人工智能不是计算机领域能学么,【未名学者讲座36】王彦晶:知识的逻辑——从哲学到人工智能...

本文主要是介绍人工智能不是计算机领域能学么,【未名学者讲座36】王彦晶:知识的逻辑——从哲学到人工智能...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2018年5月30日晚,由文研院主办、兴全基金赞助的“未名学者讲座”第三十六期在北京大学第二体育馆B102报告厅举行。北京大学哲学系副教授王彦晶作题为“知识的逻辑——从哲学到人工智能”的演讲。文研院工作委员、北京大学哲学系教授邢滔滔主持,北京大学数学科学学院教授林作铨评议。

5dceb45b21401d1dd7c06bdd313498c1.png

邢滔滔教授与王彦晶副教授

王彦晶副教授首先以通俗易懂的方式解释了什么是“逻辑学”。“泥孩迷题”是一道著名的逻辑趣味题,王彦晶副教授通过现场互动游戏的方式演示“泥孩迷题”,让在场听众体会到其中所包含的推理过程和复杂程度。而我们在做推理时需要的那种“靠谱”的工具就是逻辑学。随后,王彦晶副教授解释了一些逻辑学中的概念,包括形式化的语言、真值条件语义以及证明系统。

3e5d9e9cd269282fb98f11a810674144.png

现场互动

王彦晶副教授还介绍了逻辑学的发展历程和现代逻辑学的主要分支。他认为,逻辑学起源于哲学,成熟于数学,繁荣于计算机科学,并为语言学、法学、博弈论等学科输出了理论工具。而现代逻辑主要分为数理逻辑(包括集合论、模型论、递归论、证明论等)、计算机逻辑(包括模型检测、自动机理论、计算复杂性、人工智能中的逻辑等)、哲学逻辑(模态逻辑、非经典逻辑、以及逻辑哲学中的技术问题等)等领域,且有很多与其他学科交汇的交叉研究

讲座的第二部分,王彦晶副教授介绍了什么是“知识逻辑”(EpistemicLogic)。知识逻辑是一种模态逻辑,而“模态”可被理解为“真”的不同模式。模态逻辑的语言更加直观,模型应用更加广泛,也有很好的计算性质,而知识逻辑是一种研究知识推理的模态逻辑。

接下来,王彦晶副教授梳理了知识逻辑的发展历史。知识逻辑的想法由来已久,可以追溯到中世纪哲学家。有关知识逻辑的研究来自于逻辑学、经济学和计算机科学等不同领域的学者,他们从各自不同的学科角度为知识逻辑做出了贡献。逻辑学方面的研究起始于冯·赖特(George Henrik von Wright)和辛提卡(Jaakko Hintikka)。他们提出了知识逻辑的公理,并对知识的语义也有开创性的研究,把知识和主体结合起来讨论。另一方面,经济学家罗伯特•约翰•奥曼(Robert John Aumann)从博弈论的角度独立地发现了知识模型,他提出并应用了公共知识的形式定义。在计算机领域,约翰·麦卡锡(John McCarthy)进行了人工智能的早期尝试,并推广了知识谜题和应用逻辑——他被称为人工智能的奠基人。哈珀恩(Halpern)及其合作者着眼于从人到机器的知识,研究了知识逻辑在分布式系统中的应用。之后,很多学者又将知识逻辑转向了动态知识逻辑的研究。

知识逻辑以“知道”(K)作为模态算子,它可以表达:“主体i 知道(knowsthat)φ”(Kiφ),同时还可表达很多更复杂的句子。知识逻辑的模型是由一些点和连结点的线组成的:点代表可能世界,线代表可能世界之间的可通达关系。在最强的知识逻辑模型上,这种关系是等价关系,可以理解为“不可区分关系”。因此,“知道”的语义定义是:i在世界w上知道φ当且仅当在所有从w出发i不可区分的世界上φ都为真。王彦晶副教授还介绍了最强的知识推理系统S5,着重讲解公理“4”和公理“5”的直观意义,并将这两个正负内省公理与《论语》中的“知之为知之,不知为不知,是知也”联系起来。

随后,王彦晶副教授介绍了知识逻辑研究的一些比较晚近的方向。首先,知识不只是某个主体个人的知识。因此,除了研究个体知识的知识逻辑,对于群体知识(比如分布式知识和公共知识)等都有相应的知识逻辑研究。此外,知识也不是一成不变的,“泥孩迷题”就是动态知识的一个例子。有关知识改变的研究带来了知识逻辑的动态转向,产生了“公开宣告逻辑”等动态知识逻辑。知识逻辑的应用十分广泛。在哲学中,知识逻辑的研究给知识论带来了新的启发,各种形式化的方法给知识论带来了新的问题。此外,知识逻辑与理论计算机、人工智能、认知博弈论等学科也呈现高度交叉的状态。即使在人们的日常生活中,知识逻辑也能帮助我们更好地认识世界。

f514534d86f3acc819a9a2ed9b19e143.png

王彦晶副教授

最后,王彦晶副教授简要介绍了自己最近的研究方向。传统的知识逻辑主要集中在对“知道如是”(knowing that)的研究,但其实很多时候人们想要“知道是否”(knowing whether),“知道是谁”(knowing who),“知道如何”(knowing how),“知道是什么”(knowing what),“知道为什么”(knowing why)等。然而,这些超越“知道如是”的知识逻辑研究,往往不能局限在命题模态逻辑中,而需要谓词模态逻辑。相较于命题模态逻辑的成功,有关谓词模态逻辑的研究并不充分,同时也存在更多的理论问题。王彦晶副教授希望能够发现既有足够的表达力,兼具命题模态逻辑良好性质的谓词模态逻辑,用来作为知识逻辑的新框架。他认为将必然模态算子和存在量词“打包”并得到一个新的谓词模态逻辑片段,能够在表达力和复杂度上满足我们的需要,他展示了自己和其他学者在这个方面已经取得的成果。

ae841749216cb5f00b56a3dc82ea657d.png

林作铨教授评议

评议阶段,林作铨教授表示,王彦晶副教授补充了数理逻辑和北京大学之间的渊源。北京大学是现代逻辑传入中国的发源地之一,中国很多知名的逻辑学家(如金岳霖、汪奠基、张申府、沈有鼎、王宪钧、胡世华、吴允曾、马希文、康宏逵等)都曾在北京大学求学或任教,著名逻辑学家罗素也曾于上世纪二十年代来北京大学讲学。之后,因为历史原因,北京大学的现代逻辑研究一度中断,直到上世纪八、九十年代才恢复。林作铨教授表示,自己在北京大学数学系教授了二十年的数理逻辑课,而北大有着非常深厚的逻辑学传统。随后,两位老师和现场听众就相关问题进行讨论、交流。

这篇关于人工智能不是计算机领域能学么,【未名学者讲座36】王彦晶:知识的逻辑——从哲学到人工智能...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/450312

相关文章

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

sqlite3 相关知识

WAL 模式 VS 回滚模式 特性WAL 模式回滚模式(Rollback Journal)定义使用写前日志来记录变更。使用回滚日志来记录事务的所有修改。特点更高的并发性和性能;支持多读者和单写者。支持安全的事务回滚,但并发性较低。性能写入性能更好,尤其是读多写少的场景。写操作会造成较大的性能开销,尤其是在事务开始时。写入流程数据首先写入 WAL 文件,然后才从 WAL 刷新到主数据库。数据在开始

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

讲座笔记1

1. 攻击者 2.链式 未知的apt 防御模型,访问关键资源,可信验证,不的转到替身,开展隐蔽防御, 1.触发点博弈,绕过问题 2.替身对抗 围绕这两个问题 马尔科夫链,形象化,15分钟处。 提高替身的诱骗效果 防御成功概率 = 两个问题处成功的概率之积 网络攻击研判,mdata 理论 多维关联认知模型 巨规模 ,关联性,演化性 模拟人脑结构 组成作用认知实现,模拟学习模型

基于人工智能的智能家居语音控制系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 随着物联网(IoT)和人工智能技术的发展,智能家居语音控制系统已经成为现代家庭的一部分。通过语音控制设备,用户可以轻松实现对灯光、空调、门锁等家电的控制,提升生活的便捷性和舒适性。本文将介绍如何构建一个基于人工智能的智能家居语音控制系统,包括环境准备

从希腊神话到好莱坞大片,人工智能的七大历史时期值得铭记

本文选自historyextra,机器之心编译出品,参与成员:Angulia、小樱、柒柒、孟婷 你可能听过「技术奇点」,即本世纪某个阶段将出现超级智能,那时,技术将会以人类难以想象的速度飞速发展。同样,黑洞也是一个奇点,在其上任何物理定律都不适用;因此,技术奇点也是超越未来理解范围的一点。 然而,在我们到达那个奇点之前(假设我们能到达),还存在另一个极大的不连续问题,我将它称之

【Python知识宝库】上下文管理器与with语句:资源管理的优雅方式

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 文章目录 前言一、什么是上下文管理器?二、上下文管理器的实现三、使用内置上下文管理器四、使用`contextlib`模块五、总结 前言 在Python编程中,资源管理是一个重要的主题,尤其是在处理文件、网络连接和数据库

dr 航迹推算 知识介绍

DR(Dead Reckoning)航迹推算是一种在航海、航空、车辆导航等领域中广泛使用的技术,用于估算物体的位置。DR航迹推算主要通过已知的初始位置和运动参数(如速度、方向)来预测物体的当前位置。以下是 DR 航迹推算的详细知识介绍: 1. 基本概念 Dead Reckoning(DR): 定义:通过利用已知的当前位置、速度、方向和时间间隔,计算物体在下一时刻的位置。应用:用于导航和定位,

逻辑表达式,最小项

目录 得到此图的逻辑电路 1.画出它的真值表 2.根据真值表写出逻辑式 3.画逻辑图 逻辑函数的表示 逻辑表达式 最小项 定义 基本性质 最小项编号 最小项表达式   得到此图的逻辑电路 1.画出它的真值表 这是同或的逻辑式。 2.根据真值表写出逻辑式   3.画逻辑图   有两种画法,1是根据运算优先级非>与>或得到,第二种是采