【学习随笔】图灵-计算机器与人工智能

思维导图

 

模仿游戏

       作者首先提出了"Can machines think?" （“机器可以思考吗？”）这个问题。相比与尝试定义“机器”“思考”，作者提出了“模仿游戏”。

       一个男人（A）,一个女人（B）和一个可以是任意性别的询问者（C），A模仿B来误导C的判断，C通过询问AB判断具体两人性别。

       从而提出"What will happen when a machine takes the part of A in this game?"（“当让一个机器在游戏中扮作A的角色，将会发生什么？”），进而代替了原先的问题"Can machines think?" (“机器可以思考吗？”)。

       至此，作者提出了“机器模仿”，又与开头作者考虑的问题（“Can machines think?”）前后呼应。

新问题的评论（Critique  of the New Problem）

       分别在论证了人（体力）和机器（计算能力）的优势对游戏是没有影响的。

新问题的价值

"Is this new question a worthy one to investigate?"（“调查这个新问题有价值吗？”）作者先就此问题进行了回答。

The new problem has the advantage of drawing a fairly sharp line between the physical and the intellectual capacities  of a man.（这个新问题在完全划分一个人体力和智力之间有着优势）。

在模仿游戏中，看不到，听不到，接触不到其他竞争者的情况下，模仿游戏其实就是一场智力的游戏，不需要体力的参与。故，人类在体力方面目前的优势，不需要进行考虑，只需要机器有能和人类智力相比的计算能力来完成游戏。

这点从文中可以看出：

The "witnesses" can brag, if they consider it advisable, as much as they please about their charms, strength or heroism, but the interrogator cannot demand practical demonstrations .（如果“证人”认为它可取，他们可以过分吹嘘，他们的魅力、力量或者英勇的表现，但是询问者无法让他们做出实际的展示。）这是一场无法用实践验证的智力游戏，只能通过询问者自己来判断真假。

游戏的批判

       The game may perhaps be criticised on the ground that the odds are weighted too heavily against the machine. 这场游戏可能在当场受到批判：机器的胜算太大。

       机器在算术计算等方面相比人类更准确快速，但机器可以通过设计，迟缓的给出答案，或“故意”给出错误答案等方式，来解决人尝试假装一个机器，在算术运算方面容暴露的问题。机器相比于人在计算能力上的优势，也不是影响游戏的原因。重要的是机器的“思考“能力，像人类一样，从而误导询问者。

it will be assumed that the best strategy is to try to provide answers that would naturally be given by a man. 我们假设最优策略是设法提供人类自然情况下给出的答案。

“模仿”的最高水平，就是和被模仿者一样，自然的思考，不刻意。人类体力和机器计算能力都不是模仿的重要问题，主要问题是：如何让模仿者和被模仿者在思维方面能一致，模仿者认为自己就是“被模范者”，有着和“被模仿者”一样的客观约束。

游戏中涉及的机器（The Machines Concerned in the Game）

       首先，作者确定了参加游戏的机器--“数字计算机”。然后作者对机器的性质和特点做了一个简短说明：

       but whether there are imaginable computers which would do well. 在可想象的计算机中，是否有一个可以表现出色

数字计算机

       数字计算机组成部分：存储器，执行单元，控制器。

       作者对各组成部分进行解释。

数字计算的通用性

离散状态机

       已规定机器初始状态和输入信号，总是可以预测所有未来状态。这让人想起拉普拉斯的观点：从宇宙某一时刻的完整状态，正如所有微粒的位置和速度描述，它应该可以预测所有未来状态。无论如何，我们考虑的预测，相比于拉普拉斯的考虑更接近实践性。“宇宙是一个整体”的系统，初始状态很小的错误在后期时间中可以有压倒性的影响。单个电子在某一时刻十亿分之一的移位可能产生一个人一年后被雪崩杀死还是逃跑的差别。我们称为“离散状态机”的机械系统基本特性，这种现象不会发生。即使当我们考虑实际物理机器代替理想化机器，某一时刻状态的合理准确了解在后面的任何步骤都会产生合理并准确的了解。

       指定一个离散状态机的对应表，它可能预测它将做什么。这个结论不能被一台数字计算机的意义证实，没有任何理由。假设只要足够快证实，数字计算机可以模仿任何离散状态机的行为。

数字计算机这种特殊特性，使它们可以模仿任何离散状态机，可以说它们是通用的机器。具有这种特性的计算存在一个重要结果，即不考虑速度分离，则不必设计出不同的新机器来执行各种计算步骤。它们都可以用一台数字计算机完成，每种情况都可适当编程。由此看出，所有的数字计算机在某种意义上是等价的。

       暂时建议：“机器可以思考吗？”应该用“是否有那个可想象的数字计算机可以在模仿游戏中表现出色？”来代替。如果我们希望它表面上更一般，并提问“这是否有离散状态机可以表现出色？”但是考虑到普遍性，我们可以看到这些问题中的任何一个都是对它等价的，“让我们将我们的注意力放在一台特定的计算机C上。通过修改这台计算机，使其具有足够的存储空间，适当地提高反应速度，并提供适合地编程程序，C可以在模仿游戏中完成A部分，B部分被一个人代替，能完成满意地效果，这是真的吗？”

主要问题地对立观点

       作者在此部分对目前地一些争议性地对立观点进行了辩论。但感觉更多地是倾向于一场“辩论赛”式地主观辩论，在很多方面还是缺少客观地反驳。

       考虑到问题构成地更准确。我相信在大约50年后，将可能对大约有109存储容量的计算机进行编程，使他们能在模仿游戏中玩的很好，使一个普通询问者在提问五分钟后，不会有超过70%的机会做出正确判断。最初的问题“机器可以思考”，我认为没有太多意义值得讨论。

       作者认为目前人工智能还是有局限地，受到研发，存储等方面地限制，随着科技地发展这些问题可能会得到解决。

       流行观点是：科学家无情地进行从可靠的实施到可靠实施的，从来不受任何改进的猜测影响，这是完全错误的。假设能清晰那些是被证明的事实，那些是猜测，就不会造成任何损害。猜想是非常重要的，因为它们为研究提供了有用线索。

       猜想--在新兴的技术或产业发展中至关重要，我们不能仅关注现有的事实。合理的猜想，大胆的假设可以促进科技的发展。但，这也证明作者对“机器是否能思考”提出的相关理论，设想也是建立在部分“猜想”上的，而作者下面就其“猜想”中的部分观点进行了“证明”（思考）

神学的反对

       就灵魂而言，作者提出：

       然而，这只是猜测。我对神学观点印象不深，不管它们被用来支持什么……以我们目前知识看，这个论点显得徒然。当知识不在存在，它给人印象完全不同。

鸵鸟政策

它会影响我们大多数思考它的人。我们更倾向于人类相比于其他生物，一些不易察觉的方面更占优势。如果他表现出必然的优越性那是最好的，因为这样，他不会有失去操控位置的危险。神学论的流行明显和这种感觉有关。在智力发达的人中更强烈，因为他们有比其他让人更高的思考能力，并倾向于把他们的信念根基在人的优越感这种力量上。

       作为万物灵长，人们在智力、思考上的优越性，使部分人类基于“恐慌的”、“不想失去其优越性的”心态，不愿接受“机器可以思考”会有机会替代人类这种可能。但，科技是发展的，我们不能因噎废食，阻挡时代的变化与推进。在机器智能发展的同时，做好网络、智能等方面的规划，避免将智能走向“危险边界”，才是正确的方法。

数学上的反对

       当描述的机器与被询问机器之间容忍某种相对简单的联系：可以证明答案要么是错误的，要么是无法的发生的。这是数学上的结果：证明人类智能不受支配的机器缺陷。虽然，简短的论点答复是在限制能力情况下建立，它已经被声明，如果任何特定机器在没有任何近似证据下，就没有这样的限制应用于人类智能。但我不认为这种观点可以相当轻易的否定。这些机器中的一台无论什么时候被问到适当的关键问题，并给出明确的答案，我们知道这个答案一定是错误的，它给了我们一定程度的优越感。这种感觉虚幻吗？毫无疑问相当真实，但我认为不应该过分重视它。……简而言之，可能人比任何机器都聪明，但反过来也可能其他机器比人聪明，以此类推。

       局限性。每台机器的智能，在不同方面所展示出来的，可能不同。具体机器和人那个更聪明，这并没有一个明确的标准。人和机器在处理事物方面所遵循的思考方式都是都受到所处环境，先验知识等限制，具体什么是“更聪明”，还是仁者见仁的，需要将“机器和智能”这个学科不断研究，将模拟游戏继续进行。

对意识的争论

       “直到机器可以因为感受到的思想和情感写出十四行诗或做出协奏曲，而不是符号的碰巧坠落，我们才能同一机器等于大脑，不仅是机器写下了它，更是机器知道它已经写了它。

       简而言之，我认为大多数从意识上支持这个论点的人能够被说服放弃它而不是被迫进入唯我主义观点。然后，他们可能将愿意接受我们的测试

       作者认为上述的观点是极端的唯物主义。思考和情感是人类具有的一种行为和态度。我们想要的“人工智能”是能解决人类生活中的“问题”，还是必须要像人一样，能够对外部环境做出合理反应并拥有现实的情感？这是一个需要明确的问题。机器编程的逻辑判断，根据现有环境做出合理的反应，这从另一种方面来说也是一种思考。而情感，拘于一种“抽象化“的概念，这在涉及人工智能方面需要明确定义。是需要拥有类似人一样能交流，作为伙伴拥有喜怒哀乐的反应；还是遵从某种严格的约束，如：安全、遵守人为制定的道德或处事标准等。这些都不是能一步确定并解决的，首先我们还是得回到现有的条件和状况，一步步来。

各种缺陷

       这些论证的形式：“我承认你能让机器按你提到的做所有事，但你永远不能让一个机器做X”。大量的X特性被推荐，我提供一个选择：善良，足智多谋，美丽，友好，有积极性，有幽默感，明辨是非，犯错误，恋爱，喜欢草莓和奶油，让人爱上它，从经验中学习，用词适当，成为自己想法的主体，作为人有尽可能多的行为差异，做一些新颖的事。

       在我看来，这种基于两种错误混淆的批判，我们可以称他们为“功能错误”和“结论错误”。功能错误是由于一些机械或电器故障导致，这些故障将引起机械的行为与它的设计不符。在哲学讨论中，有人喜欢忽视这些错误的可能，因此，有人讨论“抽象机器”。

我们在这考虑的批评，通常是来自意识论证形式的伪装。

       面对各种缺陷我们应做到合理的辨别，对一台机器来说，“恋爱”等这些都不是人工智能所必须的，正如一台机器我们不需要它能够吃饭一样。而“善良”等，我们可以通过编程，给机器注入“人类的道德标准”，做到机器行为的约束。合理范围内的要求，我们都可以在逐渐地实践中，慢慢摸索，将猜测逐步证实。实践是检验真理的唯一标准，谁也无法确定现在的真理和谬论在未来是如何的，限于知识和水平的猜想都是无法全面反驳的，我们能作的就是以积极的态度去研究。

洛夫莱斯夫人的异议

LoveLace：能做我们知道怎样去指挥他做的事。即，机器永远不能创新

Hartree：这并不能反应，它能制造出将自己独立思考的电子设备，或者用生物说法，一个人建立一个条件反射，它可以为“学习”基础服务。

       作者认为，如果存储容量和速度足够，分析引擎是可以通过适当编程来模拟。整个问题将在学习机的领导下重新考虑。

所有的新事物都是基于旧事物产生，并或许会成为另一新事物的基础或被抛弃成“旧事物”。作者认为：

“世上无新事”，谁能确定，他所作的“创作作品”并不是简单的通过教学在他身上播种种子的成长，或是跟随众所周知一般原则的影响。

我认为，机器不能引起惊讶的观点是由于哲学家和数学家特别易遭受的一种谬误。

       基于当时的技术和水平，作者只是从观点上反驳了洛夫莱斯夫人的异议，没有就“机器不能创新”摆出无法反驳的成果。

神经网络

人们不能期待一个离散状态系统来模仿神经系统行为。

       作者认为询问者不能从中这个反驳获得任何优势。

不正式行为的争论

我们不能制定一套规则来描述一个人在各种可以想象的环境中干什么。

试图提供行为准则去覆盖所有可能发生的事，甚至交通灯引发的事，看起来是不可能的。

       行为变通性：作者提出“行为规范”和“行为法则”的观点应用于机器，预测任何没有经验意义的回复。

超感知觉

超感知觉：心灵感应，洞察力，预知力，心灵致动

至少在心灵感应方面，统计证据是压倒性的。

如果心灵感应被承认，它在我们的测试中有必要加强。这种情况可以被视为类似出现情况：如果询问者自言自语并被其中一名竞争者通过墙听到。将竞争者安排进一间“心灵感应证明室”会符合所有的要求。

学习机器

在此部分，作者阐述，他将给出有说服力的论点证据来支持他的观点。

大脑有相应的现象？机器有相应的现象吗？似乎有一个人类大脑相应的现象。其中大多数数是“亚临界”，符合这类似亚临界大小堆的。

作者就洛夫莱斯夫人驳论的反证和“剥洋葱皮”，讨论寻找“真正的思维”，“超临界”状态，不同于“机械步骤”的“人工智能”核心理论。

作者用理论佐证自己的观点的同时，也阐述：具体有说服力的实物成果还是得等世纪末（未来）。

未来，继续研究的问题/方向：

正如我解释的那样，问题主要是编程。

我们的问题是找出如何让这些机器玩游戏的编程。

       模仿成人思维需注意的三个部分：出生时的思维状态（最初的思维状态），接受的教育，经历。

       对模仿成人思维，作者更进一步提出模仿儿童思维。

       我们的希望是，儿童大脑的机制如此少，以至于类似的东西很容易被编程。

       问题被分为两个部分：儿童编程和教育过程。

 儿童机器结构=遗传物质

儿童机器的改变=突变

自然选择=实验者的判断

       教育：惩罚和奖励；“非情感”的交流渠道

       我们通常将惩罚和奖励与教育过程联系在一起。一些简单的儿童机器可以按这种准则创建和编程。

       这些命令将通过“无情感”通道的传送。使用这种语言将大幅度削减惩罚和奖励数量的需求。

       命令中重要的是规范相关逻辑系统规则应用的秩序。因为在每个阶段，当逻辑系统使用时，有大量可供选择的步骤，任何一个步骤都是被允许应用的，只要遵守相关地逻辑系统规则。

       加入随机元素。

       我们放入及其中的大多数程序将会导致他做一些我们无法理解的事情。如果有，或者我们认为这是完全随机的行为。大概，智能行为包含偏离计算中完全服从的行为，但这有点小，不会引起随机行为或无意义的重复循环。

       不关心内部变化。（重要特征：教育者对实现的内部结构并不了解，却能某种程度上预测机器的行为。）

       随机方法和系统方法：

       我们可能希望机器将最终和人在纯智力领域竞争。但哪一个是最好的开始？即使这是一个艰难的决定。许多人认为是非常抽象的活动最好，比如下棋。也可以坚持，最好是提供金钱可以买到的最好感觉系统的机械，然后教它去理解和说英语。这个过程可以遵循儿童的教育。事情会被指出并命名。再次重复，我不知道正确答案是什么，但我认为两种方法都应尝试。

We can only see a short distance ahead, but we can see plenty there that needs to be done.

待补充

没有真正理解人的心理和意识前，只能以模仿的方式进行机器思维的研究和测试。

“学习机器”与“机器学习”，模仿与自主。