精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

【深度】 關于人工智能若干問題的再思考

責任編輯:zsheng

作者:劉偉

2018-04-24 19:09:49

摘自:人機與認知實驗室

有人認為:人工智能就是人類在了解自己、認識自己。實際上,人工智能只是人類試圖了解自己而已,因為“我是誰”這個坐標原點遠遠還沒有確定下來……

有人認為:人工智能就是人類在了解自己、認識自己。實際上,人工智能只是人類試圖了解自己而已,因為“我是誰”這個坐標原點遠遠還沒有確定下來……

“我是誰”的問題就是自主的初始問題,也是人所有智能坐標體系框架的坐標原點,記憶是這個坐標系中具有方向性的意識矢量(意向性),與馮諾伊曼計算機體系的存儲不同,這里面的程序規則及數據信息不是靜止不變的,而是在人機環境系統交互中隨機應變的(所以單獨的類腦意義是不大的),這種變化的靈活程度常常反映出自主性的大小。

到目前為止,機器的存儲依然是形式化實現的,而人的往往是形象化實現的,人工智能的計算是形式化進行的實在(有人說: 遞歸函數就是圖靈計算、人工智能的秘辛!),而人的算計往往是客觀邏輯加上主觀直覺融合而成的結果。計算出的預測不影響結果,算計出的期望卻時常改變未來,從某種意義上說,態勢不是計算感知出的,而是認知成的,自主有利有弊,有悖有義,是由內而外的嘗試修正,是經歷的驗證~經驗的類比遷移。

語言交流是自主的典范,是根據交互情景(不是場景)展開的,無論怎樣測試,都是腳本與非腳本的反應,其準確性的大小可以判定人機孰非…… 有人把語言分為三指,即指名、指心、指物三者, 并指出研究這三者及其之間的關聯一直是人工智能面臨的難題和挑戰。無獨有偶,19世紀,英國學者就提出過能指、所指的概念,細細想來,這些恐怕都不外乎涉及事物的屬性(能指、感覺)及其之間的關系(所指、知覺)問題吧!實際上,一個詞、一句話、一段文都離不開自主的情境限定,我們知道的要(所指)遠比我們能說出來的(能指)要多得多吧?! 若不信? 想想你見過的那些眼睛會說話的人吧!溯根追源,究其因,一般是緣于此中的情理轉化機制: 感性是理性的蟲洞,穿越著理性的束縛與約束;理性是感性的黑洞,限制著感性的任性與恣意。正可謂,自主的意識駕馭著情理,同時有被情理奴役著……

智能的本質在于自主與“相似”的判斷,在于恰如其分的把握“相似度基準”分寸。人比機器的優勢之一就是:可以從較少的數據中更早的發現事物的模式。其原因之一就是源于,機器沒有坐標原點,即“我”是誰的問題。對人而言,事物是非存在的有---其存在并不是客觀的,而是我們帶著主觀目的觀察的結果,并且這種主客觀的混合物常常是情境的上下文的產物,如圍繞是(Being)、應(Should)、要(Want)、能(Can)、變(Change)等過程的建構與解構往往是同時進行的。另外,即使是同一種感覺(如視覺)也具備具體指向與抽象意蘊,握手的同時除了生理接觸還可以伴隨心理暗示。

人腦在進行自主活動時可以產生“從歐幾里得空間到拓撲空間的映射“,也就是說在做選擇和控制時,人可以根據具體目的的不同,其依據進行的相似度基準(不是歐式空間上的接近性,而是情理上的聯系網絡)是在變化的,并依此決定進行情境分類實施。

一個問題無邊界、無條件、無約束的求解時是哲學研究,同一個問題有邊界、有條件、有約束的求解時是數學探討。

美國心理學家海耶斯(Steven Hayes)的關系框架理論:我們大腦有一個特性,即它能在兩兩相關的三個事物之間產生新的關系,其中語言起著重要的作用,如A>B, B>C,我們會推出A>C。那么在紛繁復雜的情境中,這種關系框架還存在嗎?!

自由調節的環境系統觸發了自主體系的反向運動,由此形成了人機與環境之間的多向運動或多重運動,進而導致了矛盾和沖突。

虛構如何修正真實,真實怎樣反饋虛構?這將是一個很有味道的問題!

人的學習與機器學習不同之處在于: 人的學習是碎片化+完整性混合進行的,所以自適應性比較強,一直在進行不足信息(資源~如時空方面)情境下的穩定預測和不穩定控制,失預、失控場景時有發生,所以如何二次、三次……多次及時的快慢多級反饋調整修正就顯得越發必要,在這方面,人在非結構非標準情境下的處理機制要優于機器,而在結構化標準化場景下,機器相對而言要好于人些。并且這種自適應性是累積的,慢慢會形成一種個性化的合理性期望,至此,自主(期望+預測+控制)機制開始產生了,且成長起來……

“智能的真實標志不是知識,而是想象。”愛因斯坦說:“想象力比知識更重要,因為知識是有限的,而想象力概括著世界的一切,推動著進步,并且是知識進化的源泉。”想像就是虛構,所以虛構也許是智能的本質表征,似曾相識、似是而非、似非而是等可強意會弱言傳的現實存在。

人的學習是因果關系、相關關系甚至于風俗習慣的融合,這些有的可以程序化,很多目前還很難描述清楚(如一些主觀感受、默會的知識等),而機器學習顯性的知識內涵效率要遠遠大于隱性的概念外延。

規則與概率之間的關系是彌聚性的,規則就是大概率的存在,概率本質則是沒有形成規則的狀態。習慣是規則的無意識行為,學習則是概率的累積過程,包含熟悉類比和生疏修正部分,一般而言,前者是無意識的,后者是有意識的,是一個復合過程。

人處理信息的過程是變速的,有時是自動化的下意識習慣釋放,有時是半自動化的有意識與無意識平衡,有時則是純人工的慢條斯理,但是這個過程不是單純的信息表達傳輸,還包括如何在知識向量空間中建構組織起相應的語法狀態,以及重構出各種語義體系。

鏈接已復制,快去分享吧

企業網版權所有?2010-2024 京ICP備09108050號-6京公網安備 11010502049343號

  • <menuitem id="jw4sk"></menuitem>

    1. <form id="jw4sk"><tbody id="jw4sk"><dfn id="jw4sk"></dfn></tbody></form>
      主站蜘蛛池模板: 琼结县| 黄平县| 浑源县| 澳门| 新蔡县| 荆门市| 扶风县| 博客| 德昌县| 康保县| 定边县| 南雄市| 安远县| 梁平县| 滨州市| 永泰县| 南开区| 施秉县| 洪湖市| 出国| 菏泽市| 马龙县| 四平市| 津市市| 延川县| 界首市| 社旗县| 九龙县| 儋州市| 华容县| 耒阳市| 永修县| 涡阳县| 扎兰屯市| 东丰县| 武威市| 常熟市| 新龙县| 高阳县| 万安县| 波密县|