AI 的定义
从4个维度:
像人类一样地行动(Acting humanly)
通过 图灵测试的AI 需要具有的能力:
- 自然语言处理(NLP,natural language process):用语言沟通。
- 知识表达(knowledge representation):保存听到和知道的东西。
- 自动推理(automated reasoning):使用存储的信息回答问题并得出新的结论。
- 机器学习(machine learning):适应新的情况,检测和推断模式。
- 计算机视觉(computer vision):感知物体。
- 自动化(robotics):操作以及移动物体。
像人类一样地思考(Thinking humanly)
如果想让程序像人类一样思考,首先要知道人类怎么思考,有3种研究人类思考的方式:
- 通过反思:试着回想我们曾经的想法。
- 通过心理学实验:观察一个行动中的人。
- 通过脑成象:观察一个行动中的人的大脑。
合理地思考(Thinking rationally)
正确的思考意味着定义不可被推翻,比如亚里士多德的3段论:A是男人,男人是人,A是人。这叫做逻辑学。
AI 试着用逻辑来构建智能系统,但是有两个障碍:
- 用逻辑符号所需要的正式术语陈述非正式的信息,尤其当信息不是100%确定时。
- 按原则解决问题和按实践解决问题的区别。
合理地行动(Action rationally)
一个 agent 就是要做一些事的东西。所有的计算机程序都要做事情,但是 agent 要做更多事。
一个 合理的 agent 做的事情要达到最好结果,或者存在不确定性时,要达到最好的期望结果。
做正确的推理就是一个 “合理的agent” 的一部分,因为有一种合理地行动的方法是逻辑推理出一个结论,然后执行这个结论。另一方面,正确的推理并不是合理地,有些情形下,是没有正确的事情可做的,但又必须要做一些事。还有一些事,是合理地,但是不需要推理,比如人从火炉边缩开,是一个条件反射,根本没有推理的过程。
合理的agent 有两个优点:1,它比“思考的法则”更普遍,因为正确的推理只是达到“合理地”方式之一。2,科学地开发比基于人类的行为和思考的方式更经得起考验。
在达到完美的合理性之前还有很长的路要走,在复杂的环境中很难做到。所以当没有足够的时间去完成所有计算时,能做到有限的合理性就行了。
AI 的基础
- 哲学(Philosophy)
- 数学(Mathematics)
- 经济学(Economics)
- 神经学(Neuroscience)
- 心理学(Psychology)
- 计算机工程学(Computer engineering)
- 控制理论(Control theory and cybernetics)
- 语言学(Linguistics)
AI 的技术现状
很难用简洁的话语来概括,但是有一些各子领域的范例:
- 自动驾驶
- 语音识别
- 自动规划和调度
- 游戏博弈
- 垃圾信息过滤
- 后勤规划(物流等)
- 机器人(iRobot)
- 机器翻译
总结
- 智能的核心是 合理地行动,一个 合理地agent 在某种情况下采取最佳行动,我们研究的是如何构建智能的 agent。