可以 從 人工 智慧 想要 解決 但 失敗 的 地方 開始 看 ─ 語言 辨識 、 視覺 和 智慧型 車輛 。  假如 你 曾 在 個人電腦 上 試 過 使用 口語 辨識 軟體 （ 例如 語音 輸入法 ） 來 輸入 文字 的話 ， 你 就 知道 它 有 多 蠢 ， 像 瑟爾 的 中文室 一樣 ， 電腦 完全 不 瞭解 你 在 說 什麼 。 我 只 試 著 用 過 幾 次 就 覺得 非常 挫折 ， 假如 房間 裡 有 任何 噪音 ， 從 鉛筆 掉到 地 上 到 有 人 對 我 說話 ， 螢幕 上 就 會 有 多餘 的 字 跑出來 ； 而且 它 的 錯誤率 很 高 ， 通常 這 個 軟體 所 選 的 字 跟 上下文 根本 是 風馬牛不相及 的 ， 所以 整 句 也 兜 不 出 個 意義 來 。 例如 ， Remember to fell Mary that the bog is ready to be piqued up （ 應該 是 Remember to tell Mary that the book is ready to be picked up ） ， 一 個 三 歲 小孩 都 知道 這 是 錯 的 ， 但 電腦 不 知道 。 同樣 的 ， 所謂 的 自然 語言 介面 是 電腦 科學家 多 年 來 努力 的 目標 ， 讓 你 用 簡明 、 清晰 的 語言 告訴 電腦 或 其他 應用 裝置 你 所 要 的 ， 然後 讓 電腦 去 執行 。 在 個人 數位 助理 （ personal digital assistant , PDA ） 上 ， 你 可以 說 ： 「 把 我 女兒 星期天 的 籃球賽 移到 早上 十點 。 」 但是 靠 著 傳統 的 人工 智慧 ， 要 做 這樣 的 事 根本 不可能 ， 即使 電腦 可以 辨識 每 一 個 你 說出 的 字 ， 要 完成 這 項 作業 ， 它 必須 知道 你 的 女兒 在 哪裡 上學 、 你 所 指 的 可能 就 是 這 個 即將 到來 的 星期天 以及 籃球賽 是 什麼 ， 這 是 因為 原來 的 預定 事項 可能 只 簡短 的 列 著 「 門羅 學校 對 聖約瑟 學校 」 。 或者 你 也許 想要 電腦 聽 一 段 收音機 的 播報 ， 看看 有沒有 提到 某 個 產品 ， 但是 播音員 描述 了 產品 ， 卻 沒 說出 產品 的 名字 ， 你我 都 知道 她 在 說 什麼 ， 但是 電腦 卻 搞 不 懂 。 像 這些 和 許多 其他 應用 裝置 需要 一 個 能夠 聽懂 口語 的 機器 ， 但是 電腦 做 不 來 ， 因為 它 不 瞭解 這些 話 ， 它 只 能 將 聲音 形態 與 它 所 儲存 的 模式 相 比較 ， 並 不能 知道 字 的 意義 。 你 可以 想像 你 學 了 某 種 外語 個別 單字 的 發音 ， 但是 不 瞭解 字 的 意思 ， 我 現在 請 你 把 某 一 段 那 個 外語 的 談話 邊 聽 邊 打成 文字 。 當 對話 進行 中 ， 你 根本 搞 不 清楚 他們 在 談 什麼 ， 結果 你 只 能 挑出 一個個 聽得懂 的 單字 ， 但是 人 在 說話 時 口語 的 咬字 不 是 很 清楚 ， 前後 兩 個 字 有 重疊 的 地方 ， 或者 有 音變 等 因素 的 干擾 ， 有些 音 因為 噪音 而 聽 不 見 了 。 你 會 發現 把 字 挑出來 並 辨識 它們 是 非常 困難 的 事 ， 這些 障礙 正 是 今天 口語 辨識 軟體 所 面臨 的 困難 。 工程師 發現 用字組 轉換 （ word transitions ） 的 機率 ， 可以 增進 一些 軟體 的 正確率 ， 例如 他們 用 文法 規則 來 規範 同音字 ， 這 是 一 個 非常 簡單 的 預測 ， 但是 輸入 系統 還是 很 笨 。 今天 的 口語 辨識 只有 在 很 強 的 規範 下 才 會 成功 ， 即 在 預設 的 片刻 、 你 所 要 講 的 字 是 有限 的 ， 它 才 可以 挑到 正確 的 字 。 然而 ， 人類 輕而易舉 就 能 完成 很多 和 語言 有關 的 工作 ， 因為 我們 的 皮質 不但 瞭解 字 ， 而且 瞭解 句子 以及 字 與 句子 出現 的 文脈 ， 我們 能 預期 構想 、 片語 和 字 的 出現 ， 我們 皮質 的 世界 模式 很 自動 的 就 這樣 做 了 。 所以 我們 可以 預期 類皮質 的 記憶 系統 也 會 將 模糊 不清 的 口語 辨識 ， 轉換成 清楚 的 語言 瞭解 。 高階 層次 的 記憶 系統 不再 用 程式 去 計算 每 一 個 字組 轉換 的 或然率 ， 這 個 系統 追蹤 口音 、 字 、 片語 和 構想 ， 並用 它們 去 詮釋 剛剛 說 了 些 什麼 。 這 部 智慧 機器 像 人 一樣 ， 可以 區分 各 種 說話 的 情境 ， 例如 ， 你 和 朋友 在 房間 內 的 談話 、 一 通 電話 交談 或是 對 一 本 書 的 編輯 指令 。 要 建造 這 種 機器 不 容易 ， 要 充分 瞭解 人類 的 語言 ， 這 部 機器 必須 學習 和 體驗 人類 的 行為 ， 所以 即使 得 等上 很多 年 ， 我們 才 可能 建造出 一 部 瞭解 人類 語言 的 機器 ， 不過 在 近期 我們 仍然 可以 用 類皮質 的 記憶 系統 來 改進 現有 的 口語 辨識 系統 。 視覺 是 另 一 個 人工 智慧 失敗 但是 真實 智慧 系統 很 容易 處理 的 領域 。 目前 沒有 任何 一 部 機器 可以 看 著 自然 景觀 ─ 你 面前 的 世界 或是 一 張 風景 照片 ─ 即 能 描述出 它 是 什麼 。 當然 有 幾 個 成功 的 例子 ， 不過 那 是 在 非常 有限 的 領域 ， 例如 把 電路板 上 的 晶片 安裝 到 正確 的 位置 ， 或是 將 某 個 五官 特徵 與 資料庫 做 比對 ， 但是 目前 電腦 尚 無法 比較 廣泛 的 去 辨識 各 種 物體 的 差異 ， 或 去 分析 一 個 場景 。 你 可以 很 輕鬆 的 環顧 一下 房間 ， 然後 找 張 椅子 坐下 ， 但是 對 電腦 來 說 卻 很 難 ！ 想像 一下 ： 你 能 從 監視器 的 螢幕 中 辨識出 一 個 人 究竟 是 拿 著 禮物 去 敲門 ， 或是 拿 著 一 根 鐵棍 想 把 門 給 打下來 嗎 ？ 你 當然 能 ！ 但是 今日 的 軟體 仍 做 不 到 ， 所以 我們 必須 雇用 保全 人員 ， 眼睛 盯 著 監視器 的 螢幕 ， 24 小時 不 敢 放鬆 。 人 很 難 一直 盯 著 螢幕 還 能 保持 警覺 ， 但是 這 項 工作 就 可以 交給 智慧 機器 去 做 ， 因為 機器 是 不會 疲倦 的 。 許多 情境 下 需要 同時 仰賴 視覺 的 敏銳度 以及 對於 複雜 場景 的 理解 ， 這時 智慧 機器 就 是 唯一 的 解決之道 了 。 最後 ， 讓 我們 來 看 一下 交通 。 汽車 設計 是 越來越 精密 了 ， 現在 車 上 有 全球 定位 系統 來 告訴 你 如何 從 Ａ 走到 Ｂ ， 有 感應器 來 告訴 你 外面 光線 不 夠 、 要 開 大 燈 了 ， 有 速度 感應器 控制 著 安全 氣囊 ， 有 倒車 雷達 告訴 你 快要 撞到 東西 了 ， 甚至 有 車子 可以 在 專門 的 公路 上 或 理想 的 條件 下 自動 駕駛 ，