得獎紀錄：★獲選《紐約客》雜誌年度最佳書籍

★《華爾街日報》全國暢銷圖書

★《紐約客》雜誌讀者年度最愛

★《紐約時報》編輯選書

《波士頓環球報》年度最佳圖書

名人推薦：○讀者好評1：

「我讀過不少批判AI的書，總是在怨嘆AI可能很危險，抱怨它會搶走人類的工作，哀哀上告它會讓我們變笨或至少變得更不聰明。這本書不一樣，它熱情讚美人類投注於AI領域的努力，點出我們在這方面的成就和這些成就的意義，也珍惜尚不可見的AI未來。作者確實有道理保持樂觀：人工智慧已讓我們重新評估何謂智慧，已讓我們重新思考何而為人。」

○讀...

●序章　最人模人樣人類獎（The Most Human Human），節錄

我在離家五千哩的旅館醒來，浴室沒有蓮蓬頭，我只好十五年來第一次泡澡。早餐頗為老派：幾個看來有點嚇人的烤番茄，一勺焗豆，兩片對半切好的土司排在小鐵架上，平平整整地像一列書。吃完後我一腳踏進略帶鹹味的空氣，信步晃到海邊走走。我的母語是這個國家發明的，不過路邊的標語我多半看得霧煞煞。就拿「LET AGREED」來說好了，字體大得唯恐天下不知，乍看之下好像很威風，可是我完全不知道那是什麼意思。

我停下腳步呆望大海，在腦子裡翻來覆去思索那個標語的意思。我平常就對語言問題很感興趣，對文化差異也相當好奇，但今天，我得認真運用這份嗜好做件大事：接下來兩個鐘頭，我會在電腦前面嚴陣以待，用即時通訊軟體跟幾個陌生人聊天，每一個各聊五分鐘。傳輸線另一頭是評審團，包括一位心理學家、一位語言學家，以及一名英國大眾科技節目主持人，而我得透過這些對話達成的任務，絕對是我這輩子最詭異的目標之一——

說服他們我是個人。

幸運的是，我的確是個人；不幸的是，我不見得能讓他們相信我是人。

圖靈測驗

人工智慧（AI）族群每年都會舉辦這個領域最吸睛、也最受爭議的比賽——圖靈測驗。這個測驗以英國數學家艾倫・圖靈（Alan Turing）為名，他是電腦科學的開創者之一。1950年時，他嘗試回答這領域裡最早的問題：機器會思考嗎？換個方式說：我們可不可能造出一台夠複雜的電腦，精巧到能說它能思考、有腦袋，甚至有意識？此外，如果有一天真的出現這種機器，我們怎麼知道它有這個能耐？

圖靈不打算從純理論層次探討這個問題，相反地，他提出一項實驗：分別讓電腦程式和真人擔任參賽者，再由評審團透過電腦終端機向他們提問，在問答中分辨哪個是人，哪個是電腦。對談內容不拘，可以小聊幾句，可以問具體事實（例如「螞蟻有幾隻腳？」、「巴黎在哪個國家？」），也可以聊名人八卦或嚴肅的哲學問題——總之，只要是人與人之間會出現的話題，評審團全都能問。據圖靈預測：到2000年時，電腦就能在閒聊五分鐘後騙過三成的評審。若能達成這項目標，「我們就能大聲說機器能夠思考，不必擔心受到質疑。」

雖然圖靈的預言尚未實現，但已近在咫尺：在2008年於英國瑞丁（Reading）舉行的比賽中，電腦程式僅以一票之差落敗。換句話說，2009年在布萊頓（Brighton）的比賽很可能是關鍵之役。

我正是為此來到英國。我要和其他三名人類參賽者一起，與世界頂尖的AI程式正面對決（或者該說鍵盤對決？）。每一回合，我和其他參賽者都會和一個AI程式配對競爭，爭相說服一位評審我們才是貨真價實的人類。

評審會和其中一個「選手」聊五分鐘，然後再和另一個聊五分鐘，接著有十分鐘思考哪個應該是真人。除了投票認定孰真孰假之外，評審也會以分數表明對自己的判斷有多大信心，如此一來就更不必擔心分不出高下。不論有沒有程式「通過圖靈測驗」（亦即騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，並頒發「最人模人樣電腦獎」（Most Human Computer）。研究團隊奮力爭取的就是這份榮譽（當然也有獎金），主辦單位和觀眾最關注的也是這個獎獎落誰家。但除此之外，這個比賽也挺幽默地準備了另一個獎給參賽人：獲得最高票和最多信心分數的人，可以贏得「最人模人樣人類獎」（Most Human Human）。

1994年，這個獎由《連線》（Wired）雜誌專欄作家查理・普萊特（Charles Platt）奪下，他也是最早的獲獎者之一。他是怎麼脫穎而出的呢？他說訣竅是表現得「情緒化一點、暴躁一點、惹人嫌一點」——我簡直不敢相信我的耳朵，這未免太搞笑也太悽慘了吧？不過，我被這樣一激反而開始思考：我們該怎麼做才能讓自己更像人呢？——而且不只在這個測驗設定的條件之中，也在日常生活之內？

毛遂自薦

圖靈測驗比賽的正式名稱叫羅布納獎（Loebner Prize），出錢出力的舉辦者是個既有趣又有點怪的人：塑膠製可捲可攜迪斯可舞池地板大亨休・羅布納（Hugh Loebner）。有人問過他為什麼願意投入時間和金錢籌劃比賽？他說最大的原因是懶：在羅布納先生的夢想烏托邦裡，失業率顯然是百分之百，所有需要人付出精力的事情統統外包，全丟給智慧型機器處理就夠了。我得說：這樣的未來對我實在沒吸引力。對於AI普及的世界該是什麼樣貌，我的想法和羅布納不同，我想參加圖靈測驗的原因也不一樣。但無論如何，我們顯然都很在意的關鍵問題是：電腦或如何重塑我們的自我意識？這個過程又會帶來何種結果？ 我完全不曉得該怎麼報名參賽，所以我直搗黃龍——試著向休・羅布納本人問問。我一下子就找到他的網頁 ，匆匆一掃發現簡直是大雜燴：有關於伸縮欄柱的資訊，有性工作倡議活動，有爆料奧林匹克獎牌成分不純，喔，對了，還有以他為名的那個獎的資訊——以及他的電郵地址。他回信要我去找薩里大學（University of Surrey）教授菲利浦・傑克森（Philip Jackson），今年是由他負責統籌羅布納獎的幕後工作。2009年的比賽將由Interspeech語言與通信科學會議主辦，預計在布萊頓舉行。

我用Skype跟傑克森教授講上了話。這傢伙年輕、聰明又滿腔熱血，一看就是那種爆肝當進補的學術界新人。這種態度加上他那迷死人的英國腔（例如把「skeletal」說得跟「a beetle」成韻），我馬上就喜歡上這個人。

他問了些我的事，我說我是非虛構寫作者，報導領域以科學和哲學為主，我尤其關注科學和哲學在日常生活中的交集，還有我對圖靈測驗和「最人模人樣人類獎」非常感興趣。我覺得人和機器對決聽起來很酷，頗有幾分「人類榮辱就在我肩上」的英雄氣概，就像加里・卡斯帕洛夫（Garry Kasparov）對戰深藍（Deep Blue），還有益智節目之王肯・詹金斯（Ken Jennings）對戰IBM電腦「華生」（Watson）。我也忍不住想起《魔鬼終結者》和《駭客任務》的幾個場景——人類與AI之戰多有血性、又多可歌可泣啊！（只不過機關槍在圖靈測驗裡顯然毫無用武之地）。所以2008的比賽結果簡直讓我捶心肝：一票，就差那麼一票，機器就能通過圖靈測驗了！我霎時想到2009可能就是它們侵門踏戶的關鍵時刻，正要頓足長嘆，內心深處卻傳來堅毅淡然的聲音：只要有我在，它們想都甭想。

除了事關人類面子之外，這個測驗也同時牽涉電腦科學、認知科學、哲學和日常生活領域，其所引發的問題雖然有趣卻也讓人不安。這些領域我都有研究也都有寫過，我甚至還發表過通過同儕審核的認知科學論文，而圖靈測驗呢——簡直像是設計來貫串這些領域的。我對傑克森教授說：我覺得自己不論是實際參加比賽，或是從更廣闊的角度把相關議題報導出來，都能為羅布納獎帶來不一樣的東西。我也相信：如果有更多人透過報導接觸到這些議題，一定能為大眾文化帶來良好而深遠的改變。傑克森似乎相當認同我的想法，馬上答應讓我參賽。

跟我稍微介紹這個比賽的相關事宜後，他給我的建議跟我預料中一模一樣：「不用想太多。你本來就是人，做你自己就好。」我之前已經問過以往參賽者的意見，他們也是這樣講。

「做你自己就好」，是啊，從1991年羅布納獎首次舉辦開始，參賽者的口號就是這個，但在我看來，這似乎對人類本能太有信心了點，自信得近乎天真——說難聽一點，簡直讓參賽者難以發揮。我們自己固然花了幾十年才變成現在的樣子，但我們的AI對手可是科學家幾十年來的心血結晶。AI研究團隊有龐大的資料庫不斷測試程式，也會認真分析測試結果，為比賽做足準備。他們了解該如何巧妙引導對話，知道該怎麼轉移不擅長的話題，盡可能讓程式發揮長處。他們當然也研究過怎麼勾起評審的談興，怎麼聊又會聊不下去——我就直說了吧：我們要是吊兒啷噹地只帶個「本能」跑去參賽，實在不是個好主意。光是看看以「約會教練」為業的人有多少，就知道我們社會多需要談話和公開講話的能力，所以，爭奪羅布納獎怎麼能只「做自己」呢？我覺得這個建議很怪，但也饒富深意。2008年的比賽紀錄正好說明了這點：評審們覺得對人類參賽者不太好意思，因為他們的對話枯燥無比——「我覺得對參賽者有點抱歉，老是談天氣一定讓他們覺得很無聊。」另一位評審說得比較委婉：「抱歉，我這個人有點乏味。」在此同時，螢幕另一頭的程式顯然迷倒評審，還狂丟表情符號——真的，我們人類可以表現得更好。

所以，我老實招認：我從一開始就打定主意不甩籌辦者的建議。「只要九月記得去布萊頓，然後做你自己就好啦。」——呿！我比賽前要做的事可多了，我打算盡可能做好準備、收集資訊、聽取經驗，到了布萊頓我要火力全開。

一般來說，做好準備是基本常識。不管是參加網球比賽、拼字比賽，還是考入學測驗，沒有人會毫無準備隨便應付。圖靈測驗有什麼不一樣嗎？既然它的目的是評估我有多像人，應該代表做人（還有做自己）不只是記得出席而已。至少我覺得不是人到就好。那麼，除了出席之外，我該怎麼證明自己很有人樣呢？這就是這本書的主旨了。我也認為：這一路上所找到的答案，絕不僅止於挑戰圖靈測驗而已——它們對人生更有意義。

愛上伊凡娜

來說一個詭異又超級諷刺的警世故事：羅伯・艾普斯坦（Robert Epstein）博士是加州大學聖地牙哥分校心理學者，著有《爬梳圖靈測驗》（Parsing the Turing Test），同時也和休・羅布納共同創辦羅布納獎。艾普斯坦博士在2007年冬加入一個線上約會網站，開始寫長信給一位名叫伊凡娜（Ivana）的俄國女子。這名女子剛開始也總回長信，娓娓道出自己的家庭背景和生活點滴，也款款傾吐她對艾普斯坦日益深厚的情感。可是不知怎的，伊凡娜的信越寫越短，互動也越來越不對勁，艾普斯坦最後總算恍然大悟：原來他掏心掏肺寫了四個月情書，追到了一個——是的，你猜到了——電腦程式。淒涼啊，淒涼，每天被垃圾郵件疲勞轟炸還不夠嗎？那群網路混帳不但攻陷他的信箱，還攻陷他的心。

某方面我只想翹起二郎腿恥笑這個傢伙——我的老天鵝啊，這個歐吉桑創立了羅布納獎耶！是有沒有這麼蠢啊？但笑完之後，我還是挺同情他的：21世紀是垃圾郵件鋪天蓋地的世紀，它們像蟑螂一般爬滿你的信箱，像攔路虎一樣霸佔你的頻寬（垃圾郵件大約佔全部電郵的九成七，意思是每天有幾百億封垃圾郵件四處打劫，全世界每天用來處理垃圾郵件的電量都夠小國用了）。不僅如此，垃圾郵件還有更惡劣的影響：它會逐漸侵噬我們的信任感。我恨透了收到我朋友的訊息還得確認一下是不是真的是他們寫的，哪怕確認一下只需要花我兩秒鐘，哪怕我只要讀幾行就能判斷真偽，我還是厭惡透了幹這種事。21世紀的數位生活讓我們不得不提高警覺，於是所有的溝通都成了圖靈測驗，每次溝通我們都得留份戒心。

這是數位生活比較負面的版本，當然還有較為正面的版本。我敢打賭艾普斯坦有學到教訓，而且這一堂課意義深遠，絕不只是「想跟住下諾夫哥羅德的某人發展關係是蠢事」而已。我想他起碼會好好想想自己為什麼會上當，為什麼會花了四個月才發現他和「伊凡娜」之間沒有火花。要是他以後又在網路上找到一位靈魂伴侶，應該會想趕快跟她碰個面吧？但願他的下個女友是位善良誠懇的智人，住得離他近一點，起碼不要一隔隔了十一個時區。如果他們終成眷屬，我想那位女子會感謝「伊凡娜」教了她另一半一課。

假作真時真亦假

克勞德・夏農在貝爾實驗室邂逅貝蒂（Betty）時是1940年代，貝蒂就是傳說中的「computer」。我們現在聽來可能覺得頗為古怪，但那時毫無引人側目之處。他們的同事對這種組合習以為常，在貝爾實驗室裡，這甚至是典型的愛情故事：工程師和computer向來是天造地設的一對。

艾倫・圖靈在1950年發表〈電腦與智能〉（Computing Machinery and Intelligence），這篇論文開啟了我們認識的AI領域，也引發了圖靈測驗的爭議（圖靈測驗亦稱「模仿遊戲」〔Imitation Game〕，這是圖靈提出時給它的稱呼），相關討論至今未歇——只不過，圖靈說的「computer」和我們現在理解的不同。21世紀的「computer」是數位程序處理機，不但辦公室裡看得到，家裡和車上也有，連口袋裡都找得到，放眼望去到處都是。可是在20世紀初，「computer」不是機器，而是職稱——計算師是也。

從18世紀中葉開始，計算師就是公司行號、機械工廠和大學院校的常備員工，通常由女性擔任。他們負責計算工作和數據分析，有時也會使用早期計算機。從首次運用牛頓引力理論預測哈雷彗星的折返時間（在此之前，這只能以行星軌道檢證），到曼哈頓計畫造出第一顆原子彈（在洛斯阿拉莫斯〔Los Alamos〕，諾貝爾物理獎得主理查・費曼〔Richard Feynman〕帶領一群計算師參與計畫），凡是與數字有關的任務，背後一定有這群人類「computer」的身影。

回頭看看電腦科學最早的幾篇論文很有意思，你會發現那些作者絞盡腦汁，很想解釋清楚這種新玩意兒究竟是什麼名堂。拿圖靈的那篇論文來說，他把這種聞所未聞的「數位電腦」比作人類計算師：「或許可以這樣解釋數位電腦背後的概念：只要是人類計算師能做的工作，這種機器都能做。」當然，幾十年後的我們已經知道，「computer」的指涉現在倒過來了：如今數位電腦才是「computer」這個字的正主，說某人是「computer」反倒不倫不類。在20世紀中，對尖端數學機器的最高讚譽是「像計算師一樣」，但到了21世紀，我們是誇心算天才「簡直跟電腦一樣」。詭異吧？我們當初想發明一種像人類的東西，現在卻是誇獎人類像那種東西。換言之，我們在模仿以前模仿我們的東西。在尋找人類獨特性的漫長歷史上，這大概是最奇怪的倒轉之一。

定義人類

哈佛大學心理學家丹尼爾・吉伯特（Daniel Gilbert）講過：心理學家在職涯生活的某個階段，多半會提出自己的人類定義。格式是這樣：「人類是唯一一種會＿＿的動物」。壯哉斯言！不過，打從人類有歷史以來，好像哲學家和科學家都和心理學家一樣愛湊熱鬧，總對改寫這個定義樂此不疲。然而我們可以中肯地說：人類自我感受的歷史，就是人類定義不斷栽跟頭或被戳穿的歷史。只不過現在更慘，能挑戰這個定義的不只動物而已。

我們一度認為只有人類使用具有語法規則的語言，實則不然；我們一度認為只有人類會使用工具，實則不然；我們也一度認為只有人類會數學，現在我們簡直不敢相信有人比計算機更能算。

檢討人類定義轉變的方式很多，其中一種是回顧歷史，看看這個定義如何因各種發展而改變（例如我們對世界的了解和科技的演進等等）。從這個角度切入，我們可以探討的是：各種變化如何形塑人類的身份認同？舉例來說：在我們發現創作對電腦多不容易之後，藝術家的價值是否變得比以往更高？

我們最後或許終須自問：我們對於自身獨一無二的定義，難道真的應該被動地隨科技發展而調整嗎？此外，我們為什麼非要覺得自己獨一無二不可呢？

「我有時候覺得，」認知科學學者及作家侯世達（Douglas Hofstadter）說：「雖然我們不斷開發人工智慧，但每次在AI領域更進一步，不但沒有逐漸形成何謂真正智能的共識，反而一再揭露真正的智能不是什麼。」乍看之下這令人欣慰——我們可以繼續宣稱只有人類能整體思考，讓自己一直維持獨一無二的地位，這有什麼不好呢？可是換個角度想，這不代表我們節節敗退嗎？那幅畫面就好像中世紀軍隊從城牆撤到塔頂一樣，而我們心知肚明：退無可退只是遲早的事。請仔細想想：我們總以為某些東西必須經過「思考」，但要是它們其實都不需要思考，那麼……到底什麼是思考？這樣追究下去，我們要嘛不得不承認思考是大腦的副產品（某種可割可棄的「廢物」），就是得舉手投降，接受思考只是幻覺。

人類「自我」的最後防線在哪？

從某方面來說，21世紀的故事就是這條戰線一再位移的故事，智人試圖捍衛自身的獨特性，無奈他們的理據已地動天搖，人的地位在野獸和機器之間搖擺，在茹毛飲血和數學演算之間選邊站。

一個與此相關也極其重要的問題是：防線不斷後撤是好事還是壞事呢？舉例來說，電腦數學這麼厲害，究竟是剝奪了人類的表現空間，還是免除我們做非人工作的負擔，讓我們能自由自在地過更像人的生活？後一種詮釋顯然更吸引人，可是真的如此嗎？如果未來有待「免除」的「人類活動」所剩無幾，我們是更自由還是更失落？那一天到來之後又會發生什麼事呢？

反轉圖靈測驗

沒有什麼更廣闊的哲學意涵……這跟其他事什麼關係也沒有，也沒什麼啟發可言。 ——諾姆・杭士基（Noam Chomsky），與作者的電郵通信

艾倫・圖靈想出模仿遊戲的目的，是為了衡量科技的進展程度，但反過來說，我們也能用它來衡量我們自己的進步程度。牛津大學哲學家約翰・盧卡斯（John Lucas）就講過：要是我們沒辦法擋下機器通過圖靈測驗，「那不是因為機器太聰明，而是因為大多數人太呆板。」

簡單來說是這樣：除了作為科技進展判準，除了啟發哲學、生物學和道德問題，圖靈測驗歸根究底是溝通行為。在我看來，它最具深意的提問就是最實際的提問：在語言和時間受到限制的情況下，我們該如何盡可能有意義地與彼此溝通？在這種情況下，默契會如何發揮作用？另一個人會如何進入我們的生命，並在我們心中佔有一席之地？對我來說，這些才是圖靈測驗最核心的問題——這些才是人之所以為人最核心的問題。

研究以往在圖靈測驗中表現傑出的程式，最有趣（也最心酸）的部分，就是看對話如何在毫不涉入情感的情況下進行。

看圖靈測驗以前的對話紀錄，某種程度上就是觀察我們如何以各種方式裝正經、躲問題、殺時間、炒熱氣氛、改變話題，還有顧左右而言他——我認為：過不了圖靈測驗的對話，也稱不上人與人間的對話。

討論圖靈測驗技術層面的書籍已有不少，例如如何巧妙設計圖靈測驗程式（或稱聊天機器人或機器人）。事實上，幾乎每一本關於圖靈測驗實務層面的書，重點都是怎麼創造更好的機器人，提到怎麼當個好評審的部分只有一點點，給參賽者的建議呢？沒有，完全沒有。我覺這很怪，因為我覺得人類參賽者才是賭注最高的一方，才是答案千奇百怪的一方。

《孫子兵法》說得好：「知己知彼，百戰不殆。」而在圖靈測驗裡，了解對手其實就是了解自己的一種方式。所以在這趟旅程中，我們雖然會去打探這些機器人的設計過程，並討論理論電腦科學中最基本的原則和最重要的成果，但我們也會始終關注人類這方的問題。

因此，雖然從某個意義上說，這本書談的是人工智慧，主題是它的歷史和我個人在其中小小的探索。但本質上，這本書是關於人生。

電腦對我們的生活日益重要。我們是能把它們當成敵人，就像《魔鬼終結者》裡的天網或《駭客任務》裡的母體，彼此不是你死就是我亡，完全沒有共存的可能。不過，我出於某些原因，其實比較傾向把電腦視為「對手」——我們表面上當然想贏，但也知道競爭的主要目的是提升比賽水準。比賽裡的每個對手都需要彼此，都必須共生，彼此之間坦誠以對，也都讓對方變得更好。科技進步並不必然代表剝奪人性或失去靈魂，而你也會看到，實情恰恰相反。

在比賽到來之前的幾個月裡，我全力以赴盡量準備，除了自己做研究之外，我也四處拜訪相關領域的專家，請教他們兩個主要問題：第一，我該怎麼在布萊頓好好表現，讓評審覺得我「最人模人樣」？第二，人之所以為人的精髓究竟是什麼？我求教於語言學家、資訊科學理論學家、心理學家、律師和哲學家等等，這些對話不僅讓我獲得參加比賽的實際建議，也讓我得以一窺圖靈測驗（及隨之而起的人性問題）如何影響工作、學校、棋奕、約會、電動、精神醫學及法律等諸多領域——當然，它本身也受到這些領域影響。

對我來說，在布萊頓的比賽是我全力發揮人類特性的機會，我想成功阻止機器通過測驗，同時奪下那有點古怪的殊榮——最人模人樣人類獎。但當然，最終極的問題還是：人之為人到底意味什麼？圖靈測驗又能讓我們對自己產生哪些新的認識？

●第四章　量身打造 vs. 統一規格（節錄）

圖靈測驗在1950年首次提出時，它只是個假設——當時的科技還遠遠無法實際進行這個測驗。但我們現在都已知道：科技沒過幾年就追了上來。第一個引起廣泛注意的電腦對話程式是ELIZA，於1964和1965年由約瑟夫・維森班（Joseph Weizenbaum）在麻省理工學院完成。要談電腦對話程式的歷史，就不能不談這些程式本身多采多姿的「個性」，也不可不提創造它們的人的脾性。ELIZA的故事高潮迭起，尤具趣味。它是以羅傑斯派（Rogerian）心理治療師為範本所設計的，運作規則很簡單：從使用者的話裡擷取關鍵詞彙，然後擺進回應裡拋回去（例如：「我不開心。」「你覺得來這裡可以讓你不要不開心嗎？」）。如果不知如何回話，程式就丟句無關痛癢的回應，例如「請繼續說」。這種方式叫「模板匹配」（template matching），把使用者的話填進事先寫好的模式裡，或以程式本身預備的句子回應——這也是ELIZA唯一的一招。

ELIZA算是有史以來第一個聊天程式，基本上沒有記憶體，沒有處理能力，程式碼也只有幾百行而已。正因如此，ELIZA的表現好得令人驚訝，甚至有點令人尷尬：很多第一次和ELIZA談的人都以為自己在和真人交談，深信不疑，甚至連維森班親自說明「她」是程式，有些人還是不信。也有些人要求清場，希望和ELIZA談時能「保持隱私」，而且一聊就聊了好幾個鐘頭，填問卷時深感滿意，表示這是一次非常有意義的治療經驗。在此同時，學界裡的人也迫不及待發出喝采，認為ELIZA「基本解決了電腦理解自然語言的問題」。維森班深感驚駭，做了個沒人想得到的決定：立刻掉轉職涯方向，終止ELIZA計畫，不但鼓勵大家盡量批評他的心血結晶，還成為最激烈反對AI研究的科學家之一。

不過，精靈既然已跑出神燈，就再也回不去了。ELIZA的模板匹配架構和基本運作方式沒有消失，反而千變萬化成各種形式，此後幾乎每一種聊天程式都是它的徒子徒孫，其中好些也參加了羅布納獎。時至今日，這些程式引起的熱情、不安與爭議不減反增。

ELIZA故事裡最奇特的變調之一是醫界的反應，他們的想法也證明維森班的確有兩把刷子，居然誤打誤撞提出了既高明又實用的主意。舉例來說，在1966年的《神經與精神疾病期刊》（Journal of Nervous and Mental Disease）裡，有幾位專家是這麼看ELIZA的：「若能證實這種方式有益，它可望成為普遍運用的治療工具，彌補精神病院及精神醫療中心治療師不足的問題。現在和以後的電腦既有分時（time-sharing）功能，若能善用這份長處，妥善予以設計，一套電腦系統同時和好幾百名病患談一小時應該不成問題。這套系統的設計和操作都需要人類治療師參與，因此電腦非但無法取代他們，反而能讓他們提升效率，不受目前治療師和病人必須一對一的限制。」

1975年，赫赫有名的科學家卡爾・薩根（Carl Sagan）也出言附和：「雖然目前還沒有電腦程式適合做精神治療用途，但值得注意的是，並不適任的人類心理治療師也所在多有。既然我們社會似乎有越來越多人需要心理諮商，而電腦的分時功能又已相當普遍，我能想像有朝一日會出現電腦心理治療網絡，終端機也許會像電話亭一樣普及。到時只要花幾塊錢，就能與專注、可靠，而且謹守非引導原則的心理治療師談上一節。」

不可思議的是：儘管維森班全力集結反抗力量，21世紀沒過幾年，薩根的這段預言就已近乎成真。2006年，英國國家健康與照顧卓越研究院（NICE，National Institute for Health and Clinical Excellence）建議：在英格蘭和威爾斯提供認知行為治療軟體，作為輕度憂鬱症病患早期治療選項（在這件事上，NICE倒無意假裝軟體是人）。

治療公式化

透過ELIZA的例子，我們看到了心理學上嚴肅、深刻，甚至堪稱沉重的問題：治療必須落實於個人，但治療必須個人化嗎？？讓需要諮商的人和電腦治療師談，其實並不比請他們自己讀書更為疏離。以1995年的暢銷書《想法轉個彎，就能掌握好心情》（Mind over Mood）為例，那就是一本宣稱人人適用的認知行為治療書。問題是：這樣處理情緒問題妥當嗎？

（在亞馬遜網路書店上，有個讀者嚴詞批判《想法轉個彎》：「所有經驗都有意義，也都植根於特定脈絡。心理治療師不能用書取代，在用這種書『自我轉化』之前，應該先去找訓練有素、心思細膩的治療師談。切記切記：你是活生生的人，不是什麼電腦軟體！」不過，每個這種評論底下大概都有35個反駁，說他們光是照著書上的步驟做，生命就起了變化。）

史汀（Sting）那首〈始終如是〉（All This Time）裡有句歌詞，我每次聽都很受觸動：「人總是一起瘋狂，但只能各自變好。」看看現代女性有多辛苦，她們從小被媒體劃一的身體意象疲勞轟炸，往往得獨自掙扎多年，才能真正跳脫這個窠臼，走出一條只屬於自己的路。疾病可以分門別類，治療方式必須因人而異（The disease scales; the cure does not.）。

然而，一定是如此嗎？我們和別人的身體差異有時的確不能含糊帶過（雖然大多是過敏之類的問題而已），必須由醫生安排不一樣的治療方式。那心智呢？每個人的心智有多不同？治療該為每個人量身打造到什麼程度？

理查・班德勒（Richard Bandler）是「神經語言程式學」（NeuroLinguistic Programming）的共同創始人，他本身也是心理治療師，精通催眠，對恐懼症尤其感興趣。這個心理治療學派頗具爭議，而班德勒的治療方式裡最有趣、也最奇怪的一點是：他從不找出病人害怕的究竟是什麼。班德勒說：「如果你相信促成改變的重要條件是『了解問題根源，並找出深藏於內在的意義』，也深信你非處理這類問題不可，那你可能得花上好幾年的時間才能改變一個人。」他說，他根本不想知道這些事，因為知不知道根本沒差，而且窮追不捨反而模糊焦點。他有本事引導病人以特殊方法治好恐懼症，而且顯然不必弄清楚病人的恐懼何在。

這……這實在太詭異了。我們總以為心理治療相當私密，治療師不但得了解我們，而且得了解得很深，搞不好我們打出娘胎也沒被人看得那麼透。可是班德勒說他根本不必了解這些，這種套路……還真像ELIZA。

●第三章　遊走的靈魂（節錄）

電腦科學領域很早就分成兩個陣營：有些研究者追求更「整潔」的演算法結構，另一些人則投入較為「雜亂」、格式塔（gestalt）導向的結構。雖然兩個陣營都有斬獲，但從圖靈時開始，電腦領域裡佔上風的一直是「演算派」，「統計派」總像個陪練的。直到最近，情況才開始改變。

神經網絡、類比計算，以及（相對於演算法的）統計式運算，至少從1940年代早期開始就引起科學家們的興趣。但直到本世紀之交，佔主導地位的始終是以規則為基礎的演算法模式。

只要將特定問題獨立出來觀察，就可以把變化過程看得非常清楚。就拿機器翻譯的問題來說好了：早期方法是建立巨型「字典」，從意義下手把不同語言的字一一配對，再依文法和句式以演算法將某語言轉換為另一語言（舉例來說，把英文翻成西班牙文時，須將原置於名詞之前的形容詞挪到名詞之後）。

為了進一步了解箇中奧妙，我打電話給加州大學聖地牙哥分校計算語言學家羅傑・李維（Roger Levy），請教一個與翻譯相關的問題：換句話說（paraphrase）。李維說：「老實講，身為計算語言學家，我實在難以想像能通過圖靈測驗的程式。如果我去參賽的話，我會挑個相對複雜的句子，跟對方說：『你剛剛說＿＿＿＿對吧？同樣一句話也可以這樣講、那樣講、這樣講或那樣講。』對電腦來說，換句話說非常難。」不過他也提醒，這樣「炫技」可能適得其反，因為實在有點做作，不然我就得解釋清楚為什麼電腦很難做到。「這取決於評審對此了解多深。」他說：「不過聊得短有聊得短的好處，因為這時會很依賴語用推理（pragmatic inferences），你們得靠對現實世界的認識回應，這對電腦來說很難。」

我請他舉幾個例子說明「語用推理」。他說：「我們最近剛好做了個實驗，是關於人對句子的即時理解。我會講一句語義模糊的句子，然後問受試者對那句話的理解。比方說：『約翰幫忙顧那個音樂家的小孩，那傢伙又跩又粗魯。』你覺得『那傢伙』指的是誰？」我說我覺得指的是音樂家。李維說：「好。如果我這樣說呢？『約翰討厭那個音樂家的小孩，那傢伙又跩又粗魯。』」我說這樣聽來，粗魯的是音樂家的小孩。「就是這樣！到目前為止，還沒有哪個系統分辨得出語義差別。」

這樣看來，日常對話光是靠字典和文法絕對不夠。請比較一下這幾句話：「把披薩從爐子拿出來，然後把它關上。」；「把披薩從爐子拿出來，然後把它放到櫃台上。」；「我一手拿杯咖啡一手拿盒牛奶，沒先看有沒有過期就把它倒進去了。」要分辨這幾句裡的代名詞「它」指的是什麼，得了解現實世界的運作方式，光是了解語言絕對不夠（即使程式寫得周密，有寫入「咖啡和牛奶都是液體」、「杯和盒都是容器」、「只有液體可以『倒』」等等，還是無法判斷第三句說的是把咖啡倒進盒裡，還是把牛奶倒進杯裡）。

所以不少研究者認為：把語言分解為同義字庫和文法規則，並無法解決翻譯的問題。於是，新的嘗試或多或少全然拋棄這種策略。舉例來說，在2006年的NIST機器翻譯賽裡，Google的一支隊伍贏得壓倒性勝利。讓不少機器翻譯專家驚訝的是：在這支隊伍中，居然沒有一個人懂比賽裡的阿拉伯文和中文。其實你甚至能說：連軟體自己都不懂這兩種語言的字義和文法規則，因為它只是從量大質精的人類翻譯資料庫裡撈寶（大多數是聯合國會議紀錄，由此可見，聯合國資料庫堪稱21世紀的數位版羅塞塔石碑〔Rosetta stone〕），把以前已經譯好的語句拼湊起來。五年過後，雖然這種「統計式」的翻譯技術仍不完美，但規則式的翻譯程式已看不到它的車尾燈。

●序章　最人模人樣人類獎（The Most Human Human），節錄

我在離家五千哩的旅館醒來，浴室沒有蓮蓬頭，我只好十五年來第一次泡澡。早餐頗為老派：幾個看來有點嚇人的烤番茄，一勺焗豆，兩片對半切好的土司排在小鐵架上，平平整整地像一列書。吃完後我一腳踏進略帶鹹味的空氣，信步晃到海邊走走。我的母語是這個國家發明的，不過路邊的標語我多半看得霧煞煞。就拿「LET AGREED」來說好了，字體大得唯恐天下不知，乍看之下好像很威風，可是我完全不知道那是什麼意思。

我停下腳步呆望大海，在腦子裡翻來覆去思索那個標語的意思。我平常就...

0. 楔子　Prologue
1 序章：最人模人樣人類獎
如果有一天我們造出精巧到可說能思考的機器，要怎麼知道它有這個能耐？電腦科學先驅艾倫・圖靈為此提出一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機向他們提問，再分辨哪個是人、哪個是電腦——這就是今日人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）的由來。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」與獎金；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」。為了與世界頂尖的AI程式對決，我得設法釐清人和機器的差異，並且盡力表現人味……

2　認證
在機器的世界，驗證身份靠的是內容（密碼和PIN等），在人類的世界，靠的則是形式（如聲音、筆跡和說話風格）。「設計機器人不是寫程式，而是寫小說。」程式三度獲得亞軍的程式設計師丹辰科和維索洛夫如是說。他們強調由單一設計師構思機器人的反應很重要：「得先選好由誰負責勾勒機器人的個性。寫處理流程的知識基礎就像寫書……」講到「寫書」，就不能不談風格和內容孰重，以及如何表現獨到眼光，近來關於翻譯機的辯論多半圍繞這類問題打轉。幾十年來，翻譯機計畫的目標多半是以語法為基礎去理解語言，不過到了1990年代，運用統計運算的機器翻譯方式異軍突起，讓意義的問題憑空消失。

3　遊走的靈魂
電腦科學領域很早就分成兩個陣營：有些研究者追求更整潔的演算法結構，另一些人則投入較為雜亂的結構。神經網絡、類比計算和統計式運算等，至少從1940年代早期起就引起科學家的興趣，但直到本世紀之交，主導的始終是以規則為基礎的演算法模式。機器翻譯暴露了演算派的侷限——在2006年的NIST機器翻譯賽，大獲全勝的一支Google隊伍中，沒有人懂比賽裡的阿拉伯文和中文。五年過後，雖然「統計式」翻譯技術仍不完美，但規則式翻譯程式已看不到它的車尾燈。另一個讓左腦式嚴謹分析方式徒呼負負的是使用者經驗，它重視的並非機件的純科技性能。電腦研發重心的這種轉變，反映出不獨以人類智能的複雜性和能力為尚，也珍惜它感性、靈活、能反應的特色。我們忘了什麼值得讚嘆，而電腦正提醒我們。

4　量身打造 vs. 統一規格
最早引起廣泛注意的電腦對話程式是ELIZA，由約瑟夫・維森班在麻省理工學院完成。ELIZA程式碼只有幾百行，表現卻好得令人尷尬：很多第一次和她談的人都深信，自己在和真人交談；有些人和她聊了數個鐘頭後表示，這是非常有意義的治療經驗。醫界有專家表示：「若能證實這種方式有益，它可望成為普遍運用的治療工具，彌補治療師不足的問題。一套電腦系統同時和好幾百名病患談一小時應該不成問題。系統的設計和操作都需要人類治療師參與，因此電腦非但無法取代他們，反而能讓他們提升效率。」然而維森班卻立刻掉轉職涯方向，成為最激烈反對AI研究的科學家。ELIZA是他的遊戲之作，以羅傑斯派心理治療師為範本去設計，擷取使用者話裡的關鍵詞彙當作回應，不知如何回話時就丟句無關痛癢的話——它只會這一招。

5　跳脫棋譜
20世紀最大的AI戰役發生於1997年5月，由超級電腦深藍對戰西洋棋特級大師加里・卡斯帕洛夫，獲勝的是電腦。這下大家要不認為人類囂張不下去了，就是自我安慰下棋不過是雕蟲小技，但卡斯帕洛夫賽後表示：「這不算。」他認為深藍也沒贏。在電腦互相對奕時，開局棋譜往往能直接決定勝負，到21世紀初新一代棋士以電腦記譜成風，死背幾千種開局棋譜就可能勝過真正具分析資質的棋士，對此棋王鮑比・費雪驚駭地說：「對弈雙方真正開始思考的時間越來越後面。」許多世界級棋士都服膺「棋譜稱不上人」，據說連深藍首席工程師許峰雄也講過，他想「真正下一場世界棋賽，而不是在家裡寫開局作業」。

6　反專才
羅布納獎剛舉辦那幾年，主辦方為了讓電腦有機會拚命一搏，於是給對話設定主題。當時的AI研究多半聚焦於「專才系統」，亦即只專精特定任務或技能（例如西洋棋程式）。「要是把話題縮到一定程度，假裝對話和真對話的界線會漸漸消失。」人工生命領域的學者戴夫・艾克利教授說，「客服電話選單的語音辨識系統就是這樣。你把他們框在幾個選項裡，他們要嘛報數字，要嘛說『總機』，不然就是撂一句『幹恁老師』。」限定對話範圍因爭議不斷而在1995年取消，不料參賽者好像都有用泛泛之談煩死對方的默契，結果慘不忍睹。有些人批評獲獎者都是些「玩票的」，其實他們百分之百是專業人士，只是他們設計來賺錢的機器人是「專才型」，用來贏圖靈測驗的是「通才型」。

7　插嘴的奧義
電腦科學理論的第一個分支是「可計算性理論」，它關切計算機的理論模型和這類機器能力上的理論限制；它只在乎可不可能計算，完全不管計算得花多少時間。後來的電腦理論家則發展出「複雜性理論」，它不只思考機器的終極能力，也將時間、空間等因素納入考量，在資源有限的脈絡下評估其表現能力。語言學家諾姆・杭士基的理論類似圖靈時代的可計算性理論，他視為研究客體的典型語言形式顯然排除「實際運用語言知識時……非關文法的因素」，聊天機器人的語言模式也是這種高度理想化的典型語言，由此看來，語言學和電腦科學的情況很像：在「典型」過程與「實際表現」之間，有相當大的變化空間。身為人類參賽者，我打算卯足全力運用這個空間。

8　地表上最糟的證人
在討論西洋棋程式時，我們基本上把「極小－極大」和「極大－極小」演算法當成同一種競賽邏輯。棋賽是「零和」遊戲，一個人要贏意味著另一個人得輸，沒有「雙贏」這回事，所以從數學上說，極小化對手的贏面和極大化自己的贏面是一體兩面。從哲學角度來看，對話和下棋間最重要、或許也最南轅北轍的差異正在於此。對話在圖靈測驗裡的作用是「展現人性」，非零和的性質無庸置疑。好的對話不是「極大化極小」或「極小化極大」，而是「極大化極大」，讓雙方都能講出精彩的東西——對話是合作演出，而非一較高下。有趣的是，很多羅布納獎評審把參加圖靈測驗當開庭，常自動切換成詰問、作證和交叉辯論模式，更詭異的是，有不少人類參賽者也以為進了法庭。

9　汝不可一成不變
繼ELIZA之後引起大轟動的聊天機器人是1972年的PARRY，由精神病學家肯尼斯・寇爾比設計。ELIZA模仿心理治療師，PARRY模仿妄想型思覺失調症病人；ELIZA依循「案主中心療法」的理論，奉行「反映式傾聽」；PARRY則一馬當先取得對話主導權，並死抓不放。這兩個程式在1970年代早期對談了幾場，彼此特色盡顯，並完美反映出對話的兩大災難：一個極端是冷血、不夠自我，另一極端是溫血、太過自我。圖靈測驗難度極高的原因之一是：語言不是棋局，它沒有固定規則與必殺絕技，它不斷在變，雲遊於一切「解決方案」之外。正如ELIZA的設計者維森班所說：「我很驚訝居然有那麼多人聽說ELIZA之後，以為它對電腦理解自然語言的問題提出了通解……我一直想講清楚：這問題不可能有通解，這樣說吧，連人類都不算是這種通解。」

10　高度驚異
加快簡訊打字速度很依賴「預測」演算：手機要能猜出你接下來想打什麼字、要能自動更正錯字（有時還更正過頭），要會很多諸如此類的事——這就是資料壓縮起作用的時候。夏農在〈通訊的數學理論〉裡得出如下驚人結果：預測文字和產出文字在數學上是相等的。能像人一樣穩定預測你想打什麼字的手機，就跟能像人一樣回信給你的程式一樣聰明，美國青少年可說平均每天參加約莫八十場圖靈測驗。「東西的資訊量可以測量」是最基本的「資訊熵」概念，而有損壓縮乃是語言的本質，它既暴露語言的缺陷，也彰顯語言的價值。大家經常批評一般人貪圖便利，只讀書摘卻不好好讀書——拜託！假如《安娜・卡列尼娜》的資訊熵超低，用篇幅百分之一的書評就能講完它六成內容，那問題出在托爾斯泰身上。

11　結語：最人模人樣的人
12　後記：玻璃櫥之美無可言喻
致謝

0. 楔子　Prologue
1 序章：最人模人樣人類獎
如果有一天我們造出精巧到可說能思考的機器，要怎麼知道它有這個能耐？電腦科學先驅艾倫・圖靈為此提出一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機向他們提問，再分辨哪個是人、哪個是電腦——這就是今日人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）的由來。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」與獎金；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」。為了與世界頂...