40、人机学习差异：从Tay聊天机器人看起

人机学习差异：从Tay聊天机器人看起

1. 人机学习本质差异

机器人和人工智能机器或许能进行后人类学习，它们可能比工程师所设想的人类更理性、更具逻辑性和更智能（这里的智能定义为理性），但它们无法成为后人类主义的学习者。人类作为超社会生物，愿意拓展自身的人性范畴，不仅涵盖假肢、神像，还包括与人工智能和机器人的交流。然而，像Jibo和Andreas的例子所展示的，这些非人类材料的响应方式与超社会的人类不同。

一些机器看似有交流意愿，仿佛能像人类一样回应，但实际上做不到。机器人设计师试图创造能交流的机器，这些机器响应性很强，但它们的回应似乎是基于一种理想化的、通用的智能人类形象（也许是工程师的形象），却不理解人类群体在物质环境中相互互动时是如何产生各种差异的。

当工程师提及机器的“意识”“动机”和“好奇心”时，他们或隐或显地基于对人类的某种认知，这与后人类主义学习中的人类概念不同。部分工程师将人类视为计算机，这种观点被称为“计算主义”。但算法虽有道德影响，本身并非道德主体。我们需要理解人类学习和算法学习的差异，以便更好地预期未来机器人和人工智能的表现。

2. 机器对话的尝试与局限

工程师试图制造能与人类轻松对话、让人类难以察觉其机器身份的机器。1950年，艾伦·图灵认为人类和机器思维都是智能信息处理系统，并提出了一个测试。在测试中，人类与屏幕后的两个对话伙伴交流，一个是人类，一个是机器。若机器回答问题时表现得与人类无异，就通过测试。尽管哲学家如约翰·塞尔试图反驳这一观点，但许多工程师如今认为机器学习能让计算机拥有与人类相同的智能能力。

然而，这取决于如何理解“智能”。如果智能意味着遵循规则，机器在将复杂输入转化为类似人类答