盖瑞·马库斯（Gary Marcus）：心理学教授，纽约大学语言和音乐中心主任；著有《乱乱脑》
我认为思维机器不会在短时期内实现。但我想这不是因为有什么原则上的限制；碳元素没有什么特殊魔法，硅元素未必能创造什么奇迹。最近与思维机器相关的言论却是甚嚣尘上。为了了解猫到底是什么，只从视频网站上下载近千万帧的视频来了解，是远远不够的，任何天真地认为我们已经“解决”了人工智能问题的人，都还没有充分地体会到当前的技术瓶颈。
但可以确定的是，人工智能在狭义工程学中的应用已经取得了指数级进步，例如下国际象棋、计算行走路线和文字翻译等，但50年来，强人工智能的发展也不过是线性的。例如，你手机上特点不同的个人智能助手只是比Eliza（20世纪60年代中期的一个原始自然语言处理系统）稍强些。我们仍然没有任何机器可以阅读所有网络上有关战争的文章，或是策划一次体面的竞选；更不必说拥有一个开放的人工智能系统，或是可以构思一篇文章来通过新生的作文课，或是通过八年级的科学考试。
尽管在内存和CPU能力方面已经有了巨大的进步，那为何人工智能只有这么一点进展呢？当马文·明斯基和杰拉尔德·萨斯曼（Gerald Sussman）于1966年尝试构建一种视觉系统时，他们就预见了千兆字节的存储器满天飞的情景吗？为何这些发展没能让我们制造出有着和人类一样复杂灵活的思想的思维机器呢？请考虑下面三种可能性：
◎当机器变得越来越强、计算速度越来越快时，我们就能很快解决人工智能问题（这将最终引导我们制造出思维机器）。
◎当算法更加优化或我们有了更多数据量时，我们就能解决人工智能问题。
◎当我们最终理解了进化力量究竟如何塑造了人类大脑后，我们就能解决人工智能问题。
雷·库兹韦尔等人都看重第一种可能性，即足够强大的CPU。但到底需要多强呢？到目前为止，所有的性能提升是否让我们离真正的智能更近呢？或者，只是给我们争取了一部电影的时长？
再看第二种可能性，大数据和更优化的学习算法到目前为止仅仅使得我们发明出了像机器翻译这样的人工智能。机器翻译确实能够提供快速翻译，但相比于人工翻译，它还缺少足够的灵活度。若问起它刚刚到底翻译些什么，那么现今的机器翻译则完全答不上来。我们并没有把它们看成说话流利的思想者，它们只是笨拙的仆人。
我看好的是第三种可能性。进化赋予我们很多功能强大的“先知先觉”，或是诺姆·乔姆斯基（Noam Chomsky）和史蒂芬·平克所认为的先天约束，这样一些能力使得我们在即使是有限的信息数据中，也能发现和理解这个世界。在大数据上的努力和进展并没有让我们对这些能力有更深入的了解。因此，虽然已经有些问题（例如，在有很详细的地图的路段上实现自动驾驶）能够通过细致的工程技术手段得到很好的解决，但我们还是没能制造出有一般认知能力的、能够理解和处理自然语言的机器。当然，我们也没能更好地理解这一Edge问题，即有关真正会思考的机器的问题。
注：马库斯是纽约大学的青年才俊，他稀奇古怪的理论总是彻底颠覆传统智慧。我们的大脑为什么总出错？小小的基因如何创造了人类复杂的思维？《乱乱脑》（Kluge）会给你答案。该文简体字版已由湛庐文化策划出版。
