Tech firms are luring AI experts from universities with salaries rivalling those of sports stars
訪問H. A. Simon教授談人工智能（AI）的愛恨情仇
-- 1994年6月，訪談者Doug
Stewart (ONMI雜誌代表)
1956年元月，艾森豪總統首任期，而電動打字機仍然是奢侈品。Simon跨入他在匹茲堡的卡耐基理工（Carnegie Tech）開的「數理建模」課教室。他隨即宣稱，他已造出一架會思考的機器。Simon和他的兩位同事，創造出第一套所謂的人工智能（artificial-intelligence
簡稱AI－台灣不知何故用「人工智慧」）的程式，它會自動作出諸多邏輯定理的證明，這一本事，至今只有人類中的邏輯學者才具備。對這位日後的諾貝爾獎得主而言，在此程式所證明出的東西之中，最重要的，其實是「人腦畢竟並沒什?特殊的」。
Simon現在仍然任教在卡耐基-梅隆大學（Carnegie-Mellon，簡稱CMU，由卡耐基理工改制）。他是個學術上的通才：電腦專家兼社會科學家、認知心理學家和哲學家。對於史丹佛大學的E. Feigenbaum教授（他是位AI先驅）而言，Simon是最道地的行?科學家。他的天才，在於能從極複雜的人類行?之中，理出種種優美、簡單而有用的模式來解釋資料。他可能是20世紀最偉大的行?科學家。
Simon今年77歲，一直是AI界（他幫忙創立的領域）中的一位無悔的左派分子。他說起話來像連珠炮，他又相當好辯，極為自信，程度到甚至到令人覺得傲慢。他堅信人腦中的一切，都可以用「資訊處理」來充分解釋。他辯說：「余豈好辯！」，這是他的家常本事之一，而這些事情，電腦程式都做得到。【詳內容】
H. Simon一向都好辯。他發表的第一篇文章，是他在中學時投書Milwaukee Journal ，?無神論辯護。 他是位信奉公共自由主義者，也是一位擁護羅斯福新政的民主黨員。他曾在晚會上詢問貴賓們：
如果有一AI程式，它完全與小孩一樣，而且它又能百病不入，那?你們比較喜歡親生小孩或是要它呢？這舉動令大家的味口盡失，而他也惡名昭章了。他坦承，對批評常，他常是「惡聲至，必反之」，而且，毫不留情。他就像那種西洋棋手，他們輸掉一局之後，隔天會向對手說：要不是某步棋的話，他可早就贏了。
他到50幾歲時，都還算是位經濟學兼政治學家。他1978年獲得諾貝爾經濟學獎。他協助將傳統經濟學的種種乾淨俐落而正確的供需圖，推向考量真實世界中的複雜心理學和行?科學。他的「有限理性理論」，顛覆了傳統的組織研究觀點－即，諸多決策總是追求利潤極大化，更廣義而言，個人總會從許多選擇方案找出最佳的。對於上述看法，他大不以?然。據他觀察，人們一向所面對的情況，都是資訊太多了，遠非其腦力所能負擔，結果，不管在下棋或定價的時候，他們只要一碰到夠好的選擇，就決定讓它成交了。套用達爾文的話來說，這叫「較適者生存」（survival of the fitter）。
雖然40年前，Simon就將他的正職，轉到AI和認知科學上了。其實，他一生所有的研究中心主題，並沒改變：人們是如何下種種決策的。他探討人們如何將每一問題，細分成諸多小問題，再歷經種種努力，克服資訊量過大的難題，來作出決策－它猶如在玩所謂的「追問20道問題（Twenty Questions）」般。這樣，他的事業，很合乎鑼輯地走到電腦之應用，想要利用電腦來模擬人們的「種種經歷重重搜索並選擇之」策略。
Simon可不像他的一些同輩般，一味著迷于萬能式電腦。在處理資訊的速度上和能力上，人腦顯然都是受限的。因此，他小心地在他所建立的諸多人工系統之中，設定與人腦相同的諸項限制。對於他而言，電腦只不過是達成其目的的一項手段。他的目的，是想要瞭解人類是如何思考的、人類具有那些潛力。
在與Omni雜誌的Doug
Stewart的第一次訪談時，Simon身著一套藍色毛裝，僵硬而猶新，這是他訪問旅行中國時所帶回來的紀念品。他很自信，說話時滔滔不絕。對自己過去的發言，從不打退堂鼓。如果有人對他主張的「創造力可以自動化」的想法有異議的話，他會指出他辦公室牆上的人像畫給對方看，它們都是電腦繪製的。他顯然讚美該等作品，不過，他也發現，它們可作?給懷疑者們的入門案例。
OMNI
對於「某一心智可以寄居於某一物體之身上」這概念，電腦教了我們什?？
Simon
人們宣稱他們在思考的時候，他們所做的事情，即使廣泛範圍，電腦都可以做出來。我們或多或少地知道，頭腦在做這事（思考）的時候，是由諸多的神經元，以某方式來運作的。但是，至今從沒有人告訴我們，它的完整的運作程式。電腦告訴我們，有一種方式，思想能由某一物理裝置來做成的。我們認?，如果編寫電腦程式的方法，不是採取硬幹式--即純靠它的極快速度--而是使用人們顯然在運用的「搜索並選擇」這一方式的話，那麼，它就能做出思考等事情。它們的確是如此的。
OMNI
什?是AI的主要目標？
Simon
AI可以有兩目的。一是運用電腦的力量來強化人類的思考。正如用馬達來加強人力或馬力。這一主要AI分支，稱?機器人學和專家系統。另一?利用電腦的人工智慧來瞭解人類是如何思考的，它是採取對模擬（類似）人類之方式。如果你測試你的諸多程式的時候，更研究它們是如何達成的，而不只是它們能達成什?而已。那?，你真正是在研究認知科學，你正在用AI來瞭解人類之心智。
OMNI
所以你相信電腦能思考？
Simon
我從1955年開始，使用種種電腦來從極多的可能性中，作諸多選擇性探索，來解決問題。我們認?，它是人類思考之基礎。它們一向都在思考著，該程式叫作《邏輯理論家》（LT），它可以發現證明某一定理的諸多方法。我們選擇懷德海和羅素的經典著作《數學原理》中的一些定理?例， 因?那時候該書正好在我的書架上。人類數學家要證明某一定理時，他會從一些公設出發，來找該定理的證明。
我們認?《邏輯理論家》作類似的搜索。運氣好的話，它會找到證明。當然，無法保證它一定找到。這一點，人和機器都是一樣的。一兩年之後，我們將這些觀念植到《通用問題解決者程式》（GPS）。它處理的並不局限於邏輯，例如你給的問題是：「我如何能到機場？」它會從下述著手：我要去的地方，它與我此刻所在地之間，差距有多少？距離20英里之遙。我知道那些工具能減少該差距。你可以騎自行車去，或搭直升機，或計程車去。如果我選擇搭計程車，如何找一部來搭？再次，GPS會問：「如何找部計程車？」、「你打電話叫車」等等。
你每出一道問題，它就想到，儲存於記憶體中的，有那些工具或方法可縮小該差距？在應用之前，每一工具要先滿足某些條件才行。證實滿足之後，它就到記憶體去找出來用。最後，它找到解法。你叫輛計程車，它來了，你上車。首先，要確定它是要往機場去的。請注意，GPS並不是凡事都嘗試的--此例中，將步行或搭乘直升機等都排除不做。 其實，它對步行或搭乘直升機等，知道得相當多。它協助你作成決定：在此情況下，不採取它們。
OMNI
你當時有沒向還健在的《數學原理》的共著者羅素，說明你們LT的作?？
Simon
沒錯！他回信說：「要是早告訴他們的話，他們可省下十年光陰。」我認?他好像覺得這玩藝有趣、好玩。
OMNI
在這情況下，大部分的人發現自己辛苦了十年，卻被這小玩藝--以今天標準，它們算是很原始的--達成，這豈不煞風景。
Simon
你該知道，我發現馬兒能比我跑得這?快，並不會感到蠻沒尊嚴的。不過我們很久以前就知道有些動物比我們大得多、更快、
更強壯。
OMNI
然而，《數學原理》可是腦力之精華作品，而不是那些蠻勇力量。
Simon
把「思考」看成人類的一項足以自傲的獨特的能力，的確沒錯。貓和狗都會思考，然而能力極有限。我們真心努力以赴的是，探討人類怎麼來思考的？我們對這了解得越多，就越能了解自己，也會活得更好。這樣，對於人的自尊，又有何打擊可言呢？不過，人們每一想到自己的獨特性將受到挑戰，便感到頓受威脅。這些人有許多同路人，他們在哥白尼和加利略宣稱地球非宇宙的中心時，以及達爾文宣稱目前的諸多物種，都是從少數祖先演化而來的時候，也都同樣興風作浪過。我不知道有沒人會因為「地球非宇宙中心」而覺得傷心？
不過，我肯定現在還有人會因為達爾文學說而失眠。對於「思考」，它猶如其他能力般，我們也可以用平常話來加以解釋的。也許我們該進一步了解，我們是屬於這地球上之一更大的系統。也許我們有此自覺之後，要接受它、並與其相融入，而不再搞些無謂的自尊、面子問題。
OMNI
「人的思考是可解釋的」，這件事可遠比「機器會思想」一事容易接受得多。
Simon
一般而言，東西可以用平常話加以解釋的話，我們就已經對它作了種種理論之建構，開始模仿它。
埃及人並不認為金字塔那樣神聖，因而不可以發明機器，來幫助人來建造它。所以我們沒理由認為「想讓機器來幫我們思考」一事，是多麼不可思議的。其實，過去40餘年來，它們一直在協助我們思考。
OMNI
你在70年代的一套程式，重新發現刻卜勒定律，它怎麼作到的？
Simon
它只需要一些原始數據而已。它會試著從其中找出諸多的模式來。我們稱它為BACON，紀念英國的歸納法的倡導者培根爵士（Francis Bacon）。在17世紀時，刻卜勒已知太陽系諸行星與太陽的距離，以及它們繞太陽轉的周期時間。他認為這些數據應該有些模式可尋。他辛苦花了十年功夫，終於找到數據，顯示當周期時間變大，距離也跟著變大，所以它將兩者相除，看看能不能得到一定值。這行不通，所以他再將距離再除一次，仍舊不行。不過，他現在有兩組比例，其中一組變大時，另外一組根著變小。因此他試問：這兩組相乘的話，會怎麼樣？--也許得一組常數。巧得很，結果正是如此。BACON只花三次試算，就得出同一答案。
OMNI
猜得準！多幸運！
Simon
這可完全不是碰運氣的。對於數據，這套BACON可是很有選擇力的。如果兩數據成正相關，它算其比值；如果呈負相關，它計算其乘積。採用這兩些簡單的或經驗（或稱為啟發式）試算法，
它發現了「周期的平方和距離的立方之比為一固定值」，這就是「刻卜勒第三定律」。使用一些相同的技巧，BACON也找到「歐姆電阻定律」。它會發明一些18和19世紀的一些關鍵的物理化學觀念，諸如電壓、折射率、比熱等--當然，它不知道如何稱呼它們。這告訴你，使用一組相當簡單的經驗規則，你就可以重新發現一些頂尖的理化定律。BACON每一次的發現，都使我們對於人們如何作出科學發現的心理，更為清楚，更能解釋。它使我們將所謂的「天才理論」排除掉。 科學上的發現，實際為一平常的過程，當然，科學家他們要夠聰明才行。不過，他們的發現並不是無中生有的，或天上掉下來的怪事。
OMNI
為什麼經驗法則對於人類和電腦這樣重要？
Simon
用西洋棋盤這項有限的東西為例來說明。你每步棋有20種可能走法，而你下的每步棋，對手又有20種可能回應走法，這樣一來一往，共有400種可能組合。你對其回應，又有20種可能走法，如此共有8,000種可能走法。要在這8,000 種中找出好棋法，已超乎人的諸多能力界限了。所以你的搜索，必須設搜索之界限，即，你需要有些規則來選出諸多有用的可能性。如果某棋士想窮盡棋盤的所有可能性，那他需要想的總組合數，可能比全宇宙的分子數目更多。我們有充分的證據顯示，即使棋王，他很少一次考量超過100個可能性的。
OMNI
隨著電腦越來越快速有效，這些缺點是不是變得更不重要呢？
Simon
它對機器而言，更不重要了（對人而言，限制仍然在）。今天最佳的下棋程式每下一棋，可以算5千萬可能組合。不過即使如此，為了避免算10的10次方或20次方這麼多的可能，仍然要很有選擇力才行。
OMNI
你同Allen Newell在50年代寫下世界第一套下棋程式，它那時功力如何呢？
Simon
不怎麼行。Hubert Dreyfus在其《電腦不能做什麼》（What Computers Cant Do）一書中，對於它下棋贏不過10歲的小朋友這件事，似乎甚津津樂道。不過我得加一句，它可蠻聰明的呢！Hubert Dreyfus的話剛說完不久，他自己就被麻州理工（MIT）Greenblatt所設計的下棋機器打敗了。不過，這是另一章的故事。回到原主題，我們試探的，並不是電腦如何下棋，而是人們如何玩它。因此，
該程式的下法是仿照人的，它有諸多目標，極富選擇能力。對於棋盤上的諸多暗示，能夠回應等等。
到了60年代， George
Baylor 同我寫出MATER程式，它專門是匹配(預算)諸多局勢情況，能力超強，足以使許多棋士甘拜下風。它的程式有準則來判定那些棋步有威力，從而只探索這些棋步。它從不用作超過100個選擇。具《棋經》中說，在一些有名的棋賽中，聰明的棋手先見力非凡，能看出、深算出約後8步的局勢，而該程式的能力，大抵與他們相當。
OMNI
這樣說來，它與棋王有相當的洞識力了。
Simon
你根本就用不著說「這樣說來("so to speak")」，它本來與人類棋士就有相同的洞識力了。我們當時測試過，對於人類棋王在這些局勢下如何下祺，我們是否了解，結論是我們的確了解。
OMNI
你說過，下棋為作出一系列的決策。可是，難道棋王們不是一眼將全局勢盡收眼底嗎？
Simon
有位俄羅斯心理學家研究過一些棋藝不錯的人們在下棋時眼睛的動線，他發現，這些棋師在前5秒，就將所有重要方格之全局勢（格式塔）盡收眼底( "getting a
gestalt of a position." ) ，而其他不重要的，幾乎不去管它們--這就是說，將全局勢盡收眼底。我們根據一簡單規則，寫出一小電腦程式來模擬它。開盤的幾步，它選擇近棋盤中的最大的一塊，然後該程式選它下一步或攻或守的一塊。
妙得很，這樣，它很快就只審視重要方格，而幾乎不管其他不重要的。你能告訴我，在那些情形下，這樣的普通暗示反應機制--你大可稱之為直覺--無法再製這些格式塔現象？
OMNI
難道善棋者無法一眼就看穿幾子嗎？
Simon
關於知覺上的實驗顯示，我們在接收所有的視覺資訊時，是在極小範圍內的。我們還知道得更多：我和同事Bill Chase作過一些實驗，我們將一些用心下過的殘局(也許是20步之後的結果)，給一些棋士看，此時棋王幾乎可將24或25子擺對，而業餘棋士只能擺對6或7子。這樣，你可說：棋王們的前視力(vision)了不起，豈不是嗎？
現在，我們把相同的這25子棋再試一次，隨機任意擺而不管下棋規則。同上次一樣，棋力平平者只能擺回6或7子，而高手也好不到那，可能只多認出一子。很顯然的，棋王們所見者，並非個別棋子，而是一些熟悉的布局--例如Fianchetto氏的城堡-國王等等。這其實是一種「認出」之動作，正如你認出母親自街頭那兒走來，我們從該認出中，引來許多資訊。
一位棋王可以同時與50人對賽，他每幾秒換到另一新棋盤去下，最後他贏了48盤。這如何辦到的？這時他沒空多往前想，所以他找暗示。他開始時走平常棋法，很少看棋盤，直到他發現對手下的棋局有破綻可尋時，他從棋局中將這看成一特徵，正如一位醫生看到某一病徵，馬上說：「你得了麻疹。」
棋王也會說：「雙卒同行！（A doubled pawn!）」這下子你慘了。
OMNI
你曾把複雜的人類行為比喻成一隻螞蟻，這怎麼說呢？
Simon
你在海灘上看到一隻螞蟻，它正沿一浪痕路徑走過。你可能會說，上上下下多複雜，其實它只是想回去，所以必須經某沙丘，繞道某些木枝。它走的路徑，一般都朝向它的目標。它採取的謀略很簡單，不外是對其環境作種種局部反應。如果你要模擬一隻螞蟻，用不著模擬其曲折歧途，而只須模擬它對諸多障礙的反應方式即可。譬如說，你想要寫程式來模擬彈鋼琴。當然，巴哈的賦格曲和莫札特的奏鳴曲都很複雜，所以你看人們彈奏它們時，指法可能令人眼花撩亂。不過，你如果知道該樂譜的話，就都能預測出每一音符。複雜性在於那些音符之中，而手指只是彈奏它們時應作的而已。
也許，我們看人們表面上在做些難懂而複雜的事。其實，他們不只過是在應付難懂而複雜的環境--即，它們能感受到的自然環境和它們儲存於記憶中的。一位專家的行為之所以獨特，在於他的知識，而不是他或她的頭腦有什麼特別的地方。我們願意打賭，一個人思考之背後的過程，是極為直接了當的：不過是選擇性搜索和識別( selective search and recognition)。
OMNI
我們不需要知道神經層次之工作嗎？
Simon
最終還是需要的。科學是層層疊疊而成的，在較高的層次上，有符號心理學、資訊處理等，人們正試圖將這些層次連接起來。不過，我們對於這些，仍然所知極有限。沒人知道與某一符號相對應的神經生物上的東西。我以為在這些連接層次被我們弄懂之前，先發展符號層次之理論，這是相當管用的策略，這猶如我們盡管只注意生化作用，而不必去管諸多原子核在幹什麼。
OMNI
你主張在指引電腦系統的設計上，應該是經驗（實證）知識，而不是諸多理論性假設。為什麼呢？ 理論這樣不管用嗎？
Simon
反對者說，我們無法建構一實證的電腦科學，因為它們是人造物--因此，你作出什麼，它就是什麼。這我不以為然。它們是我們能作的東西。你建構某一系統時，是希望它有某一確定的行為，並看看它們是否真的如此行為，這正是我們過去35年一直在做的。
「電腦科學為一實證科學」的說法，並非人人都同意。理論家們挖空心思，想出一些假設前提，並用它們來証明一些關於電腦的數學定理，然後他們希望這樣證明了某些真實世界上的東西。不過，我們要知道，即使物理學家也不會從無中生有，他們想出假設前提之前，會先作些實驗。在電腦科學中，我們要想知道，從那些假設出發才好的話，只有一途徑，即，透過對於許多電腦系統之經驗。它們告訴我們：真正世界是什麼。用平行處理為例來說明：我們之所以知道那些平行系統有效，而那些平行系統是無效的，大體是透過它們的運作之經驗，我們人類在與外在真實世界互動中，越是碰得鼻青臉腫時，最能學到東西。
OMNI
這與你在早期就反對古典經濟學，是否類似？
Simon
肯定是的。物理學家大量應用數學，效果不錯，所以經濟學對這本事相當迷戀，因此，他們花許多時間來建立其大型模式，並擔心它們是否夠嚴密。這方面的努力，常常徒勞無功，因為他們的模式中有許多的假設，盡是經濟學家在搖椅上空想出來的。這不奇怪，因為我是學政治出身的，不是經濟學科班。政治學家們對種種數據，很是重視--要走出去，去觀察。這種實踐，我做得不少。我在19歲的時候，做過一項研究觀察Milwaukee市政府是如何作其預算決策的--特別是他們如何就「種植更多的樹」抑或「增聘一位娛樂主任」之間取捨。我將這一方面的工作寫成我的博士論文，更在1940年代中期把它整理成《管理行為》一書出版。
古典經濟理論的假設是，決策者們（不管是獨自或集體）對世界是全知的，並用這來計算出最佳的行為方式。可是，事實其實不然。我們可以用公司為例來說明，它對其環境中，幾乎有無數事項是無知的，它對於完全創新的產品和行銷的方法，更是完全不知情，而更多的情形是，有許多事是它無法加以計算的，即使它有些事實可以丟入計算之中。所以我們說，古典經濟學的觀點是很不切實際的，你要想進入某家企業去評估其實際決策過程的話，你必須先找出它們擁有什麼資訊，選擇那些為其注意的焦點，以及他們實際上是如何處理其資訊的。這就是我這些年一直在做的，這也可以說明，我從事的人工智能（AI），為什麼是我早期在經濟學上的延伸。它是試圖了解決策是如何行得通的：先從個人層次著手--人是怎麼運用諸如頭腦這樣的工具來解決諸多問題的。然後，再深入到群體的決策和問題解決。可惜，我還沒回到該層次的研究。
OMNI
你說過，人們在作決策時，並不作最佳選擇，而總是以為夠好即可，甚至在選擇配偶上，也是如此的。
Simon
肯定如此的。在任何某一時候，適合的異性是無數的，我不曾看過有那一人是先將可能的候選人都完全選過，之後再選擇的。我們根據經驗，知道那一些女人是我們可以忍受，而她們也會容忍或寬容我們。我不知道在我遇上我太太之前，我仔細看過多少女人，一定不超過一千人。順便提一下，我們婚姻已維持65年了。
OMNI
恭喜！你為什麼從經濟學轉移到AI和認知心理學呢？
Simon
我是從新領域的觀點，來審視諸多社會科學的。它們須要更嚴密的研究，因此我學習應用數學，即使得博士學位之後，仍然如此。在經濟學中，你總能將諸多需求和供應價之組合加以量化，不過，你如何將政治科學中的「政治權力」和「自然語言」等諸多概念更嚴密化呢？
我看到使用某些數學工具（諸如微分方程式等）來描述人類行為時的極限。很巧，我在40年代電腦剛發明不久，就接觸到它了。它們令我著迷。50年代初，那時西海岸有一智庫叫RAND公司，我在那兒看到Allen Newell和 Cliff Shaw在用電腦模擬一些飛機飛過某張地圖上方。我注意到，該電腦並不像一般的電腦，只會計算數字，它是在操縱符號。對我而言，這極像在思考。我覺得這種「將電腦當成通用型問題解決者」的想法，對我像晴天霹靂般。我要處理的上述諸多問題，用不著量化，就可以處理。從那頓悟的時候開始，我投入AI，再也不回頭了。後來我們終於將人類之行為，賦予嚴密的理論建構。我們給予某一程式輸入，它像給人類受試者的刺激般的東西。你可以將你的問題用英文加以陳述，而不必用方程式，讓電腦去形成該問題的表徵(再現模式)，然後再設法解決它。
OMNI
不過在這些符號再現模式之下，電腦不是只作些數字計算嗎？
Simon
【大聲說】胡說八道！電腦當然不是這樣的。你不妨去打開一部電腦看看，你一定找不到任何一數字。你會發現，它不過是一些電磁場，這正如同你打開人的腦袋蓋，你也找不到任何符號，只是一些神經元。你可以用這些東西，不管是電磁場或神經元，來表徵任何你喜歡的形樣（模式）。對於電腦而言，這些形樣所代表的，究竟是字詞、數字或圖像等，它都不管的。當然，就某意義而言，一部電腦之中是有些筆(Bits，位元)的。然而，它真正重要的，並非能作高速運算，而是它能操縱符號。這是人類如何能思考之道理，也是我立論的基本假設。
OMNI
有那些事機器智能上受限制的，而對人類卻卻是無限制的？
Simon
據我所知，並沒有。不過，這是一實證問題。長遠而言，這只能由實驗來定案，如果果真有界限，我們很快就會發現的。
OMNI
有沒有那些決策，你可是永遠不會交給電腦的，即使是未來高級的電腦也一樣？
Simon
假若我知道該電腦是如何編程式的話，那麼我的回答是：「沒有東西不可交給它們的！」 我多年以前經常搭飛機，特別在惡劣天候時，在紐約La Guardia機場著路時，我會想，機上能有個人類駕駛員較好。現在，在類似的壞天氣情況下，我會說：「希望機上裝設電腦輔助著路系統！」我的忠誠是否改變了呢？沒有！只是我判斷電腦已經進步到這樣田地，由它來著路，遠比由人來做更為可靠。
OMNI
你會讓一台電腦做犯罪審判的陪審員嗎？
Simon
再一次，我會想知道該電腦對於世界知道那些，它在判斷時考慮那些類的事情，以及它如何權衡輕重種種證據。至於電腦在判斷人們的犯罪時，會不會更正確，
我對它辦得到，倒是有信心的。 標準化了的「明尼蘇打多階段人格測試（Minnesota Multiphasic
[Personality] Inventory）」它對人的預測，已經比人還準確。我任教的CMU大學，採用高中生的考試成績和平均學科等級，來預測大學的表現，如果你將面試的判斷和這些預測加以比較，每次都是測試成績贏。
OMNI
估算種種概率，是一回事，而應用人的智慧，可又是另外一回事。你相信人真有智慧這一回事？
Simon
我們人類知道許多東西，其中有些是真實的，並加以應用。如果我們喜歡這樣的結果，就稱之為「智慧」。的確，是有所謂的人的智慧這回事的，而如果你要電腦當個好陪審員，它最好要具備智慧。
我們在碰到困難的醫學問題而需要諮詢的時候，可請教從事醫療診斷的電腦程式--如果你要稱它為"智慧"的話，這形容好得很，如果你要稱它為"直覺"，也好得很。它的真正本事，是對某一領域有極多的知識，它有能力看到一些跡象之暗示(病徵)--或沒某些暗示(病徵)--的時候，有本事檢索到需要的知識，並加以綜合，它說：「我將這或那可能性排除掉，所以你可能患某種病。」這正是醫生們所作的事。
OMNI
所羅門王命令將爭議中的嬰兒砍成兩半，從而發現該嬰兒真正的母親。他的智慧，遠遠超良好醫療診斷所能及的。【案：關於Solomon（B.C. 970-931，事績見《聖經 列王紀上》。判斷力美談參考第3章第13至28節：「把這活著的小孩劈成兩半」文本）；這故事的雕塑，參考15世紀 Bartolomeo Bon 在威尼斯Palazzo Ducale的作品，出於Venice: Art andＡrchitecture, Konemann,1997, p.174.】
Simon
我們可將所羅門的傳說分為兩部分。什麼能讓他相信：親生的母親不會喜歡他的判決呢？我想，他和大家一樣，都知道親母不會傷害她的子女。這並非真正的智慧。第二部分是，他如何運用這知識，設計出考驗訴訟兩造的方法。這部分比較困難點。不過，我可不相信他真正應用了智慧。我要稱它為聰慧(cleverness)。
這正是目前人們積極研究的一項主題。我暫時要先離開這一主題，而舉個例子說明一下：截邊角格西洋棋。如果你用32 domino棋子來覆蓋棋盤，每一子蓋住兩格，整個棋盤都會蓋滿。這簡單得很，你將4子domino棋子放到每一列，4乘8得32。現在，如果將棋盤的北西角落和南東角落截去的話，你能不能用31棋子蓋滿剩下的62格嗎？假若你用這一問題問很多人的話，他們多半感到這很難。
不過，偶爾有人會注意到，有兩格一直都無法覆蓋。它們都是紅格子，從來不會是黑格子。這使得人們開始思考顏色。他們會這樣推想：每一domino棋子各佔了一紅一黑棋格，這表示，無論我使用多少棋子，它們都要蓋同樣數目的黑格和紅格。現在截去兩黑格，這表示我的紅黑配對數目，都會不足，比棋子數少了一對。
事實上，我們知道如何編出一些程式，它們或許能發現這種機智的。它在試解某一問題的諸多解法的時候，會將每次嘗試所發生的事記下來。例如，像每次多剩下兩紅格子這種事。然後它會根據這特性，重新描述該問題。這就是所羅門王的方式：將焦點放在「母親不願小孩受傷害」。這樣，他採取的路線為：威脅小孩，以觀察那一位當事者會因它而反應。
OMNI
「創造力」是不是無法由「問題解決」所能含蓋的呢？
Simon
這兩者，我不以為是不同的。我們說某人有創造力的時候，它指的是什麼呢？我想指的是他有能力作種種選擇性搜索。為了達成這，你先要有知識，然後要能在該等特定環境下，針對某些暗示，認出其相關的知識。如此，才可以在適當時候，找到正確的知識。我們在研究、模擬科學的探討（或任何種類的創造力），都是根據這些原理的。
OMNI
藝術家能創造美麗的東西，這又是怎麼解釋的呢？
Simon
舉一幅繪畫為例。Harold Cohen是加州大學 San Diego校區的畫家。他想了解：自己是如何畫出畫的？所以他試著寫成一套能夠畫出夠美的繪畫的程式，他稱它為AARON。現在這程式已歷經數版修正了 今天它能畫出令人驚豔的畫來。我家保留一些這樣的畫。它今天能畫彩色風景畫，畫中還有人物(Simon從書架取出一本書)。
這些畫都是同一天之中，每隔半小時所畫的。各人物畫像之間，似乎比此互動，豈不美妙。該程式中有一小小的部份是隨機性的，不然，它畫出的每一張都會「千張一律」。顯然，Cohen 喂給 AARON許多如何作畫的資訊--諸如「留白不能太多」、「東西不均勻地擺放」等等--而這些，畫家們必須自己學才行。我們面臨的一道有趣問題是：電腦要知道那些，才能使它的觀眾激發出一種反應，好像在觀賞人類所畫出的作品般；這時，畫中要有那些暗示、線索？
OMNI
為什麼這樣會令我更加覺得不合道德呢？
Simon
這我可不知道。你必須要加以解釋，因為我一點也不認為它不合道德。
OMNI
梵谷的了不起創意，源自他受苦的靈魂。一部電腦不可能有靈魂吧！有嗎？
Simon
我質疑我們是否需要這一「靈魂」之假設。我並沒宣稱：由ARRON創造出的，是偉大的藝術。而這樣，卻不會使ARRON淪為次級人類。這是所謂的「創造性天才」的語言遊戲。人們陷入這語言陷阱之後，會這樣說：「你說得有理！不過，你能創造出莫札特式音樂嗎？」這樣測試AI，方法並不對。創造力有程度不同，如果莫札特不曾出現過，我們會把更多的作曲家視為天才，而不用莫札特當作比較的基準。
至於是否必須先飽受窮困，而後才能有偉大藝術，這樣邏輯，我可看不出來。畢卡索未曾受過什麼折磨，我倒知道他父親教授他了不起的技巧，他小時的技術，就足以讓你嘆為觀止。這使他在數年之後，能在巴黎展開他的「藍色時期」之繪畫。我還不知道他最後的「一點靈」是什麼。我一向對所謂靈魂理論表示懷疑，因為還沒人跟我說清過，「靈魂」究竟為何許東西？要不然，我們會寫程式再現它【笑】。
他打開另外一本書，說道：這是我們的朋友梵谷一耳不見了時的情形，我可不知道我們是否需要靈魂，才能畫出這樣的畫...這些向日葵的色彩的確很強烈。這兒有連翹屬的植物叢，我每天早上從家走到辦公室的途中，也都會碰上，它在春天盛開的時候，特別是背景為陰霾天色的時候，簡直美得無法言喻。我不認為這些花叢有靈魂。它的色彩強而有力，我能產生共鳴。
OMNI
梵谷是畫完《麥田．烏鴉群》不久之後，就舉槍自殺的，我的情感反應，與這一知識分不開，而ARRON在這方面，可能頑蒙不靈。
Simon
不見得，Cohen也可以為ARRON寫一段歷史，讓它也舉槍打下一隻自己的耳朵。
OMNI
那麼，機器可以將創造力自動化嗎？
Simon
我認為ARRON已有這本事了，BACON也能。
OMNI
電腦能想出你的「有限理性論」嗎？
Simon
【長考…有點被考倒似的】原則上，沒問題。如果你現在問我，這個月能不能將該程式寫出來，我的回答是做不到。
OMNI
「直覺」能解釋什麼呢？
Simon
它肯定非常重要。你是如何能認出人們有一直覺的呢？你給他們一道問題，然後，突然地，也許是稍停片刻，他們有解答了！而他們無法向你說明，怎麼得到這一解答的。我們不妨自問，我們如何認出自己的母親的？如果你母親走向另一端街頭，我可能認不出她來，而你能，因為你的腦中存許多她的資訊，而且又連接許多的線索。你一旦注意到它們之中的一線索，就會引出該資訊。你絕大多數的時候，沒辦法告訴別人，你是怎麼認出她來的。就我觀點而言，所謂「洞見」、「直覺和「認得」等，都是同義語。
OMNI
你說過，人們在自己沒經驗的領域中，永遠不會有正確的直覺。那麼天才兒童怎麼解釋？12歲的小提琴高手，他們能藉由數年之內的練習而達成這種功力嗎？
Simon
他們的確是如此練成的。不過，12歲的小孩，他們之所以能與管弦樂團合作，那是因為他們才12歲 。你認為Yehudi Menuhin曾成熟為一真正成人藝術家嗎？關於「練習」這一點，我們有數據，因此我們用不著猜想。他的老師或許出於真心愛才，或許為了圖利，而向小孩雙親說：「不得了！
你的小朋友鋼琴彈得頂好。」小孩因這樣的讚美而更加努力以赴，家人設法讓他或她可以心無旁殆，全心致力於練習。然後，該老師會說：「我已竭力傳受這小朋友了。你們最好去請教更有經驗的高手來指導。」所以，他們找全城鎮最好的教師。然後，再就教於全國最好的老師。大家都循這樣的路線，毫無例外。有人研究過，最頂尖的獨奏音樂家，與本事好到足以在交響樂團演奏或教學的人，他們之間的差別，研究後發現，這兩組花在練習的時間上，差距甚大。這並非說，你勉強要求或威脅小朋友每周練習80小時，就可造就出一位天才來。不過，人們之所以出類拔粹，很大的一部份理由是，他們在「知道什麼」與「知道如何練習」這方面，投入更多的心力，如此才有成就的。
OMNI
所以愛因斯坦發明《相對論》，並不是憑靈光一閃，而是累積許多經驗，來準備他將來可認出種種模式？
Simon
愛因斯坦發明《特殊相對論》是在1905年，他才26歲。不過，你可知道他幾歲寫下他的第一篇關於光速的論文的--15歲或16歲。這之間大約相隔10年，類似這樣的10年，真神奇！它使人們從初試某領域，到深入研究而成為該領域世界第一高手。各行各業高手的準備期，大約都需要10年的功夫。愛因斯坦在26歲時，他對於光的知識，多得出奇，舉凡所有相關的，他都知道。
OMNI
你談過機器思考與人類思考是可交換的。不過，機器可能模擬人類的感情嗎？
Simon
這樣的程式已經有一些了。精神分析師Kenneth Colby寫出一偏執狂的模式，稱為PARRY。它的記憶體附有一些可以引發恐懼或生氣的符號，來模擬我們認為情感是如何被激發的方式。譬如說，你一聽到「父親」，可能就怕極了，或者有另外有各種不同的情緒激動。你與PARRY交談時， 最先會知道的是，它生氣了，或不與你通話了。PARRY一旦發飆起來，就不容易平息下來。
OMNI
不過機器能模擬感情，是否就與「它有感情」是同一回事？
Simon
這難以定論。「思考」這一議題，對我而言，極為清楚，因為程式所解決的問題，也是人類解決的。不過，對於情感的模擬，可是遠比這不清楚得多。就大體而言，電腦要完全依照有感情的人的反應方式來反應，並非不可能的。
這兒，人們又有一有趣的雙重標準。在生物學上，我們用果蠅來證實種種突變，之後，我們就下結論說，如果我們夠聰明的話，也可想出人類經過如此多世代之後，人的數百萬基因也會這麼樣。而在AI這領域，你告訴人電腦下西洋棋是高手，之後，有人會問：「可是 它會不會下跳棋？」人們將你限定在你所作的，而不想將你的成績推廣、一般化，如同在物理學或生物學上，我真想不透為什麼會這樣。
OMNI
也許是因為AI不像遺傳學般，它過去的成績令人大失所望。
Simon
這是Dreyfus先生從70年代開始散播的迷思。
OMNI
他可不是單兵作戰的。
Simon
他是始作俑者。AI發展史上有一段神秘期，它最先爆發許多活動，然後很長的一段時間，表現令人失望。Richard Bellman用「人爬上樹去取月亮」這樣的隱喻來形容它：爬上樹的確有所進步，不過距月亮還遠得很！如果我們用發表過的研究成果來衡量AI，你會發現這一領域過去35年來，很有進步。這我相當感謝。在其他領域，情況相同。物理學在 1900, 1905, 1913 和 1925時，成績都大有可觀，而這些中間年代，則是困惑的。你不妨讀 Niels Bohr在1920年左右寫的，他絞盡腦汁說：「事情每況愈下，以前能解釋的諸多現象，現在又無法解釋了。」
OMNI
有人說，AI過去的進步情形令人失望。AI的研究人員們有那些樂觀的預測呢？
Simon
先以我自己來說。我在1957年預測，10年內會有四件事落實。首先，電腦會作出具有美感的音樂作品；第二，大多數的心理學理論，會以電腦程式的形式發表；第三，重要的數學定理會由電腦證明；第四，電腦會成為西洋棋世界冠軍。我在心理學理論上的預言，也許有人不表同意--事實上，我們的GPS就是這樣的，它為廣受接納的先驅者之一。我的四預測之中，只有西洋棋是在我預測的十年之後，才達成的。【（這裡指的是紐厄爾和西蒙於1958年發表在《美國作業研究協會雜誌》上的一篇文章，在這篇文章中他們作了著名的人工智能10年發展預測。-譯注）】
OMNI
這…你對於音樂預測，不是有點主觀嗎？
Simon
才不。依利諾大學的 Hiller 和 Isaacson用電腦作出ILIAC組曲和電腦Cantata曲。我將它們放給一些專業的音樂家聽，沒透露其來源，他們說，這些不失為令人感興趣的樂曲，它們有美感--我沒說它們是了不起的。所以，它們通過我的測試。這難道還算主觀嗎？
OMNI
你對你的預測完全不打退堂鼓？
Simon
當然不！再說我的西洋棋預測--實際相差四倍--即，電腦在40年之後才達成，而不是10年後就達成。我的藉口是，當時我以為這領域是那麼刺激，肯定會有許多工作投入。可是，事實不然。
OMNI
你承認過你錯誤過嗎？
Simon
當然！我常常認錯，不然我太太怎麼願意跟我一甲子多。可是，我們所談的，我都沒錯。
OMNI
除了西洋棋之外？
Simon
它除外...慢了四倍。
1 摘自James March，《決策制定入門》（A Primer on Decision Making︰How Decisions
Happen），（The Free Press，1994），第9頁。
2 這篇文章可以在《非物質社會》（The Immaterial Society），Marco Diani編，Prentice Hall，1992年版的第八章找到。
3 楊礫、徐立著《人類理性與設計科學》。
沒有留言:
張貼留言