布萊恩・克里斯汀

0. 楔子 Prologue

1  序章：最人模人樣人類獎
如果有一天我們造出精巧到可說能思考的機器，要怎麼知道它有這個能耐？電腦科學先驅艾倫・圖靈為此提出一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機向他們提問，再分辨哪個是人、哪個是電腦——這就是今日人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）的由來。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」與獎金；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」。為了與世界頂尖的AI程式對決，我得設法釐清人和機器的差異，並且盡力表現人味……   

2 認證
在機器的世界，驗證身份靠的是內容（密碼和PIN等），在人類的世界，靠的則是形式（如聲音、筆跡和說話風格）。「設計機器人不是寫程式，而是寫小說。」程式三度獲得亞軍的程式設計師丹辰科和維索洛夫如是說。他們強調由單一設計師構思機器人的反應很重要：「得先選好由誰負責勾勒機器人的個性。寫處理流程的知識基礎就像寫書……」講到「寫書」，就不能不談風格和內容孰重，以及如何表現獨到眼光，近來關於翻譯機的辯論多半圍繞這類問題打轉。幾十年來，翻譯機計畫的目標多半是以語法為基礎去理解語言，不過到了1990年代，運用統計運算的機器翻譯方式異軍突起，讓意義的問題憑空消失。   

3 遊走的靈魂
電腦科學領域很早就分成兩個陣營：有些研究者追求更整潔的演算法結構，另一些人則投入較為雜亂的結構。神經網絡、類比計算和統計式運算等，至少從1940年代早期起就引起科學家的興趣，但直到本世紀之交，主導的始終是以規則為基礎的演算法模式。機器翻譯暴露了演算派的侷限——在2006年的NIST機器翻譯賽，大獲全勝的一支Google隊伍中，沒有人懂比賽裡的阿拉伯文和中文。五年過後，雖然「統計式」翻譯技術仍不完美，但規則式翻譯程式已看不到它的車尾燈。另一個讓左腦式嚴謹分析方式徒呼負負的是使用者經驗，它重視的並非機件的純科技性能。電腦研發重心的這種轉變，反映出不獨以人類智能的複雜性和能力為尚，也珍惜它感性、靈活、能反應的特色。我們忘了什麼值得讚嘆，而電腦正提醒我們。

4 量身打造 vs. 統一規格
最早引起廣泛注意的電腦對話程式是ELIZA，由約瑟夫・維森班在麻省理工學院完成。ELIZA程式碼只有幾百行，表現卻好得令人尷尬：很多第一次和她談的人都深信，自己在和真人交談；有些人和她聊了數個鐘頭後表示，這是非常有意義的治療經驗。醫界有專家表示：「若能證實這種方式有益，它可望成為普遍運用的治療工具，彌補治療師不足的問題。一套電腦系統同時和好幾百名病患談一小時應該不成問題。系統的設計和操作都需要人類治療師參與，因此電腦非但無法取代他們，反而能讓他們提升效率。」然而維森班卻立刻掉轉職涯方向，成為最激烈反對AI研究的科學家。ELIZA是他的遊戲之作，以羅傑斯派心理治療師為範本去設計，擷取使用者話裡的關鍵詞彙當作回應，不知如何回話時就丟句無關痛癢的話——它只會這一招。

5 跳脫棋譜
20世紀最大的AI戰役發生於1997年5月，由超級電腦深藍對戰西洋棋特級大師加里・卡斯帕洛夫，獲勝的是電腦。這下大家要不認為人類囂張不下去了，就是自我安慰下棋不過是雕蟲小技，但卡斯帕洛夫賽後表示：「這不算。」他認為深藍也沒贏。在電腦互相對奕時，開局棋譜往往能直接決定勝負，到21世紀初新一代棋士以電腦記譜成風，死背幾千種開局棋譜就可能勝過真正具分析資質的棋士，對此棋王鮑比・費雪驚駭地說：「對弈雙方真正開始思考的時間越來越後面。」許多世界級棋士都服膺「棋譜稱不上人」，據說連深藍首席工程師許峰雄也講過，他想「真正下一場世界棋賽，而不是在家裡寫開局作業」。    

6 反專才
羅布納獎剛舉辦那幾年，主辦方為了讓電腦有機會拚命一搏，於是給對話設定主題。當時的AI研究多半聚焦於「專才系統」，亦即只專精特定任務或技能（例如西洋棋程式）。「要是把話題縮到一定程度，假裝對話和真對話的界線會漸漸消失。」人工生命領域的學者戴夫・艾克利教授說，「客服電話選單的語音辨識系統就是這樣。你把他們框在幾個選項裡，他們要嘛報數字，要嘛說『總機』，不然就是撂一句『幹恁老師』。」限定對話範圍因爭議不斷而在1995年取消，不料參賽者好像都有用泛泛之談煩死對方的默契，結果慘不忍睹。有些人批評獲獎者都是些「玩票的」，其實他們百分之百是專業人士，只是他們設計來賺錢的機器人是「專才型」，用來贏圖靈測驗的是「通才型」。

7 插嘴的奧義
電腦科學理論的第一個分支是「可計算性理論」，它關切計算機的理論模型和這類機器能力上的理論限制；它只在乎可不可能計算，完全不管計算得花多少時間。後來的電腦理論家則發展出「複雜性理論」，它不只思考機器的終極能力，也將時間、空間等因素納入考量，在資源有限的脈絡下評估其表現能力。語言學家諾姆・杭士基的理論類似圖靈時代的可計算性理論，他視為研究客體的典型語言形式顯然排除「實際運用語言知識時……非關文法的因素」，聊天機器人的語言模式也是這種高度理想化的典型語言，由此看來，語言學和電腦科學的情況很像：在「典型」過程與「實際表現」之間，有相當大的變化空間。身為人類參賽者，我打算卯足全力運用這個空間。

8 地表上最糟的證人
在討論西洋棋程式時，我們基本上把「極小－極大」和「極大－極小」演算法當成同一種競賽邏輯。棋賽是「零和」遊戲，一個人要贏意味著另一個人得輸，沒有「雙贏」這回事，所以從數學上說，極小化對手的贏面和極大化自己的贏面是一體兩面。從哲學角度來看，對話和下棋間最重要、或許也最南轅北轍的差異正在於此。對話在圖靈測驗裡的作用是「展現人性」，非零和的性質無庸置疑。好的對話不是「極大化極小」或「極小化極大」，而是「極大化極大」，讓雙方都能講出精彩的東西——對話是合作演出，而非一較高下。有趣的是，很多羅布納獎評審把參加圖靈測驗當開庭，常自動切換成詰問、作證和交叉辯論模式，更詭異的是，有不少人類參賽者也以為進了法庭。

9 汝不可一成不變
繼ELIZA之後引起大轟動的聊天機器人是1972年的PARRY，由精神病學家肯尼斯・寇爾比設計。ELIZA模仿心理治療師，PARRY模仿妄想型思覺失調症病人；ELIZA依循「案主中心療法」的理論，奉行「反映式傾聽」；PARRY則一馬當先取得對話主導權，並死抓不放。這兩個程式在1970年代早期對談了幾場，彼此特色盡顯，並完美反映出對話的兩大災難：一個極端是冷血、不夠自我，另一極端是溫血、太過自我。圖靈測驗難度極高的原因之一是：語言不是棋局，它沒有固定規則與必殺絕技，它不斷在變，雲遊於一切「解決方案」之外。正如ELIZA的設計者維森班所說：「我很驚訝居然有那麼多人聽說ELIZA之後，以為它對電腦理解自然語言的問題提出了通解……我一直想講清楚：這問題不可能有通解，這樣說吧，連人類都不算是這種通解。」

10 高度驚異
加快簡訊打字速度很依賴「預測」演算：手機要能猜出你接下來想打什麼字、要能自動更正錯字（有時還更正過頭），要會很多諸如此類的事——這就是資料壓縮起作用的時候。夏農在〈通訊的數學理論〉裡得出如下驚人結果：預測文字和產出文字在數學上是相等的。能像人一樣穩定預測你想打什麼字的手機，就跟能像人一樣回信給你的程式一樣聰明，美國青少年可說平均每天參加約莫八十場圖靈測驗。「東西的資訊量可以測量」是最基本的「資訊熵」概念，而有損壓縮乃是語言的本質，它既暴露語言的缺陷，也彰顯語言的價值。大家經常批評一般人貪圖便利，只讀書摘卻不好好讀書——拜託！假如《安娜・卡列尼娜》的資訊熵超低，用篇幅百分之一的書評就能講完它六成內容，那問題出在托爾斯泰身上。

11 結語：最人模人樣的人

12 後記：玻璃櫥之美無可言喻

致謝