人工智能的利弊（关于人工智能的优点和缺点）
人工智能的利弊（关于人工智能的长处和缺陷）
早期，人类必需通过如轮子、火之类的工具和兵器与自然做奋斗。15世纪，古腾堡创造的印刷机使人们的生涯产生了普遍的变更。19世纪，工业革命应用自然资源发展电力，这增进了制作、交通和通讯的发展。20世纪，人类通过对天空以及太空的摸索，通过盘算机的创造及其微型化，进而成为个人盘算机、互联网、万维网和智能手机，连续不断地向前进。过去的60年已经见证了一个世界的出生，这个世界涌现了海量的数据、事实和信息，这些数据、事实和信息必需转换为知识（其中一个实例是包括在人类基因编码中的数据，如图1.0所示）。本文介绍了人工智能学科的概念性框架，并论述了其胜利运用的范畴和办法、近期的历史和未来的远景。
图1.0 包括在人类基因编码中的数据
人工智能的定义
在日常用语中，“人工”一词的意思是合成的（即人造的），这通常具有负面含义，即“人造物体的品德不如自然物体。但是，人造物体通常优于真实或自然物体。例如，人造花是用丝和线制成的相似芽或花的物体，它不须要以阳光或水分作为养料，却可认为家庭或公司供给适用的装潢功效。
虽然人造花给人的感到以及香味可能不如自然的花朵，但它看起来和真实的花朵如出一辙。
另一个例子是由蜡烛资源网、煤油灯或电灯泡发生的人造光。显然，只有当太阳涌现在天空时，我们才可以获得阳光，但我们随时都可以获得人造光，从这一点来讲，人造光是优于自然光的。
最后，思考一下，人工交通装置（如汽车、火车、飞机和自行车）与跑步、步行和其他自然情势的交通（如骑马）相比，在速度和耐久性方面有很多优势。但是，人工情势的交通也有一些明显的缺陷—地球上无处不在的高速公路，充斥了汽车尾气的大气环境，人们心坎的安静（以及睡眠）常常被飞机的喧嚣打断。
如同人造光、人造花和交通一样，人工智能不是自然的，而是人造的。要肯定人工智能的长处和缺陷，你必需首先懂得和定义智能。
思维是什么？智能是什么？
智能的定义可能比人工的定义更难以捉摸。斯腾伯格（R. Sternberg）就人类意识这个主题给出了以下有用的定义：智能是个人从经验中学习、理性思考、记忆主要信息，以及敷衍日常生涯需求的认知才能。
我们都很熟习尺度化测试的问题，比如，给定如下数列：1，3，6，10，15，21。请求供给下一个数字。
你也许会注意到持续数字之间的差值的间隔为1。例如，从1到3差值为2，从3到6差值为3，以此类推。因此问题准确的答案是28。这个问题旨在权衡我们在模式中辨认突出特点方面的熟练水平。我们通过经验来发明模式。
不妨用下面的数列试试你的运气：
a．1, 2, 2, 3, 3, 3, 4, 4, 4, 4, ?
b．2, 3, 3, 5, 5, 5, 7, 7, 7, 7, ?
既然已经肯定了智能的定义，那么你可能会有以下的疑问。
（1）如何判定一些人（或事物）是否有智能？
（2）动物是否有智能？
（3）如果动物有智能，如何评估它们的智能？
大多数人可以很容易地答复出第一个问题。我们通过与其他人交换（如做出评论或提出问题）来视察他们的反响，每天多次反复这一进程，以此评估他们的智力。虽然我们没有直接进入他们的思想，但是信任通过问答这种间接的方法，可认为我们供给内部大脑运动的精确评估。
如果保持应用问答的方法来评估智力，那么如何评估动物智力呢？如果你养过宠物，那么你可能已经有了答案。小狗似乎记得一两个月没见到过的人，并且可以在迷路后找到回家的路。
小猫在晚餐时光听到开罐头的声音时常常表示得很高兴。这只是简略的巴甫洛夫反射的问题，还是小猫有意识地将罐头的声音与晚餐的快活接洽起来了？
关于动物智力，有一则有趣的轶事：大约在1900年，德国柏林有一匹马，人称“聪慧的汉斯”（Clever Hans），据说这匹马精通数学（见图1.1）。
图1.1 “聪慧的汉斯”（Clever Hans）— 一匹马做演算？
当汉斯做加法或盘算平方根时，观众都惊呆了。此后，人们视察到，如果没有观众，汉斯的表示不会很精彩。事实上，汉斯的天才在于它能够辨认人类的情绪，而非精通数学。
马一般都具有灵敏的听觉，当汉斯接近准确的答案时，观众们都变得相对高兴，心跳加速。也许，汉斯有一种出奇的才能，它能够检测出这些变更，从而获得准确的答案。虽然你可能不愿意把汉斯的这种行动归于智能，但在得出结论之前，你应当参考一下斯腾伯格早期对智能的定义。
有些生物只体现出群体智能。例如，蚂蚁是一种简略的昆虫，单只蚂蚁的行动很难归类在人工智能的主题中。但是另一方面，蚁群对庞杂的问题显示出了非凡的解决才能，如从巢到食物源之间找到一条最佳路径、携带重物以及组成桥梁。集体智慧源于个体昆虫之间的有效沟通。第12章在对高等搜索办法进行讨论时，将相对较多地探讨出现智能和集群智能。脑的质量大小以及脑与身材的质量比通常被视为动物智能的指标。海豚在这两个指标上都与人类相当。海豚的呼吸是自主掌握的，这可以解释其脑的质量过大，还可以解释一个有趣的事实，即海豚的两个半脑交替休眠。
在动物自我意识测试中，例如镜子测试，海豚得到了很好的分数，它们认识到镜子中的图像实际上是它们自己的形象。海洋世界等公园的游客可以看到，海豚可以玩庞杂的戏法。这解释海豚具有记住序列和履行庞杂身材活动的才能。
应用工具是智能的另一个“试金石”，并且这常常用于将直立人与先前的人类祖先差别开来。海豚与人类都具备这个特质。例如，在觅食时，海豚应用深海海绵（一种多细胞动物）来掩护它们的嘴。显而易见，智能不是人类独有的特征。在某种水平上，许多性命情势是具有智能的。
你应当问自己以下问题：“你以为有性命是拥有智能的必要先决条件吗?”或“无性命物体，例如盘算机，可能拥有智能吗？”人工智能宣称的目的是创立可以与人类的思维媲美的盘算机软件和（或）硬件体系，换句话说，即表示出与人类智能相干的特点。一个症结的问题是“机器能思考吗？”更一般地来说，你可能会问，“人类、动物或机器拥有智能吗？”
在这个节点上，强调思考和智能之间的差别是明智的。思考是推理、剖析、评估和形成思想和概念的工具。并不是所有能够思考的物体都有智能。智能也许就是高效以及有效的思维。许多人看待这个问题时怀有成见，他们说：“盘算机是由硅和电源组成的，因此不能思考。”或者走向另一个极端：“盘算机表示得比人快，因此也有着比人更高的智商。”本相很可能存在于这两个极端之间。
正如我们所讨论的，不同的动物物种具有不同水平的智能。我们将论述人工智能范畴开发的软件和硬件体系，它们也具有不同水平的智能。我们对评估动物的智商不太关注，尚未发展出尺度化的动物智商测试，但是对肯定机器智能是否存在的测试非常感兴致。
也许拉斐尔（Raphael）的说法最贴切：“人工智能是一门科学，这门科学让机器做人类须要智能能力完成的事。”
图灵测试
上一节中提出“你如何肯定智能”以及“动物有智能吗？”这两个问题已经得到懂得决。第二个问题的答案不必定是简略的“是”或“不是”—一些人比另一些人聪慧，一些动物比另一些动物聪慧。机器智能也遇到了同样的问题。
阿兰图灵（Alan Turing）追求可操作办法来答复智能的问题，欲将功效（智能能做的事情）与实现（如何实现智能）分别开来。
弥补资料
抽象是一种策略，这种策略疏忽了对象或概念的实现（例如内部的工作），这样，你就可以获得更清楚的人造物及其与外部世界关系的图像。换句话说，你可以将这个对象当作一个黑盒子，只关注对象的输入和输出（见图1.2）。
图1.2 黑盒子的输入和输出
通常，抽象是一种有用而必要的工具。例如，如果你想学习如何驾驶，把车当作一个黑盒子可能是一个好主张。你不必一开端就尽力学习主动变速器和动力传动体系，而是可以专注于体系输入，例如油门踏板、刹车、转向信号灯以及输出，如前进、停车、左转和右转。数据构造的课程也应用抽象，因此如果想懂得栈的行动，你可以专注于根本的栈操作，比如pop（弹出一项）和push（插入一项），而不必陷入如何结构一个列表的细节（例如，应用线性链表还是循环链表，或应用链接链表还是持续分配空间）。
图资源网灵测试的定义
阿兰图灵提出了两个模仿游戏。在模仿游戏中，一个人或实体表示得仿佛是另一个人。在第一个模仿游戏中，一个人在一个中央装有帘子的房间中，帘子的两侧各有一人，其中一侧的人（称为讯问者），必需肯定另一侧的人是男人还是女人。讯问者（其性别无关紧要）通过讯问一系列的问题来完成这个义务。游戏假定男性可能会在他的答复中撒谎，而女性总是老实的。为了使讯问者无法从语音中肯定性别，通过盘算机而不是讲话的方法进行交换，如图1.3所示。如果在帘子的另一侧是男人，并且他胜利地诱骗了讯问者，那么他就赢了。
图1.3 第一个图灵模仿游戏
图灵测试的原始情势是，一个男人和一个女人坐在窗帘后面，讯问者必需准确地辨认出其性别（图灵可能得到那个时期风行游戏的启示，创造了这个测试。这个游戏也促使了他进行机器智能测试）。正如埃里希弗罗姆（Erich Fromm）所写的[8]：男女平等，但不必定要雷同。例如，不同性别的人具有不同的关于色彩和花朵的知识，花在购物上的时光也不同。区分男女与智能问题有什么关系？图灵以为，可能存在不同类型的思考，懂得并容忍这些差别是很主要的。图1.4表现了图灵测试的第二个版本。
图1.4 第二个图灵模仿游戏
第二个游戏更合适人工智能的研讨。讯问者还是在有帘子的房间里。这一次，帘子后面可能是一台盘算机或一个人。这里的机器扮演男性的角色，偶尔会撒谎，但人是一直老实的。讯问者提问，然后评估答案，肯定他是和人交换，还是和机器交换。如果盘算机胜利地诱骗了讯问者，那么它就通过了图灵测试，因此也就被以为是有智能的。
众所周知，在履行算术盘算时，机器比人类快很多倍。如果帘子后面的“人”可以在几微秒内得到了三角函数的泰勒级数近似的成果，那么就可以不费吹灰之力鉴别出在帘子后面的是盘算机而不是人。
自然，盘算机可以在任意的图灵测试中胜利诱骗讯问者的机遇非常小。为了得到有效的智能“晴雨表”，这个测试要履行许多次。同样，在这个图灵原始版本的测试中，人和盘算机都在帘子后面，讯问者必需准确地鉴别它们。
弥补资料
图灵测试
没有盘算机体系通过了图灵测试。然而，1990年，慈善家Hugh Gene Loebner举行了一项竞赛，这项竞赛旨在实现图灵测试。第一台通过图灵测试的盘算机将被授予金牌以及$ 100 000的罗布纳奖金。同时，每年在竞赛中表示最好的盘算机将被授予铜牌以及大约$ 2000的奖金。
在图灵测试中，你会提出什么问题？斟酌以下示例：
（1 000 017）?是多少？像这样的盘算可能不是一个好主张。记住，盘算机试图诱骗讯问者。盘算机可能不会在几分之一秒内做出响应，给出准确答案，它可能会有意地消费更长的时光，也许还会犯毛病，因为它“知道”人类不熟习这些盘算。
当前的气象情形如何？假设盘算机可能不会向窗外看一眼，因此你可能会试着问一下气象。但是，盘算机通常衔接着万维网，因此在答复之前，它也衔接到了气象网站。
你畏惧逝世亡吗？因为盘算机难以假装人的情感，所以你可能会提出这个问题或其他的相似问题：“黑色给你的感到如何？”或者“坠入爱河的感到如何？”但是，记住，你现在是在试图判定智能，人类的情感资源网也许不是有效的智能“晴雨表”。
图灵预感到会有许多人反对他在最初论文中所提出的“机器智能”的想法，其中一个就是所谓的“鸵鸟政策反对”。人们信任思考的才能使人变成万物之灵。承认盘算机能够思考，这可能挑衅了这个仅由人类享有的高尚的栖息地。
许多人以为，正是人的灵魂让人们可以思考，如果我们发明出拥有这种才能的机器，那么将会夺取“上帝”的威望。图灵反驳了这个观点，他提出人们仅仅是预备期待具有灵魂天赋的容器来履行“上帝”的旨意。最后，我们提到洛甫雷斯伯爵夫人（Lady Lovelace）的反对看法（在文献中她经常被称为第一个盘算机程序员）。
在评论剖析式引擎时，她无比轻松地说“单单这台机器不可能给我们惊喜”。她重申了许多人的信心：一台盘算机不能履行任何未预编程的运动。图灵反对这种看法，说机器一直都让他很惊喜。他保持以为，这种反对看法的支撑者认同人类的智慧可以即时推断给定事实或行为的所有效果。图灵的最初论文在收集上述异议以及其他的反对看法时提到了这些读者。
图灵测试的争议和批驳
内德布洛克（Ned Block）以为，英语文本是以ASCII编码的，换句话说，是用盘算机内一系列的0和1表现的。因此，一个特定的图灵测试，也就是一系列的问题和答案，可以存储为一个非常大的数。例如，假设图灵测试的长度有一个上限，在测试中，“Are you afraid of dying?（你畏惧逝世亡吗？）”开端的前三个字符作为二进制数字存储，如图1.5所示。
图1.5 应用ASCII代码存储图灵测试的开端字符
假设典范的图灵测试连续一个小时，在此期间，测试者大约提出了50个问题，并得到了50个答案，那么对应于测试的二进制数应当非常长。现在，假设有一个很大的数据库，储存了所有的图灵测试，这些图灵测试包括了50个或更少的已有合理答案的问题。
然后，盘算机可以用查表的办法来通过测试。当然，一个能够处置这么大批数据的盘算机体系还未存在。但是，如果盘算机通过了图灵测试，Block问：“你以为这样的机器有智能吗？你感到舒畅吗？”换句话说，Block的批驳看法是，图灵测试可以用机械的查表办法而不是智能来通过图灵测试。
约翰塞尔（John Searle）对图灵测试的批驳更为基本。想象一下，讯问者像人们预感的那样讯问问题—但是，这次用的是中文。另一个房间里的那个人不懂中文，但是拥有一本详细的规矩手册。虽然中文问题以潦草的笔迹出现，但是房间里的人会参考规矩手册，依据规矩处置中文字符，并应用中文写下答案，如图1.6所示。
图1.6 中文室的争辩
讯问者获得了语法上准确、语义上合理的问题的答复。这意味着房间里的人通晓中文吗？如果你的答复是“不”，那么人和中文规矩手册的联合通晓中文吗？答案依然是“不”—房间里的人不是在学习或懂得中文，而仅仅是在处置符号。同样，盘算机运行程序，吸收、处置以及应用符号答复，而不必学习或懂得符号本身的意思是什么。
塞尔也请求我们假想，如果不是单个人持有规矩手册这样的场景：在一个体育馆中，人们互相传递便条。当一个人接到这样的一张便条时，规矩手册将肯定这个人应当生成一个输出，还是仅仅传递信息给体育馆中的另一个人，如图1.7所示。
图1.7 中文室争辩的变体
现在，中文的知识存在于何处？属于全部人，还是属于体育馆？
思考最后一个例子。描写出一个确切通晓中文的人的大脑，如图1.8所示。这个人可以吸收用中文提出的问题，并精确地用中文进行说明和答复。
图1.8 中文说话者用中文吸收和答复问题
同样，中文的知识存在于何处？存在于单个神经元中，还是存在于这些神经元的聚集中？（它必需存在于某个处所！）Block和Searle对图灵测试进行批驳的症结点在于，图灵测试仅从外部视察，不能洞察某个实体的内部状况。也就是说，我们不应当期望通过将拥有智能的智能体（人或机器）视为黑盒来懂得到一些关于智能的新东西。但是，这也并不总是准确的。19世纪，物理学家欧内斯特卢瑟福（Ernest Rutherford）通过用粒子轰击金箔，准确地推断出物资的内部状况——它重要由空白空间组成。
他预测，这些高能粒子要么穿过了金箔要么稍微偏转。成果与他的原子轨道理论是一致的：原子由轨道电子包抄着的致密核心组成。这是我们当前的原子模型，许多学过高中化学的人对此非常熟习。Rutherford通过外部视察胜利地懂得了原子的内部状况。
总之，定义智能很难。正是由于定义智能以及判定“智能体”是否拥有这一属性很艰苦，因此图灵开发了图灵测试。在论文中，他含蓄地指出，任何能够通过图灵测试的智能体必定拥有“脑才能”来应对任何合理的、相当于人们在广泛意义上接收的人类程度的智能挑衅。
上一篇：日本足球队的球队文化（日本足球文化更值得学习）