人类历史上最早的机器人有哪些（探索机器人的前身）

第三章 实用主义革命

长久以来，人类一直在分享关于机器可以做非凡事情的故事。3 000 年前，荷马讲述了一个神造的“无人驾驶”三脚凳的故事，这些凳子会在主人的命令下奔向主人。¹柏拉图在他的著作中提到了代达罗斯——一位才华横溢的雕刻家，他的雕像必须被绳子绑起来，以防逃跑。²这个故事听起来似乎很离奇，让柏拉图的学生亚里士多德深感困扰，他甚至想知道，如果“我们拥有的每一种工具，无论是在我们的要求下，还是在它自身意识到工作需要的情况下，都能完成它的任务”，那么工作的世界将会发生怎样的变化。古老的犹太圣贤曾提到，有一种叫作“傀儡”的神秘生物，是由泥土和黏土制成的，只要主人念出正确的咒语，它就会活过来帮助主人。³据说一个名为约瑟夫的魔像仍然藏在布拉格犹太教堂的阁楼里；据传说，几个世纪前，犹大将他救活，以保护他所在社区的犹太人免受迫害。⁴

这类故事遍布古代文献。在近代历史上，也充斥着类似的故事：奇妙而古怪的机器在没有任何明显的人类参与的情况下工作。今天我们称它们为“机器人”，但在 1920 年发明这个词之前，它们被称为“自动机”，并且非常受欢迎。在 15 世纪，达·芬奇画出了一辆自动小车和一个全副武装的人形机器人；他还为法国国王设计了一头机械狮子，在被国王陛下鞭打 3 次后，它就会打开胸腔，露出君主制的象征。⁵在 18 世纪，一个叫雅克·德·沃康桑的法国人因他的机器而闻名：一个会吹笛子，另一个能按节拍击鼓，还有他最著名的机器，一只会吃、会喝、会拍动翅膀和排便的鸭子。令人失望的是，所谓的机械鸭或消化鸭，实际上并非货真价实，这个机器是通过隐藏的隔间排放一种令人信服的替代物（被染成绿色的面包屑）。⁶有趣的是，这样的骗局时有发生。大约在同一时期，匈牙利人沃尔夫冈·冯·肯佩伦制造了一台人形下棋机器，由于其具有东方外观，因此被昵称为“土耳其行棋傀儡”，它在世界各地巡回了几十年，打败了许多著名的对手，如拿破仑·波拿巴和本杰明·富兰克林。他们不知道，一个人类象棋大师隐藏在所谓的机器人的腹部。⁷

为什么人们对这些机器如此着迷？在某种程度上，这可能是一种奇观：一些机器做着有趣的事情，而且（就像消化鸭那样）常常是具有冒犯性的事情。但是人形下棋机器呢？为什么这会让每个人都感到兴奋？这并不是因为它的巧夺天工：18 世纪的世界充满了各种技术，它们完成任务所需要的体力，远比移动一枚棋子更令人印象深刻。相反，人们对“土耳其行棋傀儡”执行认知型任务的能力印象深刻，是因为这类事情是人类用头脑而不是用手来做的。每个人都认为这样的活动是任何机器都无法完成的，然而“土耳其行棋傀儡”所能做的远不只是在棋盘上漫无目的地移动棋子。它似乎在思考可能发生的动作，并比有能力的人类棋手更聪明。这似乎是经过深思熟虑的。对于人类来说，我们认为这些能力需要“智能”。这可能会让它的观众感到震惊：这些机器似乎也有智能行动。

最后，几乎所有这些描述都是虚构的。许多由发明家潦草写下的设计从未被制造出来，而制造出来的机器往往具有欺骗性。第一个现代魔术师让·尤金·罗伯特·胡丁（几十年后，魔术师胡丁以他的名字命名）也是一个制作自动装置的大师，有一次当那只著名的消化鸭被折断了一只翅膀时，他被叫去修理，而这并非巧合。⁸但在 20 世纪，这一切都改变了。研究人员第一次怀着与人类竞争的认真意图开始制造机器，一种适当的、复杂的构建智能的程序正在开发中。现在他们的愿望是认真的，不再局限于虚构或依赖于欺骗。

第一波人工智能

1947 年，在伦敦数学学会的一次会议上，艾伦·图灵告诉与会者，他已经构想出一种可以展示智能的计算机。⁹图灵值得我们关注：他可能是英国战时的顶级密码破解者，也是有史以来最伟大的计算机科学家之一。然而，人们对他演讲中观点的反响并不友好，以至不到一年，他不得不发表一篇关于这个主题的新论文，对他声称机器“可以表现出智能行为”的各种反对意见进行了激烈而详细的回应。“人们通常会毫无争议地认为这是不可能的。”他在开头几句话中愤怒地表示。图灵认为，这些反对意见通常是“纯粹出于情感因素”“不愿承认人类在智力上有竞争对手的可能性”“宗教信仰认为，制造这样的机器是对普罗米修斯的不敬”。¹⁰

不到 10 年后，由四位美国学者组成的小组——约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗彻斯特和克劳德·香农——向洛克菲勒基金会提交了一份提案，要求获得足够的资金支持在达特茅斯学院进行为期两个月的 10 人人工智能研究。（“人工智能”一词是麦卡锡的发明。）¹¹他们的提议因雄心勃勃和乐观而引人注目。他们声称：“学习的各方面以及智能的任何其他特征都可以被机器模拟出来。”他们相信，如果一群经过精心挑选的科学家花一个夏天的时间共同研究，一定会取得“重大进展”。¹²

1956 年夏天，达特茅斯会议并没有取得特别值得庆祝的进展。然而，它形成了一个团队，并且确立了一个方向，少数伟大的“头脑”开始一起工作。假以时日，各种不同类型的问题将在人工智能的旗帜下被整合到一起：识别人类语言、分析图像和物体、翻译和解释书面文本、玩跳棋和国际象棋等游戏以及解决问题。¹³

一开始，大多数人工智能研究人员认为，制造一台机器来执行给定的任务，意味着它们可以观察人类如何执行任务，然后复制人类的行为模式。在当时，这种做法似乎是完全明智的。到目前为止，人类是世界上最有能力的“新发明”，那么为什么不试着按照人类的形象来制造这些新机器呢？

科学家采取了各种形式进行模仿。一些研究人员试图复制人类大脑的实际物理结构，以创建人工神经元网络。（当年游说洛克菲勒基金会的人员之一马文·明斯基的博士论文就是关于如何建造这些机器的。¹⁴）其他人则尝试了一种更具心理学特征的方法，试图复制人类大脑可能参与的思考和推理过程。（这就是达特茅斯会议与会者赫伯特·西蒙和艾伦·纽维尔试图做的“通用问题解决者”，这个早期的系统被誉为“模拟人类思想的程序”。¹⁵）第三种方法是列举出人类可能遵守的规则，然后基于此给机器人编写说明。研究人员建立了一个专门的子领域来做这项工作，他们的作品被称为“专家系统”，这是因为它们依赖于人类专家所制定的规则。

人类通过各种方式，努力为机器行为提供模板。例如，要设计一台可以下世界级国际象棋的机器，就意味着要让国际象棋大师解释如何才能下好棋。编写一个将一种语言翻译成另一种语言的程序，意味着要观察一个会说多种语言的人是如何理解一段文字的。识别物体意味着用与人类视觉相同的方式来表示和处理图像。¹⁶

这种方法反映在人工智能先驱的语言中。艾伦·图灵声称，“可以建造出能够非常紧密地模拟人类思维行为的机器”。¹⁷参加达特茅斯会议的尼尔斯·尼尔森指出，大多数学者都对模仿人类更高层次的思维感兴趣。¹⁸他们的工作得益于大量的对人类如何解决问题的反思。哲学家约翰·豪格兰指出，人工智能领域正在寻找“真货”——具有完整和字面意义的心智机器。¹⁹

在豪格兰和其他人的一些主张背后，有一个更深层次的理论信念：他们认为，人类本身就是一种复杂类型的计算机。这就是“心智计算理论”。从实用性的角度来看，这对人工智能研究人员来说可能是一个很有吸引力的想法。如果人类只是复杂的计算机，那么构建人工智能的难度并非不可克服：研究人员只需要让自己的简单计算机变得更复杂。²⁰正如计算机科学家道格拉斯·霍夫施塔特在他著名的《哥德尔，艾舍尔，巴赫》一书中所言，这是许多研究人员的“信念”：“所有的智能只是一个单一主题的变体；如果人工智能工作者希望机器拥有我们所拥有的能力，希望创造真正的智能，他们就必须继续努力……越来越接近大脑的机制。”²¹

当然，并不是每个人都对复制人类感兴趣。但那个年代的大多数人工智能专家都被吸引了——就连那些最初并不被吸引的人最终也被吸引了。以赫伯特·西蒙和艾伦·纽维尔为例。在创造基于人类推理的“通用问题解决者”之前，他们实际上建立了一个完全不同的系统，叫作“逻辑理论家”。这个系统与众不同：不像最初达特茅斯会议研发的其他机器，它确实能工作。然而，尽管取得了这样的成功，但西蒙和纽维尔还是放弃了它。部分原因是它的表现不像人类。²²

然而，这种以人类形象建造机器的方法最终没有取得成功。尽管一开始人们抱有乐观和热情的心态，但人工智能并没有取得实质性进展。当它面临重大挑战时——制造一个有头脑、有意识或者像人类一样思考和推理的机器——遭遇了明显的失败，什么都没有被制造出来。同样的道理也适用于那些想让机器执行特定任务的普通人。尽管研究人员付出了很多努力，但机器还是无法击败顶级的国际象棋棋手。它们只能翻译几个句子、识别最简单的物体。还有很多其他任务的情况也类似。

由于进展缓慢，研究人员发现自己进入了“死胡同”。20 世纪80 年代末被称为“人工智能的冬天”：资金枯竭，研究速度放缓，人们对该领域的兴趣消退。人工智能的第一波浪潮曾带来了许多希望，但最终以失败告终。

第二波人工智能

1997 年，人工智能出现了转机。当时，IBM（国际商用机器公司）旗下的“深蓝”系统打败了当时的国际象棋世界冠军加里·卡斯帕罗夫。这是一项了不起的成就，但更了不起的是这个体系的运作方式。“深蓝”没有试图模仿卡斯帕罗夫的创造力、直觉或者拥有他天才般的智慧。它没有复制他的思考过程或模仿他的推理过程。相反，它使用了大量的处理能力和数据存储，每秒处理 3.3 亿种走法。卡斯帕罗夫是人类历史上最优秀的国际象棋棋手之一，在棋盘前他的大脑在任何时刻都可能存在着 100 种可能的走法。²³

“深蓝”所取得的是一个实际的胜利，也是一个意识形态的胜利。在那之前，我们可以把大多数人工智能研究人员视为纯粹主义者，他们密切观察人类的智能行为，并试图制造像人类一样的机器。但“深蓝”不是基于这种思路而设计的。它的创造者并没有打算复制人类象棋选手的剖析方式、推理能力或是他们遵循的特定策略。相反，他们是实用主义者，接受了一项需要通过人工智能来完成的任务，然后制造出一台机器，以一种完全不同的方式来完成这项任务。这就是人工智能走出寒冬的原因，我称之为“实用主义革命”。

在“深蓝”获胜后的几十年里，一代机器在这种实用主义精神下被制造出来：它们的功能与人类非常不同，不是根据执行任务的方式，而是根据执行任务的好坏来判断。例如，在机器翻译方面取得的进步并非来自开发出模仿有才华的翻译家的机器，而是来自让计算机扫描数百万份人工翻译的文本片段，然后让其自行找出语言间的对应关系和模式。同样，机器也学会了对图像进行分类，不是通过模仿人类的视觉，而是通过审查数百万张先前标记过的图片，并寻找这些图片与特定照片之间的相似之处。ImageNet项目（一个用于视觉对象识别软件研究的大型可视化数据库）每年举办一次软件比赛，国际上主要的计算机科学家竞相建立系统，比较谁的系统能更准确地识别图像中的物体。2015 年，系统第一次超过了人类，正确识别图像的准确率达到 96%。2017 年，获胜系统的准确率达到了 98%（见图 3.1）。

图 3.1 ImageNet项目获胜系统错误率 ²⁴

与“深蓝”一样，许多这些新机器都依赖于最近在处理能力和数据存储方面取得的进步。请记住，从 1956 年达特茅斯会议举行以来到 20 世纪末，一台普通计算机的能力提高了超过 10 亿倍。至于数据，谷歌前董事长埃里克·施密特估计，我们现在每两天创造的信息量，相当于人类文明诞生之初到 2003 年期间所创造的信息之和。²⁵

在人工智能的第一波浪潮中，在拥有如此强大的处理能力和海量数据存储能力之前，人们不得不自己做很多复杂的计算工作。研究人员希望通过自己的聪明才智、洞察力和内省，发现人类思考和推理的方式，或人为地发现塑造他们行为的隐藏规则，并将所有这些都捕获在一套明确的指令中，供机器遵循。但在第二波人工智能浪潮中，机器不再依赖于这种自上而下的人类智能应用。相反，它们开始使用强大的处理能力和越来越复杂的算法来搜索庞大的数据，挖掘人类的经验和例子，从而自下而上地弄明白自己该做什么。²⁶

算法（algorithm）的意思是一组要循序的指令，这个词来源于9世纪数学家阿尔·花剌子模（Abu Abdulloh Muḥammad ibn Mūsāal-Khwā rizmī）的名字，al-Khwā rizmī在拉丁语中的发音与算法的英语发音一致。机器学习算法在很大程度上推动了今天人工智能的进步，它的目标是让系统从经验中学习，而不是遵循明确的规则。许多机器学习算法借鉴了早期人工智能的想法，这些想法早在有足够的处理能力和可用数据把它们从有趣的理论可能性变成更实际的东西之前就已经发展起来了。事实上，今天一些最伟大的实用主义者的胜利，都源于早期的纯粹主义模仿人类的尝试。例如，今天许多功能最强大的机器都依赖于所谓的“人工神经网络”，这种网络最早是在几十年前建立的，旨在模拟人类大脑的工作方式。²⁷如今，根据这些网络对人体的模仿程度来进行评判的意义不大；相反，对它们的评估完全是实用主义的，是根据它们在完成既定任务时的表现来进行的。²⁸

近年来，这些系统甚至比“深蓝”更加复杂。以“阿尔法围棋”为例，这是一款为中国棋类游戏——围棋而开发的系统。2016年，它在 5 场系列赛中击败了世界上最优秀的人类选手李世石。这是一项重大成就，大多数专家认为人类至少还要 10 年才能实现这一成就。围棋是一种非常复杂的游戏，不是因为规则很难，而是因为要“搜索空间”，即所有可能走法的集合非常巨大。在国际象棋中，第一个棋手在开局时从 20 种可能的走法中进行选择，但在围棋中他要从 361 种走法中进行选择。在对方做出回应后，国际象棋有 400 种可能出现的位置，但围棋大约有 129 960 种。走两步后，这一数字在国际象棋中上升到 71 852 种，但在围棋中大约是 170 亿种。每个人只需走三步棋，在国际象棋中就有大约 930 万种可能，而在围棋中则是 2.1 × 10¹⁵种可能，即 2 后面加 15 个“0”，这是国际象棋的 2.3 亿倍。²⁹

在国际象棋中，“深蓝”的胜利部分来自能够使用处理能力来计算比卡斯帕罗夫更超前的棋局。但由于围棋的复杂性，这种策略不适用于“阿尔法围棋”。相反，它采取了一种不同的方法。首先，它对最优秀的人类玩家的 3 000 万步进行了评测。然后它会从与自己的反复对抗中吸取经验教训，研究成千上万次围棋游戏，并从中汲取经验教训。通过这种方式，“阿尔法围棋”能够在评估比“深蓝”少得多的位置的情况下获胜。

2017 年，“阿尔法围棋”推出了一个更复杂的版本，名为“阿尔法零”。这个系统之所以如此引人注目，是因为它使自己完全脱离了人类智力的一切作用。“深蓝”的代码中仍然隐藏着一些象棋冠军提前为它制定的“聪明策略”。³⁰在研究人类伟大棋手过往的大量游戏时，从某种意义上说，“阿尔法围棋”在很大程度上依赖于这些游戏来完成复杂的计算工作。但“阿尔法零”不再需要这些，它不需要知道任何人类专家的游戏思路，也根本不需要尝试和模仿人类智能，它所需要的只有游戏规则。它通过与自己“对弈”三天生成了自己的数据，然后打败了它的大表哥“阿尔法围棋”。³¹

其他系统也在使用类似的技术以追求更接近现实生活的混乱状态。例如，国际象棋和围棋都是“完全信息”类的游戏：双方都能看到整个棋盘和所有棋子。但正如传奇数学家约翰·冯·诺伊曼所说，“现实生活并非如此”。真实的生活包括虚张声势，包括一些欺骗性的策略，包括问问自己别人会认为我想做什么。这就是扑克如此吸引研究人员的原因，而且事实证明它很难实现自动化。然而，由加拿大和捷克研究人员组成的团队在 2017 年开发的DeepStack（德州扑克人工智能系统），成功地在超过 4.4 万手较量（即两名玩家参与的游戏）中击败了职业扑克玩家。和“阿尔法围棋”一样，它的战术不是通过回顾人类专家过去的游戏得出的，它不依赖“领域知识”，也不依赖人类为它设定的“聪明的扑克策略”。相反地，它通过研究数百万随机生成的游戏取得了胜利。³²2019 年，脸书和卡内基梅隆大学进行了更进一步的研究：他们宣布创建Pluribus（德州扑克人工智能系统），该系统也可以在多人游戏竞赛中击败最优秀的职业扑克玩家。这个系统也是完全“从零开始”学习扑克，没有任何人工输入，只是通过在几天的时间里不断地和自己的复制品玩扑克最终取得胜利的。³³

优先级的转变

如果你认为研究人员只是在 20 世纪 90 年代早期灵光乍现的瞬间“发现”了实用主义道路，那就错了。不论是尝试让机器以任何可能的方式解决问题，还是让它们专门模仿人类的方法，在我所谓的“实用主义”和“纯粹主义”之间做出选择，都不是新鲜事。回到 1961 年，在“纯粹主义”的鼎盛时期，艾伦·纽维尔和赫伯特·西蒙写道：研究人员正在“谨慎地在尝试用机器完成人类执行的任务，与尝试模拟人类实际用来完成这些任务的过程之间划清界限”。³⁴1979 年，人工智能哲学家休伯特·德雷福斯同样将“人工智能工程师”（一群“对制造通用智能机器不感兴趣”的实用人士）和“人工智能理论家”（从事他所认为的高尚的学术职业）进行了区分。³⁵早期的研究人员意识到，他们可以专注于通过建造机器来完成历史上需要人类来完成的任务，也可以专注于试图理解人类智能本身。³⁶对他们来说，真正吸引他们注意力的是后者。

正如我们所看到的，在一定程度上，这是因为复制人类行为最初似乎是制造有能力的机器阻力最小的途径。人类有非凡的能力，如果你可以简单地模仿人类，为什么要从头开始设计机器呢？但他们倾向“纯粹主义”还有第二个原因。对许多研究人员来说，为了理解人类智能本身的项目要比仅仅制造有能力的机器有趣得多。他们的著作中充满了对古典思想家和对人类思想的思考的激动人心的引用——像戈特弗里德·威廉·莱布尼茨、托马斯·霍布斯，勒内·笛卡儿和大卫·休谟这样的人。人工智能研究人员希望他们能追随这些人的脚步。让他们兴奋的不是关于机器，而是关于人类的问题：什么是“意识”？“思考”或“理解”到底是什么意思？

对于该领域的许多先驱来说，人工智能只是实现人类目标的一种机械手段。正如颇具影响力的哲学家约翰·塞尔所言，人工智能的唯一目的是作为“研究人类思维的有力工具”。另一位杰出的哲学家希拉里·普特南认为，评判人工智能领域应该仅仅看它是否“教会了我们一些重要的东西……关于我们如何思考”³⁷。这就是为什么当时许多人工智能研究人员认为自己是认知科学家，而不是计算机科学家。³⁸他们想象自己是在一个更大的项目——理解人类大脑的子领域里工作。³⁹

然而今天，正在发生一种优先级的转变。随着技术进步的加速，人类智能显然不再是获得机器能力的唯一途径。许多研究人员现在更感兴趣的是建造功能良好的机器，而不是试图理解人类智能。更重要的是，那些仍然对人类智能本身的理解感兴趣的研究人员也发现他们被“拖”向关注更实用的目的。“实用主义者”的机器能力已经引起了大型科技公司的兴趣——谷歌、亚马逊、苹果、微软和其他公司。这些公司拥有大量数据和处理能力，并雇用了大批才华横溢的研究人员，这些公司在人工智能开发方面处于领先地位，塑造了这个领域，并改变了它的优先级。在它们当中工作的许多人看来，为了理解人类智力本身而进行的探索，对于那些做白日梦的学者来说一定越来越像是一种深奥的活动。为了保持相关性，许多研究人员——甚至是那些倾向于“纯粹主义”的研究人员——不得不与这些公司及其商业野心保持更紧密的联系。

以开发“阿尔法围棋”的深度思考公司为例，它在 2014 年被谷歌以 6 亿美元的价格收购，现在的员工都是该领域的顶尖人才，他们是被从顶尖学术部门挖来的，他们的薪酬让以前的同事感到嫉妒——人均年薪为 34.5 万美元。⁴⁰该公司声明，他们正试图“解决智能问题”，乍一看，这表明他们可能对解开人类大脑之谜感兴趣。但仔细看看他们的实际成就，你会发现他们在实践中的关注点是完全不同的。他们的机器，比如“阿尔法围棋”只是在非常特殊的情况下才算“智能”，在某些情况下它们表现得非常出色，但它们并不是像人类那样思考或推理。

同理，想想亚马逊的Alexa、苹果的Siri和微软的Cortana等人工智能助手。我们可以向这些机器提出简单的问题，就像我们向人类提出问题一样，它们会用类似人类的声音进行回答。（2018 年，谷歌展示了它们的Duplex——人工智能助手的录音演示，该人工智能助手呼叫一家美发沙龙进行预约，然而接线员并不知道她是在和一台机器说话，因为机器的语调和类似人类的“嗯，嗯”声都非常逼真。⁴¹）然而，无论这类系统有多么令人印象深刻，也无论它们与人类有多么相似，它们都没有表现出类似于人类的智能。它们的内部运作与人类的大脑并不相似。它们没有意识，也不像人类那样思考、推理，或有人类的感觉。

那么，从任何意义上来说，把这些机器描述为“智能”是否恰当呢？感觉似乎并不恰当。大多数时候，我们最终会依赖于这个词，或者类似的词，因为我们没有其他的词可用了。但因为我们主要用这些词来谈论人类，在用它们来谈论机器时的感觉并不对。哲学家将此称为“类别错误”，即将表示一类事物的词语用于表示另一类事物：就像我们不会期望胡萝卜会说话或手机会发怒一样，我们也不应该期望机器是“智能的”或“聪明的”。那么，我们还能如何描述它们呢？当人工智能领域刚刚起步，还没有被命名的时候，有一个想法是把这个研究领域称为“计算理性”。这个词可能不像“人工智能”那么令人兴奋或激动，但它可能是一个更匹配的词，因为这正是这些机器正在做的事情：利用计算能力在浩瀚的海洋中搜索可能采取的最理性的行动。

创造力是自下而上的设计过程

在许多方面，当前人工智能领域的实用主义革命与一个半世纪前发生的另一场智能革命相似，那场革命塑造了我们对另一种机器——人类——的智能能力的看法。

想想看，到目前为止，被自己的智能武装起来的人类一直是世界上最能干的“机器”。在很长一段时间里，对这些能力起源的主要解释是带有宗教色彩的：它们来自上帝，来自某种比我们更聪明的事物，它按照自己的形象塑造了我们。毕竟，如果不是某种比我们聪明得多的事物把人类设计成这样，那么像人类这样复杂的“机器”怎么可能存在呢？18 世纪的神学家威廉·佩利让我们想象自己正在穿过一片田野。他说，如果我们在草地上偶然发现一块石头，我们可能会认为它一直在那里，但如果我们发现一块手表，我们就不会这么想了。他认为，自人类诞生以来，不可能自然出现像手表这样复杂的设备。在某种程度上，一定是一位才华横溢的钟表匠设计并制造了它。佩利认为，我们在自然界中发现的所有复杂事物都像那块手表：唯一能解释这些复杂事物的方式是有一个创造者，一个看不见的钟表匠，制订计划并将其付诸行动。

这些宗教学者和人工智能纯粹主义者之间有着惊人的相似之处。他们都对机器能力的起源感兴趣，前者是人类机器，后者是人造机器，两者都相信，这些事物一定是由一个与他们相似的智能，也就是所谓的智能设计者，刻意创造出来的。对于宗教学者来说，设计者就是上帝。对于人工智能纯粹主义者来说，设计者就是他们自己。两者都相信，被创造的事物应该和它们的创造者一样。正如《圣经·旧约》中的上帝按照自己的形象创造了人类，人工智能研究人员也试图按照自己的形象建造他们的机器。⁴²

总之，神学家和人工智能科学家都认为，非凡的能力只可能出现在类似人类智能的东西上。用哲学家丹尼尔·丹尼特的话来说，两者都认为能力只能从理解中产生，只有智能过程才能创造出能力非凡的机器。⁴³

然而，今天我们知道宗教学者错了。人类和人类的能力并不是被比我们更聪明的事物自上而下努力创造出来，并把我们塑造成人类的样子的。1859 年，达尔文证明了事实正好相反：创造力是一种自下而上的无意识的设计过程。达尔文称其为“自然选择的进化”，最简单的解释只需要你接受三件事：第一，生物之间有微小的差异；第二，其中一些变异可能有利于它们的生存；第三，这些变异会传递给其他生物。不需要由一个聪明的设计者直接塑造事件，仅这三个事实就可以解释自然界中所有设计的表象。变化可能是微小的，优势也是非常微小的，这些变化在任何时刻都可以忽略不计，但如果你让这个世界运行足够长的时间，累积数十亿年，就会创造出令人眼花缭乱的复杂性。正如达尔文所言，即使是最“复杂的器官和本能”也“得到了完善，虽然与人类的理性类似，但这不是通过优于人类的理性，而是通过无数细微变化的积累，每种变化对个体拥有者都有好处”⁴⁴。

自然选择和智能设计的观点截然不同。“一个真正的钟表匠是有远见的，”研究达尔文的伟大学者之一理查德·道金斯写道：“他设计齿轮和弹簧，并把它们之间的联系考虑在内。自然选择过程，即达尔文发现的盲目无意识的自动过程……心中没有目标。它没有心灵，也没有心灵的眼睛。它不为未来做计划。它没有先见，也没有远见。如果说它在自然界中扮演了钟表匠的角色，那它就是盲人钟表匠。”⁴⁵

佩利故事中的钟表匠有着完美的先见和远见，但达尔文提出的自然选择过程却不具备这一点。它对自己所做的事情浑然不觉，在漫长的岁月中盲目地摸索复杂的事物，而不是在某一瞬间有意识地进行创造。

人工智能领域的实用主义革命要求我们在思考人造机器的能力来源时做出类似的逆转。今天，最有能力的系统不是那些由聪明的人类自上而下设计的系统。事实上，正如达尔文在一个多世纪前发现的那样，非凡的能力可以逐渐从盲目、无意识、自下而上的过程中涌现出来，而这些过程与人类的智慧毫无相似之处。⁴⁶

,