智能的判断2012.ppt

机器能思考吗？Ø什么是智能？ 机器能思考吗？ØTuring, A.M. (1950). Computing machinery and intelligence. Mind, 59: 433-460ØComputing machinery and intelligence  Can machines think？Ø1）问题的初始形式“机器能否思考”有什么缺点？Ø2）作者是如何克服这些缺点的？（如何讨论think的有关内容？Ø 作者强调的是什么样的机器？ 什么是图灵测试？具体形式如何？）Ø3） 作者考虑了哪些方面的反对意见？是如何反驳的？Ø ·神学的 ·数学的 ·意识的 ·各种disabilities ·创新论 Ø ·神经元的连续性 ·人类行为非形式化 等Ø4）作者为什么提到机器学习？他认为机器该如何学习？一、背景介绍 ——图灵生平Ø图灵是当之无愧的计算机科学和人工智能之父 24岁提出图灵机理论， 31岁参与COLOSSUS的研制，33岁设想仿真系统，35岁提出自动程序设计 概念，38岁设计“图灵测试”Ø他是第一个提出利用某种机器实现逻辑代码的执行，以模拟人类的各种 计算和逻辑思维过程的科学家。

而这一点，成为了后人设计实用计算机的 思路来源，成为了当今各种计算机设备的理论基石当今计算机科学中再 常用不过的程序语言、代码存储和编译等基本概念，就是来自图灵的原始 构思Ø为了纪念图灵的伟大贡献，美国计算机学会（ACM）设立了“图灵奖” 自从1966年设立以来，一直是世界计算机科学领域的最高荣誉，相当于计 算机科学界的诺贝尔奖图灵奖已经被先后授予给了47位计算机科学界的 杰出人物，其中包括关系数据库理论的开创者Edgar Codd、程序语言和算 法理论的知名科学家Dijkstra、UNIX操作系统的开创者Dennis Ritchie、面 向对象程序设计理论的奠基人以及苹果个人电脑基于鼠标的GUI界面（也 就是WINDOWS图形界面的最原始来源）的首创者Alan Kay、Fortran语 言的设计者John Backus、IBM-RISC体系结构的创立者John Cocke等大名 鼎鼎的计算机科学家Ø图灵的主要研究经历：Ø 1932年-1935年，量子力学、概率论和逻辑学Ø 1936年，可计算理论，并提出“图灵机”的构想Ø 1936年-1938年，美国普林斯顿大学做博士研究，涉及逻辑学、代数和 数论等领域。

Ø 1938年-1949年，从事计算机基础理论、程序理论和密码学方面的研究 同时在神经网络和人工智能领域做出开创性的理论研究并成为世界 上第一位把计算机实际用于数学研究的科学家Ø 1950年，发表论文“计算机器与智能”，为后来的人工智能科学提供了 开创性的构思提出著名的“图灵测试”理论Ø 1951年，从事生物的非线性理论研究 一、背景介绍 ——图灵生平 machinery and intelligence  Can machines think？Ø什么是智能？ Ø为什么这类问题难以讨论？或者说难有定论？ØMachinery为全称，是否每一种机器都要判断其是否能思考？ØIntelligence（think）的定义？二、问题难点Ø是否每一种机器都需要讨论？Ø如何解决？Ø有无通用的机器？工程意义上的机器“程序”（功能描 述）明确，并且在输入和内部状态 确定后，我们通常希望它们有唯一 确定的输出这类机器通常可用有 限状态机近似其功能数学上证明 了，存在通用的有限状态机，可通 过合适地编程实现任一有限状态机 的功能（文章第4、5部分，P162 P163） 数字计算机为代表有限状态的离散状态机器 （第163页倒数第一段）：数字计算机的通用性。

二、问题难点Ø什么是思考（think）？Ø不存在统一的定义和标准 如何解决？Ø解决办法：找一个公认的具有智能的生物与机器比较 Ø成功之处：避开对思考作定义，而是给出判断是否在思考的评判标准图灵测试－如果一台机器取代人参与模仿游戏，会有 什么结果，裁判的判断结果如何？图灵测试的具体形式（第165页倒数4段最后一句） 能否以作图描述图灵测试？三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø计算机所能实现的功能是可数的，但是智能所要面对的不确定环 境中各种可能情形很可能是不能“编号”的，因此，计算机无法实现 智能Ø人是不按规则办事的（例如：交通行为），而计算机指令（输入 输出映射规则）有限，因此，计算机无法实现人类的智能Ø为了对付不确定的环境，人类的行为通常表现出连续性、创新性 （有时候通过犯错创新）、随机性、多样性、不可预测性、目的性 （意识、控制自己行为）、自主性等特点，计算机等机器似乎无法 具备这些功能和特点三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø1、神学的：思考只是人的专利大象就不能思考 Ø 恐怕是因为大象的大脑（物质基础）不够发达。

Ø 需要为思考提供何种物质基础？三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø2、数学的：数字计算机所能实现的功能是可以编号的，存在无法编程的函数说明有的事情是机器无法完成的Ø 虽然有很多功能机器是无法实现的，但是它总能给出结果 这个结果很可能是错误的但是人也会犯错误一个没有学过 物理的人做物理题，他或者说自己不会，或者胡乱做，给出错 误的结果如果我们让一台机器在回答问题的时候也不时答“ 我不会，太难了”，估计裁判也未必看出它不是人Ø 因此，就算数学家在“机器是否能思考”这个问题上意见不 一致，他们也不会反对用图灵测试作为标准 三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø3、神经元是连续的，运行结果必然和离散状态机器结果不同Ø 连续系统的输出很可能表现得随机Ø 离散状态机器输入和内部状态确定，输出也唯一确定Ø 如果引入相应的随机性，以一定的概率给出314.1－3.142之 间的数，那么裁判肯定无法判断出这是离散状态机器还是连续 机器给出的结果让人来算其实也没法精确，而且不同人之 间的差别甚至可能大于人和机器间的差别） Ø 随机性：生成伪随机信号的算法 三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø4、lady lovelace等：机器只能做人们知道该如何让它做的 事情，而不能做那些人们没有告诉它如何做的事情 。

Ø机器不能创新 Ø机器无法给人惊喜（surprise）Ø 思维习惯：前提一旦给定，结论就是确定的，其中只需要机械 推导，没有新意Ø 尽管结论确定，但若搜索空间足够大，则并非所有结论都是人 们能事先了解的因此，搜索得到一些结论可能带来惊喜Ø 用于未知函数自动拟合的程序（如神经网络），编程者事先也 不知道待拟合程序是什么，也不能预计程序未来的输出程序实 现了自身调整（self-programming） 三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø5、机器也许能通过伪随机算法或学习来自编程或甚至作曲，但是它们未必知道自己在做什么Ø 如果在模仿游戏中，机器的回答得和人一样好，我们尽管不 知道它是否“意识到”自己正在思考和回答问题，也应该认为 它有相当的智能 Ø 图灵也同意意识也许有神秘之处，但是这和图灵测试是否能 作为“机器能否思考”无关 三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø6、机器不会犯错误Ø 要看是功能错误还是结论错误功能：输出与我们设计的不 一样；结论：赋予输出以意思时可能出现的错误 三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø7、机器不能控制自己的思想。

Ø 反馈：机器行为表现出目的性——稳定某变量Ø 神经网络：机器行为表现出目的性——拟合给定数据Ø ……三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø8、机器行为不具多样性Ø 可能与内存等有关系Ø ……三、对各种反驳意见的讨论 ——你是否同意图灵测试作为机器是否能思考的标准？Ø9、人类行为是非形式化的——不是按规则办事的Ø人们可以给出红绿灯下怎么走的规则，但是无法给出绿灯刚亮，走了一半忽 然坏了，变成红灯的时候该怎么走…对机器是要给出这样的规则的没有规则的 时候机器可能会不知所措而人不会出现这样的情况，很多情况下没有规则也能 行动所以人不能描述为机器 Ø 中项不周延（undistributed middle）： Ø 有些大学生不求上进（大前提） ，张明是个大学生（小前提） ，所以， 他也是不求上进的（结论） Ø 如果人是按规则办事的，那么人就是机器（小前提） 不存在一个能让 人严格遵守的行为规则（大前提）所以人不是机器（结论） Ø “rules of conduct”和“laws of behavior”自然法则，所有自然物 体都要遵循 。

Ø 不能因为人类行为复杂而简单认为不存在简单、有限的自然法则四、实现智能的潜在模型 ——1、三种观点Ø 临界状态模型Ø 人脑大部分为亚临界状态subcritical ，小部分为超临界状态 supercritical ，因而小刺激能引发联想Ø 需要建立supercritical的数学模型，可模拟自然界的原型Ø 突变模型：固定结构产生不可预测、创新性的结果Ø 洋葱模型——层次模型Ø 人类行为逐步实现机械化也许最后全部机械化（形式化），也许最后剩下的、不能形式化的就是智能的本质机器证明、下棋等）Ø 学习模型——如条件反射等（提出了机器学习的概念）Ø 小孩有大脑和条件反射的机制，就可以自己学习被火烫避开火Ø 机器如果具有同样的条件反射结构，那么也一样能学习四、实现智能的潜在模型 ——1、三种观点. 临界与突变模型Ø 临界状态模型Ø 突变模型：固定结构产生不可预测、创新性的结果如何引入突变、 临界模型？ Ø 可模拟自然界的原型Ø 突变理论 ; (苏联)阿诺尔德著 ; 陈军译 1992.10 Ø 突变理论及其应用 ; 凌复华著 1988.12 Ø 突变理论及其在生物医学中的应 用 ; 赵松年,于允贤编著 1987.6 四、实现智能的潜在模型 ——1、三种观点. 洋葱模型与分层依据Ø 洋葱模型——层次模型Ø 洋葱模型中分层的依据是什么？四、实现智能的潜在模型 ——2、实现的原型Ø如何建立具有学习能力、能产生突变、分层次的模型Ø一种原型——儿童成人过程Ø为简化实现，可将成人思维（mind）的形成分为三部分：Ø1）思维的初始状态（出生时）Ø2）受到的教育Ø3）受到的除教育外的其他影响（经验，experience等）四、实现智能的潜在模型 ——2、实现的原型Ø成人思维（mind）的形成分为三部分：Ø1）思维的初始状态（出生时）Ø2）受到的教育Ø3）受到的除教育外的其他影响（经验，experience等）Ø思考Ø为使得模型能受教育和经验等的影响，部分程序是否应具有“柔 性”——可调整？Ø程序能否不包括“刚性”部分？Ø上述三部分哪些适合“刚性”实现，哪些适合“柔性”实现？四、实现智能的潜在模型 ——3、实现的框架Ø成人思维（mind）的形成分为三部分：Ø1）思维的初始状态（出生时）Ø2）受到的教育Ø3）受到的除教育外的其他影响（经验，experience等）Ø系统实现的框架Ø程序的固定部分。