1.3 實現通用人工智能的主要困難

人工智能界認為，實現通用人工智能有三大困難，一是智能系統未能擁有常識，二是智能系統的感知、處理、問題求解等過程都沒有基于理解，三是沒有基礎理論支持^[5，6]。

要想解決這些困難，首先需要回答三個更深層次的問題：常識是什么，它在非生物智能體中以什么方式存在、發展并使用；理解是什么，在非生物智能體中又如何體現、發展；什么是智能及非生物智能體的基礎理論，這一基礎理論要回答什么問題。再深一層，是什么原因產生了這三個問題。對于這些問題，本書將在后續章節逐一給出答案。

通用人工智能的基礎理論至少要明確回答三個基本問題：智能和通用人工智能是什么；構成通用人工智能的要素是什么，要素間的關系是什么；通用人工智能如何產生，又如何發展。

學術界對什么是“智能”沒有形成共識。人工智能界也沒有清晰定義智能。智能不能被確切定義，通用人工智能更缺乏嚴格定義的基礎。智能和通用人工智能沒有精確的定義，常識和理解這兩個通用人工智能的必要條件也成為可望而不可即的空中樓閣。

與此相伴的是人工智能界對算法、算力和具有算法能力的人的崇拜，認為具備這三者就一定能構造通用人工智能，這是一個基本認識論的錯誤。算法是人的一類智能行為的產物或必要條件，不是所有智能行為的產物或必要條件，即使一些被人工智能界認為特別有希望的算法，也不可能由此生成智能。算法是問題求解的一種工具，不是有算法就能求解問題，不是沒有算法問題就無解。算力是加快某些問題求解的工具，不是問題求解的必要條件。幾乎每個人每天都要就面對的問題做出判斷、決策，在每天的日常生活和工作中，人類都要完成大量的智能行為，而這些決策和智能行為的大部分，甚至絕大部分，基本上不用算法、無須計算，只是本能的反應或已有答案的重復。就機器智能而言，在一個自動化制造系統中，邏輯控制單元是算力，控制過程是一個算法集合，而裝備、工藝同樣是構成該系統智能的要素。人創造了算法、制造了算力，但這些僅是智能體可以利用的工具，工具再好，也不能產生獨立的智能體。機器智能是人與工具的組合智能體，今天已經實現的人工智能系統，或沒有考慮主體性的通用人工智能系統，都是組合智能體。

如果說，常識和理解是通用人工智能的必要條件，那么，應該明確，常識屬于誰，理解又是誰的功能。如果常識由人結構化之后，以通用人工智能系統可辨識的模式輸入系統，就需要系統具有理解的功能，而理解是一個獨立主體對環境和自身擁有的資源和知識、信息的理解。離開獨立主體，理解就可能成為算法的附庸，不能持續發展、成長。20世紀90年代初，美國斯坦福大學“CYC”工程的失敗就是一個顯然的例證。顯然，這個“誰”不是創建通用人工智能系統的人，而是系統本身。也就是說，通用人工智能系統應該是一個獨立的智能主體，而不是依賴某個人或某些人的組合智能主體。

一個通用人工智能系統的“智能”是一次性賦予的，還是在特定環境中持續發展的？對于這個問題，人工智能學者不會贊成前一個觀點。如果同意了一次性賦予的觀點，不但對算法和算力的追求失去依據，而且對通用人工智能的通用和能力產生了質疑。所以，“智能”一定是漸進的，是在特定環境的學習和使用過程中逐步成長的。而一個獨立主體的成長性發展又不是持續賦予的，必須具有主體性，沒有自我意識和自我發展的“文字”能力的智能體，不可能產生持續有效的、基于理解的積累。

認同一個以人創為基礎的通用人工智能系統具有主體性，擁有常識、能夠理解，存在維持其生存和發展的自我意識和能力，是對人們習以為常的認識論的挑戰，也是通用人工智能基礎理論遲遲不能產生的一個根本性原因。

同樣的尷尬存在于對信息的認識。人工智能系統用各種算法將信息的符號或載體進行處理，以求將其歸納到其所表達的含義類中。但是，含義本來就是信息被記錄和利用的原因，是信息的本義，為什么不處理含義本身，而從載體與/或符號中找出其含義呢？生物智能從感知開始就已經將符號或載體轉換為含義，傳輸、記憶、使用等過程均以含義為基礎。沒有把握生物智能關于信息處理的規律，錯將神經系統的層次結構當作認知信息處理的本質特征，所謂通用人工智能的常識和理解兩個關鍵問題必然無解。

所以，對于實現通用人工智能，迄今為止的研究和探索未能找到適當的路徑，一個重要的原因是沒有把握信息和智能的本質，走在錯誤的道路上。建立人工智能的基礎理論需要在認識論、方法論層面得到突破。