人工智能预制模型是什么意思-定义第四部分：人工智能到底是什么？

作者 | 周易

上海脑科学与类脑研究中心

张江脑与智能技术实验室研究所

求同存异

介绍：

“智能”与魔法很相似，它都包裹着一层神秘的面纱。 它也像魔法一样，一旦其真实本质被揭示，人们往往不再认为它是智能/魔法。

之前我们讨论过人工智能的第一层定义，即：

人工智能是研究如何利用机器再现智能的学科。

进一步分析“机器”、“循环”、“智能”这三个关键词后，我们可以细化定义卡通人物，得到人工智能的第二层定义：

人工智能是研究如何利用|以电子计算机为代表的机器|来实现、近似、模拟、还原或超越|编码、获取和使用知识|的学科。

或者，我们可以用下图来表示：

人工智能的层次化定义

注：上图中，几条连接线的含义不同。 当人工智能细化为“机器”、“复制”和“智能”时，连接线代表“串联”。 机器、循环和智能这三个词串在一起构成了本义。 分解机器和递归时，连接线代表“或”，也称为析取。 例如，递归被细分为五种不同的方式：实现、近似、模拟、还原和脱离，每一种都是递归的一种表现形式，而且各有不同。 只要其中之一达成，就会再次发生。 当智力进一步解释为知识编码、知识获取和知识使用时，这条连接线代表“与”，也称为合取。 也就是说，智力大致等于认知能力，包括以上三种能力，缺一不可。

上述定义在一定程度上统一了之前提到的几种对人工智能的解释，包括明斯基的“人工智能使机器能够智能地完成人类需要做的事情”和纳尔逊的“人工智能是关于知识的科学”等观点。 其核心是将智力和知识联系起来。 不仅如此，还进一步明确了关于知识的三种主要能力，即知识编码/表示、知识获取/学习和知识使用/推理。

然而，它并不包含所有内容。 例如，斯图尔特·拉塞尔（Stuart Russell）和彼得·诺维格（Peter Norvig）在《人工智能：一种现代方法》中认为，人工智能是“让智能代理做正确的事情”。 事实上，这种观点主要是从智能体与环境交互模型的角度出发，考虑智能体对环境的动作输出的正确性或合理性。 虽然观点不同，但上述两种观点并不冲突。 从智能体与环境的交互模型来看，机器编码、获取和使用知识的目的是服务于动作输出，以便做正确的事。 反过来，为了做正确的事情，代理人必须获得更多更好的知识并合理地使用它。 然而Russell和Norvig的观点过于强调智能体与环境交互模型中的动作输出部分，而忽略了智能体本身和感觉输入。

另一种流行的观点是，人工智能的目的是让机器能够做今天机器无法做的事情。 本文作者对此持保留态度，因为它有两个问题：第一，现在机器做不到的很多事情并不一定局限于智能层面。 可能是因为计算能力（简称算力）不够，也可能是因为带宽、存储问题，或者仅仅是因为还没有工程师开始做这方面的工作。 因此，即使这些事情做到了，也很难将其归入人工智能的范畴。 其次，机器现在可以利用人工智能做很多事情，包括下棋。 这些一旦被机器征服了，难道就不能算是人工智能了吗？

人工智能就像一座大山，“横看如岭，侧看如峰”。 不同的人从不同的角度看山，就会看到不同的侧面。 因此，对于人工智能的解读，目前仍存在各种不同的观点。 由于它们是不同的方面，因此没有对错之分。 由于篇幅所限，这里无法对这些观点一一分析，也无意挑起争议。 本文仅根据个人理解提供解读，希望对读者有所帮助。

这种解释势必会引起一些争议。 例如人工智能预制模型是什么意思，对于人工智能的受体来说，它应该是机器还是代理？ 如前所述，智能是一个总称，包括机器、机器构建的人工智能系统以及人本身。 从这个意义上说，如果我们讨论智力科学，或许用智力作为受体更为合适。 而如果我们讨论人工智能，里面就有“人工”的​​成分，也许用机器作为感受器更合适。 复发也是同样的情况。 不仅表征本身的层次和关系存在争议，而且对于表征以外的方式也存在不同的看法。 例如，《人工智能标准化白皮书》提到，除了模拟（复制的一种）之外，还有延伸和扩展。 鉴于现阶段人工智能刚刚为复发打开了一扇小门，我们认为，至少目前来看，人工智能专注于复发是比较合适的。 至于智力，如上所述，迄今为止，学术界还没有统一的答案。 所以，争议肯定更大。 以知识为核心的智能与以数据为核心的智能有很大区别。 许多人反对将智慧与知识等同起来。 至少荀子认为，知识与智慧是有一定区别的。 总的来说，人工智能定义的解读或许无法给出令所有人满意的答案，争论还将继续。 或许，求同存异才是更好的做法。

诚然，即使是上面给出的人工智能的二级定义也可以进一步细化，例如：什么是实现？ 什么是知识？ 知识是如何编码的？ 这导致第三级或更高级别的定义。 然而，这将导致它变得越来越臃肿和争议。 那么我们就到此为止吧。

最后，在分析了人工智能的内涵（什么是人工智能）之后，我们还要更好地把握它的外延（什么才算是人工智能）。 仍以洗衣机和IBM深蓝为例。 如果把洗衣机看成是人工智能所需要的机器，单纯的功能实现看成是递归，而洗衣本身看成是一种智能行为，那么洗衣机就看成是人工智能了。 同理人工智能预制模型是什么意思，如果电子计算机被认为是机器，纯函数的实现被认为是递归，下棋被认为是智能行为，那么IBM深蓝就被认为是人工智能。 而如果你认为纯粹的功能实现并不算递归，那么深蓝就不是人工智能了。 从本文作者的角度来看，前者不算，因为洗衣机不具备一定的通用性吉祥物设计，而后者算，尽管深蓝使用的大规模搜索技术还停留在水平专用的弱人工智能。

关于作者

周毅现任张江脑与智能技术实验室研究所/上海脑科学与类脑研究中心认知智能研究组项目负责人、研究员，中国科学技术大学兼职教授。 研究方向为认知人工智能。 主要研究兴趣是如何将基于逻辑的符号流派与受大脑启发的基于神经网络的连接流派深度融合，及其在认知人工智能领域的应用，包括AI+教育、自动智商测试、智能语言处理等， ETC。

关于“墨子沙龙”

墨子沙龙是由中国科学技术大学上海研究院主办、上海浦东新区科学技术协会、中国科学技术大学新校区协办的大型公益科普论坛。校友基金会。 沙龙的科普对象是对科学有浓厚兴趣、热爱科普的普通民众。 致力于打造一个让有学术能力的中学生了解世界最前沿科学信息的科普论坛。