人工智能与因果语言

吴小安 张 瑜

一、“迷你”图灵测试

人工智能的先驱之一艾伦·图灵曾提出这样一个问题[1]：怎么才能说一个计算机像人一样在思考？他给出了一个称为“模仿游戏”的测试方法（后来人们称之为“图灵测试”）：即向一个计算机提问，如果它对于问题的回答让我们不能区别和我们交谈的是计算机还是人，那么这一台机器就可以算是一个思维机器。当然要模仿一个成人的智能是困难的，随着教育和阅历的发展和推进，她的智能水平也一直在发展和推进。很自然的想法是不妨从模仿孩子的智能开始（“迷你”图灵测试），再循序渐进，最终实现成人的智能。

在珀尔和麦肯齐（Pearl and Mackenzie）[2]看来，对因果的理解是人类认知最普遍也是最不可或缺的一环。只有所造的机器人理解因果，我们才能把对于这个世界的所知教给它们。具体而言，在制造出一个理解因果的机器人之前，至少有两个疑难要面对：只有解决了它们，一个思维机器才是可实现的。首先，人们是如何从环境中获取因果知识的？其次，人们是如何处理因果信息的？第一个问题并不是珀尔关心的，他的主要贡献和努力在于回答第二个问题，即给出如何表征因果知识的方式，也就是因果贝叶斯网络，并说明这种表征方式如何使得我们能够快速地访问必要的信息并正确地回答因果的问题。

所以姑且把如何获取因果知识的困难放在一边，认为已经预存了如下的因果知识和模板（珀尔认为孩子的大脑并不像有些人所理解的那样是白板一块，而是已经有了丰富的机制和预存的模板）。……