什么是人工智能

类人行为：图灵测试方法

图灵测试(Turing test)是由艾伦·图灵(Alan Turing)提出的(Turing, 1950)，它被设计成一个思维实验，用以回避“机器能思考吗？”这个哲学上模糊的问题。如果人类提问者在提出一些书面问题后无法分辨书面回答是来自人还是来自计算机，那么计算机就能通过测试。目前，为计算机编程使其能够通过严格的应用测试尚有大量工作要做。计算机需要具备下列能力： 自然语言处理（natural language processing），以使用人类语言成功地交流。 知识表示（knowledge representation），以存储它所知道或听到的内容。 自动推理（automated reasoning），以回答问题并得出新的结论。 机器学习（machine learning），以适应新的环境，并检测和推断模式。 计算机视觉（computer vision）和语音识别功能，以感知世界。 机器人学（robotics），以操纵对象并行动。

类人思考：认知建模方法

我们必须知道人类是如何思考的，才能说程序像人类一样思考。我们可以通过3种方式了解人类的思维： 内省（introspenction）——试图在自己进行思维活动时捕获思维。 心理实验（psychilogical experiment）——观察一人的行为。 大脑成像（brain imaging）——观察大脑的活动。

理性思考：“思维法则”方法

亚里士多德是最早试图法则化“正确思维”的人之一，他将其定义为无可辩驳的推理过程。他的三段论(syllogism)为论证结构提供了模式，当给出正确的前提时，总能得出正确的结论。举个经典的例子，当给出前提苏格拉底是人和所有人都是凡人时，可以得出结论苏格拉底是凡人。这些思维法则被认为支配着思想的运作，他们的研究开创了一个称为逻辑(logic)的领域。 按照常规的理解，逻辑要求关于世界的认知是确定的，而实际上这很难实现。例如，我们对政治或战争规则的了解远不如对国际象棋或算术规则的了解。 概率(probability)论填补了这一鸿沟，允许我们在掌握不确定信息的情况下进行严格的推理。原则上，它允许我们构建全面的理性思维模型，从原始的感知到对世界运作方式的理解，再到对未来的预测。它无法做到的是形成智能行为。为此，我们还需要关于理性行为的理论，仅靠理性思考是不够的。

理性行为：理性智能体方法

智能体(agent)就是某种能够采取行动的东西（agent来自拉丁语agere，意为“做”）。 理性智能体（rational agent）需要为取得最佳结果或存在不确定性时取得最佳期望结果而采取行动。 人工智能专注于研究和构建做正确的事情的智能体，其中正确的事情是我们提供给智能体的目标定义。这种通用范式非常普遍，以至于我们可以称之为标准模型(standard model)。 在复杂的环境中，完美理性（总是采取精确的最优动作）是不可行的，它的计算代价太高了，因此需要对标准模型做一些重要的改进。有限理性(limited rationality)，是在没有足够时间进行所有可能的计算的情况下，适当地采取行动。但是，完美理性仍然是理论分析的良好出发点。

益机

在我们的真实需求和施加给机器的目标之间达成一致的问题称为价值对齐问题(value alignment problem)，即施加给机器的价值或目标必须与人类的一致。 我们想要的是对人类可证益的（provably beneficial）智能体。

#人工智能 #《人工智能：现代方法（第4版）》