Question

AI以各种不同的语言实现，例如Python，C / C ++，Java，所以有人可以向我解释使用Lisp如何让人们执行＃5（Peter Norvig在这里提到）：< / p>

[Lisp允许...]一个宏系统，让开发人员创建特定于域的级别   构建下一个级别的抽象。 ......今天，（5）是   只有Lisp擅长的功能与其他功能相比   语言。

来源：https://www.quora.com/Is-it-true-that-Lisp-is-highly-used-programming-language-in-AI

我基本上对创建特定于域的抽象级别意味着什么感到困惑。有人可以提供一个具体的例子/应用程序，了解它何时/如何有用，一般来说，这意味着什么？我试过阅读http://lambda-the-ultimate.org/node/4765，但并没有真正“全面了解”。但是，我觉得这里有一些魔力，因为Lisp允许你编写其他程序/ OOP /函数语言不会让你的代码。然后我发现了这篇文章：https://www.quora.com/Which-programming-language-is-better-for-artificial-intelligence-C-or-C++，其中最顶层的回答是：

对于通用人工智能，我不会选择和 LISP的计划。真正的AI会有很多自我修改的代码（你不认为一个真正的AI会把它的程序员所写的东西当作The 最后一句话，不是吗？）。

这让我更感兴趣，这让我想知道：

AI对于具有“自我检查，自我修改的代码”（来源：Why is Lisp used for AI?）以及为什么/如何有用这一点到底意味着什么？这听起来很酷（就好像人工智能对自己的操作有自我意识，可以这么说），听起来好像使用Lisp可以让人完成这些事情，而其他语言甚至都不会想到它（对不起，如果天真地快乐，我绝对没有Lisp的经验，但我很高兴开始）。我读了一下：What are the uses of self modifying code?并立即对特定AI应用程序的前景以及自修改代码的未来前沿感兴趣。

无论如何，我绝对可以看到能够编写自修改代码，并且能够在特定研究问题域上定制语言之间的联系（我认为Peter Norvig在他的帖子中暗示了这一点），但我真的很不确定这是什么意思，我想了解上面提到的这两个方面（“特定领域的抽象层次”）的细节（甚至只是本质）。和“自我检查，自我修改的代码”）以清晰的方式。

Answer 1

[Lisp允许...]一个宏系统，它允许开发人员创建特定于域的抽象级别，以构建下一级别。 ......今天，（5）是Lisp与其他语言相比擅长的唯一功能。

对于Stack Overflow来说，这可能过于宽泛，但是域特定抽象的概念是在许多语言中发生的，它在Common Lisp中只是更容易。例如，在C中，当您调用 open（）时，会返回文件描述符。它是一个小整数，但是如果你坚持使用域模型，你不在乎它是一个整数，你关心它是一个文件描述符，并且在它的位置使用它是有意义的打算使用文件描述符。不过，它是leaky abstraction，因为这些调用往往通过返回负整数来发出错误信号，所以做实际上必须关心文件描述符的事实是一个整数，因此您可以可靠地比较结果并确定它是否是错误。在C中，您可以定义将一些信息捆绑在一起的结构或记录类型。这提供了稍高的抽象量。

抽象的概念是，你可以考虑如何使用某些东西，它代表什么，并根据领域而不是代表性来思考。所有编程语言在某种意义上都支持这一点，但Common Lisp使得构建看起来就像语言内置的语言结构变得更加容易，并且有助于避免冗余（并且容易出错）样板。

例如，如果您正在编写natural deduction style定理证明器，则需要定义一组推理规则并使其可用作证明系统。其中一些规则将更加简单，并且不需要了解当前的证明范围。例如，检查是否使用连词消除（来自A∧B，推断 A （或 B ）））是合法的，你只需要检查前提和结论的形式。没有抽象，你可能必须写：

(defun check-conjunction-elimination (premises conclusion context)
   (declare (ignore context))
   (and (= (length premises) 1)
        (typep (first premises) 'conjunction)
        (member conclusion (conjunction-conjuncts (first premises))
                :test 'proposition=)))

(register-inference-rule "conjunction elimination" 'check-conjunction-elimination)

通过定义抽象的能力，您可以编写一个模式匹配器，可以将其简化为：

(defun check-conjunction-elimination (premises conclusion context)
   (declare (ignore context))
   (proposition-case (premises conclusion)
     (((and A B) A) t)
     (((and A B) B) t)))

(register-inference-rule "conjunction elimination" 'check-conjunction-elimination)

（当然，有些语言内置了模式匹配（Haskell，Prolog（在某种意义上）），但重点是模式匹配是一个过程过程，你可以用任何语言实现它。但是，它是一个< em>代码生成进程，在大多数语言中，你必须在编译期间将代码生成作为单独的传递。使用Common Lisp，它是语言的一部分。）

您可以将该模式抽象为：

(define-simple-inference-rule "conjunction elimination" (premises conclusion)
  ((and A B) A)
  ((and A B) B)))

你仍然会生成原始代码。这种抽象节省了很多的空间，这意味着当其他人进来时，他们不需要知道所有的Common Lisp，他们只需要知道如何使用限定-简单推理规则即可。（当然，这会添加一些开销，因为它是做需要知道如何使用的其他东西。）但是这个想法仍然存在：代码对应于你谈论域的方式，而不是编程语言的工作方式。

对于“自我修改代码”，我认为这个术语比你实际上看到的好用途还要多。在上面描述的宏扩展意义上，有一种自修改代码（因为宏扩展代码知道如何“修改”或将代码转换成其他东西，但我不认为这是一个很好的例子）。由于您可以访问 eval ，因此您可以将代码修改为对象并对其进行评估，但我认为很多人并不真正提倡这样做。能够动态地重新定义代码可能很方便，但是我认为你会看到人们在REPL中比在程序中做得更多。

然而，能够返回闭包（越来越多的语言支持的东西）是一个很大的帮助。例如，trace是“某种”自我修改。你可以实现这样的东西：

(defmacro trace (name)
  (let ((f (symbol-function name)))
    (setf (symbol-function name)
          (lambda (&rest args)
            (print (list* name args))
            (apply f args)))))

你需要做更多的事情来支持 untrace ，但我认为这一点非常明确;您可以在运行时以可预测的方式执行更改函数行为等的操作。跟踪和日志工具是一个简单的示例，但如果系统决定分析它知道的一些重要的方法，它可以动态地决定开始缓存一些结果，或者做其他有趣的事情。这是一种非常有用的“自我修改”。

AI中的Lisp：自修改代码和特定于域的抽象级别

1 个答案: