在機器人能否超過人這個問題上，人們最為在意的似乎是機器人是否能具有學習的能力。我們知道機器人是由人工智能程序操縱的，因此只要機器人不具備自學能力而是一切都按照事先輸入的程序行事，人們就會因為一切都盡在自己的同類的掌控之中而獲得安全感。因此，這次的AlphaGo戰勝韓國圍棋九段的故事裡提到的AlphaGo的操作軟件DeepMind具有所謂的深度學習的功能這一點就顯得特別地惹眼。那麼機器人到底能否具有學習的能力呢？為了回答這個問題，我們其實需要對於什麼才叫能學習這個概念有比較清楚的認識。

本系列的前面兩篇文章《功能性識別》和《動作模仿》對機器人根據幾何及功能特徵來識別對象及模仿人類的動作的潛力進行了探討。其實，為了讓機器人具備識別車子或蘿蔔的能力，最簡單的辦法還是預先輸入相關的知識，諸如輪子的形狀及運動特徵和蘿蔔的物理化學特質等；甚至都可以通過事先輸入的程序讓能行走的機器人進行簡單的烹飪作業。不過，事先輸入的資料不可能適應無限變化的現實，因此如果要讓機器人超過人就一定要讓機器人具備學習的能力。所以，在本系列的前兩篇文章中重點是從幾個不同的方面來探討機器人通過學習而具備一些我們人類所具有的基本能力的可能性。

談到學習，人們在文明社會裡最主要的一種學習方式應該是通過閱讀進行學習。那麼機器人是否能夠通過閱讀由人類的自然語言的文字寫成的文章來進行學習呢？答案應該是可能的。

雖然機器人未必能欣賞得了莎士比亞和蘇格拉底，但是讓機器人通過閱讀操作手冊之類的讀物而學會具體的技術是完全可能的。首先，有智能的掃描今天已經在實際運用中了，也就是電腦可以把平面印刷物上的文字掃描成諸如微軟WORD這樣的可編輯的文件。這表明當機器人閱讀平面印刷物上的文字時，它所得到不僅僅是由墨點碼成的圖案，而是具有實際意義內涵的文章。

第二，前面在《功能性識別》一文中提到，用自然語言進行會話是目前人們努力開拓的機器人所具有的人工智能的一個方面。如果機器人能夠用自然語言進行具有深度的複雜對話的話，那它一定能消化自然語言所表達的語義，因此它就一定能理解用自然語言寫成的文章。換句話說，如果當你對一個機器人說，“把手舉起來”，它就能按照你所說的舉起它的上肢的話，那麼從原理上說它就一定能按照書上寫的“把手舉起來”進行同樣的操作。可見，從原則上來說理解書面意思與理解口頭指令的難度基本上是一個量級範圍內的（這一點從我們今天所擁有的可在語音與文字之間進行轉換的軟件所具有的功能上便可看出），只是理解書面的意思比進行口語對話要更加容易：一來因為對話是雙向的，閱讀只是單向的；二來因為語音比文字更加多變，而且一個字可以有不同的發音，不同的字也可以有相同的發音。

那麼機器人對於文字的理解到底能達到什麼程度呢？這一方面取決於人們在多大的程度上能將符合自然語法的語句翻譯成符合正則語法的程序語言，另一方面還取決於人類的語言的語義到底在多大程度上能夠被表達為具有實際意義的符合某種正則語法的機器語言。

用不着太複雜的邏輯論證我們就可以看出機器人不但能理解諸如“把手舉起來”這樣的簡單肢體動作的指令，而且也能理解諸如“去把燈關掉”這樣的涉及到多種行為的複合動作的指令。此外，機器人也應該不難理解 1 + 1 = 2，或  (a + b)(a + b) = a^2 + 2ab + b^2這樣的數學公式的意思。但是，要讓機器人通過閱讀而理解牛頓定律 F = ma的意思則是一個很大的挑戰，這將取決於人們是否可能讓機器人了解什麼是力（F）的概念，質量（m）的概念，以及加速度（a）的概念。

假設機器人能夠完全閱讀理解人類的（非文學非哲學的）科技性的文獻，包括物理，化學，機械等等，那麼原則上說，機器人就可以通過閱讀人類現有的文獻來掌握人類已知的科技工程知識。但是，那樣就意味着機器人能夠理解諸如質量，力，電阻等哲學物理及化學等各學科的概念。

如果人們無法讓機器人完全理解各種抽象的物理的化學的或其它學科的概念，那麼機器人就無法真正理解諸如牛頓定律F = ma這樣的各種物理定律或各種化學反應式的實際意義，因而它們就無法自主地進行開創性的科學研究和發明，但是這並不等於說他們不能按照操作手冊往裝有蒸餾水的量筒中插入電極將水分解並收集所產生的氫氣和氧氣，也不等於它們不能閱讀飛機設計的藍圖並根據其中的參數進行複雜的公式計算得出所需的結構強度來，同樣不等於它們不能按照菜單上列出的原料去商店採購並回來製作各種料理。

所以，也許五十年，也許十年，也許一年，也許現在？我們在不久的將來可以看到會通過閱讀平面書籍的文字來學習並按照書中的知識進行實踐的機器人，至於它們閱讀學習的潛力的極限在哪裡，還有待進一步的探索。。。。。。