Computing Machinery and Intelligence

本篇文章是阅读阿兰图灵在1950年发表的论文 Computing Machinery and Intelligence ## 1. 模仿游戏

作者开篇明义,提出了“计算机能够思考吗?”这个问题。而要解答这个问题,首要解决的就是如何界定“机器”和“思考”。而图灵指出这样的界定是没有意义的,是很危险的。

他提出了一种“模仿游戏”的方式,来考虑计算机能否思考的问题。所谓,“模仿游戏”就是看机器在多大程度上能够模仿人类。比如人和机器互相问答的方式。

2. 对新问题的评论

新的问题的优势在于明确区分了人类物理和智能上的能力(即让机器忽略了人类物理上的部分)。限于当时的科技水平,图灵对模仿游戏的问答做了这些限制。现在看来,仿生技术尽管仍有局限,但已十分逼真。不过此时的界定,就让智能的讨论只局限于智能。只限于问答的测试过程,无关乎其他。

3. 游戏中涉及的机器

图灵在这一篇章中,力排众议,将游戏中 Machine 的范围局限在数字计算机这一概念中。

4. 数字计算机

图灵在本篇中,为数字计算机的可行性进行论证。可将数字计算机分为三部分:存储、执行单元、控制。

通过我们对数字计算机的构造(规则库、指令库的制定、编程),我们可以很大程度上制造一台模仿人类思考的计算机。类似人类看小说获得阅历、电子计算机则用既定的规则指令来处理复杂操作。

最后图灵指出数字计算机和人类思考的一个浅显的相似点,通过电信号驱动。神经元的信号传递是电信号、而数字计算机也是电驱动的。在下一节中,图灵将会采取功能上的数学类比。

5. 数字计算机的通用性

在本节中,作者引入了离散状态机的概念,离散状态机就是在有限状态中不断转换的机器。任意时刻,离散状态机是由最后状态以及该状态机的输入信号决定的。在这样的机器中,通过初始状态和输入信号,预测未来的状态就是可能的。

我们可以将数字计算机归属于离散状态机类别,数字计算机的容量是有限的。那么,数字计算机就可以模仿任何离散状态机的行为,这就是本节提出的通用性(universality),那么我们在第一节提出的问题“机器能够思考吗?就被替换为“”一个特定的数字计算机,通过编程等其他行为使其有足够的存储,合理的运行速度,适当的程序,可以在模仿游戏中取得上佳的表现吗?”

6. 在主要问题上的相异观点

在本节中,图灵对集中主要的反对意见做了一一回应。

神学反对

神学认为:思考是人类不朽的灵魂的功能,机器没有。

毫无价值。神学本就自相矛盾。

“头在沙子里”反对

机器能思考太可怕了。

也许你该在灵魂的轮回中寻找安慰。

数学反对

如哥德尔理论,离散状态机的能力是有限的。

虽然已经证明了任何一台机器能力有限,但是没有证明机器能够达到的有限度的能力限制于人工智能的实现.

知觉反对

机器得有思维,有感情,有自我。

这是唯我论的观点,了解一个人的思维首先得成为一个人。

各种缺陷反对

我承认你可以造出能做到你说的所有事情的机器,但是你不能造出能做X的机器。一台机器不能有许多行为。

这事以科学归纳为基础的,但是人类的行为和习惯并不适合使用科学归纳。 这等同于一台数字计算机不能有许多存储容量,但是现在计算机容量很大。

Lovelace夫人的反对

机器无法创造出新的东西,只能按照命令执行。

谁可以确定初始的工作不是在教育下种子的成长。学习很重要。

神经科学的连续性反对

人的神经系统不是一个离散状态机,不能用离散状态机模仿。

用极限逼近。

行为信息学的反对

不太可能产生一个模拟人所有情况下行为的规则集,人可以处理意料之外的情况。

如果每个人都有一个由他的生命规定了的指导规则集,那么他不会比一台机器更好。

超感知觉的反对

心灵感应、透视力、先知、意志力。

坚定马克思主义唯物理论。如果承认超感知觉。就要限定测试条件,将竞争者放到防止心灵感应的房间,

7. 学习机器

图灵首先调侃了认为自己其实没有太多的正面论据,不然也不会靠反驳别人来当论据的说法。

对于一个学习机器,图灵指出比起模拟一个复杂的成人大脑,不如产生一个模拟儿童大脑的程序。于是我们的问题就变为——儿童程序+教育过程。

对于前者,儿童机器的结构=遗传材料,儿童机器的变化=突变,自然选择=实验者的裁决;后者则通过在教育过程中辅以奖惩措施。

学习机的重要特征:教育者对其实现的内部结构并不了解,却能某种程度上预测机器的行为。

其实从这里可以看到遗传算法和机器学习的影子。

最后图灵给出箴言:We can only see a short distance ahead, but we can see plenty there that needs to be done.

参考资料:

https://github.com/Computing-Intelligence/References/blob/master/AI%20%26%20Machine%20Learning/Computer%20Machinery%20and%20Intelligence.pdf

https://zhuanlan.zhihu.com/p/64154215

https://blog.csdn.net/LSG_Down/article/details/84544547

# AI

Comments

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×