人工智能中知识获取面临的哲学困境及其未来走向

但凝云

（昭通学院，昭通 657000）

随着我国社会经济水平的不断提高，人们对科学技术的要求越来越高，而人工智能中只是获取则直接关系到我国科学技术发展，因此得到了社会各方人士的关注及重视，并对人工智能中知识获取进行了深入研究，很多研究结果显示，当下人工智能知识获取还面临着很多中学困难，所以要想基于人工智能高效获取知识，需要克服这些哲学困难，并确定正确的未来发展方向。所以下文先详细分析了人工智能中知识获取面临的哲学困境，然后简要探讨了人工智能中知识获取的未来走向。

1 人工智能中知识获取面临的哲学困境

1.1 面临的符号主义哲学困境

符号主义又称逻辑主义和物理符号系统假设，这种假设实质上就一种以客体符号为主要媒介，连接各种知识体系，然后利用现代化技术实现这些知识体系的智能化操作，最终实现知识获取的一种符号系统假设，最具代表性的技术为离散符号处理计算系统。符号主义哲学虽然在一定程度上方便了人工智能知识获取，但在智能化水平上还有待提高，这在不同程度上给人工智能中的知识获取带来了哲学困境，主要体现在以下三方面：

第一，符号系统中含有专家系统，而研制专家系统时需要获取大量的知识，其知识涉及到的领域非常广且难度高，这给知识获取造成了很大的困境，加之人工智能中的知识获取办法不统一，导致获取而来的知识存在不可用、不真实等问题；第二，知识工程师在获取知识、整理知识和表达知识时所受到的局限性非常大，这给整体的人工智能知识获取工作带来了很大的困境；第三，很多人类专家所以开发出来的知识都是基础性和常识性知识，这些知识内容非常繁多且实践性很强，所以在获取时需要做大量的前期准备工作，并且在获取后还需要应用到实际的生产及生活中去，否则就失去了这些知识的存在意义，因此给人工智能知识获取带来了很大的困境，主要体现在知识整理及应用方面。

1.2 面临的联结主义哲学困境

联结主义哲学简而言之就是一种将神经网络和网络连接起来的哲学方法，也可以理解为连接机制与学习算法相结合的智能模拟方法。联结主义哲学是神经心理学、认知科学得以深入研究的成果，能够将人脑的高层网络活动与实际的网络连接起来，从而增强智能活动范围，最终实现更多更有效知识的获取及应用，最具有代表性的技术便是人工神经网络。

人工神经网络实质上就是一种分布式处理器，能够连接大量的知识点，使在知识获取的过程中解决各种问题，所以人工网络在人工智能知识获取领域得到了广泛应用。人工神经网络与离散符号处理计算系统（符号主义代表技术）存在很多不同点，最大的不同点就是人工网络能够实现大规模智能活动，以同时获取多个领域的知识[1]。

尽管在联结主义哲学影响下人工智能知识获取的效率得了提高，但联结主义依然还是在一定程度上给人工智能的知识获取带来了常识知识方面的问题，同时还在神经网络模型建构技术方面受到了限制，具体的联结主义哲学困境如下：

第一，虽然基于联结主义哲学构建的神经网络模型与人脑的神经网络很相似，但毕竟不是真正的人脑，在很多知识处理上还是会出现问题，如果遇到难度系数很高的问题时则需要几百个76元去解决，这无疑增加了人工智能的知识获取难度；第二，基于联结主义哲学的神经网络学习，在学习方法及逻辑等方面与人不同，会增加人工智能知识获取的连接难度，即不同领域知识的连接；第三，基于联结主义哲学的人工智能知识获取需要在网络支持下才能进行操作，如果没有大量指导，网络操作就会出现质量下降的问题，进而影响人工智能的知识获取质量及效率。

1.3 面临的行为主义哲学困境

行为主义哲学简而言之就是一种 “感知和行动”的行为智能模拟方法，该种方法主要通过感知、行为来实施和应用，所以实施效果取决于外界环境的复杂程度，复杂程度越高则实施难度越高，反之则越低，所以基于行为主义的人工智能知识获取智能在与环境的交互作用中实现，这使知识获取受到了很大的环境限制，这便是人工智能知识获取所面临的行为主义哲学困境。

2 人工智能中知识获取的未来走向

通过上面的分析了解到人工智能的知识获取还面临符号主义、联结主义及行为主义上的哲学困境，所以未来的人工智能中知识获取的走向应趋向于网络化、智能化、信息化及数据化，即不断提高人工智能中知识获取的网络化水平、信息化水平、智能化及数据化水平，使知识获取效率及质量更高。

3 结束语

总而言之，当下人工智能中知识获取还面临各种哲学困境，需要不断提高知识获取的智能化、信息化及数据化水平。

[1] 刘桂林，宋玮.电力系统中就人工智能若干问题的讨论分析[J].国网技术学院学报，2014，17（02）：9-11+18.