对智能的信念
❦
我不知道加里·卡斯帕罗夫在一盘棋中会走哪些步。那么，我相信「卡斯帕罗夫是一位极其聪明的国际象棋选手」这一信念的经验内容是什么？我的信念让我预期会发生哪些现实世界的体验？这是不是一种巧妙伪装过的彻底无知？
为了让这个两难更加尖锐，假设卡斯帕罗夫与某位只是国际象棋特级大师、但并不在世界冠军候选行列的 G 先生对弈。我的水平太低，根本分辨不出这两种棋力层级之间的差别。当我尝试猜卡斯帕罗夫下一步、或 G 先生下一步时，我唯一能做的，就是用自己贫乏的棋知识去猜「最佳的一步棋」。于是，在任何特定棋局中，我对卡斯帕罗夫的走法与对 G 先生的走法都会给出完全相同的预测。那么，我相信「卡斯帕罗夫比 G 先生更强」这一信念的经验内容究竟是什么？
我的信念的经验内容，是一个可检验、可证伪的预测：最终的棋局局面将落在「卡斯帕罗夫获胜」这类棋局之中，而不是「和棋」或「G 先生获胜」这两类。（把认输也算作一种合法走法：它会导向一个被归类为失败的棋局局面。）我认为卡斯帕罗夫「更强」到什么程度，体现在我把多少概率质量集中到「卡斯帕罗夫获胜」这一结果类别上，而不是分配给「和棋」与「G 先生获胜」这些类别。就其指涉的对象而言，这些类别极其模糊，因为它们对应的是庞大的可能棋局空间——但「卡斯帕罗夫获胜」确实比最大熵更具体，因为它可以被大量棋局局面明确证伪。
卡斯帕罗夫这盘棋的结果之所以可预测，是因为我知道并理解卡斯帕罗夫的目标。在棋盘的边界之内，我了解卡斯帕罗夫的动机——我知道他的成功标准、他的效用函数、他作为一个优化过程所追逐的目标。我知道卡斯帕罗夫最终试图把未来引向哪里，并且我预期他有足够的能力到达那里，尽管我并不太预期他会如何做到这一点。
设想我来到一座遥远的城市，一位当地朋友自愿开车送我去机场。我不熟悉这片区域。每当朋友驶近一个路口时，我都不知道他会左转、右转，还是直行。即便我们正接近某一个具体路口，我也无法预测朋友会怎么走——更不用说提前预测整串转弯序列了。
但我仍能预测朋友那些不可预测行动的结果：我们会到达机场。即使朋友家在城里的另一个位置，以至于他要走一条完全不同的转弯序列，我也会同样自信地预测我们会到达机场。我甚至在上车之前、很久以前就能做出这个预测。我的航班很快就要起飞，时间不容浪费；如果我不能有把握地预测汽车会沿着一条不可预测的路径抵达机场，我一开始就不会上车。
从科学的角度看，这难道不是一种非同寻常的处境吗？我能够预测一个过程的结果，却无法预测这个过程的任何中间步骤。
这怎么可能呢？通常，人们通过想象当下，然后把可视化在时间中向前推进来做预测。如果你想要一个精确的太阳系模型，且要把行星摄动纳入考虑，你就必须从一个包含所有主要天体的模型开始，把该模型一步一步地向前运行。
有时，较简单的问题有闭式解：在时间 T 处计算未来所需的工作量，与 T 的大小无关。一枚硬币放在桌上，每过一分钟就翻面一次。硬币起初是正面朝上。一百分钟后它会朝哪一面？显然，你并没有通过在脑海中逐步可视化一百个中间步骤来回答这个问题。你使用了一个能够预测结果的闭式解，而它同样也能用来预测任何一个中间步骤。
但当朋友开车送我去机场时，我却能用一种奇怪的模型成功预测结果，而这个模型根本无法用来预测任何一个中间步骤。我的模型甚至不需要我输入初始条件——我不必知道我们在城里从哪里出发！
我确实需要了解朋友的一些情况。我必须知道朋友希望我赶上航班。我必须相信朋友是一个足够好的规划者，能够（如果他愿意的话）成功把我开到机场。这些都是朋友初始状态的属性——正是这些属性让我能预测最终目的地，尽管我预测不了任何一个中途转弯。
我还必须相信朋友对这座城市足够熟悉，能够成功驾驶。这可以被看作朋友与城市之间的一种关系；因此，是两者共同的属性。但这是一种极其抽象的属性，它并不要求对城市本身或朋友对城市的知识拥有任何具体了解。
这就是我看待自己毕生投入的研究对象的一种方式——这些把我们置于如此奇特的认知位置的非凡处境。而我的工作在某种意义上，就是在解开我们能够拥有的那种奇怪而抽象的知识究竟是什么形式：在不知道行动的情况下，我们仍能有理由地知道后果。
「智能」这个词太狭窄，无法以充分一般的方式描述这些非凡处境。我宁愿称之为「优化过程」。例如，对生物自然选择的研究也伴随着类似的处境；我们无法预测下一次观察到的生物体会呈现出怎样的具体形态。
但我的专长，正是那类被称为「智能」的优化过程；而更窄一点，是一种特定的智能——「友好型人工智能」（Friendly Artificial Intelligence）。我希望，我能对它获得尤其精确的抽象知识。