《Human-Level Artificial Intelligence? Be Serious!》论文阅读报告

《Human-Level Artificial Intelligence? Be Serious!》论文阅读报告

一、 论文基本信息

作者:Nils J. Nilsson。尼尔斯.尼尔森是斯坦福大学教授,1958年获斯坦福大学电气工程博士学位,在斯坦福国际咨询研究所人工智能中心工作二十多年。除了人工智能和机器学习的教学外,尼尔森教授还开展了能够应对动态世界、规划行动路线并从经验中学习的柔性机器人研究。
出版源:《Ai Magazine》, 2005 , 26 (4) :68-75。
摘要:我认为真正的人类级别的人工智能就是人类的大部分工作都可以实现自动化。我不赞成构建特殊的系统来实现这个自动化目标,而是开发通用的、可接受教育的系统,系统可以学习并被教导执行人类可以任职的数千个工作中的任何一个。结合其他人提出的类似建议,我主张从构建一个具备微型、广泛和内置能力于一身的系统开始。这些能力必须具备自学习和一些其它的能力。

二、 论文详细内容

文章主要从人工智能的发展目标出发,讲述了人工智能应当如何发展,侧重发展的方面以及发展过程中遇到的挑战,最终给出了结论性的观点:如同人类一样智能的系统最终会实现。
论文主要可以分为以下六部分:

AI去工作

此部分内容主要介绍了人工智能要发展的目标,作者认为仅仅使机器通过图灵测试,并不构成人类智能体系结构的合适或有用的标准。作者提出了一个“就业考试”的概念,使用它来代替图灵测试。就业考试可以检测机器是否具备完成人类能够完成的工作的能力。有一部分人认为,令机器智能达到人类智能的水平太难了。许多研究人员倾向于研究“弱AI”,即更侧重于帮助人类工作而不是代替人类去工作。作者对此提出异议,认为真正的人工智能就是实现类似人类智能一样的智能,而且认为这对人类社会有积极意义。

挑战

此部分主要介绍研究人工智能所遇到的挑战。既然要对机器智能进行测试,就要测试机器智能是否有这样的能力去实现自主学习。因为一些学校和网站有相应的课程和测试来衡量教学技能的进步和能力,所以作者以此为平台,判断AI程序通过考试的能力,并以此为依据看实验结果,若此技能增强,证明AI在向人类智能迈进。当然,作者不建议用特定的学校或网站的技能测试,因为这样极有可能会衍生一个缺乏适应能力变化的系统,虽然它提高了人的工作效率。

Habile系统

作者在文中提出,我们暂时忽略人类天生具有不同的才能和不同 “智力”的固有能力的事实,但我们仍然认为人类能够学习各种不同的技能。类似地,作者认为人工智能应该努力构建少量的通用机器,这些机器能够自学习和学习技能,而不是编写更多数量的机器,每台机器拥有不同的个人技能,然后将这些技能组合从头开始。 在早期的一篇论文中,作者将这种通用机器称为“habile systems”(Nilsson 1995)。为实现人性化AI的主要目标,可以建立几个学习职业技能的人工智能项目的子目标。子目标并不比主要目标容易,但至少我们只需要构建几个这样的系统,而不必为成千上万不同的工作单独构建一个系统。研究这个子目标将涉及长期人工智能研究方向的重大转变。

儿童机器

作者认为机器智能应该如同人类智能一样,从儿童时期成长到成人期。先从最简单最易实现的儿童智能入手,将机器智能模仿儿童智能,然后慢慢发展。文中提出,图灵认为我们不能期望在第一次尝试时找到一个好的儿童机器,人工智能为此进行了多年的实验。作者想要提出一个可服务的核心,即AI。适当的具备自学习能力的系统为人力资源管理提供了最佳途径。作者相信最初的核心确实会相当复杂。 此外,核心和后续分层必须“受到适当的教育”。

核心建议

传感系统
核心传感系统至少应包括与典型的人类婴儿或儿童拥有的能力相似的能力。系统输入应包括视觉,触觉,音频和触觉感应机制。必须提供一套基本的感知程序,可能受一套内置目标的影响,以处理这些输入。电机输出应包括操纵,发声,视觉显示和运动。一套基本的激活程序对感知系统和目标做出适当的响应,将提供控制这些输出的初始手段。在合适的环境中的早期经验将为学习系统提供增加这些内置能力的机会。
感知,表示和行动的层次结构
核心系统应该具有表示关系模型的抽象层次结构(使用基本和学习感知谓词的词汇表)以及电机例程的层次结构的手段。作者想到的是James Albus(1997)的实时控制系统(RCS),黑板系统(Engel-more和Morgan 1988)以及作者的三塔架构(Nilsson 2001)。系统需要的是能够根据经验和教学自动生成这样的层次结构。
预测和计划
核心系统需要能够对未来感知状态进行预测,这些状态将由目前状态下采取的建议措施产生。这些预测构成制定实现目标的行动计划的基础。预测状态的奖励值和实际遇到的状态之间的差异是时空差异学习方法的基础,(Sutton 1988)和动物(Montague,Dayan和Sejnowski 1996)的预测精度。关于计划,McCarthy(1999)推测,婴儿有内在的能力认识到达成目标行动的先决条件应该作为子目标来追求。他称之为“目标回归”。目标回归是许多AI规划系统的基础。
学习
核心系统的本质是它通过学习,模仿,经验,实践和教育来增长和改变的能力,在方便的时候通过重新编程而得到增强。在发展核心系统的某个阶段,其强化学习机制必须能够与前面提到的知觉、表征和行动等级(Barto和Mahadevan,2003)以及状态的关系描述(Dzeroski,De Raedt和Driessens 2001)联系起来。这些仍然是未来研究的重要领域。
推理和知识表示
推理和知识表示的使用引起了关注。AI研究自成立以来,我们清楚使用逻辑方法进行完善的推理是很棘手的,如果推理是从大量语句集合开始的,这些语句则需要一个胜任的人必须拥有相应的知识。然而,许多的人类任务需要有效的推理,一个解决策略就是将一个不切实际的大型知识库分为两个弱相互作用的半独立部分。
语言
语言能力需要用于多种场合:在不同的人之间进行沟通,与人交流,通过阅读进行学习,以及进行内部表达和推理。当然,还要参加课程和考试!通过语言命令或建议给出的明确信息,给出了比奖励和惩罚隐含的更精确的方向。

结论

作者认为,如同人类一样智能的系统最终会实现。无论如何,人们会继续尝试自动化人类工作,因为执行它们的硬件和软件最终将比人类的工资和福利待遇更便宜。即使工作因经济、社会或其他原因变得不具备自动化的能力,我们仍然可以通过让候选系统进行性能测试来衡量这些工作所需的能力,从而衡量人类AI的进展。

三、论文阅读体会

此论文是一片综述性的论文,读完这篇论文后,使我们对人工智能的发展目标、方向、方法及挑战有了深入了解。我们认为,人工智能最终受益的还是人类。因为我们有了人工智能后,我们的生活变得更有趣和方便。目前人工智能已经为人类创造出了非常可观的经济效益,人工智能可以代替人类做大量人类不想做、不能做的工作,而且机器犯错误的概率比人低,并且能够持续工作,大大的提升工作效率,节约了大量的成本,未来的人工智能可能还会代替人类工作,代替人类做家务,帮助人类学习,甚至可以照顾老人和小孩,实时监护人类的健康,生病了直接给人来治疗,延长人类的寿命,让人类的生活变得越来越美好。

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 技术工厂 设计师:CSDN官方博客 返回首页