行业新闻

这一种推理使人工智能无法替代人类

  软件工程师兼哲学家William J. Littlefield II在最近的一篇文章中指出,推理分为三种类型。其中两个,我们大概都在学校里学过:演绎推理和凯时ag娱乐app归纳推理。计算机可以很好地完成这两项工作。

  

  Littlefield说,早期的计算机通常使用演绎推理(他认为这是“自上而下”的推理)。它使功能强大的计算机能够通过一次计算比人类可以进行的逻辑动作更多的速度在象棋和围棋之类的游戏中击败人类。

  相反,归纳推理是从一系列相关事实到结论的“自下而上”推理,例如:俱乐部举行了60次游泳比赛,以下各场举行20次:当俱乐部在桑迪角举行游泳聚会时,我们平均获得80%的批准。

  当俱乐部在石点举行游泳聚会时,我们平均获得60%的批准。当俱乐部在Rocky Point举行游泳聚会时,我们平均得40%的批准。

  结论:俱乐部会员比其他人更喜欢沙滩。他又说,神经网络等新方法的出现使功能强大的计算机能够组装大量信息,从而实现归纳推理(大数据)。

  但是,沃森在医学上的失败表明,在不像国际象棋那样没有真正的“规则”的情况下,机器在确定哪些数据真正是信息方面面临相当大的困难。也许甚至更大的数据也可以解决该问题。我们将会看到。

  但是,根据利特尔菲德(Littlefield)的观点,第三种推理,即归纳推理,则有所不同:

  与归纳法或演绎法不同,我们从案例开始对规则做出结论,反之亦然,而在绑架过程中,我们生成了一个假设来解释案例与规则之间的关系。简而言之,在归纳推理中,我们进行有根据的猜测。

  现在,为什么计算机不能做到这一点?利特尔菲尔德说,他们将陷入无休止的循环:使绑架具有挑战性的部分原因是,我们必须从一组真正无限的解释中推断出一些可能的假设……

  之所以如此重要,是因为当我们面对复杂的问题时,解决问题的部分方法就是修补。我们尝试各种方法,在寻找潜在解决方案时保持自己的价值体系畅通。具体来说,我们产生假设。在计算机可能陷入无尽循环,遍历无限解释的情况下,我们使用价值系统快速推断出哪些解释既有效又可能。皮尔斯(Peirce)知道,归纳推理对我们解决新问题至关重要。特别是,他认为这是科学家发现事物的方式。他们观察到意想不到的现象并产生了可以解释为什么会发生的假设。

联系我们

CONTACT US

联系人:张先生

手机:

电话:

邮箱:

地址: