導讀：人工智能的發(fā)展過程可謂三起兩落，幾經波折。
雖然現(xiàn)在有了諸如Siri、Cortana、IBM Watson等各類人工智能產品，也有像DeepBlue、AlphaGo人機大戰(zhàn)等人工智能的新聞和事件不時出現(xiàn)，但相比起電腦、網(wǎng)絡、智能手機這類直接地、革命性地改變人們工作生活方式的科技成果而言，在人工智能上所取得的成績還遠遠不夠，沒有達到最初的設想期望。
讓機器擁有智能這個事情到底有多難？人類精英們做了怎樣的努力和探索嘗試？目前人工智能領域到底發(fā)展到什么階段了呢？以下，暢銷書《智慧的疆界》作者周志明老師將在文中一一與大家探討。
文末附思維導圖~
“人工智能”作為一個專業(yè)名詞，是在1956年首次出現(xiàn)，但是人類對人造機械智能的想象與思考卻是源遠流長。
在古代的神話傳說中，技藝高超的工匠可以制作人造人，并為其賦予智能或意識，希臘神話中出現(xiàn)了諸如赫淮斯托斯的黃金機器人和皮格馬利翁的伽拉忒亞這樣的機械人和人造人；根據(jù)列子輯注的《列子·湯問》記載，中國西周時期也已經出現(xiàn)了偃師造人的故事。
人類對人工智能的憑空幻想階段一直持續(xù)到了20世紀40年代。由于第二次世界大戰(zhàn)交戰(zhàn)各國對計算能力、通訊能力在軍事應用上迫切的需求，使得這些領域的研究成為人類科學的主要發(fā)展方向。信息科學的出現(xiàn)和電子計算機的發(fā)明，讓一批學者得以真正開始嚴肅地探討構造人造機械智能的可能性。
01信息革命
從1939年到1945年，在二戰(zhàn)發(fā)生的6年時間里，美國的國民生產總值（GDP）就增長了一倍，這是人類經濟歷史有GDP記錄以來錄得的最高增速，并且這種驚人的速度還是發(fā)生在一個基礎規(guī)模已經極為龐大的經濟體上，更是連最瘋狂經濟學家都不敢設想的奇跡。
美國作為二戰(zhàn)中唯一本土不被戰(zhàn)火直接波及的世界性大國，通過軍事援助與戰(zhàn)爭貸款將各國的經濟命脈與自身相連，從而迅速取代歐洲和亞洲，成為世界“經濟的心臟”。穩(wěn)定的社會環(huán)境、經濟飛躍式的發(fā)展為軍事、科技的發(fā)展注入了強大的驅動力，戰(zhàn)爭中大量受到納粹迫害的各種領域頂尖的人才多以美國為避風港，天然地促使美國匯聚了全球最頂尖的人才與技術，令美國也成為了“世界的大腦”。
在這種單一國家內幾乎集中了全球經濟資源和智慧力量的時代背景下，在二戰(zhàn)這場幾乎波及全人類的龐大戰(zhàn)爭壓力推動下，以美、英兩國學術界為首的人類精英學者們展現(xiàn)了出無與倫比的智慧和創(chuàng)造力。新軍事技術對計算與通訊需求，更具體的是當時新出現(xiàn)的導彈、精確火炮等遠程武器對計算速度、精確性和系統(tǒng)控制能力的要求，以及雷達、電話電報網(wǎng)絡等偵查、通訊系統(tǒng)對信息傳輸安全和效率的要求，直接催生了信息科學和信息技術產業(yè)開始生根發(fā)芽。
二戰(zhàn)結束之后僅一年（1946年）時間，世界第一臺通用計算機，電子數(shù)值積分計算機“埃尼阿克”（Electronic Numerical Integrator And Computer，ENIAC）在美國賓夕法尼亞大學誕生，并實際應用于陸軍火炮彈道和火力計算工作，這個事件標志了通用可編程的計算機技術不僅是理論已成熟，而且已經有了初步的工業(yè)化成果。
在兩年之后（1948年），諾伯特·維納（Norbert Wiener，1896-1964）和克勞德·香農（Claude Shannon，1916-2001）分別發(fā)表了兩部極具開創(chuàng)性的著作，創(chuàng)立了“控制論”和“信息論”，再結合上之前路德維希·馮·貝塔朗菲（Ludwig Von Bertalanffy，1901-1972）在1945年發(fā)表的對“系統(tǒng)論”的總結性著作，整個信息科學仿佛被上帝的手推動著，后世稱之為“信息學三論”的三門支柱性理論幾乎于同一時刻問世，短短幾年時間里面一下子就完成了過去需要幾十年時間才可能完成的發(fā)展突破。
信息科學的研究，不論是理論上還是工程上，都從之前各個學者、機構零散研究摸索的狀態(tài)一下子變得系統(tǒng)有序起來。
信息科學這門學科在20世紀40年代誕生以后，很快就取得了一系列令人矚目的成就，這讓從政府官員、科學家等精英到社會的底層群眾都感受鼓舞，大家似乎已樂觀地預見到了蒸汽機械代替人類的體力勞作的工業(yè)革命后，下一場由智能機械代替人類做腦力勞作的信息革命的到來。
從大半個世紀后的今天回望當初，我們確實在蒸汽動力革命、電力革命之后，見證了信息革命的來臨，不過，即使有互聯(lián)網(wǎng)這樣超出了所有前人想象的技術出現(xiàn)，但在當時的大家看見的目標藍圖里，信息革命的最重要成果還不僅是大家現(xiàn)在能接觸的電腦和網(wǎng)絡，今天計算機可以根據(jù)人類預設的指令和程序，快速的傳遞、計算和處理人類無法想象的天量數(shù)據(jù)，而當時人們所期望的信息時代的新型機械，不僅能夠完成計算和信息傳輸，甚至還將是一種能夠和人類一樣可看、可聽、可寫、可說、可動、可思考、可以復制自身甚至可以有意識的機械。
筆者所描繪的這個場景，不是來自于可以隨意憑空想象的科幻小說，而是引述了當年刊登在《紐約時報》上，美國海軍對“感知機Mark-1”（這臺機器可以說是連接主義在工程實踐上的開端，我們后面章節(jié)中還要提到它）的期望和評價：
The embryo of an electronic computer that(the Navy)expects will be able to walk,talk,see,write,reproduce itself and be conscious of its existence.
這段六十多年前的報道，現(xiàn)在聽起來是不是都還有一點莫名的熟悉感和科幻感？在互聯(lián)網(wǎng)上大家對人工智能的期盼、想象、甚至恐懼的觀點都也與此類似；我們今天在電影和小說中見到的各種機器人，與那時候人們對信息革命所設想的目標，也并沒有太大差別。
信息科學在20世紀40年代的開場可以說是一個完美的開局，接下來的數(shù)十年內，信息科學和信息技術產業(yè)也是一帆風順，迅速發(fā)展，在計算機、通訊、互聯(lián)網(wǎng)等方面取得了豐碩的成果。但在人工智能這個領域，發(fā)展過程就是幾經波折，三起兩落。
雖然現(xiàn)在也有了諸如Siri、Cortana、IBM Watson等各類人工智能產品、也有像DeepBlue、AlphaGo人機大戰(zhàn)等人工智能的新聞和事件不時出現(xiàn)，但相比起電腦、網(wǎng)絡、智能手機這類直接地、革命性地改變人們工作生活方式的科技成果而言，在人工智能上所取得的成績還遠遠不夠，沒有達到最初的設想期望。
為何信息學在人工智能領域的進展上會不如預期，甚至幾段特定的時間里面完全陷入了泥潭？讓機器擁有智能這個事情到底有多難？人類精英們做了怎樣的努力和探索嘗試？目前人工智能領域到底發(fā)展到什么階段了呢？這些都是筆者希望與大家一同探討的問題。
02圖靈機，計算的基石
英國數(shù)學和密碼學家阿蘭·圖靈（Alan Turing，1912-1954，人工智能之父），今天被一些英國的學者和媒體評價為“未開一槍，卻勝百萬雄兵”，“在二戰(zhàn)中間接拯救了上千萬人生命”的傳奇學者。
他做出的重要貢獻之一是在二戰(zhàn)期間與布萊切利園的同事們（Bletchley Park）共同研制了名為“炸彈（Bombe）”的密碼破譯機器，成功破解了從1920年起開始商用，德國人直到戰(zhàn)敗都認為絕不可能被破解的加解密方法“迷”（Enigma），導致德軍的軍事部署在盟軍面前再無秘密可言。
圖靈的成果直接加快了盟軍獲得戰(zhàn)爭勝利的速度，因軍事指揮通訊被Bombe破譯，引發(fā)了當時位列世界第一的德國戰(zhàn)列艦俾斯麥號在丹麥海峽被英軍伏擊并圍殲擊沉，以及后來山本五十六的座機航線被盟軍獲知，進而遭攔截并擊落等直接影響戰(zhàn)爭進程的事件。在二戰(zhàn)期間，圖靈的工作成果雖然沒有對公眾公開，但已經在盟軍的密碼學圈子內部聲名遠揚，已是一顆耀眼明星了。
1942年末，圖靈被英國政府秘密派到美國，和美國海軍交流破譯德國的北大西洋潛艇艦隊密碼的研究成果。結束在華盛頓交流后，圖靈又來到了貝爾實驗室，參與這里的安全語音通訊設備的研發(fā)工作。這樣，當時正在貝爾實驗室數(shù)學組供職的香農就獲得了一個和圖靈合作的機會。
圖靈在當是破譯了包括希特勒通話在內的多項德軍秘密通訊的密碼學破譯專家，而香農當時的工作是通過數(shù)學方法證明“Ｘ系統(tǒng)”——這是美國總統(tǒng)羅斯福到英國首相丘吉爾之間的加密通訊系統(tǒng)，是不可能被他人所破譯的，他們兩位經過在密碼學上“矛和盾”的攻防探討，很快讓圖靈和香農成為了惺惺相惜的好友。
雖說圖靈是去美國做交流的，但是軍事上的事情，尤其是密碼的加密和破解這種事情，只要不在軍方明確允許的范圍內，平常時間是不允許交流各自進展情況的，所以在密碼學上的話題，他們工作之外無法隨意討論什么。所幸香農和圖靈在計算機科學、信息科學上的興趣和研究范圍都極為廣泛，經常飯?zhí)瞄e聊就經常拉到其他各種的前沿領域上。
一次，他們在自助餐廳見面時，圖靈給香農看了他還在劍橋大學念碩士時（1936年）寫的一篇論文《論可計算數(shù)及其在判定性問題上的應用》（“On Computable Numbers,with an Application to the Entscheidungsproblem”），這篇文章是可計算性領域的里程碑式作品。
關于可計算理論可以追溯到1900年，當時著名的大數(shù)學家大衛(wèi)·希爾伯特（David Hilbert，1962-1943）在世紀之交的數(shù)學家大會上給國際數(shù)學界提出了著名的“23個數(shù)學問題”。其中第10問題是這樣的：
存不存在一種有限的、機械的步驟能夠判斷“丟番圖方程”（Diophantine Equation）是否存在解？
這里就提出來了有限的、機械的證明步驟的問題，用今天的話說就是“算法”。但在當時，通用計算機還要半個世紀之后才會出現(xiàn)，人們還不知道“算法”是什么。不過，當時數(shù)學領域中已經有很多問題都是跟“算法”密切相關了，對“算法”，即“如何計算求解問題的步驟”的定義和是否可被算法計算的判定呼之欲出。
圖靈這篇論文的解決可計算性如何定義和度量的問題，其中的關鍵是引出了今天被稱為“圖靈機（Turning Machine）”的概念模型。“圖靈機”與“馮·諾依曼架構”并稱現(xiàn)代通用計算機的“靈魂”與“軀體”，它的對可計算性理論、計算機科學、人工智能都影響深遠，可以說是一項改變了人類近代科學史的偉大發(fā)明，
“圖靈機”這種虛擬的計算機器實際上是一種理想中的計算模型，它的基本思想是用機械操作來模擬人們用紙筆進行數(shù)學運算的過程。通俗地講，圖靈把“計算”這一件日常的行為抽象概括出來，看作是下列兩種簡單動作的不斷重復：
1.在紙上寫上或擦除某個符號。
2.把注意力從紙的一個位置移動到另一個位置。
在每個動作完成后，人要決定下一步的動作是什么，這個決定依賴于此人當前所關注的紙上某個位置的符號和此人當前思維的狀態(tài)。為了模擬人的這種運算過程，圖靈構造出一臺假想的機器，該機器由以下幾個部分組成：
一條無限長的紙帶TAPE。紙帶被劃分為一個接一個的小格子，每個格子上包含一個來自有限字母表的符號，字母表中有一個特殊的符號“_”表示空白。紙帶上的格子從左到右依次被編號為0，1，2，…，紙帶的右端可以無限伸展。
一個讀寫頭HEAD。該讀寫頭可以在紙帶上左右移動，它能讀出當前所指的格子上的符號，并能改變當前格子上的符號。
一套控制規(guī)則TABLE。它根據(jù)當前機器所處的狀態(tài)以及當前讀寫頭所指的格子上的符號來確定讀寫頭下一步的動作，并改變狀態(tài)寄存器的值，令機器進入一個新的狀態(tài)。
一個狀態(tài)寄存器。它用來保存圖靈機當前所處的狀態(tài)。因為寄存器數(shù)量是有限的，所以圖靈機的所有可能狀態(tài)的數(shù)目是有限的，并且規(guī)定有一個特殊的狀態(tài)，稱為停機狀態(tài)，代表計算完成。
這種機器的每一部分都是有限的，但它有一個潛在的無限長的紙帶，因此這種機器只是一個理想的設備，不會被真正的制造出來。圖靈的論文證明了這臺機器就能模擬人類所能進行的任何計算過程。
圖靈機的圖形表示
圖靈機思想的價值所在是因為它雖然結構簡單，但卻可以描述任何人類能夠完成的邏輯推理和計算過程，換句話說，圖靈機的計算能力是人類能夠完成的所有計算的全集，只要一個問題是可判定的，它的計算過程可以被符號和算法所表達出來，它就可以使用圖靈機來完成計算。當時很多學者都無法想象這么一臺聽起來跟打字機差不多的東西，會是一個能夠承載人類所有可以完成的邏輯和運算計算模型，此前，“計算”能力是被視為與“思考”相類似的人類抽象能力，大家一時間很難接受“計算”可以被如此簡單的模型所概括。
如果了解過可“計算性理論”（Computability Theory）這個學術分支歷史的讀者會知道，在圖靈機被提出之前其實就已經有了能模擬人類所能進行的全部計算過程的模型被設計出來。例如圖靈在碩士階段的導師，普林斯頓大學的阿隆佐·邱奇（Alonzo Church，1903-1995）教授于1928年就提出的“Lambda演算”就是其中之一。
但圖靈機相比起其他計算模型的優(yōu)勢在于它極為直觀易于理解，而且很容易通過機械或者電子技術來實現(xiàn)。因此，圖靈機的價值被人們所發(fā)現(xiàn)后，迅速成為了計算機解決“如何計算”問題的基礎，在計算理論上也成為了可計算性的對標物。當一個新的計算模型出現(xiàn)，人們會判定它是否能解決所有在算法上可計算的問題，如果是的話，它就被稱為是圖靈等價或者圖靈完備的。今天，我們稱某種程序設計語言是圖靈完備的，意思也是所有可計算的算法都能夠用這種語言來實現(xiàn)（如今天常見的C、C++、Java、JavaScript等都是圖靈完備的，而HTML/CSS這些語言則不是圖靈完備的）。
由于筆者是個程序員，所以這里就再多寫一句題外話，由于圖靈機的結構簡單性，不考慮編碼效率和可讀性的話，只需寥寥幾個操作指令就能照著圖靈機的定義實現(xiàn)出一款圖靈完備的語言，制造出腦洞大開的效果，大家有興趣的話可以搜索一下“BrainFuck”和“Whitespace”這兩門語言看看。
03人工智能的萌芽
在和圖靈的交流中，香農很快就理解并接受了圖靈機的概念，并對此非常感興趣。因為他與圖靈都看到了一個令人激動的前景——
既然圖靈機這樣一個并不復雜的計算模型就可以抽象人類邏輯和計算能力，而邏輯和計算又是人類最具代表性的智能表現(xiàn)之一，那“思考”能力，也就是“智能”是否也可以被一個模型所承載抽象，并且被機器所實現(xiàn)呢？圖靈機是否也可以擴展為概括所有智能活動的模型？如果圖靈機不足以成為這種模型的話，是否有其他的抽象模型可以代替，成為人造智能的基石呢？
有必要再強調一下，當時是1943年，處于信息科學的萌芽期，連正經的通用電子計算機都還不曾出現(xiàn)的時代，并沒有實際的圖靈機和編程，圖靈和香農所討論的一切對智能的構想都停留在數(shù)學和哲學層面，而兩位人工智能的先驅所討論的這幾個基礎理論問題，在今天仍然是人工智能學界未能解決的問題，他們當時討論的內容對計算機和人工智能的研究仍有很大啟發(fā)意義。
當時他們的討論主要是圍繞圖靈機能否作為智能的基礎模型、如何令機械擁有智能展開的，要解決這些問題，首先要解決的就是要定義什么是“智能”。香農提出考慮機器智能問題時，應當把藝術、情感、音樂等方面的能力一并考慮進去，這很接近今天對多元智能理論中對智能的理解。而圖靈則不認可，圖靈認為智能既然是由物質（指人類大腦）所承載的，就應該是可由物理公式去推導，可以用數(shù)學的方式去描述的，不應該把這些文化方面的內容包含進去。
據(jù)《圖靈傳》（“Alan Turing:The Enigma”）的記載，一次他們兩個在討論智能的定義時發(fā)生了爭論，圖靈反駁香農時是這么說的：“不！我對如何建造一顆無所不能的大腦完全不感興趣，我只要一顆并不太聰明的大腦，和美國電報電話公司董事長的腦袋那樣就差不多行了！”，如果這位躺槍的董事長先生（貝爾實驗室是AT&T下轄的研究機構，董事長既是他們兩個的老板）在場的話，大概不會同意圖靈給智能所作的定義。
圖靈（左）和香農（右）
對于機器如何實現(xiàn)智能這個問題，圖靈提出了兩條可能的發(fā)展路線：一種是基于建設“基礎能力”的方法，通過編寫越來越龐大完善的程序，使機器具備越來越多的能力，譬如可以與人下棋、可以分析股票、可以識別圖形等等這樣的能力，圖靈認為這是完全可以做到的。但他更有興趣的是基于“思維狀態(tài)”來建造大腦。
這種方法的指導信念是，人類大腦一定存在著某種內在機制來產生智能，因為并沒有什么更高等的神秘力量在為人腦編程，所以一定存在著某種方法，可以使機器自動地學習，就像人類大腦一樣。圖靈進一步解釋到：新生兒的大腦是不具備智能的，因此，找到人類大腦獲得智能的途徑，然后應用于機器上，可以實現(xiàn)一個可以自己學習成長，成為機器掌握任何領域技能的一攬子解決方案。
圖靈在美國交流期間，他和香農并未能解決“如何定義智能”、“圖靈機能否作為智能的承載模型”等問題，但是他們在貝爾實驗室一系列關于智能的討論，代表這個時期學者對“機器和智能”思考的萌芽，是人工智能從“科幻”走向“科學”踏出的第一步。
圖靈回到英國之后，他與香農仍然保持著聯(lián)系，香農還在戰(zhàn)后到英國回訪過圖靈，他們仍然為解決幾個問題而不懈努力。在本章中，筆者將繼續(xù)以圖靈的工作為主線進行講解，而香農的研究工作也間接地導致了人工智能史上另一個重要里程碑事件的發(fā)生，而這就是下一章的內容了。
04圖靈測試：何謂智能？
1945年到1947年期間，圖靈從美國回到英國之后居住在倫敦的漢普頓區(qū)。這段時間內他在為“英國國家物理實驗室”（National Physical Laboratory，NPL）工作，工作的具體內容是設計一款名為“自動計算引擎”（Automatic Computing Engine，ACE）的通用電子計算機。1946年2月，圖靈發(fā)表了世界上詳細論述帶程序存儲功能（Stored-Program）的計算機體系架構的最早論文之一。但是由于政府決策者的短視，ACE完成理論設計后，反而陷入了一連串研發(fā)電子計算機的工作是否值得現(xiàn)在就去投入的爭論中，并未能立刻進入建造階段。圖靈因此感到心灰意冷，離開NPL回到大學校園（劍橋大學和曼切斯頓大學），專心研究機械與智能去了。
ACE電子計算機
關于ACE的歷史，其實很值的詳細書寫一番，如果ACE當時立即啟動建造，將很有可能和馮·諾依曼的“離散變量自動電子計算機”（Electronic Discrete Variable Automatic Computer，EDVAC）競爭“現(xiàn)代計算機的鼻祖”的頭銜（當ACE建造工作重新啟動之后，在1950年竣工，EDVAC則在1949年完成，兩者完成時間僅差不到1年），也許今天的學校的計算機課本教授到體系架構時就不再稱為馮·諾依曼架構了。圖靈和馮·諾依曼（Von Neumann，1903-1957）都是數(shù)學和計算機科學領域的天才，他們雖然沒有直接的合作，分別在兩個國家獨立研究，但對計算機體系架構的觀點卻出奇的一致，只是運氣上馮·諾依曼要比圖靈幸運得多。圖靈關于ACE的工作和人工智能關系有限，我們就不再花費筆墨在這上面了。
由于英國政府的保密要求，回到劍橋后，圖靈所做的關于機械智能的研究在當時并未公開發(fā)表（圖靈的論文《智能機器》（“Intelligent Machinery”）寫于1948年，直至1992年才在《艾倫·圖靈選集》中發(fā)表）。直到1950年，圖靈在《心靈》（“Mind”）雜志上發(fā)表了另一篇劃時代的論文：《計算機器和智能》（“Computing Machinery and Intelligence”），筆者相信大部分讀者都沒有聽說過這文章，但也敢肯定有很多人聽說過“圖靈測試（Turing Test）”，正是這篇文章提出了著名的“圖靈測試”?？梢哉f，也正是因為這篇論文對圖靈研究工作的總結，使得后來圖靈被世人冠以人工智能之父的榮耀。
1950年圖靈在《心靈》雜志中發(fā)表《計算機器和智能》，圖為《心靈》雜志的目錄
我們先來介紹圖靈測試，與當年和香農爭論“智能該如何定義”這個問題時的思路不同，經過幾年時間的探索，圖靈已經意識到在當時的學術積累下強行定義智能將是適得其反的。因此，在《計算機器和智能》的開篇就直接說明了他不會正面地的明確定義何謂“智能”，而是先假定智能可以被機器所模擬，然后對機器是否擁有智能給出了一個側面的判定途徑：
如果人類由于無法分辨一臺機器是否具備與人類相似的智能，導致無法分辨與之對話的到底是人類還是機器，那即可認定機器存在智能。
這個簡單的機器對人類的“模仿游戲”便是現(xiàn)今舉世聞名的圖靈測試。圖靈在提出圖靈測試的時候，并未想到會對后世帶來如此深遠的影響。大概1998年互聯(lián)網(wǎng)興起開始，每隔一段時間就有企業(yè)或機構出來聲稱自己研制的機器人通過了圖靈測試，其實這幾乎都是商業(yè)操作和宣傳的噱頭，無一例外都是特定條件下，如“在5分鐘或者20句的對話中，成功令若干個的受測者認為與他對話的機器是個13歲的孩子”這一類型的“通過測試”。
而圖靈所定義的圖靈測試，更接近于一個思想實驗，并未規(guī)定參加測試的機器要和人對話多長時間，要騙過受測者中多少人，參加測試的人類智力、年齡等應該在什么樣的水平，機器應該模仿一個年齡多大的人類等等（論文中倒是列舉了很多可能提的問題和計算機回答的場景來進行論述，但并未對測試加以任何判定的條件限制）。圖靈測試中所指的人類，也更多是一個泛稱，而非特定的某類人或某個人類個體。
迄今為止，沒有任何機器能夠通過真正意義上的圖靈測試。有趣的是，因為機器在圖靈測試上一次又一次的失敗，人類基于機器通過這種測試的困難度，反而創(chuàng)造出圖靈測試最廣泛的應用場景，這種應用在網(wǎng)絡上隨處可見——圖形驗證碼。驗證碼的英文單詞“Captchac”其實就是“通過圖靈測試來完全自動地分辨出計算機和人類”這句話的首字母縮寫（Completely Automated Public Turing test to tell Computers and Humans Apart）
05智能與人類的界限
今天主流的人工智能研究中，直接以創(chuàng)造出能通過圖靈測試的人造智能機械為目標的研究項目其實極為罕見的，這一方面原因是因為圖靈測試的難度實在是太高，難以出成果；還有另一方面的原因是圖靈測試所提出的目標，其實是已經超過了人類自身的需要了，好比人類要不斷制造更好飛機的目的肯定是為了更快更舒適的旅行，而不是為了它飛的更像鴿子以至于能欺騙掉其他鳥類。
通過一個簡單的集合關系，可以令我們以更嚴謹?shù)姆绞絹砝斫?ldquo;人類所需的智能”和“能夠模仿人類通過圖靈測試的智能”這兩個問題的差別。如圖所示，我們定義了兩個集合：“全部智能行為”和“全部人類行為”，以及兩者的交集“屬于人類需要范疇的智能行為”，并以此舉例：
屬于全部智能行為可以回答的問題：“圍棋規(guī)則中執(zhí)黑需要貼目多少才能確保公平？”
屬于全部人類行為可以回答的問題：“周志明和周杰倫誰唱歌比較好聽？”
屬于人類范疇的智能行為可以回答的問題：“菠菜3元一斤買3斤需要多少錢？”
人類行為與智能行為的范圍
顯而易見，圖靈測試所判定的“智能”是能夠模擬全部人類行為的智能，但是全部人類行為的范圍內并非都是“屬于人類需要范疇的智能行為”，也并非所有人類行為都有讓計算機代替人類去完成的必要，你沒必要讓計算機替你分辨出“榴蓮到底是不是一種好吃水果”，覺得榴蓮是否好吃這種問題也不會用來衡量回答者有沒有智能或者作為判斷智商的高低的依據(jù)，對吧？
今天學術界人工智能研究的主流是機器從事人類范疇的智能行為（當然，機器天生就可以完成一部分人類之外的智能行為，譬如速算，所以要研究的問題是機器還完成不了的人類范疇的智能行為）這部分內容，而筆者相信現(xiàn)在絕大部分人都很容易接受人工智能的研究定位在人類范疇的智能行為是合理的。
但是當時的主流學者并不都這么認為，在1950年以及之后的一、二十年里，人們對機械實現(xiàn)智能的難度估計普遍都表現(xiàn)出極為樂觀的態(tài)度，很多的投入是花費在“意識”（Consciousness）、“心智”（Mind）、“自我”（Self）這一類今天劃歸于強人工智能范疇的研究之中，以至于在20世紀80年代大家終于接受快速實現(xiàn)人工智能的愿望已不切實際這個現(xiàn)實后，出現(xiàn)了一系列關于人工智能前途的大討論，如“技術奇異點”的討論、“中文房間”實驗、強弱人工智能之分等都是這個時期提出的。
