1.8 機器擬人心

反駁了諸多與機器可以具有思維相對立的觀點的同時，圖靈也正面給出機器獲得思維的一種可能途徑。在20世紀，人們已經對腦科學有了初步的了解，知道了人類大腦的思維是由腦皮層中大量神經元互相連接實現的。雖然從神經元具體產生智能和思維的過程尚且不明確，但如果把思維和腦科學的研究比喻成剝洋蔥的話，當人們發現一些腦部的機制可以通過物理方式解釋時，就把它像洋蔥皮一樣剝除掉，這時候又會發現一層新的秘密在里面需要剝除。一直這樣下去，我們會看見一個人類科學所無法解釋的“靈魂”存在？還是會發現洋蔥皮最后一層里面什么都沒有了，所有大腦創造智能的過程都能夠用物理和化學現象來解釋？世界上大至宇宙星系，小至分子、原子都遵從物理定律，這是現代科學界普遍接受的信仰，很難讓人唯心地相信在人類大腦這里就會有無法使用物理定律解釋的神秘現象出現，認同這點的人，也應該能認同思維的存在也必將是被物理定律所約束的。如果確實有一個或多個能夠解釋思維的定律或理論存在的話，就非常有可能找到能承載智慧的抽象模型，然后通過機械來實現它。

必須承認，直接設計一個對等于成年人思維的機械智能無疑是困難而復雜的，因為一個成年人的大腦，除了出生時初始的生物狀態之外，他所接受的教育以及那些經歷的不能稱為教育的事情，都會導致他大腦中各種細節發生變化。那能否將問題簡化，先嘗試設計一個等同于初生嬰兒大腦的機械智能呢？這個機械智能可以沒有任何預置的知識，對世界的認知可以如同白紙一般，它只需要具有學習進化的能力即可。如果將這個智能定義為“學習機器（Learning Machine）”，那創造人工智能的過程就可以分解為建造一部學習機器以及對這部機器的教育過程兩個部分。

1950年人工智能尚未形成一門真正的科學，礙于那時的歷史局限性，圖靈不可能在當時就給出一部擁有自主進化能力的學習機器的詳細設計，因為其中涉及細節問題，幾乎每一項都成為日后人工智能中的一門學術分支，解決這些問題所要付出的努力是當時根本無法想象的，其中部分列舉如下。

● 接受外界信息的能力，如機器視覺、語音識別、語義理解等。

● 存儲和使用知識的能力，如知識表示、知識工程、自動推理等。

● 改進自身的能力，如基于統計、概率、符號、連接的各類機器學習模型等。

● 反饋外界的能力，如自然語言處理、語音合成技術、運動平衡技術等。

● ……

退一步說，即使有人聲稱已經做出來了一臺學習機器，如何保證對機器的正確教育和評估也是一個很大的問題。這臺機器肯定不可能像人類的方式那樣靠生活、上學這樣的經歷來成長進化，人們也無法在短時間內就評估出不同學習機器的效果優劣來。

對于如何教育學習機器的問題，我們可以嘗試通過計算機模擬，使用遺傳算法（Genetic Algorithm）來解決，把學習機器的進化和生物進化論中物競天擇的思想聯系起來。將學習機器假設為一種生物，當機器有符合人類行為的正確響應時給予獎勵，在發生不恰當行為時給予懲罰。獲得更多獎勵的機器，將會有更好的生存環境，能存活更久，更容易產生后代。每一代都在遺傳上一代特征基因的基礎上隨機進化，在若干代進化之后所得到的族群，肯定是更符合我們所設定目標的學習機器。筆者這里通過一個簡單的實驗來模擬這種思想：假設有一種“生物”是由250個不同顏色、不同透明度的三角形組成，這種生物以“是否長得像蒙娜麗莎”為優勝劣汰的判定標準（逐個像素比較相似度），如果更像蒙娜麗莎的話就可以存活更久，產生更多后代（后代會繼承前一代的基因基礎）。從實驗結果可以看到，第100萬代時這種生物的樣子已經進化到幾乎和蒙娜麗莎的樣子沒有什么區別，這個甚至有可能是只能用250個透明三角形來模擬蒙娜麗莎的最優解了。

圖靈這篇論文中關于學習機器的描述是最早出現的計算機遺傳算法思想的文獻記錄，使用計算機來模擬學習機器的進化在1950年肯定只能是個假想，完全不具備實踐可行性的實驗。但誰也沒有預料到幾十年后會有互聯網這樣的黑科技出現，從此人類在數十億網民的共同積累下，制造出了一個無比龐大的，幾乎包含了所有人類行為的知識庫。學習機器是完全有可能通過這個知識庫去判斷哪些行為是人類行為中概率更高的。有了判定標準，學習機器也就有了學習進化的方向，這種方案的實踐可能性正在慢慢變大。關于機器通過互聯網學習知識從而進化出智能和意識的故事情節，近年來多次出現在科幻小說和電影之中，許多精英學者，如天體物理學家史蒂芬·霍金（Stephen Hawking,1942—2018）、人工智能學家斯圖爾特·拉塞爾（Stuart Russell,1962—）也都向公眾預警過存在這種可能性，雖然他們同樣無法給出嚴謹的證據來證明或者證偽。機器進化獲得智能的可能性是否會變成現實，答案恐怕只能留待時間來回答，留待未來去見證了。