当前课程知识点:大数据技术与应用 > 钟义信:“人工智能与大数据”的创新研究 > 机制主义人工智能模型 > 机制主义人工智能模型
不是机械 叫做机械还原论
就是分解合成
分解了以后可以合成可以还原
这个机械系统可以这样
人信息系统不能这样
你把信息切断了
它就不是原来的东西了
所以这件事情要注意
如果你研究是一个局部的
很小的一个东西
你这个感受不会很深
如果你研究一个比较大的系统
你这个感受就会很突出
所以这个方法论一定要用
生态演化论这个方法论
而这个方法论
是我们中国人总结出来的
我们几个人总结出来的
为什么我们能总结出来呢
因为咱们中国人天然的
五千年来就有这种整体论的思想
就有辩证论的思想对不对
最典型的中医
中医就是辩证论整体论
我经常跟他们讲
西医看病是头疼治头脚疼治脚
如果你这儿是头疼
他一定是看头里头那儿
是不是有什么结构异常
是吧
或者能量不畅通了
他是这样的观点
脚上就是问脚的这个结构有没有异常
变异 长个瘤子
中医不是这样
中医你说我头疼
他说不定手上或者耳朵上或者脚上
他不是治头是治脚
头疼治脚 什么道理
人体是一个整体
这个整体论是中医就有的
而且是辩证的
这个辩证包括
就是你这个人是在大自然这个系统
社会系统里头
气候的影响 社会环境对你的刺激
这些东西都成为中医看病的一个要素
所以是辩证的
那么我们从几千年来
有这样一种辩证的 整体的这个素养
所以我们就一研究这个人工智能
发现它有三条路走不到一块
马上就明白了
不是具体的技术不行
是整体的方法论不行
具体的技术都很行
在那个约束范围之内它很行没有问题
我们不能否定他们研究的这些成果
都对的
但是它不能形成整体
它就一个一个的局部化局域化碎片化
所以现在最大的问题信息领域
就是碎片化
这个是最大的问题
这个碎片有大有小
那么因此我们今天
要把这个碎片用这个整体论的观念
用辩证的思想
刚才我讲就是整体演化论的方法论
去把它重新加以改造
而这个是源头上做起
因此它从源头上就分而治之
我们就要从源头上把它重新在整理
这个就是发现
用了这样一个生态演化论这个方法论
一下就真的有点像刚才讲的
一通百通的那种感觉
这个问题就是说这个生态演化论
发现了一个什么问题
作为一个整体论辩证论
最要紧的不是具体的结构
也不是具体的功能
当然更不是那个行为了
而是什么
是这个系统的功能
不是
机制 是吧
不是具体的结构功能和行为
而是这个系统运转的机制
它为什么会有这样一个智能
面对一个问题 面对一个环境
给他一定的知识
给他一定的目的
为什么他就能找到解决这个问题
达到这个目的的这么一个智能策略
产生这个智能策略的机制是什么
至于你明白了这个机制以后
针对这样的问题
这样的机制要用什么结构用什么功能
那那个时候再来看这个结构功能
所以第一位的首要的管全局的是机制
然后才是那个功能和结构
是为这个机制而服务的东西
谁轻谁重显而易见
所以不能跟老外那么瞎跑
我们要抓住这个智能深层的
共性的核心的机制
这就是我们的发现
这个机制如果抓住了
那你路就通了
那么具体的机制怎么表现
我们就发现这个机制
其实就是刚才我已经描述清楚了
隐性智慧给定你问题是吧
给定你目标
给定你从这个问题
到达这个目标所需要的知识
这三个东西给定了
当然就可能有很多路可走
就看你的知识高明的话
就会找到一条最好的路
那么这个地方当然也有创造性
这个不是那个发生问题
那么关键的创造性
所以这样一来
我们看给定的目标知识
这就是一种既定的原始的信息
目标也是一种信息对不对
起点也是一个信息
有多少种可走的路
有哪些不能做的事情
这也是信息 对不对
告诉我不能做
有了这些信息以后
你根据这个问题和这个目标
去看看他提供的这些知识
够用不够用
如果够用就把这个需要的知识提炼出来
如果不够用再去学习补充这个知识
然后有了目的有了知识有了信息
你通过演绎
去找到最佳的求解问题的路线
这就是策略
所以机制在于信息知识智能
它们之间的转换
这个就是机制的灵魂
当然你要讲的更全面一点
刚才我这个蓝的这个字写的
有客体的信息
因为我们面对的问题就是客体
他呈现的信息是最早的
然后你作为主体
你得到了这个信息
就变成你产生的信息
这叫感知信息
这两个都是信息
一个是客体的
一个是你感知的
主体感知的
然后去转化为知识
转化为智能的策略
再转化为智能的行为
智能策略 智能行为都叫智能
一个是抽象的 一个是具体的
这样一个转换
这个转换如果是特别简单
就是用数学可以描述
比方微分方程
它就有输入可以产生输出
这种微分方程就可以描写
人工智能当中那些简单的规范的
就跟智能控制当中
求解那个那种经典的策略
可以用数学
但是很多都不能够用现在的数学
就是现有数学不够用
因此就用编程的办法
编程不是严格按数学办法
是按照我们的思路
这个思路不一定数学能表达出来
是吧
甚至用别的办法来去实现
所以关键是这个转换
客体信息 感知信息 知识 智能
智能包括这个策略和行为
这个转换就是人工智能系统的共性的
然而又是核心的机制
把这个事情抓住了
你就抓住了人工智能的全部可以说
抓住了它灵魂和要害
当然细节就要把这个
这些信息知识这些东西要展开
才有细节
这个是一个灵魂核心
那么简单就是知识进行转换
所以这样一来
我们就特别的兴奋
就发现了一个新的 Approach
就是跟现在结构模拟
功能模拟 行为模拟都不一样的
第四条路
就是我们中国人
我们自己走出了第四条路
这个第四条路待会儿你可以看
非常有意思
这个第四条路为了实现这个信息
客体信息 感知信息 知识 智能转换
我给大家用一个模型来看
你看应该有一个客体信息
是吧
这个问题本身不管是客体也好
事件也好
产生客体信息
那么主体的一部分
对人类来讲就是五官
对机器来讲传感器
它应该感受到这个客体的信息
但是传感器在这个地方不够用
传感器只能感知
感受到这个客体信息
是1还是0 是110还是010
只能感觉到这个
它没有知 有感而无知
这个传感器
目前传感器是有感而无知
这个知 知什么呢
是要知道这个客体信息
跟我这个主体的目的有没有关系
假如没有关系的话
那我们不理它 不予理会
这一点是非常重要的一个方法
人之所以高明
这个是高明的表现之一
就很多事情跟我们关系不大
我们就不理它
如果没有这种忘却抛弃
没有这个能力
我们一定傻了
我们一定会被外界无穷多的信息
被我们搞傻了
因为我们手忙脚乱 应接不暇
被信息所淹没
所以这个事情传感器做不到这个
传感器做不到
但是我们人工智能系统必须要有
它这个知为什么能知呢
因为这个目的
这个目的在这个地方会传过来
到这个地方
要拿这个客体信息
跟这个目的在这个地方
去做一个计算
人就是估量 机器是计算
算一个相关性
算一个相关的程度
相关表示跟我的目的有关
无关就是零
或者小于某一个值
这样的话就知道
如果是有关然后才会产生输出
这个就是感知信息了
是主体产生的感知信息
已经不是它了
它来自于它
就是感知信息来自于客体信息
然而感知信息又不是客体信息
跟它一样
跟它不一样了
因为有主体的因素感知的因素
也加入到里头去了
所以感知信息比这个客体信息要复杂
内涵更丰富
而大家学的信息
我相信都不太知道这个感知信息
你们学的那个传感器产生的信息
都不是这里讲的感知信息太简单
没有这个感知的这个内涵那么多
这个感知信息要有语法
要有语义 要用语用
这三位一体感知信息
你们其他课程学的那个
都有语法信息
那么光有信息只知道这个问题的形式
它的形态 它的一些外部表现
但是这个是比较浅层的
所以不注意解决问题
那怎么办
要走这一步 第二步要认知
把这个信息要透过这个信息
认知它们的本质这就是知识
认知认知就通过认识的活动
或者叫处理得到知识
这叫认知了
那么当然我们一般会存储
在这个知识库里头
当然这一步
我们对这个问题就有了本质的认识了
但是有了本质的认识
不等于我们就已经会解决它了
所以为了能够
我一开始讲的
能够产生这个智能行为而不是乱来
所以我们还要想办法
利用这个信息跟这个知识
还有我们自己的目的
去生成这个智能策略
这样子这个智能策略
经过这个执行机构才会产生智能行为
那么产生智能策略这个模型
当然画的比较
其实已经很简化了
可是大家看上去比较复杂
今天的时间有限也来不及解释了
总而言之包含了基础意识
包含了情感 包含了理智
这个理智就原来的人工智能系统
所谓的智能
现在我们不单有那个智能
而且有情感
所以把那个智能专门把它称为理智
以便跟这个其他相区别
因为情感也是一种智能表现
你比如说有情感表现的
没有智能这不对吧
情感也是一种智能的表现
只不过它是比较经验性的
所以把那个叫理智
然后把它们综合起来
变成智能策略
这样一来人工智能
由刚才讲的那些概念
通过这个模型是不是很具体了
非常具体了
这里边每一个模型
都可以做出芯片来
都可以做出具体系统来
虽然好像以前的那些东西
我们没有怎么接触过
没有怎么听过
但是现代科学都可以做
当然如果问题太复杂的问题
不一定现在好做
但是未来可能可以做的出来
所以这样一来我们就发现了
人工智能是按照这样一个模型
来去实现的这么一个机器系统
这就是中国人对人工智能的
一个发展
跟那个机构模拟 功能模拟 行为模拟
是不是大不一样了
好了
这个刚才这个感知信息我讲了一句
说比我们现在一般理解的信息要复杂
这里有语法信息
有语用信息 有语义信息
时间关系我不解释这个模型了
所谓语法信息就是形态的描述
所谓语用信息
就是对我们的利害关系
跟我们目标有利还是有害还是无关
语义信息就是今天咱们大家都很关注的
所谓语义
或者老百姓的话叫内容或者叫意思
那么这个你看通过这个模型
你可以看出来
语义信息不能随便乱说的
它有严格的定义
这个定义就是这个东西
这就是它的定义
λ(X Z)一个映射和命名
而且它有很具体的生成方法
生成原理
这个原理里头也是
每一项都能够用今天的技术实现出来
所以语义信息是可以生成的
不是说字典上查一查就可以
所以这就是我们找到的
所谓第四条路
这个地方有一点个人的观点
不一定对
跟大家来共同来讨论一下
今天大家非常热烈的关注数据
当然是很对的
当然这个数据实际上是什么
数据就是这个信息当中的语法信息
可能没有人这么去讲
但是实际上它就是语法信息
刚才我们讲
语法信息就是个事物运动状态
和状态变化方式的形式
是吧
它表现数据
不管这个数据是针对计算机
产生的数字数据
还是音频 像这样的音频数据
还是图形图像
那些都是有波形
或者是图形的黑白分布
那是不是语法信息
总而言之所有这些信息
模拟的信息都要经过数字化以后
都变0101的串或者叫序列
那个序列大家喜欢把它叫做数据
那个数据就是语法信息
你看客体信息经过传感器
这就是传感器
经过这个传感器
如果这是个数字传感器
它的输出就是0101的序列
所以是语法信息
那么大家所谓的信息
很多人说数据要提炼出信息来
其实这个信息是什么呢
大家所谓的信息
实际上是这个语义信息
就是大家所谓的数据信息
就是它的内容
数据的内容数据的语义
这个语义怎么来
按照这个语法信息你得到了
这个数据在这儿有了
然后你通过这个办法检索和计算
产生了语用信息
然后经过映射和命名
语义信息就得到了
所以我们现在学术界讲的信息
脑子里头或者心目当中讲的信息
实际上指的语义信息
可是你要查科学文献
那地方给你提供的信息
却不是语义信息
那是香农信息论的信息
那是语法信息
所以关于信息和信息科学
这里头乱了套了
我是研究信息科学的
真的乱了套了
让大家产生很多误解
这个不能怪大家
怪研究信息科学的人
怪我们这样一些人
当然我自己是搞明白了
但是现在六种流传
学术界已经乱了套了
我们现在力图去澄清
在国际会议上国内会议上
都力图去澄清
但是势单力薄
不管你们接受不接受 承认不承认
我在这儿跟大家讲
数据就是语法信息
大家讲的信息实际上是语义信息
因为大家关心信息
是关心它的内容
绝不是只关心它那个形式
大家关心内容
这个内容就是语义信息
是吧
所以信息科学没有研究透
特别是原来的香农信息论
它是给通信用的
通信就是只管形式
不管内容 不管价值的
我是邮电大学的学通信的
通信就是这样 刚才那个特点
所以互联网好信息坏信息
乱七八糟鱼龙混杂什么都有
那么通信的人
他没有办法去把那个好信息找出来
不好的信息过滤掉
他不会
因为香农信息论就没讲这事
香农信息论第一章开章开宗明义就讲
语义和语用与通信工程无关
所以不予理睬
只研究波形在噪音当中的恢复
这个故事太多了
我觉得我们学术界的任务太重了
今天时间也不够了
那么到了这儿
第四个方法好像是一个新的收获
但是让我们没想到的
而今天看来更有意思的是这个
就是意料之外
当初意料之外
今天来看是在情理之中
就是机制主义的人工智能的理论
确是人工智能的统一理论
大家不是要找那个合力嘛
Nelson Russel都在找
写了这么厚的书
都没有解决
机制主义的人工智能就是答案
为什么
看看机制主义人工智能
如果把它表现出来
信息到知识到智能的转换
对吧
好了 如果我们仔细看看的话
同样一个问题
那意味着同样的信息
那么你拥有的知识
可能有不同类型的知识
假如你拥有经验性的知识
这就是机制主义人工智能的
一种类型
我们把它叫A型
假如你拥有规范性的知识
这是它的另外一个类型
我们叫做B型
假如你有常识性的知识
我们把它叫做C型
所以真正执行机制主义的人工智能
这个理论的话
可以有这三种类型
看你的知识属于哪一种
当然也可以合成
这三种类型非常巧
就是意料之外
但是待会儿我打出来以后
你会感到情理之中
你看人工神经网络
它是属于机制主义人工智能理论的A型
原因很简单
一切人工智能
一切人工神经网络它要得到
网络的那个加权
那个全 全矩阵
这就是它的知识表达分布式的
对吧
要得到它的知识
一定要通过training learning
一定要很多sample或者example
通过大量的样本去学习去训练
得到它那连接权
那么这个经验知识是什么
这个经验知识就是A型
然后功能主义的这叫物理符号系统
后来叫做专家系统
那么它是规范性知识
因为专家系统现在流行的
都是专家系统
因为那个目标是无穷大的
那个通用的物理符号系统
实际上做不出来
所以实际有用都是专家系统
那么专家系统都要有知识
刚才讲专家知识
那么专家的知识
要么书本上学的
要么是自己积累
然后提炼出来的
所以都是规范性的知识
这就是我们的B型
然后还有第三种
今天大家看到的机器人
机器人
如果那个机器人名字叫做张三
好了 你喊张三对它喊
这个机器人如果有智能
它应该会回答你
我是张三
这就是刺激响应
这种刺激响应实际上是
不是没有知识
用了很多常识知识
把这个常识知识通过编码
输入到它那个知识库里边去
所以是这种常识性知识
好了三大学派结果都掉进
这个机制主义人工智能的框架里头
A型 B型 C型
这个一看很合理情理之中
反过来我可以讲
比方说我要做这个经验型的
人工智能系统
我可以用人工神经网络
也可以不用
现在模式识别
神经网络可以做模式识别
我也可以不用神经网络
来做模式识别
可见它们是它的特例并不是全部
我可以不用神经网络来实现A型
也可以不用它们那个东西
来实现B型跟C型
可是那些东西都是它特例
有意思吧都是情理之中
而且这三种还不光说
分别是ABC特例
而且A型可以转化为B型
B型 AB型可以转化为C型
因为经验性的知识
可以提炼为规范性的知识
这两种知识可以经过普及沉淀
沉淀下来成为常识性的知识
所以它们是相通的
不是原来三大学派
互相之间互不认可
那种互不认可三国演义那种
任何一家都想灭掉另外两家
那种局面在这个地方不复存在
所以这个是比较符合科学道理
符合实际的
它也是研究刚才我们讲这个理想
比较高等人工智能
我们把这个叫做高等人工智能
因为现在人工智能
不研究情感 不研究意识 对吧
你们如果查文献可以发现这个现象
高等人工智能就要研究情感
研究意识 研究理智
机制主义可以解决这个问题
所以这就是最新的进展
我想我们中国人大家可以共享
-完整讲座
--完整讲座
-李国杰:面向大数据的数据科学--课后习题
-数据思维方式的改变
-数据的假设与采集
--数据的假设与采集
-数据的准备
--数据的准备
-数据的分析
--数据的分析
-数据的解释与验证
--数据的解释与验证
-吴甘沙:大数据分析师的卓越之道——课后习题
-个人介绍
--个人介绍
-硅谷热门公司
--硅谷热门公司
-大数据简介
--大数据简介
-大数据平台系统
--大数据平台系统
-工业实践
--工业实践
-结尾
--结尾
-董飞:硅谷公司的大数据实战分析--课后习题
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-数据库系统实现变革
-负载融合
--负载融合
-数据系统架构成本
--数据系统架构成本
-杨光信:数据系统架构——课后习题
-什么是可视化
--什么是可视化
-网络可视化
--网络可视化
-大数据带来的新挑战
-大数据网络可视化的若干案例
-时磊:大数据网络可视化—— 课后习题
-网络安全概述
--网络安全概述
-大数据安全分析平台
-大数据安全应用
--大数据安全应用
-大数据平台安全
--大数据平台安全
-彭元:网络安全与大数据——课后习题
-人工智能系统的本质功能模型
-隐性智慧,显性智慧
-人工智能:能与不能
-人工智能的技术现状
-机制主义人工智能模型
-信息转换和智能创生定律
-人工智能与大数据
--人工智能与大数据
-钟义信:“人工智能与大数据”的创新研究——课后习题
-什么是机器智能
--什么是机器智能
-大数据的重要性及特点
-大数据中的因果关系与关键技术
-大数据与机器智能
--大数据与机器智能
-大数据思维
--大数据思维
-讲座问答环节
--讲座问答环节
-吴军:数据为王和机器智能的时代——课后习题
-大数据概述
--大数据概述
-大数据相关新趋势
--大数据相关新趋势
-大数据技术创新1
--大数据技术创新1
-大数据技术创新2
--大数据技术创新2
-大数据技术创新3
--大数据技术创新3
-大数据商业价值和前景
-大数据机遇和挑战
--大数据机遇和挑战
-苏中:从大数据到认知计算——课后习题
-金融大数据概述
--金融大数据概述
-用户个人信息分类
--用户个人信息分类
-金融大数据法律框架
-实际案例和业界实践
-核心风险点
--核心风险点
-王新锐:金融大数据的法律实践——课后习题
-互联网与商业化
--互联网与商业化
-大数据与计算广告
--大数据与计算广告
-计算广告介绍
--计算广告介绍
-数据交易
--数据交易
-刘鹏:互联网变现与计算广告——课后习题
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华:区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌:个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1:用户属性识别
-案例2:自然人识别
-案例3:WOI与社交关系识别
-陆祁:用户行为大数据——课后习题
-内容智能生态——数据、算法、应用
-大数据在内容分析的应用
-IP价值评估系统
--IP价值评估系统
-爱奇艺的剧本评估
--爱奇艺的剧本评估
-爱奇艺的智能评分
--爱奇艺的智能评分
-阳任科:大数据与AI的内容分析——课后习题
-外卖行业及场景简介
-餐饮及外卖行业大数据应用框架
-案例分析:智能营销场景的用户画像
-案例分析:智能助手场景的菜品画像
-王栋:美团外卖的大数据应用——课后习题
-旅行业务的特点
--旅行业务的特点
-美团旅行业务的用户画像构建
-用户画像的应用案例
-住宿需求预测问题
--住宿需求预测问题
-营销补贴策略建模
--营销补贴策略建模
-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题
-互联网金融背景介绍
-互联网金融科技
--互联网金融科技
-数据智能的三个案例
-技术展望
--技术展望
-陈彧:美团点评金融服务的大数据与人工智能——课后习题
-数据的进化历程
--数据的进化历程
-阿里DMP平台介绍
-核心技术及案例
--核心技术及案例
-数据应用
--数据应用
-毛波:阿里全息大数据构建与应用——课后习题
-在线营销
--在线营销
-竞价机制
--竞价机制
-数据价值
--数据价值
-韩定一:在线营销中的竞价机制与数据价值——课后习题
-竞价排名搜索
--竞价排名搜索
-主要技术问题
--主要技术问题
-点击率预测概述
--点击率预测概述
-点击率预测实践
--点击率预测实践
-龚笔宏:大数据在工业界中的经典案例分享——课后习题
-即时配送业务的背景及挑战
-案例1:订单分配策略
-案例2:供需平衡策略
-未来展望
--未来展望
-郝井华:即时配送中的人工智能——课后习题
-什么是数据驱动营销
-LTV留存分析
--LTV留存分析
-RFM会员体系
--RFM会员体系
-消费者微群画像
--消费者微群画像
-渠道倾向性分析及行业竞争分析
-机器学习潜客挖掘模型
-- 机器学习潜客挖掘模型
-陈辉:数据驱动营销——课后习题
-金融大数据时代
--金融大数据时代
-大数据客观信用
--大数据客观信用
-我国的金融环境
--我国的金融环境
-客观信用的实践
--客观信用的实践
-应用案例与成果
--应用案例与成果
-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题
-外部链接
--外部链接