第5章　知识与力量

关于知识的思考

• 数据是符号或信号
• 信息是对数据中有意义的东西的发现和提炼。
• 知识是对信息的理解。
• 智慧是对知识的反思性运用。

搜索是一个相对简单的过程，知识稍微难理解。如前所述，智能是很难定义的，同样也很难确定哪些方面的知识对计算机的使用是重要的。换句话说，人工智能（AI）程序对于它们正在处理的事物，对于它们正在工作的领域，究竟知道些什么？这实际上是AI中一个非常重要的问题，对机器人技术也是至关重要的。

再考虑一下那些象棋程序。在这些游戏程序中有一个重要的权衡，这也适用于许多其他基于搜索的系统。在搜索的深度和所需的知识程度之间进行权衡。如果你有很多跟游戏有关的知识，那么你根本不需太多的搜索。另一方面，如果你没有任何知识（除了游戏规则），那么你就必须在游戏的搜索树中进行深入的搜索，以找到好的下法。

要理解这一要点，我们需要看看如何评估棋盘上的位置。当生成器达到一定的深度（由时间和内存的限制设定），它调用评估器对该点在棋盘上的位置做出判断。如何给棋盘布局设置值？

为了搞清楚这个问题，我们必须运用游戏的基本知识。一个好的棋盘位置的几个特征分别计算，然后合并成一个总体值。一个关键特征是物质优势。例如，王后被认为等于一定数量的卒子（通常是9个），因此失去王后的一方（至少大致上）比失去4个卒子的对手的情况更糟。通过计算每边的棋子数量，并为重要的棋子分配较高的值，就可以给出一个单独的数字来代表物质优势。如果两边棋子的数量和类型完全相同，那么优势将为零，但对于有更多或更好的棋子的黑方（或白方）来说，该值将为正（或负），并会随着优势的增强而增加。通常要计算的其他特征包括可走的步数（棋子的机动性）、中心的控制度和可能被吃的情况。这些游戏特有的特征以不同的比例组合在一个等式中，以实现最终的棋局评估。因此，大量的专门考虑的因素被浓缩成一个单一的数值。这些特性只适用于国际象棋——任何其他游戏都需要自己独特的、精心打造的评估功能。

我们现在可以看到，关于游戏的知识只包含在评估器中，生成器只是进行机械搜索，为下一步找到最佳值。现在让我们把这个极端化。如果可以搜索到无限深度，那么评估函数就会非常简单：根据谁赢了（或平局为零），只需给出一个正值或负值。搜索过程只会在游戏结束时（赢、输或平局）终止，所以不需要真正的游戏知识。在另一个极端，假设我们非常聪明，并且制造出了一个包含大量高质量﹑经过提炼的象棋知识的评估函数。

在这种情况下，评估函数可能非常擅长判断棋局的状况，因此我们可以简单地让它查看当前的棋盘，以评估所有可采取的下法，并选择最好的那一步。这根本不需要搜索。这种方法有一些优点，因为由于不用搜索而节省下来的处理器能力，可以用于计算非常复杂的评估。这种知识密集型的方法已经尝试过了，但对于如何提取重要的隐性知识并将其转化为书面形式的问题，我们目前还没有一个解决的方法。与此相比，自动搜索似乎很容易！

诺贝尔奖得主、心理学家Daniel Kahneman将人类思维描述为由两个系统组成：一个是快速直觉系统，另一个是经过深思熟虑的逻辑推理系统。卡尼曼是这样描述它们的：“系统1自动和快速运行，很少或根本不需要付出努力，没有自愿控制的感觉。系统2将注意力分配到需要它的费力的脑力活动上，包括复杂的计算。系统2的操作通常与个体、选择和专注的主观体验联系在一起”（Kahneman，2012，20-21）[1]。这种区别与我们日常的思考经验产生了共鸣。在一个层面上，我们使用直觉，记住事情，立即认出朋友，以及其他动作，所有这些都没有任何有意识的思考，它们只是发生了。在另一个层面上，我们对一个问题做决定，比较选项，反复思考，这似乎是一个非常个性化的，努力思考的过程。换句话说，一个非常快，无法进行有意识的思考，而另一个比较慢，需要有意识的关注，而且是主观的。

这些隐藏的假设和直觉会给自动化貌似简单的任务带来很大的问题。一旦我们试图实现一个人工智能（AI）解决方案，就需要通常在人类思维中被掩盖的知识。再看第4章中Gwen的旅行计划练习，就可以清楚地说明这一点。回想一下，Gwen想从英格兰的剑桥去苏格兰的威廉堡。在图4.1中，格温立即排除了坐飞机——但为什么？她可以从剑桥到格拉斯哥机场，然后从格拉斯哥机场乘公共汽车或火车到威廉堡，计算机搜索会得到如图5.1所示的结果。你不能因为最近的机场不是最终目的地就把它排除在外。所以她一定知道格拉斯哥太远了，从那里乘公共汽车和火车去威廉堡又远又累（在她看来）。这些知识指导着她的搜索，类似的计算机规划助手也需要这种知识。此外，Gwen本可以坐火车走更直接的路线，避开伦敦，更快到达那里。然而，这需要乘坐四次火车，她可能知道这一点，但想用舒适和便利换取时间——这是计算机所需要的另外一点儿知识。没有这样的指导信息，我们就会得到暴力搜索，它只在达到目标后才会终止，如图5.1所示。

图5.1　自动化Gwen的计划

这些问题——潜意识的偏好、有意识的想法、假设和偏见——都代表了不同种类的知识。方框5.1显示了我们可能“知道”某事的不同方式。