解读图灵思想中的人工智能.doc

解读图灵思想中的人工智能.doc

ID:28142802

大小:75.50 KB

页数:12页

时间:2018-12-08

解读图灵思想中的人工智能.doc_第1页
解读图灵思想中的人工智能.doc_第2页
解读图灵思想中的人工智能.doc_第3页
解读图灵思想中的人工智能.doc_第4页
解读图灵思想中的人工智能.doc_第5页
资源描述:

《解读图灵思想中的人工智能.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、解读图灵思想中的人工智能    周剑铭,自由学者。研究方向为中西文化比较研究,智能哲学,算法、不确定性和不确定性问题(NP)理论。  柳渝,法国儒勒·凡尔纳公立综合大学计算机(DépartementInformatique,UFRdesSciences,UniversitédePicardieJulesVerne,France)系副教授。研究方向为智能哲学,算法、不确定性和不确定性问题(NP)理论,NP问题实际求解算法。  我们的文章“智能哲学:’第三问题’与图灵的‘模仿游戏’”一文[1]着重指出了图灵提出的“模仿游戏”的真正意义和价值,揭示人、

2、机之间的复杂层次关系,本文结合我们对当前人工智能中“机器学习”问题的研究,进一步讨论“机器”与“学习”之间所隐含的人、机复杂关系。我们从图灵的一贯思想出发,发微图灵论文“计算机器与智能”[2]中所包含的丰富思想,特别是文章中第7章的内容。很明显,作为当前人工智能主流的“机器学习”与图灵所探讨的“学习机器”,其思考的角度和深刻性完全不同,启迪良多。  一、“亚临界”状态“和“超临界”状态  在“计算机器与智能”这篇文章的第7章LearningMachines,图灵总结了对机器不能“思考”这种谬论的反驳,但他的论证是有底线的,他真正关注的方面不是机器的“功能”(思

3、考)如何如何,而是机器的“状态”,在他看来,机器的“纯机械”方式,如钢琴演奏或剥洋葱一样:“绝大多数思想都处于‘亚临界’状态,对应于处于亚临界体积的反应堆,一个想法进入这样的思想中,平均下来只会产生少于一个的想法”,但是“有一小部分思想处于‘超临界’状态,进入其中的想法将会产生二级三级越来越多的想法,最终成为一个完整的’理论。  动物的头脑显然是处于亚临界状态的。由于这种相似性,我们不得不问:’一个机器能不能做成超临界的?’”图灵所说的这个“超临界”的状态,在我们看来,就是指现在不同于“机械步骤”(计算机)的“人工智能”的核心理论问题。  图灵认为,“亚临界”

4、状态和“超临界”状态之间的区分和定义是非常困难的,图灵并不以为所有的这些争论已经解决了关于人的思维与机器思维的相同与不同的问题,这里既有公众对这个问题的关心所包含的模糊性(图灵努力地进行了分析),也有这个问题的自身本质上的问题,图灵承认:“Theselasttwoparagraphsdonotclaimtobeconvincingarguments.Theyshouldratherbedescribedas‘recitationstendingtoproducebelief’”(上面两段并没有宣称是令人信服的论据,更应该被看作是“为了产生信仰的背书”,——即对

5、立的观点的争论不过是背颂各自的宗教式的教条)。  实际上,图灵的思考并未过时,人工智能研究中的两条道路始终存在,一方面,以“联接主义”为名,代表了重视物理关系(硬件)的一方,另一方面则是以“符号主义”为名的重视算法(软件)的一方。重要的不是这两方的对立,而是这两方都有无法克服的困难,特别是双方无法沟通所形成的思想上的混乱,令人不安地再次想起“明斯基的咒语”。  尽管今天的“机器学习”取得了巨大的成功,但在这个领域最前沿工作的专家仍然承认,无法理解和解释最基本的人工神经网络模型(ANN)的机理;另一方面,除了模拟神经元-突触的ANN模型,迄今没有产生通用的Age

6、nt硬件,现在人工智能研究大多是在电子计算机中的建模(函数化)进行的,“人工智能”与“计算机”究竟有何不同,成了公众和专家们共同的困惑。  2017NIPS(神经信息处理系统大会ConferenceandWorkshoponNeuralInformationProcessingSystems,关于机器学习和计算神经科学的国际会议)上,”TestofTime”(时间检验奖)论文大奖获得者AliRahimi在演讲中[3],把“机器学习”称为“炼金术”(Alchemy),类似的看法或对立性的争议在学术界一直没有中断过。Rahimi引用吴恩达的话:“Artificia

7、lIntelligenceisthenewelectricity”,(机器学习就是新时代的电力),他们的意思是说,现在的AI研究只是纯粹的技术活,整个AI缺泛严格性和一致性的理论基础,未能成为非常稳固、有规律、有系统理论的知识体系。  Rahimi以后解释说,炼金术问题和黑箱问题的区别在于,“一个机器学习系统是黑箱”和“整个领域变成了黑箱”。与此对立的观点,如Facebook的首席人工智能科学家YannLeCun则认为[4],工程技术上创新可以从乱糟糟中带来核心的理解,加州大学伯克利分校BenjaminRecht教授也认为有条不紊的研究和大胆开拓的研究可以达到

8、一个平衡,“我们两者都需要”。  在此

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。