張傳雷,姚一豫
1. 天津科技大學(xué) 人工智能學(xué)院,天津 300457
2. 里賈納大學(xué) 計(jì)算機(jī)系,里賈納S4S 0A2
長期的粗糙集研究為三支決策[1?4](three-way decisions,3WD)方法的形成提供了基礎(chǔ)。 這一方法首先專注于概率粗糙集理論,通過融合概率論和粗糙集理論,研究者試圖更好地處理不完備信息和不確定性。同時(shí),研究還匯總了與人類認(rèn)知過程相符的思維習(xí)慣和決策方式,以確保所提出的模型與人的思考方式相一致。在概率粗糙模型中,研究者采用了參數(shù)a和β來劃分論域,將其分為正域、邊界域和負(fù)域3 個(gè)關(guān)鍵區(qū)域。參數(shù)a決定了正域的大小,而參數(shù)β則在邊界域方面起到關(guān)鍵作用。這一劃分使得模型能夠更靈活地適應(yīng)不同的問題領(lǐng)域和數(shù)據(jù)特征。正域規(guī)則被解釋為接受,這意味著在正域內(nèi)的條件下,決策是可行的且有置信度。負(fù)域規(guī)則則表示拒絕,即在負(fù)域內(nèi)的條件下,某些決策是被排除的。而邊界域規(guī)則則代表由于不確定性而無法做出明確接受或拒絕的判斷,因此需要延遲決策。這種對不確定性的合理處理使得模型能夠更為靈活地應(yīng)對實(shí)際決策中的各種復(fù)雜情況[5?6]。3WD 的概念體現(xiàn)了這種劃分,其中正域規(guī)則用于表示接受,負(fù)域規(guī)則用于表示拒絕,而邊界域規(guī)則則表明在某些情況下無法做出明確的接受或拒絕決策,因此需要延遲判斷。3WD 被認(rèn)為是一種高效、低成本、高回報(bào)、容錯(cuò)性強(qiáng)的復(fù)雜問題解決方法之一。在2012 年,提出了較為完整的3WD 理論與思想方法[7]。隨后,在2018 年,筆者進(jìn)一步改進(jìn)為更完整的分–治–效模型,即TAO 模型[5]。3WD 理論的思想清晰明了、實(shí)際效果顯著,因此在各行各業(yè)都有廣泛的運(yùn)用。由于其在處理不確定性問題時(shí)的可解釋性和可行性,它逐漸成為知識發(fā)現(xiàn)領(lǐng)域的研究熱點(diǎn),成為指導(dǎo)科學(xué)研究的方法論,并在實(shí)際問題處理中發(fā)揮了指導(dǎo)作用[8?9]。在2020 年,基于基本幾何概念(例如點(diǎn)、線、三角形、圓等),提出了3WD 的幾何表示結(jié)構(gòu),并使用了來自不同學(xué)科和領(lǐng)域的示例來說明這些結(jié)構(gòu)的表達(dá)及其物理解釋[8]。隨后,在2022 年基于3WD 原則,提出了數(shù)據(jù)科學(xué)的概念模型和符號–意義–價(jià)值(symbolmeaning-value,SMV)空間,從信息科學(xué)、管理科學(xué)、認(rèn)知科學(xué)和計(jì)算機(jī)科學(xué)的角度討論了SMV空間的3 個(gè)維度[10]。
到現(xiàn)在為止,3WD 研究主要集中在構(gòu)建理論和數(shù)學(xué)模型,探索3WD 方法和應(yīng)用[11?15]。作為三元思維的理論,3WD 在許多學(xué)科和領(lǐng)域都有普遍適用性,為求解復(fù)雜問題提供了一種有效的策略[15?18]。而在人工智能領(lǐng)域中,3WD 同樣也發(fā)揮了重要的作用。本文將3WD 理論與人工智能的發(fā)展和研究相結(jié)合,從3WD 幾何結(jié)構(gòu)的角度闡述了人工智能的發(fā)展歷程、技術(shù)分類、關(guān)鍵研究問題以及未來的發(fā)展方向。其中包括:人工智能的人工智能研究中的三大主義、人工智能發(fā)展中的三分類、機(jī)器學(xué)習(xí)的3 種方式、智能本質(zhì)中的三層金字塔結(jié)構(gòu)、智能生成機(jī)理中的三支結(jié)構(gòu)、大數(shù)據(jù)的三V 結(jié)構(gòu)、人工智能倫理的三定律以及人類與機(jī)器之間的三元關(guān)系等方面。
在3WD 幾何結(jié)構(gòu)中,三段線結(jié)構(gòu)是一種廣泛用于表達(dá)現(xiàn)實(shí)世界簡單和直接的幾何結(jié)構(gòu),可以用來表達(dá)空間和時(shí)間的概念[8]??梢詫⒁粋€(gè)連續(xù)的整體分成3 個(gè)部分,從定量理解到定性理解事物的變化規(guī)律。事物定量變化一旦超過某些閾值(例如α和β),它們就成為定性的變化,這是三段線結(jié)構(gòu)中分段的基本思想。這種定量和定性相結(jié)合表示的三段線結(jié)構(gòu)易于表示和理解,在3WD 幾何結(jié)構(gòu)中無處不在。圖1 表示3WD 中的三段線幾何結(jié)構(gòu),它形象描述了我們?nèi)粘5臅r(shí)間概念,即過去、現(xiàn)在和未來。盡管明確地給出了一對3 段式時(shí)間線的閾值(α,β),但應(yīng)該注意的是,這種清晰的定性變化在實(shí)踐中可能并不十分明確。
圖1 3WD 中三段線幾何結(jié)構(gòu)
在很多情況下,3WD 中的三元組可以表現(xiàn)為三層幾何結(jié)構(gòu),以表達(dá)三元之間的控制和支持關(guān)系[8]。三層幾何結(jié)構(gòu)是3WD 最為重要的幾何結(jié)構(gòu)和模式之一。3 個(gè)常用的三層幾何結(jié)構(gòu)是三層結(jié)構(gòu)、三層金字塔結(jié)構(gòu)和三環(huán)結(jié)構(gòu)。如圖2所示。
圖2 3WD 中的三層幾何結(jié)構(gòu)
2.2.1 三層結(jié)構(gòu)
在圖2(a)中,使用3 個(gè)相同大小的矩形來表達(dá)3 個(gè)水平的相同性,3 個(gè)水平中的每層和其他2 層一樣重要。這3 個(gè)層只是在不同的抽象、細(xì)節(jié)或規(guī)模水平上描述或代表同一個(gè)問題,它們從3 個(gè)不同的角度提供了對整體的描述。三層結(jié)構(gòu)的典型例子包括三層政府結(jié)構(gòu)、三層管理架構(gòu)、三層領(lǐng)導(dǎo)架構(gòu)、三層策略、三層經(jīng)濟(jì)水平等等。在3WD 中的三層幾何結(jié)構(gòu)里面,通常在層與層之間存在著控制–支持關(guān)系,頂層或內(nèi)層通過中層與底層或外層間接相關(guān)聯(lián)。如圖2 實(shí)線所示,較高的層控制并決定其較低的層;如圖2 虛線所示,較低的層在某種意義上支持其較高層[8]。
2.2.2 三層金字塔結(jié)構(gòu)
在圖2(b)中,用一個(gè)三層金字塔來描述一個(gè)三元組。把圖2(b)稱為金字塔,是因?yàn)樵摻Y(jié)構(gòu)中三層有不同的大小,形成了一個(gè)金字塔結(jié)構(gòu),底部大,頂部小。可以把一個(gè)三元組的3 個(gè)事物表示為金字塔中的3 個(gè)層次。另外,金字塔結(jié)構(gòu)提供了一個(gè)層次組織的形象比喻,它的底層有大量的成員,隨著層次的上升,頂層的成員數(shù)量越來越少。圖2(a)中的三層結(jié)構(gòu)體現(xiàn)了3 個(gè)層次的相同感,而三層金字塔結(jié)構(gòu)則體現(xiàn)了3 個(gè)層次的差異,這種差異使三層金字塔結(jié)構(gòu)成為一種常用的幾何結(jié)構(gòu)[8]。
2.2.3 三環(huán)幾何結(jié)構(gòu)
三層結(jié)構(gòu)和三層金字塔結(jié)構(gòu)適合于對三元組的自上而下和自下而上的理解。在某些情況下,我們想根據(jù)內(nèi)部與外部的空間包含關(guān)系來考慮3 件事。一個(gè)有多層的圓或一族同心圓可以起到這個(gè)作用。圖2(c)是由內(nèi)層、外層和中間層組成的三環(huán)結(jié)構(gòu)。向外看,內(nèi)層決定或支撐中間層,中間決定或支撐外層;向內(nèi)看,外層建立在中間層之上,中間層建立在內(nèi)層之上。這個(gè)洋蔥結(jié)構(gòu)的3 層大小直觀地提供了2 種解釋。由小到大的層序反映了一種由小的內(nèi)核向大的外殼的生長。從大到小的順序表示較小的層被較大的層包含。
3WD 是基于思維體系的三元思維方式,具有廣義的解釋與常用的策略和方法。根據(jù)不同的應(yīng)用,3WD 中的“三”有多種解釋,例如,三要素、三部分、三維度、三側(cè)面、三粒度等,體現(xiàn)了事物整體中各部分之間的關(guān)系以及三元組之間的交互,包括一些有用和重要的關(guān)系、互動(dòng)和依賴等。為了引入這些關(guān)系,可以用一個(gè)三腳架結(jié)構(gòu)來表示這類三元組關(guān)系,如圖3 所示[8]。
圖3 3WD 中的三腳架幾何結(jié)構(gòu)
圖3 中的中心圓圈代表一個(gè)整體, 3 條線描述了部分與整體的關(guān)系。由里向外看,整體被分成3 個(gè)部分,分別用a~c表示; 由外向里看,3 個(gè)部分支撐著整體。不同部分之間的關(guān)系是通過它們與整體的聯(lián)系來實(shí)現(xiàn)的,例如,a和b是通過中心的圓相關(guān)聯(lián)的。最后,整體通過三腳架將3 個(gè)部分結(jié)合在一起[8]。
到目前為止,討論的是3WD 中三元組之間的幾何結(jié)構(gòu)關(guān)系及其表征和解釋。當(dāng)運(yùn)用策略來實(shí)現(xiàn)最優(yōu)結(jié)果的時(shí)候,有些情況下需要考慮反映對三元組偏好的結(jié)構(gòu)關(guān)系,這種偏好關(guān)系也可以理解為優(yōu)先級關(guān)系[8]。如圖4 所示,有3 種基本的偏好結(jié)構(gòu)關(guān)系[4]:無序結(jié)構(gòu)(如圖4(a))、偏序結(jié)構(gòu)(如圖4(b)~圖4(d))和全序結(jié)構(gòu)(如圖4(e))。當(dāng)一個(gè)三元組中的3 個(gè)元素具有同等的重要性,或者強(qiáng)加一個(gè)優(yōu)先順序沒有意義時(shí),把優(yōu)先順序簡單地表示為3 個(gè)點(diǎn),如圖4(a)所示。圖4(b)表明在三元組中一個(gè)元素優(yōu)先于另一個(gè),并且這2 個(gè)元素都不能與第3 元素相比較。雖然把一個(gè)整體分成3 個(gè)部分,但可能只需要按一定順序處理其中的2 個(gè)。圖4(c)表明3 個(gè)元素中的1 個(gè)比其他2 個(gè)具有更高的處理優(yōu)先級。中國傳統(tǒng)的中庸之道哲學(xué)就是這種結(jié)構(gòu)的典型例子。相對于2 個(gè)相反的極端,人們更喜歡溫和的中間選擇。圖4(d)表明3 個(gè)元素中的2 個(gè)元素優(yōu)先于第3 個(gè)元素。圖4(e)表示1 個(gè)完全有序的三元組,這是一種跟無序的三元組相反的情況。在這種情況下,處理優(yōu)先級是很清晰的,3 個(gè)元素具有不同的處理優(yōu)先級。完全有序的三元組在許多情況下與第2.2 節(jié)中的三層結(jié)構(gòu)相同[8]。
圖4 3WD 中的優(yōu)先順序幾何結(jié)構(gòu)
3WD 中的優(yōu)先順序結(jié)構(gòu)表明了在3WD 中優(yōu)先考慮注意力,特別是在時(shí)間和資源稀缺的情況下。
在人工智能(artificial intelligence,AI)的發(fā)展過程中,人工智能分類是一個(gè)典型的三段線幾何結(jié)構(gòu)??傮w上,人工智能可劃分為弱人工智能、強(qiáng)人工智能和超人工智能3 類。
弱人工智能是人工智能的初級階段,智能水平還不成熟,僅擅長于單個(gè)方面,任務(wù)比較簡單,建模相對容易。這一階段還沒有出現(xiàn)能夠推理和解決問題的智能機(jī)器,這階段的智能機(jī)器只是看起來是智能的,而不具備意識。弱人工智能的本質(zhì)是試圖對人類智力進(jìn)行模擬,其載體是基于微處理器的計(jì)算機(jī)。在弱人工智能階段,無論是嵌入式系統(tǒng)的智能化工具,還是通用計(jì)算機(jī)軟件的專家系統(tǒng),其智能行為都是事先由程序設(shè)定的,是一種無自我進(jìn)化能力的智力模擬[19]。然而,隨著神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的興起,原有人工智能得到了增強(qiáng),具備了自主進(jìn)化的能力,從而使得人工智能走出了初級階段,向更高階段(強(qiáng)人工智能)發(fā)展。
強(qiáng)人工智能,亦被稱為通用人工智能,通常被視為一種模擬人類的智能形式,具備自主意識,有能力獨(dú)立進(jìn)行思考、判斷和問題解決[20]。強(qiáng)人工智能基本能解決人類可以解決的絕大多數(shù)智力問題,強(qiáng)人工智能可以對不確定性因素做出推理判斷并解決之,無人駕駛是強(qiáng)人工智能的典型代表。強(qiáng)人工智能可以把學(xué)習(xí)能力、規(guī)劃能力、使用自然語言溝通處理等能力結(jié)合起來,實(shí)現(xiàn)對復(fù)雜的概念和抽象思維的理解等,從而實(shí)現(xiàn)預(yù)定的目標(biāo)。人工智能的重要指標(biāo)是多方面的感知與決策,同時(shí)人類智力也是在不斷進(jìn)化的。因此,弱人工智能不能實(shí)現(xiàn)對人類智力很好地模擬,強(qiáng)人工智能將是真正實(shí)現(xiàn)模擬人類智力創(chuàng)新的階段[19]。強(qiáng)人工智能本質(zhì)上追求對高級意識的模擬,旨在實(shí)現(xiàn)一種復(fù)雜智能系統(tǒng),具備類似于人類的思維和認(rèn)知能力。在實(shí)現(xiàn)強(qiáng)人工智能的過程中,需要遵循一系列關(guān)鍵原則。首先,系統(tǒng)應(yīng)由不同的模塊組成,這些模塊相互作用并與外界進(jìn)行信息交換,以實(shí)現(xiàn)全面而協(xié)調(diào)的智能功能;其次,系統(tǒng)必須能夠根據(jù)客觀事實(shí)不斷更新記憶信息和模式,以適應(yīng)不斷變化的環(huán)境和任務(wù)需求。記憶信息在強(qiáng)人工智能中具有多重特征,包括關(guān)聯(lián)性、模糊性、抽象性、動(dòng)態(tài)性和遺忘性等。這表示系統(tǒng)不僅能夠建立關(guān)聯(lián)性強(qiáng)、模糊但有意義的記憶,還能夠進(jìn)行抽象思考,適應(yīng)動(dòng)態(tài)變化,并具備一定的遺忘性,以保持信息的有效性和系統(tǒng)的靈活性。這些原則構(gòu)成了實(shí)現(xiàn)強(qiáng)人工智能所需的基本框架,為模擬高級意識提供了理論和技術(shù)支持[21]。
超人工智能是一種智能形式,其在各個(gè)方面的能力遠(yuǎn)遠(yuǎn)超越人類水平[20],不僅是在數(shù)學(xué)和科學(xué)能力方面,在藝術(shù)創(chuàng)造乃至社會(huì)技能上也將超過人類,它被認(rèn)為是最前沿、最智能、最先進(jìn)的人工智能類型。隨著超人工智能的到來,人類必然也將面臨著智能可能帶來的一些威脅,人類需要認(rèn)真思考如何面對這一現(xiàn)實(shí)[19]。
3 類人工智能總結(jié)如表1 所示。根據(jù)3 類人工智能的時(shí)間先后順序,可以用3WD 中的三段線結(jié)構(gòu)表示,如圖5 所示。
表1 3 類AI 對比
圖5 人工智能的分類
人工智能研究的歷史上有三大流派,分別是符號主義、連接主義和行為主義,它們各自采用不同的方法來仿真人類的智能和智能行為,可以用3WD 中的三腳架幾何結(jié)構(gòu)來表示,如圖6所示。
圖6 AI 三大主義的三腳架結(jié)構(gòu)
符號主義的核心理念表明,人類認(rèn)知的基本構(gòu)成部分是符號,認(rèn)知過程涉及對這些符號表示進(jìn)行運(yùn)算[22]。符號主義者堅(jiān)持認(rèn)為機(jī)器的證明實(shí)質(zhì)上是一種“機(jī)器定理驗(yàn)證”,而采用機(jī)械化方法不具備直覺和創(chuàng)造力。這一觀點(diǎn)對機(jī)器的功能產(chǎn)生了局限,強(qiáng)調(diào)了機(jī)器無法具備直覺和創(chuàng)造性的看法[23?24]。機(jī)器定理證明是符號主義在人工智能領(lǐng)域的一個(gè)典型代表。被吳文俊所創(chuàng)立的吳文俊方法被視為人工智能領(lǐng)域的一項(xiàng)重要貢獻(xiàn)。這一方法的理論基礎(chǔ)建立在基于符號計(jì)算的機(jī)器定理證明的框架之上,而希爾伯特定理(Hilbert’s theorem)則是這個(gè)框架的理論根基[25]。在機(jī)器定理證明的方法中,典型的流程包括將幾何命題的條件和結(jié)論轉(zhuǎn)化為代數(shù)多項(xiàng)式,隨后通過檢查條件多項(xiàng)式生成的根理想是否包含結(jié)論多項(xiàng)式來完成證明。這一過程利用了符號計(jì)算的方式,通過代數(shù)和邏輯的結(jié)合,使得機(jī)器得以進(jìn)行推理和證明的任務(wù)[26]。吳文俊方法及類似的技術(shù)為人工智能領(lǐng)域提供了有力的工具,拓展了在復(fù)雜問題求解和形式化推理方面的應(yīng)用領(lǐng)域。通常情況下,多項(xiàng)式理想的基底并非唯一確定,Groebner 基方法和吳文俊方法能夠生成符合特定條件的理想基底,同時(shí)具備自動(dòng)判定理想成員問題的能力[23]。
連接主義認(rèn)為,思維由神經(jīng)元并行連接而成。連接主義基于神經(jīng)網(wǎng)絡(luò)的理論,克服了計(jì)算機(jī)線性處理的限制,模擬了神經(jīng)網(wǎng)絡(luò)的分布式和并行特性,實(shí)現(xiàn)了復(fù)雜和靈活的認(rèn)知。這使得神經(jīng)網(wǎng)絡(luò)能夠模擬人腦的復(fù)雜信息處理方式,為實(shí)現(xiàn)更強(qiáng)大的機(jī)器學(xué)習(xí)和認(rèn)知功能提供了理論基礎(chǔ)。
行為主義的思想強(qiáng)調(diào)學(xué)習(xí)和行動(dòng)的重要性,需要在現(xiàn)實(shí)世界的復(fù)雜環(huán)境中進(jìn)行學(xué)習(xí)與訓(xùn)練,相比符號主義以邏輯為主,連接主義以數(shù)據(jù)為主,行為主義在真實(shí)環(huán)境的訓(xùn)練要困難很多,而隨著物聯(lián)網(wǎng)的發(fā)展,這一現(xiàn)狀將會(huì)得到改變[26?27]。行為主義思想主要起源于控制論,而這一思想在20 世紀(jì)40—50 年代成為時(shí)代思潮的一部分,對早期人工智能學(xué)者產(chǎn)生了深遠(yuǎn)的影響[28]。在這一時(shí)期,維納、麥克洛克等學(xué)者提出了控制論和自組織系統(tǒng)的理念,同時(shí)錢學(xué)森等學(xué)者提出了工程控制論和生物控制論,這些觀念在多個(gè)研究領(lǐng)域產(chǎn)生了廣泛的影響。控制論的基本思想是把神經(jīng)系統(tǒng)的運(yùn)行機(jī)制和信息理論、控制理論、邏輯和計(jì)算機(jī)科學(xué)聯(lián)系起來。最初,研究的重點(diǎn)是仿造人類在控制過程中的智能行為。這一領(lǐng)域的重點(diǎn)在于深入研究控制論系統(tǒng)的自尋優(yōu)、自鎮(zhèn)定、自適應(yīng)、自組織和自學(xué)習(xí)等特性[28]。到了20 世紀(jì)六七十年代,這些系統(tǒng)的研究取得了一定突破,為智能機(jī)器人的發(fā)展奠定了基礎(chǔ),并推動(dòng)了智能控制和智能機(jī)器人系統(tǒng)的涌現(xiàn)。這一時(shí)期的探索為人工智能領(lǐng)域的發(fā)展提供了重要的理論基礎(chǔ)和技術(shù)支持[29?35]。
3WD 中的偏好順序結(jié)構(gòu)表明了如何在3WD中優(yōu)先考慮注意力,特別是在時(shí)間和資源稀缺的情況下。人工智能可以理解為模仿人類與人類思維相關(guān)認(rèn)知功能的機(jī)器或計(jì)算機(jī),它感知其環(huán)境并采取行動(dòng),最大限度地提高其成功機(jī)會(huì)。同時(shí),人工智能能夠從過去的經(jīng)驗(yàn)中學(xué)習(xí),做出最優(yōu)的決策。但目前人工智能仍然受到各個(gè)方面的資源限制,有時(shí)候必須按照一定的偏好順序來采取對策。以人工智能中的機(jī)器學(xué)習(xí)方式為例,根據(jù)機(jī)器學(xué)習(xí)的方式不同,又分為監(jiān)督學(xué)習(xí)(supervised learning)、無監(jiān)督學(xué)習(xí)(unsupervised learning)和半監(jiān)督學(xué)習(xí)(semi-supervised learning,SSL)[36]。
監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)的方法之一。它可以通過訓(xùn)練數(shù)據(jù)中的輸入對象(通常是向量)和預(yù)期輸出來學(xué)習(xí)或構(gòu)造一個(gè)模式,并基于此模式來推斷新的實(shí)例。推斷的輸出可以是一個(gè)連續(xù)的值,也被稱為回歸分析,或者是預(yù)測一個(gè)分類標(biāo)簽,也被稱作分類[36?37]。監(jiān)督學(xué)習(xí)需要依賴于大量帶標(biāo)簽(ground truth)的數(shù)據(jù)。無監(jiān)督學(xué)習(xí)也稱為非監(jiān)督式學(xué)習(xí),是機(jī)器學(xué)習(xí)的另一種方法。它不依賴事先標(biāo)記過的訓(xùn)練范例,而是對輸入的數(shù)據(jù)進(jìn)行自動(dòng)分類。無監(jiān)督學(xué)習(xí)的研究領(lǐng)域包括聚類分析(cluster analysis)、關(guān)聯(lián)規(guī)則(association rule)、維度約簡(dimensionality reduction)等。是否用帶標(biāo)簽的數(shù)據(jù)來學(xué)習(xí)是監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的關(guān)鍵區(qū)別所在。一般來說,帶標(biāo)簽的數(shù)據(jù)是一種昂貴的資源,標(biāo)注數(shù)據(jù)通常意味著消耗大量的人力成本。監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)代表了2 個(gè)極端方向。監(jiān)督學(xué)習(xí)需要大量帶標(biāo)簽的數(shù)據(jù),而無監(jiān)督學(xué)習(xí)則不需要任何帶標(biāo)簽的數(shù)據(jù)。而半監(jiān)督學(xué)習(xí)是監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)中間的一種學(xué)習(xí)方法[38]。半監(jiān)督學(xué)習(xí)使用大量的未標(biāo)記數(shù)據(jù),同時(shí)使用部分標(biāo)記數(shù)據(jù),來進(jìn)行模式識別工作,是結(jié)合監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的一條中間技術(shù)路線[39]。這3 種學(xué)習(xí)方式都有其適應(yīng)的場景,所以可以根據(jù)不同的場景可以選擇合適的學(xué)習(xí)方式來解決問題??紤]到半監(jiān)督學(xué)習(xí)是結(jié)合了監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的一條中間技術(shù)路線,三者的關(guān)系可以用3WD 中的的偏好順序結(jié)構(gòu)來表示,如圖7。
圖7 機(jī)器學(xué)習(xí)方式的三元偏序結(jié)構(gòu)
經(jīng)過數(shù)十年的研究,尤其是近三十年來人工智能的迅速發(fā)展,這一領(lǐng)域被廣泛地應(yīng)用于其他許多學(xué)科中,并且取得了實(shí)質(zhì)性的研究成果。人工智能已逐漸演變?yōu)橐粋€(gè)獨(dú)立的研究分支,在理論和實(shí)踐層面都構(gòu)建起了一個(gè)系統(tǒng)性的框架[32]。然而,目前的人工智能仍然屬于弱人工智能階段,仍有很多關(guān)鍵問題需要研究解決,其中智能的本質(zhì)和生成機(jī)理問題是研究的重點(diǎn)。智能的本質(zhì)研究主要是研究事實(shí)、智能和智慧之間的關(guān)系[40?41]。
事實(shí)是指事情的真實(shí)情況,可以指過去已經(jīng)發(fā)生的事件,也可以指被驗(yàn)證為中立且可證明的概念。在科學(xué)中,事實(shí)是研究的基礎(chǔ),所有的科學(xué)研究都必須遵循以事實(shí)為前提的原則進(jìn)行開展[42?43]。智能是指生命體具備適應(yīng)外界環(huán)境并實(shí)現(xiàn)設(shè)定目標(biāo)的能力。這一過程始于生命體通過感知器獲取有關(guān)環(huán)境或目標(biāo)的信息,隨后進(jìn)行計(jì)算處理。在這個(gè)過程中,生命體能夠自適應(yīng)地調(diào)整自身或?qū)Νh(huán)境進(jìn)行影響,最終旨在達(dá)成設(shè)定的目標(biāo)[44]。智能的本質(zhì)可以定義為通過有限的輸入信息來歸納、學(xué)習(xí)并重建外部世界特征的復(fù)雜算法或模型。一般來說,智能被認(rèn)為是智力和知識的總和,智能是基于知識基礎(chǔ)之上的,智力是汲取和運(yùn)用知識的能力。通俗來說,人工智能就是用人工的方式在計(jì)算機(jī)上實(shí)現(xiàn)的智能。智慧則是基于智力之上的,人類憑借自身的智慧和智力,成功創(chuàng)造了人工智能。在人工智能的發(fā)展過程中,人類運(yùn)用其深厚的智慧,積極參與管理和引導(dǎo)人工智能的進(jìn)展[45]。隨著人工智能的不斷發(fā)展,智能技術(shù)已廣泛應(yīng)用于社會(huì)生活和生產(chǎn)的各個(gè)方面,如智能家居、智能交通、智能醫(yī)療、智能電力、智能工業(yè)、智能駕駛、智能基礎(chǔ)設(shè)施乃至智能城市,這使現(xiàn)實(shí)世界變得越來越智能化。智能是基于事實(shí)的基礎(chǔ)之上的,智慧的產(chǎn)品是基于智能的基礎(chǔ)之上的,事實(shí)、智能和智慧三者的關(guān)系本質(zhì)上是三層決策金字塔結(jié)構(gòu)。根據(jù)3WD 幾何結(jié)構(gòu)理論,事實(shí)、智能和智慧三者的關(guān)系如圖8 所示。
圖8 智能本質(zhì)的三層金字塔結(jié)構(gòu)
智能生成機(jī)理主要研究認(rèn)知生成、知識生成和意義生成以及它們之間的關(guān)系。智能生成機(jī)理探究的是“為什么”而不是“怎么做”的問題。在智能生成機(jī)理的研究中,可以通過深入探索人工智能的形成和出現(xiàn),尋找一些基礎(chǔ)理論性問題,從而全面闡述人類社會(huì)發(fā)展史、文明史和進(jìn)化史中的宏觀特征和微觀現(xiàn)象。智能生成機(jī)理主要涉及認(rèn)知生成、知識生成和意義生成的機(jī)制研究。
在認(rèn)知生成方面,動(dòng)物的認(rèn)知生成遵循達(dá)爾文的優(yōu)勝劣汰和適者生存的法則,但人類與其他動(dòng)物不同,具有主觀能動(dòng)性,可以依靠認(rèn)知和知識積累與自然界進(jìn)行交互,影響自然。認(rèn)知與知識的積累是人類進(jìn)化歷史的重要組成部分。認(rèn)知是積累知識的前提,只有通過認(rèn)知才能對外界事物進(jìn)行思考和判斷,從而形成知識,適應(yīng)并改造自然。認(rèn)知生成可以視為信息和數(shù)據(jù)的流動(dòng),認(rèn)知形成的過程是有選擇地輸入外界信息,并進(jìn)行系統(tǒng)化處理,從而形成具有自身獨(dú)特認(rèn)知網(wǎng)絡(luò)和方式的過程。
在知識生成方面,傳統(tǒng)概念認(rèn)為,人類僅具有2 種知識形態(tài),分別為存在于大腦中的記憶態(tài)知識和以語言文字表述的記述態(tài)知識。然而,這些知識形態(tài)被認(rèn)為存在不準(zhǔn)確、不可靠的特點(diǎn),并且缺乏遺傳性狀,無法積累和傳承人類全部知識成果[46]。因此,提出了第3 種知識形態(tài),即人、知識、工具的三元生態(tài)體系,這種知識可以進(jìn)行準(zhǔn)確可靠的傳承,是人類工具智能化的知識基因。半導(dǎo)體微處理器的問世實(shí)現(xiàn)了知識的數(shù)字化存儲(chǔ)。借助微處理器技術(shù),人類的知識能夠被數(shù)字化地儲(chǔ)存和處理,從而將知識轉(zhuǎn)化為實(shí)際的知識能力。這一變革使得人類工具經(jīng)歷了智能化的轉(zhuǎn)變[47]。知識與知識行為的轉(zhuǎn)化需要通過智能計(jì)算程序設(shè)計(jì)的軟件技術(shù)和現(xiàn)代計(jì)算機(jī)的嵌入式系統(tǒng),在成功實(shí)現(xiàn)了對人類行為智力的模擬方面取得了顯著的成就。通過充分利用現(xiàn)代計(jì)算機(jī)所搭載的通用計(jì)算機(jī)軟件,能夠進(jìn)行對人類思考智力的模擬,模擬出復(fù)雜的認(rèn)知過程和行為表現(xiàn)。這一技術(shù)突破使得計(jì)算機(jī)能夠模擬和模仿人類的智能行為,為人工智能領(lǐng)域的發(fā)展提供了重要的技術(shù)基礎(chǔ)[26]。
在意義生成方面,現(xiàn)代計(jì)算機(jī)和微處理器的出現(xiàn)實(shí)現(xiàn)了數(shù)字時(shí)空的量子化,這種量子化成為智能化工具生成的技術(shù)基礎(chǔ)。這項(xiàng)技術(shù)不僅支撐了當(dāng)前的智能化應(yīng)用,還為未來探索強(qiáng)人工智能和超人工智能提供了強(qiáng)大的工具[48]。人工智能的研究目標(biāo)是對人類智能進(jìn)行模擬和擴(kuò)展。如果人類掌握了“普適性智能生成機(jī)理”,就可以制造各種各樣的人工智能機(jī)器為人類服務(wù)。知識是人工智能的基礎(chǔ),智能生成機(jī)理的深刻理解也需建立在知識學(xué)之上,三者的關(guān)系也是典型的三層金字塔結(jié)構(gòu),如圖9 所示。
圖9 智能生成機(jī)理的三層金字塔結(jié)構(gòu)
人工智能的發(fā)展早于大數(shù)據(jù),人工智能在20 世紀(jì)50 年代就已經(jīng)開始發(fā)展,而大數(shù)據(jù)的概念直到2010 年附近才形成。人工智能和大數(shù)據(jù)是緊密相關(guān)的2 種技術(shù)。一方面,人工智能,特別是機(jī)器學(xué)習(xí),對于建立智能系統(tǒng)需要大量的數(shù)據(jù)。機(jī)器學(xué)習(xí)應(yīng)用程序,比如圖像識別,通過觀察數(shù)以萬計(jì)的圖像來學(xué)習(xí)和理解特定對象的構(gòu)成,從而提高未來的識別準(zhǔn)確性。人工智能應(yīng)用的精確度與數(shù)據(jù)量成正比,數(shù)據(jù)越多,結(jié)果越準(zhǔn)確。在過去,人工智能受限于處理器速度較慢、數(shù)據(jù)量小而不能很好地工作[48]。今天,大數(shù)據(jù)為人工智能提供了海量的數(shù)據(jù),使得人工智能技術(shù)有了長足的發(fā)展,甚至可以說,沒有大數(shù)據(jù)就沒有人工智能。另一方面,利用大數(shù)據(jù)技術(shù),人工智能可以擁有海量的數(shù)據(jù)存儲(chǔ)空間和高效的數(shù)據(jù)處理速度。在過去,人工智能算法都是依賴于單機(jī)的存儲(chǔ)和單機(jī)的算法,而在大數(shù)據(jù)時(shí)代,面對海量的數(shù)據(jù),傳統(tǒng)的單機(jī)存儲(chǔ)和單機(jī)算法都已經(jīng)無能為力,大數(shù)據(jù)技術(shù)基于集群技術(shù),其中包括分布式存儲(chǔ)和分布式計(jì)算。這些技術(shù)為人工智能提供了強(qiáng)大的存儲(chǔ)和計(jì)算能力[49]。作為另一個(gè)說明人工智能中三腳架幾何結(jié)構(gòu)的例子,給出描述大數(shù)據(jù)的3V 特征[8]如圖10 所示。2001 年,Laney[50]通過引入數(shù)據(jù)的3 個(gè)方面,即數(shù)據(jù)量(volume)、速度(velocity)和多樣性(variety),后來被用作大數(shù)據(jù)的3V 概念。
圖10 大數(shù)據(jù)中3V 的三腳架幾何結(jié)構(gòu)
人工智能技術(shù)最初應(yīng)用于制造和工業(yè)領(lǐng)域,并逐漸滲透到生活的各個(gè)方面[51]。隨著人工智能技術(shù)的廣泛應(yīng)用,人們也逐步開始關(guān)注人工智能技術(shù)發(fā)展所帶來的各種社會(huì)倫理問題。例如,機(jī)器人陪伴人類成長和生活,人們應(yīng)該給它們平等的“人權(quán)”,是否也應(yīng)該像人一樣有相同的道德地位和標(biāo)準(zhǔn);無人駕駛汽車或人工智能技術(shù)應(yīng)用在醫(yī)學(xué)領(lǐng)域,發(fā)生事故時(shí)如何確定責(zé)任等。
關(guān)于人工智能倫理研究成果方面,阿西莫夫機(jī)器人三定律最為著名。這三條定律分別是不得傷害人類、服從人類、保護(hù)自己[52?53]。機(jī)器的首要任務(wù)是不傷害人類或置人于危險(xiǎn)之中。機(jī)器的次要任務(wù)是遵從人類的指令,除非這樣做會(huì)違反首要任務(wù)。機(jī)器的最后任務(wù)是保護(hù)自己,但不能犧牲前2 個(gè)任務(wù)[54]。三大定律之間的互相約束,為人工智能倫理研究提供了一定的指導(dǎo)意義[55?57]。阿西莫夫機(jī)器人三定律構(gòu)成了3WD 中的三腳架幾何結(jié)構(gòu),如圖11 所示。這種幾何結(jié)構(gòu)是指3 個(gè)決策因素之間的關(guān)系,它們相互依存、相互制約,是一種相對平衡的結(jié)構(gòu)。這種結(jié)構(gòu)可以用來解決人工智能在實(shí)際應(yīng)用中所面臨的倫理問題,比如機(jī)器人在執(zhí)行任務(wù)時(shí)如何保護(hù)人類的安全,同時(shí)避免對機(jī)器人本身造成損害。
圖11 阿西莫夫機(jī)器人三定律的三腳架結(jié)構(gòu)
目前,人工智能領(lǐng)域一個(gè)關(guān)鍵的研究問題是探究人類與機(jī)器之間的關(guān)系。人類和機(jī)器代表著2 個(gè)相反的方向,人類代表智慧,而機(jī)器擁有強(qiáng)大的數(shù)據(jù)計(jì)算處理能力,但雙方也各有自身的限制。在處理和平衡二者關(guān)系方面,3WD 思維發(fā)揮著重要的指導(dǎo)作用。人類是能夠使用語言、具有復(fù)雜社會(huì)組織和掌握科技發(fā)展的生物,本身具有生理結(jié)構(gòu)和特征;機(jī)器是人類發(fā)明創(chuàng)造的工具,本身具有物理結(jié)構(gòu)和性能。然而,隨著人工智能的不斷發(fā)展,人與機(jī)器之間的關(guān)系也發(fā)生了巨大的改變。最近的人工智能技術(shù)使得一些智能機(jī)器能夠模擬人類的行為和思維,有些還能夠感知并檢測到人類的情緒。這讓機(jī)器具備了一些近似于人類的思維和行動(dòng)能力。人類已經(jīng)能夠?qū)⑽⑿蜋C(jī)器植入到人體內(nèi),以彌補(bǔ)自身缺失的生理結(jié)構(gòu)和特征,從而提高人類的生活質(zhì)量。總之,人工智能技術(shù)拉近了人類與機(jī)器間的距離,并模糊了傳統(tǒng)分界限[58]。表2 總結(jié)了目前人類與機(jī)器關(guān)系的研究成果,主要包括人機(jī)混合智能、人機(jī)共生智能和人+機(jī)+物融合3 種關(guān)系。
表2 人類與機(jī)器的關(guān)系
人工智能是建立在數(shù)學(xué)基礎(chǔ)之上的。目前的數(shù)學(xué)能夠精確地描述物理對象,但在描述心理、社會(huì)、認(rèn)知等復(fù)雜過程方面仍存在困難。此外,人工智能技術(shù)應(yīng)用無法脫離設(shè)計(jì)、制造、使用和維護(hù)人員與環(huán)境。現(xiàn)有的人工智能是數(shù)字邏輯的產(chǎn)物,它能在有清晰的場景、規(guī)則、統(tǒng)計(jì)和輸出的任務(wù)中,大幅提高工作效率。但是,當(dāng)遇到有情感和意向性的復(fù)雜情境時(shí),人工智能就不太適應(yīng),它欠缺創(chuàng)造性和應(yīng)變能力。所以,未來智能科學(xué)的進(jìn)步,必須是人類智能和機(jī)器智能的持續(xù)融合和互補(bǔ)[61]。
3.8.1 人機(jī)混合智能
作為一種新型智能形式,人機(jī)混合智能與傳統(tǒng)意義上的人工智能不同。它是下一代智能科學(xué)體系,能夠跨越不同物種和屬性結(jié)合[62?63]。通過實(shí)現(xiàn)人機(jī)融合與協(xié)作,人機(jī)混合智能使得人工智能與人類智能相結(jié)合,提高了人與系統(tǒng)的綜合性能,具備了解決更為復(fù)雜問題的能力。簡單來說,人機(jī)混合智能是一種新型智能形式,充分發(fā)揮人類和機(jī)器各自的優(yōu)勢,實(shí)現(xiàn)二者的有效融合[64]。人機(jī)混合智能的最終目標(biāo)是使機(jī)器能夠逐漸理解人類的決策,通過觀察在不同條件下的決策逐漸理解各種價(jià)值取向。人類的認(rèn)知是由感知和欲望沖動(dòng)綜合形成的,而機(jī)器只能通過獲取周圍環(huán)境的數(shù)據(jù)和信息,并利用這些數(shù)據(jù)觸發(fā)預(yù)設(shè)的執(zhí)行過程[60]。通過有機(jī)融合人的認(rèn)知能力和機(jī)器的計(jì)算能力,可以創(chuàng)造出新的理解途徑,進(jìn)而做出合理的決策,帶來“人×機(jī)”或“人+機(jī)”的效果就是人機(jī)混合智能的工作[65]。人機(jī)混合智能采用了一種新的智能輸入方式,結(jié)合了機(jī)器客觀采集的數(shù)據(jù)和人類主觀感知的信息。在智能處理的中間環(huán)節(jié),機(jī)器的數(shù)據(jù)計(jì)算能力和人的信息認(rèn)知能力相互融合,形成新的理解途徑,提高智能水平。輸出端將機(jī)器的運(yùn)算結(jié)果和人的價(jià)值決策進(jìn)行適配,實(shí)現(xiàn)概率化和規(guī)則化相協(xié)調(diào)的優(yōu)化判斷,提高決策效果。在人機(jī)混合智能中,“人”不僅指個(gè)體,還包括群體;同時(shí),“機(jī)”表示機(jī)器、機(jī)制和機(jī)理,還包括自然環(huán)境和社會(huì)環(huán)境,以及真實(shí)環(huán)境和虛擬環(huán)境[66?68]。人機(jī)混合智能關(guān)系構(gòu)成了3WD 中的偏序幾何結(jié)構(gòu),如圖12 所示。
圖12 人機(jī)混合智能中的偏序結(jié)構(gòu)
3.8.2 人機(jī)共生智能
經(jīng)歷了人機(jī)混合智能后,人機(jī)共生智能是人工智能的必然發(fā)展趨勢[69]。一般來說,共生是指2 個(gè)不同的生物體以密切合作的方式一起生存,甚至結(jié)成緊密的聯(lián)盟的合作關(guān)系。在傳統(tǒng)的人機(jī)系統(tǒng)中,人設(shè)計(jì)出的所有系統(tǒng)都是為了幫助人類自己,人主要完成自動(dòng)化不可行的部分功能,這種系統(tǒng)不是所謂的共生系統(tǒng),而是半自動(dòng)化系統(tǒng)。人機(jī)共生是人類和機(jī)器之間合作互動(dòng)的一個(gè)發(fā)展方向,這將使人類和機(jī)器之間的關(guān)系非常密切的耦合。人機(jī)共生的目標(biāo)有2 個(gè):一個(gè)是促進(jìn)機(jī)器的公式化思維和公式化問題的解決;其次,就是讓人類和機(jī)器能夠合作做出決策和控制復(fù)雜的情況,而不是依賴于預(yù)設(shè)的程序。在人機(jī)共生伙伴關(guān)系中,人類將設(shè)定目標(biāo)、制定假設(shè)、確定標(biāo)準(zhǔn)并進(jìn)行評估。機(jī)器將會(huì)做一些常規(guī)的工作,為人類在技術(shù)和科學(xué)思考方面的見解和決策做好準(zhǔn)備。智能機(jī)器具備自主交流、共情和需求驅(qū)動(dòng)型協(xié)作的能力。借助這些能力,智能機(jī)器能夠與人類建立可信賴的關(guān)系。這種關(guān)系的建立有助于提高人的工作效率,形成高效靈活的制造流程和工藝[70]。人機(jī)共生關(guān)系構(gòu)成了3WD 中的偏序幾何結(jié)構(gòu),如圖13 所示。
圖13 人機(jī)共生智能中的偏序結(jié)構(gòu)
3.8.3 人機(jī)物融合智能
近年來,人工智能獲得了快速的發(fā)展,并與許多學(xué)科進(jìn)行了交叉融合,特別是物聯(lián)網(wǎng)、大數(shù)據(jù)和云計(jì)算技術(shù)等。物聯(lián)網(wǎng)的迅速發(fā)展實(shí)現(xiàn)了物物相連、人人相連和人物相連的目標(biāo),將物理空間和社會(huì)空間有機(jī)地融合在一起。隨著信息空間作為物理空間和社會(huì)空間之外的第三空間的出現(xiàn)和人工智能技術(shù)的廣泛應(yīng)用,我們正在進(jìn)入一個(gè)人、機(jī)、物三元融合的萬物智能互聯(lián)時(shí)代,信息空間被拓展到了人類社會(huì)和物理世界,因此需要實(shí)現(xiàn)對物理空間、信息空間和社會(huì)空間的有機(jī)融合[33]。物理空間需要與信息空間、社會(huì)空間分別進(jìn)行持續(xù)的信息交互,而信息空間與社會(huì)空間則進(jìn)行著認(rèn)知屬性和計(jì)算屬性的智能融合[71]。大數(shù)據(jù)、物聯(lián)網(wǎng)和人工智能等信息技術(shù)的不斷發(fā)展和廣泛應(yīng)用導(dǎo)致物理世界、數(shù)字世界和人類社會(huì)之間的界限被打破。人類世界由原來的二元空間轉(zhuǎn)變?yōu)槿臻g。社會(huì)系統(tǒng)、信息系統(tǒng)和物理環(huán)境組成了一個(gè)動(dòng)態(tài)耦合的復(fù)雜巨系統(tǒng)。在這個(gè)三元世界中,機(jī)器和自然萬物相互依存、協(xié)調(diào)發(fā)展,形成了一個(gè)相互交織的、動(dòng)態(tài)演化的生態(tài)系統(tǒng)[72]。人機(jī)物融合智能是一種嶄新的智能形式,與傳統(tǒng)人工智能有所不同。它融合了機(jī)器智能和人類智慧,相互結(jié)合,創(chuàng)造了全新的智能科學(xué)體系。從技術(shù)角度來看,人機(jī)物融合智能運(yùn)用物聯(lián)網(wǎng)移動(dòng)互聯(lián)網(wǎng)、通信、大數(shù)據(jù)、云計(jì)算和人工智能等先進(jìn)的技術(shù),實(shí)現(xiàn)了物理世界和信息空間的互聯(lián)滲透和相互作用,提高了智能水平。這一智能形式將智能融入萬物實(shí)現(xiàn)無縫對接和協(xié)同計(jì)算,提高了效率和效果,為未來智能化的發(fā)展帶來了全新的可能性和前景[33]。人、機(jī)、物三者關(guān)系構(gòu)成了3WD 中的偏序幾何結(jié)構(gòu),如圖14 所示。
圖14 人機(jī)物融合關(guān)系中的偏序結(jié)構(gòu)
3WD 是一種人類處理復(fù)雜性問題的思維方法。該概念于 2009 年首次引入,旨在為接受、拒絕和未決定這 3 種類型的決策提供規(guī)則。然而,隨后的研究表明,3WD 是一個(gè)更為豐富的概念,并形成了 3WD 理論,其中思維、問題解決和計(jì)算是三位一體的關(guān)系。3WD 在藝術(shù)、科學(xué)、管理和工程實(shí)踐中得到了體現(xiàn),涉及到三角度思考、三方面合作和三維度問題處理等。本文通過對3WD 幾何結(jié)構(gòu)和模式進(jìn)行研究,闡述了人工智能領(lǐng)域中對3WD 思想的反映,包括人工智能的發(fā)展歷程、機(jī)器學(xué)習(xí)方式的分類和人機(jī)關(guān)系等關(guān)鍵研究課題。在人工智能智能系統(tǒng)中,人類智能和機(jī)器智能并存,三元思維中的整合策略是最佳選擇。當(dāng)人和機(jī)器共同工作時(shí),整體的、全局的人工智能可能會(huì)出現(xiàn)。未來工作將進(jìn)一步研究這一課題,拓展3WD 的應(yīng)用領(lǐng)域,特別是在人工智能智能系統(tǒng)設(shè)計(jì)中的應(yīng)用。