智能、知识、与模型

2021-4-30 10:15| 发布者: jxrs |原作者: 郭朝晖|来自: 价值中国

摘要:   前些日子在一个自动化专业群里,和一位教授产生了争论。教授认为模型可以解决一切智能化相关的问题。对此,我并不是完全赞同:对不了解模型的人,一定要强调模型的重要性;而认识到一定深度,又必须认识到模型的 ...

  前些日子在一个自动化专业群里,和一位教授产生了争论。教授认为模型可以解决一切智能化相关的问题。对此,我并不是完全赞同:对不了解模型的人,一定要强调模型的重要性;而认识到一定深度,又必须认识到模型的局限性。

  在自动化领域,模型一般被定义为系统的输入输出关系。有了模型,就有了一般性的决策方法:至少可以通过仿真,去评估若干备选方案,从中选出相对理想的做法。所以,模型对机器决策的意义是非常大的。

  我们也知道:原始人类和动物的决策,从来不依靠模型,甚至不依靠计算。即便是现在,人类重要的决策往往还是要靠直觉来做出,而机器只能其辅助作用。因为机器决策所需要的知识和信息必须是清晰的、明确的;人类决策面临的环境往往是开放的,相关的知识和信息往往是模糊的。所以,对于特别重大的事情,人类拥有的知识和信息往往更多,机器往往还不能代替人的决策。

  需要特别关注的一个问题是:人类的关键决策往往是定性的,决策的重点是目标、路径和手段的选择。量化、数字化对战略决策当然是有用的,比如发现机会、纠正偏见、确定行动的起点和终点重点,但决策的关键逻辑往往是定性的。量化、数字化、模型化的价值更多体现在实施过程、执行过程,是对手段和方法的优化。

  认识到这一点,对智能化中的一些认识也就容易串在一起了。

  比如:智能化是决策革命、智能化是机器决策或帮助人决策、智能化的关键是知识;从自动化到智能化,关键是感知到认知;智能化往往促进管控融合等等。对于这些论点,人们其实应该质问一下:为什么是知识不是模型呢?为什么多出来一个“认知”呢?管控融合为什么重要呢?根据前面的分析,这些问题不难解释。

  我们知道,自动化和智能化都涉及决策。但传统的自动化往往针对封闭小系统,是战术层面的决策、偏重量化的决策。我们现在推进的智能化,往往是传统自动化做不好的、传统上依靠人的那些决策。所以,智能化的决策往往首先偏重定性决策、是偏重管理的工作。由此可见,从自动化到智能化的变化,首先是问题领域的变化:针对过去那些由人做的决策,只是现在强调计算机的参与。

  偏重定性决策时,首先是通过信息,对外部发生的事件定性。这就是所谓“感知到认知”。比如,把眼睛看到的图像信号对应“狼”,把机器震动300HZ对应“设备异常”。这种定性的结论,是决策的起点,以此为基础做出“赶紧逃命”、“设备需要维护”的定性决策。

  我们注意到,感知到认知的过程本质上是确定某个概念,如“狼”、“设备异常”。我们知道,人类的知识体系是以概念为核心建立的。比如,“狼”的概念意味着“这个动物能吃羊”,“设备异常”对应着“需要检测、维修”。这些都是知识。

  所以,“认知”的任务是确认概念。这样,决策过程就可以把与概念相对应的专业知识引入。这些知识包括“怎么做”的知识,也就是行动方法知识。这就是我经常强调的“吴淑珍式的智能”。而这种智能的特点是:用人能够明白的简单道理,让机器去做的比人更好。强调“人明白”有多方面的原因:工业知识几乎都是人能明白的,而可靠性的要求也必须要求“人明白”。这种智能的难点不在于知识复杂、甚至也不产生新知识,关键是把人的知识让计算机去决策。智能化的基础在于“及时、准确、完整的信息”,人们强调互联网、物联网和数字化模型,就是为了得到“及时、准确、完整的信息”。

  我们强调决策的关键首先是定性,如“赶紧逃跑”、“机器要维修”。但这并不否定定量的作用。其实,计算机的优势之一就是量化的能力比人强。另外,计算机计算一定会用到量化的东西。比如,“和狼的相似程度”、“机器发生故障的概率”等。

  在智能化的过程中,模型非常重要。这是因为:模型可以承载与对象相关的知识和信息,为决策提供依据。但是,决策时用的许多知识,是人们过去在现实的物理世界中实践的结果,并非是用模型算出来的。换句话说,模型并不能解决所有的知识来源问题。所以,模型很重要,却不是万能的。

  另外需要说明的是:模型的定义有许多种。在控制领域,模型一般定义为系统的输入输出关系;在研发部门和软件工程师那里,模型定义为对象的属性和结构。或许还有人把知识定义为一种特殊的模型,也可以把知识当做模型的属性。但是,如果这样定义的话,概念就有点混乱了。


鲜花

握手

雷人

路过

鸡蛋
发表评论

最新评论


返回顶部