人工智能的第一性原理分析

发布时间：2023-09-08 14:19:47 所属栏目：动态来源：

导读：古希腊哲学家亚里士多德将第一性原理（或首要原则）表述为：“在每一个系统的探索中，存在第一性原理，这是一个最基本的命题或假设，不能被省略或删除，也不能被违反。” 在20世纪以前，第一性原理主要用于

古希腊哲学家亚里士多德将第一性原理（或首要原则）表述为：“在每一个系统的探索中，存在第一性原理，这是一个最基本的命题或假设，不能被省略或删除，也不能被违反。” 在20世纪以前，第一性原理主要用于哲学、数学和理论物理。在数学中，第一性原理是一个或几个公理，且不能从系统内的任何其他公理中推导出来。在理论物理中，第一性原理是指一个计算直接从物理定律建立，不做经验模型和拟合参数等假设。生物学的第一性原理是达尔文提出的“物竞天择、适者生存”理论。在近代社会，第一性原理已经扩展到许多学科，包括生命科学、化学、经济、社会科学等。

随着人类认知的发展，第一性原理已经从最初的哲学术语分化为专业性更强的表述，有些已不再使用“第一性原理”这个术语，而采用其同义词表述。在哲学中采用了“先验原理”（priori-principle），数学中统一使用了规范术语“公理”（axioms），而物理学则沿用了“第一性原理”。

AI领域是否存在第一性原理，是个有争议的话题。有人认为AI不存在第一性原理，理由是第一性原理是在哲学、数学或物理规则定义的领域内定义了问题空间的边界，而AI领域的第一性原理需要在明确定义了什么是“智能”之后才有意义。

有人认为AI没有第一性原理，依据是尼尔逊教授撰写的《人工智能原理》（Principles of Artificial Intelligence）一书[1]。在该书的第2页，有一段话给我们明确呈现出这样的概念：“AI目前没有通用理论，因此接下来向您展示一些应用程序。”也就是说，目前AI不存在第一性原理，现在应把注意力放在与工程目标相关的原理上，这些原理是衍生出来的原理。衍生的原理实际上告诉我们复杂系统的一些简单结果，无论是自然还是AI，其本质可能也是如此。智能是自然界的许多高度数学过程并行发生和不可预测的相互作用的结果，而这些高度智能化的过程通常都无法轻易地追溯到生物物理学的一个基本的物理原理。

在21世纪的今天，人们的认知水平与科学技术发生了很大的变化。在以实验为基础的学科上，均有基于第一性原理的成果。例如在生物科学方面，第一性原理也被重新发掘出来。最近，美国圣塔菲研究所（Santa Fe Institute）现任所长戴维·克拉考尔（David Krakauer）在《理论生物科学》（Theory Bioscience）期刊发表了一篇题为“个体信息理论”的文章，基于第一性原理的数学形式化理论，通过捕捉从过去到未来的信息流，能够严格定义许多不同形式的个体。但也有人提出了质疑：“作者试图给出‘从头计算’生命的一般框架，野心是很大的。但其给出一个调节参数γ，就不能不让人怀疑其‘科学立场’了。”

对一种观点有不同的看法是很正常的。目前大家公认的看法是，以深度学习为主导的AI没有理论。但实现AI是以计算机技术为基础的，计算机也是先有技术，后发展科学理论的。ACM图灵奖获得者雅恩·乐昆（Yann LeCun）认为理论往往是在发明之后构建起来的，例如蒸汽机的发明在热力学之前，可编程计算机在计算机科学之前。即便仅有概念性的支撑，拥有理论基石也会在研究领域的发展中起到举足轻重的作用。

我们知道，机器学习是AI的一个子集，AI基础研究是建立在数学和物理基础之上的。北京交通大学教授于剑出版了一本书《机器学习：从公理到算法》。这是一本基于公理研究学习算法的书，实际上就是把数学的第一性原理应用于机器学习，只是没有显式地表述出来而已。于剑教授的这本书可谓将第一性原理应用于机器学习的范例。

由于物理是基础科学，许多学科是以物理为基础的，物理的第一性原理就可以应用到这些学科。物理的第一性原理也被称为“从头计算”（ab initio），即只使用最基本的物理学定律，不使用经验参数，仅用电子质量、光速、质子、中子质量等少数实验数据去做量子计算。我们研究基于物理的AI，AI的第一性原理可以借用物理的第一性原理，将“从头计算”应用到AI，可以视为AI的第一性原理。但是“从头计算”是狭义的第一性原理，广义的第一性原理是“最小作用量原理”（the least action principle）。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!