人工智能很高深?听听专家怎么说
推荐图书:《人工智能(第2版)》【人工智能时代我们要如何自处,从这本书中或许能找到答案】
随着我们对人工智能了解的深入,理解了它与传统的计算机科学如何截然不同,我们必须回答这样一个问题:“什么使问题适用人工智能来解决?”大部分人工智能问题有3个主要的特征。
(1)人工智能问题往往是大型的问题。
(2)它们在计算上非常复杂,并且不能通过简单的算法来解决。
(3)人工智能问题及其领域倾向于收录大量的人类专门知识,特别是在用强人工智能方法解决问题的情况下。
采用人工智能的方法,一些类型的问题得到了更好的解决,然而涉及简单的决策或精确计算的另一些类型的问题更适合用传统计算机科学的方法来解决。让我们思考几个例子: 医疗诊断、 用具有条码扫描的收银机来购物、自动柜员机、二人博弈,如象棋和跳棋。
多年来,医疗诊断这个科学领域一直在采用人工智能的方法,并对于来自人工智能的贡献,特别是利用专家系统(expert system)的发展乐见其成。
建立专家系统的领域一般具有大量的人类专门知识,并且其中存在着大量的规则(一些此类形式的规则:if条件,then动作。例如:如果头痛,那么你可以服用两片阿司匹林,并在早晨给我打电话)。这些规则比任何人类大脑能够记忆或希望记忆的规则都多。专家系统算得上一种最成功的人工智能技术,可能生成全面而有效的结果。
人们可能会问:“为什么对专家系统而言,医疗诊断是个好的候选领域?”首先,医疗诊断是一个复杂的过程,有许多可能有效的方法。
诊断涉及基于患者症状和病史以及先例,确定疾病或治疗问题。在大多数情况下,不存在可以识别潜在疾病或病症的确定性算法。例如,MYCIN是最著名的基于规则的专家系统,用于帮助诊断血液细菌感染。
MYCIN主要用作培训医学生的工具,其规则超过了400条[15]。MYCIN不提供确定的诊断,而是提供最可能存在的疾病的概率,以及诊断正确的程度。人们将开发这些规则的过程称为知识工程(knowledge engineer)。
知识工程师与领域专家会面,在这个例子中,知识工程师在与医生或其他医疗专业人员的密集访谈过程中收集专家知识,使其变成离散规则的形式。专家系统的另一个特征是,它们可以得出让设计它们的领域专家吃惊的结论。这是由于专家规则可能的排列数量比任何人在他们大脑中记住的都多。用于构建专家系统的好的候选领域具有以下特征。
(1)它包含大量的领域特定的知识(关于特定问题的领域知识,例如医疗诊断或人类努力发展的领域,如确保核电站安全操作的控制机制)。
(2)它允许领域知识遵循某一种分层次序。
(3)它可以开发成为存储了若干专家知识的知识库。
因此,专家系统不仅仅是构建该系统的专家知识的总和。第9章专门介绍和讨论了专家系统。在超市购物,通过扫描条形码将产品扫描到收银机中,这通常不被视为人工智能领域。
然而,想象一下,杂货店购物体验发展到了与智能机器互动的阶段。机器可能会提醒购物者要购买什么产品:“你不需要一盒洗衣粉吗?”(因为机器已经知道从某日起,你还没购买过这些产品)。
系统可以提示消费者购买一些与已选择购买的食物很配的食物。这个系统可以作为平衡营养饮食的食物顾问,并且可以针对个人的年龄、体重、疾病和营养目标进行调整。
由于它包含了关于饮食、营养、健康和各种产品的诸多知识,因此就是一种智能系统。此外,它可以做出智能决策,提供建议给消费者。
过去30年中使用的自动柜员机(ATM)不是人工智能系统。但是假设这台机器作为总财务顾问追踪了一个人的支出,以及所购买物品的类别和频率,可以解释娱乐、必需品、旅游和其他类别的支出,并就如何有力地改变支出模式提供建议(“你真的需要花那么多钱在高档餐馆吗?”)。
那么,我们认为此处描述的自动柜员机就是一种智能系统。
智能系统的另一个例子是下国际象棋。虽然国际象棋的规则很容易学习,但是玩这个游戏达到专家级别可不是件容易的事情。关于国际象棋的书籍比所有其他游戏的书籍的总和还多。
人们普遍接受的是,国际象棋有1042种可能合理的棋局(“合理”的棋局与之前给出的10120“可能”棋局的数目不同)。
这是一个巨大的数字,即使用全世界最快的计算机一起来解决国际象棋游戏(即开发一个程序进行一盘完美的博弈,总是做出最好的移动),这些计算机也不会在50年内完成这盘博弈。
具有讽刺意味的是,尽管国际象棋是一个零和博弈(意味着最初没有一个玩家有优势),以及是一个具有完美信息的二人博弈(没有涉及机会,任何一方也没有未知的优势因素),但是它依然存在以下问题:
完美博弈的结果如何?白方胜利,黑方胜利,还是不分胜负?大部分人认为这会是一个平局。
对于白方而言,最好的第一步是什么?大多数人相信是1.e4或1.d4,这是国际象棋中的概念,即将白方国王前面的兵向前移动两个方格(1.e4),或将白方皇后前面的兵向前移动两个方格(1.d4)。统计数据支持这种观点,但是没有确凿的证据证明这种观点是正确的。
编写一个强大的国际象棋程序(大师级水平以上)目前都基于一个假设,即大师级水平的国际象棋程序需要并展示智能。在过去的20年间,所开发的计算机国际象棋程序,可以击败除了顶尖棋手以外的所有棋手。
但是,没有一款计算机程序是官方的世界国际象棋冠军。到目前为止,所有的比赛都相对较短,并利用了人类的弱点(人类会疲劳、焦虑等)。
在人工智能领域,许多人强烈认为,程序还没有比所有人都下得好。此外,尽管最近国际象棋程序获得成功,但是这些程序不一定使用了“强人工智能的方法”。
一个真正智能的计算机国际象棋程序不仅会下世界冠军级的国际象棋,还能够解释走子背后的推理。
这将需要大量关于国际象棋的知识(特定领域知识),并且程序能够将其作为决策过程的一部分,共享和呈现这些知识。