潜艇会游泳吗？读《智慧的疆界》
内容提要
这篇文章介绍了人工智能的简史，包括符号主义学派、连接主义学派和行为主义学派的概念。符号主义学派通过构建规则和决策树解决问题，连接主义学派研究大脑信息处理，行为主义学派通过观察反馈与刺激关系了解对象特性。文章还解释了正确率、精确率和召回率的定义和计算方法。最后，作者思考了人工智能的发展历史和机器是否能思考的问题。
延伸解读
三大学派的核心分歧
符号主义、连接主义和行为主义对智能的理解路径截然不同。符号主义依赖规则和决策树，模型是白盒，可解释性强；连接主义模拟大脑神经元，如赫布法则，但模型是黑盒；行为主义则通过刺激-反馈关系研究外部特性，不纠结内部结构。这些分歧至今仍影响着AI的研究方向。
正确率悖论与评估指标
文章用垃圾邮件识别例子说明，仅看正确率可能误导。当数据不平衡时，一个不工作的模型也可能有高正确率。精确率关注预测为正的样本中实际为正的比例，召回率关注实际正样本中被正确预测的比例。两者结合才能全面评估模型性能。
历史人物的启示
香农将杂耍学博士证书放在显眼处，皮茨才华横溢却孤独酗酒，司马贺将卡内基梅隆大学多个学科拉到顶尖。这些故事反映了AI发展中的个人命运与学术生态，也提醒我们，早期探索充满不确定性，进步常被夸大，但坚持与跨界贡献能带来深远影响。
Q&A
人工智能有哪三大学派？它们各自的核心思想是什么？
人工智能包含符号主义、连接主义和行为主义三大学派。符号主义通过构建规则和决策树来解决问题，不关注大脑如何思考；连接主义着重研究大脑如何处理信息，如感知机；行为主义通过观察刺激与反馈的关系来了解对象特性，不纠结内部结构。
符号主义学派相比神经网络有什么优势？
符号主义学派生成的模型是白盒模型，输出结果的含义容易通过模型结构来解释，具有可解释性；而神经网络是黑盒模型，虽然可能工作得很好，但人类无法解释为什么。可解释性是符号主义思想先天决定的巨大优势。
什么是赫布法则？
赫布法则由赫布在1949年提出，认为如果两个神经元细胞总是同时被激活，它们之间就会出现某种关联，同时激活的概率越高，关联程度也越高。这是连接主义学习机制的重要理论。
正确率、精确率和召回率分别是什么？如何计算？
正确率是分类器正确分类的样本数与总样本数之比，公式为(TN+TP)/(TN+TP+FN+FP)。精确率反映查准比例，即预测有多少是对的，公式为TP/(TP+FP)。召回率反映查全比例，即正例中有多少被正确预测，公式为TP/(TP+FN)。
为什么仅用正确率评估模型是片面的？
因为存在正确性悖论。例如在垃圾邮件识别中，一个坏模型完全不识别垃圾邮件，正确率可能高达98.5%，而一个好模型正确率只有98%。所以需要精确率和召回率来更全面地评估模型。
达特茅斯会议对人工智能发展有什么影响？
达特茅斯会议标志着人工智能学科的开创，参会者中诞生了四名图灵奖得主：明斯基、麦卡锡、司马贺和纽厄尔，他们分别开创了各大学的人工智能实验室。但两组人之间分歧很大。
人工智能发展历史中有什么特点？
人工智能发展初期，人们的思考天马行空，不受束缚，但小进步常被夸大。由于不确定边界，从原点出发不知在哪里碰壁，一旦碰壁可能停滞数年甚至数十年。许多问题一旦了解原理就变得可机械化，但理论和实验上待解释的问题仍很多。
