很多科学概念来自对日常词语的改造 。 这时一方面要基本忠实于这些词语的原意， 但又要将其裁剪成满足理论要求的模样， 所以不能完全迁就其日常用法 。 这种定义常被称为“工作定义”， 以区别于字典定义 。 哲学家卡尔纳普在归纳逻辑的研究中试图给“概率”一个工作定义 。 他不是简单地陈述他的看法， 而是先仔细地讨论了一个“元问题”：什么样的定义是个好定义？他提出了四条标准：
1.相似性：新定义和该词语的日常意义接近；
2.精确性：新定义能避免模棱两可的使用；
3.有效性：新定义应为建立在其上的理论贡献成果；
4.简单性：新定义要尽可能简单 。
这四条标准往往是会互相冲突的， 比如说甲定义比乙定义简单， 但没有后者精确 。 这时候就要综合平衡了 。 尽管如此， 这组标准仍有相当大的普适指导性 。 如果一个工作定义在其中某一方面有重大缺陷， 它在其它方面再理想也很难弥补其“短板”所造成的后果 。
定义AI是理论问题
下面让我们以“人工智能”这个概念为例， 分析一下工作定义中常见的问题 。 这里“人工”问题不大， 公认就是指计算机及机器人这类人造器械， 而“智能”就不这么好说了 。 这个概念自然是对人类精神能力的某种概括， 但概括的程度或角度可能很不一样 。
首先， “智能”的工作定义仍需要保有该词汇字典定义的某些核心成分， 否则不如换个别的词了 。 比如说如果把“智能”定义成“完美解决一切问题的能力”， 那就连普通人都不够格了 。 这显然和这个词的一般用法的相似性太差， 因为智能一直是被看作人的属性， 而非神的属性 。
好的工作定义应当避免模棱两可的说法， 从而为概念刻画一个相对清晰的边界 。 因为这个原因， 用“认知”“思维”“意识”等概念来定义“智能”就不合适了， 因为这些概念的边界并不比“智能”更清晰， 尽管它们的意义和智能的确有相当大的重合 。 对一个概念的正确描述并不一定适合于被用作定义 。
“智能”的工作定义与其字典定义不是一回事， 因为它不是要描写这个词目前的约定性用法， 而是把它设定成一个研究目标 。 也就是说明你自己要创建的人工智能是什么样的， 不管别人怎么看 。 所以一个好的工作定义的终极标准是在其基础上建立的理论所能达到的高度， 尽管在开始时这个标准无法直接被使用 。 尽管如此， 以此标准来剔除掉坏定义还是够用的 。 比如说目前有一种“泛智能”的看法， 认为万物（至少所有计算机系统）均有智能， 只是高低不同 。 这种看法能够自圆其说， 但这样一来“人工智能”就成为“计算机科学技术”的同义词了， 而没有多少新贡献 。
最后， 科学家都喜欢简单概念， 尽管理由不一 。 有人认为简单的更可能是正确的， 有人觉得简单的更美， 而有人认为简单的无非是更易用而已 。 这个话题这次不展开说 。 要提一下的是， 有人断言智能不可能有一个简单定义， 这就成问题了 。 和智能有关的现象的确看上去及其复杂， 但这本身不能说明在其背后不可能找到一个相对简单的核心概念 。 其实在其他领域也是类似， 而几乎每个科学理论都是在为看上去庞杂的现象提供简单、统一的解释的 。
关于人工智能的主要工作定义， 我在《当你谈论人工智能时， 到底在谈论什么？》里面有个简单综述， 而我自己的观点在《人工智能：何为“智”？》里也已经介绍了 。 我这次要论证的是下列观点：
“定义”是刻画语词及概念意义的重要方式， 但不是唯一方式， 也不总是最恰当的方式 。 这不仅仅是仅就人工智能而言 。
推荐阅读
- 近年没有革命性创新 日本科技能靠飞行汽车翻身吗
- win11更新完黑屏
- 微信头像不更新怎么办
- Win8.1补丁更新VirtuaBox虚拟机出现错误的解决办法
- 新洲区属于哪个市
- 新乡学院四育人体系包括哪几方面
- 新鲜薄荷如何食用
- 适合新手做的小生意小城市 适合新手做的小生意
- 泰剧46天周几更新
- 新经济包含哪些产业