文/摘自《全圖解!AI知識一本通》聯經出版
用「符號主義」
把人類的思考規則化
所謂的符號主義,就是從「知識和語言都能以符號(語言或算式)呈現」的立場出發,試圖打造出人工智慧的一種方法。在這個前提下,人工智慧只是依照人類預先準備好的規則,例如「若A則B」、「若發現C則D」、「變成E時就要F」等,聽令行事罷了。
這個機制很簡單易懂,建置容易,因此以符號主義為基礎的人工智慧研究,很快就百花齊放,成果豐碩。
其中最具代表性的,就是會下西洋棋的人工智慧,以及會拼圖的人工智慧。它們運用電腦卓越的計算能力,迅速地破解許多連大人都覺得困難的問題,因而備受各界期待。
然而,要編寫出一套足以網羅所有現實世界情況的規則,談何容易。即使如此,人類還是可以編寫出一套只講理論的規則,讓電腦照章辦事,進而打造出類智慧的機器。這一點可說是符號主義的優勢。
重現大腦的運作機制!
「聯結主義」
所謂的「聯結主義」,是一套以電腦完整重現人類大腦運作的方法。而讓類神經網路進行學習,就是這套方法的起點。至於類神經網路,指的則是人工神經元的集合體,它正是以重現人類腦細胞為目標,所開發出來的技術。以類神經網路為基礎的人工智慧沒有規則可循,所以起初什麼都不會,要透過不斷學習累積,一點一滴地記住解決問題的方法,才會漸漸變聰明。這樣的學習方式,需要的是經驗(資訊)—可以是人工智慧透過自發行為所獲得的經驗,也可以用既有的統計數據。
類神經網路的成長狀況,取決於學習素材,也就是資訊品質的好壞。如果資訊品質低劣,再好的類神經網路也是枉然。
想讓類神經網路學會解答數學題,也就是需以理論思考來求解的問題,會相當曠日費時。反之,學習那些很難用語言說明,或者多累積經驗就能掌握訣竅的事項時,就能發揮它的長才。
從這個特色當中,也可以看出聯結主義和符號主義在人工智慧的發展上,是兩種完全相反的切入方式。
小知識
以圍棋棋力闖出名號的阿爾法圍棋(AlphaGo),並不是個純粹的類神經網路,它也具備了充滿理論的「規則」,所以才能發展出足以戰勝人類頂尖棋士的棋力。