人機(jī)智能融合人工智能發(fā)展的未來(lái)方向

《人機(jī)智能融合人工智能發(fā)展的未來(lái)方向》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、人機(jī)智能融合:人工智能發(fā)展的未來(lái)方向劉偉北京郵電大學(xué)自動(dòng)化學(xué)院摘要：本文首先探討Y現(xiàn)有人工智能科技的發(fā)展?fàn)顩r，分析丫聯(lián)結(jié)主義、行為主義、符號(hào)主義的缺點(diǎn)和不足，進(jìn)而指出約束智能科學(xué)發(fā)展的瓶頸所在;其次對(duì)智能科學(xué)系統(tǒng)中的數(shù)據(jù)/信息表征、認(rèn)知模型的構(gòu)建優(yōu)缺點(diǎn)進(jìn)行了概況分析;最后指出人機(jī)智能融合系統(tǒng)是未來(lái)智能科學(xué)的主要發(fā)展趨勢(shì)。關(guān)鍵詞：人機(jī);融合;智能;思考;作者簡(jiǎn)介：劉偉，北京郵電大學(xué)自動(dòng)化學(xué)院崗位教授、人機(jī)交互與認(rèn)知工程實(shí)驗(yàn)室主任。研宄方向?yàn)槿藱C(jī)交互、認(rèn)知工程、用戶體驗(yàn)、人機(jī)環(huán)境系統(tǒng)工程、分析哲學(xué)、未來(lái)態(tài)勢(shì)感知模式與行為分析/預(yù)測(cè)技術(shù)。主要著作有《人機(jī)交互設(shè)計(jì)與評(píng)價(jià)》等。Intel

2、ligentMan-machineFusion:TheFutureofArtificialIntelligenceLiuWeiAbstract：Thispaperfirstdiscussesthecurrentdevelopmentofartificialintelligencetechnology,analyzestheshortcomingsanddeficienciesofConnectionism,ActionismandSymbolism,andthenpointsoutthebottleneckconstrictingthedevelopmentofintellig

3、encescience.Secondly，itbrieflystudiestheadvantagesanddisadvantagesofthedata/informationrepresentationandcognitivemodelconstructionintheintelligentsciencesystem.Finally,itholdsthatintelligentman-machinefusionisthemaindevelopmenttrendoffutureintelligencescience.Keyword：Man-machine;fusion;intel

4、1igence;thinking;《三國(guó)演義》第一回即云：“話說(shuō)天下大勢(shì)，分久必合，合久必分?！弊匀豢茖W(xué)中的諸多學(xué)科之大勢(shì)也莫不如此。人類經(jīng)歷了數(shù)百年的學(xué)科精分細(xì)化，目前隨著人工智能的快速發(fā)展，許多學(xué)科正在慢慢交義融合起來(lái)。在經(jīng)歷了三次起伏（即上世紀(jì)70年代后期對(duì)數(shù)學(xué)定理證明非萬(wàn)能的清醒、90年代后期對(duì)專家系統(tǒng)與五代機(jī)的失望、2006年深度學(xué)習(xí)掀起了新一輪的浪潮）之后，人們狂熱的希望逐漸踏實(shí)Y很多，A光和注意力也慢慢地從癡迷科幻轉(zhuǎn)移到Y(jié)—個(gè)嶄新而又富有活力的領(lǐng)域:人機(jī)融合智能領(lǐng)域。現(xiàn)有人工智能的不足從歷史上看，人工智能大概分三大門派，一是以模仿大腦皮層神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接

5、機(jī)制與學(xué)習(xí)算法的聯(lián)結(jié)主義（Conncctionism）,主要表現(xiàn)為深度學(xué)習(xí)方法，即用多隱層的處理結(jié)構(gòu)處理各種大數(shù)據(jù);二是以模仿人或生物個(gè)體、群體控制行為功能及感知一動(dòng)作型控制系統(tǒng)的行為主義（Actionism）,主要表現(xiàn)為具有獎(jiǎng)懲控制機(jī)制的強(qiáng)化學(xué)習(xí)方法，即通過(guò)行為增強(qiáng)或減弱的反饋來(lái)實(shí)現(xiàn)輸出規(guī)劃的表征;三是以物理符號(hào)系統(tǒng)（即符號(hào)操作系統(tǒng)）具冇產(chǎn)生智能行為的充分必要條件假設(shè)（NewellandSimon,1976）和有限理性原理為代表的符號(hào)主義（Symbolicism），主要表現(xiàn)為知識(shí)閣譜應(yīng)用體系，即用模擬大腦的邏輯結(jié)構(gòu)來(lái)加工處理各種信息和知識(shí)。正是由于這三種人工智能派別的取長(zhǎng)補(bǔ)短

6、，再結(jié)合蒙特卡洛算法（兩種隨機(jī)算法中的一種，如果問(wèn)題要求在有限釆樣內(nèi)，必須給出一個(gè)解，但不要求是最優(yōu)解，那就要用蒙特卡羅算法。反之，如果問(wèn)題要求必須給出最優(yōu)解，但對(duì)采樣沒(méi)有限制，那就要用拉斯維加斯算法）使得特定領(lǐng)域的人L智能系統(tǒng)超過(guò)人類的智能成力了可能，如IBM的Waston問(wèn)答系統(tǒng)和GoogleDeepmind的AlphaGo圍棋系統(tǒng)等。盡管這些人工智能系統(tǒng)取得了驕人的績(jī)效，但仍有不少缺陷和不足之處，而iL還有可能產(chǎn)生很大的隱患和危險(xiǎn)。首先分析一下讓人工智能在當(dāng)下火熱燙手的聯(lián)結(jié)主義。當(dāng)前的人工智能之所以高燒不退，其主要的力量源泉是2006年Hinton提出的深度學(xué)習(xí)方法大大提

7、高了圖像識(shí)別、語(yǔ)音識(shí)別等方面的效率，并在無(wú)人駕駛、“智慧+”某些產(chǎn)業(yè)中切實(shí)體現(xiàn)出助力作用。然而，任何一種算法都有其不完備性，深度學(xué)習(xí)算法也不例外。該方法的局限性和不足是最好使用在具有可微分（函數(shù)連續(xù)）、強(qiáng)監(jiān)督（樣木數(shù)據(jù)標(biāo)定很好、樣本類別/屬性八平價(jià)0標(biāo)恒定）學(xué)習(xí)、封閉靜態(tài)系統(tǒng)（干擾少、魯棒性好、不復(fù)雜）任務(wù)下，而對(duì)于不可微分、弱監(jiān)督學(xué)習(xí)（樣本分布偏移大、新類別多、屬性退化嚴(yán)重、目標(biāo)多樣）、幵放動(dòng)態(tài)環(huán)境下該方法效果較差，計(jì)算收斂性不好。另外，和對(duì)于其他機(jī)器學(xué)習(xí)方法，使用深度學(xué)習(xí)生成的模型非常難