人工智能及哲學思考

目錄范疇與定義相關學科歷史與發展哲學思考什么是人工智能

（ARTIFICIALINTELLIGENCE,AI)AI是普遍的研究領域和人類智能活動的所有范疇都潛在相關人vs.理性人：經驗科學，涉及許多假設和實驗證實理性：數學和工程相結合。一個系統如果能夠在它所知的范圍內“正確行事”，它就是理性的。3像人一樣思考的系統像人一樣行動的系統理性地思考的系統理性地行動的系統4像人一樣行動:圖靈測試圖靈預測，2000年之前計算機有30%的概率蒙騙一個普通人達5分鐘。然而，AI研究者相信研究智能的根本原則遠比復制樣本更重要。Source:lecturenotesbyDr.HweeTouNg,Singapore5圖靈測試對計算機的要求自然語言處理知識表示自動推理機器學習更加全面的圖靈測試計算機視覺機器人技術像人一樣思考：認知模型方法確定人是怎樣思考的通過內省通過心理測試（blackbox）通過計算機程序來表達關于思維的結論比較計算機輸入/輸出以及timingbehavior和人類行為，例子：GeneralProblemSolverbyNewell&Simon。認知科學：把AI的計算機模型和心理學的實驗相結合，試圖創立一種精確且可檢驗的人類思維工作方式理論。6理性地思考：“思維法則”方法“正確思考”是不能辯駁的推理過程（Aristotle）三段論：前提正確結論正確描述世界上一切事物及其彼此之間關系的精確的命題符號（19世紀）求解任何用邏輯符號描述的可解問題的程序（1965）邏輯的方法的兩個障礙：難以獲得非形式化的知識并得到邏輯符號表示所需的形式化表達，尤其當知識不可靠時。“原則上”可以解決一個問題與實際解決問題這兩者之間存在巨大的差異：如果推理步驟不合適，會耗盡計算機的資源。7理性地行動：理性智能體方法智能體是某種能夠行動的東西，區別于簡單“程序”自主控制的操作感知環境持續能力適應變化有能力承擔其它智能體的目標通過自己的行動獲得最佳結果做出正確的推論是理性智能體的部分功能，但不是理性的全部內容。圖靈測試中需要的所有技能都是為了做出理性行為8定義其定義隨著人們對人工智能的理解而演變從內容上來說，AI是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。從外延上來說，人工智能就是要實現所有目前還無法不借助人類智慧才能實現的任務的集合。人工智能是計算機等科學的終極目標10人工智能相關學科哲學（since公元前428年）數學（since約800）經濟學與社會學（since1776）神經科學（since1861）生物進化論（since1858）心理學（since1879）計算機工程（since1940）控制論（since1948）語言學（since1957）哲學意識中，哪些部分是理性的，可以形式化的形式化規則能用來抽取合理的結論嗎？Aristotle的三段論：在初始前提的條件下機械地推導出結論。用機械裝置進行推理RamonLull,LeonardodaVinci,WilhelmSchickard精神的意識是如何從物質的大腦產生出來？Descartes給出了第一個關于意識和物質之間的區別及由此引起的問題的清晰討論：二元論vs.唯物主義11二元論vs.唯物主義二元論意識的一部分是超脫于自然之外的，不受物理定律影響。動物不擁有這種二元屬性，可以被當作機器看待。唯物主義大腦依照物理定律運轉而構成意識自由意志是對出現在選擇過程中的可能選擇的感受方式12數學哲學家們標志出了AI的大部分思想，但實現成為一門規范科學的飛躍就要求在三個基礎領域完成一定程度的數學形式化：邏輯、計算和概率。什么是抽取合理結論的形式化規則？Boole邏輯（接近命題邏輯）Frege擴展了Boole邏輯，使其包含對象和關系，創建了一階邏輯（當今最基本的知識表示系統）代表作“Begriffschrift”（概念符號），1879Tarski引入一種參考理論，可以表示如何將邏輯對象和現實世界的對象聯系起來。13數學（2）：邏輯和計算的極限Euclid的計算最大公約數的算法是第一個不可忽視的算法把一般的數學推理形式化為邏輯演繹的努力（始于19世紀晚期）Hilbert著名的“23個問題”的最后一個問題是：是否存在一個算法可以判定任何涉及自然數的邏輯命題的真實性。14邏輯和計算的極限（2）Turning試圖精確地刻畫哪些函數是能夠被計算的但，計算或有效過程的概念是無法給出形式化定義的。如果解決一個問題需要的時間隨實例的規模成指數級增長，該問題稱為不可操作的。NP-完全理論為認識不可操作問題提供一種方法任何NP-完全問題類可歸約而成的問題類很可能是不可操作的15邏輯和計算的極限（3）Godel證明了確實存在真實的局限（不完備性定理，1931）在任何表達能力足以描述自然數的語言中，在不能通過任何算法建立它們的真值意義下，存在不可判定的真值語句。Turing給出了可計算模型下的局限（停機定理）NP問題描述了實際計算能力下的局限數學（3）：概率概率起源于對賭博問題可能結果的描述，成為所有需要定量的科學的無價之寶，幫助對付不確定的測量和不完備的理論。（Cardano，16世紀）Bayes提出了根據新證據更新概率的法則（18世紀）Bayes分析形成了大多數AI系統中不確定推理的現代方法的基礎人類思考和應用并不完全按照精確邏輯進行不需要一定找到最優解，準最優解即可17經濟學我們如何決策以獲得最大效益？AdamSmith是第一個把經濟學當作科學來看待，認為經濟是個人代理之間的協調過程，這些代理追求自己的經濟利益的最大化。對于“偏好的結果”（效用）的數學處理，由Walras完成形式化。決策理論把概率和效用結合起來，為在不確定條件下進行決策提供了形式化和完整的框架。（適用于“宏觀”經濟）追求效益的、理性的行為，是智能在社會化環境下的表現18經濟學（２）“微觀”經濟與博奕論

在他人不合作情況下如何獲得最大效益？Nash表明，理性個體可以在非合作情況下達成一致當行動的收益不是立即體現的，而是一些按順序采用的行動的結果時，如何制定理性的決策？屬于運籌學問題的形式化

馬爾可夫決策過程基于滿意度的模型制定“足夠好”的決策，而不是艱苦計算得到最優化決策，能更好地描述人類行為。（Simon,1947)19神經科學：大腦是如何處理信息的？神經元構成大腦的組成大腦的組成端腦（大腦的主要部分）由約140億~1000億個神經元構成，超過10的14次方個神經突觸。據估計腦細胞每天要死亡約10萬個（越不用腦，腦細胞死亡越多）。大腦雖只占人體體重的2%，但耗氧量達全身耗氧量的25%，血流量占心臟輸出血量的15%，一天內流經腦的血液為2000升。腦消耗的能量若用電功率表示大約相當于25瓦。大腦功能的實現，是通過大量神經元組成的復雜神經網絡完成的，但具體機理尚有待研究。進化論：從進化的角度看智能的形成智能物種的獨特性進化路線是否一定導致智能物種的出現智能物種的進化路線進化論vs創造論從生物進化到文明進化知識基因心理學：人類和動物是如何思考的？研究方法：內省vs.心理測量行為主義者只研究對動物的感知和它所引發的行動的度量，排斥精神的結構，包括知識、信念、目標和推理步驟。認知心理學把大腦當作信息處理裝置。基于知識的智能體的三個步驟：把刺激翻譯成內部表示表示經過認知過程處理→新的表示表示被翻譯回到行動計算機模型的發展導致認知科學的創建普遍的觀點：“認知理論就應該像計算機程序”24計算機工程：如何制造能用的計算機？AI需要智能和人工制品，即計算機。AI對主流計算機科學的影響分時技術交互式翻譯器使用窗口和鼠標的個人計算機面向對象的編程…25控制論：人工制品怎樣才能在自己控制下運轉現代控制論和AI的共同點：設計出能隨時間變化使目標函數最大化的系統。控制論的主要工具是微積分和線性代數

其主要研究對象是用固定的連續變量集描述的（線性）系統AI的部分起因是尋求擺脫控制論的數學方法局限性的途徑不同的工具：邏輯推理和計算不同的問題：語言、視覺、規劃…26語言學：語言和思維是怎樣聯系起來的？成熟的思維是通過語言完成的現代語言學的誕生：Chomsky理論形式化，可以編程實現。知識表示的許多早期工作和語言緊密聯系2728總結哲學：標出了AI的大部分重要思想數學：使AI成為一門規范科學經濟學與社會學：決策理論神經科學：網絡，并行處理…生物進化論：進化路線心理學：認知理論計算機工程：AI的“載體”控制論：反饋的思想語言學：知識表示、語法人工智能發展歷程孕育誕生發展高潮與低谷孕育期（1943－1955）McCulloch&Pitts提出人工神經元模型基礎生理學知識和腦神經元的功能對命題邏輯的形式化分析Turing的計算理論Turing第一個清晰地描繪出AI的完整圖景在“ComputingMachineryandIntelligence”中提出了圖靈測試、機器學習、遺傳算法和增量學習。30誕生：DartmouthCollege，1956Dartmouthworkshop，1956夏天與會者的背景：自動機、神經網絡和智能研究Impact：在隨后的20年中，AI被與會者和他們在MIT、CMU、Stanford及IBM的學生和同事所統治。31Look,Ma,nohand!(1952-69)GPS可能是第一個實現了“像人一樣思考”方法的程序Samuel‘scheckersprogram，通過學習達到了業余高手的級別，反駁了認為計算機只能做人讓它做的事的觀念。（通過“強化學習”）McCarthy“ProgramswithCommonSense”描述了一個假設程序，AdviceTaker。它可被看作是第一個完整的AI系統，不同于其它的系統，它包含了世界的一般知識。SRI的Shakey機器人項目，第一次演示了邏輯推理和物理行為的完整集成。32早期成就機器定理證明一階謂詞邏輯幾何定理證明（吳文俊）求解微積分積木世界動作規劃游戲AI人工智能程序設計語言樂觀思潮第一代AI研究者們曾作出了如下預言:1958年，H.A.Simon，AllenNewell：“十年之內，數字計算機將成為國際象棋世界冠軍。”“十年之內，數字計算機將發現并證明一個重要的數學定理。”1965年，H.A.Simon：“二十年內，機器將能完成人能做到的一切工作。”1967年，MarvinMinsky：“一代之內……創造‘人工智能’的問題將獲得實質上的解決。”1970年，MarvinMinsky：“在三到八年的時間里我們將得到一臺具有人類平均智能的機器。”步入低谷早期的程序很少包含或不包含關于它們的主題信息AI試圖解決的許多問題不可操作計算復雜性和指數爆炸計算機的運算能力常識和推理莫拉維克悖論證明定理和解決幾何問題對計算機而言相對容易，而一些看似簡單的任務，如人臉識別或穿過屋子，實現起來卻極端困難。用于產生智能行為的基本結構有著一些基本的限制邏輯框架感知器3536基于知識的系統：力量的鑰匙？專家系統是一種程序，能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。專家系統的能力來自于它們存儲的專業知識PamelaMcCorduck：“智能可能需要建立在對分門別類的大量知識的多種處理方法之上。”“70年代的教訓是智能行為與知識處理關系非常密切。有時還需要在特定任務領域非常細致的知識。”知識庫系統和知識工程成為了80年代AI研究的主要方向。專家系統的繁榮期（1980-1987）主要應用領域：醫學診斷、自然語言理解。表示和推理的語言：Prolog、PLANNER、FrameEdwardFeigenbaum1972年設計的MYCIN能夠診斷血液傳染病1981年，日本經濟產業省撥款八億五千萬美元支持第五代計算機項目。其目標是造出能夠與人對話，翻譯語言，解釋圖像，并且像人一樣推理的機器。第二次低谷（AIwinter）專家系統維護費用居高不下。它們難以升級，難以使用，脆弱（當輸入異常時會出現莫名其妙的錯誤），成了以前已經暴露的各種各樣的問題（例如資格問題的犧牲品。專家系統的實用性僅僅局限于某些特定情景。微機的興起與軟件復雜性期望過高，難以實現，經費下降新的路線一些研究者根據機器人學的成就提出了一種全新的人工智能方案。他們相信，為了獲得真正的智能，機器必須具有軀體–它需要感知，移動，生存，與這個世界交互。他們認為這些感知運動技能對于常識推理等高層次技能是至關重要的。符號主義vs連接主義vs行為主義神經網絡的回歸和連接主義的興起1982年，物理學家JohnHopfield證明一種新型的神經網絡（現被稱為“Hopfield網絡”）能夠用一種全新的方式學習和處理信息。BP神經網絡訓練方法得到商業上的成功，它們被應用于光字符識別和語音識別軟件這些發現使1970年以來一直遭人遺棄的聯結主義重獲新生。深度學習：Hinton等人于2006年提出40現代的AIAI研究者們開發的算法開始變為較大的系統的一部分。AI曾經解決了大量的難題，這些解決方案在產業界起到了重要作用。應用了AI技術的有數據挖掘，工業機器人，物流，語音識別，銀行業軟件，醫療診斷和Google搜索引擎等。NickBostrom：“很多AI的前沿成就已被應用在一般的程序中，不過通常沒有被稱為AI。這是因為，一旦變得足夠有用和普遍，它就不再被稱為AI了。”研究者眼中的AI越來越多的AI研究者們開始開發和使用復雜的數學工具。人們廣泛地認識到，許多AI需要解決的問題已經成為數學，經濟學和運籌學領域的研究課題。AI已成為一門更嚴格的科學分支。許多AI研究者故意用其他一些名字稱呼他們的工作，例如信息學，知識系統，認知系統或計算智能。NewYorkTimes在2005年的一篇報道所說：“計算機科學家和軟件工程師們避免使用人工智能一詞，因為怕被認為是在說夢話。”人工智能的工程化領域：認知技術計算機視覺機器學習自然語言處理機器人技術語音識別技術具有廣泛的應用領域當代人工智能進步的催化劑計算能力的發展大數據互聯網和云計算新算法對復雜系統的理解深藍（DeepBlue）重1270公斤，有32個大腦（微處理器），每秒鐘可以計算2億步。“深藍”輸入了一百多年來優秀棋手的對局兩百多萬局。1997年5月11日，計算機在正常時限的比賽中首次擊敗了等級分排名世界第一的棋手。加里·卡斯帕羅夫以2.5:3.5（1勝2負3平）輸給IBM的計算機程序“深藍”。Mr.Watson沃森由90臺IBM服務器、360個計算機芯片組成。它擁有15TB內存、2880個處理器、每秒可進行80萬億次運算。2011年2月17日，在美國最受歡迎的智力競猜電視節目《危險邊緣》中擊敗該節目歷史上兩位最成功的選手肯-詹寧斯和布拉德-魯特，成為《危險邊緣》節目新的王者。大數據學習自然語言理解與表達非聯網情況下回答問題各國最新動態2013年年初，歐盟委員會就宣布“人腦工程”為歐盟未來10年的“新興旗艦技術項目”。2013年4月，美國白宮公布了“推進創新神經技術腦研究計劃”（簡稱“腦計劃”）。“中國腦計劃”正在探討，可能于2016年啟動“人類腦計劃”是可以和“曼哈頓計劃”、“阿波羅登月計劃”和“人類基因組計劃”等劃時代的三大科學工程相比的巨大科學工程，它們給整個人類社會帶來了深遠的影響。

美國腦計劃重點研究領域在2014財年將重點資助9個大腦研究領域。統計大腦細胞類型；建立大腦結構圖；開發大規模神經網絡記錄技術；開發操作神經回路的工具；了解神經細胞與個體行為之間的聯系；把神經科學實驗與理論、模型、統計學等整合；描述人類大腦成像技術的機制；為科學研究建立收集人類數據的機制；知識傳播與培訓。人工智能中的哲學思考弱AI與強AI普遍問題意識、思維、智能與物質基礎缸中之腦與黑客帝國柏拉圖的洞穴我思故我在希爾中文屋強AI的哲學問題弱AI弱人工智能觀點認為不可能制造出能真正地推理（Reasoning）和解決問題（Problem-solving）的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。主流科研集中在弱人工智能上，并且一般認為這一研究領域已經取得可觀的成就。強人工智能的研究則處于停滯不前的狀態下。目前上沒有明確的路線。強AI強人工智能觀點認為有可能制造出真正能推理（Reasoning）和解決問題（Problem-solving）的智能機器，并且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智能可以有兩類：類人的人工智能，即機器的思考和推理就像人的思維一樣。非類人的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。意識、智能與物質基礎意識（和智能）能否獨立于物質存在，就如同信息和其載體之間的關系忒修斯之船悖論如果忒修斯的船上的木頭被逐漸替換，直到所有的木頭都不是原來的木頭，那這艘船還是原來的那艘船嗎？如果我們逐漸用AI（包括人工器官）替代肉體，那么我們還是自己么？如果我們將人腦計算機化，那么自己還存在么？缸中之腦與黑客帝國缸中之腦一個人被邪惡科學家施行了手術，他的腦被放進一個盛有維持腦存活營養液的缸中。腦的神經末梢連接在計算機上，計算機按照程序向腦傳送信息，使他保持一切完全正常的幻覺。對于他來說，似乎人、物體、天空還都存在，自身的運動、身體感覺都可以輸入。這個腦還可以被輸入或截取記憶（截取掉大腦手術的記憶，然后輸入他可能經歷的各種環境、日常生活）。有關這個假想的最基本的問題是：“你如何擔保你自己不是在這種困境之中？”黑客帝國Matrix不僅是一個虛擬程序，也是一個實際存在的地方。在這里，人類的身體被放在一個盛滿營養液的器皿中，身上插滿了各種插頭以接受電腦系統的感官刺激信號。人類就依靠這些信號，生活在一個完全虛擬的電腦幻景中。人類能否知道自己是生活在Matrix里面，并且逃離莊生夢蝶柏拉圖的洞穴比喻設想有這樣一個大洞，洞中的囚徒看不到外面的世界和他人，實際上也看不到自己身體的任何部分，而只能夠看到面前的墻壁。他們在如此的環境下終其一生，不知道其他任何東西。囚徒們一生中所感覺或經驗到的唯一實在就是這些外部的影子和回聲。在此情況下，他們自然而然地會以為這些影子和回聲成了全部的現實和知識。我們獲得的知識可能是虛假的？！我思故我