不确定性人工智能的基础科学问题解读

1不确定性人工智能的基础科学问题李德毅[e-mail].1020042一、人工智能50年二、21世纪人工智能研究的一个新方向：不确定性人工智能三、不确定性人工智能的基础科学问题四、不确定性的计算机模拟3人工智能从一开始就是交叉学科的产物“达特茅斯会议”与会者：数学家和逻辑学家；认知学家和心理学家；神经生理学家；计算机科学家450年人工智能主流研究符号主义方法——逻辑学派联结主义方法——仿生学派行为主义方法——控制论学派5在人类认知面前，人工智能显得过于单薄：认知科学知觉记忆意识言语情感想象思考学习创造联想直觉顿悟6至少五位认知科学家获得诺贝尔奖：1962年：FrancisH.C.CrickConsciousnessandNeuroscience,inPhysiologyorMedicine1963年：SirJohnEcclesTheSelfandItsBrain,inPhysiologyorBiochemistry,1978年：HerbertA.SimoninEconomics,1981年：罗杰斯佩尔生理心理学家，对左右脑功能作了解释,2002年：DanielKahnemanuncertaintyinEconomics,7丹尼尔的主要贡献：关于不确定情形下的决策。人的判断会因为依照“倾向于观测小样本”形成的小数法则行事，因为对于容易接触到的信息的熟悉和对主观概率准确性的偏信，导致决策行为系统性地偏离了基本的概率论和标准经济理论所预测的结果。8脑科学认识脑(Understandingthebrain)揭示脑功能的本质保护脑(Protectingthebrain)预防和治疗脑的疾病创造脑(Creatingthebrain)创造具备人恼特点的智能计算机9脑科学研究的切入点从脑的生物化学层次和神经构造层次研究。认知活动可能对应着一定的生理上的化学、电学的变化。但是目前生命科学还不能在思维活动与亚细胞的化学、电学层次的活动建立确切的关系。如：一个概念如何以生物学形式存储，它与其它概念发生联系的生物学过程是什么。也不能决定什么样的神经构造可以决定着哪些认知模式的发生。10脑科学研究趋势把对神经活动的认识推向细胞和分子水平强调从多层次来研究脑的整合功能,包括:恼如何感知、如何思维、如何理解语言、如何产生情感等。脑的复杂性体现在它是由太个数量级的神经元和千太个数量级的突接触联结的信息处理和决策系统。11对《还原论》的质疑如同我们不能从最基础的硅芯片的活动来推测计算机网络上电子邮件的行为一样，我们不可能从分析单个离子、神经元、突触的性质去理解人们欣赏落日美景的感受。因此，我们怎么能够设想从分析单个器官、细胞、基因、蛋白质分子的性质和神经传导就能够推断人脑的认知和思维活动呢？系统论关于系统整体特征不是由低层元素加和而成的原理对还原论提出质疑。12脑科学与人工智能尽管“脑科学十年计划”对意识的本质仍然是一个未解之谜，尽管正在执行的“行为科学十年计划”仍然想通过生命科学研究发明出“读心机”、“记忆丸”、“聪明丸”等，但这不能阻止我们用机器去模拟人的智能的努力。13人工智能研究中的3个追求计算机下棋倒立摆控制机器人足球赛14下棋程序和人工智能研究同步深入15黑白世界，棋子无功能之分，目数多者胜和计算机下围棋16和计算机下围棋，会如何？象棋有明确的最终目标状态；围棋没有。电脑象棋可以从一个目标状态不断搜索最合理的走法（推理）达到下一个目标状态；围棋没有。电脑象棋可以有目的地向着某一目标状态不断搜索最合理的走法（推理）；围棋没有。围棋想围住对方，在某个状态下应对的步骤比象棋要多得多，更注重形象思维，更大局观。17主要区别围棋国际象棋逻辑思维和形象思维都重要；从官子到中盘到布局倒推困难；或者说，从布局到中盘到官子，收敛慢逻辑推理强；可以从残局向中局向开局倒推；或者说，从开局到中局到残局，收敛较快过程中，双方棋势矛盾焦点隐晦过程中，双方棋势矛盾焦点突出对方下一手棋后，本方可选择的下法多对方下一手棋后，本方可选择的下法较少棋子无大小，多个子通过合适的布局形成优势或吃掉对方的子，侧重布势棋子能力有大小，各子之间关系较简单自己的地方还可对方再吃掉，有反复棋子被吃掉后就不会再出现18没有哪门学科比人工智能和哲学的联系更紧密人工智能的基础理论和本体论都归结到一个基本问题：概念化、常识、知识的知识。这个世界到底是确定的？还是不确定的？爱因斯坦：在宇宙中，上帝不会和我们掷色子。玻尔：我们不能决定上帝该做什么我们问：上帝在哪里人的模式识别能力从整体特征开始？是还原论还是整体论？19二、21世纪人工智能研究的一个新方向：不确定性人工智能20ArtificialIntelligencewithUncertaintyUncertaintyinArtificialIntelligence21不确定性：随机性模糊性不完全性不稳定性不一致性不确定性的魅力！随机性和模糊性的关联性22确定性和不确定性精确数学是描述确定性规律的；概率论是揭示随机现象的统计规律性，是对精确数学的突破，但不排斥概率统计模型可能转化为精确数学模型去处理；模糊集和粗糙集是揭示模糊现象的亦此亦彼的规律性，是对精确数学的突破，但不排斥模糊学模型可能转化为概率统计模型甚至精确数学模型去处理；随机性和模糊性是不确定性的两个方面，确定值可以被看作是不确定性的特例。23自然界中的不确定现象随机模糊混沌分形复杂网络24对不确定性现象的研究，并不一定非要分别从随机性和模糊性入手去认识，也不一定非要去区分随机体现在那里，模糊在哪里。25混沌混沌是一种确定性系统中出现的类似随机的过程。因为很难对初值确定得非常精确，近似相同的初值产生很不相同的貌似随机的结果。初值敏感性导致过程的不确定性和不可预测性。26混沌蝴蝶效应：亚马逊河热带雨林中的一只蝴蝶扇动了两下翅膀，可能两周之后会引发美国德克萨斯州的一场龙卷风。“失之毫厘，差之千里”。初始条件的微小的差别能引起结果的巨大的差异。27英国海岸线有多长？28认知的尺度29复杂网络:Internet30视觉的不确定性：31视觉的错觉：32认知的不确定性：33思维的不确定性思维有精确的一面，更有不确定的一面。人类习惯于用自然语言进行思维，思维的结果往往是可能如何、大概如何等定性的结论。人类还擅长通过联想的、直觉的、创造的形象思维来思考，很少象计算机一样做精确的数学运算或者逻辑推理，但是这并不妨碍人类具有发达的、灵活的智能，并不妨碍人类具有发达的、灵活的模式识别能力。34模式识别（人脸识别）的不确定性身份识别表情识别性别识别年龄识别性格识别人种识别.......35文字识别：内容识别写字人身份识别性别识别年龄识别风格（性格）识别字体识别.......36手语(Signlanguage)识别：内容识别图形识别身份识别年龄识别风格识别.......37声音识别：内容识别说话人身份识别性别识别年龄识别性格识别字体识别.......语调（情感）识别音乐识别方言识别语种识别.......38纹理识别：静态纹理指纹脸纹声纹皮、石、木、布纹草地、森林、海滩.......动态纹理海浪喷泉烟雾云彩瀑布.......39三、不确定性人工智能的基础科学问题40不确定性人工智能的基础科学问题：不确定性知识的形式化表达问题，即不确定性知识的表示问题。不确定性知识的最好表示，就是使用自然语言表示！要研究自然语言基元的定性定量转换模型，给出不确定性转换模型的形式化方法。41研究人类认知活动的切入层次人脑亚细胞的化学、电学层次人脑的神经构造层次自然语言层次数学语言层次符号语言层次脑科学神经科学不确定性人工智能数学传统人工智能42基本理念：人脑的思维基本上不是纯数学的；自然语言具有不可替代性；自然语言中的基元是语言值，它对应的概念，是人类思维的基本细胞。数据和概念之间的转换是不确定性人工智能研究的基石。43不确定性的度量——熵热力学熵dS=dQ/T熵增加原理玻尔兹曼熵分子运动的无序程度和混乱程度仙农熵H=-k∑PilogPi拓扑熵………云模型中的熵和超熵44云发生器和逆向云发生器45正态云模型的数学解释46正态分布和正态隶属函数是正态云的特例。47云滴的概率密度分布函数：yHEyyExyHxfd2)(2)(expπ21)(2e2n22xeX云滴分布的期望：Ex48云滴的方差：22222e2n2e22x22x2e2ne2e2n22xe2xd2expπ21d2)(expπ21d2)(exp)(π21d2)(expπ21d2)(2)(expπ21d)(enHEtttyHEyyHxyExyExyHEyyHyHEyyExyHxExXD49云滴的隶属度的不确定性根据算法产生的确定度Y有的概率密度为与云模型的三个特征参数无关！elseyyyf,010,)ln()(2150“云滴的确定度和数字特征无关”的含义任何定性概念，尽管它们各自有不同的实际含义，即概念的量化值——云滴在数域的分布有不同的物理量纲，也尽管所有云滴表现出不同的确定度，不同的人会有不同的认识，不同的时期也会有不同的认识，但是确定度的统计分布，总体上是同一个形态。语言值表示的概念，抛弃它们具体的物理含义，反映在人们脑海中的认知规律是一致的。认知的不确定性中仍然有着确定的规律性，即认识上的共同性。51正态分布的前提：中心极限定理从理论上阐述了正态分布的条件，中心极限定理的简单直观说明：如果决定某一随机事件结果的是大量微小、独立的随机因素之和，并且每一因素的单独作用相对均匀的小，没有一种因素起到主导作用，那么这个随机变量服从正态分布。52正态云模型弱化了正态分布的前提条件•决定不确定现象的随机因素单独作用不是非常均匀地小；•各因素相互之间不完全独立；用超熵衡量偏离正态分布的程度，将正态分布扩展为“泛正态”。53论正态云模型的普适性《中国工程科学》2004年第6卷第8期P28-3454概念的粒度和粒度计算：用熵作为概念的粒度，进行粒度计算；在不同尺度上的概念，反映了确定性和不确定性之间的转换。55四、不确定性的计算机模拟56数据场方法实现从感知到记忆到印象感知视觉记忆记忆随时间而淡忘形成的印象σ=0.1σ=0.8σ=1.2σ=1.5σ=0.557随着时间的推移，印象中的爱因斯坦只剩下一双深邃的眼睛，而印象中萨达姆也只剩下那浓密的胡子。记忆的不确定性：记忆随时间而淡忘形成的印象58厌恶愤怒快乐轻蔑悲伤恐惧惊讶标准像对一个人不同表情的记忆形成标准像59}哭脸笑脸哭笑不得3分笑7分哭7分笑3分哭势场图混合势场图逆变换后的像素图像素图60用场运算急剧降维提取主特征(a)人脸128*128个象素特征(b)48个重要特征点128*12848！61影响因子对特征点提取的作用(a)250个特征点，=0.02(b)70个特征点，=0.04(c)28个特征点，=0.0962一幅128*128*256灰度级的黑白图象，可以认为是128*128个象素点上的灰度形成的场(a)标准人脸图像(b)数据场等势线分布c）二维势场分布的三维视图=0.0563非线性扩张:原始图像数据场图数据场平方图数据场立方图64表情聚类：ABCDEF65CEABDIFGHJ6615岁20岁25岁45岁形象思维？70岁衰老函数f(t)共性老人和婴儿67形象思维自动化：虚拟电视主持人文本、歌曲剧本等形象表情动作语音语调风格.......68正态云模型不简单区分随机性和模糊性，但可以分别给出随机性和模糊性的解释；利用三个数字特征表示概念的不确定性；通过计算机算法实现定