人工生命对人工智能的启发

人工智能理论的一个困境就是：一个程序可以真正理解人类吗？如果你和一个匿名的对象聊天，你提出的任何问题，对方的反应都与真人没有差别，这能够证明对方理解了你的话吗？中文屋子理论证明这并不能说明这个匿名聊天者就真正理解了你的话。

人类的理解能力应该是建立在人类与动物共同的感受能力基础上的，感觉是知觉的基础，与其想一步到位研制出具备理解能力的程序，还不如先研制出具备感受能力的程序。可见光是特定波长范围的电磁波，眼睛本身作为一个可见光接受器官，能够分辨不同波长的可见光，这些不同波长的电磁波经过眼睛的处理，转化成不同的生物电流，大脑处理这种生物电流，才产生了不同色彩的感受。

照相机固然也可以捕捉不同的波长的可见光，并且通过机械的方式用底片或者算法重现这种可见光的波长结构（色彩），但是照相机并不能真的感受到这些色彩，那个处理这些信号的算法也不能感受这些色彩。所以，建立在没有感受能力的算法基础上的程序不可能产生理解能力。

然而，即使只有几十万个神经元的具备视觉的昆虫，都具备感受色彩的能力，只有破解这种昆虫大脑如何将电磁波信号转化成生物电流信号，昆虫大脑再如何在此基础上处理生物电流使之产生色彩感受，才可能开发出具备感受能力的算法，进而开发出具备理解能力的算法。

人工生命理论和实践也显示出传统人工智能理论那种自上而下的穷举法的不足，你不可能穷举所有的情境，为这些情境都事先编制算法，这样的程序不具备创造性，它所能展现出来的行为也将是僵化的。而人工生命理论通过自下而上设计行为模块，依据不同情境组合这些行为，产生了新的行为，具备一定的创造性，然而，这种创造性因为局限在事先设定的行为模块的组合集合中，也是有限的，虽然比自上而下的设计更加灵活。

新的智能程序的设计应该在更加基础的层面上设定行为模块。条件反射的学习理论或许是一个努力的方向，但是仍然不够彻底，因为条件反射的类型是事先设定的。

只有在更加基础的层面上编写规则，才有可能依据此规则在高一层次上涌现出不可预知的复杂性为。

对神经元工作方式的研究启发了人工神经网络算法，从神经元层次编写虚拟神经元的互动规则，试图从这些虚拟神经元的互动之中涌现出新的行为模式来。这可能是现今人工智能研究唯一正确的方向。