| 作者 |
 人工生命和人工智能 |
 |
hwarrensen
[博客]
[个人文集]
头衔: 海归少将
声望: 专家
加入时间: 2004/02/22
文章: 1961
海归分: 300133
|
|
|
作者：hwarrensen 在 生活风情 发贴, 来自【海归网】 http://www.haiguinet.com
2010-12-19
人工生命和人工智能的两位大师都是计算机科学的泰山北斗：一个是大名鼎鼎的数学家，计算机之父，博弈论的创始人 冯• 诺依曼 （John von Neumann）。另一个是阿兰•图灵 (Alan Turing)，英国数学家和逻辑学家，计算机逻辑的奠基者，和冯• 诺依曼一样被称为计算机科学之父，并被称为人工智能之父。
人工生命和人工智能几乎同时分别由诺依曼和图灵在上世纪40年代末50年代初提出。1941年第一台计算机诞生。1950年，图灵在《计算机与智能 (Computing Machinery and Intelligence)》提出的图灵实验 （Turing Test）奠定了人工智能的基石。如果一台机器能够通过图灵实验，那它就被认为是智慧的。这本书有pdf格式的，有兴趣者可以下载：
Computing Machinery and Intelligence
另一方面，1948年在加州理工的Hixon Symposium上冯• 诺依曼通过他著名的讲座“The General and Logical Theory of Automata”催生了人工生命。此后他的经典著作《Theory of Self-Reproducing Automata》则是人工生命的里程碑。此书也有pdf格式可以下载：
Theory of Self-Reproducing Automata
尽管都是由大师开先河，但以后人工智能似乎是风生水起，在机器人技术，专家系统，模式识别 。。。等诸多应用领域实现了工业化产业化。尤其是IBM的“深蓝 （Deep Blue）” 在1997年5月战胜俄国的国际象棋大师世界冠军卡斯巴罗夫 (Garry Kimovich Kasparov)，更是人工智能尤其是专家系统的刹那芳华。深蓝是IBM耗资2亿5千万美元研制出来的擅长国际象棋的电脑，研制工作由美国华裔科学家许宏伟 (Feng-hsiung Hsu) 负责，数据库方面有美国国际象棋特级大师本杰明 (Joel Benjamin) 加盟。深蓝储存了200万份从18世纪到现在的经典对局，1997年的深蓝可搜寻及估计随后的12步棋，而一名人类象棋好手大约可估计随后的10步棋。
而人工生命则一直沉寂，直到最近才稍引人注意。就是这次坛子里对“奇点(Singularity)”的讨论，似乎也几乎清一色的都是涉及人工智能。这其实在某种程度上反应了人类在认识论上的习惯，或者说盲点和偏见。人以及和人有密切接触的生物圈中的高等哺乳动物都是中央集权形式的等级制社会结构形态：国家有总统，首相，主席，国王。。。；公司有CEO或董事长；军队有将军，元帅；狼群有头狼，所谓的Alpha Male；狮群有一只领头的雄狮。。。。所以人们自然而然的认为，没有一个中心控制中枢，整个系统或社会必将陷入混沌完全无序状态而失效。
人们凭直觉很难接受一些极为低等的生命形态，其脑容量也许只有针尖那么一点体积，通过所谓的“分布式智慧 (Distributed Intelligence)”, 可能完成人类都无法完成的极为复杂的项目，比如我上次提到过的蚁冢。
另一个例子是鸟群或鱼群。大概我们在小学语文里都读过天上一群大雁飞过，有时排成“人”字，有时排成“一”字 。。。于是老师会解释，雁群前面的那只是头雁。雁群之所以排成人字或一字，那是因为这样它们能充分利用前面的雁飞行时的气流，节省体力。。。言外之意，雁群中的每只雁都是听从头雁的指令，有意识有组织地排成最佳飞行队形。
直觉有时是靠不住的。
和中国人的聪明灵俐不同，老外经常就爱认死理，凡事总要钻牛角尖。有人偏偏要挑战大家习以为常的直觉，而且用的就是被许多人不屑一顾的科学方法：居然就有研究动物行为的野外生物学家用高速摄影拍下鸟群和鱼群的运动过程，然后对录像逐幅分析，结果是鱼群和鸟群并没有一个领头的。它们的群体行为是通过其中的单个鸟或鱼对周边其他同类行为的反应，最终结果是群体的协调行为。这种群体行为和我们熟悉的高等哺乳动物的群体行为的最根本的区别，在于不存在整个群体层次上的规则和协调。高等哺乳动物群中有一个元首，比如头狼。其群体行为是由元首通过让群体成员执行它的指令来实现的。而鸟类和鱼类的群体行为中的协调行为是在群体的最低的层次上实现的：个体之间基于一些极简单的规则，比如 “尽力靠近你旁边最近的那只鸟 （或鱼），但不要撞上它”。。。等。鸟群和鱼群不存在元首。不存在整个群体系统层次上的协调和统一指挥。
这也反映了尽管人工智能和人工生命有许多交叠重合，但归根结底到哲学层面，到认识论和方法论的层面，两者其实是完全不同的。人工智能是所谓的“自上而下 (Top-Down)”的方法：人工智能的仿真的基础是在系统的层次上制定规则，整个系统将按这些规则运作。比如阿西莫夫的“机器人三原则”:
The Three Laws of Robotics:
1. A robot may not injure a human being or, through inaction, allow a human being to come to harm.
2. A robot must obey any orders given to it by human beings, except where such orders would conflict with the First Law.
3. A robot must protect its own existence as long as such protection does not conflict with the First or Second Law.
但在现实世界里，上面那些简单的原则性的规则根本不足以应对五光十色的社会现象。尤其一些人们习以为常的日常生活常识，比如说“如果一个顾客在商店里拿了东西，他必须付款才能离开”。。。之类的，人类习以为常的简单知识，却恰恰是计算机最难以描述的，也就是所谓的“常识知识表示的困难"。对这些简单常识的判别应用，计算机却非常容易出错。于是人们就必须规定更多更加细致周密的规则，然后出错的几率更大。。。如此循环往复，最后的控制操作程序多达成亿上兆行，程序的debug变得几乎不可能，系统仅仅因为其过度复杂而当机。
归根结底，简单的一句话就是，人工智能的“自上而下”和“基于规则” (Top-Down, Rule-ba<x>sed) 的方法，想要仿真极端复杂高度多样化的生物，可能无法实现。这次关于“奇点”的讨论中的这个贴子言简意骇，扼要的说明了这一点：
你真认真啊。我的理解，强AI在理论上并没有突破，还是皇帝的新衣
“对于生物的极端复杂性，虽然近年来非线性科学有所发展，但总体上目前的数学还无能为力。数学上没有突破的事情，诺依曼计算机自然无法解决。
我以为奇点派期望一蹴而就挑战人类智能有点哗众取宠，是找错了方向。脑是亿万年长期进化的产物。不要一下子试图赶上人脑的智力规模。先从最简单的线虫神经元开始研究，再研究低等动物的条件反射区，再研究高等动物的潜/前意识和情绪，再研究人脑皮层的功能区，特别是视力和语言区。。。如此长期研究下去，把复杂神经元和脑的功能结构摸清楚，外加数学上突破，进行建模，或许能有所得。当然，这也是目前大多数人的想法，能否实现也很难说。”
拍摄于1984年的《终极战士 (The Terminator)》和1991年的《终极战士二 (The Terminator II Judgment Day)》正是反映了八十年代到九十年代人工智能的状况以及从传媒反映出来大众对人工智能和机器人的理解。而象“Terminator”这样的机器人也确实在一定人工智能的威力和局限性并存的状况。比如《终极战士》里有个镜头，“终极战士”经过一场枪战，遍体鳞伤的回到下榻的Motel。此时服务员来送水，“终极战士”从它的数据库经过一轮扫描，才找到应对的粗话 “F*ck you Asshole!” ——— 如此简单的生活场景，也必须“自上而下”设定规则建立数据库，通过数据库搜索才能给出答案。难怪等到《终极战士二》结尾，机器人的“终极战士”遇到了它的程序中没有答案的形势，它无法应对，只好以自沉火海自我毁灭的方式解决。
可能也许这些原因，可能也许是根植于人类心底的恐惧，《终极战士》里突出反映的一个媒体和大众的焦虑，就是人类制造的机器人的智慧会不会超过人类。套用《侏罗纪公园 （Jurassic Park）》里的一段台词：
Ian Malcohm: "God creates dinosaurs. God destroys dinosaurs. God creates man. Man destroys God. Man creates dinosaurs."
Ellie Sattler: "Dinosaurs eat man…woman inherits the earth."
那就是
。。。 上帝创造了人，人毁坏了上帝，人创造了机器人，机器人毁灭了人。。。
这其实反映了人类自远古以来对未知不确定事物的集体焦虑和集体恐惧。除了对机器智慧超过人类，另一个典型的在大众传媒中反复出现的就是外星生物的入侵。这我们以后要是有机会再讨论。
而人工智能的困境，似乎给人类的集体焦虑暂时一个舒缓。尤其是上世纪八十年代，似乎是人类自我感觉最为良好的时候。而特别有意思的是，宣告机器智慧永远不能挑战人类智慧的，竟然是英语教授们，而不是计算机科学家和工程师们。
而正在人工智能似乎走到瓶颈之际，人工生命悄然崛起。当我们进一步仔细研究人类智慧的物质载体 ——— 人脑时，我们就会发现，从自上而下的观点看，人脑毫无疑问是中枢，是控制中心。人脑制定整个人体在系统层次上的所有规则，可以说是人体中级别最高的元首。但当人们把组成人脑的个体 ——— 神经元 ——— 放到显微镜下面观察，人们忽然发现，神经元世界完全是一个真正“众生平等”的世界。从解剖解构的角度，神经元 （Neuron）确是多种多样。胞体小的直径只有5～6微米，大的可达100微米以上。神经元本身的功能也是有差别的，比方视神经一定要和眼睛的一些结构相关，否则就没有可能达到视觉功能，若换别的神经和眼睛相关也不可能达到视觉功能，它是比较专一的。另外人还有些自律细胞，比方心肌细胞，它的运动是不需要神经支配的。呼吸活动则又是更复杂的，神经可以通过调整肌肉运动影响到呼吸，而这种神经的调整又可分为交感和副交感两种神经来完成。但重要的是，神经元总的来说功能是有类似性的，负责传输或发出某种信号。而在这个层次上，所有的神经元都是平等的。神经元之间不存在某种类似于组织或器官那样的金字塔式结构。只有当成亿上兆的神经元组成神经网络，再由神经网络组成人脑，才使得人脑成了整个人体是系统控制中枢。
神经网络 （Neural Networks）的强大功能还在于，实际应用中网络并不需要象人脑那样复杂包含极大数量神经元的网络。一个相对简单的，包含神经元的数量是目前计算机技术能实现的网络就可以发挥巨大的威力。最根本的原因是，由于每个神经元都和其周围若干个神经元互相通信，这种非线性的相互作用使得整个网络的功能远远超出了网络里神经元功能的简单线性叠加。
基于神经网络的人工生命算法已经成功的应用于工业。比如我们的产品中就应用了神经网络算法，无论从数据库的容量，计算速度，和结果的误差等方面都比基于常规算法的软件要高出一个甚至数个数量级。
分布式智慧，或分布式数据处理 (Distributed Processing)，正是人工生命的基础。最近“云计算 （Cloud Computing）的产业化，人工生命似乎有和人工智能分庭抗礼之势。分布式数据处理的基本原理说起来很简单，那就是将一项任务分配给一个处理器集团 （Cluster）处理。除了上面的神经网络算法，另一个人类从简单低等生物那里学来的智慧就是所谓的“群体智慧”，也就是所谓的 “Swarm Intelligence （SI）。” 我上次提到的蚁冢就是一个典型的 SI 例子。将之变成计算机算法，那就是产生大量功能简单相对比较愚蠢的个体（agents）。尽管单个agent的功能非常简单，但其整体却能完成一些极为复杂的计算，就如简单的蚂蚁可以造出极为复杂的蚁冢。
人工生命的还有一种方式是所谓的遗传算法 (Genetic Algorithms, GA), 那是用计算机产生虚拟基因 （Virtual Genes），然后让这些虚拟基因通过进化，解决现实世界里的复杂计算问题。
所有这些人工生命的概念和方法，和人工智能比较，最基础的分别就是没有整体系统层次上的规则。在人工智能的范畴里，整个系统的行为是通过在系统层次定义的规则实现的。对定义了规则的系统，给出确定的初始条件和边界条件，系统的输出结果是确定的，可预测的。这就是所谓的自上而下的基于规则的方法。
而人工生命只对群体中的单个个体或网络中的单个神经元之间的相互作用定义最低层次最简单的规则。整个系统的规则是没有加以定义，而是由个体之间通过相互作用后产生的，也是是所谓的 “突现行为 （Emerging Behavior）”。正是由于这种突现行为，使得如群体智慧，神经网络或基因算法等具备了类似于生命的一些特征：
• 自组织功能：群体中的个体通过信息交换与处理，实现个体与个体之间以及个体与周边外界环境之间的信息交换，实现模拟的社会系统。
• 自我复制 (繁殖) 功能：繁殖可以通过数据结构在可判定条件下的自我复制实现。同样有生必有死。个体的死亡可以通过数据结构在可判定条件下的删除实现。所谓的“有性繁殖”则通过组合两个个体的数据结构特性的数据结构生成的方式实现。
• 自我改良，学习，和进化功能：人工生命有所谓的“记忆”功能；早先的经历可以被用来改进以后的行为。比如 神经网络的特定能力就是可以通过训练 （Training），不断完善网络的功能。在此基础上可以实现决策功能，也就是经过学习，不断适应外界环境，最终达成最佳的解决方案。
我自小酷爱对抗性的博弈，尤喜象棋和围棋。上文提到深蓝战胜卡斯巴罗夫，那是人工智能整体规则的一次完美表现。由此忽然就想起了围棋。如果人工智能的自上而下方法是象棋大师的克星的话，那围棋似乎就和人工生命有某种天然的联系。围棋每一颗棋子都是完全相同的，不象象棋，小卒子和车的威力有着数量级的差别。围棋子的作用完全取决于在某一时刻它所处的空间位置以及它和周边棋子的关系。这和群体中的个体或神经网络中的神经元颇为相似。围棋的规则相对于象棋要简单，而且也是定义在最低的个体层次上的：活棋的要求很简单，要有两口气。但由棋子之间的相互关系展开，形成群体以后的变化却远比象棋复杂。比如边角和中腹的高下优劣，俗话说的是“金角银边狗肚里”；但《棋经十三篇》里却有“高者在腹，下者在边，中者在角，此棋家之常法”之说。不管国手庸手，起手大致都先占四角。现代棋枰，落星位 (4 x 4) 的大概很稀罕的了。起手落小目 （3 x 4 或 4 x 3）的蛮多的。有走实地稳健路子的，可能会退一步下在“三三” （3 x 3）上。喜外势的，也许会下到高目 （4 x 5 或 5 x 4），或甚至进一步，下到目外 （6 x 6）上。笔者小少时偶而走边锋，会左手下三三，右手下目外，左低右高，取“右背山陵，前左水泽”之意。但这些也只是”棋家之常法”，而不是硬性的规则。记得某位国手曾有第一子下在“天元” （棋盘中央）的，号称“起手落天元”。
除了打劫，围棋中颇有兴味的是倒扑。金庸在《天龙八部》中写虚竹误打误撞，用“倒脱靴 （也就是倒扑）”破了“珍珑” 棋局。老金玩笔玩得炉火纯青，写起来高潮迭出，极具戏剧性。这种将欲取之，必先予之的下法，要用人工智能实现，可能又会碰上“常识知识表示的困难”。
言归正传。人工生命的这种所谓“突现行为”从技术上来说，那就是有种群体中的个体并不存在的行为，但当个体形成群体后，个体之间的相互作用导致了群体行为的发生。这种行为可以在任何群体中发生，比如说所谓的计算机集团 （computer cluster），或机器人群体，或狼群，狮群，甚至示威游行的人群。这种“突现行为”因为不是在整体系统层次上有意识规定的，个体相互作用引发的结果就有着完全的随机性。如果说群体智慧有着类似生命的行为 （Life-like），这种行为也可以说非常的孩子气，有着不可预期 （Unpredictable），并且非常容易分散注意偏离目标 （Easily Distracted）——— 就象我们在小学一年级学过的《小猫钓鱼》。你如果给一个六岁的孩子十块钱，让他去打酱油。他也许在路上看到有人做俯卧撑，觉着贼好玩，压根就忘了打酱油这码事，包不准连回家的路都摸不着了。
对于这种孩子气的不可预期和偏离目标的一个解决方案是所谓的 “Goal-Attainment”。太阳底下没新鲜事，所谓的 ”Goal-Attainment” 算法并非人工生命的独创。比方工科白袜们喜用的Matlab，其中的优化算法工具包 （Optimization Toolkit）就有Goal-Attainment。随便古歌一把 “Matlab goal-attainment”, 你就能找到一大堆有用的文章。不过人工生命的Goal-Attainment，由于其类似生命的特点，有其特殊性。比如人工生命的Goal-Attainment算法中一种是基于动物世界捕食动物和猎物 （Predator-Prey）之间的关系实现的。对一只饥饿的狮子，你很难用其他东西把它的注意力从一群羚羊或角马那儿引开。
人工生命确实是一个非常有意思的话题。上面拉拉杂杂写了一大堆，可能连基本概念都还没讲清楚。我只是抛出这么一块砖头，希望能引出祖母绿或月亮宝石来。无论如何，小结一下，人工生命的主要概念包括：
• 自下而上的方法体系：这和 人工智能中自上而下的方法体系完全不同，可以说是人工生命和人工智能最根本的区别。在人工智能中，整体的系统层次上的行为是先验地严格定义，并将之分解成一系列子系统。子系统依次又被进一步分解成子子系统……。人工生命中的自下而上的方法则相反，它模仿或模拟自然中自我组织的过程，力图从简单的局部控制出发，让行为从底层突现出来。人工生命是在最底层在个体层次上定义完全局部的相互作用的简单规则，从这种相互作用中产生出连贯的整体行为，这种行为不是根据特殊规则预先编好的。按兰顿 (C.G. Langton) 的说法，生命也许确实是某种生化机器，但要启动这台机器，不是把生命注入这台机器，而是将这台机器的各个部分组织起来，让它们产生互动，从而使其具有“生命”。
• 集成的研究方法：自下而上的一个自然的结果就是，人工生命不是用分析的方法，即不是用分析解剖现有生命的物种、生物体、器官、细胞、细胞器的方法来理解生命，而是用综合集成的方法，即在人工系统中将简单的零部件组合在一起使之产生似生命的行为的方法来研究生命。传统的生物学研究一直强调根据生命的最小部分分析生命并解释它们，而人工生命研究试图在计算机或其它媒介中合成似生命的过程和行为。
• 人工生命的生命的本质在于形式和过程，而不在于具体的物质。人工生命是关于一切可能生命形式的生物学，因此并不特别关心我们知道的地球上的特殊的以水和碳为基础的生命，这种生命是传统的生物学的主题。人工生命研究的是生命的普遍规律，或者说生命的逻辑。而实际生命的物质，比方说我们目前认识的地球上以水和碳为基础的组成生命的特殊物质，则不是人工生命关注的重点。生命当然离不开物质，但是生命的本质并不在于具体的物质。人工生命把生命看作是一个过程，恰恰是这一过程的形式而不是物质才是生命的本质。人工生命研究因此忽略物质，并因此抽象出控制生命的逻辑。
• 人工生命不是人造生命。象通过干细胞或基因工程造人和动物，尽管也很前卫，甚至挑战人类伦理的底线，但仍然是基于传统生物学的，以地球上基于水和碳的生命形式的研究方法。人工生命中的“人工”是指它的组成部分。在目前的研究领域，是基于硅片、计算规则。。。等。这部分是人工的。但它们的行为并不是人工的。硅片、计算规则等是由人设计和规定的，人工生命展示的行为则是人工生命自己产生的。
• 突现行为是人工生命的突出特征。这是自下而上的自然结果，也是人工生命得以产生的基础。人工生命并非像我们在常规设计时那样可以先验的规定系统的行为。系统的行为是系统中的个体通过相互作用产生的，预先无法预期。这是人工生命和实际生命最根本的相似性。
后记
本帖并非蚍蜉撼树，不自量要扬李抑杜或扬杜抑李。本帖开宗明义就已表明，无论人工智能或人工生命，都由学界泰斗开的先河。哪一门专精了，都可成大家。再者这种网络侃大山的形式，也不适合严肃地讨论专业技术问题。俺不过是一系统 （Systems）工科白袜，也不是这一行的内行；只不过平时做项目做产品需要，和做算法 (Algorithms) 的其他白袜得有沟通的共同语言 （神经网络啊，云计算啊，分布算法啊。。。）。再再者，俺这人天性极其好奇，觉着人工生命特好玩。大家就当好玩看。要拍砖的，俺照单全收。
参考文献
1. Artifical Life: Wikipedia
2. MIT Press Journal: Artificial Life
3. 人工生命：探索新的生命形式
4. Michael Crichton "Prey"
5. Artificial Intelligence: Wikipedia
6. Caltech neuroscientists map intelligence in the brain
7. Technological Singularity: Wikipedia
8. The Coming Superbrain
作者：hwarrensen 在 生活风情 发贴, 来自【海归网】 http://www.haiguinet.com
|
|
|
| 返回顶端 |
|
 |
|
-
 人工生命和人工智能 -- hwarrensen - (11379 Byte) 2010-12-20 周一, 07:44 (3220 reads) - 相当牛叉。 -- 勃艮第大公 - (0 Byte) 2010-12-27 周一, 00:09 (367 reads)
- 哇欧 -- 二少 - (10 Byte) 2010-12-22 周三, 13:40 (338 reads)
- 卧草，这篇牛叉！ -- 八袋长老 - (75 Byte) 2010-12-21 周二, 15:58 (373 reads)
- 嘿嘿嘿 -- 云飞扬 - (592 Byte) 2010-12-20 周一, 16:32 (556 reads)
|
|
|
|
您不能在本论坛发表新主题, 不能回复主题, 不能编辑自己的文章, 不能删除自己的文章, 不能发表投票, 您 不可以 发表活动帖子在本论坛, 不能添加附件可以下载文件, |
|
|
