读COMPUTING MACHINERY AND INTELLIGENCE有感

本次仔细阅读了由计算机科学之父艾伦·图灵于1950年所著的论文《Computing Machinery and Intelligence》（《计算机器和智能》），让本人对计算机器和智能的定义有了更深的理解。本文将根据原论文结构从7个方面介绍本人对这篇论文的理解和感想。

1、模仿游戏

通过一个简单的游戏来切入主题：计算机可以思考吗？在这个模仿游戏中，人类玩的时候可以思考怎样的回答会让询问者做出错误的决定，那如果让计算机来玩这个游戏呢，计算机可以这样思考吗？可以这样掩盖自己的身份吗？，这就引入了计算机是如何做出询问和解答的，或者是计算机要是能思考那它是怎么样思考的。

2、对新问题的评论

这一部分主要是说将体力和智力分开的话会出现什么情况，若机器拥有了智力它会如何回答问题，还是以模仿游戏为例，机器可以很好地模仿人的行为，但是对于思考的东西它似乎与人不一样，比如说计算，人类可能对于计算不敏感一个算术就需要算好久，但是对于机器来说，这个过程很简单也很快速，这么说来是不是可以认为机器与人一样具有思考能力，只不过与的思考方式不一样而已。

3、游戏相关的机器

本节中引入到了电子计算机或者是数字计算机，探讨使用电子计算机来进行上面所提到的模拟游戏，假设所有计算机都能进入这个游戏或者说是都能正常的来参与这个游戏，那是不是可以在其中选择出表现比较好的机器出来呢，就像人一样选出最佳选手，这个过程也是在探讨计算机是否可以进行思考的问题。

4、数字计算机

通过在数字计算机中制定某种可遵循的规则来指定计算机可以进行某种计算，比如在特定的场所做一些乘法和加法等。并在数字机计算机的组成解释了它的工作原理，如计算机的存储就像人的记忆一样存储数据，对应于计算中它就像一张在运算的纸张；计算机的执行单元就是一些规则的可执行的操作；计算机的控制就是保证这些操作可以顺利有序的执行而不会出错。以此可见，计算机是在模仿人类计算行为的机器。

5、数字计算机的通用性

之前本文所讲的数字计算机是一种离散状态机，就是说它的状态是离散的不是连续的，这种离散状态机只要给定输入，可以预测它未来所有的可能的输出的。比如之前的模仿游戏，只要给出有的状态值的表，而且计算机足够快的计算，那就可以在这个游戏玩的很好。我们把这种可以模仿所有状态的计算机器称之为通用机，因此又回到了第3个问题，它们能否在游戏中表现最佳。

6、主要问题的对立观点

又回到了第一节中提到的问题了，机器能否思考的问题，而在未来的时间里，计算机的存储功能会大幅增长，因此像模仿游戏这样的计算机会很容易，机器能快速的给出随机的答案。现在的问题是要去做出一些合理的假设，并论证一些相对立的观点。将从7个方面论证。（1）反对来自神学的意见。就从人的本质来说，思维是人独有的，动物或者说是机器是不存在思维的。（2）鸵鸟政策式的异议。认为人的思维能力高于一切，也是说机器不可能有思维。（3）来自数学的异议。认为机器的能力是有限的，而人类的智能是无限的。反映了人的优越性，没有整体看问题，不能否认所有机器中是否会有机器会比人更加的聪明。（4）自意识论点。就是以机器能否有自己的一些感觉或情绪来判断机器能否具有思维。（5）能力限制的论证。就是辩证机器的能力有限，不能像人一样有这么多的感觉感受和感情。大多数人认为机器只是机械性的给出结果，太低级了，但它要是也故意出错呢，你该如何解释。（6）洛夫莱斯夫人的异议。机器能做出我们指挥它做的任何事情，以及机器永远也不会创新。图灵则以机器能不能让人吃惊这一观点来反驳，说明机器可以让人吃惊，可以做到创新的。（7）神经系统连续性的论证。不可以用一个离散状态系统去模仿神经系统的行为。（8）自行为变通性的论证。不能用一套规则来囊括一个人在所有想象的环境中的行为。（9）超感官知觉的论证。就是对一些心灵感应、千里眼、先知和精神运动等超感官行为的辩驳，就是问机器能不能也有这些行为。

7、学习机器

旨在探求一种可以自我学习并做预测的计算机机器，研究它的学习模式，按照文中的例子来说就是按照教育儿童的方式来使计算机也能这样跟着学习，比如加入惩罚和奖励的机制来作为教育的一部分。去规定机器的系统逻辑规则，它学习的结果不是确定的而是一堆随机的概率，这个过程是人类所做不到的。这也是当一个问题存在多数解的时候，使用随机的方法要比系统的方法好。

感想

读完了这篇论文之后虽然有点云里雾里，毕竟我们和西方人的思维方式不一样。但是我还是能从中明白图灵所讲的智能机器的概念，我很感叹在70年前，图灵就能提出智能机器的概念，并初步展现了它可能的学习方式以及工作方式，而这些正是今天我们人工智能技术所在做的。最后，我想用里面最好的一句话做结尾：We can only see a short distance ahead, but we can see plenty there that needs to be done.