关于人工智能的探讨——深入机制(300分)

darwinzhang兄:
>>外在表现（行为）并非只和意识有关，而智能系统不一定需要这样的机制。
这一句我同意。但是，人的智能与感觉的形成密切相关，我还是认为意识实在感觉的基础
上形成的。从这个意义上说，意识可以简化某些过程的处理（通过一些内在的感觉和
情绪）。
>>因此在做人工智能时比较人类行为时可以不需要做这样的机制讨论。
这句话原则上对，但是，实际做的时候，我们不可能分析出那种方法一定能行，所以，
模仿人的行为，是一个捷径。
我认为：只能并不一定只有人的这种形式，但是人的智能的形成与感觉、意识密切相关。
我注意到一个现象:我们学习技能的时候，一开始的时候，意识是参与的。到了后来，意
识就不再参与了，但是，通过练习，我们的技能还是可以提高。例如，我们学骑自行车的
时候，一开始，我们必须注意自己的行为，但是，熟练到一定的程度后，我们就不用注
意了，但是，如果我们不断的骑的话，技能还是可以提高的。我从书上看到，我们学习
的过程实际上就是一个正反馈的例子（我不知道对不对）。如果这样说对的话，问题就奇
怪了，在我们学习技能的时候，明显的没有建立新的中枢，也没有新的神经纤维形成。我
们是通过"软件"的方式实现的。我现在想自己建立一个最终能达到某种平衡的正反馈系统，
都做不到，人脑是怎么具有这种能力的，他的内在机制到底是怎样的？我觉得，这个过程
是关键。
我现在意识到，我们学习的过程，只是建立的一个存在于我们的意识之外的一个反馈
系统，这个反馈系统，在那个层次完成，我不清楚，但明显是不用通过意识的介入的。我
想研究一下这种反馈系统的机制。我现在只知道，在这个过程中，感觉起了重要的作用。
但没有这方面的知识，无从下手。我要开始漫长学习过程了。先从数学开始吧！[]
另外，darwinzhang兄的结论写得不太清楚，能详细说明一下吗？

忘了问了
creation-zy兄：不用你说的工具，从头写一个自己的神经网络系统，是不是很复杂啊？
我觉得人的神经网络与与神经网络系统确实相似，但是，人的是可以动态建立和修改的。
神经网络系统能做到吗？这方面我一窍不通！[]

关于人工智能的实现之我见
对于人工智能，不同的人有着不同的理解和认识，这就仁者见仁，智者见智了，这里我觉得讨论这个没有多大意义，我只对如何用计算机实现感兴趣。在我心中的人工智能，现目前主要理解为（即我可以实现的）人工智能是基于可以逻辑化（符号化）的知识为前提下的人工智能，电脑能够对逻辑化的知识进行推论，判断，处理后并作出相应的行动。
现阶段，我以为只要我的程序能够实现如下的行为，我就心满意足了，其它为后续事也。
目的：从固定的程序逻辑驱动转为知识（库）驱动
TODO：
1、创建适当知识库的结构（能够容纳一切可以符号化的知识）
我想知识首先应该被分类，并能够互相引用（调用）。采用面向对象的形式来描述知识项。
难点：如何对知识体系进行有机的组织分类，使得知识库之间可以相互联系和调用。
参考：WordNet(已经有多国参与) 。 （BTW: WordNet 是将单词给符号化，并给出了单词之间的关系。）
MindNet， FrameNet ：可惜没有搞到资料。
知网-HowNet（中国，本人以为实际上就是汉语化的WordNet,真不明白为什么不加入WordNet）
图书馆的分类法（杜威十进分类法，美国国会图书馆分类法，中国图书馆分类法..）
etc
2、构建知识库（推理）引擎 （驱动知识库）
3、交流通讯引擎（电脑与电脑之间，人与电脑之间交换知识）
要完成以上的任务，我需要完成的基础建设有：
数据结构类库: uDGL(Delphi Data Strucure Generic Class Library)，进行中。
脚本引擎: 也许采用修改后的 Delphi Coco/R 建造（需要与 DWSII，TMSScript 为参考评估执行效率）。
数据库引擎: 值得庆幸的是 InstantObjects 开放源码了，所以不需要另外编写。
插件系统引擎: 通过插件系统引擎可以钩挂不同的引擎实现。
完成后，下一步将进行通用专家系统引擎（知识库，知识库推理机）和交流通讯引擎的设计和打造。
对于神经网络，由于本人才疏学浅（神经网络所涉及的线性代数、数理统计、微积分等专业数学知识都忘得一干二净了）以及现目前神经网络存在的问题，再加上上述的东西都只能在业余时间编写，不知道猴年马月才能完成，所以只能望高山而仰止了。
神经网络的长处在于模式识别，常用于图像识别和声音识别。它的问题在于无法逻辑化（符号化）得到的知识，只有输入和输出两个过程，不能得到中间过程（为什么是这个结果）。有点类似于直觉思维（正如人类看到人像而说出人的名字，听到声音而知道这个声音的意思，而不能解释为什么这个波形就代表这个意思）。
神经网络的数学实质是基于统计模式识别，通过构造复杂的非线性函数实现识别过程。这在<Pattern Classifiction> 这本书中阐述得相当清楚。如果对神经网络和模式的分类感兴趣，这本书就值得一读，Richad O.Duda 等著，已有中译本《模式分类》，机械工业出版社和中信联合出版。

恩 想问个 其他问题 学习人工只能的 数学必修课程是哪些？[]

riceball说的不错,
人的大脑就是一个庞大的知识库,
对知识库的各种操作就是智能的活动,
只是某些特征是以感觉系统映像来保存和识别的
在这里全部符号化,符号是不可分割的最小语义单位
本身只是一个标志,知识是符号之间的联系
智能的层次
1.神经网络层次,简单识别,特征识别,关系映射...
2.知识层次,抽象,推理,关联,类比,关系映射...
3.意识层次,对智能活动进行有目的的控制,解决实际问题
“如果说我看得更远，那是因为站在巨人的肩上。”——牛顿

riceball兄：
你说神经网络的问题是无法逻辑化（符号化）得到的知识。我有个疑问：如果
把逻辑化（符号化）的知识作为神经网络系统的输入端，哪么，神经网络还能工作吗？
如果能，说明它还是能处理逻辑化（符号化）得到的知识的，只不过，需要一个极其复
杂的，多级的神经网络系统罢了。当然，如果神经网络的输出端无法产生逻辑化（符号
化）的知识库的话，就确实是个问题了。但真要是这样的话，只能说明神经网络系统还
有缺陷，这样的话，我想找出它不行的原因就成了最重要的了。我现在没有能力研究神
经网络系统，还是先学习数学吧[]

是啊,就像互联网那样,
由计算节点构成神经网络(神经细胞,或者交神经元节点)
然后再由神经网构成神经网互连网
然后再构成网间网,
然后再形成功能区,
功能区之间还需要通信

lich兄:这个比方很有意思.
有一个想法:如果实现两套神经网络系统,一套实现与外界沟通,另一套实现内部的符号系统
(以符号化的信息作为输入源).两套系统之间以某种关系形成影射,能不能实现某种意义上
的符号化的神经网络呢?

最近断断续续的看了一些荣格的学说，也许是我看的书的原因——《荣格性格哲学》——
似乎着重谈的是性格、直觉、无意识等等我认为对智能有极大影响力、但却不是“智能”本
身的心理现象。就我看的这几章来说，荣格对智能只有很少的定性的论述，没有更加深入它
的运作机制。在我看来，荣格可以解释一个人为什么会站在跑道上、为什么会在起跑前比别
人的心理压力都要大，为什么没有发挥出正常水平，但是却不能说清楚一个人如何才能跑得
快——后者才是“智能”最终表现出来的东西啊。
也许是我断章取义了，呵呵

to DarwinZhang兄:
非常同意您的观点，一切理论最终还是要看是不是实用。
在我看来，西方的心理分析方法是在智能之上的层次，它可以解释高级的、用低级的理论
难以说清的心里现象，但是却难以解释那些并不高级的“智能机制”；而佛学理论，已经超
越一切世间理论——因此，它也不会对任何具体的学科有多么实际的指导意义，在绝大多数
情况下，只能用自己的心来体会、运用。
有一篇文章可以一看
http://xinli.hbu.edu.cn/sh_yanjushengpeiyang/yan_dengxiaolong/page/rong%20ge%20yu%20fo%20jiao.htm
网上还有一句话： 荣格自称其无意识说受藏密《中阴救度法》之启迪 ——不过我目前还
没有办法证实
这个世界上有非常多的精英，他们对玄奥的理论加以发展，最终形成各种实用的学说...
向他们致敬！

to lich兄：
看到了您划分的三个智能层次，我想，如果我们一开始就让系统处于纯知识环境，那么似
乎只需要一个符号处理机就可以完成智能行为了。当然了，再稍稍深入一些，我们就肯定会
需要针对“思维”本身的模式识别功能了——学习中
关于“功能区”，我觉得很像分工不同的Agents，彼此可以进行某种方式的通信（黑板系
统？）。如果光用神经网络来实现，难度... 嘿嘿，我还是倾向于先用符号系统搭一个框
架。

接着学习...

最近在学数学,我的数学基础很差,估计一时伴会儿做不到理论连系实践
我不了解荣格的学说,没有发言权,就不多说了.但有一条,我不认为对
性格的分析能AI有多少帮助.
我认为符号处理机不能处理它不明白的东西,但人可以.这样做明显的不行.
神经网络好像可以,但依各位的说法,神经网络好像不能形成符号性的知识,这
让我想到了人是具有复杂语言的唯一动物这个事实.很明显,人形成语言的过程
所用的方式更象是神经网络的方式,但它却达到了符号知识的效果,我觉的这一
点很重要.它使我觉得如果实现多套神经网络系统,其中一套实现内部的符号系
统与外界的构通,就像人的语言与文字的关系.语言是模拟的,而文字是字符性的.
两者之间以某种关系形成影射,从而可以在不用符号表达的情况下,实现符号化的
知识积累.这样的系统,让我觉得有希望,这是我下决心学好数学的最大的原因.不
知到各位对我这个想法怎么看?

to wfzha
无论我们要研究什么，都首先要搞清楚这个东西的概念范畴以及实质。
对于神经网络而言，它的初期研究可以追述到1890年james的心理学研究。1943 年 McCulloch 和 Pitts 提出了神经元的数学模型(MP模型)。1944年Hebb提出能够改变连接强度的Hebb学习规则。
下面谈谈我对神经网络的了解，谬误之处，望能见谅。
神经网络的输入信息类似于点阵信息（如图像等的节点阀值与联系），而不是抽象化的知识。它的输出也是最终匹配的点阵信息。神经网络的网络存储的“经验”、“知识”实际上存储的是点阵激励关系图。
人的大脑也是一个神经网络，为什么它就能处理符号系统？知道大脑有多少神经元么？人脑有大约1千亿神经元（1X10¹⁰ ～ 1X10¹¹）， 而每个神经元又要与多个神经元建立突触，形成功能联系，这些轴突和突触的数量已经超过了目前我们已知宇宙天体的数量。这是令人惊讶的复杂超巨系统，不是我们所能模拟得出来的（克隆除外，嘿嘿）。而且即便如此，人类也不是生来就能够理解抽象符号的，而是后天学习训练的结果。我们目前还尚不能得知，人类大脑这个复杂的超巨系统是如何抽象出符号系统（语言，文字，数学，物理等）来的，不过我觉得应该是巨系统在学习大量的经验模式后产生。
神经网络可以用于实现与外界沟通是没有错的（看和听就全靠它了）。将识别的结果转换成符号，交给符号系统（专家系统）处理。另外神经网络可用于解决TSP(Traveling Salesman Problem), SAT(Boolean Satisfibility Problem), NLP(Noneliner Programming Problem) 这类的问题。
to creation-zy
利用冯罗伊曼计算机光用神经网络来实现，我以为是至少在现目前无法实现，当然天才除外。[]

嘿嘿，终于下决心买了一本工程心理学的书——开始研究可以被分析的思维过程（暂时把
荣格供起来）
《工程心理学与人的作业》 华东师范大学出版社 2003年4月第一版 729页
第一章 工程心理学与人的作业导论
第二章 信号检测、信息论和绝对判断
第三章 知觉与显示空间中的注意
第四章 空间显示器
第五章 现实与虚拟环境中的导航与交互
第六章 语言与通讯
第七章 记忆与训练
第八章 决策
第九章 行动的选择
第十章 手工控制
第十一章 注意、时间分配和工作负荷
第十二章 应激和人为差错
第十三章 复杂系统、过程控制和自动化

ps: 偶的小工具AutoTool正在由“程序级”向“知识级”进发 8-D

>>人的大脑也是一个神经网络，为什么它就能处理符号系统？知道大脑有多少神经元么？人脑有大约1千亿神经元（1X10¹⁰ ～ 1X10¹¹）， 而每个神经元又要与多个神经元建立突触，形成功能联系，这些轴突和突触的数量已经超过了目前我们已知宇宙天体的数量。这是令人惊讶的复杂超巨系统，不是我们所能模拟得出来的（克隆除外，嘿嘿）。
所以我认为这个领域的东西。不是用现在的知识，用现在的思维方法能搞定的。
如果没有科学上的革命。不太可能有突破性的进展。
我们必须要超越冯罗伊曼。
还是赞同creation-zy与wfzha。必须到其他学科吸取营养。
佛经是不看了，看不太懂。数学还是要学一下。
to wfzha
我的数学基础也不好。不知从何学起。
也常常下定决心要学。但一看这个汪洋大海，加之心有旁骛，总是半途而废
心不纯也。

riceball：
我们的大脑确实要比计算机能模拟出来的结构复杂得多。但是，我们的大脑虽然复杂，
但运行速度却是出奇的慢，人神经传导的不应期是毫秒级的，他的速度太慢，所以，只
能通过依靠庞大的平行能力来提高速度，这并不是一个好的方式。我们都知道，我们使
用杠杆的时候，可以通过增大距离来减少用力的大小，我们存储数据的时候，可以通过
选择增加存储空间来加快查询的速度。这些不同领域的例子，都告诉我们，效率和空间、
时间是可以互换的。我们的电脑虽然规模要小一些，但效率却是搞得多。综合考虑起来，
差距没有想象得那么大。
我们的神经系统虽然复杂，但是，我们学要处理的事情也要更多。比如，一只狗的智力
与人差得多，如果可以用数量来衡量的话，比人不知道要差了多少倍。但他的神经元的
数量，与人的相比，小的倍数却有限得很。我觉得有一个现象，不知道大家注意到了没
有：就是动物的语言能力，与智力基本上是成正比的。我们的大脑皮层中，与动物不同
的部分，主要表现在语言方面（包括身体语言）。我认为人的思考方式是没有方法离开
语言的。离开语言的思考，我们统称为直觉，它其实是一种感觉罢了（内在的感觉，比
如觉得某种事物是熟悉的还是陌生的）。只有逻辑思维，才使得人与众不同。从一个侧
面，可以很好地说明逻辑思维与语言的关系：人的逻辑思维能力，是与语言同步发展的。
一个3岁的幼儿，在思考的时候，往往会一边做一边说。为什么要这样呢？其实就是要在
语言与行为以及现实世界之间建立一种联系。所以我认为语言才是我们逻辑思维的源泉。
我们之所以是最聪明的动物，就是因为我们有最复杂的语言系统。其实，我们的神经网络
在动物之中并不是最复杂的。
如果，我们能抽象出一个简单的环境，在多个神经网络的基础上，建立起这种环境、行
为、与逻辑符号之间的某种联系的话，也许不需要像人这样复杂的系统，照样可以有智
能的表现。我真正想研究的，并不是神经网络。我只是想找出一种能从表面无序的环境
中，不用作事先的假定，就可以通过大量反馈建立起有序的行为规则的系统。是不是神
经网络都无所谓。我现在差的，就是这种能力。

从文献上看，好像基因算法有这样的能力（有没有我不清楚），但不论是什么算法，都需
要数学的支持。所以，我想要学一些数学。
我现在欠缺一种能力：就是把一个现实的问题转换成一个可以在计算机上模拟的最小的
系统的能力（这好像也离不开数学吧？）。这是我最想学会的能力，却不知道从何入手。
大家有谁能给我提供一点信息的话，我将感激不尽。
lichdr：
我要学数学，主要是因为最近两年，越来越觉得数学是我解决问题的时候遇到的最大的瓶
颈。研究人工智能，只是其中的一个理由。
我知道我在数学上有所欠缺，所以想学一些数学。由于专业的关系，我没有学过高等数学，
所以要从头学起。由于10多年不用数学了，所以，我要先复习初中和高中的。然后才能学
习更深一些的数学。所以，你的问题我没有办法回答。不过，我觉得各个大学网站上的专业
介绍和课程表，可能可以给你你想要的答案。我是准备用4-5年的时间来学习的。可能一时半
会儿没有你的问题吧！
最近看了一点微积分，觉得这样的数学好像里我的目标越来越远，但接近我的目标的数学，
又都离不开它，想起来真是矛盾啊！我觉得人的知识体系好像有问题！数学发展到今天，可能
有一定的偶然性吧？
creation-zy兄在学习心理学吗？有什么心得的话，贴上来大家分享以下吧！
等着看你的小工具

再好的智能也不不上人脑

人脑不如电脑，好比猪脑！
（不好了！这个不是我发的呀，是我的电脑自己发的呀！怎么办啊？ ：（

to xuhao1:
完全同意您的观点。同样的，再好的机械手也比不上人类灵巧的双手——可是，在很多现
代化的生产车间中，还是有很多地方用机械手来代替人手。
我是基于如下观点来研究AI的：
人类（或者说生命）真正的价值在于心中无尽的智慧，而不是由物质构成的躯体以及简单
的、基于各种感觉、联想、推理的“智能”。很遗憾，现在的人们都被那些繁复的体力以及
脑力劳动所羁绊，没有时间去开发内心真正的智慧。我就是要让人们能够获得身体以及心灵
的自在——通过开发可以在很多情况下较好的替代人类的工具。

最近开始看《瑜伽师地论》：
云何分别所缘。由七种分别。谓有相分别。无相分别。任运分别。寻求分别。伺察分
别。染污分别。不染污分别。有相分别者。谓于先所受义诸根成就。善名言者所起分别。无
相分别者。谓随先所引。及婴儿等不善名言者所有分别。任运分别者。谓于现前境界。随境
势力任运而转所有分别。寻求分别者。谓于诸法观察寻求所起分别。伺察分别者。谓于已所
寻求已所观察。伺察安立所起分别。......
——原来成人一般用的是有相分别；婴儿属于无相分别 Go on~~

to wfzha兄:
数学主要是工具,虽然不是最重要的,但是没有必要的数学只是不行.
比如,为什么一定周长的某个形状,圆形围的面积最大?
虽然用欧拉方程很容易解决,也必须有微分积分的基础啊.
to creation-zy兄:
我最近根据得出结论(也稍微参考了一点现象学的东西^_^):
人的认识过程世界运行机制被我们用愈简洁的概念愈来愈精确的描述.
因此人工智能的目的可以有自动"推理"和辅助(人)"推理"的高低两个目的.
即自动描述世界和帮助我们描述世界的功能.因此,方向可以明了.[]

DarwinZhang兄说的对,所以我开`始学数学了.最近比较忙,估计没多少时间.在说,这种事情
急也急不来

单独讨论智能是没有意义的，应该从另外一个角度看智能，智能是人类经过几百万年进化得来的，比如象识别，可以一眼就可以在几十几百人中间找到自己认识的人，还可以想起来和他有关的情况，这些如何在芯片上模拟，我估计是不太可能的，首先作为有智能的人类，我们有自己的欲望与本能，这些东西会让我们有动力，也许是原动力，计算机能不能有这种机制，现在还是一个问题，悲观的观点，就是永远也不会在芯片上实现智能。
再想一想，智能未必是适应环境的唯一方法，比如细菌，从有生命开始到现在，并不是垂直进化，而是水平进化，结果是覆盖了地球的所有地方，比有智慧的人类要能够适应环境，讲到这里有些远，所以说智能未必是必然的结果，只是进化的一个很偶然的方向，研究人工智能，首先要解决智能是怎么来的这样一个问题。