人工智能中与认知相关的几个学科

jack

心智模型  

       心智(mind)是人类全部精神活动, 包括情感、意志、感觉、知觉、表象、学习、记忆、思维、直觉等,  用现代科学方法来研究人类非理性心理与理性认知融合运作的形式、过程及规律。

       心智问题是一个非常复杂的非线性问题，我们必须借助现代科学的方法来研究心智世界。心智科学研究的是心理或心智过程，但它不是传统的心理科学，它必须寻找神经生物学和脑科学的证据，以便为心智问题提供确定性基础。心智世界与现代逻辑学和数学所描述的可能世界也有明显的区别：逻辑学和数学所描述的可能世界是一个无矛盾的世界，而心智世界则处处充满了矛盾；逻辑和数学对可能世界的认识和把握只能用演绎推理和分析方法，而人的心智对世界的把握则有演绎、归纳、类比、分析、综合、抽象、概括、联想和直觉等等多种手段。所以心智世界比数学和逻辑学所描述的可能世界要复杂广大得多。那么，我们应该如何从有穷的、无矛盾的、使用演绎法的、相对简单的可能世界进入无穷的、有矛盾的、使用多种逻辑和认知方法的、更为复杂的心智世界呢？这是心智研究要探索的基本问题之一。

     这里列出一些心智模型：
       —物理符号系统
       —诺尔曼模型
       —流程型认知模理
       —SOAR模型
       —心智的社会模型
       —动力振荡理论模型
       —大脑协同学

情感计算

       科学研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。传统的人机交互，主要通过键盘、鼠标、屏幕等方式进行，只追求便利和准确，无法理解和适应人的情绪或心境。而如果缺乏这种情感理解和表达能力，就很难指望计算机具有类似人一样的智能，也很难期望人机交互做到真正的和谐与自然。 由于人类之间的沟通与交流是自然而富有感情的，因此，在人机交互的过程中，人们也很自然地期望计算机具有情感能力。情感计算（Affective Computting）就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。

       有关人类情感的深入研究，早在19世纪末就进行了。然而，除了科幻小说当中，过去极少有人将“感情”和无生命的机器联系在一起。让计算机具有情感能力是由美国MIT大学Minsky在1985年提出的，问题不在于智能机器能否有任何'情感，而在于机器实现智能时怎么能够没有情感[324]。从此，赋予计算机情感能力并让计算机能够理解和表达情感的研究、探讨引起了计算机界许多人士的兴趣。美国MIT媒体实验室Picard教授提出情感计算一词Affective Computing[373]并给出了定义，即情感计算是关于情感、情感产生以及影响情感万面的计算。让机器（计算机）也具备“感情”，从感知信号中提取情感特征，分析人的情感与各种感知信号的关联，是国际上近几年刚刚兴起的研究方向。

       情感计算研究的重点就在于通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建感知、识别和理解人类情感的能力，并能针对用户的情感做出智能、灵敏、友好反应的个人计算系统，缩短人机之间的距离，营造真正和谐的人机环境。


       情感计算是一个高度综合化的技术领域[328]， 其主要研究内容包括:

       (1)情感机理的研究。情感机理的研究主要是情感状态判定及与生理和行为之间的关系。涉及到心理学、生理学、认知科学等，为情感计算提供理论基础。人类情感的研究己经是一个非常古老的话题，心理学家、生理学家己经在这方面做了大量的工作。任何一种情感状态都可能会伴随几种生理或行为特征的变化；而某些生理或行为特征也可能起因于数种情感状态。因此，确定情感状态与生理或行为特征之间的对应关系是情感计算理论的一个基本前提，这些对应关系目前还不十分明确，需要作进一步的探索和研究。

       (2)情感信号的获取。情感信号的获取研究主要是指各类有效传感器的研制，它是情感计算中极为重要的环节，没有有效的传感器，可以说就没有情感计算的研究，因为情感计算的所有研究都是基于传感器所获得的信号。各类传感器应具有如下的基本特征：使用过程中不应影响用户(如重量、体积、耐压性等)，应该经过医学检验对用户无伤害；数据的隐私性、安全性和可靠性；传感器价格低、易于制造等。MIT媒体实验室的传感器研制走在了前面，已研制出多种传感器，如脉压传感器、皮肤电流传感器、汗液传感器及肌电流传感器等。皮肤电流传感器可实时测量皮肤的导电系数，通过导电系数的变化可测量用户的紧张程度。脉压传感器可时刻监测由心动变化而引起的脉压变化。汗液传感器是一条带状物，可通过其伸缩的变化时刻监测呼吸与汗液的关系。肌电流传感器可以测得肌肉运动时的弱电压值。

       (3)情感信号的分析、建模与识别。一旦由各类有效传感器获得了情感信号，下一步的任务就是将情感信号与情感机理相应方面的内容对应起来，这里要对所获得的信号进行建模和识别。由于情感状态是一个隐含在多个生理和行为特征之中的不可直接观测的量，不易建模，部分可采用诸如隐马尔可夫模型、贝叶斯网络模式等数学模型。MIT媒体实验室给出了一个隐马尔可夫模型，可根据人类情感概率的变化推断得出相应的情感走向。研究如何度量人工情感的深度和强度的，定性和定量的情感度量的理论模型、指标体系、计算方法、测量技术。

       (4)情感理解。通过对情感的获取、分析与识别，计算机便可了解其所处的情感状态。情感计算的最终目的是使计算机在了解用户情感状态的基础上，作出适当反应，去适应用户情感的不断变化。因此，这部分主要研究如何根据情感信息的识别结果，对用户的情感变化作出最适宜的反应。在情感理解的模型建立和应用中，应注意以下事项：情感信号的跟踪应该是实时的和保持一定时间记录的；情感的表达是根据当前情感状态、适时的；情感模型是针对于个人生活的并可在特定状态下进行编辑；情感模型具有自适应性；通过理解情况反馈调节识别模式；

       (5)情感表达。前面的研究是从生理或行为特征来推断情感状态。情感表达则是研究其反过程，即给定某一情感状态，研究如何使这一情感状态在一种或几种生理或行为特征中体现出来，例如如何在语音合成和面部表情合成中得以体现，使机器具有情感，能够与用户进行情感交流。情感的表达提供了情感交互和交流的可能，对于单个用户来讲，情感的交流主要包括人与人、人与机、人与自然和人类自己的交互、交流。

      （6）情感生成。在情感表达基础上，进一步研究如何在计算机或机器人中，模拟或生成情感模式，开发虚拟或实体的情感机器人或具有人工情感的计算机及其应用系统的机器情感生成理论、方法和技术。

       到目前为止，有关研究已经在人脸表情、姿态分析、语音的情感识别和表达方面获得了一定的进展。   

神经信息学

       神经信息学是研究神经系统信息的载体形式,神经信息的产生、传输、加工、编码、存储与提取机理,以及建立神经数据库系统的科学。它是脑科学、信息科学和计算机科学相互交叉的边缘学科。神经信息学可分为分子神经信息学和系统神经信息学两个层次。神经信息编码可分为神经元脉冲序列的数字编码和突触联结权重编码两种编码方式。

       1999年在美国与欧共体合作的基础上形成USA-EC神经信息学双边合作组织。2000年在OECD的科学论坛（GSF）批准下，建立以美国为牵头国家的神经信息学工作组（OECD-GSF–NI工作组），参加国家有：美国(组长)、英国、法国、日本、中国等21个成员国或观察员国。这标志着神经信息学全球合作计划正式启动，其概念已经在国际范围内得到认可。


       2004年4月的OECD-GSF-NI巴黎工作会议上，原OECD-GSF-NI工作组更名为国际神经信息学协调委员会(International Neuroinformatics Coordinating Facility，INCF)，负责具体执行新一轮神经信息学国际合作计划（Program in International Neuroinformatics，PIN）。


       INCF提出神经信息学的最终目标依旧是建立一个有关神经系统所有数据的全球知识管理系统和网络协同研究环境，组织全世界最顶尖的研究机构和科学家，开展全球性脑科学科研大协作。目前的任务是协调全球神经信息学工作、制定神经信息学的发展计划、工作指南、数据标准和共享规范。


       美国神经信息学的国内分支机构是美国国立卫生院（NIH）神经信息学办公室。该国对人类脑计划/神经信息学的专项资助（Phase I 和Phase II研究基金）目前已近1亿美金，资助方向是神经科学和信息学相结合的研究内容。美国人类脑计划/神经信息学的研究集中在嗅觉神经信息学（Yale University）、人脑图谱（UCLA University）和认知神经信息学（Dartmouth College）三个方面。美国重视神经信息学人才培养， NIH已启动专项培训和教育计划，资助神经科学和信息学的交叉学科人才的培养。      

       欧共体自1999年与美国共同成立USA-EC神经信息学双边合作组织以来，在全球人类脑计划/神经信息学国际合作中扮演重要角色，具有很好的工作基础和突出贡献。欧盟委员会近年来坚决支持其成员国参与OECD-GSF-NI工作组各项活动，并协助美国建立和完善了国际神经信息学协作组织（INCF），成功争取了国际神经信息学协作组织主办国地位，并联合欧盟15个成员国投入科研基金，建立欧洲神经信息学数据库，发行神经信息学SCI杂志。


       欧洲神经科学和计算神经科学研究有着悠久的历史，因此在对神经信息学的认识上，与美国有所不同。在美国，神经信息学强调神经科学数据库的建立和共享，而在欧洲，在致力于建立神经科学共享数据库的同时，更强调神经系统中的信息处理的研究信息学工具的开发。目前，英国医学研究委员会（MRC）启动神经信息学人才培养计划，开始授予神经信息学博士学位，英国、德国、荷兰、波兰等国相继建立了神经信息学网站投入运行或试运行。

       日本1999年启动的“脑的时代”计划，为在日本建立神经信息学研究基础，“视觉研究中的神经信息学”计划作为前瞻项目，由日本科学和技术部资助（现由日本教育、文化、体育和科技部，Ministry of Education, Culture, Sports, Science and Technology资助）于同年启动，这是日本第一个人类脑计划/神经信息学项目。一个目标是建立视觉系统不同水平的数学模型：单个神经元、视网膜神经回路和高级视觉功能；第二个目标是建立一个称为“视觉图谱平台”神经信息学集成资源环境；第三个目标是开发具有类脑神经信息处理机理的视觉器件。有五个主要研究小组承担以下工作：建立单个神经元的数学模型、基于视网膜生理实现虚拟视网膜、采用计算和系统方法研究视觉功能、采用硅芯片技术记录和刺激实现人工视觉器件、基础神经信息学研究和开发。