{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","uuid":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","normalized_title":"智慧的疆界从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","isbns":["9787111778004","9787111695714"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":456,"navigation_url":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title_url":"https://workshop.closeclaw.top/ai/title/%E6%99%BA%E6%85%A7%E7%9A%84%E7%96%86%E7%95%8C%20%E4%BB%8E%E5%9B%BE%E7%81%B5%E6%9C%BA%E5%88%B0%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","page_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/search"},"page":{"printed_page":26,"pdf_page":41,"physical_index":41,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"44208e1619b6f52a7fd337871173eae0eb6c96b81dca6934112a660068bf336b"},"chapter":"内容简介","content":"● 1949 年，心理学家唐纳德·赫布（Donald Hebb，1904—1985）在《行为组织学》（The Organization of Behavior）这部著作中提出了基于神经元构建学习模型的法则。他认为神经网络的学习过程最终发生在神经元之间的突触部位，突触的联结强度随着突触前后神经元的活动而变化，变化的量与两个神经元的活性之和成正比。该方法被称为“Hebb 法则”（Hebb’s Law）。\n\n● 1952 年，IBM 的 程 序 员 阿 瑟· 塞 缪 尔（Arthur Samuel，1901—1990）在 IBM 700 系列计算机上开发了一款西洋跳棋的程序。该程序并不是由开发人员将下棋的方法通过算法编程的方式直接赋予计算机，而是通过算法赋予计算机一定的学习能力，使之能够观察位置并学习一个隐式模型以在后一步棋中获得更好的策略。塞缪尔用该程序下了许多盘棋，发现经过训练的程序最后能比人下得更好。这款西洋跳棋程序有力地反驳了当时认为机器不能超越所写的代码并学习人类的策略模式这一观点。到 1959 年，这款程序打败了塞缪尔本人，在 3 年之后，甚至打败了州跳棋冠军，这是塞缪尔本人所无法做到的。塞缪尔还创造了“机器学习”这一概念，并将其定义为：“在没有明确指令的情况下赋予计算机能力的一个研究领域。”\n\n● 1957 年， 心 理 学 家 弗 兰 克· 罗 森 布 拉 特（Frank Rosenblatt，1928—1971）首先将 Hebb 法则用于模拟人类感知能力，并提出了“感知机”（Perceptron）的概念模型，希望这个模型能够作为承载智能的基础模型。罗森布拉特在康奈尔大学航空实验室的 IBM 704 计算机上完成了感知机的仿真后，成功申请到了美国海军的资助，并于两年后成功制造出一台能够识别英文字母的基于感知机的神经计算机—Mark-1。Mark-1 在 1960 年 6 月 23 日向美国公众展示，本章开头引言部分所引用的《纽约时报》那段海军高度评价的主角就是 Mark-1，如图 1-8所示。\n\n感知机之后，结构派还有很多值得记录的里程碑事件，大多和机器学习有关，笔者不打算在第 1 章里继续列举了。从今天我们还没有真正走进智能化时代这个现实结果可以得知，结构派的尝试同样没有成功，但与心智派所处的困境不同，结构派所面临的许多困难是由于训练数据不足、计算能力不足所导致的，更多是工程可行性上的困难。如果不考虑工程可行性，单纯从理论可行性来说，很多实验和机器都是可以实际建造和验证的（这里的“建造”，既包括真实的感知机和芯片，也包括在今天的计算机上通过算法逻辑搭建）。所以说结构派没有成功却也没有失败，只是受限于当时的计算能力，无法得出可实用化的结果罢了。随着今天计算能力（尤其是 GPU 这种多核强并行计算的硬件的出现，正适合模拟神经元的激发过程）的发展，基于机器学习的方法确实完成了很多以前代表人类智能的工作，如下棋、对话、视觉识别、辅助决策等。\n\n26\n\n第一部分 以智慧创造智慧","previous_page":25,"next_page":27}