人工智能研讨企图再生人类智能行为的成果，并创造出与人类智能行为适当的智能。当爱好点集合于再生智能行为时，人工智能作为工程学的分支获得了令人惊叹的成功。现在，人类越来越依赖于同人工智能相关的使用（智能技能）来完结许多使命，假如只靠独立的或精简的人类智能，这些使命或许底子无法完结。再生人工智能在史无前例的许多范畴常常会逾越和替代人类智能。丹麦核算机学家艾兹格·迪科斯彻的闻名谈论——“机器是否能考虑，与潜水艇是否能游水的问题很像”，暗示的便是再生人工智能同享的使用办法。下次你坐飞机时，假如再遇到波动的下降，记住这可能是人类飞行员在操作飞机，而不是核算机。

　　但是，当爱好点聚集于产生智能时，多产人工智能作为认知科学的分支却令人绝望。它不只没能逾越人类智能，乃至没能参加竞赛圈。现在，机器智能还停留在烤面包的程度，并且咱们关于怎么改善这一点毫无头绪。当你的核算机屏幕上跳出“找不到打印机”的警示时，你可能会稍感不快，但并不会惊奇，虽然有问题的打印机就放在核算机周围。2011年，IBM能答复用自然语言所提出问题的超级核算机Watson打败人类对手赢得益智类问题游戏节目《风险边际》这一现实，仅仅展现了人工智能能够很聪明，但却没有智能。数据发掘者并不需要智能来获得成功。

　　人工智能的两个“魂灵”（工程学和认知学）在智力优势、学术权力和财务资源上常常相互竞赛。一部分原因是它们具有一起的由来和同一个智能传承：相同的诞生事情（1956年达特茅斯夏日人工智能研讨会）和同一个“父亲”（艾伦·图灵，包含他的核算机及其核算约束，以及他闻名的图灵测验）。那些旨在用来查验仿照的来历是否现已被生成，或许仅仅匹配或逾越了此类智能来历的行为或体现的仿照，好像并没有什么用。

　　人工智能的两个“魂灵”的姓名许多，并且并不总是共同。有时候是弱人工智能与强人工智能，或是好的旧式人工智能与新的/新式人工智能，它们能被用来描绘两个“魂灵”的差异。我更喜爱用形成更少误解的轻人工智能与强人工智能之间的差别来描绘。两者方针和结局的不同导致了无休无止的，但大多毫无意义的诋毁。人工智能的辩护者着力于再生、工程学人工智能的强壮成果，这正是弱人工智能或轻人工智能的方针；而人工智能的诋毁者着力于多产、认知人工智能的弱产出，这是强人工智能的方针。许多毫无意义的对特异事情的估测（有一天人工智能会逾越人类智能的理论鸿沟），其本源都在于这种误解。

　　现在，仿照仿真和功用主义不能相提并论，由于相同的功用（剪草坪、洗盘子、下象棋）由不同的物理体系来完结。仿真与成果是联络在一起的：经由彻底不同的战略和进程，相互仿照的智能领会得到相同的成果（草坪剪好了、盘子洗洁净了、游戏赢了）。成果并不由进程所决议。这种对成果的着重在技能上较为引人入胜且十分成功；它是信息与通讯技能在咱们的社会中不断扩张的见证。不过，它的哲学内在却让人昏昏欲睡，总结起来也不过是“扑朔迷离”。这会成为咱们对人工智能哲学的爱好终结点吗？我以为彻底不会，至少有两个主要原因。

　　榜首，经过测验绕过语义门槛并从硬件和句法中“挤出”一些信息进程，人工智能拓荒了许多而宽广的研讨范畴。这些范畴在观念上应战着人工智能本身的权力，一起它们也是与人工智能的潜在内在和使用相关的风趣观念。这些立异一部分被称为新人工智能，比方安顿好的机器人、神经网络、多智能体体系、贝叶斯体系、机器学习、细胞自动机、人工日子体系，以及许多不同的专门逻辑等。一旦你接触到这些范畴，许多观念问题和科学问题看起来就不再相同。

　　第二也是最重要的一点是，为了避开之前说到的不合（工程学VS.认知学、仿真VS.仿照），咱们有必要意识到，人工智能不能被简化为“自然科学”或许“文化科学”，由于它是一门“人工科学”。这也正是诺贝尔经济学奖得主赫伯特·西蒙的观念。人工智能既不寻求通往国际的描绘性办法，也不寻求规范性的途径。它致力于探求在咱们所日子的国际上树立和嵌入人工智能并与之进行成功交互的约束。换句话说，它旨在记载国际，由于这样的人工智能是一些新的逻辑数学代码，也便是伽利略的有关大自然的数学书中所说的新文本。这种记载国际的进程是咱们在第2章中所说的构建信息圈的一部分，它对咱们更好地了解国际正在产生的改变十分重要。