为什么说阿兰·图灵首先是一位哲学大师？

数学算法俱乐部

日期 ： 2022年06月29日       

正文共 ：6380字

来源 ：图灵人工智能

导语：作为现代计算机先驱，图灵热衷于解决的核心问题本质上是纯粹的哲学问题。正是这个问题引发了他的 AI 哲学中讨论最广泛的概念，即现在的「图灵测试」。

作者｜北京大学哲学系助理教授Sebastian Sunday Grève

1951年的阿兰·图灵

当计算机先驱阿兰·图灵将注意力转向人工智能时，世界上可能没有人比他更有能力完成这项任务。

他1950年的论文《计算机械与智能》仍然是该领域中最常被引用的论文之一。然而，图灵英年早逝，在很长一段时间内，他的大部分工作要么是保密的，要么是无法接触到的。因此，从他身上留下重要的经验，包括关于人工智能的哲学基础，也许并不令人惊讶。

图灵在这个问题上的思考远远领先于其他人，早在1936年，他就发现了现代计算机器的基本原理——存储程序设计（12年之后，第一台现代计算机才真正被设计出来）。

1936年，计算机发展史上具有划时代意义的论文《论可计算数》发表，这是历史上最重要的数学论文之一，图灵在此文中描述了一种抽象的数字计算机，今天被称为通用「图灵机」。

几乎所有的现代计算机都是以图灵的想法为原型。不过，图灵他最初构思这些机器，仅仅是因为他认为，一个从事计算过程的人可以被比作一台机器，而这种思考方式对解决数学问题有帮助。

图灵的目的是要定义原则上可计算的实数子集，不受时间和空间的影响。出于这个原因，他需要他的「假想计算机」具有最大的力量。

为了实现这一目标，他首先想象有一个无限供应的磁带（想象中的机器的存储介质）。但最重要的是，他发现了一种设置机器中心结构的方式。

这种方法的基本要素是存储程序设计：通用图灵机可以模仿任何其他图灵机，基本程序（即机制的设置方式）本身可以存储在磁带上，因此可以被修改、扫描、写入、删除。

存储程序设计不仅是现代计算的最基本原则，而且包含了对机器学习的局限性的深刻洞察：即这样的机器原则上能做的事情，没有什么是它自己不能在原则上弄清楚的。

图灵很早就看到了这种含义及其实际潜力。他很快就对机器学习的问题产生了浓厚的兴趣，这比存储程序设计首次在实际机器中实现还要早几年。

正如图灵的剑桥大学老师、终身合作者和同为计算机先驱的马克斯·纽曼所写的那样：「他对'通用'计算机的描述完全是理论上的，但图灵对各种实际实验的强烈兴趣使他甚至在那时就对在这些线路上实际建造一台机器的可能性感兴趣。」

在第二次世界大战期间，图灵了解了使用真空管的高速电子开关的进展，并见证了第一台功能完备的电子数字计算机Colossus的诞生，它从1944年初开始被英国密码学家使用。

不过，Colossus并没有在内部储存基本的程序，一般来说，它远远不是一台通用计算机。相反，为了执行少量不同的任务，必须通过各种插头和开关进行手工编程。

1945年6月，在纳粹德国投降的几周后，图灵被英国国家物理实验室聘用，领导开发他的通用计算机的电子版。

他在年底前完成了一份可行的提案，该提案代表了迄今为止电子存储程序通用数字计算机的最完整规范，包括对电子硬件需要如何设计的特别详细描述。很快，第一台可运行的现代计算机诞生了。

「哲学家」图灵的思考

 

图灵在1945年之前的一段时间里已经认真考虑了机器智能的可能性，特别是机器学习和启发式搜索。在1945年的这份提案中，图灵简要地指出：「有迹象表明......有可能让机器显示出智能，即使机器有可能偶尔犯严重的错误。」

1946年，图灵将大部分精力投入到编程的开创性研究中，他认为这是未来发展的关键。1947年2月，他在伦敦数学协会做了一次演讲，这可能是第一次关于人工智能主题的公开科学演讲。

在这次演讲中，图灵首先向听众介绍了通用图灵机。他说，目前正在开发的东西 「可以被看作是这种类型机器的实用版本」，因此这些机器可以 「被制成可以由人类计算机完成的任何工作」。他还解释了这些机器将来如何用于数学研究，以及它们对数学家工作性质和数量的可能影响。

「而这自然而然地引出了一个问题，即原则上计算机在多大程度上可以模拟人类活动。我们想要的是一台能够从经验中学习的机器」，他说。

他所有的哲学思考都只有概念清晰的工具性目的。

图灵热衷于解决的一个相关问题在本质上是纯粹的哲学问题，这可能是他余生中占据最多的问题。也正是这个问题，产生了他的人工智能哲学中讨论最广泛的概念，即现在所称的「图灵测试」。

在1947年那次演讲中，图灵用一个小小的思想实验说明了他的想法，这个实验可以被看作是图灵测试的早期先导。

图灵表示：

「假设我们造出了一台具有某些初始指令表[即程序]的机器，在有充分理由的情况下，可以偶尔修改这些指令表。可以想象，在机器运行了一段时间后，这些指令会被改得面目全非。

但即使是这样，人们不得不承认，机器仍然在做非常有价值的计算。也许得到的结果与机器造出来时想要的结果一样，但却是以一种更有效的方式得出的。」

图灵认为，在这种情况下，人们不得不承认，机器的进步是最初输入指令时没有预料到的。这就像一个学生从他的主人那里学到了很多东西，但通过自己的工作又学到了很多。当这种情况发生时，我觉得人们不得不将机器视为显示出了「智能」。

图灵知道，在基本概念层面上的清晰度，比如通过哲学思考可能实现的概念清晰度，将是任何重大科学进步的正确方向的关键。

可以说，他所有的哲学工作都只有「概念清晰」这一工具性的目标。

哲学和科学（或者更广泛地说，是基础科学和应用科学）这两者以这种方式携手并进。在这次演讲中，图灵的一句话就可以看出这一点，他说：「只要人们能够提供一个合理的大内存容量，就应该可以开始在这些方面进行实验。」

图灵对计算技术的发展有着真正的科学兴趣，但很快就对国家物理实验室正在进行的工程工作感到沮丧，这些工作不仅由于组织不力而进展缓慢，而且在速度和存储能力的进步上也大大低于他的预期。

1947年年中，他要求休假12个月。实验室的主任查尔斯·达尔文予以批准。在同年7月的一封信中，达尔文对图灵的休假申请理由描述如下：

「他（图灵）想把他在机器上的工作进一步向生物方面延伸。迄今为止，机器的计划工作相当于大脑低级部分的工作，而他想看看机器能为高级部分做多少工作；比如能否制造一台可以通过经验学习的机器？」

这项研究的结果确实集中在学习的问题上，是一份题为 「智能机械」的开创性排版稿。哲学家杰克-科普兰（Jack Copeland），新西兰图灵计算机历史档案馆馆长，将这篇论文描述为人工智能的第一个宣言，就我们目前的历史知识而言，这似乎是准确的。最后的版本写于1948年。

然而，这篇文章在实验室里没有得到赞赏，据说达尔文将其称为 「小学生作文」，并认为其不适合发表。它一直到1968年都没有出版，后来也没有得到什么关注。

与人脑的类比被用作指导原则

 

然而，该论文预测了基于逻辑和连接主义（神经网络等）的人工智能方法中的许多重要思想和技术。特别是，图灵详细描述了可以使用强化学习（「奖励」与「惩罚」反馈等）和遗传算法进行训练的人工神经网络。他在论文末尾的总结起到了开创性的作用：

使机器表现出智能行为的可能方式被讨论，与人类的大脑的类比被用作指导原则。建议只有提供适当的教育，才能实现人工智能。调查主要围绕应用于机器的类似教学过程展开。定义了无组织机器的概念，人类婴儿皮层可能具有这种性质。给出了此类机器的简单示例，并讨论了通过奖励和惩罚的方式对其进行的教育……

图灵在研究离开后再也没有回到国家物理实验室。相反，在 1948 年 5 月，他加入了他的朋友纽曼（Newman）在曼彻斯特大学的计算机实验室，不久之后，世界上第一台电子存储程序通用数字计算机——小型实验机（Manchester Baby）诞生了，并开始运行它的第一个程序。

图灵在他生命中剩下的六年中的大部分时间都在继续他对人工智能进行研究。在完成扩展的曼彻斯特 Mark I 机器和随后的 Ferranti Mark I的编程系统后，图灵于 1951 年初开始在 Ferranti 上进行实验。他的生物生长计算模型的早期结果发表在1952年的论文「The Chemical Basis of Morphogenesis」中，代表了对「人工生命」研究的重要早期贡献。

他写的另一篇论文描述了一种使用遗传搜索的国际象棋学习算法，这很可能是他在 1945 年的提议中所想的，当时他写道：

有迹象表明……有可能让机器显示智能，但有时会出现严重错误。通过跟进这方面的工作，机器的围棋可能会下得非常好。

之后，图灵继续他在人工智能哲学方面的工作，并积极尝试推进有关该主题的学术和公共讨论。

在 1949 年 10 月的哲学研讨会上，图灵、纽曼(Newman)、神经外科医生杰弗里·杰斐逊（Geoffrey Jefferson）和当时的曼彻斯特社会科学教授迈克尔·波兰尼（Michael Polanyi）就「思想和计算机」进行了讨论。第二年，图灵的论文「Computing Machinery and Intelligence」发表。

此外，他在 20 世纪 50 年代初期至少出现在三个 BBC 广播节目中。第一个是题为「Intelligent Machinery, A Heretical Theory」的简短演讲，可能于 1951 年首次播出，他在演讲中首次质疑普遍持有的信念「你不能通过解释和反思强化学习技术来让机器为你思考」。

第二个是关于「数字计算机能思考吗」这个问题的简短讲座，图灵在其中简要介绍了存储程序计算机的普遍性，然后提出以下论点：

如果任何机器都可以恰当地描述为大脑，那么任何数字计算机都可以这样描述……如果人们认为真正的大脑……是一种机器，那么我们的数字计算机，经过适当编程，就会像大脑一样工作。

然而，如果这是「编程让机器去思考」的过程所需要的，他指出，这样做就像写一篇关于遥远星球上的家庭生活的论文，而我们只知道这个星球存在（图灵当时的例子是火星上的家庭生活）。「事实是，」他继续解释道，「我们对它（如何编程使其表机器现得像大脑一样）知之甚少，而且还很少进行研究。我只会这么说，我相信这个过程应该离不开教学的过程。」

图灵参加的第三个也是最后一个节目（1952 年首次播出）是与纽曼（Newman）和杰斐逊（Jefferson）的讨论，由剑桥哲学家 RB Braithwaite 主持，关于「可以说自动化的计算机器可以思考吗？」一开始，参与者同意给思维下定义是没有意义的。

然后，图灵引入了「模仿游戏」或图灵测试的变体。在他 1950 年的论文中，他说他引入模仿游戏是为了用一个「与之密切相关并且用相对明确的词表达的问题来代替他正在考虑的问题——机器能思考吗？」

纸质版的游戏稍微复杂一些，由一名人类评委试图确定两名参赛者中的哪一个是人类，哪一个是机器，通过文本打字消息进行远程通信，而另一个人类则在机器伪装成人类时帮助评委。图灵说：

「机器能思考吗？」这个问题应该转换为「是否有数字计算机在模仿游戏中表现出色？」

事实上，图灵在人工智能方面的工作的价值历来被哲学家和计算机科学家们歪曲讨论。 

例如，哲学家约翰·塞尔 （John Searle ）在 1980 年抱怨说，「图灵测试是典型的传统行为主义」（也就是说，它将心理学简化为对外在行为的观察），而计算机科学家斯图尔特（Stuart Russell） 世界上使用最广泛的人工智能教科书的作者拉塞尔和彼得诺维格（Peter Norvig）在一章中写道：

很少有人工智能研究人员关注图灵测试，他们更愿意专注于他们的系统在实际任务中的表现，而不是模仿人类的能力。

但重新审视 1950 年的论文表明，图灵的目标显然不仅仅是定义思维（或智能）——这与塞尔（Searle）等哲学家倾向于阅读他的方式相反——或者仅仅是将这个概念付诸实践，就像计算机科学家经常做的那样理解他。

特别是，与塞尔和他的同类相反，图灵清楚地意识到，机器在模仿游戏中的表现既不是思考或智力的必要标准，也不是充分标准。他是这样解释他在电台讨论中提出的类似测试的： 

你可以把它称为测试，看看机器是否会思考， 它与「机器会思考」不同，但对于我们目前的目的来说似乎已经足够接近，并且同样困难。

为了追求相同的总体目标，图灵实际上提出了很多比较人类和机器的测试。这些测试涉及学习、思维和智力，可以应用于各种更小和更大的任务，包括简单的问题解决、国际象棋和围棋等游戏以及一般对话。但他的主要目标绝不是仅仅定义或操作这些东西。

这些测试在本质上总是更加基本和进步的：以他作为数学哲学家的方式仔细和严格地准备概念基础，未来的计算技术可以首先由科学家和工程师成功构想，后来由政策制定者和整个社会。

被广泛忽视的是，也许模仿游戏最重要的先驱可以在图灵 1948 年长期未发表的人工智能研究论文的最后一小部分中找到，标题「Intelligence as an Emotional Concept」。引入模仿游戏等测试的中心目的是消除我们的日常概念和我们对它们的日常使用可能产生的误解。正如图灵解释的那样：

我们认为某物以智能方式行事的程度，既取决于我们自己的心态和训练，也取决于所考虑对象的属性。如果我们能够解释和预测它的行为，或者如果似乎没有什么潜在的计划，我们就可以认为没有那么智能。

我们希望我们对某事物是否智能的科学判断是客观的，至少在某种程度上我们的判断不会取决于我们自己的心态。

确实，除了概念性工作之外，图灵还提出了许多哲学论点来捍卫机器智能的可能性，预测——并且可以说反驳——所有最有影响力的反对意见（从卢卡斯-彭罗斯Lucas-Penrose的论点到休伯特·德雷福斯Hubert Dreyfus的意识）。但这与提供支持机器智能存在的形而上学论据明显不同，图灵坚决拒绝这样做。

没有理由认为图灵对这个问题不严肃，他在 1950 年的论文中写道：

读者会预料到，我没有非常有说服力的积极论据来支持我的观点。如果我有的话，我就不应该如此费力地指出相反观点的谬误。

图灵总是很小心的表达自己的观点，而不是根据我们的普通概念——例如，机器是否可以「思考」——而是严格地根据关于机器何时可以预期在人类水平上（更多 或更少）客观可衡量的任务（如模仿游戏）。

同时，他当然不同意计算机科学家 Edsger Dijkstra 在 1984 年表达的观点，该观点在今天仍然在 AI 研究人员中流行，即「机器是否可以思考的问题和潜艇会游泳」的问题类似。

相反，图灵充分意识到这类问题的文化、政治和科学重要性。例如，在一个广播节目「数字计算机能思考吗？」中，他最后问道：

如果一台机器可以思考，它可能会比我们更聪明地思考，那么我们应该在哪里？即使我们可以让机器处于被监管的地位，也肯定会让我们感到焦虑。例如，可以说没有机器没有很好的英文写作能力，或者它不会受到性吸引力或吸烟的影响。我不能给自己这样的安慰，因为我相信这样的界限是无法设定的。

最后，他指出了这个问题对于人类认知研究的重要性：

整个思考过程对我们来说仍然是相当神秘的，但我相信尝试制造一台思考机器将极大地帮助我们了解我们自己如何思考。

今天，我们可以自信地说他是对的；制造一台思考机器的尝试无疑以这种方式帮助了我们。此外，他在 1950 年的论文中还正确地预测，「在本世纪末，词语的使用和受过普遍教育的意见将发生巨大变化，以至于人们能够谈论机器思考而不会遭到反驳」。

当然，他并不是说思想和机器的问题会得到解决。事实上，问题变得更加紧迫。情感计算和生物工程的不断进步将使越来越多的人相信机器不仅可以思考，它们还可以感觉，也许应该享有某些法律权利等。但其他人（例如Roger Penrose）可能仍然合理地否认计算机可以计算。

正是图灵的基本概念工作与他实用的实验方法相结合，使他不仅能够在 1935-36 年构想现代计算的基本原理，而且在 1947-48 年预测了 70 多年后的今天 ，一些在人工智能和机器学习领域最成功的理论方法。 

可以说，正是这种结合，让图灵最终成为20世纪全人类最具创新精神的人之一。

原文链接：https://aeon.co/essays/why-we-should-remember-alan-turing-as-a-philosopher

— THE END —