讀人工智慧全傳03分治策略

1. 黃金年代

1.1. 圖靈在他發表的論文《計算機器與智慧》中介紹了圖靈測試，為人工智慧學科邁出第一步做出了重大貢獻

1.2. 美國在第二次世界大戰後幾十年裡計算機技術發展的特色，也是美國在未來60年內確立人工智慧領域國際領先地位的核心

1.3. 1955年，麥卡錫向洛克菲勒研究所撰寫計劃書申請經費的時候，他不得不給這項活動起個名字，他選擇了“人工智慧”這一名稱

1.3.1. 人工智慧中的“人工”一詞，英文為“artificial”，它還有一層意思是“虛假”“贗品”

1.3.2. “智慧”(intelligence)這個詞彙來源於“智力”(intellect)

1.4. 1956年的夏天，一位名叫約翰·麥卡錫(John McCarthy)的年輕美國學者，為這一領域命了名

1.4.1. 是公認的人工智慧學科誕生元年

1.4.2. 在20世紀50到60年代，他以近乎不可能的才華，為計算機領域貢獻了一系列新的理念

1.4.3. 他最著名的成就應該是被稱為LISP的程式語言，幾十年來，LISP一直是人工智慧研究人員首選的程式語言

1.4.3.1. 麥卡錫在20世紀50年代中期發明了LISP語言，令人驚訝的是，近70年後，全世界仍然在教授和使用它

1.5. 麥卡錫本人在史丹佛大學創立了人工智慧實驗室，位於現在的矽谷中心地帶

1.6. 馬文·明斯基在馬薩諸塞州劍橋市的麻省理工學院也創立了一個實驗室

1.7. 艾倫·紐維爾(Alan Newell)和他的博士生導師赫伯特·西蒙(Herbert Simon)則去了卡內基-梅隆大學

1.8. 這四位天才帶領著他們的學生建立的人工智慧系統，是我們這一代人工智慧研究工作者的圖騰

1.9. 到了20世紀50年代末，一切都發生了天翻地覆的改變：新的學科建立，並有了專屬的名稱，研究人員可以自豪地展示用以揭示智慧行為基礎組成部分的第一個試驗性系統

1.10. 1956年到1974年間，人工智慧研究領域掀起了樂觀積極、迅速發展的浪潮，這一時期被稱為人工智慧的黃金年代

1.10.1. 這20年是人工智慧的第一個繁榮期

2. “搜尋”的技術

2.1. 時至今日，它仍然是諸多人工智慧系統的核心元件

3. 計算複雜性

3.1. 在20世紀60年代末到70年代初建立並發展起來的理論，用以解釋為什麼人工智慧所面臨的諸多問題從本質上來說難以解決

4. 分治策略

4.1. 通用人工智慧是一個龐大而模糊的目標，很難直接達成

4.1.1. 與其一口氣嘗試構建完整的通用智慧系統，不如識別出通用人工智慧系統所需的各項不同能力，分別構建具備這些能力的體系

4.1.2. 如果我們能夠成功構建通用人工智慧所必需的每一種智慧系統，那麼，以後將它們組合成一個整體，比起直接構建完整的通用智慧系統簡單得多

4.1.3. 通用人工智慧的研究方向是將精力集中在解決智慧行為的各種元件上，成為人工智慧研究的標準方案

4.2. 感知

4.2.1. 一臺機器要在特定的環境中智慧地工作，就必須能夠獲取周圍環境的資訊

4.2.2. 我們人類透過各種機制感知世界，包括五種感覺：視覺、聽覺、嗅覺、觸覺和味覺

4.2.3. 就得研究製作能夠感知外界的感測器

4.2.4. 如今的機器人使用各式各樣的人工感測器來接收有關環境的資訊

4.2.4.1. 雷達、鐳射雷達、紅外線測距儀、超聲波測距儀等

4.2.4.2. 不管數位相機的光學系統有多好，不管相機的影像感測器有幾百萬還是幾千萬畫素，最終相機所做的事情只是把看到的影像解析成一個個網格，然後為網格中的每一個單元格分配數字，表示它的顏色和亮度

4.2.4.2.1. 最終它收到的資訊也只是一連串的數字

4.2.5. 感知領域的第二個挑戰是如何解析這些原始的數字，理解它所“看到”的影像

4.2.5.1. 這項挑戰遠比製作感測器難得多

4.3. 通用智慧系統的另一個關鍵能力是透過學習積累經驗，這引出了一個名叫機器學習的人工智慧研究分支

4.3.1. 機器學習跟人類學習是完全不同的，它的學習指的是解析和預測資料

4.3.2. 機器學習的一個巨大成就是出現了可應用的人臉影像識別技術，通常的實現方法是給予程式諸多希望它學習的例子

4.4. 問題解決和制訂計劃是兩個相關聯的能力，它們也與智慧行為有關

4.4.1. 它們都要求用給定的動作組合來達成目標，而實現的關鍵在於找到正確的動作序列

4.4.2. 在解決問題和制訂計劃中最根本的難點在於，只需要考慮移動棋子的所有可能結果，雖然從原理上看起來很容易做到，但是實際上執行起來卻非常困難，因為棋子可能移動的步驟實在是太多了

4.5. 推理是諸多與智慧相關的行為中最令人崇拜的一種：它基於現有的事實，用強大的邏輯方式獲取新的知識

4.5.1. 長期以來，人們都認為這種推理能力應該是人工智慧的主攻方向

4.5.2. 雖然現在已經不是主流了，但自動推理仍然是人工智慧領域中一個重要的分支

4.6. 自然語言理解

4.6.1. 這涉及讓計算機理解人類的語言，比如中文或者英文

4.6.2. 很長一段時間以來，讓計算機理解自然語言的主要方法是試圖為自然語言加以精準的定義和明確的規則，就像我們定義計算機語言一樣

4.6.2.1. 事實證明，這是不可能的

4.6.3. 自然語言太過靈活、模糊和易變，無法用這種方式嚴格定義，而語言在日常生活中的使用方式更是阻礙了對其進行精確定義的嘗試

5. SHRDLU和積木世界

5.1. 人工智慧要完成的挑戰是如何將初始狀態轉換為目標狀態

5.2. 旨在展示人工智慧的兩個關鍵能力：解決問題和自然語言理解

5.3. SHRDLU系統是黃金年代最受歡迎的成就之一

5.3.1. 這個奇怪的名字來源於當時印刷機上的字母排列

5.3.1.1. 程式設計師就喜歡弄點晦澀的笑話

5.4. SHRDLU的問題解決元件是基於人工智慧界最著名的實驗場景之一：積木世界

5.4.1. 積木世界可能是整個人工智慧領域中研究得最多的場景

5.4.1.1. 積木世界之所以引起人們關注，是因為它直觀且易於理解

5.4.1.2. 積木世界所研究和解決的，只是用一系列可執行的動作來解決問題的方法

5.4.2. 積木世界是一個包含了許多彩色物體(方塊、盒子和錐體)的模擬環境

5.4.2.1. 使用模擬環境而不是真實環境去構建機器人，初衷在於將問題的複雜性降低到可管理的程度

5.4.2.2. 在積木世界中，機械臂完成拾取物品並移動它的操作，聽上去與現實世界中我們為機器人設想的任務類似

5.5. SHRDLU的問題解決模組可以根據使用者的指令來排列物件，也可以使用模擬機械手臂來操作物件

5.6. SHRDLU最為人稱讚的特性之一，是使用者可以向系統傳送指令，並且能從系統中接收到類似自然語言的反饋

5.7. 在SHRDLU(以及諸多後續研究)的積木世界，如果要作為開發使用人工智慧技術的場景，還有著嚴重的侷限性

5.7.1. 積木世界是一個封閉的世界，這意味著引起世界變化的唯一因素就是SHRDLU

5.7.2. 積木世界是模擬世界，SHRDLU並沒有真正操作一個機械臂來拾取物件並移動它們，它只是作為程式假設這麼做而已

5.8. 問題不在於機器人，而在於人們天真地低估了這些問題的難度

5.8.1. 我們錯誤地以為，某些人類執行起來輕而易舉的任務，機器人執行起來也應該同樣輕鬆

5.8.2. 看上去它構造出了類似現實世界的機器人工作環境，其實都是我們自己臆想出來的

5.9. 只解決了機器人在現實環境所面臨的問題中極小的一部分，並且絕不是最困難的那部分

6. 機器人SHAKEY

6.1. 1927年，弗里茲·朗(Fritz Lang)在其導演的經典電影《大都會》中塑造的機器人形象，成為後世無數機器人熒幕形象的模板

6.2. 機器人，尤其是類人的機器人，成為人工智慧的標誌

6.2.1. 最能體現人工智慧夢想的，就是有長得跟我們差不多、擁有類似我們智力的機器人，與我們同吃同住同勞動

6.3. 在黃金年代，機器人只是人工智慧故事中佔比相對較小的一部分

6.3.1. 一個在20世紀60或70年代獨立工作的博士生，絕對承擔不起建造一個研究級的人工智慧機器人的費用

6.3.2. 構建一個類似SHRDLU的程式要比構建一個現實的、可操作的機器人簡單得多，也經濟得多

6.3.2.1. 反正系統的複雜性和混亂性是能滿足現實需求的

6.4. 在1966年至1972年間史丹佛研究所開展的SHAKEY專案

6.5. STRIPS

6.5.1. 史丹佛研究所問題解決系統Stanford Research Institute Problem Solver的縮寫

6.5.2. 人們公認STRIPS系統是人工智慧規劃技術的鼻祖

6.6. 所有的智慧系統必須流暢、完美地彼此配合，協同工作

6.7. SHAKEY是人類第一次認真嘗試構建可移動的、實體的機器人，它可以在現實世界完成各項任務，並且自己想出完成這些任務的方法

6.7.1. 需要感知所處環境，瞭解自己身處的位置和周圍的狀況

6.7.1.1. SHAKEY配備了一個電視攝像機和鐳射測距儀，用來確定它和各物體之間的距離

6.7.1.2. 為了探知障礙物，它還配備了一個名叫“貓須”的碰撞探測器

6.7.2. 還要能接收任務，並自己制訂完成任務所需要的步驟

6.7.3. 然後按步驟執行任務，同時確保在執行過程中一切順利，達到預期效果

6.8. SHAKEY可不是SHRDLU那樣虛擬的系統，它是一個真實的機器人，能夠真真正正地操作物體，這可是一項偉大的挑戰

6.8.1. SHAKEY可以說是第一個成為現實的自動移動機器人，它開創了一系列令人驚歎的人工智慧新技術，和SHRDLU一樣，由於這些成就，它理應在人工智慧歷史中獲得殊榮

6.9. SHAKEY也充分暴露了當時人工智慧的侷限性

6.9.1. 它所處的環境都必須經過特別的粉刷，還需要精心的照明

6.9.2. 當時的開發人員一直在與計算機的侷限做鬥爭

6.9.3. 得用無線電把SHAKEY連線到一臺操控計算機上