前言
本文隶属于专栏《人工智能》,该专栏为笔者原创,引用请注明来源,不足和错误之处请在评论区帮忙指出,谢谢!
本专栏目录结构和参考文献请见人工智能
人工智能是关于知识的科学
请参考我的这篇博客——人工智能是什么?
人工智能的研究主要是知识的表示、知识的获取和知识的应用。
理解人工智能就要研究如何在一般的意义上定义知识。
可惜的是,准确定义知识也是一个十分复杂的事情,严格来说,人们最早使用的知识定义是柏拉图在《泰阿泰德篇》中给出的,即“被证实的、真的和被相信的陈述”,简称知识的 JTB 条件。
然而,这个延续了两千多年的定义在 1963 年被哲学家盖梯尔否定了。 盖梯尔提出了一个著名的悖论(简称“盖梯尔悖论”),该悖论说明柏拉图给出的知识定义存在严重缺陷。
虽然后来人们给出了很多知识的替代定义,但直到现在仍然没有定论。
概念
关于知识,至少有一点是明确的,那就是知识的基本单位是概念。
精通掌握任何一门知识,必须从这门知识的基本概念开始学习。
而知识自身也是一个概念。
因此,如何定义一个概念,对于人工智能具有非常重要的意义。
据此,人工智能的问题就变成了如下三个问题
- 如何定义(或者表示)一个概念
- 如何学习一个概念
- 如何应用一个概念。
因此对概念进行深入研究就非常必要了。
如何定义一个概念呢?
简单起见,这里先讨论最为简单的经典概念。
经典概念的定义由三部分组成:
- 第一部分是概念的符号表示,即概念的名称,说明这个概念叫什么,简称概念名;
- 第二部分是概念的内涵表示,由命题来表示,命题就是能判断真假的陈述句
- 第三部分是概念的外延表示,由经典集合来表示,用来说明与概念对应的实际对象是哪些。
举例说明一素数
- 其概念名在汉语中为“素数”,在英语中称为 prime number
- 其内涵表示是一个命题,即只能够被 1 和自身整除的自然数
- 其外延表示是一个经典集合,就是{ 1 , 2 , 3 , 5 , 7 , 11 , 13 , 17 ,… }
概念有什么作用呢?或者说概念定义的各个组成部分有什么作用呢?
很容易发现,经典概念定义的三部分各有其作用,且彼此不能互相代替。
具体来说,概念有三个作用或功能,要掌握一个概念,必须清楚其三个功能。
- 第一个功能是概念的指物功能,即指向客观世界的对象,表示客观世界的对象的可观测性。 对象的可观测性是指对象对于人或者仪器的知觉感知特性,不依赖于人的主观感受。但概念的指物功能有时不一定能够实现,有些概念其设想存在的对象在现实世界并不存在,例如“鬼”。
- 第二个功能是指心功能,即指向人心智世界里的对象,代表心智世界里的对象表示。概念的指心功能一定存在。如果对于某一个人,一个概念的指心功能没有实现,则该词对于该人不可见,简单地说,该人不理解该概念。
- 最后一个功能是指名功能,即指向认知世界或者符号世界表示对象的符号名称,这些符号名称组成各种语言。一般情形下,概念的指名功能依赖于不同的语言系统或者符号系统,由人类所创造,属于认知世界。 同一个概念在不同的符号系统里,概念名不一定相同,如汉语称“雨”,英语称“rain”。
三大学派
知道了概念的三个功能之后,就可以理解人工智能的三个流派以及各流派之间的关系。
人工智能也是一个概念,而要使一个概念成为现实,自然要实现概念的三个功能。
人工智能的三个流派关注于如何才能让机器具有人工智能,并根据概念的不同功能给出了不同的研究路线。
- 专注于实现 AI 指名功能的人工智能流派称为符号主义(Symbolism);
- 专注于实现 AI 指心功能的人工智能流派称为连接主义(Connectionism);
- 专注于实现 AI 指物功能的人工智能流派称为行为主义(Actionism)。
符号主义学派
符号主义-类人的行为方式
人工智能是关于如何制造智能机器,特别是智能的计算机程序的科学和工程。
它与使用机器来理解人类智能密切相关,但人工智能的研究并不需要局限于生物学上可观察到的那些方法。 – 约翰麦卡锡
需要智能的行为:
- 下象棋
- 定理证明
- 诊断疾病
- 能通过图灵测试的机器
符号主义的实现基础-物理符号系统假设
什么叫物理符号系统呢?
符号,就是模式( Pattern )
物理符号系统:一组称为符号的实体所组成的系统,且具备处理符号的六种功能如:输入、输出、存储、复制、建立符号结构、条件性迁移。
物理符号系统假设
任一物理符号系统如果是有智能的,则必能执行六种功能。
反之,能执行这六种操作的任何系统,也就一定能够表现出智能–纽威尔和西蒙。
推论:人是一个物理符号系统,计算机也是一个物理符号系统,因此能够用计算机来模拟人的智能行为。
符号主义
符号主义是一种基于逻辑推理的智能模拟方法,源于数学逻辑。
- 符号主义的代表人物有纽威尔、西蒙、尼尔森,
- 符号主义是早期的主流学派。
符号主义成果有:
- 机器定理程序(LT 、 GTM 、 GPS …)
- 启发式算法
- 专家系统
连接主义学派
连接主义又称:仿生学派或生理学派。 源于仿生学,特别是人脑模型的研究。
连接主义核心思想是:认为人的智能归结为人脑的高层活动的结果,强调智能活动是由大量简单的单元通过复杂链接后并行运行的结果,其原理是神经网络及神经网络间的连接机制与学习算法。
- 连接主义学派代表:麦克洛奇、皮茨等。
- 代表成果:人工神经网络,深度神经网络。
发展史的大事件
- 1943 年,第一个神经元的数学模型- MP 模型。
- 1958 年,感知机模型( Perceptron )。
- 1982 年,递归型人工神经网络提出,连接主义的复兴。
- 1986 年,反向传播算法
- 2006 年,提出的深度神经网络突破了以往的瓶颈,迎来了神经网络学习的高潮。
- 2012 年,第一个深度神经网络算法- Alexnet
- 2016 年, AlphaGo
行为主义学派
控制学论派
- 关注:低级生物智能
- 起源:控制论。
- 布鲁克斯的机器昆虫:借鉴自然界中昆虫不需要大脑的干预,仅凭四肢和关节的协调,就能很好地适应环境
- 观点:认为智能取决于感知和行为,取决于对外界复杂环境的适应,而不是表示和推理。
- 成果:六足虫,日本的阿西莫,大狗
进化主义
- 关注:群体的进化
- 起源:达尔文学说,孟德尔遗传学说。
- 观点:人的智能归根结底是从生物进化中得到
- 代表成果:遗传算法,进化策略,进化规划、遗传规划。
- 其他关注:低等生物的群体智能行为的模拟
- 其代表成果:蚁群算法,粒子群算法,鱼群算法