算法：人工智能的新曙光

《算法：人工智能的新曙光》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、算法：人工智能的新曙光小紅豬小分隊(duì)發(fā)表于2011-07-07譯者：DLM（Miller），Mr.YXD也有貢獻(xiàn)于此譯文翻譯組合介紹：DLM,80后業(yè)余科學(xué)小野人，流連NewScientist,NationalGeography，Economist，接收雜七雜八的信息。失業(yè)期間偶遇松鼠會(huì)小紅豬，便想停下來學(xué)著剝一下“果殼”。Mr.YXD，來自火星的地球科學(xué)怪人。校對(duì)：蘇椰小紅花等級(jí)：3朵原文地址：I,algorithm:Anewdawnforartificialintelligence--從核彈到早產(chǎn)嬰兒，人工智能技術(shù)已經(jīng)最終成為足夠可靠的監(jiān)視一切的手段。在一個(gè)有血有肉的醫(yī)生和一個(gè)

2、人工智能系統(tǒng)之間，兩者選擇其一來作出疾病診斷，佩德羅·多明戈斯更樂意把自己的生命押注到人工智能系統(tǒng)上。佩德羅·多明戈斯是西雅圖華盛頓大學(xué)的一名計(jì)算機(jī)科學(xué)家，“我寧愿相信機(jī)器也不要相信醫(yī)生，”他說?？紤]到人工智能（AI）通常獲得的差勁口碑——過度炒作，乏善可陳——如此強(qiáng)烈的支持聲音確實(shí)鮮見。回到二十世紀(jì)六十年代，AI系統(tǒng)在復(fù)制人腦的某些關(guān)鍵方面似乎大有前途。通過使用數(shù)理邏輯，科學(xué)家開始重現(xiàn)和推理現(xiàn)實(shí)世界的知識(shí)，但是，很快這種方法淪為AI的枷鎖。盡管數(shù)理邏輯在模擬人腦（解決問題）方面富有成效，但是它在本質(zhì)上并不適合處理不確定性。然而經(jīng)過因自我枷鎖造成的漫長(zhǎng)封殺之后，AI這個(gè)廣受詬病的

3、領(lǐng)域卻重新興盛起來。多明戈斯并非唯一對(duì)其抱有全新信心的科學(xué)家。研究者希望通過成熟的電腦系統(tǒng)來檢測(cè)嬰兒疾病，把口頭語(yǔ)言翻譯成文本，甚至是找出惡意核爆。這些由成熟的電腦系統(tǒng)展現(xiàn)出來的早期能力就是最初在AI界引起人們廣泛興趣的東西：即使在紛繁復(fù)雜的世界，電腦仍具有像人類一樣的推理能力。處于AI復(fù)興核心的是一種叫概率性程序的技術(shù)，它在舊有AI的邏輯基礎(chǔ)上加入統(tǒng)計(jì)概率的應(yīng)用?！八莾煞N最強(qiáng)大的理論的自然統(tǒng)一，這兩種理論已經(jīng)被發(fā)展來理解和推導(dǎo)這個(gè)世界?！笔范既A·羅素說，他是加州大學(xué)伯克利校區(qū)現(xiàn)代人工智能方面的先驅(qū)。這套強(qiáng)大的綜合體終于開始驅(qū)散籠罩在AI漫長(zhǎng)嚴(yán)冬上的迷霧?！斑@肯定會(huì)是一個(gè)（AI

4、的）春天?！甭槭±砉W(xué)院的認(rèn)知科學(xué)家約什·田納邦說?！叭斯ぶ悄埽╝rtificialintelligence）”一詞于1956年由MIT的約翰·麥卡錫創(chuàng)造。那時(shí)，他提倡使用邏輯語(yǔ)言開發(fā)能進(jìn)行推理的電腦系統(tǒng)。該方法隨著所謂的一階邏輯的應(yīng)用趨于成熟。在一階邏輯中，現(xiàn)實(shí)世界的知識(shí)通過使用正式的數(shù)學(xué)運(yùn)算符號(hào)和標(biāo)記進(jìn)行?；?。它為客觀體世界和客觀體間相互關(guān)系而設(shè)，能夠用來解析他們之間的聯(lián)系并得出有用的結(jié)論。例如，如果X（某人）患有高傳染性的疾病Y，患者X與某人Z近距離接觸，那么用這種邏輯便可推導(dǎo)Z患有Y疾病。然而，一階邏輯最大的功勞是它允許越來越復(fù)雜的模型由最小的結(jié)構(gòu)模塊構(gòu)建起來。例如，上述

5、情況可以輕易地延伸到建立流行病學(xué)的致死傳染病模型，以及對(duì)其發(fā)展進(jìn)行結(jié)論性推導(dǎo)。這種把微小概念不斷擴(kuò)展成概念集合的邏輯功能意味著人類大腦中也存在類似的思維模式。這個(gè)好消息并沒有存在得太久?！安恍业氖牵罱K，邏輯沒能實(shí)現(xiàn)我們的期待。”加州斯坦福大學(xué)的認(rèn)知科學(xué)家諾阿·古德曼說。由于使用邏輯來表現(xiàn)知識(shí)并進(jìn)行推理的過程要求我們對(duì)現(xiàn)實(shí)世界的實(shí)際知識(shí)有精確的掌握，容不得半點(diǎn)模糊。要么“真”要么“假”，不存在“也許”。而不幸的是，現(xiàn)實(shí)世界，幾乎每一條規(guī)則都充滿了不確定性、干擾和例外情況。簡(jiǎn)單地用一階邏輯構(gòu)建的AI系統(tǒng)不能處理這些問題。舉例來說，你想分辨某人Z是否有疾病Y，這里的規(guī)則是清晰明白的：

6、如果Z與X接觸，那么Z患病。但是一階邏輯不能處理Z在或者已經(jīng)感染或者沒有之下的情況。另一個(gè)嚴(yán)重的問題是，一階邏輯不能逆向推導(dǎo)。例如，如果你知道Z患有疾病Y，你不可能完全確定Z的疾病是從X那里感染的。這是有醫(yī)學(xué)診斷系統(tǒng)面臨的典型問題。邏輯規(guī)則能夠?qū)⒓膊『桶Y狀聯(lián)系起來，而一個(gè)醫(yī)生面對(duì)癥狀卻能逆推出其病因。“這需要轉(zhuǎn)變邏輯公式，而且演繹邏輯并不適合處理這種問題，”田納邦說。這些問題意味著到了二十世紀(jì)八十年代中葉，AI的冬天到來了。當(dāng)時(shí)流行的看法是：AI毫無(wú)發(fā)展可言。然而，古德曼私下相信，人們不會(huì)放棄AI，“AI轉(zhuǎn)入地下發(fā)展了，”他說。1980年代末神經(jīng)網(wǎng)絡(luò)的到來讓AI的解凍露出第一線曙

7、光。神經(jīng)網(wǎng)絡(luò)的想法之簡(jiǎn)單讓人驚嘆。神經(jīng)系統(tǒng)科學(xué)的發(fā)展帶來了神經(jīng)元的簡(jiǎn)單模型，加上算法的改進(jìn)，研究者構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)（ANNs）。表面上，它能夠像真正的大腦一樣學(xué)習(xí)。受到鼓舞的計(jì)算機(jī)科學(xué)家開始?jí)粝胗猩习偃f(wàn)或者上萬(wàn)億神經(jīng)元的ANNs?？墒呛芸斓兀聦?shí)證明我們的神經(jīng)元模型顯然過于簡(jiǎn)單，研究者都分不清神經(jīng)元的哪些方面的性質(zhì)是重要的，更不用說模仿它們了。不過，神經(jīng)網(wǎng)絡(luò)為新的AI領(lǐng)域構(gòu)筑了一部分基礎(chǔ)。一些繼續(xù)在ANNs上奮斗的研究者終于意識(shí)到這些網(wǎng)絡(luò)可以被認(rèn)為是在統(tǒng)計(jì)和概率方面對(duì)外部世界的