人工智能

一个重要算法：欧几里得求最大公约数方法。我想这指的是辗转相除法。

不可操作性：如果解决一个问题需要的时间随实例的规模成指数级增长，那么该问题被称作是不可计算的。所以要把产生智能的问题划分成可操作的子问题。

人工智能所依赖的领域：控制论、语言学等等。私以为这不重要，不需要特别记忆。因为如果有涉及，本书自然会详细说明。为了读通一本书而去从头学许多门学科，有点过于曲线救国。好在它所说的学科我都有所了解。

为什么AI（人工智能）会独立出来作为一门学科、而不是从属于控制论、运筹学或决策理论？答：a.AI从一开始就有复制人的智慧、自我修养、语言功能的勃勃雄心，这是其他学科所没有的。b.AI的方法论不同，它是惟一一个明确属于计算机科学的分支，并且它是试图在复杂环境中建造实现自我运作的机器的唯一领域。

一个系统如果能够在它所知的范围内“正确地行事”，它就是理性的。 两种中心：a.以人为中心，这是经验科学，有许多实验与假设。b.以理性为中心，倾向将数学与工程相结合。 四种方向：a.像人一样思考的系统。b.理性地思考的系统。c.像人一样行动的系统。d.理性地行动的系统。

图灵测试：如果人类测试者在提出一些问题后，无法得知答案是否由人作出，那么计算机就通过了测试。 对图灵测试的反驳：对人类飞行器的追寻，是在人们停止模仿鸟（比如达文西），了解空气动力学以后才成功的。航空工程师的教材不会把其领域的目标定为：制造一种会飞的鸽子，它们逼真得足以骗过其他鸽子。 关于图灵测试，一直以来我也有些疑惑，现在总算明白了——这其实就是人类中心主义，人们把只有类似于自身的智能才称作智能，却没想过智能可以以更理性的方式存在。人类赋予了自己对智能的定义权，可以设想这样一种情况：有一天，我们制造出一种超级智能，它完全理性，聪明绝顶——却没办法通过图灵测试。因为图灵测试本质上是一种在现有测试方法不完备的情况下做的折衷，以一种有缺陷的方法却评判高级智能——何等狂妄自大。

此处总算把智能体的定义给出来了——智能体：就是某种能行动的东西。我想这里说的是某种能自主行动的东西。 理性智能体则要通过自己的行动获得最佳结果，或者在不确定的情况下，获得最佳期望结果。

9一种现代方法：这个短语的意思是，作者打算将各种内容全部整合到“人工智能”这个篮子里，而不是让内容们军阀混战。 本书的统一主题是：智能化智能体。当然“智能化”与“智能体”本身就是两个待解释的词，现在组合到一块，更叫人一头雾水。 作者对人工智能的定义：对从环境中接收感知信息并执行行动的智能体的研究。注意在此处“智能体”未加解释就使用了，可以说作者默认了我们对智能体的直觉认知。好吧，我也先认可他的假设吧，免得读不下去。 每一个这样的智能体都实现了一个把感知序列映射到行动的函数。好，又出现了“映射”这词，我在侯世达的书里已经见过多回了。 本书的首要目标是传送过去50年间的人工智能和过去2000年的相关工作中涌现的思想。 本书结构：1对人工智能事业的一个概览。2问题求解，嗯，我没看懂译者在说什么。3知识与推理。4规划，特别是构造规划的方法。5不确定知识与推理。以上五个部分描述了智能体负责制定决策的部分。6学习：决策元件生成所需知识的方法。7通讯、感知与行动。8结论：分析人工智能的过去与未来，及其哲学与伦理含义。

然后好笑的事情出现了：作者似乎对自己设计封面图案的水平沾沾自喜——

集合了：亚里士多德、大艺术、巴贝奇、弗雷格、卡洛尔、休活、图灵等人的某些概念精华以及机器人、一个现代诊断专家系统……各种元素于一身，真是无所不包，有容乃大。

结果他设计出来的封面是这样的：

嗯……略丑。 让我想起《国产007》里面，把西瓜刀、雷管、铁棍、手榴弹……拴在一起制成的超级武器——“要你命3000”.

前言：为一本翻译的书打分，总会考虑两方面：第一方面是原版是否出色，第二个方面则是译者翻译质量如何。翻译图书，一直以来就是个“费力不讨好”的活，尤其是翻译经典书籍。有的人做得很好，比如阮一峰（翻译的书有《黑客与画家》和《Joel谈软件》，都是由奇葩出版社 - 人民邮电出版社 - 出版的），有的人做的则比较差，比如......。我相信那些译者们已经很努力地去做好了，只不过能力不济，或者还不够下功夫 - 更多时候，我认为后者的可能性更大点。CSP（Constraint Satisfaction Problems）其实算是一大类问题，构成这类问题的主要成分有：待求解的变量，变量的值域，对变量的值域，问题的状态。求解CSP问题则是要找到问题中所有变量的一个或者全部完全赋值。研究CSP的目的在于找到一个通用的算法结构来求解，从更高的层面来考虑问题，然后对它们进行总结。算法的详细过程见111页的图5.3。约束满足问题的局部搜索的能力让我非常惊讶。看起来这种迭代的方法（尤其是通常还带有难以揣摩的初始值）似乎有点小道理，但是经常比较慢，而且还不一定能够找到完全解。然而，就像书中的例子显示的那样（见112页的图5.5），局部搜索的效率几乎是最原始的回溯方法的1000倍！

最小冲突对许多CSP都令人吃惊的有效，尤其是在给出了合理的初始状态的情况下。

同样的情况也发生在EM（Expectation Maximum）算法身上，不过EM算法可以保证迭代过程是收敛的。我们的先验知识的确可以是欺骗性的，所以“是骡子是马，拉出来遛遛”，做好实验才是根本啊！