读《人工智能哲学》笔记

读《人工智能哲学》笔记

读《人工智能哲学》笔记2009-11-03 09:06读《人工智能哲学》笔记

《导言》:

对哥德尔不完全性的克服，矛盾的具体化，非系统崩溃

关注的窗口:正意识到的内容的转换～

海伦有触觉、空间感的经验知识，当把符号和经验中的"水"对应起来，意识就清晰、稳定起来。

我的模式自动机方法的优点之一是:系统只要理解一个个模式成立、可以应用的条件、场合和模式得到满足的判别标准，就能有意义地使用模式集合解决问题。

一个神经元的兴奋可造成另一神经元不被激活，或提高阈值――抑制。

《1.神经活动内在概念的逻辑演算》:

神经元状态可看成逻辑变量值，多输入对某单元的支持看成"与"，抑制看成"非"。

《2.图灵:计算机器与智能》:

图灵实验:通过键盘回答问题，区别人或机器。

想到:建模型+机制，哪些基本的、够用的机制

关于图灵说的学习机:

超临界尺寸的反应堆，可被激发。

洋葱皮，一层层剥去里面无物。但多阶、多层系统会产生复杂的组织和运动～

自然语言理解和下棋是两个可让机器学习的问题。

《3.塞尔:心灵、大脑与程序》

弱AI:计算机在心灵研究中做为重要工具。

:程序合适的计算机有理解等认知，就是个心灵。 强AI

可如此检验某心灵理论:想像自己按这理论思维会如何。

"汉语屋"就是一种思想实验:给汉语文本和英文的形式规则。塞尔用来反

。 对AI

"心灵研究是以人类具有信念，而恒温器、电话机和加法机没有信念这些事实做为起点的。"

"我们要知道的是，使心灵与恒温器和肝脏区别开来的是什么。"

"大脑的要害问题，也就是大脑的因果特性，大脑产生意向状态的能力。"

"在认知科学中，人们预先假定了心理的实在性和可知性。"

要反驳的是"一个精确的、定义完善的论题:心理过程是以形式定义的元素上的计算过程。"

"意向状态是根据它们的内容，而不是根据它们的形式定义的。"

【内省可知:一个模式如何激发另一模式。

我关于"汉语屋"的评论如下:

屋内人的意识虽然建立在英语上，他有意识;他的汉语知识内化在人家提供的识别文本――处理文本的规则里。他处理规则的过程，对汉语内容无意识，但对规则本身是有意识的。

同样:机器理解程序～知道程序要求它如何动作。我们要把知识内化为程序和数据。在上一个层次，程序理解一定的规则和数据。…继续向上，系统理解语言、视觉、听觉、触觉、动作信息。

一个观点:下一层次的形式可以是上一层次的内容。无结构的内容，指称外部事物或动作。

我的"理解"也不是人类的理解那种，可说成是:有意义地区别、联系和操作。这是通过把语义信息一层层形式化造成的。

模式自动机是对任何层次的"有意义化"机制的描述。】

《4.博登:逃出中文屋》

用布伦塔诺的话来说，意向状态使心灵指向一个对象;用塞尔的话来说，它们具有内在的表述能力，或是"所指内容";无论何种情况，它们都把心灵同世界联系起来。

需要增加一组与外部世界的因果关系。

(塞尔)相当于认为大脑是智能的担负者，而不是智能的因果基础。

【想:人类的智能学习从语义开始，后来才掌握形式，他从实例及与符号的对应，掌握事物的联系――语法。"我爸成老师傅了"，"妈妈你怎么变成老师了"。即人类从低效有实质开始，向'文'化发展，同时提高信息处理效率。】

学习一种语言，就是建立起相关的因果联系，这不仅是词与现实世界之间的联系，而且是词与解释这些词时所具有的许多非内省过程之间的联系。

程序对计算机的作用是直接的。

人们甚至会说，一个表述是一种活动，而不是一个结构。许多哲学家和心理学家都认为心理表述是内在能动的。

按照他(霍施塔特)的说法，"大脑本身并不'处理符号'，大脑是一个媒介，符号在它里面浮动着，并在它里面相互触发。"

(关系同构和找到某项不同。应采用统一编程语言理论，使指称和过程被包含进来。)

【prolog语言中，也有为了"满足"的过程。我的模式自动机把描述和过程统一，又不约束过程步骤。】

任何计算机固有的过程结果，都给了程序一个语义的立足点，这里所说的语义不是指称性的，而是因果性的。这是与屋中的塞尔理解英文的类比，而不是与他理解汉文的类比。

《5.纽厄尔、西蒙:作为经验探索的计算机科学:符号和搜索》

计算机科学是对围绕计算机的现象所作的研究。

我们想把计算机科学称为经验探索。

我们是要考察这门科学的一个方面――通过经验探索而形成的新的基本理解。

1.符号和物理符号系统

(定性结构定律:如细胞、原子、病毒、大陆板块，具有稳定性、本质性。下面说明物理符号系统对于智能是个本质。)

物理符号系统:一个物理符号系统是由一组叫做符号的实体组成的，这些实体是一些物理模式，可以作为另一种叫做表达式(或符号结构)的实体的分量而存在。

(除这些符号结构而外，还包含产生出另一些表达式的过程。)

物理符号系统是一架机器，它产生出一个随时间而演化发展的符号结构集合体。

指称:由表达式而抵达对象。

解释:能执行表达式指称的过程。

有指称、解释功能的系统也完备、封闭。

物理符号系统是通用机的一个例子。

我们的假设是:物理符号系统具备智能行动的能力，同时一般智能行动也需要物理符号系统。(是智能的充要条件。)

2.启发式搜索:符号系统是使用启发式搜索过程来解题的。这一总结(如上)根据的是经验证据，而不是从其他前提中正式地推导而出的。

启发式搜索假设:将问题的解表述为符号结构。物理符号系统在问题求解中以搜索方式行使它的智能，亦即生成符号结构，并逐步对其进行修正，直到产生出一种解的结构。

说明一个问题就是指明:1)对一类符号结构(该问题的解)的检验;以及2)符号结构的生成程序(潜在的解)。解决问题就是运用2)生成一个满足1)的检验的结构。

一个符号系统(有时)可以说明和解决问题，是因为它有生成和检验的能力。

如果系统对产生潜在解的顺序具有某种控制能力，那么就值得对这种生成顺序加以安排，从而使实际的解及早出现的可能性大大提高。如果系统在一定程度上成功地做到了这一点，它就有可能在这一程度上表现出智能。对一个加工资源有限的系统来说，智能就在于对下一步做什么作出明智的选择。

系统通过修改以前的表达式产生新表达式，修改过程保持解不变。

对树搜索，提高经济性的办法是:只生成有价值的分支。

智能的任务就是防止搜索中始终存在的由指数激增造成的威胁。

以别的可用信息引导搜索的技术来增补它的解生成程序的选择性。

有一些搜索技术得到发展，直到60年代中后期，一直很难看到根据这些概念对问题求解所作的一般性的、与任务分离的理论探讨。

低结构化是指与问题空间结构相关的理论是不充分的或不存在的。

信息的非局部用法:一些完全相同的事实不得不在这一搜索树的不同节点上重复去发现。近年来，把信息从它的原始语境传递到其他恰当语境这方面，已经做了一些开拓性的工作。【按:辨证逻辑强调了具体性，其实考虑了可以"抽象"，又能恰当"放回"具体环境的条件。即一个自足的自我运动的整体才是一个概念。】

语义识别系统:向符号系统就其所涉及的任务域提供大量语义信息。大师的技巧主要来源于所存储的信息，这些信息有的能使他识别出棋盘上大量的特定特点和特点的模式，有的利用这种识别，提出与所识别特点相适合的行动。

识别之所以可能取代搜索，是因为特殊的模式，特别是稀有的模式，可能包含大量信息，只要它是与问题空间结构密切联系的。

选择恰当的表述方式:(寻求易于求解的等价表示方式)

结论

符号系统是许多模式和过程的集合体，而后者能够产生前者，并破坏和修正前者。模式最重要的特征是，它们能指称对象、过程或其他模式，而当它们指称过程时…完成被指称的过程。

建立符号表达式，对它们进行一系列修正(即在可能解的空间搜索)，直到它们满足解的条件，这就是寻找解的一般方式。(有时)这些路线组成一整棵搜索树。

【按:对模式各分量的值的组合，有:根，第i层是第i分量，其第j分支是第i分量的第j个可能值。形成一棵树。】

《6.D.C.玛尔:人工智能之我见》

信息处理问题的解答自然地分为两部分。第一部分。可以看作对要计算什么和为什么计算所作的抽象的系统阐述，我把它称为计算"理论"。第二部分由实现计算的特殊算法构成，所以它说明了怎么做的问题。

1型理论。(乔姆斯基句法理论)

众多过程同时行动，而这些过程的相互作用就是它本身的最简单描述，那么我们称这种情况是2型理论。

我们假定人类语言的目的是将一个原本不是一维的数据结构转换成一维形式，以便按顺序发声的方式传递，然后在听者头脑中被重新译作某些近似的副本。

人类锲而不舍的所有重要事业，都是锲而不舍地以基于信念、而不是基于后果的个人献身精神作为开始的。AI正是这样的例子。

(苍蝇飞，拿报纸，联想到要拍，相互联系而限定。)

如果我们认为信息处理研究的目的是系统阐述和理解特定的信息处理问题，那么处于核心地位的正是那些问题的结构，而不是实现这些问题所经历的机制。

对问题求解的研究已趋于集中在那些我们在智能上理解得很好、但做起来却很差的问题上。

《7.D.C.丹尼特:认知之轮:人工智能的框架问题》

智能的人是从经验中学习，然后用学到的东西来指导对未来的预期。实际上，休谟就是根据预期的习惯对此作出解释的。但是习惯是怎样起作用的呢?休谟信手拈来一个答案――联结主义，大意是说:观念之间的某些转换通道，在变得经久耐用之后更有可能循之而行。

(具有整体性的框架如"整块布丁")

"现象学"这一术语在习惯上是同内省法联系在一起的―――用它来检验呈现意识给的是什么，或者赋予意识的是什么。

现在我们已经在一段时间内取得进一步的认识:我们的意识所抵达的，可以说只不过是我们头脑中发生的多层信息加工系统的外层表面而已。视线以外的东西太多了。

AI迫使平常的信息浮现出来，其原因是AI面对的任务是从零开始的:。对"关于现实世界"的事最初是一无所知的。

今天我们都会同意，一个出生时像白板一样面对世界的实体，根本不可能学习，但是在什么是天生的、什么是在成熟中形成的以及什么是真正学习所得的之间划分出界限，比起人们或许已经产生的看法，在理论上就不那么重要了。虽然有些信息必须是天生的，但是几乎没有什么特殊条目必须是:体察到或许是肯定前件的假言推理，还有排中律，以及对因果性的某种观念。

【按:康德的先天综合判断，范畴，包括了时间、空间、变动等，我也认

"属性"，应被系统先天地"理解"。为要事先固化在系统中，另外抽象的"关系"、

逻辑的"与、或、非、蕴涵"，算术的"加、减、乘、除"也是。

另外，有些常识或潜在意识，在语言没有发展时的探索、玩耍中，得到。

直接给执行者装备了解决问题时应该"知道"的所有内容。这可能是一种危险的捷径。

语义问题――"知识层次"的问题。句法问题就是装入该信息时要使用何种系统、形式、结构或机制的问题。

AI中当前正在研究的非单调推理方法。目标是共同的:获得人类的才智，去忽略应该忽略的，同时在重大的反常情况出现时保持警觉。

将一切变化多端的生活经验压缩成数目可控制的一些定型套路的主题，亦即范式型的情节梗概――明斯基称之为"框架"，尚克称之为"脚本"――中的变化。

从一个角度来看，非单调逻辑或缺省逻辑、划界、以及时态逻辑，对于不动脑子的演绎方法来说，看来都是根本性的改进;但是换一个稍微不同的视角，它们则表现出更多的共同之处，至少与用于心理模型的框架一样地非实在。

但是意识思维的幕后实现方式在人类中是怎样完成的?

引进认知之轮的概念。

许批评AI的人都深信:任何AI系统除了作为认知之轮的齿轮箱之外，什么作用也不起，而且这是必然的。

在某个高层次上或是在现象学层次(该层次仅仅提出问题)以下的一些层次上，存在着从模型特征到被建模事物的映射，这也是人或其他生命中的认知过程。

"心理实体"

有人主张，虽然麦卡锡方式的形式化常识推理没有直接告诉我们有关心理推理过程的什么事情，但是它澄清了对所要求的任何一种像这样的生物或非生物实现方式的纯语义层次的特征，并使之明确化、系统化。

人能够从事快速、灵敏、有风险但有价值的其余情况相同推理。

R.德苏萨(的《情感的理性》)以令人信服的理由指出:情感的功能是填补由在确定行动和信念时的"纯粹推理"遗留下来的空白。

《8.P.J.海斯:朴素物理学宣言》

提出对有关日常物理世界的相当大的一部分常识性知识，即对关于物体、形状、空间、运动、物质(固体和液体)、时间等知识加以形式化的构造方案。阐明这方案需要实现河能够实现;然后简述使之实现的方法。

我们一再看到，由于过早地考虑计算问题，在AI的表述问题方面的严肃工作被转移方向或全面受阻。

我认为:对于表述(表示)来说，一阶逻辑是一个适用的基本工具。

把流体的可能物理状态在本质上看作有限状态机器的状态，是很有用处的。这些就把一些冗长而臃肿的一阶公理概括为一个简洁的图形。

我们规定，形式化是稠密的，如果对于每一标志，都存在着许多包含该标志的公理。

稀疏的形式化不能足够准确地固定所含标志的意义。

公理与概念的比率a/c。稠密的公理化很大。

【按:我们一般有两种信息:1.定义、性质，把概念识别出来，使之与其他概念区别。2.公理、定理，规定要保持的内在联系。】

如果能够为常识性推理找到一个类似的还原理论，一定会令人惊叹不已:一个小型概念集合，以及与这些概念相联结的公理，使所有其他概念都能用这少数几个概念来定义。

【儿童思维中，对象先于动作和属性。这点我有观察:金炎小朋友，当他爸爸像老大爷每天一样打开大门时，说:"我爸爸成了老大爷了。"陈越小朋友对他妈妈说:"妈妈你别成了老师了。"

另外，从情境得到的词汇及意义在前，然后依赖先得的词汇描述其它词汇的意义。】

我们无法指着一个特定结构说，这就是某个标志的意义。我们只能说，标志在如下程度上意指一个概念:作为整体的形式化能够使充分多的、在其结论中包含该标志的推理，亦即言及此概念的推理得以完成。

形式化(系统)的每一可能的模型中，如果该标志代表一个实体，而该实体在模型所示出的可能的事物状态中，被人们认为对概念作出了令人满意的例示，那么，这个标志就意指这一概念。

形式化模型必须可被识别为物理实在的摹本。

对一阶公理化而言一个模型就是一个集合――存在于用该模型表述的"事物状态"之中的实体的集合，同时，它也是从公理化标志到这个集合、以及覆盖这一集合的关系和函数的多个集合的特定映射。

没有任何东西事先阻止真实世界成为公理系统的模型。

了解形式化精确性的一个好办法，是看它的最简模型与预期模型的相似程度如何。

让我们设想朴素物理学形式化有一个带感觉器官的身体。这样，朴素物理学就应该部分地成为一个表象理论。【有开放端，忽略感性细节，可得到一个关于单个对象的命题。】

(形式化过程中，开始为说明一个概念，增加许多新的概念，直到概念不增加(闭合)，关系增加，最后完成。)

(概念)簇恰好是局部闭合的。(内部联系丰富，外部联系较少)

一些概念簇:度量的尺度;形状、方向和维度;内部和外部;历程:对发生过程的描述(可有时间、空间的嵌套。关于一件事的历程与大时空的关联――编址，表达、预见能力);能量与作用力;组合;支撑;物质和物理状态(固、液、泥、粉、胶态);力和运动;液体

我们的目标是构造一个形式化，由它对启发方式恰当的可行推理搜索空间作出定义。(待补完)

特别声明:

1:资料来源于互联网，版权归属原作者

2:资料内容属于网络意见，与本账号立场无关

3:如有侵权，请告知，立即删除。

本文来源：https://www.2haoxitong.net/k/doc/617f9bca5b8102d276a20029bd64783e08127d43.html