MichaelWooldridge:与人工智能研究方法的问题|bck体育官网

本文摘要:没有解决问题的主要原因是现在的AI不能制作简单的推理小说、处理定义不明的问题、识别事物和对外部环境的感觉,这些问题如何解决,与人工智能研究方法的问题有关。因此,MichaelWooldridge解释说,除了神经网络和深度自学之外,符号方法AI解决问题的方法在解释方面是最重要的,这个符号方法AI明确了什么呢?

能力

对于计算机来说,在继续执行任务时必须有非常准确的命令。人工智能目前只能根据命令继续执行。

当人们编程人工智能时,他们必须将任务分解为低级和非常简单的定义命令,并将人工智能总结到这个命令上。现在能解决问题的问题也有限。在今天开幕的CCF-GAIR大会上,牛津大学的计算机系统教授MichaelWooldridge在演讲中说,现在人工智能已经解决了游戏、同程式的计算、驾驶等问题。

口语翻译这样困难的人工智能研究在未来也不会迅速解决问题,但解读故事说笑话这样高级的人工智能还没有解决问题。没有解决问题的主要原因是现在的AI不能制作简单的推理小说、处理定义不明的问题、识别事物和对外部环境的感觉,这些问题如何解决,与人工智能研究方法的问题有关。

人工智能

MichaelWooldridge在演讲中提到,为了解读更高阶段的信息,目前学术界主要有神经型AI解决问题的方法和符号型AI解决问题的方法两种。▎神经方法AI神经方法的AI被称为现在最受欢迎的研究方法,现阶段做了很多单人工智能,基本上是基于神经网络的深刻自学的人工智能,包括前几天打败李世石的AlphaoGo在内也属于神经型AI。神经型AI的特点是,计算机不会开网,在网上计算所有的可能性,进行合理的识别。

其优点是,在算法上开展突破,合理组织神经网络,开展大量数据训练,融合高运算能力,需要处理简单的问题。但是,AlphaGo虽然很顺利,但是没有构筑标准化的人工智能。阿尔法犬不能交流所用的战略和技术,这不是智能,而是意识解读的AI不是神经网络所需要的。

▎符号方法AI和其他想要实现更强的AI,计算机必须具有推理小说说明的能力。MichaelWooldridge在演讲中举出了一个非常简单的例子:Bob:IMavingyouAnn:Whoois。

从这对情侣的恋爱对话中可以看出,人类对语言有分析推理小说的能力理小说的能力是基于对人类社会关系的理解、运营的机制和背景科学知识。非常简单的神经网络不能这样做。

因为神经网络的AI缺乏这个科学知识。此外,在文学、艺术的创作和书画中,人工智能缺乏解读和洞察力。

因此,MichaelWooldridge解释说,除了神经网络和深度自学之外,符号方法AI解决问题的方法在解释方面是最重要的,这个符号方法AI明确了什么呢?关于符号方法AI的研究历史,维基百科全书显示,1950年代数字计算机开发成功时,研究者开始探索人工智能是否能够修改为符号处理。60年代,符号方法在小型证明程序中模拟高级思维取得了相当大的成果。基于生物学和神经网络的方法是次要的。

60-70年代的研究者相信符号方法最后能够顺利构筑强大的人工智能机器,同时也是他们的目标。为了开展符号方法的人工智能研究,以前的研究者们用各种方法进行了模拟:理解经济学家赫伯特·西蒙和艾伦·纽尔研究人类问题的解决能力和尝试,同时为人工智能的基本原理奠定了基础,如认知科学、运营学和经营科学。他们的研究团队用于心理学实验的结果,开发了模拟人类解决问题的程序。

能力

基于逻辑:与艾伦·纽尔和赫伯特·西蒙不同,计算机科学家约翰·麦卡锡指出,机器不必模拟人类的思想,不能寻找抽象推理小说和解决问题的本质,不管人们是否用于某种程度的算法。他在斯坦福大学实验室致力于一般逻辑解决各种问题,包括科学知识应对、智能计划和机械学习。

反逻辑:斯坦福大学的研究者必须找到解决计算机视觉和自然语言处理问题的困难问题的特殊方案:他们主张不存在非常简单、标准化的原理(逻辑等),必须超过所有的智能道德。罗杰单克(Rogerschank)叙述了他们的反逻辑方法是scruffy。

解决问题

常识知识库(如道格拉斯·莱纳特的Cyc)是scruffyAI的例子。因为他们需要人工制作简单的概念。基于科学知识:大约1970年大容量内存计算机经常出现,研究人员分别用三种方法将科学知识结构成应用软件。这场科学知识革命促进了专家系统的研发和规划,是第一个顺利的人工智能软件形式。

科学知识革命同时也让人意识到许多非常简单的人工智能软件可能需要大量的科学知识。以上是符号方法人工智能的尝试,非常简单地说,符号方法AI需要构筑与人类理解水平相同的AI。

此外,许多学者还明确提出了子符号方法、统计方法、构建方法等。迄今为止,没有统一的原理和模式指导人工智能研究,很多问题上研究者没有争论。MichaelWooldridge所说的神经方法AI和符号方法AI是现在的主流研究方向,神经方法AI是现在流行的主流,符号方法AI并不流行,应对,MichaelWooldridge说明符号方法AI有缺点,其非常不可能的问题必须解决。第一个是切换能力。

例如,在简单的现实中,如何将简单的变化变成非常简单的符号,这个记述用非常简单的语言传达是不可能的。第二个问题是把这个过程推理小说,说明这个推理小说的过程,很困难。▎要解决问题的问题是人工智能的研究方法,其中一些长期未得出结论的问题是,是否应该在心理和神经方面模拟人工智能像鸟类生物学对航空工程一样,人类生物学与人工智能研究无关吗?智能不道德可以用非常简单的原则(逻辑辑或优化)来描述,还是需要解决大量几乎相关的问题?这些问题解决后,我相信人工智能的发展没有明确的方向。原始文章允许禁止发布。

下一篇文章发表了注意事项。

本文关键词:解决问题,研究者,bck体育官网,神经网络

本文来源:bck体育官网-www.landmark-building.com