我们把算法理论看成是西方工具理性的基石，完整、一致、优美，正是在这个基石上，我们才能探索不确定性的对象，而对象的客观性迫使我们深研图灵建立在“实时性”（actual time）本质上的技术理论方法，从“图灵机”到“模仿游戏”，图灵思想的一致性，贯穿世纪。

＊＊＊＊＊＊

美国历史悠久、最受读者尊敬的杂志之一“大西洋月刊”三月四日登载一文：“作为计算机程序的‘人工智能’的星名已经失魅了吗？” （“‘Artificial Intelligence’ Has Become Meaningless， It’s often just a fancy name for a computer program”，https://www.theatlantic.com/technology/archive/2017/03/what-is-artificial-intelligence/518547/ ，中译可见http://mp.weixin.qq.com/s/xM6L-vZ1o7MjhKHf9CRPTg ），文中列举了几个例子来说明，正在进行的人工智能研究和开发实际上远不是科幻小说、电影中那样神奇，现在所说的人工智能（绝大多数情况下）只不过是软件，在实际应用中也颇遭挫折，有些科学家已经意识到这些问题并不在机器的能力如何，而在于人工智能与认知理论和科学本身之间的本质性关系上。

大体来说，现有的人工智能研究都是在计算机中建模编程为主，比如目前主流的“人工神经网（ANN）”就是在实体模仿或理论模型的基础上，（拟合）函数化为在计算机中表达的一个算法模型，然后让机器和程序在专门的大数据（样本）中进行训炼（“学习”），边“学习”边工作，所以有见识的专家们说：今天人们所说的“‘人工智能’实际只不过是人写的一个计算机程序”（‘AI’ what they're really talking about is a computer program someone wrote），因此，“今天的计算机系统一点都不特别”（today’s computer systems are nothing special），有专家不无讽剌地说，人工智能只是一个“传说”（AI is a fable），或者说，“算法这个词已成为了一种文化崇拜”（the word “algorithm” has become a cultural fetish），更有专家说，放弃（或替代）这个术语也许是在当代文化中去魅这个魔力的最好办法。（abandoning the term might be the best way to exorcise its demonic grip on contemporary culture.）

这一切不能不让人想到四、五十年前马文·明斯基的“咒语”[注]，1969年，“感知器”（Perceptrons: an introduction to computational geometry）一书出版，该书从数学和逻辑的角度分析， 神经网络模型中最基本的单层感知器在能力上有根本的局限性，而且在多层感知器中也是不可能被全部克服的，加上其它因素，这个论断导致了神经网络研究的将近二十年的低潮。但人工智能并非在一条道路上前进，它也与其它学科领域渗透和交织发展，人工智能的不同发展方向以符号主义、机能主义、逻辑或程序主义、联接主义等等名目被称呼，但主要还是“算法”（Algorithm）和“代理”（Agent）本质上的区别，达特茅斯会议上提出的“人工智能”这个概念大体包括了这两个方面的工作而被大家接受。近年来人工神经网络模型实际上是两种方法的混合，即模仿神经元的工作建立实体的或理论的模型，然后将模型函数化、算法化，再让计算机运行算法，在“学习”中去工作。  

目前人工智能的研究、开发、应用的热潮似乎破解了明斯基的“咒语”，不仅是专家不断地以各种新的方法和研究成果使人工智能的面貌日新月益，各行各业的从业者、投资人以及市场、媒体、政府都高度关注，更有些惊人的观点似乎在颠覆着人们的基本认知，人工智能最终将战胜人类，人工智能将统治世界，人工智能可能终结人类历史，等等……  因此至少可以说，目前的人工智能热潮确实已经颠覆了人的基本认知。但实际上，明斯基的“咒语”并未消失，比如其它报导来源的关于几个著名的“聊天机器人”所遭到的诟病和挫折等，已经不再是大新闻了，而人工智能专业领域内也一直有不同的观点，但这些反对意见大体只是出于直觉，比如认为机器不会产生具有真正创造性的工作，这些意见虽然在直觉上能得到很多人的响应，但在理论上并没有有力的支持。

或许还有第三种情况，这就是图灵的道路。虽然图灵被人称之为计算机和人工智能之父，但他的图灵机和人工智能的思想深刻性似乎从来没被人完全领略。图灵深知计算机所具有的能力超出了常人的想象，但又洞察到机器能力与人的能力之间无法直接比较的困难，  一方面机器在很多能力上远胜于人，但在人的基本的本质性上机器却无法与人相比，图灵知道问题的实质不是机器与人的能力的差异的问题，而是两者具有不可比较的能力性质，因此图灵提出了间接考察、研究人机之间的能力比较关系的方法或模式——“模仿游戏”。

“‘模仿游戏’是一个仅由语言沟通的询问者去判断二个努力证明自己是女人而其中一个却是男人的游戏，图灵的目的并不在于这个询问者如何去判断对方的真或假，而是去考察：‘与两个人玩游戏相比，让一个机器去充当男人，这个游戏的判断者发生错误的几率是否发生变化?'图灵的目的就是让这两种询问的结果相同与否去代替'机器能思维？'的问题。” （智能哲学：“第三问题”与图灵的“模仿游戏”）

“模仿游戏”却一直被人理解为检测机器是否具有与人相同的思维的方法，所以被广泛被称为“图灵检验”（Turing Test, TT），并为此设计了很多具体的问题和检测标准，但实际上，如何进行“图灵检验”和是否通过了“图灵检验”，从来没有一个公认的模式、标准或有一个能得到大家认可的结果。这种情况与“图灵机”完全不同，自1937年图灵提出“图灵机”以来，无论在模式的理论表达或在技术实践中，“图灵机”的清晰性和确定性从没人怀疑，但“模仿游戏”似乎一开始就被人误解了。

与“图灵机”的封闭性不同，“模仿游戏”实际是一个开放的多层次的研究、检验体系，在“模仿游戏”中，有人与人、人与机器、参与试验者（提问人），以及不参与试验的事后评价这样一个多层次开放关系，即一个三方关系的多层实体模式，从而把理论中最困难的三方关系问题以一种多层次关系模式表达出来。因此“模仿游戏”具有人、机在智能上进行对比观察、检验、分析、研究的真正价值。  

明斯基的“咒语”洞见了数学、逻辑与ANN模型之间存在的原理性隔阂，但无法建立这两者之间的桥梁，因而成为人工智能的研究一度受挫的一个原因；图灵深刻地理解到人机之间不可比较性，建立了一个开放的考察、研究、检验模式，正是在这个意义上，“模仿游戏”与图灵机一样重要。图灵的研究工作思想一致，从计算机到人工智能的研究有一种过渡性的关联，现在看来，更具有深刻、长远的意义。

[注]：ANN单元构成一阶谓词逻辑（“与”、“或”），而二阶谓词逻辑的“异或”（Exclusive OR，XOR）在ANN中无法简单地表达， 一阶逻辑只有一个层次，二阶逻辑则有两个层次，“异或”的逻辑意义是：有且仅有一个为真；而在一阶逻辑中，“或”是可以同时为真的，“与”是必然同时为真，但“异或”与此不同，“异或”是两者的值必然不同（这与逻辑“非”也不一样，“非”是自反），“异或”并不关心各为何值，只是强调两者一定相反，因此“异或”的本质就是一种“不确定性”。这里特别说明一点，现在的计算机中大量使用的“异或门”逻辑电路是由多个一阶门电路联合表达的异或真值表。物理上不存在一个单体的“异或门”逻辑单元，这也就是被误解的明基斯的“咒语”：“异或”不可表达。（智能哲学：机器与“学习”——寻找人工智能的幽灵）