中文编辑是懂流量的。《人工智能的进化》一书副书名是：计算机思维离人类心智还有多远？原书名：Common Sense, the Turing Test, and the Quest for Real AI。

这本书从哲学和技术的层面梳理了人工智能面临的问题与发展，符号学是哲学和技术交叉的领域，对理解智能至关重要。理解人工智能之前，我们有必要先研究什么是智能。

大脑如何形成心智？神经科学非常努力，依然只能得到一个巨型拼图之谜，我们必须承认“我们仅是在处理巨型拼图的一部分，并且尽自己所能去发现手中的拼块如何与其他拼块有效组合，同时要抵住诱惑，不要认为拼图其余部分与此大同小异。”（p22）

引发思维的客观变量之巨，并不亚于思维拼图本身。任何断言自己了解人类智能如何工作的主张，与掌握了市场运行规律的论断，差不多同样荒谬。

尽管没有人能够全盘了解市场先生，但是并不妨碍睿智的投资者不为市场先生的躁狂行为所折磨，而在一定程度上实现和谐共处，至于一些反其道行之的赌徒行径就更容易辨认了。智能虽然难以从内部厘清，但是我们其实并不缺乏可观察的智能行为及其产生的过程，人工智能的发展，也一直伴随着对真智能和假智能的分辨。

如勒布纳人工智能竞赛，类似于图灵测试，有时候参与者容易将重点变成模仿游戏，在投机取巧上过分下功夫。计算机能否像人类一样对话，与计算机能否骗过询问者让其认为自己是在与人类对话，这是有区别的。威诺格拉德模式设置的语句，即是指代词表面上有疑义，但是有人类常识或者说人类对话经验的人都能轻易辨别句中指代词所指代的对象。

威诺格拉德模式可以代替图灵测试，背后的原因也可以用来理解人类智能与其它动物智能不一样的地方，即是人类有“知识”，或者说，人类的大脑可以容纳与传承更多的知识。对话自然也是建立在大量的共同知识基础上的，譬如一门语言。

我们对事物的思维及其反应基于我们既有的知识库，这个知识库既包含书本智慧，也包含市井智慧。在这里辨别两种智慧孰轻孰重意义不大，因为每个人类成长的过程中，二者缺一不可。

曾经有学者怀疑海伦·凯勒“很难分辨出自己的记忆与想象之间的差别”（p98），认为她学会了文字游戏，通过语言将丰富的人类文化知识填满大脑，并不意味着她真正理解她在6岁时顿悟并开始大量掌握的名词，毕竟那些名词所指涉的真实事物她从未有过直接记忆。

这名学者傲慢否定了人可以单纯依靠书本智慧来获得智能，这在人类知识库中并不是主流意见，我询问GPT-4和搭载GPT-4的Bing同一个问题，它们的回答大同小异，毫无疑问都是将海伦的智能视为人类智能的一部分，与目前的人工智能泾渭有别。它们的观点，应该说也更能代表目前人类的主流看法。

不是大脑与想法之间的互动，而是大脑与想法的符号表达之间的互动，使人的抽象信念得以影响实际行为，莱布尼茨的符号学诠释可以帮助我们进一步理解智能。如此，海伦对事物有没有直接经验，又怎么会影响她与代表事物的符号间的互动呢？

知识是一种有经验的学习，人类也可以超越经验，通过符号的学习来累积知识，并在此基础上生成新的理解，影响自己的行为，继而有了新的经验。海伦在6岁时的顿悟之所以感人肺腑，是因为她的身体缺陷，使得她需要花费更多的努力、更漫长的时间来抵达常人在更小时候更不经意便掌握的知识，她甚至更好地发挥了她更艰难拥有的知识。从这个角度来看，诚如Bing所言，这是“人性上的奇迹”。

知识之于智能如此重要，那么人工智能是否也建立在基于知识的系统上，里面存满了符号及其代表的含义？作者表示没有明确的答案，但他相信“我们将会看到知识型系统产生的像魔术一样的行为”，这句话难道不是与人工智能的“涌现”能力异曲同工吗？

GPT-4便是基于深度学习技术构建的大型预训练语言模型，在大量数据上去理解语言的结构和模式并进一步生成自然语言文本，与早期基于规则和逻辑的GOFAI方法相比，这一路径更接近于人类在面对大量数据时的学习方式，目前也的确更领先获得了人工智能的里程碑式发展。

至于说人工智能“反水”的风险，本书作者赫克托的确十分强调人工智能的安全性与可预见性，但并不是基于终极意义上的担忧，事实上在这方面作者甚至说得上乐观。人类智能出现了海伦这样动人的奇迹，同时也在各种毫无必要的事物上充斥着惊人浪费，而如果说人工智能从未植入人类的好斗，为何物种灭绝是一个必要的选择？

—— 完 ——