讀AI新生：破解人機共存密碼筆記04計算的極限

1. 計算的極限

1.1. 光靠速度是無法給我們帶來人工智慧的

1.1.1. 在速度更快的計算機上執行糟糕的演算法並不會使演算法變得更優秀，這隻意味著你會更快地得到錯誤的答案

1.1.2. 資料越多，錯誤答案出現的機會就越大

1.2. 物理學對計算機的能力還有什麼限制嗎？

1.2.1. 答案是肯定的

1.3. 這些限制會妨礙我們擁有足夠的計算能力來創造真正的人工智慧嗎？

1.3.1. 答案是否定的

1.3.2. 限制是存在的，但是這些限制不可能阻止我們創造真正的人工智慧

1.4. 估算了膝上型電腦的極限

1.4.1. 每秒10^{51次運算，10}30位元組的記憶體

1.5. 除了物理上的限制外，計算機的能力還受到其他限制，這些限制源於電腦科學家的工作

1.5.1. 圖靈證明了有些問題是任何計算機都無法判定的：這些問題定義明確，有答案，但是不存在總能找到答案的演算法

1.5.2. 停機問題

1.5.2.1. 一個演算法能否判定一個給定的程式是否會陷入無法結束執行的“死迴圈”？

1.5.2.2. 圖靈證明了，沒有演算法可以解決停機問題，這對數學基礎來說是非常重要的，但它與“計算機是否可以實現智慧”這個問題無關

1.6. 專注於可判定的問題並沒有對人工智慧施加任何真正的限制

1.6.1. 可判定並不意味著容易

1.7. 電腦科學家花費大量時間思考問題的複雜性，也就是思考，用最有效的方法解決一個問題需要多少計算量

1.7.1. 線性複雜度

1.7.1.1. 這意味著它非常容易

1.7.2. 在最壞的情況下，許多問題具有指數複雜度

1.7.2.1. 我們所知道的所有演算法都需要指數時間，即解決某些問題所需要的時間根據輸入資料的大小而呈指數級增長

1.7.2.2. 理論電腦科學家非常確定不存在更有效的演算法

1.7.2.3. 難度的指數級增長意味著問題在理論上或許是可解決的

1.7.2.3.1. 它們肯定是可判定的

1.7.2.3.2. 有時在實踐中無法解決，我們稱這些問題為難解問題

1.7.2.3.2.1. 我們也沒有理由認為人類能解決難解問題

1.7.2.3.2.2. 量子計算有所幫助（無論是在機器中還是在大腦中），但不足以改變基本結論

1.8. 判定給定地圖是否可以僅用三種顏色著色，使得任意兩個相鄰區域都是不同的顏色

1.8.1. 眾所周知，用四種不同的顏色著色總是可能的

1.8.2. 在100萬個區域中，可能存在一些情況（不是所有情況，而是某些情況）需要大約2^1000個計算步驟才能找到答案

1.8.2.1. 在Summit超級計算機上執行這些計算大約需要10^275年

1.8.2.2. 在塞思·勞埃德的終極物理膝上型電腦上需要10^242年

1.8.2.3. 宇宙的年齡大約是10^10年

1.9. 複雜性意味著現實世界的決策問題

1.9.1. 在人生的每一刻決定現在做什麼的問題，是非常難的，所以人類和計算機都無法找到完美的解決方案

1.9.2. 我們預計，在大多數情況下，現實世界的決策充其量只能算是勉強過得去，遠談不上最優

1.9.3. 我們預計人類和計算機的許多“思維體系結構”——其決策過程的實際運作方式，將被設計成儘可能地克服複雜性，也就是說，雖然世界極其複雜，但我們仍有可能找到一些還算過得去的答案

1.9.4. 無論未來的機器有多智慧、多強大，我們都預計上述兩點仍然是正確的

1.9.4.1. 機器的能力可能比我們強大得多，但仍遠非絕對理性

2. 智慧計算機

2.1. 17世紀偉大的法國數學家布萊茲·帕斯卡是第一個研製出真正實用的機械計算器的人

2.2. 19世紀，科技取得了巨大的飛躍，英國數學家、發明家查爾斯·巴貝奇（Charles

Babbage）設計了分析機，後來圖靈將這種機器定義為可程式設計通用計算機

2.3. 洛夫萊斯理解了分析機的真正潛力

2.4. 圖靈在1950年發表的論文《計算機器與智慧》是許多關於智慧機器可能性的早期作品中最著名的一篇

2.5. 模仿遊戲

2.5.1. 圖靈測試

2.5.1.1. 圖靈測試對人工智慧沒有什麼用處，因為它下的是一個非正式的、高度偶然的定義

2.5.1.1.1. 它取決於人類思維極其複雜和在很大程度上未知的特徵，這些特徵來自生物學和文化

2.5.2. 模仿遊戲在圖靈的論文中扮演了特殊的角色，這是一個反駁那些懷疑者的思想實驗，懷疑者認為機器不能出於正確的理由，以正確的方式，用正確的意識來思考

3. 智慧體和環境

3.1. 現代人工智慧的核心概念是智慧體，即能感知和行動的東西

3.2. 智慧體是隨著時間的推移而發生的過程，從這個意義上講，它是一個感知輸入流被轉換成一個動作流的過程

3.3. 對國際象棋程式而言，輸入大多隻是時鐘的計時數，它偶爾會收到對手走子和新的棋局開始的通知，而當程式思考時，其動作大多是什麼也不做，偶爾選擇走一步棋並通知對手

3.3.1. 對國際象棋教練而言，學生的想法是與環境相關的一部分

3.3.2. 與棋局不同，學生的想法是環境中的一部分，無法被直接觀察到

3.4. 構建智慧體的方式取決於我們面臨的問題的性質

3.4.1. 智慧體的工作環境：棋盤與手機或擁擠的高速公路截然不同

3.4.2. 將智慧體與環境連線起來的觀察和動作：Siri能訪問手機的攝像頭，它才能“看”

3.4.3. 智慧體的目標：教對手下棋與贏棋是截然不同的任務

3.5. 影響智慧體設計問題的特徵

3.5.1. 環境是完全可觀察的（如在國際象棋中，輸入提供了對當前環境狀態的所有相關方面的資訊），還是部分可觀察的

3.5.2. 環境和動作是獨立的（如國際象棋），還是實際上連續的（如駕駛）

3.5.3. 環境中包含其他智慧體（如國際象棋和駕駛），還是不包含其他智慧體（如在地圖上查詢最短路線）

3.5.4. 環境的“規則”和“物理定律”所規定的行動結果是可預測的（如國際象棋），還是不可預測的（如交通和天氣），以及這些規則和定律是已知的還是未知的

3.5.5. 時間跨度是長還是短。我們要在這個時間跨度里根據目標來衡量決策質量

3.6. 某些型別的問題比其他型別的問題更容易

3.6.1. 設計一個保持水平飛行的無人駕駛儀是一個短期、連續、動態的問題，這通常屬於控制理論的研究範疇

3.6.2. 對於較簡單的問題型別，人工智慧研究人員已經開發出了相當通用且有效的演算法，並具有紮實的理論理解

3.6.2.1. 機器在這類問題上的表現要優於人類

3.6.2.2. 一個演算法是通用的，因為我們可以用數學證明它，該演算法在整個問題類別中，以合理的計算複雜性給出最優或接近最優的結果，而且因為它在實踐中可以很好地解決這類問題，所以不需要針對任何特定問題進行修改

4. 電子遊戲

4.1. 像《星際爭霸》這樣的電子遊戲比棋類遊戲要困難一些

4.2. 電子遊戲包含數百個移動部件和數千個步驟的時間跨度，而且地圖在任何給定時間內都只有部分可見

4.3. 在每個點上，玩家都可能至少有10^{50種選擇，而圍棋大約有10}2種選擇

4.4. 電子遊戲的規則是已知的，而世界是離散的，只有幾種型別的物件

4.5. 截至2019年初，機器已經達到了《星際爭霸》專業玩家的水平，但還沒有準備好挑戰最優秀的人類玩家

4.5.1. 要達到這一點，機器還需要針對特定問題做大量努力

4.5.2. 通用方法還沒有為《星際爭霸》做好準備