理查德·汉明（Richard Hamming）：第7章。人工智能-II

“本课程的目标是为您的技术未来做好准备。”

哈Ha 还记得很棒的文章“您和您的工作” （+219、2442个书签，389k读取）吗？

因此，汉明（是的，是的，自我检查和自我纠正的汉明代码 ）根据他的演讲编写了一整本书 。 我们正在翻译它，因为那个人在谈论生意。

这本书不仅是关于IT的书，还是关于令人难以置信的酷人的思维方式的书。 “这不仅仅是积极思考的冲动； 它描述了增加做出色工作机会的条件。”

我们已经翻译了23章（共30章）。 我们正在纸上版。

第7章人工智能-II

在这本书中，我们主要解决计算机领域在知识领域而不是机械领域（例如在制造业中）的利益问题。 在机械领域，计算机使我们能够生产出更好，更优惠和更便宜的产品。 在某些地区，这种帮助非常重要，对于登月飞行而言，如果没有计算机，将很难做很多事情。 可以将AI视为机器人技术的补充-AI主要指的是人的智力方面，而不是物理的方面，尽管在很多项目中当然这两个部分紧密地相互作用。

让我们回到讨论的开始，重新检查机器和人的组件。 机器和人都是由原子和分子组成的。 机器和人都是由基本零件组成的。 机器除其他外，具有蓄积和切换装置（阀门），一个人由器官组成。 机器具有大型结构，算术块，存储器，控制单元，输入输出设备，而一个人则由骨头，肌肉，血管，神经系统等组成。

让我们更仔细地考虑一些方面。 众所周知，在大型系统中可能会发生新的影响。 例如，据信分子之间没有摩擦，但是在大型系统中可以检测到这种效果-当将小零件组织成大型系统时，这种效果就会显现出来。

值得注意的是，当工程师开发与自然界中存在的相同的设备时，他会以不同的方式来做。 例如，我们有一架通常带有固定翼的飞机，而鸟则拍打翅膀。 我们也做了一些不同：飞机肯定比鸟飞得更高，更快。 大自然并没有发明轮子，而人类却在许多设备中使用了轮子。 我们的神经系统相对较慢，以每秒几百米的速度传输信号，并以每秒约186,000英里的速度向计算机传输信号。

第三，在进一步讨论AI之前，我们注意到人脑由许多彼此通过神经相互连接的组件组成。 我们想将思维定义为人脑可以执行的特定过程。 过去机器编程思维失败的原因在于机器尺寸不足，速度不足等。 一些人开始相信，如果汽车足够大，那么它会自动思考！ 请记住，问题似乎出在编写正确的程序，而不是构建大型机器，这样的程序中将会出现新的效果-从非思想的细节出发思考！ 实际上，这就是所有想法！ 这不是孤立的东西，而是大型系统的人工产物。
返回AI应用程序。 有一个程序可以证明经典几何学中研究的几何定理。 程序被要求证明著名的定理“如果三角形中的两个边相等，则其两个角度相等”，见图。 7.1。



您可能正在尝试将顶角减半，证明两个三角形的相似性，并由此推断出两个角度的相等性。 有些人可以将三角形的第三边分成两半，在相对的角落画一条线，并得出相似性的结论。 该程序推导的证明没有使用其他构造。 在比较三角形ABC和CBA时，得出了关于自相似和角度相等的结论。
有人会发现这个证明优雅，正确和出乎意料。 也许编写证明定理程序的人并不知道它；尽管它在几何教科书的脚注中进行了讨论，但并没有广为人知。 有人说，该程序显示出“原创性”，“新颖性”（开发人员未将其纳入），“创造力”和其他非凡的品质。

更深入的分析表明，程序员制定了一种算法，根据该算法，程序首先尝试证明该定理，然后构建更多行。 如果教您做同样的事情，那么你们中的许多人会发现这个证据很优雅吗？ 因此，对该证明进行了编程。 正如我之前提到的，几何课程是什么，就像没有在训练计划中加载证明一样？ 不重要。 这适用于人们，但是对于机器而言，只需下载一次程序就足够了，您不再需要无休止地重复和重复，而仍然无需担心！

当塞缪尔出人意料的举动击败国家vhecker冠军时，他的象棋程序是否显示出独创性？ 如果没有，你能说你有创意吗？ 将您与计算机程序区分开来的测试应该是什么？
有人可能会说国际象棋程序已经学到了，证明定理的程序显示出“创造力”，“原始性”或其他东西。 这些只是此类书面程序的几个示例。 很难证明程序具有声明的属性。 一旦程序执行了某些操作，即使在程序中输入了随机数，该操作也会立即与其中嵌入的算法步骤相关。 因此，得出了一个悖论：程序存在的事实证实它是某种机械过程，并且否认其他特性的表现。 从这个角度来看，机器永远不会证明它不仅仅是古典意义上的“机器”。 例如，无法证明机器可以“思考”。

坚硬的AI的支持者认为人是一台机器，因此，在知识领域中所有可能的人类行为都可以被一台机器复制。 如前所述，当机器展示某些特性时，大多数读者会自动认为这些特性不是人类特征的体现。 立即出现两个问题。 首先，这是真的吗？ 其次，您如何自信自己不仅是能量场中的一组分子，而且整个世界只是一个围绕另一个分子旋转的分子？ 如果您相信某种超凡脱俗的神秘力量，那么它们如何影响分子的运动；如果您不相信，那么它们将以什么方式影响我们的世界？ 物理学家已经描述了自然界中存在的所有力，还是还有未探索的力？ 这是一个非常困难的问题。 （目前，1994年，人们相信宇宙中90-99％的物质是所谓的暗物质，其中只有重力吸引的能力是已知的。

我们转向对文化领域中计算机应用程序的考虑。 在计算机革命的曙光中，贝尔电话实验室的Max Matthew和John Pierce研究了计算机声音的产生。 如稍后所知，采样频率由所再现声音的最大频率确定。 人们只能在年幼的时候听到最高18 kHz的声音，而成年人则可以通过电话交谈并以低于8 kHz的频率识别声音。 音频音乐曲目的量化不会提供很多机会。 “音乐”的播放顺序如下：计算机计算每个时间间隔中音轨的值，以电压形式显示此值并应用平滑滤波器。 纯音是简单的正弦曲线。 频率的组合决定了乐器及其特征性的“声音”（开始时声音的强度增加，结束时音符和衰减）。 使用各种软件工具，可以获取录制的各种音符和音乐以供以后播放。 这样，就不必实时创建音乐，计算机可以以必要的速度播放音乐，而不必一定是恒定的速度，在音频设备上进行编辑和播放后才能达到实际速度。

为什么我们只谈论音符？ 为什么不教计算机如何做音乐呢？ 毕竟，作曲有很多规则。 产生声音的可能性的研究人员已经教计算机使用这种规则来创作音乐并将随机性引入随机数发生器中。 现在有可以播放音乐和作曲的计算机。 广播和电视上播放许多类似的曲目。 这种方法更便宜，更易控制，并且可以创建现有乐器无法制造的声音。 音乐曲目中的任何声音都可以由计算机创建。

计算机支持播放和制作音乐。 除了小细节（采样频率，量化级别的数量可能会因成本而增加）之外，作曲家现在可以收听以任何频率，任何速度和音量以任何频率存在的任何声音。 实际上，“录制音乐的最佳质量”是数字的。 将来，这方面将不会有重大的技术改进。 许多播放器都有数字播放器，它们的声音再现要比旧的模拟播放器好得多。

机器帮助作曲家更快（几乎立即）听到作曲的音乐。 以前，作曲家常常需要等上几年才能成名，而且他的音乐从舞台上开始响起，而不仅仅是他的想象力。 现在，作曲家可以迅速提出新的方向。 在阅读有关计算机音乐的杂志时，我的印象是现代作曲家广泛使用和定制计算机程序，并且有许多方法可以与机器一起创作音乐。

导体有更多机会。 早些时候，当录制音乐时，指挥试图从音乐家那里得到更好的表现，最终的录制往往是从各种录音，不同麦克风的剪辑中获得的。 现在，指挥家可以准确地以毫秒为单位获取所需的音调，并获得所需的音调，并考虑到有关特定乐器音质的各个概念。 最后，音乐家并不总是每次都完美地演奏同一段乐曲（作为乐曲的一部分）。
我们将继续考虑计算机的影响，计算机如何将我们从物联网带回思想世界，它们如何补充和扩展人们的能力。

我感兴趣的AI的一个方面是人与计算机可以一起做什么，它们之间不应该存在任何竞争。 当然，就日常工作而言，机器人取代了很多人。 确实，机器人可以更好地完成日常工作，同时又可以减轻人们的工作量，从而可以完成更多的“人工”任务。 不幸的是，许多人还没有为参加这种汽车比赛做好准备，除了这项常规工作之外，许多人别无选择。 人们普遍认为，通过适当的培训，人们将能够与机器人竞争。 但是，我怀疑是否可以使用例如矿工并将其转变为有用的程序员。 我对可以从事古典意义上的编程工作的人的比例有一些估计。 当然，如果您认为与ATM或电话的交互正在编程（从个人输入数据会影响可执行程序），则许多人可以称为程序员。 但是，如果编程被认为是周到的分析的经典活动，即详细的规范，那么对于可以平等地与计算机竞争的人员的百分比就存在很大的疑问。

计算机的使用导致工作数量的减少和新工作的创造，很难说为什么还要增加。 但很显然，平均而言，出现了更多的高级职位，许多低级职位已经消失。 再次，有些人认为，将来大多数人都可以为高层次的工作做好准备，在我看来，这种观点尚未得到证实。

除了游戏，几何，音乐领域的程序外，代数领域还有一些程序：它们比“单个”程序更“易于管理”，并且取决于在一个或另一个阶段与人的交互。 奇怪的是，事实证明在几何学领域创建一个“单一”程序是可能的，而在代数学领域却不可能。 未解决的问题之一是表达式的简化。 在学习代数时，您可能没有注意到“简化表达式”动作没有明确的“简化”规则； 如果确实如此，那么这些规则显然很复杂。 例如，据信



无法简化，但表达式



有可能！

我们经常使用“简化”一词，但其含义取决于下一步要做的事情。 例如，如果您打算在计算过程中进一步积分，则可以将表达式分成小部分，同时将它们组合为方便的工作或关系。

还开发了类似的“人为驱动”的化合物合成程序。 结果证明是非常有用的，因为它计算出：（1）可能的合成路线，（2）成本，（3）反应所需的时间，（4）合成化合物的有效产率。 因此，由于所需原料成本的变化，该程序有助于发现许多合成新化合物或重新发现旧化合物的不同方法。

在大多数医学测试中，机器通过显微镜代替了人们不可靠的外观。 在大多数情况下，使用机器方法更快，更可靠且更便宜。 也许机器将能够进一步诊断，从而取代医生。 实际上，在这种情况下，机器的诊断速度可能比医生快！ 这个想法并不新鲜：出售了某些疾病的自我诊断工具。 这种方法只是对自诊断工具包的一种改进，也是制定治疗计划的一种方法。

医生是人类，因此不可靠。 通常，在罕见疾病的情况下，医生可能会首先遇到这种疾病，但是您可以在机器中输入所有疾病的描述，而她永远不会忘记它们。 根据症状，机器可以以某种可能性进行诊断，或者开出进一步的测试以进一步诊断。 从长远来看，考虑到诊断的可能性（可以在流行病中纠正），该机器可以比平均水平或什至高素质的医生进行更好的“患者入院”。 同时，不要忘记一位医生可以物理地治疗有限的人。

除其他外，主要问题之一是法律。 法律以错误的态度宽恕医生，如果他们以法律的语言“尽职调查”行事-他们就是人。 但是，谁会为机器错误负责呢？ 有车吗 程式设计师 制定规则的专家是谁？ 那些详细阐明这些规则的人？ 那些把它们放在算法中？ 还是那些为它们编程的人？ 在机器做出错误诊断的情况下，可以对整个程序进行详细分析，就医生做出的错误决定而言，这种分析是无法进行的。 我相信，将来会有许多辅助程序由医生进行诊断，但是很长一段时间内，病人和机器之间总会有人陪伴。 程序的增长使得可以自行进行诊断，但是此类程序出现了法律问题。

例如，我怀疑患者是否有机会在没有医生参与的情况下有机会独立（通过程序）开出必要药物的处方。 您可能已经注意到，在所有分布式软件许可中，我免除任何责任！ 在这方面，主要问题将是法律问题，而不是工程问题。

在现代医院中，您可以看到机器在医学领域的巨大渗透：医学非常积极地利用机器的功能来提高性能，降低成本，提高准确性和速度。 在医院中，机器会保存财务，时间表和记录； 甚至私人医生也开始使用各种机器。 在一定程度上，这要归咎于联邦当局，这迫使他们进行电子官僚通信。

在许多重症监护病房的医院和其他医院中，必要时会安装计算机监视器。汽车不会感到无聊，反应迅速，并在必要时立即将信号发送到护士的岗位。护士能否持续执行她与监护仪一起执行的工作，这是令人怀疑的。

在数学领域，用于公式的符号转换的最早程序之一是用于计算高阶导数的微分程序。使用此程序，可以计算复杂函数的幂级数的前20个成员。如您所知，差异化是一个简单的形式化任务，几乎没有规则。在研究中，似乎并非如此，但是有必要将直接区分的任务与进一步简化的任务区分开，并使用导数。另一个使用符号公式的程序是用于转换坐标的程序，这是控制卫星，雷达等所必需的。

James Slagle（https://en.wikipedia.org/wiki/James_Robert_Slagle）编写了一个分析集成程序。该程序的算法与数学课程中讲授的算法相似。该程序可以在他们可以解决的积分方面，以及在所应用算法的正确性和冗余性方面，与普通的MIT毕业生竞争。从那时起，计算机集成程序得到了显着改善，假设将有一个基于众所周知的Rich算法的程序，该程序可以集成任何功能（如果可能）。但是，经过多年的期望，我没有看到这样的程序，有些分析积分程序考虑了有限积分或证明了表达式不能被积分。

机器人形的计算机入侵了诸如平板电脑等复杂产品的生产线。现在，计算机是由受其他计算机控制的机器人组装而成的，集成电路中的芯片主要是由人为控制的计算机设计的。没有人能定性地在芯片中排列数百万个晶体管，这是一项绝望的任务。在设计程序中肯定有一定程度的人工智能。在没有事故的有限区域中，机器人是有效的，但在发生意外事件时，机器人可能会面临严重的问题。对非常规事件的常规响应可能会导致灾难。

另一个明显的计算机应用领域是机器人，它甚至比配备防护服的人（例如消防员）都能够抵抗更恶劣的环境。如果在执行此类工作期间机器人被摧毁，那么这与人的死亡是不同的。带有遥控的扫雷器出现在海军武器库中，船舶的损失比船员和船舶的损失少得多。在深海航行时，舰队不断使用机器人；现在，海洋中有许多未开采的区域。

让我们考虑再次下棋。机器人一直在变得越来越高效，直到击败世界象棋冠军，这似乎是在浪费时间。过去，您需要分析所有可能的动作组合，而不是一个人下棋的方式。现在，计算机每秒可以分析数百万种组合，而根据心理学家的说法，人们最多可以分析50种最多100种组合来决定该课程。因此，至少可以相信一个人在下棋时会以完全不同的方式思考！我们甚至都不知道怎么做！

在其他游戏中，汽车更为成功。例如，我向所有人介绍了玩西洋双陆棋的机器人，它能够击败所有冠军。但是对于机器解决方案来说，有些规则简单的游戏（例如玩Go）却非常困难。
总而言之，这些机器能够玩游戏和进行类似的活动，但是对于某些游戏来说，它们绝对是无能的。机器的播放方式可以描述为“进行大量计算”，而不是基于理解的游戏。我们开始教计算机游戏以了解人类思考的过程，但最初的目标却被扭曲了，并且继续致力于开发可以取胜的程序的研究。

让我重复一遍，您不能忽视人工智能领域，在一个或另一个领域中使用知识既可以改善计算机应用程序，又会导致惨败！

现在是时候解释逻辑和心理新颖之间的区别了。在这个过程中，它不会产生逻辑上的新颖性，但是它们肯定会产生心理上的新颖性。程序员不断在他们编写的程序中注意到新的效果！但是一个人可以产生逻辑上的新颖性吗？对这些伟大发现的故事进行的仔细分析表明，它们是根据对过去经验的分析而制成的。情况导致成功；这只是心理上的，不是逻辑上的新颖。您的所有新成就难道不是来自过去的经验吗？以其最纯粹的形式可能出现逻辑新颖性吗？

不必认为逻辑上的新颖性是平庸的。在任何科学中，在假定，定义和逻辑的初始分配之后，所有进一步的结论都是心理新颖性；在初始分配之后的结论中，没有逻辑新颖性！

人们认为，如果我们使用随机生成器做出决定，我们可以打破两个分子的恶性循环，但是如果不是来自物质世界的分子事件，那么在哪里可以得到随机事件的来源呢？

据称，该信息包含在随机事件的来源中。此声明基于对猴子和打字机的心理经验。打字机前面的猴子会随机单击随机按钮。人们相信，在某个时间点，其中一人将能够按其在架子上的顺序打印大英图书馆的所有书籍！实际上，迟早，猴子都会无数次地尝试无限次地正确按下第一个字母。

在这些尝试中，第二个字母将是正确的，依此类推。随着猴子无限的工作时间，将出现正确的字符组合。

经验是对随机事件源中所包含知识的一种确认，如果您编写用于“识别”信息的正确程序，则可以提取知识。例如，迟早会有新的物理理论从噪声流中产生，如果您滤除随机数流，则可以检测到它！这种逻辑是不可否认的-很难相信这样的现实！事实是，即使您看到“信息”，也无法始终识别它。

长期以来，人们一直认为“自由表达意愿”是一个神话。在给定的情况下和给定的时间，您就是您的身份，并且以自己的方式行事。在您相信自由意志这一事实的背景下，这种论点听起来令人信服。让我们尝试通过实验来澄清这个问题。似乎无法进行令人信服的实验来说明此问题。事实是，我们不断在两种行为方式之间进行选择。老师必须相信自己在对学生说正确的话。父母必须相信自己在正确养育自己的孩子。尽管如此，一种自由感深深地存在于我们内部，我们不愿拒绝它，但我们可以轻易地拒绝他人！

还有更多示例讨论“汽车可以思考吗”问题。

总之，也许思考不应该由我们的想法决定，而应该由我们的想法决定。当我观察孩子如何学习将两个或三个数字相乘时，我会得到他在思考的印象。当我自己做时，它看起来像某种“条件反射”。当计算机执行相同的乘法运算时，似乎并没有想到。用这首老歌的话来说，“这不是您要做的，而是您如何做的。”也许在思维领域，我们混淆了结果的概念和获取的方法，这导致了AI研究领域的一些困难。

僵化的人工智能理论的支持者认为这种理论只有在得到确认后才能成功。这种方法在没有对事实进行适当评估的情况下影响了许多研究人员。 “结果是思考的手段”这一信念使许多人相信他们可以思考，但是没有机器。

关于计算机和思维的情况已经变得混杂起来。同时，我们可以假设计算机可能会或可能不会思考。我们希望相信机器的思想，因为它们可以帮助我们。我们不想为了维持自己的重要性而相信。计算机在很多领域都绕过了我们，它们在速度，准确性，可靠性，成本，反应速度方面无处可寻，它们无聊，容易忘记旧事物和学习新事物，可以在侵略性环境中工作，没有个人问题，我们希望在某些领域超越它们-同时它们是我们的创造！例如，如果某些计算机程序可以比医生做得更好，那么他们将留在哪里？你会住在哪里？

两个主要结论：

1. , , .
2. , , , .

在前两章中，我写了关于硬件和软件的限制的问题，但是在这两章中，人工智能的问题只是表面上提出的。我们只是不知道我们在说什么；没有定义概念，也不清楚是否会在不久的将来定义它们。我们被迫使用一种语言来描述计算机语言。这种递归导致复杂化和严谨性降低。关于AI的章节的主要问题-软件限制的问题-保持开放性在您的职业中应该非常重要。人工智能领域的研究需要准确性和平衡的结论，因为许多研究人员已经得出了明显的错误结论。

待续...

谁想帮助本书的翻译，排版和出版-用个人电子邮件或电子邮件magisterludi2016@yandex.ru撰写。

顺便说一句，我们还推出了另一本很酷的书的翻译- “梦想机器：计算机革命的历史”）