机器没有在“思考”
内容提要
文章梳理AI发展史，指出符号主义与联结主义几经起落，繁荣源于期望，寒冬源于期望落空。作者认为机器并未真正思考，只是处理符号统计关系，不懂语言意义。真正该担心的不是机器统治人类，而是在尚未理解技术时就大规模使用，应靠制度约束，保持清醒与节制。
延伸解读
AI 历史中的期望周期
文章梳理了 AI 发展的两次繁荣与寒冬，指出每次繁荣都源于人类对技术的过高期望，而寒冬则源于期望落空。第一次繁荣从 1956 年达特茅斯会议开始，到 1974 年因符号主义局限进入寒冬；第二次繁荣由 80 年代专家系统推动，但很快因规则脆弱和全球经济下滑再次陷入寒冬。这种周期提醒我们，当前 AI 热潮也可能受类似心理驱动，需警惕过度乐观。
符号主义与联结主义的互补
符号主义强调逻辑计算，联结主义模拟神经网络，两者几经起落。文章指出，如今它们优势互补，如同卡尼曼提出的快慢思考系统：联结主义擅长模式识别，符号主义擅长逻辑推理。AlphaGo 就是两者融合的典范。这种融合推动了当前 AI 的第三次繁荣，但文章也强调，这仍是狭义人工智能，离真正的通用智能还有距离。
机器不理解意义
通过图灵测试和中文房间思想实验，文章论证机器即使能流畅对话，也不代表它理解了语言的意义。机器处理的是符号间的统计关系，而非说话人的意图和情境。例如，AI 能生成正确回答，却不懂“意思”为何物。这解释了为什么 AI 常犯低级错误，因为它欠缺对意义本质的把握，只是在形式上模拟人类思维。
真正的风险与制度约束
文章认为，机器统治人类的风险被夸大，真正该担心的是在尚未理解技术时就大规模使用，如同历史上的镭姑娘事件。AI 可能以预料不到的方式造成伤害，这属于赫胥黎式风险。因此，人类需要依靠制度约束技术研发和使用，保持清醒与节制，而不是恐惧或过度热情。技术的进步不可阻挡，但如何调整工作制度以适应发展，才是下一阶段的关键。
Q&A
人工智能发展史上为什么会出现多次繁荣和寒冬？
文章指出，人工智能的每一次繁荣都源于人类的期望，而每一次寒冬都源于期望的落空。例如，1956年达特茅斯会议后出现第一次高潮，但20世纪70年代因预期未达成而进入寒冬；80年代专家系统带来第二次繁荣，后因局限性再次陷入寒冬。
符号主义和联结主义的主要区别是什么？
符号主义认为智能是基于符号的逻辑计算，通过物理符号系统模拟认知；联结主义则通过模拟大脑神经网络的工作原理来实现智能。两者在方法论上不同，符号主义侧重逻辑推理，联结主义侧重仿生学习。
图灵测试是什么？它能证明机器真的会思考吗？
图灵测试是让人类提问者通过对话分辨机器和人类，若无法区分则机器被认为具有智能。但文章引用“中文房间”思想实验指出，通过测试不等于机器理解了语言意义，它只是在进行符号操作。
为什么说机器并不真正理解语言的意义？
文章指出，机器处理的是符号之间的统计关系，而非说话人想传达的意图和情境理解。它擅长字面信息的直接传递，但缺乏对“意思”本质的把握，因此会犯低级错误。
人工智能真正让人担心的地方是什么？
文章认为，真正该担心的不是机器统治人类，而是在尚未充分理解技术时就大规模使用，可能以预料不到的方式造成伤害。应通过制度约束来控制技术及其研发使用者。
面对人工智能，人类应该保持怎样的态度？
人类应保持清醒和节制，既不恐惧也不过度热情，依靠制度约束技术。技术是双刃剑，在未完全了解时大规模使用可能带来危害，如“镭姑娘”事件所示。
