--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能伦理" author: null edition: null publisher: null year: null isbn: "9787302596622" library_document_id: "4f33a8d5-185f-4dd7-8093-04a4119470cb" source_sha256: "fcd3c9683d64b90a0f86208e72b703029dcf8f67d635958e09e34a63875b4472" pdf_physical_page_count: 1800 pdf_physical_page_index_base: 0 range_start: 360 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb?start=360&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=360&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=350&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=370&limit=10" --- # 人工智能伦理 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=360 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=361 | PRINTED_PAGE=NOT_DETECTED 图1.150 高卢雄鸡是法兰西民族骄傲的象征。在古罗马时期，法兰西被称为高卢（Gallia），“高卢人”在拉丁语还有“雄鸡”的意思 口 剑桥大学、慕尼黑工业大学的开源工具Isabelle是基于高阶逻辑（higher-order logic, HOL）的通用交互式定理证明器，常用于软件和硬件的形式化验证。 口 另外，开源的ACL2（a computational logic forapplicative common Lisp）支持基于归纳逻辑理论的自动推理，也是一件能够用于验证硬件和软件可靠性的形式化工具。2005年，ACL2获得ACM软件系统奖。 类似的自动推理工具还有很多。到目前为止，AI的技术（特别是统计机器学习）尚未大面积地应用于数学推理与发现，距离人工智能数学家的目标依然很远。 语言推理 人类的语言交流中不自觉地利用常识进行推理。例如，“孔乙己吃了两个苹果和几口面包”，对于问题“孔乙己吃了什么水果？”人们不假思索地回答“苹果”，因为常识中“苹果”是“水果”的子类。 按照定义1.1所给的自然语言理解的四个层次，复述是最低要求。一个简单句的主语（S）、谓语（P）、宾语（O）所用词语 $W _ { S } , \ W _ { P } , \ W _ { O }$ 可以替换为相应的同义词 $\overset { \prime } { W } _ { S } , \overset { \prime } { W } _ { P } , \overset { \prime } { W } _ { O } ,$ 进而得到与原句等价的陈述。即下面的两个语义三元组（semantic triple）(23)是等价的。 ## PDF_PHYSICAL_PAGE_INDEX=362 | PRINTED_PAGE=NOT_DETECTED $$ { \left( { \cal W } _ { S } , \ { \cal W } _ { P } , \ { \cal W } _ { O } \right) } \Leftrightarrow { \left( \stackrel { , } { \cal W } _ { \ S } , \stackrel { , } { \cal W } _ { \ P } , \stackrel { , } { \cal W } _ { \ O } ^ { ' } \right) } $$ 定义1.1 给出的第二层次是适当推理。动词概念之间有“蕴涵”（entailment）关系，如“打鼾”蕴涵“睡觉”，这类知识固化在WordNet中。机器由“阿Q正在打鼾”能推知“阿Q正在睡觉”。除此之外，“打鼾”替换为其上位概念“呼吸”也是合理的。再如，“孔乙己吃了两个苹果和几口面包”蕴涵“苹果和面包少了”“孔乙己吃了食物”“孔乙己咬了苹果”，等等，这些都是简单的语言推理。将同义词替换、句式变换、适当推理组合使用，机器可以从原始语句得到更多的“理解”。虽然这些额外的“理解”对人类来说反而信息量减少了，甚至有时是一些理所当然的废话，但对机器而言却是新信息。对于语义搜索、智能问答等应用，这些新信息无疑是非常有价值的。 ## PDF_PHYSICAL_PAGE_INDEX=363 | PRINTED_PAGE=NOT_DETECTED Jaha rr ## PDF_PHYSICAL_PAGE_INDEX=364 | PRINTED_PAGE=NOT_DETECTED 图1.151 在西方文化中，面包常被隐喻为“精神食粮”，机器能在上下文语境中越过它的表面含义读懂这个隐喻(metaphor)吗？ 另外，当机器知道某概念具有下位概念时，可以设计话术，让机器主动地去获取更详尽的信息。例如，苹果的种类很多，在WordNet概念知识库中，“苹果”有很多下位概念。人机对话系统可以根据一个概念存在下位概念而询问更具体的内容，如“孔乙己吃了哪种苹果？”“孔乙己吃的是红富士吗？还是澳洲青苹？”等。如果回答是“烟台苹果”，而它恰好不在知识库里，则机器捕捉到一个新的知识点。 ## PDF_PHYSICAL_PAGE_INDEX=365 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=366 | PRINTED_PAGE=NOT_DETECTED 图1.152 苹果有很多种类：红富士、澳洲青苹、元帅、黄香蕉（又名“金帅”） 有些知识对人类来说是有效的，但对机器来说一点儿用也没有。什么是机器有效的知识表示？在机器看来，就是可以用来问答、推理的那些结构化的知识。 类似WordNet这样的词汇语义（或概念）知识库，其中的关系（如名词概念之间的子类–类关系、部分–整体关系、成员–组织关系，动词概念的子类–类关系、蕴涵关系等）基本框定了机器能回答的问题类型。 L 概念A,B之间有什么关系？例如，从伯努利的家谱树 可 知 ， Jacob Bernoulli 是 Daniel Bernoulli 的 大伯。 ## PDF_PHYSICAL_PAGE_INDEX=367 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=368 | PRINTED_PAGE=NOT_DETECTED 图1.153 17世纪早期至18世纪末，伯努利家族中人才辈出的数学家们 根据已有的基本关系可以诱导出新的关系，如由“父子关系”可以定义“兄弟关系”“祖孙关系”“叔侄关系”等。这些衍生出来的知识是冗余的，有时可以拿来验证知识体系的一致性。 概念A包含哪些部分（组件、步骤）？例如，“建筑”有哪些步骤？ ## PDF_PHYSICAL_PAGE_INDEX=369 | PRINTED_PAGE=NOT_DETECTED constructin, building HAS PART: masonry HAS PARXpenntosepentig HAS PAR: plpbing, plumbery HAS PART: roofing HASPART:sheet--metal wrk HAS PART: shingling 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=370&limit=10)