| “图灵检验”（Turing Test TT）
从“判定问题”的历史发展中得到的启示，我们就可以把“什么是人工智能？”的问题转变成一个判断问题：有何方法去判断一台机器是不是人工智能？实际上这个问题也是图灵最先提出来的，是图灵设计的方法，现在称为“图灵检验”（Turing Test TT）。
但“图灵检验”与“判定问题”（Entscheidungsproblem EP）大有不同。EP实质是要求以算法判断算法，TT则是以人去判定算法能力与人的思考能否分别，实际是人工智能与人的智能的判别，但判断者是人，是人的标准，因此，如果为TT制定了一个具体的形式化的标准，这个标准就可以由另一台机器充当了，但这也就把TT变成了“判定问题”。这就是TT与ET的不同。
正因为TT是由人充当判定者的，所以TT是开放性的，就是说，TT是一个检验模式，人们可以在这个模式上设计具体的检验，设计相关的具体标准，去做不同水平的检验或试验，在这个意义上，“图灵检验”与“图灵机”具有相似性。所以TT不会有一个统一的具体化的标准。
TT的最大意义是通过人的判断模式去展示“什么是智能的？”，即以有判断能力的人去判断人的智能与机器智能的相同与不同。
TT建立在一个前提上，人是能够理解被判定的对象和这些对象包括判断者在内之间的符号交流能力的，这也意味着事先肯定了人的理解能力是人的基本智能，因此TT是建立在人的理解能力基础上的人的判断。
历史性地理解，就是把建立在算法能力基础上的EP推进到建立在人的理解能力基础上的判断，前者只是通过“什么是可计算的？”表现对算法本质的理解，后者则是通过“什么是可理解的？”表现对智能本质的理解，如果人与机器交流中能够相互“理解”，并且这种相互理解是人的标准，则机器才具有与人相同的“智能”。这种高度对人与人工智能的比较是至关重要的。
对TT的分析表明，人的智能不只是“理解”，而且是“理解‘理解’”，因此，虽然TT没有回答“什么是智能？”，但展示了“什么是智能的？”。实际上，现有的人工智能的成果表现了“什么是人工智能的？”，但回答不了“什么是人工智能？”，在这些比较的意义上，对TT的本身就是智能哲学的科学展开形式，比如赛尔的“中文屋子”就是这样的一个著名案例。
所以我们对TT的理解，并不是限于如何去进行实际的检测，一台实际机器是否达到了某个机器标准，这只是回答“什么是人工智能的？”问题。TT的价值在于提供了一种设计人工智能判断的一般性原则，正如图灵机是所有具体机器的模型，也可以说，TT是所有具体的检验人工智能标准的一般模型。对TT的研究实质上指出：我们对人工智能可以期望什么。因此TT是一个具有开放性检验模式，TT本身就具有“不确定性问题，NP”的性质，TT的具体标准类似最优近似的方法（NP-algorithm），通过不断地去研究、设计TT的具体标准，而推进对人工智能的理解。
对TT研究的启示是：人的智能和人工智能不可能存在一般性的比较标准。——这也可以理解为，对“智能是可以判断的吗？”这样的问题的一个拒绝式的回答。如果是这样，也就是把“判定问题”发展成人工智能领域中的一个高级版本。
更重要的是，我们可以在这些基础上，进一步去研究人的“智能”与“理解”的内涵关系，这也可能是智能哲学的一个最大的贡献。
| 五、“人工的”与“人工性”
对“人工智能”定义一部份在于“人工的”与“人工性”的区别，前者是事物的属性，后者是事物的本质，前者是概念的外延性枚举，后者是与“自然性”相对的本质性问题，只能在哲学的高度上讨论。
大体说来，非自然的创造物（不涉及宗教）就是“人工的”，机器当然是“人工的”，所以“人工智能”大体上就等于“机器的智能”，即机器智能具有人工性，这只是说，人工的机器是可以模仿人的智能的机器；但如果把“人工智能”理解成“人工的智能”，就是“承诺”了“人工性智能”与“自然性的智能”的某种同质性了，这种理解是导致“强人工智能”甚或“超人工智能”观念产生的基本原因。
比如“机器人”是“人工的人”还是“人的机器（工具）”？前者似乎是“人是机器”的反演，是本质性的；后者则只是同义反复：人的＝人工的。
所以“人工智能”这术语不仅在“智能”这个概念上是不确定的，在“人工的”这个用语的修饰性上也是不确定的。“人工性”对立于“自然性”，不能由“人工的”综合得来，这些关系实质上是传统哲学中的“共相”、“唯名论”、“唯实论”、“怀疑论”等等解不开的结的再现。
因此当我们问和回答 “计算机是人工智能吗？” 远远不像表面看去那么简单，比如，可以理解为“计算机是一种机器智能吗？”这与“算法只是机器的‘思考’吗？”相同；但如果理解成“计算机是人工的智能吗？”意义就相当于“算法是人造的智能吗？”这些不同的理解有层次上的不同，往往导致互不针对、“鸡同鸭讲”的无谓论争，使问题变得更困难，这正是这些看似简单的问题却成为最无头绪的论争的原因。
正是“人工智能”这个概念本质上的不确定性，所以不存在一般意义上的“人工智能”的准确定义，所以TT标准也只能是一个开放的课题，在这些意义上，人工智能只是一个不断地接近人的本质的发展道路。
| 六、如何回答“计算机是人工智能吗？”
基于上述的思想，以机器的能力标准而言，算法只是机械步骤，不能以超过自身的能力“自发地”进行发明、创造或自己学习，具体的计算机最大能力最终是由厂家和程序员们决定。在这个标准上，计算机不是“人工智能的”，也不是“人工智能”。（根据我们的对Agent的解释，计算机不是Agent。）
注意，在计算机中建模进行的基于ANN的“机器学习”等方法，是将“人工神经网络”函数化、算法化的结果，这种研究方法具有两者的混合性质，在这种情况下，不能混淆地回答“计算机是人工智能吗？”这样的问题，理清这种情况，正是本文的目的之一。
现在也可以简单地回答“计算机可以思考吗？”的问题了：计算机可以“像人”一样进行思考——但这只是“像”人的“思考”而己，就是说，计算机（算法）不等于人的“思考”，也不等于“人工智能”，更不等于人的“思考”。
| 七、人工智能发展中的两个互补路线 2/3 首页 上一页 1 2 3 下一页 尾页 |
