John McDowall

人工智能（AI）是近幾十年來才出現(xiàn)的新事物。從Stanley Kubrick導(dǎo)演的《2001：太空漫游》對(duì)人工智能胡作非為發(fā)出的警告到幫助《星際迷航》中的柯克船長(zhǎng)“大膽地走到?jīng)]有人去過的地方”的計(jì)算機(jī)助手，20世紀(jì)60年代人們充滿了對(duì)人工智能增強(qiáng)未來的憧憬。然而過了半個(gè)世紀(jì)，這些科幻電影中的情況仍然沒有實(shí)現(xiàn)。盡管這些年來人工智能進(jìn)展緩慢，但是可以確認(rèn)的是，目前我們正處于實(shí)現(xiàn)具有實(shí)用性人工智能的風(fēng)口。如今似乎所有包含有軟件的產(chǎn)品都在宣傳自己利用了人工智能的力量。雖然人工智能正在被炒作，但是我們必須對(duì)現(xiàn)實(shí)有著清醒的認(rèn)識(shí)。

終極版的下一件大事

目前我們正處于人工智能的另一波浪潮之中。近來，得益于處理能力的最新發(fā)展成就，人工智能在某些領(lǐng)域已經(jīng)由宣傳變?yōu)榱爽F(xiàn)實(shí)。現(xiàn)成的廉價(jià)圖形處理單元已經(jīng)使得卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像識(shí)別等某些方面具有了商業(yè)實(shí)用性。這使得人工智能再一次受到了公眾的關(guān)注，未來生活將被徹底顛覆，數(shù)以百萬計(jì)的工作崗位將被智能機(jī)器所取代。盡管市場(chǎng)上幾乎所有包含軟件的產(chǎn)品都被廣告宣傳為“由人工智能驅(qū)動(dòng)”，但是在我將技術(shù)未來押注在人工智能的嶄新世界之前，對(duì)某些事實(shí)保持清醒的眼光是明智的。

實(shí)用性的人工智能長(zhǎng)期以來一直是“下一件大事”。它們能夠幫助我們擺脫許多日?，嵤?，同時(shí)幫助我們實(shí)現(xiàn)難以想象的科學(xué)和工程壯舉。讓許多人不安的是人工智能或?qū)⑷〈鷱V大的勞動(dòng)力，導(dǎo)致數(shù)百萬人的工作被人工智能驅(qū)動(dòng)的機(jī)器接管。有人甚至推斷人工智能會(huì)認(rèn)為人類是低效且多余的，從而引發(fā)終極戰(zhàn)爭(zhēng)，例如《終結(jié)者》電影中所設(shè)想的那樣。

這些想像中的情景在很長(zhǎng)一段時(shí)間內(nèi)都是不可能實(shí)現(xiàn)的。大約20年前，一位同事提出了一個(gè)觀點(diǎn)，即人工智能的縮寫AI代表的意思是“ Ai nt Invented”（不能發(fā)明創(chuàng)造）。他當(dāng)時(shí)是正確的，如今他的觀點(diǎn)可能同樣正確。盡管目前人工智能的實(shí)際應(yīng)用正在日趨成熟，但是這些應(yīng)用程序均受到了很大的限制，這使得通用意圖的人工智能仍像以往那樣遙不可及。

如何定義人工智能

我們中的大多數(shù)人在聽到“人工智能”一詞時(shí)，往往想到的是科幻小說中的人工智能，它們可以響應(yīng)模棱兩可的語音命令并執(zhí)行復(fù)雜的計(jì)算和邏輯。這些令人印象深刻的機(jī)器可能會(huì)得出這樣的結(jié)論——由于我們有限的記憶力和較慢的推理能力，所以我們無法實(shí)現(xiàn)自我。目前人工智能的定義并不是一個(gè)穩(wěn)定且精確的定義，原因很簡(jiǎn)單，我們很難定義“智能”。

在這里我們需要拋開智商（IQ）測(cè)驗(yàn)等所謂的智力測(cè)驗(yàn)和大學(xué)入學(xué)考試等學(xué)業(yè)成績(jī)測(cè)驗(yàn)。我們中的大多數(shù)人都會(huì)發(fā)現(xiàn)許多我們認(rèn)為非常聰明的人，由于各種原因在這些測(cè)試中可能得不了高分。我們認(rèn)為智能是一種綜合能力，即能夠存儲(chǔ)和回憶基本事實(shí)，能夠關(guān)聯(lián)和推理這些事實(shí)，以及能夠?qū)?chuàng)造性的解決方案應(yīng)用于的新情況。

雖然這一定義存在局限性和不精確性，但是這就是目前我們對(duì)于“人類思維”功能的認(rèn)知。實(shí)際上，人類思維遠(yuǎn)遠(yuǎn)超出了我們自己的理解，以至于我們甚至無法對(duì)“思考”的含義達(dá)成共識(shí)。盡管如此，這種對(duì)智能的定義能夠滿足我們隨后對(duì)人工智能功能的討論。

為了準(zhǔn)確掌握我們距離真正了解智能有多遠(yuǎn)，我建議閱讀一下Douglas Hofstadter的著作《哥德爾、艾舍爾、巴赫：集異璧之大成》（G?del， Escher， Bach： An Eternal Golden Braid）。這本書寫于40年前，它在最基礎(chǔ)的層面上對(duì)“思考”的含義進(jìn)行了探究，并深入研究了簡(jiǎn)單的數(shù)學(xué)概念與我們?cè)谌粘Ｉ钪惺褂盟阈g(shù)時(shí)如何思考之間存在的令人難以置信的抽象層。我認(rèn)為這是一本很有啟發(fā)性的讀物，它使我確信通用人工智能比我以前想象的要復(fù)雜得多。想像一下：對(duì)計(jì)算機(jī)編程并讓它們正確地執(zhí)行數(shù)學(xué)計(jì)算，我們必須以驚人的準(zhǔn)確度理解這些計(jì)算的各個(gè)方面。如果我們根本不了解什么是智能，那么我們又怎么可能通過計(jì)算機(jī)編程的方式實(shí)現(xiàn)真正的智能呢？

可實(shí)現(xiàn)的人工智能

我們不能將計(jì)算機(jī)編程視為真正的智能，但是我們可以通過對(duì)計(jì)算機(jī)進(jìn)行編程實(shí)現(xiàn)有限的智能，特別是在專業(yè)領(lǐng)域當(dāng)中。IBM的Watson可能是這種機(jī)器中一個(gè)最著名的例子，但是即便是Watson，它們也存在一些明顯的局限性。更何況大多數(shù)企業(yè)也沒有安裝Watson規(guī)模的人工智能項(xiàng)目所需的資源。

盡管如此，但是在我們可用的有限的技術(shù)范圍之內(nèi)，還有另一種途徑可以實(shí)現(xiàn)人工智能的某些優(yōu)勢(shì)。第一步是改善數(shù)據(jù)建模，這是最基礎(chǔ)的。正如我在較早的文章中所說的那樣，以本體論的形式定義數(shù)據(jù)模型始終是一個(gè)好辦法，因?yàn)樗鼈兛梢詭椭覀兌x數(shù)據(jù)的語法和語義。不過，基本的人工智能功能的形式也具有其他好處。

使用Web本體語言（OWL）建模的數(shù)據(jù)可以以支持機(jī)器推理的格式進(jìn)行記錄，這是一種簡(jiǎn)單但功能強(qiáng)大的基本人工智能。因?yàn)镺WL是建立在被稱之為“描述邏輯”的推理分支之上，所以適合許多基于邏輯的推理過程，這些過程既強(qiáng)大又可解釋。隨著在醫(yī)療和軍事行動(dòng)等應(yīng)用中開始部署基于人工智能的應(yīng)用程序，能否有能力解釋人工智能過程是如何得出這些結(jié)論正變得越來越重要。在基于人工智能輔助建議做出任何重要決定之前，用戶也希望了解人工智能是如何得出這些結(jié)論的。這使得人們?cè)絹碓较Ｍ@得“可解釋的人工智能”。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）可以執(zhí)行令人印象深刻的圖像識(shí)別功能，但是我們很難準(zhǔn)確地跟蹤它們是如何做出決定的。其有許多分類和比較層，最終結(jié)果準(zhǔn)確且具有一致性。但是這并不意味著我們可以真正解釋CNN是如何得出這些結(jié)論的。

相反，當(dāng)數(shù)據(jù)模型使用OWL或其他形式邏輯（例如Common Logic）進(jìn)行形式化時(shí)，我們可以編寫推理規(guī)則并將形式邏輯規(guī)則應(yīng)用于它們。例如一個(gè)簡(jiǎn)單的示例：我們創(chuàng)建一個(gè)簡(jiǎn)單的數(shù)據(jù)模型，其中包含一個(gè)類“Person（某人）”，具有兩個(gè)屬性“name（姓名）”和“sex（性別）”。我們?cè)赑erson類的實(shí)例之間可以建立兩種關(guān)系：“has_parent（父母）”和 “has_sibling（兄弟姐妹）”。通過這個(gè)簡(jiǎn)單的模型，我們可以存儲(chǔ)諸如PersonA has_sibling PersonB和PersonB has_Parent PersonC（某甲有兄弟姐妹某乙和某乙有父母某丙）之類的數(shù)據(jù)。

一個(gè)簡(jiǎn)單的規(guī)則，例如“if person1 has_sibling person2 and person2 sex=Female， then person1 has_sister person2（如果某甲有兄弟姐妹某乙且某乙為女性，則某甲有姐妹某乙）”，我們就可以推斷出數(shù)據(jù)庫中每個(gè)人的新關(guān)系（注意，原始數(shù)據(jù)模型不包括姐妹的概念）。我們可以使用類似的規(guī)則來推斷關(guān)系，例如祖父母、兄弟、表弟等。由于這都是建立在形式邏輯上的，因此其結(jié)果是完全可以解釋的。實(shí)際上，結(jié)果不僅僅可解釋，而且也是正確的。

目前我們已經(jīng)可以使用現(xiàn)成的推理機(jī)（商業(yè)和開源）進(jìn)行這種推斷。例如Protégé等本體編輯工具可以使用HermiT和Pellet之類的多種推理引擎。許多數(shù)據(jù)庫和分析產(chǎn)品也都支持這種基于邏輯的推理，經(jīng)過正確配置之后，其性能可與其他的數(shù)據(jù)庫技術(shù)相媲美。

基于邏輯的推理無法為我們提供一個(gè)可以討論黑格爾哲學(xué)的精髓或編寫鋼琴奏鳴曲的人工智能系統(tǒng)，但是它們可以為我們提供可以執(zhí)行許多常規(guī)數(shù)據(jù)處理任務(wù)的人工智能系統(tǒng)。更重要的是，我們擁有一個(gè)工作原理可以向懷疑者進(jìn)行解釋的人工智能系統(tǒng)。

本文作者John McDowall現(xiàn)為企業(yè)架構(gòu)師和系統(tǒng)工程師，曾是美國(guó)海軍陸戰(zhàn)隊(duì)的飛行教官，也曾擔(dān)任過某個(gè)全球信息分析系統(tǒng)的首席企業(yè)架構(gòu)師。

原文網(wǎng)址

https：//www.cio.com/article/3442727/an-achievable-view-of-artificial-intelligence.html