绑定完请刷新页面
取消
刷新

分享好友

×
取消 复制
程序员学人工智能必须掌握的定义AI的4种方法
2019-12-12 13:45:57

定义AI的4种方法

正如前一节所描述的,首先要理解的概念是AI与人类智能没有真正的关系。当然,一些AI被建模为模仿人类智能,但仅是模仿而已。想到AI时,需注意到目标探索、用于达成该目标的数据处理和为了更好地理解目标的数据获取之间的相互作用。AI根据算法得到一个结果,该结果可能与人类的目标或实现这些目标的方法无关。基于此,可以将AI分为4种。

行为类似人类:

计算机行为类似人类,这在图灵测试中有很好的反映,当无法区分计算机和人类时,计算机在图灵测试中胜出。这也反映了媒体对AI的看法。你可以看到它被应用于自然语言处理、知识表示、自动推理和机器学习等技术中(所有这4种都必须通过测试方可使用)。

思考类似人类:

当计算机像人一样思考时,它可以执行需要人的智能(与死记硬背相反)才能完成的任务,如驾驶汽车。为了确定程序是否像人类一样思考,你必须用认知建模的方法来确定人类如何思考,这个建模依赖于3种技术。

反思:通过监控自己的思维过程来检测和记录实现目标的技术。

心理测试:

观察一个人的行为,并将其添加至记录其他人的类似行为的数据库中。测试中注意给予一系列类似的境况、目标、资源和环境条件等。

脑成像:通过各种机械手段,如计算机轴向断层扫描(CAT)、正电子发射断层扫描(PET)、磁共振成像(MRI)和脑磁图(MEG)直接监测脑活动。

在建模之后,可以编写一个模拟模型的程序。考虑到人的类思维过程中的变化,以及准确地将这些思维过程表示为程序的困难程度,结果最好是实验性的。这类像人类一样思考的智能通常被用于心理学以及其他领域,其中为人类的思考过程建模以创建逼真的模拟是必不可少的。

理性思考:

研究人类如何使用某些标准来创建描述典型人类行为的准则。当一个人在一定程度的偏差中遵循这些行为时,这个人可以被视为理性的。计算机的理性思考依赖于其根据手头数据记录下的行为而创建的与环境交互的准则。这种方法的目的是尽可能理性地解决问题。多数情况下,这种方法用于创建解决问题的基本技术,然后再进行修改以便解决实际问题。换句话说,理论上解决问题不同于实际解决问题,但你仍需要一个起点。

理性行为:

研究人类在特定情况下的反应能帮助你确定哪些技术有效又高效。计算机依赖与环境(包括条件、环境因素和现有数据等因素)交互的动作记录作出理性反应。与理性思维一样,理性行为依赖于原则上的解决方案,但在实践中可能无效。但理性行为确实为计算机探索以便成功完成目标提供了起跑线。

 

人类过程与理性过程

人类处理过程跟理性处理过程的结果并不相同。之所以说一个过程是理性的,是因为它总是能基于当前信息,给出理想的权衡,做正确的事情。简而言之,理性过程就是遵照书本,并假设书本是真正正确的。人类处理过程包括本能、直觉和其他不一定出现在书本中的因素,有些甚至没有体现在现存数据中。举例来说,理性驾车总是遵循法律。然而,交通不是理性的。如果你严格遵守法律,最终可能会因为别的司机不严格遵守法律而被困住。为了成功,自动驾驶汽车必须像人一样灵活驾驶而不是理性驾驶。

定义人工智能的类别提供了一种考虑AI用途和应用方式的方法。一些用于分类AI的系统是模糊不清的。例如,有的将AI分为强的(能适应各种情况的通用智能)或弱的(设计为执行特定任务的具体智能)。“强”人工智能的问题在于它不能执行好任何任务。而“弱”人工智能则太具体,无法独立执行任务。将AI分为两种类型,即使在普通情况下也不能满足需求。由Arend Hintze推广的4种分类方法为理解AI提供了更好的基础。

响应式机器:你在下棋或玩游戏节目中看到的机器就是响应式机器的例子。响应式机器没有记忆或经验来辅助做决定。相反,每次它依赖于纯计算能力和智能算法来做出决策,这种机器是特定用途的弱人工智能的例子。

有限记忆:一辆自动驾驶车辆或自主机器人不能花费时间从碰撞或剐蹭中学会做决定。这些机器依靠少量的存储来提供各种情况的先验知识。当遇到相同情况时,这种机器能依靠经验来减少反应时间,并为后续决策提供更多资源,这是一个展现“强”人工智能当前水平的例子。

意识理论:今天,一个机器能够评估在相同环境中自己所要达到的目标和其他实体的潜在目标,只在某种意义上是可行的,但尚没有商业化。然而,自动驾驶汽车要能真正自主驾驶,必须充分发展这种AI技术。一个自动驾驶汽车不仅要知道它如何从一点驶向另一点,还需直觉地意识周围的驾驶员与其自身之间存在的潜在冲突,并作出相应反应。

自我意识:这是你在电影中看到的那种AI。然而,它需要的技术远超现在可能实现的技术,因为这样的机器需要自我意识和觉悟。此外,不仅能基于环境和其他实体的反应来通过直觉反应其他实体的目标,这类机器还能基于经验知识来推断别人的意图。

分享好友

分享这个小栈给你的朋友们,一起进步吧。

通俗易懂--机器学习
创建时间:2019-08-02 11:00:07
这里汇集了机器学习、NLP面试中常考到的知识点和代码实现,也是作为一个算法工程师必会的理论基础知识。 以各个模块为切入点,让大家有一个清晰的知识体系。 亦可拿来常读、常记以及面试时复习之用。 每一章里的问题都是面试时有可能问到的知识点,如有遗漏可联系我进行补充,结尾处都有算法的实战代码案例。
展开
订阅须知

• 所有用户可根据关注领域订阅专区或所有专区

• 付费订阅:虚拟交易,一经交易不退款;若特殊情况,可3日内客服咨询

• 专区发布评论属默认订阅所评论专区(除付费小栈外)

栈主、嘉宾

查看更多
  • mantch
    栈主

小栈成员

查看更多
  • 栈栈
  • Jack2k
  • hwayw
  • 天上飘下来的人
戳我,来吐槽~