『』人工智能的各路流派之争

一般来讲 , 我们可以把人工智能研究划分为四大流派 。每个流派的目标稍有不同 , 研究方法常常大相径庭 。第一个流派我们称之为“传统人工智能” 。这个流派确实试图构建能复制人类行为的计算机系统 , 指责其想用机器取代人类还不算冤枉 。传统人工智能的历史与计算科学一样悠久 , 通常认为 , 它的创建者是像约翰·麦卡锡(John McCarthy)和马文·明斯基(Marvin Minsky)等在20世纪50年代中期就职于麻省理工学院的那些人 。
『』人工智能的各路流派之争
文章图片

文章图片

起初 , 传统人工智能的研究者们关注自然语言翻译、符号推理(symbolic reasoning)和博弈论(game playing)等问题 。这一流派发明了一些有趣且实用的技术 , 但常常没有达到其自我设定的预期目标 。这类早期系统的一个例子要算二十世纪七八十年代研究出来的专家系统(expert systems) 。专家系统本意是期望运用一套规则来记录人类专家的经验 。这种系统的一个早期案例是试图建立医生诊断经验的模型 。它运行于一个受限的框架内 , 展现出类似于医生的行为 , 但得出的诊断结果常常与医疗常规相悖 。因此 , 很少看到这些专家系统取代医生或者其他专家 , 不过它们为我们提供了有用的技术 , 在生产管理中得到了一些应用 。
从一开始 , 传统人工智能研究就因为设定的目标过高而陷入窘境 。研究者们常常错误估计了为实现自己设定的目标所需要付出的努力 。20世纪60年代 , 一些研究者从复制人类智能转向研究能增强人类智能的计算机系统 。通常认为这一领域的创建者是约瑟夫·利克莱德(J.C.Licklider) , 他曾在位于麻省剑桥的一个研究单位——博尔特·贝拉尼克-纽曼公司(Bolt , Beranek and Newman Inc.)工作 。他在一篇称为“人机共生”(Man-Computer Symbiosis)的论文中写道 , “希望用不了几年 , 人的大脑和计算机器能够紧密配合 , 由此形成的合作将是人类大脑从未想到过的 , 处理数据的方式将是我们当前所知的信息处理机器无法达到的” 。
这个第二个领域逐渐发展成广为人知的“人机交互”(human computer interaction) , 它是当今计算机科学的几个较大分支学科之一 。相比于传统人工智能 , 它提出的目标比较低调 , 在实现自己设立的预期目标方面做得较好 。它在我们普遍使用的图形用户界面方面做出了贡献 , 并在算法和流程上做了很多研究 , 正是这些研究才使得手机和移动平台对我们有如此大的吸引力 。
第三个领域出现于20世纪80年代中期 , 被称之为“机器学习”(machine learning) 。这一领域的引领者们认识到 , 虽然传统人工智能没有实现它的目标 , 但是计算机系统所能达到的本应远远超过目前人机交互领域所完成的 。机器学习创建者们的灵感可以追溯到卡内基梅隆大学司马贺(Herb Simon)的工作(不管怎么看 , 司马贺确实是一个对计算领域有深远影响力的贡献者 , 他提出的思想影响了计算机科学许多方面的发展) 。这一流派并不试图复制人类智能 , 而是力图开发“在执行某些类任务时能提高性能”的程序 。他们收集信息 , 用这些信息改善自身的操作 。
机器学习大量借鉴数理统计工具来开发各种不同的识别和分类算法 。人工智能研究的先驱者之一 , 爱德华·费根鲍姆(Edward Feigenbaum)认为这些算法已被证明“相当成功” 。它们被应用于实际系统中来识别目标、发现数据中的模式和开发用于机器人的策略 。
【『』人工智能的各路流派之争】人工智能的最后一个分支领域是一个最新的领域 。它翻转了计算机和人类的关系 。在传统人工智能中 , 计算机系统试图复制人类的行为 。而在这一领域 , 人类试图处理一些计算机尚无法处理的任务 。医疗文件的记录(transcription)或许就是一个最好的例子 。许多医疗记录系统依靠人工来记录医生所说的话 , 然后再用传统的计算方法来处理这些信息 。这个分支领域的创建者之一 , 卡内基梅隆大学教授路易斯·冯·安(Luis von Ahn) , 把这一领域称为“人造的人工智能”(artificial artificial intelligence)这一领域 , 更众所周知的是“集体智慧”(collective intelligence) 。集体智慧设计计算系统时 , 充分发挥了人类行为的两个不同方面的优势 。首先 , 人类能以难以计算的方式识别出复杂模式 。人类从这些模式中联想 , 进而推理得出复杂的结论 。例如 , 一个简单的旋律就能引发人脑一连串的想法 。


推荐阅读