无所不知与无所不能的机器人

概要： 同时，很多人认为:大脑显然是以另一种方式在运转，因而将注意力渐渐转到了人工神经网络等新方法上，试图从模拟脑神经的工作来突破，当然这种模拟只是在原始的水平上。不久，神经网络技术开始用于从计算机游戏到DNA排序系统的很多领域，但人们以为只要有足够的复杂性，这些系统就能显示出智能行为的希望又破灭了，人工智能研究遭遇严冬，很多研究者集中到计算机视觉、语言识别、自动规划、文本分析与机器人控制等更具体的问题上，一个包罗万象的研究领域骤然分裂成诸多小领域。 这种分裂不无益处，在我们周围，一些有限形式的人工智能继续在很多领域得到应用，包括信用评级系统、自动焦距控制系统、高速摄像机内的数字板识别以及航天器导航技术。 上网深造 也有拒绝放弃符号推理的人，莱纳特坚持认为建立常识知识数据库是突破人工智能的关键。MCC的资金枯竭后，1992年他决定单独研究，在得克萨斯州奥斯汀成立了Cycorp公司，研究他称作“赛克”（Cyc）的人工智能系统。他相信:“我们正在实现一种奇迹，再过十年就能看到结果。” 莱纳特认为，今天的人工智能系统表现不佳，还是因为常识学习

    同时，很多人认为:大脑显然是以另一种方式在运转，因而将注意力渐渐转到了人工神经网络等新方法上，试图从模拟脑神经的工作来突破，当然这种模拟只是在原始的水平上。不久，神经网络技术开始用于从计算机游戏到DNA排序系统的很多领域，但人们以为只要有足够的复杂性，这些系统就能显示出智能行为的希望又破灭了，人工智能研究遭遇严冬，很多研究者集中到计算机视觉、语言识别、自动规划、文本分析与机器人控制等更具体的问题上，一个包罗万象的研究领域骤然分裂成诸多小领域。

    这种分裂不无益处，在我们周围，一些有限形式的人工智能继续在很多领域得到应用，包括信用评级系统、自动焦距控制系统、高速摄像机内的数字板识别以及航天器导航技术。

    上网深造

    也有拒绝放弃符号推理的人，莱纳特坚持认为建立常识知识数据库是突破人工智能的关键。MCC的资金枯竭后，1992年他决定单独研究，在得克萨斯州奥斯汀成立了Cycorp公司，研究他称作“赛克”（Cyc）的人工智能系统。他相信:“我们正在实现一种奇迹，再过十年就能看到结果。”

    莱纳特认为，今天的人工智能系统表现不佳，还是因为常识学习太慢，“它们学习的速度接近于零”。“赛克”的知识被精心组织，以逻辑规则的形式储存，积累的常识数量达到一定程度，就意味着“赛克”能开始自己发现事情的意义，每个有意义的新事实都被增加和交叉关联到数据库中。比如，如果说“钢笔在盒子里”，它应该知道钢笔是一种小小的书写工具，而在“盒子在钢笔里”的句子里，盒子就应该比钢笔小得多。因而“赛克”最令人吃惊的特点就是能对从未直接学过的东西进行演绎，知道得越多，学习就更容易。

    现在，“赛克”有300万条知识，但数量并不是根本。“我们并不是只追求知识的数量最大化”，莱纳特说。恰恰相反，他希望将数量限制到最低限度，使“赛克”可以自己搜集数据。目前“赛克”已接近这个水平，每次研究人员为它输入知识，它会提出疑问，以澄清确切的含义。

    为加快“赛克”的学习进程，Cycorp公司决定将它在互联网上公开。人们可以通过一个网页向它提问，如果得到的答案是错误的，还可以纠正它。当它从网页和任何人手工输入的数据中吸收新信息时，实际上利用了全球成千上万人的综合知识，这与“爱问”的“人海战术”有异曲同工之妙，但本质的区别是程序将自我学习。莱纳特还设想“赛克”最终能与网络摄像机和其他监视环境的传感器连接，或多或少地建立自己的直观知识。

    “赛克”现在能回答的问题还非常有限，因为它的常识还不能理解所有问题并找到答案，但随着它的积累，三五年内将能回答大部分问题。

    还在路上

    莱纳特的乐观是有理由的，近年日本、美国和欧洲普遍对人工智能恢复了兴趣，难度更大的从人脑入手的研究方向也活跃起来。虽然与过去相比，FMRI（功能核磁共振成像）等手段对脑功能的研究已有长足进步，通过脑部植入微型电极等手段甚至可以控制假肢或人造视觉，可是从思维的意义上，科学对人脑的了解和模拟还非常有限。

    目前的研究发现了人在想到或看到某些特定物体时大脑哪一部分变得活跃。通过大脑图像，电脑程序可以判断人是否在想这些东西，准确度达到90%。如果再弄清大脑对动词以及句子的具体反应，也许能填补符号推理与神经网络方法之间的鸿沟。

    英国未来学家皮尔森最近预言:2050年左右人类可以将自己的记忆“下载”到超级计算机中永久保存。但即使这样，也并不等于保留了意识和情感，所有的信息已经无法继续形成思维。“机器人足球之父”，韩国科技高等研究院智能机器人中心主任金中焕的虚拟机器狗“瑞蒂”能对47种外界刺激产生77种反应，但这些情绪仍在人为设计的可能性之内。

    精神与物质是哲学老话题，但人工智能哲学有所不同，它必须受到可操作性的检验。智能都遵守统计性规则而不是可以精确重复和预期的机械规则，不详细地了解这个过程，不管是生物学还是工程技术途径，都无法有目的地产生所谓“人工智能”，更无法奢谈具有意识和情感特征的“人工生命”。

上一页  [1] [2]