Intelligence artificielle, intelligence humaine : la double énigme
AI追求的是用處：智慧派得上用場，才對AI有意義。
人工智慧與人類智慧可以比較嗎
「智慧型」人工系統不知道情況，只知道人類代理向它提交的問題……。
AI人工智慧它解決了越來越多的緊迫問題。
人工智慧進入21世紀，取得了令人矚目的進步。人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險。
我們從人工智慧的表現中學到了什麼？這些成就代表了哪些進步？下一步可能為何？AI的未來方向為何？我們希望AI往哪裡去？
人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
人工智慧，不論其形式為何、發展到哪，使命都是解決問題；AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人工智慧在21世紀迎來重大突破，但其運作原理仍不透明，這些進步尚未被完全理解，而且距離「重現人類智慧」的理想仍然迢遙。而更糟的是：儘管它正在取得進展，但它與其宣稱的目標（複製人類智慧）之間的距離並沒有縮小。要理解這個矛盾，必須同時探討「人類智慧」本身的本質。
人類智慧並不只是解決問題的能力，而是一種評斷與判斷，體現在我們如何面對各種情境。人類智慧本質上帶有規範性，類似倫理或美學的判斷，因此難以完全界定。
人工系統所謂的「智慧」其實只處理人類設定的問題，並不真正理解情境。這正是AI的侷限，但同時也是它能發揮作用的地方：協助我們解決更多實際而緊迫的問題。因此，AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人類真正需要的，是靈活而可靠的輔助系統，而非擁有「類人思維」的虛擬人格。
人工智慧為我們提供支援，這應該仍然是其目標，而不是尋求等於甚至超越人類智慧的不連貫的目標。人類需要溫順、強大和多功能的工具，而不是具有非人性認知形式的偽人。
本書所要探討的，是當今工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……。本書解開智慧概念的雙重面貌，以及迷思的消散。
人工智慧與人類智慧可以比較嗎
「智慧型」人工系統不知道情況，只知道人類代理向它提交的問題……。
AI人工智慧它解決了越來越多的緊迫問題。
人工智慧進入21世紀，取得了令人矚目的進步。人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險。
我們從人工智慧的表現中學到了什麼？這些成就代表了哪些進步？下一步可能為何？AI的未來方向為何？我們希望AI往哪裡去？
人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
人工智慧，不論其形式為何、發展到哪，使命都是解決問題；AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人工智慧在21世紀迎來重大突破，但其運作原理仍不透明，這些進步尚未被完全理解，而且距離「重現人類智慧」的理想仍然迢遙。而更糟的是：儘管它正在取得進展，但它與其宣稱的目標（複製人類智慧）之間的距離並沒有縮小。要理解這個矛盾，必須同時探討「人類智慧」本身的本質。
人類智慧並不只是解決問題的能力，而是一種評斷與判斷，體現在我們如何面對各種情境。人類智慧本質上帶有規範性，類似倫理或美學的判斷，因此難以完全界定。
人工系統所謂的「智慧」其實只處理人類設定的問題，並不真正理解情境。這正是AI的侷限，但同時也是它能發揮作用的地方：協助我們解決更多實際而緊迫的問題。因此，AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人類真正需要的，是靈活而可靠的輔助系統，而非擁有「類人思維」的虛擬人格。
人工智慧為我們提供支援，這應該仍然是其目標，而不是尋求等於甚至超越人類智慧的不連貫的目標。人類需要溫順、強大和多功能的工具，而不是具有非人性認知形式的偽人。
本書所要探討的，是當今工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……。本書解開智慧概念的雙重面貌，以及迷思的消散。
目錄
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝asnd 目錄
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝askw 目錄
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝asnd 目錄
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝askw 目錄
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝
丹尼爾．安德勒（Daniel Andler）
法國哲學暨數學名家，索邦大學名譽教授。曾膺負多項學術重任，曾任法國國家科學研究中心（CNRS）研究主任，並創立與領導應用認識論研究中心（CREA）等多個研究中心。2003至2009年任「科學哲學協會」（Soci?t? de philosophie des sciences）主席、該協會期刊《Lato Sensu》的總編輯。
他於2016年當選法國道德與政治科學院（Acad?mie des sciences morales et politiques，通稱法蘭西人文科學院）院士，並獲頒格拉瑪提卡奇－紐曼獎（Prix Grammaticakis-Neumann），另受法國榮譽軍團勳章、法國國家功績勳章等表彰。
法國哲學暨數學名家，索邦大學名譽教授。曾膺負多項學術重任，曾任法國國家科學研究中心（CNRS）研究主任，並創立與領導應用認識論研究中心（CREA）等多個研究中心。2003至2009年任「科學哲學協會」（Soci?t? de philosophie des sciences）主席、該協會期刊《Lato Sensu》的總編輯。
他於2016年當選法國道德與政治科學院（Acad?mie des sciences morales et politiques，通稱法蘭西人文科學院）院士，並獲頒格拉瑪提卡奇－紐曼獎（Prix Grammaticakis-Neumann），另受法國榮譽軍團勳章、法國國家功績勳章等表彰。
Details
Review
0 ratings
1 stars
0%
2 stars
0%
3 stars
0%
4 stars
0%
5 stars
0%
Write a review
Product review was disabled
