Unit 15 人工智能
Unit 15-1
第一部分：什么是人工智能
有什么单机游戏好玩的为了分辨计算机是否会“思考”，我们有必要定义一下什么是智能。智能在多大程度上包含譬如解决复杂问题、进行概括和建立关系这样的能力？包括感知和理解能力吗？在学习，语言和感官知觉领域的研究帮助科学家们制造智能机器。专家们所面临的最大的挑战之一就是如何制造出一个能够模仿人类大脑行为模式的机器，而人类的大脑由上亿个神经细胞组成，被认为是世界上最复杂的东西。或许度量机器智能最好的方法就是由英国计算机科学家Alan Turing提出的测试。他说，当一台计算机可以骗过人，相信它是一个人而不是机器时便可称得上是智能的。
人工智能由一专注的研究人员推动着，已由最初的研究走过了很长的一条路。AI的起源在电子学之前，可以追溯到Boole和其他一些哲学家和数学家们，他们根据那些已成为AI逻辑基础的原则建立起了最
初的理论。随着1943年计算机的发明，AI开始吸引研究人员的注意。这项技术终于可用于模拟智能行为了，或者看起来是这样。在这之后的40年中，虽然面临过许多困难和阻碍，AI已由最初只有十几位研究人员参与发展到现在有几千名工程师和专家们共同致力于研究；从最初的只能下西洋跳棋的程序发展到今天已设计出可以诊断疾病的系统。
AI技术始终站在计算机科学的前沿。先进的计算机语言，以及计算机接口和文字处理软件都要归功于人工智能的研究。AI研究引出的理论和认识将为未来的计算机科技发展指明方向。虽然现在所制造出的AI产品仅仅只能反应不久的将来研发出的产品的一小部分功能，但是它们迈出了走向未来人工智能的一步。随着人们的不断探索和追求，人工智能已经影响，也将继续影响我们的工作、教育和生活。
有计划地使用A I
我们研究AI应用已有多年，了解了所有的术语和相关的情况。但是我们真正应该知道的是如何着手使用一些AI技术。我们怎样作为个体来使用这些技术呢？
首先，我们必须对面临的变化有所准备。我们的保守往往成为进步的挡路石。AI跨出了对社会非常有用的一步。具有人工智能的机器可以完成需要遵循详细指示和灵活思维警觉的工作。具有学习能力的人工智能可以胜任那些工作，但只有人们准备改变他们的保守观念使之成为可能才行。这让我们想起很久以前人们就接受了轮子这项伟大的发明，而并没有认为它是从文化遗产和传统中带走了什么。
第二，我们必须对AI的能力有所了解。越多地使用机器，需要我们的工作量就越少，随即人类所要承受的伤害和压力也越小。人类是通过尝试来学习的物种，我们必须给AI一个机会来证明AI 是对我们的祝福而不是抑制。
最后，我们必须对AI技术有最坏的打算。像AI这样如此具有革命性的技术肯定有许多瓶颈需
要攻克。总是有那样一种担忧，以为要是人工智能是建立在学习基础上的，那么机器会不会在得知富有和成功是好事后，去发动战争反对经济强国和著名人物呢？一个新系统有那么多情况可能出错，所以我们必须尽可能为这种新技术做好准备。
而且，即使我们对机器存在畏惧，它们的能力却是无限的。不管我们教AI什么，在未来机器将会提示它是否给出肯定的结果。AI就像孩子一样，需要被教育成体贴的，彬彬有礼的，聪明的孩子。他们应该学会聪明地做重大的决定。作为公民，我们应当保证AI的程序员们都正确地工作着，一切都走在正轨上，这样未来才不会发生意外。
专家系统的范围
专家系统能够像一个专业人才一样工作。而且计算机系统可以很快地训练，实际上没有操作费用，不会忘记学习过的东西，不会打电话请病假，退休或是要休假。除此之外，智能计算机还可以处理大量的信息，而人类不能。
但是这些系统可以多大程度上替代人类专家呢？或者，它们可以完全替代人类？例如有人曾经把智能计算机看成是人对核武器进行控制的替身，说是计算机对于威胁可做出比人更快的反应。我们不能忽视拥有一个计算机专家所带来的好处。比如，预报天气借助于许多可变的参数，计算机专家能够更准确地集中他所有的知识。尽管如此，计算机却无法借助人类专家所拥有的预感，预感往往能帮助我们预测结果。
总之，在天气预报或查软件bug的情况下，专家系统有时比人类更加准确。但是在其他领域，比如医学，虽然计算机对医生的诊断是有用的，但是人类医生仍是不可替代的。可见，在某些范围内专家系统有能力帮助人类，在某些情况下甚至能代替人类，谨慎地使用计算机专家将使人类受益。
提莫出装Unit 15-2
猜猜他是谁的作文怎么写第二部分：人工智能的方法
人类已赋予自己智慧之人的称号，因为我们的智能对日常生活和自我感觉是如此重要。人工智能（AI）这一领域尝试去理解智能实体。这样，研究它的第一个原因是更多地了解我们自己。但是不像同样关注智能的哲学家和物理学家那样，AI力求构建智能实体并去理解智能。研究AI的另一个原因是这些构建的智能实体本身很有趣，而且也有用。即使是在其发展的早期，AI就已产生了许多重要和令人印象深刻的产品。虽然无人能具体地预测其未来，但很明显，具备或超越人类智能水平的计算机将
在我们的日常生活和未来的文明进程中具有巨大的冲击力。
AI涉及了一个终极的难题，即一个又慢又小的大脑或是电脑如何能感知、理解、预测和操纵一个远远比其大而复杂的世界？我们如何使某些东西具备这些特性？这些是难题，但是不同于寻求超光速运动或反重力装置，人工智能研究者有确凿的证据证明这种探索是可能成功的。所有研究者必须要做的事是照一下镜子，看一看镜子里智能系统的一个实例。
AI是最新的学科之一。它正式始于1956年，当时造出了人工智能这个名词，尽管在此以前有关工作已经开展了5年。同现代遗传学一起，AI经常被其他学科的科学工作者称为“最愿意从事的领域”。学物理的学生可能有理由感到所有的好主意早已被伽利略、牛顿、爱因斯坦等科学家提出了，人们需要经过多年的研究才能贡献出一个新的想法。而在另一方面，AI对全身心投入的爱因斯坦们仍有尚待解决的问题。
AI目前包含许多子领域，从诸如感知和逻辑推理等的通用领域，到下棋、证明数学定理、写诗和诊断疾病等具体任务。通常其他领域中的科学家（会）逐渐转移到人工智能研究中来，他们在这里发现了能使他们自己毕生从事的智力工作实现系统化和自动化的工具和语言。与此相似，AI工作者们可以选择把他们的方法应用于任何人类智能化努力的领域中，在这个意义上，它确实是一个通用领域。
什么是AI？
我们现已揭示了为什么AI是激动人心的，但我们还没有说它究竟是什么。我们可能会说：“好，它和编写聪明的程序有关，那就让我们着手来写一些”。但科学的历史证明瞄准正确的目标是非常有益的。早年寻求长生不老药和点石成金秘诀的点金术士恐怕是迈错了步。只有改变目标，用早期天文学家预言星宿和行星运动那样的方法寻求能给出人间世界准确预言的明确理论，科学的方法和有成效的科学才会出现。表15.1给出的定义沿着两个主要的方面发展。上面一行是关于思维过程和推理的，而下面一行涉及行为。同样的，左面一列的定义按照人的表现来衡量（系统是否）成功，而右面一列的定义按照智能的理想概念来衡量，我们将其称为理性。如果一个系统做的是正确的事，那么它就是理性的。
就如人们所预期的，以人为中心的方法和以理性为中心的方法之间存在着矛盾。我们应该指出人和理性行为之间有区别，我们并不是在“情绪不稳”和“精神失常”的意义上暗示人必然没有理性，人们仅仅需要注意我们通常会犯错误。即使了解全部象棋规则，也不会都是象棋大师。而且很不幸，不是每个人在考试时都能得到A。以人为中心的方法必然是一个经验的科学，包括假设和实验验证。理性主义者的方法包括数学和工程的结合。每个体中的人们有时互相批评其他体的工作，但事实是每个方向都得到了有价值的见识，让我们更仔细地互相关注。
父亲节签名像人一样行事：图灵测试法
由艾伦·图灵提出的图灵测试是设计用来提供一个令人满意的可操作的智能定义。图灵把智能行为定义
为在所有认知任务中达到人的水平，足以骗过讯问者。粗略来说，他提出的测试就是，计算机应该被一个人通过电传打字机询问，如果询问者不能断定那一端是计算机还是人，那么就通过测试。测试的详情以及如果计算机通过测试是否确实就是智能的将在下面讨论。眼下对计算机编程使其通过测试就有足够的工作要做。计算机需要拥有以下的能力：
自然语言处理，使其能成功地用英语（或其他人类语言）交流。
知识表达，存储讯问前或讯问中所提供的知识。
自动推理，利用存储的信息回答问题并得出新的结论。
椒盐排骨机器学习，适应新的环境，检测并向外推断模式。
图灵测试故意避免在询问者和计算机之间的直接物理接触，因为对一个人的物理模拟对于智能来说不是必要的。不过所谓“完全图灵试验”需要包括视频信号，这样询问者就可以对被测试者的感觉能力进行测试，同时也包括询问者“通过舱口”传递实物的可能性。为了通过完全的图灵测试，计算机需要有：
计算机视觉，用于感知物体。
机器人的能力，以便到处走动。
在AI中，并未化费太大的努力以尝试通过图灵测试。像人一样行事的问题主要来自AI程序必
须与人交互，如一个专家系统解释它是如何得出诊断，或者自然语言处理系统与用户进行对话那样。这些程序必须遵照人类交流的某些通常习惯行事以使他们能被理解。在这样一个系统里基本的表达和推理可能是基于人类模型的，也可能不是。
像人一样思考：认知模型方法
如果我们想说某一程序像人一样思考，我们必须有某种方法决定人是如何思考的。我们必须深入人类思维的实际活动。有两种方法去做：通过内省，当我们的思维出现时抓它们；或者通过心理学实验。一旦我们有足够精确的思维理论，就有可能用计算机程序进行表达。如果程序的输入输出和定时行为与人的行为相匹配，那就证明程序的某些机理也可以在人体内运行。例如，发明“通用解题装置”的纽厄尔和西蒙并不会满足于他们的程序能正确地解决问题。他们更关注于比较程序推理步骤和人解决同一个问题的步骤。这和同时期只关心获得正确答案而不管人们会怎样做的其他研究者形成对比。认知科学这一交叉学科领域将人工智能领域中的计算机模型与心理学中的实验技术结合起来，试图构建人类思维精确并可测试的理论。虽然认知科学本身是一个令人着迷的领域，我们并不想讨论太多。然而，真正的认知科学必定建立在实际人或动物的实验研究基础之上。我们只是要说明，AI和认知科学继续互相促进，特别是在视觉领域、自然语言和学习方面。
理性思维：思考方法的法则
陈建斌 吴越古希腊哲学家亚里士多德是第一个尝试对“正确思维”即不可辩驳的推理过程进行归纳的人。他著名的三段论法提供了争论结构的模式，给定正确的前提就能得出正确的结论。例如，“苏格拉底是人，人终有一死，苏格拉底也如此”。人们假定这些思想法则支配思维活动，它们开创了逻辑学领域。
十九世纪后期和二十世纪初形式逻辑的发展提供了描述世界上各类事物的精确表示法和他们之间的关系。（与常规的算术表示法形成对照，算术主要提供数值相等和不等的表述）。到1965年已经只要提供足够的时间和存储空间，就会有计算机程序以逻辑表达方式描述问题，而且只要有解，就能到这些解。（如果没有解，程序可能永远不停地寻答案）。人工智能领域中所谓的逻辑主义实践派期望构造这样的程序以创建人工智能系统。
这个方法有两个主要的障碍。首先，获取非正式的知识而用逻辑表示法所需的正式术语描述它们并不容易，特别是当知识不是100%确定时。其次，原则上能解决问题与实际上真正去解决它之间有巨大的差别。即使是问题仅有几十个事实就有可能耗尽任何计算机的资源，除非有关于首先尝试哪个推理步骤的某种指引。虽然这两个障碍都适用于任何构建计算推理系统的尝试，但他们首先出现在逻辑主义实践派的传统中因为对表达和推理系统的能力有明确定义并有相当好的理解。
理性行事：理性代理方法
理性行事的意思是在给定某人信念的情况下，为了达到其目的而实行的行为。一个代理就是某些感知和行事的东西（这可能是这个词的不寻常的用法，但你将会习惯它）。在这个方法里，AI被看作是研究和构建理性代理。
在AI的“思维法则”方法中，整个重点在于正确的推断。有时做出正确推断是按照理性行事的智能代理的一部分，因为理性行事的方式之一就是合乎逻辑地推出这样的结论：某一给定的行为将能达到目的，然后照此行事。另一方面，正确推断并不是理性的全部，因为通常有这样的情况，没有什么正确的事情要做，但仍然必须要去做一些事。同样有些理性行事的方式，他们不能被合理地
称为包括推理。例如，把手从火热的炉子上抽回来只是一种反射行为，这要比经过深思后采取的缓慢行动要成功得多。
所有的图灵测试所需的认知技巧就是允许理性行事。这样，我们需要有能力去表达知识和用它进行推理，因为这使得我们能在各种各样的情形下达到好的决策。我们需要能用自然语言产生易于理解的语句，因为说这一些语句可帮助我们适应复杂的社会环境。我们需要学习并不仅仅是为了博学，而是因为对世界如何运转有一个较好的观念能使我们产生更有效的策略来处理它。我们需要视觉并不仅仅是因为能看见很有趣，而是为了对行为所能达到的效果有一个更好的概念。
发布评论