纳思和其它AI系统的一个根本性的差别就是其“知识和资源相对不足”假设 。 简单地说 , 就是系统对于它要实现的目标往往有“不知道”的和“没想到”的 。 在这个限制下 , 系统无法保证总能找到绝对正确或最佳的解 , 而只能提供它目前想到的最好的解 , 尽管它始终在努力积累经验以提升自己的能力和效率 。
这个限制一个直接的结果就是纳思不能对所有目标一视同仁 。 由于系统中的目标往往互相冲突(所谓“鱼和熊掌不可兼得”) , 系统无法保证做到十全十美 。 对一个具体事件而言 , 系统对它的“愿望”(希望其发生或不发生)和系统对相应“现状”判断(实际发生了或没发生)的比较就决定了系统在这方面的“满意”程度 。 如果希望发生的确实发生了 , 或不希望发生的确实没发生 , 那系统就满意;如果不希望发生的却发生了 , 或希望发生的却没发生 , 那系统就不满意 。 由于愿望和现实判断在纳思里都是有不同程度的 , 满意也是个程度问题 。 这就是纳思中情感的起源 , 即作为对某方面现状的主观评价 。
各方面的满意程度的总和构成系统对现状的总体满意程度 。 当然 , 在这个“汇总”过程中 , 各个事件的“权重”各有不同 , 一个大的“不如意”需要很多小的“如意”才可能抵消 。 由于时间资源的限制 , 纳思在做这个评价时不可能考虑到系统中的所有事件 , 而仅仅是其中少数那些当前或近期在系统的注意范围之内的 。 这个总体满意程度就决定了系统当前的基本情绪状态 , 也就是“高兴”或“不高兴”的程度 。 一般说来 , 系统极少“万事如意”或“处处碰壁” , 而是处于某个中间状态 。 即使如此 , 总体情绪也有“正、负”之分 , 取决于“如意”和“不如意”的相对比例 。
在此基础之上 , 系统中的概念及其对应的事物也都会被沾染上各种情感色彩(也可以称为“好恶”值) , 主要反映了它们和系统总体满意程度的相关性 。 如果系统和一个对象打交道时常常感到高兴 , 尽管该对象和系统状态可能其实并无因果关系 , 但系统仍会给它一个正面的评价(比如“爱屋及乌”) , 反之则是负面的评价(比如“迁怒”) 。 就好比如果我每次碰到某人都会伴随着某种不愉快的体验 , 我对此人就会产生某种负面情感(比如警惕) , 这也不能说是毫无来由的 。 当然很多事物可能从来也没有被带上任何此类感情色彩 , 也有事物处于“爱恨交织”的状况 。
随着系统内外环境的变化 , 上述情感因素均会变化 , 但缓急不同 。 对个别事件的满意程度随愿望和现实的接近或背离而随时改变 , 可是系统的整体情绪状态变化相对而言就要慢些 。 对事物的情感是历史上多次评价的总结 , 变化就更缓慢了 。 无论如何 , 这些因素体现了系统本身对情境和事物的主观评价 , 因而构成了系统对它们在“客观描述”之外的另一种认识 。 这里的重点不是事物本身的属性 , 而是它们和系统愿望之间的关系 。 比如说系统在认识了客户甲乙丙丁之后 , 除了记住了他们的姓名、职业等等之外 , 还记着他们对自己是否“友好” 。
在系统没有足够的知识或时间对各个事物进行细致的针对性处理的情况下 , 仅依靠它们的“感情色彩”决定应对往往不失为一种在统计意义下有效的便捷策略 。 在目前的纳思中 , 情感因素的影响主要体现在下列方面:
1. 在其它因素相同的条件下 , 带有强烈情感色彩(不论正面还是负面)的概念和任务会得到更多的注意 , 也就是更多的时间和空间资源 。 这就是说 , 如果用户给纳思下达了三个同等重要的任务 , 但它不可能有时间全都完成 , 那它就会依照自己对它们的不同“喜好”程度来分配时间 。
推荐阅读
- 让人远观不可亵玩的女孩 可远观而不可亵玩焉
- 外媒:科学家设计出一款类鱼软体机器人
- 优秀的女生让男生害怕 让男生们不敢靠近的3星座女
- 欧洲科学家正开发可自我修复的柔性机器人
- 人工智能首次实现 多重量子关联的同时分类
- 多商品重叠,人工智能如何计数?
- 美研究团队用细胞组装“活体”机器人
- 未来二十年人工智能怎么发展?何积丰院士描绘三条路线图
- 肉眼不可见的微型机器人来了 未来可探索大脑
- 无人巴士、环卫机器人解锁城市生活新模式