当前位置: > 三大 > 人工智能研究领域的三大主流,人工智能的三个要素是什么

人工智能研究领域的三大主流,人工智能的三个要素是什么

人工智能研究领域的三大主流

人工智能的三个要素是什么?人工智能包括三个要素:算法、计算和数据。例如,该算法就像一个引擎。数据是石油,提供能量;计算出的力是向前驱动车轮的车轮。这三个要素是不可或缺的。

人工智能和一个核心三大技术有何联系

人工智能在计算机领域越来越受到重视。 它已被应用于机器人、经济和政治决策、控制系统和仿真系统。 逻辑学校和另外两所学校正走向相反的方向。 逻辑学派追求知识的源泉 名词的概念逐渐减少,直到只剩下对与错。 这类似于佛教中的“回头是岸”。 另一方面,仿生学和行为主义者学习越来越多的知识、越来越多的名词概念和越来越多的意义,就像爆炸一样。 这类似于佛教中的“无尽的痛苦”。 强大的人工智能,对象征主义、连接主义和行为主义三大流派的人工智能研究有较大影响,选择c第一系统、人工智能雷达系统、第二系统、BOSS管理系统、第三系统,移动商城系统天网在早期无法与贾维斯相比,天网在后期胜出 贾维斯说,许多人认为它比红皇后好,但红皇后被称为人工智能,贾维斯被称为智能程序。两者不同。 贾维斯不能和红皇后相比。贾维斯只能依靠数据分析。红皇后可以分析数据并改进自己的程序。例如,当红皇后被入侵时,他可以,

人工智能的三个要素是什么

人工智能的三个要素是什么?人工智能包括三个要素:算法、计算和数据。例如,该算法就像一个引擎。数据是石油,提供能量;计算出的力是向前驱动车轮的车轮。这三个要素是不可或缺的。

人工智能和一个核心三大技术有何联系

人工智能研究领域的三大主流范文

文摘:人工智能在其研究实践中形成了象征主义、联结主义和行为主义三大流派。象征主义认为智力是基于逻辑规则的象征性操作;联结主义认为智能是由大脑神经元组成的信息处理系统;行为主义认为智力是通过感知外部环境来相应行动的。通过比较分析,我们发现这三个学派的理论既有相同之处,也有不同之处。就人工智能与人类智能的关系而言,人工智能实际上是延伸了人类的认知。从技术的悲观主义者和乐观主义者的角度来看,人工智能的技术悲观主义是合理的,但它仍然是不成熟的,并且在一定程度上会抑制人工智能的健康发展。根据三大学校的特点差异,融合不同的学校是未来人工智能的发展趋势。只有这样,人工智能才能在“身-心-词”交织的关系中,以人的思维框架实现整体模拟。

关键词:人工智能;象征主义;连接主义;行为主义;

随着第一台电子计算机的出现,人类开始了人工智能技术发展的历史序幕。人们普遍认为人工智能是人脑的模拟和扩展,是一门通过人工智能机器或智能系统研究人类智能扩展的科学[1]。人工智能研究者基于对“智能”的不同理解,形成了象征主义、联结主义和行为主义三大流派。本文旨在对人工智能领域的三大流派进行比较分析,并得出相关的有价值的启示。

一、[三所人工智能研究学校/s2/]

在长期的发展过程中,人工智能逐渐形成了三个被广泛认可的流派:象征主义、联结主义和行为主义。在20世纪80年代中期之前,象征主义作为最成功的学校,在[脱颖而出。20世纪80年代后,象征主义逐渐衰落,联结主义和行为主义兴起。在这种交替的转变中,人工智能的研究也在逐步发展。

象征主义,也称为逻辑主义[3,是一种基于还原论的理性主义方法。该学派认为智能的基本要素是“符号”,人类认知过程是信息处理过程[2],它可以通过符号的逻辑演绎和推理来表达智能活动。他们把信息处理系统,俗称“认知系统”,看作是一个巨大的符号处理系统,把智能系统看作是一个物理符号系统[4]。所设计的信息处理程序将智能活动形式化为一种算法,并通过该算法对收集到的信息进行逻辑处理,使机器最终输出智能结果。象征主义以逻辑推理规则为主要思想,[5],蕴含着深刻的数理逻辑思想,在发展过程中取得了丰硕的成果。从历史上看,从1956年到1986年,象征主义经历了一个从独特到衰落的过程。主要原因是简化理性主义不能有效地处理复杂系统的问题。简单的线性分解会破坏系统的复杂性,形式处理方法对常识问题采取回避态度。然而,到了20世纪70年代,常识问题对于人工智能来说是不可避免的问题[2]。结果,联结主义和行为主义利用最新的研究成果逐渐占据了人工智能的领域。

联结主义也被称为仿生学校[4]。通过模拟人类神经系统的结构和功能,连接主义试图使机器变得智能。在人工智能研究的兴起阶段,联结主义和象征主义遵循各自的研究模式。由于联结主义拒绝象征主义,它引发了关于象征主义认知框架的学术辩论[7]。20世纪60年代,联结主义在项目和资金的象征主义残酷竞争中失败,导致联结主义的两难境地[6]。人工神经网络的科学研究是联结主义研究的重要组成部分,但是随着网络层的增加,训练过程不能保证“收敛”,已经严重受挫的[5]。幸运的是,随着神经科学研究的发展,联结主义研究逐渐取得了新的突破。直到2006年,深度学习技术瓶颈的突破打破了深度网络难以收敛的局面。此后,深度学习发展迅速,尤其是自称“从头开始学习”的阿尔法围棋(AlphaGo Zero),经过几天的自我游戏,打败了击败李世石的阿尔法围棋(AlphaGo Lee),从而在学术界引发了震动。深度学习算法结合强大的计算能力使得机器在某些领域的智能性能超过了人类的平均水平,从而引发了关于人工智能是否会超过人类智能甚至最终取代人类的激烈讨论。

行为主义也被称为进化论[4]。行为主义认为,智能行为是通过与环境的互动,对感知结果做出相应的行为。基于控制论的“感知-行动”模式,行为主义希望通过模拟生物体的进化机制使机器获得适应能力[2]。早期行为主义者的研究集中在“控制论动物”[4的发展上。行为主义认为,人类的智力可以从模拟动物的“感知-行动”中复制出来。20世纪80年代,智能控制和智能机器人系统的出现将行为主义提升到了一个新的水平。20世纪末,行为主义正式提出智力取决于感知和行为,智力取决于适应外部环境的能力。作为一所新学校,它正式出现在人工智能研究的舞台上[4]。像联结主义一样,行为主义在20世纪80年代以前也是象征主义的幌子。当象征主义衰落,行为主义的研究成果不断涌现时,该学派终于像联结主义一样“从幕后走向前台”,并由于行为主义与传统观点的差异而受到了极大关注。

[两所和三所学校的比较分析/S2/]

对智力的不同理解导致不同的学校和不同的研究方法。象征主义认为智力是基于逻辑规则的象征性操作,人类认知活动是象征性计算的过程[8]。可以说,通过程序处理信息来实现智能活动是一种象征性的研究方法。联结主义认为智能是由脑神经元组成的信息处理系统,人类认知是脑神经元运动的经验结果。大脑由一个由神经元组成的神经网络连接。通过模拟人类神经系统的结构和功能来处理信息,实现智能活动是一种联结主义的研究方法。这两种研究方法可视为人类智力的两种主要思维能力:逻辑推理和归纳推理。这两所学校可以分别对应这两种能力[5]。与这两个学派不同,行为主义认为智力是通过感知外部环境做出相应的行为,认知活动是对外部环境的“感知-行动”的反应模式。行为主义不重视信息的处理。在与环境的交互作用下,模拟同一智能行为的实现是其研究方法。

首先,象征主义认为智力是基于逻辑规则的象征性操作。从“符号是智能行动的基础”开始,他们认为有机体是“有程序的活机器”,[9](P142)。“智力的核心是根据一套规则做出理性的决定”[10。象征主义可以理解为模拟人类逻辑思维来设计信息处理程序,象征所收集的信息并根据程序进行逻辑处理,最后输出知识或行为来完成智能表达的过程。象征主义倡导功能模拟方法,坚信只要建立起一个通用的逻辑运算系统,计算机就能模拟人类思维[4](P16)。作为智力的一部分,象征主义认为人类认知活动是基于逻辑规则的符号计算过程。诚然,知识是信息的积累和重组,智力的基本要素是符号的观点与人类的逻辑计算能力是一致的。象征主义学派产生了大量的研究成果,并已应用于实践,包括专家系统和机器定理证明。因此,在很长一段时间里,象征主义是人工智能领域的核心。然而,象征主义的研究方法也受到许多人的批评。最典型的代表是对现象学哲学家德莱弗的批评,他认为象征主义智慧观“完全是西方形而上学传统的遗产”[6。在他看来,符号研究人员是“最后的形而上学者”,他们试图绕过大脑和身体,利用行为的形式化来认识世界的本质[11]。现实世界的多样性和复杂性使得通用逻辑推理系统面临无限多的形式系统。在智能活动发生之前,逻辑操作系统已经建立。与人类相比,在通过象征主义实现的智能行动中,头脑似乎没有自我创造的潜力,尽管心理学派把头脑看作是一个计算系统[9](P10)。然而,正如批评家所认为的,在信息处理的任务中,心理学派忽略了基本的和无意识的方面,理所当然地把模式匹配——算术的一个关键因素——视为理所当然,从而使科学相对缺乏[9](P13),模块理论家认为“更高层次的心理过程”无法详细解释[9](P13)。同时,由于关注情报对信息的逻辑运算结果,而不是信息的归纳和总结,导致了对联结主义的强烈排斥,与联结主义形成了巨大的理论分歧。

其次,联结主义认为智能是由大脑神经元组成的信息处理系统。他们认为大脑是由神经元组成的神经网络连接而成的,人类智能的实现过程是通过神经网络中神经元之间的相互作用来实现的,因此智能是由脑神经元组成的信息处理系统。连接主义通过建立神经网络模型来模拟大脑。与象征主义不同,连接主义提倡结构模拟。他们认为智能行为与[的功能和结构密切相关。连接主义通过模拟人类神经系统的结构和功能来模拟智能行为。认为在互联的人工神经网络中,认知基础是通过计算传输规则、连接权重和阈值设置而形成的,动态改变连接权重可以提高连续训练中情境的认知效率,这正是“形而上学”符号所缺乏的[7]。因此,与“认知是计算”的象征观点相反,联结主义认为人类认知是大脑神经元运动的经验结果[8]。近年来,由于大数据技术的出现,连接主义通过深入学习等技术在知识结构分析方面取得了更多的成果。深度学习算法采用多层神经网络,通过无监督学习方式逐层递归数据特征,使学习结果发生质的飞跃,这可以被视为人类归纳推理能力的“再现”。这种自下而上的范式使得在实践领域更容易实现应用价值。因此,当象征主义逐渐弱化时,连接主义的发展似乎一路向前,它已经超过了人类在模式识别、游戏甚至艺术创作方面的正常表现水平[5]。德雷福斯晚年也表达了他对连接主义的期望。他认为连接主义不同于象征主义的简化传统,他们认为自己是整体论的神经科学[9](P418)。然而,由于联结主义依赖于人类对自身脑神经系统的理解程度,而目前人类对大脑结构还没有透彻的理解,他们对人脑的模拟受到现有神经科学水平的限制。此外,人类的整体生活远不止局限于人类脑神经网络[2],因此要实现人类智能的“真实”模拟还有很长的路要走。

最后,行为主义认为智力是通过感知外部环境做出相应的行为。智能行为是通过与环境互动来对感知结果做出反应。外部信息的交互感知是行为主义研究的一个重要方面。行为主义根据“感知-行动”控制系统模拟人们对行为的控制和实现。行为主义认为,智力水平相同的行为表现是没有知识、表现和推理的智力。因此,对于认知活动,行为主义认为它是一种对外部环境的“感知-行动”的反应模式。行为主义提倡行为模拟,认为只有在真实环境中反复学习,才能最终学会在复杂未知的环境中处理问题。行为主义以“感知-行动”控制系统为基础,利用传感器感知外部情境信息,模拟情境中生物的反应,并试图通过从感知到行动的映射规则,使主体在相同情境中产生相似的经验行为。像联结主义一样,行为主义也认识到功能结构和智能行为之间的密切关系[12]。他们利用仿生学原理来模拟生物体的结构,制造机器人,并利用它们来模拟生物体的行为。由于行为主义[2]的经验表达,在实现智力的过程中,象征主义中不存在无限形式系统的尴尬,也不需要像联结主义那样对人体结构有极其透彻的理解。它只要求智能体通过“感知-动作”控制系统、进化计算或强化学习方法进化和学习外部感知做出的反应,同时在智能体[14内寻找一种合理的自我协调和智能体间协调的协调机制。其中,自协调可以避免主体中各个模块之间的冲突,主体之间的协调可以通过多个主体之间的交互避免主体之间的死锁或活锁,从而使主体的自适应行为能够逐渐演化。与象征主义和联结主义相比,行为主义不再坚持“反思”冥想,而是在与外界互动的过程中以具体行动拥抱现实世界。行为主义也是一种自下而上的范式。与联结主义相比,行为主义对于人工智能的发展实际上相当于德雷福斯的“身体-场景-头脑”的整体概念,使其在实践中更有价值。然而,从单细胞生物进化到人类需要相当长的时间,行为主义的适应机制可能还有很长的路要走,才能通过进化实现具有人类智能的机器。

三。启示

对于当前人工智能的全面发展,技术乐观主义和技术悲观主义都表示了关注。可以说,学术界呈现出一种复杂的心态。通过对三大人工智能流派的比较和分析,可以为这些问题提供有价值的回答或启示。

首先,人工智能确实扩展了人类的认知。基于对智力的不同理解,三大学派都对“认知”提出了各自的观点。象征主义是对人类逻辑演绎思维的模拟,而联结主义是人类归纳推理思维的表现。两者的研究成果都是模拟人类智能的产物。无论是“认知即计算”还是“认知是脑神经元运动的经验结果”,其操作模式都与人类颅内认知相同。逻辑推理和归纳推理是人类智力的两个主要组成部分[5]。象征主义和联结主义的研究成果使得理论上扩展认知成为可能。象征主义严密的逻辑推理系统可以帮助用户快速获取对象不可避免的规律,连接主义以无监督的方式获取数据分布特征的强大能力,可以帮助用户快速获取关于对象的特征属性或一般结论,这两者都可以帮助人们快速适应各种工作,其效果远远超过《奥托的笔记本》[15。从控制论出发,大脑利用外部神经作为媒介来控制身体进行各种活动[16]。人机界面技术的实现可以看作是行为主义和连接主义的共同成果。通过将人类脑神经细胞的“碳基”与计算机的“硅基”连接起来,实现“人机一体化”[17,扩展认知实际上是可能的。计算机和人类自身的认知系统共同构成了对环境进行认知活动的认知载体,[18]。通过人机界面技术,在认知活动中实现人与机器的“结合”,认知活动共同完成。虽然“扩展认知”这个话题自提出以来一直存在争议,但基于信息技术的认知扩展可以为扩展认知的哲学假设辩护其次,虽然对人工智能技术的悲观态度有一定的合理性,但为时尚早。随着人工智能的迅速发展,越来越多的人认为人工智能将带来巨大的技术风险,甚至担心取代人类参考。通过对这三个学派的分析和比较,我们可以看出这三个学派在机器上实现人的智能有其自身的困难。现实世界的多样性和复杂性使得符号系统不可能完成普遍的逻辑推理系统,从而开始衰落。逻辑推理不是人类智力的全部。对于象征主义来说,非逻辑思维是一个无法实现的障碍。人类直觉思维、情感思维和联想思维的模拟是象征主义的“短板”。联结主义深度学习技术的突破可能已经成为目前人们担心人工智能技术的主要原因。“阿尔法零号”(AlphaGo Zero)通过自我游戏打败了它的“前辈”,从而加剧了人们的技术恐慌。然而,连接主义深度学习算法通过“多层神经网络”模拟大脑的结构和功能,从而实现智能行为输出,这受到人脑神经知识有限的限制。目前的深度学习不能真正模拟大脑的结构和功能。技术应该更好地满足人类生存的需要。探索自己的人生密码一直是人类不懈的追求。如果有一天我们真的彻底理解了自己的生命代码,那么设计一个相当于自己生命代码的代理的风险可能就不复存在了。行为主义因其在适应性机制应用中的实用性而受到重视,但智能的进化路径极其漫长,通过模拟生物进化来实现人类智能需要很长时间。象征主义已经衰落,连接主义和行为主义需要很长时间才能完全实现人类智慧。因此,技术悲观主义者对人工智能的担忧为时过早,这种过度的担忧会在一定程度上延缓人工智能的健康发展。也许有一天人工智能真的能超越人类,但是也许在这个时间间隔内,人类一定找到了与人类和谐相处的方法。。“人们在世界范围内处理技术”[20,通过信息技术和人机界面技术,头脑的界限将变得更加模糊,而身体、大脑、环境、技术和社会正在形成一种新型的“代理人”[19。人类认知的延伸使人类更方便地面对世界。

[19]

最后,各种人工智能流派的融合和发展是人工智能未来的发展趋势。德雷福斯认为,在特定情况下的特工才是真正的情报人员[6]。那么,智力的真正实现必须是特定情境下的具体认知,以及在“身心世界”[6交织关系中实现的智力。三大人工智能流派的研究方法各有利弊。“准确性”可以通过使用规则和符号来表示来获得,但是“灵活性”只能通过[7]的统计描述来获得。三大学校的方法可以说各有优势。象征主义擅长知识推理,联结主义擅长技能建模,行为主义擅长感知和行动。三大学校的算法也各有利弊。通过相互融合,可以取长补短,获得更高的智能性能,如模糊逻辑算法和遗传神经网络等。通过不同算法的融合,它们获得了比原算法[3]更好的性能。事实上,这三所主要学校并不完全不同。例如,象征主义仍然存在于大量的连接主义方案中[6]。“人机界面”是行为主义和连接主义结合的典型例子。从目前的发展现实来看,如果人工智能要在“身心世界”的交织关系中模拟人的整体心理关系框架,联结主义、象征主义和行为主义的融合发展是其未来发展的趋势。

[21]

[1]林晓睿,马·邵平。人工智能导论[。北京:清华大学出版社,1989:1。

程素梅。人工智能研究的范式转换及其发展前景[。哲学趋势,2017 (12) :15-21。

刘伟,田娥,谭苗苗。基于计算智能的信息处理技术的研究与应用[。电视技术,2016 (12) :51-56。

冯瑞,张俊瑞。人工智能研究方法的范式转换[。现代远程教育研究,2010 (1) :14-17,79。

顾先锋。人工智能的历史回顾与发展现状[。自然杂志,2016 (3) :157-166。

王应际。作为形而上学遗产的人工智能——休伯特·德雷福斯对人工智能的现象学批判[[]。南京社会科学,2018 (3) :120-127。

李建辉付正。联结主义和意识形态的难题[。科学技术研究哲学,2017 (5) :27-32。

[8]刘晓莉。对科研项目困境与趋势的认识[。中国社会科学,2003 (1) :99-108,206。

[[英语玛格丽特博登。人工智能哲学[。刘席瑞,王汉桥,译。上海:上海秋纹出版社,2001。

傅斌,卢·薛瑞。认知计算理论的重建与反思——计算理论及其理论问题述评[。长沙理工大学学报(社会科学版),2018 (2) :28-31。

[11][美国]休伯特德雷福斯。计算机能做什么?人工智能的极限[。宁·春燕,译。北京:三联书店,1986:86。

蔡自兴。人工智能学派及其理论和方法观[。高科技通讯,1995 (5) :55-57。

[13]张银生。认知科学对人工科学的引领趋势[。学术界,2015 (12) :21-36,325。

许新河,姚建世。行为人工智能述评[。控制与决策,2004 (3) :241-246。

[15]克拉克&查尔莫斯。扩展的思想[。分析,1998 (58) :7-19。

王兴宇、金晶、张宇、王贝。脑控制:基于脑-机接口的人机融合控制[。自动化学报,2013 (3) :208-221。

俞乃忠。自我意识和对象意识:人工智能的阶级性[。学术界,2017 (9) :93-101。

[18]宋春艳。扩展认知的五个伦理问题[。伦理研究,2016 (5) :108-112。

[19]戴潘。“网络延伸思维”假说的哲学分析[。哲学分析,2017 (4) :127-141,199。

颜坤如,刘丹,“人-技术-世界三元结构中的技术干预”——以指纹识别技术为例[。长沙理工大学学报(社会科学版),2016 (3) :22-28

张爱军,秦小七。人工智能和政治伦理[。《自然辩证法研究》,2018 (4) :47-52。