用Prolog实现人工智能

转载自：https://mp.weixin.qq.com/s/O93O25F1Lwa699MTdOw-sw

介绍

什么是智力？不同的研究人员提出了各种解释和定义。 除其他许多建议外，智力被定义为获取和应用知识的能力，以及逻辑推理和自我意识的能力。它与理解，解决，计划以及其他一些概念和任务有关。它已被分类为不同种类的智力，例如情绪智力，社会智力等等。

该词源自拉丁语动词intellego “我理解，认识，理解，看到，注意到”（除其他含义外），源于乐高(儿童积木玩具) “我收集，收集，接受，阅读”（还有其他含义）。

由于尚无公认的智能定义，因此定义什么是人工智能甚至更加困难 。从广义上讲，我们可以区分两个不同类别的人工智能(AI)：
1、强人工智能：这是一种机制，其智力能力与人类的能力无法区分开。
2、弱人工智能：这是一种使一部分人类能力自动化的机制。
到目前为止，我们已经看到弱人工智能方面的许多进步。例如，已经建造了 比国际能力最强的人玩象棋，围棋， 危险游戏和许多其他游戏的机器。我们中的许多人通常都在使用部分自动驾驶的火车和地铁，而我们目前目睹了自动驾驶汽车的首次尝试。

相反，强人工智能仍然遥不可及。实际上，已经有人争论并进一步争论说，强人工智能本质上是无法实现的。

方法

从广义上讲，我们区分实现人工智能的两种可能方法：
1、符号法：
1.1、基于规则的专家系统
1.2、定理证明
1.3、智能搜索
1.4、基于约束的方法
1.5、等等

2、统计法：
2.1、神经网络
2.2、机器学习（ML）
2.3、数据挖掘
2.4、等等

两种方法在研究人员中已广为人知，并且已经在实践中使用了数十年。Prolog通常与符号方法相关联。这种类型的知名应用包括计划任务，例如Wumpus World，从Zurg逃脱，Connect 4，计划任务（例如时间表 和体育比赛）以及其他组合任务，例如N Queens 和Sudoku。Prolog当然也可以实施统计方法。例如，检出ProbLog，cplint和AILog 2用于不确定性的概率逻辑编程和推理。

这些方法具有不同的优点和缺点：符号方法通常适合形式验证。这些规则是明确可用的，您可以检查它们是否完整以及它们是否表达了您的意图。使用归纳逻辑编程(ILP)，您甚至可以让程序根据正例和反例来学习规则。参见例如Metagol系统。但是，并非所有任务都适合使用符号方法，因为规则可能很难表达。例如，很难表达确定音乐作品是否为边缘音调或照片是否包含花朵绘画的规则。

另一方面，统计方法具有基于所谓的训练集，测试集和验证集隐式获取规则的能力。这很方便，因为您不必自己考虑规则，并且计算机可能会得出难以编码的规则。不幸的是，这也带来了明显的缺陷：您不再可以明确地推理规则，并且所获得的机制可能会产生难以补救的异常值。例如，如果您更改单个像素，则可能会将企鹅的图片分类为汽车。

Prolog和人工智能
Prolog与人工智能有着非常牢固的历史联系。1982年，日本启动了一个雄心勃勃的政府项目，称为第五代计算机系统(FGCS)，其目标是使用并发逻辑编程作为该项目的软件基础，以创建大型并行计算机。

从当时日本的一位从事该项目的退休日本科学家了解到，为什么该项目失败了。他说：“您的意思是，’ 失败 '？我所有从事该项目的同事都当上了教授！” 另一位研究人员说，该项目达到了实际目的：一种将日文字符输入计算机的方法。

从事该项目的科学家的一项重大成就是，他们设法说服政府资助了一个有趣且雄心勃勃的大笔项目。

在FGCS项目结束时，商品硬件已经变得如此强大，以至于不再需要该项目建造的定制机器。

现在，几十年后，是不是该重试了？现在不是时候说服我们的政府和资助机构我们希望从Prolog的功能中受益并进行应用程序开发并进行有趣的研究吗？

这里有一些想法：
1、编写一个聊天机器人来回答主管部门的问题。
2、编写一个指导学生完成任务的应用程序，以便可以在计算机辅助教育中使用它。
3、寻找一种使立法形式化的方法，以便可以自动回答有关法律的问题。例如，请查看日本宪法的Prolog公式，以及将规则作为智能合约的实例进行推理。

来自微信公众号:人工智能Prolog