时间穿越回1950年，在AI的初创时期，人们就想到了，到底什么是“智能”，如何才能判别机器是有“智能的”。

很多AI的专著或教材都会提及著名的图灵测试。图灵测试的目的是测试计算机是否具有“智能”。测试是这样来进行的。把一个人单独地关在一间屋子里，这个人称为询问者，通过一个文本输入输出终端与外部联系。询问者提出的问题可以由计算机来解答，也可以由人来解答。如果询问者不能区分答案是由计算机给出的还是由人给出的，就可以认为计算机是有智能的。

图灵测试尽管被不少人认为是有意义的，可批评的意见也不少。

1980年哲学家约翰.西尔勒（John Searle）提出的“中文屋子”的假想实验。一般人们都认为“中文屋子”实验证明了：即使通过了机器通过了图灵测试，其实是也没有智能。

西尔勒假设自己在一个封闭的房子里（扮演计算机中的CPU），通过有输入和输出缝隙与外部相通，输入用中文表达的问题，但他对中文一窍不通。不过不要紧，房子里有一本英语的指令手册（相当于程序），从中可以找到相应的回答问题的规则。他只要按照规则办事就好了，然后，把作为答案的中文符号写在纸（相当于存储器）上，并输出到屋子外面。这样，看起来他是能够处理输入的中文问题的，并给出了正确答案（如同一台计算机通过了图灵测试）。但是，实际上他对那些问题毫无理解，因为他并不理解其中的任何一个词。

对此，我可能有不同的想法。西尔勒先生在实验中只是把自己作为CPU，而我们从来都不认为CPU是有“智能”的，一台计算机如果是有“智能”，其智能应该是“放在”程序（软件）中。也就是说，即使西尔勒即使没有“智能”，整个机器（西尔勒+英语指令手册）还是可以有“智能”的。不知我的这个看法对不对？

来自另外一方面的批评是：“尽管图灵测试具有直观上的吸引力，图灵测试还是受到了很多有理由的批评。其中最重要的质疑是它偏向于纯粹的符号问题求解任务。它并不测试感知技能或要实现手工灵活性所需要的能力，而这些都是人类智能的重要组成部分。另一方面，有人提出图灵测试没有必要把机器智能强行套入人类智能的模具之中。或许机器智能就是不同于人类智能，试图按照人类智能的方式来评估它，可能根本上就是一个错误。我们真的希望一台机器做起数学题来就像人一样又慢又不准吗？难道不应该让智能机器发挥它自身的优点（比如庞大、快速、可靠的存储器），而宁愿去让它模仿人类的认知特征吗？^[1]”

来自这方面的批评也不是没有道理，如果真是按照图灵测试，到目前为止，世界上恐怕没有那台机器能够通过测试的。

围绕着图灵测试的争论，恰好反映对“智能”定义的争论。

我们还是穿越回20世纪90年代，尽管有日本开发第五代（智能）计算机失败的影响。人们并没有停止前进的脚步，从当时一直到现在，各种各样以解决实际问题为目的的AI方法与技术层出不穷。

比如说，机器人已经有了一定的自主行走能力，遇到障碍物会停下来或者绕过。机器人可以和人进行简单的对话。

计算机能够识别不少的印刷符号。

计算机视觉技术能够识别一些图像或者跟踪图像中运动的目标。

“在远离地球几百万公里的太空，NASA（美国航空航天局）的远程智能体程序成为第一个船载自主规划程序，用于控制航天器的操作调度。远程智能体根据地面制定的高级目标生成规划，并且在规划的执行过程中间是航天器的运转——当发生问题的时候进行检测、诊断以及恢复。^[2]”

    “ALVINN计算机视觉系统被训练用于驾驶汽车沿车道行进。它安置在CMU的NAVLAB计算机控卫星汽车上，并用来导航穿越美国——行程2 850英里，其中98%由这个系统掌控方向盘，另外2%的时间由人驾驶。^[2]”

     在猪的耳朵上放置一个射频识别卡（RFID），当猪跑到食槽前准备进食时，系统会根据RFID给出的信息，为猪准备好合适的饲料，称为智能养猪。

就连我们每人手上的银行卡、身份证也都变成了IC卡（智能卡）。

手机只要有了操作系统，就叫智能手机。

以上这些技术或简单或复杂，都有一个共同的特点，开发者并不是特别关心我们人类是如何实现其智能行为，甚至不考虑究竟怎样才叫“智能”，只是以解决问题或者部分解决问题为出发点；不追求实现方式与人类的实现方式相同，只求在功能上实现“智能”即可。只要是使用了计算机，只要是系统的行为和人的行为有点类似或接近，就将其称为“智能”。

我们把这样的“AI”称为“应用AI（applied AI）”、“窄AI（narrow AI”或者“弱AI（weak AI ）”^[3]。我也把这样的AI称为爬树型的AI，其实他们从一开始就没想到要去月亮。

还是让我们回到“智能”的定义，我在本系列第一篇给出的定义是：“智能”是指高级生物（主要是人类）认知过程（包括：感觉、表征、记忆、概念形成、意识、辨识、判断、推理、决策、知识形成、问题解决）的能力。

尽管定义不太好下，需要列出一个长长的（可能永远也列不完的）有关“智能”特性的单子。但我们总不能因为机器只是具有记忆就将其称为“智能的”，否则，一个晶体管或者一个门电路也都是有“智能”的了。也不能因为机器能够简单地适应环境就将其称为“智能”的，因为任何一个自动控制系统都可以有这样的功能。

其实，有些“AI”还是不称为“AI”为好。如果一定要叫“AI”，我就把他们叫做“伪AI”。文献[5]指出：“把神经网络（NN）归类于人工智能（AI）可能不合适，而归类为计算智能（computational intelligence, CI）则更能说明问题的实质。进化计算、人工生命和模糊逻辑系统的某些课题，也都归类于计算智能。”

不过，我觉得，送走了神却又请来了鬼。既然不叫“人工智能”，为何又来个什么“智能”，那到底是什么的“智能”呢？显然，只能是人的智能。那么，哪种科学方法又何尝不是人的智能呢？

文献[4]认为“智能”至少应该具有以下几个特点之一：

推导、推理及问题求解（Deduction, reasoning, problem solving）

知识表达（Knowledge representation）

规划（Planning）

学习（Learning）

自然语言处理（Natural language processing）

机动性与自主操控（Motion and manipulation）

感知（Perception）

社会智能（Social intelligence）

创造性（Creativity）

好了，最后，我们来谈谈“强AI（strong AI）”也称为“通用AI（ general AI)”。

我个人认为，所谓“强AI”至少有两个特点：其一，机器所实现的“智能”水平至少要与人类相当甚至超过人类；其二，“智能”的实现是以模仿我们人类的认知过程来实现的。

这就是造火箭的AI了，因为目标是要到月亮上，爬树是解决不了问题的。

20世纪70年代，认知科学开始创立，这是一门以研究人类认知过程的学科。其分支有：心智哲学、认知心理学、认知神经科学、认知人类学、认知语言学以及AI^[6]。

确实，要想搞清楚我们人类的心智实现与心智发展过程实在是太难了，用机器实现起来就更难！这就是“计算机不能做什么”这个博文系列一直想说的话。

设想一下，一个简单的过马路的过程，你能用计算机实现吗（请注意，是用你过马路的方式）？

你是如何识别一张桌子的？无论它是大是小，无论它式样、颜色如何、无论它是正着放还是反着放，无论他是否少了一条或两条腿，无论它是否缺了一个角，你都轻易地能识别。但是，你能把这个过程表达清楚并用计算机实现吗？

你能讲得清楚，自己头脑里的各种概念是如何形成的吗？

就连人们引以为豪的计算机的记忆能力，人类也不一定完全输给它。设想一下，当你独自一人在异乡行走时，远处飘来的一阵若有若无的奇特气味，就会勾起你沉睡多年的记忆，各种景象如潮水般在你的脑海里翻腾。这里绝没有任何的搜索过程，难道不奇妙吗？

话又说回来，不管有多难，人类一直没有放弃梦想。

就以苏晓路网友的一句话作为本系列博文的结语吧：我们都不是上帝，但是人类的理想就是不断接近上帝！

[1] George F. Luger. 人工智能（复杂问题求解的结果和策略）[M]. 史忠植 等译. 北京：机械工业出版社，2006

[2] S.Russell, P.Norvig. 人工智能（一种现代方法）（第二版）[M]. 姜哲 等译. 北京：人民邮电出版社，2010

[3]  Strong AI. Wikipedia. http://en.wikipedia.org/wiki/Strong AI    (2012/09/04)

[4] Artificial intelligence. Wikipedia. http://en.wikipedia.org/wiki/Artificial_intelligence  (2012/08/31)

[5] 蔡自兴、徐光祐. 人工智能及其应用(第4版)[M]. 北京：清华大学出版社，2010

[6] 认知科学. 百度百科，http://baike.baidu.com/view/121380.htm （2012/09/04）

附注1：到此为止，我们还有一个问题，就是等到“强AI”实现的那一天，那个有“智能”的计算机，它（也许是‘他’）有意识吗？它理解自己的所作所为吗？它也和我们一样有欢乐、有痛苦吗？

    这个问题只能留给哲学家们来回答了。