思维法则、理性行动
共 2168字，需浏览 5分钟
·
2022-06-11 07:59
图灵测试是阿兰•图灵(AlanDiring)提出的(1950)，设计的目的是为智能提供一个满足可操作的要求的定义。他建议与其提出一个长长的而可能有争议的清单来列举智能所需要的能力，不如釆用一项基于人类这种无可质疑的智能实体的辨别能力的测试。如果人类询问者在提出一些书面问题后，无法判断答案是否由人写出，那么计算机就通过了测试。计算机尚需具有以下能力：
自然语言处理，使得计算机可以用英文成功地进行交流；
知识表示，储存它知道的或听到的信息；
自动推理，运用储存的信息来回答问题和提取新的结论；
机器学习，能适应新的环境并能检测和推断新的模式。
计算机视觉，可以感知物体；
机器人技术，可以操纵和移动物体。这六个领域构成了AI的大部分内容，图灵测试有意避免询问者与计算机之间的直接物理接触，这是因为人类身体和生理的模拟对于智能是不必要的。当然，所谓的完全图灵测试还包括询问者利用视频信号来测试对方的感知能力，以及询问者“通过窗口”传递物体给受试对象。
古希腊哲学家亚里士多德是首先试图严格定义“正确思考”的人之一，他将其定义为不能辩驳的推理过程。他的三段论提供了一种在已知前提正确时总能推出正确结论的论据结构模式——举个例子，“苏格拉底是男人；所有的男人都是凡人；因此，苏格拉底也是凡人。”这些思维法则被认为支配着意识活动；对它们的研究创立了逻辑学研究领域。
19世纪的逻辑学家发展出一种描述世界上的一切事物及其彼此之间关系的精确的命题符号。(与之形成对照，普通的算术符号主要用于描述数与数之间的相等和不等关系的命题。)到了1965年，原则上，已经有程序可以求解任仞用逻辑符号描述的可解问题七人工智能领域中传统上所谓的逻辑主义希望通过编制上述程序来创造智能系统。
这种逻辑的方法有两个障碍。首先，难以获得非形式化的知识并得到逻辑符号表示所需的形式化表达，特别是在知识不是百分之百可靠的情况下。其次，“原则上”可以解决一个问题与实际解决问题这二者之间存在巨大的差异。甚至对于仅有几十条事实的问题进行求解，如果没有一定的指导来选择合适的推理步骤，都可能耗尽任何计算机的计算资源。尽管这两个问题适用于任礙立计算推理系统的努力，它们最先出现在传统逻辑上义中。
智能体(agent)就是某种能够行动的东西(agent这个英文单词源于拉丁语agere,意为“去做”)。但是人们期待计算机智能体有其它区别于简单“程序”的属性，诸如自主控制的操作、感知环境、持续能力、适应变化、以及有能力承担其它智能体的目标。理性智能体则要通过自己的行动获得最佳结果，或者在不确定的情况下，获得最佳期望结果。
AI的“思维法则”方法中，强调的是正确的推论。做出正确推论有时也是理性智能体的部分功能，因为实现理性行动的一个途径就是通过逻辑推理得出指定行动能达成目标的结论，再付诸实施。另一方面，正确的推论并不是理性的全部内容，因为在许多情况下，没有能证明正确性的事情可做，但是仍然必须有所行动。还有一些完成理性行动的方式不能说与推论过程有关。例如，从灼热的火炉上拿开手，是一种反射活动，它通常要比经过仔细思彩盾釆取的相对缓慢的行动更有成效。
图灵测试中需要的所有技能都是为了做出理性行为，从而，我们需要表示知识并用之进行推理的能力，因为只有这样我们才能在多种不同的环境中制定出好的决策。我们需要生成可理解的自然语言语句的能力，因为只有这样才能够被复杂的社会接受。我们需要学习，不只是为了博学，而是因为对世界运转的更好理解使得我们可以找到解决问题的更有效的策略「我们需要视觉感知，不仅仅因为世界是缤纷多彩的，更是为了对行为的可能后果有更好的了解——如，能看到可口的食物，会帮助人接近它。
由于上述原因，将AI的研究视为理性智能体的设计过程至少有两个好处。首先，它比“思维法则"方法更加通用，因为正确的推论只是实现理性的几种可能的机制之一。其次，它比建立在人类行为或者思维基础上的方法更经得起科学发展的检验，因为理性的标准有着清楚的定义并且是十分普遍的。另一方面，人类行为可以很好地适应特定环境，并且部分取决于还远远未达到完善程度的复杂而未知的进化过程。因此，本书将着重讨论理性智能体的通用原则以及构造此类智能体所需的组成部分。可以看出，尽管对于问题的描述是非常简单明了的，要解决问题的时候仍然会遇到各种各样的困难。
应该牢记的一个重点是：我们将看到很长一段时间内实现完美的理性^即总能做正确的事情——在复杂的环境下是不可行的。这对运算能力的要求实在太高了。不过，在本书的大部分内容中，我们将采用可行的假设，即完美理性是分析的合适出发点。这样可以简化问题，并提供领域中大多数基本素材的适当设置。那么，我们如何在没有足够的计算时间的前提下采取正确的行动。
公众号粉丝礼包： 后台关键词：python大礼包 礼包内容：Matlab,数据分析与机器学习实战,数据科学概率基础,数学基础,算法讲解视频 整理不易，还请点击在看与分享，谢谢。 星标🌟公众号，可以更快接收文章！
每日一得“在看”
