书摘:AI:人工智能的本质与未来

2017-06-28 09:24:29
分享

 书摘:AI:人工智能的本质与未来
 《AI:人工智能的本质与未来》,图片来源:中国人民大学出版社

图书:AI:人工智能的本质与未来

作者:[英]玛格丽特·博登(Margaret A. Boden)

出版社:中国人民大学出版社

 

 

人工智能的起源

一个世纪以后,艾伦·图 灵(Alan Turing)解开了这个谜团。 1936 年,图灵提出,每个合理计算在原则上都可以由现在被称为 “通用图灵机”(Turing Machine)的数学系统来执行。图灵机是一个虚构系统,建立和修改用“0”和“1”表示的二进制符号组合。

第二次世界大战期间,图灵在布莱切利园(Bletchley Park)破解德 国密码系统后,到 20 世纪 40 年代末一直在思考如何让一台物理机 最接近抽象定义的图灵机(他帮助设计的第一台现代计算机于 1948 年在曼彻斯特完成),以及如何让这台物理机智能地执行任务。

与埃达·洛夫莱斯不同,图灵接受了人工智能的两个目标(技 术和心理)。他想让新机器做通常需要智能才能完成的有意义的事 情(可能通过使用非自然技术),并模拟以生理为基础的心智所发 生的过程。

1950 年,他那篇以幽默方式提出图灵测试(见第 6 章)的论文 成为了人工智能的宣言[第二次世界大战后不久,其论文得到进一 步完善,但《官方保密法》(Official Secrets Act)阻止其出版]。它 抓住了智能信息处理(游戏、知觉、语言和学习)的症结,并暗示 了当时计算机领域已经取得的成就,让人跃跃欲试(只有“暗示”, 因为布莱切利园的工作仍然属于最高机密)。它甚至给出了算法, 如神经网络和进化计算,不过在其论文发表很久以后,这些算法才 得到广泛认可。要解开奥秘,这些都只是冰山一角,只是泛泛而 谈——纲领性的东西,而不是程序。

图灵坚信,人工智能一定能以某种方式实现。20 世纪 40 年代 初,他的这一信念得到了神经病学家 / 精神病学家沃伦·麦卡洛克(Warren McCulloch)和数学家瓦尔特·皮茨(Walter Pitts)的支持。他们的论文《神经活动中内在思想的逻辑演算》(A Logical Calculus of the Ideas Immanent in Nervous Activity)结合了图灵的观点与另 外两项令人兴奋的成 果(可追溯到 20 世纪早 期):伯特 兰· 罗 素(Bertrand Russell)的命题逻辑和查尔 斯· 谢林 顿(Charles Sherrington)的神经突触理论。

命题逻辑的关键点在于它是二进制的。每个句子(也称为命 题)假定为真或假。没有中间答案,也不接受不确定性或概率。只 允许两个“真值”,即真和假。

此外,利用逻辑运算符(诸如 and、or 和 if-then)构建了复杂 命题,完成演绎论证,而逻辑运算符的意义由子命题的真 / 假来定 义的。例如,如果两个(或更多)命题由“ and”连接,则认为这 两个(所有命题)都是真的。所以当且仅当“玛丽嫁给汤姆”和 “弗洛西嫁给彼得”二者都是真命题,那么“玛丽嫁给汤姆和弗洛 西嫁给彼得”才是真命题。事实上,如果弗洛西没有嫁给彼得,那 么包含“and”的复杂命题就是假命题。

麦卡洛克和皮茨将罗素和谢林顿的观点结合,因为他们都描述 了二进制系统。逻辑的真 / 假(true/false)值映射到图灵机中的脑 细胞开 / 关(on/off)活动和个体状态 0/1 中。谢林顿认为,神经 元不仅进行严格的开 / 关活动,而且具有固定阈值。因此,逻辑门(and、or 和 not)被定义为微小的神经网络,可以相互连接来表示高度复杂的命题。任何东西只要能用命题逻辑表述,那就能用某种 神经网络和某种图灵机来计算。

简单来说,就是神经生理学、逻辑学和计算被放在一起研究。 后来,心理学也被纳入进来一起讨论。麦卡洛克和皮茨相信(就像 许多哲学家当时所说的),自然语言在本质上归结为逻辑。所以, 从科学论证到精神分裂症错觉的所有推理和观点都可以放到他们的 理论“磨坊”里加工。麦卡洛克和皮茨为整个心理学预言了一个时 代,“(神经)网络的设计规格将对心理学领域取得的所有成果都有 帮助”。

其核心含义在当时很清楚:同一个理论方法,即图灵计算,可 用于人和机器智能,麦卡洛克和皮茨的文章甚至影响了计算机的设 计。约翰·冯·诺依曼当时打算使用十进制代码,但他后来意识到 了问题,改为二进制。

图灵当然赞同图灵计算,但他无法进一步推动人工智能的发 展:当时技术太过原始。 然而,到 20 世纪 50 年代中期,出现了功 能更强大且更容易使用的机器。这里的“易于使用”并不是说更容 易打开电脑的按钮,也不是说更容易将它在房间里推来推去,而是 指定义新的虚拟机更加容易(例如,编程语言),从而有利于定义 更高级的虚拟机(例如,用来做数学运算或规划的程序)。

大约本着图灵宣言的精神,符号人工智能的研究在大西洋两岸得以开始。20 世纪 50 年代末期,有一个标志性事件上了新闻头条, 即阿瑟·塞缪尔(Arthur Samuel)的跳棋(国际跳棋)程序打败了 塞缪尔本人。这无疑暗示着电脑有一天可能会具有超人的智力,超 过设计它们的程序员的能力。

20 世纪 50 年代末期,还出现了第二个这样的暗示,即逻辑理 论机(Logic Theory Machine)不仅证明了罗素的 18 个关键逻辑定 理,还发现了一个更有效的证明,来证明其中某一个定理。这的确 令人印象深刻。塞缪尔只是一个平庸的跳棋选手,但是罗素可是一位 世界级的逻辑学家[罗素本人为这项成就感到十分高兴,但是《符 号逻辑杂志》(Journal of Symbolic Logic)拒绝发表一篇计算机程序 撰写并署名的论文,更为重要的是,它并没有证明一个新定理]。

逻辑理论机很快就被一般问题解决器(General Problem Solution, 以下简称 GPS)“超越” ——“超越”并不是说 GPS 可 以“超 越” 更多卓越的天才,而是说它的应用范围不再限制在一个领域。顾名 思义,GPS 可解决用目标、子目标、动作和运算符表示的任何问题(详见第 2 章)。程序员一旦确定与任何特定领域相关的目标、动作 和运算符,剩下的推理工作就可以由 GPS 负责完成。例如,GPS 解决了“牧师和野人”的问题(三个牧师和三个野人在一条河的一 边,现在有一艘船,一次最多可以载两个人。问题来了,如何在野人数量不超过牧师数量的情况下确保每个人都能过河)。这个问题对人类来说都不简单,因为每次把两个人运过去之后,都必须让其中一个回来,这样游戏才能继续下去(大家可用便士试一试)。

逻辑理论机和 GPS 都是 GOFAI 的早期示例。现在说它们是“老 式的”,当然毫无疑问;但它们也是“有效的”,率先运用了“启发法” 和“规划”——二者在今天的人工智能领域都至关重要。

并不是只有 GOFAI 这种人工智能受到论文《神经活动中内在 思想的逻辑演算》的启发,联结主义也备受鼓舞。20 世纪 50 年代, 计算机上特制或仿真的麦卡洛克和皮茨逻辑神经元网络被用来[如 艾伯特·厄特利(Albert Uttley)]模拟联想学习和条件反射(这些 神经元网络进行集中式而非分布式处理,与今天的神经元网络不 同,详见第 4 章)。

早期网络模拟并不完全由神经— 逻辑统治。雷蒙德·拜沃勒 (Raymond Beurle)在 20 世纪 50 年代中期实现的系统(在模拟计算 机中)大不一样。他的研究工作没有始于精心设计的逻辑门网络, 而是始于随机连接的和不同阈值的单元的二维数组。他认为神经自 组织的发生是因为动力波的激活——构建、传播、坚持、死亡和时 不时的相互作用。

拜沃勒已经意识到,诡辩机可以模拟心理过程,但不等于大脑 实际上就是这样的机器。麦卡洛克和皮茨已经指出了这一点,他们 发表了一篇具有开创性意义的论文,短短四年后,又在其另外一篇论文中指出了热力学比逻辑更接近大脑的功能。逻辑学被统计学取代,单一单元被集合取代,确定性纯度被概率噪音取代。

换句话说,他们已经描述了我们现在所说的分布式容错算法,并认为这种新算法是之前算法的“延伸”,彼此并不 矛盾。它在生物学上更现实。

 

注:本文摘自《AI:人工智能的本质与未来》第一章。

 

(编辑:王旭泉)

 

 

分享
标签:

推荐