中文114

让ai学会“理性思考”：思维法则与方法的全景解析（第5页）

- 推理模块：用逻辑或概率方法分析信息，得出结论，比如判断“前方是行人”“距离多远”；

- 决策模块：根据推理结果，选择最优行动，比如“刹车”“避让”；

- 执行模块：执行决策，比如控制汽车的刹车系统、方向盘。

这四个部分环环相扣，让AI从“被动接收信息”变成“主动做出行动”。

2. 理性行动的“决策标准：期望效用最大化”

理性智能体做决策时，通常遵循“期望效用最大化”原则——选择能带来最大“收益”的行动，这里的“收益”要考虑概率（期望）和实际价值（效用）。

比如，AI在“带不带伞”的决策中：

- 行动1：带伞。如果下雨（概率60%），效用是“不淋雨，方便度-1”；如果不下雨（概率40%），效用是“方便度-3（因为带伞麻烦）”。期望效用 = 60%×(-1) + 40%×(-3) = -1.8。

- 行动2：不带伞。如果下雨（概率60%），效用是“淋雨，不舒服度-5”；如果不下雨（概率40%），效用是“方便度+5”。期望效用 = 60%×(-5) + 40%×5 = -1。

比较两个行动的期望效用，“不带伞”的期望效用（-1）比“带伞”（-1.8）高，所以AI会选择不带伞——这个决策过程和人类在权衡利弊时的思路是一致的。

3. 理性智能体的“应用：从理论到现实”

理性智能体的概念已经在很多领域落地：

- 自动驾驶：汽车通过感知模块知道“前方有行人”，推理模块计算出“碰撞概率”，决策模块选择“刹车”，执行模块控制刹车系统，整个过程不到1秒。

- 智能推荐：电商平台感知用户的浏览历史，推理模块分析用户的喜好概率，决策模块推荐最可能被购买的商品，执行模块展示推荐结果。

- 医疗机器人：感知患者的生命体征，推理模块判断病情，决策模块选择治疗方案（比如给药剂量），执行模块实施治疗。

五、当前AI理性思考的“瓶颈”与“未来方向”

虽然AI在理性思考方面取得了不少进展，但离真正的“人类级理性”还有差距，主要瓶颈在这几点：

1. 知识表示的“模糊性”