
1. 计算的极限1.1. 光靠速度是无法给我们带来人工智能的1.1.1. 在速度更快的计算机上运行糟糕的算法并不会使算法变得更优秀,这只意味着你会更快地得到错误的答案1.1.2. 数据越多,错误答案出现的机会就越大1.2. 物理学对计算机的能力还有什么限制吗?1.2.1. 答案是肯定的1.3. 这些限制会妨碍我们拥有足够的计算能力来创造真正的人工智能吗?1.3.1. 答案是否定的1.3.2. 限制是存在的,但是这些限制不可能阻止我们创造真正的人工智能1.4. 估算了笔记本电脑的极限1.4.1. 每秒10^51次运算,10^30字节的内存1.5. 除了物理上的限制外,计算机的能力还受到其他限制,这些限制源于计算机科学家的工作1.5.1. 图灵证明了有些问题是任何计算机都无法判定的:这些问题定义明确,有答案,但是不存在总能找到答案的算法1.5.2. 停机问题1.5.2.1. 一个算法能否判定一个给定的程序是否会陷入无法结束运行的“死循环”?1.5.2.2. 图灵证明了,没有算法可以解决停机问题,这对数学基础来说是非常重要的,但它与“计算机是否可以实现智能”这个问题无关1.6. 专注于可判定的问题并没有对人工智能施加任何真正的限制1.6.1. 可判定并不意味着容易1.7. 计算机科学家花费大量时间思考问题的复杂性,也就是思考,用最有效的方法解决一个问题需要多少计算量1.7.1. 线性复杂度1.7.1.1. 这意味着它非常容易1.7.2. 在最坏的情况下,许多问题具有指数复杂度1.7.2.1. 我们所知道的所有算法都需要指数时间,即解决某些问题所需要的时间根据输入资料的大小而呈指数级增长1.7.2.2. 理论计算机科学家非常确定不存在更有效的算法1.7.2.3. 难度的指数级增长意味着问题在理论上或许是可解决的1.7.2.3.1. 它们肯定是可判定的1.7.2.3.2. 有时在实践中无法解决,我们称这些问题为难解问题1.7.2.3.2.1. 我们也没有理由认为人类能解决难解问题1.7.2.3.2.2. 量子计算有所帮助(无论是在机器中还是在大脑中),但不足以改变基本结论1.8. 判定给定地图是否可以仅用三种颜色着色,使得任意两个相邻区域都是不同的颜色1.8.1. 众所周知,用四种不同的颜色着色总是可能的1.8.2. 在100万个区域中,可能存在一些情况(不是所有情况,而是某些情况)需要大约2^1000个计算步骤才能找到答案1.8.2.1. 在Summit超级计算机上运行这些计算大约需要10^275年1.8.2.2. 在塞思·劳埃德的终极物理笔记本电脑上需要10^242年1.8.2.3. 宇宙的年龄大约是10^10年1.9. 复杂性意味着现实世界的决策问题1.9.1. 在人生的每一刻决定现在做什么的问题,是非常难的,所以人类和计算机都无法找到完美的解决方案1.9.2. 我们预计,在大多数情况下,现实世界的决策充其量只能算是勉强过得去,远谈不上最优1.9.3. 我们预计人类和计算机的许多“思维体系结构”——其决策过程的实际运作方式,将被设计成尽可能地克服复杂性,也就是说,虽然世界极其复杂,但我们仍有可能找到一些还算过得去的答案1.9.4. 无论未来的机器有多智能、多强大,我们都预计上述两点仍然是正确的1.9.4.1. 机器的能力可能比我们强大得多,但仍远非绝对理性2. 智能计算机2.1. 17世纪伟大的法国数学家布莱兹·帕斯卡是第一个研制出真正实用的机械计算器的人2.2. 19世纪,科技取得了巨大的飞跃,英国数学家、发明家查尔斯·巴贝奇(Charles
Babbage)设计了分析机,后来图灵将这种机器定义为可编程通用计算机
2.3. 洛夫莱斯理解了分析机的真正潜力2.4. 图灵在1950年发表的论文《计算机器与智能》是许多关于智能机器可能性的早期作品中最著名的一篇2.5. 模仿游戏2.5.1. 图灵测试2.5.1.1. 图灵测试对人工智能没有什么用处,因为它下的是一个非正式的、高度偶然的定义2.5.1.1.1. 它取决于人类思维极其复杂和在很大程度上未知的特征,这些特征来自生物学和文化2.5.2. 模仿游戏在图灵的论文中扮演了特殊的角色,这是一个反驳那些怀疑者的思想实验,怀疑者认为机器不能出于正确的理由,以正确的方式,用正确的意识来思考3. 智能体和环境3.1. 现代人工智能的核心概念是智能体,即能感知和行动的东西3.2. 智能体是随着时间的推移而发生的过程,从这个意义上讲,它是一个感知输入流被转换成一个动作流的过程3.3. 对国际象棋程序而言,输入大多只是时钟的计时数,它偶尔会收到对手走子和新的棋局开始的通知,而当程序思考时,其动作大多是什么也不做,偶尔选择走一步棋并通知对手3.3.1. 对国际象棋教练而言,学生的想法是与环境相关的一部分3.3.2. 与棋局不同,学生的想法是环境中的一部分,无法被直接观察到3.4. 构建智能体的方式取决于我们面临的问题的性质3.4.1. 智能体的工作环境:棋盘与手机或拥挤的高速公路截然不同3.4.2. 将智能体与环境连接起来的观察和动作:Siri能访问手机的摄像头,它才能“看”3.4.3. 智能体的目标:教对手下棋与赢棋是截然不同的任务3.5. 影响智能体设计问题的特征3.5.1. 环境是完全可观察的(如在国际象棋中,输入提供了对当前环境状态的所有相关方面的信息),还是部分可观察的3.5.2. 环境和动作是独立的(如国际象棋),还是实际上连续的(如驾驶)3.5.3. 环境中包含其他智能体(如国际象棋和驾驶),还是不包含其他智能体(如在地图上查找最短路线)3.5.4. 环境的“规则”和“物理定律”所规定的行动结果是可预测的(如国际象棋),还是不可预测的(如交通和天气),以及这些规则和定律是已知的还是未知的3.5.5. 时间跨度是长还是短。我们要在这个时间跨度里根据目标来衡量决策质量3.6. 某些类型的问题比其他类型的问题更容易3.6.1. 设计一个保持水平飞行的无人驾驶仪是一个短期、连续、动态的问题,这通常属于控制理论的研究范畴3.6.2. 对于较简单的问题类型,人工智能研究人员已经开发出了相当通用且有效的算法,并具有扎实的理论理解3.6.2.1. 机器在这类问题上的表现要优于人类3.6.2.2. 一个算法是通用的,因为我们可以用数学证明它,该算法在整个问题类别中,以合理的计算复杂性给出最优或接近最优的结果,而且因为它在实践中可以很好地解决这类问题,所以不需要针对任何特定问题进行修改4. 电子游戏4.1. 像《星际争霸》这样的电子游戏比棋类游戏要困难一些4.2. 电子游戏包含数百个移动部件和数千个步骤的时间跨度,而且地图在任何给定时间内都只有部分可见4.3. 在每个点上,玩家都可能至少有10^50种选择,而围棋大约有10^2种选择4.4. 电子游戏的规则是已知的,而世界是离散的,只有几种类型的对象4.5. 截至2019年初,机器已经达到了《星际争霸》专业玩家的水平,但还没有准备好挑战最优秀的人类玩家4.5.1. 要达到这一点,机器还需要针对特定问题做大量努力4.5.2. 通用方法还没有为《星际争霸》做好准备