桥接人工智能两大学派的理论证明却招致一主要人工智能期刊直接拒稿.PDF

脑心智杂志，第 卷，第期，年月 11 桥接人工智能两大学派的理论证明 却招致一主要人工智能期刊直接拒稿 Christopher S. Masfis 译者： 摘要⎯ 人工智能方法分为两个学派，符号 学派和 马尔可夫模型，部分可观察马尔可夫决策过程，信念网 连接 学派 ，尽管两种方法可混合使用。各学派都发表 络，贝叶斯网络，图模型，Q-学习以及许多其他变种，都 了许多理论模型和实验结果。在类似大脑信息处理机 被用于扩展有限自动机，这些扩展都是用来缓和这数据不 制的启发下，一个理论 证明 建立了这 两学派 的所有模 一致性带来的系统的脆弱性。 型之间都存在紧密关系。该证明运用了在计算机科学 “这不是一种很有效的解决方式，手工设计的状态都是静 中已经成熟而著名的自动机理论 。该证明揭示了大脑 态的，而且状态是涉及到的概念数的指数函数——很快地 是怎么用了两学派各自最好的方面。但它被一个主要 跟着概念数的增加而爆炸。” 翁教授引用他的论文[10]中 的人工智能期刊直接拒稿并被告知：“再 没有处理 重 的分析解释道。“这警告我们所有符号型和混合表示法系 新投稿的可能 性 。” 统的潜在的很棘手的复杂性。我希望这种复杂性信息有益 于著名的大型系统，如 CYC ，SOAR，ACT-R ，ViaVoice 索引词⎯ 符号型模型，连接主义模型，人工智能，自 和 NaturallySpeaking,”翁教授继续说道。“一些研究者用 然智能，大脑模型，群体人类智能 很直观的术语“脆弱”来形容符号型系统。但是指数复杂 性问题比直观的脆弱性更严重，” 翁教授强调了计算机 阿兰·图灵(ALAN Turing)在他一篇写于 1950 年的早 科学中成熟的复杂性理论对于理解符号型和“混合”系统 期论文中讨论了人工智能[8] 。1956 年，一件开创性的事 的根本限制的重要性。 件是在达特茅斯举办的暑期人工智能研究项目中考虑将人 在上世纪 80 年代中叶，被称为连接方法的神经网络 工智确立为一个研究领域。上世纪 60 年代早期由爱德 引起了人们的更多的兴趣。杰伊·麦克拉伦(Jay 华·A ·费根鲍姆(Edward A. Feigenbaum)和朱利安·费尔 McClelland)和大卫·鲁梅哈特(David Rumelhart)[7][5]编写 德曼(Julian Feldman)编辑的《计算机和思想》一书中很好 的两卷册，是逐步引起人们更多兴趣的例子之一。但是， 地进行了阐述了那时的前沿发展水平[1] 。人工智能主要地 正像所有新的范式转变，神经网络学派遭遇了激烈的争 也是自然地遵循了以后被称为符号学派的方法，即系统的 论。 内部表示是由程序员根据预先给定的一个指定的任务而手 工设计的⎯⎯ 每个符号的意义是人用一个自然语言在系统 例如，马文·明斯基(Marvin Minsky)1991 年[6]和其他 学者称符号模型是逻辑且干净的，但是连接主义模型是模 的设计文档里定义了的。 拟且杂乱的。该批评有很多种描述方式，有些研究者用一 所有的符号表示可被分为两个大类：整体式和上下文 句话简而言之“神经网络不能很好地抽象”。从那之后三 式[10]