闲扯下人工智能。哈

中山野鬼 发布于 2013/09/18 00:21
阅读 3K+
收藏 5

人工智能,这我一直没有连续研究。因为属于个比较难的问题。难点在于很多基础的理论没有说清楚。而单纯的研究基础的理论又缺乏实际的工具和应用场景去验证,这些都需要时间,一个人闭门造车是扯淡的事情。所以务实的安心做些其他可短期实现的系统分析。

人工智能的介绍,我觉得wiki上的已经比较全面了。不过对人工神经网络的出现时间,他的表里写的是1991年,这个以我以前看到的资料,凭记忆,好像不是。也就是说,wiki也不一定全部都是正确的,但这不影响他的整体描述的正确性。

http://zh.wikipedia.org/wiki/人工智能

人工智能的定义很关键,这决定了这类问题的研究面,设计目标(能实现啥功能),这两个都不确定,鬼画符的做个算法,灌批数据,踩了别人的算法说自己好,就是扯淡,其实用他的论证方法,一样可以推倒他的结论。简单说,现在大多数不涉及更本性问题的讨论的论文,都是骗人的把戏。国内混文凭的,这类论文大把,国外也不少。

人工智能的定义(这可不是我说的,摘抄如下):

人工智能的一个比较流行的定义,也是该领域较早的定义,是由当时麻省理工学院约翰·麦卡锡1956年的达特矛斯会议上提出的:人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性(见下)。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲,目前对人工智能的定义大多可划分为四类,即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动,或制定行动的决策,而不是肢体动作。

你换别的地方找定义,也不会差太多。

简单的用我的话来解释,就是具备主观能动性。再复杂一点,可以根据对外部感知的反馈,调整自身行为策略。

而实际上这里藏了两个哲理:

1、存在即为感知。

2、物种的智能体现在自身存在性的持续能力上。也即根据环境的变化,作出对自己“有利”的策略。

这两个哲理都搞不清楚,整天折腾什么“弱人工智能”无非挂个新奇的招牌,推销自己也不知道能做什么算法而已。

因为,“可以根据对外部感知的反馈,调整自身行为策略”,无论是计算机去处理,还是人类自身的分析,都存在一个解优的约束条件,也即,什么才算是好的,或者,什么才算是“正确的”。

如果这个说不清楚,对于系统设计时,无论设计者给出多么复杂和精巧的解优的判断条件,最终都会因为实际情况的变化,使得“智能”系统象白痴一样运转。或者和传统的计算系统一样,忽视特定外部信息而始终得出相同结论。

哲理上说,如果人工智能系统,最终不能从自身的角度去判断解优的条件,则必然依赖外部的给入的判断条件。而判断条件会随外部的情况变化而变化,此时,能给入判断条件的外部系统需要包含在该人工智能系统中。

也正是这个原因,现在所谓的人工智能,无论他叫做神经网络,或什么“深度学习”,或者用了所谓的距离算法,最终都需要人工干涉,来调整解优的判断条件。这就回到我一直老话“人工干预,就智能了,所以叫人工智能”。

人工智能不仅哲理上需要存在更具体和更明确的讨论。在数学上也要有相应的支撑。包括图论等(说实话,图论的学习,原本就是因为想在数学上找点东西,看是否能折腾个算法,那时的想法还很弱智,认为算法是解决问题的充分条件,结果呢?图论的理论,看了半天,发现也没啥)。

单就算法而言,我给不出具体的,因为哲理部分大家都没有完整的说清楚,但人工智能的算法一定是上下文相关的,而不是上下文无关的。而目前绝大多数我们设计的系统都是上下文无关的。简单的说,你进入的函数或方法,只要条件成立,都可以进去,而这个条件,在你设计时就已经约束好的。可能你会说,这是废话,我不一开始分析设计好,怎么个计算。其实你说的这句话说出了一个事实,人工智能的很多问题,不是计算性问题,而是逻辑分析问题。

逻辑分析问题的停机条件,并不是通过状态来确定的。估计有人要喷我,那基于图灵机的系统,还做个毛人工智能啊。我只能说,确实有可能不行。

逻辑分析问题的停机条件,主要是外部感知与主体推断一致时,逻辑分析停机,而当差异时,逻辑分析启动。逻辑分析的核心是保证逻辑的自洽性。当系统自身逻辑不能自洽时,则进行外部感知获取,并力图在增加新的信息下,形成逻辑自洽。而逻辑自洽中,初始化状态,又包含了那些基础策略逻辑。

如果搞不清楚,人工智能系统的运转机理和普通的可计算问题的计算分析方式的区别,那么所谓的人工智能,还不如传统的计算系统的设计来的靠谱。这是搞人工智能的基础,但不代表这个搞清楚了,就可以设计人工智能系统了。这个和什么所谓“弱人工智能”还没有关系,无论你是多弱,只要是人工智能,你就需要区分出,计算性问题和逻辑分析问题的差别。

而对于计算性的“智能”系统的典型方法就是,把已知知识系统入库,根据上下文情况,查查表,配配权重,加上积累的统计情况作为所谓的“经验“算算得出结果。这种方法相对那些挂了无数新名次的新论文的算法,来的更有效,更可操作。因为是面向业务场景的,系统的每个设计环节都是可以说清楚设计目的的。而不是糊弄个不知道效果的统计分析或xx算法,外加点没有严谨论证的网络存储模型。后者之所以扯淡,是因为设计者都解释不清楚它具体能做什么,你还能指望它落在某个具体的业务场景下有价值?

这里我不打肿脸充胖子。因为连涉及到上下文相关的计算系统,我还没有很好的设计经验,更别谈人工智能系统了。对他,我全当学习和探讨。不过也反过来说一句,有些压根不算”人工智能“系统的研究工作,不妨安心面对社会需求,业务情况,按照传统的信息化系统做好数据处理就行。明明不在研究”人工智能“,说我不懂”人工智能“我承认,整套理论我确实没学习完,权当不懂,(问题是上哪学习呢,有些事情需要时间等的),但你也别批个”人工智能“的皮,到处撞骗。我说这个,是好心。客户那里是骗不了的,行不行,试试就知道。超出客户承受的心里预期,最终就是在浪费大家的时间。

简单的总结,以目前的理论发展水平,可实用的”人工智能“系统都是假的。喷我的,建议先消化下我上面说的东西。看不懂的,可以找看得懂得来请教。而不要动不动就乱扯七八。你如果喷点理论,证明我错了,我非常高兴,这是学习和进步,你也可以喷点实际应用的,那我也非常高兴,毕竟可以看到一些有效性的解决方案,至少在局部有效。


加载中
0
v
vicelf

虽然没有答案,但看您的文感觉也很不错。

就帮顶一个了。

0
vanhoutte
vanhoutte
顶,挺长,只能等有时间仔细看了。感觉楼主想了很多
0
宏哥
宏哥

落地不了, 无意义

核弹的原理好简单, 问题是提炼高纯度铀很困难

技术的难点, 不在爆炸原理, 而在意如何提炼高纯度铀这类具体问题上

张金富
张金富
人工智能理论上的难度非核弹可比的,目前为止计算机人工智能还是为0 就是只有量变,没有质变,计算机无非就是一台高速运算的机器
0
中山野鬼
中山野鬼

引用来自“宏哥”的答案

落地不了, 无意义

核弹的原理好简单, 问题是提炼高纯度铀很困难

技术的难点, 不在爆炸原理, 而在意如何提炼高纯度铀这类具体问题上

哈,你这个已经是后话了。当然我赞同你的观点,就是原理出来了,如果当前工业水平还不行,那也要等。如同20年前就有pda了。这几年才有智能手机一样。哈。
0
宏哥
宏哥

引用来自“中山野鬼”的答案

引用来自“宏哥”的答案

落地不了, 无意义

核弹的原理好简单, 问题是提炼高纯度铀很困难

技术的难点, 不在爆炸原理, 而在意如何提炼高纯度铀这类具体问题上

哈,你这个已经是后话了。当然我赞同你的观点,就是原理出来了,如果当前工业水平还不行,那也要等。如同20年前就有pda了。这几年才有智能手机一样。哈。

我觉得你应该集中精力, 解决落地的问题

这些大理论 和 国家之间的竞争一样, 背后的逻辑都是出奇的简单

而胜负则取决于脚踏实地的努力

0
中山野鬼
中山野鬼

引用来自“宏哥”的答案

引用来自“中山野鬼”的答案

引用来自“宏哥”的答案

落地不了, 无意义

核弹的原理好简单, 问题是提炼高纯度铀很困难

技术的难点, 不在爆炸原理, 而在意如何提炼高纯度铀这类具体问题上

哈,你这个已经是后话了。当然我赞同你的观点,就是原理出来了,如果当前工业水平还不行,那也要等。如同20年前就有pda了。这几年才有智能手机一样。哈。

我觉得你应该集中精力, 解决落地的问题

这些大理论 和 国家之间的竞争一样, 背后的逻辑都是出奇的简单

而胜负则取决于脚踏实地的努力

最近一直在折腾上下文相关的数据一致性处理的问题。哈。非结构化数据分析的工作。这不是有人整天在人工智能上面喷我嘛。干脆另立个帖子,说一说。如果能有真正懂的(真心没见过几个,见过的一二,都是哲学方面算得上专家的),指点一二,我也算顺带学习一下。
0
宏哥
宏哥

引用来自“中山野鬼”的答案

引用来自“宏哥”的答案

引用来自“中山野鬼”的答案

引用来自“宏哥”的答案

落地不了, 无意义

核弹的原理好简单, 问题是提炼高纯度铀很困难

技术的难点, 不在爆炸原理, 而在意如何提炼高纯度铀这类具体问题上

哈,你这个已经是后话了。当然我赞同你的观点,就是原理出来了,如果当前工业水平还不行,那也要等。如同20年前就有pda了。这几年才有智能手机一样。哈。

我觉得你应该集中精力, 解决落地的问题

这些大理论 和 国家之间的竞争一样, 背后的逻辑都是出奇的简单

而胜负则取决于脚踏实地的努力

最近一直在折腾上下文相关的数据一致性处理的问题。哈。非结构化数据分析的工作。这不是有人整天在人工智能上面喷我嘛。干脆另立个帖子,说一说。如果能有真正懂的(真心没见过几个,见过的一二,都是哲学方面算得上专家的),指点一二,我也算顺带学习一下。

数据之间的关系, 不管是结构化, 非结构化

真正的解决办法, 主要还是从数据源入手

如果有什么"算法"可以解决的话, 这个世界就太简单了

大多所谓"算法", 是基于数据源而定的"业务规则"而已


0
中山野鬼
中山野鬼

引用来自“宏哥”的答案

引用来自“中山野鬼”的答案

引用来自“宏哥”的答案

引用来自“中山野鬼”的答案

引用来自“宏哥”的答案

落地不了, 无意义

核弹的原理好简单, 问题是提炼高纯度铀很困难

技术的难点, 不在爆炸原理, 而在意如何提炼高纯度铀这类具体问题上

哈,你这个已经是后话了。当然我赞同你的观点,就是原理出来了,如果当前工业水平还不行,那也要等。如同20年前就有pda了。这几年才有智能手机一样。哈。

我觉得你应该集中精力, 解决落地的问题

这些大理论 和 国家之间的竞争一样, 背后的逻辑都是出奇的简单

而胜负则取决于脚踏实地的努力

最近一直在折腾上下文相关的数据一致性处理的问题。哈。非结构化数据分析的工作。这不是有人整天在人工智能上面喷我嘛。干脆另立个帖子,说一说。如果能有真正懂的(真心没见过几个,见过的一二,都是哲学方面算得上专家的),指点一二,我也算顺带学习一下。

数据之间的关系, 不管是结构化, 非结构化

真正的解决办法, 主要还是从数据源入手

如果有什么"算法"可以解决的话, 这个世界就太简单了

大多所谓"算法", 是基于数据源而定的"业务规则"而已


我还是那句话,客户需求,决定研究内容和产品功能。哈。
0
把妹达人老张
把妹达人老张
我看懂了。除了图论那块。现在一些企业说的人工智能,都是弱人工智能,都是数据挖掘,机器学习。不过这些都可以在工业上带来利益,比如亚马逊的图书推荐。啥时候理解人类大脑的原理,思维的产生,在研究强智能也不晚。上下文感知,我也看过几片论文,感觉都是分词,看词语频率,还有分析文章感情色彩的,自动摘要的我就不懂了。
把妹达人老张
把妹达人老张
回复 @余争 : 我只是接触过。没看过这方面的算法。应该是也是分词吧。http://socialysis.org/?lang=zh 这有很多。
余争
余争
前段时间对自动摘要算法比较有兴趣,而分析文章感情色彩的算法还头一次听说,请给链接看看:)
0
中山野鬼
中山野鬼

引用来自“张子游”的答案

我看懂了。除了图论那块。现在一些企业说的人工智能,都是弱人工智能,都是数据挖掘,机器学习。不过这些都可以在工业上带来利益,比如亚马逊的图书推荐。啥时候理解人类大脑的原理,思维的产生,在研究强智能也不晚。上下文感知,我也看过几片论文,感觉都是分词,看词语频率,还有分析文章感情色彩的,自动摘要的我就不懂了。

他们那些,可以算数据挖掘,但不算人工智能。至于机器学习,这个概念,不算人工智能的,也可以算学习,就没什么好可以区分的了。至于你说的分词,这个哈,真是体现了国家水平。拉丁语系和我们中文的方块字不一样。前者更好分词,所以国外很多理论没有顾及更深的问题,结果搞的很多国内的论文,依葫芦画瓢的纠结在具体的算法设计上,最终呢?哈。实话实说,那些乱七八糟的算法,无非针对一些局部的数据,分析分析特征,然后就套套。很多研究,一个非常需要说明的问题都没说清楚,也即,分词中,“上下文”它的范围的判断条件怎么给出,我估计10有8,9来一句“全文”。哈。

u
uoou
给你推荐一个平台”图灵机器人“,这个平台是免费开放的,用户可以通过此平台创建属于自己的个性化机器人http://www.tuling123.com
返回顶部
顶部