※ 引述《reader (讀者)》之銘言： : 所謂的啞口無言，我想顯然只是某些觀者的形容詞吧。更多的應該是 : 不同領域之間，不易對話的情境。何況過往所謂的 AI 幾乎就等於是 : 自然語言處理，對於語言系統能否達致神經系統的等價關係，多年來 : 一直是被連結論者嗤之以鼻的事情，亦即 John Searle 只是用另外的 : 描述來論證這件事。 : 一個最基本的概念，就是兩個系統所能處理的複雜性，是否具有等價 : 關係，搞語法操作無法達成 Strong AI, 根本就是毫無懸念的事情。 我再多說一點好了，以自然語言處理和邏輯分析技術為基礎的傳統人工 智慧研究，真正面對的難題，其實只有一點： 資料不足。 為什麼是資料不足呢? 事情很簡單，電腦的自然語言處理，無論有多麼 強大，都會陷入「人類考古學」的困境：資料過於有限，沒有辦法重建 真正的情境，電腦再有智慧，都是在做著對人類的考古學或歷史研究。 就像古代人的生活和愛情是怎麼回事，你真的能夠了解和感受嗎? 也就是說，這是一個困在箱子裡只能透過符碼來認知外界的電子大腦的 終極困境，即使是用把電腦用人腦來替換也是一樣的。還記得柏拉圖的 洞穴比喻吧。 那麼，怎麼樣資料才會夠呢? 現在較流行的觀點是，一個自組織系統，至少要達成六個 (這數字沒有 定論) 層次的複雜建構，才可能達致超越／突現，亦即形成獨立於系統 輸入、跟系統同生共死的不滅內在核心。現實的例子就是生物的基因、 人類的語言。 於是，就這個觀點而言，一個計算能量足夠，通過 Turing Test 的人工 智慧系統，如果系統設計得當，並能跟數以億計的人持續對話，在經過 多年之後，或許就能產生出它的核心 (靈魂?) 吧。 當然，認為這種從語言資訊到「理解」的逆建構做法很笨的，大有人在， 從物理資訊到語言的正建構做法，才是現在真正追求人造心智的主力。 而後來的自然語言處理研究，則差不多已脫離原來人造心智的目的了。 機器學習，特別是不考慮資訊組成形式，無論是影像聲音或是語言文字， 包括神經刺激訊號都可以輸入，連邏輯系統都由機器自主建構的新一代 方法，才是在任意的世界裡都能生存發展開拓心智能力的做法，而原來 人類本位主義的從語法到語意的做法，有太多限制性，實在不是好方法， 限制也太多，特別是瓶頸在資訊輸入而不是計算速度上的問題，語言的 資訊來源要靠人來慢慢建造，跟從自然取得大量資訊，根本不能相比。 將人類的感官資訊一樣地送入電腦中，才是正確做法。這樣的資訊也才 夠多，能在最短時間成就深刻的學習體驗，當機器學會說話時，就代表 它懂得什麼是語言及其語意了，否則它不會說出來。 目前在這方面最重要的方法，已經從類神經網路轉向基因演算法及範疇 理論 (模式辨認) ，當然最終很可能會再結合起來。一個模擬大腦結構、 一個跟大腦刺激反應過程相近，還有一個則和大腦記憶及判斷方法相似。 John Searle 的論證，只知逆建構的困難，卻不知正建構的可能。而且 頗有誤導眾人，以為人工智慧就是那麼一回事的大問題。 並且這裡我還只是在說純粹原生的人造心智，沒有提混合系、轉移系、 生化系、網路系的呢，後面幾種才是最有可能出現的，人造或半人造的 智能系統。 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.222.173.26