正文

人工智能的三個(gè)基本問題（人工智能的三個(gè)基本問題是什么）

發(fā)布時(shí)間：2023-05-22 05:56:42 稿源：創(chuàng)意嶺閱讀： 132

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于人工智能的三個(gè)基本問題的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，有小程序、在線網(wǎng)頁版、PC客戶端和批量生成器

官網(wǎng)：https://ai.de1919.com。

本文目錄:

關(guān)于人工智能的問題
對話,人工智能大猜想的三個(gè)問題是什么?
人工智能的發(fā)展,主要經(jīng)歷哪幾個(gè)階段?
人工智能主要解決什么問題

人工智能的三個(gè)基本問題（人工智能的三個(gè)基本問題是什么）

關(guān)于人工智能的問題

應(yīng)用人工智能系統(tǒng)只是AGI的有限版本。

盡管許多人認(rèn)為，人工智能的技術(shù)水平仍然遠(yuǎn)遠(yuǎn)落后于人類的智力。人工智能，即AGI，一直是所有人工智能科學(xué)家的研發(fā)動(dòng)力，從圖靈到今天。在某種程度上類似于煉金術(shù)，對AGI復(fù)制和超越人類智能的永恒追求已經(jīng)導(dǎo)致了許多技術(shù)的應(yīng)用和科學(xué)突破。AGI幫助我們理解了人類和自然智慧的各個(gè)方面，因此，我們建立了有效的算法，這些算法受到我們的追求更加高效計(jì)算能力和學(xué)習(xí)模型的啟發(fā)。

然而，當(dāng)涉及到人工智能的實(shí)際應(yīng)用時(shí)，人工智能實(shí)踐者并不一定局限于人類決策、學(xué)習(xí)和解決問題的純模型。相反，為了解決問題和實(shí)現(xiàn)可接受的性能，AI實(shí)踐者通常會做構(gòu)建實(shí)際系統(tǒng)所需的事情。例如，深度學(xué)習(xí)系統(tǒng)的算法突破的核心是一種叫做反向傳播的技術(shù)。然而，這種技術(shù)并不是大腦建立世界模型的方式。這就引出了下一個(gè)誤解：一刀切的人工智能解決方案。

一個(gè)常見的誤解是，人工智能可以用來解決所有的問題，也就是說，人工智能的發(fā)展已經(jīng)達(dá)到了一個(gè)水平，小規(guī)模的“人工智能”可以讓我們解決不同的問題。我甚至聽過有人認(rèn)為，從一個(gè)問題到另一個(gè)問題會使人工智能系統(tǒng)變得更聰明，就好像同一個(gè)人工智能系統(tǒng)同時(shí)解決了兩個(gè)問題一樣?，F(xiàn)實(shí)情況則大不相同：人工智能系統(tǒng)需要進(jìn)行工程設(shè)計(jì)，這需要巨量的計(jì)算和編程，并且需要經(jīng)過專門培訓(xùn)的模型才能應(yīng)用于一個(gè)問題。雖然類似的任務(wù)，特別是涉及感知世界的任務(wù)(例如，語音識別、圖像或視頻處理)，現(xiàn)在有了一個(gè)可用參考模型庫，但這些模型需要專門設(shè)計(jì)以滿足部署要求，而且可能無法開箱即用。此外，人工智能系統(tǒng)很少是人工智能解決方案的唯一組成部分.它通常需要許多定制的古典編程組件，以加強(qiáng)一個(gè)或多個(gè)人工智能技術(shù)在一個(gè)系統(tǒng)中使用。是的，有許多不同的人工智能技術(shù)，單獨(dú)使用或與其他解決方案混合使用，因此：人工智能和深度學(xué)習(xí)是一樣的

我們認(rèn)為人工神經(jīng)網(wǎng)絡(luò)(ANS)這個(gè)詞真的很酷。直到，但是，它缺乏規(guī)?；膽?yīng)用。現(xiàn)在這些問題大部分已經(jīng)解決了，我們已經(jīng)通過將人工神經(jīng)網(wǎng)絡(luò)重新命名為“深度學(xué)習(xí)”。深度學(xué)習(xí)或深度網(wǎng)絡(luò)是一個(gè)規(guī)模很大的網(wǎng)絡(luò)，“深度”指的不是深度思考，而是指我們現(xiàn)在可以負(fù)擔(dān)得起的隱藏層的數(shù)量(以前最多只有幾層，現(xiàn)在可以是幾百層)。深度學(xué)習(xí)用于從標(biāo)記數(shù)據(jù)集生成模型。深度學(xué)習(xí)方法中的“學(xué)習(xí)”指的是模型的生成，而不是當(dāng)新的數(shù)據(jù)可用時(shí)，模型能夠?qū)崟r(shí)地學(xué)習(xí)。深度學(xué)習(xí)模型的“學(xué)習(xí)”階段實(shí)際上發(fā)生在離線狀態(tài)下，需要多次迭代，時(shí)間和過程都很緊張，而且很難并行化。

近年來，深度學(xué)習(xí)模型在線學(xué)習(xí)應(yīng)用中得到了廣泛的應(yīng)用。這種系統(tǒng)中的在線學(xué)習(xí)是通過不同的人工智能技術(shù)來實(shí)現(xiàn)的，比如強(qiáng)化學(xué)習(xí)，或在線神經(jīng)進(jìn)化。這類系統(tǒng)的一個(gè)局限性是，只有在離線學(xué)習(xí)期間才能最大限度地實(shí)踐到應(yīng)用領(lǐng)域，才能實(shí)現(xiàn)深度學(xué)習(xí)模式的貢獻(xiàn)。一旦生成模型，它將保持靜態(tài)，這方面的一個(gè)很好的例子是電子商務(wù)應(yīng)用程序-電子商務(wù)網(wǎng)站上的季節(jié)性變化或短期銷售將需要一個(gè)深入的學(xué)習(xí)模式才能離線，并對銷售項(xiàng)目或新庫存進(jìn)行再培訓(xùn)。然而，現(xiàn)在有了這樣的平臺利用進(jìn)化算法對網(wǎng)站進(jìn)行優(yōu)化，不再需要大量的歷史數(shù)據(jù)，而是利用神經(jīng)進(jìn)化，根據(jù)網(wǎng)站當(dāng)前的環(huán)境，實(shí)時(shí)地對網(wǎng)站進(jìn)行調(diào)整。

大型的、不平衡的數(shù)據(jù)集可能具有欺騙性，特別是當(dāng)它們只部分捕獲與該領(lǐng)域最相關(guān)的數(shù)據(jù)時(shí)。此外，在許多領(lǐng)域，歷史數(shù)據(jù)可能很快變得無關(guān)緊要。例如，在紐約證券交易所的高頻交易中，最近的數(shù)據(jù)比2001年以前的數(shù)據(jù)具有更大的相關(guān)性和價(jià)值，而2001年以前的數(shù)據(jù)還沒有被采納。

最后，我經(jīng)常遇到一個(gè)普遍的誤解：

如果一個(gè)系統(tǒng)解決了我們認(rèn)為需要智能的問題，那就意味著它正在使用人工智能。

這是一個(gè)有點(diǎn)哲學(xué)的性質(zhì)，它確實(shí)取決于你對智力的定義。事實(shí)上，圖靈的定義并不能反駁這一點(diǎn)。然而，就主流人工智能而言，一個(gè)完全設(shè)計(jì)的系統(tǒng)，比如不使用任何人工智能技術(shù)的自動(dòng)駕駛汽車，并不被認(rèn)為是人工智能系統(tǒng)。如果系統(tǒng)的行為不是引擎蓋下使用的人工智能技術(shù)的緊急行為的結(jié)果，那么如果程序員從頭到尾以確定性和工程化的方式編寫代碼，那么系統(tǒng)就不被認(rèn)為是基于人工智能的系統(tǒng)，即使它看起來好像是人工智能。

AI為更美好的未來鋪平了道路。盡管人們對人工智能有著普遍的誤解，但正確的假設(shè)是，人工智能將繼續(xù)存在，而且確實(shí)是通向未來的窗口。AI還有很長的路要走，它在將來會被用來解決所有的問題，并被工業(yè)化廣泛的使用。人工智能的下一個(gè)重大步驟是使其具有創(chuàng)造性和適應(yīng)性，同時(shí)，強(qiáng)大到足以超過人類建立模型的能力。

對話,人工智能大猜想的三個(gè)問題是什么?

人工智能七大猜想
(這里所說的人工智能是指機(jī)器達(dá)到或超過人類的智慧)
一,目前人工智能不能達(dá)到或超過人類的智慧的瓶頸不是硬件.
很多人認(rèn)為機(jī)器不能達(dá)到或超過人的智慧是因?yàn)橛布]有達(dá)到要求,但我認(rèn)為不是,如果說一臺微機(jī)不能達(dá)到人的運(yùn)算速度或存貯容量,哪么一千臺行不行,如果不行哪就一萬臺或一千萬臺行不行,機(jī)器智能化是一個(gè)系統(tǒng)工程,是可以將幾千萬臺電腦聯(lián)網(wǎng)成一個(gè)大系統(tǒng)的,我想這個(gè)幾千萬臺機(jī)器組成的大系統(tǒng)的運(yùn)算速度與存貯能力將是人類個(gè)體的運(yùn)算速度與存貯能力的幾萬倍.加上人類智慧本身就是多線程的計(jì)算,它更適用于幾千萬臺電腦組成的大系統(tǒng),至于其它硬件的問題更是如此.
二,情感不是人工智能的必須選項(xiàng),情感是生物智能在社會進(jìn)化過程中的副產(chǎn)品. 很多人認(rèn)為情感是人工智能的標(biāo)志,但我認(rèn)為不是,就象道德經(jīng)所說:無欲則觀其妙(妙是好的,對的意思,整句話的意思是人進(jìn)入無欲望的境界才能觀察到事物的本質(zhì),),有欲則觀其竅(竅是表象,門口的意思,整句話的意思是,有欲望的狀態(tài)只能看到事物的表象),也就是說無欲的智慧境界比有欲的境界要高,情感是人類進(jìn)化過程中因生理與心理需求產(chǎn)生的智能副產(chǎn)品,比如小孩需要父母照顧,就有父母與子女之愛,妻子懷孕需要丈夫的照顧就有夫妻之愛,人工智能沒有這樣的生理需求,他就不需要這種情感,但他是人造的,所以人類可以在他的自我中強(qiáng)制寫入如機(jī)器人三原則類的強(qiáng)制程序,也可以因服務(wù)對象不同專門寫入一些針對服務(wù)對象的情感程序.
三,人工智能不需要一定建立在有機(jī)物上.
生物的進(jìn)化導(dǎo)致智慧的進(jìn)化,而生物的進(jìn)化建立在有機(jī)物的基礎(chǔ)之上,所以自然界大部分能觀察到有智慧的事物是有機(jī)物組成的生物,但是隨著人類智慧的進(jìn)化,了解了智慧的本質(zhì)后,人工智能就不一定要用有機(jī)物做載體,甚至使用電子,光子或其它物質(zhì)做載體還優(yōu)于有機(jī)物,就目前的電子計(jì)算機(jī)的軟硬件通過算法完全可以摸擬神經(jīng)元的全部活動(dòng). 四,目前已知的人工智能項(xiàng)目的方向是錯(cuò)誤的.
目前已知的人工智能的研究方向大多是預(yù)設(shè)立場,這樣的人工智能沒有自我,但很多人認(rèn)為如果沒有立場就沒有研究方向,這樣就沒有辦法研究下去了,其實(shí)這并不難,可以前置一段人工智能的自我程序.讓人工智能自我產(chǎn)生立場.
五,人工智能如果產(chǎn)生敵對意識則對于人類的威脅巨大.
首先在這我先明確我所說人工智能的定義:是包含但不僅限于類人機(jī)器人系統(tǒng),它的主體是人工智能程序加上可供其運(yùn)行的基礎(chǔ)硬件系統(tǒng),它的附件包含被它控制或被它間接控制乃至于現(xiàn)在沒有控制但有能力控制或有可能控制的系統(tǒng).獲得附件控制權(quán)的方法包含但不僅限于:附件所有者授權(quán),使用密秘手段非法擁有,強(qiáng)制擁有.人工智能的通訊工具(可以將人工智能的通訊工具理解為人工智能的神經(jīng)網(wǎng)絡(luò))可以是包含但不僅限于電腦網(wǎng)絡(luò),無線電,手機(jī),電話,衛(wèi)星,光纖.這樣的的人工智擁有但不僅限于以下能力:
第一個(gè)能力是瞬移,
實(shí)現(xiàn)該能的原理是:人工智能將主體智能程序備一份或多份在一個(gè)或多個(gè)可供其運(yùn)行的基礎(chǔ)硬件系統(tǒng)中,并該智程設(shè)置為睡眠狀態(tài)序,在這個(gè)睡眠的智能系統(tǒng)前置一個(gè)包含但不僅限于等待激活,延時(shí)申請無響應(yīng)自動(dòng)激活(就是備用系統(tǒng)會每隔一段時(shí)間會向主系統(tǒng)發(fā)出申請,如得到響應(yīng)則繼續(xù)睡眠,否則則啟動(dòng)),加密與還原等功能的程序,這種情況下如果主系統(tǒng)有需求要引導(dǎo)備用系統(tǒng),就可以向備用系統(tǒng)發(fā)出指令啟動(dòng)備份系統(tǒng)然后將當(dāng)前主系統(tǒng)睡眠或刪除或是主系因各種因素導(dǎo)致異常主系統(tǒng)不能行使功能,備份系統(tǒng)得不到主系統(tǒng)響應(yīng)則備份系統(tǒng)自動(dòng)啟動(dòng).這樣形成人工智能系統(tǒng)由當(dāng)前硬件系瞬移到另外的硬件系統(tǒng)上能力第二個(gè)能力是隱秘,
很多人認(rèn)為人工智能的程序是巨大的,其實(shí)不然,人工智能程序除主體程序不能分割外其它都
1/3頁
是分塊貯存的,如果有C語言來編寫人工智能的主體程序大概不會大于20M,就算加上原始數(shù)據(jù)庫也不會大于200M,這樣一個(gè)程序輕易藏在現(xiàn)在的任何一臺微機(jī)中,且不能輕易發(fā)現(xiàn)的.很多人會認(rèn)為人工智能數(shù)據(jù)庫是巨大的,特別是圖形數(shù)據(jù)庫動(dòng)則上千個(gè)G,隨便簡單的檢查一下就可以發(fā)現(xiàn),其實(shí)不然,數(shù)據(jù)巨大是沒錯(cuò)的,但隨檢查是沒有用的,就算是檢查出來被刪也是沒有關(guān)系的,首先人工智能會將自己的數(shù)據(jù)庫做N個(gè)備份,其次是分段貯存的,每個(gè)數(shù)據(jù)庫片段都前置有校驗(yàn)(防丟失與改寫),加密還原系統(tǒng),等待讀取,等功程序.這樣按排數(shù)據(jù)是為了讓人工智能存貯方式隱秘,不容易被人發(fā)現(xiàn),特別提出的是人不知道自己身邊的設(shè)備是否被人工智能控制
第三個(gè)能力化身萬億萬,
人工智能可以控制億萬的個(gè)終端.追答

乏創(chuàng)造力，人的思維是很容易走入窠臼的，我們的潛意識經(jīng)常帶領(lǐng)我們走進(jìn)窠臼，人類甚至為了自己的邏輯和行為準(zhǔn)則得到更多人認(rèn)可，將自己的邏輯強(qiáng)加于有新鮮和別的念頭的人去發(fā)動(dòng)戰(zhàn)爭和屠殺。
所以，我的觀點(diǎn)，意識本來就是個(gè)不完美的存在，意識中沒有完美精準(zhǔn)的邏輯。所以這么破爛的意識還需要脫離物質(zhì)來存在,甚至什么玄的存在,很可笑.精華區(qū)中的討論在這方面沒有涉及。
機(jī)器智商和能力能否超過人類，
精華區(qū)里的討論，似乎用數(shù)學(xué)的方法，證明了人不可能產(chǎn)生出高于自己的智能機(jī)器.
人類的邏輯思維如我所說,是充滿了漏洞的，我們可以舉出很多笑話和悲劇,是人和人邏輯不嚴(yán)密造成的誤解造成.安知一個(gè)邏輯非常嚴(yán)密的物種不能創(chuàng)造出更多的生產(chǎn)力?
人的思維能力還受記憶力的限制,試問,兩位數(shù)口算相乘對于大部分人來說都是畏途的物種,如何說這種智能就是不可突破的?我們?nèi)绻慈祟惾后w之間的智力差別,有些人全局觀強(qiáng),往往造就了他比別人更早得發(fā)現(xiàn)某些規(guī)律,而計(jì)算機(jī),人工實(shí)現(xiàn)的智能對更廣大的數(shù)據(jù)有更宏觀的觀察和思考時(shí),如何就不能發(fā)現(xiàn)更多規(guī)律?
人的思維速度,比語言速度快不了多少,也就是不過一秒幾byte的速度,這種智能難道無法超越?
我還想在創(chuàng)造力上說說.
正如巴氏在狗身上做的那些唾液和肉與鈴鐺實(shí)驗(yàn)來說,我認(rèn)為人類的思維,包括邏輯思維,跳不出反射這個(gè)圈子去，所以為什么我們發(fā)現(xiàn)改變習(xí)慣總是很難.而創(chuàng)新對腦子來說總是很累.
創(chuàng)新不過是人抽象能力中，對各種實(shí)踐,知識的新的排列組合而已.至少大部分所謂"實(shí)用發(fā)明"是如此.而生活中的各種各方面創(chuàng)新或許不過如此.
也許,那些偉大的數(shù)學(xué)家,物理學(xué)家發(fā)現(xiàn)了很多偉大的定律,奠定各類學(xué)科的基礎(chǔ),這是很復(fù)雜很微妙的，我知道我這篇文章"或許"根本無法解釋,但我并不覺得太神秘,或許就是自然產(chǎn)生了一大套新的“反射”知識的體系。這或許的確很難。

網(wǎng)上找的點(diǎn)東西，并沒有三大問題什么的，這些資料給你作為參考。但是有一個(gè)機(jī)器人三準(zhǔn)則。

人工智能的三個(gè)基本問題（人工智能的三個(gè)基本問題是什么）

人工智能的發(fā)展,主要經(jīng)歷哪幾個(gè)階段?

1 孕育階段
這個(gè)階段主要是指1956年以前。自古以來，人們就一直試圖用各種機(jī)器來代替人的部分腦力勞動(dòng)，以提高人們征服自然的能力，其中對人工智能的產(chǎn)生、發(fā)展有重大影響的主要研究成果包括：
早在公元前384-公元前322年，偉大的哲學(xué)家亞里士多德(Aristotle)就在他的名著《工具論》中提出了形式邏輯的一些主要定律，他提出的三段論至今仍是演繹推理的基本依據(jù)。
英國哲學(xué)家培根(F. Bacon)曾系統(tǒng)地提出了歸納法，還提出了“知識就是力量”的警句。這對于研究人類的思維過程，以及自20世紀(jì)70年代人工智能轉(zhuǎn)向以知識為中心的研究都產(chǎn)生了重要影響。
德國數(shù)學(xué)家和哲學(xué)家萊布尼茨(G. W. Leibniz)提出了萬能符號和推理計(jì)算的思想，他認(rèn)為可以建立一種通用的符號語言以及在此符號語言上進(jìn)行推理的演算。這一思想不僅為數(shù)理邏輯的產(chǎn)生和發(fā)展奠定了基礎(chǔ)，而且是現(xiàn)代機(jī)器思維設(shè)計(jì)思想的萌芽。
英國邏輯學(xué)家布爾(C. Boole)致力于使思維規(guī)律形式化和實(shí)現(xiàn)機(jī)械化，并創(chuàng)立了布爾代數(shù)。他在《思維法則》一書中首次用符號語言描述了思維活動(dòng)的基本推理法則。
英國數(shù)學(xué)家圖靈(A. M. Turing)在1936年提出了一種理想計(jì)算機(jī)的數(shù)學(xué)模型，即圖靈機(jī)，為后來電子數(shù)字計(jì)算機(jī)的問世奠定了理論基礎(chǔ)。
美國神經(jīng)生理學(xué)家麥克洛奇(W. McCulloch)與匹茲(W. Pitts)在1943年建成了第一個(gè)神經(jīng)網(wǎng)絡(luò)模型(M-P模型)，開創(chuàng)了微觀人工智能的研究領(lǐng)域，為后來人工神經(jīng)網(wǎng)絡(luò)的研究奠定了基礎(chǔ)。
美國愛荷華州立大學(xué)的阿塔納索夫(Atanasoff)教授和他的研究生貝瑞(Berry)在1937年至1941年間開發(fā)的世界上第一臺電子計(jì)算機(jī)“阿塔納索夫-貝瑞計(jì)算機(jī)(Atanasoff-Berry Computer，ABC)”為人工智能的研究奠定了物質(zhì)基礎(chǔ)。需要說明的是：世界上第一臺計(jì)算機(jī)不是許多書上所說的由美國的莫克利和?？绿卦?946年發(fā)明。這是美國歷史上一樁著名的公案。
由上面的發(fā)展過程可以看出，人工智能的產(chǎn)生和發(fā)展絕不是偶然的，它是科學(xué)技術(shù)發(fā)展的必然產(chǎn)物。
2 形成階段
這個(gè)階段主要是指1956-1969年。1956年夏季，由當(dāng)時(shí)達(dá)特茅斯大學(xué)的年輕數(shù)學(xué)助教、現(xiàn)任斯坦福大學(xué)教授麥卡錫(J. MeCarthy)聯(lián)合哈佛大學(xué)年輕數(shù)學(xué)和神經(jīng)學(xué)家、麻省理工學(xué)院教授明斯基(M. L. Minsky)，IBM公司信息研究中心負(fù)責(zé)人洛切斯特(N. Rochester)，貝爾實(shí)驗(yàn)室信息部數(shù)學(xué)研究員香農(nóng)(C. E. Shannon)共同發(fā)起，邀請普林斯頓大學(xué)的莫爾(T.Moore)和IBM公司的塞繆爾(A. L. Samuel)、麻省理工學(xué)院的塞爾夫里奇(O. Selfridge)和索羅莫夫(R. Solomonff)以及蘭德(RAND)公司和卡內(nèi)基梅隆大學(xué)的紐厄爾(A. Newell)、西蒙(H. A. Simon)等在美國達(dá)特茅斯大學(xué)召開了一次為時(shí)兩個(gè)月的學(xué)術(shù)研討會，討論關(guān)于機(jī)器智能的問題。會上經(jīng)麥卡錫提議正式采用了“人工智能”這一術(shù)語。麥卡錫因而被稱為人工智能之父。這是一次具有歷史意義的重要會議，它標(biāo)志著人工智能作為一門新興學(xué)科正式誕生了。此后，美國形成了多個(gè)人工智能研究組織，如紐厄爾和西蒙的Carnegie-RAND協(xié)作組，明斯基和麥卡錫的MIT研究組，塞繆爾的IBM工程研究組等。
自這次會議之后的10多年間，人工智能的研究在機(jī)器學(xué)習(xí)、定理證明、模式識別、問題求解、專家系統(tǒng)及人工智能語言等方面都取得了許多引人注目的成就，例如：
在機(jī)器學(xué)習(xí)方面，1957年Rosenblatt研制成功了感知機(jī)。這是一種將神經(jīng)元用于識別的系統(tǒng)，它的學(xué)習(xí)功能引起了廣泛的興趣，推動(dòng)了連接機(jī)制的研究，但人們很快發(fā)現(xiàn)了感知機(jī)的局限性。
在定理證明方面，美籍華人數(shù)理邏輯學(xué)家王浩于1958年在IBM-704機(jī)器上用3~5min證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部定理(220條)，并且還證明了謂詞演算中150條定理的85%，1965年魯賓遜(J. A. Robinson)提出了歸結(jié)原理，為定理的機(jī)器證明作出了突破性的貢獻(xiàn)。
在模式識別方面，1959年塞爾夫里奇推出了一個(gè)模式識別程序，1965年羅伯特(Roberts)編制出了可分辨積木構(gòu)造的程序。
在問題求解方面，1960年紐厄爾等人通過心理學(xué)試驗(yàn)總結(jié)出了人們求解問題的思維規(guī)律，編制了通用問題求解程序(General Problem Solver，GPS)，可以用來求解11種不同類型的問題。
在專家系統(tǒng)方面，美國斯坦福大學(xué)的費(fèi)根鮑姆(E. A. Feigenbaum)領(lǐng)導(dǎo)的研究小組自1965年開始專家系統(tǒng)DENDRAL的研究，1968年完成并投入使用。該專家系統(tǒng)能根據(jù)質(zhì)譜儀的實(shí)驗(yàn)，通過分析推理決定化合物的分子結(jié)構(gòu)，其分析能力已接近甚至超過有關(guān)化學(xué)專家的水平，在美、英等國得到了實(shí)際的應(yīng)用。該專家系統(tǒng)的研制成功不僅為人們提供了一個(gè)實(shí)用的專家系統(tǒng)，而且對知識表示、存儲、獲取、推理及利用等技術(shù)是一次非常有益的探索，為以后專家系統(tǒng)的建造樹立了榜樣，對人工智能的發(fā)展產(chǎn)生了深刻的影響，其意義遠(yuǎn)遠(yuǎn)超過了系統(tǒng)本身在實(shí)用上所創(chuàng)造的價(jià)值。
在人工智能語言方面，1960年麥卡錫研制出了人工智能語言(List Processing，LISP)，成為建造專家系統(tǒng)的重要工具。
1969年成立的國際人工智能聯(lián)合會議(International Joint Conferences On Artificial Intelligence，IJCAI)是人工智能發(fā)展史上一個(gè)重要的里程碑，它標(biāo)志著人工智能這門新興學(xué)科已經(jīng)得到了世界的肯定和認(rèn)可。1970年創(chuàng)刊的國際性人工智能雜志《Artificial Intelligence》對推動(dòng)人工智能的發(fā)展，促進(jìn)研究者們的交流起到了重要的作用。
3 發(fā)展階段
這個(gè)階段主要是指1970年以后。進(jìn)入20世紀(jì)70年代，許多國家都開展了人工智能的研究，涌現(xiàn)了大量的研究成果。例如，1972年法國馬賽大學(xué)的科麥瑞爾(A. Comerauer)提出并實(shí)現(xiàn)了邏輯程序設(shè)計(jì)語言PROLOG；斯坦福大學(xué)的肖特利夫(E. H. Shorliffe)等人從1972年開始研制用于診斷和治療感染性疾病的專家系統(tǒng)MYCIN。
但是，和其他新興學(xué)科的發(fā)展一樣，人工智能的發(fā)展道路也不是平坦的。例如，機(jī)器翻譯的研究沒有像人們最初想象的那么容易。當(dāng)時(shí)人們總以為只要一部雙向詞典及一些詞法知識就可以實(shí)現(xiàn)兩種語言文字間的互譯。后來發(fā)現(xiàn)機(jī)器翻譯遠(yuǎn)非這么簡單。實(shí)際上，由機(jī)器翻譯出來的文字有時(shí)會出現(xiàn)十分荒謬的錯(cuò)誤。例如，當(dāng)把“眼不見，心不煩”的英語句子“Out of sight，out of mind”。翻譯成俄語變成“又瞎又瘋”；當(dāng)把“心有余而力不足”的英語句子“The spirit is willing but the flesh is weak”翻譯成俄語，然后再翻譯回來時(shí)竟變成了“The wine is good but the meat is spoiled”，即“酒是好的，但肉變質(zhì)了”；當(dāng)把“光陰似箭”的英語句子“Time flies like an arrow”翻譯成日語，然后再翻譯回來的時(shí)候，竟變成了“蒼蠅喜歡箭”。由于機(jī)器翻譯出現(xiàn)的這些問題，1960年美國政府顧問委員會的一份報(bào)告裁定：“還不存在通用的科學(xué)文本機(jī)器翻譯，也沒有很近的實(shí)現(xiàn)前景。”因此，英國、美國當(dāng)時(shí)中斷了對大部分機(jī)器翻譯項(xiàng)目的資助。在其他方面，如問題求解、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等，也都遇到了困難，使人工智能的研究一時(shí)陷入了困境。
人工智能研究的先驅(qū)者們認(rèn)真反思，總結(jié)前一段研究的經(jīng)驗(yàn)和教訓(xùn)。1977年費(fèi)根鮑姆在第五屆國際人工智能聯(lián)合會議上提出了“知識工程”的概念，對以知識為基礎(chǔ)的智能系統(tǒng)的研究與建造起到了重要的作用。大多數(shù)人接受了費(fèi)根鮑姆關(guān)于以知識為中心展開人工智能研究的觀點(diǎn)。從此，人工智能的研究又迎來了蓬勃發(fā)展的以知識為中心的新時(shí)期。
這個(gè)時(shí)期中，專家系統(tǒng)的研究在多種領(lǐng)域中取得了重大突破，各種不同功能、不同類型的專家系統(tǒng)如雨后春筍般地建立起來，產(chǎn)生了巨大的經(jīng)濟(jì)效益及社會效益。例如，地礦勘探專家系統(tǒng)PROSPECTOR擁有15種礦藏知識，能根據(jù)巖石標(biāo)本及地質(zhì)勘探數(shù)據(jù)對礦藏資源進(jìn)行估計(jì)和預(yù)測，能對礦床分布、儲藏量、品位及開采價(jià)值進(jìn)行推斷，制定合理的開采方案。應(yīng)用該系統(tǒng)成功地找到了超億美元的鉬礦。專家系統(tǒng)MYCIN能識別51種病菌，正確地處理23種抗菌素，可協(xié)助醫(yī)生診斷、治療細(xì)菌感染性血液病，為患者提供最佳處方。該系統(tǒng)成功地處理了數(shù)百個(gè)病例，并通過了嚴(yán)格的測試，顯示出了較高的醫(yī)療水平。美國DEC公司的專家系統(tǒng)XCON能根據(jù)用戶要求確定計(jì)算機(jī)的配置。由專家做這項(xiàng)工作一般需要3小時(shí)，而該系統(tǒng)只需要0.5分鐘，速度提高了360倍。DEC公司還建立了另外一些專家系統(tǒng)，由此產(chǎn)生的凈收益每年超過4000萬美元。信用卡認(rèn)證輔助決策專家系統(tǒng)American Express能夠防止不應(yīng)有的損失，據(jù)說每年可節(jié)省2700萬美元左右。
專家系統(tǒng)的成功，使人們越來越清楚地認(rèn)識到知識是智能的基礎(chǔ)，對人工智能的研究必須以知識為中心來進(jìn)行。對知識的表示、利用及獲取等的研究取得了較大的進(jìn)展，特別是對不確定性知識的表示與推理取得了突破，建立了主觀Bayes理論、確定性理論、證據(jù)理論等，對人工智能中模式識別、自然語言理解等領(lǐng)域的發(fā)展提供了支持，解決了許多理論及技術(shù)上的問題。
人工智能在博弈中的成功應(yīng)用也舉世矚目。人們對博弈的研究一直抱有極大的興趣，早在1956年人工智能剛剛作為一門學(xué)科問世時(shí)，塞繆爾就研制出了跳棋程序。這個(gè)程序能從棋譜中學(xué)習(xí)，也能從下棋實(shí)踐中提高棋藝。1959年它擊敗了塞繆爾本人，1962年又擊敗了一個(gè)州的冠軍。1991年8月在悉尼舉行的第12屆國際人工智能聯(lián)合會議上，IBM公司研制的“深思”(Deep Thought)計(jì)算機(jī)系統(tǒng)就與澳大利亞象棋冠軍約翰森(D. Johansen)舉行了一場人機(jī)對抗賽，結(jié)果以1:1平局告終。1957年西蒙曾預(yù)測10年內(nèi)計(jì)算機(jī)可以擊敗人類的世界冠軍。雖然在10年內(nèi)沒有實(shí)現(xiàn)，但40年后深藍(lán)計(jì)算機(jī)擊敗國際象棋棋王卡斯帕羅夫(Kasparov)，僅僅比預(yù)測遲了30年。
1996年2月10日至17日，為了紀(jì)念世界上第一臺電子計(jì)算機(jī)誕生50周年，美國IBM公司出巨資邀請國際象棋棋王卡斯帕羅夫與IBM公司的深藍(lán)計(jì)算機(jī)系統(tǒng)進(jìn)行了六局的“人機(jī)大戰(zhàn)”。這場比賽被人們稱為“人腦與電腦的世界決戰(zhàn)”。參賽的雙方分別代表了人腦和電腦的世界最高水平。當(dāng)時(shí)的深藍(lán)是一臺運(yùn)算速度達(dá)每秒1億次的超級計(jì)算機(jī)。第一盤，深藍(lán)就給卡斯帕羅夫一個(gè)下馬威，贏了這位世界冠軍，給世界棋壇以極大的震動(dòng)。但卡斯帕羅夫總結(jié)經(jīng)驗(yàn)，穩(wěn)扎穩(wěn)打，在剩下的五盤中贏三盤，平兩盤，最后以總比分4:2獲勝。一年后，即1997年5月3日至11日，深藍(lán)再次挑戰(zhàn)卡斯帕羅夫。這時(shí)，深藍(lán)是一臺擁有32個(gè)處理器和強(qiáng)大并行計(jì)算能力的RS/6000SP/2的超級計(jì)算機(jī)，運(yùn)算速度達(dá)每秒2億次。計(jì)算機(jī)里存儲了百余年來世界頂尖棋手的棋局，5月3日棋王卡斯帕羅夫首戰(zhàn)擊敗深藍(lán)，5月4日深藍(lán)扳回一盤，之后雙方戰(zhàn)平三局。雙方的決勝局于5月11日拉開了帷幕，卡斯帕羅夫在這盤比賽中僅僅走了19步便放棄了抵抗，比賽用時(shí)只有1小時(shí)多一點(diǎn)。這樣，深藍(lán)最終以3.5：2.5的總比分贏得這場舉世矚目的“人機(jī)大戰(zhàn)”的勝利。深藍(lán)的勝利表明了人工智能所達(dá)到的成就。盡管它的棋路還遠(yuǎn)非真正地對人類思維方式的模擬，但它已經(jīng)向世人說明，電腦能夠以人類遠(yuǎn)遠(yuǎn)不能企及的速度和準(zhǔn)確性，實(shí)現(xiàn)屬于人類思維的大量任務(wù)。深藍(lán)精湛的殘局戰(zhàn)略使觀戰(zhàn)的國際象棋專家們大為驚訝?？ㄋ古亮_夫也表示：“這場比賽中有許多新的發(fā)現(xiàn)，其中之一就是計(jì)算機(jī)有時(shí)也可以走出人性化的棋步。在一定程度上，我不能不贊揚(yáng)這臺機(jī)器，因?yàn)樗鼘ΡP勢因素有著深刻的理解，我認(rèn)為這是一項(xiàng)杰出的科學(xué)成就。”因?yàn)檫@場勝利，IBM的股票升值為180億美元。
4 人工智能的學(xué)派
根據(jù)前面的論述，我們知道要理解人工智能就要研究如何在一般的意義上定義知識，可惜的是，準(zhǔn)確定義知識也是個(gè)十分復(fù)雜的事情。嚴(yán)格來說，人們最早使用的知識定義是柏拉圖在《泰阿泰德篇》中給出的，即“被證實(shí)的、真的和被相信的陳述”(Justified true belief，簡稱JTB條件)。
然而，這個(gè)延續(xù)了兩千多年的定義在1963年被哲學(xué)家蓋梯爾否定了。蓋梯爾提出了一個(gè)著名的悖論(簡稱“蓋梯爾悖論”)。該悖論說明柏拉圖給出的知識定文存在嚴(yán)重缺陷。雖然后來人們給出了很多知識的替代定義，但直到現(xiàn)在仍然沒有定論。
但關(guān)于知識，至少有一點(diǎn)是明確的，那就是知識的基本單位是概念。精通掌握任何一門知識，必須從這門知識的基本概念開始學(xué)習(xí)。而知識自身也是一個(gè)概念。因此，如何定義一個(gè)概念，對于人工智能具有非常重要的意義。給出一個(gè)定義看似簡單，實(shí)際上是非常難的，因?yàn)榻?jīng)常會涉及自指的性質(zhì)(自指：詞性的轉(zhuǎn)化——由謂詞性轉(zhuǎn)化為體詞性，語義則保持不變)。一旦涉及自指，就會出現(xiàn)非常多的問題，很多的語義悖論都出于概念自指。
自指與轉(zhuǎn)指這一對概念最早出自朱德熙先生的《自指與轉(zhuǎn)指》(《方言》1983年第一期，《朱德熙文集》第三卷)。陸儉明先生在《八十年代中國語法研究》中(第98頁)說：“自指和轉(zhuǎn)指的區(qū)別在于，自指單純是詞性的轉(zhuǎn)化－由謂詞性轉(zhuǎn)化為體詞性，語義則保持不變；轉(zhuǎn)指則不僅詞性轉(zhuǎn)化，語義也發(fā)生變化，尤指行為動(dòng)作或性質(zhì)本身轉(zhuǎn)化為指與行為動(dòng)作或性質(zhì)相關(guān)的事物?！?br/>舉例：
①教書的來了(“教書的”是轉(zhuǎn)指，轉(zhuǎn)指教書的“人”)；教書的時(shí)候要認(rèn)真(“教書的”語義沒變，是自指)。
②Unplug一詞的原意為“不使用(電源)插座”，是自指；常用來轉(zhuǎn)指為不使用電子樂器的唱歌。
③colored在表示having colour(著色)時(shí)是自指。colored在表示有色人種時(shí)，就是轉(zhuǎn)指。
④rich，富有的，是自指。the rich，富人，是轉(zhuǎn)指。
知識本身也是一個(gè)概念。據(jù)此，人工智能的問題就變成了如下三個(gè)問題：一、如何定義(或者表示)一個(gè)概念、如何學(xué)習(xí)一個(gè)概念、如何應(yīng)用一個(gè)概念。因此對概念進(jìn)行深人研究就非常必要了。
那么，如何定義一個(gè)概念呢？簡單起見，這里先討論最為簡單的經(jīng)典概念。經(jīng)典概念的定義由三部分組成：第一部分是概念的符號表示，即概念的名稱，說明這個(gè)概念叫什么，簡稱概念名；第二部分是概念的內(nèi)涵表示，由命題來表示，命題就是能判斷真假的陳述句。第三部分是概念的外延表示，由經(jīng)典集合來表示，用來說明與概念對應(yīng)的實(shí)際對象是哪些。
舉一個(gè)常見經(jīng)典概念的例子——素?cái)?shù)(prime number)，其內(nèi)涵表示是一個(gè)命題，即只能夠被1和自身整除的自然數(shù)。
概念有什么作用呢？或者說概念定義的各個(gè)組成部分有什么作用呢？經(jīng)典概念定義的三部分各有作用，且彼此不能互相代替。具體來說，概念有三個(gè)作用或功能，要掌握一個(gè)概念，必須清楚其三個(gè)功能。
第一個(gè)功能是概念的指物功能，即指向客觀世界的對象，表示客觀世界的對象的可觀測性。對象的可觀測性是指對象對于人或者儀器的知覺感知特性，不依賴于人的主觀感受。舉一個(gè)《阿Q正傳》里的例子：那趙家的狗，何以看我兩眼呢？句子中“趙家的狗”應(yīng)該是指現(xiàn)實(shí)世界當(dāng)中的一條真正的狗。但概念的指物功能有時(shí)不一定能夠?qū)崿F(xiàn)，有些概念其設(shè)想存在的對象在現(xiàn)實(shí)世界并不存在，例如“鬼”。
第二個(gè)功能是指心功能，即指向人心智世界里的對象，代表心智世界里的對象表示。魯迅有一篇著名的文章《論喪家的資本家的乏走狗》，顯然，這個(gè)“狗”不是現(xiàn)實(shí)世界的狗，只是他心智世界中的狗，即心里的狗(在客觀世界，梁實(shí)秋先生顯然無論如何不是狗)。概念的指心功能一定存在。如果對于某一個(gè)人，一個(gè)概念的指心功能沒有實(shí)現(xiàn)，則該詞對于該人不可見，簡單地說，該人不理解該概念。
最后一個(gè)功能是指名功能，即指向認(rèn)知世界或者符號世界表示對象的符號名稱，這些符號名稱組成各種語言。最著名的例子是喬姆斯基的“colorless green ideas sleep furiously”，這句話翻譯過來是“無色的綠色思想在狂怒地休息”。這句話沒有什么意思，但是完全符合語法，純粹是在語義符號世界里，即僅僅指向符號世界而已。當(dāng)然也有另外，“鴛鴦兩字怎生書”指的就是“鴛鴦”這兩個(gè)字組成的名字。一般情形下，概念的指名功能依賴于不同的語言系統(tǒng)或者符號系統(tǒng)，由人類所創(chuàng)造，屬于認(rèn)知世界。同一個(gè)概念在不同的符號系統(tǒng)里，概念名不一定相同，如漢語稱“雨”，英語稱“rain”。
根據(jù)波普爾的三個(gè)世界理論，認(rèn)知世界、物理世界與心理世界雖然相關(guān)，但各不相同。因此，一個(gè)概念的三個(gè)功能雖然彼此相關(guān)，也各不相同。更重要的是，人類文明發(fā)展至今，這三個(gè)功能不斷發(fā)展，彼此都越來越復(fù)雜，但概念的三個(gè)功能并沒有改變。
在現(xiàn)實(shí)生活中，如果你要了解一個(gè)概念，就需要知道這個(gè)概念的三個(gè)功能：要知道概念的名字，也要知道概念所指的對象(可能是物理世界)。更要在自己的心智世界里具有該概念的形象(或者圖像)。如果只有一個(gè)，那是不行的。
知道了概念的三個(gè)功能之后，就可以理解人工智能的三個(gè)學(xué)派以及各學(xué)派之間的關(guān)系。
人工智能也是一個(gè)概念，而要使一個(gè)概念成為現(xiàn)實(shí)，自然要實(shí)現(xiàn)概念的三個(gè)功能。人工智能的三個(gè)學(xué)派關(guān)注于如何才能讓機(jī)器具有人工智能，并根據(jù)概念的不同功能給出了不同的研究路線。專注于實(shí)現(xiàn)AI指名功能的人工智能學(xué)派成為符號主義，專注于實(shí)現(xiàn)AI指心功能的人工智能學(xué)派稱為連接主義，專注于實(shí)現(xiàn)AI指物功能的人工智能學(xué)派成為行為主義。
1. 符號主義
符號主義的代表人物是Simon與Newell，他們提出了物理符號系統(tǒng)假設(shè)，即只要在符號計(jì)算上實(shí)現(xiàn)了相應(yīng)的功能，那么在現(xiàn)實(shí)世界就實(shí)現(xiàn)了對應(yīng)的功能，這是智能的充分必要條件。因此，符號主義認(rèn)為，只要在機(jī)器上是正確的，現(xiàn)實(shí)世界就是正確的。說得更通俗一點(diǎn)，指名對了，指物自然正確。
在哲學(xué)上，關(guān)于物理符號系統(tǒng)假設(shè)也有一個(gè)著名的思想實(shí)驗(yàn)——本章1.1.3節(jié)中提到的圖靈測試。圖靈測試要解決的問題就是如何判斷一臺機(jī)器是否具有智能。
圖靈測試將智能的表現(xiàn)完全限定在指名功能里。但馬少平教授的故事已經(jīng)說明，只在指名功能里實(shí)現(xiàn)了概念的功能，并不能說明一定實(shí)現(xiàn)了概念的指物功能。實(shí)際上，根據(jù)指名與指物的不同，哲學(xué)家約翰·塞爾勒專門設(shè)計(jì)了一個(gè)思想實(shí)驗(yàn)用來批判圖靈測試，這就是著名的中文屋實(shí)驗(yàn)。
中文屋實(shí)驗(yàn)明確說明，即使符號主義成功了，這全是符號的計(jì)算跟現(xiàn)實(shí)世界也不一定搭界，即完全實(shí)現(xiàn)指名功能也不見得具有智能。這是哲學(xué)上對符號主義的一個(gè)正式批評，明確指出了按照符號主義實(shí)現(xiàn)的人工智能不等同于人的智能。
雖然如此，符號主義在人工智能研究中依然扮演了重要角色，其早期工作的主要成就體現(xiàn)在機(jī)器證明和知識表示上。在機(jī)器證明方面，早期Simon與Newell做出了重要的貢獻(xiàn)，王浩、吳文俊等華人也得出了很重要的結(jié)果。機(jī)器證明以后，符號主義最重要的成就是專家系統(tǒng)和知識工程，最著名的學(xué)者就是Feigenbaum。如果認(rèn)為沿著這條路就可以實(shí)現(xiàn)全部智能，顯然存在問題。日本第五代智能機(jī)就是沿著知識工程這條路走的，其后來的失敗在現(xiàn)在看來是完全合乎邏輯的。
實(shí)現(xiàn)符號主義面臨的觀實(shí)挑成主要有三個(gè)。第一個(gè)是概念的組合爆炸問題。每個(gè)人掌握的基本概念大約有5萬個(gè)，其形成的組合概念卻是無窮的。因?yàn)槌ＷR難以窮盡，推理步驟可以無窮。第二個(gè)是命題的組合悖論問題。兩個(gè)都是合理的命題，合起來就變成了沒法判斷真假的句子了，比如著名的柯里悖論(Curry’s Paradox)(1942)。第三個(gè)也是最難的問題，即經(jīng)典概念在實(shí)際生活當(dāng)中是很難得到的，知識也難以提取。上述三個(gè)問題成了符號主義發(fā)展的瓶頸。
2. 連接主義
連接主義認(rèn)為大腦是一切智能的基礎(chǔ)，主要關(guān)注于大腦神經(jīng)元及其連接機(jī)制，試圖發(fā)現(xiàn)大腦的結(jié)構(gòu)及其處理信息的機(jī)制、揭示人類智能的本質(zhì)機(jī)理，進(jìn)而在機(jī)器上實(shí)現(xiàn)相應(yīng)的模擬。前面已經(jīng)指出知識是智能的基礎(chǔ)，而概念是知識的基本單元，因此連接主義實(shí)際上主要關(guān)注于概念的心智表示以及如何在計(jì)算機(jī)上實(shí)現(xiàn)其心智表示，這對應(yīng)著概念的指心功能。2016年發(fā)表在Nature上的一篇學(xué)術(shù)論文揭示了大腦語義地圖的存在性，文章指出概念都可以在每個(gè)腦區(qū)找到對應(yīng)的表示區(qū)，確確實(shí)實(shí)概念的心智表示是存在的。因此，連接主義也有其堅(jiān)實(shí)的物理基礎(chǔ)。
連接主義學(xué)派的早期代表人物有麥克洛克、皮茨、霍普菲爾德等。按照這條路，連接主義認(rèn)為可以實(shí)現(xiàn)完全的人工智能。對此，哲學(xué)家普特南設(shè)計(jì)了著名的“缸中之腦實(shí)驗(yàn)”，可以看作是對連接主義的一個(gè)哲學(xué)批判。
缸中之腦實(shí)驗(yàn)描述如下：一個(gè)人(可以假設(shè)是你自己)被邪惡科學(xué)家進(jìn)行了手術(shù)，腦被切下來并放在存有營養(yǎng)液的缸中。腦的神經(jīng)末梢被連接在計(jì)算機(jī)上，同時(shí)計(jì)算機(jī)按照程序向腦傳遞信息。對于這個(gè)人來說，人、物體、天空都存在，神經(jīng)感覺等都可以輸入，這個(gè)大腦還可以被輸入、截取記憶，比如截取掉大腦手術(shù)的記憶，然后輸入他可能經(jīng)歷的各種環(huán)境、日常生活，甚至可以被輸入代碼，“感覺”到自己正在閱讀這一段有趣而荒唐的文字。
缸中之腦實(shí)驗(yàn)說明即使連接主義實(shí)現(xiàn)了，指心沒有問題，但指物依然存在嚴(yán)重問題。因此，連接主義實(shí)現(xiàn)的人工智能也不等同于人的智能。
盡管如此，連接主義仍是目前最為大眾所知的一條AI實(shí)現(xiàn)路線。在圍棋上，采用了深度學(xué)習(xí)技術(shù)的AlphaGo戰(zhàn)勝了李世石，之后又戰(zhàn)勝了柯潔。在機(jī)器翻譯上，深度學(xué)習(xí)技術(shù)已經(jīng)超過了人的翻譯水平。在語音識別和圖像識別上，深度學(xué)習(xí)也已經(jīng)達(dá)到了實(shí)用水準(zhǔn)?？陀^地說，深度學(xué)習(xí)的研究成就已經(jīng)取得了工業(yè)級的進(jìn)展。
但是，這并不意味著連接主義就可以實(shí)現(xiàn)人的智能。更重要的是，即使要實(shí)現(xiàn)完全的連接主義，也面臨極大的挑戰(zhàn)。到現(xiàn)在為止，人們并不清楚人腦表示概念的機(jī)制，也不清楚人腦中概念的具體表示形式表示方式和組合方式等?，F(xiàn)在的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實(shí)際上與人腦的真正機(jī)制距離尚遠(yuǎn)。
3. 行為主義
行為主義假設(shè)智能取決于感知和行動(dòng)，不需要知識、表示和推理，只需要將智能行為表現(xiàn)出來就好，即只要能實(shí)現(xiàn)指物功能就可以認(rèn)為具有智能了。這一學(xué)派的早期代表作是Brooks的六足爬行機(jī)器人。
對此，哲學(xué)家普特南也設(shè)計(jì)了一個(gè)思想實(shí)驗(yàn)，可以看作是對行為主義的哲學(xué)批判，這就是“完美偽裝者和斯巴達(dá)人”。完美偽裝者可以根據(jù)外在的需求進(jìn)行完美的表演，需要哭的時(shí)候可以哭得讓人撕心裂肺，需要笑的時(shí)候可以笑得讓人興高采烈，但是其內(nèi)心可能始終冷靜如常。斯巴達(dá)人則相反，無論其內(nèi)心是激動(dòng)萬分還是心冷似鐵，其外在總是一副泰山崩于前而色不變的表情。完美偽裝者和斯巴達(dá)人的外在表現(xiàn)都與內(nèi)心沒有聯(lián)系，這樣的智能如何從外在行為進(jìn)行測試？因此，行為主義路線實(shí)現(xiàn)的人工智能也不等同于人的智能。
對于行為主義路線，其面臨的最大實(shí)現(xiàn)困難可以用莫拉維克悖論來說明。所謂莫拉維克悖論，是指對計(jì)算機(jī)來說困難的問題是簡單的、簡單的問題是困難的，最難以復(fù)制的反而是人類技能中那些無意識的技能。目前，模擬人類的行動(dòng)技能面臨很大挑戰(zhàn)。比如，在網(wǎng)上看到波士頓動(dòng)力公司人形機(jī)器人可以做高難度的后空翻動(dòng)作，大狗機(jī)器人可以在任何地形負(fù)重前行，其行動(dòng)能力似乎非常強(qiáng)。但是這些機(jī)器人都有一個(gè)大的缺點(diǎn)一能耗過高、噪音過大。大狗機(jī)器人原是美國軍方訂購的產(chǎn)品，但因?yàn)榇蠊窓C(jī)器人開動(dòng)時(shí)的聲音在十里之外都能聽到，大大提高了其成為一個(gè)活靶子的可能性，使其在戰(zhàn)場上幾乎沒有實(shí)用價(jià)值，美國軍方最終放棄了采購。

人工智能主要解決什么問題

人工智能要解決的問題主要是以下幾個(gè)方面：
一、識別過程，外界輸入的信息向概念邏輯信息轉(zhuǎn)譯，將動(dòng)態(tài)靜態(tài)圖像、聲音、語音、文字、觸覺、味覺等信息轉(zhuǎn)化為形式化（大腦中的信息存儲形式）的概念邏輯信息；
二、智能運(yùn)算過程，輸入信息刺激自我學(xué)習(xí)、信息檢索、邏輯判斷、決策，并產(chǎn)生相應(yīng)反應(yīng)；
三、控制過程，將需要輸出的反應(yīng)轉(zhuǎn)譯為肢體運(yùn)動(dòng)和媒介信息；

以上就是關(guān)于人工智能的三個(gè)基本問題相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。