{"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":57,"pdf_page":72,"physical_index":72,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"3a4baadeda6f8f97b1035f03201d6439651f29fe618c6f2640afbdd8bb5a862f"},"chapter":"内容简介","content":"2.6.2 模式识别\n\n第二项关于机器定理证明和问题求解方面的内容，由于前文介绍“逻辑理论家”时已经简单地提到了一些，并且下一章讲解符号主义学派的理论时仍然会有相关内容，这里就暂且跳过，直接来看第三项成果：模式识别（PatternRecognition）。\n\n“模式识别”这个词听起来很专业，如果要严格纠结它的精确定义<sup>○一</sup>，确实也麻烦。笔者以通俗的方式来解释一下：譬如你现在看到这句由一连串汉字所组成的话，无论你目前看的是印刷书籍、电子书、扫描出来的图片 PDF 还是手抄的读书笔记，它们可能材质、大小、颜色、亮度、线条都有差异，却完全不影响你理解每一个字的意思，因为你的大脑在不自觉间就将这些不同的线条图像（数据样本）根据你上学时老师教的汉语知识和汉字形状（特征）映射到了一个个具体的汉字（分类）上，你的大脑自动完成的这个过程就叫作模式识别。\n\n人类的模式识别能力天生就是极为强大的，我女儿 4 岁时仅在幼儿园绘本和电视早教节目上看过大象的卡通形象，当我第一次带她去动物园见到真正的大象时，她就可以毫不费力地建立“这个动物就是大象”的认知，哪怕这个动物真正的样子和它的卡通形象差异极其巨大。而计算机要完成模式识别却是极为困难的，不信的话，读者思考几分钟看看如何给“大象”下一个特征定义，让计算机程序可用这个定义分辨出一个物体是不是大象。\n\n1958 年，塞弗里奇在《魔宫：一种学习范式》（Pandemonium: A Paradigmfor Learning）一书中提出第一个模式识别的特征匹配模型，他将其称为“魔鬼城堡”模型。按照塞弗里奇的说法，这个模型有四个层次（或者叫阶层等级系统），每个层次上有“魔鬼”（Demon）执行着某个特定的任务，并依次工作，直到最终实现模式识别。这四个层次由低到高依次命名为“印象鬼”（ImageDemon）、“特征鬼”（Feature Demon）、“认知鬼”（Cognitive Demon）和“决策鬼”（Decision Demon)。塞弗里奇虽然是以一种奇幻的风格，用四层的魔鬼城堡来描述这个模型，但如果我们以神经网络的观点来看，这个模型其实相当于一个四层神经网络，逐层特征提取的思想就是现在卷积神经网络的精髓（我们将在第 7 章讲这部分内容）。1957 年罗森布拉特完成的能识别英文字母的感知机Mark-1 本质上就是基于神经网络来完成的，不过罗森布拉特的感知机是一个单层网络，与塞弗里奇的“魔鬼城堡”模型并无直接关系。\n\n第 2 章 迈向人工智能\n\n57\n\n○一 模式识别在维基百科上的定义是“通过计算机用数学技术方法来研究模式的自动处理和判读”。此处举的是文字识别的例子，实际并不限于文字，语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等任何数据源都可以进行有意义的模式识别。","previous_page":56,"next_page":58}