什么是邏輯

進(jìn)城

進(jìn)城 發(fā)表于 2025-7-26 18:46
至于電腦的智能計(jì)算與舊式老式計(jì)算有何不同，不是學(xué)這個(gè)專業(yè)的不太清楚。
可能老式電腦計(jì)算屬于一種模枋類 ...

當(dāng)計(jì)算機(jī)出現(xiàn)后，人類開始真正有了一個(gè)可以模擬人類思維的工具，

進(jìn)城

研究范疇
自然語言處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問題，感知問題，模式識(shí)別，邏輯程序設(shè)計(jì)軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法。
意識(shí)和人工智能
人工智能就其本質(zhì)而言，是對(duì)人的思維的信息過程的模擬。
對(duì)于人的思維模擬可以從兩條道路進(jìn)行，一是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”的機(jī)器；二是功能模擬，暫時(shí)撇開人腦的內(nèi)部結(jié)構(gòu)，而從其功能過程進(jìn)行模擬�，F(xiàn)代電子計(jì)算機(jī)的產(chǎn)生便是對(duì)人腦思維功能的模擬，是對(duì)人腦思維的信息過程的模擬。
弱人工智能如今不斷地迅猛發(fā)展，尤其是2008年經(jīng)濟(jì)危機(jī)后，美日歐希望借機(jī)器人等實(shí)現(xiàn)再工業(yè)化，工業(yè)機(jī)器人以比以往任何時(shí)候更快的速度發(fā)展，更加帶動(dòng)了弱人工智能和相關(guān)領(lǐng)域產(chǎn)業(yè)的不斷突破，很多必須用人來做的工作如今已經(jīng)能用機(jī)器人實(shí)現(xiàn)。
而強(qiáng)人工智能則暫時(shí)處于瓶頸，還需要科學(xué)家們和人類的努力。

進(jìn)城

技術(shù)研究
播報(bào)
用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺(tái)的機(jī)器就是計(jì)算機(jī)，人工智能的發(fā)展歷史是和計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計(jì)算機(jī)科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語言理解、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。
研究方法
如今沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭(zhēng)論。其中幾個(gè)長(zhǎng)久以來仍沒有結(jié)論的問題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥類生物學(xué)對(duì)于航空工程一樣，人類生物學(xué)對(duì)于人工智能研究是沒有關(guān)系的？智能行為能否用簡(jiǎn)單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量完全無關(guān)的問題？
智能是否可以使用高級(jí)符號(hào)表達(dá)，如詞和想法？還是需要“子符號(hào)”的處理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應(yīng)歸類為SYNTHETIC INTELLIGENCE，這個(gè)概念后來被某些非GOFAI研究者采納。
大腦模擬
主條目：控制論和計(jì)算神經(jīng)科學(xué)
20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)病學(xué)，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIO CLUB舉行技術(shù)協(xié)會(huì)會(huì)議。直到1960年， 大部分人已經(jīng)放棄這個(gè)方法，盡管在80年代再次提出這些原理。
符號(hào)處理
主條目：GOFAI
當(dāng)20世紀(jì)50年代，數(shù)字計(jì)算機(jī)研制成功，研究者開始探索人類智能是否能簡(jiǎn)化成符號(hào)處理。研究主要集中在卡內(nèi)基梅隆大學(xué)， 斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。JOHN HAUGELAND稱這些方法為GOFAI（出色的老式人工智能）。 [31] 60年代，符號(hào)方法在小型證明程序上模擬高級(jí)思考有很大的成就。基于控制論或神經(jīng)網(wǎng)絡(luò)的方法則置于次要。 [32]60~70年代的研究者確信符號(hào)方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時(shí)這也是他們的目標(biāo)。
認(rèn)知模擬經(jīng)濟(jì)學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時(shí)他們?yōu)槿斯ぶ悄艿幕�本原理打下基礎(chǔ)，如認(rèn)知科學(xué)， 運(yùn)籌學(xué)和經(jīng)營(yíng)科學(xué)。他們的研究團(tuán)隊(duì)使用心理學(xué)實(shí)驗(yàn)的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來，并在80年代于SOAR發(fā)展到高峰。基于邏輯不像艾倫·紐厄爾和赫伯特·西蒙，JOHN MCCARTHY認(rèn)為機(jī)器不需要模擬人類的思想，而應(yīng)嘗試找到抽象推理和解決問題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗(yàn)室致力于使用形式化邏輯解決多種問題，包括知識(shí)表示， 智能規(guī)劃和機(jī)器學(xué)習(xí). 致力于邏輯方法的還有愛丁堡大學(xué)，而促成歐洲的其他地方開發(fā)編程語言PROLOG和邏輯編程科學(xué).“反邏輯”斯坦福大學(xué)的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現(xiàn)要解決計(jì)算機(jī)視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡(jiǎn)單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識(shí)知識(shí)庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因?yàn)樗麄儽仨毴斯ひ淮尉帉懸粋�(gè)復(fù)雜的概念。基于知識(shí)大約在1970年出現(xiàn)大容量?jī)?nèi)存計(jì)算機(jī)，研究者分別以三個(gè)方法開始把知識(shí)構(gòu)造成應(yīng)用軟件。這場(chǎng)“知識(shí)革命”促成專家系統(tǒng)的開發(fā)與計(jì)劃，這是第一個(gè)成功的人工智能軟件形式。“知識(shí)革命”同時(shí)讓人們意識(shí)到許多簡(jiǎn)單的人工智能軟件可能需要大量的知識(shí)。
子符號(hào)法
80年代符號(hào)人工智能停滯不前，很多人認(rèn)為符號(hào)系統(tǒng)永遠(yuǎn)不可能模仿人類所有的認(rèn)知過程，特別是感知，機(jī)器人，機(jī)器學(xué)習(xí)和模式識(shí)別。很多研究者開始關(guān)注子符號(hào)方法解決特定的人工智能問題。
自下而上， 接口AGENT，嵌入環(huán)境（機(jī)器人），行為主義，新式AI機(jī)器人領(lǐng)域相關(guān)的研究者，如RODNEY BROOKS，否定符號(hào)人工智能而專注于機(jī)器人移動(dòng)和求生等基本的工程問題。他們的工作再次關(guān)注早期控制論研究者的觀點(diǎn)，同時(shí)提出了在人工智能中使用控制理論。這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的:更高的智能需要個(gè)體的表征(如移動(dòng)，感知和形象)。計(jì)算智能80年代中DAVID RUMELHART 等再次提出神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義. 這和其他的子符號(hào)方法，如模糊控制和進(jìn)化計(jì)算，都屬于計(jì)算智能學(xué)科研究范疇。
統(tǒng)計(jì)學(xué)法
90年代，人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來解決特定的分支問題。這些工具是真正的科學(xué)方法，即這些方法的結(jié)果是可測(cè)量的和可驗(yàn)證的，同時(shí)也是人工智能成功的原因。共用的數(shù)學(xué)語言也允許已有學(xué)科的合作（如數(shù)學(xué)，經(jīng)濟(jì)或運(yùn)籌學(xué)）。STUART J. RUSSELL和PETER NORVIG指出這些進(jìn)步不亞于“革命”和“NEATS的成功”。有人批評(píng)這些技術(shù)太專注于特定的問題，而沒有考慮長(zhǎng)遠(yuǎn)的強(qiáng)人工智能目標(biāo)。
集成方法
智能AGENT范式智能AGENT是一個(gè)會(huì)感知環(huán)境并作出行動(dòng)以達(dá)致目標(biāo)的系統(tǒng)。最簡(jiǎn)單的智能AGENT是那些可以解決特定問題的程序。更復(fù)雜的AGENT包括人類和人類組織（如公司）。這些范式可以讓研究者研究單獨(dú)的問題和找出有用且可驗(yàn)證的方案，而不需考慮單一的方法。一個(gè)解決特定問題的AGENT可以使用任何可行的方法-一些AGENT用符號(hào)方法和邏輯方法，一些則是子符號(hào)神經(jīng)網(wǎng)絡(luò)或其他新的方法。范式同時(shí)也給研究者提供一個(gè)與其他領(lǐng)域溝通的共同語言--如決策論和經(jīng)濟(jì)學(xué)（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結(jié)構(gòu)和認(rèn)知體系結(jié)構(gòu)研究者設(shè)計(jì)出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個(gè)系統(tǒng)中包含符號(hào)和子符號(hào)部分的系統(tǒng)稱為混合智能系統(tǒng) ，而對(duì)這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級(jí)控制系統(tǒng)則給反應(yīng)級(jí)別的子符號(hào)AI 和最高級(jí)別的傳統(tǒng)符號(hào)AI提供橋梁，同時(shí)放寬了規(guī)劃和世界建模的時(shí)間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個(gè)早期的分級(jí)系統(tǒng)計(jì)劃。
智能模擬
機(jī)器視、聽、觸、感覺及思維方式的模擬：指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng)，智能搜索，定理證明，邏輯推理，博弈，信息感應(yīng)與辨證處理。
學(xué)科范疇
人工智能是一門邊沿學(xué)科，屬于自然科學(xué)、社會(huì)科學(xué)、技術(shù)科學(xué)三向交叉學(xué)科。
涉及學(xué)科
哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計(jì)算機(jī)科學(xué)，信息論，控制論，不定性論，仿生學(xué)，社會(huì)結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀。
研究范疇
語言的學(xué)習(xí)與處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問題，感知問題，模式識(shí)別，邏輯程序設(shè)計(jì)，軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法人類思維方式，最關(guān)鍵的難題還是機(jī)器的自主創(chuàng)造性思維能力的塑造與提升。
安全問題
人工智能還在研究中，但有學(xué)者認(rèn)為讓計(jì)算機(jī)擁有智商是很危險(xiǎn)的，它可能會(huì)反抗人類。這種隱患也在多部電影中發(fā)生過，其主要的關(guān)鍵是允不允許機(jī)器擁有自主意識(shí)的產(chǎn)生與延續(xù)，如果使機(jī)器擁有自主意識(shí)，則意味著機(jī)器具有與人同等或類似的創(chuàng)造性，自我保護(hù)意識(shí)，情感和自發(fā)行為。因此，人工智能的安全可控問題要同步從技術(shù)層面來解決。 [22]隨著技術(shù)的發(fā)展成熟，監(jiān)管形式可能逐步發(fā)生變化，但人工智能必須接受人工監(jiān)管的本質(zhì)不能改變。 [23]生成式AI可能引發(fā)大規(guī)模隱私或者個(gè)人信息泄露問題。 [31]
實(shí)現(xiàn)方法
人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動(dòng)物機(jī)體所用的方法相同。這種方法叫工程學(xué)方法（ENGINEERING APPROACH），它已在一些領(lǐng)域內(nèi)作出了成果，如文字識(shí)別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。遺傳算法（GENERIC ALGORITHM，簡(jiǎn)稱GA）和人工神經(jīng)網(wǎng)絡(luò)（ARTIFICIAL NEURAL NETWORK，簡(jiǎn)稱ANN）均屬后一類型。遺傳算法模擬人類或生物的遺傳-進(jìn)化機(jī)制，人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動(dòng)物大腦中神經(jīng)細(xì)胞的活動(dòng)方式。為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細(xì)規(guī)定程序邏輯，如果游戲簡(jiǎn)單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動(dòng)空間增加，相應(yīng)的邏輯就會(huì)很復(fù)雜（按指數(shù)式增長(zhǎng)），人工編程就非常繁瑣，容易出錯(cuò)。而一旦出錯(cuò)，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個(gè)新的版本或提供一個(gè)新補(bǔ)丁，非常麻煩。采用后一種方法時(shí)，編程者要為每一角色設(shè)計(jì)一個(gè)智能系統(tǒng)（一個(gè)模塊）來進(jìn)行控制，這個(gè)智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯(cuò)誤，但它能吸取教訓(xùn)，下一次運(yùn)行時(shí)就可能改正，至少不會(huì)永遠(yuǎn)錯(cuò)下去，用不到發(fā)布新版本或打補(bǔ)丁。利用這種方法來實(shí)現(xiàn)人工智能，要求編程者具有生物學(xué)的思考方法，入門難度大一點(diǎn)。但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時(shí)無須對(duì)角色的活動(dòng)規(guī)律做詳細(xì)規(guī)定，應(yīng)用于復(fù)雜問題，通常會(huì)比前一種方法更省力。
與人類差距
2023年，中國科學(xué)院自動(dòng)化研究所（中科院自動(dòng)化所）團(tuán)隊(duì)最新完成的一項(xiàng)研究發(fā)現(xiàn)，基于人工智能的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型對(duì)幻覺輪廓“視而不見”，人類與人工智能的“角逐”在幻覺認(rèn)知上“扳回一局”。 [13]

進(jìn)城

技術(shù)研究
播報(bào)
用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺(tái)的機(jī)器就是計(jì)算機(jī)，人工智能的發(fā)展歷史是和計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計(jì)算機(jī)科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語言理解、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。
研究方法
如今沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭(zhēng)論。其中幾個(gè)長(zhǎng)久以來仍沒有結(jié)論的問題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥類生物學(xué)對(duì)于航空工程一樣，人類生物學(xué)對(duì)于人工智能研究是沒有關(guān)系的？智能行為能否用簡(jiǎn)單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量完全無關(guān)的問題？
智能是否可以使用高級(jí)符號(hào)表達(dá)，如詞和想法？還是需要“子符號(hào)”的處理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應(yīng)歸類為SYNTHETIC INTELLIGENCE，這個(gè)概念后來被某些非GOFAI研究者采納。
大腦模擬
主條目：控制論和計(jì)算神經(jīng)科學(xué)
20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)病學(xué)，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIO CLUB舉行技術(shù)協(xié)會(huì)會(huì)議。直到1960年， 大部分人已經(jīng)放棄這個(gè)方法，盡管在80年代再次提出這些原理。
符號(hào)處理
主條目：GOFAI
當(dāng)20世紀(jì)50年代，數(shù)字計(jì)算機(jī)研制成功，研究者開始探索人類智能是否能簡(jiǎn)化成符號(hào)處理。研究主要集中在卡內(nèi)基梅隆大學(xué)， 斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。JOHN HAUGELAND稱這些方法為GOFAI（出色的老式人工智能）。 [31] 60年代，符號(hào)方法在小型證明程序上模擬高級(jí)思考有很大的成就。基于控制論或神經(jīng)網(wǎng)絡(luò)的方法則置于次要。 [32]60~70年代的研究者確信符號(hào)方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時(shí)這也是他們的目標(biāo)。
認(rèn)知模擬經(jīng)濟(jì)學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時(shí)他們?yōu)槿斯ぶ悄艿幕�本原理打下基礎(chǔ)，如認(rèn)知科學(xué)， 運(yùn)籌學(xué)和經(jīng)營(yíng)科學(xué)。他們的研究團(tuán)隊(duì)使用心理學(xué)實(shí)驗(yàn)的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來，并在80年代于SOAR發(fā)展到高峰�；�于邏輯不像艾倫·紐厄爾和赫伯特·西蒙，JOHN MCCARTHY認(rèn)為機(jī)器不需要模擬人類的思想，而應(yīng)嘗試找到抽象推理和解決問題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗(yàn)室致力于使用形式化邏輯解決多種問題，包括知識(shí)表示， 智能規(guī)劃和機(jī)器學(xué)習(xí). 致力于邏輯方法的還有愛丁堡大學(xué)，而促成歐洲的其他地方開發(fā)編程語言PROLOG和邏輯編程科學(xué).“反邏輯”斯坦福大學(xué)的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現(xiàn)要解決計(jì)算機(jī)視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡(jiǎn)單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識(shí)知識(shí)庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因?yàn)樗麄儽仨毴斯ひ淮尉帉懸粋�(gè)復(fù)雜的概念。基于知識(shí)大約在1970年出現(xiàn)大容量?jī)?nèi)存計(jì)算機(jī)，研究者分別以三個(gè)方法開始把知識(shí)構(gòu)造成應(yīng)用軟件。這場(chǎng)“知識(shí)革命”促成專家系統(tǒng)的開發(fā)與計(jì)劃，這是第一個(gè)成功的人工智能軟件形式�！爸�識(shí)革命”同時(shí)讓人們意識(shí)到許多簡(jiǎn)單的人工智能軟件可能需要大量的知識(shí)。
子符號(hào)法

進(jìn)城

當(dāng)20世紀(jì)50年代，數(shù)字計(jì)算機(jī)研制成功，研究者開始探索人類智能是否能簡(jiǎn)化成符號(hào)處理。研究主要集中在卡內(nèi)基梅隆大學(xué)， 斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。JOHN HAUGELAND稱這些方法為GOFAI（出色的老式人工智能）。 [31] 60年代，符號(hào)方法在小型證明程序上模擬高級(jí)思考有很大的成就�；�于控制論或神經(jīng)網(wǎng)絡(luò)的方法則置于次要。 [32]60~70年代的研究者確信符號(hào)方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時(shí)這也是他們的目標(biāo)。

進(jìn)城

人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動(dòng)物機(jī)體所用的方法相同。這種方法叫工程學(xué)方法（ENGINEERING APPROACH），它已在一些領(lǐng)域內(nèi)作出了成果，如文字識(shí)別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似

進(jìn)城

進(jìn)城 發(fā)表于 2025-7-26 18:46
至于電腦的智能計(jì)算與舊式老式計(jì)算有何不同，不是學(xué)這個(gè)專業(yè)的不太清楚。
可能老式電腦計(jì)算屬于一種模枋類 ...

另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似

進(jìn)城

進(jìn)城 發(fā)表于 2025-7-26 19:44
另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相 ...

電腦智能計(jì)算是直接類人腦計(jì)算的計(jì)算方式。

進(jìn)城

“AI教父”辛頓：多模態(tài)聊天機(jī)器人已具有“意識(shí)”，各國應(yīng)分享讓AI“善良”的技術(shù)
2025-07-26 21:36 發(fā)布于：上海市
“AI教父”辛頓表示，現(xiàn)在的多模態(tài)AI（人工智能）聊天機(jī)器人在某種意義上“是有意識(shí)的”，各國應(yīng)盡快分享讓AI“善良”的方法。

7月26日，2025世界人工智能大會(huì)（WAIC）正式開幕。在上午的開幕儀式上發(fā)表主題演講后，圖靈獎(jiǎng)得主、諾獎(jiǎng)得主、“AI教父”杰弗里·辛頓（Geoffrey Hinton）出席了下午的科學(xué)前沿全體論壇，與上海AI Lab主任周伯文展開一場(chǎng)尖峰對(duì)話。在現(xiàn)場(chǎng)，辛頓受到了全體觀眾的熱烈歡迎。



可以說AI“有意識(shí)”，各國應(yīng)分享讓AI善良的方法

首先，周伯文詢問了辛頓對(duì)于“多模態(tài)和語言模型能發(fā)展出自己的主觀體驗(yàn)”的觀點(diǎn)的解讀。辛頓表示，這嚴(yán)格來說并不是一個(gè)科學(xué)問題，而是取決于對(duì)“主觀體驗(yàn)”或“意識(shí)”的定義，實(shí)際上，許多人對(duì)這些概念的理解存在系統(tǒng)性錯(cuò)誤。

為解釋這一觀點(diǎn)，辛頓先談到了自己在1987年發(fā)表的論文《The Horizontal-Vertical Delusion》中的經(jīng)典案例，他指出，許多人在描述水平與垂直的概念時(shí)雖然能夠正確區(qū)分，但在實(shí)際判斷中存在系統(tǒng)性混淆，忽視了“垂直”其實(shí)是一種非常特殊的方向。

將其類比到“模型是否有主觀意識(shí)”的論點(diǎn)，辛頓指出：“我認(rèn)為，許多人對(duì)于‘主觀體驗(yàn)（subjective experience）’這類術(shù)語的理解完全錯(cuò)誤。他們的理論很有說服力，但完全錯(cuò)誤。這并非一個(gè)科學(xué)問題，而是建立在一個(gè)錯(cuò)誤的關(guān)于心理狀態(tài)的模型上，關(guān)于這些術(shù)語的運(yùn)用。所以，我的觀點(diǎn)是，當(dāng)今的多模態(tài)聊天機(jī)器人已經(jīng)具有意識(shí)�！�

在辛頓之前，2024圖靈獎(jiǎng)得主、阿爾伯塔大學(xué)教授Richard Sutton也在會(huì)上發(fā)表了視頻演講，稱AI發(fā)展已進(jìn)入一個(gè)模型能夠在真實(shí)環(huán)境中持續(xù)學(xué)習(xí)和積累經(jīng)驗(yàn)的新階段。

關(guān)于主觀體驗(yàn)，辛頓進(jìn)一步闡釋道，當(dāng)AI以機(jī)器人等形式進(jìn)入世界，它們就有了自己的“體驗(yàn)”，可以從自己的經(jīng)驗(yàn)中學(xué)習(xí)：“我認(rèn)為它們會(huì)有經(jīng)驗(yàn)，但經(jīng)驗(yàn)不是事物。而且經(jīng)驗(yàn)不像照片，經(jīng)驗(yàn)是你和一個(gè)物體之間的關(guān)系�！�

關(guān)于AI安全，辛頓再次強(qiáng)調(diào)，讓AI“聰明”和“善良”是兩個(gè)截然不同的問題，為了實(shí)現(xiàn)這兩者，即使是同一個(gè)大模型也需要兩種訓(xùn)練技術(shù)：“所以，國家應(yīng)該分享讓模型善良的技術(shù)，即使他們不愿意分享讓模型聰明的技術(shù)�！�

辛頓補(bǔ)充道，可能存在讓AI善良的通用訓(xùn)練方法，但當(dāng)AI變得越來越智能時(shí)，保證其善良的現(xiàn)有方法也可能失效，所以需要在這個(gè)方面進(jìn)行大量研究。

建議年輕研究者“著眼于那些你認(rèn)為所有人都做錯(cuò)了的領(lǐng)域”

在對(duì)話中，辛頓還談到，自己獲得諾貝爾物理學(xué)獎(jiǎng)是一個(gè)“錯(cuò)誤”：“他們很想頒獎(jiǎng)給AI領(lǐng)域，但沒有AI領(lǐng)域的諾貝爾獎(jiǎng)，所以他們只能將物理學(xué)獎(jiǎng)?lì)C給AI（的科學(xué)家）�！�

關(guān)于AI對(duì)其他領(lǐng)域科學(xué)發(fā)展的影響，辛頓認(rèn)為，AI確實(shí)為科學(xué)做出了許多貢獻(xiàn)，最顯著的一個(gè)例子是醫(yī)藥領(lǐng)域的蛋白質(zhì)折疊，相信AI今后也能為科學(xué)帶來更多突破。

最后，被問到對(duì)年輕研究者們的建議，辛頓表示，在進(jìn)行原創(chuàng)研究時(shí)，要著眼于那些“認(rèn)為其他所有人都做錯(cuò)了”的領(lǐng)域：“通常在這種情況下，你會(huì)鉆研自己認(rèn)為正確的更好的方法，并最終理解為什么其他人會(huì)那樣做、為什么你是錯(cuò)的。但是，不要放棄，不要認(rèn)為自己的方法很愚蠢，不要在意導(dǎo)師的意見，堅(jiān)持自己的方法直到理解錯(cuò)在哪里。而有時(shí)，當(dāng)你堅(jiān)持自己所相信的，結(jié)果是你沒有錯(cuò)。這就是出現(xiàn)重大突破的地方。輕易放棄的人無法成功，你需要在其他人反對(duì)時(shí)堅(jiān)持下去�！�

辛頓補(bǔ)充道，有一種邏輯能夠支撐這一觀點(diǎn)：“你要么擁有好的直覺，要么擁有壞的直覺。如果你的直覺好，你當(dāng)然應(yīng)該堅(jiān)持自己的直覺；如果你的直覺不好，那么做什么都無關(guān)緊要，所以你依然應(yīng)該堅(jiān)持自己的直覺�！�

在當(dāng)天上午的演講中，辛頓發(fā)表了一篇圍繞AI安全的主題演講。辛頓表示，人類實(shí)際上很像大語言模型。他將人類目前的處境比作養(yǎng)小老虎當(dāng)寵物，如果人類想要生存，必須找到辦法訓(xùn)練AI，不要讓AI消滅人類，讓一個(gè)真正聰明的AI不想接管世界：“我們目前根本不知道如何做到這一點(diǎn)，長(zhǎng)遠(yuǎn)來看，這是人類面臨的最重要的問題。好消息是，這是一個(gè)所有國家都應(yīng)該能夠合作解決的問題�！�

2024年10月8日，瑞典皇家科學(xué)院宣布，將2024年諾貝爾物理學(xué)獎(jiǎng)授予美國普林斯頓大學(xué)的約翰·霍普菲爾德和加拿大多倫多大學(xué)的杰弗里·辛頓，以表彰他們“為推動(dòng)利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)作出的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”。辛頓是卷積神經(jīng)網(wǎng)絡(luò)理論的領(lǐng)軍人物，也被視為由ChatGPT掀起的本輪AI技術(shù)躍進(jìn)背后的奠基性科學(xué)家，被譽(yù)為“AI教父”。

本次世界人工智能大會(huì)以“智能時(shí)代 同球共濟(jì)”為主題，共規(guī)劃了超100場(chǎng)專業(yè)論壇，匯聚1200余位全球?qū)＜遥?2位圖靈獎(jiǎng)、諾獎(jiǎng)得主，

進(jìn)城

辛頓表示，在進(jìn)行原創(chuàng)研究時(shí)，要著眼于那些“認(rèn)為其他所有人都做錯(cuò)了”的領(lǐng)域：“通常在這種情況下，你會(huì)鉆研自己認(rèn)為正確的更好的方法，并最終理解為什么其他人會(huì)那樣做、為什么你是錯(cuò)的。但是，不要放棄，不要認(rèn)為自己的方法很愚蠢，不要在意導(dǎo)師的意見，堅(jiān)持自己的方法直到理解錯(cuò)在哪里。而有時(shí)，當(dāng)你堅(jiān)持自己所相信的，結(jié)果是你沒有錯(cuò)。這就是出現(xiàn)重大突破的地方。輕易放棄的人無法成功，你需要在其他人反對(duì)時(shí)堅(jiān)持下去�！�