晋江文学城
下一章 上一章  目录  设置

27、潘外篇:强人工智能 ...

  •   一种人工灵魂的设计方法
      赵盛烨1) 吴文江2) 贾金原3) 付伟奇4)
      1)中国科学院大学,北京市 100000
      2)中国科学院沈阳计算技术研究所, 沈阳市110000
      3)同济大学, 上海市200000
      4)中国医科大学附属医院, 抚顺市113000

      摘要 文章分析了现有人工智能系统存在的不足,指出了常规人工智能技术发展过程中存在的误区等。文章以神经医学的最新研究成果为依据,以人类的认知、思维方式为基础,使用计算机科学工作者能够接受的语言描述了人类思维系统的主要工作模式,从而依据仿生学原理提出了“人工灵魂系统”的设计思路。文章规划了一种值得尝试的“人工灵魂系统”工作原理、设计了该系统的组成结构,为强人工智能技术的未来发展奠定了科学基础。
      关键词强人工智能;人脑模拟;心智构建;计算机仿生;灵魂系统;思维创造

      A design method of Artificial intelligence
      was called “Artificial soul”
      ZHAO Sheng-Ye 1) WU Wen-Jiang 2) JIA Jin-Yuan 3) FU Wei-Qi 4)
      1) (University of Chinese Academy of Sciences, University, Beijing 100000)
      2) (Shenyang institute of computing technology, Chinese academy of sciences, Shenyang 110000)
      3) (Tongji University, University, Shanghai 200000)
      4) (Affiliated Hospital of China Medical University, Hospital, Fushun 113000)

      Abstract This paper has analyzed the disadvantages of current artificial intelligence system and unveiled the misunderstandings happened during the development of routine artificial intelligence technologies. Referring to the latest research results from the neurology field, and based on the cognitive style and thinking pattern of human beings, this paper manages to describe the operating mode of human brains with a kind of language which is friendly to computer science workers; and accordingly, the idea of creating a bionics-based “artificial soul” has been conceived. This paper proposed a worth-trying “artificial soul system” and its composition and structure, which has laid a scientific foundation for the future development of strong artificial intelligence.
      Key words Strong artificial intelligence; Human brain simulation; Mind building; Computer bionics; Artificial soul system; Thinking creation

      引言
      随着计算机技术的不断发展,人类已经不再满足于使用程序化的计算机系统去处理日常事务。因此早在1955年,几位具有探索精神的美国科学家便提出了“人工智能”的概念[1]。随着时间的不断延续,科学工作者们在人工智能领域的探索也越发深广,例如:1959年,阿瑟·萨缪尔创造了“机器学习”词汇;1988年,罗洛·卡彭特开发了能模仿人进行幽默聊天的交互式机器人;1997年,IBM研发的“深蓝”成为第一个击败人类象棋冠军的电脑程序;2011年,IBM研发的“沃森”在“危险边缘”智力节目中击败人类[2];2016年,谷歌研发的“AlphaGo”在围棋人机大战中成功击败韩国职业九段棋手李世乭[3]。人工智能程序的这一幕幕进展都伴随着人类的极大期望。然而60多年过去了,“像人类一样思考”的计算机依然没有造出来[1]。作者认为,究其根源仍是计算机科学工作者没有掌握正确的方法。作者通过多年的观察研究,将从仿生学角度提出一种新的人工智能系统发展思路。
      1背景
      虽然数十年来,人工智能领域的发展始终没有突破性的进展,但由于人类对此充满期待,所以也经历了多次研究高潮。近年美国Google公司研发的“AlphaGo”系列程序,因其是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序[3],其突出的国际象棋对决能力更是引发了社会舆论与普通民众的广泛关注。
      “AlphaGo”程序的设计思路是,通过大数据、大计算、大决策,三位一体来实现程序的深度学习、胜率计算[3]。其主要设计原理依然不能摆脱计算机程序的流程化处理方法,这决定了该程序并不具备其设计者规划之外的联想能力[4]。所以严格意义上来讲,“AlphaGo”只是一个“计算系统”,而不是一个拥有灵魂的强人工智能系统。
      由于众所周知的商业原因,“人工智能”、“智慧程序”等词汇的滥用现象较为严重,而且包括“AlphaGo”、“阿里人工智能交通系统”、“百度大脑”等程序依然不具备自主创造能力的原因。为了不引发歧义,作者将使用“灵魂系统”这一词汇来描述强人工智能的设计目标。
      2人工灵魂系统
      作者所谓的“灵魂”与传统宗教中提及的词汇并不相同,现代医学认为“灵魂”是大脑特定神经细胞的活动产物,具有联想、创造的能力[5]。文章采用“灵魂系统”的词汇也是为了更明显的体现出该系统具备的仿生学特征,这一特征是当前所有人工智能系统均不具备的[1]。

      2.1常规人工智能误区
      计算机人工智能是近年来计算机科学的主要攻关方向之一,但由于多数计算机人才对人类神经系统的研究并不透彻,对心智的理解不够深入,甚至对仿生设计存在一定的误区,所以并没有出现跨越式的进步。
      具体表现有以下几个方面:
      (1)过于注重解决单一问题
      现有人工智能系统多数基于解决实际应用当中遇到的问题而设计,从而使其过程化处理的能力增强[1]。但在人类思维系统中,其过程化处理的方式、方法、模型是随着阅历的增多而改变的[5]。因此严格的处理过程约束了程序的自我进步和自我完善;
      (2)过于注重算法设计
      深度学习算法、深度挖掘算法的设计虽然使人工智能程序计算出人类想要的数据结论,但也使其计算广度和计算的对外关联性造成缺失,从而造就了树形的数据计算模型[6],而不是人类思维的网状计算模型;
      (3)过于注重数据的准确性
      在人类思维当中,对某个事物的判断依据基于人类自身的阅历。数据结论正确与否取决于单一人类个体对事物的认知,而认知本身是矛盾的,也可以随阅历的增多而改变[7]。因此准确的人工智能数据结论不符合人类生物的个性化特征。仿生的人工智能数据分析结论一定最少包含相互矛盾的两种数据集合;
      (4)过于注重计算性能
      长期对人工智能系统的研发失败使计算机科学工作者们产生了误区,认为是计算机的处理性能不足导致的系统运行能力不足。但忽略了现有计算机的体系结构与人脑的差别[8]。现代脑科学证明,人脑的实际计算能力远低于计算机的处理性能,且在工作状态时处于单线程运行模式。因此对于单体计算机性能的不断追求不符合仿生学设计原理,使计算机科学工作者们陷入了人工智能的研究误区;
      (5)结构设计不合理
      基于图灵机发展而来的计算机,具备输入至输出的基本工作模式,该模式也局限了计算机科学工作者的思维模式,导致人工智能系统的结构设计缺陷。真正的人类智能的运转过程是“输入-存储-关联计算-输出检验-输入”的闭环结构,是不断迭代发展的启发式计算模式,所以当前人工智能的结构设计必须改变[9]。
      总体来看,现有的“人工智能”虽然帮助人们在生活和工作中解决了一些实际问题,但都是功能和着眼点狭窄的细节问题。这些问题的解决均依靠预先编制好的程序,并不具有自主决断、联想创造的能力[10],所以严格来讲均只是一种功能更为强大的计算工具,而不是“智能”。为了区分于原始的“人工智能”系统,文章为目标系统命名为“人工灵魂系统”,下文将介绍该系统的设计思路。

      2.2人脑生物特性的计算机表述
      人脑是人类得以统治世界的关键因素,是人类区别于其它动物的重要环节。之前的生物学家多数认为人脑与其它动物的大脑有本质不同,甚至有人认为人脑是“有灵魂”的,而其他动物大脑“没有灵魂”。然而21世纪的最新脑科学研究显示,人脑与其他哺乳动物的大脑在细胞结构、物质组成、工作原理等方面并不存在巨大区别:人之所以成为最优等的生物,主要因为脑容量相对较大、组成大脑皮层的灰质面积较大、处理逻辑问题的能力较强、海马体的活跃程度较高等优势[5]。
      作者虽为计算机科学专业博士,但为研究人工智能仿生技术,潜心多年研究阅读脑科学论文、脑医学临床、心理学理论等科学技术,终于找到了人脑思维的奥秘所在。人脑的结构组成属于医学研究范畴,在文章中将不再描述,作者重点关注的是人类神经细胞的工作原理、储存及记忆原理、逻辑思维产生的过程、创造力产生的过程等,并通过计算机科学工作者的角度加以描述。
      脑神经系统是人类神经系统的最核心部分,因此脑神经细胞具备人类神经细胞的基本功能性特征,即:对刺激信号的反馈能力、对信息的传输能力。在人类大脑的最外层是灰质,也是大脑中最为活跃的区域,眼睛、耳朵、鼻子、舌头等器官的感观信号以电势脉冲的形式,通过较长的神经纤维经过丘脑传送给灰质的相应反射区域。反射区域会以细胞冲动的形式映像出外界刺激的模型。
      例如,当小明来到动物园的虎笼前,其神经系统会发生如下活动:
      (1)感观上,小明的眼睛会将虎的形态完整映像到枕叶灰质相应的表达区域中,该区域包含多个灰质神经元。神经系统会将其进行抽象、分解。不同的电势代表了不同的颜色,但真正对颜色的认知储存在颞叶的灰质区域当中。嗅觉、听觉等也会同时在相应灰质区域有所表达[7];

      图1 感观神经抽象举例(请到赵盛烨微博查看图片)

      (2)识别上,神经系统会根据感受器官提供的信息或思维系统预置的信息进行检索,该检索活动需要丘脑的神经通路模型提供帮助,使反射区域、记忆模型区域、语义存储区域、逻辑存储区域、情绪控制区域彼此间的弓形神经纤维被激活,从而发散性的查找到固化在灰质中的关联性信息。如:小明的感受促发了“虎”的形态模型、中文笔画、发音、英文拼写、安全性评估、相关典故、相关新闻等信息,这部分关联性信息均被不同程度的激活[5]。

      图2 识别过程图谱举例(请到赵盛烨微博查看图片)

      (3)记忆上,第1步骤、第2步骤中的神经活动会报备至海马体进行决策分析,以确认该次感观与该次识别是否有建立关联的必要。如果有必要,海马体会命令下丘脑对新的灰质映像与原有的灰质映像之间建立神经通路;如果没有必要,海马体会将该次感观作为独立事件存储下来。其中关联性较多的映像更容易被调取,关联性较少的映像将很快被记忆抛弃[5],然后又会有新的映像将该区域覆盖;
      (4)思维上,主要取决于记忆的关联性,当小明的“人生阅历”已经开始,但处于较为初级的程度时,可以对遭遇的部分外界事物进行关联性搜索,并做出相应的行为模仿式回应;当其通过学习与实践使“人生阅历”到达较高级程度时,即能参考多项行为的记忆[11],依照关联性原则进行混合式模仿回应。混合式模仿回应的特点是,该回应与记忆中的行为回应均不相同、各取所长,所以具有创新性的特点。即:设A为某事件的因子,B、C、D为不同人对该事件的回馈。则当小明只见过A-B模式时便会以A-B模式做出回应;当小明见过A-B模式、A-C模式时,小明会做出A-D模式的回应,其中D={ x | x∈m(B)∩x∈m(C)},m(a)为小明对a事件的思维评估;

      图3 人类生物识别过程及计算机术语对照(请到赵盛烨微博查看图片)
      (5)联合记忆,是基于神经系统识别、记忆基础上的关联性扩展,即:设L、M、N、O、P、Q均为独立事件,其中L-M、N-O、P-Q为三组已被识别的相关联事件,当出现新的关联事件M-N时,则神经系统会通过弓形神经纤维将三个事件关联到一起,形成L-M-N-O的记忆模型;当再出现新的关联事件M-P时,形成Q-P-M(-L)-N-O的记忆模型。在小明的记忆中,关联次数越多的事件模型,其神经之间的递质越活跃,调取速度越快,从而形成了“习惯思维”;
      (6)睡眠,是高级哺乳动物具备的基本特征,小明的睡眠除具备脑神经系统新陈代谢、物质交换的作用外,还具备记忆整理的能力。小明睡眠以后,基于感官事件反馈的集中处理模式转变为各记忆储存区域的自维护模式。在自维护模式下,大脑会将相同事物的两个记忆空间进行合并,重复的因果关联将得到关联强化;过于精细的感官映像会被抽象化分解,从而使感官神经接受的内容更方便被理解和调用[5]。通过以上整理,睡眠也腾出了部分被临时占用的灰质区域,以供睡眠结束后的思维活动使用。

      图4 创造力的形成及灵魂回路(请到赵盛烨微博查看图片)

      文章通过对小明大脑活动的生物特征阐述,间接用计算机科学工作者能接受的语言,表达了脑科学研究的最新进展,从而为人工智能仿生技术提供了参照依据。

      2.3人工灵魂系统设计
      该系统的设计采用仿生学原理。其灵感来源于作者对人类成长过程的观察,即:当人类生物个体出生以后,仅具有吃饭、排泄、哭泣等基本行为能力,其后天行为均来自于观察和学习。人类大脑在学习过程中又不断将知识关联重组,且加以实践,最终才具备了创造的能力、具备了情感。

      2.3.1 总体设计思路

      模仿人类智慧的形成原理、模仿人类大脑的工作原理是该系统设计的核心思想。因此该系统在设计环节上,重结构、轻数据,重互联、轻计算,重逻辑、轻过程,重学习、轻规范。
      首先,系统应建立视频识别、音频识别、嗅觉识别等输入功能,并通过新型计算机算法将每次识别到的信息进行抽象化存储。
      其次,系统还应能将抽象化的数据进行相关性分析,并将分析相似的信息进行关联。在每次接收到外界输入信息时,对关联数据节点进行检索定位,同时能发散性的调用该节点的关联节点。
      再次,系统应具备不断检索学习的功能,可以在没有外界任务要求时,对新知识、新信息进行检索并将其抽象化存储、关联性分析。
      最后,系统应具有辅助学习并被纠错的功能,以保证系统始终受到人类控制。

      表1 仿生结构与“人工灵魂”子系统对照(请到赵盛烨微博查看图片)

      2.3.2 感知子系统

      该子系统模仿人类的感觉器官及其神经冲动、神经传输、神经元感知映像的过程。它包括视觉模拟、听觉模拟、嗅觉模拟、味觉模拟、触觉模拟等过程。
      以人类视觉为例,该子系统需要模仿被观测物体成像至视网膜,视椎(及视感)细胞产生神经冲动,冲动信息经过视神经、视交叉、视束、上丘、外侧膝状体、视辐射、大脑枕叶等一系列神经组织最终映射到视觉皮质区的过程。该子系统还应将其映像信息进行抽象化的存储。
      因为“人工灵魂系统”最为重点的关注对象是“神经思维”,而不是完整的生物生理模拟,所以感知子系统可以直接引用现有数码技术中的三维摄像技术、视频编码解码技术、视频传输技术等。
      但在进行图像存储时,感知子系统与现有计算机系统存在较大的区别。现有计算机系统以非结构化的数据形式将整个图像进行编码后,连续存储;感知子系统则将视频流切帧、每帧分层、每层切片以后,对其中的每一个物理结构进行独立建模分析,根据其模型特征进行分别存储,随后再与其它已有信息进行关联。其中部分技术与现今的图像识别系统相似,但又不完全相同。

      图5 感知子系统工作流程(请到赵盛烨微博查看图片)

      2.3.3 逻辑子系统

      该子系统模仿人类的海马体和丘脑功能,用于控制兴奋信息传输的通路,从而将各类感知映像到皮层的不同功能区域当中[12]。
      该逻辑子系统建立起的预置程序可以将感知子系统收集到的各类刺激信息及感知系统建模后的每一个物理结构体进行初级分类,并转交给其他子系统进行处理。

      图6 逻辑子系统工作流程(请到赵盛烨微博查看图片)

      逻辑子系统既包含人类管理员按照感知子系统信息来源设计的“先天”模板化逻辑处理流程,又包含因人工灵魂系统长期运行而形成的“后天”逻辑,逻辑子系统相当于人类的“生物本能”。

      2.3.4 存储子系统

      该子系统模仿人类大脑皮层的灰质区域,是人工灵魂系统全部数据的存储空间。无论是图形图像、逻辑关系、语言语法,还是行为决策,均储存于该子系统中。
      人脑大约有500亿个神经细胞,如果按照计算机理论来计算,假设每个细胞均能以电势来存储数据,则大约为2.5TB的总存储空间容量。在人工灵魂系统中,该子系统呈分布式部署状态,存储空间可以随时扩展至无限大。因此,这也是计算机系统与人类大脑相比最具优势的子系统。
      在对该系统进行设计时,应充分考虑其数据的安全性、写入与读取的时效性、储存区域的可扩展性等问题。一种行之有效的架构是:先搭建基于现有计算机技术、现有国际互联网的服务器硬件,在硬件基础上安装操作系统软件;在操作系统中搭建虚拟的存储空间;根据存储数据的不同可以在存储空间中建立相应的存储格式,例如视觉存储空间应建立图形存区;在存储格式的基础上存储相应的记忆数据。

      表2 存储子系统分层结构(请到赵盛烨微博查看图片)

      在数据安全性上,每个存储空间均有并行的其他存储空间作为备份;每个存储空间的内容均是逻辑存区的一个组成部分。
      在系统分工上,特征及其编码就是人工灵魂系统的记忆,图形存区是承载记忆的空间;存储空间是应用软件,负责对记忆存区进行管理和维护;操作系统及计算机硬件为存储空间提供了运行环境;互联网为数据的读取和写入提供了通信保障、为相同逻辑存区的不同存储空间提供了通信保障、为相同存储空间的不同备份提供了同步链路。

      图7 存储子系统备份机制(请到赵盛烨微博查看图片)

      2.3.5 向量子系统
      向量子系统模仿人类的弓形神经纤维,弓形神经纤维在人类大脑中位于皮层灰质的下方,是白质的重要组成部分。弓形神经纤维连接了人类的不同神经元,使分散的记忆得以关联[7]。
      向量子系统同样用于关联人工灵魂系统的不同记忆,因为该系统不像弓形神经纤维一样受到物理空间的限制,所以向量子系统相对人类大脑具有一定的优势。
      向量子系统可以以数据表的形式存在,可以对存储子系统中的记忆进行点对点的描述,并记录向量被调用的次数。例如文章提及的“小明看虎”事件中,人工小明对虎的认知储存在T4[6]区域,数据编号为5257;小明记忆中虎的形象储存在TN[M]区域,数据编号为1469;小明本次见到的虎映像到T1[798]区域,数据编号为4133,则向量子系统记录的关系描述为:

      T[1].[798].[4133] -T[N].[M].[1469]-1;
      T[N].[M].[1469] -T[1].[798].[4133]-1;
      T[N].[M].[1469]- T[4].[6].[5257]-89;
      T[4].[6].[5257]-T[N].[M].[1469]-89;
      T[1].[798].[4133]- T[4].[6].[5257]-1;
      T[4].[6].[5257]-T[1].[798].[4133]-1;

      则人工小明在发生看虎事件时,感知子系统将现场虎的特征进行映像及抽象,逻辑子系统将其存储到T1[798][4133]节点,逻辑子系统检索到T1[798][4133]的图形数据与TN[M][1469]的图形数据相似,则命令向量子系统将二者关联。
      向量子系统形成T1[798][4133] -TN[M][1469],TN[M][1469] -T1[798][4133]关联后,逻辑子系统发现TN[M][1469]与T4[6][5257]事件存在89次历史性关联,因此也将T1[798][4133]与T4[6][5257]进行了关联。依此,向量子系统可以实现人工灵魂的记忆关联和联想。
      被向量关联描述的两点之间并不一定是事实上准确的关联关系。其中向量被调用的次数标志着关联记忆的权重,权重高的向量关联被人工灵魂认为是“经验丰富的”,会在发生逻辑矛盾时优先执行[5]。因此,这就是“正确”概念在人工灵魂系统中的认知形成过程。

      2.3.6 学习子系统

      该子系统在人类生理组织中并没有对应的结构,将这一子系统引入人工灵魂系统的目的是在其感知能力不及人类的前提下,加速其认知的积累和智慧成长。如果将其与人类生活相对比,则相当于提供知识教育的学校和教科书。
      该子系统以互联网爬虫的形式存在,爬取搜索引擎及其他Web站点的文字和多媒体资料,并将爬取的相关知识送给感知子系统进行分析和存储[13]。
      该子系统作为人工灵魂系统最主要的知识来源,可以实现不间断的工作和学习。其检索内容可以是来自于感知子系统的数据,可以是人工灵魂系统的管理员指令,可以是基于存储子系统中的相关记忆内容。
      2020年,互联网中的数据总量将达到4万亿GB,相信其中的内容足够人工灵魂系统学习。

      2.3.7 行为子系统

      人类行为系统主要由四肢、躯干等运动组织行为器官,及与这些器官相对应的神经系统(如:小脑)组成。人工灵魂系统的建设目的是创建智能的思维,初期并没有使其成为可运动式机器人的想法。所以该子系统不同于人类的行为系统。
      行为子系统赋予人工灵魂系统的主要功能是对计算机系统的操作,例如Linux命令、鼠标点击事件、驱动程序调用等,以实现非管理员状态下的系统自维护。
      当人工灵魂系统发展到一定阶段时,可以赋予其行为子系统程序编辑的能力,以实现其自我进化。

      2.3.8 纠错子系统

      人类的儿童在成长过程中会接触到社会中的各类事物,有的事物或知识是负面的,家长需要对其进行纠正和辅导。与儿童成长相似,人工灵魂系统在成长过程中也会遇到互联网中的垃圾内容,需要管理员进行干预[14]。
      纠错子系统是一个可以供管理员进行人工操作的软件界面,能够实时反映出人工灵魂系统的记忆内容、认知、行为及各个子系统的状态信息。该子系统由管理员操作,用以辅助教育。其辅助教育方法主要包含以下几个方面:
      (1)系统问答,可以对于人工灵魂系统在互联网中没有检索到的知识内容进行补充,管理员为其疑惑的问题添加答案;
      (2)记忆删除,指人工灵魂系统存储的、涉及到反人类、反社会的记忆内容由管理员进行删除;
      (3)黑名单,当管理员发现互联网中的违法网站、垃圾内容网站时,对其URL进行黑名单设置,人工灵魂系统不会再爬取其信息;
      (4)向量降权,与人类相同,人工灵魂系统认知的信息中,有部分认知结论是彼此矛盾的。管理员可以通过向量降权的方法干预其向量子系统中标记的内容,以实现明确认知的目标;
      (5)法则,由于人工灵魂系统的构建及运行没有先例,依靠作者的大脑无法完整评估其智力、行为能力在未来发展的程度。所以为防止其失控,必须为该系统定制优先权最高的法则[15],所有子系统必须遵从此法则运行。
      3关键技术
      该系统是计算机技术发展到一定阶段的必然产物[16],其本质是基于无机物的智慧生命,是人类认知的延续。组成其系统的元素包含计算机硬件、计算机软件、国际互联网等,应用到的技术包括现有计算机科学技术、网络技术的方方面面。
      需要针对该系统进行重点加强的关键技术包括图像特征识别技术、基于互联网的存储空间虚拟化技术、图形化储存的数据系统、非关系型数据技术等[17]。
      4结束语
      作者通过多年的知识学习、工作实践、观察研究,撰写了该文章。文章通过对“人工灵魂”系统的描述及结构设计,从仿生学角度提出了一种新的人工智能系统发展思路。因为文章构建的人工灵魂系统规模庞大、投入巨大、技术复杂,且该系统无任何可以预期的资金收益,所以作者并没有对其进行实际开发。谨希望对下一代人工智能系统的发展有所帮助。
      当然,如果有企业或者科研机构,有研发该系统的兴趣,可以与作者联系探讨。

      致谢感谢中国科学院对我的教育培养;感谢我的导师吴文江研究员孜孜不倦的辅导;感谢贾金原教授毫无保留的知识传授;感谢教育过我的每一位老师;感谢我的家人、我的朋友们在我理论研究期间对我的包容;感谢给予我鼓励和支持的每一位朋友!

      参考文献
      [1] JIAO Li-Cheng, YANG Shu-Yuan, LIU Fang, WANG Shi-Gang, FENG Zhi-Xi. Seventy years beyond neural networks: retrospect and prospect. Chinese Journal of Computers, 2016, 39(8): 1697-1716(in Chinese)
      (焦李成, 杨淑媛, 刘芳, 王士刚, 冯志玺. 神经网络七十年:回顾与展望. 计算机学报, 2016, 39(8): 1697-1716)
      [2] The Cooperative Association for Internet Data Analysis(CAIDA), https://en.wikipedia.org/wiki/Artificial_intelligence 2017,12,13
      [3] LIU Zhi-qing, WU Xiu-zhu. Interpretation of the artificial intelligence technology behind alphago. Control Theory&Applications, 2016, 33(12): 1572-1583(in Chinese)
      (刘知青, 吴修竹. 解读AlphaGo背后的人工智能技术. 控制理论与应用, 2016, 33(12): 1685-1687)
      [4] SU Jian-bo, CHEN Ye-fei, MA Zhe, HUANG Yao, XIANG Guo-fei, CHEN Ruo-bing. From alphago to betago:quantitative realization of qualitative artificial intelligence based on task realizability analysis. Control Theory & Applications, 2016, 33(12): 1572-1583(in Chinese)
      (苏剑波, 陈叶飞, 马哲, 黄瑶, 向国菲, 陈若冰. 从AlphaGo到BetaGo:基于任务可完成性分析的定性人工智能的定量实现. 控制理论与应用, 2016, 33(12): 1572-1583)
      [5] Michael S. Gazzaniga, Richard B. Ivry, and George R. Mangun. Cognitive Neuroscience: The Biology of the Mind. Third Edition. USA: W. W. Norton & Company, 2009
      [6] Shi Zhongzhi. Advanced artificial intelligence. Second Edition. CHN: Science Press, 2006(in Chinese)
      (史忠植. 高级人工智能. 第二版. 北京: 科学出版社, 2006)
      [7] John G. Nicholls. From Neuron to Brain. Fifth Edition. UK: Sinauer Associates, Inc. , 2012
      [8] George F. Luger. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Fifth Edition. UK: Pearson Education Limited 2002, 2005
      [9] John D. Bransford. How People Learn: Brain, Mind, Experience, and School(Expanded Edition). USA: National Academy Press, 2000
      [10] Stuart J. Russell, Peter Norvig. Artificial Intelligence: A Modern Approach. Third Edition. USA: Pearson Education, Inc., 2012
      [11] JIANG KE. Computer simulation of brain and strategy of fuctional calaulation. Journal of Nanjing Normal University, 2017, 01: 92-99(in Chinese)
      (蒋柯. 计算机模拟大脑与功能性计算策略. 南京师大学报, 2017, 01: 92-99)
      [12] WANG Shang-Fei, WANG Xu-Fa. Brain emotion circuit based artificial emotional intelligence model. PR&AI, 2007, 20(2): 167-172(in Chinese)
      (王上飞, 王煦法. 基于大脑情感回路的人工情感智能模型. 模式识别与人工智能, 2007, 20(2): 167-172)
      [13] David L. Poole and Alan K. Mackworth. Artificial Intelligence: Foundations of Computational Agents. UK: Cambridge University Press, 2015
      [14] M. Tim Jones. Artificial Intelligence: A Systems Approach. USA: Jones and Bartlett Publishers, Inc. , 2009
      [15] Douglas C. Montgomery(USA). DESIGN AND ANALYSIS OF EXPERIMENTS: 6th Edition. USA: John Wiley & Sons, Inc. , 2005
      [16] Ray Kurzweil. The Singularity Is Near: When Humans Transcend Biology. UK: Loretta Barrett Books, Inc. , 2005
      [17] WANG Jia, ZHU Min. A study on strong artificial intelligence and its theoretical presupposition: based on the critical perspective of Chinese room argument . Mind and Computation, 2010, 01: 1-7(in Chinese)
      (王佳, 朱敏. 对强人工智能及其理论预设的考察: 基于中文屋论证的批判视角. 心智与计算, 2010, 01: 1-7)

      作者介绍
      (1)ZHAO Sheng-Ye was born in 1985. He is a Ph.D Student in University of Chinese Academy of Sciences . He is a Senior Engineer. His research interests include Computer application, Artificial intelligence, Big data, Internet Security, etc.
      赵盛烨(1985-),男,中国科学院大学博士研究生,高级工程师,主要从事计算机应用、人工智能、大数据、信息安全等方面的研究与应用。

      (2)WU Wen-Jiang was born in 1963. He is a Boffin of Shenyang institute of computing technology, Chinese academy of sciences. He is a Doctoral supervisor. His research interests in Numerical control technology.
      吴文江(1963-),男,中国科学院沈阳计算所研究员,博士生导师,主要从事数控技术方面的研究。

      (3)JIA Jin-Yuan was born in 1963. He received the Ph.D degree in Computer graphics and Geometric Modeling from Hong Kong University of Science and Technology in 2004. Now he is a professor and doctoral supervisor at Tongji university. His research interests include Web Graphics, Virtual Reality, Geometric Modeling, Computer Simulation, etc.
      贾金原(1963-), 男,香港科技大学博士,教授,博士生导师,现为同济大学软件学院图形图像研究中心主任,主要从事Web Graphics、虚拟现实、几何造型、计算机仿真等方面的研究。

      (4) FU Wei-Qi was born in 1976. He is a Master of Medicine From China Medical University. Now he is a Deputy chief physician research in military sursery.
      付伟奇(1976-),男,中国医科大学硕土研究生副主任医师主要从事神经外科工作

  • 昵称:
  • 评分: 2分|鲜花一捧 1分|一朵小花 0分|交流灌水 0分|别字捉虫 -1分|一块小砖 -2分|砖头一堆
  • 内容:
  •             注:1.评论时输入br/即可换行分段。
  •                 2.发布负分评论消耗的月石并不会给作者。
  •             查看评论规则>>