关于“人工智能”的一些杂想
1900年的世纪之交，伟大的数学家戴维·希尔伯特提出了新世纪数学家应当努力解决的23个数学问题。其中第2问“算术公理系统的无矛盾性”，决定了真理能否被数学化；其中第10问“是否存在任意一个丢番图方程有解的机械化运算过程”，决定了数学能否被机器化。
这两问奠定了构造智能机器的数学哲学基础。其中，第2问被哥德尔所否定，即著名的哥德尔不完备定理；而第10问，则被图灵用名为“图灵机”的思想实验所证实。由此，人工智能和人类智慧的疆界成为一个很难说清的问题。
哥德尔曾断言，由于不完备定理的存在，无论机器多么复杂，人类的思维都将在理论上无限超过任何机器。
而图灵则反驳，哥德尔不完备定理可以证明任何一台特定机器的能力都有极限，但并没有证据说明人类就没有这种局限性。
由此我们可以发现，如何定义人工智能，不是一个单纯的信息科学问题，而却是和我们如何从科学和哲学上深入认识自身智慧密切相关。不过，遗憾的是，人类似乎还不能完全的认识自身的情感、思想、逻辑、决策等内涵。即便神经学、行为学曾在一些生理、心理现象上取得了卓越的研究成果，但都是只鳞片只鳞片爪，不成体系。
但即便是在这种在哲学上“还没有完全搞清楚要什么”的情况下启程，人工智能还是以取得了长足的进步。这很大程度上是因为：力图人造智慧的“强人工智能”研究屡屡碰壁后，研究方向早已转向了专注解决具体问题的“弱人工智能”，因此很大程度上回避了这个关于智慧的本源性问题。
不过与学界的现实主义转向不同，媒体大众的思维还停留在可望不可及的“强人工智能”幻觉中，因此这些年担忧机器人觉醒的话题屡见不鲜。但实际上，目前主流的“弱人工智能”本质上就是一系列相对复杂的算法，完全不具备诞生自我意识的土壤。
目前的人工智能大发展，很大程度上是得益于硬件、统计学和大数据，这种形式的发展必有其瓶颈。对于人工智能的发展，图灵曾认为应从功能的角度出发，而不是局限于模拟人类结构，但以此为号召的符号学派在最初的发展后已渐沉沦。而目前风头正劲的连接学派，高举“人工神经网络”大旗，号称是对人类大脑神经网络结构的模拟。
虽然，人工神经网络虽然取得了非常出色的应用成果。但不得不说，人工神经网络算法的基础是统计方法，而不是对神经元甚至大脑决策的拟真。这个算法的诞生，更像是数学家对人类大脑构造的一个美好愿景，而不完全是来自神经科学的研究成果。人类大脑的运行和决策机制，几乎可以说是一个迷，而宣称对人类大脑研究最透彻的确实一群信息科学家，总有种吊诡的感觉。即便是每一个人工神经元都能完美拟合生物神经元，但在不具备生物理论基础情况下，真的能都拼西凑出“模拟大脑”吗？给一个土著一亿个晶体管，他都拼不出计算机，更何况更为复杂的人脑。所以说，目前的人工神经网络是统计科学的丰硕成果，其中可能包含了一部分仿生学的灵感，但不必非要把算法和人脑强行挂钩。
但话说回来，未来人工智能在此突破瓶颈，很有可能需要依赖真正的从神经科学汲取养分。因为我们也许不知道人造智慧是什么，但毫无疑问的是，我们自己就是智慧生物。因此如何研究、分析、总结我们自己智慧系统，将决定的未来人造智慧的上限。
神经科学和认知科学，任重道远。
PS：十分好书。本书几乎称得上面面俱到，阅读体验堪称完美。
如果再版的话，作者可以考虑增加以下几部分：1）增加哥德尔定理内容；2）增加和图灵测试相关的“中文屋实验”；3）增加行为学派在仿生方向的研究成果。
