推理:真相只有一个
如何让机器人更像一个人?这个问题的答案可能会有很多。在前面,我们提到让机器具有人类的感觉,这样它可能看上去更像一个人。这虽没有错,但显然不够全面。相对于地球上的任何生物,人类都可以算最复杂的。人类能够学习、制造工具、思考……很多事情似乎只有人类能够做到,而其他生物都没有办法做到。
在人工智能时代,人类能够做到的事情,人工智能也能逐渐做到。虽然这对于人类来说是一个巨大的挑战,但人类依然乐此不疲地为人工智能增加能力,因为从最终的风险和收益比例上来看,这件事对人类来说,可能是一件有益的事情。
除了前面提到的让机器人具有人类的感觉外,人类还在研究让机器人具有一定的推理能力。可能很多人会将这种推理能力理解为会学习、思考,但实际上,机器人的推理能力更加复杂,可以说是在学习能力之上、与思考能力比肩的一种特殊能力。
我们先来了解一下什么是逻辑推理能力。简单地说,逻辑推理能力是一种以敏锐的思考分析、快捷反应迅速掌握问题核心,在最短的时间内做出正确选择的能力。具体来说,逻辑推理能力要求当事人能够根据周围的环境,仔细分析事件之间存在的逻辑联系,然后推理出一种符合逻辑关系的结论。
现实生活中的人,虽然很难做到像《名侦探柯南》中的柯南那样出神入化地推理,但作为人类的一项基本素质,逻辑推理能力的应用还是比较普遍的。例如,当我们看到桌子的边缘放着一个玻璃杯时,我们会思考这个杯子会不会被谁从桌子的边缘碰掉在地上。正是出于这种思考,我们将会有所行动,重新调整玻璃杯的位置,从而防止杯子坠落和破裂。
上面所介绍的这个例子,就是一个简单的人类逻辑推理能力的应用。现在科学家们希望人工智能掌握这种能力。未来,人工智能不仅能够回答“是什么”的问题,同时还能够回答“为什么”的问题。具有逻辑推理能力的机器人将会对“深度学习”算法产生巨大的影响。
关于这一点,我们可以了解一DeepMind公司的AlphaGo。我们知道在AlphaGo程序中,大数据、搜索技术和深度学习等人工智能技术相互结合,这使得AlphaGo在运行时会对成千上万的数据进行分析,然后再做出决策。虽然这个过程进行得非常迅速,但实际上Al phaGo在这一过程中需要经历复杂的分析。如果AlphaGo具有逻辑推理能力,那么它只需要分析很少的数据,就能够做出决策,甚至还能够依据分析结果做到举一反三。
在人工智能程序中,负责推理的部分一般被称为推理机。与人类的思维方式一样,人工智能程序的推理方式也是多种多样的。一般来说,演绎推理、归纳推理和默认推理是人工智能推理的3个主要方式(见图4-3)。
演绎推理是从全称判断推出特称判断或者单称判断的过程,是一种从一般到个别的推理。而归纳推理则是从足够多的事例中归纳出一般性结论的推理过程,是一种从个别到一般的推理。默认推理则是在知识不完全的情况下假设某些条件已经具备所进行的推理,又被称为缺省推理。
如果按照推理时所需要的知识的确定性来区分的话,推理又可以分为确定性推理和不确定性推理。确定性推理是把知识表示为必然的因果联系,然后进行逻辑推理的过程,推理的结论或者为真,或者为假,整个推理过程用到的知识都是精确的。不确定性推理中所涉及的知识,有很大一部分是人类的主观判断,是不精确的,用这类知识进行推理所得到的结论也是不确定性的。
其他推理方式,还有根据推理过程中推出的结论是否单调增加来划分的单调推理和非单调推理,以及按照推理中是否运用与问题有关的启发性知识来划分的启发式推理和非启发式推理。
在人工智能理论中,对任何一个实用系统来说,都会存在着很多非演绎的部分,这导致各种不同算法的出现。每种算法都遵循特殊的、与自身领域相关的规则,所以想要找到一个统一的人工智能推理理论是很难的,正因如此,人工智能理论研究才能够不断向前发展。
在这里介绍一种比较常见的人工智能系统中的推理——基于规则的演绎推理。基于规则的演绎推理是一种较为直接的推理方法,它可以把有关问题的知识和信息划分成为规则与事实两种。
规则由有蕴含形式的表达式表示,而事实则由无蕴含形式的表达式表示,并且在此基础上画出相应的图,然后通过规则进行演绎推理。
这种基于规则的演绎推理又可以分为正向、反向和混合演绎推理。正向演绎推理是以已知事实或条件为出发点,然后逐步推导目标成立的推理。反向演绎推理则是从假设目标开始往事实方向进行的推理。而混合演绎推理则是将正向推理和反向推理结合在一起,所以又被称为正反向演绎推理。
提到人工智能推理技术,就不能不提人工智能专家系统。这是具有专门知识和经验的计算机智能系统,通过模拟人类专家的问题求解能力,然后将人工智能中的知识表示和知识推理技术结合在一起,从而解决一些通常由专家才能解决的复杂问题。
专家系统主要是以知识库和推理机为中心。相对于方法来说,它更加注重知识。一些不能依靠算法来解决的问题,通常能够用专家系统中丰富的知识解决。正因如此,专家系统也被称为基于知识的系统。
在专家系统中,推理机作为一个重要的组成部分,对专家系统的正常工作起到了关键作用。在某一特殊领域,专家系统可以用强大的知识库以及推理能力解决一些复杂问题,这在很大程度上降低了人类工作的复杂性。未来,随着人工智能推理理论的不断发展,专家系统将会在我们的生活中发挥更重要的作用。
具备逻辑推理能力将成为人工智能发展的一个关键。没有逻辑推理能力的人工智能系统,往往只能从事简单的低水平工作。真正拥有逻辑推理能力之后,它们才能逐渐从事人类的一部分脑力劳动,从而在各领域起到重要的作用。
本书评论