2022新机器智能教材.docx
《2022新机器智能教材.docx》由会员分享,可在线阅读,更多相关《2022新机器智能教材.docx(150页珍藏版)》请在课桌文档上搜索。
1、新机器智能第1章人工智能与人类智能1979年6月,当我从康奈尔大学电气工程专业毕业时,对自己的生活没有任何规划。我开始在美国俄勒冈州波特兰市新成立的英特尔公司担任工程师。当时,微型计算机行业刚刚起步,而英特尔公司则是行业翘楚。我的工作是分析和解决我们公司的主要产品,即单板机在使用过程中出现的问题。由于英特尔公司发明了微处理器,从而使整台计算机可以放在一块电路板上。我印发了一份新闻简报,去了一些地方旅行,并拜访了一些客户。尽管那时我很年轻,很想念在俄亥俄州辛辛那提工作的好友,但说实话日子过得不错。几个月后发生的一件事改变了我的人生方向。我阅读了新出版的科学美国人9月刊。那一期的内容全部与大脑有关
2、,它重新点燃了我童年时对大脑的兴趣。这期杂志很吸引人,从中我了解到大脑的组织结构、发育情况和化学成分,视觉、运动和其他特殊功能的神经机制,以及精神障碍的生物学基础。我觉得这是科学美国人有史以来最好的一期。与我交谈过的几位神经科学家告诉我,这期杂志对他们的职业选择起到的作用,就像它对我产生的影响一样重要。该期杂志中,最后一篇文章思考大脑是弗朗西斯克里克写的,他是DNA双螺旋结构的发现者之一,当时他致力于研究大脑。克里克认为,尽管关于大脑的详细知识在不断积累,但大脑的工作原理仍然是一个难解之谜。科学家通常不写他们不知道的东西,但克里克不在乎。他就像那个指出皇帝没穿衣服的男孩。根据克里克的说法,神经
3、科学只有大量的数据,没有一种理论。他的原话是:“目前明显缺乏的是一个普适的思想框架。“对我来说,这位英国绅士的言外之意是:我们对大脑的工作原理毫无头绪。在当时,情况的确如此;而到了今天,情况依然如此。克里克的话对我来说有一种号召力。它唤醒了我渴望了解大脑和制造智能机器的毕生愿望。虽然我当时刚刚大学毕业,但我决定改变职业方向。我要研究大脑,不仅要了解它是如何工作的,而且要以这些知识作为新技术的基础,制造智能机器。但是,要将这个计划付诸行动,我还需要一些时间。1980年春天,我被调到英特尔公司的波士顿办事处,与我未来的妻子团聚,那时她刚刚开始读研。我当时的工作是教导客户和员工如何设计基于微处理器的
4、系统。但一个不同的目标吸引了我:我想弄清楚如何设计基于大脑理论的系统。我心中的工程师角色意识到,只要了解了大脑是如何工作的,就可以制造它们,而制造人工大脑的自然方法是用硅芯片。而我当时就在一家发明了硅存储芯片和微处理器的公司工作,因此我想,说不定我可以劝说英特尔公司高层,让我能花部分时间思考智能以及如何设计类似大脑的存储芯片的问题。我给英特尔公司时任董事长戈登摩尔(GOrdonMOore)写了一封信。这封信的主要内容如下:亲爱的摩尔博士:我建议公司成立一个研究小组,研究大脑的工作原理。这个小组可以先从一个人开始,那个人就是我。我相信我们能弄清楚这个问题。总有一天,这将成为一门大生意。杰夫霍金斯
5、摩尔帮我与英特尔公司的首席科学家特德霍夫(TedHoff)取得了联系。我飞到加利福尼亚去见他,并提出了研究大脑的建议。霍夫因两件事而闻名:第一件事是他在设计第一个微处理器过程中的贡献,我知道这件事。第二件事是他在早期神经网络理论方面的成就,当时我还不知道。霍夫对人工神经元及其应用经验丰富。而彼时的我在这方面还没有太多经验。听完我的建议后,他说他不相信在可预见的未来人们有可能弄清楚大脑是如何工作的,因此对于英特尔公司来说,支持我没有意义。霍夫是正确的,现在几十年过去了,我们才刚开始在理解大脑方面取得重大进展。在商业界,时机就是一切。不过,当时我还是很不服气。我通常会选择一条最简单易行的路来实现我
6、的目标。当时看来,在英特尔公司研究大脑是实现我的目标的最简单办法。在这个选项被排除后,我开始寻找下一个最好的办法。我决定申请麻省理工学院的研究生,该学院的人工智能研究举世闻名,而且它就在这条路上,我去那里很方便。麻省理工学院似乎很适合我。我在计算机科学方面接受过大量培训,我有一个制造智能机器的愿望,这些都没问题。我想先研究大脑,看看它们是如何工作的呃,这是个问题。这最后一个目标,即想了解大脑的工作原理,在麻省理工学院计算机科学与人工智能实验室的科学家看来,是不可能实现的。我着实有一种碰壁的感觉。麻省理工学院可谓是人工智能领域的西点军校。就在我申请进入麻省理工学院学习时,那里已经聚集了几十个聪明
7、人,他们对通过计算机编程产生智能行为的想法非常着迷。对这些科学家来说,视觉、语言、机器人和数学只是编程问题。大脑可以做到的事情,计算机都能做到,就算是大脑做不到的事情,计算机也能做到,所以为什么要被“自然界计算机”大脑那与生俱来的混乱状况限制思维呢?研究大脑会限制思维。他们认为,最好是研究计算的极限,然后在数字计算机中完美地表达出来。他们的终极目标是写出最初与人类能力相匹配,然后超越人类能力的计算机程序。他们采取了一种以目的证明手段的方法,却对真正的大脑如何工作不感兴趣,一些人甚至以忽视神经生物学为荣。这让我很震惊,因为我觉得这种解决问题的方式完全错误。直觉告诉我,人工智能的方法不仅无法创造出
8、能产生人类行为的程序,而且也无法使我们理解什么是智能。计算机和大脑秉承两种完全不同的原则。一个是编程,一个是自学;一个必须性能完好才能工作,一个自然灵活且能兼容失误;计算机具备中央处理器(CPU),大脑则没有中央控制机制。个中差异不胜枚举。我了解计算机的工作原理,无论是上层的操作系统,还是底层的物理实现,这些知识让我有一种强烈的直觉,即大脑和计算机在本质上是不同的。我无法证明这一点,但我就是知道这一点,就像一个人可以凭直觉知晓事物一样。最终我推断:人们可以利用人工智能打造有用的产品,但无法制造真正的智能机器。而我想研究大脑生理学和解剖学,了解真正的智能和感知,迎接克里克的挑战,为大脑如何工作提
9、出一个普适的框架。我特意把目光投向了新皮质,即哺乳动物大脑进化过程中最晚出现的部分,也是智能的所在。只有了解了新皮质的工作原理,我们才可以制造智能机器,但在此之前没办法做到。很可惜,我在麻省理工学院遇到的教授和学生并不认同我的想法。他们不相信需要研究真正的大脑才能了解智能和制造智能机器。1981年,麻省理工学院拒绝了我的入学申请。能力有限的人工智能今天许多人还会这样认为,人工智能依旧是一个前景光明的方向,只是在等待足够的算力来兑现它的许多承诺。持这种想法的人认为,当计算机拥有足够大的内存和足够强的处理能力时,人工智能研究人员将能够制造智能机器。我不同意这种观点。人工智能有一个根本缺陷,那就是它
10、未能充分理解什么是智能,或未能理解某个事物意味着什么。简单回顾一下人工智能的历史和它秉承的原则,就能解释这一研究方向是如何走偏的。人工智能是随着数字计算机的出现而诞生的。早期推动人工智能领域发展的一个关键人物是英国数学家艾伦图灵(AlanTUring),他是通用计算机概念的提出者之一。他的壮举是正式证明了通用计算的概念,即所有计算机在逻辑上都是等价的,无论它们具体是如何构建的,情况都是如此。作为验证的一部分,他构想了这样一台机器这台机器有三个基本组成部分:一个处理盒、一条纸带以及一个在纸带上来回移动时读写标记的装置。纸带是用来存储信息的,就像计算机代码中著名的1和O那样的信息。当时存储芯片或磁
11、盘驱动器还没有发明,所以图灵就想到用纸带存储信息。这个盒子,也就是我们今天所说的CPU,会遵循一套固定的规则来读取和编辑纸带上的信息。图灵用数学方法证明,如果你为CPU选择了一套正确的规则,并给它一个无限长的纸带,它就可以执行宇宙中任何可定义的操作集。这就是通用图灵机的雏形。无论你要处理的问题是计算平方根、计算弹道轨迹、玩游戏、编辑图片,还是核对银行交易信息,它们本质上都是一串由O和1组成的代码,因此任何通用图灵机都可以通过编程进行处理。这些程序执行的都是信息处理。所有数字计算机在逻辑上都是等价的。图灵的结论是无可争辩的事实,也是实实在在的成果,计算机革命及其后续所有产品都建立在它的基础之上。
12、然后,图灵又提出了新的问题,即如何制造一台智能机器。他觉得计算机可以拥有智能,但他并不想陷入这是否可能的争论。他也不认为自己能够正式定义智能,所以并没有尝试。但他提出了一种证明智能存在的方法,即著名的图灵测试:如果一台计算机能够欺骗人类提问者,使其认为自己也是一个人,那么根据定义,这台计算机就拥有智能。就这样,以图灵测试为衡量标准,以通用图灵机为媒介,图灵开创了人工智能领域。人工智能领域的核心信条是:大脑只是另一种形式的计算机。怎样设计一个人工智能系统并不重要,只要它能产生类似于人类的行为即可。人工智能的支持者看到了计算和思考之间的相似之处。他们说:“看,人类智能最令人印象深刻的壮举显然涉及对
13、抽象符号的操作,而这也是计算机做的事。当人类说话或倾听时,发生了什么?人类使用定义明确的语法规则来操控名为单词的精神符号。人类下棋时,发生了什么?人类使用心理符号表征各枚棋子的位置和彼此间的恰当联系。当人类看东西时,发生了什么?人类用心理符号表征物体、它们的位置、它们的名称和其他属性。当然,人类是用大脑来执行这一切的,而不是用我们制造的计算机,但图灵已经表明,你如何定义或操纵这些符号并不重要。你可以将多个齿轮装配起来,你可以用电子开关系统,还可以用大脑的神经元网络,不管怎样,只要你的工具能够实现通用图灵机的等效功能即可。”1943年,神经生理学家沃伦麦库洛克(WarrenMCCUIk)Ch)和
14、数学家沃尔特皮茨(WalterPittS)发表的一篇科学论文支持了这一假设。这篇论文颇具影响力,其中描述了神经元怎样执行数字功能,也就是说,他们想到了神经细胞怎样复制计算机的核心形式逻辑。他们的想法是,神经元可以像工程师所说的逻辑门那样执行操作。逻辑门实现了简单的逻辑运算,如与运算、或运算和非运算,对应的逻辑运算符分别为AND、OR和NOT。计算机芯片由数以百万计的逻辑门组成,它们被连接成精确而复杂的电路。一个CPU只是一个逻辑门的集合。麦库洛克和皮茨指出,神经元也可以用精确的方式连接在一起执行逻辑功能。由于神经元收集彼此的输入并处理这些输入,从而决定是否启动输出,你可以将神经元想象成活的逻辑
15、门。因此,他们推断,可以将大脑想象成是由“与门”“或门”和其他逻辑元素组成的,这些逻辑元素又都是由神经元组成的,与数字电子电路的布线方式十分类似。我不清楚麦库洛克和皮茨是否真的认为大脑是以这种方式工作的,他们只是说有可能是这样。从逻辑上讲,这样看待神经元也能说得通。从理论上讲,神经元可以实现数字功能。然而,没有人质疑这是否为神经元在大脑中的实际接线方式。他们不在乎是否存在生物证据,一厢情愿地认为大脑只是另一种计算机。另外要注意的是,人工智能哲学还得到了20世纪上半叶心理学主流趋势,即行为主义的支持。行为主义者认为我们不可能知道大脑内部发生了什么。他们把大脑称作一个黑盒子,认为人们不知道里面正在
16、发生什么。但人们可以观察和测量动物的环境和行为,即它的感觉和行为,它的输入和输出。他们承认,大脑含有反射机制,可以通过奖励和惩罚来调节动物的新行为。但除此之外,人们不需要研究大脑,尤其是混乱的主观感受,如饥饿、恐惧,或不需要理解某种事物的含义。行为主义最终在20世纪下半叶衰落了,但人工智能将长期持续存在。到第二次世界大战结束后,电子数字计算机得到了更广泛的应用,研究人工智能的先驱们摩拳擦掌,开始编程。语言翻译?简单!就是一种破译代码的方式,我们只需要将系统A中的每个符号映射到系统B中的对应物上即可。视觉?也很容易。我们已经知道处理旋转、比例和位移的几何理论,而且可以很容易地将它们编码为计算机算
17、法,所以我们已经成功了一半。人工智能专家提出了大胆的设想,即计算机智能将首先与人类智能相当,然后超越人类智能。具有讽刺意味的是,几乎可以通过图灵测试的计算机程序是一个名为伊丽莎(Eliza)的程序。它扮演的是精神分析师的角色,它采用的策略是将你的问题重新表述给你听。例如,如果一个人输入“我男朋友不再和我说话了“,伊丽莎可能会说:“告诉我更多关于你男朋友的事。”或者会问:“你为什么认为你的男朋友和你不再说话了?”这个程序只是随随便便设计出来的,尽管功能非常简单且微不足道,但它还是骗过了一些人。开发人员做过一些更认真的尝试,比如编写程序“积木世界(BlOCkSWOrId)。它是一个模拟房间,里面有
18、不同颜色和形状的积木。你可以向“积木世界”提出问题,如:“红色大方块上面有一个绿色金字塔吗?”或者提出要求“把蓝色方块移到红色小方块上面”。程序会回答你的问题或尝试做你要求它做的事情。所有这些都是虚拟的,而它确实能按你的要求行事。但它的这些操作都仅限于它那高度人工化的积木世界,超出这个范围就行不通了。因此程序员无法将其泛化推广,从而做一些有用的事情。与此同时:公众也被源源不断且看似成功的人工智能技术和新闻报道所打动。有一个能解决数学定理的程序最初令人们兴奋不已。自柏拉图以来,多步骤推理一直被视作人类智能的巅峰,所以一开始人工智能似乎大获成功。但是,就像“积木世界”一样,人们最终发现这个程序是受
19、限的。它只能发现非常简单的定理,而这些定理都是已知的。然后,“专家系统引起了巨大轰动,这类系统是包含大量知识与经验的数据库,能够解答人类用户提出的问题。例如,医学专家系统可能能够根据人类用户给出的症状清单诊断病人所患疾病。但它们的能力同样有限,没有表现出任何接近于广义智能的能力。计算机国际象棋棋手可以达到专业人类棋手的水平,IBM开发的国际象棋计算机“深蓝”击败了国际象棋世界冠军加里卡斯帕罗夫。但这些成功并非真正意义上的成功:“深蓝”不是因为比人类聪明而获胜,而是因为它的计算速度是人类计算速度的数百万倍。“深蓝”没有直觉。一个专业的人类棋手看着棋盘上的位置,马上就能看出移动哪些棋子最有可能赢棋
20、或陷入危险,而计算机对什么是重要的没有与生俱来的感知,因此必须探索更多的选择。“深蓝”也对国际象棋游戏的历史毫无感觉,对对手也一无所知。它会下棋却不了解国际象棋,就像计算器会算术却不了解数学一样。在所有情况下,成功的人工智能程序都只擅长做专门为它们设计的那件特定的事情。它们没有普适性,也没有显示出灵活性,就连它们的创造者都承认它们不会像人类那样思考。起初,人们认为某些人工智能问题很容易解决,但后来没有取得任何进展。即便在今天,也没有一台计算机能够像3岁孩童那样理解语言,或者像小老鼠那样看东西。经过多年的努力,承诺未兑现,成果不尽人意,人工智能开始黯然失色。该领域的科学家转向了其他研究领域。人工
21、智能创业公司失败了,资金也变得越来越少。通过编程让计算机实现感知、语言和行为等最基本的任务,似乎也不太可能完成。直到今天,也尚未有什么进展。正如我之前所说,仍然有人相信人工智能的问题可以通过更快的算力来解决,但大多数科学家认为整个努力的过程都存在缺陷。我们不应该责怪人工智能先驱的失败。图灵非常聪明。他们都能看出,通用图灵机将改变世界,而且它确实改变了世界,但不是通过人工智能改变的。不具备智能的计算机我对人工智能论断的质疑形成于我申请进入麻省理工学院学习那段时间。加州大学伯克利分校颇具影响力的哲学教授约翰塞尔(JohnSearle)说,计算机不是也不可能是智能的。为了证明这一点,他在1980年设
22、计了一个叫作“中文屋”(ChineseRoom)的思想实验。这个实验是这样的:假设你有一个房间,房间的一面墙上有一条窄缝,房间里面有一个只会说英语的人坐在桌子旁边。他手里有一本厚厚的说明书,以及数量足够多的铅笔和草稿纸。这本说明书上用英语写明了操作、分类和比较汉字的方法。请注意,说明书中没有介绍汉字的含义,只介绍了如何复制、擦除、重新排序、抄录汉字等。有人从房间外将一张纸从窄缝处塞了进来。上面用中文写着一个故事和与这个故事有关的问题。房间里的人不会说中文,也不认识汉字,但他拿起纸,按照说明书开始工作。他机械地按照说明书上的指令行事。指令有时告诉他在草稿纸上写字,有时又告诉他移动和擦除字符。这个
23、人按照一条又一条的指令,书写和擦除字符,直到书中的指令告诉他,他的工作已经完成了。他的最终成果是一张写满了汉字的纸,他不知道这些汉字就是问题的答案。说明书告诉他,把这张纸从窄缝处递出去。他照做了,并想知道这乏味的一整套操作到底有什么含义。房间外,一个懂中文的人正在阅读递出的那张纸。他表示,这些答案都是正确的,甚至见解深刻。如果有人问他,这些答案是否出自一个理解了这个故事的聪明人,他一定会说是的。但是他说的对吗?谁理解了这个故事?肯定不是房间里的人。房间里的人不懂中文,不了解这个故事是关于什么的。理解这个故事的也不是那本说明书,那只是一本书,静静地放在写字台上,和一堆纸在一起。那么,理解是在何处
24、发生的呢?塞尔的答案是,没有理解发生,只是一系列无意识的翻页和用铅笔在纸上划来划去的动作而已。现在将这个场景套用到人工智能身上:“中文屋”和数字计算机简直一模一样。人是CPU,无意识地执行指令,书是向CPU提供指令的软件程序,而在纸上划来划去相当于将信息存入存储器。因此,无论计算机设计得多么巧妙,哪怕能够通过产生与人相同的行为来模拟智能,它都没有理解力,也没有智能。塞尔明确表示他不知道什么是智能,他只是说不管智能是什么,计算机显然并不具备这一能力。这一观点在哲学家和人工智能专家之间引起了轩然大波,催生了数以百计的文章,并招来了很多谩骂。人工智能的捍卫者摆出了几十条理由反驳塞尔的这一观点,比如说
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022 机器 智能 教材
链接地址:https://www.desk33.com/p-954994.html