人工智能未来展望,后深度学习时代.pdf

人工智能的未来展望 -后深度学习时代 清华大学计算机系 张钹 纪念人工智能诞生60周年 -1956-2016 它是一位“耳顺”之年的老人 它是一个刚诞生不久的学科 一、符号主义的诞生 • A. Newell, H. Simon, M. Minsky, R. Reddy, J. McCarthy, E. Feigenbaum 图灵奖获得者 • 有限理性-Bounded Rationality 物理符号系统假设-PSS 假设 A Newell and H. A. Simon, Computer science as empirical inquiry: symbols and search, Communication of the Association for Computing Machinery, 19:113-126,1976 符号主义的认知计算模型 基于知识与经验的符号表示与推理模型 专家 启发式搜索模型 知识驱动模型 推理机制 知识库 基于规则的模型 用户 符号主义掀起一场计算机（算 法）应用的革命 传统算法基于数学模型 • 知识驱动基于知识与推理，它可以处 理所有“能够清楚表述”（知其然又 知其所以然）的问题 • 启发式搜索模型极大降低计算复杂性 极大扩大解决问题的范围 符号主义方法被高估了 人工智能进入第一个冬天 1982-1992日本政府（通产省）第五代计算机计 划 （共投资540亿日元） • 知识情报处理系统，按人工智能方式设计 • 大容量知识库、高速符号推理 • 自然语言处理：数百人连续谈话，正确理解率 95%,… 最初的反应与最后的结局 • E. Feigenbaum：这项计划即使部分实现， 也将产生巨大经济利益，将使日本占有市场 ，并夺得统治地位。事态极为严重，美国如 不自强，则在超工业化社会中只能处于农业 大国的地位 • 美国产业部分领导人认为日本这项计划是烟 雾般抓不住的东西 知识驱动法的局限性 • 人类认知行为的大部分属于“说不清” 。即使是理性思考，也有大量不能清楚 表述。如歧义性、模糊性和常识等 • 就是论事（领域相关），难以应对开放 问题 • 需要大量知识，难以扩大规模 IBM深蓝程序打败国际象棋冠军卡 斯帕诺夫-完全信息下的决策问题 树搜索+人工编程 A B . . . A V （评价函数） . . . . . . 人工编程 启发式搜索模型 使用大量的知识 深蓝 • 4,000 和700,000 盘（position）大师下的 棋局, 大量5-6 子的残局 200M positions/sec 搜索速度 • 评价函数 8,000参数（调整） 以知识为基础的问答系统 -Watson系统 在“危险边缘”智力问答游戏中，战胜人类冠军 • 使用大量知识（数据）： 2亿页知识, 包括全 部WIKI 的内容, TB 级存储 • 整合不同数据源的信息 证明：在一定限定范围和场景下可以