王培（美國天普大學計算機與信息科學系）
在《當你談論人工智能時，到底在談論什么?》一文中，我解釋了在人工智能這個領域中目前對“智能”的理解有非常不同的幾派。這種差別直接表現(xiàn)在他們給“智能”下的工作定義上。
所謂“工作定義”，是指在一個理論中使用一個本來有歧義的詞匯時，對其在該理論中的意義的界定。這就像是說“我知道這個詞有不同的意思，但在這個理論中它是下面的意思……”一個詞匯的工作定義當然要盡量符合其在一般使用時的意義，但這不是唯一的考量，尤其是對一個本來就有歧義的詞匯來說。實際上，科學史上的一些重大進展恰恰是從對某個常用詞匯的重新解釋開始的。
在前文中已經提到，我把“智能”定義成“在知識和資源相對不足的條件下的適應能力”，而本文的目的，就是解釋我為什么采用了這樣一個獨特的工作定義。
在與“智能”（及其相關概念，如“認知”“思維”“意識”等等）有關的諸多研究方向中，我所感興趣的是，通過對人類智能的研究發(fā)現(xiàn)智能的一般規(guī)律，并將其在計算機中實現(xiàn)。這個說法聽上去平淡無奇，但仔細探究起來，它隱含著下列三條基本預設：
（1）人類是有智能的（盡管不同人的智能可能在程度和特征上有所差別）；
（2）人類智能不是智能的唯一可能形態(tài)（智能系統(tǒng)并非在所有方面和人完全一樣）；
（3）現(xiàn)存的計算機系統(tǒng)基本是沒有智能的（否則人工智能早已經實現(xiàn)了）。
下面讓我們逐條分析這些基本預設，并考察它與智能的各種工作定義的關系。
第一預設看上去不言自明，但實際上排除了許多“原則派”的智能定義。如前文所述，這一派認為智能代表著某種理性原則，“智能的”意味著按某種標準衡量是最好的。傳統(tǒng)的理性標準包括經典邏輯模型和概率論模型及其變種，但人的現(xiàn)實思維活動往往背離這些模型，以至于有不少人認為人的思維是“非理性”的。如果只有符合經典邏輯或概率論才算有智能，那么普通人也要被排除在智能系統(tǒng)之外了。
第二預設要求智能定義不能只包括人類智能。即使在一個“廣義智能”理論完全建立之前，我們也有理由要求它至少涵蓋下列智能形態(tài)：
（1）人類智能（第一預設）；
（2）人工智能，或者叫計算機智能，至少作為一種理論可能性；
（3）動物智能：某些動物公認比另一些動物“聰明”，而一個廣義智能理論應當能解釋這種差別。另一方面，既然我們認為智能是進化的產物，那么說其它動物一點智能都沒有，這似乎也說不過去，盡管可以說它們的智能比人類低很多；
（4）群體智能：把一個人類或動物群體看成一個智能系統(tǒng)絕不僅僅是一種比喻或擬人化的修辭手段，而是有深刻的合理性。蟻群和蜂群的內在整體性和行為協(xié)調性已廣為人知，而一個人類組織（如政府、軍隊、公司、社團等）常?？梢韵褚粋€人一樣被分析其“聰明”或“愚蠢”之處，盡管群體和個體確有各種差別；
（5）外星智能：盡管尚無其存在的證據(jù)，起碼沒有人否認“智能外星人”是個有意義的概念。
一旦第二預設的上述解釋被接受，“結構派”和“行為派”的智能定義就顯然太“窄”，太“人類中心主義”了。即使撇開人工智能不談，后三種智能顯然既未必基于和人腦一樣的內部結構，也未必產生和人類一樣的外部行為。
當圖靈提出他著名的“圖靈測試”時，是將其做為“思維”的充分條件，而非充分必要條件的，因為他明確承認一個機器可以表現(xiàn)得不像人但仍被認為能思維。因此，他并沒有給智能或思維一個“行為派”的定義，而這一點被大多數(shù)后人誤會了。沿“結構派”或“行為派”的路線仍可能造出智能系統(tǒng)來，但由于它們的目標和途徑附加了只對人類智能來說是必要的限制，因此它們不是導向人工智能的合適路徑。就像在研究制造飛行器時完全“以鳥為師”一樣，其問題不在可能性，而在必要性和一般性。
第三預設是基于下面的直覺：盡管今天的計算機已經可以解決很多復雜的問題，我們仍常常覺得它們缺乏人類思維的某些本質特征。這里的差別主要不是在速度、容量、復雜性、可靠性等方面，而是在適應性、靈活性、創(chuàng)造性、自主性等方面。在解決一個具體問題的時候，計算機往往是依賴于一個事先給定的程序，而缺乏變通的能力，也無法應對那些系統(tǒng)設計者沒有預料到的情況。而這種工作方式恰恰是傳統(tǒng)計算機科學所要求的，即把“問題”看成一個固定的輸入—輸出關系，把問題的“解法”看成一個固定的逐步將輸入變換成輸出的“算法”，而“程序”則是算法的計算機可以理解和執(zhí)行的形態(tài)。
根據(jù)第三預設，如果一個系統(tǒng)在解決問題時完全依靠預先給定的程序，那就不算有智能，不論問題在人看來有多難，或程序相應于哪種人類認知功能。由此說來，“能力派”和“方法派”的智能定義就太“寬”了，以至于包含了很多大家直覺上不認為有智能的系統(tǒng)。比如說，現(xiàn)在大概沒有人會認為一個排序程序有智能，但在計算機出現(xiàn)之前，“把一組任意對象按某種次序排列”的確是只有人腦才能解決的問題，而其中也涉及了若干認知功能。
綜上所述，如果上面三條預設及其解釋被接受，那么智能的工作定義只剩下“原則派”一條路，且不能采用基于經典邏輯或概率論的理性原則。
下面讓我們一起來理解，為什么“在知識和資源相對不足的條件下的適應能力”符合對智能的工作定義的上述要求。
首先，“知識和資源相對不足”需要進一步澄清?！百Y源不足”是說，盡管系統(tǒng)的信息加工能力（處理器數(shù)量、速度，存儲器容量，等等）是有限的，它卻必須實時工作，即新任務可以隨時出現(xiàn)，且?guī)в袝r間要求。因此時間不足（沒時間想）、空間不足（沒地方裝）是常態(tài)?！爸R不足”是說新任務常常超出已有知識的范圍，而且所有已有知識都可能被新知識挑戰(zhàn)。
這些不足是以往的理論模型（經典邏輯、概率論、圖靈機）所未完全考慮的。盡管每個具體系統(tǒng)都僅有有限的能力、知識、資源，但這些模型都假定，它們已經足以完成系統(tǒng)所需應對的任務。以計算模型為例，系統(tǒng)只負責解決那些它已有算法，而且能滿足其時空資源要求的問題。對一個超出系統(tǒng)知識和資源范圍的問題，它基本上不能提供有價值的答復。如果你問了計算機這樣一個問題而它答不上來，那是你的錯，不是它的錯。
這不是一個智能系統(tǒng)應該做的。我們經常遇到新問題，而且一般沒有時間去考慮一個問題的所有相關因素，我們的智能恰恰是這種情形下才得以展現(xiàn)的，而不是體現(xiàn)在那些我們已經預知詳細解法，且有足夠的時間來依此行事的問題上。對后一種問題，我們會說其解決是“機械的”或“本能的”，是不需要“動腦子”的。
能夠在“知識和資源相對不足”的條件下工作只是這個智能定義的一半，而另一半是關于如何在這種條件下體現(xiàn)“理性”。這里的關鍵概念是“適應”。具體說來包含兩點：以過去的知識應對未來的情況；以有限的資源應對無限的需求。有適應能力的系統(tǒng)依據(jù)經驗決定自己的行為，即使在遇到前所未見的問題時，也會比照已知的類似情況定下對策。當需要考慮的事情超出系統(tǒng)的思考能力時，適應性意味著集中精力于最重要的事情，而什么是“重要”的，也是根據(jù)過去經驗確定的。
既然系統(tǒng)對未來經驗抱開放態(tài)度，那就是承認了未來經驗和過去經驗可能不同，因此也就無法保證自己行為的絕對正確性。在這里，“適應”是一種“盡力而為”的努力，其合理性是不以結果的成敗而論的。因為目前的應對都會成為未來的經驗，即使失敗的嘗試也會對未來的決策做出貢獻。在一個相對穩(wěn)定但仍充滿變化的環(huán)境中，“盡人事，聽天命”比“以不變應萬變”和“既然天意難測，何妨任意為之”更體現(xiàn)適應性，因此更合乎理性。這種理性是相對于系統(tǒng)的以往經驗和當前資源供應的，因此可以解釋系統(tǒng)的錯誤?！爸悄堋苯^不是“全知全能”，但就算錯，也要錯得情有可原。
“在知識和資源相對不足的條件下的適應能力”作為智能定義是符合前面的三條預設的。當我們考察一個系統(tǒng)的智能時，其著眼點一般不是看它能解決什么問題，而是看其能力是事先確定并無法改變的，還是在經驗中逐漸形成并保持一定的可塑性的。這也正是傳統(tǒng)的計算機系統(tǒng)和人腦的主要差別。即使是現(xiàn)有的各種機器學習算法，也仍然是基于各種知識資源相對充足的假設，并且其學習結果往往收斂于一個確定的輸入—輸出映射。按照這些傳統(tǒng)觀點，每個問題都有一個“正確的”解，和系統(tǒng)的經驗與處境無關。但根據(jù)上述“相對理性”，什么樣的解是“正確的”常常（盡管并非永遠）是和系統(tǒng)的經驗與處境有關的。
如此一來，本文所描述的這個智能定義和其它智能定義的關系也就清楚了。按照這個標準，一個智能系統(tǒng)不必在內部結構或外部行為上和人腦“形似”，但必須在理性原則上與其“神似”。一個計算機系統(tǒng)是否有智能，不在于某一個時刻它能解決什么實際問題，而在于它提供的解是否依賴于系統(tǒng)的歷史和處境。
這個定義的另一個優(yōu)點是，它為人工智能和一般智能理論劃定了一個獨特的研究領域，而其它定義則很大程度上把人工智能歸結于一個現(xiàn)存的學科：“結構派”主要貢獻于腦科學，“行為派”主要貢獻于心理學，“能力派”基本就是計算機應用，“方法派”主要貢獻于計算機科學，而“原則派”中基于傳統(tǒng)理性模型的工作主要貢獻于數(shù)學和邏輯學。與它們相反，對“在知識和資源相對不足的條件下的適應能力”的研究不完全屬于現(xiàn)有的任何一個學科，盡管和很多學科有關系。人工智能系統(tǒng)最終是要通過計算機技術來實現(xiàn)的，但這不意味著智能理論一定要以計算理論為基礎。
這個智能定義為人工智能指示了一條和主流觀點很不一樣的道路，并且可以用來解釋人類智能中的很多現(xiàn)象。詳細討論其引申結論及實現(xiàn)途徑則超出了本文的范圍。
參考資料：
[1] Stuart Russell, Rationality and intelligence, Artificial Intelligence, 94(1-2): 57-77, 1997.
[2] Pei Wang, The assumptions on knowledge and resources in models of rationality, International Journal of Machine Consciousness, 3(1):193-218, 2011.
