【文/谢耘】

“人工智能”一词是在1956年夏天在美国达特茅斯学院举行的一个研讨会上提出来的。从此，它成为了人类试图用现代科学与技术手段来复现人类所具有的智能的这一工作领域的正式学术名称。

但是“人工智能”的开山鼻祖，却并不是这次参会的人，而是大名鼎鼎的图灵。

图灵被尊为人工智能之父，原因在于在人们纠缠于如何定义或描述什么是人类的“思考”或所具有的“智能”的时候，他“巧妙”地避开了这个问题。于1950年在一篇论文中他提出了一个“可操作”的判定机器是否具有了与人一样的“思考”能力的测试方法，即著名的“图灵测试”。

有趣的是这篇《计算机器与智能》的论文并不是发表在科学类杂志上，而是刊登在心灵学会的季刊《心灵（Mind）—心理学与哲学》上（A. Turing，“Computing Machinery and Intelligence”，《Mind》，59（236）：第433-460页，1950）。

刊载图灵论文的期刊

图灵测试，简单地说就是让一个人（询问者）只通过键盘与显示器与在另外一个与其严格隔离的房间里的“智能体”对话，这个“智能体”可能是一个人，也可能是一台机器。对话内容不限。如果经过一段时间的对话，一台机器给出的回答让这个询问者无法确定它是人还是机器，则这台机器便被认为具有了与人一样的“思考”能力，也就是智能。

图灵之并没有限制对话内容，因为我们无法确定智能的边界在哪里。

图灵测试示意

由于这个测试过程只通过键盘与显示器进行，所以它将人的“思考能力”与其它特征做了有效的隔离，如文中所说“在人的物质与知识能力之间划了一条鲜明的分割线”；另外询问者只看输入和输出结果，所以这是一个黑箱测试，避开了对机器和人“思考”的内在机制过程这一复杂问题的关注。

图灵在文中针对9个与他立论相关的挑战性问题做了讨论。但是这9个问题中，前8个都不是针对图灵测试本身的疑问，而是针对“机器是否能思考”这个问题的，这是他论文价值的前提。只有第9个所谓的超感知问题与图灵测试有一点关系。但这个问题已经进入到“玄学”领域了，不属于科学研究的范畴。所以不能认为图灵设想的这些问题是对图灵测试本身的疑问。

70多年来，对于图灵测试有许多讨论，但是所有的讨论似乎都遗漏或忽视了一个关键的问题。下面这句来自一篇综述性文章的话，典型地反映了这个情况：

“图灵测试的重要特征首先在于它给出了一个可操作的智能定义，也就是根据对一些列特定问题的反应来决定一个客体是否是智能体，这就为判断智能提供了一个客观标准，从而避免了有关智能本质的无谓争论。”（宋永刚，“图灵测试：哲学争论及历史地位”，《科学文化评论》，第8卷第6期，第42-57页，2011年）

图灵测试确实是“可操作”的，所以它不是哲学思辨性的。但是它是如上所述的一个遵循“客观标准”的测试吗？这是一个非常基本而重要的问题。因为现代科学的基础前提便是客观性，离开了客观性就不再是真正意义上的“科学”。

我们不难发现，图灵测试是一种主观评价方法，不是客观性测试。它的“可操作性”让其具有了现实可落地性，但是并没有导致它具有客观性。或许有人会说，我们可以用足够多的人去做测试，然后再对这些人的评价结果做平均岂不就消除了个体的主观性了吗？

科学讲的客观性并非此意。科学的客观性是指任何人做同样的测试，结果都是一样的，与具体测试人的主观意识无关，而不是通过对众多测试做“平均”去获得与个体主观判断的无关性。

相对论中讲不同的观察者看到的情况可以不一样，这种不同并非缘于观察者的主观意识，而是取决于观察者所处的客观地位（所谓的参照系）。所以这种不同依然具有明确的客观性。

“2014年英国《每日电讯报》报道，一台由俄罗斯人弗拉基米尔·维西罗夫（Vladimir Veselov）创立的模拟13岁小男孩的人工智能软件尤金·古斯特曼（Eugene Goostman）通过了‘标志性的’图灵测试。在2014年举行的共有5台超级计算机参赛的图灵测试竞赛上，尤金·古斯特曼设法让测试人相信被测试者33%的答复为人类所为。这一测试成功正逢图灵去世60周年纪念，被认为是人工智能领域里程碑式的突破。”（图灵测试-百度百科）

2022年大语言模型兴起后，更多的系统“通过了图灵测试”。但是这一切，都没有产生公认的“机器已经具有了与人一样的思考能力”的结论，虽然不断流行着各种耸人听闻的说法。这从一个侧面说明，图灵测试这种黑箱主观评价方法，并不是一种衡量机器是否有与人一样思考能力的具有客观性的科学测试标准或方法。

事实上，在图灵这篇论文开篇的核心便是这样一种主观方法，所以不难理解，论文的后续内容中，还有许多与科学规范要求相悖的论述，比如将猜测当作事实，并且基于猜测和类比去下明确的论断。

在展望未来的时候，图灵写道：“（为了让机器像人一样思考）恐怕根本不需要再增加机器的操作速度。现代机器中那些可以认为相当于（大脑）神经细胞的部件的工作速度大约超过了神经细胞的一千倍。”（“It is probably not necessary to increase the speed of operations of the machines at all. Parts of modern machines which can be regarded as analogs of nerve cells work about a thousand times faster than the latter.”）

事实上，不要说当初，就是在今天我们对人脑神经细胞到底是怎样工作的依然知之甚微，我们没有掌握多少依据去说计算机中哪些部件的什么功能当于这些细胞的哪些具体功能作用，这些思考充其量只能是一种不知是否有意义的粗糙类比；在这个基础上去比较两者的工作速度是没有意义的；而基于这种速度的比较去做进一步的推断，就更没有说服力了。

换句话说，图灵的这个陈述只能算是一些相互关联的有待检验的推测，而不是基于事实的严谨论证的结论。这段话的第一句，确实加了“恐怕”这样的推测字眼，但是后面提供的推测基础的陈述却用了肯定句式，意在陈述确凿的事实。

科学探索中，当然需要做各种推测、猜想、类比等等不可避免地带有主观色彩、未必一定有意义的工作。在探索中，这些工作的必要性与价值毋庸置疑。但是这些工作是探索的过程，不是下科学论断的依据或方法。科学本身，或称科学的论断只能是事实或基于事实与严谨的分析论证结果。

如果作为一篇心理学的论文，那些主观色彩或不严谨可能都不是大问题，因为心理学还不是现代意义的科学。而且这篇文章本来也是发表在心理学刊物上的。但是，如果把它作为现代科学意义上的论文，就会产生众多显性与隐性的不良后果。

不幸的是，后人好像确实把它作为了科学论文来看待，并且被当作了以科学的面目出现的“人工智能”学科的奠基之作。图灵测试被认为是“为判断智能提供了一个客观标准”，图灵也因提出图灵测试而被尊为“人工智能之父”。不知到这一切是否符合图灵写作此文的初衷。

沿着这种张冠李戴去观察人工智能一路走来的过程，我们会发现自1956年人工智能正式亮相后，在这个被认为属于科学的领域中，即使在学术研究中也一直普遍存在着许多与基本科学规范相悖的现象与做法。

比如，将猜测想象当作事实。

超级智能将控制人类的说法这些年很是流行，而且许多“学者”在严肃地“研究”如何面对这种局面。这几乎完全是一种想象。要控制人类，首先要有“自我意识”。今天我们对于人类的自我意识都没有清楚的认识，更不要说用计算机的算法去构造一个自我意识了。许多人把人工智能的一些表现，解释为其具有了“自我意识”，不能不说这属于浪漫的想象，而没有符合科学规范的依据。

比如，用想象类比去做论证。

这种做法十分的流行，包括在人工智能的学术界。想象与类比只能是一种启发我们思考的方法，而不是科学论证的手段。在我们对大脑神经元的基本工作机制并不清楚的时候，用计算机处理过程去类比神经元的功能，一直是一个流行的做法。今天的“类脑计算”是一种试图超越代计算机原理架构的尝试，到底会产生什么样的结果，只能看未来的实践情况。因为它被冠以“类脑”就认定其大有前途，这仅仅是一种想象。因为我们还不清楚大脑到底是如何“计算”的。说“类脑”只是一种极为粗浅的比喻，其实际情况可能与大脑中起关键作用的特性没有太大的关联。

欧盟在2005年支持了一个由瑞士的洛桑联邦理工学院脑研究中心与IBM联合发起的雄心勃勃的“蓝脑”计划。他们计划利用海量的计算能力，基于计算机模拟技术，用对应于人脑的基础性物质层面活动的算法去模拟人脑内部的物理生化过程。该项目计划在2023年左右实现在分子水平上对人脑的完整模拟。

许多从事人工智能研究的学者对该计划抱有很大的希望。但是这个计划的设立，显然是建立在对大脑的想象而不是真实的认知基础上做的论证。事实上，欧盟支持的这个蓝脑计划在2016年执行10年之后终于被发现有严重问题，项目负责人被撤换，并且实质性地改变了项目方向与目标。（谢耘，《智能化未来—“暴力计算”开创的奇迹》，第265-268页，机械工业出版社，2018年6月）

欧盟蓝脑计划的官方网站首页

这种项目如果没有严重问题反倒是一件奇怪的事情，因为按照基本的科学规范去分析，很容易看出这个项目缺少基本的科学依据。

比如，狐假虎威地利用熟知的可信经典概念去包装某些推测。

“定律”（law）一词在科学中是有清晰明确的含义的，指的是普适性的物质运动规律，这些规律会有一定的适用条件，但是不会随时间的推进而失效。在1965年，英特尔创始人之一戈登·摩尔提出了对集成电路发展趋势做经验性预测的“摩尔定律”。很明显这个“定律”并非是科学意义上的“定律”，但是确实有业内资深人士将它与科学定律混为一谈。“摩尔定律”或许是非科学意义上的最著名的“定律”了。

不知是否是受的“摩尔定律”启发，在大语言模型兴起后，有人提出了“尺度定律”（Scaling Law），推测在机器学习领域，特别是对于大型语言模型而言，模型性能与其规模（如参数数量）、训练数据集大小以及用于训练的计算资源之间存在着一种可预测的关系。这种关系通常表现为随着这些因素的增长，模型的表现会按照一定的幂律进行改善。有人把它简化为了五个字：“大力出奇迹”。它被当成了大语言模型预训练的“第一性原理”。有许多人更是依据这个“原理”认为，只要规模不断扩大，通用人工智能（AGI）便不再是遥远的梦想。这也是很多学者在“研究”如何防止超级人工智能控制人类的缘由之一。

但是这个“尺度定律”的寿命似乎远远没有摩尔定律长，已经有很多实例与之相悖了，相信这条路能够实现AGI的人似乎在不断减少。

这方面的例子还有“数据科学”一词。当然在“科学”早就被其它众多领域滥用的情况下，创造“数据科学”一词的做法似乎也并不为过，虽然它确实还不是“科学”。

再比如，创造内涵苍白的新词或“神话”内涵简单的概念。

这方面的一个典型的例子就是在众多学术工作中，特别是在“大力出奇迹”声中的人工智能领域频繁出现的“涌现”一词。这个词原本就是一个标签，指复杂系统出现的那些还无法清晰解释其背后机理的那些功能表现。它既没有说明什么情况下会出现这些功能表现，更没有阐述这些功能表现会具有什么特性。

但是现在人们动则便使用这个词作为依据，用来论证自己构造的复杂系统必定会有奇迹出现。在一定程度上，它成为了一块带着高科技光芒的遮羞布。（谢耘，《工具的苏醒——智能、理解和信息技术的本质》，第221-228页，机械工业出版社，2025年4月）

这些在学术领域内的做法并非是在做科学之上的哲学思考，而是给科学之下或之外的内容披上科学的外衣，去达到各种非科学的目的。在客观效果上，这些做法让人工智能，这个没有科学原理基础的现代工匠技艺，在许多人的心目中跻身于了现代科学之列。

近年来，随着商业资本的深度介入，这些现象愈演愈烈，各种颇具误导性甚至耸人听闻的说辞以科学的面目频频出现。

早在1965年，兰德公司的研究顾问德雷弗斯（Hubert L. Dreyfus，1929年出生，当时在MIT任教，1964年获博士学位）在其发表的著名的《炼金术与人工智能》报告中，针对这类行为中的想象、夸张等说辞就尖锐地指出：“（这相当于）第一个爬上树的人可以声称自己在实现飞向月球这一目标的努力中取得了显著的进步。”（Huber L. Dreyfus，“Alchemy and artificial intelligence”，Page 17， The Rand Corporation，1965.）

这篇报告在当时引起憾然大波，遭到人工智能界的普遍反对，对人工智能的发展产生了重要的影响。它成为兰德公司销售量最大的报告之一。

该报告之所以使用“炼金术”作为标题的关键词，是因为作者认为人工智能缺少科学基础，还是一种炼金术般的工匠技艺，其目标与手段之间并没有可靠的内在逻辑。该报告后来成为兰德公司销量最高的报告之一。

他以炼金术为例指出，人工智能需要做一些更加基础性的工作，建立坚实的科学基础才是正确的发展途径：“如果炼金术士把时间花在寻找问题的深层结构，如果那个（第一个爬上树的）人从树上下来致力于比如发现火和轮子，事情就会向一个更令人鼓舞的方向发展。毕竟，三百年后我们确实从铅提取了黄金（并且我们要接触到月球了），但这只有在我们放弃了炼金术水平上的工作，达到化学水平甚至更深层次的原子水平上后才会发生。”

在这篇报告发表整整60年后，今天人工智能依然徘徊在现代科学的大门之外，停滞在现代工匠技艺的层面。祭出图灵或其它的名人，并改变不了这个无奈的事实（谢耘，“人工智能：一种现代工匠技艺”，微信公众号“慧影Cydow”，2025年4月7日）。在这个领域内，许多的猜测、想象、类比、纯概念的思辨甚至是信念披上了科学的外衣。这种包装，既无助于让人工智能跨入现代科学的大门，其实也无益于让人工智能作为一种实用技术更好地发展。因为这些包装带有很大的误导性。当然这些包装可能会有助于到达其它的目的，那就是在科学与技术之外的事情了。

说人工智能是一种现代工匠技艺，只是在陈述一个当下的实际情况，并无褒贬之意。在现代科学与技术蓬勃发展了三、四百年并且极大地改变了人类社会之后，一个工匠技艺脱颖而出成为了改变社会的一个强大的力量，不能不说这是颇为匪夷所思，甚至相当地诡异。正因为发生在现代科学与技术高度发达的背景之下，很多人并没有意识到它与其它现代科学与技术之间的本质差异。（谢耘，《工具的苏醒—智能、理解和信息技术的本质》，第一章 让意识挣脱大脑，机械工业出版社，2025年4月）

技术是以解决问题为目标的，最为关键的是其解决问题的有效性，而不是它背后是否有、或有什么样的科学理论。经过了近百年的努力，我们依然没有能够建立人工智能的科学理论，但是人工智能作为技术借助“暴力计算”确实取得了长足的发展，在各个领域内不断扩大着其可以解决的问题的范围与深度。

面向未来，不论是人工智能科学理论的产生，还是它继续作为一门现代工匠技艺的不断发展完善，我们都应该坚守现代科学与技术所遵循的基本理性规范，而不是让非科学与技术的其它逻辑或因素来主宰这门技术自身的未来。