技術(shù)控必看：人工智能是怎么思考的

　　2、像人一樣行動(dòng)

　　如果說(shuō)像人一樣思考說(shuō)的是把模仿人的內(nèi)部智能思維過程定義為人工智能，那么像人一樣行動(dòng)則說(shuō)的是把模仿人類智能外在表現(xiàn)稱為了人工智能。

　　值得注意的是，這種模仿并不是一種物理模擬。如果嚴(yán)格地說(shuō)，要想讓一個(gè)機(jī)器能在“像人一樣行動(dòng)”這個(gè)維度具有智能，他需要的能力包括：自然語(yǔ)言處理，知識(shí)表示，自動(dòng)推理，機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺以及機(jī)器人學(xué)。說(shuō)了這么多理論的東西，我們來(lái)舉一個(gè)具體的例子。

　　我們先設(shè)定一種情況：

　　假設(shè)在你面前站著一個(gè)黑衣人，他渾身都裹著一層布，所以你并不知道他是真正的人還是什么東西。就在這時(shí)你問了他一個(gè)問題：什么事情iPad能做，但是iPhone卻不能做?他思考片刻回答道：燜住方便面桶。說(shuō)完，默默地拿起iPad就把你剛剛泡上的方便面用iPad蓋上了。這個(gè)時(shí)候再問你，你覺得他是一個(gè)真實(shí)的人類還是一種機(jī)器?

　　于是你陷入了沉思，這貨不論是從問題回答的正確性以及行為動(dòng)作而言根本看不出有什么漏洞，而且竟然還會(huì)機(jī)智地說(shuō)段子，然后你承認(rèn)你無(wú)法判斷。

　　例子講完了，其實(shí)剛才那個(gè)過程就是所謂的圖靈測(cè)試的生動(dòng)版。

　　人類的大腦能學(xué)習(xí)幾乎所有東西，比如兩三歲的孩子已經(jīng)能夠掌握至少一門的語(yǔ)言、能從極其復(fù)雜的環(huán)境中一眼認(rèn)出父母，不管他們的站姿和表情。但這與人工智能相距甚遠(yuǎn)，更不用說(shuō)搞清楚“智力”這種玄乎的東西了。

　　3、合理地思考

　　雖然我們?nèi)祟惖闹悄苁莻ゴ蟮?，但是盡管如此，我們?nèi)匀恍枰鎸?duì)一個(gè)十分嚴(yán)酷的結(jié)論，我們?nèi)祟惒⒉皇峭昝赖?。而在追求完美的路上，我們遇到了人工智能，所以我們是將人工智能向人的方向發(fā)展還是向更加完美、在一定程度上已經(jīng)脫離了人這個(gè)本體的方向來(lái)發(fā)展，這也是我們?nèi)绾味x人工智能的一個(gè)重要議題。

　　所以在討論了“像人一樣”的話題后，我們要開始談?wù)摗昂侠淼亍边@個(gè)話題了。上面已經(jīng)對(duì)什么是合理進(jìn)行了說(shuō)明，即如果一個(gè)系統(tǒng)可以基于已知條件做正確的事情那么它就是合理的。

　　希臘的哲學(xué)家亞里士多德是首先識(shí)圖嚴(yán)格定義“正確思考”的人之一，他將其定義為不可反駁的推理過程。他提出的三段論為在給定正確前提時(shí)總產(chǎn)生正確結(jié)論的論證結(jié)構(gòu)提出了模式，這就是三段論推理模式。

　　三段論推理說(shuō)的是這樣一種簡(jiǎn)單判斷推理，它包含兩個(gè)直言命題構(gòu)成的前提，和一個(gè)直言命題構(gòu)成的結(jié)論。一個(gè)正確的三段論有且僅有三個(gè)詞項(xiàng)，其中聯(lián)系大小前提的詞項(xiàng)叫中項(xiàng)，在前提中出現(xiàn)兩次;出現(xiàn)在大前提中，又在結(jié)論中做謂項(xiàng)的詞項(xiàng)叫大項(xiàng);出現(xiàn)在小前提中，又在結(jié)論中做主項(xiàng)的詞項(xiàng)叫小項(xiàng)。

　　概念有點(diǎn)復(fù)雜，我們舉一個(gè)例子：牛有四條腿，奶牛是牛，所以奶牛有四條腿，這便是三段論。

　　這些先賢認(rèn)為這些思維法則正是支配頭腦運(yùn)行的基本法則，并且開創(chuàng)了被稱為邏輯學(xué)的領(lǐng)域，而且19世紀(jì)的邏輯學(xué)家門為了世上各種對(duì)象以及對(duì)象之間關(guān)系的陳述制訂了一種精確的表示法。

　　從表面上看這種表示法似乎距離我們所說(shuō)的人工智能又近了一步，但是遺憾的是，這種方法卻存在著很大的兩處缺陷：

　　一個(gè)就是由于這種表示法為了精確表達(dá)各種對(duì)象之間的關(guān)系所以必須做到事無(wú)巨細(xì)，但是這就導(dǎo)致了，有些稍微復(fù)雜的問題，他們之間的邏輯表示可能要幾百上千條，但是電腦的運(yùn)行資源是有限的，可能在求解一個(gè)只有幾百條事實(shí)的問題就已經(jīng)耗盡任何計(jì)算機(jī)的資源。

　　其實(shí)人工智能自1947年圖靈在倫敦?cái)?shù)學(xué)學(xué)會(huì)真正提出來(lái)之后的將近70年的時(shí)間里，人工智能經(jīng)歷了很長(zhǎng)一段的瓶頸期，直到現(xiàn)在才又重新蓬勃發(fā)展起來(lái)，邏輯學(xué)的這種思路正是一個(gè)重要原因。

　　也就是，人們總是希望創(chuàng)造或者用規(guī)則復(fù)現(xiàn)出一種合理推理的“規(guī)則”，然后讓計(jì)算機(jī)照著這種規(guī)則來(lái)運(yùn)行，但是問題就在這里：

　　一方面這種規(guī)則的制定并不是一件容易的事情，他需要的人力以及智力都遠(yuǎn)遠(yuǎn)超乎想象，況且世界上那么多需要“列舉”的規(guī)則，能列舉的完嗎。

　　另一方面即使列舉出了這些規(guī)則，但是要想將這些規(guī)則描述為計(jì)算機(jī)程序，龐大的計(jì)算量也并不是計(jì)算機(jī)所能承載的，更況且是幾十年前的計(jì)算機(jī)，所以這也是一大缺陷。

　　另一個(gè)大的缺陷就是，在我們這個(gè)世界上，并不是所有的關(guān)系都是確定的，而且真正的事實(shí)是，大部分的關(guān)系都不能真正用邏輯來(lái)表示。

　　凡此種種，我們都不能用一個(gè)“百分之百”的知識(shí)來(lái)表示，這也是人工智能瓶頸期的重要制約因素，這也是為什么隨著機(jī)器學(xué)習(xí)等優(yōu)秀的處理概率事件的方法面市后人工智能得到飛速發(fā)展的一個(gè)重要原因。