从产生式谈起——心理学与人工智能杂谈

天山南麓,好风依依 擅长:想象 「空想人士」 编辑于:2018-01-01 17:26:12
(本文只是以产生式为开头和支点)(本文未提到支点就收尾了)  “……已经有许多不同的知识表示技术。包括规则、语义网、框架、脚本以及知识表示语言如KL-1(Woods 83)、 KRYPTON(Brachman 83)、 概念图(Sowa 84)和其他一些语...
显示全部

(本文只是以产生式为开头和支点)(本文未提到支点就收尾了)

  “……已经有许多不同的知识表示技术。包括规则、语义网、框架、脚本以及知识表示语言如KL-1(Woods 83)、 KRYPTON(Brachman 83)、 概念图(Sowa 84)和其他一些语言(Brachman 80)。正如在第一章中所描述的,产生式规则常被作为知识库而用在专家系统中,因为其优点大大超过了缺点……”

  我看得云里雾里。但比起传统的机器学习,专家系统至少给人平添几分亲近——纵然那些专业名词仿佛一道道铁门。心理学和人工智能的隔阂,到现在也没有完全解开——即使维纳早就意识到,隔阂总是导致停滞。人工智能学家费尽心机地让机器做人本该做的事,但是心理学家则想,“人本身是怎么做到的呢?”      

  但是人总是对自己充满了敬畏,除了心理学家。“人”——或者“灵魂”——是神圣的,不该和机器相提并论。人是怎么做到这些的,没人知道——也不该被知道。想让机器代替人来工作,就应当另辟蹊径——纵观人工智能发展,似乎确实是这样,“人”被弃置一旁了。但我不会这么做——因为我不懂高深的数学和逻辑,没法另辟蹊径……

  是时候抛观点了:

  • 【心理学的最终目标,就是用一个模型解释一切心理现象】。而一个模型又可以包括多个其他模型, 层层封装。所以行为主义的做法必然是对的——把人看作黑盒。
  • 【不考虑能动性】。即把人视作状态机,会因为环境改变状态,也会自发改变状态,并且拥有时间维度。这是一步险棋,因为人是有意识的,但这是封装的必要条件。宁可铤而走险,也不该留在原地。
  • 【人的每一功能必有相应部件负责】。这是唯物主义的基本逻辑,但是似乎很少有人在意。我很荣幸接触到中国的政治课本。
  • 【人的一切特质都是记忆】。如果没有记忆,那所有人都一样。虽然现实中,记忆既包括软件(激活的回路),又包括硬件(既有结构),无法抹去。这一观点带来一个残酷的引理,那就是人 = 黑盒封装 + 记忆,可以是你的记忆,也可以是草履虫的记忆——甚至可以根本没有,只有一个一动不动的黑盒——虽然一动不动不代表什么都没有,死去的人和单细胞生物的差异仍然存在。(问题是,怎么表述这些呢?)
  • (具体方面)【同时激活是人的“传统记忆”的基本形式】。这一原则和语义网有相似之处,语义网是在知识方面对此的表示(其实也不过是沾边,但很令人欣慰)。比如由“苏格拉底是人”和“人会死”推导出“苏格拉底会死”,我认为这一过程可能不需要任何逻辑推理,在这一过程中,两个前提句作为工作记忆,由于关联的传递,导致“苏格拉底”和“死”关联在了一起。这一记忆模型可以解释“白马非马”的问题,同样也是关联造成的错觉,而非人有意识的逻辑推理。自然“推理”并不逻辑,但很自然。
  • (上一条的衍生)【总结出的规律和“传统记忆”平等储存,但更易作为媒介】。总结出的概念容易关联到更多的概念,本身并不高级。我们对“类”的从属、继承的感觉也都是规律关联导致的套用。逻辑是自然产生的,但人对逻辑的记忆仍是套用。甚至人可以不总结规律,直接通过相似的实例联系来套用。
  • 【反省就是把自己放上工作台】。人可以把一切感受放上工作台(并生产出感受),所以对自己的感受可以再次放上工作台。期间并没有出现玄奥的自指(有时差),也就是说“意识到自我”可能并不重要,“我”与外物可能相当平等。(但是一切感受真的平等吗?记忆检索毫无限制吗?)


  暂时只想到这么多。但是尤其是后面几个观点,由于思考本身不逻辑(笑),我还没法总结统一。而想要在计算机上实现,更需要有效的数学表示。用人的模型实现智能可能是低效的,毕竟我尚且不可能三星期战胜阿尔法狗,拟人程序又有多大胜算?我不知道,但我宁可研究怎样让机器人愚蠢(笑),这怕是最难模拟的了——不过也不一定,让机器人推导出“白马非马”还是有可能的(呵呵)。

  希望对这个领域有兴趣的人可以踊跃交流,不要让一门科学仅仅因为研究的分散而停滞不前——维纳的高论啊。



收起
收起
 | 4 0条回复 分享 收藏 更多
举报
观点证
观点详情
郝宁 擅长:计算机 「软件工程」 3浏览 编辑于:2018-01-02 09:48:34

以前我也对《系统论》,《复杂性》,《协同论》等十分的有兴趣,后面由于自己创业,精力有限所以再很少在这些领域有灵感,甚为遗憾!

guandn-pic

世界上最伟大的并不是行万里路,而是给路指明方向,现在的人工智能研究总体上还停留在数学的角度模拟智能(但不见得这种方式不能实现智能),并没有十分突破性的理论指明智能的明确原理,所以我们是需要大胆的开辟、思考、交流新的思路,新的理论,历史上很多伟大的理论都不见得是一蹴而就的,相反,通过哲学引导、学科交叉、不断总结才一步步给出金典的总结,并最终用数学将问题量化而落到实处。假如有人已经给出了精辟的理论模型和数理框架,我想人工智能的绝大多数问题已经解决了,但正是因为没有,所以讨论永不过期,这个话题希望有更专业的大牛来写写自己的看法。


 | 1 0条回复 分享 收藏 更多
举报
观点证
扫一扫提取内容
新浪微博
微信扫一扫