机器能思考吗？

1950年，英国数学家阿兰·图灵（Alan Turing）在《计算机器与智能》（Computing Machinery and Intelligence）一文中开篇写道：「我提议考虑这个问题：机器能思考吗？」

他随即指出，这个问题本身含混不清——「机器」是什么？「思考」是什么？与其纠缠于定义，不如换一个可操作的问题：机器能否在对话中让人无法分辨它是机器？

这个问题从图灵的时代到今天——大型语言模型可以写诗、编程、通过律师资格考试——变得越来越迫切。

图灵测试：模仿游戏#

图灵提出的「模仿游戏」（Imitation Game）是这样的：一个人（裁判）通过文字终端同时与两个人对话——一个人类和一台机器。如果裁判无法可靠地分辨哪个是人、哪个是机器，那么这台机器就通过了测试。

图灵预测，到2000年左右，机器将能在5分钟的对话中骗过30%的裁判。这个预测大致准确——虽然时间节点略有偏差，但2022年后的大语言模型确实开始接近这一门槛。

图灵测试的哲学意义在于：它回避了「机器是否真的在思考」这个问题，转而关注外在行为。如果一台机器在所有可观察的方面都与思考的人无法区分，那么坚持说它「没有真正思考」是否有意义？

这种立场与哲学中的行为主义（Behaviorism）一脉相承：心理状态不过是对刺激的行为倾向。如果一台机器的行为倾向与人类完全相同，我们就没有理由否认它具有心理状态。

但批评者指出，图灵测试可能过于肤浅。一个精心设计的「聊天机器人」可能通过对话测试，却没有任何真正的理解或意识。正如一个演员可以模仿悲伤而不真的感到悲伤——行为上的模仿不等于内在状态的真实。

笛卡尔与莱布尼茨：最早的机器思维争论#

机器能否思考的争论远早于计算机的出现。

笛卡尔（René Descartes，1596—1650）在《方法论》（Discourse on the Method，1637）中提出了两个论据来区分人与机器：

语言论据：机器永远无法像人类那样使用语言。机器可以发出声音，但它不能「有意义地」回应对话中的所有话题。人类的语言运用需要理性，而理性是机器不可能拥有的。

通用性论据：机器可以在特定任务上做得比人好（如钟表比人更准确地报时），但它不能在所有情况下做出适当的反应。人类的理性是一种通用能力——它不局限于任何特定任务。

笛卡尔的论证在今天看来有一种令人不安的前瞻性：当代AI确实解决了语言问题（GPT-4能进行流畅的多语言对话），也正在解决通用性问题（多模态大模型可以同时处理文字、图像、声音和代码）。笛卡尔错了吗？

戈特弗里德·莱布尼茨（Gottfried Wilhelm Leibniz，1646—1716）提出了一个更精密的思想实验——「磨坊论证」（Mill Argument）。在《单子论》（Monadology，1714）第17节中，他写道：

想象一台机器被制造得能够思考、感知和想象。然后把这台机器放大到磨坊的大小——你可以走进去参观。你会看到什么？只会看到齿轮、杠杆和连杆的运动，永远不会看到「思想」或「感知」。

莱布尼茨的结论是：思想不能从纯粹的机械运动中产生。物质的东西只能解释物质的运动，不能解释意识的体验。这个论证预见了当代意识哲学中的「困难问题」——物理过程如何产生主观体验？

塞尔的中国房间：语法不等于语义#

约翰·塞尔（John Searle，1932–2025）在1980年的论文《心灵、大脑与程序》（Minds, Brains, and Programs）中提出了哲学史上最著名的思想实验之一。

想象一个不懂中文的人被关在房间里。房间里有一本用英文写的规则手册，手册告诉他：当收到某种形状的中文符号时，按照规则查找并送出对应的中文符号。外面的人用中文递进问题，房间里的人按照手册递出中文回答。

对于外面的人来说，房间里的人似乎「懂中文」——他能对任何中文问题给出流畅的中文回答。但他实际上对中文的意义一无所知——他只是在操纵符号。

塞尔的结论是：计算机程序（无论多复杂）只是在操纵符号（语法），而没有理解符号的意义（语义）。语法不等于语义。图灵测试只能测试语法能力，不能测试真正的理解。因此，即使一台机器通过了图灵测试，它也没有真正的「思考」。

塞尔将这一论证推广为：任何纯计算系统——无论其程序多么复杂——都不能产生真正的意向性（intentionality）和理解。意识是一种生物学现象，就像消化需要胃一样，思考需要大脑的特定生物化学基质。

对「中国房间」的主要反驳包括：

系统回应（Systems Reply）：房间里的人不懂中文，但「整个系统」（人+规则手册+房间）懂中文。正如单个神经元不理解英语，但整个大脑理解英语。塞尔的回应是：让房间里的人记住所有规则并走出房间，在心里执行所有计算——他仍然不懂中文。

机器人回应（Robot Reply）：给计算机加上感知器官和运动能力，让它与世界互动，它就能获得真正的理解。塞尔的回应是：增加输入输出通道只是增加了更多的语法操作，仍然没有语义。

大脑模拟回应（Brain Simulator Reply）：如果计算机逐个模拟人脑中每个神经元的活动呢？塞尔的回应是：即使模拟精确到神经元级别，它仍然是在执行程序，而执行程序本身不会产生意识——就像模拟一场雷暴不会打湿任何东西。

计算主义与意识的难问题#

计算主义（Computationalism）是当代心灵哲学的主流立场之一：心灵就是一种信息处理系统，思考就是计算。

这一立场的历史根源可以追溯到霍布斯（Thomas Hobbes）——他在17世纪就提出，思考不过是「符号的计算」。当代最精密的计算主义者是丹尼尔·丹尼特（Daniel Dennett），他认为意识是大脑信息处理的宏观表现，不需要诉诸任何神秘的附加物。

但计算主义面临一个根本挑战——查尔默斯（David Chalmers）的「困难问题」：为什么物理过程会伴随着主观体验？一台计算机可以处理关于「红色」的所有信息——波长、光谱、文化联想——但它是否「体验」到了红色？

查尔默斯用「哲学僵尸」思想实验来说明：想象一台在行为上与人类完全相同的机器——它能说「我看到了红色」「红色让我兴奋」——但它没有任何内在体验。如果这样的僵尸在逻辑上是可想象的，那么计算本身不足以产生意识。

这引出了一个关键区分：弱AI（Weak AI）主张机器可以模拟智能行为，作为研究心灵的工具；强AI（Strong AI）主张适当编程的机器真正具有心灵——它不只是模拟思考，它就是在思考。中国房间论证的目标正是强AI。

当代AI的哲学挑战#

2022年后大型语言模型的崛起使这些哲学讨论变得前所未有地紧迫。

GPT-4、Claude等模型能写出结构完整的哲学论文、创作诗歌、解决数学问题、进行多语言翻译。它们在许多方面超越了图灵最初的预期。但它们「理解」自己在说什么吗？

一种立场认为：这些模型只是极其复杂的「随机鹦鹉」（stochastic parrots）——它们通过统计规律预测下一个词元（token），没有任何真正的理解。正如中国房间中的人按照规则递出中文符号，大语言模型按照训练数据中的统计模式生成文本。

另一种立场认为：理解可能恰恰就是从大量数据中提取规律的能力。人类儿童也是通过大量语言输入学会语言的——没有人教他们语法规则，他们却能说出语法正确的句子。如果人类的「理解」本质上也是一种模式识别，那么否认机器具有理解就是双重标准。

更深层的问题是：即使AI在功能上表现出了智能，它是否有意识？这不仅是一个哲学问题，也日益成为一个伦理问题——如果AI有意识，它是否应该拥有权利？如果它能感受痛苦，关闭它是否是一种道德过错？

东方思想中的心与器#

中国传统哲学中「心」的概念与西方的「心灵」（mind）有微妙但重要的差异。在儒家传统中，「心」不仅是认知器官，更是道德情感的根源——孟子的「四端之心」（恻隐、羞恶、辞让、是非）既是认知的，也是道德的。

佛教中的「心」（citta）则更为复杂——它包括意识（vijnana）、末那识（manas，自我意识）和阿赖耶识（alaya-vijnana，藏识）。在唯识宗看来，意识不是一个统一的整体，而是多种心识功能的聚合。这一分析对AI意识问题有启发：我们是否应该追问AI是否有「意识」，还是应该追问它有哪些类型的「心识功能」？

庄子的「庖丁解牛」则提供了另一种视角：庖丁解牛时「以神遇而不以目视，官知止而神欲行」——真正的技艺超越了有意识的计算和规划，进入了「道」的层面。如果最高层次的智能是「忘智」，那么AI追求的「超级智能」是否走错了方向？

核心事实卡#

「如果一台机器能欺骗人相信它是人，我们就必须承认它在思考。」——图灵

「语法本身永远不足以构成语义。」——塞尔《心灵、大脑与程序》

「真正的问题不在于机器能否思考，而在于人能否。」——斯金纳，《强化的相倚关系》（1969）

跨域连接#

• 图灵 与 可计算性：图灵 1950 年做的其实是一次方法论手术——他判定"机器能思考吗"这个问题本身过于含混、不值得讨论，于是换成一个可以执行的替代问题（模仿游戏）。这套动作在科学里反复出现：把不可裁决的概念问题替换成可操作的判据。代价也一并继承下来了——判据一旦被当成定义，就会被针对性优化。今天的模型能通过多种版本的图灵测试，这说明的是判据可被优化，不是原问题被回答了。
• 计算复杂性：图灵测试有一个常被略过的漏洞，布洛克在《心理主义与行为主义》（1981）里把它挑明了——一张足够大的查找表可以通过任何有限长度的对话：为每一段可能的输入历史预存一个回应即可。这个"布洛克头"在行为上无懈可击，却显然不在思考。结论是判据必须附加资源约束：不是"能否产生这些回应"，而是"能否在可行的时间与空间内产生"。智能的定义因此无法只靠行为，它必须提到实现的代价。
• 柯氏复杂度：有一条把"理解"形式化的路线是把它等同于压缩——能对数据给出更短描述的系统，就是抓住了更多规律。这条定义的优点是可测量，且直接对应泛化能力（记住不算压缩）。它的边界同样清楚：它完整地捕捉了"聪明"，却一个字也没说到"体验"。塞尔要争的正好落在被这条定义排除掉的那一半。
• 神经网络：计算主义与联结主义之争在工程上已经有了结局，但不是任何一方获胜——是这个二分本身失效了。当代模型的底座是连接主义的（分布式表征、梯度学习），而可解释性研究在其中找到了可被读作符号操作的稳定电路（变量绑定、间接寻址）。"符号 vs 连接"原本假定两者是互斥的实现方案，实际关系却是层级的：符号式的操作可以在连接式的基底上涌现。
• 心理语言学加工：判断"像不像在思考"，还有一条不依赖内省的路——看加工的实时特征是否一致。人类的句子理解受工作记忆容量、增量式解析与花园路径效应约束，这些约束在反应时和眼动上留下可测的指纹。语言模型没有同一套约束，因而在同样的句子上给出不同的困难模式。这是"行为相似不蕴含机制相似"最容易做实验的一处，也提醒我们：图灵测试比较的是产品，而机制的证据在过程里。

参考文献#

• Turing, Alan M. "Computing Machinery and Intelligence," Mind 59(236) (1950) — 图灵测试的原始来源，"机器能思维吗？"
• Searle, John R. "Minds, Brains, and Programs," Behavioral and Brain Sciences 3(3) (1980) — 中文房间论证，反对强AI
• Dreyfus, Hubert L. What Computers Can't Do: A Critique of Artificial Reason. Harper & Row, 1972 — 现象学对AI的早期批判
• Stanford Encyclopedia of Philosophy: "Artificial Intelligence" (https://plato.stanford.edu/entries/artificial-intelligence/)