本文的第一部分
本文的第二部分
本文的第三部分
複製心智過程·人工智能
在哥德爾定理與自指的探討後，《GEB》提出了一個主要論題：思維的每一個方面，都可以看成是從較高的層次上描述的一個位於較低層次，受某些簡單規則支配的系統。大腦這個位於較低層次的系統支撐著我們心智意識這一個高層次的“非形式系統”。之所以是“非形式”的，是因為“它”能靈活做出決策、隨意使用“這個”“那個”、發現事物中的美感，甚至會忘記東西！而這些與一臺機器相比簡直大相徑庭。
印度數學家拉馬努金
拉馬努金恆等式
著名的印度數學家拉馬努金（Srinivasa Ramanujan）沒有受過高等教育，卻能以自己天才般的的直覺發現複雜的數學定理，而他本人並沒有對這些東西有嚴格的證明；弗蘭克·赫伯特（Frank Herbert）筆下的《沙丘》中，人類在巴特勒聖戰後禁止了計算機與人工智能，轉而用有高級心算能力的人類“門泰特”來承擔計算工作。拉馬努金與門泰特，似乎就有這種區分的能力。那麼這種能力有沒有可能被計算機所複製呢？
2021版《沙丘》
如果把“真”“美”“簡潔”這些東西看作是數論中的真陳述即定理的話，我們為了讓計算機獲取這種分辨的能力，似乎就需要在計算機中設置一個程序，來分辨數論中的定理與非定理。這種程序過程存在嗎？很遺憾在《GEB》中，答案是否定的。書中將這個定理稱為“塔斯基-丘奇-圖靈定理”，其中的幾位分別是波蘭邏輯學家塔斯基（Alfred Tarski）、美國邏輯學家丘奇（Church）與英國的“人工智能之父”圖靈（Alan Turing）。而他們都在這個問題上有相關的理論成果。這個定理的內容是：沒有一種可靠的方法來區分數論語句的真假。這個定理的證明過程涉及到了“可預測終止”與不可預測有無終止”的遞歸循環函數（書中分別稱為“BlooP”與“FlooP”），並且這個定理還有內容不同的同構形式，關於其證明在此實在是無法具體描述。
圖靈測試
與判斷數論中的定理與非定理這種“理性”的工作不同，“美感”、“道德感”、“共情能力”這些非理性的東西能否在計算機中再現呢？在一些刻板印象中，計算機是“機械的”的同時，也是“準確無誤”的。對於美之類非理性因素的感知因而與計算機的條理性不符。然而，事實上，非理性的東西可以與理性的東西共存於不同的層次：計算機可以不出錯誤地按照底層的指令，在紙上打印出充滿錯誤的語句。
同樣地，我們在閱讀思考“說謊者悖論”之類充滿矛盾的符號串，感到困惑不解的同時，我們的神經系統卻依然在遵循客觀物理規律運行。因此，計算機的大量低層次子系統可能可以按照複雜的邏輯理性運作，而去支持混亂、遺忘、美感之類充滿矛盾的非理性的高層次符號過程。那麼，這種感到美之類的非理性行為的過程能被計算機所重構嗎？
《WALL·E》中的機器人，似乎就實現了這種能力
感到美的過程完全不同於檢驗數論的定理與非定理，它是一種抽出“內在意義”或性質的過程，《GEB》提出了“句法性質”與“語義性質”兩種不同的性質。對於前一種性質，即符號串中的“形式”，比如說對稱性、主語謂語賓語關係之類的東西，我們可以用可預測有終止的遞歸循環函數（即BlooP）來檢驗。然而，對於後一種性質，即符號串消息傳遞的意義，我們卻只能用無法預測是否有終止的遞歸循環函數（即FlooP）來檢驗！
維特根斯坦。他後期的著作《哲學研究》批判了他前期的著作《邏輯哲學論》
從雅克·德里達（Jacques Derrida）的解構主義（Déconstructivisme），再到維特根斯坦（Ludwig Josef Johann Wittgenstein）的“語言遊戲”，即使我們能夠為符號找到現實世界中的同構關係，但一個符號串的意義所在總是被它的上下文關係、解讀主體、解讀方式等等所決定，你無法窮盡它的所有可能！而一些非理性因素的性質則更為模糊，它不是上述兩者的任何一個。在計算機中完整重構這種非理性過程的設想，也就成為了不可能。
如果判斷數論中的定理與非定理這種計算過程在大腦中確確實實地存在著，那麼它們都處於大腦的高層次，而最終被低層次的“硬件”所支持，而大腦的頂層似乎有一些“軟件實體”在充當這種思維的角色。當我們討論的範圍僅僅侷限於數論，思維的過程似乎還有跡可循。可面對複雜的現實世界，以及非理性因素的探討，就得使用更加複雜的方式來激活大腦的思維過程。
神經細胞
在大腦神經細胞的層次，脈衝產生的信號可以沒有解釋，僅僅是生物活動的電信號；而在大腦的頂層，卻出現了符號有意義的解釋——與現實找到了某種同構的映射，這與哥德爾的過程十分相似。然而，在哥德爾的過程中，我們可以從配數這個低層次上的東西完整找出高層次的數學語句；但在大腦中，神經細胞的活動並不是對現實世界的解釋，它們純粹是實現較高層次思維過程的基質！
這意味著雖然心智的高層次符號過程是從低層次的神經細胞中產生的，我們卻難以將這種過程從低層次抽取出來。而這裡又涉及了整體論與簡化論的探討。
埃舍爾《相對性》
所以，既然完整抽取這種思維過程是不可能的，我們得使用計算機將大腦模擬到什麼精度才算實現了真正的人工智能？像《三體》中的比爾·希恩斯與山杉惠子那樣用巨量的硬件來模擬每個神經細胞的狀態，進而模擬整個大腦的行為，是不是真正做到了1:1重現人類的心智呢？《GEB》提出，答案完全依賴於你想要模擬人類心智意識的多少特徵。
如果你想要下圍棋能輕鬆戰勝人類圍棋大師的人工智能，那麼“AlphaGo”已經有了；如果你想要能對話、能蒐集資料、能輔助工作的人工智能，那麼“ChatGPT”也已經有了。但是，雖然“ChatGPT-4.0”已經“聰明”到能夠通過圖靈測試，但它還有根本上的侷限性，它只是通過海量數據訓練而成的大語言模型，依然有缺乏自己的深度理解、無法預測事物的發展等不足。就像美國哲學家約翰·賽爾（John Searle）提出的“中文屋悖論”（The Chinese Room Argument）一樣，你如何證明人工智能真正懂了中文，擁有了真正的智能，而不是僅僅懂將中文翻譯成英文的程序呢？但是，如果超級AI都不能做到100%模仿人類大腦，那什麼才算是真正的自我意識，什麼才是真正的心智呢？
（未完待續）