作者：StephenWolfram

翻译：彭颖

《东方历史评论》

StephenWolfram，著名科学家、发明家、作家、商业领袖。他创办了WolframResearch并担任CEO，创造了Mathematica,Wolfram

Alpha和theWolframLanguage，并著有《ANewKindofScience》。他被认为是当今科学和技术计算中最重要的革新者。

有一些棘手的问题。其中之一就是关于人类生存境况的未来。这是个大问题。我这辈子花了不少时间来弄清如何让机器自动工作。显然，我们可以将人类一直引以为傲的许多事情都转为自动完成。那么未来人类的境况将会走向何处？

具体而言，我认为技术的作用在于让人们的目标能够被机器自动执行。过去我们人类希望的不过是诸如用铲车将物品从这里搬到那里，而不用自己动手。现在，可以这么说，我们能将更多原本属于专业工作的智力活动自动化。这些都是我们将能通过机器完成的。机器可以执行任务，但是需要有某物或某人来定义其目标应该是什么，明确需要其执行什么工作。

人们谈论智能机器的未来，智能机器是否会接管世界，并做出自主决策。人们发出指令的时候，应当弄清如何将它变成能够有效自动完成的东西，而实际的目标设定并不意味着它会在某种意义上通向实现自动化之路。

我们如何才能弄清自己要的目标？目标又要如何定义？它们往往被某类人群根据他们自己的历史、文化环境以及人类的文明史来进行定义。目标是一种人类独有的东西。这东西几乎没有什么意义。我们要问，我们的机器的目标是什么？我们制造机器的时候，很可能已经赋予了它一个目标。

对我来说更为讽刺的一点是，我花了很多时间研究有关计算的基础科学，我已从中意识到了一个问题。这事说来话长了一点，不过总之，如果我们思考关于智能以及可能有目标或动机的物体，那么什么样的物体可以拥有智能或者目的？现在，关于有智慧和目标的生物，我们知道一个很好的例子，这就是我们自己，我们的大脑和我们的人类智慧。而其他还有什么也是这样？我一开始曾假设，答案是存在一些自然系统。它们自由发展，但是人类的智能远远超过世界上自然存在的任何事物，这是各种复杂的进化过程的结果，与宇宙存在的其他事物全然不同。我做了一大堆科学研究，结果让我意识到，情况并非如此。

我的孩子们常引用这句话来让我为难：“天气有它自己的主意。”嗯，这是一个万物有灵的论断，而且似乎在现代科学思想之下无处立足。但是，这种说法并不像看上去那么愚蠢。它代表的是，如果我们来想想大脑——大脑是在做什么？大脑总是在接收某种输入，进行具体的计算，然后引起某些行为发生;它是在有效地产生某种输出。

我们可以想一想各种可以有效进行运算的系统，无论是大脑，还是一朵云对其所处的不同热环境发生反应。我们可以问问自己，我们的大脑比这些大气中的流体所做的计算要复杂得多的吗？

我原本以为这个问题的答案是肯定的，人类经过漫长的进化而来，我们所做的这些事情比自然界中的任何系统的都要复杂。然而事实证明并非如此。事实上，各类不同的系统中也存在广义上与此类似的种种运算方式。这一认识令人类生存境况的问题变得有点更加麻烦，因为有时我们本可以说，“有一件事我们很确定——我们是特别的，我们拥有别的物种所不具有的智能和所有那些能力。”但是这话说得不对。自然界存在有些不同系统，其运算能力，或者换言之，智能方面几乎与我们是不相上下。

是什么令我们有别于其他所有物种？区别就在于我们特定的历史，历史赋予我们对于动机和目标的概念。换种说法也就是，当我们桌上的这个盒子能和任何大脑一样思考，它内在所缺乏的就是我们的目标和动机。而这些目标是由我们的特殊性所界定——我们的特殊生物构造，我们特殊的心理，我们特殊的文化历史。

想到未来这些事情的时候，我们需要好好思考的就是目标。这就是人类的贡献，这就是我们的文明的贡献——这些目标的执行；这就是我们可以进一步自动化的地方。我们已经对此自动化了几千年。我们将会成功对这些目标自动化。我一生已经花了相当长的时间来创造关键的技术，来让人类观念里的一个目标在现实世界得以完成许多问题都源于此。例如，我们已经有了这些了不起的人工智能机器，它们也能够执行目标，我们该如何告诉它们该怎么做？一个答案是，和它们说话，就像你跟WolframAlpha引擎或Siri之类的交谈一样。我们理解人类发出的自然语言，并根据这些话语来做一些事情。当你拿着手机，提出一个问题，它会完成得很好。这是通过自然语言方式相当成功的沟通。但当你想说点更长更复杂的内容时，它就难以胜任了。

我有过这样的经历。对于向世界、向孩子们教授编程,我一直很有兴趣。当时我正在写这本书，在编写练习，这事对我而言着实奇怪，因为我自己从来没有做过任何一本教科书上的练习。我编的这些练习通常就是写一段代码来做某事的形式.这本书开头的练习非常简单，用英文很容易写，比如写一段代码，以使数字从一到十排列之类。但是，快到这本书的结尾时，奇怪的是我觉得愈发沮丧。我在想，“这就是我想要写的练习，我知道代码应该是什么，但我到底要如何去写一段表示代码的英语文本？”我越来越意识到这些文字开始听起来像是你在专利书之类的地方看到的语言——一种非常华丽、精确、规范化的英语。

由此我发现自己花费生命中大量时间所做的事情，也就是建立计算机语言，并不是一个糟糕的想法。在计算机语言中，你能够用一种清楚的方式表述更为复杂的概念，这种语言可以被逐步建立起来，但在自然语言中却是不可能的。

我很感兴趣的一件事就是我们如何与人工智能沟通目标。我们如何与人工智能交谈？我的基本结论是：这是一种混合形式。人类自然语言在一定的限度内是很好的，并已经进化到可以用来描述我们在世界上通常会遇到的事物。那些存在于自然中的事物，那些我们已经选择了在世界上建立的事物——人类的自然语言已经进化到可以来描述这些东西。但世界上还存在着很多人类自然语言没法说明的东西。虽然我们的人工智能系统或许可以有效地描述，我们自己却没有办法言说。

当涉及到描述更复杂的东西，那些人们建立大型程序来完成的各种事情，我们没法很好地用人类自然语言进行描述。不过，我们可以建立可以对此描述的语言。

我一直感兴趣的一个问题就是，如果大多数人都可以编写代码，这世界会变成什么样子？大约五百多年前，我们经历了一次转变，当时只有文士和一小部分人口识字，能书写自然语言。今天，一小部分人可以编写代码。他们能写的代码大多也仅用于计算机。你无法通过阅读代码理解事物。

然而，作为我致力研究的结果，终有一天代码可以达到足够高的层次，成为描述你想要做的事情的最简洁方式。比方说，合同要用英语写，你会使英语尽可能精确。会有一天，大多数合同会被写成代码，代码会作为一种确切的表述。可能电脑会问“我可以使用这个API（应用程序编程接口）来做这个吗？”嗯，会有某种服务水平协议，并不是人类的合同;而是被写成一段可以让人类理解、也可以由机器执行的代码。“根据这份合同我可以这么做吗？”这个问题就是一个自动的问题。如果大多数人可以读写代码，这就是世界将作何改变的一个很小的例子。

一个有趣的语言点就是今天我们拥有计算机语言，其中的大部分仅用于计算机。他们不适合人类阅读和理解。它们意在告诉电脑具体怎么做。同时，我们有自然语言，用于人与人的沟通。

我一直在试图建立这种以知识为基础的语言，它适用于人类和机器之间的交流，人类可以阅读，机器也能理解，为此我们将很多关于这个世界的已有知识引入到这种语言之中，就像我们不断把世界知识纳入人类的自然语言一样，因为这可以帮助我们沟通事物。现在我很感兴趣的一个问题就是，当多数人可以读写代码，这个世界会是什么样子。

如果我们只要说出自己想做的事，事情就会自动完成，那时候人类的未来会是怎样？人类还要做些什么？我的一个小兴趣项目就是想要理解人类目的随着时间的演变。今天，我们有各种目的。我们坐下来，讨论关于目的的话题，这大概也出于一定目的。我们做着世界上各种不同的事情。

如果你回首一千年之前，那时人们的目的是不同的：如何才能得到食物？怎样保证自己的安全？现代西方世界在大多数情况下，你不必花生命中很大一部分时间来考虑这些目的。你已经进化到达了不同类型的目的。

用两千多年前的眼光来看，今天人们的一些目的、今天人们所做的一些事情，似乎完全是天方夜谭，比如在跑步机上走路。想象一下，一千年前说有人会花一个小时在跑步机上踏步。这是多么疯狂的事情。为什么会有人做这个？

当今世界让我觉得有趣的一件事就是不少人在玩带他们回到中世纪的电子游戏。未来会发生什么？人们在未来会做什么？我们今天很多目的都是由于这样或那样的匮乏而产生。世界上有稀缺资源。人们希望得到更多的东西。我们生命中的时间也不够用。最终，这些形式的匮乏都将消失。

当我们真正实现了人类不朽，最大的剧变一定会出现，这究竟会是以生物学还是数字化方式实现目前尚不清楚，但是这事必将得以实现。目前人类的很多目的都是基于：“我只会活一定的时间，所以最好还是把这一堆事情做好。”如果事情都可以自动执行，世界会是怎样？只要你有一个目的，它就可以得到自动执行，所以你不再有像今天这样种种关于目的的驱动力。一切会是怎样？

人们可能会有一些奇怪的假设。一种假设是，好吧，人们会回首从前，回想那个依然存在匮乏的年代，人们可能会说，“那个时候人们会选择怎么办？”正如历史上很长一段时间，甚至在一定程度上今天也是，人们回顾古代，回顾很久之前创立的宗教，说道，“创造这些东西的时候，人们遇上了重大的问题。让我们来看看他们在那个时候是如何解决问题的。”

我有一个更为离奇的假设，今天世界上发生的很大一部分事情都被以某种方式记录下来，这是史无前例的。这种情况如此广泛的发生还是第一次。未来很可能发生的就是，当现今的那些目的已不再是问题，人们会说，“那个年代，人们确实还存在各种短缺，他们选择怎么做呢？让我们来尽可能仔细地研究那个时代吧。

那么在我们的时代，大家所做的每一个细节都最终得到记录，并最终变成素材，来说明什么是有目的的人类，所以让我们来做点他们年的时候做的事情吧。这是一个稍显极端的假想;不过，当我们回顾漫长的历史，回想几千年前怀着种种目的的人们，这并不是像乍看起来那么疯狂。

有一个问题我想给出个很好的答案，未来人类的后代最终会选择让自己做什么？一个潜在的不良后果就是，他们只是成天玩电子游戏。文明的未来是每个人都在玩电子游戏。可以说，他们就在玩着未来的魔兽世界。

人工智能的历史是个有趣的故事，它在技术语言中的用法也在不断演进。这些年里，人工智能颇受欢迎，人们对此都多少有些了解。我们可以讨论人工智能，人们也能大概明白我们正在谈论什么。我目睹了这四十多年来的变化。

回到电脑刚刚发明的二十世纪四五十年代，关于计算机的一本书或是一篇报纸文章的典型标题就是“巨型电子大脑”。当时这个概念也就意味着像推土机和蒸汽机一样可以进行自动化机械工作的东西，所以计算机将使智力工作自动化;将会出现一种巨型的电子大脑。这个理想其实比很多人预期的更难实现。人们并不知道究竟是什么参与类似大脑的决策活动，而且事实证明这绝非易事。

20世纪50年代甚至还出现了一些好笑的电影。很久之前电脑就作为人工智能的代表进入了科幻小说之类的描写。有一部有趣的片子叫《电脑风云》（DeskSet），说的是某个公司安装的一台IBM电脑，它使每个人都没有活儿干了。这部电影中的电脑被问了一堆参考文库的问题，很有意思。正如我们在设计WolframAlpha的时候，曾遇到过一个问题，我们能完成所有来自年《电脑风云》的参考文库问题吗？终于，到了年，我们可以做到了。

最初很多人都很乐观，觉得我们能以机械自动化同样的方式来使脑力工作自动化。20世纪60年代初大量的政府资金都花在了这上面。这些基本上没起作用。

大家曾讨论过神经网络，特别是年麦卡洛克（McCulloch）和皮茨（Pitts）构建了大脑在概念和形式上可能如何工作的模型。他们观察的结果是，他们的类大脑模型将能够做到像图灵机那样的计算。年他们从阿兰·图灵（AlanTuring）那里了解到了通用图灵机的概念。由此认为我们可以制造这些大脑般的神经网络，从而能够成为通用计算机。

其实，这一想法的模式正是埃涅阿克机（ENIAC）那些人和冯·诺依曼（vonNeumann）这样的人采用的，将图灵的通用计算研究引入了在实际电脑上操作的实践工作。它并非直接从图灵机而来，它来自于神经网络这一条岔路。人们建立了简单的神经网络，而简单的神经网络并不能做很有意思的事情。

弗兰克·罗森布拉特(FrankRosenblatt)发明了叫做感知器的东西，是单层的神经网络。上世纪60年代关于神经网络发生的另一件可怕的事情是马文·明斯基(MarvinMinsky)和西摩·帕佩特(SeymourPapert)写了一本题为《感知器》的书，他们基本证明了感知器没法做什么有趣的事，这确实没错。他们的证明是完全正确的。这些东西只能进行事物之间的线性区分。

问题是，这也是一种学术方面的典型情况，人们说，“这些家伙证明了这些神经网络不能做什么有趣的事;既然没有神经网络能做有意思的事，就让我们忘了神经网络吧。”这情况持续了一阵子。

与此同时，人工智能还有两种不同的方法：第一种依据形式层面上的理解，在符号中世界是如何工作的，另一种立足于统计和概率之类的东西。有这么一种想法，“好了，我们能够做到符号化的人工智能吗？”其中一项测试案例是，我们可以教计算机做积分这样的事吗？我们可以教计算机做微积分？这是20世纪60年代后期的人工智能测试案例。然后类似的事情还有机器翻译，人们认为这是电脑可以完成的一个很好的例子。

基本的情况就是，到了70年代初，那些东西都失败了。接下来一个阶段，又有了叫做专家系统的东西，这是下一轮人工智能，出现在20世纪70年代末到80年代初，即让一台机器来学习一个专家用来做事的那些规则。那东西也逐渐消失了。事实上，我的第一家公司最终就这么走上了那个方向，对此我并不情愿。不论如何，这就是之后一个阶段。

后来，在相当长的时间里，人工智能就变成了这种疯狂的、“没有人真的能做”、“就是假的”以及“没什么有趣的”东西。人工智能还存在一个问题。我自己从童年时候起，就对如何制造一个人工智能这样的东西很感兴趣，那可是太久以前的事了。我特别想知道如何利用我们人类文明积累的知识，并在这些知识的基础上自动回答问题。

年前后，我就在思考这个，我考虑了如何能符号化地做到这一点，通过建立一个系统化的系统，可以分解问题使之成为一些符号化的东西，从而回答这些问题。我的结论是，要做好这一点，我们必须有一个类似大脑的东西，处理模糊的问题、模糊的答案这类事情。我觉得建立一个大脑很难。我对此做了些研究，我也研究了神经网络，即使在那个时候也并没有太多有用的进展。于是我把它搁置了一段时间。

我有这么个习惯，每隔几年想想这些尝试做的困难项目，并试图弄清当时世界上的技术条件是否已经准备就绪。在年中到年的时间内，我想我应该重新考虑一下这个问题：怎样才能建立一个计算知识体系？我意识到，之前所做的科学研究差不多已经表明，我原先对于应该如何做这件事的想法完全错了。

我原本的想法在于，为了建立一种严肃的计算型知识体系，首先必须创设一个类似大脑的东西，之后你必须教给它知识，就像我们在标准教育中学习东西一些。这样，你就会拥有一个良好的计算型知识体系。

我从之前做过的那堆科学研究中意识到，智能型和计算型之间并没有明显的区别界线。我以为会有某种神奇的东西，智能晶体管之类的，有了这个神奇的机制，我们就能够远远胜过所有只能做计算的东西。

我已用科学证明了，事实并非如此。这些问题，至少对我这样的人而言，一直是个挑战：你要怎么采用这些基础科学，这些近乎哲学的结论，并在它们的基础上做出决策？你真的要用那套哲学玩意，真的相信它吗？

对我而言，这[意味着]构建技术。如果可能做到这一点，建立可以做到这点的技术集合。举例而言，这就是WolframAlpha的起源。我从中发现，是的，这样可行，可以汲取一个巨大的世界知识集合，然后在此基础上使用本质上仅是计算的技术来自动应答问题，

对此有一个注解，一个重要的注解，就是当一个人想到仅需计算的东西，他会觉得要编写个程序。要如何写一个程序？程序员坐下来，他们说，“我想编写一个做这事的程序，所以我要写这个模块，写那个模块。”我想，“我怎么实现自己想要达成的这个计划？”每一步，我正在一步又一步地走向自己想去的地方。

我所发现的是另一种工程方式，这更类似于进化所用的生物学那些，也就是说，在可能程序的计算宇宙中，有无限多可行的程序。如果你只是去看看那个太空里的可能程序，哪怕只是随意看看一万亿程序，问这些程序做什么，这些程序足简单，你能掌握某个特定类型的所有可能程序，你可能会觉得它们没有哪个做的是有意思的事，它们不过全都是在做简单事情的简单程序，所以谁在乎呢。但是，我科学研究的发现是，事实并非如此。特别是我看着元胞自动机和图灵机，以及其他种类的东西，即使是那些很简单的程序也已经可以做非常复杂的事情。我的一个结论就是要理解大自然如何工作的，这点很有趣，但是寻找相关技术同样重要。

实际上，通常建立一个程序时，我们是一步步来构建起这一技术。我们可以做的另一点就是放眼计算宇宙并从中发掘出技术。通常情况下，这里面临的挑战和我们物理开采所遇的挑战是同样的。也就是说，我们出发了，我们发现了这个，比如说，有磁特性的铁或者钴、钆之类的巨大供给。我们说，“太好了，它有这些强大的磁特性。我们拿它做什么用呢？”我们是否可以将其联系到某种实际的人类需要、我们的一个目标、我们希望该技术能够做的某事？磁性材料的例子里，我们有很多办法来做到这一点。我们发现，自然界有各种各样美好的事物。如果找到某个它们可以实现的有用的人类目的，我们能否把它们变成我们的技术？

至于程序，情况也是一样的。程序五花八门，甚至是做非常复杂事情的微小程序。我们能否将它们用于一些有用的人类目的？这事我们已学会了要如何做。给出一个特定目的，给出一个特定目标，就可以出发并详尽搜索万亿程序，找到一个针对这个目的有用的东西。

有时，这些程序会做些比如随机数生成、散列编码系统以及关于自然语言和理解的事情。有时候，它们会做更富有创造性的东西。我们前几年做的一件事就是音乐生成系统，在此你基本上只需按下一个按钮，它就会搜索程序的庞大空间。它会找到那个程序，根据一些提示匹配某种特定的音乐风格，然后为你播放。这是一个有趣的案例，因为它是自动化的创造性。

人们说，“你是有了这些机器，但有件事人类做得更好，那就是创造性。”那个小音乐创作网站让我觉得最有意思的一点就是，我本以为作曲家他们会说，“我的作品需要一些灵感，也许我可以使用计算机来修饰这个灵感。”但是相反，我碰到的人往往会说，“你们做了个不错的网站。我去那里为某个曲调的核心找点灵感，然后就像人类化妆打扮一样，我赋予它意义，让它适合我想要做的作品。”这时候，我们发现原创性和创造力的属性，在这个计算宇宙中也是现成的。

这就好像说去到外面的大千世界，去发现世界上这些美丽的地方拍摄下来。这些风光已经存在。只是我们选择了自己在意的来看。

回到人工智能的方舟这个问题，我们发现了一件事，就是作为实际工程事务，通过在计算宇宙中的众多可能性中发现程序，你可以做很多，而不是仅仅一步步建立一个程序。我们也花了很多时间来构建以知识为基础的语言，试图将世界知识纳入这一语言。

计算机语言的传统方法是制造一点计算机语言来表示计算机自身知道该如何进行的一些操作：分配内存，设置变量值，迭代其他东西，改变程序计数器，诸如此类。这是个更高级别的版本，不过它本质上还是在告诉电脑用自己的方式做事。这是五十年来基本编程语言的传统。

对此我的理论是创造一种并非迎合电脑、而是迎合人类的语言，并努力使这一语言可以尽可能的接受人类所想，将其转换成某种计算机能够理解的形式。人类所想的一部分就是人类对于世界的了解。他们知道剑桥，知道马萨诸塞州的存在，或者他们知道明天会有日出，这一类的东西。

你可以将人类积累的知识，不管是科学的还是这个世界的数据集合，全都放进我们能用来与计算机沟通的语言之中吗？做到这一点，就是我近三十年来的一个重大成就。

有一点很重要，就是当你试图解决计算知识的这个问题，有了这么一种语言，那就是你就有办法把关于世界的事物以及你能在世界上做的事情都编成码。至于人工智能方舟，有一组东西会被视为非常类似人工智能，能够吸取世界的知识，能够回答基于世界知识提出的问题。

六十年代人们会说各种各样的情况，如果能做到这些，我们就知道自己拥有了人工智能。如果我们能像微积分课程上那样做积分，我们可以做这个那个，这就说明我们有人工智能了。如果我们可以与计算机对话，并让它看起来像个人。这时候，有件事似乎很困难，就是电脑对这个世界的了解太不够了。你要是问电脑今天星期几，它或许能回答这个问题。要问谁是总统？它恐怕就答不上来了。就是这一类情况。这时候，你就知道与自己正在对话的是计算机，而不是一个人。

此时，谈到这些图灵测试，人工智能的对话测试，人们已经试过将诸如WolframAlpha连接到他们的图灵测试机器人，他们每次都败了。因为你要做的就是问它复杂的问题，它能答出这些问题。没有人类能做到这一点。你问上几个类型各异的问题，没有哪个人能知道所有这些事情，但系统能知道这些。在这个意义上，我们已经做到了不错的人工智能，仅在这个层面上。

还有另外一个分支，某些类型的任务对人类很容易，通常对于机器却一直很难。一个标准的例子就是可视对象的识别。这个是什么？我们能知道它是什么，我们对它有某种简单的描述，但一台电脑却对此无望。

去年，情况完全变了。比如，在三四月，今年初春，我们做出了一个图像识别系统的小网站，等等。有一大帮公司都做了类似的东西。不过出于一些有趣的原因，我们要比别人做的更好一点。它不该是更好的，不过碰巧要好一些。你给它看一个东西，总共有上万种东西，它会告诉你那是什么，它做得不错。试着来迷惑它很有意思。向它展示抽象绘画，看看它认为是什么，也很好玩。但它确实可以说得不错。它是如何运行的？它的工作原理与麦卡洛克和皮茨在年设想中使用的是完全相同的技术，即我们很多人八十年代初为神经网络开发的技术。

它现在可行，当年却没成功，究竟发生了什么？如果你看看今天系统所做的，或许有五千个可以图像化的英语名词、你可以配上图片的普通名词，如果包括有些专业的东西比如特殊种类的植物和甲虫，人们能以一定的频率辨认上万个。

好了，我们现在能做的事情就是用所有这些东西的三千万张图片训练它，它是个复杂凌乱的巨大神经网络。神经网络的细节如何可能已经关系不大。我们要做这样的训练，大约需要一万亿GPU运算。最终它确实可以很好地辨认这上万种东西。

我们人类会觉得这事了不起，因为这应该是我们人类能做的。它的训练数据与我们的几乎一样，这和人类在出生后头几年生活里看到的影像数量大致相同。进行训练需要的步骤也几乎数量相同，它与我们视觉皮层第一级别的神经元也是相同数量。

细节方面就全然不同了。这些人造神经元的实际工作方式与大脑中真正的神经元工作没什么关系，但它在概念上类似，这方面也有一定的普遍性。在数学层面上，它集合了大量的函数，具有一定持续性，能让你有效使用微积分方法逐步进行训练。一旦有了这些属性，它似乎可以达到与我们生理识别完成的同样结果这挺有意思，因为早在上世纪八十年代，人们已经成功地做到OCR——光学字符识别。他们能够识别英文的26和字母，说，好吧，这是一个A？是一个B？那是一个C？等等。那时可以做到二十六种不同的可能性，但它没法达到上万种可能性。这只不过是整个系统的规模问题，现在已经成为可能，

但至于“我们做出人工智能了吗？”这些都是重要的组成部分。基本上就是这样几个。有生理识别，有语音转为文本，还有语言翻译。这三种东西人类可以做到，只是不同难度的事情。我没法翻译任何人类语言，最多一点点拉丁语。人们可以学会翻译人类语言。至于其他两类：语音到文本——人们可以学会做这个，生理识别——人们出生后头两年就能学会做到了。

我们制造那些像人一样做事的机器时，这些基本已经成为其中一些缺失环节。对我来说，一个有趣的事情就是将这些能力纳入一种精确的符号语言。用符号性的语言来表示日常世界方面，我们现在需要做的事有一大堆，可以说上五百年。我们现在可以说这是一杯水。我们可以从一杯水的图像联系到一杯水的概念。现在，我们需要一些实际的符号语言来表示这些东西。

关于我所做的努力，我最初试图表述数学技术方面的知识，接着发展到许多其他种类的知识。我们目前关于世界系统的客观知识方面已经做得不错。现在的问题是，用一种精确的符号方式表示日常话语和人们互相说的各种事情。

作为一句精确的符号表述，你可能会说“X大于5”，这是一个述语。你也可以说，“我想要一块巧克力。”这也是一句述语。句子里有一个“我想要”，而不是“巧克力比这个或那个的热量更高。”我们必须试图找到一种符号表述方式，可以精确表示传统上我们人类自然语言表达的这些东西。

我对此一直很感兴趣。这也是最近我正在思考的问题之一。这很有意思，因为我喜欢自己做功课，我想弄清其他人对这个问题的想法。我开始阅读文献，大多数文献都指向了17世纪。当时在17世纪末有很多像莱布尼茨这样的人，还有一个叫约翰·威尔金斯的男人。当时出现了一种他们所谓的哲学语言。

哲学语言的概念基本上就是我现在要做的——世界的一种符号表示。我喜欢看约翰·威尔金斯(JohnWilkins)的哲学语言，你可以看到，他是如何划分世界上重要的事物。这多少发人深省，但也着实令人高兴。自17世纪以来，人类的某些境况还是一样，依然面临相同类型的问题。

有些则是完全不同的。那时候死亡以及各种人类苦难都是大事。在今天的本体论中，这些事已没那么严重。这是个大的进步。看看今天的哲学语言与十七世纪中叶的哲学语言有何区别，是很有意思的。看到这些区别也是一种进步的标志。

我希望能够做到的一件事是用符号来表述日常话语，就像我们现在用符号表示系统话语的方式一样。这些年来已经有许多这类的形式化尝试。

（本文为《人工智能与文明的未来》一文的上半部分，下半部份将于下周刊发。东方历史评论受权翻译自：







































北京哪家医院可以治白癜风
北京白癜风治疗医院


欢迎转载,转载请注明原文网址：http://www.sjzhendao.com/pbjzi/16198.html