人工智能论文【十八篇】.docx

《人工智能论文【十八篇】.docx》由会员分享，可在线阅读，更多相关《人工智能论文【十八篇】.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工智能论文【十八篇】【篇1】人工智能论文电脑人工智能日趋成熟电脑在二十世纪70年代末期开始广泛普及,当时,有些专家便预计说,电脑可以改变人们的日常生活,并且使社会文化随之改变。现在,时间的车轮运转到了2000年,专家们的这些预想至少已经有一部分成为现实。今天,人们已经在开始讨论有关电脑会不会具有人类的某些智能。这类课题已经不是什么科学幻想,而是非常严肃的学术讨论了。舍科尔教授是美国麻省理工学院的社会学教授,他是电脑心理学方面的专家,曾经撰写过关于电脑心理学的两本具有开创性的着作。一本书的书名是第二自我电脑和人类精神,另一本书是最近出版的,书的题目是电脑屏幕上的生活因特网时代的特征。舍科尔教授

2、现在是麻省理工学院科学技术和社会项目的教授。从70年代开始到80年代初期,舍科尔教授开始研究人和电脑的关系。舍科尔教授说:“电脑的特征在物体和非物体之间。很明显地,电脑是物体,即使是孩子也知道电脑是一部机器。可是,在另外一方面,电脑又可以反馈,可以有行为,可以有理智,甚至有精神。人们发现,自己和电脑之间存在着互动的关系,甚至感到电脑似乎在活着。”舍科尔教授特别对儿童和第一代电脑,以及电子玩具之间的关系感兴趣。他发现,十来岁的少年主要用电脑来探索认知的问题;而青春期以前的儿童也就是八岁到十二岁之间的儿童,他们主要试图熟练地掌握机器和电子玩具。舍科尔教授发现,电脑玩具对五岁到八岁之间的儿童来说,起

3、到了激发他们的伦理性、推测性息维的能力。舍科尔教授说:“这些电脑玩具促使我们考虑什么是生活这一类的问题。电脑有生命吗?在电脑玩具的战斗中,搏杀者意味着什么呢?作为一种玩具,到底有什么特殊性呢?讨论电脑到底和人类有哪些区别,就无疑地是一个重要的问题。一个十二岁的男孩对我说,将来可能会出现和人类一样聪明的电脑。但是,人类仍然要做饭,要建立家庭,要开餐馆。人类可能是地球上唯一要去教堂的生物。换句话说,电脑为人类留下的空间是感情、感性、家庭生活。模拟思维可能在某种程度上可以算是一种思维,可是,模拟感情却永远不能被看作是真正的感情。当然了,模拟爱情更不能算是爱情了。”微软公司的视窗系统是舍科尔教授目前重

4、点研究的课题。视窗操作系统可以允许使用者在同时执行几个相互没有任何关系的工作任务,并随意在这几个任务之间互相切换。舍科尔教授说:“用鼠标器指一下这些长方形的图形,你可以先做一件事情,然后再做另一件事情。例如,你可以通过电脑先跟你的母亲聊会儿天,在跟你的母亲说再见以后你开始写你的论文。写累了,你可以通过电脑看看你的银行账户。从某种意义上来说,人们可以在电脑上确定各人的位置。也就是说,使用者是电脑屏幕上所有的窗口,以及电脑所有的活动的总和。显然,这是一场革新,因为微软视窗允许你同时在你的电脑上提出好几个指令,并且在这些活动之间不断循环往复。这已经具备了人类心理活动的某些特点。”在80年代,人类可能

5、通过和自己心理的比较试图理解电脑。而今天,舍科尔教授说,人类试图通过电脑的运行模式,来更好地理解人类的心灵。舍科尔教授认为,现在研究电脑心理学的最热门的领域,是假设电脑到最后会真正地有感情。你的一部电脑会对你产生“爱情”,它们需要你的关怀,需要感情的忠实。这可能是未来研究人和机器之间互动关系领域里最新的潮流了。目前,在电脑控制的玩具方面已经出现了一些突破。例如,去年圣诞节期间,出现过一种类似猫头鹰的玩具,这种玩具可以说几百句话,而且具有学习功能,甚至会骂厂。日本索尼公司制造出一种电子宠物狗,名叫“艾卜”,也是这类电子宠物玩具的代表性产品。除了玩具以外,在智能电脑方面,电脑能够听懂主人说话现在已

6、经不算稀奇了。目前,美国麻省理工学院的媒体研究室已经研制出一种具有人工智能的计算机,计算机可以对使用者发出的非语言性信号做出反应,并且据此进行某种程度的调整。舍科尔教授认为,未来的电脑发展趋势是生物化电脑,电脑越来越具有知性和感性,从社会学的角度上说,这将是一大飞跃,值得学者专家好好地探讨。【篇2】人工智能论文摘要：崔政博士的新著科学技术知识的政治经济学研究以马克思的“劳动”概念为中心，提供了一个划定人工智能替代人类劳动的边界框架。该书区分了重复性劳动与创造性劳动，提出创造性劳动是人类劳动的本质也是人工智能不可替代的。但需要进一步指出的是，机器学习已经在认识实践中表现出对人类认知劳动的极大辅助

7、作用，包括：人工智能能够提升科学知识生产效率;人工智能擅于提取和传递默会知识;人工智能可以产生某种机器知识。以上原因使得我们在创造性劳动中很难将人工智能排除在外，未来可能的创造性劳动方式应当是某种人机协作或人机融合。关键词：人工智能;创造性劳动;科学知识;默会知识;机器知识中图分类号：TP18文献标识码：A文章编号：CN61-1487-（2020）01-0154-03产业科学出现以来，科技创新对经济增长的驱动作用已经成为全球性的共识。崔政博士的新著科学技术知识的政治经济学研究，试图以“劳动”概念的历史分析为切入点，讨论科学技术在当代资本主义经济中所扮演的角色，进而以一种动态的劳动价值论表明当代

8、社会经济运行的内在动因12。该书以马克思的“劳动”概念为核心构建了一个哲学空间，将科学知识、技术创新、资本运行纳入其中，完整地阐述了科学技术对经济社会的塑造作用。该书的叙事方式表达了两个理论取向：第一，对科技创新的分析不同于传统技术创新理论仅关注经济“增长”，而是从更为基础的社会分工出发关注经济“发展”;第二，将科学知识的生产还原到马克思的“科学劳动”概念，实际上已经使用了一种扩展了的“科学”概念，蕴含着当代科学知识生产所具有的实践性、情境化、多主体等特征。该书更为重要的贡献在于讨论了人工智能技术对于社会生产方式的挑战和变革作用。书中提出：“人工智能的替代效应是建立在对人类劳动数据化和逻辑化的

9、基础上的，探索自在自然的创造性劳动是不可数据化和逻辑化的。因此，人工智能只能围绕既有的对象进行重复性生产，替代重复性劳动;而人类则能够探索自在自然，从而摸索新技术、建构新对象，进行创造性劳动。也就是说，机器所不能替代的人类劳动的硬核是探索自在自然的劳动，是创造对象和掌握技术的创造性劳动。”125作者将马克思的“劳动”概念区分为“重复性劳动”和“创造性劳动”，进而指出人工智能是对机器大工业的否定，它将替代人类劳动中可以重复、可以数据化的部分，但创造性劳动是人类劳动的本质，是人工智能所不能替代的。作者提出：“人工智能可以在将重复性劳动数据化的基础上，对人类劳动进行模仿，从而取代任何形式的重复性劳动

10、。但人工智能却不能取代人类的创造性劳动，创造性劳动是通过探索自在自然，经过反复的摸索与实验、征服反常和偶然、掌握技术、创造对象、实现对象从无到有的过程的劳动，这是一种原生性的劳动。”127作者认为，创造性劳动是对马克思的“自在自然”的探索，“自在自然”是在人类的现有认知能力之外，却以反常和失败等形式向人类显现其自身。然而，在认知实践当中，机器学习已经可以帮助人类探索认知能力之外的“自然”，当然这种“自然”并不以反常或失败的形式存在。作者也指出：“尤其是在大数据和云计算的背景之下，机器学习的速度远超人类的认知极限，甚至可能在数据中找到人尚未发现的方法和规则。”135因此，在认知劳动方面，我们可以

11、在作者的概念框架下进一步区分出人工智能对人类“创造性劳动”的辅助作用，具体表现为三个方面：人工智能提高科学知识生产效率;人工智能擅于提取和传递默会知识;人工智能可以产生某种机器知识。一、人工智能能够提升科学知识生产效率机器学习的广泛使用可以提升科学知识生产的效率，主要表现在文献研究和实验室研究两个方面。人工智能系统可以通过自然语言理解获取、阅读和总结所有相关文献。例如，一个叫做Iris的人工智能系统的运行方式是：从某个研究主题的演讲切入，先使用自然语言处理算法分析演講的脚本，挖掘从开放渠道获取的研究文献，然后将相关研究文献分组并进行可视化，再通过人工标注文献使机器匹配精度增加，当机器能够理解文

12、献的内容和结构时，可以帮助科研人员总结出该研究主题下的所有研究问题、假设、实验结果等，从而将前人工作完整呈现。此外，机器学习的使用还能够加快实验研究的进程。例如，2016年5月，澳大利亚国立大学的研究团队使用机器学习重复了物质的玻色爱因斯坦凝聚态的实验室发现过程，从反复设置调整实验设备的各种参数到产生凝聚态物质，机器学习只用了一个小时，而凭借这一发现获得诺贝尔奖的三位科学家是在直觉的基础上经过多年实验才制造出了物质的凝聚态。由此可见，作为技术的人工智能的进步已经开始反向促进作为基础研究的科学知识的生产。二、人工智能擅于提取和传递默会知识波兰尼（MichaelPolyani）提出了默会知识（ta

13、citknowledge）的概念，以区别于可以明述的知识（explicitknowledge），明述知识是用语言文字来表达的知识，如科学知识，默会知识则是我们知道但通常不加言三、人工智能可以产生某种机器知识如果说默会知识还是“可意会而不可言传”的知识，那么AlphaGoZero在围棋上的表现已经表明人工智能系统产生了某种既无法“意会”也无法“言传”的机器知识。AlphaGoZero在没有人类以往的经验或指导、不提供基本规则以外的任何领域知识的情况下，就使用机器学习在短时间内探索了大量人类从未尝试过的走法。机器发现的知识不仅完全超出了人类的经验，也超出了人类的理性，成为人类几乎无法理解的知识。由

14、此，产生了讨论某种“机器认识论”的可能性，GregoryWheeler在MachineEpistemologyandBigData一文中提出：机器学习对事物间隐蔽的相关性的发现和掌握已经远超人类，因此机器知识更多的是一种相关性知识。3321董春雨教授在机器认识论何以可能？一文中也指出：“人类必须正视机器在其擅长的领域，通过特殊的认识方式所获得和积累的知识。”4机器知识与科学知识或默会知识的核心差别在于：机器知识依赖数据，科学知识或默会知识依赖信息。信息是事物可观察的表征，或者说信息是事物的外在表现。任何一个物体的信息量都非常大，要精确描述一个物体，就需要将其中所有基本粒子的形态以及它们之间的关

15、系都描述出来，同时还要将该物体与周围环境的关系都描述出来。而数据是已经描述出来的部分信息，关于一个物体的数据通常要比信息少得多，例如只包含它的形状、重量、颜色和种属关系等。只有当信息经过适当的处理，当它被用来进行比较、得出结论和建立联系时，它才會转化为知识。而知识可以理解为伴随着经验、判断、直觉和价值的信息，作为认知主体的人在其中扮演了关键角色。相较之下，机器知识可以被刻画为数据在时空中的关系，这些关系表现为某种模式，对模式的识别就是认知，识别出来的模式就是知识，用模式去预测就是知识的应用。这些数据在时空中的关系只在少数情况下才能用数学工具进行表达，而多数情况下知识表现为数据间的相关性的集合，

16、这些相关性只有一小部分可以被人类感知和理解。这源于人类感受能力的局限性：人类只能感受部分外界信息，人类的感官经验局限在三维的物理空间和一维的时间。因此，当数据无法被感知，它们之间的关系又无法用数学工具表达时，这些数据间的关系就超出了人类的理解能力之外而属于机器知识。当前机器学习的主流形式人工神经网络的最大特点就是发现并记忆数据中的相关性，例如在看了很多汽车图片后会发现汽车都有四个轮胎，人类对图片这类直观的数据间的相关性也能发现并记忆一部分，这就是默会知识。但当数据量很大且不直观时，例如股票市场的数据或者核电站的内部数据，人类就无法应对了。而随着人工神经网络层级和数量的增加，人工智能系统能够处理

17、大规模的复杂数据，这就是机器知识。机器知识当前的主要表现形式类似于AlphaGoZero中的神经网络的全部参数。概言之，科学知识和默会知识多是基于信息的因果性知识，而机器知识多是基于数据的相关性知识。此外，科学知识是易于记录、易于陈述、易于传递的;默会知识是难以记录、难以陈述、可传递的;机器知识则是可记录、不可陈述、易于在机器间传递的。四、人工智能发展的局限性当然，基于人工神经网络的机器学习仍有两个核心的局限性导致人工智能系统还不足以承担创造性劳动。第一个局限是，人工神经网络需要依赖特定领域的先验知识，也就是需要特定场景下的训练，这是因为人工神经网络的学习本质上是对相关性的记忆，人工神经网络将

18、训练数据中相关性最高的因素作为判断标准。这个问题在自动驾驶汽车中表现的非常突出，鉴于道路交通情境的复杂性和交通标示的多样性，自动驾驶系统难以避免很多交通事故。第二个局限是，人工神经网络无法解释产生某个结果的原因，这种不可解释性在许多涉及安全和公共政策的领域显现的比较突出，例如在智能医疗中，人工神经网络在影像识别和辅助诊断中都对其结果缺乏医学上的解释性，都需要专业医生的复核。基于人工神经网络的人工智能系统在记忆和识别这两个基础智能方面超越了人类，但在推理、想象等高级智能方面还相差较远。与人类相比，人工智能无法承担创造性劳动的原因还不止于以上的局限性，还包括：人工智能没有常识和物理世界的模型;人工智能没有自主和自发的通用语言能力;人工智能没有想象力，需要大量常识、反事实假设和推理能力;最重要的是人工智能没有自我意识。自我意识的缺乏导致能够产生机器知识的人工智能系统仍然无法被视为认知主体，其知识的“创造性劳动”是一种无意识认识活动。五、结语人工智能系统在提升科学知识生产效率、处理默会知识以及产生机器知识方面的优势，使得我们在创造性劳动中很难将其排除在外，未来可能的创造性劳动方式应当是某种人机协作或人机融合。