精选
[敬请读者注意] 本人保留本文的全部著作权利。如果哪位读者使用本文所描述内容，请务必如实引用并明白注明本文出处。如果本人发现任何人擅自使用本文任何部分内容而不明白注明出处，恕本人在网上广泛公布侵权者姓名。敬请各位读者注意，谢谢！
下一代人工智能，突破口在什么理论？
程京德
2017月9月15日，图灵奖获奖者、清华的姚期智教授在回答采访时说了这样几段话（“姚期智：下一代人工智能，突破口在理论”，http://society.people.com.cn/n1/2017/0916/c1008-29539732.html）：
“我认为“强人工智能”指的是：这个人工智能不仅能解决一个比较单一、特定的工作问题，还能接近人类的思考、推理方式。从图灵开始，这一可能性被提出来已经有五六十年了。刚开始大家非常乐观，但是慢慢发现做到“强人工智能”是非常难的，于是开始朝“弱人工智能”的方向发展。”
“现在，“弱人工智能”已经可以做到许多在普通人看起来非常接近于“强人工智能”的事——比如打败围棋冠军。但如果仔细看，这些事情都是完全不具备推理能力和跨领域想象力的。怎么样才能达到“强人工智能”？我认为真正的突破口就是理论。”
“过去这十年，算法、数据、计算能力都发展到了一个相当惊人的地步。处理大数据的能力，还有深度学习所带来的算法，正好结合起来，使人工智能突破了以前的瓶颈，并慢慢应用于更多领域，如金融科技、医学诊断。在这些领域，这股人工智能的热潮还在不断产生科学和经济效益，至少还要过一阵子，它的红利才真正会到达尽头。”
“至于下一波浪潮会发生在这三个核心技术的哪一部分？我觉得一定是算法。因为数据量和计算能力到达一个差不多的极限后，就产生了局限。而现在的算法还有很大的提升空间，和人类大脑的“算法”比起来，它还很粗糙。人类自身一定还有一些算法需要被发现。”
有朋友问笔者：“姚先生说突破口在理论，但是似乎没说是什么理论啊？是指算法理论吗？”
依笔者之见，“强人工智能”的最终实现，必将依赖于逻辑学理论和通用自动推论技术的新突破。
13世纪的苏格兰哲学家 John Duns Scotus 曾经说过一句关于逻辑的名言：“Logic is the science of sciences, and the art of arts.” 塔斯基在1941年也曾经说过：“logic is considered to be the basis for all other sciences.” 哥德尔在1944年也曾经说过：“it (mathematical logic) is a science prior to all others, which contains the ideas and principles underlying all sciences.” 三位先哲的话，充分表达了逻辑学的基础性地位。
“强人工智能”之“强”，意味着“一般通用性”。让一个“强人工智能”系统具备“接近人类的思考、推理方式”、“推理能力和跨领域想象力”，这个系统必须具备一般通用的、推理正确性判别标准，而这个标准正是逻辑学所研究的对象。
有朋友对笔者的信念质疑：“人工智能领域初期基于逻辑的知识表达和推论方法，不是没有取得什么非常重要的突破吗？”
笔者答曰：“无论20世纪50-60年代使用基于经典数理逻辑的知识表达和推论方法获得的成果算不算“非常重要”，70年代以后，以非单调推论为代表的一系列难题，的确使得基于经典数理逻辑的知识表达和推论方法显露出了理论上的本质局限性。但是，经典数理逻辑仅仅是众多逻辑系统中的一支，而且是最简单、标准最弱的一支，经典数理逻辑当然不能代表所有逻辑系统，其局限性也当然不是所有逻辑系统共同的局限性。实际上，有些非常重要的哲学（非经典）逻辑系统，比如，相关逻辑，几乎完全不被人工智能领域的研究者所知，当然就更谈不上应用了。”
正向推论（前推），亦即，从前提推出结论的推论，是人类获取新知识、发现和预测新事物的不可或缺的认知手段。演绎推论、归纳推论、假说生成推论这三种迄今为止被逻辑学家和哲学家归纳出的最典型推论方式，无不基于充分条件关系（条件句）。但是，经典数理逻辑正是在这些本质上极其重要的事情上有其理论局限性。经典数理逻辑的逻辑有效性标准不能支持正向推论，人们在应用经典数理逻辑时习惯性地用于表达条件句的“实质蕴含”逻辑连接词本质上不是表达充分条件关系的（所谓蕴含悖论问题由此而来）。
在现今众多哲学（非经典）逻辑系统中，相关逻辑是唯一一族将充分条件关系及其前后件之间的相关关系作为最本质对象来研究的逻辑系统。相关逻辑（尤其是强相关逻辑）既支持保真推论也支持相关推论，排除了迄今为止所知的所有蕴含悖论，并且具有自然的非单调性。
综上所述，笔者认为，“强人工智能”的最终实现，必将依赖于相关逻辑（尤其是强相关逻辑）理论和基于相关逻辑的通用自动推论技术的新突破。
转载本文请联系原作者获取授权，同时请注明本文来自程京德科学网博客。
链接地址：https://wap.sciencenet.cn/blog-2371919-1076803.html?mobile=1
收藏
