艾倫·圖靈（Alan Turing）是機器學習的先驅(qū)，他的工作繼續(xù)塑造著一個關鍵問題：機器能思考嗎？

當艾倫·圖靈（Alan Turing）將注意力轉向人工智能時，世界上可能沒有人比他更適合這項任務。他的論文“計算機與智能”（1950年）仍然是該領域最常被引用的論文之一。然而，圖靈英年早逝，在很長一段時間里，他的大部分作品要么被保密，要么無法進入。因此，從他身上可以學到一些重要的教訓，包括人工智能的哲學基礎，這也許并不奇怪。

圖靈對這個話題的思考遠遠領先于其他人，部分原因是他早在1936年就發(fā)現(xiàn)了現(xiàn)代計算機的基本原理——存儲程序設計（比第一臺現(xiàn)代計算機實際設計早了整整12年）。圖靈剛剛（1934年）在劍橋大學國王學院完成了數(shù)學的第一學位，當時他的文章“論可計算數(shù)（On Computable Numbers）”（1936年）發(fā)表 - 歷史上最重要的數(shù)學論文之一 - 其中他描述了一種抽象的數(shù)字計算機，今天被稱為通用圖靈機。

幾乎所有的現(xiàn)代計算機都是以圖靈的想法為藍本的。然而，他最初構思這些機器僅僅是因為他看到參與計算過程的人類可以用一個人進行類比，并且是以一種對數(shù)學有用的方式進行類比。他的目標是定義原則上可計算的實數(shù)子集，獨立于時間和空間。出于這個原因，他需要他想象中的計算機能夠發(fā)揮最大的功能。

艾倫·圖靈（Alan Turing）于1951年由Elliott和Fry拍攝。

為了實現(xiàn)這一目標，他首先設想有無限的磁帶供應（想象機器的存儲介質(zhì)）。但最重要的是，他發(fā)現(xiàn)了一種設置機器中央機制的方法，該方法必須能夠以無限多種不同的方式進行設置，以響應它在磁帶上掃描的內(nèi)容來做一件事或另一件事，以便能夠模仿中央機制的任何可能設置。這種方法的基本要素是存儲程序設計：通用圖靈機可以模仿任何其他圖靈機，只是因為 - 正如圖靈所指出的那樣 - 中央機制的基本編程（即機制的設置方式）本身可以存儲在磁帶上，因此可以修改（掃描，寫入，擦除）。因此，圖靈指定了一種可以計算任何實數(shù)的機器，實際上可以計算任何東西，任何可以根據(jù)給定指令集自動掃描，打印和擦除的機器都可以計算;此外，在某種程度上，在計算過程中與人類的基本類比是可以計算的，計算任何人類可能計算的東西。

重要的是要理解，存儲程序設計不僅是現(xiàn)代計算最基本的原則——它還包含了對機器學習局限性的深刻洞察：即，這樣的機器原則上做的事情，原則上是它自己無法理解的。圖靈很早就看到了這一含義及其實際的潛力。在存儲程序設計首次在實際機器上實現(xiàn)之前的幾年，他很快對機器學習問題產(chǎn)生了濃厚的興趣。

正如圖靈的劍橋老師、終身合作者和計算機先驅(qū)馬克斯·紐曼（Max Newman）所寫的那樣：“他對”通用“計算機的描述完全是理論目的，但圖靈對各種實際實驗的濃厚興趣使他甚至對在這些線路上實際構建機器的可能性感興趣”。

在第二次世界大戰(zhàn)中，圖靈了解了高速電子開關（使用真空管）的進步，并見證了第一臺功能齊全的電子數(shù)字計算機Colossus的誕生，該計算機從1944年初開始被英國密碼學家使用。然而，Colossus沒有將其基本編程存儲在內(nèi)部，并且通常遠非通用的 - 或者用現(xiàn)代術語來說，“通用” - 計算機。相反，為了使其執(zhí)行少量不同任務中的任何一項，首先必須使用各種插頭和開關手動對機器進行編程。但在 1945 年 6 月，德國投降僅幾周后，圖靈就被英國國家物理實驗室聘用，領導其通用計算機的電子版的開發(fā)。他在年底前完成了一項可行的提案，該提案代表了電子存儲程序通用數(shù)字計算機的最完整規(guī)范，包括對電子硬件需要如何設計的非常詳細的描述。在三年內(nèi)，圖靈的提議導致了第一臺可操作的現(xiàn)代計算機的出現(xiàn)。

根據(jù)他的戰(zhàn)時同事的說法，圖靈在1945年之前的一段時間內(nèi)已經(jīng)認真考慮過機器智能的可能性，特別是機器學習和啟發(fā)式搜索。在他1945年的提案中，他簡要指出：“有跡象表明......有可能使機器顯示智能，冒著偶爾犯嚴重錯誤的風險”。第二年，1946年，他將大部分精力投入到編程的開創(chuàng)性研究上，他正確地認為這是未來發(fā)展的關鍵。1947年2月，他在倫敦數(shù)學學會（London Mathematical Society）上發(fā)表了演講，這可能是第一次公開發(fā)表關于人工智能主題的科學演講。

他首先向聽眾講述了通用圖靈機。他解釋說，正在開發(fā)的東西“可以被視為這種相同類型機器的實用版本”，因此這些機器可以“完成人類計算機可以完成的所有工作”。他進一步解釋了這些機器將來如何用于數(shù)學研究，以及它們對數(shù)學家工作的性質(zhì)和數(shù)量可能產(chǎn)生的影響?！斑@個話題，”他指出，“自然會引出一個問題，即計算機在原則上模擬人類活動的可能性有多大。他非常明確地指出，嘗試模擬哪種人類活動最重要?！拔覀兿胍氖且慌_可以從經(jīng)驗中學習的機器，”他說。

圖靈同樣清楚這是可以做到的，以及如何做到的：“讓機器的指令改變自己的可能性為此提供了機制。換句話說，存儲程序的設計使之成為可能。“但是，”他補充說，“這當然不會讓我們走得太遠。畢竟，編程當時甚至還處于起步階段（諸如“學習算法”之類的術語還不存在），更不用說他所指的機器（現(xiàn)代計算機）才剛剛被制造出來。

他所有的哲學著作都只有概念清晰的工具性目的。

圖靈熱衷于解決一個相關問題本質(zhì)上是純粹的哲學問題。這可能是他余生中最困擾的問題。正是同樣的問題引發(fā)了他的人工智能哲學中最廣泛討論的概念，即現(xiàn)在被稱為圖靈測試?？吹綀D靈在這方面的思想演變，無論是在他著名的測試制定之前還是之后，都將幫助我們至少避免對圖靈試圖做的事情的最粗糙但太常見的誤解。

“有人可能會說，在具有智能的機器的概念中存在一個根本的矛盾，”這是他在演講中開始最后反思的方式，最終導致他“呼吁'機器公平競爭'”。他用一個小小的思想實驗說明了他的想法，這個實驗可以被視為圖靈測試的早期先驅(qū)：

讓我們假設我們已經(jīng)設置了一臺具有某些初始指令表[即程序]的機器，這些表的結構使得這些表有時可能會（如果出現(xiàn)充分的理由）修改這些表。人們可以想象，在機器運行了一段時間之后，指令會在所有識別之外發(fā)生變化，但仍然如此，以至于人們不得不承認機器仍在進行非常有價值的計算。它可能仍然獲得機器首次設置時所需類型的結果，但以更有效的方式。

在評論此方案時，他接著補充道：

在這種情況下，人們不得不承認，當機器的原始指令被放入時，機器的進展是沒有預見到的。這就像一個學生從他的主人那里學到了很多東西，但通過他自己的工作增加了更多。當這種情況發(fā)生時，我覺得人們有義務將機器視為智能的展示。

圖靈知道，無論他或其他人對這種情況有什么感覺，都不如機器智能是否真的可能重要。但他也知道——以及所有人——在基本層面上的概念清晰，例如通過哲學反思來實現(xiàn)的概念清晰，對于朝著正確方向的任何重大科學進步都是至關重要的?？梢哉f，他所有的哲學著作都只有這種概念清晰的工具性目的。當然，哲學和科學（或者更一般地說，基礎科學和應用科學）這兩者以這種方式齊頭并進，這始終是他作品的特征。在演講中，他從上面的段落中立即可以看出這一點：“一旦人們能夠提供相當大的內(nèi)存容量，就應該有可能開始對這些線路進行實驗。

Turing對實際實驗的濃厚興趣是他一直主張開發(fā)具有最小復雜硬件架構的高速大內(nèi)存機器（他后來稱之為子機器）的原因之一，以便為編程提供最大的自由度，包括機器的重新編程本身（即機器學習）。因此，他解釋說：

在這次演講中，我花了相當多的時間討論存儲問題，因為我相信提供適當?shù)拇鎯κ墙鉀Q數(shù)字計算機問題的關鍵，當然，如果要說服他們展示任何真正的智能。

在同一時期的一封信中，他寫道：“我對產(chǎn)生大腦動作模型的可能性更感興趣，而不是對計算的實際應用。由于他對計算技術發(fā)展的真正科學興趣，圖靈很快就對國家物理實驗室正在進行的工程工作感到沮喪，這項工作不僅由于組織不善而進展緩慢，而且在速度和存儲容量方面也遠不如他想要的那么雄心勃勃。1947年年中，他申請了12個月的假期。實驗室主任查爾斯·達爾文（查爾斯·達爾文的孫子）支持這一點，請求得到了批準。在那年7月的一封信中，達爾文這樣描述圖靈的原因：

他想將他在機器上的工作進一步擴展到生物學方面。我最能描述它的方式是，到目前為止，這臺機器已經(jīng)計劃用于相當于大腦下部的工作，他想看看一臺機器能為高等部分做多少工作。例如，可以制造出一臺可以通過經(jīng)驗學習的機器嗎？

這項研究確實專注于學習問題，其結果確實是一個名為“智能機械”的開創(chuàng)性打字機。哲學家杰克·科普蘭（Jack Copeland）是新西蘭圖靈計算歷史檔案館（Turing Archive for the History of Computing in New Zealand）的館長，他將這篇論文描述為人工智能的第一個宣言，就我們目前的歷史知識而言，這似乎是準確的。最終版本寫于1948年。然而，它在實驗室并不受歡迎，據(jù)報道，達爾文嘲笑它是一篇“小學生的文章”，并認為它不適合發(fā)表。直到1968年，它一直沒有出版，隨后幾乎沒有受到關注。

“與人腦的類比被用作指導原則”

然而，這篇論文預測了基于邏輯和連接主義（神經(jīng)網(wǎng)絡等）的人工智能方法中的許多重要思想和技術。特別是，圖靈詳細描述了一個人工神經(jīng)網(wǎng)絡，該網(wǎng)絡可以使用強化學習（“獎勵”與“懲罰”反饋等）和遺傳算法進行訓練。他在論文末尾的總結給人一種開創(chuàng)性的特征：

討論了使機器顯示智能行為的可能方式。與人腦的類比被用作指導原則。有人指出，只有提供適當?shù)慕逃拍軐崿F(xiàn)人類智能的潛力。調(diào)查主要圍繞應用于機器的類似學習過程展開。無組織機器的概念被定義了，并且認為嬰兒的人類皮層具有這種性質(zhì)。給出了這種機器的簡單例子，并通過獎勵和懲罰的方式討論了它們的學習過程。在一種情況下，學習過程是通過...

圖靈在研究離開后再也沒有回到國家物理實驗室。相反，在1948年5月，他加入了他的朋友曼徹斯特大學的紐曼計算機實驗室，不久之后，世界上第一臺電子存儲程序通用數(shù)字計算機小型實驗機（俗稱曼徹斯特嬰兒）運行了它的第一個程序。

在他生命中剩下的六年時間里，圖靈大部分時間都在繼續(xù)他的人工智能研究。在完成擴展的曼徹斯特Mark I機器和隨后的Ferranti Mark I（世界上第一臺商用現(xiàn)代計算機（由Ferranti Ltd制造））的編程系統(tǒng)后，圖靈于1951年初開始在Ferranti上進行實驗。他計算生物生長模型的早期結果發(fā)表在論文“形態(tài)發(fā)生的化學基礎（The Chemical Basis of Morphogenesis）”（1952年）中，該論文代表了對人造生命研究的重要早期貢獻。

他寫的另一篇論文描述了一種使用基因搜索的國際象棋學習算法，這很可能是他在1945年的提案中寫下來時所想到的：

有跡象表明...有可能使機器顯示智能，冒著偶爾犯嚴重錯誤的風險。通過跟進這一方面，機器可能會下非常好的國際象棋。

但是，特別是，圖靈繼續(xù)他在人工智能哲學方面的工作，并積極嘗試推進有關該主題的學術和公共話語。例如，1949年10月圖靈、紐曼、神經(jīng)外科醫(yī)生杰弗里·杰斐遜（Geoffrey Jefferson）和邁克爾·波蘭尼（Michael Polanyi）（當時是曼徹斯特的社會科學教授）之間關于“心靈和計算機”的哲學研討會進行了幾分鐘的討論。第二年，圖靈的論文《計算機與智能》發(fā)表。此外，在1950年代早期，他至少出現(xiàn)在三個BBC廣播節(jié)目中。雖然沒有已知的錄音，但這些文字版于2004年出版。第一個是題為“智能機械，異端理論”的簡短演講，可能于1951年首次播出，其中他聲稱的目標是通過解釋和反思強化學習技術來質(zhì)疑普遍持有的信念“你不能制造一臺機器為你思考（You cannot make a machine to think for you）”。

第二個是關于“數(shù)字計算機能思考嗎？（Can Digital Computers Think?）”這個問題的簡短演講，圖靈在其中簡要介紹了存儲程序計算機的普遍性，然后提出了以下論點：

如果任何機器都可以被恰當?shù)孛枋鰹榇竽X，那么任何數(shù)字計算機都可以這樣描述......如果接受真正的大腦...是一種機器，我們的數(shù)字計算機經(jīng)過適當編程，將表現(xiàn)得像一個大腦。

然而，他指出，如果這是“編程機器思考”的過程所要求的，那么這樣做就像寫一篇關于遙遠星球上家庭生活的論文，而這個星球上只是已知存在（圖靈當時的例子是火星上的家庭生活）?！笆聦嵤牵彼^續(xù)解釋說，“我們對它知之甚少（如何對機器進行編程以使其像大腦一樣運行），而且研究也很少。他補充說：“我只想說，我相信這個過程應該與學習過程有密切的關系。

模仿游戲已經(jīng)達到了預期的目的;它也從根本上被誤解了

圖靈參加的第三個也是最后一個節(jié)目（1952年首次播出）是與紐曼和杰斐遜的討論，由劍橋哲學家R B Braithwaite主持，關于“自動計算機可以被稱為思考嗎？（Can Automatic Calculating Machines Be Said to Think?）”首先，與會者一致認為，試圖給思維一個一般的定義是沒有意義的。然后，圖靈引入了“模仿游戲（imitation game）”或圖靈測試的變體。在他1950年的論文中，他說他正在引入模仿游戲，以便用一個“與它密切相關并用相對明確的單詞表達”來取代他正在考慮的問題 - “機器能思考嗎？（Can machines think?）”該論文的游戲版本稍微復雜一些，由一名人類法官試圖確定兩名參賽者中的哪一名是人類，哪一臺是機器，僅基于使用打字短信進行遠程通信，這名人類試圖幫助法官，而機器假裝是人類。圖靈說：

“機器能思考嗎？（Can machines think?）”這個問題應該被“有沒有可以想象的數(shù)字計算機在模仿（人類）的游戲中表現(xiàn)良好？”

雖然僅憑它的名氣就證明了模仿游戲已經(jīng)達到了預期的目的，但它也從根本上被誤解了。事實上，圖靈在人工智能方面的工作的價值傳統(tǒng)上被哲學家和計算機科學家都貶低了，對其目的進行了各種歪曲的解釋。例如，在一篇頗具影響力的批評中，哲學家約翰·塞爾（John Searle）在1980年抱怨說，“圖靈測試是典型的傳統(tǒng)，即不知羞恥的行為主義”（也就是說，它將心理學簡化為對外在行為的觀察），而計算機科學家斯圖爾特·羅素（Stuart Russell）和彼得·諾維格（Peter Norvig）則在一章中寫道：：

很少有人工智能研究人員關注圖靈測試，他們更愿意專注于系統(tǒng)在實際任務中的表現(xiàn)，而不是模仿人類的能力。

但重新審視1950年的論文就會發(fā)現(xiàn)，圖靈的目標顯然不僅僅是定義思維（或智力）——與塞爾等哲學家傾向于解讀他的方式相反——或者僅僅是像計算機科學家經(jīng)常理解的那樣，將這個概念付諸實踐。特別是，與塞爾和他的同類相反，圖靈清楚地意識到，機器在模仿游戲中表現(xiàn)良好既不是思維或智力的必要標準，也不是足夠的標準。以下是他解釋他在廣播討論中提出的類似測試的方式：

你可以稱它為測試，看看機器是否思考，但最好避免回避這個問題，并說通過的機器是（比方說）“A級”機器......我的建議是，這是我們應該討論的問題。這與“機器會思考嗎”不同，但它似乎足以滿足我們目前的目的，并提出了大致相同的困難。

這段話，以及圖靈關于人工智能哲學的其他著作和公開演講（包括上面描述的所有文章），幾乎沒有受到關注。然而，總而言之，這些作品清楚地說明了他制定模仿游戲的主要目標是什么。例如，他們表明，從1947年開始（也許更早），為了追求相同的總體目標，圖靈實際上提出了不只一個而是許多比較人類和機器的測試。這些測試涉及學習，思維和智力，可以應用于各種小和大的任務，包括簡單的解決問題，國際象棋和圍棋等游戲，以及一般對話。但他的主要目標從來都不是僅僅定義或操作這些東西。相反，它總是在本質(zhì)上更加基本和進步：也就是說，以他當時的數(shù)學哲學家的方式仔細和嚴格地準備概念基礎，在這個基礎上，未來的計算技術可以成功地構思出來，首先由科學家和工程師，然后由決策者和整個社會。

人們普遍忽視的是，也許模仿游戲最重要的先驅(qū)可以在圖靈1948年長期未發(fā)表的人工智能研究論文的最后一部分中找到，標題為“智力作為情感概念（Intelligence as an Emotional Concept）”。本節(jié)非常清楚地表明，引入諸如模仿游戲之類的測試的中心目的是消除我們的普通概念以及我們對它們的普通使用可能產(chǎn)生的誤解。正如圖靈所解釋的那樣：

我們認為某物以智能方式表現(xiàn)的程度取決于我們自己的心理狀態(tài)和訓練，也取決于所考慮對象的屬性。如果我們能夠解釋和預測它的行為，或者如果似乎沒有什么潛在的計劃，我們幾乎沒有模仿智能的誘惑。

我們希望我們對某物是否智能的科學判斷是客觀的，至少在某種程度上，我們的判斷不會取決于我們自己的心理狀態(tài);例如，關于我們是否能夠解釋相關行為，或者我們是否可能害怕在特定情況下出現(xiàn)智能的可能性。出于這個原因——正如他在三次廣播和他1950年的論文中所解釋的那樣——圖靈提出了消除我們普通概念中情感成分的方法。在1948年的論文中，他寫道：

即使在目前的知識階段，也可以在這些方面做一些實驗。設計一臺紙機[即寫在紙上的程序]并不難，它將玩一個不是很糟糕的國際象棋游戲?，F(xiàn)在讓三個男人作為實驗A，B，C的受試者。A和C是相當差的棋手，B是操作造紙機的操作員。（為了使他能夠相當快地工作，建議他既是數(shù)學家又是國際象棋選手。兩個房間用于一些用于交流動作的安排，并在C和A或紙機之間進行游戲。C可能會發(fā)現(xiàn)很難分辨出他在與哪個玩。

的確，除了他的概念工作之外，圖靈還提出了許多哲學論據(jù)來捍衛(wèi)機器智能的可能性，預測——而且可以說是駁斥——所有最有影響力的反對意見（從盧卡斯-彭羅斯的論點到休伯特·德雷福斯，再到意識）。但這與提供支持機器智能存在的形而上學論據(jù)明顯不同，圖靈堅決拒絕這樣做。

“如果一臺機器能思考，它可能會比我們更聰明地思考”

沒有理由相信圖靈不認真，在他1950年的論文中，他說：

讀者會預料到，我沒有非常令人信服的積極論據(jù)來支持我的觀點。如果我有的話，我就不應該如此費盡心思地指出相反觀點中的謬誤。

但他總是足夠謹慎地表達自己的觀點，不是根據(jù)我們的普通概念——例如，機器是否可以“思考”——而是嚴格地根據(jù)推測，即機器何時可以在人類層面上執(zhí)行（或多或少）客觀可衡量的任務（如模仿游戲）。與此同時，他肯定不同意計算機科學家Edsger Dijkstra在1984年表達的觀點，該觀點在今天的人工智能研究人員中仍然很受歡迎，即“機器是否可以思考的問題......這與潛艇是否會游泳的問題一樣重要”。相反，圖靈充分意識到這類問題在文化、政治和科學上的重要性。例如，在一次廣播中，“數(shù)字計算機能思考嗎？（Can Digital Computers Think?）”，他最后問道：

如果一臺機器可以思考，它可能會比我們更聰明地思考，那么我們應該在哪里呢？即使我們可以讓機器處于從屬地位，例如在戰(zhàn)略時刻關閉電源，作為一個物種，我們也應該感到非常謙卑。...這個新的危險...如果它真的來了...雖然很遙遠，但不是天文數(shù)字上的遙遠，當然可以給我們帶來焦慮。在關于這個主題的談話或文章中，習慣上以聲明的形式提供一絲安慰，即某些特別人類的特征永遠不會被機器模仿。例如，可以說沒有機器能寫出好的英語，或者它不能受到性吸引力的影響或抽煙斗。我不能提供任何這樣的安慰，因為我相信，沒有這種界限是可以設定的。

最后，他指出了這個問題對人類認知研究的重要性：

整個思維過程對我們來說仍然相當神秘，但我相信，嘗試制造一臺思考機器將極大地幫助我們找出自己是如何思考的。

今天，我們可以自信地說，他是對的;他是對的。制造一臺思考機器的嘗試無疑以這種方式幫助我們。此外，他還在1950年的論文中正確地預測，“在本世紀末，單詞的使用和一般的受過教育的觀點將發(fā)生如此大的變化，以至于人們將能夠談論機器思維而不會被期望相矛盾”。當然，他并不是說心靈和機器的問題會得到解決。事實上，問題只是變得更加緊迫。情感計算和生物工程的持續(xù)進步將促使越來越多的人相信，機器不僅可以思考，還可以感覺到，也許應該得到某些合法權利，等等。還有一些人（如羅杰·彭羅斯）可能仍然合理地否認計算機甚至可以計算。

圖靈的基本概念工作與他的實踐實驗方法相結合，使他不僅在1935-36年構思了現(xiàn)代計算的基本原理，而且在1947-48年，他預測了70多年后人工智能和機器學習領域一些最成功的理論方法?？梢哉f，正是這種組合使他從一個數(shù)學工作被認為有前途但不整潔的小學生，他的想法被他的老師認為“模糊”和“浮夸”，到成為20世紀最具創(chuàng)新性的頭腦之一。