视频库 / NO.001
--:--
点击播放，这里会跟随视频显示当前句的中英字幕。
Consciousness in Artificial Intelligence | John Searle | Talks at Google
节目发布 2015-12-03 · Talks at Google
本期追问 · 点击跳到视频对应位置
1:49 「意识是主观的」为何不妨碍它成为客观科学的研究对象？11:02 模拟一场思维过程，为什么不等于真的拥有思维？25:58 如果「计算」只是观察者赋予的解释，机器还能自己理解吗？31:00 要造出有意识的机器，该复制的是程序还是大脑的因果能力？
归入 Ⅰ·07 意识只是物质的一种状态吗？ →EDITED TRANSCRIPT · 依据现场录音编译整理，可划线生成便签
编者按：本文根据 Google「Talks at Google」系列讲座《人工智能中的意识》现场录音编译整理。主讲人为加州大学伯克利分校哲学教授约翰·塞尔（John Searle，1932–2025），言语行为理论与「中文房间」论证的提出者；提问者中包括发明家、未来学家雷·库兹韦尔（Ray Kurzweil），他自 2012 年起任 Google 工程总监，著有《奇点临近》；主持人为 Google 员工约翰·布拉卡利亚（John Bracaglia），YouTube 运营部门成员，Google 内部人工智能讨论小组「奇点网络」的负责人。整理时只删去了口头语、寒暄、重复与残句，全部论证、例子与交锋一概保留，讲者锋利的语气亦按原样译出。
开场
主持人： 我叫约翰·布拉卡利亚，在 Google 的 YouTube 运营部门工作。我还负责一个叫「奇点网络」的内部组织，专门讨论人工智能与理性问题。今天很高兴请到约翰·塞尔先生。简单介绍一下：约翰·塞尔是加州大学伯克利分校的斯拉瑟哲学讲席教授，以语言哲学、心灵哲学和社会哲学方面的贡献广为人知。他获得过让·尼科奖、国家人文奖章以及心智与大脑奖。他提出的著名概念之一，就是针对强人工智能的「中文房间」（Chinese room）论证。有请约翰·塞尔。
塞尔： 谢谢，非常感谢。能再回到 Google 真是太好了。这地方是大学之外的一所大学，有时候我觉得，大学本来就应该长成这个样子。总之，很高兴来这儿。我今天要讲的东西很杂。
不过，我想先从技术进步的意义讲起。美国人尤其如此，其实所有人都一样，一有技术进步就只顾着欢呼。有了自动驾驶汽车，谁还在乎它有没有意识。但我要说，对某些目的而言，怎么理解这项技术，是有很多东西要紧的。这正是我今天要谈的。
两种客观与主观
塞尔： 一开始，我得先做几个相当乏味的区分，因为不懂这些区分，你就没法真正看懂当代的思想生活。
在我们的文化里，客观与主观是件大事。我们追求一门客观的科学。问题在于，这两个概念有一种系统性的歧义，而这种歧义会酿成智识上的灾难。它们在两种意义之间摇摆：一种是认识论的（epistemic），「认识论的」意思是与知识有关；另一种是存在论的（ontological），「存在论的」意思是与存在有关。我讨厌满口花哨的多音节大词，会尽量少用。但这两个词我非要不可：认识论的，存在论的。
在认识论的意义上，这个区分是关于知识主张的类型。如果我说，伦勃朗生于 1606 年，那是一件客观事实的问题，这是认识论上客观的。但如果我说，伦勃朗是有史以来最伟大的画家，那就是见仁见智的事，这是认识论上主观的。所以我们有认识论上的客观与主观。
在这之下，还有一个关于存在方式的区分。很多东西的存在与任何人怎么想都无关：山、分子、板块，它们的存在方式是存在论上客观的。但疼痛、瘙痒这类东西，只有在被某个主体经验到的时候才存在，它们是存在论上主观的。
我希望大家都把这个区分记牢，因为它非常重要。理由很多，其中一条是：许多存在论上主观的现象，完全可以有一种认识论上客观的说明。
我最早对这类问题产生兴趣，是因为我想，那些搞大脑的人为什么不去解决意识的问题呢。于是我跑到加州大学旧金山分校，找到那帮神经生物学家说，你们究竟为什么不去弄清楚大脑是怎么造成意识的？我掏钱养你们是干什么的？他们的反应是：听着，我们是在做科学，科学是客观的，而你自己也承认意识是主观的，所以不可能有一门关于意识的科学。
各位一眼就能看出，这是一个歧义谬误。科学确实是认识论上客观的，因为我们追求那些能被判定为真或假、且不依赖于提出者和解释者态度的主张。但理论在认识论上的客观性，并不排斥对一个存在论上主观的领域给出认识论上客观的说明。我答应过不多用大词，可这几个躲不掉。要点就是这句话：你完全可以有一门认识论上客观的意识科学，尽管意识本身是存在论上主观的。
观察者相对与独立
塞尔： 这一点后面很关键。还有另一个区分。既然坐在后面的人看不清黑板，我就边写边擦。这另一个区分同样至关重要，就是观察者独立（observer-independent）的现象与观察者相对（observer-relative）的现象之分。
观察者独立的，我想到的是山、分子、板块，它们的存在与任何人怎么想都无关。但世界上还塞满了对我们要紧的东西，它们是观察者相对的，只有相对于观察者和使用者才存在。比如，我钱包里的那张纸是钱。可让它成为钱的那个事实，并不是它的化学性质，而是我们对它抱持的态度。所以钱是观察者相对的。钱、财产、政府、婚姻、大学、Google、鸡尾酒会、暑假，全都是观察者相对的。
这一类必须同观察者独立的东西区分开。请注意，一切观察者相对的现象，都是由人的意识创造出来的，因而其中都含有存在论上主观的成分。可你们已经知道，在有些情形下，你依然可以对一个观察者相对的领域建立一门认识论上客观的科学。经济学就是这样：经济学研究的现象总体上是观察者相对的，因而含有存在论上主观的成分，可你照样可以有一门客观的经济学。
经济学家往往忘了这一点。他们倾向于认为经济学有点像物理学，只是更难一些。我当年学经济学的时候简直吓坏了：我们学到「边际成本等于边际收益」时的那个语气，跟在物理课上学到「力等于质量乘以加速度」时一模一样。这两者截然不同，因为经济学里的东西全是观察者相对的，含有存在论上主观的成分。而一旦那种主观性变了，整个体系就「噗」的一声垮掉。这一点在 2008 年被发现了。
这不是一堂经济学讲座，我只希望你们把这些都记在心里。它之所以重要，是因为认知科学研究的许多现象，尤其是智能、认知、记忆、思维、知觉之类的现象，都有两种不同的意义：一种是观察者独立的，一种是观察者相对的。因此我们必须格外小心，别把这两种意义搅在一起，因为认知科学中许多关键概念所指的现象，恰恰是观察者相对的，而非观察者独立的。
这个我等下会讲到。大家都跟上了吗？我希望这些话听上去无比显然，让你们心想：这家伙干吗拿这些老生常谈来烦我们？他怎么不说点有争议的？
中文房间的由来
塞尔： 那我就来讲点思想史。很多年前，在你们出生以前，一门新学科诞生了，叫认知科学。它的创立者是我们这一批人，说穿了，就是一群受够了心理学里行为主义的人。缘由就是这个。当时斯隆基金会常常出钱把我们送到各地讲学，主要是讲给彼此听。我们被称作「斯隆游侠」。
有一回，我受邀去耶鲁的人工智能实验室演讲。我心想，天哪，我对人工智能一无所知。于是跑去买了一本耶鲁那帮人写的书。我还记得当时想：十六块九毛五再加税，钱白花了。结果我错了。书里有一套关于计算机如何理解的理论。想法是这样的：你给计算机一个故事，然后就这个故事向它提问，计算机会给出正确的答案，哪怕答案并不包含在故事里。
一个典型的故事是这样的：一个男人走进餐馆，点了个汉堡。汉堡端上来的时候，已经烤成了焦炭。这个人怒气冲冲地走出餐馆，连账都没结。问题是：这个人吃汉堡了吗？在座各位「计算机」都知道答案：没有，他没吃那个汉堡。至于答案是「吃了」的那个故事，我就不讲了，一样无聊。
关键在于，他们说这证明了计算机真的理解了那个故事。于是，当我坐在联合航空的飞机上、在三万英尺高空飞往纽黑文的时候，我想：见鬼，他们完全可以把这些故事用中文给我，我可以照着那套回答故事的程序去做，而我一个字也看不懂。我又想，这个反驳他们肯定早想到了，何况光靠这个，也撑不满我在纽黑文的一整周。结果发现，他们根本没想到过。
而且所有人都确信我错了。有意思的是，他们认定我错的理由各不相同。这场争论持续的时间也远不止一周，它已经持续了三十五年。我到底要驳倒这帮人多少次才算完？不过还是让我们把它过一遍。
论证本身
塞尔： 这个论证最简单的版本是这样：我被锁在一个房间里，里面堆着一箱箱中文符号，还有一本英文写的操作符号的规则手册。我不知道的是，那些箱子被称作数据库，那本规则手册被称作程序。
有中文符号递进房间来。我不知道的是，那些是问题。我去查我该做什么，把一大堆符号倒腾一番之后，我递出另一些符号，而那些是问题的答案。现在我们假定，我希望你们已经听腻了，因为我自己是腻了，这故事我讲过太多遍：我们假定他们程序写得越来越好，我倒腾符号也越来越熟练，以至于我给出的答案与一位母语为中文的人给出的答案毫无分别。我通过了「理解中文」的图灵测试。
但我照样一个中文字也不懂。而且在那个中文房间里，我根本没有任何途径可以学会中文，因为我不过是一套计算机系统，我遵循的规则不过是一个计算机程序。而这一点最要紧：程序是纯句法的（syntactical），它完全被定义为对句法元素的一组操作。说得稍微专业一点：「实现了同一个程序」这个概念界定的是一个等价类，而这个等价类的界定完全独立于任何物理学，特别是独立于其实现方式的物理学。
结论就是：如果我凭借实现那个程序，并不理解那些问题和答案，那么任何别的数字计算机凭借同样的实现也不理解，因为计算机没有任何我所不具备的东西。计算机是纯句法的装置，它们的操作是按句法定义的。而人的智能需要的不止是句法，它需要语义（semantics），需要对正在发生的事情有理解。
你只要把我用英语的表现和我用中文的表现对照一下，就看得很清楚了。他们用英语问我问题，我用英语回答。他们问：美国最长的河是哪一条？我说，是密西西比河，或者密西西比河加密苏里河，看你算不算成一条。他们用中文问我：中国最长的河是哪一条？我不知道这个问题是什么，也不知道它是什么意思，我拿到的只是一些中文符号。可我查了查这个符号该怎么处理，然后递出一个答案，而那是正确答案，它说：是长江。长江是中国最长的河。这些我一概不知道，我只是一台计算机。
所以结论是：被实现的计算机程序本身，永远不足以构成人的理解，因为人的理解不止有句法，还有语义。
支撑中文房间论证的有两条基本原理，在我看来两条都明摆着是对的，每一条都可以用四个词说完：句法不是语义。模拟不是复制。
主持人： 后面会留出提问时间。
塞尔： 我要让每一位有问题的人都有机会提问。总之，这就是那个著名的中文房间论证，讲清楚它大约要五分钟。
系统回应及其失败
塞尔： 你们大概想象不到我收到过什么样的回应，其荒唐程度令人叹为观止。我举几个。
最受欢迎的一个回应是这样的：你人在房间里，你手上有那些符号，你有个箱子，你多半还有草稿纸可以演算。理解的不是你。他们会用一种轻蔑的口吻说，你只不过是个 CPU，中央处理器。那年头我压根不知道这些词是什么意思。CPU，理解的是整个系统。我头一回听到这话时对那人说：你是说，这个房间懂中文？他说：对，房间懂中文。
这是个绝望的答案。我佩服他的勇气。但它有个麻烦：我之所以不理解，是因为我没法从句法过渡到语义。可房间同样过不去。房间怎么可能从输入符号的计算机程序的句法，过渡到对这些符号的理解的语义？房间根本没有这条路，因为那需要在我的意识之外，房间里还另有一份意识。而并不存在这样的意识。
这只是众多回应中的一个。我最喜欢的另一个是在一场公开辩论上听到的。有人对我说：可是，假如我们问你，你懂中文吗？假如你回答，是的，我懂中文。那怎么办呢？
好，我们不妨试试，看能走多远。我收到一个长成某个样子的问题，用的是某种方言的中文，有些人可能认不出来。我不知道的是，那个符号的意思是：你懂中文吗？我去查我该怎么办，然后递回去一个同样方言的中文符号，那个符号说的是：你们这些人怎么净问这么蠢的问题？看不出来我懂中文吗？
其他的回应和反驳我还可以接着说，但我觉得它们同样软弱无力。
结论是一条逻辑上的真理：被实现的计算机程序是按句法定义的。这不是弱点，这恰恰是它的力量所在。计算的句法式定义之所以有力，是因为你可以把它实现在电子机器上，而这些机器能在极短的时间里完成数以百万计的运算。我不太确定自己是否相信这个数字，但教科书上总是这么写：深蓝每秒能做两亿五千万次运算。好吧，我姑且信他们。所以这不是计算机的弱点。
我有时还会碰到另一种反驳：在程序里，我们常常有一个模块就叫「自然语言理解程序的语义部分」。这没错。但他们在那里放进去的，当然还是更多的计算实现，还是更多的句法。
到此为止都还好说。我觉得，如果只有这些可讲，那我以前都讲过了。现在我要往前走一步，讲点有意思得多的东西。
智能是观察者相对的
塞尔： 很多人想，好吧，也许计算机不懂中文，但它毕竟在做信息处理，它毕竟在做计算，我们造这台机器就是让它干这个的。
我最近要写几篇书评。有一本书说，我们生活在一个新时代，信息的时代，作者还发出一句妙语：万物皆信息。如果万物皆信息，我们就该发愁了。我给《纽约书评》写的书评评的是另一本，没那么乐观的书，作者说计算机现在已经聪明得几乎跟我们一样聪明了，而且很快就会跟我们一样聪明。接下去那一步，我不用对这个听众群多说：它们会比我们聪明得多。到那时候你就当心吧，因为它们可能受够了被我们压迫，可能干脆揭竿而起，把我们统统推翻。作者还很谦虚地说，我猜这大概是卖书的门道，他说这也许是人类有史以来面对的最大挑战：超级聪明的计算机即将造反。
我要说，这两个说法都很蠢。当然我这是简略的说法，待会儿有的是机会反驳我。我简单说说为什么。
「智能」这个概念有两种不同的意义。一种是观察者独立的意义，它指认的是某种在心理上真实存在的东西。所以我比我的狗塔斯基聪明。塔斯基是很机灵，这我承认，但总体上我比它聪明。顺便说一句，我一共养过四条狗：弗雷格、罗素、路德维希和塔斯基。塔斯基是条伯恩山犬，很可惜没带来，它太大了，装不进车。它很聪明。它拥有智能，和我拥有智能是同一个意义上的，只不过它碰巧比我少一些。
我的计算机也有智能，它也在处理信息。但关键就在这里：那是观察者相对的。计算机拥有智能的唯一意义，不是内在的（intrinsic），而是观察者相对的。我们可以这样解释它的操作，使得，注意我的用词，使得我们能作出关于智能的、认识论上客观的断言，尽管所谈的这种智能完全在旁观者的眼中。
我读报纸时看到一条消息，这一点便重重地砸在我心上：IBM 设计了一个计算机程序，能击败世界头号棋手。而且据说，深蓝击败卡斯帕罗夫，与卡斯帕罗夫击败卡尔波夫，是同一个意义上的「击败」。这就该让我们发愁了。因为卡尔波夫和卡斯帕罗夫要下棋，两个人都必须意识到自己在下棋，都必须知道诸如「我以王前兵进两格开局」「我的后在棋盘左侧受到威胁」这样的事情。
可是请注意，深蓝对这些一无所知，因为它什么都不知道。你可以对深蓝作出认识论上客观的断言：它走了如此这般一步棋。但把「聪明的棋艺」这类属性加在这一步或那一步上，全都是观察者相对的，没有一点是内在的。在我比我的狗更有智能的那个内在意义上，我的计算机的智能是零，一点都没有。它是一套非常复杂的电子线路，我们把它设计成表现得仿佛在思考、仿佛有智能的样子。但严格说来，在你我拥有智能的那个观察者独立的意义上，计算机里的智能是零，全都是观察者相对的。
对智能成立的，对认知科学里所有关键概念都成立。智能、记忆、知觉、决策、理性，这些概念全都有两种不同的意义：一种指认的是发生在你我身上那种心理上真实的现象，另一种指认的是观察者相对的现象。在你我拥有智能的那个内在意义上，我们所说的这些机器的智能是零。这里不存在多一点少一点的问题，它压根不在这一行里。全部智能都在旁观者眼中，全都是观察者相对的。
你可能会说，我也会说：对绝大多数目的而言，这毫无分别。我是说，如果你能设计出一辆自己会开的车，谁在乎它有没有意识？谁在乎它是不是真有智能？我同意。对多数目的而言，这不重要。就实用目的而言，你用的是观察者独立的意义还是观察者相对的意义，都无所谓。唯一要紧的地方在于：你若认为，把智能归给一台并无内在智能的机器，具有某种心理学上的意义。
请注意，我们把智能归给计算机时所动用的那些心理过程，本身是需要意识的。所以，观察者相对性的赋予，是由有意识的主体完成的。但那个意识本身不是观察者相对的。创造出观察者相对现象的那份意识，自身并不是观察者相对的。
计算不是自然事实
塞尔： 现在到了关节处。如果「信息」在两种意义之间有系统性的歧义，一种是你我拥有信息的那个内在意义，一种是计算机拥有信息的那个观察者相对的意义，那么「计算」呢？计算总该是计算机内在的吧？我们设计并制造这些鬼东西，图的就是让它计算啊。
当然，同一个区分照样适用。让我喝口水，顺便回顾一下历史。我第一次读艾伦·图灵那篇文章时，它的标题是《计算机器与智能》。他为什么不叫《计算机与智能》？答案你们都知道：在那个年代，computer 的意思是「做计算的人」。computer 就像 runner（跑步的人）或 piano player（弹钢琴的人）一样，指的是执行某项操作的人。今天没人会这么想了，因为这个词的意思变了。或者说得更准确些，它获得了那种在观察者相对意义与观察者独立意义之间的系统性歧义。今天我们认为 computer 指的是一类机器，而不是一个实际执行计算的人。
我们一路应用的那个区分，我们在其他所有情形里都发现了的那个区分，同样适用于计算。先说字面的、观察者独立意义上的计算：我现在就做一次简单的计算，用加法函数。是这样的，没什么了不起：一加一等于二。我完成这项计算的那个意义，是绝对内在、观察者独立的。别人怎么说我都不在乎。就算专家说，你其实并没有在计算，不，我就是在计算，我有意识地做了一次计算。
而当我的袖珍计算器做同样一次运算，那次运算就完全是观察者相对的。就其本身而言，那里发生的只是一组电子状态转换，我们把它设计成这样，好让我们能对它作出计算式的解释。
再说一遍，对多数目的而言，这无关紧要。它变得要紧，是在有人说「我们创造了一个机械智能的种族，它们可能揭竿而起推翻我们」的时候，或者在有人给机器加上别的同样不可信的心理学解释的时候。在商用计算机里，计算是观察者相对的。注意，你们都知道，这并不意味着它是认识论上主观的。我掏了不少钱，好让苹果给我造一台机器，能运行我以前那些计算机「智能不足以」运行的程序。请注意这里对智能的观察者相对的赋予。所以这种说法本身完全无害，除非你以为它有什么心理学上的含义。
那么，机器所缺、而人类所有、并且构成商用计算机中计算的观察者相对性与我刚才在黑板上完成的那种内在的、观察者独立的计算之差别的，究竟是什么？所缺的是意识。一切观察者相对的现象，都是由人和动物的意识创造的。但创造它们的那份人和动物的意识，自身不是观察者相对的。所以存在一种内在的心理现象，即主体的意识，是它创造了观察者相对的现象，或者说以观察者相对的方式解释了机械系统。而创造观察者相对性的那份意识，自身并不是观察者相对的，它是内在的。
我们的词汇已过时
塞尔： 我想留足时间讨论，那就让我喘口气，把刚才论证的主线做个小结。
有一点我一直没强调，现在要强调：我们用来讨论这些问题的那套概念工具，绝大部分已经彻底过时了。心理的与物理的之分，社会的与个体的之分，还有那些可以用观察者相对方式指认的特征（比如计算）与可以用观察者独立方式指认的特征（同样比如计算）之分，我们被一套没把事情说清楚的词汇搞糊涂了。我打算用几个词汇上的例子来结束这场讨论。
机器能思考吗
塞尔： 先从那个老问题开始：机器能思考吗？
我说过词汇已经过时，而「人与机器」这套词汇本身就已经过时了。因为如果「机器」指的是一个能执行某些功能的物理系统，那么我们全都是机器。我是机器，你是机器。而且我猜，只有机器才能思考。
为什么？这就是下一步。思考是一个生物过程，是大脑通过一些相当复杂、但我们了解得还很不够的神经生物学过程造成的。所以要思考，你就得有一个大脑，或者有某种具备与大脑等同的因果能力（causal powers）的东西。我们也许能想出办法在别的介质上实现它。我们对大脑怎么做到这一点了解得不够，所以我们不知道怎么人工造出它来。
那么，机器能思考吗？人就是机器，能。但是，你能造出一台会思考的人工机器吗？为什么不能呢？这就像人工心脏。「你能造出一个会思考的人工大脑吗」这个问题，跟「你能造出一颗会泵血的人工心脏吗」是同一类问题。我们知道心脏是怎么泵血的，所以我们知道怎么人工做到。我们不知道大脑是怎么产生思维的，所以我们毫无头绪。
让我把这句话再说一遍：我们完全不知道怎么造一台会思考的机器，因为我们不知道大脑是怎么做到的。我们能做的只是用某种形式系统做一个模拟。可那不是真东西。你那样造不出思维来，而人工心脏是真的在泵血。
所以我们有两个问题：机器能思考吗？人造的机器能思考吗？第一个问题的答案显然是肯定的。第二个问题的答案是：我们还不知道，但原则上没有障碍。大家都看清楚了吗？造人工大脑就像造人工心脏。唯一的问题是，还没有人着手去试。他们没有着手去试，是因为他们不知道真实的大脑是怎么做到的，所以他们不知道该模仿什么。
好，那再进一步：能不能用完全不同的材料造出一个会思考的人工大脑，用某种与核蛋白毫无关系、与神经元和神经递质之类毫无关系的东西？答案同样是：我们不知道。在我看来这是个开放的问题。如果我们知道大脑是怎么做到的，我们也许就能设计出用某种完全不同的生物化学来做到这件事的机器，就像人工心脏并不靠肌肉组织来泵血一样。泵血不需要肌肉组织。也许产生意识也不需要脑组织。我们就是无知而已。但请注意，原则上并没有障碍。问题在于，还没有人开始思考该怎么造一台会思考的机器，怎么用神经元以外的材料造一台会思考的机器，因为他们还没有开始思考我们该如何复制（而不仅仅是模拟）大脑实际在做的事情。
计算机能思考吗
塞尔： 于是我们有了：机器能思考吗？人工机器能思考吗？用完全不同材料做成的人工机器能思考吗？接下来自然就是那个显而易见的问题：那计算机呢？计算机能思考吗？
这里得小心。因为如果「计算机」被定义为任何能执行计算的东西，那我刚刚就做了一次计算，我就是计算机，你们也全都是。任何能做出那个简单计算的、有意识的主体，既是计算机，又能思考。所以我猜，这个想法我今天没机会展开，不但计算机能思考（也就是你和我），而且任何能思考的东西大概都必须能执行简单的计算。
那么，计算的地位是什么？关键的那一点我已经说过了：计算有两种意义，观察者独立的和观察者相对的。在观察者相对的意义上，只要你能赋予它一种计算式的解释，任何东西都是计算机。
看好了，我给你们演示一台非常简单的计算机。（塞尔松手让物体落下）这台计算机刚刚计算了一个众所周知的函数：s 等于二分之一 gt 的平方。如果你有一块够好的表，你还真能测出时间、算出这鬼东西落了多远。大家都看到了，初等数学而已。
如果这也算计算机，那什么都是计算机了。因为在观察者相对的意义上，「是计算机」并不是一个对象的内在特征，而是我们对该现象之物理性质所作解释的特征。当年中文房间论战正酣的时候，我有时会抄起我的笔，往桌上一拍，说：这是一台数字计算机，只不过它的程序有点无聊，那个程序说的是「待在那儿别动」。要点在于，从来没有人抓住这一点反驳我，因为它明摆着是对的，它满足教科书上的定义。早年他们试图用一大堆技术黑话把我唬住：「你漏掉了虚拟机与非虚拟机的区别」，「你漏掉了换能器」。你看，我当时压根不知道换能器是个什么鬼东西，虚拟机又是什么。可这些东西大约花五分钟就学会了。
好，现在到了关键问题。如果计算机能思考，人造的计算机能思考，机器能思考，那么计算呢？「计算」是不是就命名了一个能思考的机器、一个思维过程？也就是说，图灵所定义的那个计算，本身是否足以构成思考？答案你们现在已经知道了：在观察者相对的意义上，答案是否定的。计算不是自然的事实，它是我们所作解释的事实。而且，即便我们能造出执行计算的人工机器，单凭计算也永远不足以构成思考或任何别的认知过程，因为计算是被纯形式地、纯句法地定义的。图灵机不是在自然中被找到的，它是在我们对自然的解释中被找到的。
我要补充一句：很多人以为，这场争论与技术有关，或者说技术上会有突破。我认为技术好极了，我欢迎技术，我看不出技术的可能性有什么界限。我这场讲话的目的只有一个：让大家不要误解这项技术在哲学上、心理学上乃至科学上的含义。
非常感谢。
主持人： 谢谢你，约翰。
塞尔： 抱歉我讲得这么快，但我想留足时间提问。
库兹韦尔的替换论证
主持人： 我们先请雷·库兹韦尔先生提第一个问题。
库兹韦尔： 谢谢，约翰。我算是跟你就这个问题辩论了十八年的人之一。我要称赞中文房间的生命力，因为它确实抓住了那个表面上的荒谬之处：计算这样一种决定论的过程，怎么可能对思维之类的东西负责。你还区分了思维的效果与主观状态，而主观状态就是意识的同义词。
我在《奇点临近》里引用过你关于神经元乃至大脑与机器之等价性的说法。然后我把你那段论证，就是为什么机器和计算机不可能真正理解自己在做什么的论证，做了替换：既然你说它们是等价的，我就把「计算机」换成「人脑」，把「形式符号」换成「神经递质浓度及相关机制」，因为神经递质浓度说到底就是一个机械论的概念。做完替换，你写的就成了这样：人脑靠操纵神经递质浓度及相关机制取得成功。神经递质浓度及相关机制本身毫无意义，它们只有我们赋予它们的意义。人脑对此一无所知，它只是在搬弄神经递质浓度及相关机制。因此，人脑不可能有真正的理解。
塞尔： 又是在我的原文上做有趣的变奏。
库兹韦尔： 不过我想说、也想请你回应的一点，是意识的本性。你今天说过，也写过，关键在于认识到意识是一个生物过程，就像消化、泌乳、光合作用或有丝分裂一样。我们知道大脑通过特定的生物机制造成意识。但我们怎么知道一个大脑是有意识的？你怎么知道我是有意识的？我们又怎么知道一台计算机是不是有意识？今天我们还没有哪台计算机看上去有意识、其应答具有说服力。但我预测将来会有。时间表可以争论。等那一天到来，我们怎么知道它是真有意识，还是只是看上去有意识？我们如何度量？
塞尔： 这里有两个问题。第一个是：如果你把我用过的词换成我没用过的词，你能不能得到那样的结果？当然能，这是政客们的一项著名技艺。但那不是我的主张。
计算机和大脑的差别是什么？一句话：大脑是一套因果机制，它通过某些相当复杂、我们至今了解得不完全的神经生物学过程产生意识。而这些过程是相当特定的电化学过程。我们不知道细节，但我们知道，你要是在突触间隙里乱动，就会得到古怪的结果。可卡因是怎么起作用的？不是因为它有什么特别的计算能力。它起作用，是因为它干扰了突触后受体重新吸收某些特定神经递质的能力，去甲肾上腺素，还有另外两种，天哪，我这门考试要不及格了，多巴胺，第三种是 γ 氨基丁酸。
总之，大脑和胃或任何别的器官一样，是一套特定的因果机制，它按照特定的生物化学原理运作。计算机的问题在于，它与实现方式的具体细节毫无关系。只要足以执行程序中的各个步骤，任何实现方式都行。程序是纯形式的、纯句法的，大脑不是。大脑是一个按特定原理运作的特定生物器官。而要造出一台有意识的机器，我们必须知道怎样复制这些原理的因果能力。计算机并不是以那种方式作为因果机制去产生更高层次的特征的。毋宁说，「计算」命名的是一种抽象的数学过程，我们找到了在特定硬件上实现它的办法。但硬件对计算本身并不是本质性的：任何能执行该计算的系统都是等价的。
第二个问题是：你怎么知道有没有意识。想想现实生活。我怎么知道我的狗塔斯基有意识，而我手上这台智能手机没有？这两件事我都毫不怀疑。我能判断塔斯基有意识，依据的并不是行为主义的理由。有人说，那是因为它的举动像人。它可不像。我认识的人见了我，不会冲过来舔我的手、摇尾巴，他们就是不会。我的朋友们不这么干。可塔斯基会。
我能看出塔斯基有意识，是因为它有一套跟我相当类似的机件。那是它的眼睛，那是它的耳朵，那是它的皮肤。它具备把输入刺激中介到输出行为的机制，而这些机制与人的机制相当类似。所以我完全确信塔斯基有意识。
跳蚤和白蚁我就不清楚了。典型的白蚁大约有十万个神经元，这够吗？我一个大周末就能损失十万个。所以我不知道那够不够产生意识。但那是个事实问题，我留给专家去回答。至于人类，这屋里每一个人有意识，这毫无疑问。也许那边那位快睡着了，但总的来说没有疑问。这甚至不是我持有的一个理论，它是一个背景性的预设。就像我假定地板是结实的一样，我干脆把每个人都有意识当作理所当然。真要我给出理由，我也给得出来。
当然，关于他心的细节永远存在问题。我当然知道你有意识。但你是不是正在承受晚期资本主义之下后工业时代人的那种焦虑？我有不少朋友声称他们正承受着，还嫌我俗气，因为我没有。这个就难说了，我们得为此专门谈一场。可就意识本身而言，在现实生活的情形里，这不是个真问题。
模拟大脑与机器起义
提问者： 你说过我们还没开始理解大脑如何运作，也没开始造出可比拟的机器。但设想将来我们做到了，于是我们可以运行一个大脑的模拟，再通过运动输出和感觉输入把它与现实连接起来。那么它与一个你说确实在产生意识的大脑，差别在哪里？
塞尔： 在某些情形下，根本没有差别，而且这个差别不要紧。如果你有一台机器，我希望你们真的在造，因为报纸上说你们在造，如果你有一个程序能在没有清醒司机的情况下开我的车，那太好了，我觉得棒极了。
问题不在于技术能做什么。我父亲是 AT&T 的电气工程师，他最大的失望就是我居然跑去当哲学家，天哪，而不是照他所愿去贝尔实验室和麻省理工。所以我对技术的成功毫无意见。问题在于，它意味着什么。当然，如果你造出一台开车开得跟我一样好、多半比我还好的机器，那对这台机器再好不过了。问题是：这在哲学上、心理学上、科学上意味着什么？如果你以为，这意味着你创造了意识，那你没有。要创造意识，你还需要更多的东西。
而对于一大堆事情来说，意识要紧得不得了。就拿我评的那本书来说，作者说有些机器将要起来推翻我们所有人。这不是一个严肃的可能性，因为那些机器没有意识，它们没有任何有意识的心理状态。这大概就好比说，鞋子可能自己从柜子里爬出来，从我们身上踩过去：毕竟我们踩了它们好几百年，它们凭什么不还手呢？这不是现实生活中值得担忧的事。
提问者： 我感兴趣的不一定是系统的输出或结果，而是相似性，也就是你提到的那种与大脑之间的内部因果相似性。
塞尔： 对，那是个事实问题。问题是：计算机中发生的过程，在多大程度上与大脑中发生的过程同构？就我们所知，并不怎么同构。下棋程序就是个好例子。人工智能早期，人们试图访谈伟大的棋手，弄清他们的思维过程，再设法在计算机上复制出来。可我们现在知道深蓝是怎么工作的：深蓝一秒钟能算两亿五千万个棋位。
从博弈论的角度看，象棋是个平凡的游戏，因为信息是完全的，可能性的数目是有限的。对一步棋有 x 种应法，对那一步又有 x 种应法。它之所以对我们有意思，是因为指数爆炸的问题。要给计算机编程，让它在指数上往前推很多步，是很难的，但 IBM 做到了。这在心理学上毫无价值。而且我要替他们说句公道话，人工智能界的人并没有把这当成一场伟大的胜利，至少我认识的那些人没有把它当成人工智能的胜利，因为他们看得出，这跟人类认知没有关系。
所以我猜，「大脑中的实际过程在多大程度上映射了计算式的模拟」是一个有意思的哲学问题，或者说心理学问题。当然，在某些方面它们确实映射，这正是计算模拟在各行各业都有意思的原因，不只是在心理学里，因为你可以模拟各种各样正在发生的过程。但那不是强人工智能。强人工智能主张：模拟不只是模拟，它就是复制。而这一点我们可以驳倒。
你怎么证明你懂英语
提问者： 你能不能向我证明你懂英语？
塞尔： 能，但我不会费这个劲。（模仿英国腔）我在牛津的时候，很多人怀疑我懂不懂。我碰巧待在一所相当势利的学院，基督堂学院。当然，我不说英语，我从没假装过。我说的是美语的一种方言，很多英国人一想到就要打寒战。
提问者： 你说你懂英语，可我怎么知道你不只是一段计算机程序？
塞尔： 这跟雷的问题是同一个问题，答案是：办法多得很。真到了要紧关头，你可以问我。我可能给你一个不诚实的答案，也可能给一个诚实的答案。但有一条路你不该走，那就是认识论的路。认识论的路会说：你手上关于「计算机有意识」的证据，跟我们手上关于「你有意识」的证据一样多。
不，并非如此。我可以相当细致地讲讲人的身体结构里究竟是什么使他们能够产生意识。你不需要什么高深的理论。我不需要一套高深的神经生物学理论，就能说出：那是你的眼睛，你是用嘴说的话，那个问题是一个有意识的提问意图的表达。相信我，你要真是本地造出来的机器，那 Google 比我想象的走得远多了。但显然，你不是。
意识的工作定义
主持人： 我们来看一个来自问答板的问题。
塞尔： 他不是排在下一个吗？
主持人： 有些人事先提交了问题，我们也会念这些。第一个问题是：你在这场演讲中一直使用的意识的定义是什么？请尽可能具体。
塞尔： 好，我来说。
人们通常说意识很难定义。我倒觉得定义起来相当容易。我们没有一个科学的定义，因为我们还没有一套科学的理论。任何术语的常识定义，作用是指认出研究的目标。水是一种清澈、无色、无味的液体，装在这样的瓶子里，这是常识定义。你去做科学，然后发现它是 H2O。而对于意识，我们眼下还处在「清澈、无色、无味的液体」这个阶段。
定义是这样的：意识由一切感受、感知或觉知的状态构成，它们从你早上从无梦的睡眠中醒来时开始，一整天持续下去，直到你重新入睡，或者以别的方式变成人们所说的无意识状态。按这个定义，梦是意识的一种形式。意识的秘密、意识的本质在于：对任何一个有意识的状态而言，处在那个状态里总有某种「感觉起来像什么」的东西。正因如此，意识永远具有主观的存在论。还记得我一开始讲的主观与客观那一段吧，它永远具有主观的存在论。
这就是意识的工作定义，也正是那些试图弄清大脑如何做到这一点的神经生物学研究者实际使用的定义。你要弄清的就是这个：大脑如何产生这个东西？它如何在大脑中存在？它如何运作？
时间与是否要紧
提问者： 关于你说「我们今天还不知道如何造一台会思考的机器」，我想提出一个更强的界限。就算我们知道怎么造，因为我们这台会思考的机器毕竟是进化过程造出来的，我想说，也许我们根本没有那么多时间；而且这件事也许并不要紧。说没有时间，是因为那些必须发生的概率事件，比如小行星撞地球灭绝恐龙之类，在我们所处的这个宇宙里也许不会发生。但如果你接受平行宇宙理论，那么在别处总有某种人工意识存在。
塞尔： 关于「我们也许没有时间」，我确实赶时间。但我认为我们应当尽最大努力去试。的确，有些事情也许超出了人类在地球上的有生之年所能解决的范围。可我们先动起手来试试看。曾经有一段时期，人们说我们永远无法真正理解生命。我们如今虽然还没有完全理解，但已经走得相当远了。机械论者与活力论者的那场老辩论，今天对我们已经完全没有意义了。所以我们取得了很大的进展。你的问题还有后半截。
提问者： 是说也许这并不要紧，因为整个宇宙……
塞尔： 哦，对，也许意识不要紧。可我就住在意识里，它对我要紧。
提问者： 我是从哲学上说。
塞尔： 是啊，可有很多事情，你可以说它要紧也可以说不要紧，但它们对我们极其重要：民主、性、文学、好吃的东西等等。也许对某些人来说不要紧，但这些事情对我来说，都以不同的程度要紧。
模拟会碰巧产生意识吗
提问者： 关于你提到的人工心脏的类比。我理解你的意思包括：正如人工心脏那样，我们可以用不同的材料、不同的路径去模拟一颗心脏，并在某种程度上越过单纯的模拟，逼近复制；理论上，我们也许能对人工大脑做同样的事。我想问，你是否认为存在这样一种可能：沿着「做一个大脑的模拟」这条路走下去，会碰巧造出意识，碰巧造出一个复制品，哪怕我们并不打算用与大脑完全相同的手段？
塞尔： 我会说，要相信这一点，你得相信奇迹。想一想：凡是你能精确描述的东西，我们几乎都能做出计算机模拟。你可以做一个消化的计算机模拟，你可以得到一个完美模拟消化披萨的计算机模型。说不定这栋楼里就有人已经做出来了。可一旦做出来，你不会立刻冲出去买个披萨塞进计算机里，因为它不会消化披萨。它给你的是一幅图像、一个模型、一张数学图解。我对此没有异议。
但如果我的性命系于弄清大脑如何产生意识，我会像在生物学任何分支里使用计算机那样去使用计算机。它对推演你的公理有什么后果非常有用，对设计可能的实验也非常有用。可要说认知行为的计算机模拟可能提供打开那套生物化学的钥匙，这倒不是绝无可能，只是不太可信罢了。
有比图灵测试更好的吗
主持人： 人很容易被骗，也经常高估机器的智能。你能不能提出一个比图灵测试更好的通用智能测试，一个不那么容易产生假阳性的测试？
塞尔： 你们都知道我的答案：第一步是区分真正内在的、观察者独立的智能与观察者相对的智能。观察者相对的智能永远在旁观者眼中，任何东西都会拥有你有能力赋予它的那份智能。我刚才就把大量智能赋予了这个物体，因为它能计算函数 s 等于二分之一 gt 的平方。而这把梳子拥有惊人的智能，因为它能把一根头发和另一根区分开来。我就不当场演示了，你们姑且信我，哪怕在头发稀疏的脑袋上它也做得到。
所以，既然智能是观察者相对的，你就得先告诉我，我们要按什么标准来判定。而图灵测试的问题，它的毛病多得很，但最根本的一条是：输入和输出之所以是它们所是，全靠我们的解释。你必须把这个解释成一个问题，把那个解释成一个回答。我今天整场讨论的一个结论是：图灵测试站不住脚，它给不了你一个关于智能的测试。
涌现、复杂性与因果能力
提问者： 你似乎把这些当作信条来接受：我们是有意识的，你的狗是有意识的，而这种意识来自我们其实并不真正理解的生物材料。恕我直言，这让你听起来像个智能设计论者，说什么因为进化以及这个创生的宇宙中的一切都如此复杂，所以它不可能从无生命的物质演化而来。那么在变形虫和你的狗之间的某处，一定有一段是没有意识的，我不确定你会把这条线画在哪里。而如果人类身上的意识是涌现出来的，或者你的狗身上的意识在进化尺度的某一点上是涌现出来的，那为什么它就不能从一个足够分布式、足够网络化、能执行大量运算、甚至还接上了生物系统的计算系统中涌现出来？
塞尔： 关于「它能不能涌现」，奇迹总是可能的。你怎么知道不会有某种化学过程把这把梳子变成一把有意识的梳子？我怎么知道呢？这不是一个严肃的可能性。
大脑中产生意识的机制是相当特定的。而且请记住这个关键点：任何创造意识的系统，都必须复制那些因果能力。这就好比说，你不需要羽毛才能造出飞行器，但你必须复制而不只是模拟鸟在地球大气中克服重力的那种因果能力。飞机做的正是这件事：它们复制了因果能力，它们使用同样的原理，伯努利原理，来克服重力。但要说你或许仅凭模拟输入输出机制、输入输出函数的某些形式结构就能做到这件事，好吧，奇迹总是可能的，可这看上去不太可能。进化不是这么运作的。
提问者： 可机器能自我改进。而你等于是在论证：为什么变形虫在足够长的时间里绝不可能发展成你的狗、绝不可能拥有意识。
塞尔： 不，我没有作那个论证。我没有作那个论证。变形虫没有意识。
提问者： 你是在否定意识能从一个足够复杂的计算系统中涌现。
塞尔： 复杂性永远是观察者相对的。你要谈复杂性，就得谈度量：你按什么尺度来计算复杂性？我认为复杂性多半是不相干的。说不定最后会发现那个机制其实很简单。
我的说法里没有任何一句话断言计算机永远不可能有意识。当然，我们全都是有意识的计算机，我说过了。至于变形虫，要点不在于变形虫不能演化成复杂得多的有机体，也许事情正是这么发生的。要点在于，变形虫本身，一个单细胞生物，并不具备足够的机件去复制大脑的因果能力。
我做的不是一个科幻项目，我并不是说，忙于设计计算机程序的人绝不可能人工创造出意识。当然，我没有说那在逻辑上不可能。我只是说，那不是一条明智的路子。如果你觉得你的性命系于造出一台创造意识的机器，那你不会坐到控制台前，开始用某种编程语言敲代码。那是走错了方向。
反汇编 Google 翻译
提问者： 假如我们把 Google 翻译的反汇编代码交给你，让你去实现中文房间实验，那么要么你得花上几千年，用纸笔跑完所有的汇编指令，要么你会把它反编译成英文，并在这个层面上大力优化。而在这个过程中，你会对不同变量和子程序之间的关系了解很多。谁能说对中文的理解不会从中涌现出来呢？
塞尔： 好，我喜欢这类问题。首先我要说，当然，我最初做这个思想实验时，任何人都会向你指出：如果你真的去执行一个回答中文问题的程序中的各个步骤，我们得在那儿待上好几百万年。好吧，我信他们的话。我不是程序员，但我想那要花掉极其漫长的时间。
可这个论证的要点不在那个例子。例子是用来阐明论证要点的。论证的要点可以用下面这个推导给出。
第一条公理：程序是形式的、句法的。程序里就只有这些。说得稍微堂皇一点：「实现了同一个程序」这个概念界定的等价类，是完全形式地、句法地被指定的。
第二条：心灵有语义。
第三条，也正是那个例子的全部要点：单凭句法不足以产生语义。中文房间就是为了阐明第三条公理而设计的：光有程序中的那些步骤，本身不足以产生语义。而心灵是有语义的。
由此推出：如果计算机是按其程序操作、按其句法操作来定义的，那么单凭程序操作、单凭计算机的操作，就永远不足以产生理解，因为它们缺乏语义。当然，我并没有说你造不出一台既是计算机又有语义的机器。我们就是这样的机器。
提问者： 可你没法用实验验证，语义与「用某个句法程序运作几千年之后所涌现出来的东西」之间，差别究竟在哪里。
塞尔： 我认为你可以。我不愿走这条路，他愿意。我的意思是，你不该走认识论的路。你不该说，你看，你分辨不出会思考的机器和不会思考的机器。
之所以说那是走错了方向，是因为我们现在已经有压倒性的证据，知道什么样的机制产生什么样的认知。我最初对大脑产生兴趣时，跑出去把所有教科书都买了。顺便说一句，你要学一门学科，这就是办法：去把所有大一的教科书买回来，因为它们容易懂。其中一本教科书上说，猫的色觉与我们不同，它们的视觉经验与我们的不同。我当时想，天哪，这帮人当过猫吗？他们有「他猫之心」的问题吗？他们知道当一只猫是什么滋味吗？
答案是：他们当然完全知道猫的色觉是怎么回事，因为他们可以去看色觉感受器。猫的色觉确实和我们不同，因为它们有不同的色觉感受器。具体差别我忘了，任何教科书上都查得到。可在现实生活中，我们完全确信我的狗能听见我听不见的那一段听觉频谱，它能听见我听不见的高频；猫的色觉和我的不同。因为我们能看见那套装置是什么样的。
还有问题吗？该你了。
意识的神经科学前景
主持人： 这是最后一个问题。
塞尔： 好。我准备好聊一整个下午，我就爱这类玩意儿。
提问者： 你在演讲开头讲了一段轶事，说神经科学家对意识不感兴趣。当然，到今天已经有不少神经科学家在研究它了。他们会呈现处于知觉阈限附近的刺激，测量刺激在阈上和阈下时的脑反应。你怎么看这种做法？方向对吗？你会怎么做？
塞尔： 不，我认为我这辈子（这辈子已经相当长了）见到的最好的事情之一，就是如今有了一整个兴旺的行业，在做关于意识的神经科学研究。答案将由此而来。
我最初对这个问题产生兴趣时，我跟你们说过，我跑到加州大学旧金山分校去催那帮人赶紧动手。我可以告诉你，被一个哲学家唠叨，是他们最不想听的事。但有一位著名的神经科学家对我说：在我们这一行，对意识感兴趣是可以的，但先拿到终身教职。先拿到终身教职。
如今情况变了。我不敢把这个变化归功于自己，但我确实一直在推动它。今天你可以靠研究意识拿到终身教职。神经科学变了，现在有一大批人真的在设法弄清大脑是怎么做到的。等他们弄清楚了，我看不出弄清楚有什么障碍，那将是一次巨大的智识突破：我们终于搞明白，大脑究竟是如何创造意识的。
提问者： 但具体到他们现在用的那套办法，比如我举的例子，呈现知觉阈限附近的刺激，寻找神经关联，你觉得这条路会有成果吗？你会问哪些具体的问题？
塞尔： 我碰巧对这类玩意儿有兴趣。如果你想了解我的看法，我在《神经科学年鉴》上发表过一篇文章，标题就叫《意识》，很好记，网上找得到。
我在那里说，今天主要有两条研究路线。有一批人走的是我称之为「积木式」（building block）的路子，他们试图找到特定经验的神经元关联物：你看见一个红色的物体，或者你听见中央 C 的声音，大脑里对应的关联物是什么？他们的想法是，只要你能弄清大脑如何创造「红」的经验，你就把整个问题攻克了。因为这就像 DNA：你不必弄清每一种表现型是如何由 DNA 造成的，只要抓住一般原理就够了。
问题是，这条积木式的路子进展不大。在我看来，很可能更有成效的一条路，是把意识设想成以一个统一的场（unified field）的形式出现。不要把知觉看作创造意识，而要看作对意识场的调制。所以当我看见这位先生衬衫上的红色，它调制了我的意识场，我现在有了一种此前没有的红的经验。
大多数人走的是积木式的路子，而且科学史支持他们，因为科学史大部分是原子论式地推进的：你先弄清小东西怎么运作，再走向大东西。可他们在意识上进展不大。我认为原因在于，你首先得弄清大脑如何创造出那个意识场，因为诸如看见红、听见中央 C 这样的特定经验，调制的是那个意识场。它们不是无中生有地创造一个意识场，它们调制的是一个已经存在的意识场。
这件事要难做得多，因为你得弄清大块大块的脑区如何创造意识，而我们不知道。麻烦在于，在核磁共振成像里，有意识的大脑看上去和无意识的大脑很像。那里一定有某些差别。可就目前而言，我也没在做这方面的研究，我在忙别的事情，我希望有人能明确告诉我：有意识的大脑与无意识的大脑之间，究竟是什么差别造成了意识？我们还没到那一步。
不过，我这里做的是神经生物学上的猜测。回答我的不会是一个哲学论证，而会是某个踏踏实实做研究的人，他弄清了大脑中产生意识的机制究竟是什么，以及它们究竟如何运作。
主持人： 约翰，今天能与你共处，是极大极大的荣幸。非常感谢你抽出时间，感谢你为 Google 演讲。
塞尔： 谢谢你们请我来。
排版 + 横图 + 来源，粘贴即成稿
章节 · 点击跳转视频
0:01
开场：立场与两组基础区分
5:20
观察者相对与观察者独立
8:37
中文房间论证的由来与陈述
14:43
对系统回应等反驳的回击
18:51
智能是观察者相对的
25:16
计算本身也不是自然事实
31:00
机器能思考吗：人工心脏类比
38:41
库兹韦尔的替换论证与回应
45:58
模拟大脑、机器起义与他心问题
51:49
意识的工作定义
55:22
涌现、复杂性与因果能力
64:48
意识的神经科学研究前景
本期小问 · 档案清单
1:49
「意识是主观的」为何不妨碍它成为客观科学的研究对象？
11:02
模拟一场思维过程，为什么不等于真的拥有思维？
25:58
如果「计算」只是观察者赋予的解释，机器还能自己理解吗？
31:00
要造出有意识的机器，该复制的是程序还是大脑的因果能力？
本期讲者
约翰·塞尔加州大学伯克利分校哲学教授（1932–2025），言语行为理论与「中文房间」论证的提出者，著有《心灵、大脑与程序》《社会实在的建构》等；获让·尼科奖、美国国家人文奖章。
雷·库兹韦尔发明家、未来学家，2012年起任 Google 工程总监；著有《奇点临近》，主张人工智能将在本世纪中叶达到并超越人类智能。
约翰·布拉卡利亚Google 员工，YouTube 运营部门成员，负责 Google 内部关于人工智能的讨论小组「奇点网络」，本场活动主持人。
01开场：立场与两组基础区分
0:01
JOHN BRACAGLIA: My name is John Bacaglia. And I'm a Googler working in YouTube operations. I also lead a group called the Singularity Network, an internal organization focused on discussions and rationality in artificial intelligence. I'm pleased to be here today with Mr. John Searle. As a brief introduction, John Searle is the Slusser Professor of Philosophy at the University of California-Berkeley. He is widely noted for his contributions to the philosophy of language, philosophy of mind, and social philosophy.
约翰·布拉卡利亚：我叫约翰·布拉卡利亚。我是谷歌员工，在 YouTube 运营部门工作。我还负责一个叫「奇点网络」的小组，这是一个内部组织，专注于人工智能领域的讨论与理性思考。今天很高兴能与约翰·塞尔先生一起在这里。简单介绍一下，约翰·塞尔是加州大学伯克利分校的斯拉瑟哲学讲席教授。他因其在语言哲学、心灵哲学和社会哲学方面的贡献而广为人知。
0:32
John has received the Jean Nicod Prize, the National Humanities Medal in the Mind and Brain prize for his work. Among his noble concepts is the Chinese room argument against strong artificial intelligence. John Searle, everyone. [APPLAUSE] JOHN SEARLE: Thank you Thank you. Many thanks. It's great to be back at Google. It is a university outside of a university. And sometimes, I think, this is what a university ought really to look like. Anyway, it's just terrific to be here. And I'm going to talk about some-- well, I'm going to talk about a whole lot of stuff.
约翰曾获让·尼科奖、国家人文奖章，以及「心智与大脑奖」等荣誉。他最著名的概念之一是「中文房间」论证，用来反驳强人工智能。有请约翰·塞尔。[掌声]约翰·塞尔：谢谢，谢谢。非常感谢。很高兴又回到谷歌。这里就像大学之外的一所大学。有时候我会想，大学本来就应该是这个样子。总之，能来到这里真是太棒了。我今天要讲的是——嗯，我要讲的东西其实挺多的。
1:10
But, basically, I want to start with talking about the significance of technological advances. And America, especially, but everybody, really, is inclined to just celebrate the advances. If they got a self-driving car who the hell cares about whether or not it's conscious. But I'm going to say there are a lot of things that matter for certain purposes about the understanding of the technology. And that's really what I'm going to talk about. Now to begin with, I have to make a couple rather boring distinctions because you won't really understand contemporary intellectual life if you don't understand these distinctions.
不过，基本上，我想先谈谈技术进步的意义。尤其是美国，不过其实所有人都一样，总是倾向于一味地为技术进步欢呼。如果有了一辆自动驾驶汽车，谁还会在乎它到底有没有意识呢。但我要说，在某些方面，对这项技术的理解是非常重要的。这才是我今天真正要讲的内容。首先，我得先做几个有点枯燥的区分，因为如果你不理解这些区分，你就没法真正理解当代的思想界。
1:49
In our culture, there's a big deal about objectivity and subjectivity. We strive for an objective science. The problem is that these notions are systematically ambiguous in a way that produces intellectual catastrophes. They're ambiguous between a sense, which is epistemic, where epistemic means having to do with knowledge-- epistemic-- and a sense, which is ontological, where ontological means having to do with existence. I hate using a lot of fancy polysyllabic words. And I'll try to keep them to a minimum.
在我们的文化里，人们非常看重客观性和主观性。我们追求一门客观的科学。问题在于，这些概念存在系统性的歧义，而这种歧义会造成思想上的灾难。它们的歧义在于：一种含义是认识论上的，「认识论的」意思是与知识有关——认识论——另一种含义是本体论上的，「本体论的」意思是与存在有关。我很讨厌用一大堆花哨的多音节词。我会尽量少用它们。
2:27
But I need these two, epistemic and ontological. Now the problem with objectivity and subjectivity is that they're systematically ambiguous-- I'll just abbreviate subjectivity-- between an epistemic sense and an ontological sense. Epistemically, the distinction is between types of knowledge claims. If I say, Rembrandt died in 1606, well-- no, he didn't die then. He was born then. I'd say Rembrandt was born in 1606. That is to say, it's a matter of objective fact. That's epistemically objective. But if I say Rembrandt is the greatest painter that ever lived, well, that's a matter of opinion.
但这两个词我必须要用：认识论的（epistemic）和本体论的（ontological）。客观性和主观性的问题在于，它们存在系统性的歧义——我就把主观性简写一下——歧义存在于认识论意义和本体论意义之间。在认识论上，这个区分是关于知识主张的类型的。如果我说，伦勃朗死于1606年，呃——不对，他不是那年去世的。他是那年出生的。我应该说，伦勃朗生于1606年。也就是说，这是一个客观事实的问题。这就是认识论上客观的。但如果我说伦勃朗是有史以来最伟大的画家，那就是个见仁见智的问题了。
3:14
That is epistemically subject. So we have epistemic objectivity and subjectivity. Underlying that is a distinction in modes of existence. Lots of things exist regardless of what anybody thinks. Mountains, molecules, and tectonic plates have a mode of existence that is ontologically objective. But pains and pickles and itches, they only exist insofar as they are experienced by a subject. They are ontologically subjective. So I want everybody to get that distinction because it's very important because-- well, for a lot of reasons, but one is lots of phenomena that are ontologically subjective admit of an account which is epistemically objective.
那是认识论上主观的。所以我们有了认识论上的客观性和主观性。在这背后，还有一个关于存在方式的区分。很多东西的存在不取决于任何人的想法。高山、分子和构造板块，它们的存在方式是本体论上客观的。但疼痛、痒这些感受，它们只有在被一个主体体验到时才存在。它们是本体论上主观的。所以我希望每个人都掌握这个区分，因为它非常重要，因为——嗯，原因有很多，但其中一个是，很多本体论上主观的现象，是可以有一种认识论上客观的解释的。
4:05
I first got interested in this kind of stuff. I thought, well, why don't these brain guys solve the problem of consciousness. And I went over UCSF to their neurobiology gang and told them, why the hell don't you guys figure out how the brain causes consciousness? What am I paying you to do? And their reaction was, look, we're doing science. Science is objective. And you, yourself, admit that consciousness is subjective. So there can't be a science of consciousness. Now you'll all recognize that's a fallacy of ambiguity.
我最初对这类问题产生兴趣的时候，我想，为什么这些研究大脑的家伙不去解决意识的问题呢。于是我跑去加州大学旧金山分校（UCSF）找他们神经生物学那帮人，对他们说，你们这帮人到底为什么不去搞清楚大脑是怎么产生意识的？我付钱让你们干什么的？他们的反应是：听着，我们做的是科学。科学是客观的。而你自己也承认，意识是主观的。所以不可能有一门关于意识的科学。现在你们都能看出来，这是一个歧义谬误。
4:39
Science is indeed epistemically objective because we strive for claims that can be established as true or false, independent of the attitudes of the makers and interpreters of the claim. But epistemic objectivity of the theory does not preclude an epistemically objective account of a domain that's ontologically subjective. I promised you I wouldn't use too many big words, but anyway there are a few. The point is this. You can have an epistemically objective science of consciousness, even though consciousness is ontologically subjective.
科学确实是认识论上客观的，因为我们追求的是那种可以被确立为真或假的主张，不依赖于提出主张的人和解释主张的人的态度。但理论在认识论上的客观性，并不妨碍我们对一个本体论上主观的领域做出认识论上客观的解释。我答应过你们不用太多大词，不过还是有那么几个。要点是这样的。你可以有一门认识论上客观的关于意识的科学，即使意识是本体论上主观的。
02观察者相对与观察者独立
5:20
Now that's going to be important. And there's another distinction. Since not everybody can see this, I'm going to erase as I go along. There's another distinction which is crucial. And that's between phenomena that are observer-independent. And there I'm thinking of mountains and molecules and tectonic plates, how they exist regardless of what anybody thinks. But the world is full of stuff that matters to us that is observer-relative. It only exists relative to observers and users. So, for example, the piece of paper in my wallet is money.
这一点接下来会很重要。还有另一个区分。因为不是每个人都能看到这块板子，我会边讲边擦。还有一个至关重要的区分。那就是不依赖于观察者（observer-independent）的现象。这里我指的是高山、分子和构造板块，它们的存在不取决于任何人怎么想。但这个世界上还充满了对我们很重要、却是相对于观察者（observer-relative）的东西。它们只有相对于观察者和使用者才存在。比如说，我钱包里的那张纸是钱。
6:08
But the fact that makes it money is not a fact of its chemistry. It's a fact about the attitudes that we have toward it. So money is observer-relative. Money, property, government, marriage, universities, Google, cocktail parties, and summer vacations are all observer-relative.
但让它成为钱的那个事实，并不是它的化学性质。而是我们对它所持的态度。所以钱是相对于观察者的。钱、财产、政府、婚姻、大学、谷歌、鸡尾酒会，还有暑假，这些都是相对于观察者的。
6:30
And that has to be distinguished from observer-independent. And notice now, all observer-relative phenomenon are created by human consciousness. Hence, they contain an element of ontological subjectivity. But you already know that you can have, in some cases, an epistemically objective science of a domain that is observer-relative. That's why you can have an objective science of economics even though the phenomena studied by economics is, in general, observer-relative, and hence contains an element of ontological subjectivity.
这必须和不依赖于观察者的东西区分开来。注意，所有相对于观察者的现象都是由人类意识创造出来的。因此，它们都包含着一种本体论主观性的成分。但你们已经知道，在某些情况下，你可以对一个相对于观察者的领域建立一门认识论上客观的科学。这就是为什么你可以有一门客观的经济学，尽管经济学所研究的现象总体上是相对于观察者的，因而包含着本体论主观性的成分。
7:11
Economists tend to forget that. They tend to think that economics is kind of like physics, only it's harder. When I studied economics, I was appalled. We learned that marginal cost equals marginal revenue in the same tone of voice that in physics we learned that force equals mass times acceleration. They're totally different because the stuff in economics is all observer-relative and contains an element of ontological subjectivity. And when the subjectivity changes-- ffft-- the whole thing collapses.
经济学家往往忘了这一点。他们往往以为经济学有点像物理学，只不过更难。我当年学经济学的时候，简直惊呆了。我们学'边际成本等于边际收益'时的口吻，和我们在物理课上学'力等于质量乘以加速度'时一模一样。它们完全是两码事，因为经济学里的东西全都是相对于观察者的，包含着本体论主观性的成分。而当这种主观性一变——噗——整个体系就崩塌了。
7:45
That was discovered in 2008. This is not a lecture about economics. I want you to keep all that in mind. Now that's important because a lot of the phenomena that are studied in cognitive science, particularly phenomena of intelligence, cognition, memory, thought, perception, and all the rest of it have two different senses. They have one sense, which is observer-independent, and another sense, which is observer-relative. And, consequently, we have to be very careful that we don't confuse those senses because many of the crucial concepts in cognitive science have as their reference phenomena that are observer-relative and not observer-independent.
2008年大家就见识到了。这不是一堂经济学课。我希望你们把这些都记在心里。这很重要，因为认知科学所研究的很多现象，尤其是智能、认知、记忆、思维、知觉等等这些现象，都有两种不同的意义。它们有一种意义是不依赖于观察者的，另一种意义是相对于观察者的。因此，我们必须非常小心，不要混淆这两种意义，因为认知科学中许多关键概念所指称的现象是相对于观察者的，而不是不依赖于观察者的。
03中文房间论证的由来与陈述
8:37
I'm going to get to that. OK, everybody up with us so far? I want everything to sound so obvious you think, why does this guy bore us with these platitudes? Why doesn't he say something controversial? Now I'm going to go and talk about some intellectual history. Many years ago, before any of you were born, a new discipline was born. It was called cognitive science. And it was founded by a whole bunch of us who got sick of behaviorism in psychology, effectively. That was the reason for it. And the Sloan Foundation used to fly us around to lecture, mostly to each other.
这个我后面会讲到。好，到目前为止大家都跟上了吧？我希望这些听起来都显而易见，让你们心想：这家伙干嘛拿这些老生常谈来烦我们？他怎么不说点有争议的东西？接下来我要讲一讲一段思想史。很多年前，在你们所有人出生之前，一门新学科诞生了。它叫认知科学。它是由我们一帮人创立的，说白了，就是一群受够了心理学中行为主义的人。这就是它诞生的缘由。斯隆基金会（Sloan Foundation）当时经常出钱送我们四处讲学，主要是讲给彼此听。
9:17
But anyway, that's all right. We were called Sloan Rangers. And I was invited to lecture to the Artificial Intelligence Lab at Yale. And I thought, well, christ, I don't know anything about artificial intelligence. So I went out and bought a book written by the guys at Yale. And I remember thinking, $16.95 plus tax-- money wasted. But it turned out I was wrong. They had in there a theory about how computers could understand. And the idea was that you give the computer a story. And then you ask the computer questions about the story.
不过没关系。我们被称作'斯隆游侠'（Sloan Rangers）。后来我受邀去耶鲁的人工智能实验室做讲座。我心想，哎呀老天，我对人工智能可是一窍不通。于是我出去买了一本耶鲁那帮人写的书。我记得当时心想：16.95美元外加税——钱白花了。但结果证明我错��。书里有一套关于计算机如何能'理解'的理论。思路是这样的：你给计算机一个故事。然后你就故事内容向计算机提问。
9:57
And the computer would give the correct answer to the questions even though the answer was not contained in the story. A typical story. A guy goes into a restaurant and orders a hamburger. When they brought him the hamburger, it was burned to a crisp. The guy stormed out of the restaurant and didn't even pay his bill. Question, did the guy eat the hamburger? Well, all of you computers know the answer to that. No, the guy didn't eat the hamburger. And I won't tell you the story where the answer is yes.
计算机会给出正确的答案，即使答案并没有包含在故事里。一个典型的故事是这样的。一个人走进餐馆，点了一个汉堡。汉堡端上来的时候，已经烤得焦黑。这人怒气冲冲地走出餐馆，连账都没付。问题：这个人吃汉堡了吗？嗯，你们这些'计算机'都知道答案。没有，这人没吃汉堡。答案是'吃了'的那个版本我就不讲了。
10:24
It's equally boring. Now, the point was this proves that the computer really understands the story. So there I was on my way to New Haven on United Airlines at 30,000 feet. And I thought, well, hell, they could give me these stories in Chinese. And I could follow the computer program for answering stories. And I don't understand a word of the story. And I thought, well, that's an objection they must have thought of. And besides that won't keep me going for a whole week in New Haven. Well, it turned out they hadn't thought of it.
一样无聊。关键在于，他们说这证明了计算机真的理解了这个故事。于是当时我坐着美联航的飞机去纽黑文，在三万英尺的高空。我心想，嘿，他们完全可以用中文给我这些故事。我可以照着那个回答问题的计算机程序去操作。而故事里的话我一个字都不懂。我又想，这个反驳他们肯定早想到了。再说，这点东西也不够我在纽黑文撑一整个星期。结果呢，他们还真没想到过。
11:02
And everybody was convinced I was wrong. But interestingly they all had different reasons for thinking I was wrong. And the argument has gone on longer than a week. It's gone on for 35 years. I mean, how often do I have to refute these guys? But anyway, let's go through it. The way the argument goes in its simplest version is I am locked in a room full of Chinese-- well, they're boxes full of Chinese symbols and a rule book in English for manipulating the symbols. Unknown to me, the boxes are called a database, and the rule book is called a program.
而且所有人都坚信我是错的。但有意思的是，他们认为我错的理由各不相同。这场争论持续的时间可远不止一个星期。它已经持续了35年。我是说，我到底要驳倒这些家伙多少次？不过不管怎样，我们来过一遍这个论证。这个论证最简单的版本是这样的：我被锁在一个房间里，里面全是中文——嗯，是装满中文符号的箱子，还有一本用英文写的操作这些符号的规则手册。我不知道的是，这些箱子叫做'数据库'，那本规则手册叫做'程序'。
11:40
In coming in the room, I get Chinese symbols. Unknown to me, those are questions. I look up what I'm supposed to do. And after I shuffle a lot of symbols, I give back other symbols. And those are answers to the questions. Now we will suppose-- I hope your bored with this, because I am. I mean, I've told this story many times. We will suppose that they get so good at writing the program, I get so good at shuffling the symbols, that my answers are indistinguishable from a native Chinese speaker. I pass the Turing test for understanding Chinese.
有中文符号被送进房间来。我不知道的是，那些是问题。我查手册看自己该做什么。在摆弄了一大堆符号之后，我递出另一些符号。而那些就是问题的答案。现在我们假设——我希望你们已经听腻了，因为我自己都腻了。我是说，这个故事我讲过太多遍了。我们假设他们把程序写得炉火纯青，我摆弄符号也练得炉火纯青，以至于我的答案和一个以中文为母语的人毫无区别。我通过了'理解中文'的图灵测试。
12:13
All the same, I don't understand a word of Chinese. And there's no way in the Chinese room that I could come to understand Chinese because all I am is a computer system. And the rules I operate are a computer program. And-- and this is the important point-- the program is purely syntactical. It is defined entirely as a set of operations over syntactical elements. To put it slightly more technically, the notion same implemented program defines an equivalence class that is specified completely independently of any physics and, in particular, independent of the physics of its realization.
尽管如此，我还是一个中文字都不懂。而且在这个'中文屋'里，我根本不可能学会理解中文，因为我整个就是一个计算机系统。我所执行的规则就是一个计算机程序。而且——这是关键所在——这个程序是纯粹句法性的。它完全被定义为一组作用于句法元素之上的操作。说得稍微技术性一点，“同一个被实现的程序”这个概念定义了一个等价类，这个等价类的规定完全独立于任何物理性质，尤其是独立于它得以实现的那种物理载体。
12:53
The bottom line is if I don't understand the questions and the answers on the basis of implementing the program, then neither does any other digital computer on that basis because no computer has anything that I don't have. Computers are purely syntactical devices. Their operations are defined syntactically. And human intelligence requires more than syntax. It requires a semantics. It requires an understanding of what's going on. You can see this if you contrast my behavior in English with my behavior in Chinese.
归根结底就是，如果我不能凭借运行这个程序来理解那些问题和答案，那么任何其他数字计算机也同样不能凭此理解，因为没有哪台计算机拥有任何我所没有的东西。计算机是纯粹的句法装置。它们的运算是按句法来定义的。而人类智能需要的不只是句法。它还需要语义。它需要对正在发生的事情有所理解。你可以通过对比我用英语的表现和我用中文的表现来看清这一点。
13:31
They ask me questions in English. And I give answers in English. They say, what's the longest river in the United States? And I say, well, it's the Mississippi, or the Mississippi-Missouri, depending on if you count that as one river. They ask me in Chinese, what's the longest river in China? I don't know what the question is or what it means. All I got are Chinese symbols. But I look up what I'm supposed to do with that symbol, and I give back an answer, which is the right answer. It says, it's the Yangtze.
他们用英语问我问题。我用英语给出回答。他们问：美国最长的河流是什么？我说：嗯，是密西西比河，或者是密西西比-密苏里河，这取决于你是否把它们算作一条河。他们用中文问我：中国最长的河流是什么？我不知道这是什么问题，也不知道它是什么意思。我拿到的只是一些中文符号。但我查一下该怎么处理那个符号，然后给出一个回答，而且是正确的回答。它说：是长江。
14:02
That's the longest river in China. I don't know any of that. I'm just a computer. So the bottom line is that the implemented computer program by itself is never going to be sufficient for human understanding because human understanding has more than syntax. It has a semantics. There are two fundamental principles that underlie the Chinese room argument. And both of them seem to me obviously true. You can state each in four words. Syntax is not semantics. And simulation is not duplication. You can simulate-- you're going to have plenty of time for questions.
那就是中国最长的河流。但这些我一概不知。我只是一台计算机。所以结论就是，被实现的计算机程序本身永远不足以产生人类的理解，因为人类的理解不只有句法，它还有语义。中文房间论证背后有两条基本原则。在我看来，这两条都显而易见是对的。每一条都可以用四个词来表述。句法不是语义。模拟不是复制。你可以模拟——你们待会儿会有充足的提问时间。
04对系统回应等反驳的回击
14:43
How much time we got, by the way? I want to-- JOHN BRACAGLIA: We'll leave time for questions at the end. JOHN SEARLE: I want everybody that has a question to have a chance to ask the question. Anyway, that's the famous Chinese room argument. And it takes about five minutes to explain it. Now you'd be amazed at the responses I got. They were absolutely breathtaking in their preposterousness. Now let me give you some answers. A favorite answer was this. You were there in a room. You had all those symbols.
对了，我们还有多少时间？我想——约翰·布拉卡利亚：我们会在最后留出提问时间。约翰·塞尔：我希望每一个有问题的人都有机会提问。总之，这就是著名的中文房间论证。解释它大概只需要五分钟。接下来，我收到的那些回应会让你们大吃一惊。它们的荒谬程度简直令人叹为观止。现在让我给你们讲几个回应。有一个很受欢迎的回应是这样的。你当时待在一个房间里。你有那些符号。
15:18
You had a box. You probably had scratch paper on which to work. Now, it wasn't you that understood. You're just a CPU, they would say with contempt, the Central Processing Unit. I didn't know what any of these words meant in those days. CPU, it's the system that understands. And when I first heard this, I mean, the room understands Chinese, I said to the guy. And he said, yes, the room understands Chinese. Well, it's a desperate answer. And I admire courage. But it's got a problem. And that is the reason I don't understand is I can't get from the syntax to the semantics.
你有一个盒子。你可能还有用来演算的草稿纸。那么，理解中文的并不是你。你只是个CPU——他们会带着轻蔑说——中央处理器。那时候我根本不知道这些词是什么意思。CPU？他们说，能理解的是整个系统。我第一次听到这个说法时，我是说，我对那家伙说：这个房间理解中文？他说：是的，这个房间理解中文。嗯，这是个孤注一掷的回答。我钦佩这种勇气。但它有个问题。问题在于，我之所以不理解，是因为我无法从句法通达语义。
16:00
But the room can't either. How does the room get from the syntax of the computer program of the input symbols to the semantics of the understanding of the symbols? There's no way the room can get there because that would require some consciousness in the room in addition to my consciousness. And there is no such consciousness. Anyway, that was one of many answers. One of my favorites was this. This was in a public debate. A guy said to me, but suppose we ask you, do you understand Chinese? And suppose you say, yes, I understand Chinese.
可房间也同样做不到。房间怎么可能从输入符号的计算机程序句法，通达对这些符号之理解的语义呢？房间根本无法做到这一点，因为那需要房间里除了我的意识之外还存在某种别的意识。而并不存在这样的意识。总之，那只是众多回应之一。我最喜欢的回应之一是这样的。那是在一场公开辩论上。有个人对我说：可是，假设我们问你，你懂中文吗？假设你回答：是的，我懂中文。
16:36
Well? Well, OK, let's try that and see how far we get. I get a question that looks like this. Now, this will be in a dialect of Chinese some of you won't recognize. Unknown to me, that symbol means, do you understand Chinese? I look up what I'm supposed to do. And I give them back a symbol that's in the same dialect of Chinese. And it looks like that. And that says, why do you guys ask me such dumb questions? Can't you see that I understand Chinese? I could go on with the other responses and objections, but I think they're all equally feeble.
那又怎样呢？好吧，那我们就试试看，看能走多远。我收到一个长这样的问题。这里用的是一种中文方言，你们有些人可能认不出来。我并不知道，那个符号的意思是：你懂中文吗？我查一下该怎么做。然后我用同一种中文方言还给他们一个符号。它长那个样子。它的意思是：你们干嘛问我这么蠢的问题？难道看不出来我懂中文吗？我还可以继续讲其他的回应和反驳，但我认为它们都同样站不住脚。
17:25
The bottom line is there's a logical truth. And that is that the implemented computer program is defined syntactically. And that's not a weakness. That's the power. The power of the syntactical definition of computation is you can implement it on electronic machines that can perform literally millions of computations in a very small amount of time. I'm not sure I believe this, but it always says it in the textbooks, that Deep Blue can do 250 million computations in a second. OK, I take their word for it.
归根结底，这里有一条逻辑真理。那就是：被实现的计算机程序是按句法定义的。而这并不是弱点。这正是它的威力所在。计算的句法定义之所以强大，就在于你可以把它实现在电子机器上，这些机器能在极短的时间内执行数以百万计的运算。我不确定自己信不信这个，但教科书里总是这么写：“深蓝”每秒能进行2.5亿次运算。好吧，我姑且相信他们的说法。
18:04
So it's not a weakness of computers. Now, another argument I sometimes got was, well, in programs, we often have a section called the semantics of natural understanding programs. And that's right. But, of course, what they do is they put in more computer implementation. They put in more syntax. Now, so far, so good. And I think if that's all there was to say, I've said all of that before. But now I want to go on to something much more interesting. And here goes with that. Now how we doing? I'm not-- everybody seems to understand there's going to be plenty of time for questions.
所以这不是计算机的弱点。另外，我有时听到的另一种论证是：嗯，在程序里，我们经常有一个叫“自然语言理解程序的语义”的部分。这没错。但当然，他们所做的不过是加入更多的计算机实现。他们加入的是更多的句法。到目前为止，一切都还好。我想，如果要说的就只有这些，那这些我以前都说过了。但现在我想接着讲一些有意思得多的东西。那我们就开始吧。现在进行得怎么样？我不是——大家似乎都明白后面会有充足的提问时间。
18:41
I insist on a good question period. So let me take a drink of water, and we go to the next step, which I think is more important.
我坚持要有一个高质量的提问环节。那么让我喝口水，我们进入下一步，我认为这一步更重要。
05智能是观察者相对的
18:51
A lot of people thought, well, look, maybe the computer doesn't understand Chinese, but all the same, it does information processing. And it does, after all, do computation. That's what we define the machine to do. And I had to review a couple of books recently. One book said that we live in a new age, the age of information. And in a wonderful outburst, the author said everything is information. Now that ought to worry us if everything is information. And I read another book. This was an optimistic book.
很多人会想：好吧，你看，也许计算机确实不理解中文，但不管怎样，它确实在做信息处理。而且它毕竟确实在做计算。那正是我们对这台机器所定义的功能。最近我不得不评论几本书。有一本书说，我们生活在一个新时代，信息时代。然后在一段精彩的高论中，作者说：万物皆信息。如果万物皆信息，那我们可就该担心了。我还读了另一本书。那是一本乐观的书。
19:37
I reviewed-- this for "The New York Review of Books"-- a less optimistic book by a guy who said computers are now so smart they're almost as smart as we are. And pretty soon, they'll be just as smart as we are. And then I don't have to tell this audience the next step. They'll be much smarter than we are. And then look out because they might get sick of being oppressed by us. And they might simply rise up and overthrow us all. And this, the author said modestly-- I guess this is how you sell books-- he said this may be the greatest challenge that humanity has ever faced, the upcoming revolt of super-smart computers.
我评论过——是给《纽约书评》写的——另一本没那么乐观的书，作者说计算机现在已经聪明到几乎和我们一样聪明了。而且很快，它们就会和我们一样聪明。接下来的一步，我都不必告诉在座各位了。它们会比我们聪明得多。然后可要当心了，因为它们可能会受够了被我们压迫。它们可能干脆揭竿而起，把我们全都推翻。而这位作者“谦虚地”说——我猜书就是这么卖出去的——他说，这可能是人类有史以来面临的最大挑战：即将到来的超级智能计算机的反叛。
20:25
Now, I want to say both of these claims are silly. I mean, I'm speaking shorthand here. There'll be plenty of chance to answer me. And I want to say briefly why. The notion of intelligence has two different senses. It has an observer-independent sense where it identifies something that is psychologically real. So I am more intelligent than my dog Tarski. Now, Tarski's pretty smart, I agree. But overall, I'm smarter than Tarski. I've had four dogs, by they way-- Frege, Russell, Ludwig, and Tarski.
现在我想说，这两种说法都很愚蠢。我是说，我这里讲得比较简略。你们会有大把机会来反驳我。我想简要说说原因。“智能”这个概念有两种不同的含义。它有一种独立于观察者的含义，指的是某种在心理上真实存在的东西。所以，我比我的狗塔斯基更聪明。当然，塔斯基挺聪明的，我承认。但总体上，我比塔斯基聪明。顺便说一句，我养过四条狗——弗雷格、罗素、路德维希，还有塔斯基。
21:08
And Tarski, he's a Bernese mountain dog. I'm sorry I didn't bring him along, but he's too big for the car. Now, he's very smart. But he does have intelligence in the same sense that I do. Only he happens to have somewhat less than I do. Now, my computer is also intelligent. And it also processes information. But-- and this is the key point-- it's observer-relative. The only sense in which the computer has intelligence is not in an intrinsic, but it's in an observer-relative sense. We can interpret its operations in such a way that we can make-- now, watch this terminology-- we can make epistemically objective claims of intelligence even though the intelligence in question is entirely in the eye of the beholder.
塔斯基是一条伯恩山犬。很抱歉我没把它带来，因为它太大了，车里装不下。它非常聪明。而且它拥有的智能和我的智能是同一种意义上的。只不过它碰巧比我少一些罢了。而我的计算机也是“智能”的。它也处理信息。但是——这是关键所在——那是相对于观察者而言的。计算机拥有智能的唯一意义，不是内在意义上的，而是相对于观察者的意义上的。我们可以用某种方式来解释它的运算，从而做出——注意这里的术语——我们可以做出在认识论上客观的智能断言，尽管所谈论的这种智能完全存在于观察者的眼中。
22:03
This was brought home forcefully to me when I read in the newspapers that IBM had designed a computer program which could beat the world's leading chess player. And in the same sense in which Kasparov beat Karpov so we were told Deep Blue beat Kasparov. Now that ought to worry us because for Karpov and Kasparov to play chess, they both have to be conscious that they're playing chess. They both have to know such things as I opened with pawn to king four, and my queen is threatened on the left-hand side of the board.
这一点让我深有体会，是在我从报纸上读到IBM设计出一个能击败世界顶尖棋手的计算机程序的时候。而就在卡斯帕罗夫击败卡尔波夫的那种意义上，我们被告知，深蓝击败了卡斯帕罗夫。这应该让我们警觉，因为对卡尔波夫和卡斯帕罗夫来说，要下国际象棋，他们俩都必须有意识地知道自己在下棋。他们俩都必须知道这样的事情，比如我开局走了王前兵进四，我的后在棋盘左侧受到了威胁。
22:42
But now notice, Deep Blue knows none on that because it doesn't know anything. You can make epistemically objective claims about Deep Blue. It made such and such a move. But the attributions of intelligent chess playing, this move or that move, it's all observer-relative. None of it is intrinsic. In the intrinsic sense in which I have more intelligence than my dog, my computer has zero intelligence-- absolutely none at all. It's a very complex electronic circuit that we have designed to behave as if it were thinking, as if it were intelligent.
但请注意，深蓝对这些一无所知，因为它什么都不知道。你可以对深蓝做出认识论上客观的论断。比如它走了某某一步棋。但把“智能下棋”归于它，无论这步棋还是那步棋，全都是相对于观察者的。没有一样是内在固有的。就我比我的狗更聪明的那种内在意义而言，我的电脑智能为零——绝对是一点儿也没有。它是一个非常复杂的电子电路，是我们设计出来让它表现得好像在思考、好像有智能一样。
23:24
But in the strict sense, in the observer-independent sense in which you and I have intelligence, there is zero intelligence in the computer. It's all observer-relative. And what goes for intelligence goes for all of the key notions in cognitive science. The notions of intelligence, memory, perception, decision-making, rationality-- all those have two different senses, a sense where they identify psychologically real phenomena of the sort that goes on in you and me and the sort where they identify observer-relative phenomena.
但在严格意义上，在你我拥有智能的那种不依赖于观察者的意义上，计算机里的智能为零。全都是相对于观察者的。而适用于智能的道理，同样适用于认知科学里所有的关键概念。智能、记忆、知觉、决策、理性——所有这些概念都有两种不同的含义：一种含义指的是心理上真实的现象，就是发生在你我身上的那种；另一种含义指的是相对于观察者的现象。
24:02
But in the intrinsic sense in which you and I have intelligence, the machinery we're talking about has zero intelligence. It's no question of its having more or less. It's not in the same line of business. All of the intelligence is in the eye of the beholder. It's all observer-relative. Now, you might say-- and I would say-- so, for most purposes, it makes no difference at all. I mean, if you can design a car that can drive itself, who cares if it's conscious or not? Who cares if it literally has any intelligence?
但在你我拥有智能的那种内在意义上，我们谈论的这些机器智能为零。根本不存在它智能多一点还是少一点的问题。它压根就不属于同一个范畴。所有的智能都存在于观察者的眼中。全都是相对于观察者的。你可能会说——我自己也会说——所以，就大多数用途而言，这根本没什么区别。我是说，如果你能设计出一辆会自动驾驶的汽车，谁在乎它有没有意识呢？谁在乎它是不是真的有什么智能呢？
24:35
And I agree. For most purposes, it doesn't matter. For practical purposes, it doesn't matter whether or not you have the observer-independent or the observer-relative sense. The only point where it matters, if you think there's some psychological significance to the attribution of intelligence to machinery which has no intrinsic intelligence. Now, notice the intelligence by which we-- the mental processes by which we attribute intelligence to the computer require consciousness. So the attribution of observer-relativity is done by conscious agents.
我同意这一点。就大多数用途而言，这无关紧要。从实际角度来说，你用的究竟是不依赖于观察者的含义，还是相对于观察者的含义，都无所谓。唯一要紧的地方在于，如果你认为把智能归于机器这件事有某种心理学上的意义，而这机器本身并没有内在的智能。请注意，我们借以——我们把智能归于计算机时所依赖的那些心理过程，是需要意识的。所以，观察者相对性的归属是由有意识的主体完成的。
06计算本身也不是自然事实
25:16
But the consciousness is not itself observer-relative. The consciousness that creates the observer-relative phenomena is not itself observer-relative. But now let's get to the crunch line then. If information is systematically ambiguous between an intrinsic sense, in which you and I have information, and an observer-relative sense, in which the computer has information, what about computation? After all, computation, that must surely be intrinsic to the computer. That's what we designed and built the damn things to do, was computation.
但意识本身并不是相对于观察者的。创造出观察者相对现象的那个意识，其本身并不是相对于观察者的。那么现在我们来谈关键问题。如果“信息”这个词系统性地存在歧义，一边是内在的含义，即你我拥有信息的那种含义，一边是相对于观察者的含义，即计算机拥有信息的那种含义，那计算又如何呢？毕竟，计算总该是计算机内在固有的吧。我们设计和制造这些鬼东西，就是为了让它们做计算。
25:58
But, of course, the same distinction applies. And I want to take a drink of water and think about history for a moment. When I first read Alan Turing's article, it was called "Computing Machinery and Intelligence." Now why didn't he call it "Computers and Intelligence"? Well, you all know the answer. In those days, "computer" meant "person who computes." A computer is like a runner or a piano player. It's some human who does the operation. Nowadays nobody would think that because the word has changed its meaning.
但当然，同样的区分也适用于这里。我想喝口水，顺便回顾一下历史。我第一次读艾伦·图灵那篇文章时，它的标题是《计算机器与智能》。那他为什么不叫它《计算机与智能》呢？嗯，你们都知道答案。在那个年代，“computer”指的是“做计算的人”。“computer”就像“跑步者”或“钢琴演奏者”一样，指的是执行这项操作的某个人。如今没人会这么想了，因为这个词已经改变了含义。
26:37
Or, rather, it's acquired the systematic ambiguity between the observer-relative sense and the observer-independent sense. Now we think that a computer names a type of machinery, not a human being who actually carries out computation. But the same distinction that we've been applying, the same distinction that we discovered in all these other cases, that applies to computation in the literal or observer-independent sense in which I will now do a simple computation. I will do a computation using the addition function.
或者更准确地说，它获得了那种系统性的歧义，介于相对于观察者的含义和不依赖于观察者的含义之间。现在我们认为“计算机”指的是一种机器，而不是一个实际执行计算的人。但我们一直在运用的那个区分，也就是我们在所有其他情形中发现的那个区分，同样适用于字面意义上、也就是不依赖于观察者意义上的计算——现在我就来做一个简单的计算。我要用加法函数做一个计算。
27:21
And here's how it goes. It's not a very big deal. One plus one equals two. Now, the sense in which I carried out a computation is absolutely intrinsic and observer-independent. I don't care what anybody says about me. If the experts say, well, you weren't really computing. No, I was. I consciously did a computation. When my pocket calculator does the same operation, the operation is entirely observer-relative. Intrinsically all that goes on is a set of electronic state transitions that we have designed so that we can interpret computationally.
是这样做的。没什么大不了的。一加一等于二。我刚才执行计算的这种意义，是绝对内在的、不依赖于观察者的。我不在乎别人怎么说我。如果专家们说，你其实并没有真的在计算——不，我就是在计算。我是有意识地做了一次计算。而当我的袖珍计算器执行同样的运算时，这个运算就完全是相对于观察者的了。从内在来看，发生的只是一系列电子状态的转换，我们把它们设计成这样，以便我们能从计算的角度去解读。
27:58
And, again, to repeat, for most purposes, it doesn't matter. When it matters is when people say, well, we've created this race of mechanical intelligences. And they might rise up and overthrow us. Or they attribute some other equally implausible psychological interpretation to the machinery. In commercial computers, the computation is observer-relative. Now notice, you all know that doesn't mean it's epistemically subjective. And I pay a lot of money so that Apple will make a piece of machinery that will implement programs that my earlier computers were not intelligent enough to implement.
再重复一遍，就大多数用途而言，这无关紧要。要紧的时候，是当人们说：瞧，我们创造出了一个机械智能的种族，它们可能会起来推翻我们。或者当人们给这些机器赋予别的同样不靠谱的心理学解释的时候。在商用计算机中，计算是相对于观察者的。但请注意，你们都知道，这并不意味着它在认识论上是主观的。我花了不少钱，好让苹果公司造出一台能运行那些程序的机器，而我以前的电脑还不够智能，跑不动那些程序。
28:41
Notice the observer-relative attribution of intelligence here. So it's absolutely harmless unless you think there's some psychological significance. Now what is lacking, of course, in the machinery, which we have in human beings which makes the difference between the observer relativity of the computation in the commercial computer and the intrinsic or observer independent computation that I have just performed on the blackboard, what's lacking is consciousness. All observer-relative phenomena are created by human and animal consciousness.
注意，这里对智能的归属就是相对于观察者的。所以这完全无伤大雅，除非你认为这里面有什么心理学上的意义。那么，机器里所缺少的东西——当然，我们人类身上有它——正是它造成了商用计算机中计算的观察者相对性，与我刚才在黑板上进行的那种内在的、不依赖于观察者的计算之间的差别——所缺少的就是意识。所有相对于观察者的现象，都是由人类和动物的意识创造的。
29:20
But the human and animal consciousness that creates them is not itself observer-relative. So there's an intrinsic mental phenomena, the consciousness of the agent, which creates the observer-relative phenomena, or interprets the mechanical system in an observer relative fashion. But the consciousness that creates observer relativity is not itself observer-relative. It's intrinsic. Now, I wanted to save plenty of time for discussion. So let me catch my breath and then give a kind of summary of the main thrust of what I've been arguing.
但创造出它们的人类和动物的意识，其本身并不是相对于观察者的。所以存在一种内在的心理现象，即主体的意识，它创造出相对于观察者的现象，或者以一种相对于观察者的方式去解读机械系统。但创造出观察者相对性的那个意识，本身并不是相对于观察者的。它是内在的。好，我想留出充足的时间来讨论。让我喘口气，然后对我一直在论证的主要观点做一个概括。
29:59
And one of things I haven't emphasized but I want to emphasize now, and that is most of the apparatus, the conceptual apparatus, we have for discussing these issues is totally obsolete. The difference between the mental and the physical, the difference between the social and the individual, and the distinction between those features which can be identified in an observer-relative fashion, such as computation, and those which can be identified in an observer-independent fashion, such as computation.
有一点我之前没有强调，但现在想强调一下，那就是我们用来讨论这些问题的大部分工具，也就是概念工具，已经完全过时了。心理与物理的区别、社会与个体的区别，以及那些能以相对于观察者的方式来认定的特征——比如计算——与那些能以不依赖于观察者的方式来认定的特征之间的区分——比如计算。
30:40
We're confused by the vocabulary which doesn't make the matters sufficiently clear. And I'm going to end this discussion by going through some of the elements of the vocabulary. Now, let me have a drink of water and catch my breath.
这套词汇让我们困惑，因为它没有把这些问题讲得足够清楚。而我打算在结束这场讨论时，把这套词汇中的一些要素过一遍。现在，让我喝口水，喘口气。
07机器能思考吗：人工心脏类比
31:00
Let's start with that old question, could a machine think? Well, I said the vocabulary was obsolete. And the vocabulary of humans and machines is already obsolete because if by machine is meant a physical system capable of performing certain functions, then we're all machines. I'm a machine. You're a machine. And my guess is only machines could think. Why? Well that's the next step. Thinking is a biological process created in the brain by certain quite complex, but insufficiently understood neurobiological processes.
我们从那个老问题开始：机器能思考吗？我说过，这套词汇已经过时了。而“人类”与“机器”这套说法本身就已经过时了，因为如果“机器”指的是一个能够执行某些功能的物理系统，那么我们都是机器。我是机器。你也是机器。而且我猜，只有机器才能思考。为什么？这就是下一步要讲的。思考是一种生物过程，是大脑中某些相当复杂、但我们了解得还不够充分的神经生物学过程所产生的。
31:45
So in order to think, you've got to have a brain, or you've got to have something with equivalent causal powers to the brain. We might figure out a way to do it in some other medium. We don't know enough about how the brain does it. So we don't know how to create it artificially. So could a machine think? Human beings are machines. Yes, but could you make an artificial machine that could think? Why not? It's like an artificial heart. The question, can you build an artificial brain that can think, is like the question, can you build an artificial heart that pumps blood.
所以要能思考，你得有一个大脑，或者你得有某种因果能力与大脑相当的东西。我们也许能想出办法在别的介质中实现它。我们对大脑是怎么做到的还了解得不够。所以我们还不知道怎么人工地创造它。那么，机器能思考吗？人类就是机器。可以。但你能造出一台会思考的人造机器吗？为什么不能呢？这就像人工心脏一样。“你能不能造出一个会思考的人工大脑”这个问题，就像“你能不能造出一个能泵血的人工心脏”这个问题。
32:19
We know how the heart does it, so we know how to do it artificially. We don't know how the brain does it, so we have no idea. Let me repeat this. We have no idea how to create a thinking machine because we don't know how the brain does it. All we can do is a simulation using some sort of formal system. But that's not the real thing. You don't create thinking that way, whereas the artificial heart really does pump blood. So we had two questions. Could a machine think? And could an artificially-made machine think?
我们知道心脏是怎么工作的，所以我们知道怎么人工地实现它。我们不知道大脑是怎么做到的，所以我们完全没有头绪。让我再重复一遍。我们完全不知道该如何创造一台会思考的机器，因为我们不知道大脑是怎么做到的。我们能做的只是用某种形式系统来进行模拟。但那不是真正的思考。你没法用那种方式创造出思考，而人工心脏却是真的在泵血。所以我们有两个问题。机器能思考吗？人造的机器能思考吗？
32:52
Answer the question one is obviously yes. Answer to question two is, we don't know yet, but there's no obstacle in principle. Does everybody see that? Building an artificial brain is like building an artificial heart. The only thing is no one has begun to try it. They haven't begun to try it because they have no idea how the actual brain does it. So they don't know how to imitate actual brains. Well, OK, but could you build an artificial brain that could think out of some completely different materials, out of something that had nothing to do with nucleo-proteins, had nothing to with neurons and neurotransmitters and all the rest of it.
第一个问题的答案显然是肯定的。第二个问题的答案是，我们还不知道，但原则上不存在障碍。大家都明白这一点吗？建造一个人工大脑就像建造一颗人工心脏。唯一的问题是还没有人开始尝试。他们还没开始尝试，是因为他们完全不知道真正的大脑是怎么运作的。所以他们不知道该如何模仿真实的大脑。好吧，那你能不能用一些完全不同的材料造出一个能思考的人工大脑，用一些和核蛋白毫无关系、和神经元、神经递质以及其他所有这些东西都毫无关系的材料。
33:32
And the answer is, again, we don't know. That seems to me an open question. If we knew how the brain did it, we might be able to define-- I mean, be able to design machines that could do it using some completely different biochemistry in a way that the artificial heart doesn't use muscle tissue to pump blood. You don't need muscle tissue to pump blood. And maybe you don't need brain tissue to create consciousness. We just are ignorant. But notice there's no obstacle in principle. The problem is no one has begun to think about how you would build a thinking machine, how you'd build a thinking machine out of some material other than neurons because they haven't begun to think about how we might duplicate and not merely simulate what the brain actually does.
答案还是：我们不知道。在我看来这是一个悬而未决的问题。如果我们知道大脑是怎么做到的，我们也许就能定义——我的意思是，就能设计出用某种完全不同的生物化学机制来实现思考的机器，就好比人工心脏并不需要用肌肉组织来泵血一样。泵血并不需要肌肉组织。也许创造意识也并不需要脑组织。我们只是无知而已。但请注意，原则上不存在障碍。问题在于，还没有人开始思考该如何建造一台会思考的机器，如何用神经元以外的材料建造一台会思考的机器，因为他们还没开始思考我们该如何复制——而不仅仅是模拟——大脑实际上所做的事情。
34:26
So the question, could a machine think, could an artificial machine think, could an artificial machine made out of some completely different materials, could those machines think? And now the next question is the obvious one. Well, how about a computer? Could a computer think? Now, you have to be careful here. Because if a computer is defined as anything that can carry out computations, well, I just did. This is a computation. So I'm a computer. And so are all of you. Any conscious agent capable of carrying out that simple computation is capable, is both a computer and capable of thinking.
所以问题是：机器能思考吗？人造机器能思考吗？用完全不同的材料制造出来的人造机器，那些机器能思考吗？接下来的问题是显而易见的。那么，计算机呢？计算机能思考吗？这里你得小心一点。因为如果计算机被定义为任何能执行计算的东西，那我刚刚就做了一次计算。这就是一次计算。所以我就是一台计算机。你们所有人也都是。任何有意识的、能够执行那种简单计算的主体，既是一台计算机，也具有思考能力。
35:09
So my guess is-- and I didn't have a chance to develop this idea-- is that not only can computers think-- you and me-- but my guess is that anything capable of thinking would have to be capable of carrying out simple computations. But now what is the status of computation? Well, the key element here is the one I've already mentioned. Computation has two senses, an observer-independent sense and an observer-relative sense. In the observer-relative sense, anything is a computer if you can ascribe a computational interpretation.
所以我的猜测是——我还没来得及展开这个想法——不仅计算机能思考——比如你和我——而且我猜任何能思考的东西都必须具备执行简单计算的能力。但计算本身的地位又是什么呢？关键点就是我已经提到过的那一点。计算有两种意义：一种是独立于观察者的意义，一种是相对于观察者的意义。在相对于观察者的意义上，任何东西只要你能赋予它一种计算解释，它就是一台计算机。
35:47
Watch. I'll show you a very simple computer. That computer just computed a well-known function. s equals one-half gt squared. And if you had a good-enough watch, you could actually time and figure out how far the damn thing fell. Everybody sees. It's elementary mathematics. So if this is a computer, then anything is a computer because being a computer in the observer-relative sense is not an intrinsic feature of an object, but a feature of our interpretation of the physics of the phenomenon. In the old Chinese room days, when I had to debate these guys, at one point, I'd take my pen, slam it on a table, and say that is a digital computer.
看好了。我给你们展示一台非常简单的计算机。这台计算机刚刚计算了一个著名的函数：s 等于二分之一 gt 平方。如果你有一块足够好的表，你真的可以计时，然后算出这玩意儿掉了多远。大家都看到了。这是初等数学。所以如果这也算计算机，那么任何东西都是计算机，因为在相对于观察者的意义上，作为一台计算机并不是一个物体的内在特征，而是我们对这一现象的物理过程所做解释的特征。在当年争论中文屋的日子里，我不得不和那些家伙辩论，有一次我拿起我的笔，往桌上一拍，说：这就是一台数字计算机。
36:32
It just happens to have a boring computer program. The program says stay there. The point is nobody ever called me on this because it's obviously right. It satisfies a textbook definition. You know, in the early days, they tried to snow me with a whole lot of technical razzmatazz. "You've left out the distinction between the virtual machine and the non-virtual machine" or "you've left out the transducers." You see, I didn't know what the hell a transducer was, a virtual machine. But it takes about five minutes to learn those things.
只不过它碰巧运行着一个很无聊的程序。程序的内容是：待在那儿别动。关键在于，从来没有人反驳过我这一点，因为这显然是对的。它符合教科书上的定义。要知道，早年间他们想用一大堆技术行话来唬住我。比如“你忽略了虚拟机和非虚拟机之间的区别”，或者“你忽略了换能器”。你看，我当时根本不知道换能器是什么鬼东西，也不知道虚拟机是什么。但这些东西五分钟就能学会。
37:04
Anyway, so now we get to the crucial question in this. If computers can think, man-made computers can think, machines can think, what about computation? Does computation name a machine, a thinking process? That is, is computation, as defined by Alan Turing, is that itself sufficient for thinking? And you now know the answer to that. In the observer-relative sense, the answer is no. Computation is not a fact of nature. It's a fact of our interpretation. And insofar as we can create artificial machines that carry out computations, the computation by itself is never going to be sufficient for thinking or any other cognitive process because the computation is defined purely formally or syntactically.
好了，现在我们来到这里面最关键的问题。如果计算机能思考，人造的计算机能思考，机器能思考，那计算本身呢？计算指的是一种机器、一种思考过程吗？也就是说，按照艾伦·图灵所定义的计算，它本身足以构成思考吗？现在你们已经知道答案了。在相对于观察者的意义上，答案是否定的。计算不是自然界的事实。它是我们的解释所产生的事实。即便我们能造出执行计算的人工机器，计算本身也永远不足以构成思考或任何其他认知过程，因为计算是纯粹从形式上或句法上定义的。
37:56
Turing machines are not to be found in nature. They're to be found in our interpretations of nature. Now, let me add, a lot of people think, ah, this debate has something to do with technology or there'll be advances in technology. I think that technology's wonderful. And I welcome it. And I see no limits to the possibilities of technology. My aim is this talk is simply to get across, you shouldn't misunderstand the philosophical, psychological, and, indeed, scientific implication of the technology.
图灵机在自然界中是找不到的。它们存在于我们对自然的解释之中。另外我要补充一句，很多人觉得，啊，这场争论跟技术有什么关系，或者技术会取得什么进展。我认为技术非常美妙。我也欢迎技术。我认为技术的可能性没有极限。我这次演讲的目的仅仅是想让大家明白，你们不应该误解这项技术在哲学、心理学、乃至科学层面上的含义。
38:28
Thank you very much. [APPLAUSE]
非常感谢大家。[掌声]
08库兹韦尔的替换论证与回应
38:41
JOHN BRACAGLIA: Thank you, John. JOHN SEARLE: I'm sorry I talk so fast, but I want to leave plenty of time for questions. JOHN BRACAGLIA: We'll start with one question from Mr. Ray Kurzweil. RAY KURZWEIL: Is this on? [INTERPOSING VOICES]
约翰·布拉卡利亚：谢谢你，约翰。约翰·塞尔：抱歉我讲得太快了，但我想留出充足的时间来回答问题。约翰·布拉卡利亚：我们先请雷·库兹韦尔先生提一个问题。雷·库兹韦尔：这个开着吗？[多人同时说话]
38:55
RAY KURZWEIL: Well, thanks, John. I'm one of those guys you've been debating this issue for 18 years, I think. And I would praise the Chinese room for its longevity because it does really get at the apparent absurdity that some deterministic process like computation could possibly be responsible for something like thinking. And you point out the distinction of thinking between its effects and the subjective states, which is a synonym for consciousness. So I quoted you here in my book "Singularity is Near,"
雷·库兹韦尔：好的，谢谢你，约翰。我就是那些和你争论这个问题的人之一，大概争了18年了吧。我要赞扬中文屋论证的生命力，因为它确实切中了一个表面上的荒谬之处：像计算这样的确定性过程怎么可能产生像思考这样的东西。而且你指出了思考的一个区分：一边是它的外在效果，一边是主观状态，后者就是意识的同义词。所以我在我的书《奇点临近》里引用了你的话，
39:41
at the equivalence of neurons and even brains with machines. So then I took your argument why a machine and a computer could not truly understand what it's doing and simply substituted human brain for computers, since you said they were equivalent, and neurotransmitter concentrations and related mechanisms for formal symbols, since basically neurotransmitter concentrations, it's just a mechanistic concept. And so you wrote, with those substitutions, the human brain succeeds by manipulating neurotransmitter concentrations and other related mechanisms.
关于神经元乃至大脑与机器的等价性。于是我拿来你那套论证——为什么机器和计算机不可能真正理解它在做什么——然后简单地把“计算机”替换成“人脑”，因为你说过它们是等价的，再把“形式符号”替换成“神经递质浓度及相关机制”，因为说到底，神经递质浓度也只是一个机械性的概念。于是，经过这些替换，你写的就变成了：人脑是通过操纵神经递质浓度和其他相关机制来运作的。
40:24
The neurotransmitter concentrations and related mechanisms themselves are quite meaningless. They only have the meaning we have attached to them. The human brain knows nothing of this. It just shuffles the neurotransmitter concentrations and related mechanisms. Therefore, the human brain cannot have true understanding. So-- [LAUGHTER] JOHN SEARLE: There's something interesting variations, again, on my original. RAY KURZWEIL: But the point I'd like to make, and that I'd be interested in your addressing, is the nature of consciousness because, I mean, you said today, and you wrote, the essential thing is to recognize that consciousness is a biological processes like digestion, lactation, photosynthesis, or mitosis.
神经递质浓度和相关机制本身是毫无意义的。它们只有我们赋予它们的意义。人脑对此一无所知。它只是在搬弄神经递质浓度和相关机制而已。因此，人脑不可能拥有真正的理解。所以——[笑声]约翰·塞尔：这又是对我原始论证的一些有趣的变体。雷·库兹韦尔：但我想表达的观点，也是我希望你回应的，是意识的本质，因为，我是说，你今天说过，你也写过，关键是要认识到意识是一种生物过程，就像消化、泌乳、光合作用或有丝分裂一样。
41:12
We know that brains cause consciousness with specific biological mechanisms. But how do we know that a brain is conscious? How do you know that I'm conscious? And how do you-- JOHN SEARLE: [INAUDIBLE] RAY KURZWEIL: And how do we know if a computer was conscious? We don't have a computer today that seems conscious, that's convincing in its responses. But my prediction is we will. We can argue about the time frame. And when we do, how do we know if it's conscious of it just seems conscious? How do we measure that?
我们知道大脑通过特定的生物机制产生意识。但我们怎么知道一个大脑是有意识的呢？你怎么知道我是有意识的？还有你怎么——约翰·塞尔：[听不清]雷·库兹韦尔：还有，我们怎么知道一台计算机是不是有意识的？我们今天还没有一台看起来有意识的、回应令人信服的计算机。但我的预测是将来会有。时间框架我们可以争论。等到那一天，我们怎么知道它是真的有意识还是仅仅看起来有意识？我们怎么衡量这一点？
41:45
JOHN SEARLE: Well, there are two questions here. One is, if you do a substitution of words that I didn't use and the words I did use, can you get these observed results? And, of course, you can do that. That's a well-known technique of politicians. But that wasn't the claim. What is the difference between the computer and the brain? In one sentence, the brain is a causal mechanism that produces consciousness by a certain rather complex and still imperfectly understood neurobiological processes. But those are quite specific to a certain electrochemistry.
约翰·塞尔：嗯，这里有两个问题。一个是，如果你把我没用过的词替换掉我用过的词，你能得出这些所谓的结果吗？当然了，你可以那样做。那是政客们惯用的伎俩。但当初的主张并不是这个。计算机和大脑的区别是什么？一句话来说，大脑是一种因果机制，它通过某种相当复杂、至今仍未被完全理解的神经生物学过程来产生意识。但那些过程对特定的电化学机制是非常特异的。
42:23
We just don't know the details. But we don't know if you mess around in the synaptic cleft, you're going to get weird effects. How does cocaine work? Well, it isn't because it's got a peculiar computational capacity. Because it messes with the capacity of the postsynaptic receptors to reabsorb quite specific neurotransmitters, norepinephrine-- what are the other two? God, I'm flunking the exam here. Dopamine. Gaba is the third. Anyway, the brain, like the stomach or any other organ, is a specific causal mechanism.
我们只是还不了解其中的细节。但我们知道，你要是在突触间隙里乱动手脚，就会出现奇怪的效应。可卡因是怎么起作用的？嗯，并不是因为它有什么特殊的计算能力。而是因为它干扰了突触后受体重新摄取某些特定神经递质的能力，比如去甲肾上腺素——另外两种是什么来着？天哪，我这是要考试不及格了。多巴胺。第三种是 GABA（γ-氨基丁酸）。总之，大脑就像胃或其他任何器官一样，是一种特定的因果机制。
43:01
And it functions on specific biochemical principles. The problem of the computer is it has nothing to do with the specifics of the implementation. Any implementation will do provided it's sufficient to carry out the steps in the program. Programs are purely formal or syntactical. The brain is not. The brain is a specific biological organ that operates on specific principles. And to create a conscious machine, we've got to know how to duplicate the causal powers of those principles. Now, the computer doesn't in that way work as a causal mechanism producing higher level features.
它按照特定的生化原理运作。而计算机的问题在于，它与实现方式的具体细节毫无关系。任何一种实现方式都行，只要它足以执行程序中的各个步骤。程序纯粹是形式化的，或者说是句法性的。而大脑不是。大脑是一个特定的生物器官，按照特定的原理运作。要造出一台有意识的机器，我们就得知道如何复制这些原理的因果能力。而计算机并不是以那种方式作为产生更高层次特征的因果机制来运作的。
43:41
Rather, computation names an abstract mathematical process that we have found ways to implement in specific hardware. But the hardware is not essential to the computation. Any system that can carry out the computation will be equivalent. Now, the second question is about how do you know about consciousness. Well, think about real life. How do I know my dog Tarski is conscious and this thing here, my smartphone, is not conscious? I don't have any doubts about either one. I can tell that Tarski is conscious not on behavioristic grounds.
相反，"计算"指的是一种抽象的数学过程，我们找到了在特定硬件上实现它的方法。但硬件对计算来说并不是本质性的。任何能够执行这一计算的系统都是等价的。那么，第二个问题是关于你怎么知道意识的存在。嗯，想想现实生活吧。我怎么知道我的狗塔斯基（Tarski）有意识，而我手里这个东西——我的智能手机——没有意识？这两点我都毫不怀疑。我能判断塔斯基有意识，并不是基于行为主义的理由。
44:20
People say, well, it's because he behaves like a human being. He doesn't. See, human beings I know when they see me don't rush up and lick my hands and wag their tails. They just don't. My friends don't do that. But Tarski does. I can see that Tarski is conscious because he's got a machinery that's relatively similar to my own. Those are his eyes. These are his ears. This is his skin. He has mechanisms that mediate the input stimuli to the output behavior that are relatively similar to human mechanisms.
人们会说，那是因为它的行为像人。它才不像。要知道，我认识的那些人看到我的时候可不会冲上来舔我的手、摇尾巴。他们就是不会。我的朋友们可不干这种事。但塔斯基会。我能看出塔斯基有意识，是因为它拥有一套和我自己相对相似的机制。那是它的眼睛。这是它的耳朵。这是它的皮肤。它有一些把输入刺激传导为输出行为的机制，这些机制和人类的机制相对相似。
44:53
This is why I'm completely confident that Tarski's conscious. I don't know anything about fleas and termites. You know, your typical termite's got 100,000 neurons. Is that enough? Well, I lose 100,000 on a big weekend. So I don't know if that's enough for consciousness. But that's a factual question. I'll leave that to the experts. But as far as human beings are concerned there isn't any question that everybody in this room is conscious. I mean, maybe that guy over there is falling asleep, but there's no question about what the general-- it's not even a theory that I hold.
这就是为什么我完全确信塔斯基是有意识的。至于跳蚤和白蚁，我就一无所知了。要知道，一只典型的白蚁大概有 10 万个神经元。这够吗？嗯，我一个放纵的周末就能损失 10 万个神经元。所以我不知道那是否足以产生意识。但那是个事实问题。我就把它留给专家们吧。但就人类而言，毫无疑问，这个房间里的每个人都是有意识的。我是说，也许那边那位老兄正在打瞌睡，但总体上毫无疑问——这甚至算不上我所持有的一种理论。
45:29
It's a background presupposition. The way I assume that the floor is solid, I simply take it for granted that everybody's conscious. If forced to justify it, I could. Now, there's always a problem about the details of other minds. Of course, I know you're conscious. But are you suffering the angst of post-industrial man under late capitalism? Well, I have a lot of friends who claim they do. And they think I'm philistine because I don't. But that's tougher. We'd have to have a conversation about that.
它是一个背景预设。就像我默认地板是坚实的一样，我理所当然地认为每个人都有意识。如果非要我论证，我也能做到。当然，关于他人心灵的细节，总是存在问题的。当然，我知道你是有意识的。但你是否正承受着晚期资本主义之下后工业时代人类的那种焦虑呢？嗯，我有很多朋友声称他们正在承受。而且他们觉得我很俗气，因为我没有。但那就难说了。我们得专门聊聊那个问题。
09模拟大脑、机器起义与他心问题
45:58
But for consciousness, it's not a real problem in a real-life case. AUDIENCE: So you've said that we haven't begun to understand how brains work or build comparable machines. But imagine in the future we do. So we can run a simulation, as you put it, of a brain. And then we interface it with reality through motor output, sensory input. What's the difference between that and a brain, which you say you know is producing consciousness? In JOHN SEARLE: In some cases, there's no difference at all. And the difference doesn't matter.
但就意识本身而言，在现实生活的情境中，这并不是一个真正的问题。观众：您说过，我们还没有开始理解大脑是如何运作的，也造不出与之相当的机器。但假设将来我们做到了。那么我们就可以像您说的那样，运行一个对大脑的模拟。然后我们让它通过运动输出和感觉输入与现实世界对接。那它和大脑之间又有什么区别呢？您说您知道大脑正在产生意识。呃——约翰·塞尔：在某些情况下，完全没有区别。而且这种区别也无关紧要。
46:32
If you've got a machine-- I hope you guys are, in fact, building it because the newspapers say you are. If you've got a program that'll drive my car without a conscious driver, that's great. I think that's wonderful. The question is not, what can the technology do? My daddy was an electrical engineer for AT&T. And his biggest disappointment was I decided to be a philosopher, for God's sake, instead of going to Bell Labs and MIT as he had hoped. So I have no problem with the success of the technology.
如果你们有一台机器——我希望你们确实是在造，因为报纸上说你们在造。如果你们有一个程序，能在没有有意识的司机的情况下开我的车，那太棒了。我觉得那很了不起。问题不在于技术能做什么。我父亲是 AT&T 的电气工程师。他最大的失望就是我居然决定去当哲学家，老天爷，而不是像他期望的那样去贝尔实验室和麻省理工。所以我对技术的成功毫无意见。
47:06
The question is, what does it mean? Of course, if you've got a machine that can drive a car as well as I, or probably better than I can, then so much the better for the machinery. The question is, what is the philosophical psychological scientific significance of that? And if you think, well, that means you've created consciousness, you have not. You have to have more to create consciousness. And for a whole lot of things, consciousness matters desperately. In this case of this book that I reviewed, where the guy said, well, they got machines that are going to rise up and overthrow us all, it's not a serious possibility because the machines have no consciousness.
问题是，这意味着什么？当然，如果你有一台机器，开车开得和我一样好，或者很可能比我还好，那对机器来说就更好了。问题是，这在哲学、心理学和科学上有什么意义？如果你认为，这意味着你创造出了意识，那你并没有。要创造意识，你还需要更多的东西。而且对很多很多事情来说，意识至关重要。就拿我评论过的那本书来说，那家伙说，机器将会崛起并推翻我们所有人，这不是一种严肃的可能性，因为机器没有意识。
47:44
They have no conscious psychological state. It's about like saying the shoes might get up out of the closet and walk all over us. After all, we've been walking on them for centuries, why don't they strike back? It is not a real-life worry. Yeah? AUDIENCE: The difference that I'm interested in-- sorry, the similarity I'm interested in is not necessarily the output or the outcome of the system, but rather, that is, it has the internal causal similarity to the brain that you mentioned. JOHN SEARLE: Yeah, that's a factual question.
它们没有有意识的心理状态。这就好比说，鞋子可能会从壁橱里爬出来，反过来踩到我们头上。毕竟，我们已经踩了它们好几个世纪了，它们为什么不反击呢？这不是一个现实中需要担心的问题。请讲？观众：我感兴趣的区别是——���歉，我感兴趣的相似之处，不一定是系统的输出或结果，而是说，它具有您提到的那种与大脑在内部因果上的相似性。约翰·塞尔：对，那是个事实问题。
48:16
The question is, to what extent are the processes that go on in the computer isomorphic to processes that go on in the brain? As far as we know, not very much. I mean, the chess-playing programs were a good example of this. In the early days of AI, they tried to interview great chess players and find out what their thought processes were and get them to try to duplicate that on computers. Well, we now know how Deep Blue worked. Deep Blue can calculate 250 million chess positions in one second. See, chess is a trivial game from a games theoretical point of view because you have perfect information.
问题在于，计算机中进行的过程与大脑中进行的过程在多大程度上是同构的？就我们所知，同构程度并不高。我是说，下棋程序就是一个很好的例子。在人工智能的早期，他们试图采访杰出的棋手，弄清他们的思维过程是什么，然后试着在计算机上把它复制出来。而现在我们知道"深蓝"是怎么运作的了。深蓝一秒钟能计算2.5 亿个棋局。要知道，从博弈论的角度看，国际象棋是个简单的游戏，因为你拥有完全信息。
48:58
And you have a finite number of possibilities. So there are x number of possibilities of responding to a move and x number of possibilities for that move. It's interesting to us because of the exponential problem. And it's very hard to program computers that can go very many steps in the exponents, but IBM did. It's of no psychological interest. And to their credit, the people in AI did not claim it as a great victory for-- at least the ones I know didn't claim it as a victory for AI because they could see it had nothing to do with human cognition.
而且可能性的数量是有限的。所以应对某一步棋有 x 种可能，而那一步棋本身也有 x 种可能。它对我们来说有意思，是因为指数爆炸的问题。要给计算机编程，让它在指数层面推算很多步是非常难的，但 IBM 做到了。这在心理学上毫无意义。值得称道的是，人工智能领域的人并没有宣称这是一场伟大的胜利——至少我认识的那些人没有宣称这是人工智能的胜利，因为他们看得出来，这和人类认知毫无关系。
49:30
So my guess is it's an interesting philosophical question-- or psychological question-- to what extent the actual processes in the brain mirror a computational simulation. And, of course, to some respect, they do. That's why computational simulations are interesting in all sorts of fields and not just in psychology, because you can simulate all sorts of processes that are going on. But that's not strong AI. Strong AI says the simulation isn't just a simulation. It's a duplication. And that we can refute.
所以我猜，这是一个有趣的哲学问题——或者说心理学问题——即大脑中实际发生的过程在多大程度上与计算模拟相对应。当然，在某种程度上确实如此。这就是为什么计算模拟在各种领域都很有意思，而不仅仅是在心理学领域，因为你可以模拟各种正在发生的过程。但那不是强人工智能。强人工智能说的是，模拟不仅仅是模拟，而是复制。而这一点我们是可以驳倒的。
50:03
AUDIENCE: Could you prove to me that you understand English? JOHN SEARLE: Yeah, I wouldn't bother. (SPEAKING WITH BRITISH ACCENT) When I was in Oxford, many people doubted that I did. I happened to be in a rather snobbish college called Christ Church. And, of course, I don't speak English. I never pretended to. I speak a dialect of American, which makes many English people shudder at the thought.
观众：您能向我证明您懂英语吗？约翰·塞尔：能，不过我懒得证明。（模仿英式口音）我当年在牛津的时候，很多人都怀疑我不懂英语。我当时碰巧在一所相当势利的学院，叫基督堂学院（Christ Church）。当然了，我说的可不是（英国）英语。我从来没假装过。我说的是一种美式英语方言，这让很多英国人一想到就直摇头。
50:36
AUDIENCE: So you've said you understand English, but how do I know you're not just a computer program? JOHN SEARLE: Well, it's the same question as Ray's. And the answer is all sorts of ways. You know, if it got to a crunch, you might ask me. Now I might give a dishonest answer. Or I might give an honest answer. But there's one route that you don't want to go. And that's the epistemic route. The epistemic route says, well, you have as much evidence that the computer is conscious as that we have that you are conscious.
观众：您说过您懂英语，但我怎么知道您不只是一个计算机程序呢？约翰·塞尔：嗯，这和Ray的问题是一样的。答案是，有各种各样的办法。你知道，如果真到了关键时刻，你可以直接问我。当然，我可能会给出不诚实的回答。也可能给出诚实的回答。但有一条路你千万别走。那就是认识论的路子。认识论的路子是说，你看，你拥有的关于计算机有意识的证据，和我们拥有的关于你有意识的证据一样多。
51:10
No, not really. I mean, I could go into some detail about what it is about people's physical structure that make them capable of producing consciousness. You don't have to have a fancy theory. I don't need a fancy theory of neurobiology to say those are your eyes. You spoke through your mouth. The question was an expression of a conscious intention to ask a question. Believe me, if you are a locally produced machine, Google is further along than I thought. But clearly, you're not.
不，其实不是这样。我的意思是，我可以详细讲讲人的身体结构中究竟是什么让他们能够产生意识。你不需要什么高深的理论。我不需要什么高深的神经生物学理论就能说那是你的眼睛。你是用嘴说话的。这个提问表达了一种有意识的意图，也就是想提问的意图。相信我，如果你是本地造出来的机器，那Google的进展比我想象的要快得多。但显然，你不是。
10意识的工作定义
51:49
JOHN BRACAGLIA: We're going to take a question from the Dory. JOHN SEARLE: Is he next? JOHN BRACAGLIA: We had some people-- AUDIENCE: Almost. JOHN BRACAGLIA: We had some people submit questions ahead of time. JOHN SEARLE: OK. JOHN BRACAGLIA: So we're going to read those as well. JOHN SEARLE: OK. All right. Right. JOHN BRACAGLIA: So the first question from the Dory is, what is the definition of consciousness you've been using for the duration of this talk? JOHN SEARLE: OK. Here goes. JOHN BRACAGLIA: Please be as specific as possible.
约翰·布拉卡利亚：我们来看一个来自Dory的问题。约翰·塞尔：下一个是他吗？约翰·布拉卡利亚：有一些人——观众：快到了。约翰·布拉卡利亚：有一些人提前提交了问题。约翰·塞尔：好的。约翰·布拉卡利亚：所以我们也会读一下那些问题。约翰·塞尔：好。行。好的。约翰·布拉卡利亚：Dory上的第一个问题是：您在这场演讲中一直使用的意识的定义是什么？约翰·塞尔：好。我来说说。约翰·布拉卡利亚：请尽量说得具体一点。
52:15
JOHN SEARLE: It is typically said that consciousness is hard to define. I think it's rather easy to define. We don't have a scientific definition because we don't have a scientific theory. The commonsense definition of any term will identify the target of the investigation. Water is a clear, colorless, tasteless liquid. And it comes in bottles like this. That's the commonsense definition. You do science and you discover it's H2O. Well, with consciousness, we're in the clear, colorless, liquid, tasteless sense.
约翰·塞尔：人们通常说意识很难定义。我倒觉得挺容易定义的。我们没有科学定义，因为我们还没有科学理论。任何术语的常识性定义都会指明研究的目标。水是一种清澈、无色、无味的液体。而且它装在这样的瓶子里。这就是常识性定义。你做科学研究，就会发现它是H2O。那么对于意识，我们还处在“清澈、无色、液体、无味”的那个阶段。
52:46
But here it is. Consciousness consists of all those states of feeling or sentience or awareness that begin in the morning when you awake from a dreamless sleep. And they go on all day long until you fall asleep again or otherwise become, as they would say, unconscious. On this definition, dreams are a form of consciousness. The secret, the essence, of consciousness is that for any conscious state, there's something it feels like to be in that conscious state. Now, for that reason, consciousness always has a subjective ontology.
但定义是这样的。意识由所有那些感受、感知或觉察的状态构成，这些状态从早晨你从无梦的睡眠中醒来时开始，然后持续一整天，直到你再次入睡，或者像人们说的那样，以别的方式失去意识。按照这个定义，梦也是意识的一种形式。意识的秘密、意识的本质在于：对于任何有意识的状态，处在那个状态中都有某种主观感受。正因为如此，意识总是具有主观的本体论。
53:21
Remember, I gave you that subjective-objective bit. It always has a subjective ontology. That's the working definition of consciousness. And that's the one that's actually used by neurobiological investigators trying to figure out how the brain does it. That's what you're trying to figure out. How does the brain produce that? How does it exist in the brain? How does it function? AUDIENCE: I'd like to propose a stronger bound on your observation that we do not know how to build a thinking machine today.
记得吧，我前面讲过主观与客观那一段。它总是具有主观的本体论。这就是意识的工作定义。而这也正是神经生物学研究者实际使用的定义，他们想搞清楚大脑是怎么做到这一点的。这就是你要搞清楚的问题。大脑是如何产生意识的？它是如何存在于大脑中的？它是如何运作的？观众：我想对您的观察加一个更强的限定，您说我们如今还不知道怎么造出会思考的机器。
53:51
Even if we knew how to build it, because, I mean, our thinking machine was built by the process of evolution, I'd like to propose-- well, what do you think about stating that, actually, we may not have the time? And that it actually may not matter. The reason we may not have the time is the probabilities that need to happen, like the asteroid falling and wiping the dinosaurs and whatnot, may not happen in the universe that we live been. But if you subscribe to the parallel universes theory, then there is some artificial consciousness somewhere else.
就算我们知道怎么造，因为，我是说，我们自己这台“思考机器”是由进化过程造出来的，我想提出——嗯，您怎么看这样一种说法：实际上我们可能没有那么多时间？而且这件事其实可能并不重要。说我们可能没时间，是因为那些必须发生的小概率事件，比如小行星撞地球灭绝恐龙之类的事，在我们所处的宇宙里可能不会发生。但如果你相信平行宇宙理论，那么在别的地方就存在某种人工意识。
54:23
JOHN SEARLE: Yeah. OK, about we may not have the time, well, I'm in a hurry. But I think we ought to try as hard as we can. It's true. Maybe some things are beyond our capacity to solve in the life of human beings on Earth. But let's get busy and try. There was a period when people said, well, we'll never really understand life. And while we don't fully understand it, but we're pretty far along. I mean, the old debate between the mechanists and the vitalists, that doesn't make any sense to us anymore.
约翰·塞尔：嗯。好，关于我们可能没时间这一点，呃，我自己是挺着急的。但我认为我们应该尽全力去尝试。确实如此。也许有些问题超出了我们在人类存续于地球期间所能解决的范围。但我们还是得动手去试。曾经有一段时期人们说，我们永远无法真正理解生命。虽然我们还没有完全理解它，但我们已经走了很远了。我是说，机械论者和活力论者之间那场古老的争论，对我们来说已经毫无意义了。
54:53
So we made a lot of progress. There was another half to your question. AUDIENCE: It may not matter because all universe-- JOHN SEARLE: Oh, yeah. Maybe conscious doesn't matter. Well, it's where I live. It matters to me. AUDIENCE: Philosophically speaking. JOHN SEARLE: Yeah, but the point is there are a lot of things that may or may not matter which are desperately important to us-- democracy and sex and literature and good food and all that kind of stuff. Maybe it doesn't matter to somebody, but all those things matter to me in varying degrees.
所以我们取得了很大进展。你的问题还有另外一半。观众：可能不重要，因为所有宇宙——约翰·塞尔：哦，对。也许意识并不重要。可是，那是我安身立命的地方。它对我很重要。观众：我是说从哲学角度讲。约翰·塞尔：是啊，但关键在于有很多东西也许重要也许不重要，但对我们来说却极其要紧——民主、性、文学、美食等等这类东西。也许对某些人来说无所谓，但这些东西对我来说都或多或少很重要。
11涌现、复杂性与因果能力
55:22
AUDIENCE: Your artificial heart analogy that you mentioned. I think you included the idea that it's possible, just like with the artificial heart, that we use different materials and different approaches to simulate a heart and, in some ways, go beyond just-- come closer to duplication, that we might, in theory, be able to do the same thing with an artificial brain. I'm wondering if you think it's possible that going down the path just trying to do a simulation of a brain accidentally creates a consciousness or accidentally creates duplication, even if we don't intend to do it with exact same means as a brain is made.
观众：您刚才提到的人工心脏的类比。我记得您提到过这样一种可能性，就像人工心脏那样，我们用不同的材料和不同的方法来模拟心脏，并且在某种程度上，超越单纯的——更接近于复制，理论上我们也许能对人工大脑做同样的事情。我想知道您是否认为有这种可能：沿着仅仅试图模拟大脑的这条路走下去，会意外地创造出意识，或者意外地实现复制，即使我们并不打算用和大脑构造完全相同的方式去做。
55:57
JOHN SEARLE: I would say to believe in that, you have to believe in miracles. You have to-- now think about it. We can do computer simulations of just about anything you can describe precisely. You do a computer simulation of digestion. And you could get a computer model that does a perfect model of digesting pizza. For all I know, maybe somebody in this building has done it. But once you've done that, you don't rush out and buy a pizza and stuff it in the computer because it isn't going to digest a pizza.
约翰·塞尔：我会说，要相信这一点，你就得相信奇迹。你得——你好好想想。几乎任何你能精确描述的东西，我们都能用计算机来模拟。比如你用计算机模拟消化过程。你可以得到一个计算机模型，完美地模拟消化披萨的过程。说不定这栋楼里已经有人做过了。但做完之后，你不会跑出去买个披萨塞进计算机里，因为它并不会真的消化披萨。
56:26
What it gives you is a picture or a model or a mathematical diagram. And I have no objection to that. But if my life depended on figuring out how the brain produces consciousness, I would use the computer the way you use a computer in any branch of biology. It's very useful for figuring out the implications of your axioms, for figuring out the possible experiments that you could design. But somehow or other that the idea that the computer simulation of cognitive behavior might provide the key to the biochemistry, well, it's not out of the question, it's just not plausible.
它给你的只是一幅图景、一个模型，或者一张数学图表。对此我没有任何异议。但如果我的性命取决于搞清楚大脑如何产生意识，我会像在生物学任何分支里使用计算机那样来使用它。它非常有用，可以帮你推导公理的推论，帮你设计各种可能的实验。但不管怎么说，那种认为对认知行为的计算机模拟也许能提供生物化学层面的关键的想法，呃，倒不是完全没可能，只是不太说得通。
57:02
JOHN BRACAGLIA: Humans are easily fooled and frequently overestimate the intelligence of machines. Can you propose a better test of general intelligence than the Turing test, one that is less likely to relate false positives? JOHN SEARLE: Well, you all know my answer to that is the first step is to distinguish between genuine intrinsic observer-independent intelligence and observer-relative intelligence. And observer-relative intelligence is always in the eye of the beholder. And anything will have the intelligence that you're able to attribute to it.
约翰·布拉卡利亚：人类很容易被骗，而且经常高估机器的智能。您能提出一个比图灵测试更好的通用智能测试，一个更不容易产生误报的测试吗？约翰·塞尔：嗯，你们都知道我对这个问题的回答：第一步是要区分真正的、内在的、不依赖观察者的智能和相对于观察者的智能。而相对于观察者的智能总是取决于观察者怎么看。任何东西都会拥有你能赋予它的那种智能。
57:34
I just attributed a great deal of intelligence to this object because it can compute a function, s equals one-half squared. Now this object has prodigious intelligence because it discriminates one hair from-- I won't demonstrate it, but in any-- take my word for it that it does, even in a head that's sparse with hair. So because intelligence is observer-relative, you have to tell me the criteria by which we're going to judge it. And the problem with the Turing test-- well, it's got all sorts of problems, but the basic problem is that both the input and the output are what they are only relative to our interpretation.
我刚才就把大量智能赋予了这个物体，因为它能计算一个函数，s等于二分之一的平方。而这个物体则拥有惊人的智能，因为它能分辨一根头发和——我就不演示了，但不管怎样——请相信我它确实能做到，哪怕是在一颗头发稀疏的脑袋上。所以，既然智能是相对于观察者的，你就得告诉我，我们要用什么标准来评判它。而图灵测试的问题——呃，它的问题多得很，但根本问题在于，输入和输出都只有相对于我们的解释才成其为输入和输出。
58:15
You have to interpret this as a question. And you have to interpret that as an answer. One bottom line of my whole discussion today is that the Turing test fails. It doesn't give you a test of intelligence. AUDIENCE: So you seem to take it as an article of faith that we are conscious, that your dog is conscious, and that that consciousness comes from biological material, the likes of which we can't really understand. But forgive me for saying this, that makes you sound like an intelligent design theorist who says that because evolution and everything in this creative universe that exists is so complex, that it couldn't have evolved from inert material.
你必须把这个解释为一个问题。也必须把那个解释为一个回答。我今天整个讨论的一个基本结论就是：图灵测试是失败的。它并不能给你一个真正的智能测试。观众：所以您似乎把这当作一种信条：即我们有意识，您的狗也有意识，而且那种意识来自生物材料，其性质我们其实无法理解。但恕我直言，这让你听起来像个智能设计论者，他们说因为进化以及这个充满创造力的宇宙中存在的一切都如此复杂，所以它不可能从无生命的物质演化而来。
58:58
So somewhere between an amoeba and your dog, there must not be consciousness. And I'm not sure where you would draw that line. And so if consciousness in human beings is emergent, or even in your dog at some point in the evolutionary scale, why couldn't it emerge from a computation system that's sufficiently distributed, networked, and has the ability to perform many calculations and maybe is even hooked into biologic systems? JOHN SEARLE: Well, about could it emerge, miracles are always possible.
那么在阿米巴虫和你的狗之间的某个地方，就必定不存在意识。而我不确定你会把那条线画在哪里。所以如果人类的意识是涌现出来的，甚至你的狗在进化尺度上的某个时刻也是如此，那意识为什么不能从一个计算系统中涌现出来呢——只要它足够分布式、足够网络化，有能力执行大量计算，甚至可能还接入了生物系统？约翰·塞尔：嗯，关于它能不能涌现出来，奇迹总是有可能的。
59:30
How do you know that you don't have chemical processes that will turn this into a conscious comb? How do I know that? Well, it's not a serious possibility. I mean, the mechanisms by which consciousness is created in the brain are quite specific. And remember, this is the key point. Any system that creates consciousness has to duplicate those causal powers. That's like saying, you don't have to have feathers in order to have a flying machine, but you have to duplicate and not merely simulate the causal power of the bird to overcome the force of gravity in the Earth's atmosphere.
你怎么知道不存在某种化学过程，能把这个变成一把有意识的梳子？我怎么知道的？嗯，因为那不是一个值得认真对待的可能性。我的意思是，大脑中产生意识的机制是相当特定的。记住，这是关键所在。任何能产生意识的系统都必须复制那些因果能力。这就像说，你不需要有羽毛才能造出飞行器，但你必须复制——而不仅仅是模拟——鸟类在地球大气中克服重力的那种因果能力。
60:07
And that's what airplanes do. They duplicate causal powers. They use the same principle, Bernoulli's principle, to overcome the force of gravity. But the idea that somehow or other you might do it just by doing a simulation of certain formal structures of input-output mechanisms, of input-output functions, well, miracles are always possible. But it doesn't seem likely. That's not the way evolution works. AUDIENCE: But machines can improve themselves. And you're making the case for why an amoeba could never develop into your dog over a sufficiently long period of time and have consciousness.
而这正是飞机所做的。它们复制了因果能力。它们使用同样的原理，也就是伯努利原理，来克服重力。但那种认为你能以某种方式，仅仅通过模拟输入-输出机制、输入-输出函数的某些形式结构就做到这一点的想法——嗯，奇迹总是可能的。但看起来不太可能。进化不是这样运作的。观众：但机器可以自我改进。而你是在论证为什么阿米巴虫永远不可能在足够长的时间里演化成你的狗并拥有意识。
60:40
JOHN SEARLE: No, I didn't make that case. No, I didn't make that case. [INTERPOSING VOICES] JOHN SEARLE: Amoeba don't have it. AUDIENCE: You're refuting that consciousness could emerge from a sufficiently complex computation system. JOHN SEARLE: Complexity is always observer-relative. If you talk about complexity, you have to talk about the metric. What is the metric by which you calculate complexity? I think complexity is probably irrelevant. It might turn out that the mechanism is simple. There's nothing in my account that says a computer could never become conscious.
约翰·塞尔：不，我没有这么论证。不，我没有这么论证。【声音重叠】约翰·塞尔：阿米巴虫没有意识。观众：你是在反驳意识可以从一个足够复杂的计算系统中涌现出来。约翰·塞尔：复杂性永远是相对于观察者而言的。如果你要谈复杂性，你就得谈度量标准。你用什么度量标准来计算复杂性？我认为复杂性很可能无关紧要。说不定最后发现那个机制其实很简单。在我的论述里，没有任何东西说计算机永远不可能变得有意识。
61:16
Of course, we're all conscious computers, as I said. And the point about the amoeba is not that amoebas can't evolve into much more complex organisms. Maybe that's what happened. But the amoeba as it stands-- a single-celled organism-- that doesn't have enough machinery to duplicate the causal powers of the brain. I am not doing a science fiction project to say, well, there can never be an artificially created consciousness by people busy designing computer programs. Of course, I'm not saying that's logically impossible.
当然，正如我说过的，我们本身就都是有意识的计算机。关于阿米巴虫的要点并不是阿米巴虫不能演化成复杂得多的生物体。也许事情正是这样发生的。而是说阿米巴虫就其本身而言——一个单细胞生物——没有足够的机制来复制大脑的因果能力。我不是在搞什么科幻项目，说什么，靠人们忙着设计计算机程序，就永远不可能人工创造出意识。当然，我不是说那在逻辑上不可能。
61:50
I'm just saying it's not an intelligent project. If you're thinking about your life depends on building a machine that creates consciousness, you don't sit down your console and start programming things in some programming language. It's the wrong way to go about it. AUDIENCE: If we gave you a disassembly of Google Translate and had you implement the Chinese room experiment, either it would take you thousands of years to run all the assembly instructions on pen and paper, or else you'd end up decompiling it into English and heavily optimizing it in that form.
我只是说那不是一个明智的项目。如果你觉得你的命都系于造出一台能产生意识的机器，你不会坐到控制台前，开始用某种编程语言写程序。那是错误的做法。观众：如果我们给你一份 Google 翻译的反汇编代码，让你来实施中文房间实验，要么你得花上几千年用纸笔跑完所有的汇编指令，要么你最终会把它反编译成英语，并在那种形式下对它大量优化。
62:26
And in the process, you'd come to learn a lot about the relationships between the different variables and subroutines. So who's to say that an understanding of Chinese wouldn't emerge from that? JOHN SEARLE: Well, OK, I love this kind of question. All right. Now, let me say, of course, when I did the original thought experiment, anybody will point out to you if you actually were carrying out the steps in a program for answering questions in Chinese, well, we'd be around for several million years.
而在这个过程中，你会学到很多关于不同变量和子程序之间关系的东西。那谁又能说对中文的理解不会从中涌现出来呢？约翰·塞尔：好吧，我喜欢这类问题。好的。现在让我说一下，当然，当我最初做那个思想实验的时候，任何人都会向你指出，如果你真的去执行一个用中文回答问题的程序里的那些步骤，嗯，那我们得干上几百万年。
62:54
OK, I take their word for it. I'm not a programmer, but I assume it would take an enormous amount of time. But the point of the argument is not the example. The example is designed to illustrate the point of the argument. The point of the argument can be given in the following derivation. Programs are formal or syntactical. That's axiom number one. That's all there is to the program. To put it slightly more pretentiously, the notion same implemented program defines an equivalence class specified entirely formally or syntactically.
好吧，我相信他们说的。我不是程序员，但我猜那会花费大量的时间。但这个论证的要点不在于那个例子。例子是为了说明论证的要点而设计的。论证的要点可以通过下面这个推导给出。程序是形式的，或者说句法的。这是第一条公理。程序就只有这些东西。说得稍微装腔作势一点，“同一个被实现的程序”这个概念定义了一个完全由形式或句法所规定的等价类。
63:34
But minds have a semantics, and-- and this is the whole point of the example-- the syntax by itself is not sufficient for the semantics. That's the point of the example. The Chinese room is designed to illustrate axiom three, that just having the steps in the program is not by itself sufficient for a semantics. And minds have a semantics. Now, it follows from those that if the computer is defined in terms of its program operations, syntactical operations, then the program operations, the computer operations by themselves are never sufficient for understanding because they lack a semantics.
但心灵是有语义的，而——而这正是这个例子的全部要点——句法本身不足以产生语义。这就是这个例子的要点。中文房间就是用来说明第三条公理的，即仅仅拥有程序中的那些步骤，本身并不足以产生语义。而心灵是有语义的。那么由此可以推出，如果计算机是按其程序运算来定义的，也就是句法运算，那么程序运算，也就是计算机运算本身，永远不足以产生理解，因为它们缺乏语义。
64:13
But, of course, I'm not saying, well, you could not build a machine that was both a computer and had semantics. We are such machines. AUDIENCE: You couldn't verify experimentally what the difference might be between semantics and what would emerge from thousands of years of experience with a given syntactical program. JOHN SEARLE: I think you can-- I don't inherit this. He does. I think you don't want to go the epistemic route. You don't want to say, well, look you can't tell the difference between the thinking machine and the non-thinking machine.
但当然，我并不是说，你不可能造出一台既是计算机又具有语义的机器。我们自己就是这样的机器。观众：你没法通过实验来验证语义与一个给定的句法程序经过几千年的经验积累所涌现出来的东西之间可能有什么区别。约翰·塞尔：我认为你可以——这个问题不归我，归他。我认为你不该走认识论那条路。你不该说，你看，你分辨不出会思考的机器和不会思考的机器之间的区别。
12意识的神经科学研究前景
64:48
The reason that's the wrong route to go is we now have overwhelming evidence of what sorts of mechanisms produce what sorts of cognition. When I first got interested in the brain, I went out and bought all the textbooks. By the way, if you want to learn a subject, that's the way to do it. Go buy all the freshman textbooks because they're easy to understand. One of these textbooks, it said cats have different color vision from ours. Their visual experiences are different from ours. And I thought, christ, have these guys been cats?
之所以说那条路走错了，是因为我们现在有压倒性的证据，知道什么样的机制会产生什么样的认知。当我最初对大脑产生兴趣的时候，我跑出去把所有的教科书都买了回来。顺便说一句，如果你想学一门学科，就该这么做。去把所有大一新生的教科书买来，因为它们容易看懂。其中一本教科书说，猫的色觉和我们的不一样。它们的视觉体验和我们的不同。我心想，天哪，这些人当过猫吗？
65:21
Have the other cats mind problem? Do they know what it's like to be a cat? And the answer is, of course, they know completely what's the cat's color vision is because they can look at the color receptors. And cats do have different color vision from ours because they have different color receptors. I forget the difference. You can look them up in any textbook. But if in real life we're completely confident that my dog can hear parts of the auditory spectrum that I can't hear. He can hear the higher frequencies that I can't hear.
他们是不是遇到了“其他猫的心灵”问题？他们知道当一只猫是什么感觉吗？而答案是，他们当然完全知道猫的色觉是什么样的，因为他们可以去观察颜色感受器。而猫的色觉确实和我们的不一样，因为它们有不一样的颜色感受器。具体差别我忘了。你可以在任何一本教科书里查到。但在现实生活中，我们完全确信我的狗能听到听觉频谱中我听不到的部分。它能听到我听不到的更高频率。
65:51
And cats have a different color vision from mine because we can see what the apparatus is. We got another question? You're on. JOHN BRACAGLIA: This will be our final question. JOHN SEARLE: OK. I'm prepared to go all afternoon. I love this kind of crap. AUDIENCE: So at the beginning of your talk, you mentioned an anecdote about neuroscientists not being interested in consciousness. And, of course, by this time, a number of neuroscientists have studied it. And so they'll present stimuli that are near the threshold of perceptibility and measure the brain responses when it's above or below.
而猫的色觉和我的不一样，因为我们能看到那套感知装置是什么样的。还有问题吗？该你了。约翰·布拉卡利亚：这将是我们最后一个问题。约翰·塞尔：好。我准备好聊一整个下午了。我就爱聊这种玩意儿。观众：在你演讲的开头，你提到一件轶事，说神经科学家对意识不感兴趣。当然，到如今，已经有不少神经科学家研究过意识了。比如他们会呈现一些接近可感知阈值的刺激，并测量刺激在阈值之上或之下时大脑的反应。
66:21
What do you think about that? Is that on the right track? What would you do differently? JOHN SEARLE: No, I think one of the best things that's happened in my lifetime-- it's getting a rather long lifetime-- is that there is now a thriving industry of neuroscientific investigations of consciousness. That's how we will get the answer. When I first got interested in this, I told you I went over to UCSF and told those guys get busy. The last thing they wanted to hear was being nagged by some philosopher, I can tell you.
你对此怎么看？这条路走对了吗？你会有什么不同的做法？约翰·塞尔：不，我认为在我这一生中发生过的最好的事情之一——我这一生已经算相当长了——就是现在有了一个欣欣向荣的、用神经科学研究意识的行业。我们将由此得到答案。当我最初对这个问题感兴趣时，我说过我跑去加州大学旧金山分校（UCSF），叫那些人赶紧行动起来。他们最不想要的就是被某个哲学家唠叨，我可以告诉你。
66:50
But one guy said to me-- famous neuroscientist said-- in my discipline, it's OK to be interested in consciousness, but get tenure first. Get tenure first. Now, there has been a change. I don't take credit for the change, but I've certainly been urging it. You can now get tenure by working on consciousness. Now, neuroscience has changed, that now there's a thriving industry in neuroscience of people who are actually trying to figure out how the brain does it. And when they figure that out-- and I don't see any obstacle to figuring that out-- it will be an enormous intellectual breakthrough, when we figure out how exactly does the brain create consciousness.
但有一个人对我说——一位著名的神经科学家说——在我们这行，对意识感兴趣没问题，但要先拿到终身教职。先拿到终身教职再说。不过，现在情况有了变化。这个变化不是我的功劳，但我确实一直在推动它。现在你可以靠研究意识拿到终身教职了。如今神经科学已经变了，现在神经科学界有一个蓬勃发展的领域，有一批人正在真正试图弄清楚大脑是怎么做到这一点的。等他们弄清楚了——我看不出弄清楚这件事有什么障碍——那将会是一次巨大的智识突破，也就是当我们弄清楚大脑究竟是如何产生意识的时候。
67:33
AUDIENCE: But in particular, that approach they're using now-- I use the example of presenting stimuli that are near the threshold of perceptibility and looking for neural correlates, do you think that's going to be fruitful? What particular questions would you ask to find out? JOHN SEARLE: I happened to be interested in this crap. And if you're interested in my views, I published an article in the "Annual Review of Neuroscience" with a title "Consciousness." It's easy to remember. You can find it on the web.
观众：但具体来说，他们现在用的那种方法——我举个例子，比如呈现接近感知阈限的刺激，然后寻找神经相关物，你觉得这条路会有成果吗？你会提出哪些具体的问题来探究这一点？约翰·塞尔：我碰巧对这些玩意儿挺感兴趣。如果你想了解我的观点，我在《神经科学年评》（Annual Review of Neuroscience）上发表过一篇文章，题目就叫《意识》（Consciousness）。很好记。你在网上就能找到。
67:58
And what I said is, there are two main lines of research going on today. There are guys who take what I call the building block approach. And they try to find the neuronal correlate of particular experiences. You see a red object. Or you hear the sound of middle C. What's the correlate in the brain? And the idea they have is if you can figure out how the brain creates the experience of red, you've cracked the whole problem. Because it's like DNA. You don't have to figure out how every phenotype is caused by DNA.
我在文中说，当今主要有两条研究路线。有一批人采用我所说的"积木式"方法。他们试图找到特定体验的神经元相关物。比如你看到一个红色的物体，或者你听到中央C的声音，大脑中与之对应的相关物是什么？他们的想法是，如果你能弄清楚大脑是如何产生红色的体验的，你就攻克了整个问题。因为这就像DNA一样。你不必弄清楚每一种表型是如何由DNA决定的。
68:28
If you get the general principles, that's enough. Now, the problem is they're not making much progress on this what I call the building block approach. It seems to me a much more fruitful approach is likely to be think of consciousness as coming in a unified field. Think of perception not as creating consciousness, but as modifying the conscious field. So when I see the red in this guy's shirt, it modifies my conscience field. I now have an experience of red I didn't have before. Most people-- and the history of science supports them-- use the building block approach because most of the history of science has proceeded atomistically.
只要掌握了一般原理，就足够了。问题在于，这种我称之为"积木式"的方法并没有取得多大进展。在我看来，一条可能更有成效的思路是把意识看作是以一个统一场的形式出现的。不要把知觉看作是在创造意识，而是看作在修改这个意识场。所以当我看到这位老兄衬衫上的红色时，它修改了我的意识场。我现在有了一种之前没有的红色体验。大多数人——而且科学史也支持他们——采用积木式方法，因为科学史上大部分时间都是按原子式路径推进的。
69:08
You figure out how little things work, and then you go to big things. They're not making much progress with consciousness. And I think the reason is you need to figure out how the brain creates the conscious field in the first place because particular experiences, like the perception of red or the sound of middle C, those modify that conscious field. They don't create a conscious field from nothing. They modify an existing conscious field. Now, it's much harder to do that because you have to figure out how large chunks of the brain create consciousness.
你先弄清楚小东西是怎么运作的，然后再去研究大东西。但在意识问题上，他们进展不大。我认为原因在于，你首先需要弄清楚大脑是如何创造出意识场的，因为那些特定的体验，比如对红色的知觉或中央C的声音，它们只是在修改那个意识场。它们并不是从无到有地创造出一个意识场。它们是在修改一个已经存在的意识场。不过，这样做要难得多，因为你必须弄清楚大脑的大片区域是如何产生意识的。
69:41
And we don't know that. The problem is in an MRI, that conscious brain looks a lot like the unconscious brain. And there must be some differences there. But at this point-- and I haven't been working on it. I've been working on other things. But I want somebody to tell me exactly what's the difference between the conscious brain and the unconscious brain that accounts for consciousness. We're not there yet. However, what I'm doing here is neurobiological speculation. I mean, I'm going to be answered not by a philosophical argument, but by somebody who does the hard research of figuring out exactly what are the mechanisms in the brain the produce consciousness and exactly how do they work.
而这一点我们还不知道。问题是，在核磁共振（MRI）下，有意识的大脑看起来和无意识的大脑非常相似。但那里肯定存在某些差异。不过到目前为止——而且我自己也没在研究这个，我一直在忙别的事情。但我希望有人能确切地告诉我，有意识的大脑和无意识的大脑之间究竟有什么差异能够解释意识的产生。我们还没到那一步。不过，我在这里做的只是神经生物学层面的推测。我的意思是，最终回答我的不会是一个哲学论证，而会是某个做艰苦实证研究的人，去确切地弄清楚大脑中产生意识的机制是什么，以及它们究竟是如何运作的。
70:23
JOHN BRACAGLIA: John, it's been an immense, immense honor to be here with you today. Thank you so much for your time. And thank you for talking to Google. JOHN SEARLE: Well, thank you for having me. [APPLAUSE]
约翰·布拉卡利亚：约翰，今天能在这里与您交流，是莫大的荣幸。非常感谢您抽出时间。也感谢您来Google做这次访谈。约翰·塞尔：嗯，谢谢你们邀请我。[掌声]
视频总结 · 一句话概括与核心要点
一句话概括
约翰·塞尔在 Google 重申"中文屋"论证并进一步推进：计算、智能、信息在机器中都只是"观察者相对"的解释，机器本身零智能；意识是特定的生物因果过程，只能被复制（duplicate）而不能靠形式化模拟（simulate）产生，但人工制造意识在原则上并无障碍。
核心要点
- 两组区分是全场论证的基础：客观/主观在"认识论"（知识主张能否独立于态度被判定真假，如"伦勃朗生于1606年"）与"本体论"（存在方式，如山脉独立存在，疼痛只存在于被体验中）两个意义上系统性歧义；另一组是"观察者独立"（分子、板块）与"观察者相对"（货币、婚姻、Google、鸡尾酒会）。由此得出：意识虽然本体论上主观，仍可有认识论上客观的科学——UCSF 神经科学家当年以"科学客观、意识主观"拒绝研究意识，是一个歧义谬误。
- 经济学是观察者相对领域的警示案例：经济学家把"边际成本=边际收益"当成"F=ma"式的物理定律来教，忘记其对象带有本体论主观性；主观性一旦改变整个体系崩溃——2008 年金融危机即是证明。
- 中文屋论证的推导链：程序纯粹是句法的（"同一实现程序"定义了一个完全独立于物理实现的等价类）；心智有语义；句法本身不足以产生语义。因此仅凭执行程序，塞尔无法理解中文，任何数字计算机也不能，因为它没有塞尔所没有的东西。四字箴言：句法不是语义，模拟不是复制。
- 对主要反驳的回应："系统回复"（房间整体理解中文）无法说明房间如何从句法跨到语义，那需要房间里存在塞尔之外的另一个意识；"直接问它是否懂中文"只会得到另一串按规则输出的符号。程序的句法性不是弱点而是力量所在——正因如此才能在电子设备上每秒执行数亿次运算（Deep Blue 号称每秒 2.5 亿次）。
- 智能、信息、计算都有内在与观察者相对两种意义：塞尔比他的狗 Tarski 聪明是内在的、心理上真实的比较；而计算机的"智能"完全在旁观者眼中。卡斯帕罗夫和卡尔波夫下棋必须意识到自己在下棋、知道皇后受威胁，Deep Blue 什么都不知道。在内在意义上，商用计算机的智能为零——不是多少的问题，而是"不在同一行当"。
- "计算"本身也是观察者相对的：图灵论文题为"计算机器与智能"，因为当时"computer"指做计算的人。塞尔在黑板上算 1+1=2 是内在的、观察者独立的计算；口袋计算器只是一组被我们设计成可作计算解释的电子状态跃迁。一支落下的笔"计算"了 s=½gt²，拍在桌上的笔是一台程序为"待着别动"的数字计算机——任何东西都能被赋予计算解释，图灵机存在于我们对自然的解释中而非自然本身。这也意味着图灵测试失败：输入输出都只在解释下才是"问题"和"答案"。
- 机器能否思考的四个问题及答案："机器能思考吗"——人就是机器，答案显然是；"人造机器能思考吗"——原则上无障碍，类比人工心脏；"用完全不同材料能造出会思考的机器吗"——未知，正如泵血不需要肌肉组织，产生意识或许不需要神经元；"计算本身足以产生思考吗"——否。关键区别：人工心脏成功是因为我们知道心脏如何工作，而我们不知道大脑如何产生意识，所以还没人真正开始造"人工大脑"。
- 超级智能机器造反是"鞋子从衣柜里起来踩我们"级别的担忧：机器没有意识状态，不存在"受够压迫"的可能。塞尔明确表示欢迎技术、不设技术上限，反对的只是对技术的错误哲学、心理学和科学解读。
- 回应库兹韦尔的"替换词"反驳：把"程序/符号"替换成"大脑/神经递质浓度"来推出"大脑也不能理解"是政客手法。大脑与计算机的本质差别：大脑是特定电化学的因果机制（可卡因起效是因为干扰突触后受体对多巴胺、去甲肾上腺素、GABA 的再摄取，与计算能力无关），而程序与硬件实现无关，任何能执行步骤的实现都等价。
- 意识的工作定义与研究路线：意识是从无梦睡眠中醒来到再次入睡之间的所有感受、感知、觉知状态（梦也算），本质是"处于该状态有某种感觉"，故总是主观本体论。关于他者意识：判断狗有意识不靠行为主义而靠相似机制（眼、耳、皮肤、中介机制）；蚂蚁 10 万神经元是否够则是事实问题。神经科学界已从"先拿到终身教职再研究意识"转变为可以靠研究意识拿终身教职；塞尔主张"统一场"路径优于"积木式"寻找红色或中央 C 的神经相关物——知觉是修改已有意识场而非从无到有创造意识。
结论与值得注意的细节
- 塞尔的立场常被误读为"机器永远不能有意识"，他在现场反复澄清：不是逻辑不可能，而是靠坐在控制台上写程序去制造意识"不是一个明智的项目"——正如飞机不需要羽毛，但必须复制鸟克服重力的因果力量（伯努利原理），而不是仅仅模拟输入输出的形式结构。
- 用"复杂性"论证意识涌现在他看来无效，因为复杂性本身也是观察者相对的，取决于度量标准；机制甚至可能很简单。
- 计算机模拟消化再完美，也不会有人往电脑里塞披萨——他把这条类比用于反驳"模拟大脑可能意外产生意识"（"那得相信奇迹"），但承认计算机在生物学中作为推导公理含义、设计实验的工具极有价值。
- 他拒绝走"认识论路线"（"你也无法证明自己不是程序"）：我们对何种机制产生何种认知已有压倒性证据，正如教科书能断言猫的色觉不同于人，靠的是查看感受器而非"变成一只猫"。
- 值得注意的细节：塞尔的四条狗依次叫 Frege、Russell、Ludwig、Tarski；中文屋论证诞生于飞往耶鲁的航班上，起因是一本 16.95 美元讲"计算机理解餐馆故事"的书；他坦言早期被"虚拟机""换能器"等术语"唬"过，但"这些东西五分钟就能学会"。
核心句型 · 9
1. X is not Y. / A is not B.（四字原则式断言）
“Syntax is not semantics. And simulation is not duplication.”
用最短的否定句浓缩核心立场，便于记忆与传播。适合演讲或写作中给出「金句式」结论；仿写时保持两句并列、结构对称。
2. The bottom line is (that) …
“The bottom line is if I don't understand the questions and the answers on the basis of implementing the program, then neither does any other digital computer”
美式口语中引出「归根结底」的结论，常用于长论证后的收束。仿写：The bottom line is we can't afford to wait.
3. What goes for X goes for Y.
“And what goes for intelligence goes for all of the key notions in cognitive science.”
「适用于 X 的也适用于 Y」，用于把一个结论推广到同类情况。仿写：What goes for email goes for all written communication.
4. For most purposes, it doesn't matter. When it matters is when …
“For most purposes, it doesn't matter. When it matters is when people say, well, we've created this race of mechanical intelligences.”
先让步（多数情况无关紧要），再精确指出唯一要紧的情形，避免立场被误读为全盘否定。适合学术辩论中的限定性表述。
5. The question, can you …, is like the question, can you …
“The question, can you build an artificial brain that can think, is like the question, can you build an artificial heart that pumps blood.”
用平行结构把陌生问题映射到熟悉问题上，是类比论证的标准句式。仿写时两个从句结构要尽量一致。
6. not merely simulate but duplicate
“How we might duplicate and not merely simulate what the brain actually does”
「不仅仅是…而是…」的对比强调，merely 削弱前项、抬高后项。仿写：We need to not merely describe but explain the phenomenon.
7. There's nothing in my account that says …
“There's nothing in my account that says a computer could never become conscious.”
澄清自己立场未曾主张的内容，防止被过度解读。适合回应误解时使用，语气克制而明确。
8. To believe X, you have to believe in miracles.
“I would say to believe in that, you have to believe in miracles.”
通过指出对方主张的隐含前提来反驳，比直接说「你错了」更有说服力。仿写：To expect that outcome, you have to assume everyone acts rationally.
9. It's about like saying …
“It's about like saying the shoes might get up out of the closet and walk all over us.”
用夸张类比归谬对方观点，about like 是口语化的「差不多等于说」。适合演讲中制造幽默效果。
词汇精讲 · 115 · 按出现顺序
be inclined to
phr.
1:10
倾向于；有…的倾向
epistemic
/ˌepɪˈstiːmɪk/
adj.
1:49
认识论的；与知识有关的
ontological
/ˌɑːntəˈlɑːdʒɪkəl/
adj.
1:49
本体论的；关于存在的
polysyllabic
/ˌpɑːlisɪˈlæbɪk/
adj.
1:49
多音节的（常指冗长晦涩的词）
systematically ambiguous
phr.
1:49
系统性地有歧义（同一词在不同层面稳定地具有两种含义）
tectonic plates
/tekˈtɑːnɪk pleɪts/
n.
3:14
构造板块
insofar as
conj. phr.
3:14
在…的范围内；只要
admit of
phr. v.
3:14
（正式）容许；可以有（某种解释）
fallacy
/ˈfæləsi/
n.
4:05
谬误；逻辑错误
preclude
/prɪˈkluːd/
v.
4:39
排除；妨碍；使不可能
crucial
/ˈkruːʃəl/
adj.
5:20
至关重要的
observer-relative
adj.
5:20
相对于观察者的（塞尔术语：其存在依赖于人的态度或解释）
appalled
/əˈpɔːld/
adj.
7:11
震惊的；惊骇的
marginal cost
n.
7:11
边际成本
marginal revenue
n.
7:11
边际收益
platitudes
/ˈplætɪtuːdz/
n.
8:37
陈词滥调；老生常谈
behaviorism
/bɪˈheɪvjərɪzəm/
n.
8:37
行为主义（心理学流派，只研究可观察行为）
burned to a crisp
phr.
9:57
烤得焦黑；烧焦
stormed out
phr. v.
9:57
怒气冲冲地冲出去
refute
/rɪˈfjuːt/
v.
11:02
驳斥；反驳
manipulating
/məˈnɪpjuleɪtɪŋ/
v.
11:02
操作；摆弄（符号等）
shuffle
/ˈʃʌfəl/
v.
11:40
搬弄；洗牌式地移动
indistinguishable from
phr.
11:40
与…无法区分
syntactical
/sɪnˈtæktɪkəl/
adj.
12:13
句法的；形式的
equivalence class
n.
12:13
等价类（数学术语）
realization
/ˌriːələˈzeɪʃən/
n.
12:13
（此处）实现；物理载体
semantics
/sɪˈmæntɪks/
n.
12:53
语义；意义层面
duplication
/ˌduːplɪˈkeɪʃən/
n.
14:02
复制；复现（与 simulation 相对）
breathtaking
/ˈbreθteɪkɪŋ/
adj.
14:43
令人惊叹的（此处反讽）
preposterousness
/prɪˈpɑːstərəsnəs/
n.
14:43
荒谬；荒诞
scratch paper
n.
15:18
草稿纸
with contempt
phr.
15:18
轻蔑地
feeble
/ˈfiːbəl/
adj.
16:36
站不住脚的；软弱无力的
take their word for it
phr.
17:25
姑且相信他们的说法
outburst
/ˈaʊtbɜːrst/
n.
18:51
（情感或言论的）爆发
oppressed
/əˈprest/
adj.
19:37
被压迫的
rise up
phr. v.
19:37
起义；反抗
overthrow
/ˌoʊvərˈθroʊ/
v.
19:37
推翻
speaking shorthand
phr.
20:25
简略地说；长话短说
intrinsic
/ɪnˈtrɪnsɪk/
adj.
21:08
内在的；固有的
in the eye of the beholder
idiom
21:08
取决于观者；见仁见智
brought home to
idiom
22:03
使…深刻认识到
attributions
/ˌætrɪˈbjuːʃənz/
n.
22:42
归属；归因（把某属性归于某物）
not in the same line of business
idiom
24:02
不属同一范畴；根本不是一回事
attribute … to
/əˈtrɪbjuːt/
v.
24:35
把…归于
the crunch line
n. phr.
25:16
关键点；要害（非固定搭配，crunch 指关键时刻）
implausible
/ɪmˈplɔːzɪbəl/
adj.
27:58
不可信的；难以置信的
harmless
/ˈhɑːrmləs/
adj.
28:41
无害的
catch my breath
idiom
29:20
喘口气
main thrust
n. phr.
29:20
主旨；要点
conceptual apparatus
n. phr.
29:59
概念工具；概念框架
obsolete
/ˌɑːbsəˈliːt/
adj.
29:59
过时的；废弃的
neurobiological
/ˌnʊroʊˌbaɪəˈlɑːdʒɪkəl/
adj.
31:00
神经生物学的
causal powers
n. phr.
31:45
因果能力（塞尔术语：产生某种效果的实际能力）
medium
/ˈmiːdiəm/
n.
31:45
介质；载体
in principle
phr.
32:52
原则上
neurotransmitters
/ˌnʊroʊˈtrænzmɪtərz/
n.
32:52
神经递质
biochemistry
/ˌbaɪoʊˈkemɪstri/
n.
33:32
生物化学
ascribe
/əˈskraɪb/
v.
35:09
把…归于；赋予
elementary
/ˌelɪˈmentri/
adj.
35:47
初等的；基础的
snow me
phr. v.
36:32
（美俚）用花言巧语唬住我
razzmatazz
/ˌræzməˈtæz/
n.
36:32
花哨的噱头；炫目的行话
transducers
/trænzˈduːsərz/
n.
36:32
换能器；传感器
called me on this
phr. v.
36:32
就此质疑我；当面指出我的错误
insofar as
conj. phr.
37:04
就…而言
get across
phr. v.
37:56
把（观点）讲清楚；传达
longevity
/lɑːnˈdʒevəti/
n.
38:55
长寿；持久
deterministic
/dɪˌtɜːrmɪˈnɪstɪk/
adj.
38:55
确定性的
substituted
/ˈsʌbstɪtuːtɪd/
v.
39:41
替换
lactation
/lækˈteɪʃən/
n.
40:24
泌乳
mitosis
/maɪˈtoʊsɪs/
n.
40:24
有丝分裂
synaptic cleft
/sɪˈnæptɪk kleft/
n.
42:23
突触间隙
postsynaptic receptors
n.
42:23
突触后受体
flunking
/ˈflʌŋkɪŋ/
v.
42:23
（考试）不及格
provided
/prəˈvaɪdɪd/
conj.
43:01
只要；假如
mediate
/ˈmiːdieɪt/
v.
44:20
传导；居中调节
termites
/ˈtɜːrmaɪts/
n.
44:53
白蚁
presupposition
/ˌpriːsʌpəˈzɪʃən/
n.
45:29
预设；前提
angst
/ɑːŋkst/
n.
45:29
（存在主义式的）焦虑
philistine
/ˈfɪlɪstiːn/
n./adj.
45:29
庸人；没有文化品味的（人）
interface it with
phr. v.
45:58
使…与…对接
so much the better
idiom
47:06
那就更好了
desperately
/ˈdespərətli/
adv.
47:06
极其；迫切地
isomorphic
/ˌaɪsəˈmɔːrfɪk/
adj.
48:16
同构的
perfect information
n. phr.
48:16
完全信息（博弈论术语）
to their credit
idiom
48:58
值得称道的是
snobbish
/ˈsnɑːbɪʃ/
adj.
50:03
势利的
shudder
/ˈʃʌdər/
v.
50:03
战栗；打颤
if it got to a crunch
idiom
50:36
如果真到了紧要关头
commonsense definition
n. phr.
52:15
常识性定义
sentience
/ˈsenʃəns/
n.
52:46
感知能力；有感觉
subscribe to
phr. v.
53:51
赞同；信奉（某理论）
vitalists
/ˈvaɪtəlɪsts/
n.
54:23
活力论者（认为生命需特殊生命力）
For all I know
idiom
55:57
据我所知（也许）；说不定
axioms
/ˈæksiəmz/
n.
56:26
公理
not out of the question
idiom
56:26
并非不可能
false positives
n.
57:02
误报；假阳性
prodigious
/prəˈdɪdʒəs/
adj.
57:34
惊人的；巨大的
discriminates
/dɪˈskrɪmɪneɪts/
v.
57:34
分辨；区分
article of faith
idiom
58:15
信条；坚信不疑的信念
inert
/ɪˈnɜːrt/
adj.
58:15
无生命的；惰性的
emergent
/ɪˈmɜːrdʒənt/
adj.
58:58
涌现的
metric
/ˈmetrɪk/
n.
60:40
度量标准
disassembly
/ˌdɪsəˈsembli/
n.
61:50
反汇编
decompiling
/ˌdiːkəmˈpaɪlɪŋ/
v.
61:50
反编译
subroutines
/ˈsʌbruːtiːnz/
n.
62:26
子程序
derivation
/ˌderɪˈveɪʃən/
n.
62:54
推导
pretentiously
/prɪˈtenʃəsli/
adv.
62:54
装腔作势地
overwhelming evidence
n. phr.
64:48
压倒性的证据
tenure
/ˈtenjər/
n.
66:50
终身教职
nagged
/næɡd/
v.
66:50
唠叨；纠缠
neuronal correlate
n. phr.
67:58
神经元相关物（与某体验对应的神经活动）
phenotype
/ˈfiːnətaɪp/
n.
67:58
表型
atomistically
/ˌætəˈmɪstɪkli/
adv.
68:28
原子式地；还原地
speculation
/ˌspekjəˈleɪʃən/
n.
69:41
推测；猜想
理解自测 · 11 题
1. 塞尔在开场提出的两组区分分别是什么？各自的例子是什么？
第一组是认识论（epistemic）与本体论（ontological）意义上的客观/主观：「伦勃朗生于1606年」是认识论客观，「伦勃朗是最伟大的画家」是认识论主观；山和分子是本体论客观，疼痛和痒是本体论主观。第二组是观察者独立与观察者相对：山、分子、构造板块不依赖任何人存在；钱、财产、政府、婚姻、Google 只相对于人的态度存在。这两组区分出现在讲座第3–12段，是后面全部论证的工具。
2. 中文房间论证的基本设定是什么？它对应数字计算机的哪些部件？
塞尔被锁在房间里，有装满中文符号的箱子和一本英文规则书；外面递进中文符号（问题），他按规则查找、搬弄后递出符号（答案），答案与母语者无异，通过图灵测试，但他一个中文字都不懂。对应关系：塞尔本人是 CPU，箱子是数据库，规则书是程序，进出的符号是输入输出。这段陈述在第17–22段，结论是「程序纯粹是句法的，句法不足以产生语义」。
3. 塞尔如何回答「机器能思考吗」和「计算机能思考吗」这两个问题？
两个问题他都回答「能」，但理由出人意料：如果机器指能执行功能的物理系统，人就是机器，所以「只有机器才能思考」；如果计算机指任何能执行计算的东西，他在黑板上做 1+1=2 就是在计算，所以人也是计算机。他真正否认的是第三个问题：作为图灵所定义的纯形式过程的「计算」本身是否足以构成思考——答案是否定的。见第48–57段。
4. 塞尔提出的意识工作定义是什么？他用什么类比说明「常识定义」与「科学定义」的关系？
意识由所有感受、感知、觉察的状态构成，从早晨从无梦睡眠中醒来开始，持续到再次入睡或失去意识；梦也是意识；本质是「处于该状态有某种主观感受」，因此意识总具有主观本体论。他用水做类比：常识定义是「清澈无色无味的液体」，科学研究后发现是 H2O；意识目前只有前一种定义，因为还没有科学理论。见第83–85段。
5. 为什么塞尔认为「意识是主观的，所以不能有意识的科学」是歧义谬误？
因为「主观」在这句话里被偷换了含义。科学要求的「客观」是认识论上的：断言的真假不依赖断言者的态度。意识的「主观」是本体论上的：它只在被体验时存在。两者不在同一层面，本体论主观的现象完全可以有认识论客观的研究，正如经济学可以客观地研究本质上依赖人的态度的货币现象。UCSF 神经科学家的拒绝（第6–7段）正是混淆了这两层含义。
6. 「系统回应」是什么？塞尔如何反驳？
系统回应说：理解中文的不是房间里的人（他只是 CPU），而是人、规则书、草稿纸构成的整个系统。塞尔的反驳是：他不理解的原因在于无法从句法通达语义，而整个房间同样只拥有句法，没有任何额外的东西可以通达语义；要说房间理解，就得假定房间里除了他之外还有另一个意识，而这样的意识并不存在。见第24–25段。他称此回应「孤注一掷但有勇气」。
7. 塞尔为什么说「深蓝的智能为零」？这与「可以对深蓝做客观断言」矛盾吗？
不矛盾。塞尔区分两种智能：内在的（他比狗塔斯基更聪明，这种意义上的智能是心理上真实的）与观察者相对的（我们把深蓝的电子状态解读为「走棋」）。在内在意义上，深蓝什么都不知道，因此智能为零——不是「少一些」，而是「不在同一行当」。但「深蓝走了某步棋」「这台电脑比旧电脑更智能」仍是认识论上客观的断言，因为观察者相对不等于认识论主观。见第33–37、43段。
8. 库兹韦尔的「替换论证」是什么？塞尔的回应抓住了什么关键差异？
库兹韦尔把塞尔论证中的「计算机」换成「人脑」、「形式符号」换成「神经递质浓度」，得出「人脑只是搬弄神经递质，因此人脑不能理解」，意在证明论证形式本身有问题。塞尔的回应是：替换掩盖了本质差异——大脑是特定电化学因果机制（可卡因干扰特定受体的例子说明其化学特异性），而程序按定义与实现方式无关，任何载体都行。前者是产生意识的因果机制，后者只是抽象数学过程。见第61–68段。
9. 塞尔的人工心脏与飞机类比要说明什么？这如何回应「碳沙文主义」的指控？
人工心脏不用肌肉组织却真的泵血；飞机没有羽毛却用伯努利原理复制了鸟克服重力的因果能力。两者都说明：复制因果能力不等于复制材料。因此塞尔明确承认，用非神经元材料造出有意识的机器原则上没有障碍，也从不说「只有碳基才能有意识」。他反对的只是靠纯形式模拟就想产生意识——那相当于指望消化披萨的模拟程序真的消化披萨。见第49–52、90、96–97段。
10. 如果有人反驳：「你也无法证明我有意识，所以对机器的怀疑是双重标准」，塞尔会如何回应？
他明确拒绝这条「认识论路线」。回应有三层：第一，他人有意识不是推论出的理论，而是像「地板是结实的」一样的背景预设；第二，判断依据不是行为相似而是机制相似——狗有眼睛、耳朵、神经系统，手机没有；第三，我们已有压倒性证据知道什么机制产生什么认知，如通过检查视锥细胞就能知道猫的色觉与人不同，不必「成为猫」。因此对人和机器的不同判断并非双重标准，而是基于机制证据。见第68–71、80–81、105–106段。
11. 以塞尔的框架看，今天的大语言模型能流利对话是否说明它「理解」语言？他会怎么评价？
按塞尔的原则，大语言模型仍是「同一被实现的程序」的等价类，与硬件无关、纯句法定义，因此无论对话多流利，都只是更精致的中文房间：通过图灵测试不等于理解，因为「输入输出只有相对于我们的解释才成其为问题和答案」。他会承认它在观察者相对意义上「非常智能」，且实用上极有价值（如同自动驾驶车），但在内在意义上智能为零。同时按他的立场，这不排除未来某种复制了大脑因果能力的机器能真正理解——只是靠在控制台写程序不是正路。
下载便签
手机：长按图片也可保存
订阅苏菲周报
每周一封：本周入库的精读、一个值得带走的问题、一条苏菲按。免费，随时退订。
免费 · 每周一封 · 一键退订
苏菲拉底
THE SOPHIE LAB · ASK THE BEST MINDS THE BIG QUESTIONS
内容仅供学习 · thesophielab.com