人工智能简介---《视读人工智能》

      人工智能就是人类创造智能机器的问题，它的理想是把人作为机器来理解。

      人工智能的核心教义是认知主义，此观点认为思维和人脑只不过是一台精密的机器。所有认知方面的行为如学习、记忆甚至感情， 都是可以通过计算机器来执行。

      1976年，纽厄尔和西蒙提出的物理符合系统假说(PSSH)，这个假说列出了一组思维依赖的计算类型的特性，智能行为必须依赖于对符号的句法操作。也就是说认知要求对符号表示进行操作，而表示的是自然存在物。系统的实现必须是实实在在的，但是系统由什么材料来构造却无关紧要。也就是说由神经网络或电子元件都可以。

      与此相反，哲学家约翰·塞尔提出一个著名的中国屋：即在一个只有一个出口的屋子里，有一个完全不懂中文的人。外面的人通过唯一的出口用中文书写问题传递给里面的人，而里面的人配有一部能告诉如何根据中文字符返回答案的书，然后再传递给外面的人。可见从外面看来，中国屋里的人是懂中文的，可是事实是对这些字符一窍不通。塞尔根据这个中国屋得出结论：形式上的符号操作不能等同于理解。这样就于纽厄尔和西蒙的无论符号系统假说冲突。

     

      反驳塞尔的一个常见的说法是：里面的人可能不懂中文，但是人和书构成的系统却是能够理解中文的。

      在塞尔看来，对他的观点持有异议的都是二元主义的支持者，即因为精神领域与物质领域之间没有因果关系。塞尔认为这也是很多人工智能研究人员所采取的立场：即认为只要它们的模型执行正确的程序，就能拥有精神生活。 塞尔认为通过追求“正确程序”来继续人工智能的研究将会起到误导作用，像理解力这样的能力还需要有正确的机制。

     

      塞尔没有说明为什么计算机无法支持像理解和意识这样的能力，而人脑可以。牛津大学的数学物理学家罗杰·彭罗斯也认为传统的计算机无法支持意识，他引用了数理逻辑里的歌德尔定理（不完备定理）：在任何一个相容的形式化系统中，只要强到足以蕴涵皮亚诺算术公理（即可做算术），就可以在其中构造一个即不能证明也不能否定的命题。这个定理表明一些数学真理是无法通过计算过程来证明的，但是人类可以掌握，所以人类可以从事非可计算的操作。因为思维包含有非可计算的因素，所以计算机无法从事人所进行的活动。

      对于人脑为什么可以支持非可计算的过程，彭罗斯又引用了物理学的观点，认为量子引力论可能就是那类能够解释意识思维的物理学说。

      早在彭罗斯之前，就有人指出量子引力可能对我们意识理解力起着重要作用，彭罗斯把这个观点具体化，提出人脑中的量子引力作用可能取决于微管（神经元里一种如同传输带一样的结构）。他认为意识活动需要量子引力，而微管支持着量子引力的生物基础。而这些过程都是不可计算的，所以传统的计算机都不能支持。不过他这个观点还是缺乏证据。

 

      经典的人工智能主要是探索认知主义的正确性， 计算机作为理解思维的模型， 而最大的贡献就是物理符合系统的概念。物理符合系统的依据是托马斯·霍布斯（Thomas Hobbes）的著作，他认为思维只是对基本原子单位的句法操作，当人们进行推理时，他仅仅是通过对包件的累加构造一个总和。这里的包件就像物理符号系统中的符合一样。

      霍布斯的观点得到了数学家和哲学家戈特弗里德·威廉·莱布尼兹的发展，他试图确定一个适当的包件系统--逻辑语言，他设想用这种语言书写所有人类知道的东西，包括思维道德。逻辑推理就是对逻辑语言中的句子进行操作，这些句子可以解释为对概念或知识的表示。通过计算机使这个过程自动化，人工智能采用“思维即逻辑”的观点，并付诸实现。

       经典人工智能采用的模式是感知--建模--规划--行动这一循环序列而来的。

 

      随着人工智能的发展，出现了联结主义。它在20世纪80年代广为流行，并且经常被描述为是对人工智能的经典符号处理方法的严重偏离。联结主义把思维的过程等同于在大脑发生的过程，而不是把它们看成计算机程序。它采用的模型通常就是所谓的人工神经网络的形式。神经网络具有并行处理的性质，它们处理任务的方式十分接近大脑执行计算的方式。神经网络已经成功地应用到各种各样的学习问题上。基于以前的经验，通过改变激活单元的连接强度，可以训练神经网络去学习经验模式之间的关联。

      在符号系统中，模型把信息的基本单位进行分流，并对其进行操作。例如，识别动物的符号模型可以用候选动物腿数作为信息单位。这种表示称为局部表示，因为关于腿数的信息共同保存在一个可以定位的软件包中。

      而在神经网络所能执行的信息处理的种类和符合系统有本质上的不同。分布式处理的情况下，表示也往往是分布式的。分布式表示扩散到整个网络，而不是限制在一个特定的区域或者构建于原子单元。尽管神经网络本身也是从原子单位--人工神经元构建起来的。 所以在分布式表示中，单独的一个神经元是不可能用来表示我们的候选动物腿数的，而腿的数目应该由大量神经元的复杂行为模式来表示。神经网络可以被认为是解决问题的整体化方案。

      对于人工神经网络能否思考，塞尔继续举了中国健身馆的例子予以回应。塞尔的论据是符合不可能用来表示任何事物，在传统计算机的范畴下， 符号只是由一组电行为模式实现的形状而已，我们赋予符号的任何含义，其实都是依赖于我们头脑中存在的含义。只有当系统的一部分植根于现实中，系统才有意义，一个封闭的、符号的自我参照系统不具有任何意义。

      为了打破这个塞尔讨论的由无意义的符合组成的封闭世界。哈纳德设想了一个建立在亚符号联结主义系统之上的经典符号系统， 这个系统通过结合符合系统和联结主义系统 。重要的是，联结主要系统的输入是建立在通过感知器感受到的外部世界基础上的，这样，符合的表示不再定义在其他符合之上，而是与图形表示相关联，而该图形表示又直接与系统的感官表层相联系。

     

      最后还有新人工智能，它与传统人工智能的对比在于可扩展性，健壮性还有实时操作性上，它的三大原则是：

      (1)实体化：

           认为拥有一个躯体在理论上具有重要意义，也就是，躯体对智能体的限制对于智能体与外界的交互是至关重要的。

      (2)现场性：

           它是指将智能体置于复杂的环境下，而不是高度抽象的微观世界中。事实上，智能体被置于现实环境之中，这样就可以充分利用环境中的结构成分，从而减轻内部表示的负担。

      (3)自底向上设计：

           传统的人工智能是先把知识和推理这样的较为高级功能设为目标，再设计低级的功能。而新人工智能使用的是自底向上的设计思路，即从最底层做起，在构造认知这样的复杂行为。

      

      最后以机器人专家汉斯·莫拉维克预言结束本文，他认为机器人可以分为四代：

第一代机器人可以承担一般的家庭服务性工作；第二代机器人能够从经验中学习，并与人交流；第三代机器人可以通过观察其他人来学习新的任务；第四代机器人智力水平将超越人类，而且设计他们的后代。