R. G. 霍夫曼（Reid G. Hoffman）是斯坦福大学的一名学生，一九九0年五月再次会见约翰 · 麦卡锡（John McCarthy）先生，就人工智能领域的广泛问题进行了交谈。约翰 · 麦卡锡是计算理论杰出的先行者，也是人工智能研究的发起者（“人工智能”这一术语就是约翰 · 麦卡锡发明的），他的许多见解耐人寻味，富有启发，特译出以飧读者及人工智能领域同好。——译者注

霍夫曼：并行分布式处理（PDP）业已流行起来，一些人认为，这一研究途径能够解决“传统的”基于符号的人工智能研究途径一直努力解决的问题。你认为如何？

麦卡锡：两卷的PDP经典著作（并行分布式处理，MIT出版社，1986）我已看过。我的印象是这一研究工作和五、六十年代的神经模式识别研究工作具有许多同样的缺陷。具体地讲，它只限于一元谓词方面的工作。

我们看个例子。“PDP模型中的图式和顺序思维过程”是Rumelhart等人登载在该书第二卷上的头篇文章。该文叙述了一个学习识别或分类屋中房间的网络系统。该网络依据房间中配置的摆设把房间分类成卧室，厨房等。这对识别一个一个的房间是合适的。

然而，假如我们定义厕所为靠着且仅靠着卧室的一个小房间，或者定义食品室为厨房和餐厅之间的一个房间的话，要识别这样的房间，就要刻划整栋房子中的房间及其之间的关系（如邻接关系）。这会大大地增加网络的输入数。在我看来，即使这些研究工作者真要尝试着解决这些问题，兴许他们能做到，但是他们不得不遗弃已经训练好了的网络。

从事PDP研究工作的人也有认识到这一问题的。他们认识到这些问题和符号结构是相关联的。不过我并不知道最近他们的研究工作进展的怎样，我也没有听到说他们解决了这些问题。因而，就目前状况而言，我认为PDP这一研究途径是有局限性的。

霍夫曼：最近，Paul Smoleusky提出一个假说：联结体系结构或设计是处在亚符号级上的，亦即联结体系结构是“符号”认知科学和人工智能研究途径的衬底。依据这一假说，一些人认为符号处理近似地出现在大型的比如说表达关系谓词的神经网络上。

麦卡锡：认为他们会是正确的真是太乐观了。

霍夫曼：有种观点认为：PDP是解决感知和学习问题的正确途径，并且融合PDP研究途径和传统的人工智能研究途径为一体开发一个混合型的机器会解决人工智能面临的一些问题。请谈谈你的看法。

麦卡锡：学习的种类很多，但通过强化逐渐学到东西的学习只是其中的一种。有相当数量的学习是即刻的，但PDP并没有研究过这些学习。

以Nettalk系统为例。Nettalk输入英语文本中的一个字母及其前后的三个字母，通过调节24000个权重来学习首字母的发音。不过，我们来看看汉语拼音。只要大致地告诉一个人，汉语拼音中的“q”发“ch”的音，X发“sh”的音，他就能马上朗读出含有汉语拼音的英语文本。他做到这点，并不是因为他在一瞬间就调节了24000个权重。因而，即使就学习而言，我觉得PDP的研究途径也是有局限性的。

你提的问题的第二个方面涉及联结机制和符号的人工智能研究途径如何联合起来，对此我还没有任何具体的想法，不过这值得考虑。

霍夫曼：你怎样看人工智能与计算机科学、哲学和心理学之间的关系？

麦卡锡：人工智能研究途径可认为有两种。一种是生物学途径，一种是计算机科学的途径。生物学途径依据这一事实：人有智能，人是动物。因而通过研究人的神经生理学和心理学，我们可以获得有关智能的某些知识。计算机科学研究途径则认为，我们实际所需研究的是使得系统，无论是生物的还是人工智能的，最终能够达到它的目的的世故的和智力的策略。

大部分的人工智能研究工作沿袭着计算机科学的途径。这些工作和心理学也有着有意的相互作用，但很大程度上这一相互作用导致了研究方向的改变，许多心理学家转去从事信息处理模型的工作了。某种程度上讲，他们理应如此并继续下去，然而他们却走进了1910年代的行为主义的死胡同。计算机使他们摆脱了困境。不过我不清楚人工智能研究对此的具体贡献是什么。

至于哲学人工智能和它有共同关心的问题，因为如果我们想要研制一个智能计算机程序（如一个控制机器人的程序）的话，这个程序必须对世界有一些一般的观点。为此，我们必须去理解知识，如有什么样的知识种类，涉及到哪些应考虑的对象等等，这些问题实质上就是哲学家在认识论和实体论中研究了的问题。在我看来，人工智能可以借鉴哲学，哲学也可以借鉴人工智能，因为人工智能研究者更详尽更具体地考虑这些问题，哲学家不曾这样。

霍夫曼：人工智能的生物学途径和计算机科学途径相互作用是否会有助益？

麦卡锡：终究会有的。不过这以神经生理学（或许还有遗传学）方面的研究进展为前提。确切地说，我认为这一相互作用还会相当紧密，只要从事神经生理学研究途径的人们能够认识清楚事实和行为是如何表示在大脑或基因中的。如一些动物表现出非常固定但又非常精巧的行为，如蜜蜂，屎蜣螂等。由于是固定的，因而这一行为一定是以某种方式遗传地表现出来的。我认为人工智能工作者学些这些将会受益匪浅的，而这就得靠生物学方法。

霍夫曼：人工智能有以费根堡姆（Edward Feigenbaum）为代表的工程人工智能和以你为代表的科学人工智能的区分吗？一些人声称大部分的科学人工智能研究工作已经完成，剩余的工作只是去建造一个规模足够大的专家系统。另一些人则认为许多基本的科学问题还有待研究，要下结论为时过早。

麦卡锡：那不过是个“稻草人”是站不住脚的。我知道任何人都不会声称科学研究工作已经万事大吉了。如果真有这样的人我很乐意和他辩论。不过我们还是先来看一看这个站不住脚的稻草人。举例来说，MYCIN是一个诊断血液细菌感染的专家系统，其中收集了大量的规则，这些规则把症状及测验结果和诊断及可能的处置联系起来。但MYCIN并不知道什么是患者，你无法告诉MYCIN：“昨天我按照你的建议看了一个病人，结果病人死了；今天又遇到了一个同样症状的病人。”MYCIN对这些的反映不过是回答，“不认识的响应”。MYCIN并不知道细菌是人体内生长繁殖的有机体。事实上，MYC1 N对时间顺序一窍不通，你也不能和它谈论这些。你若想有一个具有这些性能的专家系统，你就不得不遗弃MYCIN并重新开始。并不是所有的专家系统都这样地有局限性，但是处理一般的信息和推导一般的结论都是现在一类的专家系统做不到的。一些专家系统需要这种一般的知识。使得这些专家系统拥有一般的知识需要科学研究方面的进展。

霍夫曼：由于缺乏科学基础的缘故，人工智能中的研究工作没有几项是直接建立在原来的基础之上，这也遭到人们的多次批评。

麦卡锡：我认为人工智能并不缺少科学的基础，尽管它需要不断地发展。然而，我确实感觉到新的工作并不时常用到以前的工作。我寄希望上下文理论能攻陷这一问题，不过这超出了这次谈话的范围。

霍夫曼：就是说，显然一些科学的问题还需要探讨，那么成功地建造一台人工智能机器的主要障碍是什么呢？

麦卡锡：自1958年我就一直认为人工智能的关键问题是常识和推理。在这里，常识是指我们并不是要制作固定的模型，而是总能自由地考虑新的现象。

这和运筹学及其它形式化科学理论形成了对照，在这些领域中，科学家首先确定哪些现象和关系必须考虑，然后再依据相应理论编写一个程序。常识和推理并没有这个限制。

随便补充一句，或许常识并不是最好的名字，因为常识这一词对不同的人有不同的含义，不过我暂时还起不出更好的名字。需要进一步指出的是：常识推理过程并不同于微分方程求解过程，如已证明了的，常识推导也不会同于逻辑演绎。

过去十年中常识知识和推理方面的重要进步之一是形式化的非单调推理的研究成果。非单调推理使用数理逻辑，但在推理方面比数理逻辑系统前进了一步。

霍夫曼：你认为过去十年或二十年中，人工智能最有意义的进步是什么？

麦卡锡：我想专家系统的开发是一个有意义的进步。我不认为基于当前有限的科学理论，技术能进步，不过我觉得我们从专家系统方面深受教益。就这一个局限的科学研究领域而言，我想开发形式化的非单调推理是关键——当然，这也包括它的支承系统（如某些人认为的逻辑程序设计和真值维护系统等）。

霍夫曼：你认为人工智能的现状怎样，20年后又会怎样呢？

麦卡锡：这很难说，因为我认为达到人类水平的智能需要一些根本性的突破而不是所预言领域的持续进展。我想起形式化的非单调推理在七十年代中期以前我们不会认为是值得研究的，因而我推测现在我们必须做什么也是很难知道的。不过，我最近在探索两个问题，对这两个问题我抱有很大希望，一个是上下文这一概念的形式化，另一个是以言语活动描述的系统。

霍夫曼：人工智能领域中开发出的很多工具是用于小型问题的而不是用于大型问题的。你认为“规模”是问题所在吗？

麦卡锡：我肯定所谓的“规模问题”不是问题的所在。而是，在这些简单的问题中我们需要更多的概念。然而和规模问题相关的困难是我们至今还不能清楚地表征推理的启发式知识。

例如，在中学教学中你可以这样告诉学生“如果你想证明两个三角形全等，且已知两个对应边相等，那么你应该集中力量去证明夹角相等。”但我们不能这样来指导定理证明程序，除非我们把这些信息编入算法。于是，某种程度上说，规模问题源自我们现在还不能清楚地表示这种启发性知识。

霍夫曼：你对Allen Newell著名的物理符号系统假说有什么看法？该假说可以大致解释为任何一个具有充分符号加工能力的机器都为智能行为提供了充分或许必要的方法。

麦卡锡：我不能肯定你正确理解了这个假设。我也不能肯定我准确地理解Newell这一假设的含义。不过我阐述一个我支持的该假说的解释，我认为它和Newell所提出的是一致的，即，任一达到人的智能水平的智能系统，至少本质上，都可刻划为一个符号加工器。

霍夫曼：人工智能改变了这个观点了吗？一个时期，人们不是坚信足够能力的可实现的符号加工是实现智能的方法吗？

麦卡锡：单凭符号加工的思想是不足以做到这点的。计算机所做的每件事都可看作是符号加工。现在，我想没有人会反驳它。但就我谈到的符号系统的简单形式而言，我们所谈的观点是自明的。

霍夫曼：知识表示假说声称：任一机械的智能机器应有两个方面，一是我们这些外部观察者可解释为命题知识的内部结构，二是这些内部结构和机器的行为能够因果相联。你认为这是知识表示基本原理的精确描述吗？

麦卡锡：这一假说和1971年Daniel Dennett称之为“目的观点”的观点是相符的，也和我1979年的文章中所述及的“认为机器有心智”以及Newell称之为“知识的层次”的观点是相符的。大致地用Dennett的话来说，许多机器，人以及其它系统的行为，在我们认为他们有知识，信仰和目的之后，才能最好地加以理解。而且，用Newell的话来讲，我们时常是依据理性的原理来理解这些行为，所谓理性是指某物只行使它认为会达到目的的行动。

霍夫曼：你认为人工智能需要加强它的理论基础吗？比如，你如何定义“知识”和“表示”呢？

麦卡锡：我不能肯定定义知识和表示是合适的。合适的是我们应该建立一个公理理论来描述诸如“一个人知道一事实”，“一人知道一表达式的值”及“一人了解一些课题”等。某些相应理论可能和表示是有联系的，比如，一些理论研究数据库和现实世界中的事实的对应。然而，我不能肯定诸如“知识是什么”以及“表示是什么”是我们需要的。

霍夫曼：每一人工智能学派都有其特定的研究方法。如斯坦福的逻辑方法，卡内基 · 梅隆的问题求解和认知模型方法，你对这些不同的研究方法有什么看法？

麦卡锡：如果人人都采用同一研究方法是不幸的。即使某种研究方法曾是最好的，我们也应该探索不同的方法。

霍夫曼：形式逻辑对人的思维和人工智能的成功有什么作用呢？

麦卡锡：最初，形式逻辑是为了系统化地描述人的思维，并建立一个形式体系，依据它思维比人们通常做得更好。把人的思维看作是一个形式过程的有关工作我没有做过，我祝愿做这方面工作的人好运，不过，前面我们讨论机器有心智和Newell的知识层次时已经说了，我们时常是依据人有信仰和目的这一点来理解人的行为的。

霍夫曼：你说过人工智能的基本思想是获得机器的智能，而不是人的智能。但你对某些设计加以辩护或论述时，所用的大多数例子都包含人。如你反对Nattalk，因为人不是即刻地调节24000个权重。人工智能领域中这种例子很多。有没有反例呢？

麦卡锡：其实这意味着对于和我们能观察到的我们自己的智能有实质不同的智能机制我们知道的还不多，我觉得，当人工智能达到人的智能的水平的时候，主要的思想都会显得显然，因为它们会明显地显出我们自己的智能的特征，我们自己能观察到我们有这些特征。但是这些特征，只有非常聪明的人才能系统地阐述它。我再说几句。在人工智能中我们使用了人所不具有的一些设施，如大型的直接存贮器，高速计算，以及诸如杂凑表之类的技术。这样，我想我们不仅通过观察人类自身了解到更多的有关智能机制，同时也会发现更多的和^不一样的智能的机制。

麦卡锡：智能是什么？我们怎么知道一个系统，不管是生物的还是由硅组成的，是否有智能呢？你赞同图林测验吧？你认为图林测验是行为主义的翻版吧？

麦卡锡：我不大赞同图林测验本身。在任何情况下，图林测验只是智能的充分条件，而不是必要条件，随着我们对智能成分理解的增长，我们可以着手用这些成分来刻划系统，对有些人来说任何经验的证据都不能使他们信服系统是有智能的，而我不是这样。另外，我要说的是，在图林的论文中，图林测验是有二义性的，因为它没有说明谁来测试该机器，也没有说明测试者怎样看待智能和人工智能。图林测验是会愚弄人的。只要使用类似算命先生或巫师的技巧，分散和机器谈话的人的注意力，让他不知不觉地说出所有的内容，这样图林测验就愚弄了人。

霍夫曼：Winograd和Dreyfus声称人工智能是不可能的。Searle声称人工智能至多只能给出心智的模型，但是不能创造智能。Weizenbaum声称人工智能是不道德的。你谈谈你的看法好吗？

麦卡锡：我觉得你所提到每一观点都是由一些我认为已过时的哲学观点诱导出来的。我想鼓动Dreyfus，Winograd和Flores的现象学是一门最终会消逝的坏哲学。Searle有关目的性的思想的基础是内省法及对普通语言哲学的发展，他的思想过寿地强调了内省法的一般性_从Searle有关言语活动的思想可以明确地看出这一点。Searle认为言语活动具有的某些性质我们是可以接受的，但另一些则是不需要的。品味我们不需要的这些性质，我们能怀疑，我们观察到的人类言语活动的性质是否正确，我这里特指的是Searle关于诺言的性质。

Weizenbaum对人工智能的攻击和一种广泛攻击技术的潮流是有关的。他总是设想任何科学或技术，要是人们滥用它，会变得多么糟糕。这和六十年代政治上的激进派以及环境论是同出一辙的。他们把过去看成一团漆黑，我真不知道他们怎么能够看到未来。

霍夫曼：许多人工智能研究者认为，思想的实现是职业上的一种体面。换句话说只夸夸其谈而不实际实现是虚浮的，没有什么意义，你对这种正在兴起的职业能力的测试有什么感受？

麦卡锡：职业上的体面要求实现有点过分了。其他科学领域中没有这一要求。理论的思想和实验的思想都应能得到发表。部分问题是理论和实验要联系得更紧密。至于术语“人工智能职业”，只适合人工智能的工程方面，不适合人工智能的科学方面。

[IEEE Expert，1990年6月号]