發(fā)布時間：2023-03-15 15:02:48
序言：寫作是分享個人見解和探索未知領(lǐng)域的橋梁，我們?yōu)槟x了8篇的人工智能論文樣本，期待這些樣本能夠為您提供豐富的參考和啟發(fā)，請盡情閱讀。
人工智能是近年來隨著計算機技術(shù)的不斷發(fā)展的一個學(xué)科分支，是新興的高科技技術(shù)。人工智能與納米科學(xué)以及基因工程被人們稱之為二十一世紀(jì)的三大尖端科技。人工智能的研究范圍涉及較廣，在諸多不同的領(lǐng)域都有涉及，比如：數(shù)學(xué)、認(rèn)識科學(xué)、哲學(xué)、心理學(xué)以及計算機科學(xué)等多門學(xué)科，不同學(xué)科領(lǐng)域以人工智能為信息交流平臺，進行相互的影響滲透，進而形成一門具有綜合性質(zhì)的科學(xué)。因此，人工智能也可以稱之為社會科學(xué)與自然科學(xué)的交叉科學(xué)。人工智能主要是通過對計算機的研究，對人的某些思維以及智能行為進行模擬的學(xué)科，其主要被應(yīng)用在專家系統(tǒng)、語言的理解、智能控制、遺傳編程機器人工廠以及機器人技術(shù)等方面。一般而言，對于人工智能的研究的主要目的就是讓機器代替人做一些復(fù)雜的工作。電氣工程的研究長久以來都局限在電氣化的方面，隨著現(xiàn)代化科學(xué)技術(shù)的進步以及信息計算機技術(shù)的發(fā)展，電氣工程自動化中逐漸向人工智能的趨勢發(fā)展，通過引入人工智能進入電氣工程自動化的領(lǐng)域，對人類大腦進行模擬并進行數(shù)據(jù)與信息的分析、收集、處理以及反饋，經(jīng)過信息的自動化生產(chǎn)，進而提高電氣工程的生產(chǎn)效益，進而推動電氣工程產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化與升級。
2.人工智能在電氣工程自動化中的應(yīng)用
2.1人工智能在電氣產(chǎn)品優(yōu)化設(shè)計中的應(yīng)用在電氣工程運行過程中，進行電氣設(shè)備的設(shè)計是十分復(fù)雜的，其設(shè)計不但對電氣自動化的各個專業(yè)學(xué)科與內(nèi)容有所設(shè)計，而且要求電氣設(shè)備設(shè)計人員具有較高的專業(yè)文化知識以及豐富的設(shè)計經(jīng)驗，進行電氣設(shè)備的設(shè)計只有把電氣知識、經(jīng)驗以及科學(xué)進行有機的融合，才能夠?qū)﹄姎猱a(chǎn)品的科學(xué)性有所保障。人工智能在電氣產(chǎn)品設(shè)計中的應(yīng)用有效的對一些依靠人腦無法迅速解決的復(fù)雜計算以及模擬過程進行解決，進而大大的縮短了產(chǎn)品設(shè)計的周期，提高電氣工程的工作效率，并且設(shè)計出的電氣產(chǎn)品極具科學(xué)性與實用性。專家系統(tǒng)對于電氣工程的開發(fā)性設(shè)計有積極的意義，而遺傳算法主要應(yīng)用于產(chǎn)品的優(yōu)化設(shè)計，在進行產(chǎn)品設(shè)計的過程中，要求設(shè)計人員應(yīng)該具備設(shè)計經(jīng)驗以及較強的智能軟件應(yīng)用的能力，從而便于依據(jù)不同情況的沾邊選擇不同的算法對產(chǎn)品進行高質(zhì)量的設(shè)計。
2.2人工智能在電氣設(shè)備故障診斷中的應(yīng)用在進行電氣設(shè)備故障的診斷時，電氣企業(yè)通常會使用人工智能中的人工神經(jīng)網(wǎng)絡(luò)、模糊理論以及專家系統(tǒng)的引用，其應(yīng)用診斷的范圍包含：發(fā)電機、電動機、變壓器等的故障診斷。在電氣設(shè)備中，電氣工程遇到故障問題時，所呈現(xiàn)的現(xiàn)象是相對復(fù)雜的，運用傳統(tǒng)的處理技術(shù)很難對問題進行及時準(zhǔn)確的查找與判斷，人工智能技術(shù)對于這種問題科技進行高效的解決，例如：當(dāng)發(fā)電機的設(shè)備出現(xiàn)故障時，故障所呈現(xiàn)的不確定性、復(fù)雜性以及非線性的特征都是可以通過人工智能中的專家系統(tǒng)以及模糊理論進行綜合的處理，人工智能技術(shù)大大的提升了電氣設(shè)備故障診斷的準(zhǔn)確性。
2.3電氣工程運行過程中的智能控制目前，在電氣工程的自動化中智能控制的應(yīng)用已經(jīng)十分廣泛，逐漸的發(fā)展成為電氣工程自動化領(lǐng)域中的未來趨勢。由于電氣設(shè)備的控制工作比較復(fù)雜且極具綜合性，對控制系統(tǒng)的技術(shù)含量以及計算的精確度都有比較高的標(biāo)準(zhǔn)，通過對人工智能中的模糊理論、人工神經(jīng)網(wǎng)絡(luò)以及專家系統(tǒng)的綜合應(yīng)用，有效的提高了電氣設(shè)備的計算精度以及計算速度，不僅有利于節(jié)約電氣企業(yè)的資源，而且對實現(xiàn)電氣企業(yè)資源的優(yōu)化配置具有積極的意義。
2.4人工智能在電力系統(tǒng)中的應(yīng)用在電力系統(tǒng)中應(yīng)用比較普遍的人工智能主要有：啟發(fā)式探索、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)以及模糊理論。其具體的應(yīng)用主要表現(xiàn)為：一是，專家系統(tǒng)。作為一個十分復(fù)雜的程序系統(tǒng)，專家系統(tǒng)集知識、規(guī)則以及經(jīng)驗于一體，主要工作程序是通過運用電氣系統(tǒng)中某領(lǐng)域的專業(yè)經(jīng)驗以及專業(yè)知識對所遇問題進行分析與判斷，接著進行專家決策的模擬，對需要專家解決的問題進行處理，而且在專家系統(tǒng)的使用過程中，應(yīng)該依據(jù)現(xiàn)實情況對系統(tǒng)中的知識庫、數(shù)據(jù)庫以及規(guī)則庫的信息與數(shù)據(jù)進行更新，從而使用電力系統(tǒng)的應(yīng)用需要。二是，人工神經(jīng)網(wǎng)絡(luò)。其學(xué)習(xí)的方式十分靈活，存儲方式也是呈現(xiàn)分布式，在大規(guī)模的信息處理中得到廣泛的應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)具有較強的識別與分類能力，對與模型進行合理的分類并進行科學(xué)的選擇，同時其與元件進行關(guān)聯(lián)分析相結(jié)合能夠?qū)?fù)雜的電力系統(tǒng)進行故障的診斷，而且能對故障進行識別與定位。三是，模糊理論。模糊理論主要應(yīng)用于系統(tǒng)規(guī)劃、潮流計算以及模糊控制之中。有利于操作界面的優(yōu)化以及工作流程的簡化，而系統(tǒng)可以進行自動日志與報表的生成與保存，進而提高系統(tǒng)日常操作的效率，對系統(tǒng)的安全運行具有積極的作用。
3.總結(jié)
自二十世紀(jì)九十年代以來，意識問題受到高度關(guān)注，眾多的哲學(xué)家、心理學(xué)家與神經(jīng)科學(xué)家在此領(lǐng)域開展深入的研究工作。與此同時，人們也開始使用計算方法試圖讓機器裝置擁有意識能力。這類研究逐漸被稱為“機器意識”的研究。早期有關(guān)機器意識的研究比較初步，研究工作較少得到學(xué)術(shù)界的認(rèn)同，甚至早些年提到“機器意識”還有不合時宜的顧慮。
盡管哲學(xué)上關(guān)于“機器意識”有著不同觀點的爭論，但隨著研究工作的不斷深入，一些有遠(yuǎn)見的專家學(xué)者開始充分認(rèn)識到開展機器意識研究的重要意義，并專門撰文進行了精辟論述。比如，英國皇家學(xué)院電子工程系的Aleksander教授根據(jù)學(xué)術(shù)界從上世紀(jì)九十年代到本世紀(jì)對機器意識態(tài)度的轉(zhuǎn)變，指出機器意識的影響與日俱增，并預(yù)計了機器意識對科學(xué)與技術(shù)發(fā)展的潛在影響，特別是在改變?nèi)藗儗σ庾R的理解、改進計算裝置與機器人概念等方面的貢獻尤為重大。
無獨有偶，美國伊利諾伊大學(xué)哲學(xué)系Haikonen教授則專門撰文強調(diào)機器意識是新一代信息技術(shù)產(chǎn)業(yè)發(fā)展的新機遇，他認(rèn)為新產(chǎn)品與系統(tǒng)的發(fā)展機會起因于信息技術(shù)的發(fā)展，而現(xiàn)有的人工智能基于預(yù)先編程算法，機器與程序并不能理解其所執(zhí)行的內(nèi)容。顯而易見，不考慮意識就沒有對自身行為的理解，而機器意識技術(shù)的涌現(xiàn)可以彌補這一缺失，因此機器意識技術(shù)可以為信息技術(shù)產(chǎn)業(yè)的發(fā)展提供新的契機。意大利巴勒莫大學(xué)機器人實驗室的Chella教授則指出，開展機器意識不僅是一種技術(shù)挑戰(zhàn)，也是科學(xué)和理論上開展人工智能和機器人研究的新途徑。最近，土耳其中東技術(shù)大學(xué)的G?k和Sayan兩位學(xué)者進一步認(rèn)為，開展機器意識的計算建模研究還有助于推進對人類意識現(xiàn)象的理解，推動構(gòu)建更加合理的意識理論。
上述這些學(xué)者的論述，無疑說明，機器意識研究不但對深化人工智能的研究有著重要的推動作用，對從科學(xué)上解釋神秘的意識現(xiàn)象也同樣具有非同尋常的意義。正因為機器意識研究有著如此重要的科學(xué)意義和推動未來信息技術(shù)革新的潛在價值，隨著最近十年的研究發(fā)展，該領(lǐng)域已經(jīng)成為學(xué)界廣泛關(guān)注的熱點。與此同時，數(shù)量相當(dāng)可觀的研究成果和實驗系統(tǒng)已逐步形成，有些成果已經(jīng)被運用到實際機器認(rèn)知系統(tǒng)的開發(fā)之中。機器意識研究已經(jīng)成為了人工智能最為前沿的研究領(lǐng)域。
機器意識研究的現(xiàn)狀分析
2006年之前的有關(guān)機器意識的研究狀況，英國皇家學(xué)院電子工程系的研究團隊已經(jīng)做過了比較全面的綜述。因此，我們這里主要就在此之后國際上有關(guān)機器意識的研究概況和發(fā)展趨勢進行分析。據(jù)我們的文獻檢索，截止到2015年底，在機器意識研究領(lǐng)域發(fā)表過的學(xué)術(shù)論文超過350余篇，其中最近十年發(fā)表的論文占了一半以上。歸納起來，由于對意識的哲學(xué)解釋不同，目前機器意識方面的主流研究往往是以某種意識科學(xué)理論為出發(fā)點的具體建模研究和實現(xiàn)。由于涉及到的文獻過多，無法一一列舉，我們僅就一些影響較大的典型研究進行分析。
在意識科學(xué)研究領(lǐng)域，一種較早的理論觀點是用量子機制來解釋意識現(xiàn)象，這樣的出發(fā)點也波及到有關(guān)機器意識建模的研究。利用量子理論來描述意識產(chǎn)生機制的有效性并不是說物質(zhì)的量子活動可以直接產(chǎn)生意識，而是強調(diào)意識產(chǎn)生機制與量子機制具有跨越尺度的相似性。近年來，意識的量子模型發(fā)展又有了新的動向。比如，作為量子意識理論的進一步發(fā)展，中國科學(xué)院電子學(xué)研究所的高山(Gao Shan)提出了意識的一種量子理論，研究了量子塌縮與意識之間的關(guān)系，假定量子塌縮是一種客觀的動態(tài)過程。日本Akita國際大學(xué)的Schroeder另辟蹊徑，在構(gòu)建統(tǒng)一意識模型中不涉及量子力學(xué)的量子相干性方面做出了全新的探索，主要目標(biāo)是說明現(xiàn)象意識能夠依據(jù)量子力學(xué)的物理解釋，用量子力學(xué)的形式化代數(shù)性質(zhì)來描述。此外，俄羅斯Lebedev物理研究所的Michael B. Mensky利用意識的量子概念提出了一種主觀選擇的數(shù)學(xué)模型，說明意識和超意識的特性如何能夠通過簡單的數(shù)學(xué)模型給出。當(dāng)然，更多的是有關(guān)意識量子機制描述的可能性爭論，正反兩方面的觀點都有。特別是在2012年的Physics of Life Reviews第9卷第3期，以Baars和Edelman所著論文“Consciousness， biology and quantum hypotheses”為核心，10余名相關(guān)領(lǐng)域的學(xué)者分別撰文對是否能夠通過量子機制來描述意識現(xiàn)象展開了多方位的辯論。最近，Susmit Bagchi從分布式計算的角度，較為全面地討論了生物演化與量子意識之間的關(guān)系。遺憾的是，迄今為止，學(xué)術(shù)界對此問題尚未達成一致的結(jié)論。
在機器意識研究中，第二種有重大影響的理論觀點就是全局工作空間理論。全局工作空間理論(Global workspace theory)是由美國加利福尼亞大學(xué)圣地亞哥分校神經(jīng)科學(xué)研究所的Baars研究員1988年提出的意識解釋理論。在該理論的指導(dǎo)下，由Baars、Franklin和Ramamurthy等人組成的研究團隊開展了長達20多年的機器意識研究工作，最終開發(fā)完成了LIDA認(rèn)知系統(tǒng)。
LIDA(Learning Intelligent Distribution Agent)是在該研究團隊等人早期開發(fā)的IDA(Intelligent Distribution Agent)基礎(chǔ)上發(fā)展起來的，主要依據(jù)Baars全局工作空間理論，采用神經(jīng)網(wǎng)絡(luò)與符號規(guī)則混合計算方法，通過在每個軟件主體建立內(nèi)部認(rèn)知模型來實現(xiàn)諸多方面的意識認(rèn)知能力，如注意、情感與想象等。該系統(tǒng)可以區(qū)分有無意識狀態(tài)，是否有效運用有意識狀態(tài)，并具備一定的內(nèi)省反思能力等。從機器意識的終極目標(biāo)來看，該系統(tǒng)缺乏現(xiàn)象意識的特征，比如意識主觀性、感受性和統(tǒng)一性均不具備。
指導(dǎo)機器意識研究的第三種重要理論觀點是意識的信息整合理論。意識的信息整合理論是美國威斯康星—麥迪遜大學(xué)精神病學(xué)的Tononi教授1998年提出的。自該理論提出以來，不少研究團隊以信息整合理論為依據(jù)，采用神經(jīng)網(wǎng)絡(luò)計算方法來進行機器意識的研究工作。其中，典型代表有英國Aleksander教授的研究團隊和美國Haikonen教授的研究團隊所開展的系統(tǒng)性研究工作。英國皇家學(xué)院的Aleksander教授領(lǐng)導(dǎo)的研究團隊長期開展機器意識的研究工作，發(fā)表相關(guān)論文30余篇。早期的研究主要給出了有關(guān)意識的公理系統(tǒng)及其神經(jīng)表征建模實現(xiàn)，比較強調(diào)采用虛擬計算機器來建模意識。最近幾年，Aleksander研究團隊采取仿腦策略，強調(diào)信息整合理論的運用，建立了若干仿腦(brain-inspired)意識實現(xiàn)系統(tǒng)，更好地實現(xiàn)了五個意識公理的最小目標(biāo)。美國伊利諾伊大學(xué)哲學(xué)系Haikonen教授的研究團隊則主要采用聯(lián)想神經(jīng)網(wǎng)絡(luò)來進行機器意識系統(tǒng)的構(gòu)建工作。自1999年以來，該團隊開展了富有成效的研究工作。Haikonen教授在所提出的認(rèn)知體系模型的基礎(chǔ)上，構(gòu)建了一個實驗型認(rèn)知機器人XCR-1系統(tǒng)。應(yīng)該說，雖然Haikonen所開展的機器意識研究的出發(fā)點是為了揭示意識現(xiàn)象本性，但他的成果卻是目前機器意識研究領(lǐng)域最為典范的工作之一。
在意識科學(xué)研究中，也有學(xué)者將人類的意識能力看作是一種高階認(rèn)知能力，提出意識的高階理論。在機器意識研究中，以這樣的高階理論為指導(dǎo)，往往會采用傳統(tǒng)的符號規(guī)則方法來建立某種具有自我意識的機器系統(tǒng)。其中，一個比較系統(tǒng)的研究工程就是意大利巴勒莫大學(xué)機器人實驗室的Chella教授用10年時間開發(fā)的Cicerobot機器人研究項目。該機器人實現(xiàn)了一種自我意識的認(rèn)知結(jié)構(gòu)機制，該機制主要由三個部分構(gòu)成：亞概念感知部分、語言處理部分和高階概念部分。通過機器人的高階感知(一階感知是指對外部世界的直接感知，高階是對機器人內(nèi)部世界的感知)，就形成了具有自我反思能力的機器人。這項研究工作的主要特點是將邏輯形式化方法與概念空間組織相結(jié)合，強調(diào)對外部事物的一種心理表征能力，并對外部環(huán)境進行內(nèi)部模擬。在高階認(rèn)知觀點的自我意識建模研究方面，另一個做出突出貢獻的是美國喬治梅森大學(xué)的Samsonovich教授率領(lǐng)的研究團隊。該團隊經(jīng)過10余年的研究，開發(fā)了一個仿生認(rèn)知體系GMU-BICA(George Mason University-Biologically Inspired Cognitive Architecture)。在該系統(tǒng)中定義的心理狀態(tài)不但包含內(nèi)容，還包含主觀觀察者，因此該系統(tǒng)擁有“自我”意識的主觀能力。系統(tǒng)實驗是利用所提出的認(rèn)知結(jié)構(gòu)模型來控制虛擬機器人完成一些簡單的走迷宮活動，機器人可以表現(xiàn)出具有人類意識所需要的行為。相比而言，與Cicerobot機器人強調(diào)自我意識是反思能力的概念不同，GMU-BICA系統(tǒng)則將自我意識理解為“自我”的意識。當(dāng)然，不管是Cicerobot還是GMU-BICA，這樣的高階認(rèn)知模型往往對心理掃視、主觀體驗與統(tǒng)一意識等意識本質(zhì)方面的表現(xiàn)兼顧不足。
除了上述介紹的這些有代表性的研究外，對于機器意識研究而言，還有如何判定機器具有意識能力的檢驗問題，這是目前機器意識研究領(lǐng)域十分重要的一個方面。顯然，要判斷開發(fā)的機器意識系統(tǒng)是否真正具備預(yù)期的意識能力，就需要開展相應(yīng)的意識特性分析、評判標(biāo)準(zhǔn)建立以及檢測方法實現(xiàn)等方面的研究工作。在這方面，由于目前對意識現(xiàn)象的認(rèn)識存在許多爭議，對于意識評測特性分析方面也難以有統(tǒng)一的認(rèn)識。因此，目前的機器意識特性需求分析也比較零散。倒是在評判標(biāo)準(zhǔn)的建立方面，西班牙卡洛斯三世馬德里大學(xué)計算機科學(xué)系A(chǔ)rrabales教授的研究團隊做出了比較系統(tǒng)的研究。該團隊自2008年開始就在這方面開展意識特性分析，給出了計算人工意識的一種量化測量方法ConsScale以及對感受質(zhì)的功能性刻畫。之后，該團隊又進一步提出了ConsScale的修訂版，并討論了在機器中產(chǎn)生感受質(zhì)和現(xiàn)象意識狀態(tài)的可能性。最終，該團隊成功構(gòu)建了CERA-CRANIUM認(rèn)知體系(采用意識全局工作空間理論建模)來檢驗產(chǎn)生的視覺感受質(zhì)以及實現(xiàn)的內(nèi)部言語。所有的這些成果為機器意識能力的初步檢測提供了一種實用的標(biāo)準(zhǔn)。當(dāng)然，也有將鏡像認(rèn)知看作是機器擁有自我意識能力的一種檢測標(biāo)準(zhǔn)，該理論的依據(jù)是人類和其他一些動物能夠在鏡子中認(rèn)出自己，這一能力被看作是擁有自我意識的明證。因此，Haikonen認(rèn)為在鏡像中的自我識別，即鏡像測驗，也可以用來確認(rèn)機器潛在的自我意識能力。于是，在意識能力檢測方法的研究中，許多研究工作都是通過鏡像測試來確定意識能力的。但也有研究認(rèn)為，鏡像測驗并不能證明意識能力的存在，要證明機器具有意識能力還需要通過更加復(fù)雜的測驗。比如，Edelman就提出三種意識檢驗的途徑，即意識的語言報告、神經(jīng)生理信號以及意識行為表現(xiàn)。
總而言之，機器意識的研究主要圍繞量子涌現(xiàn)機制、全局工作空間、信息整合理論、意識高階理論以及意識能力檢測這五個方面展開的。從研究的策略來看，主要分為算法構(gòu)造策略(Algorithm)與仿腦構(gòu)造策略(Brain-Inspiration)兩種途徑。從具體的實現(xiàn)方法上，主要可以分為三類：一是采用類神經(jīng)網(wǎng)絡(luò)的方法；二是采用量子計算方法；三是采用規(guī)則計算方法。雖然經(jīng)過20多年的發(fā)展，機器意識的研究取得了眾多的研究成果，但相對于人類意識表現(xiàn)方面，目前機器意識能力的表現(xiàn)還是非常局限的。根據(jù)筆者以及土耳其中東技術(shù)大學(xué)的G?k和Sayan發(fā)表的論文，目前機器意識系統(tǒng)主要具備的能力都是功能意識方面的，偶爾涉及自我意識和統(tǒng)一性意識(很難說是否真正實現(xiàn)了)?？梢姡庾R計算模型的研究還有很長的路要走，特別是關(guān)于內(nèi)省反思能力、可報告性能力、鏡像認(rèn)知能力、情感感受能力以及主觀性現(xiàn)象等，這些方面更加需要進一步的研究和探索。
人類意識能力的唯識學(xué)分析
人類意識能力的基礎(chǔ)是神經(jīng)活動，盡管神經(jīng)活動本身是意識不到的，也不是所有的神經(jīng)活動都能產(chǎn)生意識，但神經(jīng)活動卻能夠產(chǎn)生有意識的心理活動，這便形成了人類的意識能力。
根據(jù)現(xiàn)有的相關(guān)科學(xué)與哲學(xué)研究成果，人類意識的運行機制大致是這樣的：物質(zhì)運動變化創(chuàng)生萬物，生物的生理活動支持著神經(jīng)活動，神經(jīng)活動涌現(xiàn)意識(有意識的心理活動)，意識感受生理表現(xiàn)并指導(dǎo)意向性心智活動的實現(xiàn)，從而反觀認(rèn)知萬物之理。除了心理活動所涉及的神經(jīng)系統(tǒng)外，主要的心理能力包括感覺(身體感受)、感知(對外部事物的感知能力，包括視、聽、味、嗅、觸)、認(rèn)知(記憶、思考、想象等)、覺知(反思、意識、自我等)、情感(情緒感受)、行為(意志、愿望、等)、返觀(禪觀、悟解)等。
必須強調(diào)的是，迄今為止，對有意識的心理能力最為系統(tǒng)解析的學(xué)說體系并非是現(xiàn)在的腦科學(xué)研究，而是起源于古印度的唯識學(xué)。唯識學(xué)所研究的對象就是心識問題，相當(dāng)于本文界定的有意識的心理活動。如圖1所示，其理論體系主要包括五蘊八識的心法體系。
第一，前五識歸為色蘊，對應(yīng)的心法稱為色法，相當(dāng)于當(dāng)代心理學(xué)中的感知，其意識的作用稱為五俱意識(所謂“俱”，就是伴隨)。如果這種感知是真實外境的感知，則其伴隨性意識稱為同緣意識；如果是有錯覺的感知，則稱不同緣意識；如果這種感知活動產(chǎn)生后像效應(yīng)，則稱為五后意識(屬于不相應(yīng)法)。一般而言，色蘊對應(yīng)的心理活動都是有意向?qū)ο蟮?，因此屬于意向心理活動?/p>
第二，受蘊是一種心所法(具體的心理能力)，主要是指身體與情感狀態(tài)的感受。注意這里要區(qū)分身識中的身體狀態(tài)感受與色蘊是完全不同的心理能力，身識相當(dāng)于觸覺，是一種感知能力，而身體狀態(tài)的感受不是感知能力，而是感受身體疼痛、暖冷等的體驗?zāi)芰?。受蘊的心理活動，雖然具有意識，但不具有意向?qū)ο?，因此不屬于意向性心理活動?/p>
第三，想蘊是另一種心所法，用現(xiàn)代認(rèn)知科學(xué)的話講，就是狹義的思維能力，如思考、記憶、想象等，屬于認(rèn)知的高級階段，顯然是屬于意向性心理活動。
第四，行蘊也是一種心所法，主要指一切造作之心，用現(xiàn)代認(rèn)知科學(xué)的話講，如動機、欲望、意愿、行為等。唯識學(xué)中的“行”，與“業(yè)”的概念相互關(guān)聯(lián)，一般分為三種，即身業(yè)(行動)、語業(yè)(說話)和意業(yè)(意想)，但都強調(diào)有意作為的方面，因此行蘊也屬于意向性心理活動。
第五，識蘊是整體統(tǒng)一的心法，更加強調(diào)的是后兩識(第七末那識、第八阿賴耶識)的心法，現(xiàn)代西方的認(rèn)知科學(xué)尚無對應(yīng)的概念。主要強調(diào)的是自我意識，特別是返觀能力，即對根本心識的悟解能力。
總之，色蘊是色法(感知能力)，受蘊、想蘊、行蘊都是心所法(具體的心理能力)，它們本身就是具有意識的心理活動(統(tǒng)歸于心法)，其中色法的意識作用是伴隨性的五俱意識，其他三蘊的意識作用與伴隨性的意識則又有不同，稱為獨散意識(受蘊、想蘊、行蘊所涉及的意識，是一種周遍性意識活動)。
當(dāng)然，如果所有意識作用出現(xiàn)在夢中，唯識學(xué)中則另外稱之為夢中意識(做夢時的意識活動，屬于不相應(yīng)法)。在唯識學(xué)的五蘊學(xué)說中，識蘊比較復(fù)雜，它是唯識理論特別單列的一種根本心法，除了強調(diào)自我意識的末那識“我執(zhí)”外，更是強調(diào)達到定中意識的阿賴耶識“解脫”，屬于去意向性心理活動。
總之，從意向性的角度看，我們的心理能力可以分為無意向性的受蘊，意向性的色蘊(前五識)、想蘊、行蘊，元意向性的意識以及去意向性的識蘊。其中，識蘊是一種特定的禪悟能力，對其性質(zhì)的認(rèn)識與禪宗的心法觀有關(guān)。
機器意識研究面臨的困境
對于目前的人工智能研究而言，我們涉及到的心智能力，如果按照五蘊分類體系來分析，那么大致只有色蘊、想蘊與行蘊中的部分能力。如果考慮目前有關(guān)機器意識的研究，也僅僅涉及到五俱同緣的伴隨性意識、想蘊與行蘊中的獨散意識、識蘊中的自我意識以及意識活動本身的機制問題，其他意識比如不相應(yīng)法的夢中意識、五后意識、定中意識、五俱不同緣意識等都沒有涉及。
根據(jù)上述有關(guān)心識能力的唯識學(xué)分析，對于機器而言，真正困難的機器意識實現(xiàn)問題是受蘊性獨散心識(體驗性意識能力)與識蘊性心識兩個方面，一個涉及無意向心理活動的表征問題，一個涉及去意向性心理活動的表征問題，這兩方面都是目前計算理論與方法無法解決的問題。反過來講，機器最有可能實現(xiàn)的心智能力部分應(yīng)當(dāng)是那些具有意向性的心識能力(色蘊、想蘊與行蘊)，即唯識學(xué)心法中的色法與若干心所法。
很明顯，意向性心理活動一定伴隨有意向?qū)ο?，于是就有可能對此進行計算表證，并完成相關(guān)的某種計算任務(wù)。因此，反過來說，我們認(rèn)為意向性心理能力是人工智能的理論限度(是上界，但并非是上確界)，機器實現(xiàn)的人類意識能力不可能超越意向性心識的范圍。這也就是本文觀點討論的基點，并具體給出如下方面論據(jù)的分析。
首先，我們來分析心智機器的成功標(biāo)準(zhǔn)。從我們的立場看，如果要構(gòu)建具有人類心智能力的機器，成功的標(biāo)準(zhǔn)起碼應(yīng)該通過圖靈測驗。主要理由是，由于“他心知”問題的存在，行為表現(xiàn)可能是唯一的判斷標(biāo)準(zhǔn)，此時圖靈測驗不失為一種可行的測試途徑，關(guān)鍵是“巧問”的設(shè)計。原則上，圖靈測驗通過言行交流，這是人類之間默認(rèn)具有心智能力的唯一途徑。再者，根據(jù)摩根準(zhǔn)則，在沒有把握的情況下，寧肯選擇比較簡單的解釋。因而，對圖靈測驗的解釋中，也必須注意摩根準(zhǔn)則，諸如機器思維或者機器經(jīng)過思考的行動這類有關(guān)心智能力的假設(shè)在大多數(shù)情況下應(yīng)該丟棄。
現(xiàn)在我們就來一場圖靈測驗，看看機器到底會遭遇什么樣的困境。為了看清本質(zhì)，我們的提問異常簡單，就是進行如下提問(所謂“多大年紀(jì)”思想實驗，參見筆者以前的文章“重新發(fā)現(xiàn)圖靈測驗的意義”)：你多大年紀(jì)？此時會發(fā)生怎樣復(fù)雜的情形呢？當(dāng)提問者一而再、再而三不斷重復(fù)這一問題時，機器很快就會暴露出其致命的缺陷，就是缺乏不可預(yù)見性反應(yīng)能力。那么，面對這么簡單的提問，機器為什么會無所適從呢？其實這跟機器形式系統(tǒng)的局限性有關(guān)。眾所周知，圖靈機是個形式系統(tǒng)，而哥德爾不完全性說明足夠復(fù)雜的形式系統(tǒng)不能證明某些真命題。這是否說明人的某些知識是計算機器永遠(yuǎn)不能得到的？或者反過來說，是否說明不是所有的知識都能形式化呢？這樣就引出了如下第二個論據(jù)的討論。
從形式系統(tǒng)角度看，確實存在不可計算(證明)的問題，而且是大量的，但這些問題對于人類同樣也是不可計算(證明)的。比如圖靈停機問題，如果換成了人，結(jié)果是一樣的。至于知識，可能首先要分清知識的含義與性質(zhì)，知識是動詞還是名詞，要不要考慮元知識？如果這樣看待知識，那么肯定不是所有知識都可以形式化的。因此，我們可以發(fā)現(xiàn)，問題不在于形式系統(tǒng)是否有局限性，而在于對于意識現(xiàn)象能不能給出一致性的形式描述。
那么，我們可以對人類的意識現(xiàn)象給出一致性描述嗎？回答顯然是否定的。因為在人類的意識現(xiàn)象中，存在著意識的自反映心理現(xiàn)象：我們的意識活動是自明性的。從邏輯上講，如果一個系統(tǒng)允許自涉，那么該系統(tǒng)一定是不一致的，也就是說無法對該系統(tǒng)給出一致性的形式化描述。其實，人類的心理活動本來就是建立在神經(jīng)集群活動的自組織涌現(xiàn)機制之上的。因此，出現(xiàn)意識的自明性現(xiàn)象是必然的。這也就是美國哲學(xué)家普特南給出“缽中之腦”思想實驗所要說明的道理。比如，對于“我們都是缽中之腦”命題，在事先并不知曉這一事實的前提下，使用知道邏輯的反證法，可以明確加以否定。因此，我們?nèi)祟惖囊庾R能力，顯然不可能為機器所操縱。這樣，由于計算機器形式化能力的局限性，靠邏輯機器是不可能擁有人類全部意識能力的，起碼意識的自明性能力不可能為機器所擁有。
進一步，作為第三個論據(jù)討論，我們再來看人類的意義指稱能力問題。我們需要明確的問題是：機器能處理符號，但它能真正理解符號所代表的意義嗎？如果人的概念依賴于人類的軀體和動機(涉身性認(rèn)知)，那機器怎么可能掌握它們呢？這個問題主要是指機器是否能夠擁有指稱能力。塞爾的“中文之屋”提出了反對意見。其實這個問題的關(guān)鍵還是要弄清什么是“意義”？如果意義是指所謂抽象的“概念”內(nèi)涵而非表征形式，那么就必然存在一條語義鴻溝，因為機器內(nèi)部能夠處理或變換的只是不同的形式語言而已。但如果意義是指“行為表現(xiàn)”，那么這個問題就回到了上面圖靈測驗的第一個論據(jù)上去了。
人類語言表達意義不在語言形式本身，而在于意識能力。正因為這樣，才會有許多超出常規(guī)的意義表達方式。從根本上講，我們也不必一一列舉機器難以擁有的指稱能力，諸如矛盾性言辭、元語言表述以及整體性語境等難以一致性描述的狀況；而只需指出，機器不可能擁有人類的終極指稱能力即可。那么什么是終極指稱能力呢？宋代臨濟宗禪師惠洪在《臨濟宗旨》中指出：“心之妙不可以語言傳，而可以語言見。蓋語言者，心之源、道之標(biāo)幟也。標(biāo)幟審則心契，故學(xué)者每以語言為得道淺深之候?！逼渲兴^的“心之妙”者，就是終極指稱。由于超越了概念分別，是難以用語言來描述的，這就為形式化描述帶來了根本的困境。
第四個論據(jù)的討論涉及到所謂預(yù)先設(shè)定程序的問題。我們知道，目前的機器只能遵循給定的程序運行(預(yù)先設(shè)定的程序)，這樣的話，機器又怎么可能擁有真正的創(chuàng)造性和靈活性？也許人工智能的目的就是要讓機器的“計算”更加“聰明”，但目前預(yù)先設(shè)定程序的機器不可能是靈活的，更不用說創(chuàng)造性能力了。顯然，事情越有規(guī)則，機器就越能掌控，這就是預(yù)先設(shè)定程序的界限。比如對于表面復(fù)雜結(jié)構(gòu)的分形圖案，由于可以靠簡單規(guī)則加以迭代產(chǎn)生，機器就可以靠預(yù)先編程規(guī)則自如產(chǎn)生。但是對于人類常常出現(xiàn)的出錯性，由于毫無規(guī)律可言，機器便不可能預(yù)先加以編程，機器也就不可能擁有出錯性了。人是易于犯錯誤的，而機器按照設(shè)定的程序運行，永遠(yuǎn)不會出錯，這就是預(yù)先編程的一個致命弱點，這也是第一個論據(jù)討論中機器無法通過圖靈測驗的根本原因。
要知道出錯性表面上似乎是一個負(fù)面品質(zhì)，但其實質(zhì)上則包含著靈活性和創(chuàng)造性，是一切新事物涌現(xiàn)機制的基礎(chǔ)。如果沒有生物基因的出錯性，自然選擇就沒有了作用的對象，繁復(fù)的生物多樣性也就無從談起。同樣，如果沒有了思想模因的出錯性，文化選擇也同樣沒有了作用的對象，博大的思想多樣性同樣無從談起?？梢?，出錯性是機器難以企及人類心智能力的一個分界線，而這一切都?xì)w結(jié)為機器的預(yù)先編程的局限性。
同樣的道理，由于預(yù)先編程問題，也帶來了機器不可能真正擁有情感能力的新問題，這也構(gòu)成了機器難以擁有人類心識能力的第五個論據(jù)。我們知道，情感從某種意義上講就是常規(guī)理性活動過程中的“出錯性”，是非理性的，但基于邏輯的機器是理性的。也許人們會說，非理性的情感在心理表現(xiàn)中是不重要的，甚至是不起作用的。但我們要強調(diào)，即使是理性思維，情感和其他非理性因素也在其中扮演重要角色(傾向性指導(dǎo)作用)。如果說理性的認(rèn)知能力是前進的方向，那么非理性的情感能力就是前進的動力，人類的心理活動中豈可或缺情感能力？！而對于機器而言，缺少了情感能力，機器怎么能夠像人類一樣思維？！
機器是邏輯的，難以體現(xiàn)情感本性，目前有關(guān)情感的計算只是實現(xiàn)了情感的理性成份。筆者比較贊同這樣的觀點：理智是方向性的舵手，情感是驅(qū)動性的馬達，在航行中情感與理智相互依存。因此，如果情感不能計算，那么也談不上實現(xiàn)人類意識的計算，因為情感難以計算的本質(zhì)就是意識的感受問題。
機器能擁有意識能力嗎
通過上述對機器實現(xiàn)人類心智能力所面臨的困境的討論，就可以進一步引申出機器是否能夠跟人類一樣擁有意識能力的問題。為了避免陷入不必要的信念之爭，筆者認(rèn)為學(xué)術(shù)辯論主要應(yīng)對事實或可能事實開展分析討論。由于計算機器的概念相對明確，爭論的焦點多半會聚焦到有關(guān)人類“意識能力”的界定之上。所以，下面先給出筆者所理解的人類“意識能力”的分析描述，然后再圍繞著我們討論的主題，展開觀點的陳述。
意識包括功能意識、自我意識和現(xiàn)象意識，其中功能意識大體上涉及到意向性的心理能力，除了前面已經(jīng)討論過的五個論據(jù)外，似乎并不存在特別的新困難。但自我意識和現(xiàn)象意識則不同，由于涉及到去意向性和非意向性的表征問題，這便構(gòu)成了機器心識的最大困擾。首先，我們要清楚“自我意識”不是關(guān)于“自我”的意識，而是一種自身內(nèi)省反思能力。因此，自我意識是意識的核心功能。其次，我們必須澄清所謂的“體驗意識(qualia)”到底指什么？是精神的本性，還是虛構(gòu)的對象？這涉及到哲學(xué)基本問題，非常復(fù)雜，觀點紛呈。機器能否擁有意識能力的核心問題，其實就在于此。
由于涉及到心靈的一些本質(zhì)問題，機器意識研究一開始就引起了哲學(xué)領(lǐng)域的廣泛關(guān)注，有專家專門討論機器意識研究的哲學(xué)基礎(chǔ)，也有學(xué)者討論機器意識會面臨的困難，包括像意識(consciousness)、感受質(zhì)(qualia)和自我覺知(self-awareness)這些回避不了的、顯而易見的困難問題，以及一些與意識相關(guān)的認(rèn)知加工，如感知、想象、動機和內(nèi)部言語等方面的技術(shù)挑戰(zhàn)。除此之外，更多的則是延續(xù)早期對人工智能的哲學(xué)反思，對機器意識的可能性提出質(zhì)疑。涉及到強弱人工智能之爭、人工通用智能問題、意識的難問題、“中文之屋”悖論的新應(yīng)用、人工算法在實現(xiàn)意識能力方面的局限性、蛇神機器人不可能擁有主觀性、現(xiàn)象意識等眾多方面的爭論。
那么機器能夠擁有這種現(xiàn)象意識狀態(tài)嗎？對于現(xiàn)象意識的存在性問題，有截然相左的兩種觀點。一種是神秘論的觀點，認(rèn)為我們神經(jīng)生物系統(tǒng)唯一共有的就是主觀體驗，這種現(xiàn)象意識是不可還原為物理機制或邏輯描述的，靠人類心智是無法把握的。另一種是取消論的觀點，認(rèn)為機器僅僅是一個蛇神(zombie)而已，除了機器還是機器，不可能具有任何主觀體驗的東西。在這兩種極端觀點之間，還存在各種不同偏向的觀點，如還原論、涌現(xiàn)論、唯心論、二元論，等等。其實，依筆者看來，無需做上述復(fù)雜的討論，只須從意向性的角度來看，便可以澄清機器意識的可能性問題。筆者觀點是，凡是具有意向性的心理能力，理論上機器均有可能實現(xiàn)，反之則肯定不能實現(xiàn)。因為一旦缺少了意向?qū)ο?，機器連可表征的內(nèi)容都不存在，又如何形式化并進行計算呢！
通過上述分析討論，可以發(fā)現(xiàn)，機器意識難以達成的主要困境可以歸納為這樣三個方面。第一個是形式化要求，特別是一致性要求導(dǎo)致的局限性，使得機器智能局限于具有意向性的心識能力，如色蘊、想蘊、行蘊。第二個則是機器缺乏不預(yù)見性的反應(yīng)能力，只能通過預(yù)先設(shè)定的程序來應(yīng)對環(huán)境。第三個就是無法擁有終極指稱能力，無法實現(xiàn)去意向性的識蘊能力。最后補充一點則是，對于涉及到現(xiàn)象意識的感受性能力(受蘊)，由于沒有意向?qū)ο罂梢宰鳛樾问交妮d體，因而對其進行的計算完全無從入手。
于是，我們可以很清楚地看到，意向性就是實現(xiàn)機器意識能力的一條不可逾越之界線。用數(shù)學(xué)的術(shù)語說，機器能夠擁有的意識能力的上界就是意向性心識能力。當(dāng)然這并非是上確界，因為不可預(yù)見性的反應(yīng)能力也屬于意向性能力，但從前面的分析中可以看出，目前基于預(yù)先編程的機器仍然無法擁有不可預(yù)見的反應(yīng)能力。或許我們可以期待更為先進的量子計算機器來突破預(yù)先編程能力，但意向性心識能力的邊界，依然是無法突破的。
因此，當(dāng)我們把目前有關(guān)機器意識的研究分為面向感知能力實現(xiàn)的、面向具體特定意識能力實現(xiàn)的、面向意識機制實現(xiàn)的、面向自我意識實現(xiàn)的以及面向受蘊能力實現(xiàn)的這五個類別時，就可以同唯識學(xué)中意識的五蘊學(xué)說相對比，從而更加清楚地認(rèn)識其中的本質(zhì)問題所在。我們的結(jié)論是，對于機器意識的研究與開發(fā)，應(yīng)當(dāng)擱置有爭論的主觀體驗方面(身心感受)的實現(xiàn)研究，圍繞意向性心識能力(環(huán)境感知、認(rèn)知推理、語言交流、想象思維、情感發(fā)生、行為控制)，采用仿腦與量子計算思想相結(jié)合的策略，來開發(fā)具有一定意向能力的機器人，并應(yīng)用到社會服務(wù)領(lǐng)域。
機器意識研究未來展望
圍繞著上述分析所得出的主要結(jié)論，我們認(rèn)為，未來機器意識的研究，主要應(yīng)該開展如下5個方面的研究工作。
首先，構(gòu)建面向機器實現(xiàn)的意識解釋理論。由于意識問題本身的復(fù)雜性，目前存在眾多不同的意識解釋理論，其中只有部分理論用于指導(dǎo)機器意識的研究。為了更好地開展機器意識研究工作，取得更加理想的機器意識表現(xiàn)效果，必須直接面向機器意識實現(xiàn)問題本身，綜合并兼顧已有意識解釋理論，提出一種更加有利于機器意識研究的、有針對性的、全新的意識解釋理論。提出的新理論應(yīng)該不但能夠清晰地刻畫各種意識特性及其關(guān)系，而且應(yīng)該符合機器意識實現(xiàn)的要求，更好地用以指導(dǎo)機器意識的開展。為此，具體需要開展現(xiàn)有意識解釋理論的梳理研究、機器意識限度與范圍的分析研究、意識特性刻畫標(biāo)準(zhǔn)規(guī)范的構(gòu)建研究等方面的研究工作。
其次，探索機器意識的計算策略與方法。過去的研究表明，要想讓機器擁有意識能力，傳統(tǒng)的人工智能方法是無能為力的，我們必須尋找全新的計算方法。因此，機器意識的深入展開，需要有不同于傳統(tǒng)人工智能的計算策略和方法。就目前機器意識研究中所遇到的問題而言，在計算方法方面起碼需要開展亞符號(神經(jīng)信號)表征到符號(邏輯規(guī)則)表征之間的相互轉(zhuǎn)換計算方法、在非量子體系中實現(xiàn)類量子糾纏性的計算方法，以及神經(jīng)聯(lián)結(jié)與符號規(guī)則相互融合的計算方法等方面的研究。而在計算策略方面則需要開展仿腦與算法相結(jié)合策略的研究。只有確定了行之有效的計算策略和方法，才能真正推動機器意識進一步深入發(fā)展。
第三，構(gòu)建機器意識的綜合認(rèn)知體系。作為機器意識研究的主要任務(wù)，就是要構(gòu)建具有(部分)意識現(xiàn)象表現(xiàn)的機器認(rèn)知體系。給出的意識機器認(rèn)知體系應(yīng)該滿足一些基本需求，起碼應(yīng)該包括：實現(xiàn)具有感受質(zhì)和外部感知對象的感知過程；實現(xiàn)過程內(nèi)容的內(nèi)省反思；允許各模塊無縫整合的可報告性以及配備本體感知系統(tǒng)的基本自我概念。因此，這部分的研究內(nèi)容應(yīng)該結(jié)合機器意識計算策略與方法的探索，參照已有各種機器意識認(rèn)知體系的優(yōu)點，有針對性地進行構(gòu)建工作，以期滿足基本的意識特性需求。
第四，開發(fā)實驗性的意識機器人系統(tǒng)。在已有智能機器人開發(fā)平臺的基礎(chǔ)上，嵌入構(gòu)建好的機器意識綜合認(rèn)知體系，形成具體的意識機器人系統(tǒng)，并開展具體的系統(tǒng)實驗分析研究。通過各種意識特性的實驗，檢驗機器意識綜合認(rèn)知體系的性能是否滿足基本的意識特性需求，最終給出一種實驗性意識機器人系統(tǒng)的范例。
一、機械電子工程的發(fā)展與特征
(一)發(fā)展歷程
在機械電子工程發(fā)展初期，主要體現(xiàn)為手工制作，生產(chǎn)力水平較低，資源技術(shù)等對其發(fā)展產(chǎn)生制約。為了提升生產(chǎn)效率，逐漸朝著機械工業(yè)方向發(fā)展。在生產(chǎn)線階段，機械工程己逐漸發(fā)展到流水線生產(chǎn)，實現(xiàn)標(biāo)準(zhǔn)化大批量生產(chǎn)，.這一生產(chǎn)模式使勞動力得到解放，生產(chǎn)力水平大大提升，同時生產(chǎn)效率也得到提高。但是仍然存在一些不足，比如，部分生產(chǎn)仍就以進口為主，生產(chǎn)成本較大，在市場方面缺少適應(yīng)力舀靈活性較差，難以滿足不斷變化的市場需求。
在機械電子產(chǎn)業(yè)發(fā)展階段中，產(chǎn)品生產(chǎn)能夠適應(yīng)市場的需求，對于不斷變化的產(chǎn)品需求產(chǎn)業(yè)化發(fā)展能夠滿足。
(二)機械電子工程主要特征
機械電子工程是復(fù)雜綜合性學(xué)科，同各類學(xué)科之間都有著密切的聯(lián)系。機械電子工程發(fā)展要以計算機、電子以及機械為基礎(chǔ)，結(jié)合其他學(xué)科做出合理、科學(xué)的設(shè)計。在設(shè)計的過程中，要求每一個模塊都能夠?qū)崿F(xiàn)有機結(jié)合，進而使得各個模塊都能將其最大優(yōu)勢發(fā)揮出來。機械電子產(chǎn)品內(nèi)部結(jié)構(gòu)簡單明了，并不復(fù)雜，無需復(fù)雜原件的投入，這樣能在一定程度上使產(chǎn)品性能得到提升，進而擴大消費市場，
二、人工智能簡述
人工智能是一門復(fù)雜，并且綜合性較強的學(xué)科，所涉及到的學(xué)科比較多。也可以說，21世紀(jì)人工智能是最偉大學(xué)科之一。人工智能實現(xiàn)了對人的智能模擬，并且能通過計算機使認(rèn)得智能化得到進一步的延伸，人工智能這門學(xué)科有著較好的發(fā)展?jié)摿?。人工智能在發(fā)展的過程中主要經(jīng)歷下列幾個階段。
初步階段。人工智能在17世紀(jì)開始發(fā)生萌芽，法國在這一階段成功誕生世界上的第一部計算機，這一計算器只是單純的能進行加法簡單運算，但是仍就轟動世界，進而在世界范圍內(nèi)，對這項技術(shù)開始進一步研究。在最初階段，人工智能并沒有明顯的進展，主要是在實踐的過程中積累與總結(jié)知識，這為今后人工智能發(fā)展奠定堅實的基礎(chǔ)。
發(fā)展初始階段。美國人在二十世紀(jì)首次提出人工智能專業(yè)用語。在這個發(fā)展階段，人工智能主要以證明與闡釋為主要體現(xiàn)，在這一時期對于人工智能的研究就是首要任務(wù)。
發(fā)展起伏階段。隨著人們對于人工智能的不斷深入研究，人工智能也處于持續(xù)的發(fā)展階段，但是在實踐過程中發(fā)現(xiàn)，要想使人工智能模仿和人類思維同步是非常困難的。大部分對于人工智能的科學(xué)研究僅僅是停留于簡單映射層面，.對于邏輯思維的研究仍就沒有突破性進展。不論怎么說，在發(fā)展的起伏階段，人功能智能也在發(fā)展中得到了技術(shù)創(chuàng)新，特別是在系統(tǒng)方面、計算機機器人以及語言掌握方面取得了較大的成就.
起伏階段發(fā)展以后。在這一階段，人工智能的相關(guān)研究得到了發(fā)展，尤其是第五屆國際人工智能聯(lián)合會議的召開，人工智能逐漸朝著知識層面的方向發(fā)展，大部分的人工智能研都會結(jié)合相應(yīng)的知識工程，在這個階段中，人工智能發(fā)展的高度是前所未有的，在一定程度上促進了人工智能應(yīng)用于實際工程中。
穩(wěn)步發(fā)展階段。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，對于人工智能研究方向發(fā)生重大轉(zhuǎn)變，由原本的單一主體朝著集中統(tǒng)一主體的方向發(fā)展。關(guān)于人工智能在實際中的運用以及研究，受到了互聯(lián)網(wǎng)技術(shù)的影響。網(wǎng)絡(luò)的普及與快速發(fā)展，在一定程度上促進了信息化的發(fā)展，信息在傳送方面發(fā)生率重大性變革。在人們逐漸進入信息化社會后，在信息有效處理方面人工智能的發(fā)展起到了重要的作用，在模擬設(shè)計方面，機械電子工程的發(fā)展需要人工智能的大力支持。
三、機械電子工程與人工智能之間的關(guān)系
隨著我國社會經(jīng)濟的持續(xù)發(fā)展，社會不斷的進步，對于信息人們越來越重視。在21世紀(jì)，互聯(lián)網(wǎng)技術(shù)得到快速發(fā)展，同時信息的傳遞也逐漸注入新鮮血液?；ヂ?lián)網(wǎng)應(yīng)用的普及說明人們正朝著信息時代的方向邁進，在社會逐步信息化以后，更加需要有人工智能這一技術(shù)的支持，特別是機械電子工程發(fā)展中有著重要作用，機械電子系統(tǒng)本身缺少一定的穩(wěn)定性，這樣在機械電子工程設(shè)計方面就有著較大阻礙存在。在現(xiàn)代社會中，信息的處理量持續(xù)增大，并且較為復(fù)雜，有些時候需要同時對不同類型的信息進行處理，所以需要采取人工智能的支持才能完成信息處理。人工智能主要包含模糊推理系統(tǒng)、神經(jīng)網(wǎng)絡(luò)系統(tǒng)這種兩種方法。神經(jīng)網(wǎng)絡(luò)系統(tǒng)傾向于對人腦結(jié)構(gòu)的綜合分析，模糊推理系統(tǒng)更加重視對于語言信號的分析與理解。隨著現(xiàn)代社會的發(fā)展，僅僅采取單一的人工智能方法，明顯己經(jīng)無法適應(yīng)目前社會中不斷變化的市場需求，所以，對于人工智能相關(guān)問題的研究正逐漸朝著多方位、全面的人工智能方向轉(zhuǎn)變。多方位全面人工智能系統(tǒng)通過模糊推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)相互統(tǒng)一的方式，揚長補短，將二者有效的結(jié)合起來，使得二者的優(yōu)勢得到最大程度的發(fā)揮。
總結(jié)
--------------------------------------------------------------------------------
一 本體論語義學(xué)的動因、方法與基本范疇
本體論語義學(xué)的倡導(dǎo)者尼倫伯格（S. Nirenburg）和拉斯金（V. Raskin）說：“本體論語義學(xué)是一種關(guān)于自然語言意義的理論，一種關(guān)于自然語言加工的方案，它把經(jīng)構(gòu)造而成的世界模型或本體論作為提取和表述自然語言文本意義的基本框架，作為從文本中推出知識的前提。這種方案也想根據(jù)自然語言的意義形成自然語言的文本。”[1] 這就是說，本體語義學(xué)有著雙重動機。一是應(yīng)用或工程學(xué)層面的動機，二是基礎(chǔ)理論層面的動機，而前者就其現(xiàn)實的需要來說更為迫切。尼倫伯格等人認(rèn)識到：已有的機器智能的最大問題是只能完成句法加工或符號轉(zhuǎn)換，由此所決定，它即使快捷、方便、“多才多藝”，也無法改變其工具角色。因為它離人類智能還差關(guān)鍵的一點，那就是它沒有意向性。所謂有意向性，就是有對外在事態(tài)的關(guān)于性（aboutness）或指向性，就是有對它物的知道和意識，有對自身的超越性，而不致停留于純符號的形式轉(zhuǎn)換。從語義學(xué)的角度來看，有意向性就是有語義性。所謂有語義性，就是人類智能所涉及到的符號有意義、指稱和真值條件等特征。很顯然，意向性、語義性和意義等詞在本質(zhì)上是一致的，正因為如此，當(dāng)今的意向性理論、意義理論、語義學(xué)有合流的趨勢。但是，迄今為止的機器都沒有表現(xiàn)出上述屬性。美國著名哲學(xué)家、認(rèn)知科學(xué)家塞爾（John R.Searle）一針見血地指出：已有計算機所實現(xiàn)的所謂智能“本身所做的”只是“形式符號處理”，它們“沒有任何意向性；它們是全然無意義的?！谜Z言學(xué)的行話來說，它們只是句法，而沒有意義。那種看來似乎是計算機所具有的意向性，只不過存在于為計算機編程和使用計算機的那些人心里，和那些送進輸入和解釋輸出的人的心里。”[2]如果從意義的角度理解信息，甚至不能說計算機有加工信息的功能。他說，“計算機所做的事不是‘信息加工’，而是處理形式符號。程序編制者和計算機輸出解釋者使用符號來替代現(xiàn)實中的物體，這個事實完全是在計算機范圍之外的事?！盵3]尼倫伯格等人不僅認(rèn)識到了這一點，而且進一步強調(diào)：“意義是未來的高端自然語言加工的關(guān)鍵因素，”“有根據(jù)說，沒有這種利用文本意義的能力，人們就不可能在自然語言加工中取得真正的突破，……而過去在這個領(lǐng)域中的大多數(shù)工作都未注意到意義。”[4]他們提出本體論語義學(xué)的研究目的就是要改變這一狀況，就是要從技術(shù)的層面研究計算機如何利用和處理文本意義，如何讓機器智能也有意向性。
要完成上述任務(wù)，必不可少的一項工作就是研究人類智能及其運作機理，研究人類意向性的根據(jù)和條件，尤其是揭示人類自然語言的加工機制，闡釋其根本原則和方法，構(gòu)建人類語義加工的基本模型。要模擬這樣的智能，及其意義接受、理解、完成、輸出機制，就必須進到說者與聽者或語言的生產(chǎn)者與消費者相互交流的語境，探討怎樣將我們關(guān)于語言描述的觀念系統(tǒng)化，將計算程序處理意義的觀念系統(tǒng)化，怎樣形成更符合實際的、更有應(yīng)用價值的系統(tǒng)的表征理論。由這一任務(wù)所決定，本體論語義學(xué)提出了自己的方法論原則。既然它要完成的是應(yīng)用方面的任務(wù)，它當(dāng)然會設(shè)法形成這樣的假設(shè)，即重構(gòu)人類加工語言的能力及其所需的知識與過程，也就是要弄清人類的自然語言加工是如何可能的。為此，它有這樣的理論預(yù)設(shè)，即承諾弱人智能觀，而非強人工智能觀。后者認(rèn)為，計算機程序不僅應(yīng)在功能上模擬人腦，而且還應(yīng)從結(jié)構(gòu)上、物理執(zhí)行的過程與細(xì)節(jié)上去模擬。而前者則主張，在模擬人腦的語義能力時只需從功能上加以模擬就行了。判斷模擬是否成功，主要看機器處理語義的能力是否與人類的語義能力在功能上等值。其次，本體論語義學(xué)的方法論獨特之處還在于強調(diào)：要讓機器對自然語言的加工有語義性，必須以本體論為基礎(chǔ)。因為人類之所以能理解和產(chǎn)生意義，根本條件就是人類有一種本體論的圖式。正是借助這種本體論圖式，任何一個符號語詞一旦進入人類視域，都會被歸類進入特定的意義域，獲得特定的語義值。不過，這里所說的本體論有其獨特的含義。
尼倫伯格等人注意到：“本體論”一詞具有歧義性。盡管“本體論”用法五花八門，但可歸結(jié)為兩大類，一是純哲學(xué)的用法，二是具體科學(xué)和工程學(xué)中的用法。尼倫伯格贊成瓜里羅（N. Guarino）對“本體論”的觀點，把前一用法稱作“大寫的本體論”，把后一用法稱作“小寫的本體論”。小寫的本體論又有形式本體論和工程學(xué)本體論兩種形式。瓜里羅指出：所謂“形式本體論……是關(guān)于先驗劃分的理論，如在世界的實在（物理對象、事件、區(qū)域、物質(zhì)的量……）之中，在用來模擬世界的元層次范疇（概念、屬性、質(zhì)、狀態(tài)、作用、部分……）之間作出劃分”。[5]工程學(xué)的本體論與哲學(xué)中的本體論有很大的區(qū)別。它既不關(guān)心形而上學(xué)的“是”的意義，又沒有關(guān)于實在的本體論分類。它關(guān)心的是信息系統(tǒng)中的整合因素，同時還涉及到有關(guān)概念分析之結(jié)果的本體論判定，因此它是名副其實的工程學(xué)本體論。[6]本體論語義學(xué)中的“本體論”既不同于形式本體論，又不同于哲學(xué)本體論，但從它們那里吸取了有用的東西。尼倫伯格等人說：他們的“本體論建構(gòu)試圖從形式本體論和哲學(xué)本體論中得到幫助”[7]在借鑒的基礎(chǔ)上，他們對“本體論”提出了新的理解，建立了一種極有個性的本體論。“在本體論語義學(xué)中的每種語言的詞匯都用相同的本體論來說明意義，因為它一定包含了那個本體論中的所有意義。”[8]尼倫伯格等人認(rèn)為，“一個人要承認(rèn)表征和處理意義的可能性，就必須找到這樣的具體的意義因素，它們是外部世界實在的替代。而本體論語義學(xué)中的本體論就是能直接指示外部世界的最合適的東西。它實際上是世界的模型，是據(jù)此而建構(gòu)的”[9]總之，本體語義學(xué)所說的本體論不過是語言加工系統(tǒng)中的一種概念框架，其作用是對輸入的語詞做本體論定位，為其有語義性創(chuàng)造條件。
二 本體論語義學(xué)關(guān)于語義加工系統(tǒng)的構(gòu)想
要回答機器的語義加工何以可能，完成機器對人類自然語言加工的模擬，首先必須解決的問題是：人的自然語言加工何以可能？根據(jù)本體論語義學(xué)家的研究，所以可能的條件不外是：人類有將它與語言關(guān)聯(lián)起來的能力，有別的技能，有情感和意志之類的非理性方面，因為人們賦予語詞的意義常帶有情感色彩。另外，就是活動的目的、計劃及程序，最后就是各種知識資源。
本體論語義學(xué)認(rèn)為，人類之所以能理解和產(chǎn)生意義，最重要的條件就是人類有一種本體論圖式。正是借助它，任何語言一進到心靈之中就有了自己的歸屬，被安放進所屬的類別之中，如聽到了“紅”一詞，人們馬上有這樣的歸類：它指的是屬性，與“綠”“藍(lán)”等屬一類，為物體所具有，因而不是物體，等等而是基本概念與范疇。尼倫伯格等人說：“本體論語義學(xué)試圖探討的是人們在內(nèi)省式和反思式地看待概念時對這些概念的運用。人們常常談?wù)搶傩?。虛?gòu)的實在（獨角獸或赫爾墨斯）和抽象的實質(zhì)，把它們當(dāng)作存在的。不過對于我們來說，決定把它們放在本體論之中不是根源于這樣的事實，即這些實在是用自然的語言指稱的，而是因為我們相信：由于人們在他們的宇宙中有這些概念因而語言才指稱它們?！盵10]因此，在語義機模型中，我們首先要建立的就是這種本體論圖式。根據(jù)他們的看法，“本體論提供的是描述一種語言的詞匯單元的意義所需的原語言，以及說明編碼在自然語言表征中的意義所需的原語言。而要提供這些東西，本體論必須包含有對概念的定義，這些概念可理解為世界上的事物和事件類別的反映。從結(jié)構(gòu)上說，本體論是一系列的構(gòu)架，或一系列被命令的屬性-價值對子?！盵11]它為要表征的詞項的意義作本體論的定位，即說明它屬于哪一類存在，其特點、性質(zhì)、邊界條件是什么。例如當(dāng)有一詞“pay”輸入進來，首先就要經(jīng)過本體論這一環(huán)節(jié)，換言之，該詞首先要被表征為一個本體論概念，要被放進本體論的概念體系之中，一當(dāng)這樣做了，它的屬性、值便被規(guī)定了。有了本體論概念框架，在這種靜態(tài)知識資源上就可以不斷生成各種含有意義表征的動態(tài)知識資源。動態(tài)的知識資源是在應(yīng)用所提出的任務(wù)、要求的基礎(chǔ)上所產(chǎn)生的知識。
有了關(guān)于人類加工自然語言所需條件比較清楚和量化的認(rèn)識，就有可能通過建立相應(yīng)的網(wǎng)絡(luò)讓計算機也獲得這樣的條件，進而讓機器表現(xiàn)出對意義的敏感，最終具有語義加工能力。本體論語義學(xué)相信：這不是沒有可能的，至少有巨大的開發(fā)前景。對此，本體語義學(xué)進行大膽地嘗試，并建構(gòu)出典型的語義加工模型。其具體操作就是：先讓加工器具備靜態(tài)和動態(tài)的知識知源，然后讓其有相應(yīng)的加工能力。在實踐的基礎(chǔ)上，尼倫伯格等人通過分析公認(rèn)的自然語言加工Stratified模型，詳細(xì)說明了機器進行語義加工的基本原理與過程。
在尼倫伯格等人看來，智能主體要理解文本意義離不開至少六個基本環(huán)節(jié)的加工。第一步是文本分析，即要對輸入的文本產(chǎn)生一個表征了文本的意義的正式表達式。由這任務(wù)所決定，它必須有分析器和生成器。從文本分析過程來說，文本要輸入到系統(tǒng)之中，首先要經(jīng)過“前加工”將文本加以重新標(biāo)記，并區(qū)別分析不同語言、不同體裁和風(fēng)格的不同文本，以便讓文本能為系統(tǒng)所分析。第二步是對標(biāo)記過的文本動用生態(tài)學(xué)、形態(tài)學(xué)、語法學(xué)、詞匯學(xué)的靜態(tài)知識資源作形態(tài)學(xué)分析，形成關(guān)于文本單詞的引用形式分辨。例如碰到“書”這個詞的輸入，形態(tài)學(xué)分析會這樣來分析：“book，名詞，復(fù)數(shù)”，“book，動詞，現(xiàn)在時，第三人稱，單數(shù)”等。第三步就會把它們送給詞匯學(xué)分析器，并激活這一分析器的入口。這個入口包含有許多類型的知識和信息，如關(guān)于句法的信息，關(guān)于詞匯語義學(xué)的信息，其作用是檢查、凈化形態(tài)學(xué)分析的結(jié)果。例如英文文本中可能夾雜有法、德、意等語言的單詞，還有一些模棱兩可的單詞，更麻煩的是，有些詞在詞匯分析器中沒有出現(xiàn)過，因此無法予以檢查。在這些情況下，就要予以查檢、甄別，如對不熟悉的詞，它有一些處理的步驟和辦法。第四步是句法分析。第五步是決定基本的語義從屬關(guān)系，例如建立未來的意義表征的命題結(jié)構(gòu)，確定哪些因素將成為這些命題的主題，并決定該命題的屬性位置。
在此基礎(chǔ)上，本體論語義學(xué)提出了語義加工機的完整構(gòu)想。尼倫伯格認(rèn)為，機器要完成文本意義表征，必須有加工器和靜態(tài)知識資源。首先第一步，借助靜態(tài)知識資源（生態(tài)學(xué)、句法、形態(tài)學(xué)、詞匯學(xué)、詞源和本體論及事實材料）對輸入文本作出分析，然后又借助這些知識資源產(chǎn)生文本意義表征。分析模塊和語義生成器都離不開靜態(tài)知識資源。知識資源是如何得到的呢？要靠學(xué)習(xí)?！氨倔w論語義學(xué)必須涉及到學(xué)習(xí)：它們越起作用，它們儲存的關(guān)于世界的知識就越多，它們可望達到的結(jié)果就越好?！盵12]除了靜態(tài)知識之外，計算機要完成語義表征，還必須有動態(tài)的知識，它們是關(guān)于意義表征的程序方面的知識以及推理類型的知識。另外，加工器還要有這樣的動態(tài)能力，即把所儲存的知識動態(tài)地提取出來，運用于知識表征。尼倫伯格等人說“在本體論語義學(xué)中，這些目的是通過把文本意義表征、詞匯和本體論關(guān)聯(lián)起來而實現(xiàn)的?！盵13]“我們關(guān)于表征文本意義的方案動用了兩種手段，一是本體論概念的例示，二是與本體論無關(guān)的參數(shù)的例示。前者提供了與任何可能的文本意義表征例示相一致的、抽象的、非索引的命題。這些例示是這樣得到的，即提供了基本的本體論陳述，它們有具體的情境的、包含有參數(shù)的值，如方面、方式、共指等?！盵14]在這里，本體論的概念之所以抽象但又必要，主要是因為它提供了對存在和語詞的分類，如對于要表征的意義，它首先要借助這種本體論范疇確定它是屬于物體、屬性、方面、方式、過程、活動、數(shù)量中的哪一種。簡言之，對于任一詞的意義或所指，首先要借助本體論概念確定它應(yīng)包含在哪一類存在范疇之中。在此基礎(chǔ)上，再用非本體論參數(shù)分析它的具體的、情境方面的值。
三 特點與問題
本體論語義學(xué)與其他人工智能理論、自然語言加工系統(tǒng)相比有自己的一些鮮明特點。其一，它強調(diào)對意義的處理無需通過句法分析，至少主要不是通過句法分析。在它看來，機器對意義的接受、表征、加工、生成和輸出，或者說，讓機器的句法加工具有語義性或意向性，靠的主要不是原先的關(guān)鍵詞匹配，句法轉(zhuǎn)換，而依賴的是對人類智能的全方位模擬。其二，本體論語義學(xué)認(rèn)識到了人類心理狀態(tài)具有意向性、自然語言具有語義性依賴于復(fù)雜的因素，并在這種認(rèn)識的基礎(chǔ)上形成了研究意義的一種綜合性方案。在具體的工程學(xué)實踐中，它關(guān)注到了意義處理中的多方面因素，即不僅僅注意到了知識性因素，而且還重視潛藏在人類智能中的非知識因素，并通過特定的方式將它們“內(nèi)化”到他們所建構(gòu)的人工智能系統(tǒng)之中。第三，本體語義學(xué)非常重視本體論圖式在人類心理狀態(tài)意向性、自然語言語義性中的作用，并在將這一認(rèn)識成果向工程技術(shù)領(lǐng)域轉(zhuǎn)化，進而讓自然語言加工系統(tǒng)獲得這一語義生成的重要樞紐、機制方面做了大膽探索，取得了富有啟發(fā)意義的初步成果。第四，本體論語義學(xué)的確有重要的實踐意義和廣闊的應(yīng)用前景，最重要的應(yīng)用價值是它能產(chǎn)生文本意義表征。因為它的語義處理系統(tǒng)可以借助靜態(tài)知識資源對輸入文本作出分析，借助加工器的動態(tài)能力將所儲存的知識動態(tài)地提取出來，并運用于知識表征， 然后借助這些知識資源產(chǎn)生文本意義表征，并由特定輸出設(shè)備完成在意義交流層次的人機對話。
可以說，本體論語義學(xué)面對當(dāng)前人工智能發(fā)展的瓶頸問題，基于工程學(xué)實踐和哲學(xué)反思，不僅在構(gòu)建現(xiàn)實的語義機方面做出了極富價值的探索，也為揭示人類自然語言處理的基本原理提供了可資借鑒和進一步反思的研究成果。因此本體論語義學(xué)對于人工智能的發(fā)展來說是必不可少的選擇之一。但是，這并不意味著本體語義學(xué)就是完備的、無懈可擊的人工智能理論，非但如此，它盡管是為了回應(yīng)塞爾中文屋論證和其他關(guān)于人工智能責(zé)難而提出的一種方案，但仍會受到這樣的責(zé)難：它的自然語言系統(tǒng)所處理的意義、所生成的意義，好像仍離不開設(shè)計操作人員的解釋，如果是這樣，那么它充其量只有派生的意向性、語義性。其次，最大的問題是：這種理論建立的系統(tǒng)仍沒有主動性、自覺性、意識性、目的性，而這些性質(zhì)恰恰是人類固有的意向性的特征。因此要讓機器成為像人類那樣的有意向性的自主系統(tǒng)看來還有很長的路要走。
注 釋
[1][4][6][7][8][9][10][11][12][13][14] S. Nuremburg and V. Raskin， Ontological Semantics， Cambridge， MA: The MIT Press， 2004， xiii， xiii， pp.138-139， p.154， p.111， p.88， p.135，p191， p160， p160，p174.
AI Index在新舊年份交替之際公布了團隊成立以來第一份報告，其中具有代表性的八張圖可以幫助我們快速、全面了解AI這一行業(yè)高速發(fā)展的啟發(fā)和見解。
1、AI學(xué)術(shù)研究論文激增9倍以上
自1996年以來，每年發(fā)表的計算機科學(xué)的學(xué)術(shù)論文和研究的數(shù)量猛增了9倍以上。學(xué)術(shù)論文和研究通常能產(chǎn)生新的知識產(chǎn)權(quán)和專利。整個Scopus數(shù)據(jù)庫中，含有“Artificial Intelligence”這個關(guān)鍵詞的計算機科學(xué)領(lǐng)域的論文有超過200，000（200237）篇。Scopus數(shù)據(jù)庫中“計算機科學(xué)”領(lǐng)域的論文總共有近500萬（4868421）篇。
2、AI風(fēng)險投資激增6倍
自2000年以來，在美國，風(fēng)險投資者（VC）每年投入AI創(chuàng)業(yè)公司的投資額增加了6倍。Crunchbase，VentureSource和Sand Hill Econometrics被用于確定VC每年投給初創(chuàng)公司的資金額，這些初創(chuàng)公司在某些關(guān)鍵領(lǐng)域起著重要作用。上圖顯示了VC在美國所有融資階段對AI創(chuàng)業(yè)公司年度投資總額。
3、AI創(chuàng)業(yè)公司激增14倍
自2000年以來，在美國，有資本支持的AI創(chuàng)業(yè)公司數(shù)量增加了14倍。Crunchbase，VentureSource和Sand Hill Econometrics也用于這一分析。這個數(shù)字包括VentureSource數(shù)據(jù)庫中Crunchbase列表中的任何有VC支持的公司。
4、要求AI技能崗位激增4.5倍
自2013年以來，要求有AI技能的工作崗位增長了4.5倍。在Indeed.com平臺上，需要AI技能的工作崗位所占份額的計算方法是通過職業(yè)描述中的標(biāo)題和關(guān)鍵字來確定是否與人工智能相關(guān)。AI Index研究還計算了在Indeed.com平臺上，要求人工智能技術(shù)的工作崗位份額在不同國家的增長情況。盡管加拿大和英國增長迅速，但對于人才招聘市場，Indeed.com的報告顯示加拿大和英國分別只占美國AI招聘市場絕對規(guī)模的5%和27%。
5、機器學(xué)習(xí)、深度學(xué)習(xí)以及NLP成為核心技能
在線求職平臺Monster.com上數(shù)據(jù)顯示，機器學(xué)習(xí)，深度學(xué)習(xí)和自然語言處理（NLP）是最重要的三項技能。兩年前NLP已經(jīng)被預(yù)測會成為應(yīng)用程序開發(fā)人員創(chuàng)建新的AI應(yīng)用程序最需要的技能。除了創(chuàng)建AI應(yīng)用程序，最受歡迎的技能還包括機器學(xué)習(xí)技術(shù)，Python，Java，C++，開源開發(fā)環(huán)境的經(jīng)驗，Spark，MATLAB和Hadoop。根據(jù)對Monster.com的分析，在美國，數(shù)據(jù)科學(xué)家，高級數(shù)據(jù)科學(xué)家，人工智能顧問和機器學(xué)習(xí)主管的薪水中位數(shù)為$127000。
6、圖像標(biāo)注錯誤率巨幅下滑至2.5%以下
自2010年以來，圖像標(biāo)注的錯誤率從28.5%下降到2.5%以下。大規(guī)模視覺識別挑戰(zhàn)賽（LSVRC）的對象檢測任務(wù)的AI拐點發(fā)生在2014年。在這項特定任務(wù)中，AI已經(jīng)表現(xiàn)得比人類更準(zhǔn)確。這些發(fā)現(xiàn)來自于ImageNet網(wǎng)站上LSVRC競賽排行榜的競賽數(shù)據(jù)。
7、機器人進口量激增至25萬
從國際上看，機器人的進口量已經(jīng)從2000年的10萬臺左右增長到了2015年的25萬臺左右。數(shù)據(jù)來源是每年進口到北美以及國際整體的工業(yè)機器人的數(shù)量。工業(yè)機器人由ISO 8373：2012標(biāo)準(zhǔn)定義。國際數(shù)據(jù)公司（IDC）預(yù)測對機器人的消費將在五年內(nèi)加快，到2021年達到2307億美元，復(fù)合年增長率（CAGR）為22.8%。
一、網(wǎng)站的構(gòu)建
1.網(wǎng)站框架設(shè)計
我國高中階段人工智能教育還處于起步階段，據(jù)調(diào)查，全國已開設(shè)人工智能課程的中學(xué)不超過十所。事實上，對于人工智能這一前沿學(xué)科，大部分信息技術(shù)教師還缺乏足夠的了解，因此對于該課程的開設(shè)也一直處于觀望狀態(tài)?？紤]到人工智能教育的實際情況以及網(wǎng)站的主要對象，我們以高中信息技術(shù)選修課教材《人工智能初步》為基礎(chǔ)，按教學(xué)內(nèi)容設(shè)置和劃分欄目，同時又圍繞“學(xué)人工智能、教人工智能、用人工智能、機器人專題”四大專題進行內(nèi)容重組。當(dāng)然，網(wǎng)站的基本架構(gòu)并非一成不變，它需要在實際應(yīng)用中進行檢驗與修正，最終實現(xiàn)網(wǎng)站的完美架構(gòu)。依據(jù)上述思路建構(gòu)的網(wǎng)站基本框架如圖1所示。
2.網(wǎng)站的欄目設(shè)計
新聞欄目以圖文的形式人工智能發(fā)展的最新情況，這是激發(fā)并維持廣大師生關(guān)注人工智能的基礎(chǔ)，也是師生獲取最新信息的窗口。子欄目“中國動態(tài)”“歐美動態(tài)”等分別介紹了各地區(qū)最新的人工智能信息，尤其是機器人產(chǎn)品的新聞。子欄目“會議論壇”，“比賽通知”為師生、參與比賽提供服務(wù)。
論文欄目是作為資源型網(wǎng)站的基礎(chǔ)。子欄目“教學(xué)研究”主要面向從事人工智能教育的研究者和教師，探討教學(xué)方法、分析教學(xué)案例、推薦教材和參考書，為更好的開展人工智能教學(xué)提供理論依據(jù)。子欄目“學(xué)習(xí)樂園”主要面向?qū)W生，展示活動實錄、闡述學(xué)習(xí)感受，聆聽專家意見，為更好的學(xué)習(xí)人工智能提供事實參考，教師也通過“學(xué)習(xí)樂園”來了解學(xué)生的所思所感所想。子欄目“賽事規(guī)則”介紹了各個地區(qū)和各級機器人比賽的一些規(guī)則，有利于師生更好的進行人工智能的教與學(xué)。
資源、視頻、圖庫、酷站：這四個欄目是資源型網(wǎng)站的核心。尤其是資源模塊中的子欄目“電子書刊”“教學(xué)課件”“人工智能軟件”分別以不同的文件格式向師生提供教與學(xué)的資源，使其能快速準(zhǔn)確地獲取符合需求的資源，免去了在因特網(wǎng)上盲目搜索出現(xiàn)大量冗余信息的麻煩。網(wǎng)站整合了文本、視頻、圖片等多媒體信息，以豐富多彩的形式呈現(xiàn)資源，增強了網(wǎng)站的吸引力和信息的可閱讀性。
愛問欄目是作為學(xué)習(xí)型網(wǎng)站的基礎(chǔ)，也是本網(wǎng)站的一大特色。“愛問”是采用了模仿“百度知道系統(tǒng)”的程序設(shè)計，更注重知識的答疑解惑。我們將此欄目劃分為“學(xué)人工智能”“教人工智能”“用人工智能”“機器人問題”四個子欄目，師生可根據(jù)各自的需要進行提問、回答問題、搜索問題等操作。同時，設(shè)立了積分制，激發(fā)師生提問和回答問題的熱情。
用戶中心欄目是學(xué)習(xí)型網(wǎng)站的核心。作為一個專題網(wǎng)站，必然要十分強調(diào)學(xué)習(xí)的功能。子欄目“網(wǎng)絡(luò)書簽”的功能可以使學(xué)習(xí)者記錄自己所瀏覽過的或所感興趣的網(wǎng)頁，便于在下次登陸后繼續(xù)學(xué)習(xí)。在子欄目“信息”功能中，學(xué)習(xí)者可以新聞、論文、資源、愛問等信息，待管理員審核通過后即可在網(wǎng)站中顯示出來。另外，教師也可在教學(xué)過程中通過此模塊要求學(xué)生提交作業(yè)，便于教師隨時隨地的批改作業(yè)。
二、網(wǎng)站的訪問數(shù)據(jù)分析
人工智能教育專題網(wǎng)站從開設(shè)至今將近8個月的時間，已經(jīng)有超過1萬的獨立訪客訪問了本站，我們選取了最近訪問的2000位獨立訪客進行研究。通過對地域、被檢索方式、受訪頁面及回頭率的分析，可為網(wǎng)站下一步的改進與完善提供依據(jù)，為其他人工智能教育類網(wǎng)站的建設(shè)，在網(wǎng)站的用戶類型，網(wǎng)站的內(nèi)容選擇與更新，網(wǎng)站的推介宣傳等方面提供參考與借鑒。
1.地域分析
在統(tǒng)計到的訪問該網(wǎng)站的地域中，國外共有12個國家訪問了本網(wǎng)站。國內(nèi)除西藏、澳門之外，其他省份、直轄市、特別行政區(qū)都有訪問過本網(wǎng)站，這為我們今后在高中普及人工智能教育提供了有力的依據(jù)。但是，通過圖2的數(shù)據(jù)我們也可看到，各個地區(qū)間的訪問量差距較大，并且訪問量靠前的幾個省份基本上是沿海地區(qū)，而中部和西部地區(qū)的訪問量比較少，所以在今后的工作中不僅要加強網(wǎng)站本身的建設(shè)和宣傳，更要把人工智能教育的理念推廣到中部和西部地區(qū)，使那里的中小學(xué)師生也接觸人工智能的知識，激發(fā)他們對信息技術(shù)美好前景的向往。
2.被檢索方式分析
搜索引擎是網(wǎng)絡(luò)上最常用的獲取資源的方式。掌握用戶使用搜索引擎的情況，有助于了解網(wǎng)站的被檢索方式。統(tǒng)計搜索關(guān)鍵字的次數(shù)，有助于了解網(wǎng)站被檢索訪問的原因。在專題網(wǎng)站建設(shè)完成后，向“百度”、“Google”等大型搜索引擎系統(tǒng)提交收錄網(wǎng)頁申請是極其必要的，它有利于提高網(wǎng)站的知名度和訪問量。而在網(wǎng)站中增加“人工智能”，“prolog 源程序”等文字內(nèi)容，將會有利于用戶在盲目搜索時能訪問到該專題網(wǎng)站。
3.受訪頁面分析
受訪頁面是指用戶訪問該專題網(wǎng)站時所停留的頁面。通過對受訪頁面的統(tǒng)計，使我們能夠掌握用戶相對較為關(guān)注網(wǎng)站的哪些內(nèi)容。表1數(shù)據(jù)中“學(xué)人工智能”占23.82%，“資源下載”占了16.32%，表明用戶對人工智能的知識還不是很了解，對人工智能的認(rèn)識還停留在“學(xué)”的層面，遠(yuǎn)未達到“教”的程度。人工智能教育類網(wǎng)站在建設(shè)中，如果能提供大量的人工智能的基礎(chǔ)知識以及豐富的可下載資源，將會顯著提高網(wǎng)站的受歡迎度以及用戶的認(rèn)可度。
4.回頭率分析
在網(wǎng)站訪問統(tǒng)計中，通常將距離上次訪問超過12小時的再次訪問記錄為一次回頭。通過對回頭率的統(tǒng)計（表略）看出該專題網(wǎng)站的粘性不是很高，尤其是3次回訪以上的用戶還不多。通過對部分用戶訪談后了解到，網(wǎng)站的更新速度慢，資源較少，內(nèi)容偏難是其不愿進行多次回訪的主要原因。所以，人工智能教育類網(wǎng)站在維護期間要注意內(nèi)容的時效性、豐富性、通俗性才能保證網(wǎng)站訪問的可持續(xù)性。
三、網(wǎng)站建設(shè)的若干思考
目前國內(nèi)外有關(guān)人工智能的專題網(wǎng)站不多，針對人工智能教育的網(wǎng)站更少。在可供借鑒的成熟案例較少、研究又處于剛起步階段的情況下，有必要對我們的工作進行反思總結(jié)。通過上述訪問數(shù)據(jù)的分析，以及在人工智能教育專題網(wǎng)站建設(shè)的準(zhǔn)備階段，實施階段及運行階段的實踐，我們認(rèn)為在建設(shè)人工智能教育類網(wǎng)站時應(yīng)當(dāng)注意以下幾個問題。
1. 充分關(guān)注用戶信息
訪問量是綜合類或門戶類網(wǎng)站的生命線，應(yīng)當(dāng)盡可能地拓寬訪問者的類型與層次。但人工智能作為一門新興學(xué)科，其專題網(wǎng)站的學(xué)科性特點甚至比普通的專題學(xué)習(xí)網(wǎng)站還要突出，因此單從訪問量上來說，它是無法和門戶類網(wǎng)站相比的。所以在建設(shè)的初期首先就要考慮的網(wǎng)站的對象問題，也就是要關(guān)注哪類人訪問了網(wǎng)站。只有準(zhǔn)確的掌握了用戶的信息才能更好提供用戶需要的資源。
在這里，人工智能教育專題網(wǎng)站是通過以下三種手段來獲取用戶信息的。
第一，用戶必須注冊才能訪問網(wǎng)站，注冊的內(nèi)容包括年齡、身份、學(xué)歷，電子郵件等內(nèi)容。
第二，在網(wǎng)站中設(shè)立“網(wǎng)站調(diào)查”欄目，可以對“你是如何知道本站的”，“你覺得本站建設(shè)的如何”等內(nèi)容教學(xué)在線調(diào)查。
第三，通過“中國站長站”等專業(yè)的數(shù)據(jù)收集程序來獲取用戶基本信息，可收集到用戶地域、受訪問頁面、用戶回頭率等信息。只有掌握了準(zhǔn)確的用戶信息，才能更好的為用戶提供服務(wù)。
2.與用戶攜手共建網(wǎng)上資源
人工智能的子學(xué)科門類眾多，僅高中教材《人工智能初步》中就有知識及其表達、推理與專家系統(tǒng)、人工智能語言與問題求解等多個主題。而且我國的人工智能研究相對薄弱，很多資料都是外文的。任何一個人要很熟練的掌握人工智能的各個內(nèi)容是很困難也是不現(xiàn)實的。我們通過一年多的實踐也體會到，僅僅依靠課題組成員很難保證網(wǎng)站資源庫內(nèi)容的全面性和針對性。所以在網(wǎng)站最新一次改版中，我們增加了用戶的信息功能，使得用戶自己可以新聞、添加文章，上傳資源，只要經(jīng)過管理員審核即可在網(wǎng)站中顯示。
另外，在人工智能教學(xué)過程中，我們也充分利用學(xué)生的優(yōu)勢，要求學(xué)生以作業(yè)的形式提交文本和視頻資源，并將作業(yè)的數(shù)量和質(zhì)量作為考察學(xué)生學(xué)習(xí)效果的一個指標(biāo)。這些舉措保證了網(wǎng)站內(nèi)容更新的時效性和內(nèi)容的針對性。用戶所的就是用戶所關(guān)注的，用戶所關(guān)注的就是網(wǎng)站所要收集的。
3.通過多種形式充分發(fā)揮網(wǎng)站作用
目前，全國高中開設(shè)了“人工智能初步”選修課的學(xué)校極少，教師手頭上可供選擇的教材也只有5套。從專題網(wǎng)站上統(tǒng)計的數(shù)據(jù)來看，雖然網(wǎng)站目前的用戶主要是教師，但“學(xué)人工智能”頁面訪問量卻遠(yuǎn)多于“教人工智能”。從這些情況看，單靠幾個人工智能教育類的專題網(wǎng)站無法從根本上解決高中人工智能教育現(xiàn)階段所面臨的窘境。所以，在條件允許的情況下，可以通過研修班、會議論壇等形式組織教師進行面對面的交流。
例如，我們就在2007年5月25日至27日在浙江師范大學(xué)舉辦了全國首屆“高中人工智能課程研修班”，來自全國十個省市的70余位信息技術(shù)教師及教研員參加了研修班的學(xué)習(xí)。在研修活動中，教師不僅學(xué)習(xí)了人工智能的知識，也對人工智能教育的現(xiàn)狀及發(fā)展過程中遇到的問題做了充分了探討和交流。本次研修活動結(jié)束后，人工智能教育專題網(wǎng)站則成了學(xué)員們交換信息、交流體會、共享資源的有效平臺。
四、結(jié)束語
總之，借助專題網(wǎng)站的平臺作用開展各種活動，不僅彌補了人工智能教育網(wǎng)站缺乏面對面交流和互動的缺點，也為把網(wǎng)站資源建設(shè)的更具針對性提供了有效幫助。
參考文獻：
[1]張劍平. 關(guān)于人工智能教育的思考[J] .電化教育研究.2003，（1）.
[2]曹瑞敏. “中國海”學(xué)生專題學(xué)習(xí)網(wǎng)站應(yīng)用[J] .中國電化教育.2005，（5）.
《新聞周刊》5月24日
幾十年來，技術(shù)不斷地讓手機、筆記本電腦、應(yīng)用程序等整個行業(yè)的產(chǎn)品變得
>> 美國醫(yī)療保障制度評估 人工智能將統(tǒng)治地球？ 人工智能將改變什么 人工智能將重塑商業(yè)生態(tài) 美國改善雙重參保者的醫(yī)療保障 人工智能與醫(yī)療 美國醫(yī)療保障體系改革及其對中國的啟示 美國醫(yī)療保障制度的嬗變及啟示 美國醫(yī)療保障體系現(xiàn)代化進程分析 美國醫(yī)療保障制度改革與發(fā)展的政治維度 人工智能將使人類更強大 人工智能將再造互聯(lián)網(wǎng) 人工智能將促進制造業(yè)升級 人工智能將取代50%的工作 人工智能將重新定義人類 人工智能將改變經(jīng)濟等3則 人工智能將如何威脅人類文明？ 人機大戰(zhàn)：人工智能將帶來什么 美國的養(yǎng)老保障系統(tǒng) 完善我國醫(yī)療保障制度 常見問題解答 當(dāng)前所在位置：中國 > 政治 > 人工智能將大大改善美國醫(yī)療保障系統(tǒng) 人工智能將大大改善美國醫(yī)療保障系統(tǒng) 雜志之家、寫作服務(wù)和雜志訂閱支持對公帳戶付款！安全又可靠！ document.write("作者：未知 如您是作者，請告知我們")
申明:本網(wǎng)站內(nèi)容僅用于學(xué)術(shù)交流，如有侵犯您的權(quán)益，請及時告知我們，本站將立即刪除有關(guān)內(nèi)容。 《新聞周刊》5月24日
幾十年來，技術(shù)不斷地讓手機、筆記本電腦、應(yīng)用程序等整個行業(yè)的產(chǎn)品變得越來越便宜，而醫(yī)療保健卻在另一個世界里頑固地徘徊，在這個世界里，科技讓一切變得更加昂貴和復(fù)雜?，F(xiàn)在，許多美國創(chuàng)業(yè)公司正在利用人工智能和海量的數(shù)據(jù)以及自動化的方法，有望在提高醫(yī)療效率的同時降低醫(yī)療成本。比如有些公司正在試圖利用人工智能實現(xiàn)一些醫(yī)生的工作自動化。IBM的沃森利用機器強大的計算能力來解決問題，目前正在成為世界上最好的診斷專家。它的軟件可以吸收所有可用的病人稻藎以及每年發(fā)表的成千上萬的醫(yī)學(xué)研究論文（遠(yuǎn)遠(yuǎn)超出了任何人的閱讀能力）。該系統(tǒng)甚至可以跟上新聞的步伐，例如，了解哪些地區(qū)會受到某種傳染性疾病的影響，這可能有助于診斷最近去過這些地區(qū)的人。
那未來是不是基金經(jīng)理和交易員就沒有用武之地了，大量人工智能的運用將改變股市的交易模式和策略。我覺得，人工智能作為一種投資方法和途徑，的確可以投資股市，并且獲得一種風(fēng)險和收益相對可預(yù)期的模式。但是人工智能的“股市狗”不可能百戰(zhàn)百勝，甚至有可能導(dǎo)致某個公司傾家蕩產(chǎn)。
人工智能首先我想起了長期資本（LTCM）的故事。套利之父、債券之王、諾貝爾獎獲得者一群精英的夢幻組合，于1994年創(chuàng)立了美國長期資本管理公司，主要活躍于國際債券和外匯市場，利用私人客戶的巨額投資和金融機構(gòu)的大量貸款，專門從事金融市場炒作。它與量子基金、老虎基金、歐米伽基金一起被稱為國際四大對沖基金，一度取得驕人業(yè)績。它以“不同市場證券間不合理價差生滅自然性”為基礎(chǔ)，制定了“通過電腦精密計算，發(fā)現(xiàn)不正常市場價格差，資金杠桿放大，入市圖利”的投資策略。最后因為俄羅斯金融風(fēng)暴、公債違約導(dǎo)致公司幾乎瀕臨破產(chǎn)。有人分析，它的問題出在歷史數(shù)據(jù)統(tǒng)計的模型不能代替未來方向。實際上，我覺得，從更高層面來說，這是一種對社會現(xiàn)象能否進行數(shù)理分析的根本哲學(xué)問題。
社會現(xiàn)象能否用公式去窮盡各種因子，從而成功推測出未來的方向？簡單說，遵循數(shù)理邏輯的人認(rèn)為可以，而認(rèn)為社會現(xiàn)象中的研究者無法做到數(shù)理現(xiàn)象的純粹觀測者來研究，因此無法得到答案。德州撲克非常像股市二級市場，不同位置、不同對手風(fēng)格、不同籌碼量都會導(dǎo)致同樣牌面不同的決策。另外，運氣成分占很大比重。
