【正文】 使用 AI技術使規(guī)劃在幾小時內(nèi)完成，而傳統(tǒng)方法需要幾個星期 ? DARPA稱就此一項投資足以補償 DARPA在AI方面 30年的投資 第 1章 人工智能概述 102 AI的目標 (1) ? 實現(xiàn)什么樣的理性智能體？ ? 完美理性：已知從環(huán)境中獲得的信息，一個完美理性智能體每時每刻都以使其效用最大化方式行動 —并不是一個具有現(xiàn)實意義的目標 ? 計算理性：一個計算理性智能體最終返回的是理性的選擇 (可能在開始時即如此 ), 但是要考慮和環(huán)境交互的時機 (錯誤時刻的正確答案沒有價值 )—不得不折衷 ? 有限度理性：思考足夠長的時間，得到一個“足夠好”的答案 —缺乏形式化 第 1章 人工智能概述 103 AI的目標 (2) ? 有界最優(yōu)化 (Bounded Optimization)：已知其計算資源 , 有界最優(yōu)化智能體的行為會盡可能地好 / 一個有界最優(yōu)化智能體程序的期望效用至少會與同一臺機器上運行的其他任何智能體程序的期望效用一樣高 ? 至少總存在一個最佳程序 —看來是具有堅固理論基礎的最佳希望 ? 作為 AI研究的一項定義明確的和可行的形式化任務而提出有界最優(yōu)化 第 1章 人工智能概述 104 AI的未來 ? 可以期望 AI在中級水平上的成功將影響所有人的日常生活 ? 數(shù)學定理證明輔助工具 ? 感知環(huán)境的機器人 ? 人體特征識別 ? 智能搜索引擎 … … ? 但是目前 AI還沒有像互連網(wǎng)和手機一樣對社會造成普遍深入的影響 第 1章 人工智能概述 105 我們只能向前看到很短的距離，但是我們能夠看到仍然有很多事情要做。芬奇 ) / Blaise Pascal(帕斯卡 ) / Gottfried Wilhelm Leibnitz(萊布尼茲 )等人均設計或制造了能計算的機器 第 1章 人工智能概述 20 哲學的貢獻 (3) ? 17世紀 , 有人提出推理如同數(shù)字計算 / 帕斯卡寫道 : “ 算術機器產(chǎn)生的效果顯然更接近于思維而不是動物的其他活動” ? 問題 1結論 : 肯定的結論 , 即可以用一個規(guī)則集合描述意識的形式化、理性的部分 第 1章 人工智能概述 21 哲學的貢獻 (4) ? 問題 2：從物理系統(tǒng)的角度來考慮意識 : 意識與物質(zhì)的大腦之間的關系如何？ ? Ren233。 Descartes(笛卡爾 )給出了第一個關于意識和物質(zhì)之間的區(qū)別以及由此產(chǎn)生的問題的清晰討論 ? 笛卡爾是 二元論 的支持者：堅持意識 (或稱為靈魂 /精神 )的一部分是超脫于自然之外的 , 不受物理定律影響 . 而動物不擁有這種二元屬性 , 它們可以被作為機器對待 第 1章 人工智能概述 22 哲學的貢獻 (5) ? 唯物主義 認為 : 大腦依照物理定律運轉而構成了意識 , 自由意志也就簡化為對出現(xiàn)在選擇過程中可能選擇的感受方式 ? 問題 2結論 : 存在兩種選擇 — 二元論和一元論 第 1章 人工智能概述 23 哲學的貢獻 (6) ? 問題 3：知識是從哪里來的 ? ? 關于知識的來源 : Francis Bacon(培根 )《 新工具論 》 開始了經(jīng)驗主義運動 ? John Locke(洛克 )指出：“無物非先感而后知” ? David Hume(休謨 )提出歸納原理：一般規(guī)則是通過揭示形成規(guī)則的元素之間的重復關聯(lián)而獲得的 第 1章 人工智能概述 24 哲學的貢獻 (7) ? 基于 Ludwig Wittgenstein, Bertrand Russell的工作， Rudolf Carnap領導維也納學派發(fā)展了實證邏輯主義，堅持認為所有的知識都可以用最終和傳感器輸入相對應的 觀察語句 相聯(lián)系的邏輯理論來描述 ? 問題 3結論 : 知識來自于實踐 第 1章 人工智能概述 25 哲學的貢獻 (8) ? 問題 4：知識是如何導致行動的 ? ? 關于意識的哲學圖景的最后元素是知識與行動之間的聯(lián)系 / 智能既要求推理也要求行動 ? 亞里士多德認為 : 行動是通過目標與關于行動結果的知識之間的邏輯來判定的 第 1章 人工智能概述 26 哲學的貢獻 (9) ? 他的進一步闡述指出 : 要深思的不是結局而是手段 / 假設了結局并考慮如何以及通過什么手段得到該結局 , 結局是否容易是否最好 / 手段在分析順序中是最后一個 , 在生成順序中是第一個 ? 這實際上就是回歸規(guī)劃系統(tǒng) , 2300年后由Newell和 Simon在其 GPS程序中實現(xiàn)了 ? 問題 4結論 : 知識用于指導行動去達到目標 第 1章 人工智能概述 27 數(shù)學的貢獻 (1) ? 數(shù)學 (800~現(xiàn)在 )貢獻的思想 : ? 什么是抽取合理結論的形式化規(guī)則 ? ? 什么可以被計算 ? ? 如何用不確定的知識進行推理 ? ? AI成為一門規(guī)范科學要求在三個基礎領域完成一定程度的數(shù)學形式化 : ? 邏輯、計算、概率 第 1章 人工智能概述 28 數(shù)學的貢獻 (2) ? 數(shù)學家及其貢獻 ? 問題 1：如何抽取形式化規(guī)則？ ? Gee Boole(布爾 , 1815~1864), 1847年完成了形式邏輯的數(shù)學化 / 命題邏輯或稱布爾邏輯 ? Gottlob Frege(弗雷格 , 1848~1925), 1879年擴展了布爾邏輯 , 使其包含對象和關系 , 創(chuàng)建了一階邏輯 ? Alfred Tarski(塔斯基 )引入了一種參考理論 , 可以把邏輯對象與現(xiàn)實世界對象聯(lián)系起來 第 1章 人工智能概述 29 數(shù)學的貢獻 (3) ? 問題 1結論 : 形式化規(guī)則 =命題邏輯和一階謂詞邏輯 ? 問題 2：什么可以計算？ ? 可以被計算 , 就是要找到一個算法 ? 算法本身的研究可回溯至 9世紀波斯數(shù)學家alKhowarazmi ? 19世紀晚期 , 把一般的數(shù)學推理形式化為邏輯演繹的努力已經(jīng)展開 第 1章 人工智能概述 30 數(shù)學的貢獻 (4) ? 1900年 , David Hilbert(希爾伯特 , 1862~1943)提出了包括 23個問題的清單 , 其中最后一個問題是 : 是否存在一個算法可以判定涉及自然數(shù)的邏輯命題的真實性 , 即可判定性問題 / 他所要問的是 : 有效證明過程的能力是否有基礎的局限性 ? 這一問題被 Kurt G246。 Alan Turing 第 1章 人工智能概述 106 參考書目 ? Stuart Russell / Peter Norvig: AIMA 第 1章 /第 2章 /第 26章 / 第 27章 ? 陸汝鈐 編著 : 人工智能 (上冊 ) 引言 ? Micheal Wooldridge， An introduction to multiagent systems，石純一等譯：多Agent系統(tǒng)引論，電子工業(yè)出版社， 2023 第 1章 人工智能概述 107 附 和人工智能相關的社會倫理問題 ? 人們可能由于自動化而失業(yè) ? 人們可能擁有過多或過少的閑暇時間 ? 人們可能會失去作為人的獨一無二的感覺 ? 人們可能會失去一些個人隱私權 ? 人工智能系統(tǒng)的應用可能會導致責任感的喪失 ? 人工智能的成功可能意味著人類種族的終結 第 1章 人工智能概述 108 為什么在一本技術書中關注社會倫理問題？ ? 一個只有專業(yè)型、科技型的知識分子，而沒有公共性、批判性的知識分子的社會是沒有人文精神的；而沒有人文精神的國度，將是一個什么樣的國度？放眼世界，便一目了然。 1952年起 , 塞繆爾寫了一系列西洋跳棋程序 , 通過學習可達業(yè)余高手的級別 ? MIT: 1958年麥卡錫到了以后作出了三項重要貢獻 /貢獻 1: 定義了 LISP語言 / 貢獻 2: 與MIT其他人發(fā)明了分時技術 / 貢獻 3: 發(fā)表了題為 《 Program with Common Sense》 的論文 , 文中描述了“建議采納者 ”程序 . 該程序實現(xiàn)了知識表示和推理的中心原則 : 具備明確的知識表示 , 并能通過演繹過程處理這些表示 第 1章 人工智能概述 64 早期的熱情 , 巨大的期望 (1952~1969)(3) ? Stanford: 1963年麥卡錫啟動了斯坦福的 AI實驗室 , 著重研究邏輯推理的通用方法 (后來如Robinson發(fā)現(xiàn)歸結方法 ) / 以及機器人研究 ? MIT: 1958年明斯基也到了 , 不過他對程序如何實現(xiàn)更感興趣 , 并最終發(fā)展出反邏輯的觀點 / 指導了一系列學生 , 選擇那些顯然需要智能才能解決的受限問題 / 貢獻 : 微世界 模型 ? MIT: 最著名的微世界是積木世界 , 在此基礎上完成了許多研究工作如 : 視覺項目、自然語言理解項目 (Terry Winograd)、規(guī)劃器等 第 1章 人工智能概述 65 現(xiàn)實的困難 (1966~1973)(1) ? 早期 AI研究者過于盲目的樂觀態(tài)度 , 10年預見 , 而實際上至少 40年 ? 早期的 AI系統(tǒng)在試圖解決更寬范圍和更難的問題時 , 都悲慘地失敗了 / 原因何在 ? ? 第一類困難 : 缺少主題知識 (通用而非專門化 ) ? 典型例子 : 機器翻譯 (MT) / 最早對 AI研究的發(fā)難始于機器翻譯 (1966ALPAC報告 ) ? 時至今日 , MT研究仍然不完善但是被廣泛期待，也在作為一種輔助文檔處理工具 第 1章 人工智能概述 66 現(xiàn)實的困難 (1966~1973)(2) ? 第二類困難： AI試圖解決的很多問題是不可操作的 (NP類 ) ? 在計算復雜性理論建立之前 , 對“問題放大” (從玩具到現(xiàn)實 )的認識局限于速度和存儲容量 ? 例子 : 包含超過幾十條事實的定理證明 / 早期遺傳算法實驗 (1958~59) ? 無限計算能力的幻覺 : 程序原則上能夠找到解并不意味著程序實際上包