* 这篇文章主要不是解释哲学上的“理解”,而是在计算或者人工智能或是数学上定义“理解”

对于人而言,理解似乎是一件简单的事情。在我们上课的时候我们能确切的知道是否理解老师所讲的内容,在我们看书的时候我们能确切的知道书中的内容我们是否理解,在我们与人交谈的时候我们能确切的知道别人说了什么,我们也确切的知道别人所描述的我们是否理解。我们似乎天生就有这个能力

所以有一个问题,我们如何知道自己理解了或者不理解?什么是理解?

众所周知,自然语言理解是人工智能的最高目标之一,如果连什么是理解都不知道的话,我们可能无法实现这个宏伟的目标

这里的理解是指计算机是否理解了一个概念。比如,这里举最简单的自然数加法(姑且简单的叫做加法)为例。那么对计算机而言什么是加法?其实人也解释不清楚什么是加法,而只是大脑里有一个模糊的关于加法的概念(包括加法表,进位规则,数字符号操作过程),而且能根据别人给定的加法题目给出正确的答案。所以当我们提出题目 12+23=? 的时候,这个看起来简单的题目对计算机而言并不简单。计算机需要知道数字符号(12,23)和逻辑操作符号(+,=),以及这个题目涉及的概念是什么(我们确切知道他是加法题目,但是对计算机而言他就是一串符号,如果脱离符号所映射的领域知识,那么符号便没有意义

所以我们如何以计算机的视角来解决 P: 12+23=? 这个问题?

1. 我们需要知道给定符号串P的目的(这里是求两个数的和),这里涉及到自然语言中的意图识别,假设我们定义万能意图函数F(X):X -> D,X为符号输入,D为输出,当我们输入问题字符时F(x)能给我们这串字符的目的

2. 我们需要知道目的D及字符串P关联的知识库,这里得到知识库加法规则A(X),A(X)可以视作我们大脑中关于加法的知识或者运算过程,假设我们仍然定义一个函数M(X)来表示该关联映射

3. 我们已经得到该字符串P的目的D和规则A(X),我们需要根据规则的内容填充,假设规则A(X)能直接根据字符串序列P解析出数字符号(12,23)和逻辑符号(+,=),并知道各符号的逻辑关系及操作过程,并作操作得到结果

这里我们算基本解决了该问题,可以看到该问题并不简单,我们能够得到:加法概念实际是整个关于加法的操作并得到结果的过程,而加法概念本身也包含数字概念和操作概念,如:什么是1,2,3... 什么是+,=... 这本身也是概念,如果不理解底层的概念,那么便无法建立关于该底层概念的高层概念。所以这正是自然语言理解困难的关键之一

所以,什么是理解?what is understanding ?

我们在这里先简单的预定义在加法上的理解(然后推广到其他概念上):对于任意的输入,如果计算机能够基于程序操作输出正确的值,那么认为计算机理解了加法

我们会发现如果人编写了一个加法的程序,而计算机运行程序输出正确的值,那么实际是人理解了加法,而计算机只是根据指令完成计算而已。这样我们就必须制定一个规则:即加法程序必须为计算机所写,且所写程序不能是来自外部程序的拷贝,且对于任意的输入,输出正确的值,那么计算机就理解了加法

   这里总结以上的定义:如果计算机能够写出一个加法程序(该程序不是来自外部程序的拷贝)对于任意的输入,该程序运行后输出正确的值,那么计算机就理解了加法

这可以等价为更形式的定义:给定一个图灵机 M,一套初始程序 P,学习加法需要的完备数据 D 及一个完备的加法测试系统 TP,如果 M 能够利用 P 与 D 写出一个算法使 TP 测试为加法完备的,那么我们说 M 理解了加法。而编写出一个程序判断两个函数是否相等是不可判定问题,所以这里及以下的完备的测试系统TP的测试用例数限定于趋近于一个极大数字

我们可以推广为,给定一个图灵机M,一套初始程序 P,某概念的完备数据 D 及一个完备的测试系统 TP,如果M能够利用 P 与D 写出关于该概念的一个算法使TP测试为完备的,那么我们说 M 理解了该概念。其中概念需要满足可计算性要求;测试系统TP可以是人写的程序;数据D不能是该概念的完整或部分算法程序

我们可以举个例子来说明该定义:在做项目的时候,产品经理定义了一系列的需求给程序员,并告诉程序员需求的解释,那么产品经理如何知道程序员是否理解这些需求?产品经理当然不知道!即便产品经理相信程序员理解该需求,也一定是建立在一段时间的磨合后或是建立在大量认知的基础上。所以我们如何准确的知道程序员是否理解产品需求?Talk is cheap , Show me the code。程序员要给产品经理程序和代码,产品经理给测试人员测试,且我们知道这个测试人员懂代码和如何运行测试,如果测试人员认为程序和代码都没有问题且完成了需求,那么产品经理认为程序员理解了产品需求,否则没有理解产品需求

这里例子的映射关系为:产品经理->我们,程序员->图灵机M和初始程序P,产品需求->某概念完备数据D,测试人员->测试系统TP

所以我们由上,图灵机M是已知的,我们需要解决的问题是数据D,初始程序P与测试系统TP的问题。测试系统有白盒测试即原理测试,而也可以是黑盒测试。有些概念的测试系统较简单如加法,减法,乘法等等,但有的可能会异常的复杂,以至于只能做黑盒测试,如围棋,自然语言理解等等

其实这里我们已经看到了机器学习的影子,从上我们可以推断:如果机器人没有学习能力那么机器人就不能理解任意概念

续:是否所有的概念都可以用序列过程来验证理解?这里的猜想是:可以。比如我们对机器人说:请给我一个苹果。如果机器人将桌子上的苹果拿来给了我(这里假设机器人不是人为的硬编码),那么说明机器人理解实体“苹果”的意思,同样也理解“给”的意思,并且理解“我”这个实体的意思(不然就不会真确的产生苹果给我的结果),也就是我们能够同时验证多个概念的理解性,而这个验证只是通过序列化的过程来验证的,即:从机器人听到指令到将苹果给我的这样一个序列过程。这里把这种验证称为:概念理解的序列过程验证

参考文献:

1. Pedro Domingos,The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World

2. Mitchell,Machine Learning

3. Thomas H.Cormen、Charles E.Leiserson、etc,Introduction to Algorithms

4. Scott Reed 、Nando de Freitas,Neural Programmer-Interpreters

什么是“理解”?如何在人工智能中定义“理解”?(what is understanding ?)相关推荐

  1. python 类中定义列表_Python-从类定义中的列表理解访问类变量

    小编典典 类范围和列表,集合或字典的理解以及生成器表达式不混合. 为什么:或者,官方用词 在Python 3中,为列表理解赋予了它们自己的适当范围(本地名称空间),以防止其局部变量渗入周围的范围内(即 ...

  2. 数值分析中有效数字的定义理解及计算

    一.有效数字的定义 要定义有效数字,我们需要首先给出下面几个定义,其实都是很简单能理解的东西,但是用数学公式表达一下就有点绕. 误差: 若x∗x^{\ast }x∗是准确值xxx的一个近似值,则称e∗ ...

  3. 人工机器:人工智能中的机器学习方法

    人工智能的定义为基于表观的行为定义,即图灵测试,可以形式化为模式识别.智能从知识论的角度分析,归纳明确知识规则构建知识图谱系统形成专家系统,而通过数据获得归纳规则约束参数为机器学习系统,即基于数据的模 ...

  4. ai逻辑回归_人工智能中的逻辑是什么?

    ai逻辑回归 人工智能逻辑 (Logic in Artificial Intelligence) Logic, as per the definition of the Oxford dictiona ...

  5. 干货!任务型对话中语言理解的鲁棒性测试 |清华刘劼西

    点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入! 本期AI TIME PhD直播间,我们邀请到了清华大学计算机科学与技术系的硕士生--刘劼西,带来分享--<任务型对话中语言理解的鲁 ...

  6. 李德毅 | 新一代人工智能如何从传统人工智能中脱颖而出

    来源:图灵人工智能  作者:李德毅  中国工程院院士.CAAI名誉理事长.主线科技首席科学家 2021年4月10日,"吴文俊人工智能科学技术奖"十周年颁奖盛典在北京举办.颁奖典礼上 ...

  7. 人工智能 之 定义与发展

    文章目录 定义 发展阶段 主要流派 定义 智能的定义:  智能是一种应用知识处理环境的能力或由目标准则衡量的抽象思考能力,即一种理解和学习事物的能力. 智能机器的定义:  智能机器是一种能够在不确定环 ...

  8. 傅里叶变换复数形式的实部代表什么_「趣味数学」傅里叶变换及其在人工智能中的应用...

    介绍 傅里叶变换是数学中最深刻的见解之一,但不幸的是,它的意义被埋在一些荒谬的方程中.傅里叶变换是一种把东西分解成正弦波的方法.这个名字来自一个数学家叫傅里叶. 在数学术语中,傅里叶变换是一种将信号转 ...

  9. ai人工智能在手机的应用_常识在人工智能中仍然不常见

    ai人工智能在手机的应用 Tassilo Klein and Moin Nabi (SAP AI Research) Tassilo Klein和Moin Nabi(SAP AI研究) Deep le ...

  10. 人工智能中的Web端编程

    Java是当前的主流编程语言之一,常年稳居TIOBE编程语言排行榜前五.Java的使用领域非常广泛,包括了桌面端编程.Web端编程.移动端编程等几乎所有的编程领域.Java是Web端编程使用最广泛的编 ...

最新文章

  1. Linux学习4-文件系统介绍
  2. 第一阶段冲刺报告(一)
  3. spring配置druid连接池和监控数据库访问性能
  4. 2的负x次幂图像_数学| NO.2,3 函数 T15
  5. 移动端隐藏滚动条(最全面)
  6. jQuery实现checkBox全选全取消
  7. 鸿蒙OS应用开发_基础篇_编写第一个HarmonyOs应用_体会HarmonyOs的一次开发多端部署_以及分布式任务调度_IDE安装_了解应用组件以及应用布局---HarmonyOs开发工作笔记001
  8. python怎么通过占位符_如何输入占位符?
  9. SQLServer的本月统计和本周统计
  10. 如何同时配置GitHub和gitlab的SSH
  11. 低代码开发,未来已来
  12. 关于口令强度等级的设计
  13. php截取字符串utf8,php自定义截取中文字符串-utf8版
  14. Lua AES加解密
  15. 使用python转换微信dat格式文件为png文件
  16. 9.23 未来的规划 BEC
  17. 解决训练时显存不断增大问题
  18. 焦作师范高等专科学校计算机,热烈欢迎丨焦作师范高等专科学院计算机与信息工程学院莅临智游...
  19. 什么叫贴片(电子元器件)
  20. JAVA抽象类接口初始化块实验_抽象类和接口 - 逝水无痕7777的个人空间 - OSCHINA - 中文开源技术交流社区...

热门文章

  1. 全球及中国3D打印人体器官行业发展态势及前景策略分析报告2022-2028年
  2. 青龙面板滴滴果园自动签到
  3. Flutter: Dart 参数,以及 @required 与 required
  4. 对反游戏外挂技术的思考及实现
  5. 网上支付流程(大致)
  6. boost 进程间通信-share memery传递字符串
  7. Jenkins项目配置-Nodejs项目(Vue框架)-全面
  8. SAR成像处理算法_CS算法_原理
  9. 微信小程序滑动验证拼图(有效果图)
  10. kubernetes日志架构