人工智能怎么理解問題？

　　一、什么是智能?

　　通過世界機(jī)器人大會(huì)，機(jī)器人以及人工智能的概念又一次被推上了風(fēng)口浪尖。因?yàn)闄C(jī)器人能看到實(shí)體，所以大家并不陌生。但是人工智能對于大眾來講卻一直是一個(gè)很玄幻的概念，而且針對人工智能，很多謬誤也遍地開花。

　　所以，我就從一個(gè)基礎(chǔ)的角度講講人工智能到底是什么，把它從一個(gè)看似遙不可及的概念拉回到一個(gè)我們?nèi)巳硕寄芾斫獾膶哟巍?/p>

　　“智人”，生物學(xué)分類中人屬的一個(gè)“種”，地球上現(xiàn)今全體人類的一個(gè)共有名稱，說的也就是我們自己。我們用“智能”作為和其他生物劃清界限的一個(gè)重要指標(biāo)。

　　那到底什么是智能?

　　智能是我們所具有的基于神經(jīng)器官一種高級的綜合能力，它包含有感知、知識、記憶、理解、聯(lián)想、情感、邏輯、分析、判斷、決定等多種能力，它是一種可以使我們做出導(dǎo)致成功的決策的能力。所以從字面上理解，人工智能自然就是由人工制造出來的系統(tǒng)所表現(xiàn)出來的一種智能。但是，真實(shí)的人工智能并不像我們字面上看到的這么簡單。

　　因?yàn)槲覀冊谘芯咳斯ぶ悄艿倪^程中，并不只是單單想制造出來一種機(jī)器或者一段程序，他的表現(xiàn)“看起來”像人一樣，因?yàn)槲覀冏陨硪膊⒎且环N完美的存在，我們也有自己的不足和缺陷，所以我們要追求的人工智能需要從以下四個(gè)維度去定義。

　　先把圖放上：

　　在上圖的四種定義中，頂部的定義關(guān)注思維過程與推理，底部定義強(qiáng)調(diào)行為;左側(cè)的定義根據(jù)與人類表現(xiàn)的逼真度來權(quán)衡，右側(cè)的定義依靠合理性的理想的表現(xiàn)量來衡量。而合理的定義就是如果一個(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。

　　下面我們對這四種定義進(jìn)行詳細(xì)敘述。

　　1、 像人一樣思考

　　如果我們說某個(gè)程序能像人一樣思考，那么我們必須找一個(gè)辦法來確定人是如何思考的，但是十分遺憾地說，目前并沒有一個(gè)十分有效的辦法來找出我們?nèi)祟惖乃季S方式。

　　所以我們到底是如何思考的至今仍然是一個(gè)待解的謎題。

　　雖然是個(gè)難題，但是我們也在試圖通過我們可以想到的辦法來解決它，一個(gè)是通過對人類思維行為的觀察和實(shí)驗(yàn)，一個(gè)是對我們的大腦進(jìn)行觀察與試驗(yàn)，而對大腦解密也是聞名世界的人類大腦計(jì)劃(Human Brain Project, HBP)想要解決的一個(gè)子問題。

　　在第一種辦法中，我們可以通過兩項(xiàng)任務(wù)來完成：

　　一個(gè)是通過內(nèi)省，也就是我們通過對自己思維過程的捕捉、回顧和思考來獲得我們自身的思維過程;

　　另一個(gè)便是通過心理實(shí)驗(yàn)，也就是觀察工作和進(jìn)行思維活動(dòng)的人，我們通過對被觀察人的行為以及行為所表現(xiàn)出的特征，通過心理學(xué)等學(xué)科的方法，來逆向推測人類的思維活動(dòng)。

　　但是我們很容易發(fā)現(xiàn)，這種方法中的兩項(xiàng)任務(wù)都具有很大的主觀性。所以這種方法遇到困難后人們就自然想繞過“心理”這個(gè)層面，直接對我們的大腦進(jìn)行研究，所以我們的目標(biāo)又投向了神經(jīng)生理學(xué)以及神經(jīng)信息學(xué)。只有具備了人腦足夠精確的理論，我們才能把這樣的理論表示成計(jì)算機(jī)程序。

　　人類大腦計(jì)劃的目標(biāo)是利用現(xiàn)代化信息工具，將大量、不同層次的有關(guān)腦的研究數(shù)據(jù)分析、處理、整合與建模，建立神經(jīng)信息學(xué)數(shù)據(jù)庫和有關(guān)神經(jīng)系統(tǒng)所有數(shù)據(jù)的全球知識管理系統(tǒng)，以便從分子水平到整體系統(tǒng)水平研究、認(rèn)識、保護(hù)、開發(fā)大腦。

　　大腦如何思維一直是困擾人類的一個(gè)問題。人類的“智能”正是來自人類極其復(fù)雜的大腦。在過去的六億年中，生物體通過進(jìn)化產(chǎn)生出由大量神經(jīng)元相互聯(lián)結(jié)而形成的神經(jīng)網(wǎng)絡(luò)，解決了在不斷變化的復(fù)雜環(huán)境中人腦如何處理各種復(fù)雜信息的問題。

　　尤其是人的高級認(rèn)知功能的高度發(fā)展，使得人類成為萬物之首，具備了主宰世界的能力。由于人腦的結(jié)構(gòu)和功能極其復(fù)雜，所以我們需要從分子、細(xì)胞、系統(tǒng)、全腦和行為等不同層次進(jìn)行研究和整合，才有可能揭示其奧秘。

　　2、像人一樣行動(dòng)

　　如果說像人一樣思考說的是把模仿人的內(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，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：自然語言處理，知識表示，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)。說了這么多理論的東西，我們來舉一個(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)智地說段子，然后你承認(rèn)你無法判斷。

　　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)祟惖闹悄苁莻ゴ蟮模潜M管如此，我們?nèi)匀恍枰鎸σ粋€(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)對什么是合理進(jìn)行了說明，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。

　　三段論推理說的是這樣一種簡單判斷推理，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象以及對象之間關(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)各種對象之間的關(guān)系所以必須做到事無巨細(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)真正提出來之后的將近70年的時(shí)間里，人工智能經(jīng)歷了很長一段的瓶頸期，直到現(xiàn)在才又重新蓬勃發(fā)展起來，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表示。

　　凡此種種，我們都不能用一個(gè)“百分之百”的知識來表示，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。

　　4、合理地行動(dòng)

　　為了說明行動(dòng)這個(gè)具有行為要素的概念，我們需要引入一個(gè)叫Agent的概念，它是一種能夠行動(dòng)的東西。

　　我們平時(shí)所說的機(jī)器人只是Agent的一種表現(xiàn)形式，會(huì)寫新聞稿的那段程序也是Agent的一種表現(xiàn)形式。所以合理Agent是一個(gè)為了實(shí)現(xiàn)最佳結(jié)果，或者當(dāng)存在不確定性時(shí)，為了實(shí)現(xiàn)最佳期望結(jié)果而行動(dòng)的Agent。

　　總體來看，“合理的行動(dòng)”相對于“像人一樣”避免了人類思維和行動(dòng)上的缺陷，也避免了“合理地思考”的局限性，故合理Agent可以看做是對人工智能最好的一種逼近。

　　在實(shí)現(xiàn)人工智能“思維法則”的途徑中，一個(gè)很重要的部分就是正確地推理，而且做出正確的推理也是合理Agent的重要組成部分——因?yàn)楹侠硇袆?dòng)的一種方法就是邏輯地推理出給定行動(dòng)將實(shí)現(xiàn)其目標(biāo)的結(jié)論，然后遵照這個(gè)結(jié)論進(jìn)行行動(dòng)。

　　但是在這里需要注意的一點(diǎn)是，正確的推理只能是合理性的一部分，因?yàn)橛行┦虑槭呛侠淼?，但是它并不需要推理，正確推理是合理性的充分不必要條件。

　　例如手被火苗燙了一下，縮手就是一種反射行為，并且這也是一種合理行動(dòng)，但是我們不能說這里面涉及了推理，而且這種行為比仔細(xì)考慮后采取的較慢的行為更成功。

　　合理Agent這個(gè)維度的定義與以上三種維度定義主要有兩大優(yōu)點(diǎn)：

　　第一點(diǎn)是合理地行動(dòng)比合理地思考具有更加普遍的適用性。

　　因?yàn)樗试S“可能性”這種機(jī)制的存在，當(dāng)我們遇到一個(gè)沒有 “百分之百”的決策的時(shí)候，我們可以通過先驗(yàn)概率和后驗(yàn)概率，得出一個(gè)實(shí)現(xiàn)最佳期望結(jié)果的決策。這樣，我們世界中基本上所有的事情就都可以通過這種方法而使Agent有所行動(dòng)了。

　　第二點(diǎn)就是這種途徑比“像人一樣”，即基于人類行為或者人類思維的途徑更經(jīng)得起科學(xué)發(fā)展的檢驗(yàn)。

　　合理性的標(biāo)準(zhǔn)在數(shù)學(xué)上定義十分明確而且完全通用，所以這種情況就完全避免了人的主觀性，這種合理性是可以通過科學(xué)方法驗(yàn)證能夠?qū)崿F(xiàn)的，“能被客觀證明”這種特質(zhì)也是“合理地行動(dòng)”這個(gè)維度定義的一大優(yōu)點(diǎn)。

　　二、小結(jié)

　　雖然第四種維度的定義普遍被認(rèn)為是對人工智能的一種很好的逼近，但是如果把一個(gè)合理Agent放到一個(gè)十分復(fù)雜的環(huán)境中，由于環(huán)境參數(shù)巨大，決策難度和復(fù)雜度都超過了計(jì)算的限度。

　　這個(gè)時(shí)候，如果我們還想要實(shí)現(xiàn)完美的合理化，即總做正確的事情，恐怕這并不可行。不過我相信，隨著算法的簡化以及計(jì)算能力的提升，我們距離真正實(shí)現(xiàn)合理Agent人工智能的目標(biāo)也一定會(huì)越來越近的。