什么是“理解”?如何在人工智能中定义“理解”?(what is understanding ?)

2024-05-08 02:48

本文主要是介绍什么是“理解”?如何在人工智能中定义“理解”?(what is understanding ?),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!

* 这篇文章主要不是解释哲学上的“理解”,而是在计算或者人工智能或是数学上定义“理解”

   

    对于人而言,理解似乎是一件简单的事情。在我们上课的时候我们能确切的知道是否理解老师所讲的内容,在我们看书的时候我们能确切的知道书中的内容我们是否理解,在我们与人交谈的时候我们能确切的知道别人说了什么,我们也确切的知道别人所描述的我们是否理解。我们似乎天生就有这个能力

   所以有一个问题,我们如何知道自己理解了或者不理解?什么是理解?

   众所周知,自然语言理解是人工智能的最高目标之一,如果连什么是理解都不知道的话,我们可能无法实现这个宏伟的目标

   这里的理解是指计算机是否理解了一个概念。比如,这里举最简单的自然数加法(姑且简单的叫做加法)为例。那么对计算机而言什么是加法?其实人也解释不清楚什么是加法,而只是大脑里有一个模糊的关于加法的概念(包括加法表,进位规则,数字符号操作过程),而且能根据别人给定的加法题目给出正确的答案。所以当我们提出题目 12+23=? 的时候,这个看起来简单的题目对计算机而言并不简单。计算机需要知道数字符号(12,23)和逻辑操作符号(+,=),以及这个题目涉及的概念是什么(我们确切知道他是加法题目,但是对计算机而言他就是一串符号,如果脱离符号所映射的领域知识,那么符号便没有意义

    所以我们如何以计算机的视角来解决 P: 12+23=? 这个问题?

    1. 我们需要知道给定符号串P的目的(这里是求两个数的和),这里涉及到自然语言中的意图识别,假设我们定义万能意图函数F(X):X -> D,X为符号输入,D为输出,当我们输入问题字符时F(x)能给我们这串字符的目的

    2. 我们需要知道目的D及字符串P关联的知识库,这里得到知识库加法规则A(X),A(X)可以视作我们大脑中关于加法的知识或者运算过程,假设我们仍然定义一个函数M(X)来表示该关联映射

    3. 我们已经得到该字符串P的目的D和规则A(X),我们需要根据规则的内容填充,假设规则A(X)能直接根据字符串序列P解析出数字符号(12,23)和逻辑符号(+,=),并知道各符号的逻辑关系及操作过程,并作操作得到结果

    这里我们算基本解决了该问题,可以看到该问题并不简单,我们能够得到:加法概念实际是整个关于加法的操作并得到结果的过程,而加法概念本身也包含数字概念和操作概念,如:什么是1,2,3... 什么是+,=... 这本身也是概念,如果不理解底层的概念,那么便无法建立关于该底层概念的高层概念。所以这正是自然语言理解困难的关键之一

    所以,什么是理解?what is understanding ?

   我们在这里先简单的预定义在加法上的理解(然后推广到其他概念上):对于任意的输入,如果计算机能够基于程序操作输出正确的值,那么认为计算机理解了加法

   我们会发现如果人编写了一个加法的程序,而计算机运行程序输出正确的值,那么实际是人理解了加法,而计算机只是根据指令完成计算而已。这样我们就必须制定一个规则:即加法程序必须为计算机所写,且所写程序不能是来自外部程序的拷贝,且对于任意的输入,输出正确的值,那么计算机就理解了加法

   这里总结以上的定义:如果计算机能够写出一个加法程序(该程序不是来自外部程序的拷贝)对于任意的输入,该程序运行后输出正确的值,那么计算机就理解了加法

  这可以等价为更形式的定义:给定一个图灵机 M,一套初始程序 P,学习加法需要的完备数据 D 及一个完备的加法测试系统 TP,如果 M 能够利用 P 与 D 写出一个算法使 TP 测试为加法完备的,那么我们说 M 理解了加法。而编写出一个程序判断两个函数是否相等是不可判定问题,所以这里及以下的完备的测试系统TP的测试用例数限定于趋近于一个极大数字

   我们可以推广为,给定一个图灵机M,一套初始程序 P,某概念的完备数据 D 及一个完备的测试系统 TP,如果M能够利用 P 与D 写出关于该概念的一个算法使TP测试为完备的,那么我们说 M 理解了该概念。其中概念需要满足可计算性要求;测试系统TP可以是人写的程序;数据D不能是该概念的完整或部分算法程序

    我们可以举个例子来说明该定义:在做项目的时候,产品经理定义了一系列的需求给程序员,并告诉程序员需求的解释,那么产品经理如何知道程序员是否理解这些需求?产品经理当然不知道!即便产品经理相信程序员理解该需求,也一定是建立在一段时间的磨合后或是建立在大量认知的基础上。所以我们如何准确的知道程序员是否理解产品需求?Talk is cheap , Show me the code。程序员要给产品经理程序和代码,产品经理给测试人员测试,且我们知道这个测试人员懂代码和如何运行测试,如果测试人员认为程序和代码都没有问题且完成了需求,那么产品经理认为程序员理解了产品需求,否则没有理解产品需求

 这里例子的映射关系为:产品经理->我们,程序员->图灵机M和初始程序P,产品需求->某概念完备数据D,测试人员->测试系统TP

    所以我们由上,图灵机M是已知的,我们需要解决的问题是数据D,初始程序P与测试系统TP的问题。测试系统有白盒测试即原理测试,而也可以是黑盒测试。有些概念的测试系统较简单如加法,减法,乘法等等,但有的可能会异常的复杂,以至于只能做黑盒测试,如围棋,自然语言理解等等

   其实这里我们已经看到了机器学习的影子,从上我们可以推断:如果机器人没有学习能力那么机器人就不能理解任意概念

    续:是否所有的概念都可以用序列过程来验证理解?这里的猜想是:可以。比如我们对机器人说:请给我一个苹果。如果机器人将桌子上的苹果拿来给了我(这里假设机器人不是人为的硬编码),那么说明机器人理解实体“苹果”的意思,同样也理解“给”的意思,并且理解“我”这个实体的意思(不然就不会真确的产生苹果给我的结果),也就是我们能够同时验证多个概念的理解性,而这个验证只是通过序列化的过程来验证的,即:从机器人听到指令到将苹果给我的这样一个序列过程。这里把这种验证称为:概念理解的序列过程验证

参考文献:

 1. Pedro Domingos,The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World

 2. Mitchell,Machine Learning

 3. Thomas H.Cormen、Charles E.Leiserson、etc,Introduction to Algorithms

 4. Scott Reed 、Nando de Freitas,Neural Programmer-Interpreters

这篇关于什么是“理解”?如何在人工智能中定义“理解”?(what is understanding ?)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/969095

相关文章

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

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【C++高阶】C++类型转换全攻略:深入理解并高效应用

📝个人主页🌹:Eternity._ ⏩收录专栏⏪:C++ “ 登神长阶 ” 🤡往期回顾🤡:C++ 智能指针 🌹🌹期待您的关注 🌹🌹 ❀C++的类型转换 📒1. C语言中的类型转换📚2. C++强制类型转换⛰️static_cast🌞reinterpret_cast⭐const_cast🍁dynamic_cast 📜3. C++强制类型转换的原因📝

深入理解RxJava:响应式编程的现代方式

在当今的软件开发世界中,异步编程和事件驱动的架构变得越来越重要。RxJava,作为响应式编程(Reactive Programming)的一个流行库,为Java和Android开发者提供了一种强大的方式来处理异步任务和事件流。本文将深入探讨RxJava的核心概念、优势以及如何在实际项目中应用它。 文章目录 💯 什么是RxJava?💯 响应式编程的优势💯 RxJava的核心概念

如何通俗理解注意力机制?

1、注意力机制(Attention Mechanism)是机器学习和深度学习中一种模拟人类注意力的方法,用于提高模型在处理大量信息时的效率和效果。通俗地理解,它就像是在一堆信息中找到最重要的部分,把注意力集中在这些关键点上,从而更好地完成任务。以下是几个简单的比喻来帮助理解注意力机制: 2、寻找重点:想象一下,你在阅读一篇文章的时候,有些段落特别重要,你会特别注意这些段落,反复阅读,而对其他部分

Spring 源码解读:自定义实现Bean定义的注册与解析

引言 在Spring框架中,Bean的注册与解析是整个依赖注入流程的核心步骤。通过Bean定义,Spring容器知道如何创建、配置和管理每个Bean实例。本篇文章将通过实现一个简化版的Bean定义注册与解析机制,帮助你理解Spring框架背后的设计逻辑。我们还将对比Spring中的BeanDefinition和BeanDefinitionRegistry,以全面掌握Bean注册和解析的核心原理。

深入理解数据库的 4NF:多值依赖与消除数据异常

在数据库设计中, "范式" 是一个常常被提到的重要概念。许多初学者在学习数据库设计时,经常听到第一范式(1NF)、第二范式(2NF)、第三范式(3NF)以及 BCNF(Boyce-Codd范式)。这些范式都旨在通过消除数据冗余和异常来优化数据库结构。然而,当我们谈到 4NF(第四范式)时,事情变得更加复杂。本文将带你深入了解 多值依赖 和 4NF,帮助你在数据库设计中消除更高级别的异常。 什么是

分布式系统的个人理解小结

分布式系统:分的微小服务,以小而独立的业务为单位,形成子系统。 然后分布式系统中需要有统一的调用,形成大的聚合服务。 同时,微服务群,需要有交流(通讯,注册中心,同步,异步),有管理(监控,调度)。 对外服务,需要有控制的对外开发,安全网关。

Java IO 操作——个人理解

之前一直Java的IO操作一知半解。今天看到一个便文章觉得很有道理( 原文章),记录一下。 首先,理解Java的IO操作到底操作的什么内容,过程又是怎么样子。          数据来源的操作: 来源有文件,网络数据。使用File类和Sockets等。这里操作的是数据本身,1,0结构。    File file = new File("path");   字