完全读懂AI应用最前线

作者简介

内容简介

符号还是非符号，这才是问题的关键 “人工智能”一词，听起来就像一种适用于各种 场合的**工具。但实际上却并非如此，人工智能也 有适用和不适用的场合。 人工智能是多种技术的集合，有其擅长与不擅长 的领域。本篇中，我们将学习灵活运用人工智能的技 巧。 人工智能并不是**的，人工智能也有其适用和 不适用的场合。另外，因为人工智能种类的不同，也 有其擅长和不擅长的领域。 前一篇里，我们尝试对人工智能进行了分类。本 篇里，我们将介绍灵活运用人工智能的技巧。前面我 们已经提过，人工智能可分为“符号处理人工智能” 和“非符号处理人工智能”两大类。 符号处理人工智能，将“符号”进行严密的定义 ，采用白上而下的处理模式。与此相反，模式识别等 非符号处理的人工智能，并不会对符号进行严密的定 义，而是收集并分析大量的模式，以获取的信息为基 础采取自下而上的处理模式。 两者*大的区别在于，符号处理人工智能产生的 “影格问题”，容易成为其实用化时的一大障碍。 影格问题，是人工智能直面的难题之一，关系“ 人工智能的研究对象到底能够扩展得多广泛”这一问 题。特别是符号处理人工智能，在解决了符号所能覆 盖的范围这一问题后，必须要面对影格问题这一难关 。 另外，在对待学习概念上，两者也存在着不同点 。符号处理是通过规则（限制）来管理世界，然而非 符号处理有一个默认的前提，就是通过学习能够提高 信息识别的准确度。 根据这些不同点，我们来考虑应该如何灵活运用 人工智能，并介绍相关技巧。 能否将“规则”明确化是问题的关键 什么情况下适合使用符号处理，什么情况下适合 使用非符号处理呢？ 灵活运用人工智能*简单的判断标准就是，能否 将约束处理过程的“规则”明确化。例如，我们可以 考虑，能否将规则用if句式进行表示。也就是说，能 否使用总是重复相同*作的决定论式*作将规则表述 出来。这时候，“古老而**的人工智能”便能派上 用场。 但是，在规则根本无法描述的情况下，或者即便 是可以描述却是**复杂且奇怪的规则时，*适合使 用模式识别等非符号处理技术。 如果是识别系列的处理过程的话，如字义所示， *适合使用模式识别技术。另外，在需要导人机器学 习的情况下，也适合使用模式识别技术。 灵活运用的另一个判断标准，就是前面所提到的 影格问题。在影格问题可能产生的情况下，也就是说 在文脉或者状况复杂的情况下，单纯的符号处理是有