一、基本概念:

1.图灵测试:

如果有两个屋子,一个屋子里有一个真人,而另一个屋子里有一台人类发明的机器,屋子里面的人或者机器可以通过电传设备和外面的人展开交流对话,如果大部分人(图灵在1952年的一场BBC广播中认为超过30%的人判断不出哪个是人哪个是机器即可,不过这和我们印象中的大部分似乎不一致,或许是那个年代技术有限不可要求过高)判断不出和自己交流对话的究竟是真人还是机器,那么我们认为该机器通过了图灵测试,并被认为具有人类智能。

2.中文房间:

这是由美国哲学家John Searle提出的一个思想实验,旨在推翻图灵测试这一强人工智能测试提出的过强主张:只要计算机拥有了适当的程序,理论上就可以说计算机拥有了它自己的认知状态并且可以像人一样地进行理解活动。

这个实验要求想象一位只会说英文的人身处在一个近似密闭的房间中,这个房间除了门上的一扇用于传递纸片的小窗户外全部都是封闭的。在房间里有一本带有中文翻译程序的手册以及其他稿纸铅笔等足够帮助他翻译的东西。根据searle的描述,房间里的人可以根据那本手册来翻译传入屋中的中文文字并且用中文回答。虽然他完全不会中文,但是他却可以让任何房间外的人误以为他会说中文。searle认为电脑就是这样工作的,它们无法真正理解接收到的信息,但它们可以运行一个程序,以此来处理信息,然后给人一个智能的印象。

在给出我的理解前先简单解释下何为强人工智能和弱人工智能:

强人工智能:机器确实可以有真正的智能,可以像人一样推理、思考并且解决问题。

弱人工智能:机器只是看起来有智能,实际上不能像人一样推理、思考并且解决问题。

searle认为即使一台机器通过了图灵测试,能正确的回答问题,他对问题仍然没有任何理解,因此不具备真正的智能。

由此可见,searle是持有“弱人工智能”观点的。他反对的是“强人工智能”观点。

二、个人思考

在查阅了一些资料并且了解了其他大佬们的观点后,我持有这样一种观点:

searle的思想实验有明显的漏洞!

我们再仔细回顾下这个思想实验,我们发现之所以能解决所有中文问题的关键不在于那个完全不懂中文的人(事实上,他的工作用简单的程序就能代替),而在于那本带有中文翻译程序的手册!试想如果有这样的一本手册,它满足可以回答所有问题这个前提,那么事实上这本手册就拥有了智能!实际上,不要说回答所有问题了,即使是回答普通生活中大部分常识性问题,这个手册的容量都将是难以估量的,因为你要考虑到那个做着所谓“翻译工作”的人完全不懂中文,只是机械的按照步骤利用这个手册和房间内其它可用的工具来进行翻译和回答,所以这个手册绝非一些人下意识里想到的中英词典(因为如果这样,那这个人就不可能完全不懂中文),而是拥有一个完整步骤流程的中文翻译程序的手册,所以这个手册的实现本身就是极其困难的,要想做到回答所有问题这个手册就必须有“智能”。提出中文房间的searle实际上偷换了概念。他先利用一个常识性命题——手册是没有智能的,来把我们的注意力转移到那个完全不懂中文的人身上,因为我们下意识里觉得按照描述那个房间里似乎只有这个人才有智能,然后searle又假设这个手册可以回答一切中文问题。但这样的假设本身就存在漏洞,如果这个手册真的做到了能回答所有问题,那它就不是通常意义上的手册了,它很可能也是有智能的。searle把我们这些有上帝视角的观众的注意力全都转移到那个人身上了,殊不知实验中外面人交互的是一个完整的房间(包括人和房间里的一切物品),导致我们把这些对象割裂开来,实际上我们应该把房间视为一个整体,那个完全不懂中文的人做的工作,无非是一些输入输出还有搜索(这些可以轻易地用程序替代),而核心在于他使用的工具——那本手册,拥有如此强大功能的手册,不可能不集成了诸如自然语言处理、机器学习、深度学习(神经网络)等技术,所以外边的人思维要是严谨一些,得到的结论应该是这整个房间(包括人和手册以及其他工具)会中文,而不是那个人会中文,而因为那个不懂中文的人的工作完全可以由机器来代替,回顾图灵测试的概念,这不正好验证了图灵测试吗?

三、结论

searle的思想实验有严重的逻辑漏洞,我怀疑他没有学过数理逻辑,他所设计的中文房间问题非但没能推翻图灵测试,反而为图灵测试提供了一个极佳的例子,不得不承认,即使是在今天,图灵测试依然有重大的意义。

四、致谢

我在思考这个问题时借鉴了众多大佬的观点,引用了一些想法,在此列出,表示感谢:

https://www.cnblogs.com/lcbg/p/6555059.html

blog.sina.com.cn/s/blog_65197d9301010xkk.html

关于图灵测试和中文房间的一些思考相关推荐

  1. 关于图灵测试和中文屋Chinese room的理解

    图灵测试与中文屋 这篇文章想分享关于人工智能的"中文屋论证"(也叫汉字屋,Chinese room).什么是中文屋论证呢,我们知道图灵测试是判断是机器否是人工智能的公认标准.我先说 ...

  2. 中文房间之争-浅论到底什么是智能

    作者 | 孔若诚 杏仁产品经理,业余美剧.设计.哲学爱好者.头像是我偶像. 中文房间问题 1980 年,美国哲学家 John Searle 提出了一个思维实验:中文房间(Chinese Room Ar ...

  3. 超越图灵测试:判断机器是否在思考的现代方法

    全文共2189字,预计学习时长6分钟 图源:slate 人工智能正在改变生活的方方面面,大多数专家认为,今天的人工智能进化为人工通用智能只是时间问题,计算机迟早会达到甚至超过人类智能的临界点.但问题是 ...

  4. 《人工智能》之《绪论》习题解析

    教材:<人工智能及其应用>,蔡自兴等,2016m清华大学出版社(第5版) 参考书: 对应同系列博客:<人工智能>之<绪论> <人工智能>之<绪论& ...

  5. 深度增强学习:走向通用人工智能之路

    深度增强学习:走向通用人工智能之路 本文是系列文章中的第一篇,是对深度增强学习/深度强化学习的基本介绍以及对实现通用人工智能的探讨. 现在但凡写人工智能的文章,必提Alpha Go.也正是因为Alph ...

  6. GPT 应该存在吗?

    GPT是否应该存在呢?Scott Aaronson 认为在掌握更多信息之前,我们应该按兵不动. 作者 | Scott Aaronson    译者 | 弯月 出品 | CSDN(ID:CSDNnews ...

  7. 如何判断机器具有智能?

    前记:这篇文章是我在2018-2019的秋季学期的辩证法课程中撰写的文章,同时也是课程考核的一部分.笔者觉得写好的文章放在角落里实在可惜,所以就在这里贴出来啦,希望能够给大家一些启发: ps:当然笔者 ...

  8. 第五代计算机为何在“智能化”阶段的发展像蜗牛般的徘徊前行?

    第五代计算机为何在"智能化"阶段的发展像蜗牛般的徘徊前行? 精选 已有 8560 次阅读 2012-8-22 11:54 |个人分类:融智学前期探索|系统分类:论文交流|关键词:计 ...

  9. 【新书速递】高效使用Greenplum

    Greenplum数据库是基于MPP架构的开源大数据平台,具有良好的弹性和线性扩展能力,内置并行存储.并行通信.并行计算和并行优化功能,兼容SQL标准,具有强大.高效的PB级数据存储.处理和实时分析能 ...

最新文章

  1. 高中生计算机创新大赛作品,2017 第十届“英特尔杯”全国大学生软件创新大赛获奖作品...
  2. slf4j介绍及配置详解
  3. 全套学习!mysql2003错误代码
  4. Tomcat8 连接池
  5. zsh: command not found: nvm 解决方案
  6. winform项目_winform项目——仿QQ即时通讯程序01:原理及项目分析
  7. ios键盘弹回时顶上去得页面不会回来
  8. 一维数组元素倒置 c语言,实例12 数组中元素的倒置.pdf
  9. Android 系统(78)--应用安装时间长
  10. logback日志pattern_Springboot整合log4j2日志全解
  11. Java高级:面试题-1
  12. 学术论文SCI、期刊、毕业设计中的图表专用软件
  13. linux 删除开机密码,6种清除开机密码方法,总有一个适合你
  14. python枚举详解
  15. 2021年全球起酥油收入大约4171.6百万美元,预计2028年达到5052.7百万美元,2022至2028期间,年复合增长率CAGR为 2.8%
  16. 抖音电商直播间SOP主播工作计划脚本话术模板方案
  17. 西游记中泾河龙王泄露天机惨遭砍头,而袁守诚为何安然无恙
  18. outlook服务器怎么访问文件夹路径,Outlook 2010更改OST存放位置及配置
  19. 如何获取微信公众平台图文消息的永久链接
  20. 丁香园开源接口管理系统 - API Mocker

热门文章

  1. OA协同办公系统对企业有什么作用?
  2. 笔记本电脑性能分析记
  3. 阿里云 SDK 动态IP域名解析
  4. 解决iTunes更新或者重现安装出现“指定账户已存在问题
  5. svchost.exe进程占用过高内存
  6. Spring框架技术总结(一),如何才能更容易拿到大厂Offer
  7. windows下的谷歌翻译(Google Translate SDK)使用
  8. Windows学习总结(21)——常用网络命令ping、Telnet等详解
  9. 基于FPGA的单目内窥镜定位系统设计(上)
  10. WEKA算法解析 -- PART决策树