人工智能的五大理念——9-12年级

4. 人机交互（中学指南）

核心观点

• 计算机能够使用自然语言来传达事实性信息，但在理解诸如隐喻、意象、幽默和讽刺等非字面意义的表达方式时却存在困难（语言是构成人类特性的一个重要部分。隐喻、意象和幽默是人类文化的一部分，然而，我们缺乏关于人们如何理解这些内容的精确且详细的理论，也不清楚计算机应该如何处理它们）
• 计算机能够识别情感，但无法体验情感。对于情感的恰当回应必须由人类进行编程设定（人工智能系统运用算法来识别人类的情感。然而，当机器对我们的痛苦表示同情时，它并没有一颗会为我们而感到疼痛的心）
• 当前的人工智能系统是专为处理定义明确的问题而设计的专用推理器。类似人类的灵活推理能力，即所谓的 “通用人工智能” 或 “强人工智能”，目前尚未实现（我们尚不清楚何时能够构建出能够模仿甚至超越人类推理能力的通用人工智能系统）
• 当前的人工智能系统缺乏意识和自我意识。一台具有自我意识的计算机需要对自身的存在和思想进行表征，并且需要存储其过往经历的记忆（意识是对自身存在的认知，也就是对自身身体和所处环境的察觉。自我意识则是认识到自己是一个有意识、能思考并且具备对自身思想进行推理能力的存在。有关这些观点的简要讨论可参见 Jabr (2012)的相关内容）

自然语言：语言结构（4-A-1）

• 学习目标：找出一段文本中计算机难以理解的部分，并解释其原因。
• 基本理解：计算机在理解运用了隐喻、意象、夸张、讽刺、幽默或文字游戏的文本时会遇到困难。
• 详细说明：目前，对于隐喻、意象、夸张、讽刺、幽默或文字游戏，我们还没有令人满意的形式化解释。这正是当前人工智能、语言学和认知科学研究的重点。

自然语言：语言歧义性（4-A-2）

• 学习目标：通过描述一个给定单词的多种含义，举例说明理解一个句子对计算机来说可能具有挑战性的原因。
• 基本理解：一个单词可能有多种含义。人们利用上下文和世界知识来确定其正确含义，但计算机通常无法以如此微妙的程度来表示含义。
• 详细说明：一个单词具有多种含义的现象被称为 “一词多义（polysemy）”。例如，“book” 可以指一种商业产品（“这本书是本畅销书”），也可以指一组文字内容（“这本书的语言适合中学生阅读”），或者是文本的实体形式（“这本书在我的背包里很重”）。同样，“class” 可以指一门学术课程（“一节数学课”），一个特定的课程实例（“河谷高中周二上午的数学课”），或者指参加课程的人（“老师向全班同学讲话”）。将此与幼儿园到二年级（K-2）中讨论的因同音同形异义词和同音异义词导致的词汇歧义进行比较。使用神经网络和大规模训练集的现代人工智能系统采用统计方法来解决词义歧义问题，但仅靠统计方法并不像人类的常识那样强大。
• 活动：使用谷歌翻译来探究计算机在为翻译选择合适的单词时，是如何解决一个单词的多种含义问题的。

自然语言：文本推理（4-A-3）

• 学习目标：展示如何使用一个简单的上下文无关文法来解析或生成简单句子。
• 基本理解：上下文无关文法描述了单词是如何组合成短语和子句的，并且能够表示自然语言的大部分句法结构，但它不能很好地处理主谓一致这类问题。
• 详细说明：主谓一致限制的一个例子是，主语和谓语在数上必须一致，例如，“he says（他说，第三人称单数）”，但 “they say（他们说，复数）” 。要在上下文无关文法中表达这一点，就需要为单数主语和复数主语分别制定规则。当句子变得更加复杂时，这会变得很繁琐，例如，并列连词可能不仅要求在数上一致，还要求在时态上一致。
  关于句法歧义的例子，请参见 4-A-2.6-8年级，句法歧义会导致产生多个句法分析树，必须使用语义知识来消除这些歧义。
  即使是一个简单的文法，如果它是递归的，也能够生成无穷数量的句子；请参见 4-A-1.3-5年级。
• 资源：可以使用斯坦福大学的上下文无关文法工具来构建分析树、生成句子，并验证一个句子的语法正确性。有关创建上下文无关文法的信息，请参考此资料。
  

自然语言：应用（4-A-4）

• 学习目标：描述几种自然语言处理（NLP）的方法，从简单的方法到较为复杂精妙的方法。
• 基本理解：简单的自然语言处理方法包括关键词匹配、字典查询和模板匹配，而更新的、更复杂精妙但透明度较低的方法则使用深度神经网络和机器学习。
• 详细说明：以聊天机器人为例，最简单的方法是在用户输入的内容中查找关键词，以此来决定给出怎样的回复。稍微复杂一点的方法是使用模板来描述一个短语可能出现的所有变体形式，而不是只关注单个短语。更先进的聊天机器人使用深度神经网络进行 “意图识别”，即检测输入内容的含义何时与某个模板匹配，而不是去寻找特定的单词或短语。
• 活动：学生应该能够描述这些方法在哪些情况下可能有用，哪些情况下可能没用，并解释这些方法的局限性。

常识推理（4-B-1）

• 学习目标：解释计算机要正确解读一则寓言或童话故事所需的文化知识和朴素物理学知识。
• 基本理解：对于人类或计算机来说，要推断一个故事的含义，需要理解文化知识、朴素物理学知识以及民间心理学知识。这对于计算机而言仍然是一项难题。
• 详细说明：寓言和童话故事对计算机来说具有挑战性，因为它们可能包含文化知识、复杂的人类动机、意象、幽默和隐喻。民间心理学指的是我们日常所具备的将心理状态归因于他人的能力，这些心理状态包括他人的信念、愿望和意图。
• 活动：解释要正确解析维诺格拉德（Winograd）语句中代词的所指对象需要哪些知识。一个维诺格拉德语句的例子是：“安娜在考试中比露西考得好多了 [差多了]，因为她学习非常努力。” 在这里，所需的知识是为考试付出更多的学习努力会带来更好的考试表现。

情感理解（4-C-1）

• 学习目标：找出人工智能应用能够调整自身行为以回应人类情绪状态的方式。
• 基本理解：计算机可以通过认可人类的感受，并以一种让人类觉得有支持作用且符合社交规范的方式做出回应，从而恰当地对人类情绪做出反应。
• 详细说明：例如，基于人工智能的辅导系统会监测学生的行为，以识别出学生的沮丧、无聊和疲倦情绪，这样它们就能调整教学方式，或者提醒学生休息一下。能够检测人类情绪的自动化客服代理可以相应地调整自己的回复，比如，通过调整说话的语速和语调。
• 活动：鉴于计算机能够利用人工智能来识别人类情绪，讨论一下它们应该如何以一种我们认为有支持作用且符合社交规范的方式来回应人们。
  

• 学习目标：就人类智能与人工智能的不同观点展开辩论。
• 基本理解：一些人工智能专家和哲学家认为，计算机永远无法达到与人类完全相似的智能水平，而另一些人则相信人工智能最终将超越人类智能。
• 详细说明：声称计算机拥有类似人类的智能存在一个问题，那就是我们对于人类智能是如何实现的并没有清晰的概念。一个更有力的反对计算机智能的观点是，由于计算机没有实体的身体，它们无法像人类那样体验世界。另一方面，人类的记忆和推理能力是有限的，而计算机有可能超越这些能力，从而产生一种比人类更强大的智能（人工超级智能）。但我们也可能拥有一些执行复杂信息处理任务的设备，它们并不具备类似人类的智能。
• 活动：（1）解释图灵测试，选取图灵论文中的一段内容，将图灵所设想的对话与现代人工智能系统所能做到的进行比较。（2）比较动物智能与人类智能。（3）比较动物智能与人工智能。