artificial-intelligence - 经典人工智能、本体论、机器学习、贝叶斯

Question

我开始研究应用于计算机视觉和情感计算的机器学习和贝叶斯推理。

如果我理解正确的话，之间有一个很大的讨论

• 经典信息架构、本体论、语义网络研究人员
• 以及机器学习和贝叶斯专家

我认为这通常被称为强人工智能与弱人工智能，也与功能心理学(大脑作为黑匣子)和认知心理学(心智理论、镜像神经元)等哲学问题有关，但这不是重点。像这样的编程论坛。

我想了解两种观点之间的差异。理想情况下，答案将引用示例和学术论文，其中一种方法获得良好结果，而另一种方法则失败。我也对历史趋势感兴趣:为什么方法不再受欢迎而更新的方法开始兴起。例如，我知道贝叶斯推理在计算上很困难，是NP中的问题，这就是为什么很长一段时间概率模型在信息技术世界中不受青睐。然而，他们在计量经济学领域开始崛起。

Answer 1

我认为你把几个想法混在一起了。确实，“人工智能”任务的基于规则的方法和概率方法之间存在区别，但它与人工智能的强弱无关，与心理学关系不大，而且也不像两方之间的战斗。另外，我认为说贝叶斯推理没有在计算机科学中使用，因为推理通常是 NP 完全的，这有点误导。这个结果在实践中通常并不重要，而且大多数机器学习算法无论如何都不会进行真正的贝叶斯推理。

话虽如此，自然语言处理的历史从 80 年代和 90 年代初的基于规则的系统到今天的机器学习系统。看看历史MUC conferences查看信息提取任务的早期方法。与当前最先进的命名实体识别和解析(ACL wiki 是一个很好的来源)进行比较，这些都基于机器学习方法。

就具体引用文献而言，我怀疑您会发现有人写学术论文说“统计系统比基于规则的系统更好”，因为通常很难做出这样的明确声明。快速谷歌搜索“统计与基于规则”，会得到类似 this 的论文。该报告着眼于机器翻译，并根据其优点和缺点建议使用这两种方法。我想你会发现这是非常典型的学术论文。我读过的唯一真正在这个问题上表明立场的文章是'The Unreasonable Effectiveness of Data ”这是一本好书。