NNK2006的头脑风暴
注册日期:
2008-4-7
上次登录:
2016-11-02 17:07:36
邮件地址:
908046384@qq.com
  NNK2006的头脑风暴
NNK2006的更多标签
《巨脑》前言
2015-02-18 02:11:07  机器人  逻辑  人工智能 
《巨脑》前言
1940年5月10日,德国向西线发动进攻,主要目标就是百年宿敌法国。双方的兵力对比为(以下参见维基百科“法国战役”条目):法英等国联军:144个师,13,974门火炮,3,384辆坦克,2,935架飞机,总计3,300,000人。德意轴心国:141个师,7,378门火炮,2,445辆坦克,5,638架飞机,总计3,350,000人。
从数字上看,法国陆军更强大,德国空军占优势,双方总体来说势均力敌,很有可能陷入到像一战那样长达数年的胶着战中。但结果却让世人大跌眼镜,德国在不到6周时间内就击败了一战的战胜国和主力军法国,迫使其投降。其中原因很多,一个重要原因就是法德两国战略思想的不同。
正如法国的一位参谋评价的那样:“这些为联军拟定计划的法国将军们,还长着一颗1914年的头脑,完全不能够应付这种新局势。”法国的将领们对即将进行的作战抱有一种盲目乐观,这种乐观来自于那条绵延东部边境数百公里、耗资50亿法郎修建的马奇诺防线。法国陆军总司令甘末林信心无比地说:“法国能够凭借这个筑城工事系统进行战争,一如英国之凭借英吉利海峡。”对此德国将领古德里安提出质疑:“为什么有用来构筑要塞的那么多金钱,不把它用在机动兵力的加强和近代化的工作方面去呢?”
与法国人龟缩在一战式的堡垒中不同的是,德国人提出了一系列崭新的、大胆的战略思想。作战参谋们在施里芬计划的基础上不断修改,相继提出了黄色方案和曼施坦因计划。该计划的要点是绕过重兵把守的比利时中部和马奇诺防线,从法国人认为“不可穿越”的阿登山脉直插法国北部平原。古德里安也在英国人富勒的机械化战争理论的基础上,提出了更先进的闪电战理论,它强调集中使用飞机、坦克等机械化部队,快速突破防御分割包围敌人。闪电战与曼施坦因计划的精密结合,使得德军能够快速穿越阿登山脉,从纵深对法英联军形成迂回包抄。德国的胜利不是兵力和技术的胜利,而是战略思想的胜利,是严谨逻辑的胜利。
法国式的溃败并不是最后一次。摩托罗拉、诺基亚、雅虎等曾经盛极一时的信息巨头们,如果说它们缺钱、缺人、缺技术,显然是不准确的。时代已经前进而它们的思路还停留在过去,这才是由盛而衰的根本原因。
如今的信息产业已经迈入人工智能时代,苹果、谷歌、微软、IBM以及百度纷纷推出诸如Siri、小冰、深蓝、人工大脑等产品和技术。但这并不意味着,掌握了人工智能技术、推出了人工智能产品就一定能够占领先机立于不败之地。在各大厂商的宣传中经常能够看到“全球最大的集群,规模达到XX万台服务器”之类的可观数字,但别忘了,法国投降时在庞大坚固的堡垒底下还安安稳稳地坐着数十万法军。
目前最热门的人工智能技术莫过于“深度学习”。以下摘自维基百科“深度学习”条目:
深度学习(英语:deep learning)是机器学习领域中一系列试图使用多重非线性变换对数据进行多层抽象的算法。深度学习是机器学习中表征学习方法的一类。一个观测值(例如一幅图像)可以使用多种方式来表示,而某些特定的表示方法可以让机器学习算法更加容易进行学习。表征学习的目标是寻求更好的表示方法并建立更好的模型来学习这些表示方法。
至今已有多种深度学习框架,如深度神经网络、卷积神经网络和深度信念网络已被应用于计算机视觉、语音识别、自然语言处理等领域并取得了良好的效果。
对深度学习的主要批评是许多方法缺乏理论支撑。大多数深度结构仅仅是梯度下降的某些变式。尽管梯度下降已经被充分地研究,但理论涉及的其他算法,例如对比分歧算法,并没有获得充分的研究,其收敛性等问题仍不明确。深度学习方法常常被视为黑盒,大多数的结论确认都由经验而非理论来确定。
也有学者认为,深度学习应当被视为通向真正人工智能的一条途径,而不是一种包罗万象的解决方案。尽管深度学习的能力很强,但和真正的人工智能相比,仍然缺乏诸多重要的能力。理论心理学家加里·马库斯(Gary Marcus)指出:
就现实而言,深度学习只是建造智能机器这一更大挑战中的一部分。这些技术缺乏表达因果关系的手段……缺乏进行逻辑推理的方法,而且远没有具备集成抽象知识,例如物品属性、代表和典型用途的信息。
深度学习的概念由来已久。早在1950年,图灵就在划时代的论文《计算机器与智能》中讲到:机器有可能具有人的智能,而“学习机器”可能就是实现机器智能(人工智能)的一种方法。如今的计算机、深度学习等产品和技术,其实都是图灵所论述的机器(后人称为图灵机)、学习机器等抽象概念的具体实现。
如果把人工智能比作一场耗资巨大、旷日持久的战争,那么在战争开始时,有必要想清楚以下几个问题:
第一,图灵所述的像人一样的人工智能(真正的人工智能)到底能不能实现?
第二,如果真正的人工智能不能实现,那么能实现何种程度、何种形式的人工智能?
第三,实现人工智能(既包括真正的人工智能,也包括替代方案)的路径有哪些?
关于第一个问题需要说明的是:图灵只是说机器可能具有人的智能,他并没有给出明确的论证和判断,断言一定会有或一定不会有。这一问题在几十年来争论不休没有定论,但它决不是毫无意义的,因为它直接导致下面几个问题,甚至会影响到整场战争的布局。
关于第二个问题需要说明的是:如果真正的人工智能压根就不能实现,或者说,如果真正的人工智能能实现但那是几百年以后的事,那么就必须考虑替代方案。在可以预见的将来,能实现何种程度、何种形式的人工智能?这个问题更有现实意义。
关于第三个问题需要说明的是:条条大路通罗马,实现人工智能很可能不止一条路。即便只有一条路,也未必就是我们当下选择的这条路。因此,多罗列几个选项,多试探几种不同的道路,这样成功的几率可能比孤注一掷地把所有宝押在一张牌上要更大一些。
再说深度学习。深度学习是一系列的统计学算法,它可以解决语音识别、图像识别、自然语言处理中的统计问题,也可以解决数学、物理、化学、生物、社会科学等学科中的统计问题,但它对非统计问题就无能为力了。它可以把猫的词汇与图片关联起来,因为这就是一个统计问题。但它不能真正理解猫的含义,它甚至不能理解自我,而这是像草履虫这样的低级生物都能理解的概念。统计学是数学的一个分支,科学的大厦除了数学还有物理、化学、生物、社会科学等。只用一种学科的一个分支来研究人工智能是片面的,原因很简单:人可不是只会统计。
这就引出了比上面三个问题更基础的问题:人的本质是什么?世界的本质是什么?世界为什么会产生万物,世界为什么会产生人,世界为什么会产生机器?
从表面上看,世界是相通的。偏远角落的农村可以网购千里之外的商品,无生命的机器可以翻译复杂的人类语言,另一个大洲的经济危机影响了我们身边的物价和失业率。这些都是世界相通的例子。世界相通的最神奇的例子是:知识,或者说学科是相通的。在大多数学科背后,有一些最基础的学科,它能把各个学科贯通起来。这些基础学科数量很少,作用却极大。它既加深了人类对世界的理解,也限制了人类对世界的理解。比如公理集合论,它的内容很少,主要就是九到十条公理。但它却是数学的基础,而数学又是其它各学科的基础。
世界不仅是相通的,实际上它就是按照同样方法制造的万物,只不过这个方法我们不完全理解,现有的科学理论还有很多局限。比如,在公理集合论里面,“包含一切的集合”是不存在的,它被剔除掉了。如果不这样,就会陷入罗素悖论:理发师给所有不自己理发的人理发,那么,理发师是否给自己理发呢?类似的悖论还有:万能的上帝能造出所有东西,那么,他能否造出一块自己搬不动的石头呢?
所以,应该综合多种学科的知识来研究人工智能,特别是要从基础学科入手,要敢于突破传统思想的局限。因为毕竟人工智能是一个前所未有的全新挑战,因为魔鬼就在阿登山上。
《巨脑》下载地址:
http://pan.baidu.com/s/1mgNzgF2
2015-02-19 03:05:35
  
“图灵测试”
图灵在1950年发表了一篇划时代的论文《计算机器与智能》,其中主要包括4部分:
1.提出了判断机器是否能思考、是否具有智能的方法,即“图灵测试”。
2.指出所有的数字计算机都是通用的、等效的。
3.反驳了9种认为机器不能思维、没有智能的观点。
4.提出了机器智能的实现方法,即设计一台“学习机器”。
在第1部分里面,所谓“图灵测试”是一种判断机器是否有智能的方法,但它并没有证明机器一定可以有智能(或者一定不能有智能)。
在第3部分里面,图灵找出了9种认为机器没有智能的观点的漏洞,说明它们不足以证明机器没有智能,但仍然没有证明机器一定可以有智能(或者一定不能有智能)。
在第4部分里面,图灵提出了机器智能的实现方法,即设计一台“学习机器”。但他并没有完成“学习机器”的设计,更没有让这台机器通过“图灵测试”。他自己也说:“我并不知道正确的答案,但是我想这些方法都应该试试。”
总之,机器到底能不能有智能?图灵并没有做出确切的回答,只是给了一种判定方法,这似乎是给了机器智能一点希望。
但是,如果仔细研究这篇论文就会发现,它不是肯定了机器智能的可能,而是否定了机器智能的可能。
关于图灵测试,由于原文较长,因此在下面引用维基百科“图灵测试”条目:

机器是否有可能思考这个问题历史悠久,这是二元并存理念和唯物论思想之间的区别。笛卡尔在1637年《谈谈方法》中预言图灵测试。
笛卡尔指出,机器能够与人类互动,但认为这样的机器不能作出适当的反应,但是任何人都可以。因此,笛卡尔借此区分机器与人类。笛卡尔没有考虑到机器语言能力未来能够被克服。
狄德罗设定图灵测试标准:
“如果他们发现一只鹦鹉可以回答一切问题,我会毫不犹豫宣布它存在智慧。”
这并不意味着他同意这一点,但它已经是唯物主义者当时普遍的说法。
根据二元论者心态,心灵是非物理物质(最起码具有非物理性),因此,不能以纯物理来解释。根据唯物主义,头脑可以用物理解释,这让那些人工智能可能性产生。
1936年,哲学家阿尔弗雷德·艾耶尔思考心灵哲学问题:我们怎么知道其他人曾有同样的体验。在《语言,真理与逻辑》中,艾尔建议有意识的人类及无意识的机器之间的区别。
1956年达特茅斯会议之前,英国研究者已经探索十几年的机器人工智能研究。比率俱乐部是一个非正式的英国控制论和电子产品研究团体,成员包括艾伦·图灵。
1950年,图灵发表了一篇划时代的论文,文中预言了创造出具有真正智能的机器的可能性。由于注意到“智能”这一概念难以确切定义,他提出了著名的图灵测试:如果一台机器能够与人类展开对话(通过电传设备)而不能被辨别出其机器身份,那么称这台机器具有智能。这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。论文中还回答了对这一假说的各种常见质疑。图灵测试是人工智能哲学方面第一个严肃的提案。
2014年6月8日,首次有电脑通过图灵测试,尤金·古斯特曼成功在University of Reading所举办的测试骗过研究人员,令他们以为“它”是一位名为Eugene Goostman的13岁男孩,但后来有文章指它其实并非真正地通过了测试。
测试内容
如果一个人(代号C)使用测试对象皆理解的语言去询问两个他不能看见的对象任意一串问题。对象为:一个是正常思维的人(代号B)、一个是机器(代号A)。如果经过若干询问以后,C不能得出实质的区别来分辨A与B的不同,则此机器A通过图灵测试。

这样一个简单明了、通俗易懂、大多数人都认同的测试,问题出在哪呢?
问题就出在测试者——人C身上。
在图灵测试中,测试者(询问者)必须是人。这就意味着:只有人才能以测试者的身份,来判断一个被测试者是机器还是人。测试用的语言可以是中文、英文也可以是电传码,这不重要。判断结果可能是机器也可能是人,可能是对的也可能是错的,这也不重要。重要的是:被测试者可以是机器也可以是人,但测试者只能是人,不能是机器或者其它任何东西。人的智能要高于机器,因为人至少会一样机器不会的事情:测试一台机器的智能。
图灵测试的前提是:“人的智能高于机器”,如果得到的结论是“人的智能高于机器”,那么结论成立。如果结论是“人的智能与机器相同”,或“人的智能低于机器”,那么结论与前提相矛盾,因而不能成立。因此结论只能是:“人的智能高于机器”,但这只不过是前提的重复。
所以,用图灵测试得到的结果只能有一个:人的智能高于机器,机器不可能像人一样思考,机器不可能具有人的智能。这样的结果在测试之前,就已经由测试的前提条件确定了。
图灵的本意是想用这样一个测试来说明机器有可能具有智能,但他却在无意间假定了机器不可能有智能。这既出乎预料,也说明了此类问题的深刻性和复杂性。
在图灵所反驳的9种对立意见(认为机器不可能有智能)中,第1种就是来自神学的反对意见:“思维是人的不朽灵魂的一种功能。上帝赋予每一个男人和女人一颗不朽的灵魂,但从未将它赋予任何其他的动物或机器。因此,动物或者机器不能思维。
对此,图灵所做的反驳是:“在试图制造这样的机器时,我们不应该无礼地篡夺上帝创造灵魂的权力,就像不应该剥夺我们生儿育女的权力那样;在两种情况下,我们其实都是上帝意志的工具,为他所创造的灵魂提供住所。
仿照图灵对神学反对意见的反驳,也可以对图灵测试做出类似的反驳:“在进行图灵测试时,我们不应该无礼地篡夺机器作为测试者的权力,就像不应该剥夺我们作为测试者的权力那样;在两种情况下,我们其实都既可以是被测试者,又可以是测试者。”
也就是说,图灵赋予人唯一的“测试者”功能,与上帝赋予人唯一的“不朽的灵魂”其实没有什么本质的不同。如果说上帝赋予人唯一的“不朽的灵魂”是不合理的,那么图灵赋予人唯一的“测试者”功能同样是不合理的。如果图灵可以赋予人独一无二的“测试者”功能,那么上帝为什么就不能赋予人独一无二的“不朽的灵魂”?
说白了:如果“图灵测试(人是唯一的测试者)”成立,那么“人的智能高于机器”同样也成立。如果“人的智能高于机器”不成立,那么“图灵测试(人是唯一的测试者)”同样也不成立。这两个命题是等价的。
或许有读者会质疑:为什么要把“图灵测试”与“人是唯一的测试者”绑定起来?把它们拆分开来,问题不就解决了吗?
问题在于:第一,图灵在论文中写得很明白:测试者(询问人)C可以是男人,也可以是女人。图灵没说它可不可以是机器,既然没写,我们就不能把这篇65年前的论文改成“测试者C可以是人也可以是机器”。
第二,假如图灵在论文中写得就是“测试者C可以是人也可以是机器”,那么,这样的测试你认同吗?你认同让一台机器来判断你是一个人还是一台机器吗?如果机器认为你是一个人,这样的结果你可以接受;如果机器认为你是一台机器,这样的结果你也能接受吗?你会因为机器认为你是机器,所以也就把自己当成机器,从此以后按照机器的方式去说话办事吗?
所以,当图灵在写下“测试者(询问人)C可以是男人,也可以是女人”时,他是经过思考的,他没写“也可以是机器”决不是因为手累了所以就少写了几个字。而是因为他压根就不认为机器有判断人的智能的功能或权力。
也就是说,图灵与神职人员的区别仅仅在于一个扮红脸一个扮白脸,神职人员说得直接了当:“机器不可能有智能,只有人才有智能”。图灵的话则动听得多:“机器可能有智能,也可能没有。到底有没有,人说了算。”
或许有人会申辩:就算机器没有判断机器有没有智能的能力,那也无关紧要,因为智能的范围很广,即使是人也不可能具有所有能力,所以机器比人少一两样能力也无伤大雅。
可惜的是,判断有没有智能的能力恰恰是最重要、最不可或缺的能力。
因为:如果机器不能判断机器有没有智能,那么它们就必须依赖人来判断自己有没有智能,否则它们就没有智能!在图灵测试里面,智能只能来自于图灵测试,只能来自于测试者也就是人的判断!
这就意味着:不管哪台机器,如果它自己希望(或者某人希望)它具有哪怕一丁点儿智能,那就必须经过人的测试,否则就谈不上智能。也就是说,所有智能机器都离不开人,因为它们必须由人来判断它们的智能。
这还意味着:不管哪台机器,都必须经常性地由人来判断智能。即便不是每时每刻地判断,那也至少是每年每月都要判断。原因很简单:判断一次不能管到永远。假设今天某人判断某台机器有智能,难道这台机器从此以后直到宇宙毁灭也都有智能?绝对不可能,它必定会在某天丧失智能。因此,如果它想保留自己的智能,它就必须经常性地请人来给自己做图灵测试。
可见,由于机器不能判断机器有没有智能,所以每一台机器都必须定期由人来判断它是否有智能,人说它有它就有,人说它没有它就没有。因此“判断机器有没有智能”的能力非常重要,由于没有这一能力,一台机器不管多么庞大、跑得多快、飞得多高、计算能力多强,也只能是人的附庸、奴仆和玩偶。至于超越人类、取代人类等等,更是天方夜谭。离了人的机器就是废铜烂铁。
飞出太阳系的旅行者号、登陆月球的玉兔号和降落彗星的菲莱,它们之所以还有一些智能,就是因为人还能定期与它进行通讯、对它进行测试。它们一旦与人类失去联系,很显然,它们就将不再具有任何智能。假如旅行者号幸运地飞到另一颗有高级文明的外星球,并被外星人发现,那么,外星人(如果算是人的话)将代替地球人对它进行图灵测试,以判断它是否有智能。
而人则比机器幸运得多。由于人具有判断智能的能力,所以一个人不需要由另外一个人或别的什么东西来判断自己的智能,他自己就能做。一个人可以攀登喜马拉雅山,可以探索南极北极,也可以登陆月球、火星乃至宇宙深空。他不仅能判断自己的智能,还能判断自己所携带的宇宙飞船、机器人等所有机器和动植物的智能,乃至于判断外星球有没有智能。他到了哪里,哪里就有了智能。“判断智能的能力”使人成为照亮暗夜的明灯,而机器只是需要被照亮的暗夜的一部分。
这也说明:图灵测试中的智能分为两种,一种是低级智能,即被测试者的智能;一种是高级智能,即测试者的智能。图灵测试说明:机器最多只能具有低级智能,而人具有高级智能,机器的智能低于人。
《计算机器与智能》的第2部分指出:所有的数字计算机都是通用的、等效的。这个观点非常好,以至于我们可以用它来验证“机器的智能低于人”。随着技术的进步,计算机的软硬件越来越强,以至于我们不知道计算机的智能能高到什么程度。但是,我们知道计算机的智能能低到什么程度。最低级的计算机的智能要低于人,而所有的数字计算机都是通用的、等效的,因此可以推出:最高级的计算机的智能也低于人。最高级的计算机与最低级的计算机其实没有本质区别,只不过一个速度快容量大,一个速度慢容量小。人与计算机的区别不在于速度和容量,而在于人可以是测试者而计算机不可以。无论计算机变得多快多大都不能改变这一点。
《计算机器与智能》的第4部分指出:可以设计一台学习机器,以实现机器智能。学习机器可以实现低级智能,使一部分测试者误以为它是一个人,这个没问题。但是,它只能骗过一部分测试者,不可能骗过所有人。至少有一个人不会被学习机器欺骗,这个人就是它的设计者,因为设计者清楚学习机器的工作原理乃至所有代码、后门、缺陷、漏洞。至于作为测试者所需的高级智能,学习机器与其它所有机器一样都不可能有。
总之,《计算机器与智能》确实非常有价值,但它没说清楚的是:机器最多只能具有部分低级智能,而人既具有低级智能,又具有高级智能,因此机器的智能低于人。具体原因包括以下几点:
1.图灵把“只有人才可以测试人和机器的智能”作为一个无需证明的前提假设,在此基础上提出了图灵测试;
2.图灵认为“所有的数字计算机都是通用的、等效的”,由于最低级的计算机的智能低于人,由此可知最高级的计算机的智能也低于人;
3.学习机器有可能骗过一部分测试者,但它不可能骗过它的设计者,它不可能完全通过图灵测试。它的低级智能尚不完全,更不用谈高级智能了。实际上,所有的机器都有设计者,因此所有的机器都不能完全通过图灵测试;
4.图灵在反驳反对意见(认为人的智能高于机器)时认为,不应给人某种独一无二的能力。但他却给了人独一无二的“测试者”的能力。所以他对反对意见的反驳不能成立。
所以,图灵测试可以用于比较两台机器的智能,这是没问题的,也是它用得最多的地方。比如10个测试者,机器A骗过了5个人,机器B骗过了8个人,由此可知机器B的智能强于机器A。但用于比较机器和人的智能就算了吧,再笨的人也是人,再聪明的机器也不过是机器。
http://pan.baidu.com/s/1mgNzgF2
http://www.360doc.com/content/15/0218/09/11775283_449275957.shtml
登录后才可以评论,马上登录