奎克的藏经阁 · 原书印刷页

人工智能哲学 · 第 153 页

PDF 物理页索引 161 · 人工智能哲学

书名
人工智能哲学
作者
未记录
印刷页
153
PDF 物理页
161(从 0 开始)
章节
人工智能哲学
UUID
7f418071-0fdc-4a5a-a4c5-82dd1979d9c2
来源类型
original_book
页面 SHA-256
ec4e09aa4a4bec205ad1d7b2751d57677db80fa241204bb5f395e815e8aeaf95
  1. 模仿还是探究

最后,我打算作出进一步的区分,这对于选择研究问题,或是判断已完成工作的价值看来都是重要的。这个问题就是,研究工作,特别是对自然语言理解、问题求解或记忆结构的研究,很容易蜕化成为编写程序,这种程序只不过是一种没有启迪作用的对人类行为方式的某个小方面的模仿而已。魏岑鲍姆(Weizenbaum1976)现在认为他的程序Eliza就属于这一范畴,而我也的确看不出反对他的理由。基于同样的立场我也批评了纽厄尔和西蒙在产生式系统方面的工作,以及诺尔曼和鲁梅哈特(Norman and Rumelhart 1974)在长时记忆方面的某些工作,这些批评引起较多的争论。

其原因如下。如果我们认为信息处理研究的目的是系统阐述和理解特定的信息处理问题,那么处于核心地位的正是那些问题的结构,而不是实现这些问题所经历的机制。这样,需做的第一件事就是找到那些我们有把握解决的问题,弄清怎样去解决它们,并根据这种理解来查看我们的行为方式。这些问题最丰富的源泉就是我们熟练自如地(因而是无意识地)完成的操作,因为如果没有健全的基础方法,很难弄清可靠性怎样能得到保证。另一方面,对问题求解的研究已趋于集中在那些我们在智能上理解得很好、但做起来却很差的问题上,像心算和折算,或是集中在像几何定理证明问题或棋类游戏上面,在这些问题中,人的技巧似乎建立在庞大的知识和技能基础之上。我认为,这是现在还不去研究人类怎样完成这些任务的特别有说服力的理由。我不怀疑,在做心算时,我们正在熟练地做某件事,但它不是算术,而且在我看来,对这件事是什么,我们连哪怕一个方面也远没有理解。所以我们应首先专注于比较简单的问题,这是我们有希望取得真正进步的地方。

6 人工智能之我见

153