認(rèn)知過程的信息處理和新型人工智能系統(tǒng)
摘要：本文對(duì)認(rèn)知過程的信息處理進(jìn)行了較為深入的討論。闡述了智能機(jī)器原型與認(rèn)知模型的關(guān)系,討論了新型人工智能系統(tǒng)的研究方法,提出了認(rèn)知科學(xué)和信息科學(xué)交叉的若干重要基拙研究?jī)?nèi)容,并進(jìn)一步提出用混沌吸引子實(shí)現(xiàn)聯(lián)想記憶的思想和新型人工智能系統(tǒng)結(jié)構(gòu)。深入研究認(rèn)知科學(xué)及其信息處理對(duì)發(fā)展我國(guó)21世紀(jì)的知識(shí)經(jīng)濟(jì)具有重大科學(xué)意義和應(yīng)用前景。
一、引言
知識(shí)創(chuàng)新是對(duì)未被人類認(rèn)識(shí)的客觀物質(zhì)世界的正確描述,感知與認(rèn)知的科學(xué)問題與之密切相關(guān)。人腦是我們所知道的最有效的生物智能系統(tǒng),它具有感知、識(shí)別、學(xué)習(xí)、聯(lián)想、記憶、推理等功能。研究人腦的這些功能并以機(jī)器來實(shí)現(xiàn)一直是科學(xué)發(fā)展中最有意義和極具挑戰(zhàn)性的重大問題。人類大腦皮層的結(jié)構(gòu)具備了復(fù)雜精確的分析與綜合的能力并適應(yīng)人類抽象邏輯思維的需要。深入研究認(rèn)知過程的信息處理和基于人類感知與認(rèn)知機(jī)理的智能化信息處理將對(duì)整個(gè)自然科學(xué)和技術(shù)科學(xué)產(chǎn)生深遠(yuǎn)和重大的影響。由于社會(huì)生產(chǎn)和實(shí)踐的需要,人們對(duì)認(rèn)知問題日益感興趣。腦科學(xué)、信息科學(xué)、計(jì)算神經(jīng)學(xué)和神經(jīng)生理學(xué)等學(xué)科的發(fā)展,使得認(rèn)知科學(xué)與信息科學(xué)相結(jié)合成為可能,形成了多學(xué)科交又研究的特點(diǎn)。基于認(rèn)知機(jī)理的智能信息處理在理論與方法上的突破,有可能帶動(dòng)未來信息科學(xué)突破性的發(fā)展。因此將認(rèn)知科學(xué)與信息科學(xué)領(lǐng)域密切結(jié)合,加強(qiáng)我國(guó)在這一交叉學(xué)科領(lǐng)域的基礎(chǔ)性、獨(dú)創(chuàng)性的研究,解決認(rèn)知科學(xué)和信息科學(xué)發(fā)展中重大基礎(chǔ)理論問題,形成智能信息處理技術(shù)的科學(xué)基礎(chǔ),帶動(dòng)我國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展中基礎(chǔ)技術(shù)科學(xué)乃至國(guó)家安全所涉及的智能信息處理關(guān)鍵技術(shù)的發(fā)展,并且為人類探索腦科學(xué)中的重大基礎(chǔ)理論問題做出貢獻(xiàn)都是非常迫切和必要的。
經(jīng)驗(yàn)主義和理性主義的模型與解釋在很大程度上影響著人類的認(rèn)知過程。因此,對(duì)于智能和機(jī)器的關(guān)系,應(yīng)該合理地發(fā)揮經(jīng)驗(yàn)的作用,從進(jìn)化的角度把智能活動(dòng)看成動(dòng)態(tài)發(fā)展的過程。智能理論所面對(duì)的課題一般具有“環(huán)境一問題一目的一求解”的形式,將聯(lián)結(jié)主義的神經(jīng)網(wǎng)絡(luò)理論、基于符號(hào)主義的專家系統(tǒng)理論和基于進(jìn)化論的人工生命這三大研究領(lǐng)域有機(jī)地結(jié)合起來,有可能實(shí)現(xiàn)一類新型人工智能系統(tǒng)和智能化信息處理方法。
新一代媒體(next media)和以計(jì)算機(jī)網(wǎng)絡(luò)為基礎(chǔ)的智能化通訊(intelligent communication)系統(tǒng)的研究與應(yīng)用將成為21世紀(jì)信息科學(xué)與技術(shù)領(lǐng)域劃時(shí)代的重要標(biāo)志。人的語言、表情、姿態(tài)等都將被機(jī)器所理解,并轉(zhuǎn)化成一系列指令,從而實(shí)現(xiàn)信息的獲取與轉(zhuǎn)送。隨著機(jī)器的語言、圖像等識(shí)別能力的提高,也會(huì)為信息系統(tǒng)提供新的安全技術(shù)。這些以自然語言和圖像的理解為基礎(chǔ)的認(rèn)知過程的信息處理理論與實(shí)現(xiàn)技術(shù)的研究已引起了許多國(guó)家的政府和科學(xué)家的廣泛關(guān)注。
近年來,國(guó)際信息科學(xué)界非常重視認(rèn)知科學(xué)與智能信息處理的研究,許多著名刊物紛紛出專輯探討基于感知、認(rèn)知的智能信號(hào)處理的理論和方法,比如:1997年Neural Networks雜志出專輯討論“意識(shí)與神經(jīng)網(wǎng)絡(luò)”;1997年IEEE電路與系統(tǒng)匯刊討論了非線性混沌理論、混沌信號(hào)處理與控制方法;1999年IEEE神經(jīng)網(wǎng)絡(luò)匯刊出專輯討論將神經(jīng)網(wǎng)絡(luò)模型、模糊推理和表示、概率推理等相結(jié)合的混合計(jì)算智能模型。特別是一批諾貝爾獎(jiǎng)獲得者(Circk F H, Eccles J C,Edelman G M,Josephson B D)和著名的人工智能創(chuàng)始人Minsky M,他們?cè)趶氖赂髯灶I(lǐng)域的研究的同時(shí),也都在探討意識(shí)和認(rèn)知問題。可見國(guó)際學(xué)術(shù)界對(duì)認(rèn)知科學(xué)與信息科學(xué)的結(jié)合和交叉,以及智能化信息處理新理論研究的重視,也表明認(rèn)知過程的信息處理和新型人工智能系統(tǒng)的研究和應(yīng)用正處于一個(gè)新的發(fā)展時(shí)期的開端。我國(guó)的學(xué)者近幾年也以極大的熱情關(guān)注和正在從事這一前沿科學(xué)的研究問題,并取得具有一定特色的研究成果,國(guó)家自然科學(xué)基金委員會(huì)給予了極大的重視。
二、認(rèn)知模型(信息融合)本身就可作為一種智能機(jī)器的原型
人類智能的發(fā)展經(jīng)歷著已有認(rèn)知結(jié)構(gòu)與不斷發(fā)展的認(rèn)知進(jìn)行交互并互為因果的超循環(huán)過程。研究表明,人類大腦皮層的結(jié)構(gòu)具備了復(fù)雜精確的分析與綜合的能力并適應(yīng)人類抽象邏輯思維的需要。人對(duì)外部世界的認(rèn)知過程,本質(zhì)上是一個(gè)多傳感信息的融合過程。人腦通過對(duì)多通道信息的相互監(jiān)督(self-supervision)完成學(xué)習(xí),從而獲得對(duì)外部事物的知識(shí);通過對(duì)多傳感信息的融合,實(shí)現(xiàn)對(duì)目標(biāo)的識(shí)別與理解;并可以根據(jù)已有知識(shí)對(duì)各傳感器實(shí)行控制。這種前饋和反饋過程的完美結(jié)合,使人腦具有極高的智能水平,即使在噪聲環(huán)境下或傳感信息不可靠時(shí),人腦也能有效地完成其智能活動(dòng)。這為構(gòu)造智能系統(tǒng)提供了完美的典范。認(rèn)知模型本身就可作為一種智能機(jī)器的原型,并能為新型的人工智能系統(tǒng)的設(shè)計(jì)提供新的科學(xué)依據(jù)和理論指導(dǎo)。
長(zhǎng)期以來,人們?cè)谛畔⑻幚碇械恼J(rèn)知模型和基于感知的智能化信息處理研究領(lǐng)域做了不少工作,取得了很大進(jìn)展,但其水平距人們所期望的還相差甚遠(yuǎn)。這主要是由于所使用的方法與人腦的認(rèn)知信息處理過程有著重大差別,如頻譜分析方法、統(tǒng)計(jì)學(xué)方法和句法分析以及傳統(tǒng)的人工智能方法等,不具有開放性、動(dòng)態(tài)性和靈活性等智能信息處理方法所應(yīng)有的特征,因而它們只在特殊的應(yīng)用領(lǐng)域內(nèi)取得有限的成功。
目前認(rèn)知科學(xué)所取得的成就主要集中在認(rèn)知心理學(xué)理論和認(rèn)知基本過程兩方面。在認(rèn)知心理學(xué)理論方面,將人腦看作類似于計(jì)算機(jī)的信息加工系統(tǒng),將心理過程看作是符號(hào)序列的信息加工過程,由此提出“物理符號(hào)系統(tǒng)”和“平行分布加工”的觀點(diǎn)。這兩種觀點(diǎn)極大地促進(jìn)了信息科學(xué)的計(jì)算理論的發(fā)展。認(rèn)知是由三個(gè)基本要素組成:記憶、注意和意識(shí)。關(guān)于“記憶”,Baddly和Tulving分別提出了“工作記憶”和“多重記憶系統(tǒng)”的思想;關(guān)于“注意”,Trasman提出了“特征綁定理論”;而關(guān)于“意識(shí)”,Baars提出了“整體工作空間理論(劇院模型)”。
認(rèn)知的載體是大腦,腦是一個(gè)復(fù)雜系統(tǒng)。腦的復(fù)雜性不僅表現(xiàn)在它是由大量的神經(jīng)元(約1000億個(gè)神經(jīng)元)組成,更重要的是神經(jīng)元間存在著異常復(fù)雜的聯(lián)系,這些聯(lián)系在方向上以多重前饋和反饋,在分布上以會(huì)聚和發(fā)散等多種形式,形成一個(gè)復(fù)雜的網(wǎng)絡(luò)—腦。另一方面,腦的整體結(jié)構(gòu)和功能也是復(fù)雜的。在結(jié)構(gòu)上有分子、亞細(xì)胞、細(xì)胞、核團(tuán)、系統(tǒng)等。而在功能上有不同層次、不同部位的神經(jīng)元功能存在著區(qū)別。如視覺系統(tǒng)中不同的神經(jīng)元,它們分別對(duì)由簡(jiǎn)單到愈來愈復(fù)雜的視覺圖像(如運(yùn)動(dòng)、邊緣、形狀、顏色和紋理等)產(chǎn)生刺激和反應(yīng),并在腦皮層由這些反應(yīng)得出外部世界的描述(圖1)。生物視覺系統(tǒng)中這些功能不同的細(xì)胞已在動(dòng)物中被揭示。而對(duì)人腦來說還可以有對(duì)不同抽象級(jí)別的概念響應(yīng)的細(xì)胞。人類具有完善的視覺系統(tǒng)可以在瞬息感知外部世界, 這是智能化視覺信息處理系統(tǒng)的一個(gè)典范,其物質(zhì)基礎(chǔ)就是人的完美的視覺器官和復(fù)雜而完善的以神經(jīng)元為基本組成單元的中樞神經(jīng)系統(tǒng)。
腦的基本功能即認(rèn)知的信息處理功能是對(duì)環(huán)境信息作合適的處理和存貯,并作出決策或反應(yīng)。而腦功能的實(shí)現(xiàn)依賴于多個(gè)腦區(qū)大量神經(jīng)元共同活動(dòng)和整合(iintelligent),即作為一個(gè)系統(tǒng)而發(fā)揮作用。例`如人腦與鼠腦在分子層次上是相當(dāng)一致的,但其高級(jí)功能有很大差別,這些差別是由于在神經(jīng)元以上層次的組織與聯(lián)系的差別造成的,即是屬于系統(tǒng)水平上的問題。因此,我們很難用分子生物學(xué)來解釋感知、記憶和思維等腦的高級(jí)功能。目前,盡管腦科學(xué)和腦功能成像的研究已有了很大的進(jìn)展,但要進(jìn)一步了解腦的多樣性和其信息處理的靈活性,揭示腦的性能和工作原理,我們?cè)诶碚摵蛯?shí)踐上仍然面臨著巨大的困難。
當(dāng)前的發(fā)展趨勢(shì)是將認(rèn)知科學(xué)、信息科學(xué)、神經(jīng)科學(xué)交叉,探索人類復(fù)雜認(rèn)知活動(dòng)的神經(jīng)和遺傳學(xué)基礎(chǔ),研究人類認(rèn)知過程的信息表達(dá)和整合,以及復(fù)雜社會(huì)和信息環(huán)境中的認(rèn)知問題,從而為新的計(jì)算理論、信息處理的認(rèn)知模型奠定科學(xué)基礎(chǔ)。
三、 正確認(rèn)識(shí)當(dāng)代腦研究中的方法學(xué)和理論
正確認(rèn)識(shí)當(dāng)代腦研究中的方法學(xué)和理論問題,對(duì)于認(rèn)知過程中的信息處理和新型人工智能系統(tǒng)的發(fā)展具有十分重要的理論和現(xiàn)實(shí)意義。
傳統(tǒng)的人工智能研究在類比人類智能活動(dòng)的研究中已取得一系列成果。80年代初,美國(guó)MIT的Marr教授結(jié)合圖像處理、心理物理學(xué)和神經(jīng)生理學(xué)的研究成果,從信息處理系統(tǒng)的角度提出了第一個(gè)較為完整的視覺系統(tǒng)框架理論。近20年來,人們對(duì)Marr基本理論框架中所提出的各個(gè)研究層次與視覺系統(tǒng)的三個(gè)不同階段(初級(jí)、中級(jí)和高級(jí))中的各種功能模塊進(jìn)行了大量的研究。盡管Marr的這一理論已被大量的實(shí)踐證明是不完善的,但在一些應(yīng)用的層次上還是被廣大的從事計(jì)算機(jī)視覺研究的學(xué)者們基本接受。
迄今為止,腦認(rèn)知功能研究的一些基本理論概括為以下要點(diǎn):(l)認(rèn)知功能與腦結(jié)構(gòu)間存在著定位關(guān)系,這已被腦功能成像的實(shí)驗(yàn)結(jié)果所證實(shí);(2)腦細(xì)胞精細(xì)分工,檢測(cè)外間世界的特征并以某種調(diào)頻式編碼表達(dá)這些特征;(3)對(duì)離散符號(hào)表征的信息加工由底至頂逐層進(jìn)行,在高層中樞內(nèi)實(shí)現(xiàn)著特征整合,大量特征的初期檢測(cè)是并行性的,而特征整合是串行的,從并行到串行的變換由選擇性注意機(jī)制加以控制;(4)腦與計(jì)算機(jī)異構(gòu)同功,盡管兩者的結(jié)構(gòu)及物質(zhì)基礎(chǔ)具有巨大的區(qū)別,但進(jìn)行智能活動(dòng)的符號(hào)處理過程是相似的,因此人類智能是可計(jì)算的;(5)認(rèn)知科學(xué)理論上可概括為物理符號(hào)論、亞符號(hào)論和模塊論。
近年來一些學(xué)者根據(jù)腦認(rèn)知功能研究的新進(jìn)展,對(duì)上述基本理論要點(diǎn)提出了不同的觀點(diǎn)。如Gibson的生態(tài)心理學(xué)理論。他認(rèn)為視覺認(rèn)知過程不是被動(dòng)地對(duì)環(huán)境的響應(yīng),而是一種主動(dòng)行為。人們?cè)诃h(huán)境信息的刺激下,通過眼動(dòng)、走動(dòng),改變觀察點(diǎn),從動(dòng)態(tài)的信息流中抽取不變性,在交互作用下產(chǎn)生知覺。這種觀點(diǎn)被應(yīng)用于近年來提出的主動(dòng)視覺系統(tǒng)中(如圖2)。生態(tài)理論或環(huán)境依存的認(rèn)知理論提出:人的認(rèn)知過程或智能并不是每個(gè)孤立個(gè)體腦內(nèi)發(fā)生的符號(hào)加工過程;它不僅制約于生物界系統(tǒng)演化和人類個(gè)體發(fā)育、發(fā)展,還制約于人類社會(huì)文明發(fā)展。因此人腦與計(jì)算機(jī)無論就其結(jié)構(gòu)還是功能過程而言都有巨大差別。對(duì)人類認(rèn)知活動(dòng)用現(xiàn)有的任何圖靈計(jì)算以及簡(jiǎn)單的并行分布處理都無法揭露其全部實(shí)質(zhì)。由此可見,生態(tài)理論強(qiáng)調(diào)人腦與電腦的本質(zhì)差異,對(duì)認(rèn)知科學(xué)理論發(fā)生了重大沖擊作用。
人腦是一個(gè)非完整信息處理系統(tǒng),這一特征在感知的層次上是非常明顯的。如視網(wǎng)膜上光感受器的分布式不均勻的。大部分光感受器位于中央黃斑區(qū),以黃斑區(qū)為中心,隨離心率的增長(zhǎng),光感受的分布密度迅速下降,呈現(xiàn)出一種形狀擴(kuò)散的格式(如圖a3所示,Y. Zeevi等)。同時(shí),對(duì)從視網(wǎng)膜到皮層的傳輸通路的研究也表明,視網(wǎng)膜是以一種拓?fù)浞绞酵队暗揭曈X皮層的,即特定的皮層區(qū)僅有其特定的感受野。皮層相當(dāng)大的區(qū)域與中央視覺皮層有關(guān)。從圖3a中可以清楚的看到以下特點(diǎn):(l)視網(wǎng)膜中央凹的黃斑區(qū)內(nèi)錐體細(xì)胞密度最大,有最高的光采樣密度;(2)隨著離心率的增大,錐體細(xì)胞分布密度降低,對(duì)形狀和顏色的視覺信息處理能力也隨之降低。以上說明了高等動(dòng)物的視覺感知采樣是非均勻的,形成一個(gè)非完整信息處理系統(tǒng)。圖3b給出了應(yīng)用小波變換實(shí)現(xiàn)的非均勻采樣,這種采樣方法使初期視覺計(jì)算模型更符合生物視覺機(jī)理,可真實(shí)模擬生物視網(wǎng)膜對(duì)視覺信息非均勻采樣及生物視覺系統(tǒng)所具有選擇注意能力的特征,能進(jìn)一步降低視覺計(jì)算復(fù)雜度。這種方法是建立在對(duì)生物視覺的實(shí)驗(yàn)和觀察的基礎(chǔ)之上的。
事實(shí)上,人類的許多科學(xué)成就都來自對(duì)自然界中相應(yīng)事物的觀察和深人研究,例如人類研究了鳥類的飛行從而發(fā)明了飛機(jī)。同樣,對(duì)信息的加工處理自然界也給我們提供了一個(gè)非常完美的范例—人腦。因而智能信息處理系統(tǒng)的研究離不開對(duì)大腦認(rèn)知功能深人全面的研究。自從人工智能形成一個(gè)學(xué)科以來,科學(xué)家們遵循著一條明確的指導(dǎo)思想,即研究和總結(jié)人類思維的普遍規(guī)律,并用計(jì)算機(jī)模擬它的實(shí)現(xiàn)。正如飛機(jī)并不是簡(jiǎn)單模擬鳥而發(fā)明的,因此智能信息處理系統(tǒng)的研究也不應(yīng)該機(jī)械照搬人腦認(rèn)知模式。
人腦對(duì)單一傳感信息的處理也表現(xiàn)出獨(dú)特的性能。例如,在視覺信息處理中,人可以根據(jù)一些抽象描述(概念化符號(hào))結(jié)合已有知識(shí),經(jīng)邏輯推理自頂向下準(zhǔn)確地把握外部事物,這種通過對(duì)事物特征信息的整合來感知事物的綁定(bingding)機(jī)制,使人可以有選擇地處理視覺信息。大腦在處理視覺信息的過程中,表現(xiàn)出高度的并行性(雖然這與通常意義的并行可能有很大的不同),可以有效地劃分視覺任務(wù),通過對(duì)局部信息的時(shí)一空整合(感舜野逐級(jí)綜合)實(shí)現(xiàn)視覺感知,這是一個(gè)自底向上的過程,該過程具有明顯的多尺度(scaling)特征。同時(shí),串行計(jì)算在局部特征整合和邏輯推理中也起著重要的作用。大腦的選擇性注意機(jī)制使視覺系統(tǒng)只注意景物中感興趣的視覺激勵(lì)而淡化背景,同時(shí)對(duì)一系列場(chǎng)景的變化也僅關(guān)注場(chǎng)景中的目標(biāo)。人類認(rèn)知的自底向上和自頂而下的閉環(huán)多層反饋式信息處理機(jī)制(如圖4所示)和多傳感信息的融合,并行與串行的相互交織,保證了大腦能高效準(zhǔn)確地感知外部世界。
目前人對(duì)其自身智能活動(dòng)的認(rèn)識(shí)還處在較低的水平上,但隨著神經(jīng)生物學(xué)和神經(jīng)生理學(xué)研究的不斷深人,正逐步揭示出可供機(jī)器智能研究借鑒的物質(zhì)結(jié)構(gòu)和信息處理機(jī)制。人的視覺、聽覺、觸覺等感覺器官分別接收外部世界的不同信息,這些信息經(jīng)大腦處理后,獲得對(duì)場(chǎng)景的理解。不同的感覺系統(tǒng)分別敏感于不同的信息,如視覺系統(tǒng)對(duì)景物或目標(biāo)的空間位置、空一時(shí)對(duì)比度、形狀和顏色等敏感,聽覺則對(duì)信號(hào)的頻率敏感,而觸覺對(duì)物質(zhì)或物體的材質(zhì)和表面結(jié)構(gòu)敏感,這些信息又在認(rèn)知過程中相互印證(監(jiān)督)。研究在智能機(jī)器系統(tǒng)中如何進(jìn)行多傳感信息的處理與融合是當(dāng)前智能信息處理中所面臨的非常重要的課題。
大腦的思維能對(duì)信息進(jìn)行創(chuàng)造性的加工,產(chǎn)生出人類的新信息、新知識(shí)。人的認(rèn)知是從具體到抽象,從簡(jiǎn)單到復(fù)雜,從低級(jí)到高級(jí)的發(fā)展過程。這對(duì)探討利用機(jī)器從浩瀚雜亂的網(wǎng)絡(luò)環(huán)境中挖掘所需要的知識(shí)具有重要的借鑒意義。
四、重要的基礎(chǔ)研究?jī)?nèi)容
1.復(fù)雜系統(tǒng)和信息環(huán)境中認(rèn)知模型和行為控制
在真實(shí)的復(fù)雜背景下,對(duì)認(rèn)知過程進(jìn)行整體、系統(tǒng)研究。根據(jù)人的認(rèn)知所依賴的物質(zhì)基礎(chǔ),建造類似的網(wǎng)絡(luò)模型已成為研究者所追求的目標(biāo)。網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和系統(tǒng)規(guī)模都會(huì)直接制約其信息處理能力,如何實(shí)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的自動(dòng)生長(zhǎng),建造適度規(guī)模的多模塊系統(tǒng)是首先要解決的問題。要解決的另一個(gè)問題是如何控制各功能模塊間的信息通訊和整合,使整個(gè)系統(tǒng)協(xié)調(diào)一致地工作。在復(fù)雜工業(yè)系統(tǒng)的故障快速處理、系統(tǒng)重構(gòu)和修復(fù),復(fù)雜環(huán)境中仿人機(jī)器人的設(shè)計(jì)和制造,社會(huì)系統(tǒng)中重大事變(戰(zhàn)爭(zhēng)、自然災(zāi)害、金融危機(jī)等)的應(yīng)急指揮和組織系統(tǒng)等都存在著如何適應(yīng)外部世界不確定性的動(dòng)態(tài)變化的問題。應(yīng)用傳統(tǒng)的人工智能方法解決這類問題遇到了無法逾越的障礙。而人類的行為特征,充分反映了對(duì)外界環(huán)境的反應(yīng)和自適應(yīng)能力。研究基于人類行為特征的信息處理原理和方法,即研究系統(tǒng)在不確定性動(dòng)態(tài)環(huán)境中的反應(yīng)能力和對(duì)外界事物充分感知的能力。
(1)行為控制
復(fù)雜系統(tǒng)的自動(dòng)運(yùn)行需要有效的控制機(jī)制來保證。基于傳統(tǒng)人工智能方法的控制策略已不能適應(yīng)真正意義的自動(dòng)系統(tǒng)。關(guān)于集感覺、認(rèn)知和操作能力于一體的類人機(jī)器人(humanoid robots)的研究在國(guó)際上已受到了廣泛的關(guān)注。這樣的系統(tǒng)可以采用人機(jī)對(duì)話的方式接受任務(wù),人的語言、手勢(shì)、面部表情等都可以被機(jī)器所理解,并把它們轉(zhuǎn)化為一系列控制指令。系統(tǒng)與人和環(huán)境的交互將成為該領(lǐng)域發(fā)展的突破口。人的肢體運(yùn)動(dòng)控制所依賴的認(rèn)知基礎(chǔ)的研究也對(duì)建造自治系統(tǒng)有重要的參考價(jià)值。
(2)適應(yīng)性行為機(jī)制與超維數(shù)學(xué)習(xí)
用于信息處理的適應(yīng)性行為機(jī)制與超維數(shù)學(xué)習(xí)(trans-dimensional leaning)算法的研究是當(dāng)前人工智能學(xué)科正在形成的一個(gè)新的分支。在利用神經(jīng)網(wǎng)絡(luò)完成某種模式識(shí)別任務(wù)時(shí),往往需要確定究竟哪種網(wǎng)絡(luò)結(jié)構(gòu)最適合于給定的模式識(shí)別問題,同時(shí)還需要給出網(wǎng)絡(luò)的最小結(jié)構(gòu)。此外,對(duì)于自治模式識(shí)別算法來說自身必須具備如何表示知識(shí)、如何學(xué)習(xí)新的知識(shí)的能力,而不需要人為干預(yù)。
(3)自然語言加工的腦機(jī)制
人類學(xué)習(xí)語言的能力或辨認(rèn)他人面孔的能力是人腦的一種高級(jí)認(rèn)知功能。人腦中一定存在著一套極其復(fù)雜的普遍語法規(guī)則,它以某種方式內(nèi)化于人的大腦中,構(gòu)成了人類認(rèn)知能力的基礎(chǔ)。創(chuàng)造和使用自然語言是人類高度智能的表現(xiàn),對(duì)自然語言理解的研究有助于探索人類智能的奧秘和認(rèn)識(shí)大腦思維的本質(zhì)。
(4)逆問題—病態(tài)問題求解
人腦通過感覺器官感知外部世界,獲取相應(yīng)的知識(shí);又根據(jù)有限的知識(shí),經(jīng)分析、判斷、決策等思維活動(dòng)進(jìn)一步指導(dǎo)其感知過程。僅根據(jù)有限的知識(shí)去推知客觀實(shí)在,實(shí)際上是一個(gè)病態(tài)問題。人可以根據(jù)其所處環(huán)境中的其它外部信息(約束條件)或啟發(fā)獲得問題的完滿解答。在機(jī)器智能研究中經(jīng)常遇到的數(shù)據(jù)恢復(fù)、模式識(shí)別等問題都是病態(tài)問題。尋求基于知識(shí)的逆問題求解算法將推動(dòng)智能化信息處理理論與實(shí)現(xiàn)技術(shù)的研究。
(5)信息環(huán)境的生態(tài)問題
隨著因特網(wǎng)的普及,數(shù)字媒體的版權(quán)保護(hù)成為一個(gè)迫切需要解決的問題。另外,有用和無用信息的指數(shù)級(jí)增長(zhǎng),人們對(duì)多媒體數(shù)據(jù)的檢索、存儲(chǔ)、加工等提出了更高的要求。通過知覺和學(xué)習(xí)功能來編寫智能化軟件;按需求獲取散布于全球互聯(lián)網(wǎng)的多媒體信息;通過視覺、聽覺,自我判斷外界情況,交互進(jìn)行信息處理,理解信息內(nèi)容;自動(dòng)清除諸如網(wǎng)絡(luò)上的有害信息;信息隱含,基于知識(shí)的圖像理解,自然語言理解,通過自動(dòng)學(xué)習(xí)并毫無矛盾地整理知識(shí)庫的基礎(chǔ)理論等。
2.認(rèn)知過程中的交互行為與選擇注意機(jī)制
人類感知的經(jīng)驗(yàn)表明:人具有從復(fù)雜環(huán)境中搜索特定目標(biāo),并對(duì)目標(biāo)信息進(jìn)行有選擇處理的能力。這種搜索與選擇的過程被稱為注意力集中(focus attention)。在信息爆炸的時(shí)代,快捷有效地獲取所需的信息是人類所面臨的一大難題。如何將人的感知覺系統(tǒng)所具有的環(huán)境聚焦(enviroment focus)和自聚焦(self-focus)機(jī)制應(yīng)用于多模塊系統(tǒng)的學(xué)習(xí),根據(jù)處理任務(wù)確定注意網(wǎng)絡(luò)的輸人,使整個(gè)系統(tǒng)在注意子系統(tǒng)的控制之下有效地完成信息處理任務(wù),有可能為上述問題的解決提供新的途徑。
在主動(dòng)計(jì)算機(jī)視覺中,選擇注意可分為兩個(gè)層次:由數(shù)據(jù)驅(qū)動(dòng)、自底向上的獨(dú)立于內(nèi)容和語義的低級(jí)視覺注意;由知識(shí)驅(qū)動(dòng)、自頂向下的基于內(nèi)容和語義的高級(jí)視覺注意。對(duì)于基于純數(shù)據(jù)驅(qū)動(dòng)的視覺注意,感興趣區(qū)域的選擇與邊緣、角度、曲率、對(duì)稱性等特征的提取和整合有關(guān);而基于內(nèi)容語義的高級(jí)視覺注意則與視覺任務(wù)、物體和環(huán)境的知識(shí)有關(guān),并且與模式識(shí)別和匹配密不可分,高級(jí)注意建立在低級(jí)注意的基礎(chǔ)上并對(duì)低級(jí)注意具有反饋?zhàn)饔?。然而以往的一些相關(guān)人工視覺研究主要都集中在低級(jí)視覺注意上,而在高級(jí)視覺注意以及低級(jí)注意與高級(jí)注意的互動(dòng)方面所做的研究工作甚少。視覺注意機(jī)制應(yīng)建立在高級(jí)注意和低級(jí)注意交互的基礎(chǔ)上,從自底向上和自頂向下兩個(gè)方向同時(shí)實(shí)現(xiàn)視覺注意。一些基礎(chǔ)的研究問題有:選擇與注意力集中機(jī)制;視覺皮層的反饋機(jī)制;感受野與非線性視覺處理等。
交互行為理論是這樣看待視覺問題的:首先視覺不是孤立地起作用,而是復(fù)雜的行為系統(tǒng)的一部分;其次,視覺計(jì)算是動(dòng)態(tài)的,通常并不需要一次將所有的問題都計(jì)算清楚,而是對(duì)所需要的信息加以計(jì)算;第三,視覺計(jì)算應(yīng)該是自適應(yīng)的,視覺系統(tǒng)的特性應(yīng)該隨著與外界的交互而變化。因此,交互行為理論認(rèn)為,視覺計(jì)算是外界環(huán)境和視覺感知器共同作用的結(jié)果,兩者缺一不可。一旦行為被認(rèn)為是視覺計(jì)算的基本要素,通常表示就顯得不重要了,有了行為的參與,一些計(jì)算問題如光流、表面方向和深度的計(jì)算通過行為假設(shè)就成為受約束的而變得易于解決。
初級(jí)視覺中的全局和局部感知同樣存在著交互行為。生物視覺感知中一個(gè)富有爭(zhēng)議而尚無定論的重要問題是:生物對(duì)外部世界的感知過程中,全局性結(jié)構(gòu)的感知先于局部性結(jié)構(gòu)的感知還是反之。認(rèn)為全局先于局部的研究者們以大量的紋理感知實(shí)驗(yàn)為例,例如當(dāng)我們觀察圖5(a)時(shí),首先感覺到的是在大面積的紋理背景上有一塊“補(bǔ)丁”,而不是局部紋理本身,視覺處理中由粗到細(xì)的多分辨率分析也反映了這一觀點(diǎn);而認(rèn)為局部感知優(yōu)先于全局感知的視覺研究者認(rèn)為,視覺感知從局部區(qū)域的特征提取開始,對(duì)它們的分析合成最終獲得全局特征圖,Marr視覺計(jì)算理論的2.5維要素圖的構(gòu)造框架反映了這一觀點(diǎn)。Treisman的特征整合理論也體現(xiàn)了這一思想。全局性和局部性實(shí)質(zhì)反映了尺度的大小,由于上述兩種觀點(diǎn)都有成功的仿生實(shí)驗(yàn)。正如Gestalt學(xué)派認(rèn)為的那樣,整體制約著部分的性質(zhì)和意義,部分因整體的影響而變得準(zhǔn)確。因此我們有理由認(rèn)為,全局性和局部性感知是互動(dòng)的,小尺度和大尺度感知是并行的、相互作用的。另一方面,生物視覺具有小范圍競(jìng)爭(zhēng)、大范圍協(xié)作的特點(diǎn),例如觀察圖5(b)時(shí),局部競(jìng)爭(zhēng)將使∩和∪區(qū)分開,而大范圍協(xié)作將使“T”形從背景中提取出來。生理學(xué)的研究發(fā)現(xiàn),在貓和猴的視覺皮層中,簡(jiǎn)單細(xì)胞的感受野具有一個(gè)中央正瓣,兩邊是兩個(gè)較小的負(fù)瓣,而再往兩邊是兩個(gè)更小的正瓣,圖5(c)是用三個(gè)不同尺度但具有相同形狀的2D高斯濾波器的疊加而成的競(jìng)爭(zhēng)協(xié)作濾波器的響應(yīng)曲面。這種競(jìng)爭(zhēng)協(xié)作機(jī)制結(jié)構(gòu)體現(xiàn)了不同尺度之間的相互作用。也恰好說明了小范圍竟?fàn)幣c大范圍協(xié)作。Grossberg的知覺組織理論認(rèn)為小范圍競(jìng)爭(zhēng)和大范圍協(xié)作是神經(jīng)計(jì)算的重要原理。小范圍競(jìng)爭(zhēng)包括兩種情形:相鄰位置、相同定向神經(jīng)細(xì)胞之間的競(jìng)爭(zhēng),以及同一位置、不同定向神經(jīng)細(xì)胞之間的競(jìng)爭(zhēng),信號(hào)在經(jīng)過小范圍競(jìng)爭(zhēng)處理的同時(shí),要輸人到一個(gè)空間大范圍的協(xié)作過程中,通過協(xié)作產(chǎn)生全局性感知,例如形成物體的完整邊界、形狀等。
3.分布式認(rèn)知(distribute cognition)
分布式認(rèn)知的概念源于現(xiàn)場(chǎng)認(rèn)知(situated cognition)和信息加工理論(information-processing theory),它的核心思想是:人腦認(rèn)知系統(tǒng)的加工和表征一直延續(xù)到外部世界中的加工和表征,這是與環(huán)境交互的過程。Malsburg曾從理論角度推測(cè)分布在腦內(nèi)不同部位的神經(jīng)元之間的聯(lián)系可能建立在同步振蕩的方式上。感覺通道(特別是視覺通道)中對(duì)同一物體的不同特征敏感的神經(jīng)元,可能通過低頻的同步振蕩把它們整合(綁定)起來,形成一個(gè)完整的物體概念。同樣,在信息處理中,我們經(jīng)常面臨的問題是:已知具有不同屬性的特征信息,這些信息怎樣被組合或整合去生成一個(gè)統(tǒng)一場(chǎng)景的感知經(jīng)驗(yàn)?各個(gè)信息傳感系統(tǒng)提供的目標(biāo)特征具有各自結(jié)構(gòu)的獨(dú)立性,如何從分布式表示的特征集中提取關(guān)于目標(biāo)知識(shí),并形成高層語義來正確解釋目標(biāo)正是一個(gè)有效的智能信息處理系統(tǒng)應(yīng)具備的能力。研究這種綁定機(jī)制還要解決的另一問題是:如果給出了一個(gè)目標(biāo)的描述,是否可能有另一個(gè)目標(biāo)也符合這些描述?對(duì)于上述問題,特別是要解決敏感于內(nèi)容的多模式(圖像、聲音等)特征的表示與綁定問題,我們無法利用傳統(tǒng)的模式識(shí)別理論中的距離測(cè)度來解決。必須提出有別于傳統(tǒng)分析方法的模式識(shí)別理論。
(l)特征綁定與信息融合
在視覺感知理解中,組合通常在空間上或時(shí)間上發(fā)生。因此,有兩種可能方法把信息組合在一起:一種方法是各個(gè)信道的信息在視覺系統(tǒng)的某個(gè)位置上被組合在一起;另一種方法是考慮信息在時(shí)間上的綁定。實(shí)際上,在信息處理中,“綁定”有兩層意思,一方面信息怎樣被“綁定”,另一方面是信息處理的方法如何“綁定”?；谏镉?jì)量學(xué)(ibometircs)的身份認(rèn)證系統(tǒng)的研究就是一種有益的嘗試。在這種系統(tǒng)中,人臉、聲音、虹膜、指紋等數(shù)據(jù)通過不同的傳感器進(jìn)行記錄,經(jīng)處理后進(jìn)行融合來實(shí)現(xiàn)身份的建立和認(rèn)證。
(2)信息編碼方法
人類及其他生物適應(yīng)環(huán)境生存與發(fā)展依賴于生命的遺傳信息編碼、存儲(chǔ)和傳輸。尋求基于生物特征的信息編碼、存儲(chǔ)和傳輸理論與方法,探尋基于非線性機(jī)制和生物特征的信息編碼、復(fù)制和解碼規(guī)則,信息壓縮和增擴(kuò)的非線性本質(zhì),具有十分重大的理論價(jià)值和工程應(yīng)用前景,甚至有可能對(duì)信息科學(xué)帶來革命性的貢獻(xiàn)。神經(jīng)放電節(jié)律、基因表達(dá)順序和演化、經(jīng)絡(luò)映射表現(xiàn)了生物信息的編碼的完美過程,完整地包含了生物活動(dòng)高度復(fù)雜的信息與非線性。揭示這種信息編碼機(jī)制和編碼結(jié)果與生物活動(dòng)特征間的對(duì)應(yīng)關(guān)系,是長(zhǎng)遠(yuǎn)而重大的科學(xué)任務(wù)。其中結(jié)合非線性科學(xué)最新成就,揭示基于生物特征的信息編碼的非線性機(jī)制和信息編碼結(jié)果與生物非線性行為之間的聯(lián)系是重要的一步,它將更能如實(shí)、有效地進(jìn)行智能化信息處理。
4.學(xué)習(xí)和記憶的神經(jīng)生理機(jī)制與信息處理模型
所謂學(xué)習(xí)就是對(duì)經(jīng)驗(yàn)作出反應(yīng)而改變行為的能力,而記憶則是把學(xué)習(xí)所得的信息加以存儲(chǔ)的能力。兩者之間既有區(qū)別,又有關(guān)聯(lián)。無論是從巴甫洛夫的兩種信號(hào)系統(tǒng)學(xué)說,還是從對(duì)學(xué)習(xí)、記憶的解剖結(jié)構(gòu)、通路的實(shí)驗(yàn)研究來看,腦中確實(shí)存在幾個(gè)重要的部位與學(xué)習(xí)和記憶有著密切的關(guān)系。這些研究成果對(duì)具有學(xué)習(xí)功能的人工神經(jīng)網(wǎng)絡(luò)特別有啟示。
從環(huán)境中學(xué)習(xí),并通過學(xué)習(xí)來改善性能是人工神經(jīng)網(wǎng)絡(luò)的主要性質(zhì)。簡(jiǎn)單地說,學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)的自由參數(shù)由于網(wǎng)絡(luò)所處的環(huán)境(網(wǎng)絡(luò)的輸人)的刺激而被調(diào)整的過程。參數(shù)改變的方式來確定學(xué)習(xí)的形式。因此,“學(xué)習(xí)算法”就是一個(gè)事先定義好的用于學(xué)習(xí)問題解的規(guī)則集。對(duì)于學(xué)習(xí)和記憶的人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)不存在唯一的學(xué)習(xí)算法。收斂速度和全局收斂能力是衡量各種學(xué)習(xí)算法的兩個(gè)主要數(shù)學(xué)指標(biāo)。大多學(xué)習(xí)算法的研究都是圍繞這兩點(diǎn)進(jìn)行的。
(1)學(xué)習(xí)
無監(jiān)督學(xué)習(xí)理論和算法:自組織網(wǎng)絡(luò)學(xué)習(xí)的Bayesian方法,無監(jiān)督學(xué)習(xí)的變分原理,主動(dòng)學(xué)習(xí)和側(cè)抑制競(jìng)爭(zhēng)機(jī)制,矢量量化的地形結(jié)構(gòu),自編碼機(jī)等。
隨機(jī)學(xué)習(xí)理論:模擬退火算法,確定性退火算法,Boltzmann機(jī),Belief機(jī),Helmholtz機(jī),均值場(chǎng)理論。
學(xué)習(xí)的信息論模型:獨(dú)立主元分析,獨(dú)立因子分析,自然梯度學(xué)習(xí)理論和信息幾何等。
統(tǒng)計(jì)學(xué)習(xí)理論:支撐向量機(jī),核學(xué)習(xí),稀疏逼近,正則化網(wǎng)絡(luò)等。
(2)聯(lián)想記憶
在人的神經(jīng)系統(tǒng)中,信息的傳遞與處理表現(xiàn)出很強(qiáng)的非線性特征。人的記憶與聯(lián)想活動(dòng)就是如此。人的記憶過程可大致分為三個(gè)階段:編碼(encdoing)、儲(chǔ)存(storage)和恢復(fù)(retrieval),這也正是機(jī)器進(jìn)行聯(lián)想記憶的主要步驟。借鑒生物信息的群體編碼機(jī)制,研究新型的模式編碼方法并將編碼結(jié)果儲(chǔ)存于具有生物學(xué)特性的非線性系統(tǒng)(神經(jīng)網(wǎng)絡(luò))之中,通過對(duì)非線性系統(tǒng)的控制實(shí)現(xiàn)自動(dòng)聯(lián)想,有可能開創(chuàng)新的模式識(shí)別理論。
(3)混沌神經(jīng)網(wǎng)絡(luò)與認(rèn)知過程中的聯(lián)想記憶機(jī)器模型
混沌可以體現(xiàn)人的一類感知現(xiàn)象或認(rèn)知過程,同時(shí)感知的混沌態(tài)充分反映了認(rèn)知過程的生物特征。因此,結(jié)合混沌理論構(gòu)造新的聯(lián)想記憶模型,模仿人的感知所依賴的生物學(xué)結(jié)構(gòu),有可能實(shí)現(xiàn)具有生物特征的模式信息處理。目前,已有不少學(xué)者討論具有復(fù)雜動(dòng)力學(xué)性質(zhì)的認(rèn)知模型。其中有些是研究非線性網(wǎng)絡(luò)中出現(xiàn)的分岔、混沌等現(xiàn)象;有些是利用混沌的偽隨機(jī)性;有些將混沌系統(tǒng)作為黑箱使用。然而這些都沒有利用混沌的豐富結(jié)構(gòu),不涉及它在信息處理中深刻的物理意義,缺少與人類的感知和認(rèn)知過程不確定性的聯(lián)系。利用混沌吸引子存儲(chǔ)模式或信息融合實(shí)現(xiàn)機(jī)器的自動(dòng)聯(lián)想記憶是個(gè)嶄新的學(xué)術(shù)思想,但其如何實(shí)現(xiàn)仍面臨著理論與實(shí)踐上的困難,如可計(jì)算性和計(jì)算復(fù)雜度。
5.認(rèn)知神經(jīng)科學(xué)與計(jì)算神經(jīng)科學(xué)
神經(jīng)系統(tǒng)內(nèi)的電信號(hào)和化學(xué)信號(hào)是怎樣被用來處理信息的,仍然是一直困擾人們的重大問題。用計(jì)算方法對(duì)神經(jīng)系統(tǒng)信息處理規(guī)律進(jìn)行探索,即計(jì)算神經(jīng)科學(xué)的方法,對(duì)闡明腦的工作原理具有十分深遠(yuǎn)的意義。
(l)意識(shí)與意念解讀
意識(shí)是腦的一種基本狀態(tài),它作為人腦執(zhí)行高級(jí)、復(fù)雜功能的基礎(chǔ),是我們進(jìn)行精神活動(dòng)或產(chǎn)生行為的前提。隨著PET、fMRI、EG和MEG等先進(jìn)的非創(chuàng)傷或非進(jìn)入人體儀器的發(fā)明,使得意識(shí)問題成為認(rèn)知神經(jīng)科學(xué)的前沿方向,由此為新的信息處理技術(shù)的提出奠定基礎(chǔ)和啟迪。如根據(jù)意念(intention),機(jī)器能判斷出人的需求進(jìn)而產(chǎn)生控制行為。
(2)計(jì)算神經(jīng)科學(xué)的核心是對(duì)神經(jīng)系統(tǒng)狀態(tài)作計(jì)算解釋。神經(jīng)系統(tǒng)的狀態(tài)代表了外部和內(nèi)在世界的事件及狀態(tài),計(jì)算神經(jīng)科學(xué)是把腦的這種狀態(tài)映射到求解一個(gè)計(jì)算問題的抽象算法攜帶信息的狀態(tài)。
腦認(rèn)知神經(jīng)科學(xué)和計(jì)算神經(jīng)科學(xué)的研究成果將為具有生物特征的視覺和聽覺信息處理方法奠定理論和實(shí)踐的基礎(chǔ)。
6.智能信息處理與軟計(jì)算方法
隨著基于圖靈機(jī)和Von Neumann體系概念的數(shù)字計(jì)算機(jī)出現(xiàn),以符號(hào)運(yùn)算推理的人工智能信息處理有了一定發(fā)展,包括智能儀器、自動(dòng)跟蹤監(jiān)測(cè)儀器系統(tǒng)、自動(dòng)控制與制導(dǎo)系統(tǒng)、自動(dòng)診斷系統(tǒng)等。在傳統(tǒng)人工智能系統(tǒng)中,它們具有模仿或代替與人的思維有關(guān)的功能,通過邏輯符號(hào)處理系統(tǒng)的推理規(guī)則來實(shí)現(xiàn)自動(dòng)診斷、問題求解以及專家系統(tǒng)的智能機(jī)器人。這體現(xiàn)了人類的邏輯思維方式,主要用串行工作程序按照一些規(guī)則一步一步進(jìn)行計(jì)算和操作。串行計(jì)算機(jī)能處理數(shù)字和符號(hào),它們至少在原理上被認(rèn)為是可以廣泛應(yīng)用的。然而,實(shí)際上它們是有一些局限性的,尤其當(dāng)用這類計(jì)算機(jī)完成某些特定任務(wù)時(shí),局限性就更加明顯。例如,在視覺方面,如果進(jìn)行實(shí)時(shí)處理,就需要處理數(shù)量相當(dāng)巨大的二進(jìn)數(shù)碼,即便我們使用現(xiàn)在最快的計(jì)算機(jī)也顯得太慢。這嚴(yán)重制約了信息處理系統(tǒng)的智能性和實(shí)時(shí)性,其發(fā)展速度已不太適應(yīng)社會(huì)信息量迅速增大的需求。然而很明顯,生物學(xué)已征服了這個(gè)問題。盡管神經(jīng)元的運(yùn)行速度是慢的,處理指令的時(shí)間約在毫秒級(jí),我們卻能在不到一秒鐘的時(shí)間內(nèi)識(shí)別出模式。這是因?yàn)槿四X是一個(gè)復(fù)雜的巨系統(tǒng),其信息處理的方式既不完全是并行的,也不完全是串行的,而是各種方式相互交織,使其具有極高的智能信息處理能力。因而促使人們從認(rèn)知的角度來關(guān)注新型智能信息處理系統(tǒng)的出現(xiàn)。
提高系統(tǒng)的智能度主要有兩種途徑:一是在基于古典精確邏輯的基礎(chǔ)上,通過增加并行度來加快系統(tǒng)的演化速度,從而提高系統(tǒng)的智能;二是開發(fā)新的高智能的邏輯形式。前者,主要是考慮計(jì)算速度,這同樣有兩種途徑:一方面在原有算法基礎(chǔ)上開發(fā)相應(yīng)的并行算法;另一方面是設(shè)計(jì)出更高效且具有高并行度的新型算法。后者,主要是從系統(tǒng)本身出發(fā)來提高它的智能度,其主要手段是通過對(duì)人或高等動(dòng)物以及自然界的研究,從中得到一些啟示,并應(yīng)用于新系統(tǒng)的設(shè)計(jì)中。因而人腦和大自然給了我們很好的啟示去解決信息處理的智能性和實(shí)時(shí)性問題。綜合智能信息處理將以神經(jīng)網(wǎng)絡(luò)并行分布處理和基于專家系統(tǒng)的人工智能符號(hào)邏輯推理為兩種重要的基本方式,并與模糊邏輯、進(jìn)化計(jì)算、混沌動(dòng)力學(xué)、信號(hào)處理與變換等方法綜合集成,如軟計(jì)算:神經(jīng)網(wǎng)絡(luò)、模糊邏輯和概率推理等;不確定性推理與自組織;仿生計(jì)算:進(jìn)化算法、模擬退火等。
研究智能模擬、人一機(jī)結(jié)合的信息處理,將傳統(tǒng)的認(rèn)知觀點(diǎn)即“物理符號(hào)系統(tǒng)假設(shè)”轉(zhuǎn)向以“與環(huán)境進(jìn)行交互”為基本點(diǎn)的現(xiàn)場(chǎng)認(rèn)知,深人研究知覺與選擇性注意機(jī)制的表述,研究學(xué)習(xí)和記憶過程的信息處理及整合。這些新的學(xué)術(shù)觀點(diǎn)將對(duì)信息科學(xué)與技術(shù)產(chǎn)生重大影響。目前將認(rèn)知科學(xué)與智能信息處理和新型人工智能系統(tǒng)研究的結(jié)合在國(guó)際上尚屬起步階段,正向“蓬勃發(fā)展”階段邁進(jìn)。要使我國(guó)的信息科學(xué)與技術(shù)在21世紀(jì)取得突破性的進(jìn)展,我們應(yīng)當(dāng)重視認(rèn)知科學(xué)與信息學(xué)科的交叉學(xué)科研究,抓住當(dāng)前息科學(xué)所面臨新的機(jī)遇和挑戰(zhàn),為未來信息科學(xué)的發(fā)展做出我們的貢獻(xiàn)。
來源：德先生
