机构名称：
¥ 1.0
我们讨论了在过去 30 到 50 年中，仅关注数据的人工智能 (AI) 系统如何受到阻碍，以及知识在开发更智能、更高效的系统方面如何发挥关键作用。事实上，人工智能的巨大进步可以从 DARPA 确定的三次人工智能浪潮中看出。在第一波浪潮中，手工制作的知识一直处于核心地位，而在第二波浪潮中，数据驱动的方法取代了知识。现在，我们看到知识在第三波人工智能浪潮中发挥了重要作用并实现了重大突破，为未来的智能系统奠定了基础，因为它们试图做出类似人类的决策，并寻求成为人类值得信赖的助手和伙伴。我们发现，从各种来源创建的知识越来越广泛，使用从手动到自动化的方式，既可以通过重新利用，也可以通过提取。将知识与统计学习结合使用正变得越来越不可或缺，有助于使人工智能系统更加透明和可审计。我们将基于认知科学，将其与知识和经验在人类智能中的作用进行比较，并讨论新兴的神经符号或混合人工智能系统，在这些系统中，知识是将数据密集型统计人工智能系统的功能与符号人工智能系统的功能相结合的关键推动因素，从而产生更强大的人工智能系统，支持更像人类的智能。数据和知识在人工智能中的作用 数据和知识在人工智能中的作用已经引起了广泛的争论。知识已经以多种不同的方式从数据中合成，或手动编码以模拟我们使用的语言或我们周围世界的工作方式，从而实现感知、查询、预测和解释。我们认为，获取知识的方法和知识形式应该适合使用和应用的环境，没有一刀切的方法。在 20 世纪 80 年代和 90 年代初期的第一次人工智能浪潮中，能够执行超越数字处理的符号计算被认为是智能的标志。随后，在逻辑中对领域知识进行符号编码并利用其进行数据推理成为主要方法。事实上，对于知识表示和推理，发展出了两个独立的阵营和方法：一种声明性方法，其中知识捕捉世界运作的方式，并与知识的使用方式分开；一种程序性方法，其中知识与知识的使用方式交织在一起。换句话说，在前一种情况下，显性知识的获取可以与其使用方式的多种方式清晰地区分开来，而在后一种情况下，知识是隐性的，是特定于应用程序的代码的组成部分。虽然前者从广泛的重用角度来看是有益的，但后者对于在实践中构建有效的实现变得必不可少，因为实践中使用启发式方法将领域知识开发并整合到应用程序代码中 [Neats & Scruffies]。
人工智能三波浪潮中数据和知识的二元性
主要关键词
相关文件推荐
