【切磋】《智能的哲学——互联网的次元论》
根据生物化学理论，RNA仅是遗传信息的贮存者，而蛋白质才是生物功能的体现者。生物的一切功能都由蛋白质来执行，但是蛋白质功能的分子基础——氨基酸的排列顺序则受RNA的信息所控制。由此不难推论出记忆功能理应会受到脑神经细胞中蛋白质含量的影响：蛋白质合成的加强会使动物更容易形成复杂的技能，而蛋白质合成受抑制，条件反射活动会遭受限制。
另外还有实验表明：破坏动物的脑下垂体，使脑肽合成受阻。除引起疾病外，同时也影响记忆；而注入小分子肽则可恢复动物的记忆力 [1] 。这些研究从不同侧面说明，生物大分子（RNA、蛋白质）的变化确实能影响记忆状态。因此，生物大分子（RNA、蛋白质）作为记忆（智能）载体的概念就此而确立起来了。
三、智能转移的最新研究及其哲学评析：
197O年，伯恩以涡虫为实验材料进行“迁移”研究。他先使涡虫形成对光的反应，即一出现光就给予电击，逐渐使涡虫形成对光的退缩反应。接着，将涡虫切成两段进行实验，结果发现其头部和尾部再生成的涡虫仍保持着对光发生退缩反应的特性。伯恩进而将对光能发生反应的涡虫碾成碎片，喂给没有受过光训练的涡虫吃，再对这些涡虫进行测试。结果发现，这些涡虫居然也获得了对光发生退缩反应的特性。因此，有人认为这种不同个体间的特性迁移是由贮藏记忆信息的大分子维系的。
197O年，伯恩以涡虫为实验材料进行“迁移”研究。他先使涡虫形成对光的反应，即一出现光就给予电击，逐渐使涡虫形成对光的退缩反应。接着，将涡虫切成两段进行实验，结果发现其头部和尾部再生成的涡虫仍保持着对光发生退缩反应的特性。伯恩进而将对光能发生反应的涡虫碾成碎片，喂给没有受过光训练的涡虫吃，再对这些涡虫进行测试。结果发现，这些涡虫居然也获得了对光发生退缩反应的特性。因此，有人认为这种不同个体间的特性迁移是由贮藏记忆信息的大分子维系的。
“恐暗素”迁移实验曾经轰动一时。197O—1974年间，安格（G.Unger）等人用惩罚方式训练大鼠使其“弃暗投明”。然后，提取受训大鼠的脑液，并注射到未受训的大鼠脑中。他们发现，后者居然也获得了对黑暗的恐惧行为。而对脑液分析的结果表明，执行特性迁移的物质是由15个氨基酸组成的短肽，这种短肽被称为“恐暗素”。后来，有人将人工合成的“恐暗素”注射到未经光训练的大鼠脑内，大鼠同样能获得对黑暗的逃避反应。
记忆（智能）载体的迁移研究已获得了不少成果，为进一步探索智能的生化基质与神经基质提供了条件，但离揭开人类智能之谜尚有很大距离。这是因为，这些实验研究的结论仍处于假说阶段，不少结论难以重复验证，且有自相矛盾之处。其次，多数实验结果来自对动物的研究，动物的脑终究不是人脑，动物的记忆与人类智能不仅有量的差别，而且有质的不同，动物记忆实验的结果只能作为研究人类智能机制的参考，而不能机械地搬至人类。退一步说，即使记忆载体能被自由地迁移，但人们至今对记忆信息的重现机制仍是一无所知，而许多关键性的变化过于微小，以致现代科学技术还很难加以研究。鉴于这些原因，可以预料，人类对智能机制的研究还将持续、深入地发展。
由此可见，现在智能的物质载体的发现及其载体能转移这一事实，就为“一切生命现象都有一定的物质承担者”这一普遍性原理提供了新的证实。
人类对智能的研究正沿着两个方向延伸：其一是，利用受控的实验条件对行使智能的组织结构及其生理机制进行有目的有方向性的探索，这一研究方向随着生命科学研究对象从器官→组织→细胞→分子水平的发展正面临重大突破；其二是，从功能模拟入手，将人的某些智能赋予机器（工具），让机器（工具）能模拟和代替人的智能行为，完成一些过去由人从事的工作。并根据机器（工具）的“智能”反应，反过来认识“智能”本身。使人类对智能的认识进入到更深的层次。后一种研究即为“智能模拟”或“机器智能”、“人工智能”。
人工智能从概念上的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术，即“智能模拟”。
由于“智能模拟”的主要目标是使计算机（机器）更有用，因此这种智能的载体完全可以与人不同，这种计算机（机器）智能也不等于人类智能的复制。其方法往往是放大智能原型的某些功能，以至于使模型比原型在某些智能特征方面强得多。正因为如此，原本为智能之最的人类正面临“人工智能”的挑战，人类智能与“人工智能”间的相互关系也引起了哲学家、心理学家的关注。
不少学者甚至惊呼：人工智能将取代人类地位成为自然与社会的主宰者。这种问题因超越出了控制论、逻辑学、心理学家们的专业范围，要求从哲学和方法论上加以分析和论证，由此因智能被“模拟”而引发的思考与争论便成为现代哲学的议题之一。
从哲学思辨上去理解“人工智能”，我们必须研究“智能模拟”的由来：
自古以来，人类就力图根据认识水平和当时的技术条件，企图用机器来代替人的部分脑力劳动，以提高征服自然的能力。公元850年，古希腊就有制造机器人帮助人们劳动的神话传说。在中国公元前900多年，也有歌舞机器人传说的记载，这说明古代人就有“人工智能”的幻想。
自古以来，人类就力图根据认识水平和当时的技术条件，企图用机器来代替人的部分脑力劳动，以提高征服自然的能力。公元850年，古希腊就有制造机器人帮助人们劳动的神话传说。在中国公元前900多年，也有歌舞机器人传说的记载，这说明古代人就有“人工智能”的幻想。
随着历史的发展，到十二世纪末至十三世纪初年间，西班牙的神学家和逻辑学家（Romen Luee）试图制造能解决各种问题的通用逻辑机。十七世纪法国著名的物理学家、数学家和哲学家布莱士·帕斯卡（Blaise Pascal，西元1623—1662年）制成了世界上第一台会演算的机械加法器并获得实际应用。
随后莱布尼茨在这台加法器的基础上发展并制成了进行全部四则运算的计算器。十九世纪英国数学和力学家斯托克斯（George Gabriel Stokes，西元1819~1903年）致力于差分机和分析机的研究，虽因条件限制未能完全实现，但其设计思想不愧为当时“人工智能”的“智能模拟”最高成就。
随后莱布尼茨在这台加法器的基础上发展并制成了进行全部四则运算的计算器。十九世纪英国数学和力学家斯托克斯（George Gabriel Stokes，西元1819~1903年）致力于差分机和分析机的研究，虽因条件限制未能完全实现，但其设计思想不愧为当时“人工智能”的“智能模拟”最高成就。
笛卡儿说：“尽管‘智能模拟’的机器能像我们中的某个人同样好地完成许多事情，或者甚至完成的更好，但是它们必然不能完成一系列另外的事情。……它们的行动不是自觉的，只是由于机器构件活动的结果。……由此可见，我们不可能设想，在一部机器中有许多构件，这些构件能使机器在生活的各种情况下都像我们的理智支配我们行为那样支配机器动作。”
18世纪法国哲学家拉美特里接受并发展了笛卡儿的“人工智能”思想。他说：“如果服岗松为了制造一个吹笛子的人，一定比制造他的鸭子需要更多的技巧，那么，如果他制造一个会说话的人，当然就需要应用更多的工具和更多的技巧了：这个机器今天不能再认为是不可能的了，特别是在一位新的普罗米修斯的手里……我完全没有弄错，人的身体是一架钟表……”
霍布斯认为：智能（思维）“只不过是为了标志和称谓我们的思想而对一般名词的联系加以计算（加和减）罢了”。按霍布斯的理解，数学、身体、运动、时间、质量、行为、概念、关系、句子和词等都可以计算。
这种智能数学化的
想法后来为莱布尼茨所发展，以致莱布尼茨试图建立一种“万能数学”，虽然最终他未能形成“人类思想的字母表”。但是，智能数学化的思路后来对“人工智能”的产生和发展起了积极的推动作用。
这种智能数学化的
想法后来为莱布尼茨所发展，以致莱布尼茨试图建立一种“万能数学”，虽然最终他未能形成“人类思想的字母表”。但是，智能数学化的思路后来对“人工智能”的产生和发展起了积极的推动作用。
进入21世纪后，人工智能相继出现若干开创性的工作。1936年，年仅24岁的英国数学家艾伦·麦席森·图灵在他的一篇“理想计算机”的论文中，就提出了著名的“图林机”模型，1945年他进一步论述了电子数字计算机设计思想，1950年他又在“计算机能思维吗？”一文中提出了机器能够思维的论述，可以说这些都是图灵为“人工智能”所作的杰出贡献。
1946年美国科学家莫奇利.J.W（J.W.Mauchly，1907–1980年）等人制成了世界上第一台电子数字计算机“埃尼阿克（ENIAC）”。还有同一时代美国数学家诺伯特·维纳（Norbert Wiener，1894－1964年）控制论的创立，美国数学家香农.C.E（C.E.Shannon，1916年–）信息论的创立，英国生物学家阿什比.W.R（W.R.Ashby）所设计的脑等，这一切都为“人工智能”学科的诞生作了理论和实验工具的巨大贡献。
1956年，纽危尔和西蒙用自己设计的LT逻辑推理程序证明了罗索·怀德海的《数学原理》一书中第二章52个定理中的38个定理（1963年修正程序后，又证明了全部52个定理）。此后，他俩又提出了许多程序，能使“人工智能（机器）”像人一样运用一般规则，自行寻找证实定理的方法。