关于人工智能的探讨(续二)(300分)

  • 主题发起人 creation-zy
  • 开始时间
C

creation-zy

Unregistered / Unconfirmed
GUEST, unregistred user!
我就不贴什么东西了,大家可以看看:
http://www.delphibbs.com/delphibbs/dispq.asp?lid=934017
http://www.delphibbs.com/delphibbs/dispq.asp?lid=1272405

请大家畅所欲言,谢谢了!:)
 
好,好。creation-zy兄终于又开始讨论了。
我再去看一看原来的帖子。我从我的角度作一个小总结。
前面的讨论虽然都是围绕人工智能来展开的,但是颇为松散。大概焦点集中在:
1.人脑能实现的智能是什么?人脑是如何产生智能的?如何定义人脑的智能?
2.现在可能实现的智能是什么?如何实现?
 
找到一个网站: http://www.souwu.com/bitfarmer/default.asp
可以看一看:
http://www.souwu.com/bitfarmer/topic.asp?TOPIC_ID=2949&FORUM_ID=30&CAT_ID=14&Topic_Title=%C8%CB%B9%A4%D6%C7%C4%DC%C8%ED%BC%FE%B5%C4%B1%E0%D0%B4&Forum_Title=%C8%CB%B9%A4%D6%C7%C4%DC%BB%F9%B4%A1
可惜水平还是有限......
建议creation-zy兄去读人工智能的研究生。(从您和卷起千堆雪tyn的对话知道您似乎是本科毕业)--题外话。
 
好文章!多谢DarwinZhang兄!

人工智能软件的编写
程洪文
湖北省钟祥市第三人民医院 431900
chenghw@2911.net
摘要:本文为编写人工智能软件提出了新的理论和方法。它提出和解决了以下问题:1、定义并描述了记忆柱,讨论了它的功能并提出将它做为人工智能软件兴奋和记忆的基本单位。2、讨论了人工智能软件的感知、记忆、回忆、传出、学习模式,并提出了实现方法。3、提出将顺序计算转化为并行计算的方法。4、提出了人工智能软件的操作系统的概念,并描述了其组成、功能及人工智能软件的运行模式。
关键词: 记忆柱、皮质垂直柱、展示框、奖惩中枢、海马中枢
......(文章太长,请大家自己看链接吧,这里就给出关键词)

>>人工智能的研究生
如果考得上的话,我一定会的...
 
转:意识的过程应是这样,首先我们感知信息,然后回忆与感知信息有联系的记忆,从而知道感知的信息的意义。任何动物只要有感知、记忆、回忆的能力,便能感知环境信息并产生记忆,获得经验认识,然后在将来的某一时刻再感知环境信息时能回忆记忆的经验认识,从而认识所感知信息的意义,也就是说有意识。因而感知、记忆、回忆是意识的三要素,不管是动物还是智能软件只要具有这三要素便有意识。
 
to creation-zy兄: 您现在是不是应该作一个总结或者摘要?也许会有一点帮助。[:)]
 
呵呵,等3.10以后吧:p ——最近比较忙的说[:(]
粗略的整理了一下前两个帖子,放到了我的主页上 :)
http://www24.brinkster.com/creationzy/ai/AItext.htm (不断更新中...)
 
最好人工智能的定义不局限于表现,而着重于原因和方法。
------当然要尊重楼主的意愿。[:)]
 
1.人脑的智能
简单的说,人脑的智能表现在有学习能力,并且能够学以致用。还有一点也很重要——能
够发知识/规律。
2.现在可能实现的智能
我想,先不谈理论。我们可以用几个有代表性的问题来考验人工智能程序的性能:
1).传教士和野人过河问题(涉及到根据问题构造状态空间及相应规则,并进行搜索,以
及重复结果的发现);
2).十进制数的加减运算(涉及到知识库的运用,根据规则进行的信息分解/组合);
3).井字游戏(涉及到复杂(多维)状态空间的自动生成以及高级的规则描述)。
我的一位好友提示我要首先掌握集合论和数理逻辑,我认为不但我们——AI程序的编写者
——要掌握这些,我们编制出来的程序也应该具备一定的有关集合概念以及逻辑规则的接受
能力。
 
我写了一个五子棋,还是很不错的,
不知谁又心情看一看
 
小弟冒昧回复此帖,只是因为我对人工智能很敢兴趣,可惜的是自己的水平太差,
望大家别笑话。
首先,我想说的,和creation-zy大虾在前面的帖子中谈到的相同,那就是所谓
人工智能应该是能够让电脑自己拥有学习推理判断的能力,而不是简单的由程序员
输入逻辑然后让电脑穷举。我觉得这样的人工智能不能依赖现有的操作系统完成,
也不能依赖现有编程工具的编译器完成。在我感觉,似乎应该让电脑自己“进化”!
我们都知道,目前的应用程序都建立在某个操作系统之上(如Windows,Unix,OS等),
而应用程序本身却是由各类编译软件编写的,这些操作系统和编译器的性能直接影响
了生成的人工智能程序的性能。因为,这些东西并不是尽善尽美的,也不是毫无漏洞的,
就把操作系统和编译器比作人工智能程序生存的环境的话,那么这个环境并不是一个无
懈可击的、完美的环境。当然,我们生活的世界也不是完美的,但它是从千百万年的进化
中形成的,而且这种进化的抉择不是由任何主观因素左右的,而是由多种平衡所造就的。
但是我们现在的操作系统却不是这样,它有点象一个人工“世界”,它的存在以及表现
方式都因人为主观因素左右,并且随着操作系统的版本不同,制作公司的不同,而差异
巨大,还有它本身还是电脑软件和硬件访问的桥梁,在某种意义上,它阻断了人工智能
程序和电脑硬件的直接打交道的方式。这样说吧,如果一个大脑需要控制一条手臂移动,
它只要通过神经元向手臂肌肉发送电脉冲,手臂就会做出相应的反应,但手臂的移动是否
符合大脑的要求,这需要一段时间的学习和经验总结,就好比刚出生的婴儿,慢慢才能
学会控制身体的每一个部分。但现在的操作系统就好像是大脑(人工智能)与手臂(电脑
硬件)之间的一个“解释器”,它负责将大脑的直接电脉冲转换成驱动手臂的具体命令(
有点象电脑现在的驱动程序),显然,大脑不能直接和自己的身体通信,那么负责转换
的操作系统的实现方法就直接影响到大脑的智能程度,而且由于操作系统以及驱动程序
是非智能的,它们将直接影响大脑调整和学习控制身体,从而影响到大脑的进化。编译器也
有类似的问题,因为编译器生成的代码就好像是定义了大脑的思维模式,这些都对大脑将来
的思考和进化产生束缚作用。我觉得人工智能程序应该具备自我“编译”自我的能力。因为
任何事先编译好的指令都是固定的,无法改变的(至少人工智能程序自己无法改变),那么
这样怎能实现学习的总结经验呢?当然,我们可以尽量建立反应客观规律的数
学模型并编译到程序中,但这个
选择模型和建立模型的工作是有人工完成的,那么难免会有疏忽遗漏。而且因为疏忽和遗漏,
将来需要更新的时候,可能会使得人工智能程序已经学习到的知识必须推倒并从头再开始学习。
还有,就算我们把所有的客观规规律数学模型全部建立起来了,这样就好像一个
刚出生的孩子,我们在他出生以前,就已经将什么物理学、化学、生物学、数学等基本理论
“写”到孩子脑子里了,那他出生后还有必要学习吗?因此,我想是不是可以让人工智能
程序自己去学习并建立反应客观规律的数学模型,即使他它无法完全建立正确的模型,
我们也可以从旁指导(好比把这个人工智能程序当作小孩,我们是他的老师),由他自己学习
并自己通过编译可以被CPU识别的二进制模型代码来完成学习和进化。
这又需要人工智能程序能够自己控制CPU,自己决定如何操纵CPU思考(好像我们的意识就是
这个智能程序,而大脑就是CPU。而且,从人本身的角度看,我们也不是一出生就完全
会使用大脑的,也是通过学习慢慢学会的)。我说的自己操纵CPU思考包括人工智能程序能够
自己决定使用指针、整数、枚举、集合等等的数据结构,甚至到某个程度时,它自己能够发明
我们不了解(至少现在还不知道不存在)的数据结构,当然,它也必须能够决定怎样使用CPU
指令。这就是为什么我说人工智能程序需要脱离现有的操作系统和编译器环境。
照这个思路,我想,人工智能程序只要实现下面几个基本功能就行了。那就是:发现问题、尝试、
做出决定、判断所作决定是否正确(或者说判断是否有比决定的方法更加有效的方法解决问题)。
而其它的比如如何思考,如何理解A>B这样的事情,都应该是人工智能程序通过学习和实践完成
的,更加复杂的知识积累,需要靠人工智能程序的自我编译自我完善来不断进化的。
上面的想法是我很早以前在打算写有关人工智能的科幻故事时想象的,我想可能太脱离现实了,
说出来让大家见笑了。:)
 
这个问题是如此的艰深,以致于老是在原地打圈。[:(]
1.“我们可以用几个有代表性的问题来考验人工智能程序的性能:”
我们能给予计算机程序的基本知识是什么?
如何在基础知识的广度和推理方式上获得平衡?
2"我的一位好友提示我要首先掌握集合论和数理逻辑"
这可不是一件容易的事情,也许一位数学家穷其一生也难以深刻掌握。
那么应该如何平衡广度和深度的关系?虽然大学时代学了一堆的数学知识,
可感觉现在数论方面的知识还基本停留在高中时的水平。

“比如说有一派人搞的基因算法(genetic algorithm),
他们订立一套规则,让不同的算法去竞争,优胜劣汰,最后得到一个比较优的选择。
这些从侧面对计算机科学带来了一些冲击,但不能说它们引起了非常让人吃惊的结果。”
问题在于我们发现计算机内部资源是很有限的,而地球上的资源却大得惊人,
因此我们需要找到跟快得进化(优化模式)。
to creation-zy兄:
我已经看到,我们的思维模式是非平行的,而是交叉的。
其实我并不珍惜的一些观点被您所看重,而您所不看重的观点为我所珍惜。
仅就这个差异来看,就足以让人工智能的路极端艰险。
 
to DarwinZhang兄:
正因为有互补性,人们才能相互促进。进步也许很缓慢,但是进步的趋势不会变。
祝您心想事成!
 
想到了一些东西:
为了实现较为简单的智能,我们不大可能让电脑从人类出生时的水平开始认知、学习——
因为这可能会花费相当长的时间,技术难度也非常大。相反,如果我们在程序内部“内建”
一些非常基础的东西,就有可能极大的加速AI程序的开发以及运算速度。
我想到了几个原始知识:概念、属性、关联、区别、逻辑、推理、假设、条件、原因、结
果。我的愿望是:可以以这些东西为基础,构造出一个较为强大的智能系统(可以说这些东
西是电脑思维的物质基础——意根)。当然,光有这些硬件是远远不够的,我们还要建立一
些同样基础的概念,以便于其它的概念与之发生关联,例如:时间、先后、位置、大小、强
弱、多少等等。
——呵呵,仔细想了一下,能够让电脑学会数数就已经很不容易了 :p
 
大家可以看看这个:
http://www.zdnet.com.cn/biztech/tech-trend/special/18century
 
刚刚看了浙江大学出版社的《自主式智能系统》,其中的基于FRete算法以及C++编程语言
的专家系统开发工具具有效率高的特点(推理速度在Sun SPARC 1+上可达1060条规则/秒)。
我认为,一个智能系统的推理速度能够达到接近人类思维的速度就可以了(我估计每秒约
20到200条规则)。问题的关键在于,这个智能系统应该尽可能的灵活,可以解决多种问题;
还有一点,就是拥有强大的学习以及自学习能力,在成功推理一个样例之后,再次处理相似
的问题时,能够极为迅速的根据过去的经验加速推理。
楼上的兄台贴出的贝叶斯模型就是一种可以通过经验提高程序“智能”程度的工具。我认
为,作为一种纯概率理论,贝叶斯模型只能模糊的反映隐藏在事实之后的因果关系,而不能
发现完整的因果关系,为了从本质上提高系统的智能及搜索效率,我们有必要使智能系统具
有从经验中发现因果关系的能力。
我们可以将智能系统的思维模式分成两种:学习模式以及解题模式。前者主要用于知识库
的构造过程以及在知识库基本完备之后的样例求解阶段;后者则用于学习之后的推理过程。
在学习模式中,智能系统一边向系统中添加规则,一边分析规则之间的潜在联系,使规则以
半层次半网状的形式构成思维框架;在样例求解时,系统将尽可能的遍历可用的规则,主要
进行广度搜索,并在搜索的同时累积规则与样例之间的因果关系,样例覆盖的情况越多,学
习的效果就越好。在解题模式中,系统首先分析问题的类型,找到对应的思维框架,在将问
题送到相应的思维框架外缘时,并不急于进行推理,而是先进行特征扫描,找出问题与积累
的样例的异同点,然后再根据异同点进行加速深度推理。
 
>转载: 人工智能软件的编写 程洪文 湖北省钟祥市第三人民医院 431900 chenghw@2911.net
>摘要:本文为编写人工智能软件提出了新的理论和方法。它提出和解决了以下问题:1、定义并描述了记忆柱,讨论了它的功能并提出将它做为人工智能软件兴奋和记忆的基本单位。2、讨论了人工智能软件的感知、记忆、回忆、传出、学习模式,并提出了实现方法。3、提出将顺序计算转化为并行计算的方法。4、提出了人工智能软件的操作系统的概念,并描述了其组成、功能及人工智能软件的运行模式。
>关键词: 记忆柱、皮质垂直柱、展示框、奖惩中枢、海马中枢
一看就是医生写的!
好象没有那本人工智能的书上关键词会是 什么海马中枢什么的,哈哈!
看来中国的人工智能将是世界第一了
 
to creation-zy兄:
可以先开发一个微型的不完全智能系统试验一下看。
比如自动排地雷的程序。现在只能有尽量少的用时和不被“炸”两个基本准则,
基本操作只有标记地雷和排空两种操作。
不允许告诉程序如何进行尝试(即选取多少点作为判断),
让程序来寻找出合适的搜索和判断办法,
比如相邻的一个1和一个2可以判断出某个位置一定不是地雷等。
 

Similar threads

D
回复
0
查看
2K
DelphiTeacher的专栏
D
D
回复
0
查看
1K
DelphiTeacher的专栏
D
D
回复
0
查看
867
DelphiTeacher的专栏
D
D
回复
0
查看
769
DelphiTeacher的专栏
D
D
回复
0
查看
892
DelphiTeacher的专栏
D
顶部