前言
懷孕的海豚對研究牠的青年學者表示她跟牠一樣身懷六甲，青年學者卻不知自己有孕在身。這則軼事與人工智慧毫不相干，不過為了引出正題，我們就當它確實發生過。它輝映著自然的智慧，具體而言是動物的智慧，如此的智慧就是我提議稱之為「謎奧」的一個例子。我把「謎奧」（?nigme）與「神祕」（myst?re）和「問題」（probl?me）區分開來。「神祕」凌駕我們，與我們認知之間的鴻溝似乎太寬太闊，我們無法想像自己搆得著。「問題」呢，樣子就像我們解決得了的任務。介於兩者之間的，是「謎奧」：驚愕我們、癱瘓我們，卻也挑戰我們解開它。我們期待的不是一層，而是兩層解釋：第一層提供了解謎之鑰，解開謎奧；第二層則讓我們領會何以此謎之為謎。
海豚的小故事裡，第一層解釋彰明了因果鏈：起於回聲定位、迄至物種間之溝通，中間還有種種步驟，諸般環節尚待釐清。這個故事在我們眼中成為謎奧，是源於我們對動物智慧的設想：動物得以察覺、理解什麼，如何處理與自身及他者的關係，又擁有怎麼樣的溝通能力。這就是第二層的解釋：凡此種種若無認知動物行為學（ethologie cognitive）之助，我們都覺得哪有可能。
《人工智慧、人類智慧：雙生謎奧》這個書題或許也有點玄。本書以此為題，是一種宣講下述諸般論題的方法。一、人工智慧是一樁謎奧。二、人類智慧是另一樁謎奧。三、兩樁謎奧息息相關。最後，它們非屬「神祕」──因為，我打算解開這兩樁謎。
以一個驚訝開場吧。維柯的「真理即製成」（verum-factum）原則指出，我們懂我們所製之物。還得更進一步：要確認我們真正明瞭某物或某現象、知其運作原理，就只能動手去做──若是物，就製作一個；若是現象，則將其引發。電腦一如萬般人造之物，似乎也不例外：我們對電腦瞭若指掌。然而--這就是驚訝所在──電腦實際運作時，卻變得不可預測。當然，針對特定的輸入，程式會給出什麼結果，我們一般而言並不事先知道，否則哪裡還需要電腦。討厭的是，我們有的時候沒有辦法確保結果符合預設的規格：我們無法在所有情況都掌握、哪怕只是大略知曉，電腦在做什麼。這就違反了「真理即製成」，讓資訊科學既形式、亦實證：構思並撰畢演算法後，尚必須觀察其行為，看看是否符合我們的預期。人工智慧承襲了這種雙重性質；因此，研究其基礎，對其技術應用而言即為重中之重。
有人或許會認為，人工智慧僅引發技術、社會、法律或經濟問題，未帶來迫切的理論疑難。執此見解的理由是，人工智慧只是人類智慧一份想必並不完美的單純拷貝。然而，前述不可預測的性質顯示出，這種看法並不正確。另一種錯謬論點是：人人都同意，反思人類智慧是有理論價值的，漫長的幾個世紀以來確實成果斐然，知識哲學（philosophie de la connaissance）的浩瀚積累，還有整個理性主義的傳統，在在都證明了這一點。而對人類智慧的如此反思，都未涉及晚近才問世的人工智慧。這種說法忽略了，人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
自某角度觀之，人工智慧就是身為智慧基石的知識哲學，以其他手段延續的結果。人工智慧的成功與失敗，都是我們思考人類智慧的素材。確實，這個行業（我以縮寫「AI」稱呼，以區別它生產的成果；表述後者時，我將完整寫成「人工智慧」）總的來說只將人類智慧視為須以電腦重現的程序，而無意分析這些程序，提煉出普遍特質。也確實，AI早期成果微薄，圈外許多研究者因而對它喪失興趣，轉而關注認知心理學與其他研究自然智慧的分支學科，我自己當時也是如此。但情勢已經逆轉：人工智慧強大起來，激發出新的疑問。進入二十一世紀後尤其如此，人工智慧發展為一項龐大工程，觸及各個領域。「效能」確指為何仍待定義，但已可說，整合入各種系統的人工智慧，效能遠超昔日，其經濟、社會與文化影響自也不可同日而語。
凡此種種即是本書的背景、本書問世的理由，卻倒又不是本書宗旨。本書所要探討的，是當今人工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……簡而言之，我們要談的，是今日的AI。目前AI的主流技術，是深度學習（deep learning）。深度學習是連結主義（connexionnisme）的化身，然而AI卻又不能化約為深度學習。今日的AI從初期的符號AI手中接下棒子，符號人工智慧的取徑至今亦未消失。最具權威的專家研判，符號取徑與深度學習兩種範式都無法讓AI成就其最宏大的野心。但就算如此，人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險，而這正需要我們回顧數十年來不斷提出的理論問題。
現在是時候指出，「人工智慧」一詞所指為何，如今已模糊不清。有些人認為，如此模糊的背後是極大的混淆，大到必須放棄這個詞彙，另尋他名：大眾眼中，隨便一個演算法、最簡單的應用程式、最普通的智慧裝置，全都是「AI」。我個人提議保留這個稱呼──再說我們也選無可選，這說法已經約定俗成──但必須區分「狹義」與「廣義」。狹義的AI，指的是承繼某一明確的智識傳統，理論與技術定義相對清楚的一整群制度、計畫與成果。本書主要想討論的，就是這種狹義的AI。至於廣義的人工智慧，則包含狹義的人工智慧，也涵蓋了讓「數位圈」（num?risph?re）得以日新又新的一切事物。所謂的「數位圈」，指的是如今已成為人類世界新空間的全體數位流程與系統，其中就包括網際網路。當我們中肯道出「AI正深刻影響社會」，指的應是這個廣義概念。不過，狹義AI的一眾相關概念，也在其中發揮日益吃重的關鍵作用。
人工智慧並不是唯一具有「普及性」──也就是會逐步滲透進幾乎所有活動領域──的技術。另一個常見的例子是電。但兩者之間有一項關鍵差異。我們大致理解電的能力，也能在它進入某個領域前，預測它會帶來什麼樣的改變。但AI並非如此。
（未完）
懷孕的海豚對研究牠的青年學者表示她跟牠一樣身懷六甲，青年學者卻不知自己有孕在身。這則軼事與人工智慧毫不相干，不過為了引出正題，我們就當它確實發生過。它輝映著自然的智慧，具體而言是動物的智慧，如此的智慧就是我提議稱之為「謎奧」的一個例子。我把「謎奧」（?nigme）與「神祕」（myst?re）和「問題」（probl?me）區分開來。「神祕」凌駕我們，與我們認知之間的鴻溝似乎太寬太闊，我們無法想像自己搆得著。「問題」呢，樣子就像我們解決得了的任務。介於兩者之間的，是「謎奧」：驚愕我們、癱瘓我們，卻也挑戰我們解開它。我們期待的不是一層，而是兩層解釋：第一層提供了解謎之鑰，解開謎奧；第二層則讓我們領會何以此謎之為謎。
海豚的小故事裡，第一層解釋彰明了因果鏈：起於回聲定位、迄至物種間之溝通，中間還有種種步驟，諸般環節尚待釐清。這個故事在我們眼中成為謎奧，是源於我們對動物智慧的設想：動物得以察覺、理解什麼，如何處理與自身及他者的關係，又擁有怎麼樣的溝通能力。這就是第二層的解釋：凡此種種若無認知動物行為學（ethologie cognitive）之助，我們都覺得哪有可能。
《人工智慧、人類智慧：雙生謎奧》這個書題或許也有點玄。本書以此為題，是一種宣講下述諸般論題的方法。一、人工智慧是一樁謎奧。二、人類智慧是另一樁謎奧。三、兩樁謎奧息息相關。最後，它們非屬「神祕」──因為，我打算解開這兩樁謎。
以一個驚訝開場吧。維柯的「真理即製成」（verum-factum）原則指出，我們懂我們所製之物。還得更進一步：要確認我們真正明瞭某物或某現象、知其運作原理，就只能動手去做──若是物，就製作一個；若是現象，則將其引發。電腦一如萬般人造之物，似乎也不例外：我們對電腦瞭若指掌。然而--這就是驚訝所在──電腦實際運作時，卻變得不可預測。當然，針對特定的輸入，程式會給出什麼結果，我們一般而言並不事先知道，否則哪裡還需要電腦。討厭的是，我們有的時候沒有辦法確保結果符合預設的規格：我們無法在所有情況都掌握、哪怕只是大略知曉，電腦在做什麼。這就違反了「真理即製成」，讓資訊科學既形式、亦實證：構思並撰畢演算法後，尚必須觀察其行為，看看是否符合我們的預期。人工智慧承襲了這種雙重性質；因此，研究其基礎，對其技術應用而言即為重中之重。
有人或許會認為，人工智慧僅引發技術、社會、法律或經濟問題，未帶來迫切的理論疑難。執此見解的理由是，人工智慧只是人類智慧一份想必並不完美的單純拷貝。然而，前述不可預測的性質顯示出，這種看法並不正確。另一種錯謬論點是：人人都同意，反思人類智慧是有理論價值的，漫長的幾個世紀以來確實成果斐然，知識哲學（philosophie de la connaissance）的浩瀚積累，還有整個理性主義的傳統，在在都證明了這一點。而對人類智慧的如此反思，都未涉及晚近才問世的人工智慧。這種說法忽略了，人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
自某角度觀之，人工智慧就是身為智慧基石的知識哲學，以其他手段延續的結果。人工智慧的成功與失敗，都是我們思考人類智慧的素材。確實，這個行業（我以縮寫「AI」稱呼，以區別它生產的成果；表述後者時，我將完整寫成「人工智慧」）總的來說只將人類智慧視為須以電腦重現的程序，而無意分析這些程序，提煉出普遍特質。也確實，AI早期成果微薄，圈外許多研究者因而對它喪失興趣，轉而關注認知心理學與其他研究自然智慧的分支學科，我自己當時也是如此。但情勢已經逆轉：人工智慧強大起來，激發出新的疑問。進入二十一世紀後尤其如此，人工智慧發展為一項龐大工程，觸及各個領域。「效能」確指為何仍待定義，但已可說，整合入各種系統的人工智慧，效能遠超昔日，其經濟、社會與文化影響自也不可同日而語。
凡此種種即是本書的背景、本書問世的理由，卻倒又不是本書宗旨。本書所要探討的，是當今人工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……簡而言之，我們要談的，是今日的AI。目前AI的主流技術，是深度學習（deep learning）。深度學習是連結主義（connexionnisme）的化身，然而AI卻又不能化約為深度學習。今日的AI從初期的符號AI手中接下棒子，符號人工智慧的取徑至今亦未消失。最具權威的專家研判，符號取徑與深度學習兩種範式都無法讓AI成就其最宏大的野心。但就算如此，人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險，而這正需要我們回顧數十年來不斷提出的理論問題。
現在是時候指出，「人工智慧」一詞所指為何，如今已模糊不清。有些人認為，如此模糊的背後是極大的混淆，大到必須放棄這個詞彙，另尋他名：大眾眼中，隨便一個演算法、最簡單的應用程式、最普通的智慧裝置，全都是「AI」。我個人提議保留這個稱呼──再說我們也選無可選，這說法已經約定俗成──但必須區分「狹義」與「廣義」。狹義的AI，指的是承繼某一明確的智識傳統，理論與技術定義相對清楚的一整群制度、計畫與成果。本書主要想討論的，就是這種狹義的AI。至於廣義的人工智慧，則包含狹義的人工智慧，也涵蓋了讓「數位圈」（num?risph?re）得以日新又新的一切事物。所謂的「數位圈」，指的是如今已成為人類世界新空間的全體數位流程與系統，其中就包括網際網路。當我們中肯道出「AI正深刻影響社會」，指的應是這個廣義概念。不過，狹義AI的一眾相關概念，也在其中發揮日益吃重的關鍵作用。
人工智慧並不是唯一具有「普及性」──也就是會逐步滲透進幾乎所有活動領域──的技術。另一個常見的例子是電。但兩者之間有一項關鍵差異。我們大致理解電的能力，也能在它進入某個領域前，預測它會帶來什麼樣的改變。但AI並非如此。
（未完）
