打字猴:1.701561548e+09
1701561548
1701561549 比分已经二比四,只剩一局见分晓……
1701561550
1701561551 熟悉这首诗歌的大家一定了解当时马德维球迷的状态:
1701561552
1701561553 三三两两人离去,剩下的观众没有散。
1701561554
1701561555 他们心中继续闪耀着永恒不灭的希望;
1701561556
1701561557 大家心里想,“只要凯西上场就好办——
1701561558
1701561559 凯西若是来击球,我们就把所有赌注都押上”。
1701561560
1701561561 你也知道他们最终如愿以偿:
1701561562
1701561563 只见投手举起球,向着凯西扔过来,
1701561564
1701561565 现在,空气都因为凯西的击打而破碎。
1701561566
1701561567 此处无须提示,我们也不会告诉你接下来会发生什么。相反地,我们希望你来考虑有哪些可能性。如果你了解棒球,你就会知道凯西要么击中,要么与球擦肩而过。如果他击中了球,他大概会用尽全力,尽管他或许对这一记擦边球也有些恼火。让我们假设他狠狠地击球。事实上,他来了个场外全垒打。这一举动将导致什么结果?举例来说,他将绕垒跑一周,且他的队伍至少还能再打一轮。观众们也会有所反应。想必马德维的球迷们将兴奋而欢欣鼓舞地跳起来,为凯西的精彩表现欢呼呐喊。当然,并不是每个人都会如此兴奋:其他球队的球迷不会,赛场边对棒球漠不关心的、卖花生豆的小贩们不会,一条街之外正在分娩的、为眼前事烦心的女人也不会。但那些在赛场里的人会不会兴奋,就全凭他们支持谁,押宝在哪一支队伍上,以及他们对棒球是否有足够的了解以至在拥挤嘈杂的球场上及时跟上赛况。换句话说,这很复杂。确定一个行动会导致什么改变、什么不变并非易事。如果你是一台以出色的老式人工智能为原型的计算机,以上所有这些可能出现的结果都必须使用你能读懂的算法编入软件。对每一步接下来可能采取的行动,你都得列出一个长长的单子,写着你将要做出的改变,同时,还得有一个更长的、写满不变因素的单子。而事实上,这个单子或许长得根本没有尽头。
1701561568
1701561569 关于编程时哪些改变要写入、哪些不用写入的问题被计算机科学家和逻辑学家称作框架问题。3尽管针对框架问题的现有想法不少,但解决它还有很长的路要走。要弄清楚这个问题为何这般棘手,不妨想一下,为了解决它你都需要了解些什么。你必须熟知棒球的规则,同时你还得了解人类的情绪,才能理解为什么有人兴高采烈,有人垂头丧气。你也必须对人类文化了然于胸,才能弄懂为什么有人在乎比赛结果,有人不屑一顾。你甚至必须得懂一点物理学,才能明白距离球场太远的人不太可能即时知道比赛结果。而上述所有知识都融进了前述短短的几行诗里。反正,你得找出诗歌所述事件的关键点,再由这些关键点探寻出所有的相关知识。
1701561570
1701561571 这里还有出色的老式人工智能会碰到的另一个难题。想象你正在徒步穿过一个森林。你所迈出的每一步都是冒险。你的双脚踩过高高低低的树枝、荆棘和石头;有时你还会在碎岩和砾石上重心不稳、失足摔跤。在各个位置上,你的脚都必须配合所处的环境行动。从长远来说,它得朝着你决定前往的方向走去。而短时间内,它得避免被障碍物绊住或被黏黏糊糊的秽物弄湿。从更微观的角度说,无论地面上有什么,你的脚都必须乖乖配合。假如路上有一颗鹅卵石,它就一定得跨过去。倘若你脚下的每一个动作都是由你的神经系统计划好的,能带你避开路障、踏踏实实地踩在地上,计算出了脚步的精确轨迹,包括控制每一个脚部动作的肌肉群,这将涉及一大堆的计算,足以让一台超级计算机忙上半天。
1701561572
1701561573 若要算出你每一个脚步的精确轨迹,即使花不了几天也得花上几个小时绕开障碍。大多数时间里你都将一动不动,思维瘫痪,一味地做着机械枯燥的重复计算。这正是出色的老式人工智能系统所做的:它们在行动前优化和统筹一切。一套做咖啡的出色的老式人工智能系统会把大量的时间用在思量筹划上,而只花一丁点儿工夫真正做咖啡。出色的老式人工智能机器人宛如加强版的理论哲学家,想得多而做得少。
1701561574
1701561575 如果机器人的运算系统运转得足够快,那它可能看上去并没有花太多时间用于思考和筹划。何况当代名副其实的计算机其运算速度都快得惊人。但即使是它们中的佼佼者,相对出色的老式人工智能来说仍然不够快。当今的机器人备受瞩目,是由于它们的决策和行动借鉴了一种不同类型的计算——仿生的计算。
1701561576
1701561577
1701561578
1701561579
1701561580 知识的错觉:为什么我们从未独立思考 [:1701560715]
1701561581 知识的错觉:为什么我们从未独立思考 具身智能
1701561582
1701561583 罗德尼·布鲁克斯(Rodney Brooks)自20世纪80年代起任职麻省理工学院的计算机科学教授,已逾20年之久。他曾站在机器人技术革命的风口浪尖上。当他还是一个年仅12岁、生活在澳大利亚的小男孩的时候,他对机械即抱持着超前的看法,并自制了一个电子井字棋游戏。4与旧有思路不同,布鲁克斯没有把井字棋游戏的逻辑语句写成软件编入现成的计算机里,反之,他从零开始,硬是用废弃的金属、开关、电线和灯泡造出了这个游戏。尽管他的做法与众不同,但这款游戏还是无往不胜。
1701561584
1701561585 布鲁克斯看不上传统的出色的老式人工智能机器人,因为它们的任务说明必须巨细靡遗。比如,一名程序员必须小心地列出计算所需的条件(怎么做运算,怎么移格,或怎么在游戏中制胜),像严格计量的菜谱一样写下来,即写成一套算法,再让机器人遵从一系列给定的明确指令按部就班地执行。布鲁克斯并不认为一台真正的智能机器人理应需要如此详尽的指示。
1701561586
1701561587 布鲁克斯倡导另一种被称作具身智能的思路,其设计灵感源自生物体本身。某种动物的演化不是一蹴而就的。相反地,新物种慢慢崭露头角,年复一年,逐步积累从其祖先身上承袭的生物学功能。早期人类所面对的世界是混沌的,更确切地说,人类也是从更原始的,无法思考,只会做些如游动或蠕行、觅食与繁衍后代之事的生命形式演化而来的。它们有专门化的系统用以处理上述事务,那是一些在自然选择中留存下来且依旧运行在鱼类、昆虫及其他动物体内的系统,当然也包括人类。动物行走时,使用的是祖先们历经数百万年形成的神经通路,从游泳到爬行,再到用越来越复杂的肢体走动。那些远古时代的动物也具备感知系统,其演化成为现代哺乳动物的眼睛、鼻子和耳朵。
1701561588
1701561589 因此,当布鲁克斯的团队着手研发一个机器人时,他们将从一个只能说话和走路的简单装置起步。但它走得很顺利,它能够实时对所处环境做出响应,而非按照细致规划好的每一步行事。机器人的四肢通常不会由一个全能的中央处理器操控,反而每只手脚都装有弹簧、减震器和独立的开关,以便各自为政,使它能凭自身的智慧因应简单的问题。布鲁克斯机器人的四肢能在没有中央控制器发号指令的情况下,自主地躲避障碍物或自我调节以适应路况。像这样的一个机器人或许无法全凭一己之力走出复杂的迷宫,但它已经走得十分稳健了。它不会被鹅卵石绊倒或摔倒在路上,石块和沙地对它来说都不在话下,相对缓和的上下坡也能应付。布鲁克斯的想法是,更复杂的机器人将利用这种行走架构,参与更高级的任务。新的模块可能会与基本的行走模块相呼应,比如说,能够感知光线和解读视觉信号。
1701561590
1701561591 你或许曾见过这类机器人,艾罗伯特(iRobot)公司的伦巴(Roomba)吸尘器就是个例子。你家里甚至可能就有一个呢。它们长得像磁盘一样,在人们家里地板上转来转去地吸尘,同时既能避开障碍物也不会有滚下楼梯的危险。伦巴配有两个独立运行的轮子,以及一大堆用于告知它前方会不会撞到东西的传感器。如果一个伦巴吸尘器即将撞上一堵墙或其他物品,它会转向去其他地方。但它并没有一整套总体规划,只是朝不同方向旋转轮子而已。它的各个传感器和控制器各行其是,对其他同伴在做什么并不知情。每个部分都各自简单而有效地工作着,而总体效果令人赞不绝口:它吸走了你家地板上的灰尘。
1701561592
1701561593 由于较高级别的模块需包含低级别的功能,这种遵循实体智能设计机器人的方法被称为包容体系结构。这种结构把智能看作一个庞大的分层体系:高级的复杂任务表现为简单技能之组合,相应地,简单技能又以更简单的技能为基础。复杂的任务并非完全由详尽的计算和规划而达成,而是在最低的层级上依序直接对环境做出响应。布鲁克斯从未想过他打造的机器人能做任何精妙绝伦之事,但他的理念已是当代主流机器人技术的极简主义设计中不可或缺的一部分。与其将所有复杂巧妙的技能都事先注入机器人体内,今日最顶尖的机器人更应具备的是对所处环境有效因应的能力。如此一来,它们无须事先为每一个小动作都规划好算法。环境都替它们算好了。
1701561594
1701561595
1701561596
1701561597
[ 上一页 ]  [ :1.701561548e+09 ]  [ 下一页 ]