人工智能思考
2013-10-04 11:11
274 查看
以下是碎碎念的集合,之间并无严格逻辑,也没有引经据典。
我一直觉得人工智能的研究可以不用太多的数学。现在的人工智能教材,一眼望去,90%是数学,和控制理论一样。可不可以换种思维方式去研究人工智能,比如逻辑推理?换句话说人工智能是不必定量分析的:既然人工智能是围绕不确定性展开的,而不确定的事物用数学是无法准确建模的,那么还非要数学建模干什么?
人工智能是应对不确定性而生的。智能机器通常是移动设备,智能机器在不断的改变自己的位置,进入新的环境,而新的环境带来了不确定性。为应对不确定性,智能机器必须能够学习新环境中的新知识,将不确定性降至最低。
新的环境意味着新的问题,新的问题意味着新的策略。在不同的环境中智能机器应用不同的工作策略,也就有不同的工作风格。这些风格组成了智能机器的性格。人有性格,智能机器亦然。
智能机器拥有了复杂的工作策略,能够应对不同的工作环境,应变能力大大提升的同时,其工作效率急剧下降,不同的策略在其智能系统中是竞争关系,竞争的过程延长了智能机器的反应时间。所以智能机器也面临多重“人格”的问题。它们也会纠结,有选择困难症,甚至有时会因此而死机,而这种问题对于智能汽车来说可能是致命的。
面对不确定性,孙正义在计划中为其留出余地,马云干脆不做计划,宗庆后依靠经验处理,这分别是鲁棒控制,模糊控制和专家系统。计划经济面对经济的变革常常显得多此一举,而市场经济面对停滞的经济常常无能为力。变革期需要类似于智能控制的市场经济以面对高度不确定性,而停滞期的经济需要类似于经典控制的计划经济使社会运转更加简洁有效。不确定性既能带来新鲜感,也能造成危机感。
人工智能的一个很重要的特点就是使机器具有学习能力,这免去了码农们迭代开发,频繁耕地的痛苦,极大地解放了人力。软件可以自更新,再不需要频繁地发布新版本,改bug,增加新功能,这些工作软件都可以自动完成。另一方面,具有学习能力的机器,其可控性降低,它们对人不再言听计从,危险性增加。
虽然目前的电子计算机或者未来的光子计算机在硬件上与生物的神经系统有巨大差异,但是在软件或者说思考模式上计算机能够很大程度上模拟大脑,完成大脑的一些低智能行为。
知识的学习过程:
知识识别-感觉
知识存储-记忆
知识挖掘-抽象
抽象即将碎片化的知识用逻辑联系起来,形成策略(待议)
如果不计成本,智能机器能够在很大程度上接近大脑的智能,但是这时候为什么还要一个昂贵的智能机器呢,用一个人或者人造智能生物或者生物大脑就可以了。智能机器除了在更危险的环境下工作,干更累的活,还有更强的记忆力,更快的反应速度,更小的出错率,这是以细胞为基础的神经系统所无法做到的。
想象一个场景:汽车在被雪覆盖的林间小路行驶,如果没有此地的地理信息,汽车如何前进并避开潜在的危险?这就是一个不确定性问题,汽车无法获取完全的环境信息,但是必须做出决策。
我一直觉得人工智能的研究可以不用太多的数学。现在的人工智能教材,一眼望去,90%是数学,和控制理论一样。可不可以换种思维方式去研究人工智能,比如逻辑推理?换句话说人工智能是不必定量分析的:既然人工智能是围绕不确定性展开的,而不确定的事物用数学是无法准确建模的,那么还非要数学建模干什么?
人工智能是应对不确定性而生的。智能机器通常是移动设备,智能机器在不断的改变自己的位置,进入新的环境,而新的环境带来了不确定性。为应对不确定性,智能机器必须能够学习新环境中的新知识,将不确定性降至最低。
新的环境意味着新的问题,新的问题意味着新的策略。在不同的环境中智能机器应用不同的工作策略,也就有不同的工作风格。这些风格组成了智能机器的性格。人有性格,智能机器亦然。
智能机器拥有了复杂的工作策略,能够应对不同的工作环境,应变能力大大提升的同时,其工作效率急剧下降,不同的策略在其智能系统中是竞争关系,竞争的过程延长了智能机器的反应时间。所以智能机器也面临多重“人格”的问题。它们也会纠结,有选择困难症,甚至有时会因此而死机,而这种问题对于智能汽车来说可能是致命的。
面对不确定性,孙正义在计划中为其留出余地,马云干脆不做计划,宗庆后依靠经验处理,这分别是鲁棒控制,模糊控制和专家系统。计划经济面对经济的变革常常显得多此一举,而市场经济面对停滞的经济常常无能为力。变革期需要类似于智能控制的市场经济以面对高度不确定性,而停滞期的经济需要类似于经典控制的计划经济使社会运转更加简洁有效。不确定性既能带来新鲜感,也能造成危机感。
人工智能的一个很重要的特点就是使机器具有学习能力,这免去了码农们迭代开发,频繁耕地的痛苦,极大地解放了人力。软件可以自更新,再不需要频繁地发布新版本,改bug,增加新功能,这些工作软件都可以自动完成。另一方面,具有学习能力的机器,其可控性降低,它们对人不再言听计从,危险性增加。
虽然目前的电子计算机或者未来的光子计算机在硬件上与生物的神经系统有巨大差异,但是在软件或者说思考模式上计算机能够很大程度上模拟大脑,完成大脑的一些低智能行为。
知识的学习过程:
知识识别-感觉
知识存储-记忆
知识挖掘-抽象
抽象即将碎片化的知识用逻辑联系起来,形成策略(待议)
如果不计成本,智能机器能够在很大程度上接近大脑的智能,但是这时候为什么还要一个昂贵的智能机器呢,用一个人或者人造智能生物或者生物大脑就可以了。智能机器除了在更危险的环境下工作,干更累的活,还有更强的记忆力,更快的反应速度,更小的出错率,这是以细胞为基础的神经系统所无法做到的。
想象一个场景:汽车在被雪覆盖的林间小路行驶,如果没有此地的地理信息,汽车如何前进并避开潜在的危险?这就是一个不确定性问题,汽车无法获取完全的环境信息,但是必须做出决策。
相关文章推荐
- 人工智能的思考--2016年3月9日Google Alphago战胜李世石有感
- 深思考人工智能发布世界首个医学影像专用AI处理器“M-DPU”
- 这个简单算法也许可以让人工智能真正像人一样思考
- 拼图的人工智能算法的分析,等待的是思考
- 重新思考人工智能
- 【智能制造】全球人工智能与制造业融合的现状及思考
- 我的思考,我的科技漫谈——人工智能
- 石家庄市桥西区政府领导一行莅临深思考人工智能参观考察
- 脑科学与人工智能思考
- 关于人工智能若干问题的思考
- 人工智能的冷思考
- 对于人工智能的思考
- [科研笔记] 关于人工智能与算法项目的思考
- 巨星陨落,光芒永存—回顾霍金对人工智能的思考
- 汇医慧影卢涛:医疗人工智能商业模式思考与探索丨清数•思享会
- 人工智能的冷思考
- 对人工智能的一点思考 (一)
- 人工智能在金融领域应用的初步思考
- 关于大数据和人工智能发展的思考
- 对人工智能的一点思考 (二)