Cyberbotics 機器人課程/什麼是人工智慧？
人工智慧 (AI) 是一門跨學科的研究領域，汲取了計算機科學、工程學、哲學和心理學。人工智慧沒有得到廣泛認可的正式定義，因為智慧本身的底層概念很難定義。約翰·麥卡錫將人工智慧定義為“製造智慧機器的科學和工程”[1]，這既沒有解釋“什麼是智慧機器？”，也沒有幫助回答“國際象棋程式是否是一種智慧機器？”的問題。
人工智慧大致分為兩種學派：GOFAI（傳統人工智慧）和新 AI。GOFAI 主要涉及現在歸類為機器學習的方法，其特點是形式化和統計分析。這也被稱為傳統 AI、符號 AI、邏輯 AI 或整潔 AI。方法包括
- 專家系統 應用推理能力得出結論。專家系統可以處理大量已知資訊，並根據這些資訊得出結論。
- 基於案例的推理 在一個稱為案例的有組織的資料結構中儲存一組問題和答案。基於案例的推理系統在遇到問題時，會在其知識庫中找到與新問題最相關的案例，並以適當的修改方式將其解決方案作為輸出呈現。
- 貝葉斯網路 是機率圖形模型，代表一組變數及其機率依賴關係。
- 基於行為的 AI 是一種模組化方法，用於手工構建 AI 系統。
新 AI 涉及迭代開發或學習。它通常是受生物啟發的，並提供生物智慧模型，例如人工神經網路。學習基於經驗資料，與非符號 AI 相關。方法主要包括
- 人工神經網路 是受生物啟發的系統，具有非常強大的模式識別能力。
- 模糊系統 是在不確定性下推理的技術；它們已廣泛用於現代工業和消費產品控制系統。
- 進化計算 應用受生物啟發的概念，例如種群、突變和適者生存，以生成越來越好的問題解決方案。這些方法最顯著地分為進化演算法（包括遺傳演算法）和群體智慧（包括蟻群演算法）。
混合智慧系統試圖將這兩組結合起來。專家推理規則可以透過人工神經網路或統計學習中的產生式規則生成。
在 17 世紀早期，勒內·笛卡爾將動物的軀體設想為複雜的但可簡化的機器，從而形成了機械論，也稱為“鐘錶模型”。威廉·希卡德於 1623 年製造了第一臺機械數字計算器，隨後是布萊茲·帕斯卡（1643 年）和戈特弗裡德·威廉·萊布尼茨（1671 年）的機器，他發明了二進位制系統。在 19 世紀，查爾斯·巴貝奇和艾達·洛夫萊斯致力於可程式設計機械計算器的研究。
伯特蘭·羅素和阿爾弗雷德·諾斯·懷特海德於 1910-1913 年出版了《數學原理》，它徹底改變了形式邏輯。1931 年，庫爾特·哥德爾證明了足夠強大的連貫形式系統包含任何定理證明 AI 都無法證明的真定理，這些 AI 系統系統地從公理中推匯出所有可能的定理。1941 年，康拉德·楚澤建造了第一臺工作機械程式控制計算機。沃倫·麥卡洛克和沃爾特·皮茨發表了《神經活動中蘊含思想的邏輯演算》（1943 年），為神經網路奠定了基礎。諾伯特·維納的《控制論，或動物和機器的控制與通訊》（麻省理工學院出版社，1948 年）普及了“控制論”一詞。
博弈論被證明在 AI 的發展中非常寶貴，它是在數學家約翰·馮·諾伊曼和經濟學家奧斯卡·摩根斯坦發表的論文《博弈論與經濟行為》中提出的。[2]
1950 年代是 AI 積極努力的時期。1950 年，艾倫·圖靈提出了“圖靈測試”作為一種測試智慧行為的方式。第一個工作 AI 程式是在 1951 年編寫的，用於在曼徹斯特大學的 Ferranti Mark I 機器上執行：一個由克里斯托弗·斯特拉奇編寫的跳棋程式和一個由迪特里希·普林茨編寫的國際象棋程式。約翰·麥卡錫在 1956 年首次專門針對該主題的會議上創造了“人工智慧”一詞。他還發明瞭 Lisp 程式語言。約瑟夫·魏森鮑姆構建了 ELIZA，這是一個實現羅傑斯心理治療的聊天機器人。AI 的誕生日通常被認為是 1956 年 7 月的達特茅斯會議，在那裡許多這些人會面並交換了想法。
在 1960 年代和 1970 年代，喬爾·摩西在 Macsyma 程式中展示了符號推理對積分問題的強大功能，它是第一個成功的數學知識庫程式。萊昂納德·烏爾和查爾斯·沃斯勒於 1963 年發表了“生成、評估和調整自身運算子的模式識別程式”，其中描述了第一個能夠自適應地獲取和修改特徵並克服羅森布拉特簡單感知器侷限性的機器學習程式之一。馬文·明斯基和西摩爾·派珀特出版了《感知器》，展示了簡單人工神經網路的侷限性。阿蘭·科爾梅羅開發了 Prolog 計算機語言。泰德·肖特利夫在醫學診斷和治療中展示了基於規則的系統在知識表示和推理方面的強大功能，這有時被稱為第一個專家系統。漢斯·莫拉維克開發了第一個能夠自主地在障礙物叢生的障礙物課程中行駛的計算機控制車輛。
在 1980 年代，人工神經網路由於反向傳播演算法的出現而被廣泛使用，該演算法最早由保羅·韋伯斯於 1974 年描述。恩斯特·迪克曼斯團隊建造了第一批機器人汽車，在空曠的街道上以高達 55 英里的時速行駛。
1990 年代標誌著 AI 許多領域的重大成就以及各種應用的演示。1995 年，恩斯特·迪克曼斯的一輛機器人汽車在交通中行駛了 1000 多英里，時速高達 110 英里，跟蹤並超越其他汽車（與此同時，卡耐基梅隆的迪安·波默洛測試了一輛半自動汽車，由人控制油門和剎車）。深藍，一臺國際象棋計算機，在 1997 年的一場著名的六局比賽中擊敗了加里·卡斯帕羅夫。本田製造了第一批人形機器人的原型（見 Asimo 機器人的圖片）。
在 1990 年代和 2000 年代，AI 受到了機率論和統計學的極大影響。貝葉斯網路是這場運動的重點，它為更嚴格的統計學和工程學主題提供了聯絡，例如馬爾可夫模型和卡爾曼濾波器，並彌合了 GOFAI 和新 AI 之間的鴻溝。這種新的 AI 學派有時被稱為“機器學習”。過去幾年也見證了博弈論在 AI 決策制定中的應用引起了極大的興趣。
人工智慧在機器（即計算機或機器人）中實現，這些機器被“自然智慧”生物（即人類）觀察。這些人類質疑這些機器是否智慧。為了回答這個問題，他們顯然將機器的行為與他們知道的另一個智慧生物的行為進行比較。如果兩者相似，那麼他們可以得出結論，機器似乎是智慧的。
艾倫·圖靈開發了一個非常有趣的測試，可以讓觀察者正式說出機器是否智慧。要理解這個測試，首先需要了解智慧，就像美麗一樣，是相對於觀察者而言的概念。沒有絕對的智慧，就像沒有絕對的美麗一樣。因此，說機器的智慧程度更高或更低是不正確的。相反，我們應該說機器對特定觀察者的智慧程度更高或更低。從這個角度出發，圖靈測試可以評估機器是否相對於觀察者而言具有資格進行人工智慧。
測試包括一個簡單的設定，觀察者面對一臺機器。這臺機器可以是電腦或機器人，並不重要。但是，機器應該可以由人類（遠端控制者）遠端控制，而觀察者看不到遠端控制者。遠端控制者可能在另一個房間裡，透過機器與觀察者交流，使用機器的可用輸入和輸出。如果是電腦，輸入和輸出可以是鍵盤、滑鼠和電腦螢幕。如果是機器人，可能是攝像頭、揚聲器（合成語音）、麥克風、電機等。觀察者不知道機器是被其他人遠端控制還是自行執行。他必須猜猜。因此，他會與機器互動，例如透過鍵盤和螢幕聊天，試圖瞭解這臺機器的答案是否來自人類智慧。他會想問一些非常複雜的問題，看看機器的回答，並試圖確定答案是AI程式生成的還是來自真正的人類。如果觀察者認為自己正在與人類互動，而實際上他正在與電腦程式互動，那麼這意味著這臺機器對他來說是智慧的。他被機器矇蔽了。下表總結了圖靈測試的所有可能結果。
圖靈測試在很大程度上幫助我們回答“我們能建造智慧機器嗎？”這個問題。它表明一些機器確實已經對某些人來說是智慧的。儘管這些人目前只是少數，主要包括兒童，但也包括成年人，但隨著AI程式的改進，這個少數群體正在不斷擴大。
儘管原始的圖靈測試通常被描述為一個電腦聊天會話（見圖），但觀察者和機器之間的互動可以採取多種形式，包括下棋、玩虛擬現實遊戲、與移動機器人互動等。
| 機器由人類遠端控制 | 機器執行人工智慧程式 | |
|---|---|---|
| 觀察者認為自己面對的是人類智慧 | 未確定：觀察者善於識別人類智慧 | 成功：機器對這個觀察者來說是智慧的 |
| 觀察者認為自己面對的是電腦程式 | 未確定：觀察者難以識別人類智慧 | 失敗：機器對這個觀察者來說不是智慧的 |
類似的實驗包括讓孩子們觀察兩個移動機器人進行捕食者和獵物的遊戲，並描述正在發生的事情。與成年人不同的是，成年人通常會說機器人以某種方式被程式設計來執行這種行為，可能還會提到機器人的感測器、致動器和微處理器，而孩子們會用他們用來描述貓追老鼠的行為的相同詞彙來描述機器人的行為。他們會賦予機器人情感，例如“他害怕”、“他生氣”、“他興奮”、“他安靜”、“他想……”等等。這讓我們認為，對一個孩子來說，這種機器人的智慧與動物的智慧之間沒有太大區別。
認知基準
[edit | edit source]衡量機器是否智慧的另一種方法是建立認知（或智慧）基準。基準是與效能指標相關聯的問題定義，允許評估系統性能。例如，在汽車行業，一些基準測量汽車從 0 公里/小時加速到 100 公里/小時所需的時間。認知基準針對需要智慧才能實現良好效能的問題。
同樣，由於智慧是相對於觀察者而言的，基準的認知方面也是相對於觀察者而言的。例如，如果基準包括與深藍程式下棋，一些觀察者可能會認為這需要一定的智慧，因此它是一個認知基準，而另一些觀察者可能會反對，認為它不需要智慧，因此它不是一個認知基準。
一些認知基準是由計算機科學和機器人學以外的人建立的。它們包括心理學家開發的智商測試，以及生物學家開發的動物智慧測試，例如用來評估老鼠在迷宮中記住通往食物來源的路徑的能力，或者猴子如何學會按壓槓桿獲得食物。
AI 和機器人基準也主要是在程式設計或機器人比賽中建立的。最著名的例子是 AAAI 機器人比賽、FIRST 機器人比賽、DARPA 大挑戰賽、Eurobot 比賽、RoboCup 比賽（見圖）、Roboka 程式設計比賽。所有這些比賽都定義了一個精確的場景和一個性能指標，該指標基於絕對的個人性能評估或不同競爭者之間的排名。它們在網際網路上得到了很好的參考，因此應該很容易找到它們的官方網站以獲取更多資訊。
本書的最後一章將向您介紹一系列機器人認知基準（特別是老鼠的生活基準），您可以針對這些基準設計自己的智慧系統，並將它們與其他系統進行比較。
註釋
[edit | edit source]- ↑ 請參閱 約翰·麥卡錫，什麼是人工智慧？
- ↑ 馮·諾依曼，J.；摩根斯坦，O. (1953)，“博弈論與經濟行為”，紐約