人工智能——状态空间搜索及状态空间表示法
朋友们，如需转载请标明出处：人工智能AI技术的博客_CSDN博客-python系列教程,人工智能,程序人生领域博主
1. 搜索
搜索（Search），设法在庞大状态空间图中找到目标。
主要分为两类性质的搜索：
基本搜索，是一种没有任何经验和知识起作用的、由某种规则所确定的非智能性的搜索；启发式搜索（HeuristicSearch）：其特点在于是一种有准备的、追求效率而有的放矢的智能搜索，它要求依据某种知识及信息的指导，通过逐一状态比较而找到符合规定条件的目标状态解。2. 问题的状态空间图搜索
问题的状态空间可用有向图来表达，又常称其为状态树(StateTree)。图中，节点Sk表示状态，状态之间的连接采用有向弧(Arc)，弧上标以操作数OK来表示状态之间的转换关系。
图1问题求解的状态树表示
用状态空间法搜索求解问题:
首先要把待求解的问题表示为状态空间图;
把问题的解表示为目标节点Sg。
求解就是要找到从根节点S0到达目标节点Sg的搜索路径。
状态空间图在计算机中有两种存储方式：一种是图的显式存储，另一种是图的隐式存储。
3. 状态空间表示法
状态空间
状态，描述某一类事物在不同时刻所处于的信息状况
操作，描述状态之间的关系
问题的状态空间可用一个三元序组来表示：
：问题的全部初始状态的集合
：操作的集合
：目标状态的集合
利用状态空间图求解的具体思路和步骤：
（1）设定状态变量及确定值域；
（2）确定状态组，分别列出初始状态集和目标状态集；
（3）定义并确定操作集；
（4）估计全部状态空间数，并尽可能列出全部状态空间或予以描述之；
（5）当状态数量不是很大时，按问题的有序元组画出状态空间图，依照状态空间图搜索求解。
传教士和野人问题（TheMissionariesandCannibalsProblem）
在河的左岸有三个传教士、一条船和三个野人，传教士们想用这条船将所有的成员都运过河去，但是受到以下条件的限制：
①教士和野人都会划船，但船一次最多只能装运两个；
②②在任何岸边野人数目都不得超过传教士，否则传教士就会遭遇危险：被野人攻击甚至被吃掉。
此外，假定野人会服从任何一种过河安排，试规划出一个确保全部成员安全过河的计划。
（1）设定状态变量及确定值域。
为了建立这个问题的状态空间，设左岸传教士数为m，则
m={0,1,2,3}；
对应右岸的传教士数为3－m； 左岸的野人数为c，则有
c={0,1,2,3}；
对应右岸野人数为3－c；左岸船数为b，故又有b={0,1}，右岸的船数为1－b.
（2）确定状态组，分别列出初始状态集和目标状态集。
问题的状态可以用一个三元数组来描述，以左岸的状态来标记，即
Sk=（m,c,b），
右岸的状态可以不必标出。
初始状态一个： S0=（3,3,1），初始状态表示全部成员在河的左岸；
目标状态也只一个： Sg=（0,0,0），表示全部成员从河左岸渡河完毕。
（3）定义并确定操作集。
仍然以河的左岸为基点来考虑，把船从左岸划向右岸定义为Pij操作。其中,第一下标i表示船载的传教士数,第二下标j表示船载的野人数；同理，从右岸将船划回左岸称之为Qij操作，下标的定义同前。则共有10种操作，操作集为
F={P01，P10，P11，P02，P20，Q01，Q10，Q11，Q02，Q20}
（4）估计全部的状态空间数，并尽可能列出全部的状态空间或予以描述之。
在这个问题世界中，S0=（3,3,1）为初始状态，S31=Sg=（0,0,0）为目标状态。全部的可能状态共有32个，如表所示。
表1传教士和野人问题的全部可能状态
注意：按题目规定条件，应划去非法状态，从而加快搜索效率。
1）首先可以划去左岸边野人数目超过传教士的情况，即S4、S8、S9、S20、S24、S25等6种状态是不合法的；
2）应划去右岸边野人数目超过修道士的情况，即S6、S7、S11、S22、S23、S27等情况；
3）应划去4种不可能出现状态：划去S15和S16——船不可能停靠在无人的岸边；划去S3——传教士不可能在数量占优势的野人眼皮底下把船安全地划回来；划去S28——传教士也不可能在数量占优势的野人眼皮底下把船安全地划向对岸。可见，在状态空间中，真正符合题目规定条件的只有16个合理状态。
（5）当状态数量不是很大时，按问题的有序元组画出状态空间图，依照状态空间图搜索求解。
根据上述分析，共有16个合法状态和允许的操作，可以划出传教士和食人者问题的状态空间图，如图所示。
图2传教士和野人问题的状态空间
任何一条从S0到达S31的路径都是该问题的解。
如何认识人工智能对未来经济社会的影响
原标题：如何认识人工智能对未来经济社会的影响人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。世界主要国家都高度重视人工智能发展，我国亦把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。在此背景下，我们有必要更好认识和把握人工智能的发展进程，研究其未来趋势和走向。
人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。首先，人工智能是目标导向，而非指代特定技术。人工智能的目标是在某方面使机器具备相当于人类的智能，达到此目标即可称之为人工智能，具体技术路线则可能多种多样，多种技术类型和路线均被纳入人工智能范畴。例如，根据图灵测试方法，人类通过文字交流无法分辨智能机器与人类的区别，那么该机器就可以被认为拥有人类智能。其次，人工智能是对人类智能及生理构造的模拟。再次，人工智能发展涉及数学与统计学、软件、数据、硬件乃至外部环境等诸多因素。一方面，人工智能本身的发展，需要算法研究、训练数据集、人工智能芯片等横跨整个创新链的多个学科领域同步推进。另一方面，人工智能与经济的融合要求外部环境进行适应性变化，所涉的外部环境十分广泛，例如法律法规、伦理规范、基础设施、社会舆论等。随着人工智能进一步发展并与经济深度融合，其所涉外部环境范围还将进一步扩大，彼此互动和影响亦将日趋复杂。
总的来看，人工智能将波浪式发展。当前，人工智能正处于本轮发展浪潮的高峰。本轮人工智能浪潮的兴起，主要归功于数据、算力和算法的飞跃。一是移动互联网普及带来的大数据爆发，二是云计算技术应用带来的计算能力飞跃和计算成本持续下降，三是机器学习在互联网领域的应用推广。但人工智能技术成熟和大规模商业化应用可能仍将经历波折。人工智能的发展史表明，每一轮人工智能发展浪潮都遭遇了技术瓶颈制约，导致商业化应用难以落地，最终重新陷入低潮。本轮人工智能浪潮的技术上限和商业化潜力都大大高于以往，部分专用人工智能可能获得长足进步，但许多业内专家认为目前的人工智能从机理上还不存在向通用人工智能转化的可能性，人工智能大规模商业化应用仍将是一个长期而曲折的过程。人工智能的发展尚处于早期阶段，在可预见的未来仍将主要起到辅助人类工作而非替代人类的作用，同时，严重依赖数据输入和计算能力的人工智能距离真正的人类智能还有很大的差距。
作为继互联网后新一代“通用目的技术”，人工智能的影响可能遍及整个经济社会，创造出众多新兴业态。国内外普遍认为，人工智能将对未来经济发展产生重要影响。
一方面，人工智能将是未来经济增长的关键推动力。人工智能技术的应用将提升生产率，进而促进经济增长。许多商业研究机构对人工智能对经济的影响进行了预测，主要预测指标包括GDP增长率、市场规模、劳动生产率、行业增长率等。多数主要商业研究机构认为，总体上看，世界各国都将受益于人工智能，实现经济大幅增长。未来十年（至2030年），人工智能将助推全球生产总值增长12%左右。同时，人工智能将催生数个千亿美元甚至万亿美元规模的产业。人工智能对全球经济的推动和牵引，可能呈现出三种形态和方式。其一，它创造了一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，即“智能自动化”；其二，人工智能可以对现有劳动力和实物资产进行有力的补充和提升，提升员工能力，提高资本效率；其三，人工智能的普及将推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。
另一方面，人工智能替代劳动的速度、广度和深度将前所未有。许多经济学家认为，人工智能使机器开始具备人类大脑的功能，将以全新的方式替代人类劳动，冲击许多从前受技术进步影响较小的职业，其替代劳动的速度、广度和深度将大大超越从前的技术进步。但他们同时指出，技术应用存在社会、法律、经济等多方面障碍，进展较为缓慢，技术对劳动的替代难以很快实现；劳动者可以转换技术禀赋；新技术的需求还将创造新的工作岗位。
当前，在人工智能对经济的影响这个领域，相关研究已经取得了一些成果，然而目前仍处于研究的早期探索阶段，还未形成成熟的理论和实证分析框架。不过，学界的一些基本共识已经达成：短期来看，人工智能发展将对我国经济产生显著促进作用；长期来看，人工智能的发展路径和速度难以预测。因此，我们需对人工智能加速发展可能导致的世界经济发展模式变化保持关注。
（作者单位：国务院发展研究中心创新发展研究部）
(责编：赵超、吕骞)分享让更多人看到
人工智能的伦理挑战与科学应对
【光明青年论坛】
编者按
2023年2月21日，中国外交部正式发布《全球安全倡议概念文件》，呼吁“加强人工智能等新兴科技领域国际安全治理，预防和管控潜在安全风险”。在中国式现代化进程中，人工智能的技术革新是助推我国科技创新的重要力量之一。作为最具代表性的颠覆性技术，人工智能在给人类社会带来潜在巨大发展红利的同时，其不确定性也会带来诸多全球性挑战，引发重大的伦理关切。习近平总书记高度关注人工智能等新兴科技的发展，强调要加快提升“人工智能安全等领域的治理能力”，“塑造科技向善的文化理念，让科技更好增进人类福祉”。为此，本版特组织几位青年学者围绕人工智能的伦理挑战与科学应对展开讨论，并邀请专家予以点评，以期引发学界的更多关注，为推动人工智能健康发展贡献智慧。
与谈人
彭家锋 中国人民大学哲学院博士生
虞昊 华东师范大学政治与国际关系学院博士生
邓玉龙 南京师范大学哲学系博士生
主持人
刘永谋 中国人民大学哲学院教授、国家发展与战略研究院研究员
1.机遇与挑战并存的人工智能
主持人：新技术革命方兴未艾，以人工智能等为代表的新兴科技快速发展，大大拓展了时间、空间和人们的认知范围，人类正在进入一个“人机物”相融合的万物智能互联时代。请具体谈谈人工智能给人类社会发展带来什么样的机遇？
彭家锋：人工智能、大数据、物联网、云计算等智能技术蓬勃兴起，对人类社会的方方面面产生深刻影响，推动整个社会逐步迈入智能社会。在此过程中，存在许多重大历史机遇需要我们把握。就技术治理而言，人工智能作为一种治理技术，正在助推社会治理的治理理念、治理方式、治理效能等方面的变革，将传统技术治理提升至智能化新阶段，呈现出“智能治理的综合”趋势。智能治理将全面提升社会公共治理的智能化水平，主要呈现出四个方面的特征：一是治理融合化，即促进各种智能技术与其他治理技术相互融合，大幅度提升智能社会的治理水平；二是治理数据化，即以日益增长的海量数据为基础，通过对数据映射出来的“数字世界”进行社会计算，实现治理目标；三是治理精准化，即发挥智能技术强大的感知能力、传输能力和计算能力，将传统的粗放治理转变为精准治理；四是治理算法化，即不断完善智能决策系统，尝试将程序化的算法决策扩展到更多的决策活动中，从而提高决策质量。
虞昊：人工智能有助于反思人类社会得以建立与发展的基础。随着分析式AI向着生成式AI不断演变，尤其是生成式AI初步展现出判别问题、分析情感、展开对话、创作内容等越来越具有人类特征的功能，原本属于人类的领域正被人工智能以另一套由“0”与“1”构成的计算机语言逐步侵蚀。这既是对人类社会的冲击，也势必会在更加平等的开放性框架中增强人类的主体性，促进人类社会进一步发展。
邓玉龙：总体来说，以人工智能为代表的新科技发展，显著提升了社会生产力。例如，生成式AI不但能完成传统AI的分析、判断工作，还能进一步学习并完成分析式AI无法从事的创造性工作。从人机交互的角度来看，人工智能也促进了生产关系的高效发展。具体表现在：一是刺激劳动形态的转化。人工智能高效承担大量的基础机械性劳动，人类劳动则向高阶的创造性劳动转化，由此引发社会层面的劳动结构转型、升级，并且以人工智能为中介，社会范围内的劳动整合、协调能力也实现升级。二是促进劳动场域的重构。随着劳动形态的转化和劳动的社会化扩展，人工智能将劳动从固定场域中解放出来，人类劳动的灵活性增加。相比于创造性劳动，机械性劳动更加受到空间和时间的制约，而在人工智能从技术层面替代更低边际成本的基础性劳动之后，人类劳动空间和时间的自由性实现跃迁。三是对主体的发展提出了更高要求，尤其是对主体适应社会发展提出了更高要求。人工智能技术的发展对人类传统的知识结构提出挑战，要求人类更新原有的知识结构以适应社会发展需要，也对教育提出更高要求，教育模式和教育内容需要更契合科技发展的水平，培养更加全面发展的人才。
主持人：人工智能的一系列产物在给人们带来生活便利的同时，也一定程度上引起大家对其可能引发的伦理挑战的警惕。一些人关注人工智能的风险问题，对人工智能的推进有些焦虑。如何看待这种警惕和焦虑？
虞昊：人工智能的风险以及由此带来的焦虑，是完全可以理解的。但我们无法返回一个没有人工智能的世界，人工智能已然深度介入人类社会，试图遏制人工智能的推进只能是螳臂当车。同时我们对人工智能的发展也不能放任不管，无视甚至于压制人工智能的推进只能是掩耳盗铃。因此，我们应该正视这种焦虑，在发展人工智能的过程中探求解决方案，在人工智能带来的风险中寻求危中之机。
邓玉龙：我们应正确看待这种焦虑。要看到，焦虑有其积极的意义，它体现人类的忧患意识，催生对人工智能风险的预见性思考，提醒我们注意焦虑背后人工智能技术发展存在的问题。正确对待焦虑有助于积极采取措施防范风险，辩证分析焦虑中先见性的思考，通过社会治理模式的升级化解风险问题。同时，仅有焦虑和恐惧是不够的，更重要的是积极解决人工智能发展带来的社会问题。从劳动的角度看，人工智能确实会取代部分人类劳动，推动劳动结构转型升级，让劳动向着碎片化、个体化方向发展，劳动者处于弱势地位，面临着“机器换人”的挑战。但是我们也应该理性认识到，人工智能不是对人类劳动能力的完全替代，而是对劳动者提出了更高的要求，要求劳动者掌握科学知识，将技术的发展内化为自身能力，在更具创造性的劳动中实现自身价值。
彭家锋：任何技术的发明使用，不可避免地伴随着这样或那样的风险。人工智能技术自然也不例外，在其应用过程中，同样引发了诸如隐私泄露、算法歧视、法律责任等风险问题。因此，关注人工智能的风险问题，并由此对人工智能的推进产生焦虑，具有一定理论依据和现实基础。但更应当清醒地认识到，人工智能的某些相关风险可以提前得到规避，并不必然会发生；即便真的发生，也仍可不断寻求化解风险的有效手段。以个人隐私滥用风险为例，在治理过程中，虽然不可避免地会涉及个人数据收集和分析处理，但可以通过建立完整的规范和监管体系来保护个人隐私，降低滥用风险。
2.人工智能科技竞争的“伦理赛道”
主持人：习近平总书记在以视频方式出席二十国集团领导人第十五次峰会时指出，“中方支持围绕人工智能加强对话，倡议适时召开专题会议，推动落实二十国集团人工智能原则，引领全球人工智能健康发展”。请谈谈“人工智能原则”应包含哪些内容？科技向善的文化理念对推动全球人工智能健康发展具有怎样的现实价值？
彭家锋：为应对人工智能等新科技快速发展带来的伦理挑战，2022年，中共中央办公厅、国务院办公厅印发了《关于加强科技伦理治理的意见》，其中明确了“增进人类福祉”“尊重生命权利”“坚持公平公正”“合理控制风险”“保持公开透明”等五项科技伦理原则。我认为，这五项原则基本涵盖了人工智能原则的伦理要求，彰显了科技向善的文化理念。科技向善的文化理念，根本目标是让科技发展更好地服务社会和人民，带来良好社会或社会公益的善。科技向善对推动全球人工智能健康发展至少具有以下三个方面现实价值：一是塑造公众信任。公众对人工智能的信任很大程度上并不完全由相关风险程度决定，而是取决于公众的利益与价值是否得到足够重视。后者正是科技向善的内在要求。二是引领技术创新。科技向善的文化理念将在技术创新发展过程中发挥价值引领作用。三是促进全球合作。科技向善的文化理念试图在全球范围内建立人工智能伦理规范的“最大公约数”，各国在达成伦理共识的基础之上，能够建立互信，实现更加充分深入的国际合作。
虞昊：个人认为，人工智能原则也应包含非对抗与非失控的理念。非对抗意味着不应将人工智能视作人类社会的对抗性存在，人工智能已经成为人类社会的构成性要素，我们必须持更为开放的态度去面对人工智能。非失控意味着不应放弃对人工智能的伦理规范，应以智能的方式去规范加速发展的人工智能。如果以上述理念为前提，也就是说，在支持人工智能发展的情况下，科技向善的文化理念在推动全球人工智能健康发展中就变得极为重要。此处的“善”在国家治理层面即指向“善治”，而当人工智能的发展从国家范围扩展到全球范围，“善治”就在构建人类命运共同体的意义上拥有了更贴近现实的内涵。各国应摒弃冷战思维与零和博弈，基于善意与友谊共同思考人类作为整体如何在人工智能的冲击下通往全球性的“善治”。
邓玉龙：2019年欧盟发布《可信赖的人工智能伦理准则》，2021年中国国家新一代人工智能治理专业委员会发布《新一代人工智能伦理规范》（以下简称《规范》）。与欧盟发布的伦理准则相比，《规范》体现了中国特色社会主义的制度优势，旨在将伦理规范融入人工智能全生命周期。人工智能发展的根本目的是促进人的全面发展，因此，我以为，人工智能原则还应体现共享和有序发展的要求。共享，旨在防止人工智能的技术垄断。科技发展应该兼顾全体人民的利益，而不是服务于少数群体，由全体人民共享科技发展成果，推动全球科技水平的共同增长。有序发展，旨在防止人工智能技术的无序扩张。人工智能技术的发展最终是为了提升人的幸福感，推动科技有序发展能够促进人机和谐融合，有效预防潜在无序扩张的风险。
主持人：从规范层面来说，伦理反思对规范人工智能发展的作用主要体现在哪些方面？
彭家锋：近年来，世界各主要国家在人工智能领域竞争日趋激烈，纷纷将人工智能发展置于国家发展的战略层面。比如，美国陆续出台《国家人工智能研究和发展战略计划》（2016）和《关于维持美国在人工智能领域领导地位的行政命令》（2019）；欧盟先后发布《欧洲人工智能战略》（2018）和《人工智能白皮书》（2020）；中国也较早发布了《“互联网+”人工智能三年行动实施方案》（2016）和《新一代人工智能发展规划》（2017）。人工智能科技竞争的客观局面已然形成。在此背景下，如果忽视人工智能技术发展所带来的全球性风险与挑战，极有可能陷入技术赶超的竞争逻辑。因此，亟须规范人工智能的科技竞争，而倡导伦理反思或许就是一条可行之路。伦理反思的意义至少在于：一是设定伦理底线。人工智能技术的开发和应用需要遵循一些基本的价值理念和行为规范。只有守住伦理底线，才有可能避免颠覆性风险的发生。二是实现敏捷治理。伦理反思是一个动态、持续的过程，贯穿于人工智能科技活动的全生命周期。为了确保其始终服务于增进人类福祉和科技向善的初衷，需要保持应有的道德敏感性，以灵活、及时、有效的手段化解人工智能带来的各种伦理挑战，确保其在科技向善的道路上行稳致远，实现良性发展。
邓玉龙：人工智能科技竞争是为了促进科学技术发展，而科学技术发展的最终目的是推动人类社会的进步。人工智能科技竞争不应该仅包括技术竞争的单一维度，更不应该通过技术优势遏制他国的科技发展，而应该是在人工智能科技条件下的综合性竞争，通过良性竞争促进全球人工智能和全人类的共同发展。其中就应该包括社会治理竞争，通过社会治理保障社会公平，因而对社会中人与人关系的伦理反思构成人工智能科技竞争的有机组成部分。首先，伦理反思对人工智能科技竞争提出了更高的要求。人工智能的公平性、可信任性、可解释与透明度、安全性不仅是伦理要求，也代表了人工智能技术的发展方向，是人工智能科技竞争需要抢占的技术制高点。科技的发展是为了人的全面发展，因而人的发展内嵌于科技发展要求，伦理反思有助于防止工具主义的泛滥。其次，伦理反思为人工智能科技竞争提供价值引导。伦理反思注重保障人的权利，科技发展并不是社会发展中的唯一衡量因素，我们还应该关注其中多样性的因素，尤其注重保护特殊群体的利益，例如防止数据鸿沟等不良影响。伦理反思有助于实现人工智能的综合性健康发展。
3.人工智能安全与人的全面发展
主持人：科学探究一直以来都是人们认识世界和了解自身的重要认知方式，人工智能等信息产业的革命如何影响着人们的认知方式？
彭家锋：人工智能等信息产业的革命，促进了科学研究新范式——数据科学的诞生，进而对人们的认知方式产生深刻影响。数据科学被认为是继实验、理论和模拟之后的新的科研范式。相较于传统科学，数据科学融合了统计和计算思维，通过人工智能等技术提供的海量数据、强大算法和算力，能够直接从数据中寻找相关关系、提取相关性或者预测性知识，进而产生一种基于相关性的科学思维模式。但这种相关性并不一定能够转化为因果关系，因为可解释性对于从数据科学技术确定的相关性中提取因果解释至关重要，而相关技术一般都缺乏必要的透明度和可解释性。数据科学更可能成为一种预测科学，但是预测并不是科学追求的唯一目标。通过揭示世界的潜在因果结构来解释和干预现象，也是科学的两个重要目标。因此，尽管数据科学能够通过分析大量数据生成相关性知识，却不能直接产生因果解释。对此，传统科学的可检验性假设方法和因果规律探求仍有其重要价值。数据科学并非取代传统科学，相反，两者将相互补充，共同成为人类探索世界的有效工具。
虞昊：显而易见的是，随着人工智能向着通用人工智能迈进，其能够为人们提供的教育资源、生活娱乐、工作讯息也越来越丰富，人们势必越来越依赖于通过与人工智能进行交互来获取外界信息。因此，当人工智能深度地构成人们认知世界的滤镜时，若不对人工智能本身具有重复性、同质性倾向的认知框架保持警醒，人工智能可能扭曲人们的认知方式直至影响人的主体创造性。
邓玉龙：以人工智能为代表的全新技术发展被称为第四次工业革命，其中最显著的特征就是机器与人类的深度融合，机器不再作为一种外在性的工具被人类使用，而是在与人类的深度关联中影响人类的认知方式。一方面，信息产业革命丰富了人类认知的联结方式。人工智能和大数据技术的发展促进人类的分析逻辑从因果关系扩展为相关关系，对相关关系的重视使人工智能可以从大数据而非小数据维度获取信息，为人类认知提供新的视角。按照传统人类认知方式的理解，因果关系要求关于世界的认知是确定性的，而这在数字时代的复杂性社会中很难实现。人工智能对相关关系的认知填补了这一缺失，允许我们在无法掌握确定信息但在掌握大量数据的条件下对未来趋势作出预测。另一方面，如果我们对人工智能等科技的输出结果和生成内容盲目信赖，将结果和内容与经验事实之间进行绝对等同的连接，误认为是事实的全部，那么我们就会丧失人文主义抽象反思的能力，对此我们应当保持警惕，始终坚持反思和批判的人文精神。
主持人：如何调适人的主体创造性与信息高度集成共享之间的关系？
彭家锋：当人们逐渐将更多创造性工作交由人工智能完成，不免让人担忧人工智能是否将会威胁到人的主体创造性。从人机关系的角度来看，这种担忧是基于一种人机敌对论的视角，认为人工智能挤压了人的主体创造性空间，是替代逻辑的延续。但从人机协作的视角出发，将人工智能看作人的得力帮手，通过创造性地使用人工智能可以赋予人类更大的创造性空间。比如，在进行文字写作、多媒体脚本、程序代码、文稿翻译等工作时，可先由人工智能高水平地完成草稿工作，然后再由人类进行一些创造性的调整和发挥。此时人工智能生成的内容将成为进一步创作的原材料，人类将以更高的效率投入创造性活动之中。当然，要实现以上效果并非易事，不仅需要思想观念的转变，还应在制度安排、教育方式等方面作出相应调整。
虞昊：面对信息高度集成共享的人工智能，人有可能转变为算法的动物。试想下述场景：当依据人工智能展开行动变得足够便捷有效时，行动者便会倾向于采信人工智能，此时，看似是人类行动者基于自然语言在进行互动，实则是算法逻辑基于计算机语言在进行数字化运转。于是，人的主体创造性被侵蚀，人可能沦为算法动物。对此类情形，我们应该保持足够的清醒与警惕。
邓玉龙：人工智能技术生成的内容（AIGC）具有高度集成共享的特性，能够高效地对人类知识进行数据挖掘、信息生成。调适人的主体创造性与信息高度集成共享之间的关系，我们需做到如下几个方面：首先，需要通过人的创造性扩大AIGC数据库，当下AIGC主要是依赖于大语言模型，以大量的网络文本作为训练数据库生成的，通过人的创造性生成可以不局限于网络文本，而是进一步扩展数据库的训练文本，从而提高其丰富度。其次，需要通过人的创造性为AIGC提供价值训练，通过人的创造性生成的价值立场、伦理法则等与AIGC的训练数据库相融合，从而建构可信赖、可持续的信息高度集成共享机制。最后，需要将人创造性生成的内容与AIGC共同作为人类知识的来源，人类知识的获得不能仅仅局限于AIGC，而是需要人发挥其主体创造性对人工智能技术生成的内容进行反思和拓展，将人类无法被数据化的、经验性的知识与AIGC数据化的知识融合成为人类知识的来源。
（本版编辑张颖天整理）
马文·明斯基与人工智能 他最早联合提出了“人工智能”概念，被尊为人工智能之父；他是人工智能领域首位图灵奖获得者；他是世界上第一个人工智能实验室M
来源：雪球App，作者：书生剑客，（https://xueqiu.com/3993902801/83433643）
他最早联合提出了“人工智能”概念，被尊为人工智能之父；
他是人工智能领域首位图灵奖获得者；
他是世界上第一个人工智能实验室MIT人工智能实验室联合创始人；
他还是虚拟现实的最早倡导者；
他影响了阿西莫夫的机器人三大定律；
他的代表作《情感机器》构建了未来会思考的机器人的蓝图，影响了无数人工智能领域专家学者；他就是那位在人工智能60年历史中一直熠熠生辉的权威——马文·明斯基(MarvinMinsky)。
1927年，马文·明斯基出生于美国纽约的一个眼科医生家庭。因为正值美国大力发展私立学校的时期，所以他从小学到中学全盘接受的都是私立学校的教育，并对电子学和化学情有独钟。1945年高中毕业时他应征入伍，在芝加哥北边的大湖海军培训中心（GreatLakesNavaltrainingCenter）和其他约120名新兵一起接受了训练。
退伍后明斯基去往哈佛大学深造，主修物理学，选修的课程相当广泛，从电气工程、数学，到遗传学等涉及多个学科专业，有一段时间他还在心理学系参加过课题研究，当时流行的一些关于心智起源的学说与理论使他难以接受，比如新行为主义心理学家斯金纳根据一些动物行为的事实提出理论，把人的学习与动物的学习等同起来，明斯基不以为然，并激发了他要把这个困难问题弄清楚的决心。
后来他放弃物理改修数学，并于1950年毕业之后进入普林斯顿大学攻读数学博士学位。第二次世界大战以前，阿兰· 图灵正是在这里开始研究机器是否可以具有智能的问题。同样，明斯基也在这里开始研究同一问题。在接受《纽约时报》采访时，明斯基表示：“智能问题看起来深不见底，我想这才是值得我奉献一生的领域。”
1951年他提出了关于思维如何萌发并形成的一些基本理论，同时建造了世界上第一个神经网络模拟器“Snare”，能够在其40个“代理”和一个奖励系统的帮助下穿越迷宫。Snare虽然比较粗糙和不够灵活，毕竟是人工智能研究中最早的尝试之一。在Snare的基础上，明斯基综合利用他多学科的知识，解决了使机器能基于对过去行为的知识预测其当前行为的结果这一问题，并以“神经网络和脑模型问题”（NeuralNetsandtheBrainModelProblem）为题完成了他的博士论文，并于1954年取得博士学位。
学成以后，明斯基留校工作3年。1956年，他与麦卡锡、香农等人一起发起并组织了“达特茅斯会议”，提出“人工智能”概念。在这个具有历史意义的会议上，明斯基的Snare，麦卡锡的α-β搜索法，以及西蒙和纽厄尔的“逻辑理论家”是会议的三个亮点。这一时期，他开始致力于使用“符号操作”方式研究人工智能，并写出了《迈向人工智能》（StepstowardArtificialIntelligence）这一论文，论述了启发式搜索、模式识别、学习计划和感应等主题。
之后，约翰·冯·诺依曼、诺伯特·维纳、克劳德·香农引荐他成为哈佛大学的助理研究员，并一举发明了激光共聚焦扫描显微镜(confocalscanningmicroscope)，这种光学仪器拥有极好的分辨率和影像质量，时至今日仍然在生物科学领域受到广泛采用。1958年，他离开哈佛大学，去到麻省理工学院（MIT），之后不久，麦卡锡也由达特茅斯来到MIT与他会合，共同建立了世界上第一个人工智能实验室MIT人工智能实验室。学生和工作人员们开始涌入实验室，迎接理解人工智能与赋予机器智能的新挑战——研究人员们不仅要努力尝试对人类思维和智能建模，而且还要尝试建立实用性的机器人。在那里，明斯基自己就设计和建造了一个带有扫描仪和触觉传感器的14度自由机械手，可以像人一样搭积木。
之后，明斯基还通过综合利用自己多学科的知识，使机器具备了基于过去行为预测当前行为的能力。在对人工智能技术和机器人技术的深入研究下，他构建出了世界上最早的、能够模拟人类活动的机器人RobotC，带领机器人技术进入了一个新时代。
20世纪60年代，明斯基提出了“telepresence”（远程介入）这一概念，通过利用微型摄像机、运动传感器等设备，明斯基让人体验到了自己驾驶飞机、在战场上参加战斗、在水下游泳这些现实中未发生的事情，这也为他奠定了“虚拟现实”（virtualreality）倡导者的重大地位。
虽然明斯基的贡献极大的促进了人工智能革命的到来，但他也差点亲手将人工智能扼杀在萌芽之中。1969年，明斯基与西蒙·派珀特(SimonPapert)合著的著作《感知机》被业内普遍认为极大地阻碍了神经网络的发展。明斯基在这本书中着重阐述了“感知机”存在的限制。他指出，神经网络被认为充满潜力，但实际上无法实现人们期望的功能。在他看来，处理神经网络的计算机存在两点关键问题。首先，单层神经网络无法处理“异或”电路；其次，当时的计算机缺乏足够的计算能力，无法满足大型神经网络长时间运行的需求。由于被明斯基这样的权威人士看衰，神经网络的研究迅速陷入了低谷，70年代则成为了“人工智能的寒冬”。
1970年代早期，他继续开展合作，与西蒙·派珀特一同致力于一个他们称之为“意识的社会”（TheSocietyofMind）的理论，将人工智能研究与儿童发展心理学相结合。
1975年，他首创框架理论(frametheory)。框架的顶层是固定的，表示固定的概念、对象或事件。下层由若干槽(slot)组成，其中可填入具体值，以描述具体事物特征。每个槽可有若干侧面（facet），对槽作附加说明，如槽的取值范围、求值方法等。这样，框架就可以包含各种各样的信息，例如描述事物的信息，如何使用框架的信息，对下一步发生什么的期望，期望如果没有发生该怎么办，等等。利用多个有一定关联的框架组成框架系统，就可以完整而确切地把知识表示出来。
明斯基最初是把框架作为视觉感知、自然语言对话和其他复杂行为的基础提出来的，但一经提出，就因为它既是层次化的，又是模块化的，在人工智能界引起了极大的反响，成为通用的知识表示方法被广泛接受和应用。不但如此，它的一些基本概念和结构，也被后来兴起的面向对象技术和方法所利用。此外，明斯基的框架理论也成为当前流行的一些专家系统开发工具和人工智能语言的基础，例如，著名的KRL(KnowledgeRepresentationLanguage)。
他的另一个大举措是创建了著名的“思维机公司”（ThinkingMachines，Inc．），开发具有智能的计算机，推出著名的“连接机”（ConnectionMachine）系列，把大量简单的存储-处理单元连接成一个多维结构，在宏观上构成大容量的智能存储器，再通过常规计算机执行控制、I/O和用户接口功能，能够有效地用于智能信息处理。这应该是当代超速并行计算机的雏型。。
明斯基的开创性著作《意识的社会（TheSocietyofMind）》出版于1985年。就像他在他的网站上所写的那样，这部著作提出了“智能不是任何单独的机制的产物，而是来自于众多各异的有能力的代理之间存在的一种受到管理的互动（intelligenceisnottheproductofanysingularmechanismbutcomesfromthemanagedinteractionofadiversevarietyofresourcefulagents）”。
在这个假设背后，是他和西蒙·派珀特对于“人类和机器之间没有真正的区别”的信念。他们始终认为，人类实际上就是某种机器，人类的大脑是由许多半自主但不智能的“代理（agent）”所构成的。而进行不同的任务时，他们认为，“需要的是从根本上就完全不同的机制”。
1989年，Minsky加入MIT的新兴媒体实验室。“他成为吸引最好人才的一种品牌，”新兴媒体实验室的创立者和前任主管尼古拉斯·尼葛洛庞帝(NicholasNegroponte)说。
由于他的研究引领了人工智能、认知心理学、神经网络、图灵机理论和回归函数这些领域的理论与实践的发展潮流，并在图象处理领域、符号计算、知识表示、计算语义学、机器感知和符号连接学习领域作出了许多贡献，1969年，明斯基被授予“计算机界的诺贝尔奖”——图灵奖，这是第一位获此殊荣的人工智能学者。
之后，麦卡锡、西蒙、纽厄尔、费根鲍姆、劳伊·雷迪等5名人工智能学者也先后荣获图灵奖，人工智能这一学科的影响力日渐深广起来。
2007年，在新书《情感机器》出版的不久后，《Discover》杂志的苏珊·克鲁格林斯基(SusanKruglinski)对明斯基进行了采访。后者再次重申了自己的观点：
“人工智能领域的每个人都在追求某种逻辑推理系统、遗传计算系统、统计推理系统或神经网络，但无人取得重大突破，原因是它们过于简单。这些新理论充其量只能解决部分问题，而对其他问题无能为力。我们不得不承认，神经网络不能做逻辑推理。例如，在计算概率时，它无法理解数字的真正意义是什么。”
关于理想中的人工智能技术，他认为重要的一点是使其具备常识性知识，而不仅仅是对图像和语音的模式识别。在他看来，人工智能应当类似于人脑，而“人类解决问题的方式首先是具备大量常识性知识”。随后，他还希望能实现《情感机器》一书中描述的思维体系结构，使人工智能在各种思维方式间切换。
行业的发展并没有按照明斯基的设想去推进。现在基于深度学习对图像和语音的判断识别受到人们的热捧。业内普遍认为，深度学习技术帮助人工智能研究在视觉和语音领域取得了长足进步。在硅谷，越来越多科学家和工程师认为，深度学习将最终带来“强人工智能”：机器的智慧水平将超过人类。
人工智能的未来或许可以用明斯基2014年的一段话来总结：“如果你让计算机自己待着，或是让许多计算机待在一起，那么它们可能会试图了解，它们从何而来，它们是谁。如果它们突然看到一本关于计算机科学的图书，那么可能会嘲笑着说：‘这太假了。’而不同的计算机群体可能也会有不同想法。”
2016年1月24日明斯基去世，享年88岁。
$上证指数(SH000001)$ $创业板指(SZ399006)$ $中小板指(SZ399005)$