Artificial Intelligence basic theory

人工智能

#1

引言

我们自称homo sapiens——智慧的人——因为我们的心智能力对于我们是那么重要。数千年来,我们一直试图理解我一个们怎样思考:也就是说,仅仅一小堆东西怎么就能够感知、理解、预测和应对一个比自身庞大和复杂得多的世界。人工智能(Artificial Intelligence)领域,简称为AI,走得更远:它不仅试图理解智能实体,还想建造智能实体。

人工智能是最新兴的学科之一。认真的研究工作在第二次世界大战结束后迅速展开,到了1956年,它被正式命名为“人工智能”。

现在,AI的领域包含了许许多多不同的子领域,涵盖的范围从通用领域,比如学习和感知,到特定的任务,诸如国际象棋、数学定理证明、诗歌写作、自动驾驶、疾病诊断、语音识别、模式识别等等。AI对智能任务进行系统化和自动化,并因而与人类智能活动的任何范畴都潜在相关。从这个意义上说,AI的确是一个普遍的研究领域。

一、什么是人工智能

在关于人工智能的定义,世界上目前有两大流派,一种是以人为中心的方法,另一种是理性主义方法:

  • 以人为中心的方法一定是经验科学,涉及很多假设和实验证实。
  • 理性主义方法则涉及把数学与工程相结合,也是目前能具体实现的主流方法。

1.1 类人行为:图灵测试方法

图灵测试是阿兰•图灵提出的,设计的目的是为智能提供一个满足可操作的要求的定义。如果人类提问者在提出一些书面问题后,无法判断答案是否由人写出,那么计算机就通过了测试。图灵测试有意避免询问者与计算机之间的物理直接接触,这是因为人类身体和生理的模拟对于智能是不必要的。当然,所谓的完全图灵测试还包括询问者利用视觉信号来测试对方的感知能力,以及询问者“通过窗口”传递物体给受试对象。

  • 要通过完全图灵测试,计算机应具有的能力:
  • 自然语言处理:使得计算机可以用人类语言成功地进行交流;
  • 知识表示:储存它知道的或听到的信息;
  • 自动推理:运用储存的信息来回答问题和提取新的结论;
  • 机器学习:能适应新的环境并能检测和推断新的模式;
  • 计算机视觉:可以感知物体;
  • 机器人技术:可以操纵和移动物体

这六个领域构成了AI的大部分内容,但AI研究者们并没有花很大的精力来通过图灵测试,研究智能的根本原则远比复制样本更重要。 但这六个领域也为大家指明了研究方向,也是我们今后重点实践的地方。

1.2 类人思考:认知模型方法

如果我们要说某个程序像人一样地思考,那么我们必须找到办法确定人是怎样思考的。要达到这个目的有两种途径:通过内省——试图捕捉我们自身的思维过程——和通过心理测试。一旦我们得到关于思维的足够精确的理论,我们就可能通过计算机程序来表达。如果计算机的输入/输出以及实时的行为同人类非常一致,这就证明程序的某些机制可能是按照人类模式运行的。作为交叉学科的认知科学领域,把来自AI的计算机模型与来自心理学的实验技术相结合,试图创立一种精确而且可检测的人类思维工作方式理论。 目前主张AI和认知科学区分开,这种区别使得AI和认知科学都可以更快地发展,继续彼此滋养。 这个方法目前也无法具体实现。

1.3 理性地思考:“思维法则”方法

主要涉及“逻辑学”研究领域,19世纪的逻辑学家发展出一种描述世界上的一切事物及其彼此之间关系的精确命题符号。到了1965年,原则上,已经有程序可以求解任何用逻辑符号描述的可解问题。人工智能领域中传统上所谓的逻辑主义希望通过编制上述程序来创造智能系统。

这种逻辑的方法有两个障碍:

  • 难以获得非形式化的知识并得到逻辑符号表示所需的形式化表达,特别是在知识不是百分之百可靠的情况下。

  • “原则上”可以解决一个问题与实际解决问题这二者之间存在巨大的差异。甚至对于仅有几十条事实的问题进行求解,如果没有一定的知道来选择合适的推理步骤,都可能耗尽任何计算机的计算资源。 目前实现有一定困难。 具体实现——TBD

1.4 理性地行动:理性智能体方法

智能体(agent)就是某种能够行动的东西。但是人们期待计算机智能体有区别于其他简单“程序”的属性,诸如自主控制的操作、感知环境、持续能力、适应变化、以及有能力承担和其他智能体的目标。理性智能体则要通过自己的行动获得最佳结果,或在不确定的情况下,获得最佳期望结果。

AI的“思维法则”方法中,强调的是正确的推论。做出正确推论有时也是理性智能体的部分功能,因为实现理性行动的一个途径就是通过逻辑推理得出指定行动能达成目标的结论,再付诸实践。另一方面,正确的推论并不是理性地全部内容,因为在许多情况下,没有能证明正确性的事情可做,但是仍然必须有所行动。还有一些完成理性行动的方式不能说与推论过程有关。例如,从灼热的火炉上拿开手,是一种反射活动,它通常要比经过仔细思考后采取的相对缓慢的行动更有成效。

图灵测试中需要的所有技能都是为了做出理性行为。从而我们需要表示知识并用之进行推理的能力,因为只有这样我们才能在多中种不同的环境中制定出好的决策。我们需要生成可理解的自然语句的能力,因为只有这样才能够被复杂的社会接受。我们需要学习,不只是为了博学,而是因为对世界运转的更好理解使得我们可以找到解决问题的更有效的策略;我们需要感知,不仅仅因为世界是缤纷多彩的,更是为了对行为的可能后果有更好的了解。

由于上述原因,应当将AI的研究视为理性智能体的设计过程,也是目前唯一可以具体实现的方法。把数学、物理、生物、计算机科学等领域结合起来,从工程技术上实现。

应该牢记的一个重点是:我们将看到很长一段时间内实现完美的理性——即总能做正确的事情——在复杂的环境下是不可行的。这对运算能力的要求实在太高了。

1.5 目前发展水平

主要AI产品:

  • 无人驾驶汽车:Google、IBM、百度,以及其他一些公司研发的无人驾驶汽车已在路上试运行。

  • 语音识别:苹果的Siri,微软的Cortana,Google的Google Now,以及Siri开发团队新开发的Viv(最近已被三星收购)(与Siri的区别:Viv能并行处理多任务,即处理多个语音任务,Siri一次只能处理一个)

  • 自动规划和调度:NASA的远程智能体程序是第一个船载自主规划程序,用于控制航天器的操作调度。远程智能体根据地面指定的高级目标生成规划,并且在规划的执行过程中监控航天器的运转——当发生问题的时候进行检测、诊断以及恢复。

  • 博弈:IBM的deepblue打败国际象棋世界冠军,到现在的deepmind的AlphaGo打败围棋高手李世石,一次又一次的加速了人工智能前进的速度。

  • 对抗垃圾信息:每天,学习算法都会识别出上百万条垃圾信息。

  • 物流规划:在1991年的波斯湾危机中,美国军队配备了一个动态分析和重规划工具——DART,用于自动的物流规划和运输调度。使得原本需要花费几个星期的调度时间缩短到几小时之内。

  • 机器人:现在机器人行业也在崛起,满足人们各种各样需求的机器人也在不断被制造出来,人类的一部分工作开始被机器人取代。 机器翻译:最有名的就是Google翻译了。

1.6 两个重要的概念:弱人工智能与强人工智能

  • 弱人工智能:弱人工智能观点认为不可能制造出能真正地推理(Reasoning)和解决问题(Problem_solving)的智能机器,这些机器只不过看起来像是智能的,但是并不真正拥有智能,也不会有自主意识。

  • 强人工智能:强人工智能观点认为有可能制造出真正能推理(Reasoning)和解决问题(Problem_solving)的智能机器,并且,这样的机器能将被认为是有知觉的,有自我意识的。

弱人工智能与强人工智能的最主要区别就是:机器是否有自我意识

目前所有的已公开的人工智能产品都只能算作弱人工智能产品,因为它们并不具有意识,或者说我们无法判断它们是否具有意识。

但是,随着神经网络和深度学习的理论和技术的发展,人工智能产品的“智能程度”得到了很大的提高,出现了AlphaGo、Watson这样在某些领域或任务上做得比大多数人都要好的智能体。甚至让人觉得它们已经产生了意识。

我个人也认为,意识至少可以先从类脑结构——即神经网络以及基于神经网络的深度学习中产生。而且神经网络和深度学习有可能发展成一种通用问题的解决方式,省去了单独针对某一种特定任务设计一种特定算法的麻烦,因为它们都具有“学习”功能。

1.7 发展人工智能的道德规范与风险

  • 人们可能由于自动化而失业(事实上,最近已经开始发生了,会有越来越多的工作被机器人取代)
  • 人们可能拥有过多(或过少)的闲暇时间
  • 人们可能会失去作为人的独一无二的感觉
  • 人们可能会失去一些个人隐私权
  • 人工智能系统的应用可能会导致责任感的丧失
  • 人工智能的成功可能意味着人类种族的终结

科技一直都是一把双刃剑,就像核弹被制造出来,即可以毁灭地球,也可以给世界带来和平。我们对待人工智能亦是如此,让人工智能在人类可控的、合理的范围内为人类服务,为人类创造更美好的世界。

目前世界科技巨头已经在美国成立了人工智能伦理协会,所以,这些问题也不用我们担心,有专家来解决这些问题。

转发请注明出处:www.datageekers.com,谢谢