客服热线：
二维码
一、遵守规则与机器计算
遵守规则理论在维特根斯坦的后期思想中占有重要地位。那么什么是遵守规则呢？简单地说，遵守规则就是一种实践，当培训、制度、习俗成为人的第二本性时，人就能机械的、自发的遵守规则。维特根斯坦认为，如果一个人想理解“遵守规则”，那么他就必须先去学习怎样遵守规则。例如，当一个小孩刚开始学数数时，他可能会模仿大人怎么数，然后通过大人的手势或话语“对了”“错了”等各种口头的，或肢体上的表达来使这个教化过程达到目的。因此，理解一个实物概念，包括用实物训练来教导孩子并使其在头脑中能产生这个概念的想象或图像，直至孩子最后完全掌握这个概念并转换成一个自发的概念。
遵守规则与数学哲学密不可分。维特根斯坦用做算术来阐明遵守规则的本质。数学的规范性是维特根斯坦数学哲学思想的主旨。这一主旨用他的话概括说就是：“我要说，它必定遵循我置于语言中的轨道。”数学证明的要点是，它雕刻出了数学语法规则：“由证明而成立的命题用作规则，并因此而用作范型。因为我们按规则行动。”
强人工智能者图灵对于遵守规则也有详细的说明。图灵认为，计算的人是在头脑中用一种完全机械式的方法遵守一系列的规则。而机器只要满足了这样的条件，也是完全可以机械式的去遵守规则的。
维特根斯坦在思考遵守规则理论时，提出了两个交织在一起的假设：其一，一种毫无意义的规则是可以理解的；其二，机械式的遵守规则的概念与遵守一种机械的规则是相等同的。标准的人工智能者对于上述论点的回应是，维特根斯坦忽略了图灵论点中最重要的方面，即描述行动者意识到自己在做什么。维特根斯坦则主张，人类的计算是基于固定规则的，且这些规则是可以从书本及传统中习得的。图灵认为，可以考虑这样一台数字计算机，它通常由储存器、执行单元和控制器组成。储存器储存的资料对应于人类用于计算的纸，人类可以在纸上进行计算或是学习规则。人类的计算是在头脑中进行的，储存又是对应于记忆的。因此，我们可以根据人类的计算行为来模拟建构数字计算机。有人问，如果让一台机器模仿人的复杂行为如何可能呢？图灵的答案是，让机器执行指令表——程序。
即使是极其反对机械论的王浩也承认：算法的直觉概念是相当模糊的。例如，什么是规则？我们希望规则是可以机械式理解的，这样一台机器可以理解规则（指令）并执行它。换句话说，我们需要指定用于一种描述算法的语言，这种语言一般是可以描述所有机械的程序，也足够供机器来理解。图灵所做的是分析人类的计算行为，并得出在本质上计算行为是机械式的大量简单的操作，而简单的操作可以被证明是能够联合产生任意地复杂的机械式操作。
二、机器的计算不是思维
我们用图灵测试（又称“图灵判断”）来说明这个问题。图灵测试是说，把要被提问的一个人和一台计算机分别隔离在两间屋子，让提问者用人和计算机都能接受的方式来进行问答测试。如果提问者分不清回答者是人还是机器，那就证明计算机已具备人的智能，机器就是能够思维的。图灵机是以布尔代数为基础，将逻辑中的任意命题（即可用数学符号表征的公式）用一种通用的机器来表示和完成，并能按照一定的规则推导出结论。图灵的设想被誉为现代计算机原理的“开山之作”，它描述了一种假想的可实现通用计算的机器，后人称之为“图灵机”。
在《数学的基础评论》中，维特根斯坦对此提出质疑。图灵机是人类真实的计算吗？图灵机实际上已经定义了人类机械式的计算，所以允许我们应用准认知术语来描述计算机操作的过程。按照图灵的解释，黑猩猩的行为就满足这样一种标准，即我们使用计算概念是相对于人类行为的。我们对于按这种方式行动并没有什么大碍，只是说得出这样的结果是行为满足了标准。这些标准对于我们也同样适用。因此，通过平行的推理，如果一台机器的建构满足这样的标准，那么过程与结果无关，这样一来机器还是不能思维。在维特根斯坦看来，图灵预先假定了人类的计算是机械式的，既然思维是机械式的，那就可以借用机器模拟来实现，因此计算机器可以思维。问题是，依据什么说人类的思维是机械的呢？对此问题图灵并没有给予回答。这就涉及哲学问题——人类的思维本质是什么？思维的方式是什么？
我们可以进一步追问：计算的机器计算吗？设想一下，计算的机器由于偶然原因产生了。现在有人偶然按了它的按钮（或一只动物在它上面跑不小心碰了一下按钮），它计算出 25 × 20 的积。图灵主张，计算是依靠我们的大脑遵循一系列简单的机械式的规则进行的，这个过程也可能通过机器来执行。也就是说，机器有能力去遵守程序的亚规则，每一种亚规则都是机械式的计算。维特根斯坦在这里强调的是，我们称之为“计算”或“推理”的必要性在于：在我们的日常活动中，我们使用像 25 × 20 = 500 计算式，且我们不只是把它当作一个有趣的模式。我们说“如果 S 拥有 25 股 XYZ 股票，目前的成交价是每股 20 元，那 S 一定用了 500 元投资于 XYZ 的股票”。同时假设，我们不是要求得到认可或数数，相反，我们只是对 25 × 20 = 500 做出反应。维特根斯坦在这里似乎是否定图灵的一部分论点——递归函数是机械式的计算。维特根斯坦的论点是，计算的概念不能从它的基本规范性中剥离出来。因此，脱离规则的计算就不是计算，计算是遵循一定规则的。或者说，计算是规则中的计算。
如果计算的机器能够计算，那么计算就是思维吗？或者说计算的机器能思维吗？塞尔（John Searle）认为，如果机器能思维，那只能是一种特殊类型的机器，即具有如人脑般拥有相同因果关系的机器。执行机械式规则的程序并不是思维机器，机器能思维和具有意向性是两个不同的概念。意向性是精神和生物现象，它依赖于特定的生化反应，哺乳作用、光合作用或是其他生物现象是产生意向性的主要源泉。大脑通常被认为是一台数字化的计算机（计算机隐喻），如早期的计算机通常被称为“电脑”。大脑的因果能力产生了意向性，但大脑的因果能力不能在实例化的计算机程序中实现。你可以用机械式的程序去实现你喜欢的东西，但它并没有任何的心理状态，机械式的程序是不能产生意向性的。在塞尔看来，从计算的角度看大脑就是一台计算机，计算机的程序纯粹是按照语法规则来定义的，而语法本身不足以保证意向性和语义，程序的运行只有在机器运行时产生形式化的能力。也就是说，程序本身不能产生意向性，当然就不会形成思维能力。
其实道理也很简单。被试（人）与 CPU 实际上只能做同一性质的工作，即机械地操作符号。在图灵看来，只要检测者无法在言语行为方面找出一台机器与一个人之间的差别，我们就能够将“智能”赋予机器。在塞尔看来，即使我们没有找到这种差别，机器依然是无心的，因为它依然缺乏建立恰当语义关系的能力。而在维特根斯坦看来，机器在机械式的遵守规则只不过是人机械式的遵守规则的物化，在人脑中的计算显然与在机器中的计算不同，尽管两种计算都可以是机械式的，即按照程序操作。比如人用计算机算账时，人已习惯于按键而不去思考，计算机的程序操作代替了人脑的计算。而当计算机发生故障时，显示的数字会有问题，当人发现这个问题时，人就是在计算，而计算机不会。这说明机器计算只是符号操作而不是真正的思维。
三、机器模拟不是真正的思维
如果说计算不是思维，那么机器模拟也不是思维本身。人工智能试图通过模拟成人的心智运作来说明人类的思维过程，这在方法论上是没有问题的，毕竟它提供了人类探索思维秘密的一种有用方式。我们将通过人的教育过程来对思维做进一步的讨论。在一个人的成长过程中，教育具有举足轻重的作用，它包括三方面的内容：（1）心灵的开始状态，比如出生；（2）所受的教育；（3）除教育外的其他经验。为了替代一种模拟成人心灵的程序，我们首先应该尝试模仿小孩的心灵程序。如果适当的教育过程是可以获得成人的心灵状态，那么小孩的心灵就类似于文具店里的笔记本（大量的白纸），很少受到制约。
没有受制约的小孩心灵就像最初的程序一样。我们把程序分成两个部分：一个是小孩的程序；另一个是教育过程。这两部分有着非常密切的联系。首先，我们不能期望一开始就有个好的儿童机器（child-machine）。你必须实验教这样一台机器，了解它如何学习。我们还可以试一试另外一台机器，看看它的表现是否更好或更坏。这个过程与教育有着明显的联系：
儿童机器的结构 = 遗传材料
儿童机器的变化 = 突变
实验者的判断 = 自然选择
然而，对于一个正常的孩子的教育过程并不适用于机器学习。我们通过在教学的过程中运用惩罚或奖励等手段来实施教育，提升认知能力。同样，简单的儿童机器也可按这样的原则来建构。一种学习机器的重要特征在很大程度上是：尽管老师会对学生的行为作出预测，但老师仍会忽略其内部构造。而机器的教育在很大程度上源于一种设计好的儿童机器（或程序），“机器只能执行我们所知道的如何去控制它的事情”。这种观点听起来似乎有点奇怪。我们给机器输入一些指令，导致它去完成某些事情，但我们自己却并不理解。或者说，我们认为这完全是随机的行为。在模仿教与学的过程中，另一个重要的结果是以一种自然的方式承认“人类的易谬性”，不存在从来不犯错误的人。现在的学习过程可以被看做是寻找满足教师的一种标准行为，教学过程成为一种标准化程式。事实上，存在大量的令人满意的解决方案，随机方法似乎比标准方法更可取。也就是说，不受标准限制的教育可能更适合儿童，因为每个人的特点不完全相同。
机器与个人之间可能最终是纯粹理性的竞争关系。那么，什么是最好的竞争形式呢？很多人认为，像国际象棋这样抽象的活动就是一个好的竞争形式。我们可以给机器制造好的感觉器官，教会它如何花钱买东西，如何理解语言。这可以遵循标准教育孩子的过程进行。维特根斯坦否认认知是由符号控制的。他引入“阅读机”（reading machine）这种符号操纵器来说明他的观点。阅读机类似于图灵机。维特根斯坦关注的是图灵机是否真的计算、阅读等。他不完全赞成拉美特力“人是机器”的观点，而强调人类的行动而非思维如一台可靠的机器。维特根斯坦经常与图灵讨论一种活的阅读机（a living reading-machine），一台活的阅读机是作为人类或其他生物的输入符号，是作为算术问题的输出答案，比如口语文本、逻辑定理证明、弹钢琴时的笔记等。这些机器能被生成，或是培训，例如“计算机器”。
阅读机其实就是图灵机的“人机”（human machine）的翻版。根据图灵的理论，电脑是为了执行明确的经验法则，是由人类操作员按训练但非智能的方法来操作的。使用中的阅读机就如自动演奏的钢琴，能读出任何适当的组合符号。维特根斯坦告诉我们，通过读把手稿翻译成声音，通过命令或打印件来写。在这个意义上说，读不包含任何你对所读的东西的理解。一个计算机器是没法给出解释的，它只是计算。图灵认为，通过应用适当的干扰及模仿教育，一种布尔类型的网络能够被培训成做任何指定的工作，只要给予充足的时间和提供充足的信息单元。维特根斯坦强调观念形成的事例及培训的作用，强调知觉作用及家族相似性观念的作用。根据维特根斯坦的观点，一个小孩获得一种概念，如杯子的概念，是通过接触范例获得的。但是，如果孩子观察到的所有事例都是明亮的形式，那么一切明亮的对象都是杯子？维特根斯坦认为，对于这个问题的传统解决形式是不可取的：用来区分杯子和不是杯子的儿时培训程序不能仅仅被给出一个杯子的定义所取代，甚至在极其简单的事例中不存在充分的定义，任何一个看似满意的定义都有可能误解了原始范例。
四、遵守规则是语境依赖的
究竟什么是一个机械式的过程？图灵认为是“通过机器所做的事情”。维特根斯坦讨论了在不同的应用中一个规则如何被正确遵守的问题。在某种意义上，不同的事件发生于不同的时间，关键是同一个词在不同的时间中意指“相同”，或在不同场合的行为是如何意指相同的。维特根斯坦通常引用做加法来例示规则。比如在加 2 的系列中，为什么在 2 之后是 4，4 之后是 6 呢？你可能说是规则规定好的。而图灵的分析表明：遵守这样一种规则存在于固定的行为模式中，遵守一种规则的秘诀是重复执行。这并不是解决问题，而是说明规则的潜在无限应用仅仅是修辞手法，并没有提出新问题。
图灵主张，具有直觉的人类和其他动物或者符号控制的机器都是规则遵守者。维特根斯坦反对这样解释规则遵守：那样的规则遵守者并没有确定的意识经验，它们不会做某些事件，我们也根本找不到任何遵守规则的相关事例。在任何情况下，思想实验展示的任何意识经验对于遵守规则来说既不是必须的，也是不充分的。
例如，维特根斯坦用案例来说明一个备选的遵守规则者——计算机。如果用内部状态的不同去区分一台机器是遵守规则者还是准遵守规则者（quasi-rule-follower），那么它们必定在下列某个方面不同：静态配置的硬件（不同的零件或线路）、瞬间的硬件状态不包含对计算方法的理解（温度、电压等）、瞬间的硬件状态计算方法诠释（实例化的代码）。但硬件配置和非计算式的理解状态只不过是设备内部的物理机制，或者是内部表征。维特根斯坦认为这些对于遵守规则来说都是不充分的。即使我们考虑人工智能的硬件状态，在设备内能产生经验意识，读者/储存器的思想实验表明并不是经验意识在区分规则遵守者。即使我们用湿件即人脑（wetware）替代了上述硬件，即使用 DNA 等来代替传统的设备，结论也一样。
维特根斯坦说的是两个外表相同的个体，因为历史或环境不同，一个是在遵守规则，而另一个则不是。如果实体 A 在遵守规则的话，那么 A 必须具备下列确定的历史或环境条件：
（1）遵守规则的社会环境条件。遵守规则是标准性的，行为必须被认可，或贴上“正确”的标签并给予奖励，不被认可的行为就会贴上“错误”的标签并受到惩罚。只有 A 的行为在确定的社会环境中发生，实体 A 才能成为规则遵守者。
（2）参与状态。如果不是规则强迫你，你也不会遵守规则。如准规则遵守者——活的计算机器，这种机器是通过人为输入产生输出结果，其心智能力非常低。在维特根斯坦看来，活的计算机器只不过是准规则遵守者。对于规则遵守者的实体 A，它必须按照规则加上环境才能确定自己的行为。
（3）培训的历史状态。我们的选择决定了实体 A 的行为。在这种情况下，遵守规则的标准性压制了新的规则遵守者。因此，维特根斯坦认为，小孩被教化采用一种特殊的态度对待计算中的错误。对于培训，我们是用“培训”这个词严格地与机器中的程序类似。
对于目的论者来说，维特根斯坦的区别只不过是一种文化假象，因为规则遵守者与准规则遵守者的理由与利益无关。对科学思想的质疑者来说，维特根斯坦的区分是基本的，因为规则遵守者与准规则遵守者与其环境的联系是不同的，规则遵守者比如人离不开环境，准规则遵守者比如机器可以不需要环境。这就是说，遵守规则是依赖特定语境的。作为规则遵守者的人之所以离不开环境，是由于人是特定语境中的人；作为准规则遵守者的机器之所以不需要环境，是由于机器是非语境化的。因此，语境化是人区别于机器的本质特征之一。
计算机典型地被作为示范性的规则遵守者，即图灵机模式被认为是人类计算机遵守的固定规则，计算机因此被称为是遵守规则的“野兽”。维特根斯坦主张，没有理由认为人造物能遵守规则，人也不是遵守规则的机器，机器智能与人的智能有着本质的不同。如果机器能遵守规则，并不是由于它们内部的过程，对于规则遵守者来说，他们有一个特殊的历史与环境。按维特根斯坦的要求，规则遵守者必须是经过训练的，大多数甚至所有人工智能计算机不会遵守规则，因为它们不会使用语言、推理或者拥有概念。
最终的问题是：机械式的遵守规则与遵守一种“机械式的规则”之间有什么差异呢？根据人工智能，答案是没有区别。这看上去似乎有点自相矛盾。计算机自身的性质是最不灵活、没有要求的遵守规则机器，因此它是无意识的。然而，智能行为是如何进行编程的呢？这不明显是互相矛盾的吗？
在我们看来，机器是没有欲望的。说机器有欲望就是荒谬的事情。根据维特根斯坦的理论，问题的症结在于计算机是遵守规则的机器，而遵守规则的东西不必然有“意识”，有意识的东西也不必然遵守规则。当机器机械式地计算时，这类似于机械式的前意识流控制一个人的行为。人可以机械地去计算，比如完全按照加法规则运算，但是这不等于说人因此也就是机器。除机械地计算外，人还有其他更重要的特性比如情感和意识。这些精神性的东西是严格遵守规则的计算机所没有的。
维特根斯坦并不否认行动者履行确定机械式计算行为的可能性，而是详细阐明了其实际意义。他认为，“人们以机械的方式遵守规则。因此，人们把自己与机械相类比。‘以机械的方式’意味着不加思考；然而，完全不加思考吗？至少没有深思熟虑”。例如开车就是我们常常谈论的一种需要机械式遵守规则的例子。但问题在于，为什么要按标准术语来描述行为呢？也就是说，区别于真正的自主行为的东西是什么呢？假设我们有本能反应去处理事情。如果问一个行动者为什么要眨眼？他的回答是按照严格的因果关系服从于确定或编造事件。然而假设行动者的反应是：“我没有眨眼，我在使眼色，因为我从小受的教育是当 X 发生时，我就眨眼。”在这种情况下，我们将描述行动者正在遵守规则，不是因为我们事先在头脑中假定了什么，而是他用规则作为他行动的理由。
当然，当我们计算时，许多熟悉的规则不假思索地就会产生出来。但维特根斯坦的问题是，如果要求他去解释或证明他的计算结果时，行动者会运用计算规则。值得我们注意的是，这里的关键点不是按意识的要求去遵守规则，而是我们按标准的术语来描述行动者的行为，行动者能够判断（修正、解释等）自己是按规则行动的。正如维特根斯坦坚持认为的，图灵机“实际上是人类在计算”的循环。
结 语
图灵与维特根斯坦都认为机械式的遵守规则与遵守一种机械式的规则是可能的，但图灵主张，“人的大脑好似一台巨型的电子计算机，初生婴儿的大脑皮层像‘尚未组织好的’机器，可以经过训练，使之成为‘组织好了的’类似于万能机（即万能图灵机）式的机器。”图灵上述观点与维特根斯坦的人经过培训、训练就能机械式的遵守规则观点相似。但在本质上，图灵主张机器机械式的遵守规则可以替代规范化的标准，从而得出机器是能思维的。而维特根斯坦认为，机器只不过是遵守一种机械式的程序，并没有内在的感受性，其实质是人在机械式的遵守规则，计算的机器并不真正自主地在计算。因此，机器是不能像人那样思维的。人遵守规则的行为与机械遵守规则的行为的区别在于：人类能非机械式的遵守规则（有意识），而机器只能遵守人为设定的规则，机器不能思维，除非它能依靠自身打破规则。
