大众号/ AI 火线

作者 | Sambodhi

编辑 | Vincent

聊天机器人已经很风景，在 1964 年就有了 ELIZA，至今已有 54 年了。但是，这些聊天机器人都是“老式的人工智能”，虽然在很多方面都很出色，但它们也有缺陷。要让聊天机器人获得真正的成功，还需求什么呢？聊天机器人还有出路吗？

逻辑法能让聊天机器人变得聪明吗？在 20 世纪 60 年代，人们以为这一观念是天经地义的。但如今我们简直曾经遗忘了逻辑法。是时分复兴了吗?

聊天机器人技术正处于一个拐点。有关这项技术潜力的承诺尚未完成。据 Grand View Research 报道，估计到 2025 年，聊天机器人的市值将到达 12.5 亿美元，年增长率高达 25%。但是，目前构建聊天机器人阅历了各种失败，这些失败都被收录到 https://chatbot.fail/ 网站中了。

这种分明的矛盾将如何处理，目前尚不清楚。聊天机器人技术会不会开展到很容易让聊天机器人变得智能的境地呢？或许，人们对聊天机器人的最后体验留下如此槽糕的印象，会不会让它们永远盛行不起来呢？

我置信，目前聊天机器人的完成中短少一个组件，而没有这个组件的话，聊天机器人将永远无法发扬它们的全部潜力。我说的这一组件，这就是逻辑的使用。

逻辑编程

逻辑编程（Logic programming）的全盛时期是上世纪七八十年代。逻辑编程是一种编程模范，它设置答案须婚配的规则来处理成绩，而非设置步骤来处理成绩。进程是：现实 + 规则 = 后果。逻辑编程的要点是将正轨的逻辑作风带入计算机顺序设计之中。数学家和哲学家发现逻辑是无效的实际剖析工具。很多成绩可以自然地表示成一个实际。说需求解答一个成绩，通常与解答一个新的假定能否跟如今的实际无抵触等价。逻辑提供了一个证明成绩是真还是假的办法。创立证明的办法是人所皆知的，故逻辑是解答成绩的牢靠办法。逻辑编程零碎则自动化了这个顺序。人工智能在逻辑编程的开展中发扬了重要的影响。

像 Prolog 这样的言语将经过简化逻辑变成来改动人工智能。像 C、Python 这样的编程言语允许顺序员设定计算机应该去做什么。这就是所谓的“进程式编程”（procedural programming）。进程式编程是一种编程模范，有时会被视为是指令式编程的同义语。派生自构造化编程（Structured programming），次要采取顺序调用（procedure call）或函数调用（function call）的方式来停止流程控制。流程则由包涵一系列运算步骤的顺序（Procedures），例程（routines），子顺序（subroutines）, 办法（methods），或函数（functions）来控制。在顺序运转的任何一个工夫点，都可以调用某个特定的顺序。任何一个特定的顺序，也能被恣意一个顺序或是它本人自身调用。

逻辑编程的最后想法是，你应该通知计算机什么是正确的。给定这个真实的现实和规则数据库，逻辑推理可以用来答复用户的查询。这种编程作风被称为“声明式编程”（declarative programming）。它描绘目的的性质，让计算机明白目的，而非流程。声明式编程不必通知计算机成绩范畴，从而防止随之而来的反作用。声明式编程通常被看做是方式逻辑的实际，把计算看做推导。声明式编程因大幅简化了并行计算的编写难度，自 2009 起备受关注。

声明式言语包括数据库查询言语（SQL，XQuery）、正则表达式、逻辑编程、函数式编程和组态管理零碎。

Prolog（Programming in Logic）是一种逻辑编程言语。它创立在逻辑学的实际根底之上， 最后被运用于自然言语等研讨范畴。如今它已普遍的使用在人工智能的研讨中，它可以用来建造专家零碎、自然言语了解、智能知识库等。Prolog 的操作相似于 SQL，但数据库中能够包括逻辑语句，如“If A then B”。逻辑推理将用于答复用户的查询，不幸的是，它就历来没有真正成功过，由于它试图将顺序和声明式编程设计结合起来。声明式言语要转换为进程式编程。为了无效地运用 Prolog，你需求晓得解释器如何停止这个转换。在少数状况下，它的确让编程变得愈加困难，Daoud Clarke 在大学教授 Prolog 的时分，就发现了这一点。

专家零碎和人工智能低谷

专家零碎（Expert systems）是晚期人工智能的一个重要分支，它可以看作是一类具有专门知识和经历的计算机智能顺序零碎，普通采用人工智能中的知识表示和知识推理技术来模仿通常由范畴专家才干处理的复杂成绩。在 20 世纪 80 年代，人们对专家零碎抱有很大的热情，一度置信它们会为工业带来反动性的变化。

但是这种炒作历来没有成为理想。而且专家零碎和其别人工智能技术遭到了人们的绝望和批判，以及研讨资金隔绝，同时，资本及学术界对人工智能研讨兴味也大幅增加了，这就是所谓的人工智能低谷。

从那时起，Prolog 和其他逻辑编程都得宠了。

从 Prolog 到 Datalog

从二十世纪 80 年代起，其他的逻辑编程框架都试图改良 Prolog。Datalog 是一种基于逻辑的数据查询言语，是 Prolog 言语的数据库版本。它来源于逻辑顺序设计，1978 年成为一个独立的范畴，80 年代第一次提出 Datalog 这个概念。Datalog 实践上是一阶谓词逻辑中子句逻辑的子为数亿中文用户免费提供海量、全面、及时的百科信息，并通过全新的维基平台不断改善用户对信息的创作、获取和共享方式。集——Horn 子句逻辑的一种受限方式。在人工智能和知识工程范畴失掉了过度的普及。

Datalog 的语法是 Prolog 的子集；但是 Datalog 的语义与 Prolog 不同。Datalog 绝对容易计算。但这也意味着它的可表达性是无限的。特别是，它不是一种图灵完好的言语。这种缺乏可表达性意味着 Datalog 从未成为主流言语，虽然它对某些使用顺序依然有用。

智能规划

在人工智能研讨中最近取得成功的另一个范畴是智能规划（automated planning）。智能互联网思维，就是在(移动)互联网+、大数据、云计算等科技不断发展的背景下，对市场、用户、产品、企业价值链乃至对整个商业生态进行重新审视的思考方式。规划是一种重要的成绩求解技术。与普通成绩求解相比，智能规划更注重于成绩的求解进程，而不是求解后果。此外，规划要处理的成绩，如机器人世界成绩，往往是真实世界成绩，而不是比拟笼统的数学模型成绩。与一些求解技术相比，智能规划零碎与专家零碎均属初级求解零碎与技术。简而言之，智能规划的次要思想是：对四周环境停止看法与剖析，依据预定完成的目的，对若干可供选择的举措及所提供的资源限制实施推理，综合制定出完成目的的举措序列——规划。

顺序员运用一种像规划范畴定义言语（Planning Domain Definition Language，PDDL）这样的言语来描绘这个世界。PDDL 是用做智能规划成绩描绘与设计的规范定义言语，是一种声明性言语，就像 Datalog，允许你运用逻辑指定世界上真实的东西。但是，与规范逻辑编程不同的是，你还可以指定采取操作的结果。智能规划零碎担任选择最佳的操作序列，以求最大化预期的报答，这也是由顺序员指定的。

美国国度航空航天局 (NASA) 在无人航天器、自主遨游车、空中通讯站和空中交通工具上成功地运用了智能规划，该零碎名为 ASPEN（Autmated Scheduling and Planning Environment）。

从围棋到定理证明

定理机器证明（Automated theorem proving，ATP）是人工智能范畴的另一个范畴，近年来的研讨不断与此相关。定理机器证明目前是自动推理（Automated reasoning，简称 AR）体系中开展最好的局部，它的目的是为运用电子计算机顺序来停止数学定理的证明。关于不同的数学逻辑，它可以推论出一个定理是正确的，还是不可证明的，或许错误的。

近年来，研讨人员运用这项技术，使计算机在电脑游戏中击败了人类玩家，这一开展令人兴奋。

人工智能在最近几年广为人知的是，2016 年 3 月 8 日到 3 月 15 日在韩国首尔举行的五局三胜制围棋竞赛，采中国围棋规则：黑方给白方的贴目为七目半，考虑工夫每方两小时，用完后各有三次一分钟读秒。后果，AlphaGo 以四胜一败击败了韩国职业九段棋士李世乭。围棋的对弈形态空间超级宏大，约为 2×10170 种变化。而我们的太阳大约含有的原子数是 1057 个，我们可观测的宇宙中的恒星数约为 1023 个，一切的恒星加起来的原子数约为 1080 个，由此可见围棋的变化量之大。面对这样的海质变化，真正的求解运算量计算机基本无法承当，至多是现阶段无法完成。 Alphago 另辟蹊径，采用了深度学习和蒙特卡洛搜索树的方法。

如今，有研讨人员宣布了论文 Monte Carlo Connection Prover（https://arxiv.org/abs/1611.05990），提出了一种处置定理机器证明的办法。如今说它完全处理了这个成绩还为时髦早，但从迄今为止的后果来看，还是很有希望的。

逻辑法和聊天机器人

以后聊天机器人的完成有什么成绩？如何运用逻辑法让聊天机器人变得更好？

有很屡次，聊天机器人的创作者犯了分明的错误，这些都可以用现有工具来修复。例如，chatbot.fail 网站中提到的已处理的大少数成绩都可以经过细心的设计来处理。

目前，聊天机器人要作为用户界面，通常还有很长的路要走。但是，假如聊天机器人要完成它们的目的，就需求提供特殊的体验，而不是一个差强者意的体验。对我来说，这意味着智能化的显现。

一种看上去很聪明的方式，就是慎重而明智地运用逻辑法。这方式来自于 20 世纪 60 年代的 SHRDLU 和“积木世界”。从那时起，这种做法就得宠了。虽然获得了晚期的成功，但是后来，将这种办法推行到约束较少的环境的尝试却历来没有结出硕果。

试图添加这些工具的范围还会招致疾速增长无法用现有工具处理的复杂性。

将来掌握在我们手中

时代在变，我们的办法和工具也失掉了改良。我们能否应该重新审视逻辑办法？逻辑编程能让聊天机器人取得成功么？

我们需求找出答案。但假如我们没有找到可以让聊天机器人更智能的东西，那么，它们似乎不太能够到达我们希冀的目的。

参考文章：

https://www.kdnuggets.com/2018/05/chatbots-succeed-need-logic.html