关于人工智能行为主义课题及其延伸话题的进一步思考_行为主义人工智能有什么具体问题

        在前面我所发布的《人工智能行为主义学派蠡测》一文中提到我将在另一篇文章中对人工智能行为主义课题本身及其延伸话题展开更深入的思考。没错，它来了。下面我针对行为主义本身及其延伸话题提出了二十一个问题，无不来自于我在进行关于行为主义课题的研究时产生的疑问、进一步的思考及其他想要了解的内容。

一、人工智能凭什么出现？（它出现的意义是什么？）

凭什么出现：

        复旦大学计算机科学技术学院教授、上海市数据科学重点实验室主任肖仰华在外滩大会见解论坛上发表主旨演讲，就“大语言模型消除人机鸿沟：人类主体性是强化还是弱化”这一主题做出深刻阐释。其主旨演讲中提到：我们用以认知世界的大脑容量是十分有限的。人类认知能力的进化却又是十分缓慢的，而如今巨型模型的参数量就已经突破万亿，数据增长速度也是极快，人脑跟不上。但机器的认知能力和世界的复杂性是同步增长的，唯有高度发展的机器智能才能胜任复杂世界的认知要求。于是，人工智能出现了。

意义：

        首先，人工智能的意义在于其能够解决复杂问题、提供智能决策支持。通过机器学习（是计算机科学的子领域，也是人工智能的一种实现方式。这门学科所关注的是计算机程序如何随着经验积累，自动提高性能）和深度学习（是联结主义的一种应用，通过对智能学习体投喂大量数据使其不断接近所需精确度，最终获得相应能力。如：手写数字识别、鸢尾花模型识别）技术，人工智能可以从大量的数据中学习，从而帮助我们更好地理解和处理复杂的现实世界问题。

        其次，人工智能的价值在于提升工作效率和创造力。通过自动化（以自动控制理论为主要理论基础，以电子技术、计算机信息技术、传感器与检测技术等为主要技术手段，对各种自动化装置和系统实施控制）和智能化（智能化是指事物在计算机网络、大数据、物联网和人工智能等技术的支持下，所具有的能满足人的各种需求的属性。比如无人驾驶汽车，就是一种智能化的事物，它将传感器物联网、移动互联网、大数据分析等技术融为一体，从而满足人的出行需求。）的方式，人工智能可以帮助我们完成繁琐、重复的任务，从而释放出更多时间和精力去从事更有挑战性和创造性的工作。如自动化生产流程中的应用，大大提升了工作效率。

        此外，人工智能的意义还在于其在科学研究和技术创新方面的应用。人工智能可以辅助科学家进行大规模数据分析和模拟实验，加速科学研究的进展。

        最后，人工智能更是在倒逼人类重新认识自己。（复旦大学计算机科学技术学院教授、上海市数据科学重点实验室主任肖仰华在外滩大会见解论坛上发表主旨演讲，提出“人工智能大模型能力膨胀的当下人类应该重新审视自己的定位、自己的作用以及如何发展人工智能”的思考）

二、你认为人工智能的未来发展趋势（前景）是什么？

        当然，人工智能仍然可以从上述几个方面去发展，但必须要指出一个现实：人工智能能知道几乎所有已有的知识，并能把这些知识纳入大模型，它改变了人类处理大数据和复杂问题0的局面，往前迈了一步，使人类触及原本不可能涉及的领域，但它无法创造新事物，人类也不可能允许这种事情发生，也就是它永远不可能达到1，不可能出现自我意识，不可能实现自治。很遗憾，它永远只能作为人类的工具。

三、行为主义凭什么出现？（它出现的意义是什么？）

凭什么出现：

        行为主义其实是一个现代概念，在20世纪末才以人工智能新学派的面孔出现，在物联网蓬勃发展之时，行为主义才得到了大范围的推广和深入的应用，而历史上很长一段时间它都是以控制论的身份存在，在我看来，行为主义是控制论的自然演变。因而与其谈论行为主义出现的现实根源，不如讨论控制论出现的原因。（控制论相关见“八、控制论？（其核心思想？）”）

意义：

        我认为行为主义的意义在于两个方面，一是它贡献了独特的学习方式，二是它对科学研究、社会发展有极大的贡献。

        不同于依靠大量数据投喂的学习方式，行为主义有着独特的强化学习机制，这种学习方式与传统的有监督学习、无监督学习（两者都需要大量数据的投喂。但有监督学习“使用标记的训练数据进行学习，每个样本都有一个明确的输出或标签”，样本路径十分明确；而无监督学习“使用没有标记的数据，算法会自动找到数据中的结构和模式”，模型更简单，但由于路径模糊，评估更加困难）是不同的，它更加接近现实中生命体的学习方式，更加智能，这也是一些研究者认为的通往强人工智能（强人工智能，也指通用人工智能，要求具备执行一般智能行为的能力，能把人工智慧和意识、感性、知识和自觉等人类的特征互相连接。它是人工智能研究的主要目标之一，最接近理想的“智能”，同时也是科幻小说和未来哲学家所讨论的主要议题）的重要途径。

        关于行为主义对众多领域的贡献，见“四、未来发展趋势”。

四、你认为行为主义的未来发展趋势（前景）是什么？

        游戏领域——可以看到近十年之内，以DeepMind公司开发的AlphaGo Zero为代表的行为主义智能体蓬勃发展，目前AlphaGo Zero在国际象棋、西洋跳棋和日本将棋等游戏的对弈中已超越人类世界冠军的水平，充分展示了人工智能行为主义及其强化学习机制的优越性。可以猜想，未来行为主义智能体能够对博弈理论有更加深入的学习与更加熟练的运用，在游戏领域再创佳绩。

        机器人领域——行为主义智能体有独特的强化学习机制，通过强化学习，机器人可以通过与环境的交互学习到最优的行为方式，从而提高自身的适应性和智能性。可以猜想，行为主义未来可能会带来深刻的行业和社会变革。如改变传统的生产模式，使机器能够更加智能地协助人类完成生产任务，提高生产效率和产品质量。

        当然，这两方面只是代表性的，由于行为主义有极强的应用性，它在社会生活、科学研究等众多领域都有十分广泛的应用前景，如医疗领域（如医疗诊断系统）、智能物联系统等，数不胜数。

五、你对人工智能其他两个学派有什么了解？（符号主义、联结主义）

符号主义：

        符号主义是一种基于逻辑推理的智能模拟方法，该学派认为人类认知和思维的基本单元是符号，智能是符号的表征和运算过程，计算机同样也是一个物理符号系统，并认为人工智能源于数学逻辑，因此符号主义主张将智能形式化为符号、知识、规则和算法，并用计算机实现符号、知识、规则和算法的表征和计算，从而实现用计算机来模拟人的智能行为。

        符号主义的典型应用有：1、专家系统。专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。2、符号主义在博弈领域的成果——“深蓝”IBM超级计算机，1997年5月，深蓝打败了国际象棋世界冠军卡斯帕罗夫，让世界看到了符号主义的能力。

联结主义：

        联结主义是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。与行为主义恰恰相反，联结主义智能体遵循深度学习，以数据驱动为特点，需要大量数据的投喂，在若干数据的学习中减小出错率、提升能力。联结主义可谓生逢其时，在其深度学习理论取得了系列的突破后，人类进入互联网和大数据的时代。互联网产生海量数据，包括行为数据、图像数据、内容文本数据等。这些数据分别为智能推荐、图像处理、自然语言处理技术发展做出卓著的贡献，使深度学习在这个时代大放异彩。

        行为主义典型的模型有手写数字识别和鸢尾花模型识别，其典型应用有大名鼎鼎的AlphaGo，还有同一家公司研发的Alphafold，它破解了出现了50年之久的蛋白质分子折叠问题。

六、你对约翰麦卡锡有什么了解？

        简要介绍一下。

        约翰麦卡锡是一位备受尊敬的计算机科学家、认知科学家。他在加州理工学院获得数学学士学位，在普林斯顿大学获得数学博士学位，看起来应该是一位数学家。但其主要贡献不在数学上。在1956年达特茅斯会议上，他提出了“人工智能”一词，发明了Lisp语言，并将他的老本行——数学逻辑应用到了人工智能的早期形成中，终身以“制造具有人类智能的机器”为目标，被誉为“人工智能之父”。在1971年因其在人工智能领域的贡献获得了图灵奖。

（关于Lisp语言：LISP是一种函数式的符号处理语言，其程序由一些函数子程序组成，有着独特的函数式编程风格。在函数的构造上，和数学上递归函数的构造方法十分类似，即从几个基本函数出发，通过一定的手段构成新的函数。它被广泛应用于人工智能、自然语言处理、数据处理等领域）

七、你对达特茅斯会议有什么了解？

        1956年8月，“人工智能之父”约翰麦卡锡、人工智能与认知学专家马文闵斯基、信息论创始人克劳德香农、计算机科学家艾伦纽厄尔、诺贝尔经济学奖得主赫伯特西蒙相聚达特茅斯学院，讨论着当时看来完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。

（主要议题：自动计算机、如何为计算机编程使其能够使用语言、神经网络、计算规模理论、自我改造、抽象、随机性与创造性）

八、控制论？（其核心思想？）

        控制论，是一门研究动物（包括人类）和机器内部的控制与通信的一般规律的学科。它综合了各类系统的控制、信息交换、反馈调节的科学。

        控制论的核心思想是研究系统在变化的环境条件下如何保持平衡状态或稳定状态。这涉及到了对反馈理论的研究，特别是负反馈调节（在控制论中，负反馈是一种常见的控制方式，它是指将系统的输出返回到输入端并以某种方式改变输入，进而影响系统功能的过程。负反馈使输出起到与输入相反的作用，使系统输出与系统目标的误差减小，系统趋于稳定），这是控制论的核心问题。反馈是指一个系统的输出会反过来影响输入，形成一个闭环的系统。这种反馈机制是控制论的基础，也是自然界中许多生物和机器运作的基础。例如，老鹰抓兔子的过程就是一个简单的负反馈调节的例子。老鹰抓到兔子后，它的速度会减慢，这就导致了它的偏差减小，从而更好地抓住了兔子。

        控制论的创始人维纳将控制论看作是一门研究机器、生命社会中控制和通信的一般规律的科学。他认为，任何系统，在外界环境的刺激下必然会做出反应，这个反应又会反过来影响系统本身和环境。这就是控制论的核心思想：通过反馈来维持和调整系统的稳定性。

九、达尔文进化论？（其核心思想？）

        “物竞天择、适者生存”是达尔文进化论的核心思想，达尔文认为：生物是通过不断的竞争、变异和选择，最终形成了多样而又勃勃生机的生命。进化是没有方向和目的的，有的走向呆滞，有的走向智能。不管走向哪个方向，都是大自然通过最简单的“试错法”选中的幸存者，不能适应环境的物种将会被大自然淘汰，没有同情更没有怜悯。

        适者生存不仅适用于生物系统，同样适用于社会系统和经济系统，复杂经济学奠基人布莱恩.阿瑟在《技术的本质》一书中提到，技术的发展推动着经济的发展，他们都遵循进化论，企业就是创造技术的载体，只有适应新市场新环境的企业才能够生存下去。例如：苹果手机、微信、今日头条、抖音都适应了移动互联网的生存环境，才能够取得成功。而柯达、诺基亚在市场环境发生变化的时候，不能够快速的适应环境，最终走向了衰败。

十、智能模拟？

概念：智能模拟系统是指通过使用计算机程序，将某些现实中的复杂系统的各种参数进行输入，并通过计算机来对其进行模拟与仿真。从而得到对未来可能产生的某些场景的预测。

应用：地理信息系统应用领域便可以通过模拟来进行分析预测，如通过将高速公路网路的建设进行模拟，来预测未来的车流量和拥堵情况，便可为城市规划提供重要参考。金融模拟领域也可以利用智能模拟系统来对投资的风险进行预测。

智能模拟系统的技术发展：智能模拟系统的技术发展主要得益于人工智能技术的发展。随着人工智能技术的不断更新，智能模拟系统的准确度也在不断提高。目前，智能模拟系统主要采用机器学习、深度学习等人工智能技术进行分析。这些技术主要通过对大量真实数据的处理和分析，来提高模拟的准确性和可靠性。包括行为主义智能体中的应用。就以扫地机器人为例：扫地机器人就是通过不断涉足真实打扫环境来积累经验，即是一个积累历史数据的过程，再基于对大量经验的处理和分析对下一步将要面临的环境、障碍做出更准确、更可靠的预测。

十一、维纳？麦克洛克？

        诺伯特·维纳（Norbert Wiener，1894年11月26日—1964年3月18日），出生于美国密苏里州哥伦比亚，应用数学家，控制论创始人，美国艺术与科学院院士，生前是麻省理工学院荣休教授。诺伯特·维纳阐明了现代系统控制思想和反馈调节原理。第二次世界大战开始后，维纳参与了火炮控制研究，进而建立了控制（Cybernetics）理论。1943年，维纳与奥特罗·罗森布鲁（Arturo Rosenblueth）和别格劳合写了一篇题为《Behavior, purpose and teleology》的文章，中心思想是：控制行为是一个从原因到目的之间的随机试探和反复调节的曲折过程。这篇哲学文章第一次明确地构思了如何通过反馈来进行科学意义下的控制。

        沃伦·麦卡洛克（Warren McCulloch），神经学家。 [1]神经科学界的巨擘，是如今计算神经科学的开创者之一。 [2]深度学习是机器学习的一种类型，要求更少的人工协助。通常这种方法涉及到人工神经网络，这是一种松散的数学系统，主要是通过模仿人类大脑中神经元的协同工作方式研发出来的。神经学家沃伦·麦卡洛克（Warren McCulloch）与数学家沃尔特·皮茨(Walter Pitts)于1943年首次提出类似系统。

        沃伦·麦卡洛克于1898年出生于新泽西州的奥兰治。他就读于哈弗福德学院，并在耶鲁大学学习哲学和心理学，在那里他获得了 a. b。1921年获得学位。他继续在哥伦比亚大学学习心理学，并获得了文学硕士学位。1923年获得学位。1927年，他从纽约的哥伦比亚大学医学院获得了医学博士学位，并在纽约的贝尔维尤医院实习。然后他在 Rockland State Hospital 的精神病院为艾哈德 · 冯 · 多马鲁斯工作。1934年，他回到学术界。1934年至1941年，他在耶鲁大学神经生理学实验室工作。

        1941年，他搬到了芝加哥，加入了精神科医院，在伊利诺大学芝加哥分校任精神病学教授，同时担任伊利诺伊州神经精神病学研究所主任，直到1951年。从1952年起，他与诺伯特 · 维纳一起在马萨诸塞州剑桥的麻省理工学院工作。他是美国控制论学会的创始成员，并在1967-1968年担任该学会的第二任主席。他是英国运筹学先驱斯塔福德 · 比尔的导师。

十二、自组织系统？

        麦克洛克和维纳等人提出的自组织系统是控制论的重要组成部分，这一理论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。自组织系统是指不需要外部干预就能自行建立秩序和提高有序度的高级组织系统，这种系统的演化过程是从混沌无序状态向稳定有序状态的过渡。他们的研究重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制（比如机器蜘蛛、机器蝴蝶和机器鱼等）。这些研究为智能机器人的发展奠定了基础，并在20世纪80年代诞生了智能控制和智能机器人系统。

十三、钱学森的工程控制论和生物控制论？

        首先，控制论的核心思想是通过反馈来维持和调整系统的稳定性，工程控制论和生物控制论则是其中的两个分支，但它们的核心思想仍然是相同的。

        生物控制论是研究生物体内各种生理过程的控制和调节机制的科学。生物控制论的核心思想是运用控制论的一般原理，研究生物系统中的控制和信息的接收、传递、存贮、处理及反馈。具体来说，它尝试建立生物系统的模型，并定量地研究这些系统在各种内外环境因素影响下的动态特性。它探讨的是有机体和机器中的控制和信息的一般原理，并试图建立有机体中的控制和通讯过程的一般语言。

        工程控制论的核心思想是从系统的观点出发，综合运用各种工程技术手段和现代管理方法来设计、改善、维持和提高生产和管理过程。这旨在使工业生产按照人们所需要的状态稳定运行，提高工作效率，降低消耗，保证产品质量，增加企业经济效益。

        在控制论中，控制的定义是为了改善某个或某些受控对象的功能或发展，需要获得并使用信息，以这种信息为基础而选出的、于该对象上的作用就叫作控制。由此可见，控制的基础是信息，一切信息传递都是为了控制，进而任何控制又都有赖于信息反馈来实现。

        此外，钱学森在《工程控制论》中强调了系统工程的重要性，这种方法从全局的角度，运用各种工程技术手段和现代管理方法来设计、改善、维持和提高生产和管理过程，以保证工业生产按照人们所需要的状态稳定地运行，提高工作效率和降低消耗。

十四、物联网？

一句话解释物联网：把所有物品通过信息传感设备与互联网连接起来，进行信息交换，即物物相息，以实现智能化识别和管理。

应用：

一、智能家居，通过WIFI网络将家庭里的各种设备，如监控，窗帘，空调，灯光，热水器等各种家用电器联网，实现智能控制。

二、蜂群系统，目前很多城市无人机灯光秀表演，利用大量的无人机，通过物联网技术，按一定的规则排序排列。又比如可以用于军事目的的无人机蜂群攻击，利用大量载有炸药的无人机，利用物联网技术，形成不同的形态和路径，攻击敌方阵地。

十五、怎么解释“控制论动物”？（为什么称为“控制论动物”？）

        “控制论动物”是一个相对宽泛的概念，它主要是基于控制论的基本原理和思想来研究和理解动物的行为和生理过程。可以理解为运用控制论原理和方法来研究和分析动物的行为、生理和生态系统等问题。具体来说，这涉及到如何利用控制器，通过信息的变换和反馈作用，使系统（在这里指动物或生物体）能自动按照人们预定的程序运行，最终达到最优目标。

        而“控制论动物”的应用则主要体现在人工智能行为主义学派的研究中，如机器蜘蛛（通常指六组行走机器人）、机器蝴蝶、机器鱼、波士顿大狗等。

十六、六足行走机器人？

        六足机器人又叫蜘蛛机器人，是多足机器人的一种。仿生式六足机器人，顾名思义，六足机器人在我们理想架构中，我们借鉴了自然界。

        以往的研究表明轮式移动方式在相对平坦的地形上行驶时，具有相当的优势运动速度迅速、平稳，结构和控制也较简单，但在不平地面上行驶时，能耗将大大增加，而在松软地面或严重崎岖不平的地形上，车轮的作用也将严重丧失移动效率大大降低。为了改善轮子对松软地面和不平地面的适应能力，履带式移动方式应运而生但履带式机器人在不平地面上的机动性仍然很差行驶时机身晃动严重。与轮式、履带式移动机器人相比在崎岖不平的路面步行机器人具有独特优越性能在这种背景下多足步行机器人的研究蓬勃发展起来。而仿生步行机器人的出现更加显示出步行机器人的优势。

十七、波士顿大狗？

        “波士顿大狗”是由波士顿动力学工程公司研制的一种四条腿完全模仿动物的四肢设计，体型与大型犬相当的机器狗。

        “波士顿大狗”能力超群。除了行走和奔跑，还可跨越一定高度的障碍物。它能够在战场上发挥非常重要的作用：由于其有较快的移动速度、较大的载量，能够在交通不便的战区高速多量地运送物资。

        “波士顿大狗”机器人的内部安装有一台计算机，可根据环境的变化调整行进姿态。内部大量的传感器则能够保障操作人员实时地跟踪“大狗”的位置并监测其系统状况。也就是说，大狗就是一台移动计算机。

十八、无人探险车？（它的作用、应用？）

        无人探测车可用于火星、月球探测，也可用于军事侦查，排雷，参加危险环境下的作业，如核辐射环境下的相关作业等等。

十九、AlphaGo Zero?（它跟AlphaGo有什么区别？）

AlphaGo Zero：是Deepmind公司开发的围棋程序，是行为主义的代表作。从空白状态学起，在无任何人类输入的条件下，它能够迅速自学围棋，经过3天的训练便以100：0的战绩击败了前辈AlphaGo Lee，经过40天的训练便击败了AlphaGo Master。

与AlphaGo的区别：二者均为围棋对弈机器人，AlphaGo Zero是行为主义的代表作，它的学习不需要人工投喂任何棋局数据，而是基于“感知——行动”“交互——反馈”的强化学习机制，在不断试错、大量经验积累中提升能力；而AlphaGo是联结主义的代表作，它需要人工投喂，基于数据驱动原理，在大量数据中寻求规律与围棋的真谛。

二十、智能交通系统、智能推荐系统、智能家居系统是如何体现行为主义的？

智能交通系统：

        智能交通系统运用了人工智能行为主义的方法提高交通管理效率和人车安全。它可以通过交通模拟，模仿交通管理人员的决策和调度过程，提高交通系统的智能化和自动化水平，优化交通信号控制、进行车辆路径规划等，减少交通拥堵和事故发生。

智能推荐系统：

        智能推荐系统采用了人工智能行为主义的方法为用户推荐个性化内容。它通过分析用户的历史行为和偏好，模拟人类的选择和决策过程，预测用户的兴趣和需求，从而为用户提供个性化的推荐结果，提高推荐的准确性和用户满意度。

智能家居系统：

        智能家居系统采用了人工智能行为主义的原则来实现家庭自动化的应用。它通过语音识别和智能设备的连接，实现对灯光、家电等家居设备的远程控制和管理。实现了行为主义通过学习和模仿主人的行为和习惯，智能化地应对家庭需求，提高居住的便利性和舒适性的目标。

二十一、行为主义有什么研究价值？或对今后就业有什么贡献？

        行为主义有一个极大的优势，即行为主义重视结果，重视机器人自身的表现，实用性很强。因此行为主义有极大的研究价值，就业前景则主要集中在行为主义智能体的研发。在发展趋势上，随着强化学习的兴起，行为主义已经成为人工智能领域中的主流，未来，行为主义仍将继续发展，主要集中在强化学习和自然语言处理等领域。另外，由于现在我们已经看到通过强化学习训练AI，已经让人类选手开始在各大竞技中深感绝望，因此也可以往机器自治话题上深入研究，让人工智能尽可能大程度地接近1，当然必须承认的一点是，它永远不可能达到1。

        以上便是我对人工智能行为主义课题本身及其延伸话题所展开更深入的思考，供学习参考。