很多人都覺得將邏輯學下的各種數理邏輯匯入人工智慧缺乏錢景？真的是這樣嗎？

1樓：桃李

1、要分辯謠言、假新聞、雞湯軟文，首先需要乙個標準和依據（的邏輯判斷）。一是有沒有標準和依據？二是如果有，是唯一的嗎？

等於："有沒有真理，真理是唯一和不變？"的疑問。

就這兩個疑問人類自己都爭論不休。標準和依據對不同的人來說是不同的（多重標準），對同乙個人則是可變的（此一時彼一時）。

2、要讓機器智慧型分辯，同樣也要標準，即便按乙個固定標準的設定，判別分辯也必須完美模仿人類的思維。可是現在的人工智慧只能部分模仿。人工智慧技術在思維物件深度（專項的數量）上遠超人類，但在思維物件廣度（整體的提練）上還遠遠比不上人。

3、科學家用數理邏輯（邏輯符號運算、閘電路）實現了數字處理器的數字計算，又借助匯流排聯網發明了計算機，實現了軟體邏輯程式，計算機及人工智慧都是以邏輯學為基礎。邏輯學還將繼續成為人工智慧技術發展的關鍵理論。

4、人類對思維研究側重在思維的形式和結果，在這個基礎理論研究上存在空白，對思維特徵的研究甚至不如計算機科學家。當前的深度學習及人工神經網路技術就是科學家靠實驗摸索出來的。

由於對思維研究不足，模仿思維就更加不足，要實現自動識別還有很長的路要走。

2樓：郭斯特

80年代以前的AI就走的這條路但沒成功這才轉到黑箱模型的路子。很多失敗的原因吧比如自然語言的歧義性還有組織形式語言和知識建模的難度(成本)很高等等。這基本屬於高山流水的方法但現實是絕大部分資料都是下里巴人。

不過其實成果還是有的比如專家系統推理機自動定理證明機等等。模糊邏輯的應用也相當廣電力系統軍隊天氣預報等等都在大量使用。

3樓：豬鼻蛇

有三個根本的問題無法解決

1 邏輯推理的複雜度過高

講個笑話，某會議時有工程師質疑「這麼設計是不是太複雜了？」邏輯學家憤然拍案「這可是多項式的！」

2 邏輯定義的容錯能力太差

單純用經典的邏輯，只能做到非真即假，頂多加乙個「尚未可知」。「似是而非」「差不多是那個意思」「反正你明白我要說什麼吧」都是做不到的。如果考慮fuzzy的邏輯，不說複雜度會更恐怖，數值就很難界定

3 邏輯表示的複雜度太高

這個只要看一下用集合論從zfc開始完整定義出皮亞諾自然數需要寫多長就有感覺了

這些原因導致邏輯的認知成本太高，人也不會時刻使用邏輯，比如我寫這個答案的時候就沒有考慮過我有沒有寫出不符合中文語法的句子

4樓：昕夕草側

數理邏輯的方法，其實不是人的智慧型，而是人類共同體的智慧型，或者是科學共同體的智慧型。

這一部分智慧型，人類研究到什麼程度，通過程式設計輸入機器就好了，其實真正能讓機器替代人的部分很少，應用的場景也侷限在科學和數學比較窄。

其實，目前的研究目標，還是讓人工智慧替代個體人腦，而數理邏輯是讓人工智慧代替科學共同體，這既不實際，也讓人覺得害怕。

5樓：

目前來看，不只是缺乏錢景、而且缺乏前景，事實上以前人工智慧就是因為想這麼幹，走入了「誤區」，人工智慧停滯不前，差點GG，後來統計學習方法的出現，才出現了目前的人工智慧熱。

目前比較成功的AI貌似都是DataDriven的，不過強化學習貌似不能說DataDriven的，不過強化學習也得要資料輸入的。

個人觀點，大佬輕噴。