些参数和选择倾向于最频繁地与观测结果一起出现。由于这些决定都是由计算机计算出来的，而我们作为用户并不清楚计算机是根据什么来进行计算的，因此整个过程可能会显得有些神奇。实际上，这种“人工智能”不过是智能编程的一个例子，它被赋予了一个更时尚的概念名称。这里所涉及的是数据和数据操作。

计算机与人类智慧

人工智能系统不是在模仿人类智能，而是在做人类会觉得极其乏味的数据处理工作。我们太过聪明，不至于在此类操作上浪费我们的时间。有一次，我在学习天文学时认识的老朋友、计算机专家克利夫·斯托尔（Cliff Stoll）曾这样对我说：“数据不是信息，信息不是知识，知识不是理解，理解不是智慧”。计算机仍处于第一阶段：它们只处理数据，离智慧还很遥远。想想最流行的人工智能机器人，例如ChatGPT，它们通过检索互联网上的信息来回答问题，但却比搜索引擎更“人性化”，搜索引擎的工作仅限于报告相关网站。实际上，这些人工智能机器人还给我们的是这些网站内容的一个含混版本。事实上，它们之看似人类，是因为在搜索结果中掺入了人类特有的不准确性和误差。它们所做的不过是打乱数据并把它们混杂在一起而已。它们看起来像人，不是因为人工智能，而是因为人工愚蠢。

“智能”本身是一个微妙的概念。我们使用智商测试–其平均值被设定为100–试图以此来测量所谓“智商”。但这些测试将“智能”理所当然地假定为一种单维度、可客观测量的事物。一个玩世不恭者会说，智商测试唯一能够测量的是你在智商测试中的表现。

在为智障人士服务的那段时间，我还有缘在美国国家航空航天局的戈达德太空飞行中心（Goddard Space Flight Center）度过时光，使我有机会在接受耶稣会士培训的同时不耽误天文学研究。记得有一次我坐在食堂里，心里琢磨着通常那个钟点自己应该在受保护工坊里吃午饭，四周围着的都是智商比平均水平至少低出50分、衣着并不总是得体的人；这些人有时会自言自语，他们生活在一个大多数人无法适从或理解的世界里。然后，环顾坐在我身边的那些有才华的天文学家，我不禁哑然失笑。我想起了一个人在参观加州理工学院（Cal Tech）时的评论：“难道这些家伙都是摸黑穿衣服吗？”。(请相信我，本人在麻省理工学院[Mit]时的衣着也绝不比他们好…）。智慧并不只有单一的一种。

实际上，我与人工智能的第一次接触可以追溯到在麻省理工学院就读的时候。1973年夏天，我正在为推测一颗木星冰卫星内部随着时间的演变而忙于编写计算机代码。我的室友保禄当时正在位于校园东侧的麻省理工学院人工智能实验室与西摩·帕帕特（Seymour Papert）和马文·明斯基（Marvin Minsky）一起学习数学，这两位是该领域的先驱。我们当时的作息和每个学生的典型日程一样。晚上，我会一边守候新计算机模型执行程序，一边在保禄的实验室里闲逛，结交一些正在开发人工智能的发明者。午夜时分，我们会一起去通宵熟食店吃宵夜。同年，汉斯·卢卡斯·特伯（Hans-Lukas Teuber）在麻省理工学院教授当时被称为“心理学导论”的课程。他的讲座在全校最大的讲堂举行，因为听课者中有一半都像我一样，并不是为了学分，而是因为着迷而趋之若鹜。他的心理学方法与其他大学的心理学教程非常不同，它后来被命名为“认知神经科学”并非出于偶然：这个定义要严谨得多。

麻省理工学院现设有认知神经科学系，其网站声称这些科学正在进行对大脑的逆向工程。当然，他们在绘制大脑工作原理图方面做得非常出色，但这种图表并不能简单地通过一套硅芯片来复制。认知科学是一个独立的部门，其任务与人工智能有所不同。尽管神经科学家和人工智能程序员之间互相交流，但并不能由此而断言他们从事同一工作。

何为智能？

我希望强调一个方面。我在大约五十年前认识的那些人都非常出色，但他们并不是神一般的创造者，而只是非常聪颖、非常努力的人。认知科学所研究的，人工智能实验室所创造的，是大脑如何运作、怎么做和做什么的图解。但“怎么做”与“做什么”有所不同。

何为智能？这是一个属于哲学家的问题，或许也是神学家的问题。在这方面，我认为可以从多玛斯·阿奎那为起点，他强调了心智和自由意志对于人的重要性。换言之，我们可以将灵魂视为一个能够意识到自身及外界事物的实体；然后，灵魂可以自由地选择如何处理累积的知识，如何与其他实体互动。请注意，这个“灵魂”既无质量，也不占据空间。不同于上述例子中那本书，灵魂不受牛顿定律的约束，但却同样非常真实。

为了更好地理解智能之所是，让我们尝试以电脑来做个比喻。试想，有两台完全相同的笔记本电脑：相同的型号、相同的操作系统、甚至相同的物理颜色。除了表面的各种划痕之外，它们的区别完全在于每台电脑内部存储的文件。这些文件并不影响电脑的品质，装满数据的电脑也不比硬盘几乎为空的电脑占用更多空间。但正是这些文件决定了一台电脑与另一台电脑的区别。现在，请仔细想想！文件是以某种电子方式存储的：例如，通过磁性颗粒的方向，最终代表一组二进制选择。如果没有一个能够读取和解读它的操作系统，电子媒体库中资料的物理存在将与任何随机噪声毫无二致。正是操作系统将这些字节（bit）转换成文本。但不要误以为这就代表了操作系统的智能。因为实际上，它所做的只是在电脑屏幕上创建一系列彩色的点。如果你不知道如何阅读由这些点组成的字母和单词，也就是说，如果你不认识屏幕上显示的语言所使用的字母或任何其他书写系统，那么整个画面就会杂乱无章。

结语

这一切告诉我们什么？它告诉我们，电脑所内存和显示的内容，如果没有一个外在实体来理解他在屏幕上看到的东西，就毫无意义。这个实体必须有意识、心智、自由意志和灵魂。数据不是信息，不是知识，也不是智慧。娴熟的程序设计可以让计算机在某些方面与人平起平坐，有时甚至超越人类。但程序员本身，比如我的工程师朋友杰瑞，他们非常了解计算机所做的一切与智慧毫不相干。

问题依然是开放的：人类是否能够制造出某种具有智能的东西？某种能够拥有智慧的东西？事实的确如此，而且这是每一天都在发生的事。一点点长大的孩子们比所有的电脑都更强大，此外，与电脑的不同之处是，他们可以在任何地方由非熟练劳动力生产出来。但是，尽管我们可以创造出新的人和新的电脑，我们人类的智慧总不真正能够发明出一种新的罪。罪不过是善的缺失，这种善本来就应该存在于世界上。贪婪、嫉妒、贪饕、迷色和其他一切都会诱惑任何具有自由意志的实体。任何具有心智和自我意识的实体都会就“重大问题”提出疑问，都会受到某种秘密知识或是对某些确实之物穷追不舍的吸引。穷人总会存在于我们中间，因为我们总会受到引诱，使近人变得贫穷，对其发号施令。或者，我们也会受到使自己变得贫乏的引诱，在把自己交付给天主的事项上表现得胆怯。然而，与此同时，信德、望德和爱德都将永远是可能的。

即使有一天机器会达到具备某种自我意识的程度，难道真的有必要为此而担忧吗？如果机器真的发展出人类灵魂、智慧和自由意志的特征，这也不会让它们比任何其他灵魂–无论是否属于人类灵魂–更好或更坏。它们将既能犯下罪过，又能去爱。为什么要担心更糟糕的情况呢？