第一章 人工智能
第一节 概念
通俗地讲,人制造出来的机器所表现出来的智能,就是人工智能。
人工智能大致分为两类:弱人工智能和强人工智能。
弱人工智能是能够完成某种特定具体任务的人工智能。
强人工智能或通用人工智能是具备与人类同等智慧,或超越人类的人工智能,能表现正常人类所具有的所有智能行为
第二节 主要方法
人工智能按研究学派主要分为三类,包括行为主义(Behaviorism),符号主义(Symbolism),连接主义(Connectionism)。连接主义是当前业界关注的焦点。
2.1 行为主义
行为主义的核心思想是基于控制论构建感知—动作型控制系统。
从比较直观的角度看,行为主义方法可以模拟出类似于小脑这样的人工智能,通过反馈来实现机器人的行走,抓取,平衡,因此有很大的实用价值。但这类方法并不是通向强人工智能的终极道路。
2.2 符号主义
符号主义是基于符号逻辑的方法,用逻辑表示知识和求解问题,其基本思想是用一种逻辑把各种知识都表示出来。当求解一个问题时,就将该问题转变为一个逻辑表达式,然后用已有知识的逻辑表达式的库进行推理来解决该问题。
符号主义有一些局限性:
1)逻辑问题:很难找到一种简洁的符号体系表述出世间所有的知识。
2)常识问题:世间的常识数不胜数
3)求解器问题:在符号主义中,逻辑求解器负责根据已有的知识来判断一个新的问题是否成立。但是逻辑求解器的时间复杂度很高。
2.3 连接主义
连接主义方法的基本出发点是借鉴大脑中神经元细胞连接的计算模型,用人工智能网络来拟合智能行为。
深度学习不一定是通向强人工智能的终极通道。它也有一定的局限性:
1)泛化能力有限:成年人的迁移学习能力和泛化能力远高于现在的深度学习
2)缺乏推理能力:不擅长解决认知类问题。将符号逻辑与深度学习结合起来是未来非常有潜力的发展方向。
3)缺乏可解释性:不能解释这个决策是如何得出来的。
4)鲁棒性欠佳。
参考
《智能计算系统》 陈云霁