人工智能与哲学思考课件

人工智能及哲学思考

人工智能及哲学思考

1目录范畴与定义相关学科历史与发展哲学思考目录范畴与定义相关学科历史与发展哲学思考2什么是人工智能

（ARTIFICIALINTELLIGENCE,AI)AI是普遍的研究领域和人类智能活动的所有范畴都潜在相关人vs.理性人：经验科学，涉及许多假设和实验证实理性：数学和工程相结合。一个系统如果能够在它所知的范围内“正确行事”，它就是理性的。3像人一样思考的系统像人一样行动的系统理性地思考的系统理性地行动的系统什么是人工智能

（ARTIFICIALINTELLIGEN4像人一样行动:图灵测试图灵预测，2000年之前计算机有30%的概率蒙骗一个普通人达5分钟。然而，AI研究者相信研究智能的根本原则远比复制样本更重要。Source:lecturenotesbyDr.HweeTouNg,Singapore4像人一样行动:图灵测试图灵预测，2000年之前计算机有305图灵测试对计算机的要求自然语言处理知识表示自动推理机器学习更加全面的图灵测试计算机视觉机器人技术5图灵测试对计算机的要求自然语言处理像人一样思考：认知模型方法确定人是怎样思考的通过内省通过心理测试（blackbox）通过计算机程序来表达关于思维的结论比较计算机输入/输出以及timingbehavior和人类行为，例子：GeneralProblemSolverbyNewell&Simon。认知科学：把AI的计算机模型和心理学的实验相结合，试图创立一种精确且可检验的人类思维工作方式理论。6像人一样思考：认知模型方法确定人是怎样思考的6理性地思考：“思维法则”方法“正确思考”是不能辩驳的推理过程（Aristotle）三段论：前提正确结论正确描述世界上一切事物及其彼此之间关系的精确的命题符号（19世纪）求解任何用逻辑符号描述的可解问题的程序（1965）逻辑的方法的两个障碍：难以获得非形式化的知识并得到逻辑符号表示所需的形式化表达，尤其当知识不可靠时。“原则上”可以解决一个问题与实际解决问题这两者之间存在巨大的差异：如果推理步骤不合适，会耗尽计算机的资源。7理性地思考：“思维法则”方法“正确思考”是不能辩驳的推理过理性地行动：理性智能体方法智能体是某种能够行动的东西，区别于简单“程序”自主控制的操作感知环境持续能力适应变化有能力承担其它智能体的目标通过自己的行动获得最佳结果做出正确的推论是理性智能体的部分功能，但不是理性的全部内容。图灵测试中需要的所有技能都是为了做出理性行为8理性地行动：理性智能体方法智能体是某种能够行动的东西，区别于定义其定义随着人们对人工智能的理解而演变从内容上来说，AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。从外延上来说，人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。人工智能是计算机等科学的终极目标定义其定义随着人们对人工智能的理解而演变910人工智能相关学科哲学（since公元前428年）数学（since约800）经济学与社会学（since1776）神经科学（since1861）生物进化论（since1858）心理学（since1879）计算机工程（since1940）控制论（since1948）语言学（since1957）10人工智能相关学科哲学（since公元前428年）哲学意识中，哪些部分是理性的，可以形式化的形式化规则能用来抽取合理的结论吗？Aristotle的三段论：在初始前提的条件下机械地推导出结论。用机械装置进行推理RamonLull,LeonardodaVinci,WilhelmSchickard精神的意识是如何从物质的大脑产生出来？Descartes给出了第一个关于意识和物质之间的区别及由此引起的问题的清晰讨论：二元论vs.唯物主义11哲学意识中，哪些部分是理性的，可以形式化的11二元论vs.唯物主义二元论意识的一部分是超脱于自然之外的，不受物理定律影响。动物不拥有这种二元属性，可以被当作机器看待。唯物主义大脑依照物理定律运转而构成意识自由意志是对出现在选择过程中的可能选择的感受方式12二元论vs.唯物主义二元论12数学哲学家们标志出了AI的大部分思想，但实现成为一门规范科学的飞跃就要求在三个基础领域完成一定程度的数学形式化：逻辑、计算和概率。什么是抽取合理结论的形式化规则？Boole逻辑（接近命题逻辑）Frege扩展了Boole逻辑，使其包含对象和关系，创建了一阶逻辑（当今最基本的知识表示系统）代表作“Begriffschrift”（概念符号），1879Tarski引入一种参考理论，可以表示如何将逻辑对象和现实世界的对象联系起来。13数学哲学家们标志出了AI的大部分思想，但实现成为一门规范科学数学（2）：逻辑和计算的极限Euclid的计算最大公约数的算法是第一个不可忽视的算法把一般的数学推理形式化为逻辑演绎的努力（始于19世纪晚期）Hilbert著名的“23个问题”的最后一个问题是：是否存在一个算法可以判定任何涉及自然数的逻辑命题的真实性。14数学（2）：逻辑和计算的极限Euclid的计算最大公约数的算逻辑和计算的极限（2）Turning试图精确地刻画哪些函数是能够被计算的但，计算或有效过程的概念是无法给出形式化定义的。如果解决一个问题需要的时间随实例的规模成指数级增长，该问题称为不可操作的。NP-完全理论为认识不可操作问题提供一种方法任何NP-完全问题类可归约而成的问题类很可能是不可操作的15逻辑和计算的极限（2）Turning试图精确地刻画哪些函数是逻辑和计算的极限（3）Godel证明了确实存在真实的局限（不完备性定理，1931）在任何表达能力足以描述自然数的语言中，在不能通过任何算法建立它们的真值意义下，存在不可判定的真值语句。Turing给出了可计算模型下的局限（停机定理）NP问题描述了实际计算能力下的局限逻辑和计算的极限（3）Godel证明了确实存在真实的局限（不16数学（3）：概率概率起源于对赌博问题可能结果的描述，成为所有需要定量的科学的无价之宝，帮助对付不确定的测量和不完备的理论。（Cardano，16世纪）Bayes提出了根据新证据更新概率的法则（18世纪）Bayes分析形成了大多数AI系统中不确定推理的现代方法的基础人类思考和应用并不完全按照精确逻辑进行不需要一定找到最优解，准最优解即可17数学（3）：概率概率起源于对赌博问题可能结果的描述，成为所有经济学我们如何决策以获得最大效益？AdamSmith是第一个把经济学当作科学来看待，认为经济是个人代理之间的协调过程，这些代理追求自己的经济利益的最大化。对于“偏好的结果”（效用）的数学处理，由Walras完成形式化。决策理论把概率和效用结合起来，为在不确定条件下进行决策提供了形式化和完整的框架。（适用于“宏观”经济）追求效益的、理性的行为，是智能在社会化环境下的表现18经济学我们如何决策以获得最大效益？18经济学（２）“微观”经济与博奕论在他人不合作情况下如何获得最大效益？Nash表明，理性个体可以在非合作情况下达成一致当行动的收益不是立即体现的，而是一些按顺序采用的行动的结果时，如何制定理性的决策？属于运筹学问题的形式化马尔可夫决策过程基于满意度的模型制定“足够好”的决策，而不是艰苦计算得到最优化决策，能更好地描述人类行为。（Simon,1947)19经济学（２）“微观”经济与博奕论在他人不合作情况下如何获得神经科学：大脑是如何处理信息的？神经元构成神经科学：大脑是如何处理信息的？神经元构成20大脑的组成大脑的组成21大脑的组成端脑（大脑的主要部分）由约140亿~1000亿个神经元构成，超过10的14次方个神经突触。据估计脑细胞每天要死亡约10万个（越不用脑，脑细胞死亡越多）。大脑虽只占人体体重的2%，但耗氧量达全身耗氧量的25%，血流量占心脏输出血量的15%，一天内流经脑的血液为2000升。脑消耗的能量若用电功率表示大约相当于25瓦。大脑功能的实现，是通过大量神经元组成的复杂神经网络完成的，但具体机理尚有待研究。大脑的组成端脑（大脑的主要部分）由约140亿~1000亿个神22进化论：从进化的角度看智能的形成智能物种的独特性进化路线是否一定导致智能物种的出现智能物种的进化路线进化论vs创造论从生物进化到文明进化知识基因进化论：从进化的角度看智能的形成智能物种的独特性23心理学：人类和动物是如何思考的？研究方法：内省vs.心理测量行为主义者只研究对动物的感知和它所引发的行动的度量，排斥精神的结构，包括知识、信念、目标和推理步骤。认知心理学把大脑当作信息处理装置。基于知识的智能体的三个步骤：把刺激翻译成内部表示表示经过认知过程处理→新的表示表示被翻译回到行动计算机模型的发展导致认知科学的创建普遍的观点：“认知理论就应该像计算机程序”24心理学：人类和动物是如何思考的？研究方法：内省vs.心理测量计算机工程：如何制造能用的计算机？AI需要智能和人工制品，即计算机。AI对主流计算机科学的影响分时技术交互式翻译器使用窗口和鼠标的个人计算机面向对象的编程…25计算机工程：如何制造能用的计算机？AI需要智能和人工制品，即控制论：人工制品怎样才能在自己控制下运转现代控制论和AI的共同点：设计出能随时间变化使目标函数最大化的系统。控制论的主要工具是微积分和线性代数其主要研究对象是用固定的连续变量集描述的（线性）系统AI的部分起因是寻求摆脱控制论的数学方法局限性的途径不同的工具：逻辑推理和计算不同的问题：语言、视觉、规划…26控制论：人工制品怎样才能在自己控制下运转现代控制论和AI的共语言学：语言和思维是怎样联系起来的？成熟的思维是通过语言完成的现代语言学的诞生：Chomsky理论形式化，可以编程实现。知识表示的许多早期工作和语言紧密联系27语言学：语言和思维是怎样联系起来的？成熟的思维是通过语言完成28总结哲学：标出了AI的大部分重要思想数学：使AI成为一门规范科学经济学与社会学：决策理论神经科学：网络，并行处理…生物进化论：进化路线心理学：认知理论计算机工程：AI的“载体”控制论：反馈的思想语言学：知识表示、语法28总结哲学：标出了AI的大部分重要思想人工智能发展历程孕育诞生发展高潮与低谷人工智能发展历程孕育29孕育期（1943－1955）McCulloch&Pitts提出人工神经元模型基础生理学知识和脑神经元的功能对命题逻辑的形式化分析Turing的计算理论Turing第一个清晰地描绘出AI的完整图景在“ComputingMachineryandIntelligence”中提出了图灵测试、机器学习、遗传算法和增量学习。30孕育期（1943－1955）McCulloch&Pitts提诞生：DartmouthCollege，1956Dartmouthworkshop，1956夏天与会者的背景：自动机、神经网络和智能研究Impact：在随后的20年中，AI被与会者和他们在MIT、CMU、Stanford及IBM的学生和同事所统治。31诞生：DartmouthCollege，1956DartmLook,Ma,nohand!(1952-69)GPS可能是第一个实现了“像人一样思考”方法的程序Samuel‘scheckersprogram，通过学习达到了业余高手的级别，反驳了认为计算机只能做人让它做的事的观念。（通过“强化学习”）McCarthy“ProgramswithCommonSense”描述了一个假设程序，AdviceTaker。它可被看作是第一个完整的AI系统，不同于其它的系统，它包含了世界的一般知识。SRI的Shakey机器人项目，第一次演示了逻辑推理和物理行为的完整集成。32Look,Ma,nohand!(1952-69)GP早期成就机器定理证明一阶谓词逻辑几何定理证明（吴文俊）求解微积分积木世界动作规划游戏AI人工智能程序设计语言早期成就机器定理证明33乐观思潮第一代AI研究者们曾作出了如下预言:1958年，H.A.Simon，AllenNewell：“十年之内，数字计算机将成为国际象棋世界冠军。”“十年之内，数字计算机将发现并证明一个重要的数学定理。”1965年，H.A.Simon：“二十年内，机器将能完成人能做到的一切工作。”1967年，MarvinMinsky：“一代之内……创造‘人工智能’的问题将获得实质上的解决。”1970年，MarvinMinsky：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”乐观思潮第一代AI研究者们曾作出了如下预言:34步入低谷早期的程序很少包含或不包含关于它们的主题信息AI试图解决的许多问题不可操作计算复杂性和指数爆炸计算机的运算能力常识和推理莫拉维克悖论证明定理和解决几何问题对计算机而言相对容易，而一些看似简单的任务，如人脸识别或穿过屋子，实现起来却极端困难。用于产生智能行为的基本结构有着一些基本的限制逻辑框架感知器35步入低谷早期的程序很少包含或不包含关于它们的主题信息3536基于知识的系统：力量的钥匙？专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。专家系统的能力来自于它们存储的专业知识PamelaMcCorduck：“智能可能需要建立在对分门别类的大量知识的多种处理方法之上。”“70年代的教训是智能行为与知识处理关系非常密切。有时还需要在特定任务领域非常细致的知识。”知识库系统和知识工程成为了80年代AI研究的主要方向。36基于知识的系统：力量的钥匙？专家系统是一种程序，能够依据专家系统的繁荣期（1980-1987）主要应用领域：医学诊断、自然语言理解。表示和推理的语言：Prolog、PLANNER、FrameEdwardFeigenbaum1972年设计的MYCIN能够诊断血液传染病1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。专家系统的繁荣期（1980-1987）主要应用领域：医学诊断37第二次低谷（AIwinter）专家系统维护费用居高不下。它们难以升级，难以使用，脆弱（当输入异常时会出现莫名其妙的错误），成了以前已经暴露的各种各样的问题（例如资格问题的牺牲品。专家系统的实用性仅仅局限于某些特定情景。微机的兴起与软件复杂性期望过高，难以实现，经费下降第二次低谷（AIwinter）专家系统维护费用居高不下。它38新的路线一些研究者根据机器人学的成就提出了一种全新的人工智能方案。他们相信，为了获得真正的智能，机器必须具有躯体–它需要感知，移动，生存，与这个世界交互。他们认为这些感知运动技能对于常识推理等高层次技能是至关重要的。符号主义vs连接主义vs行为主义新的路线一些研究者根据机器人学的成就提出了一种全新的人工智能39神经网络的回归和连接主义的兴起1982年，物理学家JohnHopfield证明一种新型的神经网络（现被称为“Hopfield网络”）能够用一种全新的方式学习和处理信息。BP神经网络训练方法得到商业上的成功，它们被应用于光字符识别和语音识别软件这些发现使1970年以来一直遭人遗弃的联结主义重获新生。深度学习：Hinton等人于2006年提出40神经网络的回归和连接主义的兴起1982年，物理学家John现代的AIAI研究者们开发的算法开始变为较大的系统的一部分。AI曾经解决了大量的难题，这些解决方案在产业界起到了重要作用。应用了AI技术的有数据挖掘，工业机器人，物流，语音识别，银行业软件，医疗诊断和Google搜索引擎等。NickBostrom：“很多AI的前沿成就已被应用在一般的程序中，不过通常没有被称为AI。这是因为，一旦变得足够有用和普遍，它就不再被称为AI了。”现代的AIAI研究者们开发的算法开始变为较大的系统的一部分。41研究者眼中的AI越来越多的AI研究者们开始开发和使用复杂的数学工具。人们广泛地认识到，许多AI需要解决的问题已经成为数学，经济学和运筹学领域的研究课题。AI已成为一门更严格的科学分支。许多AI研究者故意用其他一些名字称呼他们的工作，例如信息学，知识系统，认知系统或计算智能。NewYorkTimes在2005年的一篇报道所说：“计算机科学家和软件工程师们避免使用人工智能一词，因为怕被认为是在说梦话。”研究者眼中的AI越来越多的AI研究者们开始开发和使用复杂的数42人工智能的工程化领域：认知技术计算机视觉机器学习自然语言处理机器人技术语音识别技术具有广泛的应用领域人工智能的工程化领域：认知技术计算机视觉43当代人工智能进步的催化剂计算能力的发展大数据互联网和云计算新算法对复杂系统的理解当代人工智能进步的催化剂计算能力的发展44深蓝（DeepBlue）重1270公斤，有32个大脑（微处理器），每秒钟可以计算2亿步。“深蓝”输入了一百多年来优秀棋手的对局两百多万局。1997年5月11日，计算机在正常时限的比赛中首次击败了等级分排名世界第一的棋手。加里·卡斯帕罗夫以2.5:3.5（1胜2负3平）输给IBM的计算机程序“深蓝”。深蓝（DeepBlue）重1270公斤，有32个大脑（微处45Mr.Watson沃森由90台IBM服务器、360个计算机芯片组成。它拥有15TB内存、2880个处理器、每秒可进行80万亿次运算。2011年2月17日，在美国最受欢迎的智力竞猜电视节目《危险边缘》中击败该节目历史上两位最成功的选手肯-詹宁斯和布拉德-鲁特，成为《危险边缘》节目新的王者。大数据学习自然语言理解与表达非联网情况下回答问题Mr.Watson沃森由90台IBM服务器、360个计算机46各国最新动态2013年年初，欧盟委员会就宣布“人脑工程”为欧盟未来10年的“新兴旗舰技术项目”。2013年4月，美国白宫公布了“推进创新神经技术脑研究计划”（简称“脑计划”）。“中国脑计划”正在探讨，可能于2016年启动“人类脑计划”是可以和“曼哈顿计划”、“阿波罗登月计划”和“人类基因组计划”等划时代的三大科学工程相比的巨大科学工程，它们给整个人类社会带来了深远的影响。

各国最新动态2013年年初，欧盟委员会就宣布“人脑工程”为欧47美国脑计划重点研究领域在2014财年将重点资助9个大脑研究领域。统计大脑细胞类型；建立大脑结构图；开发大规模神经网络记录技术；开发操作神经回路的工具；了解神经细胞与个体行为之间的联系；把神经科学实验与理论、模型、统计学等整合；描述人类大脑成像技术的机制；为科学研究建立收集人类数据的机制；知识传播与培训。美国脑计划重点研究领域在2014财年将重点资助9个大脑研究领48人工智能中的哲学思考弱AI与强AI普遍问题意识、思维、智能与物质基础缸中之脑与黑客帝国柏拉图的洞穴我思故我在希尔中文屋强AI的哲学问题人工智能中的哲学思考弱AI与强AI49弱AI弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem-solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。目前上没有明确的路线。弱AI弱人工智能观点认为不可能制造出能真正地推理（Reaso50强AI强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem-solving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。强AI强人工智能观点认为有可能制造出真正能推理（Reason51意识、智能与物质基础意识（和智能）能否独立于物质存在，就如同信息和其载体之间的关系忒修斯之船悖论如果忒修斯的船上的木头被逐渐替换，直到所有的木头都不是原来的木头，那这艘船还是原来的那艘船吗？如果我们逐渐用AI（包括人工器官）替代肉体，那么我们还是自己么？如果我们将人脑计算机化，那么自己还存在么？意识、智能与物质基础意识（和智能）能否独立于物质存在，就如同52缸中之脑与黑客帝国缸中之脑一个人被邪恶科学家施行了手术，他的脑被放进一个盛有维持脑存活营养液的缸中。脑的神经末梢连接在计算机上，计算机按照程序向脑传送信息，使他保持一切完全正常的幻觉。对于他来说，似乎人、物体、天空还都存在，自身的运动、身体感觉都可以输入。这个脑还可以被输入或截取记忆（截取掉大脑手术的记忆，然后输入他可能经历的各种环境、日常生活）。有关这个假想的最基本的问题是：“你如何担保你自己不是在这种困境之中？”黑客帝国Matrix不仅是一个虚拟程序，也是一个实际存在的地方。在这里，人类的身体被放在一个盛满营养液的器皿中，身上插满了各种插头以接受电脑系统的感官刺激信号。人类就依靠这些信号，生活在一个完全虚拟的电脑幻景中。人类能否知道自己是生活在Matrix里面，并且逃离庄生梦蝶缸中之脑与黑客帝国缸中之脑53柏拉图的洞穴比喻设想有这样一个大洞，洞中的囚徒看不到外面的世界和他人，实际上也看不到自己身体的任何部分，而只能够看到面前的墙壁。他们在如此的环境下终其一生，不知道其他任何东西。囚徒们一生中所感觉或经验到的唯一实在就是这些外部的影子和回声。在此情况下，他们自然而然地会以为这些影子和回声成了全部的现实和知识。我们获得的知识可能是虚假的？！柏拉图的洞穴比喻设想有这样一个大洞，洞中的囚徒看不到外面的世54我思故我在我无法否认自己的存在，因为当我否认、怀疑时，我就已经存在！当我使用理性来思考的时候，我才真正获得了存在的价值。AI能够思考，那么AI能否意识到自己的存在？我思故我在我无法否认自己的存在，因为当我否认、怀疑时，我就已55希尔中文屋（TheChineseRoom）JohnSearle（一位只会说英语的哲学家）身处一个封闭的房间中。他随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间中。Searle可以使用他的程序（和字典）来翻译这些文字并用中文回复，虽然他完全不会中文。通过这个过程，Searle可以让任何房间外的人以为他会说流利的中文。其实他并不会！希尔中文屋（TheChineseRoom）JohnSe56强AI的哲学问题能够实现强AI（真正的Robot）Robot能够自我繁殖么？Robot有情感么？社会、道德、法律、伦理问题Robot和人类的关系强AI的哲学问题能够实现强AI（真正的Robot）57强AI能否实现强AI的特征独立思考自主学习适应环境和社会可以复制非碳基智能，包括外星智能和硅基智能强AI可能是各种表现形式AI能否超越人类智能水准（机器人取代人类）AI能否自我进化强AI能否实现强AI的特征58社会、道德、法律问题机器人三原则（阿西莫夫，1940）机器人不得伤害人类，或看到人类受到伤害而袖手旁观.机器人必须服从人类的命令，除非这条命令与第一条相矛盾。机器人必须保护自己，除非这种保护与以上两条相矛盾社会、道德、法律问题机器人三原则（阿西莫夫，1940）59AI和情感广义的人工智能应该包括人工认知、人工情感和人工意志三个方面。人工情感包括三个方面：情感识别、情感表达与情感理解（或情感思维）情感有其生理学、心理学和社会学的意义机器人能否成为伦理主体？AI和情感广义的人工智能应该包括人工认知、人工情感和人工意志60机器人和人类的关系造物主和被创造者当科幻电影成为现实，机器人出现自我意识时，人类和机器人的关系将变得难以琢磨可能的关系？主仆？朋友？敌人？机器人和人类的关系造物主和被创造者61东西方文化与强AI你想成为什么样的人，取决于你如何与其他人相处。造物主造成什么样的Robot，取决于造物主如何与自我相处东方文明西方文明开天辟地创世纪凡人成神神的血脉佛说众生皆苦道家追求超脱原罪与赎罪天下为公自私并不是原罪己所不欲，勿施于人个体自由东西方文化与强AI你想成为什么样的人，取决于你如何与其他人相62人工智能及哲学思考

人工智能及哲学思考

63目录范畴与定义相关学科历史与发展哲学思考目录范畴与定义相关学科历史与发展哲学思考64什么是人工智能

（ARTIFICIALINTELLIGENCE,AI)AI是普遍的研究领域和人类智能活动的所有范畴都潜在相关人vs.理性人：经验科学，涉及许多假设和实验证实理性：数学和工程相结合。一个系统如果能够在它所知的范围内“正确行事”，它就是理性的。65像人一样思考的系统像人一样行动的系统理性地思考的系统理性地行动的系统什么是人工智能

（ARTIFICIALINTELLIGEN66像人一样行动:图灵测试图灵预测，2000年之前计算机有30%的概率蒙骗一个普通人达5分钟。然而，AI研究者相信研究智能的根本原则远比复制样本更重要。Source:lecturenotesbyDr.HweeTouNg,Singapore4像人一样行动:图灵测试图灵预测，2000年之前计算机有3067图灵测试对计算机的要求自然语言处理知识表示自动推理机器学习更加全面的图灵测试计算机视觉机器人技术5图灵测试对计算机的要求自然语言处理像人一样思考：认知模型方法确定人是怎样思考的通过内省通过心理测试（blackbox）通过计算机程序来表达关于思维的结论比较计算机输入/输出以及timingbehavior和人类行为，例子：GeneralProblemSolverbyNewell&Simon。认知科学：把AI的计算机模型和心理学的实验相结合，试图创立一种精确且可检验的人类思维工作方式理论。68像人一样思考：认知模型方法确定人是怎样思考的6理性地思考：“思维法则”方法“正确思考”是不能辩驳的推理过程（Aristotle）三段论：前提正确结论正确描述世界上一切事物及其彼此之间关系的精确的命题符号（19世纪）求解任何用逻辑符号描述的可解问题的程序（1965）逻辑的方法的两个障碍：难以获得非形式化的知识并得到逻辑符号表示所需的形式化表达，尤其当知识不可靠时。“原则上”可以解决一个问题与实际解决问题这两者之间存在巨大的差异：如果推理步骤不合适，会耗尽计算机的资源。69理性地思考：“思维法则”方法“正确思考”是不能辩驳的推理过理性地行动：理性智能体方法智能体是某种能够行动的东西，区别于简单“程序”自主控制的操作感知环境持续能力适应变化有能力承担其它智能体的目标通过自己的行动获得最佳结果做出正确的推论是理性智能体的部分功能，但不是理性的全部内容。图灵测试中需要的所有技能都是为了做出理性行为70理性地行动：理性智能体方法智能体是某种能够行动的东西，区别于定义其定义随着人们对人工智能的理解而演变从内容上来说，AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。从外延上来说，人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。人工智能是计算机等科学的终极目标定义其定义随着人们对人工智能的理解而演变7172人工智能相关学科哲学（since公元前428年）数学（since约800）经济学与社会学（since1776）神经科学（since1861）生物进化论（since1858）心理学（since1879）计算机工程（since1940）控制论（since1948）语言学（since1957）10人工智能相关学科哲学（since公元前428年）哲学意识中，哪些部分是理性的，可以形式化的形式化规则能用来抽取合理的结论吗？Aristotle的三段论：在初始前提的条件下机械地推导出结论。用机械装置进行推理RamonLull,LeonardodaVinci,WilhelmSchickard精神的意识是如何从物质的大脑产生出来？Descartes给出了第一个关于意识和物质之间的区别及由此引起的问题的清晰讨论：二元论vs.唯物主义73哲学意识中，哪些部分是理性的，可以形式化的11二元论vs.唯物主义二元论意识的一部分是超脱于自然之外的，不受物理定律影响。动物不拥有这种二元属性，可以被当作机器看待。唯物主义大脑依照物理定律运转而构成意识自由意志是对出现在选择过程中的可能选择的感受方式74二元论vs.唯物主义二元论12数学哲学家们标志出了AI的大部分思想，但实现成为一门规范科学的飞跃就要求在三个基础领域完成一定程度的数学形式化：逻辑、计算和概率。什么是抽取合理结论的形式化规则？Boole逻辑（接近命题逻辑）Frege扩展了Boole逻辑，使其包含对象和关系，创建了一阶逻辑（当今最基本的知识表示系统）代表作“Begriffschrift”（概念符号），1879Tarski引入一种参考理论，可以表示如何将逻辑对象和现实世界的对象联系起来。75数学哲学家们标志出了AI的大部分思想，但实现成为一门规范科学数学（2）：逻辑和计算的极限Euclid的计算最大公约数的算法是第一个不可忽视的算法把一般的数学推理形式化为逻辑演绎的努力（始于19世纪晚期）Hilbert著名的“23个问题”的最后一个问题是：是否存在一个算法可以判定任何涉及自然数的逻辑命题的真实性。76数学（2）：逻辑和计算的极限Euclid的计算最大公约数的算逻辑和计算的极限（2）Turning试图精确地刻画哪些函数是能够被计算的但，计算或有效过程的概念是无法给出形式化定义的。如果解决一个问题需要的时间随实例的规模成指数级增长，该问题称为不可操作的。NP-完全理论为认识不可操作问题提供一种方法任何NP-完全问题类可归约而成的问题类很可能是不可操作的77逻辑和计算的极限（2）Turning试图精确地刻画哪些函数是逻辑和计算的极限（3）Godel证明了确实存在真实的局限（不完备性定理，1931）在任何表达能力足以描述自然数的语言中，在不能通过任何算法建立它们的真值意义下，存在不可判定的真值语句。Turing给出了可计算模型下的局限（停机定理）NP问题描述了实际计算能力下的局限逻辑和计算的极限（3）Godel证明了确实存在真实的局限（不78数学（3）：概率概率起源于对赌博问题可能结果的描述，成为所有需要定量的科学的无价之宝，帮助对付不确定的测量和不完备的理论。（Cardano，16世纪）Bayes提出了根据新证据更新概率的法则（18世纪）Bayes分析形成了大多数AI系统中不确定推理的现代方法的基础人类思考和应用并不完全按照精确逻辑进行不需要一定找到最优解，准最优解即可79数学（3）：概率概率起源于对赌博问题可能结果的描述，成为所有经济学我们如何决策以获得最大效益？AdamSmith是第一个把经济学当作科学来看待，认为经济是个人代理之间的协调过程，这些代理追求自己的经济利益的最大化。对于“偏好的结果”（效用）的数学处理，由Walras完成形式化。决策理论把概率和效用结合起来，为在不确定条件下进行决策提供了形式化和完整的框架。（适用于“宏观”经济）追求效益的、理性的行为，是智能在社会化环境下的表现80经济学我们如何决策以获得最大效益？18经济学（２）“微观”经济与博奕论在他人不合作情况下如何获得最大效益？Nash表明，理性个体可以在非合作情况下达成一致当行动的收益不是立即体现的，而是一些按顺序采用的行动的结果时，如何制定理性的决策？属于运筹学问题的形式化马尔可夫决策过程基于满意度的模型制定“足够好”的决策，而不是艰苦计算得到最优化决策，能更好地描述人类行为。（Simon,1947)81经济学（２）“微观”经济与博奕论在他人不合作情况下如何获得神经科学：大脑是如何处理信息的？神经元构成神经科学：大脑是如何处理信息的？神经元构成82大脑的组成大脑的组成83大脑的组成端脑（大脑的主要部分）由约140亿~1000亿个神经元构成，超过10的14次方个神经突触。据估计脑细胞每天要死亡约10万个（越不用脑，脑细胞死亡越多）。大脑虽只占人体体重的2%，但耗氧量达全身耗氧量的25%，血流量占心脏输出血量的15%，一天内流经脑的血液为2000升。脑消耗的能量若用电功率表示大约相当于25瓦。大脑功能的实现，是通过大量神经元组成的复杂神经网络完成的，但具体机理尚有待研究。大脑的组成端脑（大脑的主要部分）由约140亿~1000亿个神84进化论：从进化的角度看智能的形成智能物种的独特性进化路线是否一定导致智能物种的出现智能物种的进化路线进化论vs创造论从生物进化到文明进化知识基因进化论：从进化的角度看智能的形成智能物种的独特性85心理学：人类和动物是如何思考的？研究方法：内省vs.心理测量行为主义者只研究对动物的感知和它所引发的行动的度量，排斥精神的结构，包括知识、信念、目标和推理步骤。认知心理学把大脑当作信息处理装置。基于知识的智能体的三个步骤：把刺激翻译成内部表示表示经过认知过程处理→新的表示表示被翻译回到行动计算机模型的发展导致认知科学的创建普遍的观点：“认知理论就应该像计算机程序”86心理学：人类和动物是如何思考的？研究方法：内省vs.心理测量计算机工程：如何制造能用的计算机？AI需要智能和人工制品，即计算机。AI对主流计算机科学的影响分时技术交互式翻译器使用窗口和鼠标的个人计算机面向对象的编程…87计算机工程：如何制造能用的计算机？AI需要智能和人工制品，即控制论：人工制品怎样才能在自己控制下运转现代控制论和AI的共同点：设计出能随时间变化使目标函数最大化的系统。控制论的主要工具是微积分和线性代数其主要研究对象是用固定的连续变量集描述的（线性）系统AI的部分起因是寻求摆脱控制论的数学方法局限性的途径不同的工具：逻辑推理和计算不同的问题：语言、视觉、规划…88控制论：人工制品怎样才能在自己控制下运转现代控制论和AI的共语言学：语言和思维是怎样联系起来的？成熟的思维是通过语言完成的现代语言学的诞生：Chomsky理论形式化，可以编程实现。知识表示的许多早期工作和语言紧密联系89语言学：语言和思维是怎样联系起来的？成熟的思维是通过语言完成90总结哲学：标出了AI的大部分重要思想数学：使AI成为一门规范科学经济学与社会学：决策理论神经科学：网络，并行处理…生物进化论：进化路线心理学：认知理论计算机工程：AI的“载体”控制论：反馈的思想语言学：知识表示、语法28总结哲学：标出了AI的大部分重要思想人工智能发展历程孕育诞生发展高潮与低谷人工智能发展历程孕育91孕育期（1943－1955）McCulloch&Pitts提出人工神经元模型基础生理学知识和脑神经元的功能对命题逻辑的形式化分析Turing的计算理论Turing第一个清晰地描绘出AI的完整图景在“ComputingMachineryandIntelligence”中提出了图灵测试、机器学习、遗传算法和增量学习。92孕育期（1943－1955）McCulloch&Pitts提诞生：DartmouthCollege，1956Dartmouthworkshop，1956夏天与会者的背景：自动机、神经网络和智能研究Impact：在随后的20年中，AI被与会者和他们在MIT、CMU、Stanford及IBM的学生和同事所统治。93诞生：DartmouthCollege，1956DartmLook,Ma,nohand!(1952-69)GPS可能是第一个实现了“像人一样思考”方法的程序Samuel‘scheckersprogram，通过学习达到了业余高手的级别，反驳了认为计算机只能做人让它做的事的观念。（通过“强化学习”）McCarthy“ProgramswithCommonSense”描述了一个假设程序，AdviceTaker。它可被看作是第一个完整的AI系统，不同于其它的系统，它包含了世界的一般知识。SRI的Shakey机器人项目，第一次演示了逻辑推理和物理行为的完整集成。94Look,Ma,nohand!(1952-69)GP早期成就机器定理证明一阶谓词逻辑几何定理证明（吴文俊）求解微积分积木世界动作规划游戏AI人工智能程序设计语言早期成就机器定理证明95乐观思潮第一代AI研究者们曾作出了如下预言:1958年，H.A.Simon，AllenNewell：“十年之内，数字计算机将成为国际象棋世界冠军。”“十年之内，数字计算机将发现并证明一个重要的数学定理。”1965年，H.A.Simon：“二十年内，机器将能完成人能做到的一切工作。”1967年，MarvinMinsky：“一代之内……创造‘人工智能’的问题将获得实质上的解决。”1970年，MarvinMinsky：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”乐观思潮第一代AI研究者们曾作出了如下预言:96步入低谷早期的程序很少包含或不包含关于它们的主题信息AI试图解决的许多问题不可操作计算复杂性和指数爆炸计算机的运算能力常识和推理莫拉维克悖论证明定理和解决几何问题对计算机而言相对容易，而一些看似简单的任务，如人脸识别或穿过屋子，实现起来却极端困难。用于产生智能行为的基本结构有着一些基本的限制逻辑框架感知器97步入低谷早期的程序很少包含或不包含关于它们的主题信息3598基于知识的系统：力量的钥匙？专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。专家系统的能力来自于它们存储的专业知识PamelaMcCorduck：“智能可能需要建立在对分门别类的大量知识的多种处理方法之上。”“70年代的教训是智能行为与知识处理关系非常密切。有时还需要在特定任务领域非常细致的知识。”知识库系统和知识工程成为了80年代AI研究的主要方向。36基于知识的系统：力量的钥匙？专家系统是一种程序，能够依据专家系统的繁荣期（1980-1987）主要应用领域：医学诊断、自然语言理解。表示和推理的语言：Prolog、PLANNER、FrameEdwardFeigenbaum1972年设计的MYCIN能够诊断血液传染病1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。专家系统的繁荣期（1980-1987）主要应用领域：医学诊断99第二次低谷（AIwinter）专家系统维护费用居高不下。它们难以升级，难以使用，脆弱（当输入异常时会出现莫名其妙的错误），成了以前已经暴露的各种各样的问题（例如资格问题的牺牲品。专家系统的实用性仅仅局限于某些特定情景。微机的兴起与软件复杂性期望过高，难以实现，经费下降第二次低谷（AIwinter）专家系统维护费用居高不下。它100新的路线一些研究者根据机器人学的成就提出了一种全新的人工智能方案。他们相信，为了获得真正的智能，机器必须具有躯体–它需要感知，移动，生存，与这个世界交互。他们认为这些感知运动技能对于常识推理等高层次技能是至关重要的。符号主义vs连接主义vs行为主义新的路线一些研究者根据机器人学的成就提出了一种全新的人工智能101神经网络的回归和连接主义的兴起1982年，物理学家JohnHopfield证明一种新型的神经网络（现被称为“Hopfield网络”）能够用一种全新的方式学习和处理信息。BP神经网络训练方法得到商业上的成功，它们被应用于光字符识别和语音识别软件这些发现使1970年以来一直遭人遗弃的联结主义重获新生。深度学习：Hinton等人于2006年提出102神经网络的回归和连接主义的兴起1982年，物理学家John现代的AIAI研究者们开发的算法开始变为较大的系统的一部分。AI曾经解决了大量的难题，这些解决方案在产业界起到了重要作用。应用了AI技术的有数据挖掘，工业机器人，物流，语音识别，银行业软件，医疗诊断和Google搜索引擎等。NickBostrom：“很多AI的前沿成就已被应用在一般的程序中，不过通常没有被称为AI。这是因为，一旦变得足够有用和普遍，它就不再被称为AI了。”现代的AIAI研究者们开发的算法开始变为较大的系统的一部分。103研究者眼中的AI越来越多的AI研究者们开始开发和使用复杂的数学工具。人们广泛地认识到，许多AI需要解决的问题已经成为数学，经济学和运筹学领域的研究课题。AI已成为一门更严格的科学分支。许多AI研究者故意用其他一些名字称呼他们的工作，例如信息学，知识系统，认知系统或计算智能。NewYorkTimes在2005年的一篇报道所说：“计算机科学家和软件工程师们避免使用人工智能一词，因为怕被认为是在说梦话。”研究者眼中的AI越来越多的AI研究者们开始开发和使用复杂的数104人工智能的工程化领域：认知技术计算机视觉机器学习自然语言处理机器人技术语音识别技术具有广泛的应用领域人工智能的工程化领域：认知技术计算机视觉105当代人工智能进步的催化剂计算能力的发展大数据互联网和云计算新算法对复杂系统的理解当代人工智能进步的催化剂计算能力的发展106深蓝（DeepBlue）重1270公斤，有32个大脑（微处理器），每秒钟可以计算2亿步。“深蓝”输入了一百多年来优秀棋手的对局两百多万局。1997年5月11日，计算机在正常时限的比赛中首次击败了等级分排名世界第一的棋手。加里·卡斯帕罗夫以2.5:3.5（1胜2负3平）输给IBM的计算机程序“深蓝”。深蓝（DeepBlue）重1270公斤，有32个大脑（微处107Mr.Watson沃森由90台IBM服务器、360个计算机芯片组成。它拥有15TB内存、2880个处理器、每秒可进行80万亿次运算。2011年2月17日，在美国最受欢迎的智力竞猜电视节目《危险边缘》中击败该节目历史上两位最成功的选手肯-詹宁斯和布拉德-鲁特，成为《危险边缘》节目新的王者。大数据学习自然语言理解与表达非联网情况下回答问题Mr.Watson沃森由90台IBM服务器、360个计算机108各国最新动态2013年年初，欧盟委员会就宣布“人脑工程”为欧盟未来10年的“新兴旗舰技术项目”。2013年4月，美国白宫公布了“推进创新神经技术脑研究计划”（简称“脑计划”）。“中国脑计划”正在探讨，可能于2016年启动“人类脑计划”是可以和“曼哈顿计划”、“阿波罗登月计划”和“人类基因组计划”等划时代的三大科学工程相比的巨大科学工程，它们给整个人类社会带来了深远的影响。

各国最新动态2013年年初，欧盟委员会就宣布“人脑工程”为欧109美国脑计划重点研究领域在2014财年将重点资助9个大脑研究领域。统计大脑细胞类型；建立大脑结构图；开发大规模神经网络记录技术；开发操作神经回路的工具；了解神经细胞与个体行为之间的联系；把神经科学实验与理论、模型、统计学等整合；描述人类大脑成像技术的机制；为科学研究建立收集人类数据的机制；知识传播与培训。美国脑计划重点研究领域在2014财年将重点资助9个大脑研究领110人工智能中的哲学思考弱AI与强AI普遍问题意识、思维、智能与物质基础缸中之脑与黑客帝国柏拉图的洞穴我思故我在希尔中文屋强AI的哲学问题人工智能中的哲学思考弱AI与强AI111弱AI弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem-solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。目前上没