人工智慧前言簡介知識表達知識學習理論方法搜尋優化邏輯推論神經網路機率統計實務應用專家系統自然語言分群分類程式語言Prologjavascript程式實作邏輯推論爬山算法基因算法機率學習交談程式數字辨識訊息相關網站參考文獻最新修改簡體版English |
AI 的問題吸引了無數研究者投入，也讓無數研究者感到失望、甚至害怕。因為，即使投入了整整一輩子，從少年研究到白髮，很可能都無法在研究上取得重要的進展。這可以說是人類科學技術的 『終極問題』，如果資訊科學界有諾貝爾獎的話，那我想，大概要超過五千的以上的資訊諾貝爾獎，才能到達上述科幻小說的情節。甚至，其中有些技術，很可能永遠不會實現。在 AI 領域，我們必須學會的第一件事，就是謙卑。 這些夢想中的技術，有些值得我們投入一輩子去實現。但是，有些技術，實現後卻可能會造成大災難，這在科幻小說當中早已被想像過了。科幻界經典的艾西莫夫 (Isaac Asimov ) 機器人系列小說 ，就是典型的例子。當人類企圖用機器人三大定律 控制機器人時，仍然發生的災難事件之科幻故事。另外，像是電影駭客任務 當中，更描述了機器人統治世界後，人類只能在機器人的餵養之下，成為類似植物人的悲慘狀況。因此，科技的進步，尤其是像 AI 技術與生物科技的進步，到底是福是禍，仍然是個謎。 這些議題有點扯遠了，我們根本還沒踏出第一步，就已經開始想像一萬步之後的結果了。然而，這些技術的困難度，沒有研究過的人還真是難以想像。讓我們用 AI 的學術龍頭 – MIT AI 實驗室的發展作為一個範例，說明 AI 領域有多麼困難。 在 AI 歷史早期的 1970年代，MIT AI 實驗室就已經是 AI 大師匯集之處，像是第一代的 Marvin Minsky 與 John McCarthy 等 AI 大師，他們研究的主題著重在人類大腦與智慧上。 接著，Patrick Winston發現，大腦的研究太過困難，轉而研究機械人控制的領域。但這領域仍然太難，於是Harold Abelson 乾脆改研究玩具的控制，發明了 LOGO 語言，然後開始研究機械昆蟲，企圖研究昆蟲的行走智慧。於是，人工智慧的研究從人腦開始，變成人的手腳之研究，最後變成昆蟲手腳的研究。2003 年七月，MIT AI 實驗室與Laboratory for Computer Science合併，成為一個具有 97 個教授、大約 800 個研究生的超級研究團隊 CSAIL ，不知道是否因為感到 AI 領域太難或需要整合其他領域所進行的調整。 當然，這並不表示 MIT AI 實驗室越做越差，相反的，他們越來越強，吸引了無數的 AI 領域研究者進入該實驗室。但是，這個領域實在太過困難，以至於學者在 1940 年代，認為 1990 年時應該可以理解自然語言，到了 1980 年代，預估時間點延後到 2030 年，到了 2009 年的今天，我們認為至少還要 100 年的時間，才能發展出成熟的自然語言理解技術。 |
AI 的問題
page revision: 1, last edited: 26 Aug 2010 02:37
Post preview:
Close preview