怎么通过域名访问网站,elision wordpress,网站做外链的好处,网站备案 哪个省最松来源#xff1a;人机与认知实验室【一个深度态势感知者的周围充满了各种各样的暗示和提醒。】“我小时候读过很多科幻小说。其中一个最常见的主题是“人与机器”#xff0c;它经常以机器人的形式变得自我意识和威胁人类。这一主题也成为了《终结者》和《黑客帝国》等好莱坞电… 来源人机与认知实验室【一个深度态势感知者的周围充满了各种各样的暗示和提醒。】“我小时候读过很多科幻小说。其中一个最常见的主题是“人与机器”它经常以机器人的形式变得自我意识和威胁人类。这一主题也成为了《终结者》和《黑客帝国》等好莱坞电影的主要内容……“ ----比尔.盖茨 人工智能并不创造新事物它只能执行我们本身了解如何去做的事情。当前随着人工智能越来越不能满足人们的期望和胃口人机交互所带来的智能融合渐渐走上了前台。但是无论国内外的军用还是民用人机融合智能都还差强人意那么人机融合智能的难点究竟在什么地方呢众所周知智能不是大脑的产物而是人机环境系统交互的生态产物既包括客观的数据也包括主观的信息和知识如果说“美”是主客观结合的产物那么智能也应该是主客观融合的结果。其中包括各种的高、中、低元素是一种既开放又封闭、既弥散又聚合的动态组织体系架构。智能是围绕价值、意义而衍生出来的是由事实所触发的价值而生成的数据是一种相对的客观存在只有被价值化成信息后才可能被凝炼出相关情境下的知识并进而同化顺应出许多能够解决实际困难的适应方法和有效手段。与人工智能不同的是真实的智能一般不是情境的也不是场景的而是环境的更准确地说人机环境的“可久可大”情境和场景相对比较小而且穿透性较差很难产生出满意解和最优解这也是为什么人工智能会有意外出现且不好解释的原因不会主动刻画场景和情境之外的事、物现在人工智能的基本思路都是训练一堆算法然后各自绑定场景。其实单纯用数据、信息、知识都是很难驱动出真实的智能的智能是一种简单的适应性变化从“是”到“应”休谟之问。人产生出的智能常常是情智算计机产生出的往往是理智计算人机融合生成的智能一般包括是情智理智是一种特殊的计算算计简化为计算计。从某种意义上说人工智能是一种事实智能而人类智能则是一种价值智慧。当然事实有不同程度的事实价值也有不同程度的价值。真实往往是程度不同的事实与大小不同的价值混合而成。绝大多数偶然性事实的降临常常来自非情境、非场景和非逻辑的价值穿越。人之所以能够把握方向原因在于透析事实之后的动态价值能够确定一个事物、事实在特定情境任务下的主观价值而不仅仅是客观显著性所以是有机的机器则不然没有主观是没有价值与风险责任的计算过程是无机的。诸如平常简单的二选一在关键时刻也常常重如泰山所以仅有价值还不够还需要承担后果的勇气和胆量。主观判断和情感价值至关重要所以博弈的最终决定权不能交给机器。任何一个事物或事实都有多面性简化而言不妨称之为两面性是和非或者1和0但这一事物/事实会随着关联的发展而发生价值性的变化或快或慢或短或长人类的作用就是恰如其分地把这事物/事实的价值性与客观发展状态同步嵌入、与势具进而不是像机器一样刻舟求剑式地打标签。更有意思的是事物/事实的这种两面性或多面性带有天然的自反性而且在特定的任务情境下会被触发实施是会变成非0会生出1这也是不确定性产生的根源之一。人有自我本我超我不断强化主观偏好自我而机器没有自我本我超我之分总是相对客观地感知世界人自然不能与机器容易地达成共识。同样对于一个事物或事实机器的标签不会个性化弹性的变化更不会延展成长变化而人会。机器的数据信息知识标签不会生长而人类的数据信息知识概念却会变化如一寸光阴一寸金中的一和寸是可变的执子之手与子偕老也与本意大相径庭。人是很复杂的机器却使之简单化一旦标签从此固定没有随机应变没有是非之心。人可以让数据不枯燥的方法就是赋予价值形成信息如315打假日23乔丹658小区公交让信息不乏味的手段就是凝炼出意义生成知识如112一寸光阴一寸金让知识不萎靡的途径就是演化为生生不息的智能……经典物理中的光子有波粒二象性量子物理中的量子既有叠加态又有纠缠态生理中的DNA是由两条反向平行的多核苷酸链相互缠绕形成一个双螺旋结构心理中的事实与价值这两条关系链路也是一种虚实二象、叠加、纠缠、螺旋结构吧所有的类比都有着某种“神性”的表象穿透和本质涌现物理、生理、心理的这种类比也不意外仔细想想智能实质上就是心理意识、生理神经、物理环境三者之间的相互影响相互作用之产物简单称之为人物机环境系统。一般而言人工智能就是用符号/行为/联结主义进行客观事实的形式化表征、推理和计算很少涉及价值性、责任性因果关系判断和决策而深度态势感知中的深度就是指事实、价值与责任的融合也即实与虚的互补。态、势涉及客观事实性的数据及信息/知识中的客观部分如突显性、时、空参数等简单称之为事实链而感、知涉及主观价值性的参数部分如期望、努力程度等不妨称之为价值链深度态势感知就是由事实链、价值链与责任链交织纠缠在一起的“三螺旋”结构进而能够实现有效的判断和准确的决策功能。另外人侧重于主观价值把控算计机偏向客观事实过程计算也是一种“双螺旋”结构。如何实现这两种“双螺旋”结构之间“碱基对时空”的恰当匹配仍将是各国都没有解决的难题那么如何表征这些参数如何搭建起这个模型呢心理学家卡尼曼Kahneman认为人有两个自我经验自我和记忆自我经验自我负责动作和决策记忆自我负责解读反思。同样人有两个智能事实智能和价值智能事实智能负责客观和理性价值智能负责主观和感性。简言之真正的智能不会发生在你的手机里而是存在于你的生活中……人会活学活用是活智活能充满了易和辩证既合又分既弥又聚具体情况具体分析何时何处何方式统筹兼顾也许人智能中的表征不需要完美的定义就行如白马非马在输入表征中白马非马是一个事实白马确实不是马白马非马也不是一个事实白马确实也是马这是一个价值问题。白马非马是人类智能的一个重要表征它反映了机器智能很难表征的一种表征事实自反性表征。里面可以有事实、价值和责任抑或其中的不同组合变化而机器只有数据、公式并且机器没有目的人的所有行为都是有目的的这个目的性就是价值/责任目的性可以分为远中近价值程度也有大中小甚至责任也有大中小人的自主和否定常常涉及责任和价值而不仅仅限于事实。更进一步说一个概念可以有三个坐标轴判定一个是事实轴涉及时、空、属性、物理、逻辑等客观现实方面一个价值轴涉及个性化的心理、艺术、关系、伦理、非逻辑等主观可能方面一个责任轴涉及共性化的心理、艺术、关系、伦理、非逻辑等主观可能方面。其内涵外延常常在这三个坐标轴决定的坐标系中变化弥聚从而构成了璀璨多彩的智能世界和眼花缭乱的意向形式情境。分类是人类认识世界的一种基本方法。对事物的划分是概念发生的起点是一切思维的前提。科学技术体系的建立就是从分类这个起点开始建立起来的。但大家只重视事实分类而忽略了价值和责任分类尤其是三者的混合分类。概念除了能指、所指外还有一种动指即一种随机动态不确定的指向就像小孩子说的那样“冰激凌的心情”、“不高兴的高兴”随时可以让概念间的界限变得可有可无并且可以任意穿越。《易》即辩证法知几苗头、兆头即普遍联系趣抓住时机即对立统一变通随机应变即变化发展。道是西方的自然秩序。真实交互中常常会有状态碰撞、趋势碰撞、感觉碰撞、知觉碰撞发生对于人机融合智能的深度态势感知而言态、势、感、知、事实和价值、责任是动态联系在一起的。从观察表征、调整推理到判断决策、实施行动各个阶段人的智能里面不但充斥着反事实性还混合了不少的反价值性、反责任性同时人的类比还可以解决机器解决不了的各种非映射关系。在深度态势感知中势就是方向和速度方向更为重要态就是程度和大小程度稍微领先知就是本质和联系本质尤为突出感就是现象和属性现象大于属性深度就是人机环境的融合和交互融合在一起的交互。态势感知的困难在于态、势的混杂性与感、知的混杂性更困难的是态、势、感、知的混杂性。有真有假还有真假有虚有实还有虚实……评价深度态势感知好坏的标准之一就是做人、机、环、态、势、感、知辅助线的能力做的好迎刃而解做不好南辕北辙。人机之间自主智能与它主智能之间的区别表面上是同化与顺应实际上是同化与顺应的转换程度和效率。自主性简单地说就是“应该”侧重于是一个价值性的问题。皮亚杰研究儿童心理学时认为孩子的发展是与外界环境相互作用下不断发生的。孩子的发展不是简单的外界不断刺激的过程它必须凭借孩子现有的内部结构。孩子的活动与外部的刺激具有同等重要的地位。随着儿童年龄的增长其认知发展涉及到图式、同化、顺应和平衡四个关键词。儿童的图式、同化、顺应和平衡一开始是基于客观事实的例如生理需求的吃喝拉撒眠等随着不断的成长逐渐形成了价值性的图式、同化、顺应和平衡例如爱恨情仇虑等再后来又衍生出责任性的图式、同化、顺应和平衡例如礼义廉耻勇等。1、同化是指学习个体对刺激输入的过滤或改变过程。也就是说个体在感受刺激时把它们纳入头脑中原有的图式之内使其成为自身的一部分以加强和丰富主体的动作。例原来我会用锅煮鱼肉需要20分钟。现在买了牛肉我自然想到用锅煮如果成功了就是技能同化了。2、顺应是指外部环境发生变化而原有认知结构无法同化新环境提供的信息时所引起的儿童认知结构发生重组与改造的过程即个体的认知结构因外部刺激的影响而发生改变的过程。就是个体改变自己的动作以适应客观变化。例现在市场上没有肉只有菜我也用20分钟来煮菜熟透吃完口感不好。于是只好煮了10分钟。因为我顺应了菜的加工方式。3、平衡是指学习者个体通过自我调节机制不断地通过同化与顺应两种方式使认知发展从一个平衡状态向另一个平衡状态过渡的过程。例原来会煮肉是平衡的状态。突然出现了菜从不会加工到能成功吃上菜又到了一个新的平衡状态。而这个过程就是平衡的过程。4、图式是一种结构和组织它们在相同或类似的环境中会由于重复而引起迁移或概括。最初的基本能力来自先天的遗传以后在适应环境的过程中不断变化、丰富和发展形成了本质不同的认知图式结构。例肉和菜我都会煮了也会煮小米粥了我根据经验还出版了一本《舌尖上的中国》的美食食谱。这是一个互相影响的、不断变化的发展过程。孩子和新人机系统的发展是充斥着同化、顺应再达到平衡就是图式体系不断改变和发展的过程。人机之间也是如此。即使是刚出生的婴儿和新人机系统也有自己简单的图式系统。我们不能忽略孩子或人机原有的图式系统而一味地强调外在的环境让孩子学习。只有让孩子和新人机系统自己去亲身体验强调孩子和新人机系统自己的动作运动和活动才会有效果。比如自己抓取物体等动作。只有当孩子和新人机系统凭借现有的结构即图式体系即孩子和新人机系统的动作——不断地抓取物体才能引起改变达到同化的过程。在此基础上孩子和新人机系统更可能去拿其他的物体进行尝试这是同化的泛化。而孩子自身内部结构也因为这个过程发生了改变以适应现实就是顺应。DARPA的“深绿Deep Green”指控系统在这方面做的就不好所以没有得到期望的应用效果。整个系统所揭示的人机融合智能和态势感知机理相对模糊、机制较为混乱由此而产生的智能只描述了事实性计算缺失了人的情感性、价值性和责任性人、机系统的同化、顺应不平衡人机图式体系的变化方向和发展过程不一致。任何人机系统不协调的实质问题在于如何把握“变”和“好”而不是“快”和“演”。否则人不是人机不是机环境不是环境各自的优点都没有发挥出来该变的时候不变不该变的时候乱变……另外人机融合的方式、时机、功能等应该是恰如其分的“好”不早不晚、不快不慢才能发挥出各自的优点实现最优匹配在开放的真实环境下由此而产生的智能程度和主动效力才能最大。人机融合智能现在的一个趋势就是软件硬件化硬件软件化机件人性化人不断地机械化其实这不一定是一个好的现象人应该做人的事情机做机的事情。它的融合的核心在这儿强调一句话就是所有的人机融合里面一定要有范围任何智能都不是任何地方任何时间多么智能它都有局限性包括人本身也是人本身都有局限性所以怎样找到那个范围非常重要遍历当前的诸多学科很难令人相信利用已有的数理、物理、生理、心理、管理……能够研究好人机融合智能中的“恰好”。。在自然科学中人们常用数学方程式来描述一些现象。若以时间T作为变量认知操作x的变化即等于当时机体的状态S和外界的刺激R的函数。S指的是机体的生理心理状态大脑里的存储等。当外界刺激作用处于某种特定状态的机体时便产生结果发生变化即T—TI ^ xf(S,R)认知科学认为计算机的工作原理也是一样的在规定的时间里计算机存储的记忆相当于机体的状态计算机输入相当于给机体施加的某种刺激。当给计算机某种输入时计算机便进行操作其内部发生变化从而得到结果。计算机的操作过程可以看作是每一个单位时间内其状态的变化。可以用计算机程序模拟人的策略水平用计算机语言模拟人的初级信息加工过程用计算机硬件模拟人的生理过程中枢神经系统、神经元、大脑的活动。事实上人的心理结构与生理、物理结构是不同的它不但受自于机体本身同时又是适应环境的结果。故在T—TI ^ xf(S,R)中^xf(S,R)中的人与机的R不同人的R不但涉及外界刺激r还有内在刺激r所以是^xf(S,r,r,r)在深度态势感知的算计计算系统中外界刺激r可以看作内态刺激内在刺激r可以看作内态刺激内在刺激r”可以看作势刺激。也许感可以看作态刺激知可以看作势刺激。当前人机融合智能化平台人在环是必须的人在环中就是一个系统的直接部分既监又控人在环上就是一个系统的间接部分主监管控人在环外的智能系统已算失控。如何研究人机环境系统并使之工程化呢首先要研究人包括人的感和知其次要研究机以及如何把这些感知功能迁移到机器装备和机制管理中去再次要研究环境包括在各种环境中所产生出的状态和趋势简称为态势对这三者的研究不一定是顺序的也可以倒序、插序、混序、融序等等以前主要研究人的态势感知能力现在随着人工智能技术的发展又开始研究机器装备和机制管理的态势感知功能未来的发展趋势是研究两者如何实现结合的问题既人机融合智能中的深度态势感知问题这也是研究人在环的关键问题。就像人们认识世界往往从巫术、神话开始一样认知科学一开始也是从一个“错误”的类比开始的计算机根本上就不像人。所谓符号就是模式pattern任何一个模式只要它能和其它模式相区别它就是一个符号。计算机无论是电子的还是量子的都是人为定义且达成共识的“物理符号系统”即其强调所研究的对象是一个具体的物质系统。而对于人类而言其研究和运用的是一个弹性且个性化的“心理符号系统”其强调所研究的对象是一个抽象的价值意义系统。对于学习而言人们常常误以为人的学习是规范规则化的学习其实这是一个误区人类真正的学习不完全是整体性系统性展开的而是学习过程中渗透了大量的个性化灵活性的隐喻和类比把一些零散破碎的其它有关/无关知识、方法巧妙地贯穿粘合起那些所谓的标准化知识学习过程中结果是教育家们自觉不自觉地运用倒序的方式告诉学生们本学科及其书本上的知识是系统的完整的那些获取这些系统知识之发现过程后面的隐性认识方法却被忽略省却了……而这些未被说明的部分恰恰就是真正的学习同时也是机器学习所无法企及的部分。相比之下人类的学习可能是无表征或弱表征学习——一种理解性学习而机器学习是一种“非理解性”表征学习。学习可以使人更好、更坦然地升维处理未知但对机却不尽然。人的学习中除了态如动作序列、文字数字多少等外还有势发展变化趋势具有俯视的连锁效应机器学习中无论是深度学习、强化学习还是其它学习都少了从势到态的凌驾只有从态到势的亦步亦趋其中少了许多试探性的刺激—选择—调整。对人的学习而言即使对同一概念的表示用词往往有不同的主观和客观成分如何能尽量达成共识。这也许涉及事实与价值的比例问题。人际交流的语言是能指与所指混合的复合双向通道而目前的人机交互只能指向单一通道这就导致了当前的智能传播还没有出现弦外之音和言外之意。也许在不远的未来人机智能传播会在能指和所指之间形成一种“能所所指”的折中交互方式以利于联系人与机的智能传播体系发展。机器学习常常有名无实而人可以有名有实还可以无名有实、无名无实。打破事实时空域的是价值域引导价值域走势的责任性进而形成了一条区别、比例、决策链。人的智慧表现在动态的表征动态的推理动态的规划动态的实施其中的动态既基于事实和价值也基于责任和义务。机的智能则不然。未来智能平台的快速发展面临的一个关键是人机环境系统的协调发展这里的“人”涉及设计者、制造者、管理者、营销者、消费者、维护者等这里的“机”不但是指智能装备中的软件、硬件还将涉及产业链中各环节之间衔接的机制机理这里的“环境”涉及诸多领域的“政用产学研商”合作协同环境通过人、机、环境三者之间态、势、感、知的相互作用实现精准发力、数据整合等新型AI的应用。所以研究复杂最好从简单开始研究事实最好从价值开始研究群体最好从单一开始研究组织最好从网络开始……研究表征最好从弥聚开始研究决策最好从个性开始研究人机最好从边界开始研究未知最好从已知开始研究模型最好从类比开始研究内容最好从形式开始研究意识最好从物质开始……研究智能最好从区分开始研究指挥最好从控制开始研究算法最好从数据开始研究开始最好从结束开始……反之也成立如何实现人机融合智能中深度态势感知功能与能力的有机结合程度是衡量该系统好坏的主要指标。能力主要是产生意图功能侧重于实现意图一个主动一个被动。意图不是靠拍脑门产生出来的是人机环境相互交互涌现出来的所以这是一个既“复”又“杂”的复杂性问题也许会涉及到分工与协同的一些基本问题。研究复杂性问题最好的办法就是从简单出发比如研究人、机的“学习”最好就是从娃娃抓起孩子们学习语言比较快除了大脑发育的原因另外一个重要的可能是TA们所有的概念、知识形成与客观事实形象等有关无论东西天地纵横无法无天想的很少稀有琢磨、不管因果、无缘无故就形成了价值意义比较容易形成指数级连锁反应孩子们这种“主动犯错误”的方式也许是获得创造性思维能力的一个重要途径而成人学语言困难出来大脑发育之外往往从价值意义到客观事实形象有关等社会习俗个人习惯环境约束边界条件瞻前顾后、左思右想、不敢不愿不应犯错误的这种先入为主的因果方式往往制约着各种关联级索的爆发涌现。人机融合在本质上是联系事实与价值变动的一种形式与方法它不仅从来不是、而且永远不可能是静止不变的。借用生物学上的一个术语可把人机融合过程的“不断从内部革新工效结构即不断地破坏旧的和不断创造新的结构”这种过程称作为“结构突变”。人类的模式识别与机器的模式识别根本不同人的模式不仅是状态上的而且是趋势性的“得意忘形”。如果说机器的模式识别是事实性的实构体那么人类的模式识别则是事实性与价值性混合的虚实体。那么如何建立起研发者、使用者与系统之间的信任关系将会变得越来越重要目前人机融合的解决办法有两个第一个是让人参与到系统的训练过程中这里涉及到人何时、何地、何方式有效参与到系统中的问题第二点是尽可能的多分配决策的任务给人来完成这里涉及到如何筛选出适合人的决策任务及其防止“投射效应”程度的问题。尽管已经有人做过实验证明了这两点可以增加人对机器/系统的信任程度但该结论是否具有广泛性需要更深入分析和研究。若真有天堂天堂应该是图书馆的模样未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
