基于意向性的人工智能的思考与展望

《人工智能哲学》课程报告

自1956年“人工智能”这个概念提出，人工智能经历了两次低谷，随着硬件设备的迭代更新与神经网络理论的逐步发展，如今已是第三次崛起。伴随着人工智能技术上的发展，人们对其的思考也从未停止，机器到底能不能像人一样思考，基于意向性的强人工智能又能否实现呢，本文将对塞尔的意向性理论、人工智能的基本原理进行介绍，并由此分析基于意向性的强人工智能的可能性，最后对于人工智能的未来发展提出展望。

塞尔的意向性理论

意向性的概念界定

现代意向性研究始于布伦塔诺，其意向性理论最早可以追溯至亚里士多德，根据亚里士多德的观点，在知觉中，心接受所知觉物体的形式而并没有接受其物质。当我知觉一匹马的时候，我知觉的是马的形式。也就是说这个形式在我心中和在马的思维中具有不同的存在形式，在马的思维中，这个形式具有自然的存在，而我在关于马的思维中，马的形式就是意向性的存在[1]。

而约翰·塞尔在心灵哲学的研究中，对意向性给出了这样的定义：“意向性是为许多心理状态和事件所具有的这样一种性质，即这些心理状态或事件通过它而指向或关于或涉及世界上的对象和事态[2]。”也就是说一个心理状态或事件，如果指向或关于或涉及其他某些事态或对象，那么就说它具有意向性。

图灵测试与中文屋实验

人工智能的开拓者、自然哲学家、数学家图灵1950年曾在《思想》杂志上发表震惊人工智能界的著名论文：《机器能思维吗?》，提出了判断一台计算机是否具有智能的测试方法，这也就是后来人们所说的图灵测试。图灵认为对“机器能思维吗?”这个问题的定义是不清楚的，要作出新的回答，就要找到合适的提问方法。他认为应该用另外一个与它密切相关，并且没有歧义的问题来替代它，即：计算机能否通过“模拟游戏”的测试?计算机能否和人一样无区别地回答提问者的问题?换言之，判断计算机有无智能，不应看其内部活动和过程，而应看它的实际行为表现。机器如果能完成人需要用智能完成的活动，如果能像人一样回答提问，那么它就具有和人一样的智能[3]。

针对图灵测试，塞尔提出了“中文屋”的思想论证。他的思想实验是这样的:假设我被锁在一一个房子里， 给我一批中文材料，而我不懂中文，中文对我来说是一-堆无意义的符号。接着又给了我第二批中文材料，以及一系列规则。规则是英文的，我可以理解，使用这些规则可以将一一组符号和另一组联系起来。然后又给我第三批中文材料，以及一些英文指令， 通过它可以把第三批材料与之前的中文材料联系起来,并根据这些指令可以返回特定的中文。这三批中文材料我并不懂，它们被依次称为脚本、故事、问题。那套英文规则称之为“程序”。假如经过一段时间的训练， 程序员可以熟练地编写程序，我也可以熟练地根据指令来返回中文，这样在其他人看来，我完全理解中文，对问题的解答如同以中文为母语的人。但事实上我对中文一点都不懂。按图灵的标准,应当承认中文屋思想试验中的“我”是懂中文的，因为“我”正确地完成了某种形式转换，因此就有懂中文的智能。而事实并非如此，“我’虽然机械化地根据规则完成了符号的形式转换，但仍然不懂中文。所以不考虑内容单从形式上规定智能，是不正确的[4]。 在塞尔看来，图灵机及其验证的强人工智能只是形式上的转换，不具有真正的智能，计算机程序的运行虽然可以完成许多和人脑非常类似的任务或操作，可以表现类似大脑的因果关系，但其运行过程并不具备意向性，而是创造程序和使用程序的人具有意向性。

人工智能

为了更好解释意向性在人工智能中实现的可能性，本节将介绍人工智能现阶段实现的两种主流方法——深度学习和强化学习的基本原理，为方便理解，本节仅介绍通俗概念，不涉及具体的数学公式。

深度学习

深度学习使用神经网络模仿大脑中神经元间传递、处理信息的方式。其主要训练方式可概括为，输入大量过往数据，深度神经网络抽取数据特征，做出相应预测，将预测结果与真实值比较计算误差，每次训练调整预测结果降低误差，直至得到最优模型，该模型可应用于其他同类型数据上。

强化学习

强化学习则模仿人类的学习、决策过程，模型在当前环境（environment）中根据自己所处的状态（state）采取相应行动（action），系统将给出采取该行动后转到的状态和获得的奖励（reward），模型将动态做出调整以获得最多的奖励。

意向性在人工智能中实现的可能性

当前人工智能技术

我们针对上述两种现阶段的人工智能实现技术做以下分析：

1. 深度学习 深度学习这种方法其实和塞尔的中文屋实验十分相似，计算机就是屋中那个不懂中文的“人”，而使用历史数据训练得到的模型是那本册子，计算机只懂将输入放入模型中运算，将模型输出作为自己的输出，而模型则完全依赖程序员给出用于训练的历史数据，现阶段深度学习方法不能输出与训练数据完全无关的内容。可见深度学习实现的模型只有人类赋予其的功能，是训练模型的人有意向性，而模型本身和运行模型的计算机并不具有意向性。
2. 强化学习 对于强化学习方法我们做这样的比喻，让一个完全不懂中文的人判断中文句子的感情色彩，有积极、中立、消极三个选项，选项也使用中文展示，每次给出句子后，让其做选择，选对了有食物奖励（除此之外不再给食物），选错了电击惩罚，经过足够多的训练后，这个人可以对中文句子的感情色彩选项做出正确选择，但在他眼中仅是一行字符与另一行字符的匹配，他既不懂句子的含义，也不懂所选选项的内容。在这个情境中，我们就是利用强化学习的思想，训练这个人学会了选择中文句子的感情色彩，但他并不理解，仅仅是输入输出的选择是正确的，他不具有意向性，具有意向性的是根据他的选择给出惩罚或奖励的人，也就对应强化学习中编写状态转移和奖励函数的程序员。

由此我们可以看出，现阶段实现人工智能的方法都是通过数据，让机器习得人类判断、决策的规律，从而依照规律做出相应行为，机器本身并不具有意向性，仅能展现人类训练时赋予他的因果关系判断、决策的结果，是人类赋予其数据时带有意向性。因此，可见现阶段并没有实现基于意向性的强人工智能。

实现意向性的可能性

那么在未来我们是否有可能实现有意向性的强人工智能呢，笔者个人认为可能性是比较低的，这是因为事实上我们并不了解人类的意向性是从何而来，人类大脑的思考过程究竟是怎样的。按照现阶段我们对于脑科学的了解与认知和人工智能的研究方向与趋势，我们只能让人工智能表现出与人类因果关系判断、决策、行为的功能特征，而不能使其与人类意识完全相同。如果在未来，我们对于脑科学的研究更为深入，真正破解了人类大脑工作的全部流程与具体细节，那么才有可能实现有意向性的人工智能。

人工智能未来展望

作为计算机类相关专业的本科生，笔者曾在多个项目中接触过人工智能，也有过自己的技术实现。从技术的角度，笔者认为当前人工智能领域技术的研究仍聚焦于弱人工智能，也就是特定功能的实现。比起实现具有人类意识的人工智能，我们更希望复现特定类型的智能行为。具有人类意识，具有意向性的强人工智能既没有必要，也很难在当今技术发展的程度下实现。

笔者期待未来我们能实现更多达到甚至超过人类表现的特定领域特定功能的人工智能，而关于基于意向性的所谓强人工智能，就现在的技术发展水平而言，实现的可能性很低，也无需过多担忧。

参考文献

[1] 唐热风. 心身世界[J]. 2001. [2] 塞尔. 意向性: 论心灵哲学[M]. 上海人民出版社, 2019. [3] 图灵. 计算机器与智能[J]. 2005. [4] 塞尔. 心灵, 大脑与程序[J]. A]. 玛格丽特·博登.