发信人: mmm (随便), 信区: AI 标 题: AI的出路讨论（一） 发信站: BBS 水木清华站 (Tue Dec 22 10:06:02 1998) 我有一些个人看法，在这里说说，供诸位大虾 们讨论和批判 :) “并行”计算是人工智能的出路之一，这里要 特别讨论一下“并行”的含义（尽管我也说不清楚）， “并行”是有不同层次的，现在计算机领域中的并行 计算是计算上的层次，说的通俗一点就是，100道 计算题用一个处理单元需要100个单位时间，但是用100 个处理单元同时计算就只要1个单位时间，这种层次上的 并行确实有用，但是还不够“并行”，智能行为中的“并行” 是一种信息利用上的并行，为了说的明白一点，下面 煮几个栗子，供诸位大虾品尝： 一个256*256的二值图象，其中写的是一个数字（或 汉字），你可以很轻松的认出它，可是现在让你做个游戏， 我每次只告诉你一个像素是黑还是白，问你是否知道图中 的字是什么，（图中可能还有随机噪声），这就变成了一个 十分困难的问题，当然这只是一个玩笑，可是现在冯式计算机 就是用这种方法来“认字”的！！ 把这个栗子扩展一下，在你眼前的是一个256*256的灰度 图象（不仅仅是二值图象），其中是一个人脸的图象，你也 可以轻松的认出它来，至少你可以说出图中有一个人脸，现在 我仍然把整幅图象给你看，但是不是256*256个像素，而是一个 256*256的数字矩阵，每个矩阵元素的值是原始图象中对应像素 的灰度值，你能说出现在的“图象”中里有什么东东吗？ 我们可以想一下， 256*256的图象和256*256的灰度值矩阵区别在哪里？ 我说其一个关键区别就是后者中的数字是孤立的，而 不象前者那样图象中的信息除了每个像素的灰度值外 还有相互之间 的位置和对比关系，就象是一端音乐，每单个音符没有好听 还是不好听之分，只有组织在一起，相互之间有了对比 和呼应，才能构成有意义的音乐。 说的工程化一点， 从神经元的角度来考虑， “并行”可能体现在相邻神经 元之间的受到激励的状态是相互影响的，一个神经元受到输入 的激发，它周围的神经元也会受到一定程度的激发（接受部分 信息），我们都知道这个视觉心理学的实验（这里为叙述 方便，称其为断圆实验），把一个完整的 圆切掉一小部分，人们还可以把它“看成”一个完整的圆， 事实上，有的 学者提出了一种“流式神经元”，即它把许多神经元看作 是连通的杯子，每个杯子中水面的高度与对应神经元的输入 有关，但是杯子里的水要流到与它连通的杯子里去，水的流向 可以从高水位流向低水位，但在一定条件下也可以从低水位 流向高水位，于是可以得到一组微分方程，在这组方程的约束下 确实可以从一定程度上模拟前面说的“断圆现象”。 总之，我觉得AI中许多问题的瓶颈是相通的，图象处理 中高于像素水平的信息的提取和利用， 组合优化中的局部极小等，都需要有一种信息的“并行”利用 方式，而现有的神经网络模型在这方面还远远不够，它们 基本上还是计算意义上的并行。其实，现代计算机创始人 冯.诺依曼在早期也注意到了这个问题，并且也提出了一些 神经元模型，但是后来冯式计算机发展很顺利，也取得了 极大成功，他就把注意力放到冯式计算机中去了。 就侃到这吧，我还有一些有些自相矛盾的想法，在（二） 中再聊。 -- ※ 来源:·BBS 水木清华站 bbs.net.tsinghua.edu.cn·[FROM: 166.111.68.179]