人工智能理论层次与研究方向解析

# 人工智能理论层次与研究方向解析 ## 一、人工智能理论层次概述 人工智能研究复杂的信息处理问题，这些问题常源于生物信息处理的某些方面。其目标是识别并解决有趣且可解的信息处理问题。解决信息处理问题通常分为两部分：一是刻画特定计算的本质，理解其在物理世界中的基础，即“计算理论”；二是实现计算的具体算法，规定“如何做”。 ### 计算理论与算法的区别 以傅里叶分析为例，傅里叶变换的计算理论是独立于具体计算方式的，而实现傅里叶变换有多种算法，如快速傅里叶变换（串行算法）和基于相干光学机制的并行“空间”算法。算法的选择取决于可用的硬件，而计算理论仅取决于问题的本质。 ### 人工智能研究成果的构成 严格来说，人工智能的研究成果包括：分离特定的信息处理问题、为其制定计算理论、构建实现该理论的算法，并实际证明算法的成功。一旦为特定问题建立了计算理论，就无需再次进行，这与数学或自然科学的研究成果类似。 ## 二、Type 1 理论与 Type 2 理论 ### Type 1 理论 当一个问题可以分解为计算理论和具体算法两部分时，称该问题具有 Type 1 理论。例如，乔姆斯基（Chomsky）提出的英语句法“能力”理论就是一种计算理论，它不太关注实现能力所需的算法细节。 ### Type 2 理论 有些问题由大量过程的同时作用解决，这些过程的相互作用就是其最简单的描述，这种情况称为 Type 2 理论。例如，预测蛋白质折叠的问题就是一个可能的 Type 2 理论候选。目前，对蛋白质折叠最有前景的研究是采用蛮力方法，建立氨基酸、其序列相关几何结构、与周围流体的疏水相互作用、随机热扰动等详细模型，让整个过程运行直到达到稳定构型。 ### 两种理论的关系与挑战 人工智能的主要困难在于，我们永远无法确定一个问题是否具有 Type 1 理论。大多数人工智能程序至今属于 Type 2 理论，这类理论的危险在于可能掩盖关键决策，使我们难以找到正确的 Type 1 分解。例如，在视觉处理中，一些看似相对清晰的 Type 1 理论也涉及 Type 2 理论。如马尔（Marr）和西原（Nishihara）的 3D 表示理论，虽然其基础结构基于分布式、以对象为中心的坐标系，但要实现该理论还涉及多个中间理论，其中一些可能是 Type 1 理论，而另一些则可能是 Type 2 理论。 ## 三、不同学者对人工智能理论的观点 ### Marr 的观点 Marr 认为在以工作程序“解释”现象时要谨慎，因为这种 Type 2 理论可能会掩盖其背后的简单抽象理论（Type 1 理论）。他建议在当前人工智能技术水平下，应集中研究可能有 Type 1 解决方案的问题。 ### Boden 的观点 Boden 认为人工智能为心理学家提供了新的理论层次，它为理论解释提供了严谨和完整的标准。她虽然接受 Marr 的警告，但主张进行深入的理论研究，不仅要关注大脑做了什么，还要关注如何做。 ### Partridge 的观点 Partridge 提出了一种将人工智能理论与程序联系起来的方法，即通过逐步抽象的过程在两者之间建立桥梁。这个抽象序列本身不是程序 - 理论关系的证明，而是用于论证这种关系有效性的明确基础。 ## 四、人工智能研究的历史与现状 ### 历史回顾 人工智能的大部分历史是探索性研究。早期的一些著名程序，如 Slagle 的符号积分程序、Weizenbaum 的 Eliza 程序等，要么过于简单，不能成为有趣的 Type 1 理论，要么非常复杂但性能不佳，不能作为严肃的 Type 2 理论。早期唯一真正成功的 Type 2 理论可能是 Waltz 在 1972 年的程序。虽然这些研究大多带来了负面结果，但也有一些积极成果，如 MACSYMA 代数操作系统就源于早期的研究。 ### 现状分析 目前，对于像故事理解这样的高级问题，研究仍处于探索阶段。许多人期望在对智能的深入理解中，能发现至少一个或多个关于如何组织和表示知识的重要原则。当前出现的一些观点包括： 1. 推理、语言、记忆和感知的“块”应该比心理学中大多数近期理论所允许的更大，并且要非常灵活。 2. 对事件或对象的感知必须包括同时计算其多种不同描述，以捕捉其使用、目的或环境的不同方面。 3. 这些描述应包括粗略版本和精细版本，粗略描述在选择整体场景和确定对象及动作的角色方面起着关键作用。 以下是一个表格总结 Type 1 理论和 Type 2 理论的特点： | 理论类型 | 特点 | 示例 | | --- | --- | --- | | Type 1 理论 | 可分解为计算理论和具体算法，计算理论独立于实现细节 | 傅里叶变换的计算理论、