2.6.2　意義問題——符號(hào)接地問題

20世紀(jì)80年代，Searle提出了一個(gè)思想實(shí)驗(yàn)，可以被表述為：假設(shè)在不久的將來，人工智能已經(jīng)發(fā)展出能理解中文的人工主體，它也能通過圖靈測試，至少在文本和語音內(nèi)容上，與人類的反應(yīng)相比，輸出結(jié)果是無法區(qū)分的。因此，這樣的AI能夠使任何一個(gè)中國人相信，它也是一個(gè)說中文的人類。Searle的問題是：“這個(gè)主體真的‘理解'中文嗎（強(qiáng)人工智能）？還是僅僅是模擬理解中文的能力（弱人工智能）？”因?yàn)樵撝黧w通過把輸入和在程序腳本中給出的語法規(guī)則聯(lián)系在一起產(chǎn)生輸出，但沒有真正掌握語義，就像目前的翻譯軟件一樣，如圖2.30所示。結(jié)論是程序腳本不能促生“意識(shí)”，但是能夠盡可能地完成模仿，因此強(qiáng)人工智能不可能存在。

符號(hào)接地問題和Searle的中文屋問題緊密相關(guān)。它的缺陷是需要將語言標(biāo)簽，如單詞和語法（符號(hào)），與實(shí)際樣子聯(lián)系起來。例如，設(shè)想一個(gè)機(jī)器人，它的前方有一個(gè)球。這個(gè)機(jī)器人會(huì)無法把單詞（符號(hào)）與這個(gè)對(duì)象（樣子）聯(lián)系起來，一旦被給出像“撿起球”這樣的指令時(shí)，它將無法執(zhí)行這個(gè)任務(wù)。人類克服了這個(gè)問題，因?yàn)槿祟愓J(rèn)知是通過神經(jīng)學(xué)習(xí)發(fā)展起來，并通過逐漸熟悉環(huán)境和已知的社會(huì)規(guī)范培養(yǎng)的。

圖2.30　谷歌翻譯和類似的翻譯軟件用的是更快的字典搜索，而不是試圖理解語言（其語義和文化方面）。機(jī)器學(xué)習(xí)算法可以通過觀察模式輕松地翻譯字母、單詞和句子。相比之下，人類翻譯人員需要學(xué)習(xí)語言，而不僅僅聯(lián)系符號(hào)以形成語義。正如Searle所說，計(jì)算機(jī)只會(huì)操作符號(hào)，不會(huì)理解語義。因此，強(qiáng)人工智能并不存在，任何人工手段都不能取代人類認(rèn)知

符號(hào)接地問題探討了“機(jī)器人能處理符號(hào)接地嗎”？或者“機(jī)器人能識(shí)別、表達(dá)和交流世界信息嗎”？工程師和設(shè)計(jì)師們已經(jīng)能夠讓機(jī)器人應(yīng)用強(qiáng)度啟發(fā)式學(xué)習(xí)或圖像處理，從而識(shí)別出圖像或者視頻中的單詞。然而，這僅限于選定的一組已知對(duì)象，并傾向于為特定的工作定制機(jī)器人，犧牲了情境，因而也就犧牲了它在其他工作和意外發(fā)現(xiàn)活動(dòng)（如探索與發(fā)現(xiàn)）中的多功能性。因此，機(jī)器人可以被編程來通過其感覺運(yùn)動(dòng)具身與現(xiàn)實(shí)的符號(hào)接地交互和操作，但是明顯缺乏普適性。

Harnad^[142]提出，符號(hào)接地問題比起只是通過將圖像與名稱聯(lián)系起來（如圖2.31所示）開發(fā)出某種機(jī)器人詞典更引人注目。處理符號(hào)接地應(yīng)該是機(jī)器人自主地、廣泛地將符號(hào)與世界聯(lián)系起來以建立符號(hào)網(wǎng)絡(luò)的能力。因此，符號(hào)接地現(xiàn)象為意識(shí)行為設(shè)定了優(yōu)先級(jí)，這里意識(shí)狀態(tài)是至關(guān)重要的。

圖2.31　符號(hào)接地問題的一個(gè)很差的解決方案。符號(hào)接地問題的一個(gè)明顯、粗魯?shù)慕鉀Q方案是標(biāo)記所有事物。然而，這仍然不足以開發(fā)出所有的符號(hào)關(guān)系，并賦予對(duì)象意義

解決符號(hào)接地問題

解決這個(gè)問題的嘗試，已經(jīng)經(jīng)歷了從近似解到完全否定，再到將其作為人類認(rèn)知的一個(gè)固有問題接受。

1.近似解：解決符號(hào)接地問題最明顯的方法是監(jiān)督學(xué)習(xí)。將語言與視覺模式結(jié)合的實(shí)驗(yàn)已經(jīng)表明了行為的逐漸優(yōu)化。然而，這只是一個(gè)很好的近似，只是拓寬了視野，并沒有解決問題。

2.避免低級(jí)行為：這個(gè)對(duì)計(jì)算機(jī)來說似乎有嚴(yán)重影響的問題，對(duì)機(jī)器人來說卻無關(guān)緊要，或者充其量只是一個(gè)可以安全避免的哲學(xué)問題。對(duì)于具身人工智能來說，其職責(zé)更多的是構(gòu)建和操縱符號(hào)，而不是真正地讓它們接地。由于機(jī)器人是局限性的，物體和動(dòng)作的意義可以逐步地確定，或者如果對(duì)機(jī)器人來說無關(guān)緊要，則可以完全忽略。例如，一個(gè)進(jìn)行低級(jí)別行為的機(jī)器人面對(duì)的障礙物是一本書、一塊磚還是一個(gè)盒子，對(duì)它來說幾乎沒有什么意義，它所要做的全部就是避開這些障礙物而已。因此在具身認(rèn)知中，符號(hào)接地問題與其說是一個(gè)認(rèn)知問題，不如說是一個(gè)技術(shù)問題，Vogt^[340]稱之為“物理符號(hào)接地問題”。

3.作為人類認(rèn)知的哲學(xué)局限：對(duì)意義的需求屬于高級(jí)的認(rèn)知。當(dāng)嘗試為機(jī)器人制訂解決方案時(shí)，符號(hào)關(guān)系和對(duì)象的意義會(huì)被仔細(xì)地映射出來然后由人類程序員編碼。其中大多數(shù)是基于人類語義和文化的，而不是像問題定義所期望的那樣由人工智能體自主建立的。因此，這種解決方案偏重于人類知識(shí)和推理，而不是自主智能體的裁斷。

Touretzky^[324]提出了一個(gè)“中文屋問題的機(jī)器人版本”，通過使用機(jī)器人而不是電腦來反駁Searle的觀點(diǎn)。修正中文屋問題為，假設(shè)有一個(gè)機(jī)器人，能通過圖靈測試，能大膽地說地道的中文，問到的問題是“走到窗戶邊，告訴我你看到了什么”？這里，視覺感知將是一種對(duì)心理意象的探究，可能并不會(huì)有所期望的人類反應(yīng)，即機(jī)器人可能無法感知天空是藍(lán)色的，或者陽光是溫暖的等。因此說明了中文屋問題可以用具身主體來克服。這是圖靈測試的一個(gè)版本，我們會(huì)在第9章進(jìn)一步討論這樣的方法。

對(duì)于低級(jí)行為機(jī)器人來說，符號(hào)接地幾乎不是問題，但對(duì)于開發(fā)高級(jí)的認(rèn)知功能來實(shí)現(xiàn)類人行為來說，這將是一個(gè)問題。將符號(hào)與現(xiàn)實(shí)世界聯(lián)系起來的缺陷并不是機(jī)器人獨(dú)有的問題，我們?nèi)祟愐步?jīng)常會(huì)遇到。例如，當(dāng)我們遇到來自不同生物群系的水果和蔬菜時(shí)，我們很多人都會(huì)產(chǎn)生疑問，于是我們求助于互聯(lián)網(wǎng)上的在線搜索。

賦予一個(gè)對(duì)象意義的思路和解析它們的思路往往是不一樣的。因此，高級(jí)認(rèn)知功能中的意義總是與語境相關(guān)的，并且會(huì)隨著感知、記憶、訓(xùn)練、認(rèn)知偏差等的不同而不同。因此，符號(hào)接地問題將永遠(yuǎn)不能被解決^[79,310]，但可以通過以下三點(diǎn)有效地減少：（1）知識(shí)劃分，通常見于定位和情境驅(qū)動(dòng)的任務(wù)，如在導(dǎo)航上可以是：標(biāo)記目標(biāo)點(diǎn)，去往紅色標(biāo)記處，穿過3個(gè)固定的障礙物等；（2）機(jī)器學(xué)習(xí)；（3）既然我們處于互聯(lián)網(wǎng)時(shí)代，可以使用在線知識(shí)庫來搜索給定對(duì)象或?qū)嵗倪m當(dāng)意義。