成功,不是赢过多少人,而是帮过多少培训教程文件.pptVIP

“人工智能”若干问题 陈小平 中国科学技术大学 内容提要 对Artificial Intelligence的理解 定性决策论研究情况 Chance Discovery研究情况 一、AI的定义与性质 基本观点： 回顾AI过去50多年来的发展历程，其最有趣的哲学问题从“强-弱”之争演变为“真-假”之辩。 一、AI的定义与性质 artificial的日常语言含义(牛津词典)： made or produced by man in imitation of something natural. 因此， artificial兼具“人造”和“人工”双重含义，似应更确切地译为“人为”。 一、AI的定义与性质 H. Simon对artificial的定义： “由人而不是自然产生的；不真实的或不自然的；矫揉造作的；与事物的本质无关的” ---The Science of the Artificial，商务印书馆，1987 可见artificial既包含“人工”含义(“由人而不是自然产生的”)，又包含“人造”含义。可视其为artificial的标准定义。 一、AI的定义与性质 “人工”的含义：例如 “人工降雨”（artificial rainfall） “人工繁殖”(artificial propagation) -特点：产品是“真的”(真实的) ，产生过程是“假的”(非自然的)。 一、AI的定义与性质 “人造”的含义：例如 “人造革”(artificial leather) “人造海蜇皮/棉/丝/羊毛/…” -特点：产品及其产生过程都是“假的”。 一、AI的定义与性质 “人工”与“人造”的对比： -人造物仅仅是天然物的功能替代品，往往“差强人意”，但有时却可能更强，例如飞机的运输功能比鸟强得多。“人造”智能是当前AI的工程目标。 -人工物比人造物更接近天然物，但往往未必能够按照人的需要制造/发生，例如至今未能制造出像鸟一样的飞行物。“人工”智能是AI长期的科学目标。 一、AI的定义与性质 现状： 当前国际AI研究既包含“人造智能”（90%以上），又包含“人工智能”（10%以下）；与早期情况恰好相反。 结论：将Artificial Intelligence理解为“人为智能”更符合该领域的实际情况。 二、定性决策论研究情况：背景 (自动)决策是AI的核心问题之一。 经典决策论的基本概念框架是概率+效用，主导思想是最大预期效用原则。 经典决策论在AI中遭遇的重大困难之一是难以获得数值型概率和数值型效用；AI主流的解决方向是“定性决策论” (Qualitative decision theory)。 二、定性决策论研究情况：背景 目前定性决策论的主要技术途径是意向态度的模态理论，基本技术手段包括一元多模态逻辑（BDI-理论）和条件句逻辑（即关于“偏好”preference和“常规” normality的条件句理论）；后者更注重刻画意向的背景相关性方面。 二、定性决策论：QDT Logic CO-模型(Boutilier, 1994) M= W, ?, Val ，其中W：可能世界集合，Val：W*P→{true, false}赋值函数， ?是W上传递且连接的二元关系，因而所有可能世界构成?-等价类的全序集， v?w理解为： v is at least as preferred/normal as w。 二、定性决策论：QDT Logic 定义两个模态词： w |= ?A iff ?v ?w : v |= A w |= ?? A iff ? v ?W : v |= A 及其对偶词?和??。 二、定性决策论：QDT Logic 定义条件偏好： I(B|A) =df ???A ? ??(A ? ?(A?B) ) 易知M |= I(B|A)意味着对于M中最偏爱的A?B世界w和最偏爱的A??B世界w’，有w? w’ 。 二、定性决策论：QDT Logic 性质: 二、定性决策论：QDT Logic 缺陷1：推理能力弱，事实分离律无效，例如 {I(B|A), A} |? I(B), B 而且假如有效则将破坏非单调性，例如 {I(B|A), I(?B|A?A