{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","uuid":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","normalized_title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","isbns":["7532740544"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":501,"navigation_url":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%93%B2%E5%AD%A6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","page_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page","search_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/search"},"page":{"printed_page":128,"pdf_page":136,"physical_index":136,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"d22964cb24213fe6d1fd3301c4ca5116b3731f8639cc80f952684f9efbe7ba94"},"chapter":"人工智能哲学","content":"现在我们来看看第二个例子：搜索在智能中的作用。这个论题，以及我们将要检查的有关它的特殊假设，一般地在计算机科学中，特别地在人工智能中，都处于核心的地位。\n\n2. 启发式搜索\n\n知道物理符号系统为智能行动提供了基体，并没有告诉我们这些系统是如何做到这一点的。有关计算机科学中定性结构定律的第二个例子强调的正是后一问题，它指出符号系统是使用启发式搜索过程来解题的。与前面的情况一样，这一总结根据的是经验证据，而不是从其他前提中正式地推导而出的。然而我们不久就会看到，它确实与符号系统假设有着某种逻辑联系，我们或许可以期望在未来某时将这种联系形式化。在此之前，我们的描述必然还是一种经验探索。我们将对已了解的有关启发式搜索的情况作一介绍，并回顾那些说明它如何能使行动成为智能行动的经验成果。我们就以说明这一定性结构定律一启发式搜索假设一作为开始。\n\n启发式搜索假设将问题的解表述为符号结构。物理符号系统在问题求解中以搜索方式行使它的智能，亦即生成符号结构，并逐步对其进行修正，直到产生出一种解的结构。\n\n为了求解问题，物理符号系统必须使用启发式搜索，因为这种系统具有的加工资源是有限的一在数目有限的步骤中，同时在有限的时间区间内，它们只能执行数量有限的加工。当然，这不是一个十分强的限制，因为所有通用图灵机都会受到这种限制。然而，我们想说的是更强意义上的限制：我们意指的是实际的限制。我们可以构想这样的系统，它们不受实际的限制，如对一棵以指数方式展开的树的节点，在深度上以每单位进度速率相同的方式作并行搜索，但这是不可能的。这里我们关心的不是这种系统，而是这样一些系统，它们的计算资源相对于它们面临情境的复杂性来说，是稀缺的。这个限制对于真实任务语境中的、以计算机或人的形式出现的任何真实的符号系统都是存在的。对大多数目标来说，资源有限的事实使得我们将符号系统看成好像是一次完成一个加工的串行设备。如果它在任何一个短暂的时间区间内只能完成少量的加工，那么我们完全可以把它看作是以一次做一件事的方式在工作。这样，“有限资源符号系统”和“串行符号系统”实际上就成为同义语。如果这个瞬间足够短，从瞬间到瞬间的稀缺资源分配问题，通常可被看作串行机的时间调度问题。\n\n人工智能哲学\n\n128","previous_page":127,"next_page":129}