基于文字的人工智能哲学现状 窘境 思路与发展 - 机器人技术.docx

《基于文字的人工智能哲学现状 窘境 思路与发展 - 机器人技术.docx》由会员分享，可在线阅读，更多相关《基于文字的人工智能哲学现状 窘境 思路与发展 - 机器人技术.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于文字的人工智能哲学现状窘境思路与发展-机器人技术-最新IT资讯_电脑知识大全_网络安全教程-次元立方网还记得电影（她）中所描绘的将来世界人工智能技术吗？任何人都能够通过自然语言与智能操作系统顺畅沟通，她就像一个真实存在但没有实体的人一样。基于语言文字的交互技术确实是美妙而诱人的，但是它同时也是个holygrail问题美妙但难以实现。人脑VS计算机，重新审视人类大脑要让计算机像人一样能理解自然语言与文字，确实是个不小的难题。纵观眼下的人工智能技术，其智能的背后都是人工。然而人们对计算机的智能过于乐观，真实的计算机还远没有实现智能。人们对计算机的智能总是存在这样一个误区：计算机运算速度越来越快

2、，存储量越来越大，所以计算机必然越来越聪明。然而真的是这样吗？计算机快过人类大脑？不一定。人类大脑本身就是一种独特的数据存储构造，这种构造有其纯天然的优势。固然在处理简单计算时远远不如计算机，但是它在处理抽象问题时优势明显，例如：计算机能快速地计算一个数学表达式到值，但是它却不能像人一样去把一个问题处理成数学表达式，这足以表明计算机所谓的快在人脑面前是如此不堪一击。人的存储不如计算机？不一定，人脑对信息的存储是一种提取抽象信息的存储。比方，一张脸，人见到后就记住了，抽象出特征存储起来，当其再次看到这个人的时候，他能利用存储的抽象信息将其准确识别出来，大脑的存储是一种不同于计算机存储的抽象的模糊

3、的存储。计算机固然能存储一个人的所有图像，声音，但它却未必能识别出来，由于这种存储是这么的简单粗暴。两者这样一比拟，存储性能高下立见。所以从外表上看人脑远不如计算机，而实际上人脑才是正真的智能机器。在客观的认识了计算机的人工智能之后，能够负责任的讲，目前我们的却能够让计算机尽可能地正确地回答问题，但绝对不是真的理解。过去如今都做不到，而且在将来很长的一段时间里都无法做到。人工智能的中文房间哲学窘境与泛智能泥潭既然理解做不到，那么让我们来看看如今基于文字的人工智能技术都能做些什么？首先来看一下高大上的问答程序是怎样实现的。如今能实现自然语言问答的程序，多是构建一个输入到输出的映射，程序接收自然语

4、言后，提取关键词，然后数据库检索，返回相关度最高的一个。咋一看【自然语言关键词搜索结果】这形式和搜索引擎有些类似，传统的搜索引擎都是【关键词搜索结果】形式，优化的都是这个对应经过，但是近年来各搜索巨头纷纷进军人工智能领域，重点开场转向做【自然语言关键词】的优化，依托强大的计算能力和存储的海量数据，巨头们已经做出了比拟智能的问答程序，对于一般的问答，程序都能正确地回答，甚至还能处理一些刁钻的调戏。那么问题来了，假如把问答程序看成黑盒，它就具有了响应自然语言的能力，但是这能否讲它具有智能呢？美国哲学家JohnSearle于20世纪80年代初提出了一个类似的问题中文房间问题，一个拥有万能中英文对照词

5、典的英国人宅在一间房子里，当你在屋外和他沟通时，会惊奇地发现这间房子能听懂中文。这个问题的提出最初是为了反驳图灵测试，然而它的意义却不仅仅限于此，中文房间引出的哲学窘境已经是人工智能不得不面对的问题。目前的智能，就像中文房间所描绘的那样，只是停留在看起来很智能，计算机也只是看起来能理解自然语言。然而另一些基于文字的人工智能比问答程序走的更远语音助手，它除了具有问答程序的所有功能外，还能听懂打电话，发短信，排日程之类的自然语言。这些功能是不需要检索实现的，而是直接响应，貌似比问答程序看起来更智能了？比方：你对着cortana讲9乘以8等于多少？，他会立马给出答案。其实这些诸如给xx打电话上午xx

6、点做xx之类的自然语言都是高度标准化的，不同的形式直接套用对应的处理经过即可，另外还有一些封闭式问题：有没有，是不是？也是高度标准化的。假如你问一些开放性的抽象的问题，机器根本没办法处理，由于问题太抽象了，设计人员无法逐一抽象出标准化的处理经过，这时就要求助于上面的问答程序了。了解了其中的原理，我们再看写稿机器人，就不会觉得神秘了。写稿机器人之所以能用来写新闻，只不过是由于人们把原始信息到新闻的经过提取出抽象形式，新闻的格式，要素等都是标准化的。只要把初始信息交给写稿机器人，机器人根据这个处理形式就写出了新闻。从上面的两个例子中能够看出这些智能程序都是设计出来解决某一特定问题的，那么为什么不设

7、计出通用的智能程序一种泛智能程序解决所有问题呢？其实早在人工智能发展初期，人们就设计出了解决各种问题的专用智能程序，但是当人们向通用智能程序迈进时却发现，这个目的就像开发永动机一样荒唐。专用智能覆盖面小，但制作简单；通用智能泛智能覆盖面大，但制作难度也大。这显示了专用智能和通用智能之间的哲学矛盾。不过语音助手已经为我们提供了解决这个矛盾的一个样板，即专用智能配合一定的通用智能。基于哲学的解决思路与语言的启发上面我们分析了基于文字的人工智能的两个哲学窘境：中文房间问题和泛智能泥潭。如今就让我们大胆假设一下，假如要让计算机实现真正的理解自然语言应该解决哪些问题。我以为最核心的就是语言学难题。语言不

8、单单是一门技术，更是一门高深的哲学。这点能够从20世纪哲学的语言学转向就能够看出。在过去很长一段时间内哲学家关注的是世界的本源，人对世界的认识，但是自进入20世纪，哲学的研究就有了语言学转向。如今不仅是计算机科学家，全世界的哲学家都在努力破解语言的奥秘为什么语言能表达万物？这个问题之所以和人工智能关系重大，是由于计算机本质上使用0和1表达世界的。比方1代表正确0代表错误，这就是现实世界中的一个描绘。又比方计算机语言中的class能够描绘现实世界中的类。所有0和1可表的问题都是计算机可处理的问题，问题是语言可表的东西0和1能否可表？假如能够该怎样实现？或许我们能从语言中得到一些启发，我并不打算在

9、此讨论这个深奥的哲学问题，只是想把这个问题提出来，以供大家考虑？有时候提出一个问题的意义并不在于解决这个问题。01语言问题本身就陷入了泛智能的泥潭之中，我们不是真的希望寻求可表达整个世界的通用智能，而是在某种程度上到达一种平衡。在我看来，实现计算机理解自然语言所必须的三个能力是：1，对世界的一个基本描绘2，对沟通对象的一个基本描绘3，对计算机自己的一个基本描绘以上任何一个都是计算机难以实现的天方夜谭，我们目前还无法企及，只能从语言学中最基本的做起。例如语言既能够表达准确的信息，同时又具有模糊性和不确定性，怎样处理语言的不确定性是一个问题，中国的李德毅院士提出了云模型来做不确定性概念定性与定量之

10、间的转换，于是计算机能表达现实世界中的不确定性概念大概，好似，大约等，这是一个很好的开场。假如01可表世界，那么我们为什么不是01，亦或是我们本身就是01而我们却浑然不知？人工智能仍在发展.固然泛智能遥遥无期，但这并不影响我们享受人工智能的服务。在有限的时间里开发出专用的人工智能服务显然比在无限的时间里开发通用的人工智能要高明得多，只要我们能在某一方面使程序具有较为完善的智能，对于用户来讲，和泛智能是没有区别的。所以在今后很长一段时间里，基于文字的人工智能具有较高的商业价值，商业巨头们也会开发出回答越来越流畅的人工智能。另一方面我们对于语言的探索，还在起步阶段，要想在自然语言的理解上获得突破性进展，还需要大量的研究人员做基础性的研究工作，毕竟看起来理解并不等于真的理解。