一般来说，人类要记住一串不规则的电话号码需要很长时间，但人工智能可以“毫不费力”地将这些信息存储在硬盘上，并且只要这些信息会保留在那里，直到它被删除。然而，这句话实际上存在哲学上的“语法混乱”。很多时候，AI具有“记忆”的说法只是一个比喻，而且是一个糟糕的比喻。严格地说，从哲学的角度来看，记忆本身就是一种被胡塞尔称为“意向性”的活动。因此，要证明机器有记忆，首先要证明机器有意向性。所谓“意向性”，是指通过某种内在的心理表征，间接指示某些外在客体的能力。“意向性”的关键是间接性。通过间接，作为智慧生物的人类知道了以下基本原则的有效性：你在脑海中所想的不一定是世界上实际发生的事情——即对内心世界和外部世界之间边界的自觉意识.这种自我意识对于提高人对环境的适应能力大有裨益。为了理解这一点，我们不妨想象一种生物，它无法区分自身的内部世界和外部世界，并认为其内部世界是外部世界的直接表征。在这种情况下，生物不会改正错误，改善行为模式——当面临自然选择时，生物就会灭绝。记忆是一种有意识的能力。与其他有意识的能力一样，记忆并不能保证忠实地记录所发生的事情。人类的“自传体记忆”有大量虚构的成分（比如我们童年的很多记忆往往会渗透到事后的信息处理中），这些虚构有很多与事实大致相符的成分，也有很多错误的想法——尽管其中许多错误，无论大小，都不是致命的。但是，我们知道，我们的记忆只能算是“基本可靠”，当我们需要精确追溯记忆的内容时，我们就会求助于其他信息载体（如日记、视频等）。完全相信自己记忆的人，往往会有一些怪异的行为，比如偏执、不听劝告。有些人错误地认为人工智能可以避免上述麻烦，因为人工智能有电子日记和内部“录像”记录自己的运行历史——所以人工智能不需要从外部寻找这样的证据来检查它的记忆。但这是对人工智能的误解。我们可以想象如何在自己的个人电脑上找到一篇存储了主题却忘记了存储位置的文章？当我们使用搜索工具仍然找不到这篇文章时，我们可能会在计算机中手动搜索每一篇可能的文章。存放的文件夹。但是，如果需要检索的信息量是海量的，这种工作方式带来的工作量将是非常惊人的。上述例子阐明的要点是：计算机硬盘本身存储的信息不是与心理活动有关的项目的记忆内容。相反，这些信息就像存储在文件柜中的文件一样，是用来检查记忆正确性的外部证据。然而，这些信息（包括档案信息）可以存储在计算机的外壳中，这让我们很容易产生一些信息已经内化的错觉。我们可以想象，如果在人脑中放置一个容量大得惊人、存储海量信息的超小型硬盘，我们会不会认为大脑的记忆已经包含了硬盘的内容？答案是否定的。因为大脑也需要额外的脑力来打开脑机接口的开关，进入硬盘内容的目录树，然后按照上面描述的思维过程来查找信息。并且硬盘中的大部分内容在未被激活时仍将处于对象的意识生活之外。那么，如果我们把人类用自己的大脑在信息档案库中搜索信息的工作全部委托给人工智能，是不是可以说它有记忆呢？对于这个问题，原则上可以给出肯定的答案，但更关键的问题是：我们应该如何让人工智能来完成人类的信息检索工作？对此，很多人可能会想到搜索引擎技术。但从根本上说，今天的搜索引擎是由真正的人类脑力驱动的。也就是说，使用这种技术的是具有各种感官、欲望和记忆的人类，而搜索引擎记录的搜索数据离不开整个有生命的人类社会。我们现在需要的技术，恰恰是让它代替人类，自己去搜索信息。因此，在这个问题上诉诸现有的搜索引擎技术通常是在树上求鱼。对于如何让人工智能进行人类信息检索的问题，一个看似更复杂但本质上更有希望的答案是：我们可以制作一个机器意向系统的简化版本，并将记忆作为其组件之一。的子能力。系统需要涉及的其他子能力至少会包括：意图生成能力、内部时间排序能力和基于经验的语义推理能力。1.产生意图的能力。与人类一样，人工智能也需要在某种意图的驱动下进行信息检索，因为这是促成检索行为的“第一驱动力”。这种意图可能是基于一些先天因素（比如维持AI本身的能量水平，而这又取决于先天因素，比如AI系统本身的电池容量），也可能是基于一些后天的需求（例如，满足用户向人工智能系统提交的某些需求）。我们理想的人工智能系统会为这些意图的内部表示提供一套内部逻辑平台。2.内部时间排序能力。AI需要对其操作历史记录中的事件进行编号和排序。这种排序必须遵守“内部时间”原则。换句话说，排序结果需要根据系统内部信息处理的方便性来调整，而不是简单地依赖于相关事件的外部时间坐标。为了说明这一点，让我们举一个人类心理世界的平行例子。我们的记忆会根据过去事件的重要性“扭曲”它们的时间坐标。比如，当一位老兵回忆自己在某场战斗中的生死经历时，虽然这个过程在物理时间意义上可能只占十分钟，但其心理分量却仿佛长达一年。这种“变形”在信息组织上带来了极大的便利，因为记忆主体可以通过这种“变形”扩展与那场战斗相关的记忆文件，从而增加更多的信息细节，有利于日后的信息检索。显然，这样的能力对于人工智能也是有价值的。3.基于经验的语义推理能力。在信息检索过程中，人类往往是根据关键词提供的网络结构来搜索信息。但是，这样的网络结构本身必须能够根据经验进行修改（例如，当人得知海马不是马而是鱼后，就会调整其相关的概念结构），否则其检索质量会很差大大减少。这就是我们希望人工智能拥有的。综上所述，记忆能力不能作为一个单一的记忆功能模块来实现，而必须作为上述复杂心智能力的衍生物来实现，由此带来的技术设计量显然是非常大的。更麻烦的是，目前基于深度学习的人工智能技术在原理上不具备模拟上述能力的能力，而只能完成建立特定类型输入与特定类型之间的映射关系的任务的输出。但是，从哲学的角度来看，如果没有这种对记忆的模拟，就无法实现智能的本质特征——在有限的运行资源前提下，以最少的能量输入获得最大的系统适应性。因为一个缺乏记忆力的系统所能做的就是把所有发生过的事情都详细地铺在纸上，陷入信息的海洋中无法自拔，因为无谓的信息搜索而浪费大量的资源。然而，当前人工智能领域的主流信息检索技术，或许已经走上了从哲学角度看无望的“死胡同”。未来人工智能的发展应该关注记忆这一重要维度。
