技術(shù)控必看：人工智能是怎么思考的

　　2、像人一樣行動

　　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，要想讓一個機器能在“像人一樣行動”這個維度具有智能，他需要的能力包括：自然語言處理，知識表示，自動推理，機器學(xué)習(xí)，計算機視覺以及機器人學(xué)。說了這么多理論的東西，我們來舉一個具體的例子。

　　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。就在這時你問了他一個問題：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。這個時候再問你，你覺得他是一個真實的人類還是一種機器?

　　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作而言根本看不出有什么漏洞，而且竟然還會機智地說段子，然后你承認(rèn)你無法判斷。

　　例子講完了，其實剛才那個過程就是所謂的圖靈測試的生動版。

　　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€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，它包含兩個直言命題構(gòu)成的前提，和一個直言命題構(gòu)成的結(jié)論。一個正確的三段論有且僅有三個詞項，其中聯(lián)系大小前提的詞項叫中項，在前提中出現(xiàn)兩次;出現(xiàn)在大前提中，又在結(jié)論中做謂項的詞項叫大項;出現(xiàn)在小前提中，又在結(jié)論中做主項的詞項叫小項。

　　概念有點復(fù)雜，我們舉一個例子：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，但是電腦的運行資源是有限的，可能在求解一個只有幾百條事實的問題就已經(jīng)耗盡任何計算機的資源。

　　其實人工智能自1947年圖靈在倫敦數(shù)學(xué)學(xué)會真正提出來之后的將近70年的時間里，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”，然后讓計算機照著這種規(guī)則來運行，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)則描述為計算機程序，龐大的計算量也并不是計算機所能承載的，更況且是幾十年前的計算機，所以這也是一大缺陷。

　　另一個大的缺陷就是，在我們這個世界上，并不是所有的關(guān)系都是確定的，而且真正的事實是，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“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)展的一個重要原因。