【中國智能制造網 學術論文】人工智能的兩個“靈魂”(工程學和認知學)在智力優勢、學術權力和財政資源上常常相互競爭。那么，這場競爭中到底孰勝孰敗？　　
　　本文內容來源于《第四次革命》一書，本書作者是信息哲學人，牛津大學哲學與倫理信息教授，牛津大學互聯網研究院主任，谷歌咨詢顧問盧西亞諾·弗洛里迪。
　　
　　人工智能研究試圖再生人類智能行為的結果，并創造出與人類智能行為相當的智能。當興趣點聚集于再生智能行為時，人工智能作為工程學的分支獲得了令人驚嘆的成功。如今，人類越來越依賴于同人工智能相關的應用(智能技術)來完成眾多任務，如果只靠獨立的或精簡的人類智能，這些任務或許根本無法完成。再生人工智能在的眾多領域常常會超越和取代人類智能。丹麥計算機學家艾茲格·迪科斯徹的評論——“機器是否能思考，與潛水艇是否能游泳的問題很像”，暗示的就是再生人工智能共享的應用方法。下次你坐飛機時，如果再遇到顛簸的降落，記住這可能是人類飛行員在操作飛機，而不是計算機。
　　
　　然而，當興趣點聚焦于產生智能時，多產人工智能作為認知科學的分支卻令人失望。它不僅沒能超越人類智能，甚至沒能加入競爭圈。如今，機器智能還停留在烤面包的程度，而且我們對于如何改進這一點毫無線索。當你的計算機屏幕上跳出“找不到打印機”的警示時，你可能會稍感不快，但并不會驚訝，雖然有問題的打印機就放在計算機旁邊。2011年，IBM能回答用自然語言所提出問題的超級計算機Watson戰勝人類對手贏得益智類問題游戲節目《危險邊緣》這一事實，只是展示了人造智能可以很聰明，但卻沒有智能。數據挖掘者并不需要智能來獲得成功。
　　
　　人工智能的兩個“靈魂”(工程學和認知學)在智力優勢、學術權力和財政資源上常常相互競爭。一部分原因是它們擁有共同的由來和同一個智能傳承：同樣的誕生事件(1956年達特茅斯夏季人工智能研討會)和同一個“父親”(艾倫·圖靈，包括他的計算機及其計算局限，以及他的圖靈測試)。那些旨在用來檢驗模擬的來源是否已經被生成，或者只是匹配或超越了此類智能來源的行為或表現的模擬，似乎并沒有什么用。
　　
　　人工智能的兩個“靈魂”的名字很多，而且并不總是一致。有時候是弱人工智能與強人工智能，或是好的老式人工智能與新的/新式人工智能，它們能被用來描述兩個“靈魂”的差異。我更喜歡用造成更少誤解的輕人工智能與強人工智能之間的差別來描述。兩者目標和結局的不同導致了無休無止的，但大多毫無意義的誹謗。人工智能的辯護者著力于再生、工程學人工智能的強大結果，這正是弱人工智能或輕人工智能的目標;而人工智能的誹謗者著力于多產、認知人工智能的弱產出，這是強人工智能的目標。許多毫無意義的對特異事件的推測(有一天人工智能會超越人類智能的理論邊界)，其根源都在于這種誤解。
　　
　　如今，模擬仿真和功能主義不能混為一談，因為同樣的功能(剪草坪、洗盤子、下象棋)由不同的物理系統來完成。仿真與結果是聯系在一起的：經由完全不同的策略和過程，互相模仿的智能體會得到同樣的結果(草坪剪好了、盤子洗干凈了、游戲贏了)。結果并不由過程所決定。這種對結果的強調在技術上頗為引人入勝且非常成功;它是信息與通信技術在我們的社會中不斷擴張的見證。不過，它的哲學內涵卻讓人昏昏欲睡，總結起來也不過是“錯綜復雜”。這會成為我們對人工智能哲學的興趣終結點嗎?我認為完全不會，至少有兩個主要原因。
　　
　　，通過嘗試繞過語義門檻并從硬件和句法中“擠出”一些信息過程，人工智能開辟了大量而廣闊的研究領域。這些領域在觀念上挑戰著人工智能自身的權利，同時它們也是與人工智能的潛在內涵和應用相關的有趣觀念。這些創新一部分被稱為新人工智能，比如安置好的機器人、神經網絡、多智能體系統、貝葉斯系統、機器學習、細胞自動機、人工生活系統，以及很多不同的專門邏輯等。一旦你接觸到這些領域，許多觀念問題和科學問題看起來就不再一樣。
　　
　　第二也是重要的一點是，為了避開之前提到的分歧(工程學VS.認知學、仿真VS.模擬)，我們必須意識到，人工智能不能被簡化為“自然科學”或者“文化科學”，因為它是一門“人工科學”。這也正是諾貝爾經濟學獎得主赫伯特·西蒙的觀點。人工智能既不追求通往世界的描述性方法，也不追求規范性的途徑。它致力于探究在我們所生活的世界上建立和嵌入人造智能并與之進行成功交互的限制。換句話說，它旨在記錄世界，因為這樣的人造智能是一些新的邏輯數學代碼，也就是伽利略的有關大自然的數學書中所說的新文本。這種記錄世界的過程是我們在第2章中所說的構建信息圈的一部分，它對我們更好地理解世界正在發生的變化非常重要。