深度剖析：ChatGPT 及其繼任者會(huì)成為通用人工智能嗎？| AI那廝

繼ChatGPT以近乎摧枯拉朽的氣勢席卷社會(huì)之后，3 月 14 日，OpenAI又發(fā)布了 GPT-4，宣稱其可以更準(zhǔn)確地解決復(fù)雜問題，是“最先進(jìn)的人工智能系統(tǒng)”。那么，取得了現(xiàn)象級(jí)成功的由深度學(xué)習(xí)開發(fā)而來的此類智能聊天機(jī)器，有很大希望成為人類夢寐以求的通用人工智能嗎？本文將從理論上分析ChatGPT的若干根本局限，及各界對(duì)其存在的幾個(gè)普遍誤讀。此外，盡管本文針對(duì)的是ChatGPT，但結(jié)論適用于其他大語言模型。

撰文 | 王培（美國天普大學(xué)計(jì)算機(jī)系）

ChatGPT問世以來，在引起全社會(huì)關(guān)注的同時(shí)也觸發(fā)了很多爭論。很多人被它似乎無所不知的內(nèi)容儲(chǔ)備和流暢的語言表達(dá)能力所震驚，但也有不少人因?yàn)樗粫r(shí)冒出來的 “一本正經(jīng)的胡說八道” 而斷定其不堪大用。關(guān)于對(duì)未來社會(huì)的影響，有人歡欣鼓舞地憧憬腦力勞動(dòng)的效率提升，而另一些人則在憂心忡忡地預(yù)測就業(yè)機(jī)會(huì)的減少。一時(shí)間眾說紛紜，蔚為大觀。本文無意于討論這些問題，而只準(zhǔn)備集中分析一個(gè)話題：這種系統(tǒng)會(huì)成為所謂 “通用人工智能” 嗎？

ChatGPT是什么？

網(wǎng)上已經(jīng)有對(duì) ChatGPT的很多介紹材料，所以我這里只談和本文的話題直接相關(guān)的。ChatGPT屬于 “大語言模型” （Large Language Model，LLM），其直接目標(biāo)是總結(jié)人類語言使用的統(tǒng)計(jì)規(guī)律。其構(gòu)造過程主要包括兩個(gè)階段：首先，利用互聯(lián)網(wǎng)等來源提供的語言材料訓(xùn)練一個(gè)巨型人工神經(jīng)元網(wǎng)絡(luò)，直接在字詞、語句等水平上總結(jié)語言使用者的習(xí)慣。最簡單的情況就是統(tǒng)計(jì)一個(gè)詞出現(xiàn)在另一個(gè)詞之后的頻率，比如在 “這” 出現(xiàn)之后，有多少次下一個(gè)字是 “里” 。既然一個(gè)語言的詞匯量是有限的，這種統(tǒng)計(jì)就完全可能進(jìn)行，只是由于計(jì)算量極大，沒有人會(huì)這樣學(xué)習(xí)語言而已。以此為基礎(chǔ)，可以進(jìn)一步根據(jù)一個(gè)句子的開頭計(jì)算其各種結(jié)尾的出現(xiàn)頻率，以至于在一句話之后出現(xiàn)另一句話的可能性，如此等等。這和很多輸入法根據(jù)已經(jīng)打出的字猜測后面的字的做法基于相同的原理，只是海量的語言材料和超人的計(jì)算能力使得這種模型取得了任何人類都無法企及（甚至難以想象）的結(jié)果。這就直接解釋了ChatGPT的內(nèi)容廣度和語言流暢性，因?yàn)樗f的話就是該語言的使用者們在相同的語境下最可能說的。

在上述 “預(yù)訓(xùn)練” 的基礎(chǔ)上，ChatGPT又經(jīng)過了一個(gè) “強(qiáng)化學(xué)習(xí)” 過程，在其中人類訓(xùn)練者為它提供了大量典型問題，并對(duì)其回復(fù)進(jìn)行 “獎(jiǎng)勵(lì)” 或 “懲罰”，通過調(diào)整模型的參數(shù)使得其行為符合人類要求。這就解釋了它為什么會(huì)在某些問題上提供背離統(tǒng)計(jì)數(shù)據(jù)的回復(fù)，尤其是當(dāng)那些統(tǒng)計(jì)結(jié)果可能引起倫理或政治麻煩，或者不符合其作為聊天程序的 “身份” 的時(shí)候。

盡管上述過程已經(jīng)覆蓋了非常大的范圍，但總還有問題超出其外，就是說既沒有來自語言材料的顯著統(tǒng)計(jì)結(jié)論，也沒在后續(xù)訓(xùn)練中出現(xiàn)過。在這種情況下，ChatGPT（或者說作為其基礎(chǔ)的人工神經(jīng)元網(wǎng)絡(luò)技術(shù)）就會(huì)根據(jù)最類似的已知問答做出反應(yīng)。這里 “類似” 的標(biāo)準(zhǔn)也是統(tǒng)計(jì)性的，比如說 “這” 的統(tǒng)計(jì)特征（即前面提到的各種頻率）和 “那” 會(huì)很接近，而和 “和” 就不會(huì)那么接近。這種處理方式當(dāng)然有道理，但也正是各種 “一本正經(jīng)的胡說八道” 的來源，因?yàn)槿绻愃瞥潭炔粔蚋?，這種替換結(jié)果的可信性就很成問題，而且這種 “統(tǒng)計(jì)上的類似” 和 “含義上的類似” 畢竟不完全是一回事。

雖然上面的介紹包括了大量簡化，從中已經(jīng)可以看出ChatGPT的一些根本局限。由于訓(xùn)練材料不可能窮盡一個(gè)語言的所有用法，而基于統(tǒng)計(jì)相似性的解決方案并不可靠，其答案的可信性就不可能僅靠更多的訓(xùn)練來徹底解決。對(duì)于那些超出當(dāng)前人類共識(shí)的問題，它就更是力所不逮了，因?yàn)檫@種技術(shù)對(duì)知識(shí)的有效拓展辦法甚少，盡管它常?？梢猿錾乜偨Y(jié)和表達(dá)現(xiàn)有的人類知識(shí)。但既然這種模型的目標(biāo)是 “再現(xiàn)一般人類的平均行為” ，所以對(duì)一個(gè)問題而言，即使其訓(xùn)練材料中確有真知灼見，也完全可能被陳詞濫調(diào)所淹沒。同理，所謂 “AI的偏見” 往往都是社會(huì)的偏見，不能怪在ChatGPT 的頭上。另外要注意的是，所有所謂 “ChatGPT認(rèn)為” 實(shí)際上都是 “人們認(rèn)為”，而ChatGPT是沒有 “個(gè)人觀點(diǎn)” 可言的。很多網(wǎng)友熱衷于詢問ChatGPT對(duì)各種價(jià)值評(píng)價(jià)問題的看法，然后將其回復(fù)理解為 “反映了人工智能系統(tǒng)的世界觀和價(jià)值觀”，這對(duì)于大語言模型來說完全是一種誤讀。

什么是通用人工智能（AGI）？

現(xiàn)在來看問題的另一端。

眾所周知， “人工智能” 一直沒有一個(gè)公認(rèn)的定義，但這絕不意味著隨便怎么說都行。我在參考文獻(xiàn)[1]里對(duì)此有詳細(xì)討論，在參考文獻(xiàn)[2]中也有簡略介紹，其主要結(jié)論是說 “人工智能” （AI）是對(duì) “人類智能” 某一個(gè)方面（但不可能是所有方面）的再現(xiàn)。對(duì)于不同的研究者而言，這個(gè)方面會(huì)是下列選項(xiàng)之一：

結(jié)構(gòu)，即AI應(yīng)該基于一個(gè)人腦模型，從而實(shí)現(xiàn) “類腦智能” ；
行為，即AI應(yīng)該在外部表現(xiàn)上，尤其在言語行為上，做到與人一致；
能力，即AI應(yīng)該能解決以前只有人類才能解決的實(shí)際問題；
功能，即AI應(yīng)該具備人的各種認(rèn)知功能，如學(xué)習(xí)、推理、感知、運(yùn)動(dòng)、通信等；
原則，即AI應(yīng)該遵循體現(xiàn)在人類思維當(dāng)中的理性原則。
我的結(jié)論是上述五個(gè)研發(fā)目標(biāo)均有其理論和應(yīng)用價(jià)值，但彼此并不相同，也不能相互包括，盡管因?yàn)闅v史原因常常都被稱為 “人工智能”。

那么，“通用” 又是怎么加上去的呢？

在開始時(shí)，人工智能研究是以研發(fā)與人類智能具有一般可比性的計(jì)算機(jī)系統(tǒng)為目標(biāo)的，這在圖靈的文章（參考文獻(xiàn)[3]）和其它早期AI文獻(xiàn)中幾乎是不言而喻的，因此不必特別申明。但后來構(gòu)建通用系統(tǒng)的努力屢屢受挫，導(dǎo)致大部分AI研究者轉(zhuǎn)向?qū)Ｓ玫墓ぞ吆蛦栴}解決方案，而視對(duì)通用智能系統(tǒng)的研究為死路，并將其斥之為 “白日夢” 甚至 “偽科學(xué)”。大約二十年前，一些對(duì)這個(gè)潮流持不同意見的AI研究者（包括我自己）開始 “抱團(tuán)取暖”，并在需要一個(gè)新的 “旗號(hào)” 時(shí)選擇了Artificial General Intelligence（AGI）。當(dāng)時(shí)的一個(gè)主要考慮是 “g-factor” （“通用因素”）以及相應(yīng)的 “general intelligence” （“通用智能”）在心理學(xué)關(guān)于 “智商” 的研究中已經(jīng)是廣為人知的概念，加上 “人工” 以后可以自然地引入到AI 中來。與其相比，其它的候選方案，如 “Real AI”（“真正的人工智能”）、“Strong AI”（“強(qiáng)人工智能”）、“Human-level AI”（“人類水平人工智能”）等等，都有比較大的缺陷。在我們確定了這個(gè)名稱之后，于2007年出版了第一本AGI文集（參考文獻(xiàn)[4]），并在隨后的幾年里開始了AGI年會(huì)和學(xué)報(bào)，從而標(biāo)志著這個(gè)與主流AI分道揚(yáng)鑣的研究社群的建立。當(dāng)這個(gè)概念被譯為中文時(shí)，“通用人工智能” 顯然比 “人工通用智能” 更符合中文的構(gòu)詞習(xí)慣和直觀理解，而 “General Artificial Intelligence” 在英文里往往會(huì)被理解成 “人工智能概論/綜述”，所以從沒有被我們作為一個(gè)選項(xiàng)。在這里，中、英文的詞序差異完全是語言差別而造成的，并非某些人所說的誤譯。

隨著深度學(xué)習(xí)的興起，幾家大公司開始用 “邁向AGI的重要一步” 來稱呼他們的技術(shù)進(jìn)展。由于他們的巨大影響力，AGI這個(gè)概念在公眾的印象中和深度學(xué)習(xí)建立了密切關(guān)系。比如有些人以為既然深度學(xué)習(xí)可以用于很多領(lǐng)域解決不同的問題，這就已經(jīng)是AGI了。這里的誤解是混淆了 “通用技術(shù)” 和 “通用系統(tǒng)”。深度學(xué)習(xí)的確可以算是個(gè)通用技術(shù)，但用這個(gè)技術(shù)開發(fā)出來的計(jì)算機(jī)系統(tǒng)常常只能做一件事（下圍棋、圖片分類、語言翻譯等等），因此都是專用系統(tǒng)。而通用系統(tǒng)是不能只會(huì)做一件事的，無論這件事做的有多好。

那么問題來了：“通用” 除了作為 “專用” 的反面之外，還有其它的含義嗎？在目前的討論和研究中，對(duì) “通用人工智能系統(tǒng)” 的理解主要有下面幾種：

能解決所有問題，
能解決所有人能解決的問題，
能解決所有能被某個(gè)模型
（例如圖靈機(jī)）
所描述的問題，
能接受所有在系統(tǒng)感知范圍內(nèi)的問題并嘗試解決它們
（雖然不保證一定成功）
。
在上述4種 “通用系統(tǒng)” 中，我不知道有任何AGI研究者是以第1種為目標(biāo)的，而且我們多次明確地拒絕了這種膚淺的解讀[5, 6]。實(shí)際上，在科學(xué)技術(shù)領(lǐng)域，提到 “通用”，一定是相對(duì)的、有條件或范圍的，例如 “通用圖靈機(jī)”、“通用計(jì)算機(jī)”、（心理學(xué)中的）“通用智能” 等等。

除去作為 “反面典型” 的1之外，上述2，3，4都可以算作是對(duì) “通用系統(tǒng)” 的合理解讀（至于能否實(shí)現(xiàn)則是另一個(gè)問題了）。這三種 “通用” 和前面五種 “人工智能” 有十五種可能的組合，盡管不是每種都有人在做研究，但起碼說明了目前對(duì) “通用人工智能” （AGI）理解的多樣性。對(duì)于這樣復(fù)雜的問題，早期的理解多樣性是正常的，而這種分歧的解決只能通過長期研究的結(jié)果比較，而不是看誰的地位高或嗓門大。

ChatGPT和AGI是什么關(guān)系？

有了前面的準(zhǔn)備，我們可以討論這個(gè)本文中心問題了。根據(jù)前面的分類可知，雖然ChatGPT的所指相對(duì)明確，AGI可遠(yuǎn)非如此。只有對(duì) “通用” 取前面的解釋2，而對(duì) “人工智能” 取前面的解釋2時(shí)，ChatGPT 才和這種AGI（“像人那樣解決人能解決的所有問題”）直接相關(guān)。對(duì)于其它理解，ChatGPT或者基本無關(guān)，或者只有輕微貢獻(xiàn)。

以我自己的研究項(xiàng)目納思（NARS, Non-Axiomatic Reasoning System）[7]為例，由于這個(gè)系統(tǒng)試圖利用現(xiàn)有知識(shí)和資源合理地解決所有可感知和表達(dá)的問題，因此作為AGI對(duì)應(yīng)于對(duì) “通用” 取前面的解釋4，而對(duì) “人工智能”取前面的理解5。為了實(shí)現(xiàn)這個(gè)目標(biāo)，納思可能用像ChatGPT這樣的大語言模型作為知識(shí)源和語言界面之一，但不會(huì)完全相信其結(jié)論，更不會(huì)靠它完成系統(tǒng)的核心推理和學(xué)習(xí)功能。由于本文的目的不是介紹我自己的工作，對(duì)納思有興趣的讀者可以通過其它材料對(duì)其進(jìn)行了解。

我對(duì)ChatGPT的看法可以代表一些其他AGI研究者。如前面介紹的，目前實(shí)際上存在兩個(gè)分離的 “AGI研究社區(qū)”，一個(gè)以大公司為代表，大致上是基于深度學(xué)習(xí)技術(shù)的，而另一個(gè)（前面介紹的）則是仍在探索很多其它非主流途徑。后者形成于深度學(xué)習(xí)出現(xiàn)之前，而且至今沒有把深度學(xué)習(xí)做為核心技術(shù)。這其中的原因遠(yuǎn)非本文可以覆蓋，我這里只是希望各位讀者知道，并非所有AGI研究者都認(rèn)為深度學(xué)習(xí)（包括ChatGPT和其它人工神經(jīng)元網(wǎng)絡(luò)）是實(shí)現(xiàn)AGI的最佳途徑，而且大概不能簡單地說這些人都是出于固執(zhí)或嫉妒，更不是出于無知，因?yàn)樵缭谏疃葘W(xué)習(xí)一炮而紅的2012年的兩三年前，在AGI會(huì)議上已經(jīng)有關(guān)于深度學(xué)習(xí)的介紹與討論了，只是大部分與會(huì)者認(rèn)為這個(gè)技術(shù)遠(yuǎn)不足以解決AGI的核心問題。與此相反，很多深度學(xué)習(xí)的研究者只知道其它AGI方案尚未做出轟動(dòng)性成果，而極少花時(shí)間了解其具體內(nèi)容。

行為標(biāo)準(zhǔn)的成敗

現(xiàn)在一定有讀者要問，既然ChatGPT所代表的路線并非實(shí)現(xiàn)AGI的唯一可能，為什么只有它取得了當(dāng)下這種現(xiàn)象級(jí)的成功？這就要說起在智能觀上的 “行為標(biāo)準(zhǔn)”（即以 “行為上像人” 為目標(biāo)）的特征了。我在參考文獻(xiàn)[8]中討論過 “圖靈測試” 和 “伊莉莎效應(yīng)”，并寫道 “至今以通過圖靈測試為目標(biāo)的工作仍只占人工智能領(lǐng)域中很小的一部分?！?在七年以后，這句話顯然不再符合當(dāng)前的情況，但我仍認(rèn)同那篇文章中的其它觀點(diǎn)，而這里只補(bǔ)充一些更接近現(xiàn)狀的思考。

在前面列出的五類對(duì)人工智能的理解中，“行為” 和 “能力” 是最直觀的，因此最容易被公眾所接受。比如說，圍棋程序AlphaGo就是 “能力” 派的代表之一，因?yàn)楹芏嗳藭?huì)想，它連世界冠軍都戰(zhàn)勝了，還不夠智能？而與此相比，一個(gè)AI系統(tǒng)是否在結(jié)構(gòu)、功能和原則上像人，則即使是連專家們也不容易取得共同意見了。但這些直觀的方案仍有各自的 “軟肋”。就 “行為” 而言，一個(gè)明顯的問題就是 “人類中心主義”。如我在參考文獻(xiàn)[8]中指出的，“說話像人” 固然可以做為 “有智能” 的充分條件，但肯定不是必要條件（圖靈在參考文獻(xiàn)[3]看到了這一點(diǎn)，但沒有展開討論），否則根據(jù)這個(gè)定義，全宇宙除了人類就不可能有其它智能系統(tǒng)了。此外，說話是否的確 “像人” 也不是可以簡單斷定的。比如說有不少人開始被ChatGPT的本事所震驚，但聊了一陣子就覺得 “技止此耳” 了。

在對(duì)聊天程序進(jìn)行評(píng)價(jià)時(shí)，“伊莉莎效應(yīng)” （“ELIZA effect”）是不能忽視的。伊莉莎是人工智能早期（上世紀(jì)六十年代）的一個(gè)著名的聊天程序。它之所以有名，不是因?yàn)樵诩夹g(shù)上有多么先進(jìn)（伊莉莎靠預(yù)制模板和固定套路進(jìn)行對(duì)話），而是因?yàn)槠淦垓_性，即很多人誤以為這個(gè)程序有智能。從此以后，“伊莉莎效應(yīng)” 就指人們?yōu)橛?jì)算機(jī)的行為所迷惑，而認(rèn)為其已經(jīng)具有了某些它其實(shí)沒有的能力。對(duì)ChatGPT某評(píng)論中所說的 “能表現(xiàn)得理解，就是理解” 正是這種效應(yīng)的一個(gè)典型形式，而類似的判斷還包括說ChatGPT “有情感”、 “能進(jìn)行邏輯推理”，甚至 “有一定程度的自我意識(shí)“。

從認(rèn)知科學(xué)的角度來看，伊莉莎效應(yīng)不難理解。當(dāng)我們觀察到一個(gè)新奇的現(xiàn)象時(shí)，總是試圖用我們最熟悉的概念去解釋和理解它，這和心理學(xué)家皮亞杰（Jean Piaget, 1896.8.9-1980.9.16）提出的 “同化” （assimilation）現(xiàn)象和邏輯學(xué)家皮爾士（Charles Sanders Peirce,1839.9.10-1914.4.19)提出的 “歸因” （abduction）推理都有關(guān)系。一個(gè)典型的例子就是不少人在初次見到收音機(jī)時(shí)，會(huì)認(rèn)為那個(gè)匣子里藏了個(gè)小人，因?yàn)檫@個(gè)解釋比所謂 “無線電” 等天書般的解釋好懂多了。由于人工智能的新功能往往是以前只有人類智能才能完成的，不了解內(nèi)情的觀察者難免會(huì)按人類行為來解釋其工作原理和過程。伊莉莎效應(yīng)在大語言模型中尤為顯著，因?yàn)槲覀儗?duì)他人是否具有各種認(rèn)知功能（理解、推理、情感、意識(shí)等等）的判斷常常是通過和這個(gè)人的對(duì)話完成的，因此如果一個(gè)系統(tǒng)能夠很好地復(fù)現(xiàn)人類的對(duì)話能力，就會(huì)一攬子 “表現(xiàn)” 出很多其它認(rèn)知功能，盡管它并不真的擁有這些功能。

一定有讀者會(huì)問 “你怎么知道它沒有那些功能？”，但完整回答這個(gè)問題需要對(duì)上述認(rèn)知功能的詳細(xì)討論，而那是遠(yuǎn)超本文所能做的。因此，我這里只簡單分析 “ChatGPT能進(jìn)行邏輯推理” 這個(gè)結(jié)論。ChatGPT的確在很多例子中表現(xiàn)出良好的邏輯推理能力，但在另一些例子中卻明顯地邏輯混亂，而二者的基本差別往往是訓(xùn)練數(shù)據(jù)的差異，即ChatGPT關(guān)于前一種例子有大量訓(xùn)練數(shù)據(jù)，但對(duì)后一種例子缺乏了解。根據(jù)公認(rèn)的定義，邏輯推理是基于知識(shí)的結(jié)構(gòu)或者說模式的，而與其內(nèi)容無關(guān)。比如說從 “A是B” 和 “B是C” 中可以推出“A是C”，而這和A，B，C各自代表什么具體概念無關(guān)，更不用說系統(tǒng)關(guān)于它們各有多少數(shù)據(jù)了。因此，ChatGPT在 “推理” 中表現(xiàn)出的話題相關(guān)性就暴露了它并不真能進(jìn)行邏輯推理，而只是通過模仿人類言語行為，往往會(huì)正確描述某些推理過程。這種分析同樣適用于其它認(rèn)知功能。我們甚至可以說 ChatGPT “不解決問題，但總結(jié)人們對(duì)問題的解決”。這在某種意義下的確可以說成是解決問題的一個(gè) “通用” 方法，和 “不解決問題，但解決提出問題的人” 有異曲同工之妙。

我的結(jié)論

我認(rèn)為大語言模型的確有重大理論和應(yīng)用價(jià)值，但和智能模型基本是兩碼事，因?yàn)槎叩难芯磕繕?biāo)就不一樣，而這又導(dǎo)致了許多其它差異。智能是不能僅僅通過對(duì)人類語言行為的模仿來實(shí)現(xiàn)的，而像PaLM-E和GPT-4那樣將感知運(yùn)動(dòng)行為加進(jìn)來也不足以解決核心問題。即使只談對(duì)語言的處理，語言模型是把語言本身當(dāng)作模擬對(duì)象，而智能模型則是把語言當(dāng)作通信工具和知識(shí)來源。具體說來，大語言模型的首要目標(biāo)是像一般人那樣說話，而智能系統(tǒng)在使用語言時(shí)的首要目標(biāo)是根據(jù)系統(tǒng)自身需要完成當(dāng)前的通信任務(wù)，在這個(gè)前提之下才會(huì)考慮符合常人的語言使用習(xí)慣。由此造成的差別就是智能系統(tǒng)未必會(huì)用大多數(shù)人所選擇的方式來完成一個(gè)句子，而是要表達(dá)自己的特定觀點(diǎn)，即使這個(gè)觀點(diǎn)尚未被別人表達(dá)過也是這樣。我這篇文章所表達(dá)的觀點(diǎn)顯然和當(dāng)前對(duì)ChatGPT的普遍評(píng)論不符，但有興趣的讀者不妨用本文的標(biāo)題詢問ChatGPT 或其它大語言模型，然后將其回復(fù)和本文比較一下，看看哪個(gè)更有資格被看成是由智能系統(tǒng)所生成的。

參考文獻(xiàn)

[1] “On Defining Artificial Intelligence”, Pei Wang, Journal of Artificial General Intelligence, 10(2):1-37, 2019

[2] 當(dāng)你談?wù)撊斯ぶ悄軙r(shí)，到底在談?wù)撌裁?，王培，《賽先生》 2015-08-06

[3] “Computing Machinery and Intelligence”, Alan Turing, Mind 49: 433-460, 1950

[4] Artificial General Intelligence, Goertzel, B. and Pennachin, C. (eds.), Springer, New York, 2007

[5] “Introduction: Aspects of artificial general intelligence”, Wang, P. and Goertzel, B., in Advance of Artificial General Intelligence, pp. 1–16, Goertzel, B. and Wang, P. (eds.), IOS Press, Amsterdam, 2007

[6] 計(jì)算機(jī)不是只會(huì) “計(jì)算”，圖靈機(jī)也不是一臺(tái)“機(jī)器”, 王培, 《返樸》 2020-06-02

[7] Non-Axiomatic Reasoning System: Exploring the Essence of Intelligence, Pei Wang, Ph. D. Dissertation, Indiana University, 1995

[8] 圖靈測試是人工智能的標(biāo)準(zhǔn)嗎？王培，《賽先生》 2016-05-23

注：上述8篇文章，除有鏈接的外，其余皆可在作者主頁
https://cis.temple.edu/~pwang/papers.html下載

本文受科普中國·星空計(jì)劃項(xiàng)目扶持

出品：中國科協(xié)科普部

監(jiān)制：中國科學(xué)技術(shù)出版社有限公司、北京中科星河文化傳媒有限公司