白癜风诚信医院 http://www.gpitp.gd.cn/bing/20180327/76617.html
5月21日报道（编译：田小雪）编者注：JudeaPearl是美国计算机科学家和哲学家，同时也是年度图灵奖获得者，主要研究人工智能概率方法和贝叶斯网络。说到人工智能，JudeaPearl绝对功不可没。上世纪80年代，在他的主导之下，出现了对机器概率问题的研究。但现在，他已然成了该领域持有最为尖锐批评意见的科学家之一。最近一段时间，他新出了一本书，名为《疑问之书：因果新科学》。在书中，他指出，当下人们对于真正的智能缺乏一个完全了解，因而给人工智能的发展带来了负面影响。早在30年前，人工智能研究面临的主要挑战，还停留在机器的编程问题上。也就是说，如何能够将一种可能的原因与一系列可观测条件结合起来。最后，Pearl发现可以借助一种叫做贝叶斯网络（Bayesian）的结构，来实现原因和条件的结合。举个例子，如果某人从非洲回来之后，身上开始疼痛，同时还出现发烧的情况，那么在贝叶斯网络的帮助之下，机器就可以判断出这个人很有可能是得了疟疾。正是由于在贝叶斯网络这一块做出了不小贡献，年，Pearl赢得了计算机科学领域的最高荣誉——图灵奖。可现如今，在Pearl看来，人工智能领域的发展已经在概率关联中陷入了泥沼。各家新闻媒体开始在头版头条上，大幅报道机器学习和神经网络所取得的最新研发突破。我们能够看到计算机对弈顶尖棋手获胜的新闻，也能够看到计算机代替真人驾驶汽车的新闻。可对于这些，Pearl都不是很感兴趣。他认为，当下人工智能取得的最为前沿的研发成果，仅仅是对上一代机器已有功能的简单加工，提高了在大量数据中寻找隐藏规律的效率而已。用他的话说：“目前，深度学习所取得的一切瞩目成就，就只是曲线拟合。”今年已经81岁高龄的Pearl，在新书中详细介绍了真正智能的机器所应该拥有的思维方式。他表示，其中最为关键的要素，就是用因果推理来代替关联推理。还用上文所举的例子，机器不仅要有能力将发烧与疟疾关联起来，还要有能力推理出，是疟疾导致了发烧。也就是说，疟疾是因，发烧是果。一旦具备了这种健全的因果推理框架，机器才有可能问出一些反事实问题。比如说，在某些干预因素出现之后，因果关系会发生什么样的变化。在Pearl看来，只有机器能够主动提出这些反事实问题，才算是具备了科学思维。不仅如此，为了能够让这一思维方式成为现实，Pearl还介绍了一种形式语言，即21世纪版本的贝叶斯网络，能够让机器以概率方式进行思考推理。Pearl解释说，他希望因果推理能够为那些机器提供一种可以比得上人脑的智能水平，让它们更加高效地与人类进行互动交流，甚至能够成为有自由意志、有道德素质的个体。就在前不久，QuantaMagazine在圣地亚哥的一次会议上采访了Pearl，随后还通过电话进行了后续采访。下面，就是经过整理和编辑之后的访谈内容。问：为什么给新书取名为《疑问之书：因果新科学》呢？答：之所以取这个名字，主要就是想总结一下我在过去25年中对于因果问题的研究，包括该问题在人生中的意义和影响，以及我们如何能够根据事物内在的因果关系，找到目标问题的正确答案。我感觉很奇怪，这些相当重要的问题，居然遭到了科学的忽视和遗弃。因此，我希望能够借助这本书来填补当中的科学空缺。问：可我认为，说科学抛弃了因果关系，还是挺奇怪的。毕竟科学的核心和实质，不就是因果关系吗？答：当然，科学的实质就应该是因果关系。但其实，在那些科学方程式中，你是看不到这一实质的。代数语言是具有对称性的，也就是说，如果甲能够告诉我们乙，那么乙就能够告诉我们甲。但我所强调的，是确定性的关系。我们永远不可能用数学语言来描述一个简单的事实，比如说，即将到来的风暴会导致气压计读数降低，但反过来就不一定成立了。在现实生活中，我们是会遇到很多不对称关系的。甲能够导致乙，并不一定就意味着乙能够导致甲。可是，对于这些不对称关系，数学是无法利用其语言来帮助我们理解的。我知道，这么说似乎是违背科学的，听上去就很糟糕。要是告诉我妈妈，她或许会扇我一巴掌。但科学就很宽容了。当它发现我们缺少一种针对非对称关系的微积分时，就会鼓励我们去主动创造。而在创造的过程中，数学就要发挥它的作用了。我很开心能够看到，有一种因果微积分可以解决长久以来那些最为伟大的统计学家都无法解决的问题。问：我们都知道，早在数十年以前，你就已经是人工智能领域的大牛，专门研究机器的概率推理问题。能不能给我们介绍一下那个时候人工智能领域的发展概况？答：上世纪80年代早期，我们所遇到的那些问题，都是与推测和诊断相关的。比如说，医生根据病人的各种症状，来试图推测他患有疟疾或其他疾病。当时，我们希望能够有一种自动化系统、一种专家系统，能够代替真实的专业人士，包括医生和矿工等等。所以，那个时候，我就想到了机器的概率推理问题。但不幸的是，标准概率计算需要较大空间和较多时间。后来，我就提出了所谓的贝叶斯网络。它是需要多项式时间的，同时也比较简单易懂。问：可是，我们能够看到，在你的新书当中，你把自己看作是现如今人工智能领域的“背叛者”，此话又是从何而来呢？答：当下，大家都在尽自己最大努力开发能够让机器用不确定性推理的工具。而与此同时，我却将

转载请注明:http://www.aideyishus.com/lkjg/6934.html