人工智能课件chapter2

Chapter2

HistoryofArtificialIntelligenceTextAThehistoryofArtificialIntelligence(AI)beganinantiquity,withmyths,storiesandrumorsofartificialbeingsendowedwithintelligenceorconsciousnessbymastercraftsmen;asPamelaMcCorduckwrites,AIbeganwith“anancientwishtoforgethegods.”

人工智能的历史人工智能（AI）的历史可以追溯到远古时代，当时的神话、故事和传说都是由工匠大师赋予人工智能或意识的；正如帕梅拉·麦考达克（PamelaMcCorduck）所写，人工智能始于“铸造神灵的古老愿望”。Thestudyofmechanicalor“formal”reasoningbeganwithphilosophersandmathematiciansinantiquity.ThestudyofmathematicallogicleddirectlytoAlanTuring’stheoryofcomputation,whichsuggestedthatamachine,byshufflingsymbolsassimpleas“0”and“1”,couldsimulateanyconceivableactofmathematicaldeduction.Thisinsight,thatdigitalcomputerscansimulateanyprocessofformalreasoning,isknownastheChurch-Turingthesis1.Alongwithconcurrentdiscoveriesinneurobiology,informationtheoryandcybernetics,thisledresearcherstoconsiderthepossibilityofbuildinganelectronicbrain.Turingproposedthat“ifahumancouldnotdistinguishbetweenresponsesfromamachineandahuman,themachinecouldbeconsidered“intelligent”.ThefirstworkthatisnowgenerallyrecognizedasAIwasMcCullouchandPitts’1943formaldesignforTuring-complete“artificialneurons”.对机械或“形式”推理的研究始于古代的哲学家和数学家。艾伦·图灵（AlanTuring）的计算理论就是基于这些数理逻辑的研究，该理论认为，一台机器通过对像“0”和“1”这样简单的符号进行变换，能够模拟任何可以想象的数学推导行为。数字计算机可以模拟形式推理的任何过程，这种观点被称为丘奇-图灵论题。神经生物学、信息论和控制论的同时发现促使研究人员思考构建一个电子大脑的可能性。图灵提出，如果一个人不能区分机器和人的反应，这台机器可以被认为是“智能的”。现在公认的第一个人工智能作品是麦卡洛克和皮茨于1943年设计的具有图灵完备的“人工神经元”。ThefieldofAIresearchwasbornataworkshopatDartmouthCollegein1956.AttendeesAllenNewell(CMU),HerbertSimon(CMU),JohnMcCarthy(MIT),MarvinMinsky(MIT)andArthurSamuel(IBM)becamethefoundersandleadersofAIresearch.Theyandtheirstudentsproducedprogramsthatthepressdescribedas“astonishing”:computerswerelearningcheckersstrategies(c.1954)(andby1959werereportedlyplayingbetterthantheaveragehuman),solvingwordproblemsinalgebra,provinglogicaltheorems(LogicTheorist,firstrunc.1956)andspeakingEnglish.Bythemiddleofthe1960s,researchintheU.S.washeavilyfundedbytheDepartmentofDefenseandlaboratorieshadbeenestablishedaroundtheworld.AI’sfounderswereoptimisticaboutthefuture:HerbertSimonpredicted,“machineswillbecapable,withintwentyyears,ofdoinganyworkamancando”.MarvinMinskyagreed,writing,“withinageneration...theproblemofcreating‘artificialintelligence’willsubstantiallybesolved”.人工智能研究领域诞生于1956年Dartmouth学院的一个研讨会上。参会人AllenNewell（CMU）、HerbertSimon（CMU）、JohnMcCarthy（MIT）、MarvinMinsky（MIT）和ArthurSamuel（IBM）成为人工智能研究的创始人和领导者。他们和学生制作了一系列被媒体描述为“惊人”的程序：计算机正在学习跳棋策略（据报道，到1959年，计算机的表现已经超过了普通人），正在解决代数中的单词问题，正在证明逻辑定理(逻辑理论家，大约1956年首次运行)，正在说英语。到20世纪60年代中期，美国的研究得到了国防部的大量资助，世界各地都建立了实验室。人工智能的创始人对未来持乐观态度：赫伯特·西蒙(HerbertSimon)预言“机器将在20年内能够完成人类能做的任何工作。”马文·明斯基（MarvinMinsky）对此表示赞同，他写道：“一代人之内……创造‘人工智能’的问题将得到实质性解决”。Theyfailedtorecognizethedifficultyofsomeoftheremainingtasks.Progressslowedandin1974,inresponsetothecriticismofSirJamesLighthillandongoingpressurefromtheU.S.Congresstofundmoreproductiveprojects,boththeU.S.andBritishgovernmentscutoffexploratoryresearchinAI.Thenextfewyearswouldlaterbecalledan“AIwinter”,aperiodwhenobtainingfundingforAIprojectswasdifficult.他们没有认识到一些剩余任务的困难。由于詹姆斯·莱特希尔爵士（SirJamesLighthill）的批评，以及美国国会要求资助更有成效的项目的持续压力，美国和英国政府在1974年都停止了人工智能领域的探索性研究。接下来的几年被称为“人工智能冬天”，这段时间人工智能项目很难获得资金。Intheearly1980s,AIresearchwasrevivedbythecommercialsuccessofexpertsystems,aformofAIprogramthatsimulatedtheknowledgeandanalyticalskillsofhumanexperts.By1985,themarketforAIhadreachedoverabilliondollars.Atthesametime,Japan’sfifthgenerationcomputerprojectinspiredtheU.S.andBritishgovernmentstorestorefundingforacademicresearch.However,beginningwiththecollapseoftheLispMachinemarketin1987,AIonceagainfellintodisrepute,andasecond,longer-lastinghiatusbegan.20世纪80年代初，人工智能研究因专家系统的商业成功而恢复。专家系统是一种模拟人类专家知识和分析技能的人工智能程序。到1985年，人工智能的市场已经超过了10亿美元。与此同时，日本的第五代计算机项目激发了美国和英国政府，他们将恢复对学术研究的资助。然而，从1987年Lisp机器市场崩溃开始，人工智能又一次声名狼藉，第二次更持久的停滞开始了。Inthelate1990sandearly21stcentury,AIbegantobeusedforlogistics,datamining,medicaldiagnosisandotherareas.Thesuccesswasduetoincreasingcomputationalpower(seeMoore’slaw2),greateremphasisonsolvingspecificproblems,newtiesbetweenAIandotherfields(suchasstatistics,economicsandmathematics),andacommitmentbyresearcherstomathematicalmethodsandscientificstandards.DeepBlue3becamethefirstcomputerchess-playingsystemtobeatareigningworldchesschampion,GarryKasparov,on11May1997.20世纪90年代末和21世纪初，人工智能开始被用于物流、数据挖掘、医疗诊断等领域。人工智能的成功得益于计算能力的增强（参见摩尔定律）、对解决特定问题的重视程度的提高、人工智能与其他领域（如统计、经济学和数学）之间的新联系，以及研究人员对数学方法和科学标准的承诺。1997年5月11日，深蓝成为首个击败国际象棋世界冠军加里·卡斯帕罗夫的计算机国际象棋系统。In2011,aJeopardy!quizshowexhibitionmatch,IBM’squestionansweringsystem,Watson,defeatedthetwogreatestJeopardy!champions,BradRutterandKenJennings,byasignificantmargin.Fastercomputers,algorithmicimprovements,andaccesstolargeamountsofdataenabledadvancesinmachinelearningandperception;data-hungrydeeplearningmethodsstartedtodominateaccuracybenchmarksaround2012.TheKinect,whichprovidesa3Dbody–motioninterfacefortheXbox360andtheXboxOne,usesalgorithmsthatemergedfromlengthyAIresearchasdointelligentpersonalassistantsinsmartphones.InMarch2016,AlphaGowon4outof5gamesofGoinamatchwithGochampionLeeSedol,becomingthefirstcomputerGo-playingsystemtobeataprofessionalGoplayerwithouthandicaps.Inthe2017FutureofGoSummit,AlphaGowonathree-gamematchwithKeJie,whoatthetimecontinuouslyheldtheworldNo.

1rankingfortwoyears.ThismarkedthecompletionofasignificantmilestoneinthedevelopmentofArtificialIntelligenceasGoisanextremelycomplexgame,moresothanChess.2011年，在一个名为Jeopardy!的智力竞赛节目中，IBM的问答系统——沃森以显著的优势击败了该节目两个最伟大的冠军布拉德·拉特（BradRutter）和肯·詹宁斯（KenJennings）。计算机速度的增强，算法的改进，以及对大量数据的访问，使机器学习和感知的进步成为可能；大流量数据的深度学习方法在2012年左右开始控制精度基准。Kinect为Xbox360和XboxOne提供了一个3D身体运动界面，它使用的算法和智能手机中的智能助手一样，都是经过长期人工智能研究得出的。2016年3月，AlphaGo在与围棋冠军李世石的对弈中，五局四胜，成为首个击败无残障职业棋手的计算机围棋系统。在2017年的未来围棋峰会上，AlphaGo赢了柯洁三局，柯洁连续两年蝉联世界第一。这标志着人工智能发展的一个重要里程碑的完成，因为围棋是一项比国际象棋更为复杂的游戏AccordingtoBloomberg’sJackClark,2015wasalandmarkyearforartificialintelligence,withthenumberofsoftwareprojectsthatuseAIwithinGoogleincreasedfroma“sporadicusage”in2012tomorethan2,700projects.Clarkalsopresentsfactualdataindicatingthaterrorratesinimageprocessingtaskshavefallensignificantlysince2011.Heattributesthistoanincreaseinaffordableneuralnetworks,duetoariseincloudcomputinginfrastructureandtoanincreaseinresearchtoolsanddatasets.布隆伯格（Bloomberg）的杰克·克拉克（JackClark）表示，2015年是人工智能具有里程碑意义的一年，在谷歌中使用人工智能的软件项目从2012年的“零星使用”增加到2700多个。克拉克还提供了实际数据，表明自2011年以来，图像处理任务中的错误率已经显著下降。他将此归因于负担得起的神经网络的增加，这是由于云计算基础设施以及研究工具和数据集的增加。OthercitedexamplesincludeMicrosoft’sdevelopmentofaSkypesystemthatcanautomaticallytranslatefromonelanguagetoanotherandFacebook’ssystemthatcandescribeimagestoblindpeople.Ina2017survey,oneinfivecompaniesreportedtheyhad“incorporatedAIinsomeofferingsorprocesses”.Around2016,Chinagreatlyaccelerateditsgovernmentfunding;givenitslargesupplyofdataanditsrapidlyincreasingresearchoutput,someobserversbelieveitmaybeontracktobecomingan“AIsuperpower”.其他被引用的例子包括微软开发的Skype系统可以自动从一种语言转换到另一种语言，以及Facebook的系统可以向盲人描述图像。在2017年的一项调查中，五分之一的公司表示，它们“在一些产品或流程中加入了人工智能”。2016年前后，中国大幅加快政府资金投入；鉴于其庞大的数据供应和快速增长的研究产出，一些观察人士认为，中国可能正走上成为“人工智能超级大国”的道路。TextBComplexAISystemsExplainTheirActionsInthefuture,servicerobotsequippedwithartificialintelligence(AI)areboundtobeacommonsight.Thesebotswillhelppeoplenavigatecrowdedairports,servemeals,orevenschedulemeetings.

复杂人工智能系统将能解释他们的行为在未来几年，配备人工智能的服务型机器人将成为普遍趋势。这些机器人将会帮助人们在拥挤的机场导航，服务人们用餐，或者制订会议日程。AstheseAIsystemsbecomemoreintegratedintodailylife,itisvitaltofindanefficientwaytocommunicatewiththem.Itisobviouslymorenaturalforahumantospeakinplainlanguageratherthanastringofcode.Further,astherelationshipbetweenhumansandrobotsgrows,itwillbenecessarytoengageinconversations,ratherthanjustgiveorders.当人工智能系统变成人们日常生活中不可分割的一部分时，找到一个和机器有效的交流方式变得至关重要。对于人类来说，使用普通语言交流显然比用一串串代码沟通更为自然。与此同时，随着人类和机器的关系变得日益亲密，相较人类单方面的给出指令，双方皆能参与到对话变得尤为必要。Thishuman-robotinteractioniswhatManuelaM.Veloso’sresearchisallabout.Veloso,aprofessoratCarnegieMellonUniversity,hasfocusedherresearchonCoBots,autonomousindoormobileservicerobotswhichtransportitems,guidevisitorstobuildinglocations,andtraversethehallsandelevators.TheCoBotrobotshavebeensuccessfullyautonomouslynavigatingforseveralyearsnow,andhavetraveledmorethan1,000km.Theseaccomplishmentshaveenabledtheresearchteamtopursueanewdirection,focusingnowonnovelhuman-robotinteraction.这种人机互动正是曼纽拉·M·维罗索（ManuelaM.Veloso）教授的科研方向。维罗索是卡耐基·梅隆大学计算机科学系教授，她的研究集中于协作机器人。这些服务型机器人可以在室内运输物品，也可以为游客进行楼宇间及楼内导航。这类协作机器人已经成功自动导航服务数年，累计历程超过1000千米。如此成就使得研究团队有了新的开发方向，即更先进的人机互动。“Ifyoureallywanttheseautonomousrobotstobeinthepresenceofhumansandinteractingwithhumans,andbeingcapableofbenefitinghumans,theyneedtobeabletotalkwithhumans”Velososays.“如果你真希望这类自动化机器人呈现于世人面前，并为人类生活提供便利，那么它们就需要能够和人类对话沟通。”维罗索说。CommunicatingWithCoBotsVeloso’sCoBotsarecapableofautonomouslocalizationandnavigationintheGates-HillmanCenterusingWiFi,LIDAR,and/oraKinectsensor(yes,thesametypeusedforvideogames).与协作机器人沟通维罗索的协作机器人可以利用无线网络，激光雷达和体感装置（是的，就是用于游戏中的那种）在盖茨-希尔曼中心自主定位并导航。InthenextfewyearsAIresearchlabspoppedupattheMassachusettsInstituteofTechnology(MIT)andStanfordUniversity.Researchtouchedoncomputerchess,roboticsandnatural-languagecommunication.在接下来的几年里，麻省理工学院（MIT）和斯坦福大学（StanfordUniversity）成立了人工智能研究实验室，研究涉及计算机象棋、机器人和自然语言交流。Therobotsnavigatebydetectingwallsasplanes,whichtheymatchtotheknownmapsofthebuilding.Otherobjects,includingpeople,aredetectedasobstacles,sonavigationissafeandrobust.Overall,theCoBotsaregoodnavigatorsandarequiteconsistentintheirmotion.Infact,theteamnoticedtherobotscouldweardownthecarpetastheytraveledthesamepathnumeroustimes.机器人通过探测墙壁来导航，通过这种方式以匹配建筑的平面图。包括人类在内的其他物体则被定义为障碍物，所以导航系统是非常安全有效的。整体来说，协作机器人是很好的导航器，并且在工作状态下始终如一。事实上，研究团队发现机器人会重复选择同一条路线，如此多次之后途经的地毯竟出现了磨损的迹象。Becausetherobotsareautonomous,andthereforecapableofmakingtheirowndecisions,theyareoutofsightforlargeamountsoftimewhiletheynavigatethemulti-floorbuildings.Theresearchteambegantowonderaboutthisunaccountedtime.Howweretherobotsperceivingtheenvironmentandreachingtheirgoals?Howwasthetrip?Whatdidtheyplantodonext?这是因为机器人的行为是自主的，它们有能力做出自己的决定。这样一来它们穿梭于各个楼层之间的大部分时间都在人类的视野范围之外。研究团队对这段行踪不明的时间非常好——机器人是如何感知周边环境并最终到达预定目标地点的？这些行程怎么样？它们的下一步行动计划是什么？“Inthefuture,Ithinkthatincrementallywemaywanttoquerythesesystemsonwhytheymadesomechoicesorwhytheyaremakingsomerecommendations,”explainsVeloso.TheresearchteamiscurrentlyworkingonthequestionofwhytheCoBotstooktheroutetheydidwhileautonomous.Theteamwantedtogivetherobotstheabilitytorecordtheirexperiencesandthentransformthedataabouttheirroutesintonaturallanguage.Inthisway,thebotscouldcommunicatewithhumansandrevealtheirchoicesandhopefullytherationalebehindtheirdecisions.“在未来，我们会逐渐了解到这些系统是如何做选择，以及如何提出某些建议的。”维罗索说。目前研究团队正致力于解释协作机器人在自主行动时是如何选定特定行动路线的。研究团队想赋予机器人记录能力，这样它们就可以把路线数据转化成自然语言。通过这种方法，机器人便能和人类进行沟通并给出他们的选择，幸运的话一并解释他们做出各种选择的基本原理。LevelsofExplanationThe“internals”underlyingthefunctionsofanyautonomousrobotsarecompletelybasedonnumericalcomputations,andnotnaturallanguage.Forexample,theCoBotrobotsinparticularcomputethedistancetowalls,assigningvelocitiestotheirmotorstoenablethemotiontospecificmapcoordinates.不同等级的解释任何自主机器人的内部分析功能都是依靠数值计算，而不是自然语言。举例来说，协作机器人根据距墙的远近的估算来设定发动机速度以到达特定的地图坐标。Askinganautonomousrobotforanon-numericalexplanationiscomplex,saysVeloso.Furthermore,theanswercanbeprovidedinmanypotentiallevelsofdetail.“Wedefinewhatwecallthe‘verbalizationspace’inwhichthistranslationintolanguagecanhappenwithdifferentlevelsofdetail,withdifferentlevelsoflocality,withdifferentlevelsofspecificity.”维罗索认为让自主机器人做出非数值解释是非常复杂的。此外，机器人提供的答案潜在着不同等级的细节。“机器人给出的解释转化成语言将呈现出不同程度的细节，不同具体度的位置，以及不同级别的特征。我们把这种情况定义为‘冗长空间’。”例如，如果开发者要求机器人提供所走线路的细节数据，他们期待的是路程长度外加电池消耗等细节。但是一个随机访问用户也许只是想知道机器人从一个办公室到另一个办公室花了多长时间而已。Forexample,ifadeveloperisaskingarobottodetailtheirjourney,theymightexpectalengthyretelling,withdetailsthatincludebatterylevels.Butarandomvisitormightjustwanttoknowhowlongittakestogetfromoneofficetoanother.Therefore,theresearchisnotjustaboutthetranslationfromdatatolanguage,butalsotheacknowledgmentthattherobotsneedtoexplainthingswithmoreorlessdetail.Ifahumanweretoaskformoredetail,therequesttriggersCoBot“tomove”intoamoredetailedpointintheverbalizationspace.因此，研究人员不只是单纯地把数据转化成语言，而是让机器人给出解释时有能力界定提供数据的细节程度。如果询问者想要请求更多的细节，那么该请求就会触发机器人‘冗长空间’中更加细节的部分。“Wearetryingtounderstandhowtoempowertherobotstobemoretrustablethroughtheseexplanations,astheyattendtowhatthehumanswanttoknow,”saysVeloso.Theabilitytogenerateexplanations,inparticularatmultiplelevelsofdetail,willbeespeciallyimportantinthefuture,astheAIsystemswillworkwithmorecomplexdecisions.HumanscouldhaveamoredifficulttimeinferringtheAI’sreasoning.Therefore,thebotwillneedtobemoretransparent.维罗索说到：“我们正在试图了解如何让机器人在回答此类问题时有更强的自主能力，让它们理解人类到底想获取什么信息。”在今后，人工智能系统会参与到更加复杂的决策中，所以给出不同细致等级解释的能力将会变得尤为重要。人类推断人工智能推理过程时也会变得更加复杂。因此，机器系统需要变得更加通透易懂Forexample,ifyougotoadoctor’sofficeandtheAItheremakesarecommendationaboutyourhealth,youmaywanttoknowwhyitcametothisdecision,orwhyitrecommendedonemedicationoveranother.例如，你去看医生时人工智能为你提出健康