智能的原理不可能完全說清楚：人工智能先天的悖論 (簡易版)

建議先看簡易版，也就是現在這一篇。想深入再讀複雜詳細版)

智能的運作方式，無法用足夠具體的流程來理解，這是智能的性質之一。類似想法的蹤跡至少可追到1970年代人機互動大師Larry Tesler對智能的描述。在1980年，John Searle廣受全世界討論的漢字屋論證更是闡述相似的東西。我自認自己的版本更穩固，接下來讓我稍微論證為何這是智能的性質。

若有極端具體的流程步驟可以說明一個存在怎麼運作，我們會說這個存在無法超出這些規則的限制。如同水氣遇冷則凝結，植物依據激素生長：他們只是被規範，沒有自己的智能。想像要學生解數學題目時，我們告知他們每個題目要用哪個公式，以及一步一步怎麼計算。如果學生不自己跳脫這些解題規則，我們社會慣例會說學生只是照做，不會說是學生的智能表現。智能包含了自主變通的能力，包含自由意志、創意等等的問題。因此，只是如同具體步驟一般地運作在社會慣例的意思就是沒有意志和創意，不能稱為智能。

可見，在運作的方法中有未知的部分，我們才會稱之為智能。如果要給出智能背後的夠具體的運作方式，就像問不是食材的東西可不可以當食材一樣。如果一個東西能當食材，它就不是不是食材的東西。同樣的，如果那個答案太過具體，那麼我們理解時就不是在理解智能了。

因此，在電腦科學的背景下，人工智能本來就矛盾。電腦科學面對問題是要找出演算法，演算法的定義就是清楚具體一步一步的方法。這就是為什麼不管歷史上電腦科學解決再多問題：下西洋棋、掃地機器人、自動翻譯、以至最近Google的AlphaGo在圍棋上打敗人類，都還是很多人說這不是真正的智能。原因在於最根本之處：演算法就是夠具體的方法，任何程式都是按照演算法寫成程式碼，所以任何程式都不夠智能。

結論是，想要追求具體和清晰的衝動，雖然給了我們無數的偉大成果，但若是走過頭，則反而會阻止我們理解智能或實現人工智能。來檢視許多領域，我們可以發現很多領域大有問題：計算認知科學、神經生物學、電腦科學中的各種人工智能派別(包括機器學習、類神經網路等等)，全部都太喜好具體步驟，這樣無法掌握智能。人工智能的實現除了理工的嚴謹，還需要藝術般的跳躍發揮。因此，人工智能確實是站在科技、人文、藝術交接處的學問。Google、IBM、Facebook這些公司沒有這樣的文化，恐怕難以實現人工智能。Apple有這樣的公司文化，人工智能卻不是Apple的主軸。請讓我們拭目以待還未浮上檯面的人工智能的主角吧。

此文源自筆者自己撰寫於部落格的文章，經過小幅修正後搬移