1700519914
是的，但是动物们可以“解决”那些问题只是一种错觉！没有一只鸟发现了如何飞翔。相反，鸟只是利用了无数代爬行动物进化出的解决方案而已。与此类似，虽然人们可能会觉得设计一个金莺的窝或者海狸的堤坝很困难，但这些东西也不是金莺和海狸想出来的。那些动物自己并不会“解决”问题，它们只是利用复杂基因所构建的头脑中现有的程序而已。
1700519915
1700519916
批评者：那你是不是必须承认进化本身是有智能的？因为它解决了那些飞翔的问题和建造珊瑚礁、鸟巢的问题。
1700519917
1700519918
不，因为对人来说，“智能”这个词还强调迅速和高效。进化的速率太低，所以虽然它最终产生了我们自己无法制造出来的精彩事物，但我们也不认为它有智能。不管怎么说，像“智能”这样古老而模糊的词，认为它必须表示某种确切的事物，这种想法是不明智的。与其追寻这种词是什么“意思”，不如试着去解释我们如何使用它。
1700519919
1700519920
我们的思维中包含着一些程序，让我们可以去解决那些我们认为困难的问题。“智能”就是我们为这些尚未被理解的程序所起的名称。
1700519921
1700519922
有些人不喜欢这个“定义”，因为随着我们对心理学更加了解，它的意思也一定会不断变化。但在我看来，这才是它应有的样子，因为智能这个概念就像魔术师变的戏法一样。就像“非洲尚未被探索的区域”这个概念一样，一旦我们发现它，它就消失了。
1700519923
1700519924
1700519925
1700519926
1700519928
心智社会：从细胞到人工智能，人类思维的优雅解读 7.2 不平常的知识
1700519929
1700519930
我们都听过一些关于现在的计算机有多傻的笑话，比如它们会给我们发送0元的账单和支票。它们不介意在无限循环中运行，会把同样的事做十亿次。它们完全没有常识，这是人们认为机器不可能有思维的另一个原因。
1700519931
1700519932
有一点很有意思，早期的某些计算机程序特别善于完成那些人们认为只有“专家”才能完成的技能。1956年，有一款程序解决了数学逻辑中的一些难题；1961年的一款程序解决了大学水平的微积分问题。然而直到20世纪70年代，我们才开发出能够把儿童积木堆积成简单的塔和玩具房屋的机器人程序。为什么我们开发出程序来做成年人的事比开发程序做小孩子的事要早呢？答案看上去可能有些矛盾：许多成年“专家”的思维实际上比普通儿童玩耍时涉及的思维要简单！为什么编程做专家的事比做儿童的事容易呢？
1700519933
1700519934
人们模糊地称为常识的东西实际上比那些令我们敬畏的专业技术复杂得多。无论是解决逻辑问题还是微积分问题的“专家”程序，至多表达了一百多个“事实”，而且每一个都差不多，不过这已经足够解决大学问题了。与此相反，想想一个孩子只是要建造一个积木房子就需要知道多少东西——这个过程涉及关于形状和颜色、空间和时间、支持与平衡的知识，还需要记录自己在做什么的能力。
1700519935
1700519936
要想成为“专家”，人们需要大量的知识，但这些知识只与相对很少的不同事物有关。与此相反，一个普通人的“常识”却包含了更多关于不同类型（types）事物的知识，这需要更复杂的管理系统。
1700519937
1700519938
获得专门的知识比获取常识更容易，有一个简单的原因就可以说明：每种类型的知识都需要一定形式的“表述”以及许多适用于这种表述风格的技能。一旦投入某一领域，专业人员在积累更进一步的知识时就相对容易一些，因为额外的专业知识足够统一，可以适应同样风格的表述。已经学会在某个特定领域中处理一些案例的律师、医生、建筑师或作家会觉得获取更多具有类似特征的知识相对容易一些。想想单独一个人要多花多少时间才有能力同时学会治疗一些疾病、处理一些法律案件、读懂几种建筑蓝图并认识几张交响乐谱。表述形式太多样，会使获得“同样数量”的知识变得困难得多。在每个新的领域，新手不得不学习另一种类型的表述，还要学习新的技能来使用它。这就好像学习好多种不同的语言，每种语言都有自己的语法、词汇和习语。从这个角度来看，孩子所做的事似乎更加非比寻常，因为他们的许多行动都是以自己的创造和发现为基础的。
1700519939
1700519940
1700519941
1700519942
1700519944
心智社会：从细胞到人工智能，人类思维的优雅解读 7.3 猜谜原则
1700519945
1700519946
许多人认为机器只会做它们的程序中设定的事，因此不会具有创造性和原创力。麻烦之处在于，这一论点的前提假设正是它意图展示的内容：你无法为机器设定一个具有创造性的程序！事实上，开发一款程序让计算机去做一些任何程序员都无法预知的不同的事，容易的程度会让人感到惊讶。这件事之所以有可能，源于我们所称的“猜谜原则”。
1700519947
1700519948
猜谜原则（puzzle principle） ：我们可以为一台计算机设定程序，让它通过试错来解决任何问题，而我们不需要提前知道解决办法。
1700519949
1700519950
所谓“试错”，就是开发程序让机器可以在某个可能的范围内系统地产生所有可能的结构。举例而言，假定你想有一台机器人可以在一条河上建造一座桥。最高效的编程方式就是执行一个特定的程序，先提前计划好，然后把木板和钉子精确地安置在特定的位置。当然，除非已经知道如何建造一座桥，否则你无法写出这样的程序。但想想下面这个备选方案，它有时被称为生成与测试法。它需要编写两部分程序。
1700519951
1700519952
生成（generate） ：第一道程序就是一个接一个地生成木板和钉子所有可能的安排。开始时你可能会觉得这样的程序很难写，但它其实惊人地简单，只要你明白每种安排都不需要有什么道理就行！
1700519953
1700519954
测试（test） ：程序的第二部分就是检查每种安排，看看问题是否得到了解决。如果目标是建造一座大坝，测试就是检查它有没有拦住水流。如果目标是建造一座桥，测试就是看它是否跨过了河流。
1700519955
1700519956
这种可能性让我们重新检查了所有关于智能和创造性的旧理念，因为它表明，至少从原则上，只要我们可以识别出解决方案，那些问题就都可以让机器来解决。然而，这并不太切实际。想想看，也许有上千种方法可以把两块板子连接在一起，要是把四块板子钉在一起，估计有十几亿种方法。要利用猜谜原则制造出可用的桥梁，所需的时间可能长得难以想象。但是从哲学上来说，这还是有帮助的，它消除了创造性在我们心中的神秘感，取而代之的是关于程序效率的更加具体而细致的问题。我们的造桥机器存在的主要问题就是生成器与测试之间缺乏联系。如果没有某种朝向目标的进展，那么比无思维的程序也好不到哪去。
1700519957
1700519958
1700519959
1700519960
1700519962
心智社会：从细胞到人工智能，人类思维的优雅解读 7.4 问题解决
1700519963
[
上一页 ]
[ :1.700519914e+09 ]
[
下一页 ]