人工智能中的理性

引言

人工智能 (AI) 中的理性 被定义为 AI 系统利用所有可用信息并做出能带来最佳结果的决策的能力，以实现其功能能力或最终目标。理性 AI 系统通过考虑选项并基于从智能中选择或基于智能来做出决策，它评估潜在结果、权衡利弊，以及选择最符合其详细目标的决策。AI 的另一个科学基石是合理性，这意味着 AI 必须合理、通常且理性地运行。不同的类型包括逻辑理性，即遵循既定标准和规定程序的系统；以及有界理性，即在时间、金钱和人力等组织约束内做出的决策。为了规范 AI，建立理解、建模和优化环境数据的目标并使用算法处理数据和做出决策至关重要。可以看出，理性也是 AI 系统的功能，使其成为 AI 应用智能行为的基础要素。

AI 中的理性主体是什么？

理性主体或理性个体是利用其拥有的工具和可用信息能做到最好的。理性主体是任何决策机构，包括人类、公司、机器或软件。

它必须在其行动中具有强烈的方向感；它对不确定性给予重要关注，并根据将导致最高绩效度量的行动来行动。据说理性主体做正确的事情。人工智能在于构建面向目标的理性主体，以应用于博弈论和其他现实世界的决策理论情境。

理性对于 AI 主体至关重要，因为 AI 强化学习算法会为 AI 主体的最佳行为分配正面奖励，为最差行为分配负面奖励。理性的 AI 主体是一个对象，其行为方式使其能够在给定情况下达到与最佳结果相当的程度，或者换句话说，达到最佳预期结果。

AI 中理性的介绍

就 AI 而言，理性指的是人工智能体根据其辨识到的价值观以及其目标禀赋，从提供的行动方案中选择最佳方案的能力。因此，理性的 AI 系统旨在模拟一个系统，该系统在决策时，寻求所有可能方案中的最优方案以实现特定目标。它从使用简单的逻辑和经验到能够做出新的、新鲜的方法。

术语

代理商

主体是为在网络环境中实现特定目标而工作的计算机程序或应用程序。但当它与世界互动时，它只能通过传感器感知它被编程为感知的环境状态，并通过其执行器采取行动来重塑环境。

传感器

传感器是识别给定环境中变化并将其转换为计算机可以理解的电信号的子系统。

执行器

执行器是根据计算系统发出的命令来执行动作的设备。

理性的类型

AI 中理性主要有两种类型：有界理性（bounded rationality）和完全理性（perfect rationality）。

有界理性

有界理性认识到决策潜力受到信息、知识和时间限制的影响。采用有界理性的 AI 系统是在公司可接受的绩效水平内做出决策，而不是在最优水平内。这种技术在不允许拥有理想信息和数字计算能力的运营环境情况下是可行的。

完全理性

完全理性的基础意味着 AI 系统拥有决策过程所需的所有必要信息，并且 AI 有足够的时间来计算结果。这更多是理论上的；然而，它提供了衡量 AI 系统实施有效性的基准模型。一个完全理性的 AI 始终能在任何给定时间做出最佳决策。

理性主体如何工作？

• 理性主体主要用于目标实现主体。它通过观察环境来评估环境。
• 然后，它查看其武器库中的每一种可能的移动，以确定它将如何改变并帮助它获得它想要的东西。
• 它会预览所有可能性，并选择最能使其接近其设定的目标的最佳步骤。
• 理性主体也应用于自动驾驶汽车、节能空调、自动照明等需要获取环境数据来选择最佳行动的设备。

衡量理性的标准

• 有理由相信，基于理性的方法有助于解决本地和全球层面的许多任务。这通常基于理性对于效率和实现多个目标是必要的这一前提。
• 它还应该与道德、人本主义、科学和宗教目标一起工作。
• 理性在西方哲学存在以来就一直被研究，至今已有两千多年，并影响了许多最杰出的思想家。
• 这种兴趣通常是由了解我们大脑能做什么或不能做什么的愿望产生的。一些理论甚至将理性定义为人类的定义，而不是与动物相对。

在 AI 中实现理性

在 AI 中实现理性涉及多种技术和方法

决策理论

决策理论包含一个统一的信条，用于通过评估一个人所采取行动的后果来进行健全的决策。它结合了概率论和效用论，以确保确定每种行动的适当预期效用，并选择具有最大预期效用的合适行动。这种方法在 AI 的规划和问题解决中很常见。

博弈论

博弈论关注战略系统中的互动，以及每个参与者获得的收益取决于他人的行动。在 AI 中，博弈论用于对多主体系统中的序列、竞争和合作进行建模和分析，以做出合理的决策。

机器学习

整合新的统计学习算法，使 AI 系统能够随着时间的推移修改其决策过程。通过学习，这些模式以及在数据集建立的关系被用来做出准确的预测，并选择能够产生高成果的行动方案。

逻辑和推理

另一方面，演绎推理是指系统根据形式规则和存储信息做出新结论的能力。命题逻辑、谓词逻辑和贝叶斯网络是 AI 系统用来根据现有知识驱动决策的一些其他方法。

强化学习

强化学习是 机器学习 的一个子集，其中主体可以根据其所处的环境做出决策。主体通过奖励或惩罚获得反馈，并应用此反馈来选择最大化奖励的行动。这种方法适用于顺序决策问题。

实现理性所面临的挑战

虽然在 AI 中实现理性的目标是可取的，但它也面临着一些挑战

不确定性和不完整信息

在许多实际应用中，AI 系统必须解决不确定性或根据模棱两可的信息进行决策。成功管理风险需要快速准确的概率认知形式和有效的学习模型。

计算复杂性

决策可能更多地被视为在大量的或高维的可能选择的行动及其后果空间中进行浏览。当为其他复杂问题进行计算时，这可能会非常昂贵。主要问题是找到计算成本和决策质量之间的正确平衡。

伦理和社会考量

AI 系统可以做出理性选择，但会带来许多伦理或社会后果。为了避免最坏情况并产生有利后果，教育 AI 需要对道德原则以及 AI 对个人和社会潜在影响的进化意识。

理性 AI 的应用

理性 AI 在各个领域都有广泛的应用

自动驾驶汽车

自动驾驶汽车依赖推理来到达目的地，同时避开危险并找到最快的路线。由于问题的性质，它们必须在传感器和交通变化数据输入的帮助下，每秒钟做出决定。

医疗保健

AI 系统用于诊断、治疗计划和精准医疗实践。对情况的逻辑分析为所有参与者提供了最高水平的满意度和治疗效果，因为它基于患者病史、症状或治疗方案。

融资

AI 被用于金融行业的交易、风险管理和欺诈检测。经济人 AI 系统使用输入和输出数据，估计市场，并做出投资决策以获得最高利润。

机器人技术

流程和服务行业的管理人员利用理性，使机器人能够在不断变化的环境中有效且最优地工作。

决策中的理性

研究和头脑风暴可能的解决方案

当先前让你感到困扰的主题缩小了解决方案列表，解决问题的几率就会增加。这样，你应该尝试找到尽可能多的可能解决方案，可以从网络资源和你的经验中获取。另一种产生更多想法的方法是通过与他人头脑风暴。

为你的潜在解决方案设定成功和失败的标准

因此，定义区分成功和失败的基准可以帮助你区分能够解决你困境的想法。然而，与这些期望相关的是，你对成功的期望水平不应被夸大。你甚至可能找不到解决方案。但如果你的要求简单且务实，具体且量化，你就能识别出一个。

描述每个解决方案的潜在结果

要成功解决问题必须完成的下一个过程是找出每个提议的后果。在下表中比较不同选项的优点和缺点。你还必须按解决问题的概率对你的解决方案在给定列表中进行排名。

选择最佳解决方案并进行测试

请仔细检查你所有的选项，选择最适合你的那一个，然后尝试一下。你也可以在这个阶段开始跟踪初步结果。

实施解决方案或尝试新的解决方案

如果你提出的建议通过了测试并解决了你的问题，那么下一步是最合理的。这就是为什么你应该使用它来解决你当前的问题以及将来遇到的任何其他问题。如果上述答案没有解决你的问题，请尝试你上面识别出的另一个解决方案。

理性的衡量标准

理性的概念基于四种衡量标准，如下所示

绩效度量

绩效度量是一个函数，它将感知序列转换为代理绩效的度量。换句话说，它是评估代理效率和改进它的方法。例如，在为自动驾驶汽车设计绩效度量时，最终的度量是在准时到达目的地且零事故。

代理的先验知识

先验知识是代理从环境中收集到的关于对象的知识。它定义了代理能够执行哪些操作。例如，自动驾驶汽车的代理已经提前知道交通规则和路况。

执行器依赖性

理性主体需要寻找并选择满足绩效度量的行动方案。相反，收益取决于执行器来执行必要的动作。

代理的感知序列

感知序列是代理在环境中看到的事物列表以及代理持有的感知。它基于决定周围条件变化的那种类型。

结论

在人工智能中应用理性是使人造实体能够做出完美决策的基本知识。根据其复杂性和用途，AI 可以展现不同程度的理性，从近似到理论。尽管如此，为了使 AI 系统能够根据人类价值观表现良好，必须克服不确定性、计算成本和伦理关切等一些障碍。尽管 AI 将继续发展，但实现理性的追求将继续塑造未来技术及其职业。