下载文档原格式
与智能系统、机器视觉与图像处理等重要领域的应用基础理论及其工程应用进行了长期、系统的创新性研究，为中国模式识别与人工智能和图像处理学科及工程技术的发展作出了突出贡献。
在郑南宁看来，人工智能是一门综合性的前沿交叉学科，其发展与信息科学、认知科学、神经生物学、心理学、数学等学科深度融合，是引领许多领域产生颠覆性变革的使能技术，合理并有效地利用人工智能技术，意味着价值创造和竞争优势。
郑南宁对人工智能技术的发展曾这样谈到，40亿年以来，地球上的生命遵循着最基本的自然进化法则，缓慢地演化，然而，随着人工智能等科学技术的发展，人类的未来历史将会出现按照有机化学规则演变的生命和无机的智慧生命并存的形态，或者说人类有可能利用计算机和人工智能去设计生命。
目前，尽管我们无法描述人工智能技术在未EDUCATOR的问题却非常困难。
比如，一般三岁的孩子还不能下围棋，但机器人可以，但三岁的孩子能迅速从人群中认出自己的父母，而不需要经过大量标注的人脸数据集中训练。
人工智能研究的重要方向之一就是借鉴认知科学、计算神经科学的研究成果，使计算机通过直觉推理、经验学习将自身引导到更高层次。
人工智能使社会产业结构发生了很大的变化，正在逐渐取代一些传统岗位。
未来，针对人工智能将取代哪些职业，郑南宁回答了诸多人的这一“现实之问”。
他说，英国有一个网站对365类职业未来能否被人工智能淘汰做过一个分析，认为有十类职业不可能被人工智能替代或者是替代的概率非常小。
这十类职业是：教师、科学家、艺术家、心理咨询师、公关、律师与法官、医生、健身教练、警察、月嫂。
他归纳出这些职业的基本特质是交流。
沟通与交流促进了人与人之间的关系连接，也关系到人类情感的发展。
“人工智能给我们的社会带来革命性变化的同时，又引发出另外一个问题，就是社会伦理，所以人工智能必须要在人类的监督之下，或者说在人类的监督之下去构造一个可信。
数字技术领域新职业——人工智能与行业应用1根据SAE 美国汽车工程师学会对自动驾驶汽车的分级，其中完全自动化对应的是（）。
ALevel 1B Level 3C Level 5D Level 7您的答案：C 回答正确2（）年11月15日，科技部召开新一代人工智能发展规划启动会，会议宣布首批国家新一代人工智能开放创新平台名单。
A 2015B 2016C 2017D 2018您的答案：C 回答正确3DeepFace 模型在人脸识别领域中采用3D 对齐的方式，进行图片纹理化并提取对应的特征，然后对提取出的特征使用SVR 处理以提取出人脸及对应的六个基本点，最后根据六个基本点做仿射变化，再根据3D 模型得到对应的（）个面部关键占做三角划分最终得出对应3D 人脸。
A56B 67C 72D 81您的答案：B 回答正确4百度（）识别技术在国际评测2015-2016FDDB 与LFW 中获得世界第一，并入选2017MIT 全球十大突破技术。
A人脸B 图像C 语音D 视频您的答案：A 回答正确5深度学习算法中的深度神经网络（DNN）主要应用场景包括搜索排序和（）。
A图像识别B视频分析C自然语言处理D推荐排序您的答案：D回答正确6人工智能是指能够像人一样（）的程序或系统。
[多选题：10分]A感知B认知C决策D执行您的答案：ABCD回答正确7人工智能的核心技术支撑包括（）等。
[多选题：10分]A物联网B大数据C算法突破D超级计算能力试题解析您的答案：ABCD回答正确8人工智能语音交互的核心技术主要包括（）。
[多选题：10分]A语音识别B自然语言处理C语音合成您的答案：ABC回答正确9人脸识别的具体步骤主要包括（）等。
[多选题：10分]A人脸图像采集及检测B人脸图像预处理C人脸图像特征提取D人脸图像匹配与识别您的答案：ABCD回答正确10智能助理的应用领域主要包括（）等。
[多选题：10分]A酒店B家庭C商场D教育试题解析您的答案：ABCD回答正确11工业3.0是指基于自动化、数字化和网络化，实现制造活动的智能化。
人工智能课程收获人工智能课程收获人工智能学习心得今天是我学习人工智能的第一堂课，也是我上大学以来第一次接触人工智能这门课，通过老师的讲解，我对人工智能有了一些简单的感性认识，我知道了人工智能从诞生，发展到今天经历一个漫长的过程，许多人为此做出了不懈的努力。
我觉得这门课真的是一门富有挑战性的科学，而从事这项工作的人不仅要懂得计算机知识，还必须懂得心理学和哲学。
人工智能在很多领域得到了发展，在我们的日常生活和学习中发挥了重要的作用。
如：机器翻译，机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。
利用这些机器翻译系统我们可以很方便的完成一些语言翻译工作。
目前，国内的机器翻译软件有很多，富有代表性意义的当属“金山词霸”，它可以迅速的查询英文单词和词组句子翻译，重要的是它还可以提供发音功能，为用户提供了极大的方便。
通过这堂课，我明白了人工智能发展的历史和所处的地位，它始终处于计算机发展的最前沿。
我相信人工智能在不久的将来将会得到更深一步的实现，会创造出一个全新的人工智能世界。
第二篇、人工智能课程知识总结人工智能课程收获Agent：通过传感器感知所处环境并通过执行器对该环境产生作用的计算机程序及其控制的硬件。
感知信息：表示任意给定时刻Agent的感知输入/感知序列：该Agent 所收到的所有输入数据的完整历史Agent函数：把任意给定感知序列映射到Agent行动的描述/Agent程序：抽象的Agent函数的一个具体实现，该程序在Agent自身结构上运行。
性能度量：通常由理性设计者给出，根据实际在所处的环境中希望得到的结果来设计度量，而不是根据Agent应该表现的行为。
理性的判断取决于：性能度量、Agent对环境的先验知识、Agent可执行的行动、Agent到那时为止的感知序列。
理性Agent应该选择期望能使其性能度量最大化的行动。
任务环境的属性:完全可观察的vs部分可观察的；确定性的vs随机的；片段式的vs延续式的；静态的vs动态的；离散的vs连续的；单Agentvs多Agent。
《人工智能应用通俗指南》阅读笔记目录1. 内容综述 (2)1.1 人工智能的历史背景 (2)1.2 人工智能的基本概念 (3)1.3 本指南的目标和内容概述 (4)2. 人工智能的基础知识 (5)2.1 机器学习的基本原理 (7)2.1.1 监督学习 (8)2.1.2 无监督学习 (9)2.1.3 强化学习 (9)2.2 神经网络介绍 (10)2.2.1 人工神经网络的基本结构 (11)2.2.2 深度学习的发展历程 (12)2.2.3 神经网络的训练方法 (13)3. 人工智能技术应用 (14)3.1 计算机视觉 (15)3.1.1 图像识别技术 (16)3.1.2 视频分析技术 (17)3.2 自然语言处理 (19)3.2.1 语音识别技术 (19)3.2.2 机器翻译技术 (21)3.3 机器人技术 (22)3.3.1 机器人类型介绍 (23)3.3.2 机器人控制技术 (25)3.4 专家系统 (26)3.4.1 专家系统的原理 (26)3.4.2 专家系统的应用案例 (28)4. 人工智能的发展趋势 (29)4.1 人工智能的未来前景 (30)4.2 通用人工智能的挑战与机遇 (31)4.3 人工智能对社会的影响 (33)5. 结论与实践 (34)5.1 总结全文的主要观点 (35)5.2 人工智能应用实例分析 (36)5.3 尝试实践项目建议 (37)1. 内容综述《人工智能应用通俗指南》是一本旨在向广大读者普及人工智能基本概念、发展历程及其在实际生活中的广泛应用的书籍。
本书内容涵盖了从基础原理、关键技术到具体应用场景的多个方面。
在内容综述部分，我们首先从人工智能的历史发展脉络入手，解释了人工智能的概念和它的发展历程。
随后阐述了人工智能领域的几大关键技术，包括机器学习、深度学习、自然语言处理和计算机视觉等，并简要介绍了这些技术的基本原理和应用案例。
本书详述了人工智能在日常生活、医疗健康、教育、交通、金融等多个领域的具体应用，通过实际案例展示了人工智能技术对各行业产生的深远影响。
平行科学：大模型时代AI4S的前沿技术与框架体系目录一、内容概要 (2)1.1 平行科学的定义与发展历程 (3)1.2 大模型时代的来临 (4)1.3 AI4S技术的核心特点 (5)二、大模型时代的技术前沿 (6)2.1 深度学习技术 (8)2.2 神经网络模型的发展与应用 (9)2.3 自然语言处理技术的前沿进展 (10)三、AI4S框架体系构建 (11)3.1 AI框架的设计原则与架构概览 (13)3.2 AI模型的构建与优化方法 (14)3.3 AI系统的集成与协同工作技术 (16)四、平行科学在AI领域的应用实践 (17)4.1 平行科学在医疗健康领域的应用案例 (18)4.2 平行科学在交通出行领域的应用案例 (19)4.3 平行科学在其他领域的应用案例 (21)五、技术挑战与未来发展趋势 (22)5.1 当前面临的技术挑战与问题剖析 (23)5.2 未来发展趋势预测与前沿探索方向 (24)5.3 推动平行科学与AI融合的策略建议 (26)六、结论与展望 (27)6.1 研究成果总结与回顾 (28)6.2 未来研究方向与展望 (29)一、内容概要随着信息技术的飞速发展，人工智能（AI）已成为当今科技领域的核心驱动力。
大模型时代的来临，使得AI技术在各领域的渗透与应用愈加深入。
在此背景下，平行科学作为推动科学技术发展的重要力量，对于AI技术的发展与融合具有至关重要的作用。
本文将重点介绍平行科学在AI4S（即人工智能系统）领域的前沿技术及其框架体系。
本文将首先概述平行科学的概念及其在当前科技领域的重要性。
将详细介绍AI4S的前沿技术，包括深度学习、机器学习、自然语言处理等领域的最新发展。
在此基础上，本文将深入探讨大模型时代AI技术的特点及其对平行科学发展的影响。
本文将构建一个全面的AI4S框架体系，涵盖技术架构、应用框架、实践路径等方面，以期为读者提供一个清晰的指导方向。
本文将总结平行科学在AI领域的未来发展趋势及其潜在挑战，为相关领域的研究与实践提供参考。
人工智能发展的前沿趋势、治理挑战与应对策略目录一、内容简述 (2)1.1 人工智能概述 (3)1.2 发展历程与重要性 (3)二、人工智能发展的前沿趋势 (4)2.1 自主学习与泛化能力提升 (5)2.2 多模态交互与感知融合 (6)2.3 强人工智能与常识推理 (8)2.4 人工智能与人类智能的协同进化 (9)2.5 可解释性与透明度提升 (11)三、人工智能治理的挑战 (12)3.1 数据安全与隐私保护 (13)3.2 技术滥用与伦理困境 (14)3.3 职业就业与社会影响 (14)3.4 法律规制与政策协调 (16)3.5 国际合作与全球治理 (17)四、应对策略与建议 (19)4.1 制度建设与政策引导 (20)4.2 技术研发与应用创新 (22)4.3 公平性与普惠性发展 (23)4.4 国际交流与合作机制 (24)4.5 教育与人才培养 (25)五、结论与展望 (27)5.1 发展成果与挑战总结 (28)5.2 未来趋势与机遇预测 (29)5.3 深化研究与实践应用 (30)一、内容简述随着科技的飞速发展，人工智能（AI）已经逐渐渗透到我们生活的方方面面，从智能家居的语音助手到自动驾驶汽车，从医疗诊断的辅助系统到金融市场的智能分析，AI的身影无处不在。
随着AI技术的广泛应用和快速迭代，其带来的治理挑战也日益凸显。
人工智能的发展正呈现出自主学习能力的显著提升、算法模型的不断优化、数据处理能力的快速增长以及应用场景的广泛拓展等特点。
这些进步不仅推动了AI技术的广泛应用，也为各行各业带来了前所未有的机遇。
与此同时，AI技术也可能带来隐私泄露、数据安全、伦理道德、就业市场变动等一系列社会问题。
在治理方面，如何确保AI技术的健康发展，防止其滥用和误用，成为了摆在我们面前的一大挑战。
这需要政府、企业、学术界和社会各界共同努力，建立健全的法律法规体系、伦理规范和技术标准，确保AI技术在合法、合规的前提下健康发展。
无人驾驶车：何时驶入百姓家 2012年11月07日来源：中国科技网作者：付丽丽将新闻进行到底红灯、黄灯，随着交通灯变为绿色，一辆无人驾驶的深绿色越野车迅速启动，“启动时间3秒38，还是蛮快的。
”负责计时的裁判员感慨地说，路边观众不由鼓起掌来，这是记者近日在第四届“中国智能车未来挑战赛”赛场上看到的情景。
据了解，此次比赛有来自全国的１４支无人驾驶车队参加。
与前三届相比，今年比赛由城市道路和乡间道路组成，路况最为复杂，成绩也是最好的。
无人驾驶车，这个以前只会出现在电影里的交通工具，如今正在逐渐走进人们的生活。
那么无人驾驶究竟是如何实现的，我国无人驾驶与国外相比还存在哪些差距，何时真正走进寻常百姓生活？紧张的比赛间隙，记者与相关专家进行了细致交谈。
———技术———无人驾驶究竟如何实现？在比赛现场，记者发现大赛组织方特意设置了模拟行人通过的障碍，有的无人驾驶车辆停了下来，有的则减速巧妙地避过，这是如何实现的？大赛总指挥、中国工程院院士郑南宁介绍说，无人驾驶车是集视觉计算、模式识别和控制等众多技术于一体、具有人工智能功能的汽车。
它有车载麦克风、声波定位仪、红外线传感器、罗盘、激光扫描仪和微波雷达等多种传感器，这些装置相当于无人驾驶车辆的“眼耳”，用来感知车辆周围环境，并将感知所获得的道路、车辆位置、障碍物信息等，传输给无人驾驶车辆的“大脑”——安装在车辆内部的高性能计算机进行分析和计算，以控制车辆的转向和速度，从而使车辆在遵守交通规则的前提下能够安全、可靠地在道路上自主行驶。
在清华大学计算机科学与技术系教授孙富春看来，无人驾驶车的运动控制包括感知、动作、行为3个部分。
感知主要是通过车的“眼睛”认知周围环境，实现对环境的精确建模，如结构化环境中的车道线的检测、半结构环境中的边缘检测等；动作是指车的“大脑”在收到感知信息时作出的规划、控制与决策；而行为则是无人驾驶汽车在规划、控制与决策下产生的外在响应，体现了无人车的自主性能。
引言请输入过去的十年以深度学习为代表的人工智能技术深刻影响了人类社会。
但人类要进入真正意义上的智能时代，还需要更强大的智能技术。
而向人脑学习，借鉴人类大脑的智能产生机理被认为是一条非常值得期待的道路。
反过来，AI技术也在深刻改变着脑科学的研究方法。
在“观测脑”手段不断变革的基础上，AI 技术为脑科学提供了越来越强大的分析、展示和科学发现手段。
2020年4月25日，青创联盟发起的YOSIA Webinar线上学术研讨会特别推出了“AI+X”科学系列主题，首期主题为AI+脑科学，汇集脑科学家和AI技术专家，主要针对人工智能与脑科学的发展以及两者间的相互影响进行了分享。
主持嘉宾：山世光，未来论坛青年理事会轮值主席、中科院计算所研究员、博士生导师主讲嘉宾：唐华锦，浙江大学计算机学院教授吴华强，清华大学微纳电子系教授、副系主任胡晓林，清华大学计算机科学与技术系副教授讨论嘉宾：毕国强，中国科学技术大学神经生物学与生物物理学系主任、合肥微尺度物质科学国家研究中心集成影像中心联合主任毕彦超，未来论坛青年理事、北京师范大学认知神经科学与学习国家重点实验室、IDG/麦戈文脑科学研究所研究院教授、长江学者特聘教授吴思，北京大学信息科学技术学院长聘教授、IDG/麦戈文脑科学研究所研究员特别鸣谢报告编辑：刘千惠，浙江大学计算机科学与技术专业博士生邢东，浙江大学计算机科学与技术专业博士生（点击文末阅读原文观看视频回放）一.主题分享请输入01《神经形态计算机》——唐华锦报告将以神经形态计算机为中心介绍计算机与大脑的区别以及大脑对开发更加新型的智能计算机的启示；关于神经形态计算机的必要组成以及介绍大脑是如何完成计算任务的；目前算法的进展以及硬件设计方面的成果；对这个领域的总结和展望。
基于冯·诺依曼结构的传统计算架构已引领计算机科学技术的发展几十年。
但其运行效率受到了很多制约，例如I/O性能的制约，大量的数据读写会降低整体效率，凸显了冯·诺伊曼体系结构的瓶颈。
报告题目:类脑计算的问题与视觉认知报告人：郑南宁院士工作单位：西安交通大学摘要：大数据、远程自主系统和半自主系统的发展对计算能力和能效提出了更高要求，但集成电路芯片的性能将接近理论极限，使得基于冯·诺依曼结构的计算技术已无法满足需求；另外，深度学习方法虽在大规模图像分类、语音识别、人脸识别等领域取得惊人的进步，但深度网络模型与人类大脑相类比，存在巨大的局限性，深度网络只有“前馈”连接，缺乏逻辑推理和因果关系的表达能力、缺乏短时记忆和无监督学习能力，很难处理具有复杂时空关联性的任务。
这些问题促使我们去寻求新的计算模式。
而人类大脑有着自学习、联想、记忆和推理等功能，这些功能与其结构存在着对应关系，并且大脑的神经网络系统具有反馈机制，如视觉的“选择性注意”就来自于从高级“控制”脑区到初级视觉脑区的反馈信号。
类脑计算就是受上述脑功能和脑神经网络连接机制启发的一种计算架构，它以神经形态计算的模式来部分模拟大脑功能与其结构的对应关系和反馈连接，增强人工智能及其计算效率，而不是复制人类的大脑或简单地建造一种模拟神经元功能的芯片。
本报告围绕类脑计算(受脑启发的计算)的基本问题，结合作者研究团队的研究工作，介绍用于视觉认知信息处理和联想记忆模式识别的受脑启发的计算方法；讨论如何利用复杂的时空动态演化的网络系统来突破传统基于符号和概率的知识表达的局限性，实现用可塑的、动态的非线性关系网络来代替传统的基于定量数值的计算方法；以及可用于大规模神经网络计算的片上众核通信互联架构与软件支持环境的研究。
类脑计算是一场令人兴奋又感到望而生畏的艰难挑战，它的探索和形成需要严谨的理论、恰当的模型和深度的大脑数据分析，仅凭直觉我们无法做到对复杂、非线性的大脑功能有更深入的理解，也不可能真正实现面向实际问题求解的类脑计算。
个人简介：郑南宁，西安交通大学人工智能与机器人研究所教授、中国自动化学会理事长、中国认知科学学会创会副理事长、Member of the Governing Board of IAPR(国际模式识别协会)，IEEE fellow，中国工程院院士。
CAA 中科院院士郑南宁经典回顾认知过程的信息处理和新型人工智能系统认知过程的信息处理和新型人工智能系统摘要：本文对认知过程的信息处理进行了较为深入的讨论。
阐述了智能机器原型与认知模型的关系,讨论了新型人工智能系统的研究方法,提出了认知科学和信息科学交叉的若干重要基拙研究内容,并进一步提出用混沌吸引子实现联想记忆的思想和新型人工智能系统结构。
深入研究认知科学及其信息处理对发展我国21世纪的知识经济具有重大科学意义和应用前景。
一、引言知识创新是对未被人类认识的客观物质世界的正确描述,感知与认知的科学问题与之密切相关。
人脑是我们所知道的最有效的生物智能系统,它具有感知、识别、学习、联想、记忆、推理等功能。
研究人脑的这些功能并以机器来实现一直是科学发展中最有意义和极具挑战性的重大问题。
人类大脑皮层的结构具备了复杂精确的分析与综合的能力并适应人类抽象逻辑思维的需要。
深入研究认知过程的信息处理和基于人类感知与认知机理的智能化信息处理将对整个自然科学和技术科学产生深远和重大的影响。
由于社会生产和实践的需要,人们对认知问题日益感兴趣。
脑科学、信息科学、计算神经学和神经生理学等学科的发展,使得认知科学与信息科学相结合成为可能,形成了多学科交又研究的特点。
基于认知机理的智能信息处理在理论与方法上的突破,有可能带动未来信息科学突破性的发展。
因此将认知科学与信息科学领域密切结合,加强我国在这一交叉学科领域的基础性、独创性的研究,解决认知科学和信息科学发展中重大基础理论问题,形成智能信息处理技术的科学基础,带动我国经济与社会发展中基础技术科学乃至国家安全所涉及的智能信息处理关键技术的发展,并且为人类探索脑科学中的重大基础理论问题做出贡献都是非常迫切和必要的。
经验主义和理性主义的模型与解释在很大程度上影响着人类的认知过程。
因此,对于智能和机器的关系,应该合理地发挥经验的作用,从进化的角度把智能活动看成动态发展的过程。
智能理论所面对的课题一般具有“环境一问题一目的一求解”的形式,将联结主义的神经网络理论、基于符号主义的专家系统理论和基于进化论的人工生命这三大研究领域有机地结合起来,有可能实现一类新型人工智能系统和智能化信息处理方法。
新一代媒体(next media)和以计算机网络为基础的智能化通讯(intelligent communication)系统的研究与应用将成为21世纪信息科学与技术领域划时代的重要标志。
人的语言、表情、姿态等都将被机器所理解,并转化成一系列指令,从而实现信息的获取与转送。
随着机器的语言、图像等识别能力的提高,也会为信息系统提供新的安全技术。
这些以自然语言和图像的理解为基础的认知过程的信息处理理论与实现技术的研究已引起了许多国家的政府和科学家的广泛关注。
近年来,国际信息科学界非常重视认知科学与智能信息处理的研究,许多著名刊物纷纷出专辑探讨基于感知、认知的智能信号处理的理论和方法,比如:1997年Neural Networks杂志出专辑讨论“意识与神经网络”;1997年IEEE电路与系统汇刊讨论了非线性混沌理论、混沌信号处理与控制方法;1999年IEEE神经网络汇刊出专辑讨论将神经网络模型、模糊推理和表示、概率推理等相结合的混合计算智能模型。
特别是一批诺贝尔奖获得者(Circk F H, Eccles J C,Edelman GM,Josephson B D)和著名的人工智能创始人Minsky M,他们在从事各自领域的研究的同时,也都在探讨意识和认知问题。
可见国际学术界对认知科学与信息科学的结合和交叉,以及智能化信息处理新理论研究的重视,也表明认知过程的信息处理和新型人工智能系统的研究和应用正处于一个新的发展时期的开端。
我国的学者近几年也以极大的热情关注和正在从事这一前沿科学的研究问题,并取得具有一定特色的研究成果,国家自然科学基金委员会给予了极大的重视。
二、认知模型(信息融合)本身就可作为一种智能机器的原型人类智能的发展经历着已有认知结构与不断发展的认知进行交互并互为因果的超循环过程。
研究表明,人类大脑皮层的结构具备了复杂精确的分析与综合的能力并适应人类抽象逻辑思维的需要。
人对外部世界的认知过程,本质上是一个多传感信息的融合过程。
人脑通过对多通道信息的相互监督(self-supervision)完成学习,从而获得对外部事物的知识;通过对多传感信息的融合,实现对目标的识别与理解;并可以根据已有知识对各传感器实行控制。
这种前馈和反馈过程的完美结合,使人脑具有极高的智能水平,即使在噪声环境下或传感信息不可靠时,人脑也能有效地完成其智能活动。
这为构造智能系统提供了完美的典范。
认知模型本身就可作为一种智能机器的原型,并能为新型的人工智能系统的设计提供新的科学依据和理论指导。
长期以来,人们在信息处理中的认知模型和基于感知的智能化信息处理研究领域做了不少工作,取得了很大进展,但其水平距人们所期望的还相差甚远。
这主要是由于所使用的方法与人脑的认知信息处理过程有着重大差别,如频谱分析方法、统计学方法和句法分析以及传统的人工智能方法等,不具有开放性、动态性和灵活性等智能信息处理方法所应有的特征,因而它们只在特殊的应用领域内取得有限的成功。
目前认知科学所取得的成就主要集中在认知心理学理论和认知基本过程两方面。
在认知心理学理论方面,将人脑看作类似于计算机的信息加工系统,将心理过程看作是符号序列的信息加工过程,由此提出“物理符号系统”和“平行分布加工”的观点。
这两种观点极大地促进了信息科学的计算理论的发展。
认知是由三个基本要素组成:记忆、注意和意识。
关于“记忆”,Baddly和Tulving分别提出了“工作记忆”和“多重记忆系统”的思想;关于“注意”,Trasman提出了“特征绑定理论”;而关于“意识”,Baars提出了“整体工作空间理论(剧院模型)”。
认知的载体是大脑,脑是一个复杂系统。
脑的复杂性不仅表现在它是由大量的神经元(约1000亿个神经元)组成,更重要的是神经元间存在着异常复杂的联系,这些联系在方向上以多重前馈和反馈,在分布上以会聚和发散等多种形式,形成一个复杂的网络—脑。
另一方面,脑的整体结构和功能也是复杂的。
在结构上有分子、亚细胞、细胞、核团、系统等。
而在功能上有不同层次、不同部位的神经元功能存在着区别。
如视觉系统中不同的神经元,它们分别对由简单到愈来愈复杂的视觉图像(如运动、边缘、形状、颜色和纹理等)产生刺激和反应,并在脑皮层由这些反应得出外部世界的描述(图1)。
生物视觉系统中这些功能不同的细胞已在动物中被揭示。
而对人脑来说还可以有对不同抽象级别的概念响应的细胞。
人类具有完善的视觉系统可以在瞬息感知外部世界, 这是智能化视觉信息处理系统的一个典范,其物质基础就是人的完美的视觉器官和复杂而完善的以神经元为基本组成单元的中枢神经系统。
脑的基本功能即认知的信息处理功能是对环境信息作合适的处理和存贮,并作出决策或反应。
而脑功能的实现依赖于多个脑区大量神经元共同活动和整合(iintelligent),即作为一个系统而发挥作用。
例`如人脑与鼠脑在分子层次上是相当一致的,但其高级功能有很大差别,这些差别是由于在神经元以上层次的组织与联系的差别造成的,即是属于系统水平上的问题。
因此,我们很难用分子生物学来解释感知、记忆和思维等脑的高级功能。
目前,尽管脑科学和脑功能成像的研究已有了很大的进展,但要进一步了解脑的多样性和其信息处理的灵活性,揭示脑的性能和工作原理,我们在理论和实践上仍然面临着巨大的困难。
当前的发展趋势是将认知科学、信息科学、神经科学交叉,探索人类复杂认知活动的神经和遗传学基础,研究人类认知过程的信息表达和整合,以及复杂社会和信息环境中的认知问题,从而为新的计算理论、信息处理的认知模型奠定科学基础。
三、正确认识当代脑研究中的方法学和理论正确认识当代脑研究中的方法学和理论问题,对于认知过程中的信息处理和新型人工智能系统的发展具有十分重要的理论和现实意义。
传统的人工智能研究在类比人类智能活动的研究中已取得一系列成果。
80年代初,美国MIT的Marr教授结合图像处理、心理物理学和神经生理学的研究成果,从信息处理系统的角度提出了第一个较为完整的视觉系统框架理论。
近20年来,人们对Marr基本理论框架中所提出的各个研究层次与视觉系统的三个不同阶段(初级、中级和高级)中的各种功能模块进行了大量的研究。
尽管Marr的这一理论已被大量的实践证明是不完善的,但在一些应用的层次上还是被广大的从事计算机视觉研究的学者们基本接受。
迄今为止,脑认知功能研究的一些基本理论概括为以下要点:(l)认知功能与脑结构间存在着定位关系,这已被脑功能成像的实验结果所证实;(2)脑细胞精细分工,检测外间世界的特征并以某种调频式编码表达这些特征;(3)对离散符号表征的信息加工由底至顶逐层进行,在高层中枢内实现着特征整合,大量特征的初期检测是并行性的,而特征整合是串行的,从并行到串行的变换由选择性注意机制加以控制;(4)脑与计算机异构同功,尽管两者的结构及物质基础具有巨大的区别,但进行智能活动的符号处理过程是相似的,因此人类智能是可计算的;(5)认知科学理论上可概括为物理符号论、亚符号论和模块论。
近年来一些学者根据脑认知功能研究的新进展,对上述基本理论要点提出了不同的观点。
如Gibson的生态心理学理论。
他认为视觉认知过程不是被动地对环境的响应,而是一种主动行为。
人们在环境信息的刺激下,通过眼动、走动,改变观察点,从动态的信息流中抽取不变性,在交互作用下产生知觉。
这种观点被应用于近年来提出的主动视觉系统中(如图2)。
生态理论或环境依存的认知理论提出:人的认知过程或智能并不是每个孤立个体脑内发生的符号加工过程;它不仅制约于生物界系统演化和人类个体发育、发展,还制约于人类社会文明发展。
因此人脑与计算机无论就其结构还是功能过程而言都有巨大差别。
对人类认知活动用现有的任何图灵计算以及简单的并行分布处理都无法揭露其全部实质。
由此可见,生态理论强调人脑与电脑的本质差异,对认知科学理论发生了重大冲击作用。
人脑是一个非完整信息处理系统,这一特征在感知的层次上是非常明显的。
如视网膜上光感受器的分布式不均匀的。
大部分光感受器位于中央黄斑区,以黄斑区为中心,随离心率的增长,光感受的分布密度迅速下降,呈现出一种形状扩散的格式(如图a3所示,Y. Zeevi等)。
同时,对从视网膜到皮层的传输通路的研究也表明,视网膜是以一种拓扑方式投影到视觉皮层的,即特定的皮层区仅有其特定的感受野。
皮层相当大的区域与中央视觉皮层有关。
从图3a中可以清楚的看到以下特点:(l)视网膜中央凹的黄斑区内锥体细胞密度最大,有最高的光采样密度;(2)随着离心率的增大,锥体细胞分布密度降低,对形状和颜色的视觉信息处理能力也随之降低。
