{"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":80,"pdf_page":95,"physical_index":95,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"6efbd4b9b2071a92b71952ac8053caaacf020e1a089deda872802005b4a2c3e7"},"chapter":"内容简介","content":"● 最后，我们再定义一个谓词“ want(x)”，表示“要获取 x 而采取的行动”，它的具体定义如下：\n\n● 这样，所有的前提都建立完毕，把“我要去机场”这个意愿表达出来，看看机器会给你什么建议：\n\n根据以上定义，Advice Taker 就可以自动推理出“我要去机场”所要做的行为，下面是依次推理的步骤，最后一个输出的步骤就是结论，即“我要去机场”这个行为应该去做的第一个动作：“从书桌步行到汽车”。\n\n1. at（我，书桌）→ can（go（书桌，汽车，步行））\n\n2. at（我，汽车）→ can（go（我家，机场，驾车））\n\n3. did（go（书桌，汽车，步行）→ at（我，汽车））\n\n4. did（go（我家，机场，驾车）→ at（我，机场））\n\n5. canachult（at（我，书桌），go（书桌，汽车，步行），at（我，汽车））\n\n6. canachult（at（我，汽车），go（我家，机场，驾车），at（我，机场））\n\n7. canachult（at（我，书桌），prog（go（书桌，汽车，步行），go（我家，机场，驾车））→ at（我，机场））\n\n8. do（go（书桌，汽车，步行））\n\n上面笔者列举的这个例子，来自麦卡锡《常识编程》论文的原文，定义和推理过程虽然对人类来说会觉得很烦琐，但这些“烦琐”对机器来说并不存在任何困难。从这个角度看，机器用逻辑推理模拟人类思考，似乎确实具备可行性。可是，Advice Taker 其实并未解决“常识源自哪里？”这个真正的难题，上面这个例子中，诸如 go、walkable、drivable、canachult、want 这些谓词的定义，都是人类总结后灌输进去的，而不是计算机从某种“公理”或者“公设”性质的常识中推导而来的。使用一小撮最小化、最本质的公理定义和规则的集合就可以推理出人类的所有常识，这样的思路在数学、几何这些抽象世界虽然行得通而且常见，但也是经过了上千年时间和无数数学家的智慧才成功完成的，要在具体的现实世界里做到这点谈何容易。麦卡锡在论文中也承认了现在并不能解决这个问题，所以 Advice Taker 只是给出了一个让计算机获得常识的理论上的可行性，而暂时无法作为一个真正去实施的指导方法。\n\n80\n\n第二部分 学派争鸣","previous_page":79,"next_page":81}