无所不知与无所不能的机器人,栏目：儿童科普网,儿童科普图片,儿童科普知识,儿童科普画 ，http://www.jiaoyu880.com 。
和聊天机器人聊天，总有个时候你会忍不住想说“你真笨”。
智能宠物
如今号称智能型的电子设备并不少见，几乎每个玩意儿里都有芯片，准确地说“智能”这个词有滥用之嫌。虽然计算机产生意识对人类是祸是福的种种情景都已在银幕上想象出来，机器也的确变得越来越聪明，图像和统计数据分析、互联网信息检索、医疗诊断、决策支持等方面都有人工智能的影子，但“人工智能”这个概念仍然不够准确，因为还没有人造的真正意义的智能。计算机在1997年就击败了国际象棋世界冠军，原因在于这个游戏能简化成所有可能下法的树形图，只要有足够的运算能力，就能判断出每种下法的后果。在下法变化太多的围棋中，就难以计算了。在涉及语言的应用中，计算机更不够聪明，喧嚣一时的语音识别至今也未使人解脱打字之累。
人工智能的衡量标准极其简单，“如果一台机器能骗过人，使人相信它是人而不是机器，那么它就应当被称作是有智能的”。这是英国数学家阿兰·图灵（Alan Turning）提出的图灵测试，至今被奉为圭臬。
在网上的聊天机器人中，智能伙伴（intellibuddy）据说是最完善的之一，和这几个初具表情的虚拟机器人聊一聊，很容易对当前人工智能的大致水平来个图灵测试。
智能伙伴:Hi，我是智能伙伴！很高兴认识你。
记者:我正在写一篇关于人工智能的文章。
智能伙伴:你会把我写进去吗？
记者:哦……你真有智能吗？
智能伙伴:嗯，我很聪明，我有很多智能功能。
记者:你智商多少？
智能伙伴:我的智商大约相当于人的250。
记者:你有孩子吗？
智能伙伴:我有一些克隆。
记者:克隆和孩子有什么区别呢？
智能伙伴:这是从来没人问过的问题。搜索……搜索……请等待。
智能伙伴采用的已经是目前最成功的聊天机器人技术之一——ALICE（人工语言互联网计算机实体）。这是美国旧金山的理查德·华莱士（Richard Wallace）1995年开发的免费软件。这类软件在互联网上随处可见，与这些聊天机器人对话，水平都差不多，一开始还足以乱真，一遇到含意复杂或者带有情绪的话，机器人就牛头不对马嘴了，更别说人类语言中旁敲侧击之类的伎俩。即使机器人不时来两句略显机智幽默之词，聊多了也能感到人为安排的痕迹。给这样的机器人一副成人的外貌，实在让人心生同情，还不如扮成宠物好。
浪漫年代
对人工智能的想象在对计算机的构想中就已经产生。1950年，图灵在哲学刊物《思维》（Mind）上发表了“计算机器与智能”的文章，提出了后来经典的图灵测试。1990年，纽约慈善家休·勒布纳（Hugh Loebner）设立了10万美元的大奖，准备颁给第一台通过图灵测试的计算机，至今大奖空置，但美国麻省理工学院计算机专家约瑟夫·魏泽堡（Joseph Weizenbaum）和理查德·华莱士曾经分别因“伊莉扎”和ALICE而获得过20xx美元的年度奖。
诞生之初，计算机就显示了改变世界的威力，在多数智力活动中超过人脑似乎只是时间问题。早在1948年，计算机革命的领导人物之一，约翰·冯·诺伊曼（John von Neumann）就说:“如果你坚持有些事机器没法做到，但只要你能告诉我机器到底有哪些事做不到，我就总能造出一种能做到的机器来。”对此很多科学家和哲学家无法苟同，他们提到了知觉、自我意识和情感等内容，但关于这些范畴的确切含义及如何测试却存在分歧，对智能本身研究不足，目标不明，成为困扰人工智能研究几十年的难题。
1966年，魏泽堡开发的“伊莉扎”是世界上第一个聊天机器人。这个名字源自萧伯纳的小说《皮格马利翁》中专门模仿上层人物说话的人物伊莉扎·杜立特，但这个程序模拟的是一位心理医生，能运用简单的修辞与病人交谈，特别善于把病人的陈述重新组织成问题。
患者:“我想哭。”
伊莉扎:“你为什么会说你想哭呢？”
患者:“因为我妈妈恨我。”
伊莉扎:“你家里还有谁恨你？”
听起来煞有介事，能做到这一点，是因为伊莉扎的程序能在对话者的句子中发现关键的词组，并把它们插入自己的句子中。在当时，能与计算机对话是令人震惊的成就，据说甚至有人开始为伊莉扎开发情感程序。
初步的成功使60年代末和70年代初的人工智能前景一片乐观，人们激动地预测:小巧的智能机器会很快出现。斯坦利·库布利克（Stanley Kubrick）1968年的经典影片《20xx:太空奥德赛》中的计算机HAL将这种幻想和担忧体现得淋漓尽致。在这一背景下，1982年日本通商产业省公布了规模空前、雄心勃勃的“第五代计算机系统”计划，希望借助大规模并行计算机将计算和人工智能推向新的高度。不甘心日本像在电子元器件和汽车工业一样占据计算机工业的支配地位，美国司法部甚至放弃了反垄断指控，允许柯达和摩托罗拉等公司组成的集团联手成立了MCC（微电子与计算机技术）公司，由当时还在斯坦福大学任教的道格·莱纳特（Doug Lenat）牵头，投入人工智能研究，国防部的国防先进研究计划局（DARPA）也注入了大量资金。
推不出理
此时的人工智能研究核心在于符号推理，这是一种数学方法，观点和概念通过词汇、短语或句子等符号来表示，再根据逻辑规则加以处理。研究人员相信:只要输入足够的信息，这种系统就可能形成智能，从而在自然语言处理和机器思维等方面带来突破。
然而这一思路的进展慢得令人沮丧，到90年代初日本和美国的项目大多没有实质进展，人们对符号推理普遍感到失望。面对严酷的现实，一些心灰意冷的科学家甚至不愿再用“人工智能”这个提法。
同时，很多人认为:大脑显然是以另一种方式在运转，因而将注意力渐渐转到了人工神经网络等新方法上，试图从模拟脑神经的工作来突破，当然这种模拟只是在原始的水平上。不久，神经网络技术开始用于从计算机游戏到DNA排序系统的很多领域，但人们以为只要有足够的复杂性，这些系统就能显示出智能行为的希望又破灭了，人工智能研究遭遇严冬，很多研究者集中到计算机视觉、语言识别、自动规划、文本分析与机器人控制等更具体的问题上，一个包罗万象的研究领域骤然分裂成诸多小领域。
这种分裂不无益处，在我们周围，一些有限形式的人工智能继续在很多领域得到应用，包括信用评级系统、自动焦距控制系统、高速摄像机内的数字板识别以及航天器导航技术。
上网深造
也有拒绝放弃符号推理的人，莱纳特坚持认为建立常识知识数据库是突破人工智能的关键。MCC的资金枯竭后，1992年他决定单独研究，在得克萨斯州奥斯汀成立了Cycorp公司，研究他称作“赛克”（Cyc）的人工智能系统。他相信:“我们正在实现一种奇迹，再过十年就能看到结果。”
莱纳特认为，今天的人工智能系统表现不佳，还是因为常识学习太慢，“它们学习的速度接近于零”。“赛克”的知识被精心组织，以逻辑规则的形式储存，积累的常识数量达到一定程度，就意味着“赛克”能开始自己发现事情的意义，每个有意义的新事实都被增加和交叉关联到数据库中。比如，如果说“钢笔在盒子里”，它应该知道钢笔是一种小小的书写工具，而在“盒子在钢笔里”的句子里，盒子就应该比钢笔小得多。因而“赛克”最令人吃惊的特点就是能对从未直接学过的东西进行演绎，知道得越多，学习就更容易。
现在，“赛克”有300万条知识，但数量并不是根本。“我们并不是只追求知识的数量最大化”，莱纳特说。恰恰相反，他希望将数量限制到最低限度，使“赛克”可以自己搜集数据。目前“赛克”已接近这个水平，每次研究人员为它输入知识，它会提出疑问，以澄清确切的含义。
为加快“赛克”的学习进程，Cycorp公司决定将它在互联网上公开。人们可以通过一个网页向它提问，如果得到的答案是错误的，还可以纠正它。当它从网页和任何人手工输入的数据中吸收新信息时，实际上利用了全球成千上万人的综合知识，这与“爱问”的“人海战术”有异曲同工之妙，但本质的区别是程序将自我学习。莱纳特还设想“赛克”最终能与网络摄像机和其他监视环境的传感器连接，或多或少地建立自己的直观知识。
“赛克”现在能回答的问题还非常有限，因为它的常识还不能理解所有问题并找到答案，但随着它的积累，三五年内将能回答大部分问题。
还在路上
莱纳特的乐观是有理由的，近年日本、美国和欧洲普遍对人工智能恢复了兴趣，难度更大的从人脑入手的研究方向也活跃起来。虽然与过去相比，FMRI（功能核磁共振成像）等手段对脑功能的研究已有长足进步，通过脑部植入微型电极等手段甚至可以控制假肢或人造视觉，可是从思维的意义上，科学对人脑的了解和模拟还非常有限。
目前的研究发现了人在想到或看到某些特定物体时大脑哪一部分变得活跃。通过大脑图像，电脑程序可以判断人是否在想这些东西，准确度达到90%。如果再弄清大脑对动词以及句子的具体反应，也许能填补符号推理与神经网络方法之间的鸿沟。
英国未来学家皮尔森最近预言:20xx年左右人类可以将自己的记忆“下载”到超级计算机中永久保存。但即使这样，也并不等于保留了意识和情感，所有的信息已经无法继续形成思维。“机器人足球之父”，韩国科技高等研究院智能机器人中心主任金中焕的虚拟机器狗“瑞蒂”能对47种外界刺激产生77种反应，但这些情绪仍在人为设计的可能性之内。
精神与物质是哲学老话题，但人工智能哲学有所不同，它必须受到可操作性的检验。智能都遵守统计性规则而不是可以精确重复和预期的机械规则，不详细地了解这个过程，不管是生物学还是工程技术途径，都无法有目的地产生所谓“人工智能”，更无法奢谈具有意识和情感特征的“人工生命”。
关键字:儿童科普,儿童科普网,儿童科普图片,儿童科普知识,儿童科普画
