Unit 19打印版文件

Unit 19-2第二部分：人工智能的方法（一）(1)什么是AI？(2)像人一样行事：图灵测试法(3)像人一样思考：认知模型方法(4)理性思维：思考方法的法则(5)理性行事：理性代理方法（二）（1）人类已赋予自己智慧之人的称号，因为我们的智能对日常生活和自我感觉是如此重要。

人工智能（AI）这一领域尝试去理解智能实体。

这样，研究它的第一个原因是更多地了解我们自己。

但是不像同样关注智能的哲学家和物理学家那样，AI力求构建智能实体并去理解智能。

研究AI的另一个原因是这些构建的智能实体本身很有趣，而且也有用。

即使是在其发展的早期，AI就已产生了许多重要和令人印象深刻的产品。

虽然无人能具体地预测其未来，但很明显，具备或超越人类智能水平的计算机将在我们的日常生活和未来的文明进程中具有巨大的冲击力。

AI涉及了一个终极的难题，即一个又慢又小的大脑或是电脑如何能感知、理解、预测和操纵一个远远比其大而复杂的世界？我们如何使某些东西具备这些特性？这些是难题，但是不同于寻求超光速运动或反重力装置，人工智能研究者有确凿的证据证明这种探索是可能成功的。

所有研究者必须要做的事是照一下镜子，看一看镜子里智能系统的一个实例。

（三）AI是最新的学科之一。

它正式始于1956年，当时造出了人工智能这个名词，尽管在此以前有关工作已经开展了5年。

同现代遗传学一起，AI经常被其他学科的科学工作者称为“最愿意从事的领域”。

学物理的学生可能有理由感到所有的好主意早已被伽利略、牛顿、爱因斯坦等科学家提出了，人们需要经过多年的研究才能贡献出一个新的想法。

而在另一方面，AI对全身心投入的爱因斯坦们仍有尚待解决的问题。

AI目前包含许多子领域，从诸如感知和逻辑推理等的通用领域，到下棋、证明数学定理、写诗和诊断疾病等具体任务。

通常其他领域中的科学家（会）逐渐转移到人工智能研究中来，他们在这里发现了能使他们自己毕生从事的智力工作实现系统化和自动化的工具和语言。

与此相似，AI工作者们可以选择把他们的方法应用于任何人类智能化努力的领域中，在这个意义上，它确实是一个通用领域。

（四）（1）同现代遗传学一起，AI经常被其他学科的科学工作者称为“最愿意从事的领域”。

（2）这四幅图分别是三名著名的科学家，伽利略，牛顿，爱因斯坦。

我们组查找了关于他们的生平成就，现在分别为大家介绍一下：伽利略在力学，天文学，和哲学三方面做出了巨大的贡献。

在力学方面，伽利略是第一个把实验引进力学的科学家，否定了统治千余年的亚里士多德关于“落体运动法则”确立了正确的“自由落体定律。

伽利略还提出过合力定律，抛射体运动规律，并确立了伽利略相对性原理。

在天文方面，他是利用望远镜观测天体取得大量成果的第一位科学家，他用实验证实了哥白尼的“地动说”，彻底否定了统治千余年的亚里士多德和托勒密的“天动说”。

在哲学方面，他一生坚持与唯心论和教会的经院哲学作斗争,主张用具体的实验来认识自然规律,认为经验是理论知识的源泉。

而牛顿，提出的万有引力定律以及他的牛顿运动定律是经典力学的基石，他还和莱布尼茨各自独立地发明了微积分，被誉为人类历史上最伟大的科学家之一。

爱因斯坦是人类历史上最具创造性才智的人物之一。

他一生中开创了物理学的四个领域：狭义相对论、广义相对论、宇宙学和统一场论。

他是量子理论的主要创建者之一，在分子运动论和量子统计理论等方面也做出了重大贡献。

（五）（1）所有研究者必须要做的事是照一下镜子，看一看镜子里智能系统的一个实例。

(2)AI目前包含许多子领域，从诸如感知和逻辑推理等的通用领域，到下棋、证明数学定理、写诗和诊断疾病等具体任务。

通常其他领域中的科学家（会）逐渐转移到人工智能研究中来，他们在这里发现了能使他们自己毕生从事的智力工作实现系统化和自动化的工具和语言。

与此相似，AI工作者们可以选择把他们的方法应用于任何人类智能化努力的领域中，在这个意义上，它确实是一个通用领域。

（六）2.2 What is AI? (1)我们现已揭示了为什么AI 是激动人心的，但我们还没有说它究竟是什么。

我们可能会说：“好，它和编写聪明的程序有关，那就让我们着手来写一些”。

但科学的历史证明瞄准正确的目标是非常有益的。

早年寻求长生不老药和点石成金秘诀的点金术士恐怕是迈错了步。

只有改变目标，用早期天文学家预言星宿和行星运动那样的方法寻求能给出人间世界准确预言的明确理论，科学的方法和有成效的科学才会出现。

表19.1给出的定义沿着两个主要的方面发展。

上面一行是关于思维过程和推理的，而下面一行涉及行为。

同样的，左面一列的定义按照人的表现来衡量（系统是否）成功，而右面一列的定义按照智能的理想概念来衡量，我们将其称为理性。

如果一个系统做的是正确的事，那么它就是理性的。

就如人们所预期的，以人为中心的方法和以理性为中心的方法之间存在着矛盾。

我们应该指出人和理性行为之间有区别，我们并不是在“情绪不稳”和“精神失常”的意义上暗示人必然没有理性，人们仅仅需要注意我们通常会犯错误。

即使了解全部象棋规则，也不会都是象棋大师。

而且很不幸，不是每个人在考试时都能得到A 。

以人为中心的方法必然是一个经验的科学，包括假设和实验验证。

理性主义者的方法包括数学和工程的结合。

每个群体中的人们有时互相批评其他群体的工作，但事实是每个方向都得到了有价值的见识，让我们更仔细地互相关注。

（1）表19.1给出的定义沿着两个主要的方面发展。

（七）（1）上面一行是关于思维过程和推理的，而下面一行涉及行为。

同Systems that think like humans Systems that think rationally Systems that act like humans Systems thatact rationally样的，左面一列的定义按照人的表现来衡量（系统是否）成功，而右面一列的定义按照智能的理想概念来衡量，我们将其称为理性。

如果一个系统做的是正确的事，那么它就是理性的。

（八）2.3Acting humanly:the Turing test approach （1）像人一样行事：图灵测试法由艾伦·图灵提出的图灵测试是设计用来提供一个令人满意的可操作的智能定义。

图灵把智能行为定义为在所有认知任务中达到人的水平，足以骗过讯问者。

粗略来说，他提出的测试就是，计算机应该被一个人通过电传打字机询问，如果询问者不能断定那一端是计算机还是人，那么就通过测试。

测试的详情以及如果计算机通过测试是否确实就是智能的将在下面讨论。

眼下对计算机编程使其通过测试就有足够的工作要做。

（九）（1）计算机需要拥有以下的能力：自然语言处理，使其能成功地用英语（或其他人类语言）交流。

知识表达，存储讯问前或讯问中所提供的知识。

自动推理，利用存储的信息回答问题并得出新的结论。

机器学习，适应新的环境，检测并向外推断模式。

图灵测试故意避免在询问者和计算机之间的直接物理接触，因为对一个人的物理模拟对于智能来说不是必要的。

不过所谓“完全图灵试验”需要包括视频信号，这样询问者就可以对被测试者的感觉能力进行测试，同时也包括询问者“通过舱口”传递实物的可能性。

为了通过完全的图灵测试，计算机需要有：计算机视觉，用于感知物体。

机器人的能力，以便到处走动。

在AI中，并未化费太大的努力以尝试通过图灵测试。

像人一样行事的问题主要来自AI 程序必须与人交互，如一个专家系统解释它是如何得出诊断，或者自然语言处理系统与用户进行对话那样。

这些程序必须遵照人类交流的某些通常习惯行事以使他们能被理解。

在这样一个系统里基本的表达和推理可能是基于人类模型的，也可能不是。

（十）2.4Thinking humanly:the cognitive modeling approach（1）像人一样思考：认知模型方法如果我们想说某一程序像人一样思考，我们必须有某种方法决定人是如何思考的。

我们必须深入人类思维的实际活动。

有两种方法去做：通过内省，当我们的思维出现时抓它们；或者通过心理学实验。

一旦我们有足够精确的思维理论，就有可能用计算机程序进行表达。

如果程序的输入输出和定时行为与人的行为相匹配，那就证明程序的某些机理也可以在人体内运行。

（十一）（1）例如，发明“通用解题装置”的纽厄尔和西蒙并不会满足于他们的程序能正确地解决问题。

他们更关注于比较程序推理步骤和人解决同一个问题的步骤。

这和同时期只关心获得正确答案而不管人们会怎样做的其他研究者形成对比。

认知科学这一交叉学科领域将人工智能领域中的计算机模型与心理学中的实验技术结合起来，试图构建人类思维精确并可测试的理论。

虽然认知科学本身是一个令人着迷的领域，我们并不想讨论太多。

然而，真正的认知科学必定建立在实际人或动物的实验研究基础之上。

我们只是要说明，AI和认知科学继续互相促进，特别是在视觉领域、自然语言和学习方面。

（十二）2.5 Thinking rationally: the laws of thought approach （1）理性思维：思考方法的法则古希腊哲学家亚里士多德是第一个尝试对“正确思维”即不可辩驳的推理过程进行归纳的人。

他著名的三段论法提供了争论结构的模式，给定正确的前提就能得出正确的结论。

（十三）（1）例如，“苏格拉底是人，人终有一死，苏格拉底也如此”。

人们假定这些思想法则支配思维活动，它们开创了逻辑学领域。

十九世纪后期和二十世纪初形式逻辑的发展提供了描述世界上各类事物的精确表示法和他们之间的关系。

（与常规的算术表示法形成对照，算术主要提供数值相等和不等的表述）。

到1965年已经只要提供足够的时间和存储空间，就会有计算机程序以逻辑表达方式描述问题，而且只要有解，就能找到这些解。

（如果没有解，程序可能永远不停地寻找答案）。

人工智能领域中所谓的逻辑主义实践派期望构造这样的程序以创建人工智能系统。

这个方法有两个主要的障碍。

首先，获取非正式的知识而用逻辑表示法所需的正式术语描述它们并不容易，特别是当知识不是100%确定时。

其次，原则上能解决问题与实际上真正去解决它之间有巨大的差别。

即使是问题仅有几十个事实就有可能耗尽任何计算机的资源，除非有关于首先尝试哪个推理步骤的某种指引。

虽然这两个障碍都适用于任何构建计算推理系统的尝试，但他们首先出现在逻辑主义实践派的传统中因为对表达和推理系统的能力有明确定义并有相当好的理解。

（十四）2.6 Acting rationally:the rational agent approach（1）理性行事：理性代理方法理性行事的意思是在给定某人信念的情况下，为了达到其目的而实行的行为。

一个代理就是某些感知和行事的东西（这可能是这个词的不寻常的用法，但你将会习惯它）。

在这个方法里，AI被看作是研究和构建理性代理。