什么是人工智能? 我们应怎样定义人工智能? Ch.1 Part 1

人工智能? 我们应怎样定义人工智能? Ch.1 Part 1"/>

什么是人工智能? 我们应怎样定义人工智能? Ch.1 Part 1

文章目录

• • Part 1 什么是人工智能
  • • 1. "类人行动"---Acting humanly: The Turing Test approach
    • 2. "类人思考"---Thinking humanly: The cognitive modeling approach
    • 3. "合理思考"---Thinking rationally: The "laws of thought" approach
    • 4. "合理行动"---Acting rationally: The rational agent approach
    • • • "合理行动"与"合理思考"的关系:
        • "合理行动"与"类人行动"的关系:
    • 小结

原作:
Artificial intelligence: a modern approach, the third version
《人工智能: 一种现代的方法》第三版

本文是一篇读书笔记. 文中内容大部分(如果不是全部)是对相关著作的概括总结, 同时夹杂着作者的少量思考. 因此如果想要获得更详细/准确的内容, 请阅读相关作品原文.
如有错误欢迎批评指正. 引用请标明出处

AI currently encompasses a huge variety of subfields, ranging from the general (learning and perception) to the specific, such as playing chess, proving mathematical theorems, writing poetry, driving a car on a crowded street, and diagnosing diseases. AI is relevant to any intellectual task; it is truly a universal field.

本书统一的主题思想是"智能 Agent".

A g e n t : 感知序列 → 行动 Agent: 感知序列\rightarrow行动 Agent:感知序列→行动

我们将人工智能定义为对从环境中感知信息并执行行动的Agent的研究. 每个这样的Agent实现一个把感知序列映射到行动的函数. 我们讨论了表达这些函数的不同方法, 例如

• 反应式Agent
• 实时规划器
• 决策理论系统

Part 1 什么是人工智能

关于人工智能的定义可以大致从两个维度分为四个类别

像人一样思考	合理地思考
像人一样行动	合理地行动

1. “类人行动”—Acting humanly: The Turing Test approach

需要通过Alan Turing (1950)提出的图灵测试(Turing Test), 计算机需要具有以下能力:

• 自然语言处理(natural language processing) 使之能成功地使用自然语言交流
• 知识表示(knowledge representation) 存储它知道的或听到的信息
• 自动推理(automated reasoning) 运用存储的信息来回答问题并推出新结论
• 机器学习(machine learning) 适应新情况并检测和预测模式
  对于包含视频信号和物理对象传递的完全图灵测试(total Turing Test), 还需要
• 计算机视觉(computer vision) 以感知物体
• 机器人学(robotics) 以操纵和移动对象

通过图灵测试不一定是AI的终极目标. 有时研究智能的基本原理比复制样本更重要. (航空工程并不是为了研究能够像鸽子一样飞行以骗过其他鸽子的机器)

2. “类人思考”—Thinking humanly: The cognitive modeling approach

怎么探究人类的思考过程呢, 由三种方法

• 内省(introspection) 捕捉我们自身的思维过程
• 心理实验 观察思考中的某个人
• 脑成像 观察工作中的头脑

For expample, Allen Newell and Herbert Simon, who developed GPS, the “General Problem Solver” (Newell and Simon, 1961), were not content merely to have their program solve problems correctly. They were more concerned with comparing the trace of its reasoning steps to traces of human subjects solving the same problems.

这一部分的研究与认知科学交叉.
认知科学(cognitive science) 试图构建一种精确的且可测试的人类思维理论. 侧重于对思维的具体过程的研究 (交叉学科领域, 将来自AI的计算机模型和来自心理学的实验技术相结合)
真正的认知科学必然基于真实人活动物的实验调查和研究. 我们只进行基于计算机的讨论.

3. “合理思考”—Thinking rationally: The “laws of thought” approach

亚里士多德等人试图严格定义何为"正确思考". 他们的研究开创了称为逻辑学的领域. 人工智能中所谓逻辑主义(logicist)流派希望通过逻辑表示法和逻辑上的求解来创建智能系统.

这一条道路存在两个主要的障碍:

• 在面对非形式和不确定的知识, 获取它们并用逻辑表示法要求的形式术语来陈述是不容易的.
• 虽然"原则上"逻辑能够"求解用逻辑表示法描述的任何可解问题", 但是实际上的运行代价往往大到难以接受.

4. “合理行动”—Acting rationally: The rational agent approach

我们期望计算机Agent能够做到(并且做好)这些事情:

• 自主的操作(operate autonomously)
• 感知环境(perceive their environment)
• 能够持续较长时间(persist over a prolonged time period)
• 适应变化(adapt to change)
• 创建与追求目标(create and pursue goals)

相应的, 我们定义了合理Agent的概念:
合理Agent(rational agent)是一个为了实现最佳结果( R e s u l t m a x Result_{max} Resultmax​), 或者, 当存在不确定性时, 为了实现最佳期望结果( E [ R e s u l t ] m a x \mathbb{E}[Result]_{max} E[Result]max​)而行动的Agent.

"合理行动"与"合理思考"的关系:

"合理思考"是"合理行动"的一部分.
要达到"合理行动"的Agent, 有时也可以通过正确推理的途径, 但正确的推理并不是合理性的全部. 有时我们需要的"合理行动"与"推理得到的正确行动"是不同的概念. (例如, 在手指碰到火焰或者面对撞过来的大货车等场景下, 经过推理得到的"最正确的行动"有时比不上快速做出的第一反应).

"合理行动"与"类人行动"的关系:

"通过图灵测试"和"创造合理Agent"并不冲突.
一个Agent为了通过图灵测试所需要的所有技能也使得Agent能够进行合理行动:

• 知识表述和推理的能力(knowledge representation and reasoning)允许Agent做出好的决策.
• 生成复杂的自然语言句子的能力(natural language processing)让Agent能够面对复杂的社会.
• 学习知识的能力(learning)能够提高Agent产生有效的行为的能力.

合理Agent的途径相比于其他途径有几个优点

• 它比"思维法则"(合理思考)的途径更一般. (正确推理是实现合理性的几种可能的机制之一)
• 它比其他基于人类行为和人类思维(“类人”)的途径更理论化, 更"数学". 合理性的标准在数学上定义明确并完全通用.

在复杂的环境中, 我们往往做不到"完美的合理性"(perfect rationality), 因此, Ch.5 和 Ch.17将明确论述有限合理性(limited rationality)

小结

• 不同的人对AI有不同思考. 比较重要的两个问题是: 你关心的是思考的过程还是思考的结果(行为)? 你是想让Agent尽可能地接近人还是尽可能地接近"理想标准"?
• 本书中, 我们认为智能主要与理性行为(rational action)相关. 理想情况下, 智能Agent(intelligent agent)要采取一个环境中的最好的可能行为. 我们将研究如何建造在这个意义上具备智能的Agent.(主要采用"Acting rationally"的定义)