本文是Demystifying AI的一部分，Demystifying AI是一系列文章(旨在)消除有關(guān)AI的術(shù)語和神話的歧義。

如今，人工智能主要是關(guān)于人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。但這并非總是如此。實(shí)際上，在過去的十年中，該領(lǐng)域大部分都由象征性人工智能主導(dǎo)，也被稱為“經(jīng)典AI”，“基于規(guī)則的AI”和“老式的AI”。

象征性AI涉及將人類知識(shí)和行為規(guī)則顯式嵌入計(jì)算機(jī)程序中。在AI研究的最初幾十年中，這種實(shí)踐顯示出了很大的希望。但是近年來，隨著神經(jīng)網(wǎng)絡(luò)(也被稱為連接主義AI)獲得廣泛關(guān)注，象征性AI逐漸被淘汰。

符號(hào)在人工智能中的作用

符號(hào)是我們用來表示其他事物的事物。符號(hào)在人類的思想和推理過程中起著至關(guān)重要的作用。如果我告訴你我看見貓爬在樹上，那么你的腦海就會(huì)迅速聯(lián)想到圖像。

我們一直使用符號(hào)來定義事物(貓，汽車，飛機(jī)等)和人員(老師，警察，營(yíng)業(yè)員)。符號(hào)可以表示抽象概念(銀行交易)或不存在的事物(網(wǎng)頁(yè)，博客文章等)。它們還可以描述操作(運(yùn)行)或狀態(tài)(不活動(dòng))?？梢詫⒎?hào)組織為層次結(jié)構(gòu)(汽車由門，窗，輪胎，座椅等制成)。它們也可以用來描述其他符號(hào)(耳朵毛茸茸的貓，紅地毯等)。

能夠用符號(hào)進(jìn)行交流是使我們變得聰明的主要因素之一。因此，符號(hào)在人工智能的創(chuàng)造中也起著至關(guān)重要的作用。

人工智能的早期開拓者認(rèn)為：“原則上可以精確地描述學(xué)習(xí)的所有方面或智力的任何其他特征，以使得可以制造出可以模擬它的機(jī)器。”因此，象征性人工智能成為了研究的重點(diǎn)，并成為研究項(xiàng)目的重點(diǎn)。 。科學(xué)家開發(fā)了定義和操縱符號(hào)的工具。

您在計(jì)算機(jī)科學(xué)中發(fā)現(xiàn)的許多概念和工具就是這些努力的結(jié)果。符號(hào)AI程序基于創(chuàng)建顯式結(jié)構(gòu)和行為規(guī)則。

符號(hào)AI工具的一個(gè)示例是面向?qū)ο蟮木幊?。OOP語言允許您定義類，指定它們的屬性并在層次結(jié)構(gòu)中組織它們。您可以創(chuàng)建這些類的實(shí)例(稱為對(duì)象)并操縱其屬性。類實(shí)例還可以執(zhí)行動(dòng)作，也稱為函數(shù)，方法或過程。每種方法都執(zhí)行一系列基于規(guī)則的指令，這些指令可能讀取和更改當(dāng)前對(duì)象和其他對(duì)象的屬性。

使用OOP，您可以創(chuàng)建執(zhí)行各種任務(wù)的廣泛而復(fù)雜的符號(hào)AI程序。

象征性AI的好處和局限性

符號(hào)人工智能在AI和計(jì)算的曙光中顯示出早期的進(jìn)步。您可以輕松地可視化基于規(guī)則的程序的邏輯，進(jìn)行通信并進(jìn)行故障排除。

對(duì)于規(guī)則非常清晰的設(shè)置，符號(hào)人工智能非常方便，您可以輕松獲取輸入并將其轉(zhuǎn)換為符號(hào)。實(shí)際上，基于規(guī)則的系統(tǒng)仍占當(dāng)今大多數(shù)計(jì)算機(jī)程序的成本，包括那些用于創(chuàng)建深度學(xué)習(xí)應(yīng)用程序的程序。

但是，當(dāng)您必須應(yīng)對(duì)世界的混亂時(shí)，象征性AI就開始崩潰。例如，考慮一下計(jì)算機(jī)視覺，這是使計(jì)算機(jī)能夠理解圖像和視頻內(nèi)容的科學(xué)。假設(shè)您有一副貓的圖片，并且想創(chuàng)建一個(gè)程序來檢測(cè)包含貓的圖像。您創(chuàng)建一個(gè)基于規(guī)則的程序，該程序?qū)⑿聢D像作為輸入，將像素與原始貓圖像進(jìn)行比較，并通過說出您的貓是否在這些圖像中進(jìn)行響應(yīng)。

僅當(dāng)您向程序提供原始圖像的精確副本時(shí)，此方法才有效。貓的圖片略有不同將產(chǎn)生否定的答案。例如，如果您從另一角度拍攝貓的圖片，則該程序?qū)⑹　?/p>

一種解決方案是從不同角度拍攝貓的圖片，并為您的應(yīng)用程序創(chuàng)建新規(guī)則，以將每個(gè)輸入與所有這些圖像進(jìn)行比較。即使您為貓拍了100萬張照片，您也不會(huì)考慮所有可能的情況。光照條件或圖像背景的變化將改變像素值，并導(dǎo)致程序失敗。您將需要數(shù)百萬其他圖片和規(guī)則。

如果要?jiǎng)?chuàng)建一個(gè)可以檢測(cè)到任何貓的程序該怎么辦?您需要為此創(chuàng)建多少規(guī)則?

貓的例子聽起來可能很愚蠢，但是這些都是象征性AI程序一直努力解決的問題。您無法為現(xiàn)實(shí)世界中存在的混亂數(shù)據(jù)定義規(guī)則。例如，如何定義自動(dòng)駕駛汽車的規(guī)則以檢測(cè)其可能遇到的所有不同行人?