摇曳烛光

“机器能思考吗？”自1950年英国计算机科学家艾伦·图灵在一篇论文中提出这个问题以来，它一直是人工智能领域研究的核心问题。

在图灵的论文发表70多年后，在《思考中的人工智能：人工智能如何模拟人类理解》（以下简称《思考中的人工智能》）一书中，美国计算机科学家约翰·麦考密克探讨了图灵的问题。他以通俗易懂的方式，解释了21世纪人工智能革命两大支柱——深度神经网络和强化学习背后的思想。

人工智能的“脑回路”全靠数字神经元

人工智能不断进步，主要得益于机器学习——向神经网络输入数百万张猫狗的图像，最终它就能区分胡须和鼻子；在大量文本上训练语言模型，它们会生成令人惊叹的句子。人工智能系统由数十亿参数构建，能够模仿写作风格，预测人类反应，甚至创作诗歌。然而，人工智能是真的在思考，还是仅仅在重复统计模式？这场辩论还有另外一层深义，那就是，意识是人类与机器最后的边界。

现代人工智能的一个巨大讽刺是，“神经网络”一词让人联想到大脑，但现实更多是数学而非生物学。数字神经元是微小的计算单元，用来汇总数字并通过函数传递。它们受人类大脑启发，但不是生物细胞。然而，正是这种高度抽象的计算模型，让神经网络完成了许多曾被认为不可能的任务。以AlphaGo为例，它以人类从未想象过的策略击败了世界围棋冠军。还有AlphaFold，它通过预测蛋白质结构，解决了一个存在50年的生物学难题，这一成果被誉为医学领域的革命性突破。但是，这些成就并非源于人类思维，而是源于大规模的模式识别。

人工智能的下一步：学着像人一样思考

情感是人类思维的核心元素。人们很容易把情感当作非理性的噪音，但神经科学家知道情绪与认知密不可分。它们引导决策，塑造记忆，帮助我们驾驭社交世界。

一些研究人员认为，人工智能模拟人类情感，能使它们成为更有效的沟通者，从而更好地理解人类需求。能够识别挫败感的虚拟助理可能会调整自身行为，以缓和用户的愤怒情绪。用于老年护理的社交机器人可能提供安慰和陪伴。但模拟的情感并不等同于真实感受到的情感。人工智能可能会说，“很抱歉让你难过”，但这些话来自代码，而非同情。未来的人工智能系统会进化出“内在世界”——数字神经元与某种情感共鸣吗？这很难说。

当我们谈论“思考”时，通常指的是更丰富的东西：理解力、直觉、对意义的感知。这是否意味着计算机程序可以像人类一样思考？

麦考密克介绍了DeepMind、AlphaGo、OpenAI以及ChatGPT这些系统的运作原理，并指出它们与人类大脑思考过程存在相似之处。他解释说，无论是人类思维还是计算机程序，都可以通过“涌现”机制产生智能，即从众多简单小部件的相互作用中涌现出新的现象。

在许多方面，麦考密克认为计算机能够像人类一样思考。在《思考中的人工智能》一书中，他揭示了一个全新的涌现智能图景：一个计算机程序能够模拟人类思维的诸多或全部方面，但是人依然保有其存在的意义与目的。

（作者系中国科学院大学教授、国际科学素养促进中心研究员）