Artificial Intelligence, Expert Systems and Symbolic Computing pdf epub mobi txt 电子书 下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:North-Holland

作者:E. N. Houstis

出品人:

页数:0

译者:

出版时间:1992-11

价格:USD 185.25

装帧:Hardcover

isbn号码:9780444897039

丛书系列:

图书标签:

• 人工智能
• 专家系统
• 符号计算
• 知识工程
• 机器学习
• 推理
• 问题求解
• 逻辑编程
• 计算智能
• 认知科学

科学与哲学的交汇：一部关于人类心智与计算极限的探索 书名：《心智的迷宫：从计算主义到具身智能的演进》 引言： 人类心智，这个由数十亿神经元编织而成的奇迹，一直是科学、哲学乃至艺术领域永恒的谜题。我们如何思考、如何感知、如何做出决策？在过去的几十年里，随着信息技术的飞速发展，我们尝试用机器来模拟、理解乃至重现这种复杂性。本书并非旨在追溯符号逻辑和专家系统的传统路径，而是将目光投向一个更加广阔、也更具挑战性的领域：心智的本质及其在真实世界中的体现。 本书立足于对纯粹计算模型的深刻反思，旨在探讨那些传统人工智能范式难以触及的领域：经验的积累、情境的依赖性、以及身体在认知过程中的核心作用。我们认为，要真正理解智能，必须超越抽象的算法和纯粹的符号操作，深入到生命体与环境进行持续、动态交互的深层机制中去。 第一部分：超越符号的藩篱——计算主义的局限与新的基石 本书的第一部分，首先是对二十世纪后半叶主导人工智能研究的“符号主义”和“经典计算主义”进行审慎的批判性回顾。我们不否认这些早期理论的开创性贡献，但着重分析了它们在处理“常识知识”（Commonsense Knowledge）的庞大性、知识表示的僵化性，以及对“具身性”（Embodiment）的彻底忽视时所遭遇的根本性困难。 常识的黑洞： 我们探讨了著名的“常识问题”，即机器如何习得和应用那些人类不假思索便能掌握的关于世界的基本规律，例如“物体不会凭空消失”或“水往低处流”。符号系统需要显式地编码这些知识，而这种编码的成本和覆盖范围使其在面对开放世界时显得不堪一击。 连接主义的复兴与深化： 本部分随后转向连接主义的视角，但重点不是简单的多层感知器，而是探讨更深层次的、受生物学启发的学习机制。我们深入研究了动态系统理论在描述认知过程中的潜力，将心智视为一个不断适应和演化的非线性系统，而非一个静态的程序执行者。我们关注循环神经网络（RNNs）的早期形态，以及它们如何开始捕捉时间序列和记忆的复杂动态。 现象学的回归： 借鉴现象学哲学家的洞见，我们论证了“在世”（Being-in-the-world）状态对认知形成的决定性作用。我们详细分析了梅洛-庞蒂等思想家如何预示了身体作为认知媒介的重要性，为后续的具身智能理论奠定哲学基础。 第二部分：身体即认知——具身智能的理论框架 本书的核心论点集中在具身智能（Embodied Intelligence）的理论框架构建上。这一部分详细阐述了“身体不是一个被动的容器，而是主动的认知塑造者”。 感觉运动系统的核心地位： 我们不再将感觉和运动视为输入和输出端口，而是将其视为信息处理本身。本书详细分析了循环与反馈机制如何驱动认知循环，并引用了大量关于运动皮层和感觉皮层协同作用的神经科学研究。我们探讨了如何设计出不依赖于完整世界模型的系统，而是通过与环境的实时、低延迟交互来解决问题。 开放式与自我组织系统： 我们引入了耗散结构理论和复杂适应系统（CAS）的概念，用以描述认知系统如何在开放的、能量流动的环境中实现自我组织和涌现行为。这包括对自下而上（Bottom-up）的涌现模式的详细分析，对比其与传统自上而下（Top-down）的规划范式。 拓扑学与空间认知： 传统的AI常使用欧几里得几何来描述空间，但人类的行动和感知往往依赖于拓扑关系（例如“里面”、“旁边”、“穿过”）。本部分深入探讨了如何利用非传统的数学工具，如拓扑数据分析，来描述和建模基于行动和感知的空间认知结构。 第三部分：交互的涌现——从机器人到社会性心智 在确立了具身智能的理论基础后，第三部分将理论应用到更复杂的现实场景中，探讨智能如何通过与环境以及其他智能体进行交互而涌现出来。 机器人学的实践与挑战： 我们考察了早期仿生机器人和形态学计算（Morphological Computation）的案例。重点在于机器人的物理结构本身如何承担部分计算任务，例如柔性材料的被动适应性。我们分析了在缺乏精确模型的情况下，如何利用行为基础（Behavior-based）的方法实现导航和操作任务。 社会性与共享认知： 智能并非孤立存在。本部分探讨了社会性认知（Social Cognition）的根源，即模仿、共同注意力（Joint Attention）和意图推定（Intentional Stance）的形成过程。我们研究了如何通过设计允许“共享表征”和“互惠性”的交互协议，使多个具身智能体能够共同解决复杂问题，这超越了传统的分布式计算模型。 学习的迁移与适应性： 真正的智能需要具备极强的泛化能力。我们分析了生物学习中的灾难性遗忘（Catastrophic Forgetting）问题，并提出了基于动态约束和结构可塑性的学习机制，以期实现终身学习的能力，即系统能够在不断接触新环境的同时，保留并整合旧有的知识和技能。 结论：通往真正智能的漫长道路 本书总结认为，要实现超越特定任务限制的通用智能，我们必须彻底拥抱“智能是生活在特定身体中，并在特定环境中行动的结果”这一观点。我们需要的不是更快的处理器或更庞大的知识库，而是能够与世界进行持续、有意义、具身化的对话的能力。本书为研究人员提供了一个新的视角和一套分析工具，旨在引导下一代认知科学和机器人学研究，迈向一个更加真实和生命化的智能未来。这部作品是一次对计算主义的审慎告别，也是对生命本身的深刻致敬。

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆