擁護 者 、 連結論 者 和 我 都 是 功能 主義 者 ， 我們 都 認為 沒有 什麼 是 本質 上 那麼 的 特別 ， 以至於 只有 大腦 可以 有 智慧 ； 我們 都 認為 有 一 天 可以 建造出 一 部 智慧 機器 ， 但是 我們 對 功能 主義 的 解釋 有所 不同 。 我 先前 已經 說 過 ， 我 認為 人工 智慧 和 神經 網路 模式 典範 會 失敗 的 主因 在於 輸入 和 輸出 的 謬誤 。 我 還 有 一點 要 補充 為什麼 我們 到 現在 還 沒有 辦法 設計出 一 部 智慧 機器 ： 當 人工 智慧 擁護 者 走上 我 認為 是 適得其反 的 死硬派 路線 ， 而 連結論 者 呢 ？ 我 的 看法 是 他們 太 膽怯 了 。 人工 智慧 的 研究 者 問 ： 「 為什麼 我們 工程師 要 被 演化 所 找到 的 解決 方式 綁住 ？ 」 就 原則上 來 說 ， 他們 說 的 有理 。 生物 系統 ， 如 大腦 和 基因體 ， 通常 被 認為 不 是 很 精緻 的 ， 一 個 常見 的 比喻 是 魯比高柏格 （ Rube Goldberg ） 機器 ， 這 是 在 美國 大 蕭條 時期 一 位 漫畫家 所 畫出 的 一 個 只 能 做 些 小 事 但 構造 卻 極其 複雜 的 荒謬 裝置 。 軟體 設計 者 也 有 一 個 類似 的 名詞 拼裝 系統 （ kludge ） ， 指 的 是 一 個 程式 寫 的 時候 沒有 遠見 ， 弄 了 一 大 堆 無用 的 指令 徒增 負擔 ， 通常 複雜 到 連 程式 設計師 本人 都 搞 不 懂 。 人工 智慧 研究 者 很 害怕 大腦 也 是 同樣 的 情形 ， 一 個 高齡 幾億 歲 的 「 光華牌 拼裝機 」 ， 塞滿 了 缺少 效率 的 設計 以及 演化 所 留下來 的 亂碼 。 假如 是 這樣 的話 ， 他們 想 ， 何不 丟掉 這 整 個 令 人 遺憾 的 錯亂 ， 重新 開始 呢 ？ 許多 哲學家 和 認知 心理學家 都 對 這 個 看法 深表 贊同 。 他們 很 喜歡 這 個 比喻 ： 心智 是 一 個 軟體 ， 大腦 則 是 執行 它 的 電腦 硬體 ， 在 電腦 中 ， 硬體 的 層次 和 軟體 的 層次 是 完全 不同 的 ， 同樣 一 個 軟體 可以 用 在 任何 涂林機 上 ， 你 可以 在 個人電腦 （ PC ） 上 用 Word Perfect 軟體 ， 同樣 的 ， 你 也 可以 在 麥金塔 （ Macintosh ） 或 格雷 超級 電腦 （ Gray Supercomputer ） 上 使用 ， 雖然 這 三 個 系統 有 不同 的 硬體 設定 。 假如 你 想 學 的 是 WordPerfect 的話 ， 硬體 沒有 什麼 重要 的 東西 可以 教 你 ； 按照 同樣 的 邏輯 ， 假如 你 想要 知道 的 是 心智 的話 ， 這些 人 認為 大腦 也 沒有 什麼 可以 教 你 。 人工 智慧 的 護衛 者 也 喜歡 引用 歷史 為 例 ， 有 很多 事件 是 工程 的 解決 方法 跟 自然 的 大大 不同 。 例如 ， 我們 如何 建造 一 個 飛行 的 機器 ？ 模仿 鳥兒 拍 翅膀 嗎 ？ 不 是 ！ 我們 的 做法 是 固定 的 展翼 ， 加上 螺旋槳 ， 後來 又 改成 噴射 引擎 。 這 可能 不 是 大自然 的 做法 ， 但是 工程師 的 做法 一樣 確實 可行 ， 而且 比 拍 翅膀 要 飛 得 好 太多 了 。 同樣 的 ， 我們 設計 的 汽車 可以 贏過 自然界 中 跑 得 最 快 的 動物 獵豹 ， 但是 我們 的 做法 不 是 建造 四 條 腿 ， 而是 發明 了 輪子 。 輪子 是 在 平坦 地區 最 好 的 移動 方式 ， 演化 沒有 碰巧 看到 這 個 策略 並 不 代表 它 不 是 最 好 的 旅行 工具 。 有 些 心智 哲學家 喜歡 「 認知 迴輪 」 （ cognitive wheel ） 這 個 比喻 ， 這 是 人工 智慧 對 某些 問題 的 解決 方法 ， 雖然 它 跟 大腦 的 做法 完全 不同 ， 但是 它 的 功能 跟 大腦 一樣 好 。 換句話說 ， 如果 有 個 程式 能 以 某 種 受限 但 實用 的 方式 ， 在 某 項 任務 上 產出 一 個 與 人類 的 表現 一致 甚或 更 好 的 輸出 ， 那麼 這 個 程式 的 運作 方式 實際 上 就 跟 我們 的 大腦 一樣 好了 。 我 認為 就 是 功能 主義 者 這 種 以 目標 來 合理化 方法 的 解釋 方式 ， 使得 人工 智慧 的 研究 者 走偏 了 。 就 如 瑟爾 在 中文室 所 示 ， 僅 根據 行為 上 的 一致 是 不 夠 的 。 既然 智慧 是 大腦 內在 的 特質 ， 我們 必須 到 大腦 裡 去 看 才 會 瞭解 什麼 是 智慧 。 在 我們 探索 大腦 ， 尤其 是 新 皮質 時 ， 我們 需要 小心 找出 哪些 細節 是 以往 演化 所 留下 過多 的 未雨綢繆 ， 而 如今 再 也 用不上 的 遺跡 。 無疑 的 ， 會 有 很多 高柏 格式 的 運作 歷程 夾雜 在 大腦 重要 的 特質 中 ； 但是 我們 馬上 會 看到 ， 大腦 中 有 一 個 很 精緻 的 力量 超過 我們 最 好 的 電腦 ， 等待 著 我們 把 它 從 神經 迴路 中 萃取出來 。 連結論 者 很 直覺 的 認為 大腦 不 是 電腦 ， 它 的 祕密 在於 神經元 連結 在一起 時 的 發射 。 這 是 一 個 好 的 開始 ， 但是 這 個 領域 進展 得 太 慢 ， 雖然 有 過 幾千 個 人 致力 於 三 排 網路 模式 的 研究 ， 並且 目前 仍 有 很多 人 持續 著 ， 但是 擁有 皮質 真實性 的 網路 模式 研究 還是 非常 少 。 五十 年 來 ， 我們 全力 去 寫 程式 使 電腦 展現出 智慧 來 ， 在 這 過程 中 ， 我們 發明 了 文字 處理器 、 資料庫 、 電動玩具 、 網際網路 、 手機 、 幾可亂真 的 電腦 動畫 恐龍 ， 但是 智慧 機器 還是 沒有 出現 。 要 成功 ， 我們 必須 借重 大自然 智慧 的 引擎 ─ 新 皮質 。 我們 必須 得 從 大腦 中 把 智慧 抽取出來 ， 除 此 別 無 他路 可以 引領 我們 造出 智慧 機器 。 第五 章 智慧 的 新 架構 智慧 跟 瞭解 起始 於 記憶 系統 ， 它 將 預測 送入 感覺 的 訊息流 之中 。 皮質 演化 的 方向 有 兩 個 ： 第一 ， 它 變 得 更 大 更 精良 ， 使 其 可以 儲存 記憶 ， 並 根據 更 複雜 的 關係 來 做 預測 ； 第二 ， 它 開始 與 古老 大腦 的 運動 系統 互動 。 要 預測 你 下 一 步 會 看到 什麼 、 聽到 什麼 、 感覺到 什麼 ， 你 需要 知道 掌管 了 大部分 運動 行為 的 人類 皮質 ， 採取 了 什麼 行動 。 人類 皮質 不僅 是 依照 古老 大腦 的 行為 做 預測 ， 它 還 自導 自演 的 指揮 這 個 行為 的 出現 以 滿足 它 的 預測 這些 預測 就 是 我們 的 思想 ， 當 這些 預測 與 感覺 輸入 結合 起來 時 ， 它 就 是 我們 的 知覺 ，